Note om interior point metoder
|
|
- Hans Bech
- 6 år siden
- Visninger:
Transkript
1 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 år efter sin fremkomst, andre algoritmer kom kun på tale for særlige problemer. I 70erne var begyndt at interessere sig for beregningskompleksitet meget simpelt kan kompleksiteten ved den tid, en computer vil være om at løse et problem ved brug af algoritmen og det viste sig i løbet af 80erne, at i visse skræktilfælde kunne det tage meget lang tid; faktisk var der en helt anden metode ellipsoid-metoden nævnt i bogen, som kan løse problemet på en tid proportionalt med n 6, hvor n er antal søjler i koefficientmatricen A. På den anden side var ellipsoid-metoden ikke særlig hurtig i sædvanlige problemer, så simplex hold stand i praksis. Det ændrede sig imidlertid med fremkomsten af de såkaldte interior point algoritmer, hvor Karmarkars fra 1984 var den første. Der er senere blevet arbejdet mere med disse metoder, så at man idag kan skelne mellem flere forskellige. Her vil vi se nærmere på en af disse, en såkaldt path-following algoritme, som er interessant fordi den involverer både det primære og det duale problem, og som samtidig har pæne egenskaber i praksis. Vi starter med et par af LP problemer, hvor det primære har bibetingelser givet ved lighedstegn. I den situation er der ingen fortegnsrestriktioner på variablene i det duale problem. Da vi også gerne vil have lighedstegn i det duale problem, bruger vi slackvariable z 1,..., z m (der skal være ikke-negative), og vi har dermed de to LP problemer max ubb c x Ax = b x 0 min ubb y b ya z = c z 0 (1) Vores metode har følgende bestanddele, som alle er generelle metoder til brug ved optimeringr: (1) Brug af Lagrange metoden til at omforme optimering med bibetingelser til optimering uden bibetingelser (håndtere bibetingelser) (2) Brug af passende valgte ( barrier -)funktioner til at holde sig væk indenfor området hvor alle x og z er positive (håndtere ikke-negativitet) (3) Løsning af ligningssystemer (ikke nødvendigvis lineære) ved Newton s metode. I algoritmen får man en følge af problemer uden bibetingelser, og med passende valg af barrierfunktioner vil løsningerne af disse problemer gå mod en optimal løsning. Det lyder kompliceret, men er knap så indviklet som det lyder. Her kommer der lidt flere detaljer:
2 MØK 2016, Operationsanalyse Interior point algoritmer, side 2 1. Lagrange metoden. Dette er det velkendte optimeringsprincip for maximering af en funktion f (x) under bibetingelser g i (x) = 0, i = 1,..., m. Man opstiller Lagrange-funktionen L(x, λ) = f (x) λ i g i (x), og man har da at nødvendige betingelsr for et optimum (max eller min) er at de afledede er 0, dvs. L = 0 for j = 1,..., n og F = 0 for i = 1,..., n. Hvis bibetingelserne er lineære og f x j λ i er konkav (for maximering) eller konveks (minimering), er betingelserne også tilstrækkelige. 2. Barrier metoden. Her ønsker vi at holde os væk fra løsninger, der ikke opfylder ikkenegativitetsbetingelserne i (1). Det kan vi opnå ved at tilføje en funktion, der får meget store negative værdier, når vi er tæt på 0, så at vi i vores søgen efter et optimum ikke bevæger os den vej. Det har bare den ulempe, at vi forhindrer os selv i at nå optimum, hvis dette faktisk involverer at en eller flere variable er 0, hvad de faktisk ofte vil være i LP problemer. Derfor tilføjer man en parameter, der så ændres undervejs i algoritmen, så at man balancerer den logaritmiske straf-del med den faktiske kriterieværdi. Vores oprindelige par er så omformet til max c x + µ n log(x j ) min y b µ n log(z j ) (2) ubb Ax = b ubb ya z = c Vi bruger Lagrange metoden på dette problem hvor bibetingelserne stadig er lineære men kriteriefunktionerne ikke mere er lineære men dog konkave resp. konvekse, så førsteordensbetingelserne er både nødvendige og tilstrækkelige. Vi bruger først, at vi allerede kender Lagrangemultiplikatorerne til det primære problem det er nemlig de duale variable y så Lagrangefunktionen bliver L P = c x + µ log(x j ) y(ax b) og når de afledede mht. x j skal være 0, får vi ligningen c j a i j y j + µ = 0, x j som ved brug af definitionen af z j reducerer til z j + µ x j = 0 eller z j x j = µ, j = 1,..., n. (3) Man kan fortolke (3) som µ-komplementær slackness hvis µ = 0 skulle enten x j eller den duale z j være 0 for hvert j, her skal de bare være lig µ.
