Lösningar till SF1861/SF1851 Optimeringslära, 24/5 2013
|
|
- Tobias Isaksson
- för 4 år sedan
- Visningar:
Transkript
1 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) tills alla fabrikerna är färdiga med sina ålägganden 3 Kravet att uppfylla kundens beställning kan då formuleras x ij = b j, för j =,, 3, 4 De tre fabrikerna drivs förstås parallellt, så om t i betecknar tiden då fabrik nr i är färdig med sitt åläggande så är t = max{t i } = det största av de tre talen t, t och t 3 i Återstår att uttrycka t i i variablerna x ij Det finns två tänkbara modeller: Modell I: Om det, vid varje fabrik, förhåller sig på det viset att de fyra produkterna tillverkas 4 en i taget, efter varandra, så är t i = T ij x ij, för i =,, 3, och då kan det aktuella j= planeringsproblemet formuleras som följande LP-problem: minimera då t 4 t T ij x ij 0, för,, 3, j= 3 x ij = b j, för j =,, 3, 4, x ij 0, för,, 3 och j =,, 3, 4 Modell II: Om det i stället, vid varje fabrik, förhåller sig på det viset att de fyra produkterna tillverkar parallellt, oberoende av varandra, så är t i = max{t ij x ij }, varvid j t = max {T ijx ij } = det största av de talen T x,, T 34 x 34, och då kan det aktuella i,j planeringsproblemet formuleras som följande LP-problem: minimera t då t T ij x ij 0, för,, 3 och j =,, 3, 4 3 x ij = b j, för j =,, 3, 4, x ij 0, för,, 3 och j =,, 3, 4 Det framgår inte av problemformuleringen vilken av dessa båda modeller som bäst avbildar verkligheten, så båda ger full poäng på uppgiften
2 Uppgift (b) För att avgöra om H är positivt definit, eller positivt semidefinit, eller ingetdera, försöker vi LDL T -faktorisera H H = 3 3 a Addera först + gånger rad till rad och gånger rad till rad 3 Addera sedan + gånger kolonn till kolonn och gånger kolonn till kolonn 3 Det ger E = och E HE T = a 4 Addera nu + gånger rad till rad 3 och addera sedan + gånger kolonn till kolonn 3 Det ger E = 0 0 och E E HE T E T = a 5 Därmed är LDL T -faktoriseringen klar, och man har att H = LDL T = a Matrisen H är positivt definit om och endast om diagonalmatrisen D är positivt definit, om och endast om samtliga diagonalelement i D är > 0, om och endast om a > 5 Om a = 5 så är D positivt semidefinit, men inte positivt definit, vilket då gäller även för H Om a < 5 så är D indefinit, vilket då gäller även för H Alltså: H är positivt definit för a > 5 och positivt semidefinit för a 5
3 Uppgift (a) Det givna LP-problemet är på standardformen där A = [ minimera c T x då Ax = b, x 0, ] ( ) 0, b = och c = (4, 3, 6, ) T I startlösningen ska enligt uppgiftslydelsen x och x vara basvariabler, β = (, ) och ν = (3, 4) [ ] Motsvarande basmatris ges av A β = Basvariablernas värden i baslösningen ges av x β = b, där vektorn b beräknas ur ekvationssystemet A β b = b, ( ) ( ) b 0 b 05 =, med lösningen b = = b b 05 Vektorn y med simplexmultiplikatorerna värden erhålls ur systemet A T β y = c β, ( ) ( ) y 4 y 05 =, med lösningen y = = 3 35 y Reducerade kostnaderna icke-basvariablerna ( ) ges av r3 T = c 3 y T a 3 = 6 (05, 35) = 5 ( ) r4 T = c 4 y T a 4 = (05, 35) = 5 Eftersom r 4 = 5 är minst och < 0 ska vi låta x 4 bli ny basvariabel Då behöver vi beräkna vektorn ā 4 ur systemet A β ā 4 = a 4, ā4 =, med lösningen ā 4 = ā 4 y ( ā4 ā 4 ) = Det största värde som den nya basvariabeln x 4 kan ökas till ges av { } { bi t max = min ā i4 > 0 = min, 05 } i ā i4 5 Minimerande index är i =, varför x β = x ska lämna basen Nu är alltså β = (, 4) och ν = (3, ) Motsvarande basmatris ges av A β = [ ] ( ) 05 5 Basvariablernas värden i baslösningen ges av x β = b, där vektorn b beräknas ur ekvationssystemet A β b = b, ( ) ( ) b 0 =, med lösningen b b b /3 = = b /3 3
