Lösningar till SF1852 Optimeringslära för E, 16/1 08
|
|
- Anna-Karin Lundström
- för 5 år sedan
- Visningar:
Transkript
1 Lösningar till SF8 Optimeringslära för E, 6/ 8 Uppgift (a) Problemet är ett transportproblem, ett specialfall av minkostnadsflödesproblem Nätverket består av 7 st noder A,B,C,P,Q,R,S, alternativt kallade,,,7, samt st bågar (A,P),,(C,S), alternativt kallade (,4),,(3,7) Den av transportchefen föreslagna lösningen svarar mot ett uppspännande träd i nätverket, mot en baslösning till problemet Det är vidare en tillåten baslösning, ty balansekvationerna är uppfyllda i alla noder och inga variabler är negativa Man beräknar simplexmultiplikatorer y i ur villkoren y i y j = c ij för basvariabler ( trädbågar), samt y 7 = Det ger att y = (4, 6,,,,, ) Därefter beräknas reducerade kostnader för icke-basvariabler ur r ij = c ij y i + y j Det ger att r ij = för alla icke-basvariabler Den förslagna lösningen är alltså optimal, eftersom r ij för alla icke-basvariabler Om man inför variabelvektorn x = ( x 4 x x 6 x 7 x 4 x x 6 x 7 x 34 x 3 x 36 x 37 ) T och kostnadsvektorn c = ( c 4 c c 6 c 7 c 4 c c 6 c 7 c 34 c 3 c 36 c 37 ) T = = ( ) T, så kan det betraktade transportproblemet skrivas på formen TP : minimera c T x då Ax = b, x, där A = och b = En optimal lösning är, enligt ovan, ˆx = ( 4 4 ) T,
2 Uppgift (b) Först kan konstateras att A är symmetrisk, A T = A, vilket medför att R(A T ) = R(A) och N (A T ) = N (A) Nu använder vi Gauss Jordans metod på den givna matrisen A = Multiplikation av första raden med ger till resultat matrisen Addition av (+) gånger första raden till andra raden, samt addition av (+) gånger första raden till tredje raden, ger till resultat matrisen Multiplikation av andra raden med / ger till resultat matrisen Addition av (+) gånger andra raden till första raden, samt addition av (+) gånger andra raden till tredje raden, ger till resultat matrisen = T Nu är A överförd till trappstegsform med två trappstegsettor En bas till R(A) erhålls genom att som basvektorer välja de kolonner i A som svarar mot trappstegsettor i T, kolonnerna nr och i A De två vektorerna och utgör alltså en bas till såväl R(A) som till R(A T ) En bas till N (A) kan bestämmas enligt följande: Sätt x 3 = (den enda variabel som inte svarar mot en trappstegsetta) och bestäm sedan x och x (variablerna svarande mot trappstegsettor) så att Tx = Det ger den första och enda basvektorn till såväl N (A) som till N (A T )
3 Uppgift (a) Om vi inför slackvariabler x och x 6, för att överföra olikhetsbivillkoren till likhetsbivillkor, samt byter tecken på målfunktionen, för att överföra maximeringsproblemet till ett minimeringsproblem, så får vi ett LP-problem på standardformen där A =, b = minimera c T x då Ax = b, x, ( ) 9 och c 6 T = ( 3, 4,,,, ) Startlösningen ska ha basvariablerna x och x 6, vilket innebär att β = (, 6) och δ = (,, 3, 4) Motsvarande basmatris ges av A β =, medan A δ = Basvariablernas värden i baslösningen ges av x β = b, där vektorn b beräknas ur ekvationssystemet A β b = b, ) ( ) ) ( ) ( b 9 ( b =, med lösningen b 6 b 9 = = b 6 Vektorn y med simplexmultiplikatorerna värden erhålls ur systemet A ( ) ( ) ( ) ( ) T β y = c β, y y =, med lösningen y = = y Reducerade kostnaderna för icke-basvariablerna [ ges av ] r T δ = ct δ yt A δ = ( 3, 4,, ) (, ) = ( 3, 4,, ) Eftersom r δ = r = 4 är minst, och <, ska vi låta x bli ny basvariabel Då behöver vi beräkna vektorn ā ur systemet A β ā = a, ) ( ) ) (ā (ā =, med lösningen ā = = ā y ā ( ) Det största värde som den nya basvariabeln x kan ökas till ges av { } { bi 9 t max = min ā i > = min i ā i, 6 } = 6 = b ā Minimerande index är i =, varför x β = x 6 inte längre får vara kvar som basvariabel Dess plats tas av x Nu är alltså β = (, ) och δ = (, 6, 3, 4) Motsvarande basmatris ges av A β = [ ], medan A δ = Basvariablernas värden i baslösningen ges av x β = b, där vektorn b beräknas ur ekvationssystemet A β b = b, ) ( ) ) ( ) ( b 9 ( b 3 =, med lösningen b = = b 6 b 3 3
