Chapter 6: Følsomhedsanalyse og dualitet i LP
|
|
|
- Bjarne Brøgger
- 9 år siden
- Visninger:
Transkript
1 Chapter 6: Følsomhedsanalyse og dualitet i LP ) Følsomhedsanalyse -> kriteriekoeffricienter -> RHSs ) Dualitet -> økonomisk fortolkning af dualvariable -> anvendelse af dual løsning til identifikation af primal løsning -> dualisering af LP
2 Initialt og optimalt tableau for standard eksempel: ã x x s s s3 Basis cb s s s z c z x x s s s3 Basis c B x s x z c z Tableauet er optimalt så længe ethvert element i - z rækken er ikke-positivt. Men disse elementer er beregnet som 3 c! c ā 4 B œ hvor a - 34 er elementet i den 3'te basisrække i søjlen hørende til den 4'te variabel.
3 Følsomhedsanalyse for c kan derfor udføres ved at bestemme det range for c, der sikrer at ethvert element i - z rækken forbliver ikke-positivt: x x s s s3 Basis c c B c z c 40 c c c 6 c c4 z x s x c Dette tableau er optimalt for eller c 6 c Ÿ 0 og Ÿ 0 4 Ÿ c Ÿ 64 Bemærk: - 4 z 4 for alle ikke-basis variable påvirkes -> en ulighed etableres for hver ikke-basis variabel Tilsvarende procedure for kriteriekoefficienter til alle andre basis variable, d.v.s. x og s.
4 Følsomhedsanalyse for kriteriekoefficient til ikke-basis variabel endnu lettere, fordi pågældende koefficient kun indgår i søjlen for den modsvarende ikke-basis variabel. Betragt f.eks. s : x x s s s3 Basis c 0 40 c 0 0 B x s x 0 0 s z c z 0 0 c 0 s Aktuel basis optimal så længe 4 cs Ÿ 0 Bemærk: Kun - 4 z 4 for pågældende ikke-basis variabel selv påvirkes -> Indgangen i - 4 z 4 rækken for en ikkebasis variabel angiver den maximale tilvækst i pågældende variabels kriteriekoefficient, der opretholder optimalitet for aktuel optimal basisløsning. En reduktion i kriteriekoefficienten for en p.t. ikke basis variabel kan aldrig gøre det fordelagtigt at introducere denne i basis. Nedre endepunkt for range er derfor _Þ
5 Ændring i RHSs: Hvor meget kan den første RHS, d.v.s. b œ 0, ændres, så den optimale basis forbliver optimal? x x s s s3 Basis c B x s x z c z Tallene i det optimale simplextableau i s-søjlen fortæller, at en tilvækst i s på en enhed vil reducere x med, øge s med, og øge x med. Men en tilvækst i s på en enhed svarer til at reducere b med en enhed fra 0 til 49. En tilvækst i b med en enhed har præcis den modsatte effekt. Den indebærer derfor en tilvækst i x med, en reduktion i s med, og en reduktion i x med. Den aktuelle basis forbliver derfor optimal, så længe ændringen i b ikke indebærer, at en aktuel basis variabel bliver negativ. Vi kan derfor beregne det tilladte range for b ved følgende system af uligheder:
6 Îx Ñ ÎÑ Î Ñ Î0Ñ s Ð Ó œ? b 0 Ïx Ò Ï30Ò Ï Ò Ï0Ò Ì?b 37.?b Ÿ?b Ÿ 0 Ì 37. Ÿ b Ÿ? hvilket indebærer Ÿ b Ÿ 0 Undersøg hvad der sker, hvis b øges med netop : Îx Ñ ÎÑ Î Ñ Î0 Ñ -> s Ð Ó œ œ 0 Ïx Ò Ï30Ò Ï Ò Ï Ò hvilket indebærer en ny objektivfunktionsværdi på œ 00 og en degenereret basisløsning, idet en basis variabel antager værdi 0. Tilsvarende for b og b. 3
7 Generelt: Îā3 Ñ ā3 Lad Ð Óbetegne søjlen for den 3'te slack variabel i ã Ïā Ò m3 Îb - b - Ñ et optimalt tableau og lad Ð Óbetegne de optimale Ïb - ã m Ò RHSs, d.v.s. værdierne af basis variablene i det optimale simplextableau. Så er range for ændringen i den 3'te RHS b, 3 som indebærer at aktuel optimal basis forbliver optimal, givet ved sættet af uligheder Îb - b - Ð Ïb - ã m Ñ Îā3 Ñ Î! Ñ ā3 ÓÐ! Ó? b 3 Ð ÓÐ Ó ã ã Ò Ïa- Ò Ï0Ò m3 Hvis den 3 'te ulighed er af typen, så er range for ændringen i b3 tilsvarende givet ved Îb - b - Ñ Îā3 Ñ Î! Ñ ā3 ÓÐ! Ð Ó? b Ð ÓÐ Ó Ïb - ã 3 ã ã Ò Ïa- Ò Ï0Ò m m3 Range for lighedsbetingelser kan også bestemmes, men det problem diskuteres ikke i lærebogen!