3 MØK 2016, Operationsanalyse Interior point algoritmer, side 3 Tager vi de afledede med hensyn til y i, får vi bare betingelsen a i j x j = b j, j = 1,..., n, (4) som vi kendte i forvejen, og tilsvarende får vi ved at differentiere i Lagrange-funktionen for det duale problem i (2), L D = y b µ log(z j ) (ya z c)x, mht. x j og sætte lig nul, at vi skal have opfyldt bibetingelserne i det duale problem, dvs. a i j y i z j = c j, j = 1,..., n. (5) Hele ligningssystemet (3)-(5) kan skrives kort på matrixform ved brug af diagonalmatricerne X (som har vektoren x i diagonalen (og 0 udenfor) og Z med z j, j = 1,..., n, i diagonalen, samt vektoren e bestående af n 1-taller, så har vi nemlig Brugbarhed i det primære problem: Ax b = 0, Brugbarhed i det duale problem: ya z c = 0 µ-komplementær slackness XZe µe = 0, (6) ialt m+n+n ligninger, hvoraf de sidste n ikke er lineære. Vi skal så løse dette ligningssystem, og det er her, at Newton kommer ind i billedet. 3. Newton s metode. Hvis f : R R er en C 1 funktion (differentiabel med kontinuerte partielle afledede), kan man bruge sammenhængen f (x k+1 ) = f (x k ) + f (x k ), (7) hvor er en (lille) interval, som vi giver x i punktet x k (der bare er 1. ordens Taylor udvikling af f i x k ) til iterativt at finde et nulpunkt for f. Hvis vi sætter x k+1 = 0, får vi = f (xk ) f (x k ) og når vi flytter os i overensstemmelse hermed, har vi et første skud på nulpunktet. Da (7) jo er en tilnærmelse, har vi nok ikke ramt plet, men så fortsætter vi bare derfra. Hvis man starter ikke altfor langt væk fra rnulpunktet, vil følgen (x k ) k=1 faktisk gå mod dette nulpunkt. Hvis vi har at gøre med en funktion F : R d R, generaliserer Newton metoden til, at vi
4 MØK 2016, Operationsanalyse Interior point algoritmer, side 4 skal bruge sammenhængen F(x k+1 ) = F(x k ) + DF x k (8) hvor DF x k er matricen af partielle afledede af F 1,..., F d mht. x 1,..., x d (Jacobi-matricen), F 1 x 1 DF xk =. F d x 1 F 1 x d., F d x d taget i punktet x k, og er en vektor, som angiver en flytning fra x k. Hvis vi som før sætter F(x k+1 ) til 0 og løser, får vi DF 1 x k = F(x k ) (9) eller = DF 1 x k F(x k ). Igen kan det vises, at følgen af x k vil konvergere mod et nulpunkt. Vi bruger nu Newton på ligningssystemet i (6), hvor vi har 2n + m ligninger og variable (x, y, z). Vi starter i et punkt (x 0, y 0, z 0 ) med x 0 > 0 og z > 0, og vi indfører betegnelserne δ P, δ D og δ S for værdien af venstresiderne i (6) i dette startpunkt, dvs. vektoren (δ P, δ D, δ S angiver, hvor meget man går galt i at opfylde brugbarhedsbetingelserne i det primære og duale problem samt slackness-betingelsen. Det er ikke så svært at finde Jacobi-matricen, og vi har at (9) får formen A 0 0 d x δ P 0 A T I d y = δ D. (10) Z 0 X Vektoren (d x, d y, d z ) kaldes Newton retningen, og den findes ved at man løser (10). Det kan (forholdsvis let) vises, at løsningen kan skrives som d y = (AZ 1 XA T ) 1 ( b + µaz 1 e + AZ 1 Xδ D ) d z = δ D + A T d y d z d x = Z 1 (µe XZe Xd z ) så at man successivt kan finde d y, d z og d x. Vi har dermed fundet retningen, som vi skal bevæge os i, egentlig også hvor langt, men vi skal hele tiden passe på at opretholde x > 0, z > 0 (ellers kan vi ikke invertere matricerne X og z ovenfor). Derfor vælger vi en skridtlængde { x } { j z } j α P = γ min (d x ) j < 0, α D = γ min (d z ) j < 0, j (d x ) j j (d z ) j δ S
