4. Simplexmetoden. Basisløsning. x Geometrisk hovedindhold
|
|
|
- Camilla Ibsen
- 8 år siden
- Visninger:
Transkript
1 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 analyser Henrik Juel x 2 x 1 Simplexmetoden starter i (0,0) Z s stigningstakt bestemmes for kanterne Næste løsning ligger for enden af bedste kant Metoden stopper når alle stigningstakter er negative OR, IMM, DTU 4. Simplexmetoden p. 1/31 4. Simplexmetoden p. 2/ Opstart Begrænsningerne ændres til ligninger ved at indføre slackvariabler x 1 4 x 3 4 x 1 x 1 4 og x 3 0 max. Z = 3x 1 + 5x 2 uht. 2x 2 + x 4 = 12 3x 1 + 2x 2 + x 5 = 18 x 1 0, x 2 0, x 3 0, x 4 0, x 5 0 Basisløsning Basisløsning, f.eks. (6,0, 2,12,0) Mulig basisløsning, f.eks. (2,6,2,0,0) med basisvariabler x 1, x 2, x 3 og ikkebasisvariabler x 4, x 5 Mulige basisløsninger svarer til mulige hjørneløsninger max. Z uht. Z 3x 1 5x 2 = 0 2x 2 + x 4 = 12 3x 1 + 2x 2 + x 5 = 18 x 1 0, x 2 0, x 3 0, x 4 0, x Simplexmetoden p. 3/31 4. Simplexmetoden p. 4/31
2 4.3. Algebraisk form Algebraisk form fortsat Ikkebasisvariabler: x 1 = x 2 = 0 Værdierne af Z og basisvariablerne kan aflæses Z 3x 1 5x 2 = 0 2x 2 + x 4 = 12 3x 1 + 2x 2 + x 5 = 18 Indkommende variabel: x 2 Udgående variabel: x 4 Z 3x 1 5x 2 = 0 2x 2 + x 4 = 12 3x 1 + 2x 2 + x 5 = 18 Z 3x 1 + 5/2x 4 = 30 x 2 + 1/2x 4 = 6 3x 1 x 4 + x 5 = 6 x 1 ind x 5 ud 4. Simplexmetoden p. 5/31 4. Simplexmetoden p. 6/31 Algebraisk form fortsat igenigen Z 3x 1 + 5/2x 4 = 30 + x 2 + 1/2x 4 = 6 3x 1 x 4 + x 5 = 6 Z + 3/2x 4 + x 5 = 36 x 3 + 1/3x 4 1/3x 5 = 2 + x 2 + 1/2x 4 = 6 x 1 1/3x 4 + 1/3x 5 = 2 Optimum: Z = 36, x = (2, 6, 2, 0, 0) 4. Simplexmetoden p. 7/ Tableauform Basisvariabler antydes med et enkelt 1 i søjlen Rækkenummer udelades Z x 1 x 2 x 3 x 4 x / / Simplexmetoden p. 8/31
3 Tableauform fortsat Z x 1 x 2 x 3 x 4 x / / / /3 1/ / /3 1/3 2 Simplexmetoden, fase 2 1. Opskriv første tableau 2. Er alle koefficienter i række (0) ikkenegative? ja: optimum, stop nej: mest negativ indkommende 3. Udfør kvotienttest (positiv nævner) mindste kvotient udgående 4. Pivotér, gå til step 2 4. Simplexmetoden p. 9/31 4. Simplexmetoden p. 10/ Løse ender Flere mest negative koefficienter i række (0) Flere mindste kvotienter Degeneration: en basisvariabel har værdien 0 Ingen positive koefficienter i pivotsøjlen: Ubegrænset gode løsninger Optimalt tableau med 0 i række (0): Flere optimale løsninger Flere optimale løsninger Wyndor med Z = 3x 1 + 2x 2 Z x 1 x 2 x 3 x 4 x /2 1/ /3 1/ /3 1/ / Simplexmetoden p. 11/31 4. Simplexmetoden p. 12/31
4 Alle optimale løsninger Optimale basisløsninger: x = (x 1, x 2 ) = (4, 3) x = (2, 6) Alle optimale løsninger: x = w 1 (4, 3) + w 2 (2, 6) for alle w 1, w 2 med w 1 + w 2 = 1, w 1 0, w Kunstige variabler Strålebehandling (fra s. 44) min. Z =.4x 1 +.5x 2 uht..3x 1 +.1x x 1 +.5x 2 = 6.6x 1 +.4x 2 6 x 1 0, x 2 0 slack x 3, surplus x 5, kunstige x 4 og x 6 alle x-variabler ikkenegative.3x 1 +.1x 2 + x 3 = 2.7.5x 1 +.5x 2 + x 4 = 6.6x 1 +.4x 2 x 5 + x 6 = 6 4. Simplexmetoden p. 13/31 4. Simplexmetoden p. 14/31 Tofasemetoden I fase 1 minimeres summen af de kunstige variabler: min. Z = x 4 + x 6 eller max. Z uht. Z + x 4 + x 6 = 0 (husk at etablere et legitimt Simplextableau) Når Z = 0 har vi en basis af ikkekunstige variabler I fase 2 optimeres den rigtige målfunktion: min. Z =.4x 1 +.5x 2 eller max. Z uht. Z +.4x 1 +.5x 2 = 0 Fase 1: legitimt tableau /10 1/ /10 1/2 1/ /5 2/ /10 9/ /10 1/ /10 1/2 1/ /5 2/ Simplexmetoden p. 15/31 4. Simplexmetoden p. 16/31
