1. Vad är optimering?

Storlek: px
Starta visningen från sidan:

Download "1. Vad är optimering?"

Transkript

1 . Vad är optimering? Man vill hitta ett optimum, när något är bäst, men att definiera vad som är bäst är inte alltid så självklart. För att kunna jämföra olika fall samt avgöra vad som är bäst måste man kunna uttrycka hur bra en viss konstruktion eller strategi är, man måste skaffa sig ett mätvärde på hur bra det är. Ibland kan det vara så att man vill värdera flera olika egenskaper och måttet kan då vara en sammanvägning av dem. Normalt har man också ett antal begränsningar. När det gäller en motor kanske man vill maximera verkningsgraden för att hålla nere bränslekostnaden men inte till vilket pris som helst. När det gäller solfångare kan det vara naturligt att man vill maximera verkningsgraden, att man fångar upp så många W/m som möjligt. en optimeringen är vettig om det är så att kostnaden för solstrålarna är det dyraste i systemet! Bättre att optimera uteffekt eller nyttiga kwh/år i förhållande till investeringskostnaden. Observera att det är ofta en kvot man vill optimera: För motorn: För solfångarsystemet: Axeleffekt Bränsleförbrukning Nyttig värme Investeringskostnad Något nyttigt En nackdel Ofta är det lätt att hitta en bra täljare, men tyvärr är det inte alltid lika lätt att hitta den rätta nämnaren. I vissa fall beror det på att det finns flera nackdelar. Maximerar man verkningsgraden för en motor, blir den kanske tyngre, dyrare, svagare etc. En annan vanlig strategi är att man vill minimera en totalkostnad för att uppfylla vissa krav. Exempelvis billigaste livscykelkostnaden för ett hus givet en viss yta och C inomhus (byggnation + all energi). Alternativt årlig kostnad i form av årlig energiförbrukning + årlig kapitalkostnad för investeringen (ungefär räntan), dvs hitta den isoleringstjocklek etc som minimerar: kostnadenergikostnad+bankkostnad Lösningsgången kan ofta sammanfattas med att man utgår från en beskrivning av problemet. Nästa steg är att omformulera beskrivningen till ett optimeringsproblem uttryckt matematiska termer där en matematisk modell av objektet som ska optimeras ingår. Efter det kan man söka optimum med hjälp av analytiska, grafiska eller numeriska metoder. Optimering ur matematiskt perspektiv Ett optimeringsproblem består av: En målfunktion, f(x), vars maximum, eller minimum ska sökas. En eller flera x-variabler (beslutsvariabler som man styr över). Oftast också ett antal bivillkor som ska uppfyllas (likheter och/eller olikheter). et vill säga begränsningar eller samband mellan x-variablerna. \\TFE-TWISTER\Lars.Backstrom\Optimering\ Simulering och optimering av energisystem\whatsbest linear\optimering och Whats Best.doc -9-8

2 Optimering analytiska metoder En funktions maximum kan finnas dels inom målfunktionens domän, men också längs dess rand. Vi måste undersöka målfunktionens värde både mellan begränsningarna och vid dessa. En x-variabel: max yf(x) Om vi har ett problem med en x-variabel och inga bivillkor uppfyller kritiska punkter: dy dx I kritiska punkter har målfunktionen ett lokalt maximum, minimum eller en platå. Funktionens andraderivata kan oftast avgöra om punkten är ett maximum, eller minimum. Observera att maximum även kan fås när x och x -. Funktionens maximum är det största funktionsvärdet vid de kritiska punkterna samt f( ) och f(- ). För funktioner som inte är kontinuerliga eller inte har kontinuerlig derivata kan maximum även inträffa vid brytpunkterna för funktionen och dess derivata. max yf(x), a x b Undersök funktionens värde för de kritiska punkter som uppfyller bivillkoret, samt f(a) och f(b). en största är lösningen. Vid design av vindkraftverk finns ett centralt samband för effektfaktorn Utvunnen energi C 4a( a) P där a beskriver hur mycket av den ostörda vindens Vindens energi hastighet som bromsas vid vindturbinen. (<a<,5) Effektkoefficient Effektkoefficient Axiell induktionsfaktor.5.5 Axiell induktionsfaktor \\TFE-TWISTER\Lars.Backstrom\Optimering\ Simulering och optimering av energisystem\whatsbest linear\optimering och Whats Best.doc -9-8

3 Flera x-variabler Har man flera x-variabler blir det genast mycket svårare att analytiskt beräkna optimala värden. Ofta används numeriska metoder som provar fram bra värden. Utan bivillkor Exempel: Karta med höjdkurvor Om vi har en funktion som beror på flera x-variabler, hittas kritiska punkter när funktionens gradient är nollvektorn, dvs när samtliga partiella förstaderivator är noll. ( x, x, x,, ) max U, Kritiska punkter när U dvs när,,, x x Observera att funktionens maximum även kan uppnås vid någon kombination av stora värden på ett antal av x-variablerna, eller vid diskontinuiteter för funktionen eller dess gradient. Med ett likhetsbivillkor Om vi har ett maximeringsproblem med ett bivillkor enligt: ( x, x, x,, ) då ( x, x, x,,, ) max U, (Umålfunktion, villkorsfunktion) Kan detta lösas analytisk med Lagrange Multiplikatormetod. Kritiska punkter för ett sådant system är de kombinationer av x-variabler som uppfyller: U λ är λ är Lagrange multiplikator, även kallad känslighetskoefficienten eftersom: λ vid optimum. Metoden är analytiskt snygg så här långt, men att använda den är tyvärr ganska jobbigt. En geometrisk tolkning: kan tolkas som en vektor som i varje punkt, där uppfylls, är vinkelrät mot linjen. U är en vektor som i varje punkt är vinkelrät mot höjdkurvan U k. et innebär att U λ uppfylls när linjen är parallell med en höjdkurva U k. Tänker man sig att man i det läget följer kurvan så kan man inse att vid punkter när de är helt parallella så har U ett maximum eller minimum. \\TFE-TWISTER\Lars.Backstrom\Optimering\ Simulering och optimering av energisystem\whatsbest linear\optimering och Whats Best.doc -9-8

