Optimeringslära för T (SF1861)

Storlek: px
Starta visningen från sidan:

Download "Optimeringslära för T (SF1861)"

Transkript

1 Optimeringslära för T (SF1861) 1. Kursinformation 2. Exempel på optimeringsproblem 3. Introduktion till linjärprogrammering Introduktion - Ulf Jönsson & Per Enqvist 1 Linjärprogrammering

2 Kursinformation Kurs i grundläggande optimeringslära samt linjär algebra. Ämnet tillämpas inom till exempel Telekommunikation, t.ex. basstationsplacering Signalbehandling, t.ex. taligenkänning Reglerteknik, t.ex. banplanering Ekonomi, t.ex. portföljplanering Logistik, t.ex. product chain management Medicin, t.ex. strålningsterapiplanering Introduktion - Ulf Jönsson & Per Enqvist 2 Linjärprogrammering

3 Lärare Per Enqvist ( Johan Markdahl ( Johan Thunberg ( Introduktion - Ulf Jönsson & Per Enqvist 3 Linjärprogrammering

4 Kursmaterial Följande material säljs på Matematiks studentexpedition, Lindstedtsv 25. Optimization, av Amol Sasane och Krister Svanberg. Exempelsamling i Optimeringslära för T. Introduktion - Ulf Jönsson & Per Enqvist 4 Linjärprogrammering

5 Kommentar till OH bilderna Till de flesta föreläsningarna kommer det att finnas OH-bilder (tillgängliga efter föreläsningen på hemsidan). Dessa sammanfattar föreläsningen samt ger vissa komplement till kurslitteraturen. Det finns också läsanvisningar längst bak i OH-häftet. OH-bilderna är inte ekvivalenta med föreläsningarna. Jag passar på att tacka Ulf Jönsson för arbetet han lagt ner på OH-bilderna. Introduktion - Ulf Jönsson & Per Enqvist 5 Linjärprogrammering

6 Kursens hemsida På kursens hemsida finns 1. preliminärt schema 2. läsanvisningar 3. hemtalen och information om inlämningsdatum kommer att anslås på kursens hemsida. Introduktion - Ulf Jönsson & Per Enqvist 6 Linjärprogrammering

7 Hemuppgifter (HEM1 1.5 hp) Tre frivilliga hemuppgifter i Matlab delas ut under kursens gång. Hemtal 1: Linjär algebra. Hemtal 2: Strukturoptimering. Hemtal 3: Ljuddämparoptimering - i samarbete med Ljud och Vibrationer. Introduktion - Ulf Jönsson & Per Enqvist 7 Linjärprogrammering

8 Regler för hemtalspoäng Belöning för 0 X 12 hemtalspoäng X < 5 ger ingen belöning. 5 X 8 medför att deluppgift 1.(a) ej behöver lösas på tentamen. De 5 tentamenspoängen för 1.(a) erhålls ändå. Denna bonus gäller under ett år. X 9 medför att uppgift 1 ej behöver lösas på tentamen. De = 9 tentamenspoängen för uppgift 1 erhålls ändå. Denna bonus gäller för all framtid. Den student som erhåller minst 9 hemtalspoäng blir inrapporterad godkänd på momentet HEM1. Den student som INTE erhåller minst 9 hemtalspoäng blir ändå inrapporterad godkänd på momentet HEM1 den dag han/hon blir godkänd på tentamen och får momentet TEN1 inrapporterat. Introduktion - Ulf Jönsson & Per Enqvist 8 Linjärprogrammering

9 Tentamen Maximalt resultat på tentamen är 50 poäng. Preliminära betygsgränser: Betyg A B C D E FX Poäng Vid tentamen delas en kortfattad formelsamling ut. Inga andra hjälpmedel är tillåtna. Ingen räknare på tentan! Ordinarie tentamen är Tisdagen den 24:e maj. Anmälan till tentamen är obligatorisk och kan göras via Mina Sidor mellan den 18:e april och 8:e maj. Introduktion - Ulf Jönsson & Per Enqvist 9 Linjärprogrammering

10 Kursmoment 1. Linjär optimering 2. Linjär algebra 3. Kvadratisk optimering 4. Olinjär optimering utan bivillkor 5. Olinjär optimering med bivillkor Introduktion - Ulf Jönsson & Per Enqvist 10 Linjärprogrammering

11 Tre exempel på optimeringsproblem 1. Nätverksoptimering Linjärprogrammeringsproblem 2. Linjär regression (modellanpassing) Kvadratiskt optimeringsproblem 3. Trafikreglering i kommunikationssystem Olinjärt optimeringsproblem med bivillkor Introduktion - Ulf Jönsson & Per Enqvist 11 Linjärprogrammering

12 Nätverksoptimering 40 1 x 13 /c x 35 /c 35 x 12 /c 12 x 23 /c 23 x 34 /c x 24 /c x 45 /c 45 Data skall skickas från datorer i nod 1 och 2 till datorer i nod 3, 4, och 5. Kostnaden för trafik i länken mellan nod i och j är c ij Kr/Kbyte. Datatrafiken från nod i till nod j betecknas x ij och mäts i Kbyte. Vi vill minimera kostnaden för datatrafiken. Introduktion - Ulf Jönsson & Per Enqvist 12 Linjärprogrammering

13 Nätverksoptimering Resulterande optimeringsproblem minimera c ij x ij alla bågar då x 12 + x 13 = 40 x 12 + x 23 + x 24 = 35 x 13 x 23 + x 34 + x 35 = 30 x 24 x 34 + x 45 = 25 x 35 x 45 = 20 x ij 0, alla bågflöde Introduktion - Ulf Jönsson & Per Enqvist 13 Linjärprogrammering

14 Linjär regression (modellanpassing) e(t) s(t) y(t) System Problem: Anpassa en linjär regressionsmodell till mätdata. Regressionsmodellen : y(t) = n j=1 α j ψ j (t) ψ j (t), j = 1,...,n är regressorerna (kända funktioner) α j = j = 1,...,n är modellparametrarna (skall bestämmas) e(t) mätbrus (ej känd) s(t) observationer - uppmätta data. Introduktion - Ulf Jönsson & Per Enqvist 14 Linjärprogrammering

15 Idé för modellanpassning: Minimera kvadratsumman av prediktionsfelen minimera 1 2 m n ( i=1 j=1 α j ψ j (t) s(t i )) 2 Detta är ett minsta kvadratproblem. Speciell typ av kvadratiskt optimeringsproblem. Introduktion - Ulf Jönsson & Per Enqvist 15 Linjärprogrammering

16 Trafikreglering i kommunikationssystem Vi betraktar ett kommunikationsnätverk bestående av två länkar. Tre källor skickar data över nätverket till tre olika destinationer. Källa 1 Destination 1 Länk 1 Länk 2 Källa 2 Destination2 Källa 3 Destination 3 Källa 1 använder båda länkarna. Källa 2 använder länk 1. Källa 3 använder länk 2. Introduktion - Ulf Jönsson & Per Enqvist 16 Linjärprogrammering

