Operationsanalyse 1 Obligatorisk opgave 2

Størrelse: px
Starte visningen fra side:

Download "Operationsanalyse 1 Obligatorisk opgave 2"

Transkript

1 Operationsanalyse Obligatorisk opgave Anders Bongo Bjerg Pedersen. juni Opgave (i) Vi tilføjer først slack-variable til (P ): Minimize Z = x + x + x subject to x + x + x x 4 = x x + x x 5 = x + x x x = x i, i =,...,. Og opskriver så det duale problem (D): Maximize W = y y + y subject to y + y + y y y + y y + y y y y y Vi ser umiddelbart, at en dual feasible basis kunne være B = {4, 5, } (slackvariablene fra (P )). I denne er vores dual basic solution y B = (,, ), og vores basic solution til (P ) bliver så x B = (,,,,, ), som er infeasible! Vi skulle så gerne bevæge os hen mod en feasible solution i stedet, når vi optimerer. (ii) Da y B = (,, ), er s B = (,,,,, ), dvs. B er dual feasible iflg. Definition, Lecture. For at løse (P ) med dual simplex opskriver vi vores simplextableau som i noterne, idet vi anvender koefficienterne fra (P ) og ganger

2 alle koefficienter med - (hvilket medfører, at vi får nogle negative RHS og enhedsvektorer under vores basisvektorer fra (D)): B Z x x x x 4 x 5 x RHS R Z R x 4 R x 5 R4 x Vi identificerer nu største negative RHS, som bliver den variabel, det bedst kan betale sig at tage ud af basis og ser, at dette er x 4 med -. Vi skal så finde mindste δ som følgende: δ = min }, sb, sb ā, ā, { sb ā, { = min,, } =, dvs. vi pivoterer x 4 ud af basen og x ind i stedet for og får så vores nye basis B = {, 5, } med y B = (,, ), x B = (,,,,, ). Vores nye simplextableau fremkommer så ved følgende rækkeoperationer, der udføres for at skaffe og en enhedsvektor under x : R, R R, R R, R R4 : B Z x x x x 4 x 5 x RHS R Z R x R x 5 4 R4 x 5 Vi identificerer nu største negative RHS, som bliver den variabel, det bedst kan betale sig at tage ud af basis og ser, at dette er x 5 med -. Vi skal så finde mindste δ som følgende: δ = min { sb ā, ā,, sb } { = min 4, } = 5, dvs. vi pivoterer x 5 ud af basen og x ind i stedet for og får så vores nye basis B = {,, } med = (5, 5, ), x B = (, /, /,,, /). Vores nye simplextableau fremkommer så ved følgende rækkeoperationer, der udføres for at skaffe og en enhedsvektor under x : / R, R R, R R, R R4 : B Z x x x x 4 x 5 x RHS R Z R x / / / R x / / / R4 x / / / Vi ser nu, at da vi ingen negative RHS har tilbage, er vores basis B = {,, } optimal med x B = (, /, /,,, /), = (5, 5, ) og W (x B ) = Z(x B ) = 5. Dette gælder både for (P ) og (D), da løsningen er feasible for både (P ) og (D) (jævnfør svag dualitet). (???)

3 (iii) Sensitivitetsanalyse - Ændringer i right hand sides: Vi anvender metoden fra noterne (Lecture 7, Example ) og opstiller nogle nødvendige størrelser (mht. (P )): A B = A B = / / / / / /, b = Vi ser nu på ændringer på RHS en af gangen fra toppen ved at tilføje et δ (en vilkårlig ændring) til værdien i RHS og skal løse j B a j x j = b, hvor b er de ændrede RHS, for at finde vores nye basic solution, som vi derefter skal tjekke, om stadig er feasible: δ x δ x δ x : Vi regner: A B x x x x B x B x B = b + = δ x / / / x B x B x B + δ x / / / = A = B b + δ x A B / + δ x / / + δ x / / + δ x /., dvs. når δ x (δ x [ ; [), er vores basis B stadig optimal. : Samme fremgangsmåde (derfor viser vi blot resultatet): x B x B x B = A B b + δ x A B = / δ x / / + δ x / / δ x / dvs. når δ x, er vores basis B stadig optimal. : Igen samme fremgangsmåde: x B x B x B = A B b + δ x A B = / + / + / δ x,, dvs. når δ x / (δ x ] ; /]), er vores basis B stadig optimal. - Ændringer i objektfunktionens koefficienter: Vi skynder os her at bemærke, at objektfunktionens værdier i (P ) svarer til RHS i (D), derfor kan vi uden videre anvende ovenstående på (D) s RHS med følgende størrelser (hentet fra (D)): Ã B = Ã B = / / / / / /, c =.

4 δ y : Vi regner: δ y à B y y y = = c + / 7/ / δ y + δ y / / / = à = dvs. når 55 δ y, er vores basis B stadig optimal. : Samme fremgangsmåde (derfor viser vi blot resultatet): B c + δ y à B / + δ y / 7/ + δ y /, / δ y / = à B c + δ y à B = / δ y / 7/ + δ y / / + δ y /, δ y dvs. når δ y, er vores basis B stadig optimal. : Igen samme fremgangsmåde: = à B c + δ y à B = / + 7/ + / + δ y, dvs. når δ y / (δ y [ /; [), er vores basis B stadig optimal. - Ændringer i ikke-basiskoefficienter: Vi følger igen et eksempel fra noterne (Lecture 7, Example ), dog vil vi se generelt på ændringer i ikke-basisvariable én for én i stedet for en konkret ændring. Vi vil anvende følgende notation: j (ændring af objektfunktionskoefficient c j for variabel j), δ i,j (ændring af variabel j, koefficient i i søjlen a j). Altså skal vi jævnfør eksemplet opstille udtrykkene a j + δ,j δ,j δ,j c i + j, j N = {, 4, 5}. Ud fra disse udtryk kan man så ændre en eller flere δ/ -variable (og sætte de andre til ) og se, om udtrykket på venstresiden er mindre end eller lig højresiden. I bekræftende fald forbliver x B optimal, i afkræftende fald kan det betale sig at skifte basis, hvorved løsningen kan optimeres. x : + δ, + δ, + δ, (5, 5, ) + 5δ, + 5δ,. x 4 : + δ,4 + δ,4 + δ,4 (5, 5, ) + 4 5δ, + 5δ,

5 x 5 : + δ,5 + δ,5 + δ,5 (5, 5, ) + 5 5δ, + 5δ, 5 5. Opgave (a) Vi formulerer transportproblemet (P ): Minimize (, 7, 45, 55,,...,, 47)(x,, x,,..., x,5 ) T = Z subject to x, x, x, =. x,5 med x i,j, i {,, }, j {,..., 5}. Og dets duale (D): 5 5 9, Maximize (5,, 5,,, 9,, )(u, u, u, v, v, v, v 4, v 5 ) T = W subject to 7 u 45 u 55 u =,. v med u i, v j, i {,, }, j {,..., 5}. (b) For at identificere en dual basic solution, anvender vi North-West -reglen: 5