5 Fase 1: 1. iteration 1 11/10 9/ /10 1/ /10 1/2 1/ /5 2/ /15 11/3 1 21/10 1 1/3 10/ /3 5/ /2 1/ /5 Fase 1: 2. iteration 1 8/15 11/3 1 21/10 1 1/3 10/ /3 5/ /2 1/ /5 1 5/3 5/3 8/3 1/2 1 20/3 5/3 5/3 8 5/3 1 5/3 5/3 1/ Simplexmetoden p. 17/31 4. Simplexmetoden p. 18/31 Fase 1: 3. iteration 1 5/3 5/3 8/3 1/2 1 20/3 5/3 5/3 8 5/3 1 5/3 5/3 1/ /2 1 3/ / /2 Efter fase 1 1. De kunstige variabler droppes 2. Den rigtige målfunktion indlægges 3. Tableaudelen under stregen kopieres fra fase 1 4. Et legitimt Simplextableau etableres 5. Simplexiterationer til optimum (her 0 iterationer) 4. Simplexmetoden p. 19/31 4. Simplexmetoden p. 20/31
6 Fase 2 Z x 1 x 2 x 3 x 5 1 2/5 1/ / / /2 1 1/2 21/ / / /2 Z = 5.25, x 1 = 7.5, x 2 = 4.5 Fase 1 kan mislykkes Strålebehandling med /10 9/ /10 1/ /5 1/2 1/ /5 2/ /15 11/3 1 27/5 1 1/3 10/ /3 5/ / /5 4. Simplexmetoden p. 21/31 4. Simplexmetoden p. 22/31 Ingen mulig løsning 1 8/15 11/3 1 27/5 1 1/3 10/ /3 5/ / / /5 1 3/ / /5 Andre nedre grænser x 1 9 x 1 x Indsæt x 1 = x 1 9 overalt, løs med x 1 0 x 2 > dvs. x 2 er en fri variabel Indsæt x 2 = x + 2 x 2 overalt, løs med x+ 2, x 2 0 x + 2, x 2 er aldrig begge i basis Z = 3/5 > 0 ingen mulig løsning 4. Simplexmetoden p. 23/31 4. Simplexmetoden p. 24/31
7 Simplexmetoden. Fase 0 Simplexmetoden. Fase 1 beslutningsvariabler ikkenegative variabler begrænsninger ligninger vha. slack- og surplusvariabler kunstige variabler x j Z = x j skal minimeres et legitimt simplextableau etableres simplexiterationer 1. indkommende variabel 2. udgående variabel 3. pivotering hvis Z > 0: ingen mulig løsning, stop 4. Simplexmetoden p. 25/31 4. Simplexmetoden p. 26/31 Simplexmetoden. Fase 2 Z skal optimeres et legitimt simplextableau etableres simplexiterationer 1. indkommende variabel 2. udgående variabel 3. pivotering hvis den indkommende variabel kun har ikkepositive koefficienter, har modellen ubegrænset gode løsninger, stop ellers: optimal løsning bestemmes, stop Ressourceallokeringsmodel Fase 0: tilføj slackvariabler Fase 1: overspringes Fase 2: simplexiterationer 4. Simplexmetoden p. 27/31 4. Simplexmetoden p. 28/31
8 4.7. Postoptimale analyser Skyggepriser Reoptimering Skyggepriser Følsomhedsanalyse Parametrisk programmering I et ressourceallokeringsproblem er skyggeprisen for ressource i: Z / b i forudsat ændringen er lille nok Skyggeprisen fås fra det optimale tableau som koefficienten i række (0) til slackvariablen for ressource i Ikkebindende ressourcer har en skyggepris på 0 4. Simplexmetoden p. 29/31 4. Simplexmetoden p. 30/31 Skyggepriser fortsat Z x 1 x 2 x 3 x 4 x = b = b = b 3 1 3/ = Z 1 1/3 1/ / /3 1/3 2 Z / b 1 = 0, Z / b 2 = 3/2, Z / b 3 = 1 4. Simplexmetoden p. 31/31
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 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