8 Dualpriser: Udgangspunkt: Dualpriserne indikerer forbedringen i den optimale kriteriefunktionsværdi ved en tilvækst på en enhed i korresponderende RHS. Dualpriserne aflæses i z rækken under 4 slack variablene. x x s s s3 Basis c B x s x z c z En tilvækst i b på en enhed indebærer en tilvækst i objektivfunktionsværdien z på 4 enheder, en tilvækst i b på en enhed indebærer en tilvækst i z på 0 enheder, og en tilvækst i b 3 på en enhed indebærer en tilvækst i objektivfunktionsværdien på enheder. Men disse fortolkninger er kun valide, så længe aktuel basis forbliver optimal. Vi så ovenfor, at der vil ske et basisskift, hvis b vokser med mere end enheder. En tilvækst på netop enheder vil indebære en tilvækst på 4 œ 70 svarende til resultatet ovenfor. Men en effekten af en tilvækst på en yderligere enhed kendes 6
9 ikke.
10 s er aktuel basis variabel. Og dualprisen for begrænsning er følgelig 0, fordi vi allerede har ledig kapacitet af den ressource. s er aktuel ikke-basis variabel, d.v.s. lig med 0. c4 z4 værdien for den variabel er 4. Det betyder jvf. ovenfor, at s skal have en kriteriekoefficient på mindst 4 for at skulle indgå i en optimal basis. En enheds ledig kapacitet er altså $. værd. Marginalværdien af den første ressource er derfor $.. Fortegnet for dualpriserne i et maximeringsproblem afhænger af begrænsningstypen: Ÿ b3 Ê tilvækst i b 3 udvider mulighedsområdet Ê z Å b3 Ê tilvækst i b 3 reducerer mulighedsområdet Ê z Æ œ b Ê tilvækst i b ændrer mulighedsområdet Ê z Å Æ 3 3 Derfor fås dualpris for uligheder af typen Ÿ er ikke-negativ dualpris for uligheder af typen er ikke-positiv dualpris for ligheder er fri m.h.t. fortegn dualpris for uligheder af typen Ÿ -> z 4 i associeret slack søjle dualpris for uligheder af typen -> z 4 i associeret surplus søjle dualpris for ligheder -> z 4 i associeret kunst søjle
11 Dualitet i LP: max 0x 40x (P) s.t. 3x x Ÿ 0 x Ÿ 0 x x Ÿ 300 x, x 0 Dette LP betegnet (P) er et maximeringsproblem i såkaldt kanonisk form. Dets duale betegnet (D) min 0u 0u 300u 3 (D) s.t. 3u u3 0 u u u3 40 u, u, u 0 3 Dette LP er et minimeringsproblem i såkaldt kanonisk form. er
12 En økonomisk fortolkning af det duale problem: Hvis det primale problem er et produktionsplanlægningsproblem, så er det duale et prisfastsættelsesproblem. Vi leder efter priser, der bestemmer den mindste værdi af den aktuelle beholdning af ressourcer, se den duale objektivfunktion. Produktion af en enhed af. produkt (x ) kræver 3 enheder af den første ressource, ingen af den anden og af den tredie. Det betyder, at hvis vi har 3 enheder af ressource # og enheder af #3, så kan vi producere enhed af produkt. Profitbidraget herved er 0 (kriteriekoefficienten til x ). Når vi skal bestemme priser for vore ressourcer, insisterer vi derfor på, at værdien af 3 enheder af ressource # og enheder af #3 mindst skal være 0, for det kan vi selv få ud af dem. Dette er den første duale bibetingelse. Produktion af en enhed af. produkt (x ) kræver enheder af den første ressource, enhed af den anden og af den tredie. Det betyder, at hvis vi har enheder af ressource #, enhed af # og enheder af #3, så kan vi producere enhed af produkt. Profitbidraget herved er 40 (kriteriekoefficienten til x). Når vi skal bestemme priser for vore ressourcer, insisterer vi derfor også på, at værdien af enheder af ressource #, enhed af # og enheder af #3 mindst skal være 40, for det kan vi selv få ud af dem. Dette er den anden duale bibetingelse. Endelig insisterer vi på, at priserne skal være ikkenegative, fordi ressourcerne har karakter af goder, som kan bortskaffes uden omkostninger.