5 MØK 2016, Operationsanalyse Interior point algoritmer, side 5 hvor γ tæt på 1 (f.eks. γ = 0, 995) forhindrer at randen bliver nået. Vi har så et nyt punkt (x 1, y 1, z 1 ) = (x 0 + α P d x, y 0 + α D d y, z 0 + α D d z ), og dermed er vi igennem én iteration. I princippet kunne man nu fortsætte med næste iteration indtil man finder en løsning for det givne µ, og så begynder forfra med et mindre µ. Det er imidlertid nemmere at tilpasse µ undervejs. Her lader man sig inspirere af dualitetsgabet i udgangspunktet, gap(0) = y 0 b cx 0 = y 0 (Ax 0 ) (y 0 A z 0 ) T x 0 = (z 0 ) T x 0. For α den mindste af α P og α D definerer vi gap(α) = (z 0 + αd z ) T (x 0 + αd x ), og så er gap(α) < gap(0) når µ < gap(0). Hvis løbende, dvs. i k te iterationstrin, sætter n µ k = gap(αk ) n 2 = (zk ) T x k n 2 sikrer vi at dualitetsgabet formindskes i hvert trin, samtidig med at µ k går mod 0. Det kan vises, at algoritmen bruger omkring n log(ε 0 /ε) iterationer hvis den skal reducere dualitetsgabet fra ε 0 i startpunktet til ε, endda i værst mulige tilfælde. I praksis har den vist sig at være ret uafhængig af problemstørrelse, således at der bruges mellem 20 og 80 iterationer uanset n. Den besværlige del er at finde matricen AZ 1 XA T og derpå invertere den, det går omkring 90% af tiden med. Sammenlignet med simplex er algoritmen hurtigere for tilpas store problemer, både i worst case og i praksis. Men hver iteration er væsentligt mere besværlig end et pivotstep i simplex, især fordi det involverer løsning af et lineært ligningssystem. Man benytter derfor ofte genveje, så man sparer en del af dette arbejde, og der er udviklet en del algoritmer til netop det.
1 Kapitel 5: Forbrugervalg
1 Kapitel 5: Forbrugervalg Vi har set på: 1. Budgetbegrænsninger. 2. Præferencer og nyttefunktioner. Nu stykker vi det hele sammen og studerer forbrugerens valg. 1 2 Optimalt forbrug - gra sk fremstilling
Læs mereUgeseddel 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 mereModulpakke 3: Lineære Ligningssystemer
Chapter 4 Modulpakke 3: Lineære Ligningssystemer 4. Homogene systemer I teknikken møder man meget ofte modeller der leder til systemer af koblede differentialligninger. Et eksempel på et sådant system
Læs mereTidligere Eksamensopgaver MM505 Lineær Algebra
Institut for Matematik og Datalogi Syddansk Universitet Tidligere Eksamensopgaver MM55 Lineær Algebra Indhold Typisk forside.................. 2 Juni 27.................... 3 Oktober 27..................
Læs mereNewton-Raphsons metode
Newton-Raphsons metode af John V. Petersen Indhold Indledning: Numerisk analyse og Newton-Raphsons metode... 2 Udlede Newtons iterations formel... 2 Sætning 1 Newtons metode... 4 Eksempel 1 konvergens...
Læs mere1 Kapitel 5: Forbrugervalg
1 Kapitel 5: Forbrugervalg Vi har set på: 1. budgetbegrænsninger 2. præferencer og nyttefunktioner. Nu stykker vi det hele sammen og studerer forbrugerens optimale valg. 2 Optimalt forbrug - grafisk fremstilling
Læs mereBesvarelse af Eksamensopgaver Juni 2005 i Matematik H1
Besvarelse af Eksamensopgaver Juni 5 i Matematik H Opgave De fire vektorer stilles op i en matrix som reduceres: 4 4 4 8 4 4 (a) Der er ledende et-taller så dim U =. Som basis kan f.eks. bruges a a jfr.