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 =
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
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
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
Lineær programmering. med Derive. Børge Jørgensen
Lineær programmering med Derive Børge Jørgensen 1 Indholdsfortegnelse. Forord ---------------------------------------------------------------------------------- 2 Introduktion til lineær programmering
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:
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...
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
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
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
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
Projekt Lineær programmering i to variable
Projekt 5.5 - Lineær programmering i to variable. Den grundlæggende ide i lineær programmering Håndtering af optimeringsproblemer er et af de store anvendelsesområder inden for differentialregningen. Det
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
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
Optimering af multifysisk-systemer
Optimering af multifysisk-systemer DANSIS, 29. marts 2006, DTU Fridolin Okkels, Laurits H. Olesen, og Henrik Bruus MIC Institut for Mikro- og Nanoteknologi Danmarks Tekniske Universitet www.mic.dtu.dk/research/mifts
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
Kørselsgodtgørelse - satser
2014 2013 2012 2011 2010 2009 2008 3,73 3,82 3,80 3,67 3,56 3,56 3,47 2,1 2,13 2,10 2,00 1,90 1,90 1,83 0,42 0,43 0,42 0,40 0,38 0,38 0,37 2,10 2,13 2,10 2,00 1,90 1,90 1,83 1) max 1.401 max 1.401 0,51
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
Analytisk plangeometri 1
1 Analytisk plangeometri 1 Kære 1. x, Vi begynder dag vores forløb om analytisk plangeometri. Dette bliver en udvidelse af ting i allerede kender til, så noget ved I i forvejen, mens andet bliver helt
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:
Arealet af en trekant Der er mange formler for arealet af en trekant. Den mest kendte er selvfølgelig
Arealet af en trekant Der er mange formler for arealet af en trekant. Den mest kendte er selvfølgelig som også findes i en trigonometrisk variant, den såkaldte 'appelsin'-formel: Men da en trekants form
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
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
Delprøven uden hjælpemidler
Opgave 1 a) Ved aflæsning på graf fås følgende: Median: 800 kr. Andel dyrere end 1000 kr.: 45%. Opgave 2 Givet funktionen: f (x)= 3x 2 8x +5. a) F(x)= x 3 4x 2 +5x + k. Delprøven uden hjælpemidler Vi finder
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
Lineære sammenhænge, residualplot og regression
Lineære sammenhænge, residualplot og regression Opgave 1: Er der en bagvedliggende lineær sammenhæng? I mange sammenhænge indsamler man data som man ønsker at undersøge og afdække eventuelle sammenhænge
MURVÆRKSPROJEKTERING VER. 4.0 SBI - MUC 01.10.06 DOKUMENTATION Side 1