4 Vektorn y med simplexmultiplikatorernas värden erhålls ur systemet A T β y = c β, ( ) ( ) y 4 y =, med lösningen y = = 3 y Reducerade kostnaderna icke-basvariablerna ( ) ges nu av ( ) r 3 = c 3 y T a 3 = 6 (, 3) = och r = c y T a = 3 (, 3) = Eftersom både r 3 0 och r 0 är den aktuella baslösningen optimal Alltså är punkten ˆx = (/3, 0, 0, /3) T en optimal lösning till problemet Optimalvärdet ges av c Tˆx = 8/3 + /3 = 3 Uppgift (b) Om primala problemet är på standardformen så är det duala problemet som utskrivet blir: minimera c T x y då Ax = b, x 0, maximera b T y då A T y c, maximera y då y + y 4, y + y 3, y + y 6, y + y För att underlätta figurritandet kan man skriva om detta duala problem på formen maximera y då y 4 y, y 3 + y, y 6 y, y + y Uppgift (c) Ur sin figur ser man att optimal lösning till duala problemet ges av skärningspunkten mellan de bägge linjerna y = 4 y och y = + y, ŷ = och ŷ = 3 Det är också välkänt att en optimal lösning till det duala problem ges av vektorn y med simplexmultiplikatorerna till den optimala baslösningen i (a)-uppgiften, vilket stämmer utmärkt med ovanstående ŷ = (, 3) T Man kontrollerar snabbt att detta är en tillåten lösning till det duala problemet Vidare ges optimalvärdet av b T ŷ = ŷ = 3 = optimalvärdet för det primala problemet ovan 4
5 Uppgift 3(a) För att utreda huruvida det linjära ekvationssystemet Ax = b har någon lösning eller ej utför vi radoperationer på matrisen [ A b ] 0 = Addition av (+) gånger första raden till andra raden ger Addition av (+) gånger andra raden till tredje raden ger Tredje raden motsvarar nu ekvationen 0 x + 0 x + 0 x 3 = som saknar lösning Alltså saknar det ursprungliga systemet Ax = b lösning Uppgift 3(b) Att minimera Ax b är ekvivalent med att lösa normalekvationerna A T Ax = A T b Vi utför därför radoperationer på matrisen [ A T A A T b ] 0 = Addition av (+05) gånger första raden till andra raden, samt 0 addition av (+05) gånger första raden till tredje raden, ger Addition av (+) gånger andra raden till tredje raden, samt 0 4/3 addition av (+/3) gånger andra raden till första raden, ger /3 Multiplikation av första raden med och av andra raden med 3 ger 0 4/ Den allmänna lösningen till normalekvationerna ges alltså av x(t) = (/3 + t, 4/3 + t, t) T, där t är ett godtyckligt reellt tal För samtliga dessa är Ax(t) = (/3, /3, 4/3) T En lösning till normalekvationerna är alltså x = (/3, 4/3, 0) T, med A x = (/3, /3, 4/3) 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 ū, där AA T ū = A x (Ty enligt Lagrangemetoden är ˆx IR n en optimal lösning om och endast om ˆx, tillsammans med en vektor ū, uppfyller I ˆx A T ū = 0 och Aˆx = A x De första ekvationerna ger att ˆx = A T ū, som insatt i de senare ekvationerna ger att AA T ū = A x) 5
6 Vi utför därför radoperationer på matrisen [ AA T A x ] /3 = /3 4/3 Addition av (+05) gånger första raden till andra raden, samt /3 addition av (+05) gånger första raden till tredje raden, ger Addition av (+) gånger andra raden till tredje raden, samt 0 4/3 addition av (+/3) gånger andra raden till första raden, ger /3 Multiplikation av första raden med och av andra raden med 3 ger 0 / Den allmänna lösningen till detta system ges alltså av u(t) = (/3 + t, /3 + t, t) T, där t är ett godtyckligt reellt tal För samtliga dessa är A T u(t) = (0, /3, /3) T En lösning (av flera) till systemet AA T u = A x är alltså ū = (/3, /3, 0) T Då är ˆx = A T ū = (0, /3, /3) T minsta-normlösningen till minsta-kvadratproblemet Uppgift 3(c) Om x är en lösning till normalekvationerna så gäller dels att A x tillhör bildrummet för A (förstås!), dels att felvektorn b A x tillhör nollrummet för A T (ty normalekvationerna säger just att A T (b A x) = 0), dels att A x + (b A x) = b Låt alltså v = A x = (/3, /3, 4/3) T och w = b A x = (/3, /3, /3) T 6