6 B 4 5 Supply: Demand: 9 Z = 7 Ud fra dette tableau får vi vores initiale basis og basic feasible solution: B = {(, ), (, ), (, ), (, ), (, 4), (, 4), (, 5)} x B = (, 4,,,,,, 9,,,,,, 7, ). (c) Nedenstående er en tegning af vores initiale basic solution (dens spanning tree): s s d d Figur : Spanning tree hørende til initial basis B (d)-(h) For at finde den tilhørende dual basic solution, sætter vi de korresponderende uligheder i det duale problem til ligheder, og eftersom det er et transportproblem, vi har med at gøre, kan vi sætte én af variablene til og så løse mht. de andre. I vores tilfælde vælger vi u =. Dette giver følgende ligninger: u + v = u + v = 7 u + v = 7 u + v = u + v 4 = 49 u + v 4 = u + v 5 = 47 u B = (,, ) og v B = (7, 7,, 49, 5). Vores reduced costs er givet ved ri,j B nedenfor: = c i,j u B i v B j B 4 5 u i v j og kan ses i tabellen

7 Vi ser nu, at variablen x, har største negative reduced cost (-4), altså tages denne ind i basis. For at finde ud af, hvilken vi skal have ud, tegner vi den cykel, der nu er opstået (se Figur ): s δ δ d d s 4 9 d d s + δ 7 δ s 7 Figur : Pivoteringscykel til B Figur : Spanning tree til B Vi ser nu, at for at få størst mulige δ, vælger vi δ = 7 og sender variablen x,4 ud af basis. Med de rette opdateringer får vi vores nye basis B og basic solution x B : B = {(, ), (, ), (, ), (, ), (, 4), (, ), (, 5)} x B = (, 4,,,,,, 9,,,, 7,,, ), som er illustreret i Figur, hvilket giver følgende tableau: B 4 5 Supply: Demand: 9 Z = 95 For at finde den tilhørende dual basic solution, sætter vi igen de korresponderende uligheder i det duale problem til ligheder, sætter én af variablene til og løser mht. de andre. Vi vælger igen u = : u + v = u + v = 7 u + v = 7 u + v = u + v 4 = 49 u + v = u + v 5 = 47 u B = (,, ) og v B = (7, 7,, 49, 59). Vores reduced costs er givet ved ri,j B nedenfor: = c i,j u B i v B j og kan ses i tabellen B 4 5 u i v j

8 Vi ser nu, at variablen x, har største negative reduced cost (-9), altså tages denne ind i basis. For at finde ud af, hvilken vi skal have ud, tegner vi den cykel, der nu er opstået (se Figur 4): s 4 δ + δ δ 9 δ d d s d d s s 7 Figur 4: Pivoteringscykel til B Figur 5: Spanning tree til B Vi ser nu, at for at få størst mulige δ, vælger vi δ = 4 og sender variablen x, ud af basis. Med de rette opdateringer får vi vores nye basis B og basic solution x B : B = {(, ), (, ), (, ), (, ), (, 4), (, ), (, 5)} x B = (,, 4,,,, 5, 5,,,, 7,,, ), som er illustreret i Figur 5, hvilket giver følgende tableau: B 4 5 Supply: Demand: 9 Z = 9 For at finde den tilhørende dual basic solution, sætter vi igen de korresponderende uligheder i det duale problem til ligheder, sætter én af variablene til og løser mht. de andre. Vi vælger igen u = : u + v = u + v = 45 u + v = 7 u + v = u + v 4 = 49 u + v = u + v 5 = 47 u B = ( 5,, ) og v B = (7, 7,, 49, 59). Vores reduced costs er givet ved ri,j B nedenfor: = c i,j u B i v B j og kan ses i tabellen B 4 5 u i v j

9 Vi ser nu, at variablen x, har største negative reduced cost (-7), altså tages denne ind i basis. For at finde ud af, hvilken vi skal have ud, tegner vi den cykel, der nu er opstået (se Figur ): s δ δ 4 + δ 5 δ d d s d d s s 7 Figur : Pivoteringscykel til B Figur 7: Spanning tree til B 4 Vi ser nu, at for at få størst mulige δ, vælger vi δ = 5 og sender variablen x, ud af basis. Med de rette opdateringer får vi vores nye basis B 4 og basic solution x B4 : B 4 = {(, ), (, ), (, ), (, ), (, 4), (, ), (, 5)} x B4 = (,, 9,,, 5, 5,,,,, 7,,, ), som er illustreret i Figur 7, hvilket giver følgende tableau: B Supply: Demand: 9 Z = 4 For at finde den tilhørende dual basic solution, sætter vi igen de korresponderende uligheder i det duale problem til ligheder, sætter én af variablene til og løser mht. de andre. Vi vælger igen u = : u + v = u + v = 45 u + v = 7 u + v = 9 u + v 4 = 49 u + v = u + v 5 = 47 u B4 = (,, ) og v B4 = (9, 7, 5, 49, 59). Vores reduced costs er givet ved ri,j B4 nedenfor: = c i,j u B4 i v B4 j og kan ses i tabellen B u i v j

10 Vi ser nu, at variablen x,5 har største negative reduced cost (-), altså tages denne ind i basis. For at finde ud af, hvilken vi skal have ud, tegner vi den cykel, der nu er opstået (se Figur ): s s 5 δ 7 + δ δ δ d d s s d d Figur : Pivoteringscykel til B 4 Figur 9: Spanning tree til B 5 Vi ser nu, at for at få størst mulige δ, vælger vi δ = 5 og sender variablen x, ud af basis. Med de rette opdateringer får vi vores nye basis B 5 og basic solution x B5 : B 5 = {(, ), (, ), (, ), (, 4), (, 5), (, ), (, 5)} x B5 = (,, 9,,, 5,,,, 5,,,,, ), som er illustreret i Figur 9, hvilket giver følgende tableau: B Supply: Demand: 9 Z = 9 For at finde den tilhørende dual basic solution, sætter vi igen de korresponderende uligheder i det duale problem til ligheder, sætter én af variablene til og løser mht. de andre. Vi vælger igen u = : u + v = u + v = 45 u + v 5 = 5 u + v = 9 u + v 4 = 49 u + v = u + v 5 = 47 u B5 = (,, 9) og v B5 = (9, 75, 5, 49, 5). Vores reduced costs er givet ved ri,j B5 nedenfor: = c i,j u B5 i v B5 j og kan ses i tabellen B u i v j