17 Länk 1 har kapaciteten 2 (normaliserad storhet [datamängd/sek]) Länk 2 har kapaciteten 1 De tre källorna sänder med datahastigheterna x r, r = 1, 2, 3. De tre källorna har varsin nyttofunktion U r (x), r = 1, 2, 3. Ett vanligt val av nyttofunktion är U r (x r ) = w r log(x r ). För effektivt och rättvist uttnyttjande den tillgängliga kapaciteten väljer man datahastigheterna enligt följande optimeringskriterium maximera U 1 (x 1 ) + U 2 (x 2 ) + U 3 (x 3 ) då x 1 + x 2 2 x 1 + x 3 1 x 1 0, x 2 0, x 3 0 Introduktion - Ulf Jönsson & Per Enqvist 17 Linjärprogrammering

18 Introduktion till linjärprogrammering (LP) 1. Formulering av exempelproblem 2. Tillåten lösning och optimalitet 3. Grafisk illustration av tillåtenhet och optimalitet 4. Introduktion av simplexmetoden 5. Några höjdpunkter inom LP teorin Introduktion - Ulf Jönsson & Per Enqvist 18 Linjärprogrammering

19 Formulering av exempelproblem Ett företag producerar två produkter P 1 och P 2 Maskinerna M 1 och M 2 används vid produktion av såväl P 1 som P 2 Produktionskapaciteten för maskinerna [dygn/enhet]: M 1 a 11 = 1 40 a 12 = 1 60 M 2 P1 P2 a 21 = 1 50 a 22 = 1 50 Priset för produkterna [KKr/enhet]: produkt pris P 1 c 1 = 200 P 2 c 2 = 400 Mål: Bestäm produktionsvolymen så att företagets profit maximeras. Introduktion - Ulf Jönsson & Per Enqvist 19 Linjärprogrammering

20 Låt x k antal enheter av produkt P k som produceras per dygn, k = 1, 2. Den maximala profiten erhålls som lösningen till följande optimeringsproblem: maximera 200x x 2 då 1 40 x x x x x k 0, k = 1, 2 Introduktion - Ulf Jönsson & Per Enqvist 20 Linjärprogrammering

21 Kompakt formulering: max c T x då Ax b, x 0 (1) där A = , b = 1, c = Optimeringsproblemet (1) är ett linjärprogrammeringsproblem: Linjär kostnadsfunktion c T x Linjära bivillkor Ax b och x 0 (komponentvisa olikheter) Introduktion - Ulf Jönsson & Per Enqvist 21 Linjärprogrammering

22 Tillåten lösning och optimalitet Det tillåtna området till (1) ges av F = {x : Ax b; x 0} Varje punkt x F kallas tillåten Punkten ˆx F kallas optimal om c T ˆx c T x, för alla x F. Introduktion - Ulf Jönsson & Per Enqvist 22 Linjärprogrammering

23 Grafisk illustration av tillåtenhet och optimalitet En olikhet av typen a T k x b k, k = 1, 2 svarar mot ett halvplan a a T 1 x b x 2 = 3 2 x Här är a T 1 = [ 1 40 ] 1, b 60 1 = 1 Introduktion - Ulf Jönsson & Per Enqvist 23 Linjärprogrammering

24 Tillåtna området till vårt exempelproblem blir en polyheder med fyra hörn 60 x x 1 Introduktion - Ulf Jönsson & Per Enqvist 24 Linjärprogrammering

25 Målfunktionen illustreras bäst med isokostlinjer c T x = z. I vårt exempel svarar detta mot linjen x 2 = c 1 c 2 x 1 + z c 2 = 0.5x 1 + z x c x 2 = 0.5x x 1 Introduktion - Ulf Jönsson & Per Enqvist 25 Linjärprogrammering

26 x 2 c ˆx x 2 = 0.5x x 1 Vi ser att optimum antages i hörnet ˆx = (0, 50) Optimalvärdet blir ẑ = c T ˆx = Introduktion - Ulf Jönsson & Per Enqvist 26 Linjärprogrammering

27 Man kan visa följande sats Sats 1. Om det finns en optimal lösning till maximera c T x då Ax b, x 0 så finns det en optimal hörnlösning. Satsen visar att det räcker att leta bland hörnpunkterna när man löser optimeringsproblemet. Vi kommer senare att ge en precis algebraisk mening åt begreppet hörnpunkt. Introduktion - Ulf Jönsson & Per Enqvist 27 Linjärprogrammering

28 Introduktion till simplexmetoden Bestäm initial hörnpunkt Är hörnpunkten optimal? Ja KLART Nej Finn bättre intilliggande hörnpunkt I algoritmen söker man alltid utefter en kant som utgår från det hörn som man befinner sig i. Introduktion - Ulf Jönsson & Per Enqvist 28 Linjärprogrammering

29 60 x 2 60 x x x 1 Alternativ 1 Alternativ 2 Hur väljer man kortaste vägen? Introduktion - Ulf Jönsson & Per Enqvist 29 Linjärprogrammering

30 Det finns ingen effektiv algoritm som garanterat hittar kortaste vägen till optimum. Simplexalgoritmen finner i allmänhet en kort väg till optimum. Väljer vad som (lokalt) verkar vara bästa vägen. Hur vet man att man hittat optimum? Introduktion - Ulf Jönsson & Per Enqvist 30 Linjärprogrammering

31 Simplexalgoritmens val av riktning 60 x d 1 θ 2 c θ 1 d 2 x Det är lokalt bättre att gå längs kanten med enhetsrikting d 1 än att gå längs kanten med enhetsrikting d 2. Detta följer eftersom c T d 1 = c d 1 }{{} =1 cos(θ 1 ) > c d 2 cos(θ }{{} 2 ) = c T d 2 =1 Introduktion - Ulf Jönsson & Per Enqvist 31 Linjärprogrammering

32 x Stoppkriterium c d 1 d x 1 Vi har nått optimala hörnpunkten då c T d 1 0 c T d 2 0 Introduktion - Ulf Jönsson & Per Enqvist 32 Linjärprogrammering

33 Simplexalgoritmen: Höjdpunkter de kommande veckorna Vårt geometriska resonemang ger intuition men måste ersättas med linjär algebra för numerisk implementation. Hörnpunkter och kantriktingar erhålls som lösningar till linjära ekvationssystem. Dualitet: Till varje linjärt optimeringsproblem finns ett dualt linjärt optimeringsproblem. Dualen ger ny insikt och används för att härleda optimalitetsvillkor. Tillämpningar: Diet problem, transportproblem, lagerstyrning, nätverksoptimering. Introduktion - Ulf Jönsson & Per Enqvist 33 Linjärprogrammering

34 Kommentar Exemplet är taget från An Introduction to Linear Programming and the Simplex Algorithm En www kurs som finns på adressen spyros/lp/lp.html Introduktion - Ulf Jönsson & Per Enqvist 34 Linjärprogrammering

35 LP-problem på standardform minimera då n c j x j j=1 n a ij x j = b i, i = 1,...,m j=1 x j 0, j = 1,...,n = minimera c T x då Ax = b x 0 där A = a a 1n., b = b 1., c = c 1., x = x 1. a m1... a mn b m c n x n Introduktion - Ulf Jönsson & Per Enqvist 35 Linjärprogrammering