4 Vektorn y med simplexmultiplikatorerna värden erhålls ur systemet A ( ) ( ) ( ) ( ) T β y = c β, y y =, med lösningen y = = 4 y Reducerade kostnaderna för icke-basvariablerna [ ges av ] r T δ = ct δ yt A δ = ( 3,,, ) (, ) = (,,, ) Eftersom r δ så är den aktuella baslösningen optimal Därmed är punkten x =, x = 3, x 3 =, x 4 = optimal till det ursprungliga problemet Optimalvärdet är till minimeringsproblemet och + till maximeringsproblemet Uppgift (b) Eftersom r δ3 = r 3 = så påverkas inte målfunktionen om vi låter ickebasvariabeln x 3 öka från sitt aktuella värde Vi kan därför låta x 3 bli ny basvariabel Då behöver vi beräkna vektorn ā 3 ur systemet A β ā 3 = a 3, ) ( ) ) (ā3 (ā3 =, med lösningen ā 3 = = ā 3 y ā 3 ( ) Det största värde som den nya basvariabeln x 3 kan ökas till ges av { } { } bi 3 t max = min ā i3 > = min i ā i3, 3 = 3 = b ā 3 Minimerande index är i =, varför x β = x inte längre får vara kvar som basvariabel Dess plats tas av x 3 Nu är alltså β = (3, ) och δ = (, 6,, 4) Motsvarande basmatris ges av A β = [ ], medan A δ = Basvariablernas värden i baslösningen ges av x β = b, där vektorn b beräknas ur ekvationssystemet A β b = b, ) ( ) ) ( ) ( b 9 ( b 3 =, med lösningen b = = b 6 b Vektorn y med simplexmultiplikatorerna värden erhålls ur systemet A ( ) ( ) ( ) ( ) T β y = c β, y y =, med lösningen y = = 4 y Reducerade kostnaderna för icke-basvariablerna [ ges av ] r T δ = ct δ yt A δ = ( 3,,, ) (, ) = (,,, ) Eftersom r δ så är även denna baslösningen optimal (vilket vi redan visste) Därmed är punkten x =, x =, x 3 = 3, x 4 = optimal till det ursprungliga problemet Optimalvärdet är till minimeringsproblemet och + till maximeringsproblemet y 4
5 Uppgift 3(a) Vi utför radoperationer på matrisen [ A b ] 6 = 3 6 Addition av (+) gånger första raden till andra raden ger 3 6 Addition av (+) gånger andra raden till tredje raden ger 3 3 Tredje raden motsvarar nu ekvationen x + x + x 3 = 9 som saknar lösning Uppgift 3(b) Att minimera Ax b är ekvivalent med att lösa A T Ax = A T b Vi utför därför radoperationer på matrisen [ A T A A T b ] 9 = 6 3 Addition av ( ) gånger första raden till andra raden, samt 9 addition av (+) gånger första raden till tredje raden, ger Addition av ( ) gånger andra raden till tredje raden, samt 8 addition av ( /3) gånger andra raden till tredje raden, ger En lösning (av flera) till detta systemet är x = (4,, ) T Uppgift 3(c) En lösning till normalekvationerna är enligt ovan x = (4,, ) T, med A x = (, 4, ) T Då gäller ekvivalensen A T Ax = A T b Ax = A x Vi ska nu minimera x då Ax = A x Optimal lösning till detta ges av ˆx = A T û, där AA T û = A x Vi utför därför radoperationer på matrisen [ AA T A x ] = Addition av (+) gånger första raden till andra raden, samt addition av (+) gånger första raden till tredje raden, ger Addition av (+) gånger andra raden till tredje raden, samt addition av (+/3) gånger andra raden till första raden, ger En lösning (av flera) till detta system är û = (,, ) T Då är ˆx = A T û = (3, 4 4, ) T minimum-normlösningen till minsta-kvadratproblemet
6 Uppgift 4(a) Låt f(x) = 8x 6x, g (x) = x + 3x och g (x) = 8 x 3x Då kan vårt givna problem skrivas: minimera f(x) då g (x) och g (x) Gradienterna ges av f(x) = (6x, x ), g (x) = (4x, 6x ) och g (x) = ( 4x, 6x ) KKT-villkoren för detta problem är: KKT-: f(x) + y g (x) + y g (x) = T, KKT-: g i (x) för i =,, KKT-3: y i för i =,, KKT-4: y i g i (x) = för i =, som i vårt speciella fall kan skrivas KKT-: 4x (4 + y y ) = och 6x ( + y y ) = KKT-: x + 3x och 8 x 3x KKT-3: y och y KKT-4: y (x + 3x ) = och y (8 x 3x ) = Uppgift 4(b) Ur KKT-4 följer att minst en av y och y måste vara lika med noll Ur KKT- följer att minst en av x och x måste vara lika med noll Å andra sidan kan inte både x och x vara noll samtidigt, ty då uppfylls inte KKT- Alltså är exakt en av x och x lika med noll i varje KKT-punkt Antag först att x medan x = Då följer ur KKT- att y = och y = 4, varefter KKT-4 ger att x = eller Antag sedan att x medan x = Då följer ur KKT- att y = och y =, varefter KKT-4 ger att x = eller Vi har alltså följande fyra KKT-punkter och tillhörande Lagrangemultiplikatorer: ( ) ( ) ( ) ( ) x = och y =, x = och y =, 4 4 ( ) ( ) ( ) ( ) x = och y =, x = och y = 6
7 Uppgift (a) Om både x > och x > så ges gradienten till f av f(x) = ( F(x) = 8 ( x + ) ( x + ), 8 ( x + )( x + ) 3 ), medan Hessianen till f ges av 6 ( x + ) 3 ( x + ) 8 ( x + ) ( x + ) 8 ( x + ) ( x + ) 6 ( x + )( x + ) 3 Speciellt är f(x () ) = (, 4 ) och F(x () ) = a b Matrisen F(x () ) är positivt definit, ty en matris av typen är positivt definit b c om och endast om a >, c > och ac b >, vilket är uppfyllt för F(x () ) Därmed bestäms Newtonriktningen d () ur ekvationssystemet F(x () )d () = f(x () ) T, ( ) ( ) ( ) d systemet =, med lösningen d d 4 () = 4 ( ) Vi prövar steget med t =, så att x () = x () + t d () = x () + d () = Då blir f(x () ) = 8/ <, medan f(x () ) = 8/4 3 = ( ) Eftersom f(x () ) < f(x () ) gick steget med t = bra, och vi accepterar x () = som nästa iterationspunkt Därmed har vi utfört en iteration med Newtons metod Uppgift (b) Vi ser att för alla värden på x och x är f(x) 8 x 3x, så om exempelvis x = och x + så får vi att f(x) Det betyder att det inte finns någon global minpunkt till f(x), och därmed är det förstås omöjligt för Newtons metod att konvergera mot en sådan 7