11 Vi ser nu, at variablen x, har største negative reduced cost (-), altså tages denne ind i basis. For at finde ud af, hvilken vi skal have ud, tegner vi den cykel, der nu er opstået (se Figur ): s s 5 δ δ 5 + δ d d s s 9 d d δ Figur : Pivoteringscykel til B 5 Figur : Spanning tree til B Vi ser nu, at for at få størst mulige δ, vælger vi δ = og sender variablen x,5 ud af basis. Med de rette opdateringer får vi vores nye basis B og basic solution x B : B = {(, ), (, ), (, ), (, 4), (, 5), (, ), (, )} x B = (,, 9,,,,,,,,,,,, ), som er illustreret i Figur, hvilket giver følgende tableau: B 4 5 Supply: Demand: 9 Z = For at finde den tilhørende dual basic solution, sætter vi igen de korresponderende uligheder i det duale problem til ligheder, sætter én af variablene til og løser mht. de andre. Vi vælger igen u = : u + v = u + v = 45 u + v 5 = 5 u + v = 9 u + v 4 = 49 u + v = u + v = 59 u B = (,, ) og v B = (9, 7, 5, 49, 5). Vores reduced costs er givet ved ri,j B nedenfor: = c i,j u B i v B j og kan ses i tabellen B 4 5 u i v j

12 Vi ser nu, at da vi ingen negative reduced costs har tilbage, er B optimal med optimal løsning x B og Z(x B ) =.

Ugeseddel 12(10.12 14.12)

Ugeseddel 12(10.12 14.12) Ugeseddel (..) Matematisk Programmering Niels Lauritzen..7 FORELÆSNINGER I ugen. 7. gennemgik vi algoritmer til løsning af heltalsprogrammer ved hjælp af simplex algoritmen. Dette er heltalsprogrammeringsugesedlen

Læs mere

Chapter 5: Simplex metoden til løsning af LP. -> max problem alle uligheder af typen ì alle højresider ikke-negative alle variable ikke-negative

Chapter 5: Simplex metoden til løsning af LP. -> max problem alle uligheder af typen ì alle højresider ikke-negative alle variable ikke-negative Chapter 5: Simplex metoden til løsning af LP Formål: Udvikling af generel metode til løsning af enhver type LP. Metoden udvikles først for LP i standard form -> max problem alle uligheder af typen ì alle

Læs mere

Skriftlig Eksamen Introduktion til lineær og heltalsprogrammering (DM515)

Skriftlig Eksamen Introduktion til lineær og heltalsprogrammering (DM515) Skriftlig Eksamen Introduktion til lineær og heltalsprogrammering (DM55) Institut for Matematik & Datalogi Syddansk Universitet Mandag den 2 Juni 2008, kl. 9 Alle sædvanlige hjælpemidler (lærebøger, notater

Læs mere

4. Simplexmetoden. Basisløsning. x Geometrisk hovedindhold

4. Simplexmetoden. Basisløsning. x Geometrisk hovedindhold 4.1. Geometrisk hovedindhold 4. Simplexmetoden 4.1. Geometrisk hovedindhold 4.2. Opstart 4.3. Algebraisk form 4.4. Tableauform 4.5. Løse ender 4.6. Kunstige variabler og tofasemetoden 4.7. Postoptimale

Læs mere

Simplex metoden til løsning af LP

Simplex metoden til løsning af LP Chapter : Simplex metoden til løsning af LP Formål: Udvikling af generel metode til løsning af enhver type LP. Metoden udvikles først for LP i standard form -> max problem alle uligheder af typen Ÿ alle

Læs mere

Skriftlig Eksamen Introduktion til lineær og heltalsprogrammering (DM515)

Skriftlig Eksamen Introduktion til lineær og heltalsprogrammering (DM515) Skriftlig Eksamen Introduktion til lineær og heltalsprogrammering (DM55) Institut for Matematik & Datalogi Syddansk Universitet Tirsdag den Juni 009, kl. 9 Alle sædvanlige hjælpemidler (lærebøger, notater

Læs mere

Noter til kursusgang 8, IMAT og IMATØ

Noter til kursusgang 8, IMAT og IMATØ Noter til kursusgang 8, IMAT og IMATØ matematik og matematik-økonomi studierne 1. basissemester Esben Høg 25. oktober 2013 Institut for Matematiske Fag Aalborg Universitet Esben Høg Noter til kursusgang

Læs mere

Chapter 6: Følsomhedsanalyse og dualitet i LP

Chapter 6: Følsomhedsanalyse og dualitet i LP Chapter 6: Følsomhedsanalyse og dualitet i LP ) Følsomhedsanalyse -> kriteriekoeffricienter -> RHSs ) Dualitet -> økonomisk fortolkning af dualvariable -> anvendelse af dual løsning til identifikation

Læs mere

Chapter 7: Transport-, assignment- & transshipmentproblemer

Chapter 7: Transport-, assignment- & transshipmentproblemer Chapter 7: Transport-, assignment- & transshipmentproblemer 1) Formulering af de 3 problemtyper 2) Algoritme for det balancerede transportproblem 3) Algoritme for assignmentproblemet Samtlige 3 problemtyper

Læs mere

Emneopgave: Lineær- og kvadratisk programmering:

Emneopgave: Lineær- og kvadratisk programmering: Emneopgave: Lineær- og kvadratisk programmering: LINEÆR PROGRAMMERING I lineær programmering løser man problemer hvor man for en bestemt funktion ønsker at finde enten en maksimering eller en minimering

Læs mere

Samtlige 3 problemtyper tilhører klassen 8/>A9<5 069A :<9,6/7=.

Samtlige 3 problemtyper tilhører klassen 8/>A9<5 069A :<9,6/7=. Chapter 7: Transport-, assignment- & transshipmentproblemer 1) Formulering af de 3 problemtyper 2) Algoritme for det balancerede transportproblem 3) Algoritme for assignmentproblemet Samtlige 3 problemtyper

Læs mere

LINEÆR OPTIMERING JESPER MICHAEL MØLLER. Resumé. Disse noter handler om dualitet i lineære optimeringsprogrammer.