36 Det antages att A har linjärt oberoende rader. Annars kan man reducera problemet genom att ta bort rader. Vi antar att n > m, vilket betyder att linjära bivillkoret är underbestämt. Om n m finns i allmänhet antingen en unik lösning ingen lösning varvid optimeringsproblemet är ointressant Alla linjära optimeringsproblem kan överföras till standardformen. Vi kommer härleda en simplexalgoritm för LP på standardform. Introduktion - Ulf Jönsson & Per Enqvist 36 Linjärprogrammering

37 Knep för att transformera godtyckligt LP-problem till standardformen maxc T x = min( c) T x Inför slack- respektive surplusvariabler vid olikhetsbivillkor n n a ij x j b i ersätts av a ij x j + x n+1 = b i, j=1 j=1 där x n+1 0 är så kallade slack-variabler. n n a ij x j b i ersätts av a ij x j x n+1 = b i, j=1 j=1 där x n+1 0 är så kallade surplus-variabler. En variablel x k som inte är teckenbegränsad kan ersättas med differensen x k = x k x k, där x k,x k 0. Introduktion - Ulf Jönsson & Per Enqvist 37 Linjärprogrammering

38 Några vanliga former på LP-problem Form Primal Dual Standardformen minimera c T x då Ax = b maximera b T y då A T y c x 0 Kanoniska formen minimera c T x då Ax b x 0 maximera b T y då A T y c y 0 Pedagogiska formen minimera c T x då Ax b maximera b T y då A T y = c y 0 Introduktion - Ulf Jönsson & Per Enqvist 38 Linjärprogrammering

39 Läsanvisningar Kapitel 1 (1.4 kursivt) Kapitel 2 Kapitel 3 Introduktion - Ulf Jönsson & Per Enqvist 39 Linjärprogrammering

40 60 x x1 Starting point Givet startpunkten, om x 2 maximeras, var är då det globala optimat och vilken väg skulle Simplex Algoritmen välja? Introduktion - Ulf Jönsson & Per Enqvist 40 Linjärprogrammering

41 Standard form Givet optimeringsproblemet maximize x 1 s.t. x 1 x 2, x 2 + 3x 3 = 2, x 1 0,x 3 0. Skriv det på standardform, min c T x, sådant att Ax = b och x 0. Introduktion - Ulf Jönsson & Per Enqvist 41 Linjärprogrammering

Föreläsning 2: Simplexmetoden. 1. Repetition av geometriska simplexmetoden. 2. Linjärprogrammeringsproblem på standardform.

Föreläsning 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 mer

1 Duala problem vid linjär optimering

1 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 mer

Linjärprogramming. EG2205 Föreläsning 7, vårterminen 2015 Mikael Amelin

Linjärprogramming. 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 mer

Föreläsning 6: Nätverksoptimering

Föreläsning 6: Nätverksoptimering Föreläsning 6: Nätverksoptimering. Minkostnadsflödesproblem i nätverk.. Modellering och grafteori.. Simplexmetoden. Föreläsning 6 - Ulf Jönsson & Per Enqvist Nätverksoptimering Minkostnadsflödesproblem

Läs mer

MIO310 OPTIMERING OCH SIMULERING, 4 p

MIO310 OPTIMERING OCH SIMULERING, 4 p Uppvisat terminsräkning ( ) Ja ( ) Nej Inst. för teknisk ekonomi och logistik Avd. för Produktionsekonomi Jag tillåter att mitt tentamensresultat publiceras på Internet Ja Nej TENTAMEN: MIO0 OPTIMERING

Läs mer

De optimeringsproblem som kommer att behandlas i denna kurs kan alla (i princip) skrivas. 1 2 xt Hx + c T x. minimera

De 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 mer

Linjärprogrammering (Kap 3,4 och 5)

Linjärprogrammering (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 mer

TNSL05, Optimering, Modellering och Planering 6 hp, HT2-2011

TNSL05, Optimering, Modellering och Planering 6 hp, HT2-2011 ITN/KTS Stefan Engevall/Joakim Ekström Kursinformation TNSL05, Optimering, Modellering och Planering, HT2011 TNSL05, Optimering, Modellering och Planering 6 hp, HT2-2011 1 Kursmål & innehåll 1.1 Mål med

Läs mer

Tentamensinstruktioner. När Du löser uppgifterna

Tentamensinstruktioner. 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 mer

1 LP-problem på standardform och Simplexmetoden

1 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 mer

Tentamensinstruktioner. När Du löser uppgifterna

Tentamensinstruktioner. När Du löser uppgifterna Matematiska institutionen Optimeringslära TENTAMEN TAOP/TEN 1 OPTIMERING FÖR INGENJÖRER för M/EMM Datum: 1 november 2013 Tid:.00-13.00 Hjälpmedel: Miniräknare Kurslitteratur: Kaj Holmberg: Optimering Anteckningar

Läs mer

TNK049 Optimeringslära

TNK049 Optimeringslära TNK049 Optimeringslära Clas Rydergren, ITN Föreläsning 6 Det duala problemet Relationer primal dual Optimalitetsvillkor Nätverksoptimering (introduktion) Agenda Motivering av det duala problemet (kap 6.)

Läs mer

Tentamensinstruktioner. När Du löser uppgifterna

Tentamensinstruktioner. När Du löser uppgifterna Matematiska institutionen Optimeringslära TENTAMEN TAOP/TEN OPTIMERING FÖR INGENJÖRER för M/EMM Datum: 29 maj 20 Tid:.00-.00 Hjälpmedel: Miniräknare Kurslitteratur: Kaj Holmberg: Optimering Anteckningar

Läs mer

Tentamensinstruktioner. När Du löser uppgifterna

Tentamensinstruktioner. När Du löser uppgifterna Matematiska institutionen Optimeringslära TENTAMEN TAOP/TEN 1 OPTIMERING FÖR INGENJÖRER för M/EMM Datum: januari 2013 Tid: 14.00-19.00 Hjälpmedel: Miniräknare Kurslitteratur: Kaj Holmberg: Optimering Anteckningar

Läs mer

TAOP86/TEN 1 KOMBINATORISK OPTIMERING MED

TAOP86/TEN 1 KOMBINATORISK OPTIMERING MED Matematiska institutionen Optimeringslära TENTAMEN TAOP8/TEN 1 KOMBINATORISK OPTIMERING MED MILJÖTILLÄMPNINGAR Datum: 10 januari 201 Tid: 1.00-19.00 Hjälpmedel: Miniräknare Kurslitteratur: Kaj Holmberg:

Läs mer

Tentamensinstruktioner. När Du löser uppgifterna

Tentamensinstruktioner. När Du löser uppgifterna Matematiska institutionen Optimeringslära TENTAMEN TAOP/TEN OPTIMERING FÖR INGENJÖRER för M/EMM Datum: oktober 0 Tid:.00-9.00 Hjälpmedel: Miniräknare Kurslitteratur: Kaj Holmberg: Optimering Anteckningar