8 Uppgift 6 Kalla de sökta matriselementen för x ij i stället för a ij och inför variabelvektorn x = ( x x x 3 x x x 3 x 3 x 3 x 33 ) T Då kan det betraktade problemet skrivas på formen där A = och I är en 9 9 enhetsmatris minimera xt I x då Ax = b,, b = Detta är ett konvext QP-problem med linjära likhetsbivillkor, så ˆx är optimal om och endast om det finns en vektor û så att ˆx och û tillsammans uppfyller I ˆx A T û = och Aˆx = b Antag att ˆx = ( ˆx ˆx ˆx 3 ˆx ˆx ˆx 3 ˆx 3 ˆx 3 ˆx 33 ) T definieras av att ˆx ij = r i + k j, för i =,, 3 och j =,, 3 3 Då är Aˆx = b uppfyllt (pga att r + r + r 3 = och k + k + k 3 = ) Låt û = (v, v, v 3, w, w, w 3 ) T Då kan villkoren I ˆx A T û = skrivas ˆx ij = v i + w j för i =,, 3 och j =,, 3, r i + k j 3 = v i + w j för i =,, 3 och j =,, 3, som är uppfyllda för v i = r i 3 och w j = k j för i =,, 3 och j =,, 3 3 Alltså är ˆx optimal r r r 3 k k k 3 8
Lösningar till 5B1762 Optimeringslära för T, 24/5-07
Lösningar till 5B76 Optimeringslära för T, 4/5-7 Uppgift (a) Först använder vi Gauss Jordans metod på den givna matrisen A = Addition av gånger första raden till andra raden ger till resultat matrisen
Läs merLösningar till SF1861/SF1851 Optimeringslära, 24/5 2013
Lösningar till SF86/SF85 Optimeringslära, 4/5 03 Uppgift (a) Inför de 3 variablerna x ij = kvantitet (i sorten ton) som fabrik nr i åläggs att tillverka av produkt nr j, samt t = tiden (i sorten timmar)
Läs merLösningar till tentan i SF1861 Optimeringslära, 1 juni 2017
Lösningar till tentan i SF86 Optimeringslära, juni 7 Lösningarna är på svenska, utom lösningen av (a som är på engelska (a The considered network is illustrated in FIGURE below, where the supply at the
Läs merLösningar till SF1861 Optimeringslära, 28 maj 2012
Lösningar till SF86 Optimeringslära, 28 maj 202 Uppgift.(a) Då det primala problemet P är så är det motsvarande duala problemet D minimera 3x + x 2 då 3x + 2x 2 6 x + 2x 2 4 x j 0, j =, 2. maximera 6 +
Läs merLösningar till tentan i SF1861 Optimeringslära, 3 Juni, 2016
Lösningar till tentan i SF86 Optimeringslära, 3 Juni, 6 Uppgift (a) We note that each column in the matrix A contains one + and one, while all the other elements in the column are zeros We also note that
Läs merLösningar till tentan i SF1861/51 Optimeringslära, 3 juni, 2015
Lösningar till tentan i SF86/5 Optimeringslära, 3 juni, 25 Uppgift.(a) Första delen: The network is illustrated in the following figure, where all the links are directed from left to right. 3 5 O------O
Läs merLösningsförslag till tentamen i SF1861 Optimeringslära för T. Onsdag 25 augusti 2010 kl
Lösningsförslag till tentamen i SF86 Optimeringslära för T. Onsdag 25 augusti 2 kl. 4. 9. Examinator: Per Enqvist, tel. 79 62 98. (a) Vi har ett nätverksflödesproblem med 5 noder. Låt x = (x 2, x 3, x
Läs mer1 LP-problem på standardform och Simplexmetoden
Krister Svanberg, mars 202 LP-problem på standardform och Simplexmetoden I detta avsnitt utgår vi från LP-formuleringen (2.2) från föreläsning. Denna form är den bäst lämpade för en strömlinjeformad implementering
Läs merLösningsförslag till tentamen i SF1861 Optimeringslära för T. Torsdag 28 maj 2010 kl
Lösningsförslag till tentamen i SF86 Optimeringslära för T. Torsdag 28 maj 2 kl. 4. 9. Examinator: Per Enqvist, tel. 79 62 98. (a) Inför variablerna x = (x sr, x sm, x sp, x sa, x sd, x gr, x gm, x gp,
Läs merLösningar till tentan i 5B1760 Linjär och kvadratisk optimering, 17 december 2003.
Lösningar till tentan i 5B7 Linjär och kvadratisk optimering, 7 december 3 Uppgift (a) 3 Vi använder Gauss-Jordans metod för att överföra A 3 5 till trappstegsform 3 7 Addition av ( ) gånger första raden
Läs mer1 Ickelinjär optimering under bivillkor
Krister Svanberg, maj 2012 1 Ickelinjär optimering under bivillkor Hittills har vi behandlat optimeringsproblem där alla variabler x j kunnat röra sig fritt, oberoende av varann, och anta hur stora eller
Läs mer1 Minkostnadsflödesproblem i nätverk
Krister Svanberg, april 2012 1 Minkostnadsflödesproblem i nätverk Ett nätverk består av en given mängd noder numrerade från 1 till m (där m är antalet noder) samt en given mängd riktade bågar mellan vissa
Läs mer1 Kvadratisk optimering under linjära likhetsbivillkor
Krister Svanberg, april 0 Kvadratisk optimering under linjära likhetsbivillkor I detta kapitel behandlas följande kvadratiska optimeringsproblem under linjära likhetsbivillkor: xt Hx + c T x + c 0 då Ax
Läs merSolutions to exam in SF1811 Optimization, June 3, 2014
Solutions to exam in SF1811 Optimization, June 3, 14 1.(a) The considered problem may be modelled as a minimum-cost network flow problem with six nodes F1, F, K1, K, K3, K4, here called 1,,3,4,5,6, and
Läs mer1 Duala problem vid linjär optimering