7 Uppgift 4(a) Betrakta ekvationssystemet x x = 0, x + x = 0, x x = 0, x + x = 0 Addition av de två första ekvationerna ger att x = 0, x = 0 Addition av de två sista ekvationerna ger att x = 04, x = 0 Men (x, x ) = (0, 0) är inte en lösning till ekvationssystemet, som därmed saknar lösning Uppgift 4(b) x x 0 x + x Vi har här att h(x) = 0 x x 0 Deriveringar ger att x + x 0 h (x) = ( x, ), h (x) = (x, ), h 3 (x) = (, x ), h 4 (x) = (, x ) x 0 0 Därmed är h(x) = x x, så att h(x() ) = 0 0 och h(x() ) = 0 0 x 0 0 I Gauss-Newtons metod ska man lösa ekvationssystemet h(x () ) T h(x () ) d = h(x () ) T h(x () ) [ ] 0 I vårt fall är h(x () ) T h(x () ) = 0 [ ] ( ) 0 d så ekvationssystemet blir = 0 Vi prövar t =, så att x () = x () + t d () = x () + d () = h (x () ) = = 004, h (x () ) = = 004, h 3 (x () ) = = 00, h 4 (x () ) = = 00, d ( 04 och h(x () ) T h(x () ) = 0 ( ) ( 04 0, med lösningen d 0 () = 0 ( ) 0 Då blir 0 så att f(x () ) = ( ) = 0007, medan f(x () ) = ( ) = 005 Steget t = gick alltså bra Därmed har vi utfört en fullständig iteration med Gauss-Newtons metod och hamnat i punkten x () = (0, 0) T ), ) 7
8 Uppgift 4(c) Vid Newtons metod ska man i stället lösa ekvationssystemet F(x () ) d = f(x () ) T För ickelinjära minsta-kvadratproblem kan detta system skrivas ( ) m h(x () ) T h(x () ) + h i (x () )H i (x () ) d = h(x () ) T h(x () ) I vårt fall är funktionerna h i kvadratiska, så andraderivatsmatriserna är oberoende av x och ges av [ ] [ ] [ ] [ ] H (x) =, H 0 0 (x) =, H (x) =, H 0 4 (x) = 0 m Med h(x () ) enligt ovan blir h i (x () )H i (x () ) = [ ], så vi råkar få exakt samma ekvationssystem, och därmed exakt samma nya iterationspunkt x () = (0, 0) T, som vi fick med Gauss-Newtons metod i förra deluppgiften Uppgift 4(d) Andraderivatsmatrisen till målfunktionen f(x) ges av m F(x) = h(x) T h(x) + h i (x)h i (x), som efter insättning och förenklingar ger att [ ] [ ] 4x F(x) = + 0 4x 0 4x x = som är positivt definit för alla x IR Därmed är f(x) en (strikt) konvex funktion på hela IR [ ] 8x x +, (Detta är dock inte alltid fallet för ickelinjära minsta-kvadratproblem) 8
9 Uppgift 5(a) Lagrangefunktionen kan skrivas L(x, y) = f(x) + y g (x) + y g (x) = = (x a ) 4 + (x a ) 4 + y ((x 3) 4 + (x ) 4 6) + y ((x ) 4 + (x 3) 4 6) KKT-villkoren kan delas upp i fyra grupper enligt följande (KKT ) L/ x j = 0 för j =, : 4(x a ) 3 + 4y (x 3) 3 + 4y (x ) 3 = 0, 4(x a ) 3 + 4y (x ) 3 + 4y (x 3) 3 = 0 (KKT ) Tillåten punkt, g i (x) 0 för i =, : (x 3) 4 + (x ) 4 6 0, (x ) 4 + (x 3) (KKT 3) Lagrangemultiplikatorerna icke-negativa: y 0, y 0 (KKT 4) Komplementaritetsvillkor, y i g i (x) = 0 för i =, : y ((x 3) 4 + (x ) 4 6) = 0, y ((x ) 4 + (x 3) 4 6) = 0 Uppgift 5(b) Andraderivatsmatriserna till målfunktionen och bivillkorsfunktionerna är [ (x a ) ] [ 0 (x 3) 0 (x a ), ] [ 0 (x ) 0 (x ) och 0 0 (x 3) Eftersom samtliga diagonalelement är 0 i dessa tre diagonalmatriser så är de tre matriserna positivt semidefinita för alla x IR Därmed