13 Observationer: ) Til enhver variabel i (P) svarer en begrænsning i (D). (P) ) Til enhver begrænsning i svarer en variabel (D) i. 3) RHSs i (P) er kriteriekoefficienter i (D). 4) Kriteriekoefficienter i (P) er RHSs i (D). ) Begrænsningskoefficienter for 'te variabel i er begrænsningskoefficienter i 4'te begrænsning i (D). 4 (P)
14 Lad os løse det duale problem: u u u 3 s s a a Basis c B M M a M a M z 4 M M 3M M M M M 90M c4 z 4 0 M 0 M 300 M M M 0 0 u u u 3 s s a# Basis c M B u 300 0! " ) & ) *!! #& 300 & #"!! ) #& ) 300 & ) a M 0 z4 ) ) M M 300 ) M M M ) c z M 0 M 0 M M 0 "&!!! u u u 3 s s Basis c B u u 0 " 0 z c z Tableauet er optimalt med (u, u, u 3) œ (, 0, ) og z œ 90. Men da vi har maximeret den negative kriterieværdi, er sand z lig med 90. Begge surplusvariable antager i optimum værdien 0, d.v.s. begge duale begrænsninger bindende.
15 Lad os sammenholde optimaltableauerne for (D): (P) og x x s s s3 Basis c x s x z 4 B c z u u u 3 s s Basis c B u u 0 " 0 z c z
16 Observationer: (P) (D) ) Den optimale objektværdi i er identisk med den optimale objektværdi i fortegn). (bortset fra skiftet i ) De optimale værdier af de duale variable u kan aflæses i z rækken under slack variable i. 4 (P) 3) De optimale værdier af de duale surplus variable kan aflæses i c z rækken under x-variablene i. 4) De optimale værdier af de primale variable kan (P) aflæses i z rækken under surplus variable i. 4 (D) ) De optimale værdier af de primale slack variable kan aflæses i c4 z 4 rækken under u-variablene i (bortset fra skiftet i fortegn). (D)
17 6) Indgangen i c4 z 4 for en basis variabel er 0. Hvis en slack/surplus variabel er i basis, er dualprisen for den korresponderende begrænsning derfor 0. Ikkebindende begrænsninger tilordnes derfor dualprisen 0. Det følger af 3) og ), at hvis en x/u variabel er i basis, er surplus/slack variablen i den modsvarende duale begrænsning lig 0. En primal/dual basisvariabel korresponderer derfor til en bindende dual/primal begrænsning. Disse relationer sammenfattes ofte i den såkaldte komplementaritetssætning: Lad u3 ß3œ,..., 7, betegne de optimale duale priser for et LP, og lad s 3, 3œ,..., 7, betegne de optimale slack/surplus variable. Så gælder 7! s u œ 0 3œ" 3 3 Disse observationer indikerer en meget snæver relation mellem et LP og det korresponderende duale: Hvis et primalt problem har en endelig optimalløsning, så har dets duale også en endelig optimalløsning. De to problemer har samme optimale objektivfunktionsværdi, og den optimale løsning for det ene kan aflæses i det optimale tableau for det andet og vice versa. Hvis et LP dualiseres, så er det duale for det dualiserede problem identisk med det oprindelige problem.