Krister Svanberg, april 2012 1 Duala problem vid linjär optimering Detta kapitel handlar om två centrala teoretiska resultat för LP, nämligen dualitetssatsen och komplementaritetssatsen. Först måste vi
Läs merOptimeringslära Kaj Holmberg
Tekniska Högskolan i Linköping Optimering för ingenjörer Matematiska Institutionen Lösning till tentamen Optimeringslära 2018-08-31 Kaj Holmberg Lösningar Uppgift 1 1a: Inför slackvariabler x 5, x 6 och
Läs merOptimeringslära Kaj Holmberg
Tekniska Högskolan i Linköping Optimering för ingenjörer Matematiska Institutionen Lösning till tentamen Optimeringslära 2018-01-02 Kaj Holmberg Lösningar Uppgift 1 1a: Den givna startlösningen är tillåten
Läs merFöreläsning 7: Kvadratisk optimering. 4. Kvadratisk optimering under linjära bivillkor
Föreläsning 7: Kvadratisk optimering 1. Kvadratisk optimering utan bivillkor 2. Positivt definita och semidefinita matriser 3. LDL T faktorisering 4. Kvadratisk optimering under linjära bivillkor 5. Minsta
Läs merFöreläsning 6: Nätverksoptimering
Föreläsning 6: Nätverksoptimering. Minkostnadsflödesproblem i nätverk.. Modellering och grafteori.. Simplexmetoden. Föreläsning 6 - Ulf Jönsson & Per Enqvist Nätverksoptimering Minkostnadsflödesproblem
Läs merOptimeringslära Kaj Holmberg
Tekniska Högskolan i Linköping Optimering för ingenjörer Matematiska Institutionen Lösning till tentamen Optimeringslära 26-6- Kaj Holmberg Lösningar Uppgift Hinkpackning (hink = tur med cykeln. Jag använder
Läs merOptimeringslära Kaj Holmberg
Tekniska Högskolan i Linköping Optimering för ingenjörer Matematiska Institutionen Lösning till tentamen Optimeringslära 28-5-3 Kaj Holmberg Lösningar Uppgift a: P: Grafisk lösning ger x = 2/7 = 2 6/7,
Läs merOptimeringslära Kaj Holmberg
Tekniska Högskolan i Linköping TAOP88 Matematiska Institutionen Lösning till tentamen Optimeringslära 9--7 Kaj Holmberg Lösningar Uppgift a: Inför slackvariabler x 5, x 6 och x 7 Starta med slackvariablerna
Läs merDe optimeringsproblem som kommer att behandlas i denna kurs kan alla (i princip) skrivas. 1 2 xt Hx + c T x. minimera
Krister Svanberg, mars 2012 1 Introduktion De optimeringsproblem som kommer att behandlas i denna kurs kan alla (i princip) skrivas på följande allmänna form: f(x) (1.1) x F, där x = (x 1,..., x n ) T
Läs merLP-problem. Vårt första exempel. Baslösningar representerar extrempunkter. Baslösningar representerar extrempunkter
LP-problem Vårt första exempel Ett LP-problem: max z = c T x då Ax b, x 0. Den tillåtna mängden är en polyeder och konvex. Målfunktionen är linjär och konvex. Så problemet är konvext. Var ligger optimum?
Läs merSF1624 Algebra och geometri Lösningsförslag med bedömningskriterier till kontrollskrivning 2 Fredagen den 28 januari, 2011
SF1624 Algebra och geometri Lösningsförslag med bedömningskriterier till kontrollskrivning 2 Fredagen den 28 januari, 2011 UPPGIFT (1) Låt V vara mängden av vektorer (x 1, x 2, x 3 ) i R 3 som uppfyller
Läs mer1 Konvexa optimeringsproblem grundläggande egenskaper
Krister Svanberg, april 2012 1 Konvexa optimeringsproblem grundläggande egenskaper Ett optimeringsproblem är i viss mening godartat om det tillåtna området är en konvex mängd och den målfunktion som ska
Läs merHemuppgift 1, SF1861 Optimeringslära, VT 2017
Hemuppgift 1, SF1861 Optimeringslära, VT 2017 Examinator: Krister Svanberg, tel: 790 7137, krille@math.kth.se. Labassistent: David Ek, daviek@kth.se, Lämnas i Matematiks svarta postlåda (SF) för inlämningsuppgifter,
Läs mer1 De fyra fundamentala underrummen till en matris
Krister Svanberg, mars 2012 1 De fyra fundamentala underrummen till en matris 1.1 Definition av underrum En given delmängd M av IR n säges vara ett underrum i IR n om följande gäller: För varje v 1 M,
Läs merHemuppgift 1, SF1861 Optimeringslära för T
Hemuppgift 1, SF1861 Optimeringslära för T Examinator: Per Enqvist, tel: 790 6298, penqvist@math.kth.se. Assistenter: Amol Sasane, sasane@math.kth.se, Mikael Fallgren, werty@kth.se. Lämnas in till någon
Läs merSF1624 Algebra och geometri Lösningsförslag till tentamen DEL A
SF1624 Algebra och geometri Lösningsförslag till tentamen 2011-06-09 DEL A (1) Betrakta ekvationssystemet x y 4z = 2 2x + 3y + z = 2 3x + 2y 3z = c där c är en konstant och x, y och z är de tre obekanta.
Läs merOlinjär optimering med bivillkor: KKT min f (x) då g i (x) 0 för alla i
Olinjär optimering med bivillkor min då f (x) g i (x) 0 för alla i Specialfall: Konvext problem. Linjära bivillkor: Ax b. Linjära likhetsbivillkor: Ax = b. Inga bivillkor: Hanterat tidigare. Metodprinciper:
Läs merFöreläsning 2: Simplexmetoden. 1. Repetition av geometriska simplexmetoden. 2. Linjärprogrammeringsproblem på standardform.