4 Exempel P8.7: Konvektionskoefficienten, h, ges av: där är diametern på en sfärisk reaktor..7. h +.55θ () är vi har θ Ts Ta () där T s är reaktorns yttemperatur och T a är omgivningstemperaturen. Värmeförlusten ges av q ha T s T ) () där A π är ytan på den sfäriska reaktorn. ( a Pga hållfasthetskrav har vi villkoret: θ 75 (4) Bestäm de och θ som ger den minsta värmeförlusten mha Lagrange multiplikatormetod. Målfunktionen, U, som funktion av och θ är U haθ θ π θ π θ + πθ.7..7 ( +.55 ).55 med villkoret θ 75 (6) (5) Langrange multipliers. U λ ger (7) och (8) (7) -(8)θ: U.7 λ πθ + πθ λθ (7) U.7. λ π πθ λ θ θ (8) θ 75 (9) 4 πθ πθ +.44πθ.7 πθ.7. 8 (.6985π.44π ) θ.6985πθ.7 λθ λθ () θ : 5π (.6985π.44π ) 75 () (.6985π.44π ) () 5π ( ) /.47 θ 75 75/ C.7 U π θ +.55πθ 4πθ +.44πθ λ θ m 89.9W.8 W/m C Känslighetskoefficienten, λ, anger hur en förändring av talet 75 påverkar värmeförlusterna hos reaktorn. Heat transfer iameter \\TFE-TWISTER\Lars.Backstrom\Optimering\ Simulering och optimering av energisystem\whatsbest linear\optimering och Whats Best.doc

5 U(,θ) med linjen (,θ) Målfunktionen, U, som funktion av och θ är U haθ ( +.55θ ) π θ π θ.55πθ med villkoret θ 75 \\TFE-TWISTER\Lars.Backstrom\Optimering\ Simulering och optimering av energisystem\whatsbest linear\optimering och Whats Best.doc

6 Med flera likhetsbivillkor Antag att vi har ett maximeringsproblem med flera likhetsbivillkor enligt: U ( x, x, x,,, ) ( x, x, x,,, ) ( x x, x,,, ) max, :,,, ( x x, x ) m, Även detta kan analytisk lösas med Lagrange Multiplikatormetod, vi har då: U m i λ i i för i,,..,m i Vi får alltså n+m ekvationer med n x-variabler och m multiplikatorer. Med olikhetsbivillkor När vi har ett maximeringsproblem med bivillkor enligt: U ( x, x, x,,, ) ( x, x, x,,, ) ( x x, x,,, ) max, :,,, ( x x, x ) m, Karta med flera raka gränser Kan optimum i finnas inne i volymen, på någon av begränsningsytorna, begränsningskanter eller hörn. et vill säga alla kombinationer där olikheterna ovan ersätts med likheter. Arbetsgången blir alltså följande: Först söker vi reda på alla kritsiska punkter för målfunktionen, U, och sorterar bort de som inte uppfyller bivillkoren. Sedan tar vi och ersätter olikheterna med likheter och testar alla kombinationer av bivillkor. e eventuella punkter som inte uppfyller något av bivillkoren förkastas givetvis. Problemets värde är det största värdet man hittar när man beräknar målfunktionen, U, vid alla tillåtna kritiska punkter. Vi måste alltså lösa m stycken Lagrange-problem med varierande antal likhetsbivillkor! Har vi fyra olikheter, så innebär det 6 stycken Lagrange problem! \\TFE-TWISTER\Lars.Backstrom\Optimering\ Simulering och optimering av energisystem\whatsbest linear\optimering och Whats Best.doc

När det gäller en motor kanske man vill maximera verkningsgraden för att hålla nere bränslekostnaden men inte till vilket pris som helst.

När det gäller en motor kanske man vill maximera verkningsgraden för att hålla nere bränslekostnaden men inte till vilket pris som helst. Vad är optimering? Man vill hitta ett optimum, när något är bäst. Men att definiera vad som är bäst är inte alltid så självklart. När det gäller en motor kanske man vill maximera verkningsgraden för att

Läs mer

När det gäller en motor kanske man vill maximera verkningsgraden för att hålla nere bränslekostnaden men inte till vilket pris som helst.

När det gäller en motor kanske man vill maximera verkningsgraden för att hålla nere bränslekostnaden men inte till vilket pris som helst. Vad är optimering? Man vill hitta ett optimum när något är bäst. Men att definiera vad som är bäst är inte alltid så självklart. När det gäller en motor kanske man vill maximera verkningsgraden för att

Läs mer

Olinjärt med Whats Best!

Olinjärt med Whats Best! Olinjärt med Whats Best! WhatsBest har ett flertal olika lösare. Har vi ett linjärt problem känner den igen det och använder sig normalt av simplexmetoden, har vi olinjära problem har den ett flertal metoder

Läs mer

SF1626 Flervariabelanalys

SF1626 Flervariabelanalys Föreläsning 9 Institutionen för matematik KTH VT 2018 1 Dagens program Extremvärdesproblem (största och minsta värde) kap 13.2 Extremvärdesproblem med bivillkor Lagranges multiplikatormetod kap 13.3 (+ev

Läs mer

SF1669 Matematisk och numerisk analys II Lösningsförslag till tentamen DEL A

SF1669 Matematisk och numerisk analys II Lösningsförslag till tentamen DEL A SF1669 Matematisk och numerisk analys II Lösningsförslag till tentamen 16-8-18 DEL A 1. Låt D vara det område ovanför x-axeln i xy-planet som begränsas av cirkeln x + y = 1 samt linjerna y = x och y =

Läs mer

SF1626 Flervariabelanalys Lösningsförslag till tentamen DEL A

SF1626 Flervariabelanalys Lösningsförslag till tentamen DEL A SF166 Flervariabelanalys Lösningsförslag till tentamen 16-8-18 DEL A 1 Låt D vara det område ovanför x-axeln i xy-planet som begränsas av cirkeln x + y = 1 samt linjerna y = x oc y = x Beräkna x-koordinaten

Läs mer

SF1669 Matematisk och numerisk analys II Lösningsförslag till tentamen DEL A. r cos t + (r cos t) 2 + (r sin t) 2) rdrdt.