LINEÆR OPTIMERING JESPER MICHAEL MØLLER. Resumé. Disse noter handler om dualitet i lineære optimeringsprogrammer. LINEÆR OPTIMERING JESPER MICHAEL MØLLER Indhold 1 Introduktion 1 2 Kanoniske programmer 2 3 Standard programmer 2 4 Svag dualitet for standard programmer 3 5 Svag dualitet for generelle lineære programmer

Læs mere

MASO Uge 11. Lineær optimering. Jesper Michael Møller. Uge 46, 2010. Formålet med MASO. Department of Mathematics University of Copenhagen

MASO Uge 11. Lineær optimering. Jesper Michael Møller. Uge 46, 2010. Formålet med MASO. Department of Mathematics University of Copenhagen MASO Uge 11 Lineær optimering Jesper Michael Møller Department of Mathematics University of Copenhagen Uge 46, 2010 Formålet med MASO Oversigt 1 Generelle lineære programmer 2 Definition Et generelt lineært

Læs mere

Noter til kursusgang 9, IMAT og IMATØ

Noter til kursusgang 9, IMAT og IMATØ Noter til kursusgang 9, IMAT og IMATØ matematik og matematik-økonomi studierne 1. basissemester Esben Høg 4. november 013 Institut for Matematiske Fag Aalborg Universitet Esben Høg Noter til kursusgang

Læs mere

matematik-økonomi-studerende

matematik-økonomi-studerende matematik-økonomi-studerende Første studieår Introduktion til matematiske metoder i økonomi Skriftlig prøveeksamen december 2012 med korte svar Dato: selvvalgt Tidspunkt: varighed 4 timer Tilladte hjælpemidler:

Læs mere

DM559/DM545 Linear and integer programming

DM559/DM545 Linear and integer programming Department of Mathematics and Computer Science University of Southern Denmark, Odense June 10, 2017 Marco Chiarandini DM559/DM545 Linear and integer programming Sheet 12, Spring 2017 [pdf format] The following

Læs mere

Operationsanalyse Eksamensnoter Frederik Silbye

Operationsanalyse Eksamensnoter Frederik Silbye OPERATIONSANALYSE - EK SAMENSNOTER Konvertering til standard-form...2 Løsning af LP-problemer via simplex...2 Tilføjelser til simplex...3 Sensitivitetsanalyser...3 Dualitet...5.DSLWDO Transportproblemer...6

Læs mere

Besvarelser til Calculus og Lineær Algebra Globale Forretningssystemer Eksamen - 3. Juni 2014

Besvarelser til Calculus og Lineær Algebra Globale Forretningssystemer Eksamen - 3. Juni 2014 Besvarelser til Calculus og Lineær Algebra Globale Forretningssystemer Eksamen - 3. Juni 204 Mikkel Findinge Bemærk, at der kan være sneget sig fejl ind. Kontakt mig endelig, hvis du skulle falde over

Læs mere

Note om interior point metoder

Note om interior point metoder MØK 2016, Operationsanalyse Interior point algoritmer, side 1 Note om interior point metoder Som det er nævnt i bogen, var simplex-metoden til løsning af LP-algoritmer nærmest enerådende i de første 50

Læs mere

Operationsanalyse. Hans Keiding

Operationsanalyse. Hans Keiding Operationsanalyse Hans Keiding Forord 7 Kapitel 1. Hvad er Operationsanalyse? 9 1. Indledning 9 2. Operationsanalysens historie 10 3. Operationsanalytiske problemer og metode 10 4. Litteratur 12 Kapitel

Læs mere

Optimering i Moderne Portefølje Teori

Optimering i Moderne Portefølje Teori Aalborg universitet P3-3. semestersprojekt Optimering i Moderne Portefølje Teori 15. december 2011 AAUINSTITUT FOR MATEMATISKE FAG TITEL: Optimering - Lineær programmering - Moderne Portefølje Teori PROJEKT

Læs mere

Lineær programmering. med Derive. Børge Jørgensen

Lineær programmering. med Derive. Børge Jørgensen Lineær programmering med Derive Børge Jørgensen 1 Indholdsfortegnelse. Forord ---------------------------------------------------------------------------------- 2 Introduktion til lineær programmering

Læs mere

Matematik og FormLineære ligningssystemer

Matematik og FormLineære ligningssystemer Matematik og Form Lineære ligningssystemer Institut for Matematiske Fag Aalborg Universitet 2014 Ligningssystemer og matricer Til et ligningssystem svarer der en totalmatrix [A b] bestående af koefficientmatrix

Læs mere

Matrx-vektor produkt Mikkel H. Brynildsen Lineær Algebra

Matrx-vektor produkt Mikkel H. Brynildsen Lineær Algebra Matrx-vektor produkt [ ] 1 2 3 1 0 2 1 10 4 Rotationsmatrix Sæt A θ = [ ] cosθ sinθ sinθ cosθ At gange vektor v R 2 med A θ svarer til at rotere vektor v med vinkelen θ til vektor w: [ ][ ] [ ] [ ] cosθ

Læs mere

Matematik: Stuktur og Form Lineære ligningssystemer

Matematik: Stuktur og Form Lineære ligningssystemer Matematik: Stuktur og Form Lineære ligningssystemer Martin Raussen Department of Mathematical Sciences Aalborg University 2016 1 / 10 Ligningssystemer og matricer Ligningssystem totalmatrix Til et ligningssystem

Læs mere

DM559/DM545 Linear and integer programming

DM559/DM545 Linear and integer programming Department of Mathematics and Computer Science University of Southern Denmark, Odense June 10, 2017 Marco Chiarandini DM559/DM545 Linear and integer programming Sheet 12, Spring 2017 [pdf format] The following

Læs mere

Matematik og Form 3. Rækkereduktion til reduceret echelonfo. Rang og nullitet

Matematik og Form 3. Rækkereduktion til reduceret echelonfo. Rang og nullitet Matematik og Form 3. Rækkereduktion til reduceret echelonform Rang og nullitet Institut for Matematiske Fag Aalborg Universitet 11.2.2013 Reduktion til (reduceret) echelonmatrix Et eksempel Et ligningssystem

Læs mere

M=3 kunde forbindelse. oprettet lokation Steinerkant

M=3 kunde forbindelse. oprettet lokation Steinerkant M=3 åben facilitet kunde forbindelse lukket facilitet oprettet lokation Steinerkant v Connected facility location-problemet min i f i y i + d j c ij x ij + M c e z e (1) j i e hvorom gælder: x ij 1 j (2)

Læs mere

Optimering af New Zealands økonomi. Gruppe G3-115

Optimering af New Zealands økonomi. Gruppe G3-115 Optimering af New Zealands økonomi Gruppe G3-115 Det Teknisk-Naturvidenskabelige Fakultet Matematik og Matematik-Økonomi Frederik bajersvej 7G Telefon 99409940 http://math.aau.dk Titel: Tema: Optimering

Læs mere

Opgaver til Maple kursus 2012

Opgaver til Maple kursus 2012 Opgaver til Maple kursus 2012 Jonas Camillus Jeppesen, jojep07@student.sdu.dk Martin Gyde Poulsen, gyde@nqrd.dk October 7, 2012 1 1 Indledende opgaver Opgave 1 Udregn følgende regnestykker: (a) 2342 +

Læs mere

Linear Programming ١ C H A P T E R 2

Linear Programming ١ C H A P T E R 2 Linear Programming ١ C H A P T E R 2 Problem Formulation Problem formulation or modeling is the process of translating a verbal statement of a problem into a mathematical statement. The Guidelines of formulation