Föreläsning 2: Simplexmetoden. Repetition av geometriska simplexmetoden. 2. Linjärprogrammeringsproblem på standardform. 3. Simplexalgoritmen. 4. Hur bestämmer man tillåtna startbaslösningar? Föreläsning
Läs merTentamen TMA946/MAN280 tillämpad optimeringslära
Tentamen TMA946/MAN80 tillämpad optimeringslära 01081 1. Uppgift: min z 3x 1 + x Då x 1 + x 6 x 1 + x x 1, x 0 Skriv på standardform m.h.aṡlackvariabler min z 3x 1 + x Då x 1 + x s 1 6 x 1 x + s x 1, x,
Läs merSF1624 Algebra och geometri Lösningsförslag till tentamen Fredagen den 23 oktober, 2009 DEL A
SF1624 Algebra och geometri Lösningsförslag till tentamen Fredagen den 23 oktober, 2009 DEL A (1) (a) Bestäm de övriga rötterna till ekvationen z 3 11z 2 + 43z 65 = 0 när det är känt att en av rötterna
Läs merOptimeringslära Kaj Holmberg
Tekniska Högskolan i Linköping TAOP88 Matematiska Institutionen Lösning till tentamen Optimeringslära 28--24 Kaj Holmberg Uppgift Lösningar a: Målfunktionen är summan av konvexa funktioner (kvadrater och
Läs merSF1624 Algebra och geometri Lösningsförslag till modelltentamen DEL A
SF1624 Algebra och geometri Lösningsförslag till modelltentamen DEL A (1) Vid lösningen av ekvationssystemet x 1 3x 2 +3x 3 4x 4 = 1, x 2 +x 3 x 4 = 0, 4x 1 +x 2 x 3 2x 4 = 5, kommer man genom Gausselimination
Läs merOptimalitetsvillkor. Optimum? Matematisk notation. Optimum? Definition. Definition
Optimum? När man har formulerat sin optimeringsmodell vill man lösa den Dvs finna en optimal lösning, x, till modellen Nästan alltid: Sökmetoder: Stå i en punkt, gå till en annan (bättre Upprepa, tills
Läs merEtt linjärprogrammeringsproblem på allmän form ser ut som
Linjärprogrammering Ett linjärprogrammeringsproblem på allmän form ser ut som Minimera n j=1 c jx j x j 0 n j=1 a ijx j b i i =1, 2,...,m Variant: Vi kan vilja maximera istället. Vi kommer att studera
Läs merFöreläsning 6: Transportproblem (TP)
Föreläsning 6: Transportproblem (TP) 1. Transportproblem 2. Assignmentproblem Föreläsning 6 Ulf Jönsson & Per Enqvist 1 Transportproblem Transportproblem Varor ska transporteras från fabriker till varuhus:
Läs merSF1624 Algebra och geometri Lösningsförslag till tentamen DEL A
SF1624 Algebra och geometri Lösningsförslag till tentamen 2013-10-28 DEL A 1. Vi har matriserna 1 1 1 1 1 0 3 0 A = 1 1 1 1 1 1 1 1 och E = 0 0 0 1 0 0 1 0. 1 0 0 1 0 1 0 0 (a) Bestäm vilka elementära
Läs merTNSL05 Optimering, Modellering och Planering. Föreläsning 10
TNSL05 Optimering, Modellering och Planering Föreläsning 10 Agenda Kursens status Repetition Flödesnätverk Optimalitetsvillkor LP och Minkostandsflöde (MKF) Nätverkssimplex Känslighetsanalys Exempel: MKF
Läs merFlöde i nätverk. Flöde i nätverk. Specialfall av minkostnadsflödesproblemet
Flöde i nätverk Graf: G = (N, B) Variabeldefinition: x ij = flöde i båge (i, j). Bågdata för båge (i, j): c ij : flödeskostnad per enhet. u ij : övre gräns för flödet. l ij : undre gräns för flödet. Bivillkor:
Läs merSF1624 Algebra och geometri Lösningsförsag till modelltentamen
SF1624 Algebra och geometri Lösningsförsag till modelltentamen DEL A (1) a) Definiera begreppen rektangulär form och polär form för komplexa tal och ange sambandet mellan dem. (2) b) Ange rötterna till
Läs merFöreläsning 10/11! Gruppuppgifter: Gruppuppgift 1: Alla har redovisat. Gruppuppgift 2: Alla har redovisat Gruppuppgift 3: På gång.
Föreläsning 10 Agenda Kursens status Repetition Flödesnätverk Optimalitetsvillkor LP och Minkostandsflöde (MKF) Nätverkssimplex Känslighetsanalys Exempel: MKF och Nätverkssimplex Föreläsning 10/11! Gruppuppgifter:
Läs mer1. (Dugga 1.1) (a) Bestäm v (3v 2u) om v = . (1p) and u =
Kursen bedöms med betyg,, 5 eller underkänd, där 5 är högsta betyg. För godkänt betyg krävs minst poäng från uppgifterna -7. Var och en av dessa sju uppgifter kan ge maximalt poäng. För var och en av uppgifterna
Läs merInstitutionen för Matematik TENTAMEN I LINJÄR ALGEBRA OCH NUMERISK ANALYS F1, TMA671 2009-01-16. DAG: Fredag 16 januari 2009 TID: 14.00-18.
Institutionen för Matematik Göteborg TENTAMEN I LINJÄR ALGEBRA OCH NUMERISK ANALYS F, TMA67 9--6 DAG: Fredag 6 januari 9 TID: 4. - 8. SAL: V Ansvarig: Ivar Gustafsson, tel: 77 94 Förfrågningar: Ivar Gustafsson
Läs merStora bilden av Linjära algebran. Vektorrum, linjära transformationer, matriser (sammanfattning av begrepp)
Stora bilden av Linjära algebran. Vektorrum, linjära transformationer, matriser (sammanfattning av begrepp) Linjär algebra består av tre grenar eller koncept: geometriska begreppet av vektorrum, analysbegreppet
Läs merMinsta kvadratmetoden
Minsta kvadratmetoden där Överbestämda ekvationssystem Det är lämpligt att uppfatta matrisen A som bestående av n kolonnvektorer: A a a a n a a a n a n a n a nn a j a j a nj a a a n j n Då kan vi skriva
Läs merLinjärprogrammering (Kap 3,4 och 5)
Linjärprogrammering (Kap 3,4 och 5) Fredrik Olsson, fredrik.olsson@iml.lth.se Avdelningen för produktionsekonomi Lunds tekniska högskola, Lunds universitet 16 september 2015 Dessa sidor innehåller kortfattade
Läs merFöreläsning 5. Approximationsteori
Föreläsning 5 Approximationsteori Låt f vara en kontinuerlig funktion som vi vill approximera med en enklare funktion f(x) Vi kommer använda två olika approximationsmetoder: interpolation och minstrakvadratanpassning
Läs mer1 Grundläggande kalkyler med vektorer och matriser
Krister Svanberg, mars 2015 1 Grundläggande kalkyler med vektorer och matriser Trots att läsaren säkert redan behärskar grundläggande vektor- och matriskalkyler, ges här i Kapitel 1 en repetition om just
Läs merUppsala Universitet Matematiska Institutionen Thomas Erlandsson
Uppsala Universitet Matematiska Institutionen Thomas Erlandsson MATRISER MED MERA VEKTORRUM DEFINITION Ett vektorrum V är en mängd av symboler u som vi kan addera samt multiplicera med reella tal c så
Läs mer29 november, 2016, Föreläsning 21. Ortonormala baser (ON-baser) Gram-Schmidt s ortogonaliseringsprocess
29 november, 2016, Föreläsning 21 Tillämpad linjär algebra Innehåll: Ortonormala baser (ON-baser) Gram-Schmidt s ortogonaliseringsprocess Minsta-kvadratmetoden - exempel 1. Uppgift. Tentamen 19/1-15, uppgift
Läs mer5B1817 Tillämpad ickelinjär optimering. Optimalitetsvillkor för problem med linjära bivillkor.