SF1669 Matematisk och numerisk analys II Lösningsförslag till tentamen DEL A. r cos t + (r cos t) 2 + (r sin t) 2) rdrdt. 1. Beräkna integralen medelpunkt i origo. SF1669 Matematisk och numerisk analys II Lösningsförslag till tentamen 218-3-14 D DEL A (x + x 2 + y 2 ) dx dy där D är en cirkelskiva med radie a och Lösningsförslag.

Läs mer

Optimering med bivillkor

Optimering med bivillkor Kapitel 9 Optimering med bivillkor 9.1. Optimering med bivillkor Låt f(x) vara en funktion av x R. Vi vill optimera funktionen f under bivillkoret g(x) =C (eller bivllkoren g 1 (x) =C 1,..., g k (x) =C

Läs mer

Optimering, exempel. Funktionens enda stationära punkt är alltså origo. Den ligger också i det inre av mängden.

Optimering, exempel. Funktionens enda stationära punkt är alltså origo. Den ligger också i det inre av mängden. Optimering, exempel Exempel 1 (optimering över kompakt mängd) Bestäm största och minsta värdet till funktionen f(x,y) = x 4 + y 4 + 4x 2 + 16 i cirkelskivan {x 2 + y 2 4}. Lösning: Cirkelskivan är kompakt

Läs mer

SF1626 Flervariabelanalys Tentamen Torsdagen den 18 augusti 2016

SF1626 Flervariabelanalys Tentamen Torsdagen den 18 augusti 2016 Institutionen för matematik SF166 Flervariabelanalys Tentamen Torsdagen den 18 augusti 16 Skrivtid: 8:-1: Tillåtna jälpmedel: inga Examinator: Mats Boij Tentamen består av nio uppgifter som vardera ger

Läs mer

= 0. Båda skärningsvinklarna är således π/2 (ortogonala riktningsvektorer).

= 0. Båda skärningsvinklarna är således π/2 (ortogonala riktningsvektorer). Institutionen för Matematik, KTH Torbjörn Kolsrud SF163, ifferential- och integralkalkyl II, del 2, flervariabel, för F1. Tentamen torsdag 19 augusti 21, 14. - 19. Inga hjälpmedel är tillåtna. Svar och

Läs mer

Optimalitetsvillkor. Optimum? Matematisk notation. Optimum? Definition. Definition

Optimalitetsvillkor. 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 mer

Optimeringsproblem. 1 Inledning. 2 Optimering utan bivillkor. CTH/GU STUDIO 6 TMV036c /2015 Matematiska vetenskaper

Optimeringsproblem. 1 Inledning. 2 Optimering utan bivillkor. CTH/GU STUDIO 6 TMV036c /2015 Matematiska vetenskaper CTH/GU STUDIO TMV3c - 1/15 Matematiska vetenskaper Optimeringsproblem 1 Inledning Vi skall söka minsta eller största värdet hos en funktion på en mängd, dvs. vi skall lösa s.k. optimeringsproblem min f(x)

Läs mer

Flervariabelanalys E2, Vecka 3 Ht08

Flervariabelanalys E2, Vecka 3 Ht08 Flervariabelanalys E2, Vecka 3 Ht8 Omfattning och innehåll 2.7 Gradienter och riktningsderivator. 2.8 Implicita funktioner 2.9 Taylorserier och approximationer 3. Extremvärden 3.2 Extremvärden under bivillkor

Läs mer

4. Olinjärt med Whats Best!

4. Olinjärt med Whats Best! 4. Olinjärt med Whats Best! WhatsBest har ett flertal olika lösare. Har vi ett linjärt problem känner den igen det och använder sig normalt av simplexmetoden, har vi olinjära problem har den ett flertal

Läs mer

7 Extremvärden med bivillkor, obegränsade områden

7 Extremvärden med bivillkor, obegränsade områden Nr 7, 1 mars -5, Amelia 7 Extremvärden med bivillkor, obegränsade områden Största och minsta värden handlar om en funktions värdemängd. Värdemängden ligger givetvis mellan det största och minsta värdet,

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

1 x. SF1626 Flervariabelanalys Lösningsförslag till tentamen DEL A

1 x. SF1626 Flervariabelanalys Lösningsförslag till tentamen DEL A SF626 Flervariabelanalys Lösningsförslag till tentamen 26-3-2 DEL A. Låt D vara fyrhörningen med hörn i punkterna, ), 6, ),, 5) och 4, 5). a) Skissera fyrhörningen D och beräkna dess area. p) b) Bestäm

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

Institutionen för Matematik, KTH Torbjörn Kolsrud

Institutionen för Matematik, KTH Torbjörn Kolsrud Institutionen för Matematik, KTH Torbjörn Kolsrud 5B 7, ifferential- och integralkalkyl II, del 2, flervariabel, för F. Tentamen fredag 25 maj 27, 8.-3. Förslag till lösningar (ändrat 28/5-7, 29/5-7).

Läs mer

MICROECONOMICS Mid Sweden University, Sundsvall (Lecture 2) Peter Lohmander &

MICROECONOMICS Mid Sweden University, Sundsvall (Lecture 2) Peter Lohmander   & MICROECONOMICS 2018 Mid Sweden University, Sundsvall (Lecture 2) Peter Lohmander www.lohmander.com & Peter@Lohmander.com NYTT MÖTE: Diskutera Ert förslag till lämpligt problem med kursledaren (Peter Lohmander)

Läs mer

Figur 1: Postföretagets rektangulära låda, definitioner.

