Föreläsning 7: Kvadratisk optimering. 4. Kvadratisk optimering under linjära bivillkor
|
|
- Ann-Christin Ekström
- för 5 år sedan
- Visningar:
Transkript
1 Föreläsning 7: Kvadratisk optimering 1. Kvadratisk optimering utan bivillkor 2. Positivt definita och semidefinita matriser 3. LDL T faktorisering 4. Kvadratisk optimering under linjära bivillkor 5. Minsta kvadratproblem Föreläsning 7 1 Kvadratisk optimering - Ulf Jönsson & Per Enqvist
2 Kvadratisk optimering utan bivillkor minimera 1 2 xt Hx + c T x + c 0 där H = H T R n n, c R n, c 0 R. Vanligt förekommande i tillämpningar, t.ex. linjär regression (modelanpassning) minimering av fysikaliskt betingade målfunktioner som t.ex. minimering av energi, varians, e.t.c. Kvadratisk approximation av olinjära optimeringsproblem Föreläsning 7 2 Kvadratisk optimering - Ulf Jönsson & Per Enqvist
3 Kvadratiska termen Låt f(x) = 1 2 xt Hx + c T x + c 0 där H = H T R n n, c R n, c 0 R. Vi kan anta att matrisen H är symmetrisk. Om H inte är symmetrisk så gäller att x T Hx = 1 2 xt Hx (xt Hx) T = 1 2 xt (H + H T )x, d.v.s. x T Hx = x T Hx där H = 1 2 (H + HT ) är en symmetrisk matris. Föreläsning 7 3 Kvadratisk optimering - Ulf Jönsson & Per Enqvist
4 Positivt definita och positivt semidefinita matriser Definition 1 (Positivt semidefinit). En symmetrisk matris H = H T R n n säges vara positivt semidefinit om x T Hx 0 för alla x R n Definition 2 (Positivt definit). En symmetrisk matris H = H T R n n säges vara positivt definit om x T Hx > 0 för alla x R n {0} Föreläsning 7 4 Kvadratisk optimering - Ulf Jönsson & Per Enqvist
5 Metoder att avgöra om en symmetrisk matris H = H T R n n är positivt (semi) definit: LDL T faktorisering (lämpligt vid handräkning). Kapitel 26.6 i OK (Kapitel 7 i gula häftet). Uttnyttja matrisens spektralfaktorisering H = QΛQ T, där Q T Q = I och Λ = diag(λ 1,...,λ n ) där λ k är matrisens egenvärden. Från detta kan man se att H är positivt semidefinit om och endast om λ k 0, k = 1,...,n H är positivt definit om och endast om λ k > 0, k = 1,...,n ( Du kan läsa mer om detta i kapitel 8 i gula häftet (kursivt).) Föreläsning 7 5 Kvadratisk optimering - Ulf Jönsson & Per Enqvist
6 LDL T faktorisering Sats 1 (26.21 i OK). En symmetrisk matris H = H T R n n är positivt semidefinit om och endast om det finns en faktorisering H = LDL T där d l d L = l 31 l D = 0 0 d l n1 l n2 l n d n och d k 0, k = 1,...,n. H är positivt definit om och endast om d k > 0, k = 1,...,n, i LDL T faktoriseringen. Bevis: Se kapitel 26.9 i OK (kapitel 7 i gula häftet). Föreläsning 7 6 Kvadratisk optimering - Ulf Jönsson & Per Enqvist
7 Man erhåller LDL T faktoriseringen genom endera av följande metoder: Elementära rad och kolonnoperationer. Se kapitel och i OK (kapitel och i gula häftet). Kvadratkomplettering. Se kapitel 26.8 i OK (kapitel 7.8 i gula häftet). Föreläsning 7 7 Kvadratisk optimering - Ulf Jönsson & Per Enqvist
8 Obegränsade Problem Låt f(x) = 1 2 xt Hx + c T x + c 0. Antag att H inte är positivt semidefinit. Då finns d R n sådant att d T Hd < 0. Det följer att f(td) = 1 2 t2 d T Hd + tc T d + c 0 då t Slutsats: Ett nödvändigt villkor för att f(x) skall ha ett minimum är att H är positivt semidefinit. Föreläsning 7 8 Kvadratisk optimering - Ulf Jönsson & Per Enqvist