5B1817 Tillämpad ickelinjär optimering Föreläsning 2 Optimalitetsvillkor för problem med linjära bivillkor. A. Forsgren, KTH 1 Föreläsning 2 5B1817 2006/2007 Optimalitetsvillkor för ickelinjära programmeringsproblem
Läs mer1. Vi skriver upp ekvationssystemet i matrisform och gausseliminerar tills vi når trappstegsform,
Lösningsförslag, Matematik 2, E, I, M, Media och T, 2 2 8.. Vi skriver upp ekvationssystemet i matrisform och gausseliminerar tills vi når trappstegsform, 2 2 2 a 2 2 2 a 2 2-2 2 a 7 7 2 a 7 7-7 2 a +
Läs mer5B1817 Tillämpad ickelinjär optimering. Metoder för problem utan bivillkor, forts.
5B1817 Tillämpad ickelinjär optimering Föreläsning 5 Metoder för problem utan bivillkor, forts. A. Forsgren, KTH 1 Föreläsning 5 5B1817 2006/2007 Lösningar För en given metod blir en lösning den bästa
Läs merDagens program. Linjära ekvationssystem och matriser
Dagens program Matriser Räkneoperationer och räknelagar Linjära ekvationssystem och matriser Matrisform av ekvationssystem Elementära radoperationer Trappstegsmatriser, rang och lösningsstruktur Matrisinvers,
Läs merProvtentamen i Matematik 2, 5B1116, för B,E,I,IT,M,Media och T, ht 2001
Institutionen för matematik KTH Provtentamen i Matematik 2, 5B1116, för B,E,I,IT,M,Media och T, ht 2001 Skrivtid: xx - yy Inga hjälpmedel tillåtna För godkänt betyg 3 fordras minst 16 poäng, för betyg
Läs merLinjär Algebra M/TD Läsvecka 1
Linjär Algebra M/TD Läsvecka 1 Omfattning: Lay, kapitel 1.1-1.9, Linjära ekvationer i linjär algebra Innehåll: Olika aspekter av linjära ekvationssystem: skärning mellan geometriska objekt, linjärkombination
Läs merFlöde i nätverk. Flöde i nätverk. Specialfall av minkostnadsflödesproblemet
Flöde i nätverk Graf: G = (N, B) Variabeldefinition: x ij = flöde i båge (i, j). Bågdata för båge (i, j): c ij : flödeskostnad per enhet. u ij : övre gräns för flödet. l ij : undre gräns för flödet. Bivillkor:
Läs merLösningar till några övningar inför lappskrivning nummer 3 på kursen Linjär algebra för D, vt 15.
1 Matematiska Institutionen KTH Lösningar till några övningar inför lappskrivning nummer 3 på kursen Linjär algebra för D, vt 15. 1. Undersök om vektorn (1,, 1, ) tillhör span{(1,, 3, 4), (1, 0, 1, 1),
Läs mer. (2p) 2x + 2y + z = 4 y + 2z = 2 4x + 3y = 6
Kursen bedöms med betyg, 4, 5 eller underkänd, där 5 är högsta betyg För godkänt betyg krävs minst 4 poäng från uppgifterna -7 Var och en av dessa sju uppgifter kan ge maximalt poäng För var och en av
Läs merLösningsförslag till skrivningen i Vektorgeometri (MAA702) måndagen den 30 maj 2005
VÄXJÖ UNIVERSITET Matematiska och systemtekniska institutionen Per-Anders Svensson Lösningsförslag till skrivningen i Vektorgeometri (MAA702) måndagen den 30 maj 2005 Uppgift. Bestäm samtliga vektorer
Läs merLÖSNINGAR TILL UPPGIFTER TILL RÄKNEÖVNING 1
STOCKHOLMS UNIVERSITET MATEMATISKA INSTITUTIONEN Linjär algebra II LÖSNINGAR TILL UPPGIFTER TILL RÄKNEÖVNING Lös ekvationssystemet x + y + z 9 x + 4y 3z 3x + 6z 5z med hjälp av Gausselimination Lösning:
Läs merLinjär Algebra M/TD Läsvecka 2
Linjär Algebra M/TD Läsvecka 2 Omfattning och Innehåll 2.1 Matrisoperationer: addition av matriser, multiplikation av matris med skalär, multiplikation av matriser. 2.2-2.3 Matrisinvers, karakterisering
Läs merTENTAMEN I LINJÄR ALGEBRA OCH NUMERISK ANALYS F1/TM1, TMA671 2015-04-18
Institutionen för Matematiska Vetenskaper Göteborg TENTAMEN I LINJÄR ALGEBRA OCH NUMERISK ANALYS F/TM, TMA67 5-4-8 DAG: Lördag 8 april 5 TID: 8.3 -.3 SAL: V Ansvarig: Ivar Gustafsson, tel: 75-33545 Förfrågningar:
Läs merSKRIVNING I VEKTORGEOMETRI
SKRIVNING I VEKTORGEOMETRI 201-0-0 14.00-17.00 Om inget annat uttryckligen sägs, kan koordinaterna för en vektor i antas vara givna i en ON-bas. Baser i rummet kan dessutom antas vara positivt orienterade.