Læs mereUGESEDDEL 10 LØSNINGER. = f
UGESEDDEL 10 LØSNINGER Theorem 1. Algoritme for løsning af max f(x, y) når g(x, y) c. Dan Lagrange-funktionen: L (x, y) = f(x, y) λ(g(x, y) c). Beregn de partielle afledte af L og kræv at de begge er nul:
Læs mereMat H /05 Note 2 10/11-04 Gerd Grubb
Mat H 1 2004/05 Note 2 10/11-04 Gerd Grubb Nødvendige og tilstrækkelige betingelser for ekstremum, konkave og konvekse funktioner. Fremstillingen i Kapitel 13.1 2 af Sydsæters bog [MA1] suppleres her med
Læs mereGamle 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
Læs mereChapter 3. Modulpakke 3: Egenværdier. 3.1 Indledning
Chapter 3 Modulpakke 3: Egenværdier 3.1 Indledning En vektor v har som bekendt både størrelse og retning. Hvis man ganger vektoren fra højre på en kvadratisk matrix A bliver resultatet en ny vektor. Hvis
Læs mereNøgleord 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 mereOversigt [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 mereOperationsanalyse 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 mereFunktion 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 mereLineær algebra 4. kursusgang
Lineær algebra 4. kursusgang Vi betragter et lineært ligningssystem (af m ligninger med n ubekendte) Ax = b. Ligningssystemet antages at være inkonsistent (ingen løsninger) fordi tallene er fremkommet
Læs mereLineære 1. ordens differentialligningssystemer
enote 7 enote 7 Lineære ordens differentialligningssystemer Denne enote beskriver ordens differentialligningssystemer og viser, hvordan de kan løses Der bruges egenværdier og egenvektorer i løsningsproceduren,
Læs mereLiA 2 Side 0. Lineær algebra 3. kursusgang
LiA 2 Side 0 Lineær algebra 3. kursusgang LiA 2 Side 1 Højdeforskelle. D C 0.7 0.7 0.8 E LiA 2 Side 2 Vi har tre punkter C, D og E. Højderne er h C, h D, h E. (I det følgende benævnes disse også x, y,
Læs mereKonstruktion af Splines
Konstruktion af Splines Svend Daugaard Pedersen 29 maj 2011 Indhold 1 Hvad er en spline? 1 2 Matematisk behandling af en spline 1 3 Den naturlige spline 2 4 Andre splines 4 5 Tilpasset spline 4 6 Afslutning
Læs mereMatematisk optimering. - Iterative metoder
Matematisk optimering - Iterative metoder Aalborg Universitet Institut for Matematiske fag Gruppe G3-112 MAT3 Efteråret 2012 AALBORG UNIVERSITET INSTITUT FOR MATEMATISKE FAG SYNOPSIS: TITEL: Matematisk
Læs mereIKKE-LINEÆR OPTIMERING
IKKE-LINEÆR OPTIMERING JESPER MICHAEL MØLLER Indhold 1 Konvekse funktioner 1 2 Optimering uden bibetingelser 1 3 Optimering under bibetingelser givet ved ligheder 2 4 Optimering under bibetingelser givet
Læs mereDesignMat 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 mereEkstremumsbestemmelse
Ekstremumsbestemmelse Preben Alsholm 24. november 2008 1 Ekstremumsbestemmelse 1.1 Ekstremum for funktion af én variabel: Definitioner Ekstremum for funktion af én variabel: Definitioner Punktet a kaldes
Læs mereKøbenhavns Universitet, Det naturvidenskabelige Fakultet. Forelæsningsnote 8. (NB: Noten er ikke en del af pensum)
Københavns Universitet, Det naturvidenskabelige Fakultet Lineær Algebra LinAlg Forelæsningsnote 8 NB: Noten er ikke en del af pensum Eksempel på brug af egenværdier og egenvektorer Måske er det stadig
Læs mereMatricer og lineære ligningssystemer
Matricer og lineære ligningssystemer Grete Ridder Ebbesen Virum Gymnasium Indhold 1 Matricer 11 Grundlæggende begreber 1 Regning med matricer 3 13 Kvadratiske matricer og determinant 9 14 Invers matrix
Læs mereKøbenhavns Universitet, Det naturvidenskabelige Fakultet. DATALOGI V - Introduktion til Scientific Computing. Ugeseddel 3
Københavns Universitet, Det naturvidenskabelige Fakultet DATALOGI V - Introduktion til Scientific Computing Ugeseddel 3 Meddelelser: Bemærk venligst, at jeg den 23/2 starter med at forelæse over ca. 25
Læs mereAnvendt Lineær Algebra
Anvendt Lineær Algebra Kursusgang 3 Anita Abildgaard Sillasen Institut for Matematiske Fag AAS (I17) Anvendt Lineær Algebra 1 / 38 Vi betragter et lineært ligningssystem (af m ligninger med n ubekendte)
Læs mereDESIGNMAT FORÅR 2012: UGESEDDEL Forberedelse Læs alle opgaverne fra tidligere ugesedler, og læg særlig mærke til dem du har spørgsmål til.