är såväl målfunktion som bivillkorsfunktioner konvexa, vilket enligt en känd sats medför att varje KKT-punkt är en globalt optimal lösning till problemet Uppgift 5(c) Antag att x = (3, 3) T Då är både g (x) = 0 och g (x) = 0, så (KKT ) och (KKT 4) är uppfyllda (KKT ) förenklas till 4(3 a ) 3 + 4y (3 ) 3 = 0 och 4(3 a ) 3 + 4y (3 ) 3 = 0, som är uppfyllt om och endast om y = ((a 3) 3 )/8 och y = ((a 3) 3 )/8 Då blir (KKT 3) uppfyllt om och endast om både a 3 och a 3 Alltså: x = (3, 3) T är en KKT-punkt om och endast om både a 3 och a 3 Uppgift 5(d) Antag nu att x = (3 3/4, + 3/4 ) T Då är g (x) = 0 och g (x) < 0, så (KKT 4) medför att y = 0, varvid både (KKT ) och (KKT 4) blir uppfyllda (KKT ) förenklas nu till 4(3 3/4 a ) 3 + 4y ( 3/4 ) 3 = 0 och 4(+ 3/4 a ) 3 + 4y ( 3/4 ) 3 = 0, Addition av dessa villkor ger att 4(3 3/4 a ) 3 = 4(+ 3/4 a ) 3, vilket är uppfyllt om och endast om a + a = 4 Vi sätter därför a = t och a = +t Då blir y = ( 3/4 +t) 3 /( 3/4 ) 3, så (KKT 3) blir uppfyllt om och endast om t 3/4 Alltså: x = (3 3/4, + 3/4 ) T är en KKT-punkt om och endast om a = t och a = +t, där t 3/4 ] 9
Lösningar 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 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 SF1852 Optimeringslära för E, 16/1 08
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,
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 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 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 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 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 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 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 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 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 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 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 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 merFöreläsning 6: Nätverksoptimering
Föreläsning 6: Nätverksoptimering. Minkostnadsflödesproblem i nätverk.. Modellering och grafteori.. Simplexmetoden. Föreläsning 6 - Ulf Jönsson & Per Enqvist Nätverksoptimering Minkostnadsflödesproblem
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 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 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 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 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 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 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 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 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 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 Tentamen Torsdag, 17 mars 2016
SF4 Algebra och geometri Tentamen Torsdag, 7 mars Skrivtid: 8:-: Tillåtna hjälpmedel: inga Examinator: Tilman Bauer Tentamen består av nio uppgifter som vardera ger maximalt fyra poäng. Del A på tentamen
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 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 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 merTANA09 Föreläsning 5. Matrisnormer. Störningsteori för Linjära ekvationssystem. Linjära ekvationssystem
TANA9 Föreläsning Matrisnormer Linjära ekvationssystem Matrisnormer. Konditionstalet. Felanalys. Linjära minstakvadratproblem Överbestämda ekvationssystem. Normalekvationerna. Ortogonala matriser. QR faktorisering.