Figur 1: Postföretagets rektangulära låda, definitioner. ATM-Matematik Mikael Forsberg 734-41 3 31 För distans och campus Flervariabelanalys ma1b 14 8 13 Skrivtid: 9:-14:. Inga hjälpmedel, förutom den bifogade formelsamlingen. Lösningarna skall vara fullständiga

Läs mer

För studenter i Flervariabelanalys Flervariabelanalys MA012B ATM-Matematik Mikael Forsberg

För studenter i Flervariabelanalys Flervariabelanalys MA012B ATM-Matematik Mikael Forsberg ATM-Matematik Mikael Forsberg 74-4 För studenter i Flervariabelanalys Flervariabelanalys MAB 8 Skrivtid: 9:-4:. Hjälpmedel är formelbladen från insidan av Pärmen i Adams Calculus, dessa formler bifogas

Läs mer

Optimering Linjär programmering

Optimering Linjär programmering Optimering Linjär programmering Ett optimeringsprolem estår av: En målfunktion, f(), vars maimum, eller minimum ska sökas. En eller flera -varialer (eslutsvarialer som man str över). Eventuellt okså ett

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

Lösningsförslag till tentamen i SF1861 Optimeringslära för T. Torsdag 28 maj 2010 kl

Lösningsförslag 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 mer

Lösningsförslag till tentamen i SF1861 Optimeringslära för T. Onsdag 25 augusti 2010 kl

Lösningsförslag 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 mer

SF1626 Flervariabelanalys Lösningsförslag till tentamen DEL A

SF1626 Flervariabelanalys Lösningsförslag till tentamen DEL A SF626 Flervariabelanalys Lösningsförslag till tentamen 23-5-27 DEL A. Bestäm alla punkter på ytan z = x 2 + 4y 2 i vilka tangentplanet är parallellt med planet x + y + z =. 4 p) Lösning. Tangentplanet

Läs mer

Tentamen: Lösningsförslag

Tentamen: Lösningsförslag Tentamen: Lösningsförslag Onsdag 5 mars 7 8:-3: SF674 Flervariabelanalys Inga hjälpmedel är tillåtna. Max: 4 poäng. 4 poäng Avgör om följande gränsvärde existerar och beräkna gränsvärdet om det existerar:

Läs mer

Funktionsstudier med derivata

Funktionsstudier med derivata Funktionsstudier med derivata Derivatan ett kraftfullt verktyg för att studera och tolka funktioner Det här avsnittet handlar om att man kan använda derivatan till att bestämma en funktions egenskaper

Läs mer

SF1626 Flervariabelanalys Tentamen Måndagen den 21 mars 2016

SF1626 Flervariabelanalys Tentamen Måndagen den 21 mars 2016 Institutionen för matematik SF626 Flervariabelanalys Tentamen Måndagen den 2 mars 26 Skrivtid: 8:-3: Tillåtna hjälpmedel: inga Examinator: Mats Boij Tentamen består av nio uppgifter som vardera ger maximalt

Läs mer

6. Räkna ut integralen. z dx dy dz,

6. Räkna ut integralen. z dx dy dz, Institutionen för Matematik, TH Flervariabelanalys SF626. Tentamen den 23 november 29 kl. 8-3 Tillåtet hjälpmedel är Beta Mathematics Handbook. Tydliga lösningar med fullständiga meningar och utförliga

Läs mer

Tentamen i TATA43 Flervariabelanalys

Tentamen i TATA43 Flervariabelanalys Linköpings universitet Matematiska institutionen Kurskod: TATA4 Provkod: TEN Tentamen i TATA4 Flervariabelanalys 5--7 kl 8 Inga hjälpmedel tillåtna inte heller miniräknare 8//6 poäng med minst /4/5 uppgifter

Läs mer

SF1626 Flervariabelanalys Lösningsförslag till tentamen DEL A. 1. En svängningsrörelse beskrivs av

SF1626 Flervariabelanalys Lösningsförslag till tentamen DEL A. 1. En svängningsrörelse beskrivs av SF166 Flervariabelanalys Lösningsförslag till tentamen 13-3-1 DEL A 1. En svängningsrörelse beskrivs av ( πx ) u(x, t) = A cos λ πft där amplituden A, våglängden λ och frekvensen f är givna konstanter.

Läs mer

SF1626 Flervariabelanalys Lösningsförslag till tentamen DEL A

SF1626 Flervariabelanalys Lösningsförslag till tentamen DEL A Institutionen för matematik SF66 Flervariabelanalys Lösningsförslag till tentamen 4-9-6 DEL A. Betrakta följande tre områden i planet: D = {(x, y): x y < 4}, D = {(x, y): x + y }, D 3 = {(x, y): 4x + 3y

Läs mer

Lösningsförslag till tentamen Onsdagen den 15 mars 2017 DEL A

Lösningsförslag till tentamen Onsdagen den 15 mars 2017 DEL A Institutionen för matematik SF66 Flervariabelanalys Lösningsförslag till tentamen Onsdagen den 5 mars 7 DEL A. I nedanstående rätvinkliga koordinatsystem är varje ruta en enhet lång. (a) Bestäm de rymdpolära

Läs mer

Kap Globala extremvärden, extremproblem med bivillkor.