DESIGNMAT FORÅR 2012: UGESEDDEL 13 INSTITUT FOR MATEMATIK 1. Forberedelse Læs alle opgaverne fra tidligere ugesedler, og læg særlig mærke til dem du har spørgsmål til. 2. Aktiviteter mandag 13 17 2.1.
Læs mereAffine rum. a 1 u 1 + a 2 u 2 + a 3 u 3 = a 1 u 1 + (1 a 1 )( u 2 + a 3. + a 3. u 3 ) 1 a 1. Da a 2
Affine rum I denne note behandles kun rum over R. Alt kan imidlertid gennemføres på samme måde over C eller ethvert andet legeme. Et underrum U R n er karakteriseret ved at det er en delmængde som er lukket
Læs mereGEOMETRI-TØ, UGE 6. . x 1 x 1. = x 1 x 2. x 2. k f
GEOMETRI-TØ, UGE 6 Hvis I falder over tryk- eller regne-fejl i nedenstående, må I meget gerne sende rettelser til fuglede@imfaudk Opvarmningsopgave 1 Lad f : R 2 R være tre gange kontinuert differentierbar
Læs mereMASO Uge 9 Eksempler på Eksamensopgaver
MASO Uge 9 Eksempler på Eksamensopgaver Martin Søndergaard Christensen Eksamen 2013B Eksamen 2013B Opgave 2 Findes der komplekse tal z 1 og z 2 så z 1 + z 2 = 2, z 1 z 2 = 3 Eksamen 2013B Opgave 2 Findes
Læs mereLINEÆR 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 mereDen homogene ligning. Vi betragter den n te ordens, homogene, lineære differentialligning. d n y dt n. an 1 + any = 0 (1.2) dt. + a1 d n 1 y dt n 1
1/7 Den homogene ligning Vi betragter den n te ordens, homogene, lineære differentialligning a 0 d n y dt n + a1 d n 1 y dt n 1 hvor a 0,..., a n R og a 0 0. Vi skriver ligningen på kort form som + + dy
Læs mereLineær programmering. Maksimer c T u.b.b. A b hvor > 0. Vores metode er også nytteløs her. Ekstrema- teori og praksis
Lineær programmering Ekstrema- teori og praksis Maksimer c T u.b.b. A b hvor > 0 Vores metode er også nytteløs her MAT3, EFTERÅR 2011 GROUP G3-112 INSTITUT FOR MATEMATISKE FAG AALBORG UNIVERSITET 16. DECEMBER
Læs mereOptimering 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 mereLineære 1. ordens differentialligningssystemer
enote enote Lineære ordens differentialligningssystemer Denne enote beskriver ordens differentialligningssystemer og viser, hvordan de kan løses enoten er i forlængelse af enote, der beskriver lineære
Læs mereMatematisk modellering og numeriske metoder. Lektion 16
Matematisk modellering og numeriske metoder Lektion 16 Morten Grud Rasmussen 6. november, 2013 1 Interpolation [Bogens afsnit 19.3 side 805] 1.1 Interpolationspolynomier Enhver kontinuert funktion f på
Læs mereOptimeringsteori. Tenna Andersen, Tina Sørensen, Majbritt Lundborg, Søren Foged, Jeppe Gravers, Kenneth Andersen & Oskar Aver
Optimeringsteori Tenna Andersen, Tina Sørensen, Majbritt Lundborg, Søren Foged, Jeppe Gravers, Kenneth Andersen & Oskar Aver 20/12/2012 Institut for Matematiske Fag Matematik-Økonomi Fredrik Bajers Vej
Læs mereUGESEDDEL 12 LØSNINGER. x
UGESEDDEL 2 LØSNINGER Opgave Betragt ligningssystemet af formen Ax = b: ( ) 2 x ( ) x 2 2 =. 4 x Der eksisterer ingen løsning x = (x, x 2, x ) 0, thi venstresiden i første ligning er da 0, medens højresiden
Læs mereKursusgang 3 Matrixalgebra Repetition
Kursusgang 3 Repetition - froberg@mathaaudk http://peoplemathaaudk/ froberg/oecon3 Institut for Matematiske Fag Aalborg Universitet 12 september 2008 1/12 Lineære ligningssystemer Et lineært ligningssystem
Læs mereDesignMat 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 mereTaylors formel. Kapitel Klassiske sætninger i en dimension
Kapitel 3 Taylors formel 3.1 Klassiske sætninger i en dimension Sætning 3.1 (Rolles sætning) Lad f : [a, b] R være kontinuert, og antag at f er differentiabel i det åbne interval (a, b). Hvis f (a) = f
Læs mereOperationsanalyse. 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 mereKvadratiske 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 mereMASO-Eksempler. x n. + 1 = 1 y n