DOKUMENTATION Side 1 Beregning af murbuer Indledning. Dette notat beskriver den numeriske model til beregning af stik og skjulte buer. Indhold Forkortelser Definitioner Forudsætninger Beregningsforløb
3 Algebra. Faglige mål. Variable og brøker. Den distributive lov. Potenser og rødder
3 Algebra Faglige mål Kapitlet Algebra tager udgangspunkt i følgende faglige mål: Variable og brøker: kende enkle algebraiske udtryk med brøker og kunne behandle disse ved at finde fællesnævner. Den distributive
Bachelorprojekt. Ikke-krydsende fraktil-regression for vindkraftdata. Minh Haw Truong, s090088. Sofie Pødenphant Jensen, s093096
Bachelorprojekt Ikke-krydsende fraktil-regression for vindkraftdata Minh Haw Truong, s090088 Sofie Pødenphant Jensen, s093096 Kgs. Lyngby 18. juni 2012 Danmarks Tekniske Universitet Abstract This work
MOGENS ODDERSHEDE LARSEN. Lineær Planlægning (programmering) med Excel
MOGENS ODDERSHEDE LARSEN Lineær Planlægning (programmering) med Excel 2. udgave 2007 1 Indhold FORORD Denne bog forklarer ved anvendelse af nogle typiske eksempler, hvad der er karakteristisk ved LP -
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.
Potensrækker. Morten Grud Rasmussen 1 10. november 2015. Definition 1 (Potensrække). En potensrække er en uendelig række på formen
Potensrækker Morten Grud Rasmussen 1 10 november 2015 Definition og konvergens af potensrækker Definition 1 Potensrække) En potensrække er en uendelig række på formen a n pz aq n, 1) hvor afsnittene er
Lineære 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
LinAlgDat 2014/2015 Google s page rank
LinAlgDat 4/5 Google s page rank Resumé Vi viser hvordan lineære ligninger naturligt optræder i forbindelse med en simpel udgave af Google s algoritme for at vise de mest interessante links først i en
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
Brug matematiske modeller til at optimere din drift
Brug matematiske modeller til at optimere din drift Matematiske modeller kan være en stor hjælp i beslutningstagen-og planlægningsaktiviteter på både et operationelt, taktisk og strategisk niveau. Matematiske
Eksperimentel Matematik
Eksperimentel Matematik 4 bidrag Ib Michelsen 2007 Trekanter - der ligner hinanden Ib Michelsen VUC Skive-Viborg [email protected] Geometri C 2 6 timer Faglige mål Ensvinklede og ligedannede trekanter
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
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
Mini AT-forløb om kommunalvalg: Mandatfordeling og Retfærdighed 1.x og 1.y 2009 ved Ringsted Gymnasium MANDATFORDELING
MANDATFORDELING Dette materiale er lavet som supplement til Erik Vestergaards hjemmeside om samme emne. 1 http://www.matematiksider.dk/mandatfordelinger.html I dette materiale er en række øvelser der knytter
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
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
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
Matematik. 1 Matematiske symboler. Hayati Balo,AAMS. August, 2014
Matematik Hayati Balo,AAMS August, 2014 1 Matematiske symboler For at udtrykke de verbale udsagn matematisk korrekt, så det bliver lettere og hurtigere at skrive, indføres en række matematiske symboler.