Kap Globala extremvärden, extremproblem med bivillkor. Kap 13.2 13.3. Globala extremvärden, extremproblem med bivillkor. A 1001. Sök det största och minsta värdet av funktionen f(x,y) = x 2 + 2y 2 x på cirkeln x 2 + y 2 = 1. A 1002. Vilka värden kan funktionen

Läs mer

5B1817 Tillämpad ickelinjär optimering. Kvadratisk programmering med olikhetsbivillkor Active-set metoder

5B1817 Tillämpad ickelinjär optimering. Kvadratisk programmering med olikhetsbivillkor Active-set metoder 5B1817 Tillämpad ickelinjär optimering Föreläsning 7 Kvadratisk programmering med olikhetsbivillkor Active-set metoder A. Forsgren, KTH 1 Föreläsning 7 5B1817 2006/2007 Kvadratisk programmering med olikhetsbivillkor

Läs mer

SF1626 Flervariabelanalys Lösningsförslag till tentamen DEL A

SF1626 Flervariabelanalys Lösningsförslag till tentamen DEL A SF626 Flervariabelanalys Lösningsförslag till tentamen 24-8-2 DEL A. Bestäm och skissera definitionsmängden till funktionen fx, y) = x 2 + y 2 + 2x 4y + + x. Är definitionsmängden kompakt? 4 p) Lösning.

Läs mer

Problem inför KS 2. Problem i matematik CDEPR & CDMAT Flervariabelanalys. KTH -matematik

Problem inför KS 2. Problem i matematik CDEPR & CDMAT Flervariabelanalys. KTH -matematik KTH -matematik Problem i matematik EPR & MAT Flervariabelanalys Problem inför KS.. Låt F(, y, z) + y 3z + och G(, y, z) 3 + y 3 4z +. Visa att i en omgivning av punkten (,, ) definieras genom ekvationerna

Läs mer

SF1626 Flervariabelanalys Lösningsförslag till tentamen DEL A

SF1626 Flervariabelanalys Lösningsförslag till tentamen DEL A SF626 Flervariabelanalys Lösningsförslag till tentamen 23-- DEL A. Bestäm en ekvation för tangentplanet i punkten (,, 2 till ellipsoiden 2x 2 +3y 2 +z 2 = 9. (4 p Lösning. Vi uppfattar ytan som nivåytan

Läs mer

SF1626 Flervariabelanalys Lösningsförslag till tentamen DEL A

SF1626 Flervariabelanalys Lösningsförslag till tentamen DEL A SF1626 Flervariabelanalys Lösningsförslag till tentamen 213-8-22 DEL A 1. Betrakta funktionen f(x, y) ln(x 2 + xy 2 4). a) Bestäm tangentplanet till funktionsytan z f(x, y) i den punkt på ytan där x 1

Läs mer

SF1626 Flervariabelanalys Lösningsförslag till tentamen DEL A

SF1626 Flervariabelanalys Lösningsförslag till tentamen DEL A SF1626 Flervariabelanalys Lösningsförslag till tentamen 216-6-7 DEL A 1. Låt S vara ellipsoiden som ges av ekvationen x 2 + 2y 2 + 3z 2 = 5. (a) Bestäm en normalvektor till S i en punkt (x, y, z ) på S.

Läs mer

Tentan , lösningar

Tentan , lösningar UPPALA UNIVERITET MATEMATIKA INTITUTIONEN Bo tyf Flervariabelanalys K, X m.fl. Höstterminen 2008 Tentan 2008-12-16, lösningar 1. Avgör om det finns någon punkt på ytan (x 1) 2 + 2(y 1) 2 + 2z 8 som är

Läs mer

Tentamen i tmv036c och tmv035c, Analys och linjär algebra C för K, Kf och Bt A =, = det(a λi) = e 2t + c 2. x(t) = c 1. = c 1.

Tentamen i tmv036c och tmv035c, Analys och linjär algebra C för K, Kf och Bt A =, = det(a λi) = e 2t + c 2. x(t) = c 1. = c 1. Institutionen för matematiska vetenskaper Chalmers tekniska högskola Niklas Eriksen Tentamen i tmv6c och tmv5c, Analys och linjär algebra C för K, Kf och Bt Lösningar 9--6. Lös initialvärdesproblemet x

Läs mer

Optimeringslära Kaj Holmberg

Optimeringslära 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 mer

SF1626 Flervariabelanalys Lösningsförslag till tentamen DEL A

SF1626 Flervariabelanalys Lösningsförslag till tentamen DEL A SF1626 Flervariabelanalys Lösningsförslag till tentamen 215-3-16 DEL A 1. Låt f(x, y) = 1 x 2 y 2. (a) Skissa nivåkurvorna f(x, y) = c till f för c =, c = 1 och c = 2. (1 p) (b) Beräkna gradf(x, y) i de

Läs mer

Lösningar till 5B1762 Optimeringslära för T, 24/5-07

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 mer

Sätt t = (x 1) 2 + y 2 + 2(x 1). Då är f(x, y) = log(t + 1) = t 1 2 t t3 + O(t 4 ) 1 2 (x 1) 2 + y 2 + 2(x 1) ) 2 (x 1) 2 + y 2 + 2(x 1) ) 3

Sätt t = (x 1) 2 + y 2 + 2(x 1). Då är f(x, y) = log(t + 1) = t 1 2 t t3 + O(t 4 ) 1 2 (x 1) 2 + y 2 + 2(x 1) ) 2 (x 1) 2 + y 2 + 2(x 1) ) 3 Lektion 7, Flervariabelanalys den februari 000 9 Bestäm Taylorserien till funktionen log( + x + y + xy) i punkten (0, 0) Vi kan faktorisera argumentet till logaritmen och förenkla funktionen log( + x +

Läs mer

1 Ickelinjär optimering under bivillkor

1 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 mer

Institutionen för Matematik, KTH Torbjörn Kolsrud

Institutionen för Matematik, KTH Torbjörn Kolsrud Institutionen för Matematik, KTH Torbjörn Kolsrud B 7, ifferential- och integralkalkyl II, del, flervariabel, för F. Tentamen tisdag 8 augusti 7, 4.-9. Förslag till lösningar.. Om F (x, y, z) x y + y z

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: januari 01 Tid: 1.00-19.00 Hjälpmedel: Miniräknare Kurslitteratur: Kaj Holmberg: Optimering Anteckningar

Läs mer

Laboration 1: Optimalt sparande

Laboration 1: Optimalt sparande Avsikten med denna laboration är att: Laboration 1: Optimalt sparande - snabbt komma igång med träning på matlabprogrammering (uttnyttja gärna alla schemalagda laborationstillfällen, - lösa ett optimeringsproblem