3. oktober EXPL 1 Eksempel 1. Et par talfølger: (1 ( (3 (4 (5 (6 (7 (8 MASO-Eksempler,,,,,,..., n =, 1, 1, 1, 1, 1, 1,..., n = 1 1,, 1,, 1,, 1,..., n = (1 + ( 1 n /,, 1,,,, 3,..., n = n(1 + ( 1 n /4, 1,
Læs mereLineær algebra 1. kursusgang
Lineær algebra 1. kursusgang Eksempel, anvendelse To kendte punkter A og B på en linie, to ukendte punkter x 1 og x 2. A x 1 x 2 B Observationer af afstande: fra A til x 1 : b 1 fra x 1 til x 2 : b 2 fra
Læs mereLineære 1. ordens differentialligningssystemer
enote enote Lineære ordens differentialligningssystemer Denne enote beskriver ordens differentialligningssystemer og viser, hvordan de kan løses enoten er i forlængelse af enote, der beskriver lineære
Læs mereMatematisk modellering og numeriske metoder. Lektion 13
Matematisk modellering og numeriske metoder Lektion 3 Morten Grud Rasmussen 3. november 206 Numerisk metode til Laplace- og Poisson-ligningerne. Finite difference-formulering af problemet I det følgende
Læs mereOperationsanalyse 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 =
Læs mereG 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 mere8 Regulære flader i R 3
8 Regulære flader i R 3 Vi skal betragte særligt pæne delmængder S R 3 kaldet flader. I det følgende opfattes S som et topologisk rum i sportopologien, se Definition 5.9. En åben omegn U af p S er således
Læs mereDifferentialligninger. Ib Michelsen
Differentialligninger Ib Michelsen Ikast 203 2 Indholdsfortegnelse Indholdsfortegnelse Indholdsfortegnelse...2 Ligninger og løsninger...3 Indledning...3 Lineære differentialligninger af første orden...3
Læs mereMere om differentiabilitet
Mere om differentiabilitet En uddybning af side 57 i Spor - Komplekse tal Kompleks funktionsteori er et af de vigtigste emner i matematikken og samtidig et af de smukkeste I bogen har vi primært beskæftiget
Læs mereLineær Algebra - Beviser
Lineær Algebra - Beviser Mads Friis 8 oktober 213 1 Lineære afbildninger Jeg vil i denne note forsøge at give et indblik i, hvor kraftfuldt et værktøj matrix-algebra kan være i analyse af lineære funktioner
Læs mereChapter 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 mereLineære 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 mereSkriftlig eksamen Vejledende besvarelse MATEMATIK B (MM02)
SYDDANSK UNIVERSITET ODENSE UNIVERSITET INSTITUT FOR MATEMATIK OG DATALOGI Skriftlig eksamen Vejledende besvarelse MATEMATIK B (MM2) Fredag d. 2. januar 22 kl. 9. 3. 4 timer med alle sædvanlige skriftlige
Læs mereSimplex 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 mereC++-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
Læs mereAntag X 1, X 2,..., X n er n uafhængige stokastiske variable, hvor Var(X 1 )=σ 2 1,..., Var(X n )=σ 2 n.
Simple fejlforplantningslov Landmålingens fejlteori Lektion 6 Den generelle fejlforplantningslov Antag X, X,, X n er n uafhængige stokastiske variable, hvor Var(X )σ,, Var(X n )σ n Lad Y g(x, X,, X n ),
Læs mereMatematisk modellering og numeriske metoder. Lektion 10
Matematisk modellering og numeriske metoder Lektion 10 Morten Grud Rasmussen 2. november 2016 1 Partielle differentialligninger 1.1 Det grundlæggende om PDE er Definition 1.1 Partielle differentialligninger
Læs mereEgenværdier 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.
Læs mereEkstrema: Teori og praksis Ubegrænset, ikke-lineær optimering
Ekstrema: Teori og praksis Ubegrænset, ikke-lineær optimering Gruppe G3-106 Aalborg Universitet Institut for Matematiske Fag 20. december 2012 Institut for Matematiske Fag Fredrik Bajers Vej 7G 9220 Aalborg
Læs mereLineære 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 mereEKSAMENSOPGAVELØSNINGER CALCULUS 2 (2005) JANUAR 2006 AARHUS UNIVERSITET.. Beregn den retningsafledede D u f(0, 0).