Læs mere

Introduktion til Laplace transformen (Noter skrevet af Nikolaj Hess-Nielsen sidst revideret marts 2013)

Introduktion til Laplace transformen (Noter skrevet af Nikolaj Hess-Nielsen sidst revideret marts 2013) Introduktion til Laplace transformen (oter skrevet af ikolaj Hess-ielsen sidst revideret marts 23) Integration handler ikke kun om arealer. Tværtimod er integration basis for mange af de vigtigste værktøjer

Læs mere

DATV: Introduktion til optimering og operationsanalyse, 2007. Følsomhed af Knapsack Problemet

DATV: Introduktion til optimering og operationsanalyse, 2007. Følsomhed af Knapsack Problemet DATV: Itroduktio til optimerig og operatiosaalyse, 2007 Følsomhed af Kapsack Problemet David Pisiger, Projektopgave 1 Dette er de første obligatoriske projektopgave på kurset DATV: Itroduktio til optimerig

Læs mere

Lineære ligningssystemer og Gauss-elimination

Lineære ligningssystemer og Gauss-elimination Lineære ligningssystemer og Gauss-elimination Preben Alsholm 18 februar 008 1 Lineære ligningssystemer og Gauss-elimination 11 Et eksempel Et eksempel 100g mælk Komælk Fåremælk Gedemælk Protein g 6g 8g

Læs mere

Kvadratiske matricer. enote Kvadratiske matricer

Kvadratiske matricer. enote Kvadratiske matricer enote enote Kvadratiske matricer I denne enote undersøges grundlæggende egenskaber ved mængden af kvadratiske matricer herunder indførelse af en invers matrix for visse kvadratiske matricer. Det forudsættes,

Læs mere

Besvarelser til Lineær Algebra Reeksamen August 2016

Besvarelser til Lineær Algebra Reeksamen August 2016 Besvarelser til Lineær Algebra Reeksamen - 9. August 26 Mikkel Findinge Bemærk, at der kan være sneget sig fejl ind. Kontakt mig endelig, hvis du skulle falde over en sådan. Dette dokument har udelukkende

Læs mere

Besvarelser til Calculus og Lineær Algebra Globale Forretningssystemer Eksamen - 8. Juni 2015

Besvarelser til Calculus og Lineær Algebra Globale Forretningssystemer Eksamen - 8. Juni 2015 Besvarelser til Calculus og Lineær Algebra Globale Forretningssystemer Eksamen - 8. Juni 05 Mikkel Findinge Bemærk, at der kan være sneget sig fejl ind. Kontakt mig endelig, hvis du skulle falde over en

Læs mere

G r u p p e G

G r u p p e G M a t e m a t i s k o p t i m e r i n g ( E k s t r e m a, t e o r i o g p r a k s i s ) P 3 p r o j e k t G r u p p e G 3-1 1 7 V e j l e d e r : N i k o l a j H e s s - N i e l s e n 1 4. d e c e m b

Læs mere

Prøveeksamen december 2010 matematik studiet med svar

Prøveeksamen december 2010 matematik studiet med svar Første studieår Introduktion til matematiske metoder Prøveeksamen december 2010 matematik studiet med svar Varighed: 4 timer Tilladte hjælpemidler: Lærebøger, notater mv. må medbringes. Ikke tilladte hjælpemidler:

Læs mere

Operationsanalyse MØK

Operationsanalyse MØK Operationsanalyse MØK 2015II Eksamensopgave, Rettevejledning, side 1 Operationsanalyse MØK Eksamensopgave, 4. januar 2016 Rettevejledning 1. Vi har at gøre med et transportproblem, der kan skrives på formen

Læs mere

Kapitel 9. Optimering i Microsoft Excel 97/2000

Kapitel 9. Optimering i Microsoft Excel 97/2000 Kapitel 9 Optimering i Microsoft Excel 97/2000 9.1 Indledning... 164 9.2 Numerisk løsning af ligninger... 164 9.3 Optimering under bibetingelser... 164 9.4 Modelformulering... 165 9.5 Gode råd ommodellering...

Læs mere

Underrum - generaliserede linjer og planer

Underrum - generaliserede linjer og planer 1 Om miniprojekt 2 2 Kirchoffs love. Opstil lineære ligningssystemer og løs dem. 0-1-matricer. Systematisk information om grafer/netværk (som i Dagens anvendelse kursusgang 9): Flyforbindelser. Skemalægning.

Læs mere

Figur. To ligninger i to ubekendte. Definition Ved m lineære ligninger med n ubekendte forstås. Definition 6.4 Givet ligningssystemet

Figur. To ligninger i to ubekendte. Definition Ved m lineære ligninger med n ubekendte forstås. Definition 6.4 Givet ligningssystemet Oversigt [LA] 6, 7, 8 Nøgleord og begreber Lineære ligningssystemer smængdens struktur Test løsningsmængde Rækkereduktion Reduceret matrix Test ligningssystem Rækkeoperationsmatricer Rangformlen Enten-eller

Læs mere

TERMINSPRØVE APRIL 2018 MATEMATIK. Kl

TERMINSPRØVE APRIL 2018 MATEMATIK. Kl TERMINSPRØVE APRIL 2018 1p MATEMATIK tirsdag den 10. april 2018 Kl. 09.00 12.00 Opgavesættet er delt i to dele: Delprøve 1: 1 time kun med den centralt udmeldte formelsamling. Delprøve 2: 2 timer med alle

Læs mere

1. Bevægelse med luftmodstand

1. Bevægelse med luftmodstand Programmering i TI nspire. Michael A. D. Møller. Marts 2018. side 1/7 1. Bevægelse med luftmodstand Formål a) At lære at programmere i Basic. b) At bestemme stedbevægelsen for et legeme, der bevæger sig

Læs mere

Forløb om undervisnings- differentiering. Elevark

Forløb om undervisnings- differentiering. Elevark Program for løft af de fagligt svageste elever Intensivt læringsforløb Lærervejledning Forløb om undervisnings- differentiering Elevark Dato September 2018 Udviklet for Undervisningsministeriet Udviklet

Læs mere

Matematik - undervisningsplan Årsplan 2015 & 2016 Klassetrin: 9-10.

Matematik - undervisningsplan Årsplan 2015 & 2016 Klassetrin: 9-10. Form Undervisningen vil veksle mellem individuelt arbejde, gruppearbejde og tavleundervisning. Materialer Undervisningen tager udgangspunkt i følgende grundbøger og digitale lærings- og undervisningsplatforme.