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 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 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 mer1. (a) (1p) Undersök om de tre vektorerna nedan är linjärt oberoende i vektorrummet
1 Matematiska Institutionen, KTH Lösningar till tentamensskrivning på kursen Linjär algebra, SF1604, för CDA- TE, CTFYS och vissa CL, fredagen den 13 mars 015 kl 08.00-13.00. Examinator: Olof Heden. OBS:
Läs merSF1624 Algebra och geometri Lösningsförslag till tentamen DEL A
SF64 Algebra och geometri Lösningsförslag till tentamen 04-05-0 DEL A. Planet P innehåller punkterna (,, 0), (0, 3, ) och (,, ). (a) Bestäm en ekvation, på formen ax + by + cz + d = 0, för planet P. (
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 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 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 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 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 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 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 merDEL I. Matematiska Institutionen KTH. Lösning till tentamensskrivning på kursen Linjär algebra II, SF1604 för D, den 5 juni 2010 kl
1 Matematiska Institutionen KTH Lösning till tentamensskrivning på kursen Linjär algebra II, SF164 för D, den 5 juni 21 kl 9.- 14.. Examinator: Olof Heden. Hjälpmedel: Inga hjälpmedel är tillåtna på tentamensskrivningen.
Läs merSF1624 Algebra och geometri Tentamen Torsdag, 9 juni 2016
SF624 Algebra och geometri Tentamen Torsdag, 9 juni 26 Skrivtid: 8: 3: Tillåtna hjälpmedel: inga Examinator: Tilman Bauer Tentamen består av nio uppgifter som vardera ger maximalt fyra poäng. Del A på
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 merVektorrum. EX. Plan och linjer i rummet genom origo. Allmänt; mängden av lösningar till AX = 0.
Vektorrum Denna kurs handlar till stor del om s k linjära rum eller vektorrum. Dessa kan ses som generaliseringar av R n. Skillnaden består främst i att teorin nu blir mer abstrakt. Detta är själva poängen;
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 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 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 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 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 merNovember 6, { b1 = k a
Fö 7: November 6, 2018 Linjära ekvationssystem Inledande exempel: Finn ekv för linjen L som går genom punkterna P a 1, b 1 och Qa 2, b 2 sådana att a 1 a 2. Lsg: Linjen L kan beskrivas av ekv y = k x +
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 merTMV166 Linjär Algebra för M. Tentamen
MATEMATISKA VETENSKAPER TMV66 6 Chalmers tekniska högskola 6 8 kl 8:3 :3 (SB Multisal) Examinator: Tony Stillfjord Hjälpmedel: ordlistan från kurshemsidan, ej räknedosa Telefonvakt: Olof Giselsson, ankn
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 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 merOptimeringslära Kaj Holmberg. Lösningar/svar. Iteration 2: x 2 s
Tekniska Högskolan i Linköping Optimering av realistiska sammansatta s Matematiska Institutionen Lösning till tentamen Optimeringslära 2014-01-15 Kaj Holmberg Lösningar/svar Uppgift 1 1a: (Detta problem
Läs merSF1624 Algebra och geometri Tentamen med lösningsförslag onsdag, 11 januari 2017
SF64 Algebra och geometri Tentamen med lösningsförslag onsdag, januari 7. (a) För vilka värden på k har ekvationssystemet (med avseende på x, y och z) kx + ky + z 3 x + ky + z 4x + 3y + 3z 8 en entydig
Läs mer8(x 1) 7(y 1) + 2(z + 1) = 0
Matematiska Institutionen KTH Lösningsförsök till tentamensskrivningen på kursen Linjär algebra, SF60, den juni 0 kl 08.00-.00. Examinator: Olof Heden. OBS: Inga hjälpmedel är tillåtna på tentamensskrivningen.