Läs mer

SF1626 Flervariabelanalys Lösningsförslag till tentamen DEL A

SF1626 Flervariabelanalys Lösningsförslag till tentamen DEL A SF166 Flervariabelanalys Lösningsförslag till tentamen 15-6-4 DEL A 1. Funktionen f är definierad på området som ges av olikheterna x > 1/ och y > genom f(x, y) ln(x 1) + ln(y) xy x. (a) Förklara vad det

Läs mer

x ( f u 2y + f v 2x) xy = 24 och C = f

x ( f u 2y + f v 2x) xy = 24 och C = f Institutionen för Matematik, KTH Torbjörn Kolsrud SF160, Differential- och integralkalkyl II, del 2, flervariabel, för F1. Tentamen onsdag 0 maj 2012, 8.00-1.00 Förslag till lösningar 1. Bestäm tangentplanet

Läs mer

SF1626 Flervariabelanalys Tentamen Tisdagen den 7 juni 2016

SF1626 Flervariabelanalys Tentamen Tisdagen den 7 juni 2016 Institutionen för matematik SF1626 Flervariabelanalys Tentamen Tisdagen den 7 juni 216 Skrivtid: 8:-13: Tillåtna hjälpmedel: inga Examinator: Mats Boij Tentamen består av nio uppgifter som vardera ger

Läs mer

SF1626 Flervariabelanalys Tentamen Tisdagen den 12 januari 2016

SF1626 Flervariabelanalys Tentamen Tisdagen den 12 januari 2016 Institutionen för matematik SF626 Flervariabelanalys Tentamen Tisdagen den 2 januari 26 Skrivtid: 8:-3: Tillåtna hjälpmedel: inga Examinator: Mats Boij Tentamen består av nio uppgifter som vardera ger

Läs mer

SF1545 Laboration 1 (2015): Optimalt sparande

SF1545 Laboration 1 (2015): Optimalt sparande Avsikten med denna laboration är att: SF1545 Laboration 1 (215: Optimalt sparande - snabbt komma igång med träning på matlabprogrammering (uttnyttja gärna alla schemalagda laborationstillfällen, - lösa

Läs mer

SF1626 Flervariabelanalys Lösningsförslag till tentamen DEL A

SF1626 Flervariabelanalys Lösningsförslag till tentamen DEL A SF166 Flervariabelanalys Lösningsförslag till tentamen 15-8- EL A 1. Betrakta funktionen f som är definierad i området där x + y genom f(x, y, z) x z x + y. (a) Beräkna gradienten f(x, y, z). (1 p) (b)

Läs mer

MATEMATIK GU. LLMA60 MATEMATIK FÖR LÄRARE, GYMNASIET Analys, ht 2014. Block 5, översikt

MATEMATIK GU. LLMA60 MATEMATIK FÖR LÄRARE, GYMNASIET Analys, ht 2014. Block 5, översikt MATEMATIK GU H4 LLMA6 MATEMATIK FÖR LÄRARE, GYMNASIET Analys, ht 24 I block 5 ingår följande avsnitt i Stewart: Kapitel 2, utom avsnitt 2.4 och 2.6; kapitel 4. Block 5, översikt Första delen av block 5

Läs mer

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

Lösningsförslag till tentamen Torsdag augusti 16, 2018 DEL A

Lösningsförslag till tentamen Torsdag augusti 16, 2018 DEL A Institutionen för matematik SF1626 Flervariabelanalys Torsdag augusti 16, 2018 DEL A 1. Givet funktionen f(x, y) = ln(x 2 y 2 ). a) Bestäm definitionsmängden D för f. Rita även en bild av D. (2 p) b) Bestäm

Läs mer

SF1625 Envariabelanalys Lösningsförslag till tentamen DEL A

SF1625 Envariabelanalys Lösningsförslag till tentamen DEL A SF165 Envariabelanalys Lösningsförslag till tentamen 15-4-7 DEL A 1. Låt f(x) = arcsin x + 1 x. A. Bestäm definitionsmängden till funktionen f. B. Bestäm funktionens största och minsta värde. (Om du har

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: januari 01 Tid: 1.00-19.00 Hjälpmedel: Miniräknare Kurslitteratur: Kaj Holmberg: Optimering

Läs mer

SF1626 Flervariabelanalys Tentamen Onsdagen den 15 mars 2017

SF1626 Flervariabelanalys Tentamen Onsdagen den 15 mars 2017 Institutionen för matematik SF66 Flervariabelanalys Tentamen Onsdagen den 5 mars 7 Skrivtid: 8:-3: Tillåtna hjälpmedel: inga Examinator: Mats Boij Tentamen består av nio uppgifter som vardera ger maximalt

Läs mer

Optimeringslära Kaj Holmberg

Optimeringslära 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 mer

MMA127 Differential och integralkalkyl II

MMA127 Differential och integralkalkyl II Mälardalens högskola Akademin för utbildning, kultur och kommunikation MMA127 Differential och integralkalkyl II Tentamen Lösningsförslag 211.8.11 14.3 17.3 Hjälpmedel: Endast skrivmaterial (gradskiva

Läs mer

MA2001 Envariabelanalys

MA2001 Envariabelanalys MA2001 Envariabelanalys Något om derivator del 2 Mikael Hindgren 12 november 2018 Derivatan av inversen till en funktion Exempel 1 y = f (x) = x är strängt växande och har en invers. Bestäm Df (x) och

Läs mer

Optimeringslära Kaj Holmberg

Optimeringslära 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 mer

Lösningsförslag till tentamen Tisdagen den 10 januari 2017 DEL A

Lösningsförslag till tentamen Tisdagen den 10 januari 2017 DEL A Institutionen för matematik SF66 Flervariabelanalys Lösningsförslag till tentamen Tisdagen den januari 7 DEL A. En partikel rör sig så att positionen efter starten ges av (x, y, z (t cos t, t sin t, t

Läs mer

Institutionen för matematik KTH. Tentamensskrivning, , kl B1119, Vektoranalys, för Open.