Læs mere

Arbejdsudbudsrelationen II

Arbejdsudbudsrelationen II Danmarks Statistik MODELGRUPPEN Arbejdspapir* Steen Bocian 8. september 1994 Arbejdsudbudsrelationen II Resumé: Dette papir bygger direkte på et tidligere modelgruppepapir om samme emne. Ideen med dette

Læs mere

Lineær Algebra, kursusgang

Lineær Algebra, kursusgang Lineær Algebra, 2014 12. kursusgang Lisbeth Fajstrup Institut for Matematiske Fag Aalborg Universitet LinAlg November 2014 Om miniprojekt 2 Kirchoffs love. Opstil lineære ligningssystemer og løs dem. 0-1-matricer.

Læs mere

Lineære ligningssystemer

Lineære ligningssystemer enote 6 1 enote 6 Lineære ligningssystemer Denne enote handler om lineære ligningssystemer, om metoder til at beskrive dem og løse dem, og om hvordan man kan få overblik over løsningsmængdernes struktur.

Læs mere

6.1 Reelle Indre Produkter

6.1 Reelle Indre Produkter SEKTION 6.1 REELLE INDRE PRODUKTER 6.1 Reelle Indre Produkter Definition 6.1.1 Et indre produkt på et reelt vektorrum V er en funktion, : V V R således at, for alle x, y V, I x, x 0 med lighed x = 0, II

Læs mere

Funktion af flere variable

Funktion af flere variable Funktion af flere variable Preben Alsolm 24. april 2008 1 Funktion af flere variable 1.1 Differentiabilitet for funktion af én variabel Differentiabilitet for funktion af én variabel f kaldes differentiabel

Læs mere

Matematik og Form: Matrixmultiplikation. Regulære og singu

Matematik og Form: Matrixmultiplikation. Regulære og singu Matematik og Form: Matrixmultiplikation. Regulære og singulære matricer Institut for Matematiske Fag Aalborg Universitet 2012 Matrixmultiplikation Definition Definition A = [a ij ], B = [b ij ]: AB = C

Læs mere

Ligningssystemer - nogle konklusioner efter miniprojektet

Ligningssystemer - nogle konklusioner efter miniprojektet Ligningssystemer - nogle konklusioner efter miniprojektet Ligningssystemet Ax = 0 har mere end en løsning (uendelig mange) hvis og kun hvis nullity(a) 0 Løsningerne til et konsistent ligningssystem Ax

Læs mere

Ligninger med reelle løsninger

Ligninger med reelle løsninger Ligninger med reelle løsninger Når man løser ligninger, er der nogle standardmetoder som er vigtige at kende. Her er der en kort introduktion til forskellige teknikker efterfulgt af opgaver hvor man kan

Læs mere

Tabusøgning til effektivisering af eksakt VRP algoritme baseret på søjlegenerering

Tabusøgning til effektivisering af eksakt VRP algoritme baseret på søjlegenerering Institut for Regnskab, Finansiering og Logistik Kandidatafhandling Forfattere: Anders K. Knudsen Jutta J. Jørgensen Vejleder: Jens Lysgaard Tabusøgning til effektivisering af eksakt VRP algoritme baseret

Læs mere

DesignMat Lineære ligningssystemer og Gauss-elimination

DesignMat Lineære ligningssystemer og Gauss-elimination DesignMat Lineære ligningssystemer og Gauss-elimination Preben Alsholm Uge Forår 010 1 Lineære ligningssystemer og Gauss-elimination 11 Om talrummet R n Om talsæt bestående af n tal R n er blot mængden

Læs mere

Økonomisk Kandidateksamen Makro 1, 2. årsprøve, efterårssemestret 2006

Økonomisk Kandidateksamen Makro 1, 2. årsprøve, efterårssemestret 2006 Økonomisk Kandidateksamen Makro 1, 2. årsprøve, efterårssemestret 2006 (Tre-timers prøve uden hjælpemidler) Alle spørgsmål ønskes besvaret. Ved vurderingen vægter alle delspørgsmål lige meget. Opgave 1

Læs mere

ANALYSE 1, 2014, Uge 6

ANALYSE 1, 2014, Uge 6 ANALYSE 1, 2014, Uge 6 Forelæsninger Tirsdag Topologiske begreber i generelle metriske rum, dvs. begreber som åbne og afsluttede delmængder og rand af en mængde. For talrummene R k er disse begreber indført

Læs mere

To ligninger i to ubekendte

To ligninger i to ubekendte Oversigt [LA] 6, 7 Nøgleord og begreber Løs ligninger Eliminer ubekendte Rækkereduktion Reduceret matrix Enten-eller princippet Test ligningssystem Rækkeoperationsmatricer Beregn invers matrix Calculus

Læs mere

Maple. Skærmbilledet. Vi starter med at se lidt nærmere på opstartsbilledet i Maple. Værktøjslinje til indtastningsområdet. Menulinje.

Maple. Skærmbilledet. Vi starter med at se lidt nærmere på opstartsbilledet i Maple. Værktøjslinje til indtastningsområdet. Menulinje. Maple Dette kapitel giver en kort introduktion til hvordan Maple 12 kan benyttes til at løse mange af de opgaver, som man bliver mødt med i matematiktimerne på HHX. Skærmbilledet Vi starter med at se lidt

Læs mere

Forbrug og selskabernes formue

Forbrug og selskabernes formue Danmarks Statistik MODELGRUPPEN Arbejdspapir* Ralph Bøge Jensen 5. juli 213 Dan Knudsen Forbrug og selskabernes formue Resumé: Dette papir behandler en af de udfordringer, der er opstået ved at opsætte

Læs mere

Start Excel Du skal starte med at åbne Excel. I Excel åbner du herefter en tom projektmappe.

Start Excel Du skal starte med at åbne Excel. I Excel åbner du herefter en tom projektmappe. Lineær programmering i Excel Version for PC I lærebogens kapitel 29 afsnit 4 er det med 2 eksempler blevet vist, hvordan kapacitetsstyringen kan optimeres, når der er 2 produktionsmuligheder og flere knappe

Læs mere

Operationsanalyse, Ordinær Eksamen 2017I Rettevejledning

Operationsanalyse, Ordinær Eksamen 2017I Rettevejledning Operationsanalyse, Ordinær Eksamen 207I Rettevejledning Opgave A Ifølge de givne oplysninger skal der ialt udbringes 000 kg gødning i årets løb. Det fremgår videre af teksten, at der ønskes udbragt en

Læs mere

Vejledning i udtræk af input-output data fra Statistikbanken

Vejledning i udtræk af input-output data fra Statistikbanken - 1 - Vejledning i udtræk af input-output data fra Statistikbanken Introduktion Input-output tabellerne er konsistente med nationalregnskabet og udarbejdes i tilknytning hertil. De opdateres årligt i december

Læs mere

Projekt 2.9 Sumkurver som funktionsudtryk anvendt til Lorenzkurver og Ginikoefficienter (især for B- og A-niveau)

Projekt 2.9 Sumkurver som funktionsudtryk anvendt til Lorenzkurver og Ginikoefficienter (især for B- og A-niveau) Projekt 2.9 Sumkurver som funktionsudtryk anvendt til Lorenzkurver og Ginikoefficienter En sumkurve fremkommer ifølge definitionen, ved at vi forbinder en række punkter afsat i et koordinatsystem med rette

Læs mere

Besvarelser til Lineær Algebra med Anvendelser Ordinær Eksamen 2016

Besvarelser til Lineær Algebra med Anvendelser Ordinær Eksamen 2016 Besvarelser til Lineær Algebra med Anvendelser Ordinær Eksamen 206 Mikkel Findinge http://findinge.com/ Bemærk, at der kan være sneget sig fejl ind. Kontakt mig endelig, hvis du skulle falde over en sådan.