Läs merDEL I. Matematiska Institutionen KTH. Lösning till tentamensskrivning på kursen Linjär algebra II, SF1604, den 17 april 2010 kl
Matematiska Institutionen KTH Lösning till tentamensskrivning på kursen Linjär algebra II, SF604, den 7 april 200 kl 09.00-4.00. DEL I. En triangel i den tredimensionella rymden har sina hörn i punkterna
Läs merSF1624 Algebra och geometri Lösningsförslag till tentamen DEL A
SF1624 Algebra och geometri Lösningsförslag till tentamen 14129 DEL A 1 (a) Bestäm linjen genom punkterna A = (,, 1) och B = (2, 4, 1) (1 p) (b) Med hjälp av projektion kan man bestämma det kortaste avståndet
Läs mer6. Matriser Definition av matriser 62 6 MATRISER. En matris är ett rektangulärt schema av tal: a 11 a 12 a 13 a 1n a 21 a 22 a 23 a 2n A =
62 6 MATRISER 6 Matriser 6 Definition av matriser En matris är ett rektangulärt schema av tal: A a a 2 a 3 a n a 2 a 22 a 23 a 2n a m a m2 a m3 a mn Matrisen A säges vara av typ m n, där m är antalet rader
Läs merkvivalenta. Ange rangen för A samt en bas för kolonnrummet för A. och U =
MATEMATIK Hjälpmedel: utdelad ordlista, ej räknedosa Chalmers tekniska högskola Datum: 9-- kl 8 Tentamen Telefonvakt: Aron Lagerberg tel 76-786 Linjär Algebra Z (tmv4) Skriv tentamenskod tydligt på samtliga
Läs merFö4: Kondition och approximation. Andrea Alessandro Ruggiu
TANA21/22 HT2018 Fö4: Kondition och approximation Andrea Alessandro Ruggiu Kondition och approximation A.A.Ruggiu 13:e September 2018 1 Konditionstal Kondition och approximation A.A.Ruggiu 13:e September
Läs merSF1624 Algebra och geometri Lösningsförslag till tentamen DEL A
SF1624 Algebra och geometri Lösningsförslag till tentamen 2010-10-22 DEL A (1) Uttrycket (x, y, z) (1, 1, 1) + s(1, 3, 0) + t(0, 5, 1) definierar ett plan W i rummet där s och t är reella parametrar. (a)
Läs merSF1624 Algebra och geometri Lösningsförslag till tentamen DEL A. (1 p) (c) Bestäm avståndet mellan A och linjen l.
SF64 Algebra och geometri Lösningsförslag till tentamen 5.6. DEL A. Betrakta följande punkter i rummet: A = (,, ), B = (,, ) och C = (,, ). (a) Ange en parametrisk ekvation för linjen l som går genom B
Läs merTAOP07/TEN1 OPTIMERINGSLÄRA GRUNDKURS för Y. Antal uppgifter: 7 Uppgifterna är inte ordnade efter svårighetsgrad.
Matematiska institutionen Optimeringslära TENTAMEN TAOP07/TEN1 OPTIMERINGSLÄRA GRUNDKURS för Y Datum: 27 augusti 2013 Tid: 14-19 Hjälpmedel: Inga Antal uppgifter: 7 Uppgifterna är inte ordnade efter svårighetsgrad.
Läs merExtrempunkt. Polyeder
Optimum? När man har formulerat sin optimeringsmodell vill man lösa den. Dvs. finna en optimal lösning, x, till modellen. Nästan alltid: Sökmetoder: Stå i en punkt, gå till en annan bättre. Upprepa, tills
Läs merSKRIVNING I VEKTORGEOMETRI
SKRIVNING I VEKTORGEOMETRI Delkurs 1 016 Om inget annat uttryckligen sägs, kan koordinaterna för en vektor i antas vara givna i en ON-bas. Baser i rummet kan dessutom antas vara positivt orienterade. 1.
Läs merPreliminärt lösningsförslag
Preliminärt lösningsförslag v4, 9 augusti 4 Högskolan i Skövde (SK) Tentamen i matematik Kurs: MA4G Linjär algebra MAG Linjär algebra för ingenjörer Tentamensdag: 4-8-6 kl 43-93 Hjälpmedel : Inga hjälpmedel
Läs merSKRIVNING I VEKTORGEOMETRI
SKRIVNING I VEKTORGEOMETRI 2014-11-25 1400-1700 Om inget annat uttryckligen sägs, kan koordinaterna för en vektor i antas vara givna i en ON-bas Baser i rummet kan dessutom antas vara positivt orienterade
Läs merVectorer, spannet av vektorer, lösningsmängd av ett ekvationssystem.