EKSAMENSOPGAVELØSNINGER CALCULUS 2 (2005) JANUAR 2006 AARHUS UNIVERSITET H.A. NIELSEN & H.A. SALOMONSEN Opgave. Lad f betegne funktionen f(x, y) = x cos(y) + y sin(x). ) Angiv gradienten f. 2) Lad u betegne
Læs mereLineær Algebra F08, MØ
Lineær Algebra F08, MØ Vejledende besvarelser af udvalgte opgaver fra Ugeseddel 3 og 4 Ansvarsfraskrivelse: Den følgende vejledning er kun vejledende. Opgaverne kommer i vilkårlig rækkefølge. Visse steder
Læs mereEkstrema, Teori og Praksis
Kasper H. Christensen Andreas D. Christoffersen Christoffer Gøthgen Stine M. Jensen Kenneth V. L. Offersen Vini M. Olsen Ekstrema, Teori og Praksis - Ikke-lineæar optimeringsproblemer Vejleder: Martin
Læs mereLineære 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 mereKarakteristiske funktioner og Den Centrale Grænseværdisætning
E6 efterår 1999 Notat 10 Jørgen Larsen 20. oktober 1999 Karakteristiske funktioner og Den Centrale Grænseværdisætning Karakteristiske funktioner som er nære slægtninge til Fourier-transformationen) er
Læs mereDifferentialregning. Ib Michelsen
Differentialregning Ib Michelsen Ikast 2012 Forsidebilledet Tredjegradspolynomium i blåt med rød tangent Version: 0.02 (18-09-12) Denne side er (~ 2) Indholdsfortegnelse Introduktion...5 Definition af
Læs mereMASO 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 mereModule 1: Lineære modeller og lineær algebra
Module : Lineære modeller og lineær algebra. Lineære normale modeller og lineær algebra......2 Lineær algebra...................... 6.2. Vektorer i R n................... 6.2.2 Regneregler for vektorrum...........
Læs mereDiagonalisering. 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
Læs mereInstitut for Matematiske Fag Aalborg Universitet Specielt: Var(aX) = a 2 VarX 1/40. Lad X α, X β og X γ være stokastiske variable (vinkelmålinger) med
Repetition: Varians af linear kombination Landmålingens fejlteori Lektion 5 Fejlforplantning - rw@math.aau.dk Antag X 1, X,..., X n er uafhængige stokastiske variable, og Y er en linearkombination af X
Læs mereOm første og anden fundamentalform
Geometri, foråret 2005 Jørgen Larsen 9. marts 2005 Om første og anden fundamentalform 1 Tangentrummet; første fundamentalform Vi betragter en flade S parametriseret med σ. Lad P = σu 0, v 0 være et punkt
Læs mereFunktion 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 mereDifferentiation af sammensatte funktioner
1/7 Differentiation af sammensatte funktioner - Fra www.borgeleo.dk En sammensat funktion af den variable x er en funktion, vor x først indsættes i den såkaldte indre funktion. Resultatet fra den indre
Læs mereEkstremum for funktion af flere variable
Ekstremum for funktion af flere variable Preben Alsholm 28. april 2008 1 Ekstremum for funktion af flere variable 1.1 Hessematricen I Hessematricen I Et stationært punkt for en funktion af flere variable
Læs mereLineær algebra: Spænd. Lineær (u)afhængighed
Lineær algebra: Spænd. Lineær (u)afhængighed Institut for Matematiske Fag Aalborg Universitet 2011 Linearkombinationer. Spænd Definition Givet et antal vektorer a 1,..., a p R n. En vektor v = c 1 a 1
Læs mereLigningssystemer - 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 mereChapter 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 mereIntroduktion til differentialregning 1. Jens Siegstad og Annegrethe Bak
Introduktion til differentialregning 1 Jens Siegstad og Annegrete Bak 16. juli 2008 1 Indledning I denne note vil vi kort introduktion til differentilregning, idet vi skal bruge teorien i et emne, Matematisk
Læs mereMM502+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 mere12.1 Cayley-Hamilton-Sætningen
SEKTION 12.1 CAYLEY-HAMILTON-SÆTNINGEN 12.1 Cayley-Hamilton-Sætningen Sætning 12.1.1 (Cayley-Hamilton) Lad A Mat n,n (C). Så gælder p A (A) =. Sætningen gælder faktisk over et vilkårligt legeme, men vi
Læs mereReaktionskinetik - 1 Baggrund. lineære og ikke-lineære differentialligninger. Køreplan
Reaktionskinetik - lineære og ikke-lineære differentialligninger Køreplan 1 Baggrund På 2. eller 4. semester møder kemi/bioteknologi studerende faget Indledende Fysisk Kemi (26201/26202). Her behandles
Læs mereDifferentiabilitet. f(h) = f(x 0 +h) f(x 0 ). y = f(x) f(h) df(h) Figur 1: Tangent, tilvækst og differential. lim. df(h) = f (x 0 )h.