18 Lad os illustrere det sidste resultat med udgangspunkt i ovenstående eksempel: max 0x 40x (P) s.t. 3x x Ÿ 0 -> u x Ÿ 0 ->u x x Ÿ 300 ->u 3 x, x 0 Dualisering af (P): min 0u 0u 300u 3 (D) s.t. 3u u3 0 u u u3 40 u, u, u 0 3
19 Omskriv (D) til maximeringsproblem i kanonisk form: max 0u 0u 300u (D) 3 s.t. 3u u3 Ÿ 0 ->x Dualisering af (D'): u u u3 Ÿ 40 ->x u, u, u 0 3 min 0x 40x (P ) s.t. 3x x 0 x 0 x x 300 x, x 0 Omskriv endelig (P w) til maximeringsproblem i kanonisk form: max 0x 40x (P) s.t. 3x x Ÿ 0 x Ÿ 0 x x Ÿ 300 x, x 0 w w
20 Hermed er samtidig illustreret ideen bag dualisering af et vilkårligt LP-problem: Et vilkårligt LP kan dualiseres på standard måde efter konvertering til maximeringsproblem i kanonisk form. Evt. lighedsbetingelser kan opsplittes i to uligheder:! + B œ, 4œ" 3 3 -> Ú Ý Û Ý Ü! + B Ÿ, 3 3 4œ"! + B Ÿ, 4œ" 3 3 Bemærk: Opsplitningen i uligheder indebærer introduktion af duale variable. Men de variable vil i det duale problem i enhver begrænsning have identiske koefficienter, men med modsat fortegn. Dette svarer jvf. diskussionen af frie variable i Chap. til introduktion af en enkelt variabel, der ikke er restringeret m.h.t. fortegn.
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
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
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
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
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
Operationsanalyse 1 Obligatorisk opgave 2
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 =
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
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
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
Kapitel 9: Netværksmodeller
Kapitel 9: Netværksmodeller Terminologi: Et netværk eller en JUDI bestar af et sæt punkter samt et sæt linier, der forbinder par af punkter; netværket betegnes som komplet, hvis ethvert par af punkter
Kapitel 9: Netværksmodeller
Kapitel 9: Netværksmodeller Terminologi: Et netværk eller en graf bestar af et sæt punkter samt et sæt linier, der forbinder par af punkter; netværket betegnes som komplet, hvis ethvert par af punkter
Dialog om tidlig indsats Udveksling af oplysninger i det tværfaglige SSD-samarbejde og fagpersoners underretningspligt
Dialog om tidlig indsats Udveksling af oplysninger i det tværfaglige SSD-samarbejde og fagpersoners underretningspligt Servicestyrelsen Edisonsvej 18 5000 Odense C Tlf.: +45 72 42 37 00 Fax: +45 72 42
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
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
Lineær programmering. med Derive. Børge Jørgensen
Lineær programmering med Derive Børge Jørgensen 1 Indholdsfortegnelse. Forord ---------------------------------------------------------------------------------- 2 Introduktion til lineær programmering
Projekt Planlægning: PERT/CPM
Chapter 10: Projekt Planlægning: PERT/CPM -> Planlægning og koordinering af aktiviteter, der tilsammen definerer et helt projekt, så projektet færdiggøres indenfor en planlagt tidsramme. Aktiviteterne
Udvikling af operations karakteristika/performance mål for køsystemer
Chapter 2: Genstandsområde: Køteori Analyse af køsystemer Formål: Udvikling af operations karakteristika/performance mål for køsystemer > ssh for 0 enheder i system > gns # enheder i køen > gns # enheder
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
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
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
001 Натюрморт с вином
001 Натюрморт с вином Ткань: Aida 18, White 300 X 360 крестиков Размер: 18 Count, 42.33 X 50.80 cm Солиды (чистые цвета): используются 2 нити одного цвета. символ ДМС цвет 1. n 225 Shell Pink-UL VY LT
1 Oligopoler (kapitel 27)
1 Oligopoler (kapitel 27) 1. Indtil nu har vi undersøgt to markedsformer (a) Fuldkommen konkurrence: Alle virksomheder pristagere - en rimelig antagelse i situation med mange "små" aktører. (b) Monopol:
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.
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...