Vectorer, spannet av vektorer, lösningsmängd av ett ekvationssystem. Begrepp som diskuteras i det kapitlet. Vektorer, addition och multiplikation med skalärer. Geometrisk tolkning. Linjär kombination av
Läs merEnhetsvektorer. Basvektorer i två dimensioner: 1 1 Basvektorer i tre dimensioner: Enhetsvektor i riktningen v: v v
Vektoraddition u + v = u + v = [ ] u1 u 2 u 1 u 2 + u 3 + [ v1 v 2 ] = v 1 v 2 = v 3 [ u1 + v 1 u 2 + v 2 u 1 + v 1 u 2 + v 2 u 3 + v 3 ] Multiplikation med skalär α u = α [ u1 u 2 α u = α ] = u 1 u 2
Läs merLaboration 1 - Simplexmetoden och Modellformulering
Linköpings universitet Optimeringslära grundkurs för Y Matematiska institutionen Laboration 1 Optimeringslära 30 januari 2013 Laboration 1 - Simplexmetoden och Modellformulering Den första delen av laborationen
Läs merTMV166/186 Linjär Algebra M/TD 2011/2012 Läsvecka 1. Omfattning. Innehåll 2012-01-20. Lay, kapitel 1.1-1.9, Linjära ekvationer i linjär algebra
TMV166/186 Linjär Algebra M/TD 2011/2012 Läsvecka 1 Omfattning Lay, kapitel 1.1-1.9, Linjära ekvationer i linjär algebra Innehåll Olika aspekter av linjära ekvationssystem 1. skärning mellan geometriska
Läs merUppsala Universitet Matematiska Institutionen Bo Styf. Sammanfattning av föreläsningarna
Uppsala Universitet Matematiska Institutionen Bo Styf LAoG I, 5 hp ES, KandMa, MatemA -9-6 Sammanfattning av föreläsningarna 3-7 Föreläsningarna 3 7, 8/ 5/ : Det viktigaste är här att du lär dig att reducera
Läs merx 2y + z = 1 (1) 2x + y 2z = 3 (2) x + 3y z = 4 (3)
TM-Matematik Sören Hector :: 7-46686 Mikael Forsberg :: 74-4 kurser:: Linjär Algebra ma4a Matematik för ingenjörer maa 8 5 Skrivtid: 9:-4:. Inga hjälpmedel. Lösningarna skall vara fullständiga och lätta
Läs merSF1624 Algebra och geometri Lösningsförslag till tentamen DEL A
SF64 Algebra och geometri Lösningsförslag till tentamen 533 DEL A Planet H ges av ekvationen 3x y + 5z + a) Bestäm en linje N som är vinkelrät mot H ( p) b) Bestäm en linje L som inte skär planet H ( p)
Läs mer1 Positivt definita och positivt semidefinita matriser
Krister Svanberg, april 1 1 Positivt definita och positivt semidefinita matriser Inom ickelinjär optimering, speciellt kvadratisk optimering, är det viktigt att på ett effektivt sätt kunna avgöra huruvida
Läs merTENTAMEN I LINJÄR ALGEBRA OCH NUMERISK ANALYS F1, TMA671
Institutionen för Matematik LINJÄR ALGEBRA OCH NUMERISK ANALYS F Göteborg --9 TENTAMEN I LINJÄR ALGEBRA OCH NUMERISK ANALYS F, TMA67 OBS! NYA KURSEN DAG: Tisdag 9 januari TID: 8.45 -.45 SAL: V Ansvarig:
Läs merSF1624 Algebra och geometri Lösningsförslag till tentamen DEL A
SF64 Algebra och geometri Lösningsförslag till tentamen 0-0-0 DEL A De tre totalmatriserna 0 3 3 4 0 3 0 0 0 0, 0 3 0 4 4 0 3 0 3 0 0 0 0 och 0 3 0 4 0 3 3 0 0 0 0 0 svarar mot linjära ekvationssystem
Läs merLÖSNINGAR LINJÄR ALGEBRA LUNDS TEKNISKA HÖGSKOLA MATEMATIK
LUNDS TEKNISKA HÖGSKOLA MATEMATIK LÖSNINGAR LINJÄR ALGEBRA 2017-10-2 1 Om vi skriver ekvationssystemet på matrisform AX = Y, så vet vi att systemet har en entydig lösning X = A 1 Y då det A 0 Om det A
Läs merTMA 671 Linjär Algebra och Numerisk Analys. x x2 2 1.
MATEMATISKA VETENSKAPER TMA67 8 Chalmers tekniska högskola Datum: 8--8 kl - 8 Examinator: Håkon Hoel Tel: ankn 38 Hjälpmedel: inga TMA 67 Linjär Algebra Numerisk Analys Tentan består av 8 uppgifter, med
Läs merFacit/lösningsförslag
Facit/lösningsförslag 06-08- Låt l vara linjen med parameterform x, y, z 0 s, mellan planet x y z och planet z 0 och låt l vara skärningslinjen a) Skriv l på parameterform b) Beräkna avståndet mellan l
Läs merTNK049 Optimeringslära
TNK09 Optimeringslära Clas Rydergren ITN Föreläsning Simplemetoden på tablåform och algebraisk form Fas I (startlösning) Känslighetsanalys Tolkning av utdata Agenda Halvtidsutvärdering Simplemetoden (kap..8)
Läs merChalmers tekniska högskola Datum: Våren MVE021 Linjär algebra I
MATEMATIK Hjälpmedel: inga Chalmers tekniska högskola Datum: Våren 6 Övningstentamen Telefonvakt: Thomas Bäckdahl ankn 8 MVE Linjär algebra I Tentan rättas och bedöms anonymt Skriv tentamenskoden tydligt
Läs merFlöde i nätverk. Flöde i nätverk. Specialfall av minkostnadsflödesproblemet. Specialfall av minkostnadsflödesproblemet. Slutsats.
Flöde i nätverk Graf: G = (N, B) Variabeldefinition: x ij = flöde i båge (i, j). Bågdata för båge (i, j): c ij : flödeskostnad per enhet. u ij : övre gräns för flödet. l ij : undre gräns för flödet. Bivillkor:
Läs merSF1624 Algebra och geometri Lösningsförslag till modelltentamen DEL A
SF624 Algebra och geometri Lösningsförslag till modelltentamen DEL A () (a) Använd Gauss-Jordans metod för att bestämma lösningsmängden till ekvationssystemet 2x + 4x 2 + 2x 3 + 2x 4 = 2, 3x + 6x 2 x 3
Läs merSF1624 Algebra och geometri
SF64 Algebra och geometri Sjätte föreläsningen Mats Boij Institutionen för matematik KTH 5 januari, 07 Repetition Ett delrum i R n är slutet under addition x + y V om x, y V multiplikation med skalär a
Läs merVektorgeometri för gymnasister
Vektorgeometri för gymnasister Per-Anders Svensson http://homepage.lnu.se/staff/psvmsi/vektorgeometri/gymnasiet.html Fakulteten för teknik Linnéuniversitetet Linjära avbildningar IV Innehåll Nollrum och
Läs merInstitutionen för Matematiska Vetenskaper TENTAMEN I LINJÄR ALGEBRA OCH NUMERISK ANALYS F1, TMA
Institutionen för Matematiska Vetenskaper Göteborg TENTAMEN I LINJÄR ALGEBRA OCH NUMERISK ANALYS F, TMA67-8-5 DAG: Onsdag 5 augusti TID: 8.3 -.3 SAL: V Ansvarig: Ivar Gustafsson, tel: 75-33545 Förfrågningar:
Läs merNumerisk Analys, MMG410. Exercises 2. 1/33
Numerisk Analys, MMG410. Exercises 2. 1/33 1. A är en kvadratisk matris vars alla radsummor är noll. Visa att A är singulär. Låt e vara vektorn av ettor. Då är Ae = 0 A har icke-trivialt nollrum. 2/33
Läs mer