Differentiabilitet 1 Funktioner af én reel variabel Tilvækstfunktionen f med udgangspunkt i x 0 er en reel funktion af tilvæksten : f() = f(x 0 +) f(x 0 ). y = f(x) Tangent (x 0,f(x 0 )) df() f() x 0 x
Læs mereUnderrum - 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 mereSandsynlighed og Statistik
36 Sandsynlighed og Statistik 6.1 Indledning Denne note beskriver de statistiske begreber og formler som man med rimelig sandsynlighed kan komme ud for i eksperimentelle øvelser. Alt er yderst korfattet,
Læs mereTaylorudvikling I. 1 Taylorpolynomier. Preben Alsholm 3. november Definition af Taylorpolynomium
Taylorudvikling I Preben Alsholm 3. november 008 Taylorpolynomier. Definition af Taylorpolynomium Definition af Taylorpolynomium Givet en funktion f : I R! R og et udviklingspunkt x 0 I. Find et polynomium
Læs mereOperationsanalyse, 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 mereOm hypoteseprøvning (1)
E6 efterår 1999 Notat 16 Jørgen Larsen 11. november 1999 Om hypoteseprøvning 1) Det grundlæggende problem kan generelt formuleres sådan: Man har en statistisk model parametriseret med en parameter θ Ω;
Læs mereMASO Uge 8. Invers funktion sætning og Implicit given funktion sætning. Jesper Michael Møller. Department of Mathematics University of Copenhagen
MASO Uge 8 Invers funktion sætning og Implicit given funktion sætning Jesper Michael Møller Department of Mathematics University of Copenhagen Uge 43 Formålet med MASO Oversigt Invertible og lokalt invertible
Læs mereNøgleord og begreber Separable ligninger 1. ordens lineær ligning August 2002, opgave 7 Rovdyr-Byttedyr system 1. ordens lineært system Opgave
Oversigt [S] 7.3, 7.4, 7.5, 7.6; [LA] 14, 15 Nøgleord og begreber Separable ligninger 1. ordens lineær ligning August 2002, opgave 7 Rovdyr-Byttedyr system 1. ordens lineært system Opgave Calculus 2-2005
Læs mereGult Foredrag Om Net
Gult Foredrag Om Net University of Aarhus Århus 8 th March, 2010 Introduktion I: Fra Metriske til Topologiske Rum Et metrisk rum er en mængde udstyret med en afstandsfunktion. Afstandsfunktionen bruges
Læs mereLineære 2. ordens differentialligninger med konstante koefficienter
enote 13 1 enote 13 Lineære 2. ordens differentialligninger med konstante koefficienter I forlængelse af enote 11 og enote 12 om differentialligninger, kommer nu denne enote omkring 2. ordens differentialligninger.
Læs mereLøsninger til udvalgte Eksamensopgaver i Lineær Algebra Juni 2000 og Juni 2001.
Løsninger til udvalgte Eksamensopgaver i Lineær Algebra Juni og Juni. Preben Alsholm 9. november 9 Juni Opgave 3 f : P (R) R 3 er givet ved f (P (x)) P () a + P () b, hvor a (,, ) og b (, 3, ). Vi viser,
Læs mereLineær programmering. med Derive. Børge Jørgensen
Lineær programmering med Derive Børge Jørgensen 1 Indholdsfortegnelse. Forord ---------------------------------------------------------------------------------- 2 Introduktion til lineær programmering
Læs mereSamtlige 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 mereEksamen i Calculus. 14. juni f (x, y, z) = 1 + x 2 + y 2. x 2 + y 2 1 Hele rummet uden z aksen
Eksamen i Calculus Første Studieår ved Det Tekniske Fakultet for IT og Design, Det Sundhedsvidenskabelige Fakultet samt Det Ingeniør- og Naturvidenskabelige Fakultet 14. juni 019 Opgave 1 (6 point) En
Læs mere