Läs mer

Tentamensinstruktioner. Vid skrivningens slut

Tentamensinstruktioner. 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 mer

1 Kvadratisk optimering under linjära likhetsbivillkor

1 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 mer

TAOP88/TEN 1 OPTIMERING FÖR INGENJÖRER

TAOP88/TEN 1 OPTIMERING FÖR INGENJÖRER Matematiska institutionen Optimeringslära TENTAMEN TAOP88/TEN OPTIMERING FÖR INGENJÖRER Datum: juni 0 Tid: 8.00-.00 Hjälpmedel: Miniräknare Kurslitteratur: Kaj Holmberg: Optimering Anteckningar i boken

Läs mer

TAOP86/TEN 1 KOMBINATORISK OPTIMERING MED

TAOP86/TEN 1 KOMBINATORISK OPTIMERING MED Matematiska institutionen Optimeringslära TENTAMEN TAOP86/TEN 1 KOMBINATORISK OPTIMERING MED MILJÖTILLÄMPNINGAR för IT Datum: 16 mars 010 Tid: 1.00-19.00 Hjälpmedel: Miniräknare Kaj Holmberg: Kombinatorisk

Läs mer

MIO310 OPTIMERING OCH SIMULERING, 4 p

MIO310 OPTIMERING OCH SIMULERING, 4 p Uppvisat terminsräkning ( ) Ja ( ) Nej Inst. för teknisk ekonomi och logistik Avd. för Produktionsekonomi Jag tillåter att mitt tentamensresultat publiceras på Internet Ja Nej TENTAMEN: MIO0 OPTIMERING

Läs mer

TAOP88/TEN 1 OPTIMERING FÖR INGENJÖRER

TAOP88/TEN 1 OPTIMERING FÖR INGENJÖRER Matematiska institutionen Optimeringslära TENTAMEN TAOP/TEN OPTIMERING FÖR INGENJÖRER Datum: juni 0 Tid:.00-.00 Hjälpmedel: Miniräknare Kurslitteratur: Kaj Holmberg: Optimering Anteckningar i boken får

Läs mer

Olinjär optimering med bivillkor: KKT min f (x) då g i (x) 0 för alla i

Olinjär 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 mer

LP-problem. Vårt första exempel. Baslösningar representerar extrempunkter. Baslösningar representerar extrempunkter

LP-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 mer

LP-dualitet: Exempel. Vårt första exempel. LP-dualitet: Relationer. LP-dualitet: Generellt

LP-dualitet: Exempel. Vårt första exempel. LP-dualitet: Relationer. LP-dualitet: Generellt Vårt första exempel Variabeldefinition: x 1 = antal enheter Optimus som görs varje timme. x 2 = antal enheter Rullmus som görs varje timme. Matematisk modell: max z = 4x 1 + 3x 2 då 2x 1 + 3x 2 30 (1)

Läs mer

Vårt första exempel. LP-dualitet: Exempel. LP-dualitet: Generellt. LP-dualitet: Relationer

Vårt första exempel. LP-dualitet: Exempel. LP-dualitet: Generellt. LP-dualitet: Relationer Vårt första exempel Variabeldefinition: x 1 = antal enheter Optimus som görs varje timme. x 2 = antal enheter Rullmus som görs varje timme. Matematisk modell: max z = 4x 1 + 3x 2 då 2x 1 + 3x 2 30 (1)

Läs mer

TAOP33/TEN 2 KOMBINATORISK OPTIMERING GRUNDKURS

TAOP33/TEN 2 KOMBINATORISK OPTIMERING GRUNDKURS Matematiska institutionen Optimeringslära TENTAMEN TAOP/TEN KOMBINATORISK OPTIMERING GRUNDKURS Datum: 1 mars 01 Tid: 8.00-1.00 Hjälpmedel: Miniräknare Kurslitteratur: Kaj Holmberg: Optimering Anteckningar

Läs mer

MIO310 OPTIMERING OCH SIMULERING, 4 p

MIO310 OPTIMERING OCH SIMULERING, 4 p Uppvisat terminsräkning ( ) Ja ( ) Nej Inst. för teknisk ekonomi och logistik Avd. för Produktionsekonomi Jag tillåter att mitt tentamensresultat publiceras på Internet Ja Nej TENTAMEN: MIO310 OPTIMERING

Läs mer

Lösningar till tentan i SF1861 Optimeringslära, 3 Juni, 2016

Lösningar 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 mer

TNSL05, Optimering, Modellering och Planering 6 hp, HT2-2010

TNSL05, Optimering, Modellering och Planering 6 hp, HT2-2010 ITN/KTS Stefan Engevall/Joakim Ekström Kursinformation TNSL05, Optimering, Modellering och Planering, HT2010 TNSL05, Optimering, Modellering och Planering 6 hp, HT2-2010 1 Kursmål & innehåll 1.1 Mål med

Läs mer

TAOP61/TEN 1 OPTIMERING AV REALISTISKA SAMMANSATTA SYSTEM

TAOP61/TEN 1 OPTIMERING AV REALISTISKA SAMMANSATTA SYSTEM Matematiska institutionen Optimeringslära TENTAMEN TAOP61/TEN 1 OPTIMERING AV REALISTISKA SAMMANSATTA SYSTEM Datum: 23 augusti 2016 Tid: 8.00-13.00 Hjälpmedel: Miniräknare Kurslitteraturen: Kaj Holmberg:

Läs mer

Optimeringslära Kaj Holmberg

Optimeringslära 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 mer

MIO310 OPTIMERING OCH SIMULERING, 4 p

MIO310 OPTIMERING OCH SIMULERING, 4 p Uppvisat terminsräkning ( ) Ja ( ) Nej Inst. för teknisk ekonomi och logistik Avd. för Produktionsekonomi Jag tillåter att mitt tentamensresultat publiceras på Internet Ja Nej TENTAMEN: MIO310 OPTIMERING

Läs mer

TAOP88/TEN 1 OPTIMERING FÖR INGENJÖRER

TAOP88/TEN 1 OPTIMERING FÖR INGENJÖRER Matematiska institutionen Optimeringslära TENTAMEN TAOP/TEN 1 OPTIMERING FÖR INGENJÖRER Datum: januari 2016 Tid: 1.00-19.00 Hjälpmedel: Miniräknare Kurslitteratur: Kaj Holmberg: Optimering Anteckningar

Läs mer

Speciell användning av heltalsvariabler. Heltalsprogrammering. Antingen-eller-villkor: Exempel. Speciell användning av heltalsvariabler

Speciell användning av heltalsvariabler. Heltalsprogrammering. Antingen-eller-villkor: Exempel. Speciell användning av heltalsvariabler Heltalsprogrammering Speciell användning av heltalsvariabler max z = då c j x j j= a ij x j b i j= x j 0 x j heltal i =,..., m j =,..., n j =,..., n ofta x j u j j =,..., n Oftast c, A, b heltal. Ibland

Läs mer

TAOP86/TEN 1 KOMBINATORISK OPTIMERING MED

TAOP86/TEN 1 KOMBINATORISK OPTIMERING MED Matematiska institutionen Optimeringslära TENTAMEN TAOP86/TEN 1 KOMBINATORISK OPTIMERING MED MILJÖTILLÄMPNINGAR för IT Datum: 19 mars 2011 Tid: 14.00-19.00 Hjälpmedel: Miniräknare Kaj Holmberg: Optimering.

