1. Vad är optimering?
|
|
- Thomas Magnus Ekström
- för 7 år sedan
- Visningar:
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.
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 merNär 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 merOlinjärt 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 merSF1626 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 merSF1669 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 merSF1626 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 merSF1669 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 merOptimering 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 merOptimering, 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 merSF1626 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).
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 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 merOptimeringsproblem. 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 merFlervariabelanalys 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 mer4. 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 mer7 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 merOptimering 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 mer1 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 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 merInstitutionen 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 merMICROECONOMICS 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 merFigur 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 merFör 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 merOptimering 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 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 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 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 merSF1626 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 merTentamen: 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 merFunktionsstudier 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 merSF1626 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 mer6. 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 merTentamen 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 merSF1626 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 merSF1626 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 merLösningsförslag 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 merKap 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 mer5B1817 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 merSF1626 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 merProblem 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 merSF1626 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 merSF1626 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 merSF1626 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 merTentan , 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 merTentamen 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 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 merSF1626 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 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 merSätt 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 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 merInstitutionen 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 merTAOP88/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 merLaboration 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 merSF1626 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 merx ( 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 merSF1626 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 merSF1626 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 merSF1545 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 merSF1626 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 merMATEMATIK 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 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 merLösningsförslag 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 merSF1625 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 merTAOP86/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 merSF1626 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 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 merMMA127 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 merMA2001 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 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 merLösningsförslag 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 merInstitutionen 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 merEXTREMVÄRDESPROBLEM 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 merTAOP88/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 merf(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 merSF1626 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 merSF1626 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 merMatematik 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 merx 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 merMMA127 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 merUPPSALA 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 merOptimeringslära Kaj Holmberg
Tekniska Högskolan i Linköping TAOP88 Matematiska Institutionen Lösning till tentamen Optimeringslära 28--24 Kaj Holmberg Uppgift Lösningar a: Målfunktionen är summan av konvexa funktioner (kvadrater och
Läs 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 merBestäm 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 merSF1646 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 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 mer1(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 merf(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 merTentamen 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 merTentamen 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 merFlervariabelanalys 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 merOptimeringslära 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 merx +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 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 merCampus 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 mer1. 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 merInstitutionen 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 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 merOptimeringslara = 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 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 merSF1669 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