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 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 merInstitutionen för Matematiska Vetenskaper TENTAMEN I LINJÄR ALGEBRA OCH NUMERISK ANALYS F1/TM1, TMA671 2014-05-26
Institutionen för Matematiska Vetenskaper Göteborg TENTAMEN I LINJÄR ALGEBRA OCH NUMERISK ANALYS F/TM, TMA67 4-5-6 DAG: Måndag 6 maj 4 TID: 4. - 8. SAL: V Ansvarig: Ivar Gustafsson, tel: 75-33545 Förfrågningar:
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 merHemuppgift 2, SF1861 Optimeringslära för T, VT-10
Hemuppgift 2, SF1861 Optimeringslära för T, VT-1 Kursansvarig: Per Enqvist, tel: 79 6298, penqvist@math.kth.se. Assistenter: Mikael Fallgren, werty@kth.se, Amol Sasane, sasane@math.kth.se. I denna uppgift
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 merDEL I. Matematiska Institutionen KTH. Lösning till tentamensskrivning på kursen Linjär algebra II, SF1604, den 15 mars 2010 kl
1 Matematiska Institutionen KTH Lösning till tentamensskrivning på kursen Linjär algebra II, SF1604, den 15 mars 010 kl 14.00-19.00. Hjälpmedel: Inga hjälpmedel är tillåtna på tentamensskrivningen. Betygsgränser:
Läs merSF1624 Algebra och geometri Lösningsförslag med bedömningskriterier till kontrollskrivning 2 Måndagen den 24 september, 2012
SF64 Algebra och geometri Lösningsförslag med bedömningskriterier till kontrollskrivning Måndagen den 4 september, Låt T : R R 4 vara den linjära avbildningen med standardmatris (a) Bestäm en bas för bildrummet
Läs merFöreläsningsanteckningar Linjär Algebra II Lärarlyftet
Föreläsningsanteckningar Linjär Algebra II Lärarlyftet Per Alexandersson Föreläsning I Timme I: Repetition av matriser, linjära ekvationssystem Linjärt ekvationssystem: x + y + z 3w = 3 2x + y + z 4w =
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 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 merInstitutionen för Matematik TENTAMEN I LINJÄR ALGEBRA OCH NUMERISK ANALYS F1, TMA DAG: Fredag 30 augusti 2002 TID:
Institutionen för Matematik Göteborg TENTAMEN I LINJÄR ALGEBRA OCH NUMERISK ANALYS F, TMA67 22-8-3 DAG: Fredag 3 augusti 22 TID: 8.45-2.45 SAL: V Ansvarig: Ivar Gustafsson, tel: 772 94 (ankn. 94) Förfrågningar:
Läs merLinjärprogramming. EG2205 Föreläsning 7, vårterminen 2015 Mikael Amelin
Linjärprogramming EG2205 Föreläsning 7, vårterminen 2015 Mikael Amelin 1 Kursmål Formulera korttidsplaneringsproblem för vatten- och värmekraftsystem. 2 Tillämpad matematisk programming Korttidsplanering
Läs merLösning av tentamensskrivning på kursen Linjär algebra, SF1604, för CDATE, CTFYS och vissa CL, tisdagen den 20 maj 2014 kl
1 Matematiska Institutionen, KTH Lösning av tentamensskrivning på kursen Linjär algebra, SF1604, för CDATE, CTFYS och vissa CL, tisdagen den 20 maj 2014 kl 08.00-13.00. Examinator: Olof Heden. OBS: Inga
Läs merTentamensinstruktioner. Vid skrivningens slut
Matematiska institutionen Optimeringslära TENTAMEN TAOP14/TEN1 OPTIMERINGSLÄRA GRUNDKURS för I och Ii Datum: 13:e januari 2011 Tid: 8.00 13.00 Hjälpmedel: Kurslitteratur av Lundgren m fl: Optimeringslära