Läs mer

Hållfasthetslära Z2, MME175 lp 3, 2005

Hållfasthetslära Z2, MME175 lp 3, 2005 Hållfasthetslära Z2, MME175 lp 3, 2005 Examinator: Magnus Ekh (mekh@am.chalmers.se), tele: 7723479 Kurspoäng: 3 Kurslitteratur: "Grundläggande hållfasthetslära", Hans Lundh, KTH, Stockholm. "Exempelsamling

Läs mer

Laborationsuppgift 1 Tillämpad optimeringslära för MMT (5B1722)

Laborationsuppgift 1 Tillämpad optimeringslära för MMT (5B1722) Laborationsuppgift 1 Tillämpad optimeringslära för MMT (5B1722) Februari 2004 Avdelningen för Optimeringslära och Systemteori Institutionen för Matematik Kungliga Tekniska Högskolan Stockholm Allmän information

Läs mer

Optimeringslära 2013-11-01 Kaj Holmberg

Optimeringslära 2013-11-01 Kaj Holmberg Tekniska Högskolan i Linköping Optimering för ingenjörer Matematiska Institutionen Lösning till tentamen Optimeringslära 23-- Kaj Holmberg Uppgift a: Problemet skrivet i standardform är: Lösningar min

Läs mer

TAOP33/TEN 2 KOMBINATORISK OPTIMERING GRUNDKURS för D och C. Tentamensinstruktioner. När Du löser uppgifterna

TAOP33/TEN 2 KOMBINATORISK OPTIMERING GRUNDKURS för D och C. Tentamensinstruktioner. När Du löser uppgifterna Matematiska institutionen Optimeringslära TENTAMEN TAOP/TEN KOMBINATORISK OPTIMERING GRUNDKURS för D och C Datum: 1 januari 01 Tid: 8.00-1.00 Hjälpmedel: Miniräknare Kurslitteratur: Kaj Holmberg: Optimering

Läs mer

BML131, Matematik I för tekniskt/naturvetenskapligt basår

BML131, Matematik I för tekniskt/naturvetenskapligt basår BML131 ht 2013 1 BML131, Matematik I för tekniskt/naturvetenskapligt basår Syfte och organisation Matematiken på basåret läses i två obligatoriska kurser; under första halvan av hösten BML131 (Matematik

Läs mer

Föreläsning 6: Transportproblem (TP)

Föreläsning 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 mer

TENTAMEN I LINJÄR ALGEBRA OCH NUMERISK ANALYS F1/TM1, TMA671 2015-04-18

TENTAMEN 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 mer

TAOP88/TEN 1 OPTIMERING FÖR INGENJÖRER

TAOP88/TEN 1 OPTIMERING FÖR INGENJÖRER Matematiska institutionen Optimeringslära TENTAMEN TAOP88/TEN OPTIMERING FÖR INGENJÖRER Datum: 0 oktober 0 Tid: 8.00-.00 Hjälpmedel: Miniräknare Kurslitteratur: Kaj Holmberg: Optimering Anteckningar i

Läs mer

TAOP33/TEN 2 KOMBINATORISK OPTIMERING GRUNDKURS

TAOP33/TEN 2 KOMBINATORISK OPTIMERING GRUNDKURS Matematiska institutionen Optimeringslära TENTAMEN TAOP/TEN KOMBINATORISK OPTIMERING GRUNDKURS Datum: 9 april 0 Tid: 8.00-.00 Hjälpmedel: Miniräknare Kurslitteratur: Kaj Holmberg: Optimering Anteckningar

Läs mer

SF1646, Analys i era variabler, 6 hp, för I1, läsåret 2007.2008.

SF1646, Analys i era variabler, 6 hp, för I1, läsåret 2007.2008. SF1646, Analys i era variabler, 6 hp, för I1, läsåret 2007.2008. Anders Karlsson, Inst för Matematik, KTH January 22, 2008 Kursinnehåll: Grundläggande kurs i di erential- och integralkalkyl i era variabler.

Läs mer

Institutionen 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 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 mer

TAOP88/TEN 1 OPTIMERING FÖR INGENJÖRER

TAOP88/TEN 1 OPTIMERING FÖR INGENJÖRER Matematiska institutionen Optimeringslära TENTAMEN TAOP88/TEN 1 OPTIMERING FÖR INGENJÖRER Datum: 28 augusti 2015 Tid: 1.00-19.00 Hjälpmedel: Miniräknare Kurslitteratur: Kaj Holmberg: Optimering Anteckningar

Läs mer

TAOP86/TEN 1 KOMBINATORISK OPTIMERING MED

TAOP86/TEN 1 KOMBINATORISK OPTIMERING MED Matematiska institutionen Optimeringslära TENTAMEN TAOP/TEN 1 KOMBINATORISK OPTIMERING MED MILJÖTILLÄMPNINGAR för IT Datum: 2 oktober 2013 Tid:.00-13.00 Hjälpmedel: Miniräknare Kaj Holmberg: Optimering.

Läs mer

Optimering. Optimering av transportproblem. Linköpings universitet SL. Campusveckan VT2013

Optimering. Optimering av transportproblem. Linköpings universitet SL. Campusveckan VT2013 Optimering Optimering av transportproblem Campusveckan VT2013 Linköpings universitet SL 1 Optimering - Distributionsproblem Företaget Kulprodukter AB producerar sina kulor vid fyra olika fabriksanläggningar

Läs mer

SF1513 (tidigare DN1212) Numeriska metoder och grundläggande programmering. för Bio3, 9 hp (högskolepoäng)

SF1513 (tidigare DN1212) Numeriska metoder och grundläggande programmering. för Bio3, 9 hp (högskolepoäng) Kursöversikt numpbio, 2013. 1 Beatrice Frock KTH Matematik, 130620 SF1513 (tidigare DN1212) Numeriska metoder och grundläggande programmering för Bio3, 9 hp (högskolepoäng) Kursprogram 6 Design i Matlab

Läs mer

TNK047 [TEN1] OPTIMERING OCH SYSTEMANALYS

TNK047 [TEN1] OPTIMERING OCH SYSTEMANALYS TNK047 [TEN1] OPTIMERING OCH SYSTEMANALYS Datum: 22 maj 2012 Tid: 8 12, TP56 Hjälpmedel: Ett A4-blad med text/anteckningar (båda sidor) samt miniräknare. Antal uppgifter: 5; Vardera uppgift kan ge 5p.