Gamle eksamensopgaver (MASO)
EO 1 Gamle eksamensopgaver (MASO) Opgave 1. (Vinteren 1990 91, opgave 1) a) Vis, at rækken er divergent. b) Vis, at rækken er konvergent. Opgave 2. (Vinteren 1990 91, opgave 2) Gør rede for at ligningssystemet
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
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
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
1 Oligopoler (kapitel 27)
1 Oligopoler (kapitel 27) 1. Vi har set på to vigtige markedsformer: (a) Fuldkommen konkurrence. Alle virksomheder pristagere - en rimelig antagelse i situation med mange "små" aktører. (b) Monopol. Kun
deta = A = deta = a 11 deta 11 a 12 det A 12 + a 13 deta 13 deta = deta = 1(0 2) 5(0 0) + 0( 4 0) = 2 deta = a i,j deta i,j
Ä Ò Ò ØÖ Ø ÓÖ Ñ Ò ÓÔ Ú Ö Ä Ú Ø ÓÖÑ Ð Ø Ö Ó Ì ÓÑ Â Ò Ò ÓÒØ ÒØ ½ Ø ÖÑ Ò ÒØ Ö ½º½ Í Ú Ð Ò º º º º º º º º º º º º º º º º º º º º º º º º º º º º º º º º º º º º º º º º º º º º º ½º½º½ ÑÔ Ð Í Ú Ð Ò Ø ÓÖ
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
Miljøteknisk notat. : Eva Zib / Mikkel Mühle Poulsen. : Henrik Mølbjerg Jeppesen. : Bilag 1: Oversigtsplan Bilag 2: Analyseresultater.
Miljøteknisk notat Granskoven 8 2600 Glostrup Danmark T +45 4348 6060 F +45 4396 4414 www.grontmij.dk CVR-nr. 48233511 Frederikssundmotorvejen; 1220 Motorring 4 Tværvej N Skitseprojekt for afgravning af
1 Oligopoler (kapitel 27)
1 Oligopoler (kapitel 27) 1. Vi har set på to vigtige markedsformer: (a) Fuldkommen konkurrence. Alle virksomheder pristagere - en rimelig antagelse i situation mange små konkurrenter. (b) Monopol. Kun
Projekt 3.5 faktorisering af polynomier
Projekt 3.5 faktorisering af polynomier Hvilke hele tal går op i tallet 60? Det kan vi få svar på ved at skrive 60 som et produkt af sine primtal: 60 3 5 Divisorerne i 60 er lige præcis de tal, der kan
Projekt 4.9 Bernouillis differentialligning
Projekt 4.9 Bernouillis differentialligning (Dette projekt dækker læreplanens krav om supplerende stof vedr. differentialligningsmodeller. Projektet hænger godt sammen med projekt 4.0: Fiskerimodeller,
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:
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
Polynomier. Indhold. Georg Mohr-Konkurrencen. 1 Polynomier 2. 2 Polynomiumsdivision 4. 3 Algebraens fundamentalsætning og rødder 6
Indhold 1 Polynomier 2 Polynomier 2 Polynomiumsdivision 4 3 Algebraens fundamentalsætning og rødder 6 4 Koefficienter 8 5 Polynomier med heltallige koefficienter 9 6 Mere om polynomier med heltallige koefficienter
Økonometri Lektion 1 Simpel Lineær Regression 1/31
Økonometri Lektion 1 Simpel Lineær Regression 1/31 Simpel Lineær Regression Mål: Forklare variablen y vha. variablen x. Fx forklare Salg (y) vha. Reklamebudget (x). Statistisk model: Vi antager at sammenhængen
Diagonalisering. Definition (diagonaliserbar)
1 Diagonalisering 2 Definition (diagonaliserbar) Lad A være en n n-matrix. A siges at være diagonaliserbar hvis A er similær med en diagonal matrix, dvs. A = PDP 1, hvor D er en n n diagonal matrix og
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,
Økonometri: Lektion 2 Multipel Lineær Regression 1/27
Økonometri: Lektion 2 Multipel Lineær Regression 1/27 Multipel Lineær Regression Sidst så vi på simpel lineær regression, hvor y er forklaret af én variabel. Der er intet, der forhindre os i at have mere
C++-program til løsning af LP-problemer vha. simplex-baseret metode
Handelshøjskolen i København Statistikgruppen Erhvervsøkonomi-matematik-studiets 4. semester 2003 C++-program til løsning af LP-problemer vha. simplex-baseret metode Lene Hansen leha01ad Morten Høgholm
3.1 Baser og dimension
SEKTION 3 BASER OG DIMENSION 3 Baser og dimension Definition 3 Lad V være et F-vektorrum Hvis V = {0}, så har V dimension 0 2 Hvis V har en basis bestående af n vektorer, så har V dimension n 3 Hvis V
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
Statisk Optimering. Jesper Michael Møller
Statisk Optimering Jesper Michael Møller Matematisk Institut, Universitetsparken 5, DK 2100 København E-mail address: moller@mathkudk URL: http://wwwmathkudk/~moller Indhold Kapitel 1 Ikke-lineær optimering
Statisk Optimering. Jesper Michael Møller
Statisk Optimering Jesper Michael Møller Matematisk Institut, Universitetsparken 5, DK2100 København E-mail address: moller@mathkudk URL: http://wwwmathkudk/~moller Indhold Kapitel 1 Ikke-lineær optimering
Matematisk modellering og numeriske metoder. Lektion 1
Matematisk modellering og numeriske metoder Lektion 1 Morten Grud Rasmussen 4. september, 2013 1 Ordinære differentialligninger ODE er 1.1 ODE er helt grundlæggende Definition 1.1 (Ordinære differentialligninger).