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
Løs til optimalitet i eksponentiel tid Find tilnærmet løsning i polynomiel tid
6 april Løsning af N P -hårde problemer Løs til optimalitet i eksponentiel tid Find tilnærmet løsning i polynomiel tid Oversigt Grænseværdier (repetition) Branch-and-bound algoritmens komponenter Eksempler
Bedste rette linje ved mindste kvadraters metode
1/9 Bedste rette linje ved mindste kvadraters metode - fra www.borgeleo.dk Figur 1: Tre datapunkter og den bedste rette linje bestemt af A, B og C Målepunkter og bedste rette linje I ovenstående koordinatsystem
Opgave 1 Regning med rest
Den digitale signatur - anvendt talteori og kryptologi Opgave 1 Regning med rest Den positive rest, man får, når et helt tal a divideres med et naturligt tal n, betegnes rest(a,n ) Hvis r = rest(a,n) kan
Programmering for begyndere Lektion 2. Opsamling mm
Lektion 2 Opsamling mm God tone Der er indlagt spørge sessioner Lektion 2 - Agenda Programmering for Lidt ændringer til teknikken, herunder hvordan du genser en lektion Lidt generelle tilbagemeldinger
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
Løsning til opgave 7, 9, 10 og 11C Matematik B Sommer 2014
Vejledning til udvalgte opgave fra Matematik B, sommer 2014 Opgave 7 Størrelsen og udbudsprisen på 100 fritidshuse på Rømø er indsamlet via boligsiden.dk. a) Grafisk præsentation, der beskriver fordelingen
Optimering af hastighedsprofilet ved opgradering af jernbaner. Jesper Thorsen Kim Bang Salling
Optimering af hastighedsprofilet ved opgradering af jernbaner Jesper Thorsen Kim Bang Salling Hvem er nu det? Kandidatstuderende ved DTU Transport Studentermedhjælper hos DSB (Langsigtet Planlægning) Normalt
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
Chapter 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
Løsning til prøveeksamen 1
IMM - DTU 020 Probability 2006-2-8 BFN/bfn Løsning til prøveeksamen Spørgsmål ) For en indikatorvariabel I A for hændelsen A gælder E(I A ) = P(A) (se for eksemepl side 68). Således er E(X) = P(N ) = =
(UKYHUYV NRQRPL)RUnU &KU+MRUWK$QGHUVHQ
(UKYHUYV NRQRPL)RUnU &KU+MRUWK$QGHUVHQ (QQRWHRPOLQH USURJUDPPHULQJ Lineær programmering, eller LP-modeller, som de ofte kaldes, var en metode, der blev udviklet i 50'erne og 60'erne. I Danmark var især
Modulet kan både beregne skjulte buer og stik (illustreret på efterfølgende figur).
Murbue En murbue beregnes generelt ved, at der indlægges en statisk tilladelig tryklinje/trykzone i den geometriske afgrænsning af buen. Spændingerne i trykzonen betragtes i liggefugen, hvor forskydnings-
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
Fagårsplan 10/11 Fag: Matematik Klasse: 7.ABC Lærer: Henrik Stillits. Fagområde/ emne
Fagårsplan 10/11 Fag: Matematik Klasse: 7.ABC Lærer: Henrik Stillits. Fagområde/ emne Matematiske færdigheder Grundlæggende færdigheder - plus, minus, gange, division (hele tal, decimaltal og brøker) Identificer
Når eleverne skal opdage betydningen af koefficienterne i udtrykket:
Den rette linje og parablen GeoGebra er tænkt som et dynamisk geometriprogram, som både kan anvendes til euklidisk og analytisk geometri Eksempel Tegn linjen med ligningen: Indtast ligningen i Input-feltet.