Läs mer

TDDB56 DALGOPT Algoritmer och Optimering Tentamen , 8 13

TDDB56 DALGOPT Algoritmer och Optimering Tentamen , 8 13 Linköpings Tekniska Högskola 00-08-0 Institutionen för Datavetenskap David Broman / Jan Maluszynski / Kaj Holmberg TDDB6 DALGOPT Algoritmer och Optimering Tentamen 00-08-0, 8 Examinator Jan Maluszynski

Läs mer

Lösningar till tentan i 5B1760 Linjär och kvadratisk optimering, 17 december 2003.

Lösningar 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 mer

NUMERISKA METODER HT01. Energiteknik & Teknisk fysik HT01. Institutionen för Datavetenskap Umeå Universitet

NUMERISKA METODER HT01. Energiteknik & Teknisk fysik HT01. Institutionen för Datavetenskap Umeå Universitet NUMERISKA METODER HT01 för Energiteknik & Teknisk fysik HT01 Institutionen för Datavetenskap Umeå Universitet Dagens pass (föreläsning 1-2) Allmän info del 1 (kursens poäng, utlåning av Matlab, Matlab

Läs mer

TENTAMEN I LINJÄR ALGEBRA OCH NUMERISK ANALYS F1, TMA671

TENTAMEN 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 mer

TAOP86/TEN 1 KOMBINATORISK OPTIMERING MED

TAOP86/TEN 1 KOMBINATORISK OPTIMERING MED Matematiska institutionen Optimeringslära TENTAMEN TAOP86/TEN KOMBINATORISK OPTIMERING MED MILJÖTILLÄMPNINGAR Datum: 24 oktober 204 Tid: 8.00-.00 Hjälpmedel: Miniräknare Kurslitteratur: Kaj Holmberg: Optimering

Läs mer

TMV166/186 Linjär Algebra M/TD 2009/2010

TMV166/186 Linjär Algebra M/TD 2009/2010 TMV166/186 Linjär Algebra M/TD 2009/2010 Examinator och föreläsare Carl-Henrik Fant E-post: carl-henrik.fant@chalmers.se Tel: 772 3557, kontor: Matematik L 3037 Övningsledare: ML11: Staffan Hägglund ML12:

Läs mer

SF1646, Analys i flera variabler, 6 hp, för CBIOT1 och CKEMV1, VT 2009.

SF1646, Analys i flera variabler, 6 hp, för CBIOT1 och CKEMV1, VT 2009. SF1646, Analys i flera variabler, 6 hp, för CBIOT1 och CKEMV1, VT 2009. Kurt Johansson, Inst för Matematik, KTH 2 mars 2009 Kursinnehåll: Grundläggande kurs i differential- och integralkalkyl i flera variabler.

Läs mer

TAOP86/TEN 1 KOMBINATORISK OPTIMERING MED

TAOP86/TEN 1 KOMBINATORISK OPTIMERING MED Matematiska institutionen Optimeringslära TENTAMEN TAOP/TEN 1 KOMBINATORISK OPTIMERING MED MILJÖTILLÄMPNINGAR Datum: oktober 01 Tid:.00-13.00 Hjälpmedel: Miniräknare Kurslitteratur: Kaj Holmberg: Optimering

Läs mer

min c 1 x 1 + c 2 x 2 då x 1 + x 2 = 1, x 1 {0, 1}, x 2 {0, 1} plus andra bivillkor. Vi måste göra k st av n alternativ:

min c 1 x 1 + c 2 x 2 då x 1 + x 2 = 1, x 1 {0, 1}, x 2 {0, 1} plus andra bivillkor. Vi måste göra k st av n alternativ: Heltalsprogrammering Speciell användning av heltalsvariabler max z = då n c j x j j= n a ij x j b i j= x j 0 x j heltal i =,..., m j =,..., n j =,..., n ofta x j u j j =,..., n Oftast c, A, b heltal. Ibland

Läs mer

Examinator: Torbjörn Larsson Jourhavande lärare: Torbjörn Larsson, tel Tentamensinstruktioner. När Du löser uppgifterna

Examinator: Torbjörn Larsson Jourhavande lärare: Torbjörn Larsson, tel Tentamensinstruktioner. När Du löser uppgifterna Matematiska institutionen Optimeringslära TENTAMEN TAOP07/TEN1 OPTIMERINGSLÄRA GRUNDKURS för Y Datum: 21 augusti 2012 Tid: 14-19 Hjälpmedel: Inga Antal uppgifter: 7 Uppgifterna är inte ordnade efter svårighetsgrad.

Läs mer

Tentamensinstruktioner

Tentamensinstruktioner Linköpings Tekniska Högskola Institutionen för Teknik och Naturvetenskap/ITN TENTAMEN TNE 05 OPTIMERINGSLÄRA Datum: 008-05-7 Tid: 4.00-8.00 Hjälpmedel: Boken Optimeringslära av Lundgren et al. och Föreläsningsanteckningar

Läs mer

TAOP86/TEN 1 KOMBINATORISK OPTIMERING MED

TAOP86/TEN 1 KOMBINATORISK OPTIMERING MED Matematiska institutionen Optimeringslära TENTAMEN TAOP8/TEN 1 KOMBINATORISK OPTIMERING MED MILJÖTILLÄMPNINGAR Datum: 9 augusti 01 Tid: 1.00-19.00 Hjälpmedel: Miniräknare Kurslitteratur: Kaj Holmberg:

Läs mer

TAOP61/TEN 1 OPTIMERING AV REALISTISKA SAMMANSATTA SYSTEM

TAOP61/TEN 1 OPTIMERING AV REALISTISKA SAMMANSATTA SYSTEM Matematiska institutionen Optimeringslära TENTAMEN TAOP61/TEN 1 OPTIMERING AV REALISTISKA SAMMANSATTA SYSTEM Datum: 26 augusti 2014 Tid: 8.00-13.00 Hjälpmedel: Miniräknare Kurslitteratur: Kaj Holmberg:

Läs mer

TAOP88/TEN 1 OPTIMERING FÖR INGENJÖRER

TAOP88/TEN 1 OPTIMERING FÖR INGENJÖRER Matematiska institutionen Optimeringslära TENTAMEN TAOP88/TEN 1 OPTIMERING FÖR INGENJÖRER Datum: 28 maj 2014 Tid: 14.00-19.00 Hjälpmedel: Miniräknare Kurslitteratur: Kaj Holmberg: Optimering Anteckningar

Läs mer

Dynamisk programmering. Dynamisk programmering. Dynamisk programmering. Dynamisk programmering

Dynamisk programmering. Dynamisk programmering. Dynamisk programmering. Dynamisk programmering Betrakta ett lagerhållningsproblem i flera tidsperioder. Vi har tillverkning och försäljning av produkter i varje tidsperiod. Dessutom kan vi lagra produkter mellan tidsperioder, för att utnyttja stordriftsfördelar

Läs mer

Optimering med bivillkor

Optimering med bivillkor Optimering med bivillkor Vi ska nu titta på problemet att hitta max och min av en funktionen f(x, y), men inte över alla möjliga (x, y) utan bara för de par som uppfyller ett visst bivillkor g(x, y) =

Läs mer

TAOP88/TEN 1 OPTIMERING FÖR INGENJÖRER

TAOP88/TEN 1 OPTIMERING FÖR INGENJÖRER Matematiska institutionen Optimeringslära TENTAMEN TAOP88/TEN 1 OPTIMERING FÖR INGENJÖRER Datum: 10 januari 201 Tid: 1.00-19.00 Hjälpmedel: Miniräknare Kurslitteratur: Kaj Holmberg: Optimering Anteckningar

Läs mer

N = {i}: noder (hörn) Graf: G = (N, B) Definitioner. Väg: Sekvens av angränsande bågar. Cykel: Väg som startar och slutar i samma nod.