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 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 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 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 mer8 Minsta kvadratmetoden
Nr, april -, Amelia Minsta kvadratmetoden. Ekvationssystem med en lösning, -fallet Ett linjärt ekvationssystem, som ½ +7y = y = har en entydig lösning om koefficientdeterminanten, här 7, är skild från
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 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 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 merChalmers tekniska högskola Datum: kl Telefonvakt: Linnea Hietala MVE480 Linjär algebra S
MATEMATIK Hjälpmedel: inga Chalmers tekniska högskola Datum: 69 kl 4-8 Tentamen Telefonvakt: Linnea Hietala 55 MVE48 Linjär algebra S Tentan rättas och bedöms anonymt Skriv tentamenskoden tydligt på placeringlista
Läs mer6.1 Skalärprodukt, norm och ortogonalitet. TMV141 Linjär algebra E VT 2011 Vecka 6. Lärmål 6.1. Skalärprodukt. Viktiga begrepp
6.1 Skalärprodukt, norm och ortogonalitet TMV141 Linjär algebra E VT 2011 Vecka 6 Skalärprodukt Norm/längd Normerad vektor/enhetsvektor Avståndet mellan två vektorer Ortogonala vektorer Ortogonala komplementet
Läs merSF1624 Algebra och geometri Tentamen Onsdagen 29 oktober, 2014
SF1624 Algebra och geometri Tentamen Onsdagen 29 oktober, 214 Skrivtid: 14.-19. Tillåtna hjälpmedel: inga Examinator: Roy Skjelnes Tentamen består av nio uppgifter som vardera ger maximalt fyra poäng.
Läs merTentamensinstruktioner. När Du löser uppgifterna
Matematiska institutionen Optimeringslära TENTAMEN TAOP88/TEN 1 OPTIMERING FÖR INGENJÖRER för EMM Datum: 2 augusti 2011 Tid: 8.00-1.00 Hjälpmedel: Miniräknare Kurslitteratur: Kaj Holmberg: Optimering Anteckningar
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 merKonsten att lösa icke-linjära ekvationssystem
Konsten att lösa icke-linjära ekvationssystem Andreas Axelsson Vi beskriver här de grundläggande teknikerna för att lösa icke-linjära ekvationssystem. Detta är en nödvändig kunskap för att kunna lösa diverse
Läs merLinjär algebra/matematik. TM-Matematik Mikael Forsberg ma014a, ma031a
TM-Matematik Mikael Forsberg 074 41 1 Linjär algebra/matematik för ingenjörer ma014a, ma01a 011 0 8 Skrivtid: 09:00-14:00. Inga hjälpmedel förutom pennor, sudd, linjal, gradskiva. Lösningarna skall vara
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 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 merTentamensinstruktioner. När Du löser uppgifterna
Matematiska institutionen Optimeringslära TENTAMEN TAOP14/TEN 1 OPTIMERINGSLÄRA GRUNDKURS för I, Ii och TB Datum: 24 augusti 2009 Tid: 8.00-13.00 Hjälpmedel: Lundgren m fl: Optimeringslära och/eller Lundgren
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 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 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 mer