Læs mere

Videregående Algoritmik. Version med vejledende løsninger indsat!

Videregående Algoritmik. Version med vejledende løsninger indsat! Videregående Algoritmik DIKU, timers skriftlig eksamen, 1. april 009 Nils Andersen og Pawel Winter Alle hjælpemidler må benyttes, dog ikke lommeregner, computer eller mobiltelefon. Opgavesættet består

Læs mere

Algebra - Teori og problemløsning

Algebra - Teori og problemløsning Algebra - Teori og problemløsning, januar 05, Kirsten Rosenkilde. Algebra - Teori og problemløsning Kapitel -3 giver en grundlæggende introduktion til at omskrive udtryk, faktorisere og løse ligningssystemer.

Læs mere

DesignMat Uge 1 Repetition af forårets stof

DesignMat Uge 1 Repetition af forårets stof DesignMat Uge 1 Repetition af forårets stof Preben Alsholm Efterår 008 01 Lineært ligningssystem Lineært ligningssystem Et lineært ligningssystem: a 11 x 1 + a 1 x + + a 1n x n = b 1 a 1 x 1 + a x + +

Læs mere

Lineære differentialligningers karakter og lineære 1. ordens differentialligninger

Lineære differentialligningers karakter og lineære 1. ordens differentialligninger enote 11 1 enote 11 Lineære differentialligningers karakter og lineære 1. ordens differentialligninger I denne note introduceres lineære differentialligninger, som er en speciel (og bekvem) form for differentialligninger.

Læs mere

Lineære ligningssystemer

Lineære ligningssystemer enote 2 1 enote 2 Lineære ligningssystemer Denne enote handler om lineære ligningssystemer, om metoder til at beskrive dem og løse dem, og om hvordan man kan få overblik over løsningsmængdernes struktur.

Læs mere

Det Ingeniør-, Natur- og Sundhedsvidenskabelige basisår Matematik 2A, Forår 2007, Hold 4 Opgave A Kommenteret version

Det Ingeniør-, Natur- og Sundhedsvidenskabelige basisår Matematik 2A, Forår 2007, Hold 4 Opgave A Kommenteret version Det Ingeniør-, Natur- og Sundhedsvidenskabelige basisår Matematik 2A, Forår 2007, Hold 4 Opgave A Kommenteret version Opgaven består af et antal delopgaver Disse er af varierende omfang Der er også en

Læs mere

Uafhængig og afhængig variabel

Uafhængig og afhængig variabel Uddrag fra http://www.emu.dk/gym/fag/ma/undervisningsforloeb/hf-mat-c/introduktion.doc ved Hans Vestergaard, Morten Overgaard Nielsen, Peter Trautner Brander Variable og sammenhænge... 1 Uafhængig og afhængig

Læs mere

MM502+4 forelæsningsslides. uge 6, 2009

MM502+4 forelæsningsslides. uge 6, 2009 MM502+4 forelæsningsslides uge 6, 2009 1 Definition partielle afledede: De (første) partielle afledede af en funktion f(x, y) af to variable er f(x + h, y) f(x, y) f 1 (x, y) := lim h 0 h f(x, y + k) f(x,

Læs mere

Lineær algebra: Matrixmultiplikation. Regulære og singulære

Lineær algebra: Matrixmultiplikation. Regulære og singulære Lineær algebra: Matrixmultiplikation. Regulære og singulære matricer Institut for Matematiske Fag Aalborg Universitet 2011 Matrixmultiplikation Definition Definition A = [a ij ], B = [b ij ]: AB = C =

Læs mere

Hvede Byg Rug Roer Kløver 3500 2000 2500 4000 1000

Hvede Byg Rug Roer Kløver 3500 2000 2500 4000 1000 Opgave En landmand dyrker et areal på 35 ha. Af disse er højst 80 ha. egnede til dyrkning af hvede; 00 ha. til byg; 75 ha. til rug; 90 ha. til roer og 45 ha. til kløver. På grund af begrænset maskinkapacitet

Læs mere

LINEÆR PROGRAMMERING I EXCEL

LINEÆR PROGRAMMERING I EXCEL LINEÆR PROGRAMMERING I EXCEL K A P P E N D I X I lærebogens kapitel 29 afsnit 3 er det med 2 eksempler blevet vist, hvordan kapacitetsstyringen kan optimeres, når der er 2 produktionsmuligheder og flere

Læs mere

Regneeksempel for forholdet mellem enkeltkøbspriser og pakkepriser

Regneeksempel for forholdet mellem enkeltkøbspriser og pakkepriser 3. november 0 Regneeksempel for forholdet mellem enkeltkøbspriser og pakkepriser I notatet gennemgås en beregningsmodel, der kan give en fornemmelse af de prismæssige konsekvenser af at gå fra et tv-marked

Læs mere

Økonometri: Lektion 6 Emne: Heteroskedasticitet

Økonometri: Lektion 6 Emne: Heteroskedasticitet Økonometri: Lektion 6 Emne: Heteroskedasticitet 1 / 32 Konsekvenser af Heteroskedasticitet Antag her (og i resten) at MLR.1 til MLR.4 er opfyldt. Antag MLR.5 ikke er opfyldt, dvs. vi har heteroskedastiske

Læs mere

Oversigt [LA] 6, 7, 8

Oversigt [LA] 6, 7, 8 Oversigt [LA] 6, 7, 8 Nøgleord og begreber Lineære ligningssystemer Løsningsmængdens struktur Test løsningsmængde Rækkereduktion Reduceret matrix Test ligningssystem Rækkeoperationsmatricer Rangformlen

Læs mere

Analyse 2. Gennemgå bevis for Sætning Supplerende opgave 1. Øvelser. Sætning 1. For alle mængder X gælder #X < #P(X).