Institutionen för matematik KTH. Tentamensskrivning, , kl B1119, Vektoranalys, för Open. Institutionen för matematik KTH Tentamensskrivning, 25 6 3, kl 8 3 5B9, Vektoranalys, för Open Uppgifterna 4 5 svarar mot varsitt moment i den kontinuerliga examinationen Av dessa uppgifter skall man bara

Läs mer

EXTREMVÄRDESPROBLEM MED BIVILLKOR. LAGRANGES MULTIPLIKATORMETOD. Problem. Bestäm lokala (eller globala) extremvärden till

EXTREMVÄRDESPROBLEM MED BIVILLKOR. LAGRANGES MULTIPLIKATORMETOD. Problem. Bestäm lokala (eller globala) extremvärden till Etremvärdesproblem med bivillkor. Laranes metod EXTREMVÄRDESPROBLEM MED BIVILLKOR. LAGRANGES MULTIPLIKATORMETOD Problem. Bestäm lokala eller lobala etremvärden till f... n under bivillkoret... n METOD.

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

f(x, y) = ln(x 2 + y 2 + 1). 3. Hitta maximala arean för en rektangel inskriven i en ellips på formen x 2 a 2 + y2

f(x, y) = ln(x 2 + y 2 + 1). 3. Hitta maximala arean för en rektangel inskriven i en ellips på formen x 2 a 2 + y2 TM-Matematik Mikael Forsberg Matematik med datalogi, mfl. Flervariabelanalys mk12b Övningstenta vt213 nr1 Skrivtid: 5 timmar. Hjälpmedel är formelbladen från insidan av Pärmen i Adams Calculus, dessa formler

Läs mer

SF1626 Flervariabelanalys Tentamen Tisdagen den 10 januari 2017

SF1626 Flervariabelanalys Tentamen Tisdagen den 10 januari 2017 Institutionen för matematik SF626 Flervariabelanalys Tentamen Tisdagen den januari 27 Skrivtid: 8:-3: Tillåtna hjälpmedel: inga Examinator: Mats Boij Tentamen består av nio uppgifter som vardera ger maximalt

Läs mer

SF1626 Flervariabelanalys Tentamen Torsdagen den 20 augusti 2015

SF1626 Flervariabelanalys Tentamen Torsdagen den 20 augusti 2015 Institutionen för matematik SF1626 Flervariabelanalys Tentamen Torsdagen den 2 augusti 215 Skrivtid: 8:-1: Tillåtna hjälpmedel: inga Examinator: Mats Boij Tentamen består av nio uppgifter som vardera ger

Läs mer

Matematik 3c Kap 2 Förändringshastighet och derivator

Matematik 3c Kap 2 Förändringshastighet och derivator Matematik 3c Kap 2 Förändringshastighet och derivator Inledning Konkretisering av ämnesplan (länk) http://www.ioprog.se/public_html/ämnesplan_matematik/struktur_äm nesplan_matematik/struktur_ämnesplan_matematik.html

Läs mer

x sin(x 2 )dx I 1 = x arctan xdx I 2 = x (x + 1)(x 2 2x + 1) dx

x sin(x 2 )dx I 1 = x arctan xdx I 2 = x (x + 1)(x 2 2x + 1) dx TM-Matematik Mikael Forsberg XXX-XXX DistansAnalys Envariabelanalys Distans ma034a ot-nummer 3 Skrivtid: 09:00-4:00. Inga hjälpmedel. Lösningarna skall vara fullständiga och lätta att följa. Börja varje

Läs mer

MMA127 Differential och integralkalkyl II

MMA127 Differential och integralkalkyl II Mälardalens högskola Akademin för utbildning, kultur och kommunikation MMA17 Differential och integralkalkyl II Tentamen Lösningsförslag 9..19 8. 11. Hjälpmedel: Endast skrivmaterial (gradskiva tillåten).

Läs mer

UPPSALA UNIVERSITET Matematiska institutionen Michael Melgaard. Prov i matematik Prog: Datakand., Frist. kurser Derivator o integraler 1MA014

UPPSALA UNIVERSITET Matematiska institutionen Michael Melgaard. Prov i matematik Prog: Datakand., Frist. kurser Derivator o integraler 1MA014 UPPSALA UNIVERSITET Matematiska institutionen Michael Melgaard Jörgen Östensson Prov i matematik Prog: Datakand., Frist. kurser Derivator o integraler 1MA1 8 3 31 Skrivtid: 8: 13:. Tillåtna hjälpmedel:

Läs mer

Optimeringslära Kaj Holmberg

Optimeringslära 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 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

Bestäm ekvationen för det plan som går genom punkten (1,1, 2 ) på kurvan och som spänns

Bestäm ekvationen för det plan som går genom punkten (1,1, 2 ) på kurvan och som spänns UPPSALA UNIVERSITET Matematiska institutionen Anders Källström Prov i matematik Q Flervariabelanalys 8--1 Skrivtid: 8-1. Inga hjälpmedel. Lösningarna skall åtföljas av förklarande text/figurer. Tentand

Läs mer

SF1646 Analys i flera variabler Tentamen 18 augusti 2011, Svar och lösningsförslag

SF1646 Analys i flera variabler Tentamen 18 augusti 2011, Svar och lösningsförslag SF1646 Analys i flera variabler Tentamen 18 augusti 11, 14. - 19. Svar och lösningsförslag (1) Låt f(x, y) = xy ln(x + y ). I vilken riktning är riktningsderivatan till f i punkten (1, ) som störst, och

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

1(8) x ijt = antal mobiltelefoner av typ i=1,,m, Som produceras på produktionslina 1,, n, Under vecka t=1,,t.