N = {i}: noder (hörn) Graf: G = (N, B) Definitioner. Väg: Sekvens av angränsande bågar. Cykel: Väg som startar och slutar i samma nod. Polyeder 0 x, 0 x, 0 x, x + x + x, x + x + x Grafdefinitioner N = {i}: noder (hörn) = {(i, j)}, i N, j N: bågar (kanter) Graf: G = (N, ) efinitioner Väg: Sekvens av angränsande bågar. ykel: Väg som startar

Läs mer

TAOP14: Optimeringslära SAMMANFATTNING OSKAR QVIST:

TAOP14: Optimeringslära SAMMANFATTNING OSKAR QVIST: 2015 TAOP14: Optimeringslära SAMMANFATTNING OSKAR QVIST: OSKQV953@STUDENT.LIU.SE Innehållsförteckning Allmänt... 2 Om optimering... 3 Matematiska formuleringar av optimeringsproblem... 3 Linjärprogrammering

Läs mer

TAOP33/TEN 2 KOMBINATORISK OPTIMERING GRUNDKURS

TAOP33/TEN 2 KOMBINATORISK OPTIMERING GRUNDKURS Matematiska institutionen Optimeringslära TENTAMEN TAOP/TEN KOMBINATORISK OPTIMERING GRUNDKURS Datum: januari 0 Tid: 8.00-.00 Hjälpmedel: Miniräknare Kurslitteratur: Kaj Holmberg: Optimering Anteckningar

Läs mer

SF1624 ALGEBRA OCH GEOMETRI FÖR CINTE OCH CMIEL KURS-PM HT09

SF1624 ALGEBRA OCH GEOMETRI FÖR CINTE OCH CMIEL KURS-PM HT09 SF1624 ALGEBRA OCH GEOMETRI FÖR CINTE OCH CMIEL KURS-PM HT09 1. KURSPLAN 1.1. Kursens mål. Efter genomgången kurs ska studenten vara förtrogen med grundläggande algebra och linjär algebra. Det innebär

Läs mer

ax + y + 2z = 3 ay = b 3 (b 3) z = 0 har (a) entydig lösning, (b) oändligt många lösningar och (c) ingen lösning.

ax + y + 2z = 3 ay = b 3 (b 3) z = 0 har (a) entydig lösning, (b) oändligt många lösningar och (c) ingen lösning. UPPSALA UNIVERSITET Matematiska institutionen Anders Johansson Prov i matematik ES, Frist, KandMa LINJÄR ALGEBRA och GEOMETRI I 2010 10 21 Skrivtid: 8.00 13.00. Tillåtna hjälpmedel: Skrivdon. Lösningarna

Läs mer

Institutionen för Matematik TENTAMEN I LINJÄR ALGEBRA OCH NUMERISK ANALYS F1, TMA DAG: Måndag 14 januari 2002 TID:

Institutionen för Matematik TENTAMEN I LINJÄR ALGEBRA OCH NUMERISK ANALYS F1, TMA DAG: Måndag 14 januari 2002 TID: Institutionen för Matematik Göteborg TENTAMEN I LINJÄR ALGEBRA OCH NUMERISK ANALYS F, TMA67 --4 DAG: Måndag 4 januari TID: 8.45 -.45 SAL: V Ansvarig: Ivar Gustafsson, tel: 77 94 (ankn. 94) Förfrågningar:

Läs mer

Matematik och statistik NV1, 10 poäng

Matematik och statistik NV1, 10 poäng UPPSALA UNIVERSITET Matematiska institutionen Höstterminen 2006 Matematik och statistik NV1, 10 poäng Välkommen till Matematiska institutionen och kursen Matematik och statistik NV1, 10p. Kursen består

Läs mer

Kursinformation Tets 37 HT -2013

Kursinformation Tets 37 HT -2013 Linköpings universitet IEI- Institutionen för ekonomisk och industriell utveckling 2013-08-25 Logistik Ekdahl/KD Kursinformation Tets 37 HT -2013 Välkommen till kursen Grundläggande Logistik. Kursen innehåller

Läs mer

TNK047 [TEN1] OPTIMERING OCH SYSTEMANALYS

TNK047 [TEN1] OPTIMERING OCH SYSTEMANALYS TNK047 [TEN1] OPTIMERING OCH SYSTEMANALYS Datum: 7 april 2010 Tid: 8 12 Hjälpmedel: Ett A4-blad med text/anteckningar (båda sidor) samt miniräknare. Antal uppgifter: 5; Vardera uppgift kan ge 5p. Poängkrav:

Läs mer

Kursinformation, ETE499 8 hp MATEMATIK H Högskoleförberedande matematik

Kursinformation, ETE499 8 hp MATEMATIK H Högskoleförberedande matematik Kursinformation, ETE499 8 hp MATEMATIK H Högskoleförberedande matematik Fristående matematikkurs vid ITN (Institutionen för Teknik och Naturvetenskap i Norrköping) en förberedande matematikkurs inför kurser

Läs mer

Eulercykel. Kinesiska brevbärarproblemet. Kinesiska brevbärarproblemet: Metod. Kinesiska brevbärarproblemet: Modell. Definition. Definition.

Eulercykel. Kinesiska brevbärarproblemet. Kinesiska brevbärarproblemet: Metod. Kinesiska brevbärarproblemet: Modell. Definition. Definition. Eulercykel Definition En Eulercykel är en cykel som använder varje båge exakt en gång. Definition En nods valens är antalet bågar som ansluter till noden. Kinesiska brevbärarproblemet En brevbärartur är

Läs mer

Institutionen för Matematik TENTAMEN I LINJÄR ALGEBRA OCH NUMERISK ANALYS F1, TMA DAG: Fredag 30 augusti 2002 TID:

Institutionen 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 mer

Logistik (723G48), 7,5 hp Kursinformation VT -2016

Logistik (723G48), 7,5 hp Kursinformation VT -2016 Linköpings universitet IEI- Institutionen för ekonomisk och industriell utveckling 2016-04-25 Logistik- och kvalitetsutveckling Bengt Ekdahl/KD Logistik (723G48), 7,5 hp Kursinformation VT -2016 Välkommen

Läs mer

SF1624 Algebra och geometri

SF1624 Algebra och geometri SF1624 Algebra och geometri Första föreläsningen Mats Boij Institutionen för matematik KTH 26 oktober, 2009 Översikt Kurspresentation Komplexa tal Kursmålen Efter genomgången kurs ska studenten vara förtrogen

Läs mer

2 = 3 = 1. ekvationssystem är beskriven som de vektorer X = 2 0 1 2. 1 1 0 2

2 = 3 = 1. ekvationssystem är beskriven som de vektorer X = 2 0 1 2. 1 1 0 2 . Tisdagen 35 Igår visade vi att lösningsmängden W R 5 till ekvationssystemet 3x + x 2 + 3x 3 + 2x 4 x 5 = (..) 2x 2 + x 3 + 4x 4 + 2x 5 = 3x 3x 2 + x 3 6x 4 5x 5 = har bas u och u 2 och u 3 där 5 2 6

Läs mer

Tentamen i Linjär algebra , 8 13.