Analyse 2. Gennemgå bevis for Sætning Supplerende opgave 1. Øvelser. Sætning 1. For alle mængder X gælder #X < #P(X). Analyse 2 Øvelser Rasmus Sylvester Bryder 3. og 6. september 2013 Gennemgå bevis for Sætning 2.10 Sætning 1. For alle mængder X gælder #X < #P(X). Bevis. Der findes en injektion X P(X), fx givet ved x

Læs mere

Nøgleord og begreber. Definition 15.1 Den lineære 1. ordens differentialligning er

Nøgleord og begreber. Definition 15.1 Den lineære 1. ordens differentialligning er Oversigt [S] 7.3, 7.4, 7.5, 7.6; [LA] 15, 16, 17 Nøgleord og begreber 1. ordens lineær ligning Løsningsmetode August 2002, opgave 7 1. ordens lineært system Løsning ved egenvektor Lille opgave Stor opgave

Læs mere

De fire elementers kostbare spejl

De fire elementers kostbare spejl Projekt.6 Lineær algebra moderne og klassisk kinesisk De fire elementers kostbare spejl "Som bekendt anses matematikken for at være en meget vigtig videnskab. Denne bog om matematik vil derfor være af

Læs mere

2010 Matematik 2A hold 4 : Prøveeksamen juni 2010

2010 Matematik 2A hold 4 : Prøveeksamen juni 2010 1 of 7 31-05-2010 13:18 2010 Matematik 2A hold 4 : Prøveeksamen juni 2010 Welcome Jens Mohr Mortensen [ My Profile ] View Details View Grade Help Quit & Save Feedback: Details Report [PRINT] 2010 Matematik

Læs mere

Københavns Universitet, Det naturvidenskabelige Fakultet. Afleveringsopgave 1

Københavns Universitet, Det naturvidenskabelige Fakultet. Afleveringsopgave 1 Københavns Universitet, Det naturvidenskabelige Fakultet 1 Lineær Algebra (LinAlg) Afleveringsopgave 1 Eventuelle besvarelser laves i grupper af - 3 personer og afleveres i to eksemplarer med 3 udfyldte

Læs mere

Funktion af flere variable

Funktion af flere variable Funktion af flere variable Preben Alsholm 6. oktober 2008 1 Funktion af flere variable 1.1 Punktmængder i R k : Definitioner Punktmængder i flerdimensionale rum: Definitioner q Normen af x 2 R k er kxk

Læs mere

Førsteordens lineære differentialligninger

Førsteordens lineære differentialligninger enote 16 1 enote 16 Førsteordens lineære differentialligninger I denne enote gives først en kort introduktion til differentialligninger i almindelighed, hvorefter hovedemnet er en særlig type af differentialligninger,

Læs mere

Oversigt [S] 7.3, 7.4, 7.5, 7.6; [LA] 15, 16, 17

Oversigt [S] 7.3, 7.4, 7.5, 7.6; [LA] 15, 16, 17 Oversigt [S] 7.3, 7.4, 7.5, 7.6; [LA] 15, 16, 17 Nøgleord og begreber 1. ordens lineær ligning Løsningsmetode August 2002, opgave 7 1. ordens lineært system Løsning ved egenvektor Lille opgave Stor opgave

Læs mere

Oversættere Skriftlig eksamen onsdag d. 24. januar 2007

Oversættere Skriftlig eksamen onsdag d. 24. januar 2007 Københavns Universitet Naturvidenskabelig Embedseksamen Oversættere Skriftlig eksamen onsdag d. 24. januar 2007 Eksamenstiden er to timer. Opgavernes vægt i procent er angivet ved hver opgave. Den skriftlige

Læs mere

DesignMat Uge 1 Gensyn med forårets stof

DesignMat Uge 1 Gensyn med forårets stof DesignMat Uge 1 Gensyn med forårets stof Preben Alsholm Efterår 2010 1 Hovedpunkter fra forårets pensum 11 Taylorpolynomium Taylorpolynomium Det n te Taylorpolynomium for f med udviklingspunkt x 0 : P

Læs mere

2. Funktioner af to variable

2. Funktioner af to variable . Funktioner af to variable Opgave 1 Grafisk udformning af de to funktioner,, Opgave f (, y) = z = 5 y N(0) = z = 0 0 = 5 y + y = 5 C = ( ; y) = (0;0) r = 5 Dette medfører som vist en cirkel, med centrum

Læs mere

Eksportørgevinst i eksportrelationen

Eksportørgevinst i eksportrelationen Danmarks Statistik MODELGRUPPEN Arbejdspapir* Ivanna Blagova 4. maj 2016 Eksportørgevinst i eksportrelationen Resumé: Nogle muligheder for at inkludere eksportørgevinst i eksportrelationen er undersøgt.

Læs mere

MATEMATIK A-NIVEAU-Net

MATEMATIK A-NIVEAU-Net STUDENTEREKSAMEN MAJ AUGUST 2007 2011 MATEMATIK A-NIVEAU-Net torsdag 11. august 2011 Kl. 09.00 14.00 frs112-matn/a-11082011 Opgavesættet er delt i to dele. Delprøve 1: 2 timer med autoriseret formelsamling

Læs mere

Projekt 4.6 Løsning af differentialligninger ved separation af de variable

Projekt 4.6 Løsning af differentialligninger ved separation af de variable Projekt 4.6 Løsning af differentialligninger ved separation af de variable Differentialligninger af tpen d hx () hvor hx ()er en kontinuert funktion, er som nævnt blot et stamfunktionsproblem. De løses

Læs mere

Funktioner. 1. del Karsten Juul

Funktioner. 1. del Karsten Juul Funktioner 1. del 0,6 5, 9 2018 Karsten Juul 1. Koordinater 1.1 Koordinatsystem... 1 1.2 Kvadranter... 1 1.3 Koordinater... 2 1.4 Aflæs x-koordinat... 2 1.5 Aflæs y-koordinat... 2 1.6 Koordinatsæt... 2

Læs mere

Grafer og graf-gennemløb

Grafer og graf-gennemløb Grafer og graf-gennemløb Grafer En mængde V af knuder (vertices). En mængde E V V af kanter (edges). Dvs. ordnede par af knuder. Grafer En mængde V af knuder (vertices). En mængde E V V af kanter (edges).

Læs mere

Heisenbergs usikkerhedsrelationer. Abstrakt. Hvorfor? Funktionsrum. Nils Byrial Andersen Institut for Matematik. Matematiklærerdag 2013

Heisenbergs usikkerhedsrelationer. Abstrakt. Hvorfor? Funktionsrum. Nils Byrial Andersen Institut for Matematik. Matematiklærerdag 2013 Heisenbergs usikkerhedsrelationer Nils Byrial Andersen Institut for Matematik Matematiklærerdag 013 1 / 17 Abstrakt Heisenbergs usikkerhedsrelationer udtrykker at man ikke på samme tid både kan bestemme

Læs mere