8月17日题目三解答说明

题目回顾

今天要解决两个数学问题：

求解一个三元线性方程组
解决一个工厂生产利润最大化的线性规划问题

解题思路

1. 线性方程组求解

我的想法：

这是一个三元线性方程组，有三个未知数x₁、x₂、x₃
可以用矩阵方法直接求解，也可以用高斯消元法手动计算
两种方法都要试试，看看结果是否一致

代码实现：

方法一：矩阵求解法

# 系数矩阵 A
A = [1.0 2.0 3.0; -1.0 3.0 7.0; 9.0 0.0 3.0]
# 常数向量 b
b = [1.0, 4.0, 7.0]

# 求解线性方程组 Ax = b
x_matrix = A \ b

优点：简单快捷，一行代码搞定
缺点：看不到计算过程

方法二：高斯消元法

function gaussian_elimination(A, b)
    n = length(b)
    # 创建增广矩阵
    augmented = [A b]
    
    # 前向消元
    for i in 1:n
        # 找到主元
        pivot_row = i
        for j in i+1:n
            if abs(augmented[j, i]) > abs(augmented[pivot_row, i])
                pivot_row = j
            end
        end
        
        # 交换行
        if pivot_row != i
            augmented[i, :], augmented[pivot_row, :] = augmented[pivot_row, :], augmented[i, :]
        end
        
        # 消元
        for j in i+1:n
            factor = augmented[j, i] / augmented[i, i]
            augmented[j, :] -= factor * augmented[i, :]
        end
    end
    
    # 回代求解
    x = zeros(n)
    for i in n:-1:1
        x[i] = (augmented[i, end] - sum(augmented[i, i+1:end-1] .* x[i+1:end])) / augmented[i, i]
    end
    
    return x
end

优点：能看到完整的计算过程
缺点：代码复杂一些

结果验证：

# 验证解是否正确
residual = A * x_matrix - b
println("残差 (应该接近0):")
println(residual)

两种方法得到相同结果：x₁ = 0.333, x₂ = -1.667, x₃ = 1.333
代入原方程验证，残差接近0，说明解是正确的

2. 线性规划问题

我的想法：

这是一个典型的线性规划问题，要最大化利润
有约束条件：原料重量不能超过1000千克
可以用图解法，但更简单的是直接分析单位利润

代码实现：

边界分析法

# 计算单位原料利润
profit_per_kg_A = 40.0 / 3.0  # A产品：40元利润/3千克原料
profit_per_kg_B = 30.0 / 2.0  # B产品：30元利润/2千克原料

println("单位原料利润：A = ", profit_per_kg_A, " 元/千克，B = ", profit_per_kg_B, " 元/千克")

if profit_per_kg_B >= profit_per_kg_A
    # 全部原料用于 B
    x_opt = 0.0
    y_opt = 1000.0 / 2.0
else
    # 全部原料用于 A（本题不会发生）
    x_opt = 1000.0 / 3.0
    y_opt = 0.0
end

P_max = 40.0 * x_opt + 30.0 * y_opt

关键思路：

单位利润比较：A产品每千克原料产生13.33元利润，B产品每千克原料产生15元利润
最优策略：既然B产品的单位利润更高，就应该把所有原料都用来生产B产品
具体计算：1000千克原料 ÷ 2千克/单位 = 500单位B产品
最大利润：500 × 30元 = 15000元

约束验证：

# 验证约束条件
constraint_value = 3.0 * x_opt + 2.0 * y_opt
println("约束验证：")
println("3x + 2y = ", constraint_value, " ≤ 1000 ✓")
println("x ≥ 0 ✓, y ≥ 0 ✓")

为什么这样最优？

线性规划的最优解总是在可行域的顶点上
在这个问题中，可行域是一个三角形
由于目标函数的系数都是正的，最优点一定在边界上
既然B的单位利润更高，最优解就是全部生产B

代码实现要点

线性方程组部分

数据类型：使用浮点数避免类型转换问题
矩阵求解：用A \ b语法，Julia自动选择最优算法
高斯消元：包含主元选择和行交换，提高数值稳定性
验证方法：用残差A * x - b验证解的正确性

线性规划部分

单位利润法：直接比较40/3和30/2，避免复杂的图解法
条件判断：用if-else结构处理不同情况
约束验证：检查所有约束条件是否满足

结果总结

线性方程组解： x₁ = 0.333, x₂ = -1.667, x₃ = 1.333
线性规划最优解： x = 0, y = 500, 最大利润 = 15000元