1(8) x ijt = antal mobiltelefoner av typ i=1,,m, Som produceras på produktionslina 1,, n, Under vecka t=1,,t. 1(8) (5p) Uppgift 1 Företaget KONIA tillverkar mobiltelefoner I en stor fabrik med flera parallella produktionslinor. För att planera produktionen de kommande T veckorna har KONIA definierat följande icke-negativa

Läs mer

f(x, y) = ln(x 2 + y 2 ) f(x, y, z) = (x 2 + yz, y 2 x ln x) 3. Beräkna en vektor som är tangent med skärningskurvan till de två cylindrarna

f(x, y) = ln(x 2 + y 2 ) f(x, y, z) = (x 2 + yz, y 2 x ln x) 3. Beräkna en vektor som är tangent med skärningskurvan till de två cylindrarna ATM-Matematik Mikael Forsberg 734-41 3 31 För studenter i Flervariabelanalys Flervariabelanalys mk1b 13 8 Skrivtid: 9:-14:. Hjälpmedel är formelbladen från insidan av Pärmen i Adams Calculus, dessa formler

Läs mer

Tentamen TMA044 Flervariabelanalys E2

Tentamen TMA044 Flervariabelanalys E2 Tentamen TMA44 Flervariabelanalys E 4--3 kl. 8.3.3 Examinator: Peter Hegarty, Matematiska vetenskaper, halmers Telefonvakt: Elin Solberg, telefon: 73 88 34 Hjälpmedel: bifogat formelblad, ordlistan från

Läs mer

Tentamen i Analys B för KB/TB (TATA09/TEN1) kl 08 13

Tentamen i Analys B för KB/TB (TATA09/TEN1) kl 08 13 LINKÖPINGS UNIVERSITET Matematiska Institutionen Joakim Arnlind Tentamen i Analys B för KB/TB (TATA9/TEN1) 212-5-22 kl 8 13 Inga hjälpmedel är tillåtna. Varje uppgift kan ge maximalt 3 poäng. Betygsgränser:

Läs mer

Flervariabelanalys I2 Vintern Översikt föreläsningar läsvecka 2

Flervariabelanalys I2 Vintern Översikt föreläsningar läsvecka 2 Flervariabelanals I Vintern Översikt öreläsningar läsvecka Denna vecka ägnas nästan uteslutande åt problemet att hitta största och minsta värden till en unktion av lera variabler. Vi kommer att studera

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

x +y +z = 2 2x +y = 3 y +2z = 1 x = 1 + t y = 1 2t z = t 3x 2 + 3y 2 y = 0 y = x2 y 2.

x +y +z = 2 2x +y = 3 y +2z = 1 x = 1 + t y = 1 2t z = t 3x 2 + 3y 2 y = 0 y = x2 y 2. Lösningar till tentamen i Inledande matematik för M/TD, TMV155/175 Tid: 2006-10-27, kl 08.30-12.30 Hjälpmedel: Inga Betygsgränser, ev bonuspoäng inräknad: 20-29 p. ger betyget 3, 30-39 p. ger betyget 4

Läs mer

Extrempunkt. Polyeder

Extrempunkt. 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

Campus och distans Flervariabelanalys mag ATM-Matematik Mikael Forsberg och Yury Shestopalov (Mikael Forsberg)

Campus och distans Flervariabelanalys mag ATM-Matematik Mikael Forsberg och Yury Shestopalov (Mikael Forsberg) ATM-Matematik Mikael Forsberg och Yury Shestopalov 734-4 3 3 (Mikael Forsberg) Campus och distans Flervariabelanalys mag3 7 6 5 Skrivtid: 9:-4:. Inga hjälpmedel förutom bifogad formelsamling. Lösningarna

Läs mer

1. Beräkna och klassificera alla kritiska punkter till funktionen f(x, y) = 6xy 2 2x 3 3y 4 2. Antag att temperaturen T i en punkt (x, y, z) ges av

1. Beräkna och klassificera alla kritiska punkter till funktionen f(x, y) = 6xy 2 2x 3 3y 4 2. Antag att temperaturen T i en punkt (x, y, z) ges av ATM-Matematik Mikael Forsberg 74-41 1 För ingenjörs- och distansstudenter Flervariabelanalys ma1b 15 1 14 Skrivtid: 9:-14:. Inga hjälpmedel. Lösningarna skall vara fullständiga och lätta att följa. Börja

Läs mer

Institutionen för matematik SF1626 Flervariabelanalys. Lösningsförslag till tentamen Måndagen den 5 juni 2017 DEL A

Institutionen för matematik SF1626 Flervariabelanalys. Lösningsförslag till tentamen Måndagen den 5 juni 2017 DEL A Institutionen för matematik SF66 Flervariabelanalys Lösningsförslag till tentamen Måndagen den 5 juni 7 DEL A. En kulles höjd ges av z 6,x,y där enheten är meter på alla tre koordinataxlar. (a) I vilken

Läs mer

TAOP07/TEN1 OPTIMERINGSLÄRA GRUNDKURS för Y. Antal uppgifter: 7 Uppgifterna är inte ordnade efter svårighetsgrad.

TAOP07/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 mer

Optimeringslara = matematik som syftar till att analysera och. Optimeringslara ar en gren av den tillampade matematiken.

Optimeringslara = matematik som syftar till att analysera och. Optimeringslara ar en gren av den tillampade matematiken. Optimal = basta mojliga. Optimeringslara = matematik som syftar till att analysera och nna det basta mojliga. Anvands oftast till att nna ett basta handlingsalternativ i tekniska och ekonomiska beslutsproblem.

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

SF1669 Matematisk och numerisk analys II Lösningsförslag till tentamen DEL A

SF1669 Matematisk och numerisk analys II Lösningsförslag till tentamen DEL A SF669 Matematisk och numerisk anals II Lösningsförslag till tentamen 7-3-5 DEL A. I nedanstående rätvinkliga koordinatsstem är varje ruta en enhet lång. (a) Bestäm de rmdpolära (sfäriska) koordinaterna

Läs mer