Øvelser til Eksamensopgaver i matematik
Øvelser til Eksamensopgaver i matematik med TI-Nspire CAS ver. 2.0 Udarbejdet af: Brian M.V. Olesen Marts 2010 Indholdsfortegnelse TI-Nspire CAS version 2.0...2 Generelle TIPS & TRICKS (T&T)...3 Eksempel
Matematisk 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
Økonometri 1. Den simple regressionsmodel 11. september Økonometri 1: F2
Økonometri 1 Den simple regressionsmodel 11. september 2006 Dagens program Den simple regressionsmodel SLR : Én forklarende variabel (Wooldridge kap. 2.1-2.4) Motivation for gennemgangen af SLR Definition
Opgaver til Kapitel 6 MatB
Opgave 1 En funktion i to variable er givet ved f (, ) = + 5 + 0 Indtegn niveauliner svarende til N(0), N(200) og N(400) og illustrér ved hjælp af en pil på niveaulinjerne den retning, hvori niveauet bliver
Differentiation 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
Noter til C# Programmering Iteration
Noter til C# Programmering Iteration Programflow Programmer udfører det meste af deres arbejde vha. forgrening og løkker. Løkker Mange programmeringsproblemer kan løses ved at gentage en handling på de
Der er facit på side 7 i dokumentet. Til opgaver mærket med # er der vink eller kommentarer på side 6.
Der er facit på side 7 i dokumentet. Til opgaver mærket med # er der vink eller kommentarer på side 6. 1. Figuren viser grafen for en funktion f. Aflæs definitionsmængde og værdimængde for f. # Aflæs f
Undervisningsbeskrivelse
Undervisningsbeskrivelse Stamoplysninger til brug ved prøver til gymnasiale uddannelser Termin Maj juni 2012 Institution Campus Vejle Uddannelse Fag og niveau Lærer(e) Hold HHX Matematik B Ejner Husum
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
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
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.
Løsninger til eksamensopgaver på A-niveau 2019 ny ordning
Løsninger til eksamensopgaver på A-niveau 2019 ny ordning Opgave 1: r ( t) Q( 7,8) 21. maj 2019: Delprøven UDEN hjælpemidler 2t + 1 = 2 t 1 a) Funktionsværdien bestemmes ved indsættelse af t-værdien: 2
Undervisningsbeskrivelse
Undervisningsbeskrivelse Stamoplysninger til brug ved prøver til gymnasiale uddannelser Termin Maj-juni 2018 Institution EUC Nordvest, Thisted Handelsgymnasium Uddannelse Fag og niveau Lærer(e) Hold HHX
Integralregning med TI-Interactive! Stamfunktioner Integraler Arealer Jan Leffers (2005)
Integralregning med TI-Interactive! Stamfunktioner Integraler Arealer Jan Leffers (005) Indholdsfortegnelse Indholdsfortegnelse... Stamfunktion og integralregning...3 Numerisk integration...3 Areal under
Undervisningsbeskrivelse
Undervisningsbeskrivelse Stamoplysninger til brug ved prøver til gymnasiale uddannelser Termin Institution Uddannelse Fag og niveau Lærer(e) Hold Termin hvori undervisningen afsluttes: Juni 2012 Roskilde
1 Monopoler (kapitel 24)
Monopoler (kapitel 24). Vi har indtil nu fokusret på markeder med fuldkommen konkurrence: Virksomheder tager prisen for given. 2. Vi ser nu på et marked med én virksomhed. (a) Virksomheden sætter prisen
18.1. Højttalerproduktion. 18. Lagermodeller Determ. lagermodeller. Grundmodel
18. Lagermodeller 18.1. Eksempler 18.3. Deterministiske lagermodeller 18.7. tokastiske lagermodeller Henrik Juel OR, DTU-Management 18.1. Højttalerproduktion Givne parametre: Efterspørgsel d = 8000 stk/måned
DesignMat Uge 5 Systemer af lineære differentialligninger II
DesignMat Uge 5 Systemer af lineære differentialligninger II Preben Alsholm Efterår 21 1 Lineære differentialligningssystemer 11 Lineært differentialligningssystem af første orden Lineært differentialligningssystem
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.
Deskriptiv statistik for hf-matc
Deskriptiv statistik for hf-matc 75 50 25 2018 Karsten Juul Deskriptiv statistik for hf-matc Hvad er deskriptiv statistik? 1.1 Hvad er deskriptiv statistik?... 1 1.2 Hvad er grupperede og ugrupperede data?...
Lineære 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