下面是运行结果

下面是完整代码


println("=== 8月17日 题目三解答 ===")
println()

# --- 1. 线性方程组求解 ---
println("1. 线性方程组求解")
println("方程组：")
println("x₁ + 2x₂ + 3x₃ = 1")
println("-x₁ + 3x₂ + 7x₃ = 4")
println("9x₁ + 3x₃ = 7")
println()

# 方法一：矩阵求解法
println("方法一：矩阵求解法")

# 系数矩阵 A
A = [1.0 2.0 3.0; -1.0 3.0 7.0; 9.0 0.0 3.0]
# 常数向量 b
b = [1.0, 4.0, 7.0]

println("系数矩阵 A:")
println(A)
println("常数向量 b:")
println(b)

# 求解线性方程组 Ax = b
x_matrix = A \ b

println("解向量 x:")
println(x_matrix)
println("x₁ = ", x_matrix[1])
println("x₂ = ", x_matrix[2])
println("x₃ = ", x_matrix[3])
println()

# 验证解是否正确
residual = A * x_matrix - b
println("残差 (应该接近0):")
println(residual)
println()

# 方法二：高斯消元法
println("方法二：高斯消元法")

function gaussian_elimination(A, b)
    n = length(b)
    # 创建增广矩阵
    augmented = [A b]
    
    # 前向消元
    for i in 1:n
        # 找到主元
        pivot_row = i
        for j in i+1:n
            if abs(augmented[j, i]) > abs(augmented[pivot_row, i])
                pivot_row = j
            end
        end
        
        # 交换行
        if pivot_row != i
            augmented[i, :], augmented[pivot_row, :] = augmented[pivot_row, :], augmented[i, :]
        end
        
        # 消元
        for j in i+1:n
            factor = augmented[j, i] / augmented[i, i]
            augmented[j, :] -= factor * augmented[i, :]
        end
    end
    
    # 回代求解
    x = zeros(n)
    for i in n:-1:1
        x[i] = (augmented[i, end] - sum(augmented[i, i+1:end-1] .* x[i+1:end])) / augmented[i, i]
    end
    
    return x
end

x_gaussian = gaussian_elimination(A, b)
println("高斯消元法解:")
println("x₁ = ", x_gaussian[1])
println("x₂ = ", x_gaussian[2])
println("x₃ = ", x_gaussian[3])
println()

# --- 2. 线性规划问题 ---
println("2. 工厂生产最大化利润问题")
println()

# 问题：最大化 P = 40x + 30y，约束 3x + 2y ≤ 1000，x ≥ 0, y ≥ 0
println("目标函数：最大化 P = 40x + 30y")
println("约束条件：3x + 2y ≤ 1000")
println("非负约束：x ≥ 0, y ≥ 0")
println()

# 解法：边界分析法（把约束化为等式并比较单位原料利润）
# 单位原料利润：A 为 40/3，B 为 30/2
profit_per_kg_A = 40.0 / 3.0
profit_per_kg_B = 30.0 / 2.0

println("单位原料利润：A = ", profit_per_kg_A, " 元/千克，B = ", profit_per_kg_B, " 元/千克")

if profit_per_kg_B >= profit_per_kg_A
    # 全部原料用于 B
    x_opt = 0.0
    y_opt = 1000.0 / 2.0
else
    # 全部原料用于 A（本题不会发生）
    x_opt = 1000.0 / 3.0
    y_opt = 0.0
end

P_max = 40.0 * x_opt + 30.0 * y_opt

println("最优解：")
println("x = ", x_opt, " (产品A单位数)")
println("y = ", y_opt, " (产品B单位数)")
println("最大利润 Pmax = ", P_max, " 元")

# 约束校验
println()
println("约束验证：")
println("3x + 2y = ", 3.0 * x_opt + 2.0 * y_opt, " ≤ 1000 ✓")
println("x ≥ 0 ✓, y ≥ 0 ✓")

8月17日 题目三解答说明

题目回顾

解题思路

1. 线性方程组求解

方法一：矩阵求解法

方法二：高斯消元法

2. 线性规划问题

边界分析法

代码实现要点

线性方程组部分

线性规划部分

结果总结

全部回答

8月17日题目三解答说明