Egenværdier og egenvektorer
1 Egenværdier og egenvektorer 2 Definition Lad A være en n n matrix. En vektor v R n, v 0, kaldes en egenvektor for A, hvis der findes en skalar λ således Av = λv Skalaren λ kaldes en tilhørende egenværdi.
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
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
ÁÒ ØÖÙØ ÓÒ Ë Ø Ö Ø ØÙÖ ÁÒØÖÓ ÙØ ÓÒ ÁÒ ØÖÙØ ÓÒ Ë Ø ÁÒØ Ö ØÛ Ò Ó ØÛ Ö Ò Ö Û Ö Ú Ð ØÓ ÔÖÓ Ö ÑÑ Ö ËØ Ô ØÓ Ò ÁÒ ØÖÙØ ÓÒ Ë Ø ÓÖ Ú Ò Óѹ ÔÙØ Ö Û Ø Ø Ú Ð Ð ÐØ
ÁÒ ØÖÙØ ÓÒ Ë Ø Ö Ø ØÙÖ ÁÒØÖÓ ÙØ ÓÒ ÁÒ ØÖÙØ ÓÒ Ë Ø ÁÒØ Ö ØÛ Ò Ó ØÛ Ö Ò Ö Û Ö Ú Ð ØÓ ÔÖÓ Ö ÑÑ Ö ËØ Ô ØÓ Ò ÁÒ ØÖÙØ ÓÒ Ë Ø ÓÖ Ú Ò Óѹ ÔÙØ Ö Û Ø Ø Ú Ð Ð ÐØ ÖÒ Ø Ú Ò ØÓ ÐØ ÖÒ Ø Ú Ò ÕÙ ÒØ Ø Ú Ñ Ø Ó ÓÛ Ó Ø ÓÑÔ
Matematisk modellering og numeriske metoder
Matematisk modellering og numeriske metoder Morten Grud Rasmussen 5. september 2016 1 Ordinære differentialligninger ODE er 1.1 ODE er helt grundlæggende Definition 1.1 (Ordinære differentialligninger).
Formelsamling. Ib Michelsen
Formelsamling T = log(2) 2 log(a) Ikast 2016 Ib Michelsen Ligedannede trekanter Hvis to trekanter er ensvinklede, har de proportionale sider (dvs. alle siderne i den ene er forstørrelser af siderne i den
Gamle eksamensopgaver (DOK)
EO 1 Gamle eksamensopgaver ) Opgave 1. sommer 1994, opgave 1) a) Find den fuldstændige løsning til differentialligningen x 6x + 9x =. b) Find den fuldstændige løsning til differentialligningen Opgave 2.
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
Susanne Ditlevsen Institut for Matematiske Fag susanne
Statistik og Sandsynlighedsregning 1 Repetition MS kapitel 1 3 Susanne Ditlevsen Institut for Matematiske Fag Email: [email protected] http://math.ku.dk/ susanne Hvad er sandsynlighed? - beskriver systemer
Nogle anvendelser af programmel R, bl.a. til hypotesetest
Frank Bengtson 2013 ÖÒºÒØ ÓÒÑкÓÑ Nogle anvendelser af programmel R, bl.a. til hypotesetest R er specielt egnet til statistik og simulering og kan frit installeres på egen pc. R udfører en programlinje
Aflevering 4: Mindste kvadraters metode
Aflevering 4: Mindste kvadraters metode Daniel Østergaard Andreasen December 2, 2011 Abstract Da meget få havde løst afleveringsopgave 4, giver jeg har en mulig (men meget udførlig) løsning af opgaven.