Tentamen i Linjär algebra , 8 13. LINKÖPINGS UNIVERSITET Matematiska Institutionen Ulf Janfalk Kurskod: ETE5 Provkod: TEN Tentamen i Linjär algebra 5 8, 8. Inga hjälpmedel. Ej räknedosa. Resultatet meddelas vi e-post. För godkänt räcker

Läs mer

TAOP61/TEN 1 OPTIMERING AV REALISTISKA SAMMANSATTA SYSTEM

TAOP61/TEN 1 OPTIMERING AV REALISTISKA SAMMANSATTA SYSTEM Matematiska institutionen Optimeringslära TENTAMEN TAOP61/TEN 1 OPTIMERING AV REALISTISKA SAMMANSATTA SYSTEM Datum: 14 januari 2015 Tid: 8.00-13.00 Hjälpmedel: Miniräknare Kurslitteratur: Kaj Holmberg:

Läs mer

Institutionen för Matematiska Vetenskaper TENTAMEN I LINJÄR ALGEBRA OCH NUMERISK ANALYS F1/TM1, TMA671 2014-05-26

Institutionen 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 mer

2D1210, Numeriska Metoder, GK I för V 2.

2D1210, Numeriska Metoder, GK I för V 2. Kursöversikt Numme för V, 2003. 1 Beatrice Frock NADA, KTH 030612 ANADA 2D1210, Numeriska Metoder, GK I för V 2. Kursprogram. Läsanvisningar. Om WWW: I World Wide Web på Internet finns aktuell information

Läs mer

Flöde i nätverk. Flöde i nätverk. Specialfall av minkostnadsflödesproblemet. Specialfall av minkostnadsflödesproblemet. Slutsats.

Flöde 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 mer

Optimering och Simulering (MIO310) Kursinformation HT 2016

Optimering och Simulering (MIO310) Kursinformation HT 2016 INSTITUTIONEN FÖR TEKNISK EKONOMI OCH LOGISTIK AVDELNINGEN FÖR PRODUKTIONSEKONOMI www.pm.lth.se Optimering och Simulering (MIO310) Kursinformation HT 2016 AVD F PRODUKTIONSEKONOMI GATUADRESS: TELEN: HEMSIDA:

Läs mer

Kursinformation, TNIU19 Matematisk grundkurs fo r byggnadsingenjo rer, 6 hp

Kursinformation, TNIU19 Matematisk grundkurs fo r byggnadsingenjo rer, 6 hp Kursinformation, TNIU19 Matematisk grundkurs fo r byggnadsingenjo rer, 6 hp Grundläggande matematik för ingenjörsstudenter vid Byggnadsteknisk utbildning en förberedande matematikkurs inför kursen Envariabelanalys

Läs mer

Matematik: Det centrala innehållet i kurserna i Gy 2011 i relation till kurserna i Gy 2000

Matematik: Det centrala innehållet i kurserna i Gy 2011 i relation till kurserna i Gy 2000 2011-12-21 Matematik: Det centrala innehållet i kurserna i Gy 2011 i relation till kurserna i Gy 2000 Kurs 1a och 2a i Gy 2011 jämfört med kurs A och B i Gy 2000 Poängomfattningen har ökat från 150 poäng

Läs mer

TNK049 Optimeringslära

TNK049 Optimeringslära TNK49 Optimeringslära Clas Rydergren, ITN Föreläsning 7 Nätverksoptimering Billigaste uppspännande träd (MST) Billigaste väg (SP) Projektnätverk Minkostnadsflödesproblem Agenda Terminologi för grafer/nätverk

Läs mer

Välkomna till Numme och MATLAB, 9 hp, för Materialdesign och Energi&Miljö, årskurs 2

Välkomna till Numme och MATLAB, 9 hp, för Materialdesign och Energi&Miljö, årskurs 2 Välkomna till Numme och MATLAB, 9 hp, för Materialdesign och Energi&Miljö, årskurs 2 Kursen avses ge dig kunskap om numeriska metoder, hur man kan använda dessa genom elementär programmering i MATLAB samt

Läs mer

MVKF20 Transportfenomen i människokroppen. Kursinformation 2015

MVKF20 Transportfenomen i människokroppen. Kursinformation 2015 MVKF20 Transportfenomen i människokroppen Kursinformation 2015 Syfte Kursen avser att ge studenterna grundläggande kunskaper om utvalda transportfenomen och hur dessa styr människokroppens funktion. Mål

Läs mer

Modellering och optimering av schemaläggning vid en ridskola

Modellering och optimering av schemaläggning vid en ridskola Modellering och optimering av schemaläggning vid en ridskola En fallstudie i heltalsprogrammering Kandidatarbete inom civilingenjörsutbildningen vid Chalmers Rasmus Einarsson Patrik Johansson Oskar Redlund

Läs mer

STOCKHOLMS UNIVERSITET HT 2011 Statistiska institutionen Bertil Wegmann

STOCKHOLMS UNIVERSITET HT 2011 Statistiska institutionen Bertil Wegmann STOCKHOLMS UNIVERSITET HT 2011 Statistiska institutionen Bertil Wegmann KURSBESKRIVNING FÖR FINANSIELL STATISTIK, 7.5 HÖGSKOLEPOÄNG. KURSEN BESTÅR AV TVÅ MOMENT: Teori, skriftlig tentamen, 6 högskolepoäng

Läs mer

Institutionen för Matematiska Vetenskaper TENTAMEN I LINJÄR ALGEBRA OCH NUMERISK ANALYS F1, TMA

Institutionen 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 mer

TATM79 Matematisk grundkurs, 6hp Kurs-PM ht 2015

TATM79 Matematisk grundkurs, 6hp Kurs-PM ht 2015 TATM79 Matematisk grundkurs, 6hp Kurs-PM ht 2015 Fredrik Andersson Mikael Langer Johan Thim All kursinformation finns också på courses.mai.liu.se/gu/tatm79 Innehåll 1 Kursinnehåll 2 1.1 Reella och komplexa

Läs mer

Träd. Sats. Grafer. Definition. En fullständig graf har en båge mellan varje par av noder. Definition

Träd. Sats. Grafer. Definition. En fullständig graf har en båge mellan varje par av noder. Definition Grafdefinitioner Träd N = {i}: noder (hörn) = {(i, )}, i N, N: bågar (kanter) Graf: G = (N, ) efinitioner Väg: Sekvens av angränsande bågar. ykel: Väg som startar och slutar i samma nod. En enkel väg innehåller

Läs mer