9 Antag att H är positivt semidefinit. Då kan vi använda faktoriseringen H = LDL T, vilket ger 1 min x 2 xt Hx + c T x + c 0 1 = min x 2 xt LDL T x + c T (L T ) 1 L T x + c 0 = min y 1,,y n = c 0 + n k=1 n k=1 1 2 d ky 2 k + c k y k + c 0 min y k 1 2 d ky 2 k + c k y k där vi introducerat de nya koordinaterna y = L T x och c = L 1 c. Vårt optimeringsproblem har separaterat till n oberoende skalära kvadratiska optimeringsproblem vilka var för sig är enkla att lösa. Föreläsning 7 9 Kvadratisk optimering - Ulf Jönsson & Per Enqvist
10 Skalära Kvadratiska optimeringsproblem utan bivillkor Det skalära kvadratiska optimeringsproblemet minimera x R 1 2 hx2 + cx + c 0 har en ändlig lösning om, och endast om, h = 0 och c = 0, eller h > 0. I det första fallet så är optimum inte unikt. I det andra fallet så är 1 2 hx2 + cx + c 0 = 1 2 h(x + c/h)2 + c 0 c 2 /(2h), och optimum antas för x = c/h. Föreläsning 7 10 Kvadratisk optimering - Ulf Jönsson & Per Enqvist
11 Separat lösning av minimeringsproblemen ger att ŷ = en minpunkt om [ ŷ 1... ŷ n ] T är (i) d k 0, k = 1,...,n (ii) d k ŷ k = c k (i) H är positivt semidefinit (ii) DL Tˆx = L 1 c Villkor (ii) kan ersättas med LDL Tˆx = c d.v.s. Hˆx = c. Vidare gäller att f(x) = 1 2 xt Hx + c T x + c 0 är nedåt obegränsad om (i) (ii) något d k < 0, eller någon av ekvationerna d k ŷ k = c k saknar lösning d.v.s. d k = 0 och c k 0 (i) H är ej positivt semidefinit (ii) ekvationen Hˆx = c saknar lösning Föreläsning 7 11 Kvadratisk optimering - Ulf Jönsson & Per Enqvist
12 Ovanstånde resonemang kan sammanfattas i följande sats Sats 2. Låt f(x) = 1 2 xt Hx + c T x + c 0. Då är ˆx en minpunkt om (i) H är positivt semidefinit (ii) Hˆx = c Om H är positivt definit så är ˆx = H 1 c. Om H ej är positivt semidefinit eller Hx = c saknar lösning så är f nedåt obegränsad. Kommentar 1. Villkoret att Hx = c är lösbar är ekvivalent med att c R(H). Således har f en minpunkt om och endast om H är positivt semidefinit och c R(H). Föreläsning 7 12 Kvadratisk optimering - Ulf Jönsson & Per Enqvist
13 Kvadratisk optimering med linjära bivillkor min x 1 2 xt Hx + c T x + c 0 då Ax = b (1) där H = H T R n n, A R m n, c R n, and b R m, and c 0 R. Vi antar att b R(A) och n > m, d.v.s. N(A) {0}. Antag att N(A) = ] span{z 1,...,z k } och definiera nollrumsmatrisen Z = [z 1... z k. Om A x = b så gäller att en godtycklig lösning till det linjära bivillkoret har formen x = x + Zv, för något v R k. Detta följer eftersom A( x + Zv) = A x + AZv = b + 0 = b Föreläsning 7 13 Kvadratisk optimering - Ulf Jönsson & Per Enqvist
14 Med x = x + Zv insatt i f(x) = 1 2 xt Hx + c T x + c 0 får vi f(x) = 1 2 vt Z T HZv + (Z T (H x + c)) T v + f( x). Minimeringsproblemet (1) är således ekvivalent med min v 1 2 vt Z T HZv + (Z T (H x + c)) T v + f( x). Vi kan tillämpa Sats 2 vilket ger följande resultat. Sats 3. ˆx är en optimal lösning till (1) om (i) Z T HZ är positivt semidefinit. (ii) ˆx = x + Zˆv där Z T HZˆv = Z T (H x + c) Föreläsning 7 14 Kvadratisk optimering - Ulf Jönsson & Per Enqvist
15 Kommentar 2. Det andra villkoret i satsen är ekvivalent med att det finns û R m så att H AT A 0 ˆx = û Bevis: Det andra villkoret i satsen kan skrivas c b Z T (H( x + Zˆv) + c) = 0 Eftersom N(A) = R(Z) så är detta ekvivalent med H( x } + {{ Zˆv } ) + c N(A) = R(A T ) ˆx Hˆx + c = A T û, för något û R m Föreläsning 7 15 Kvadratisk optimering - Ulf Jönsson & Per Enqvist
16 Exempel: Analys av ett resistansnätverk I u 1 x 12 x 13 v 13 r 13 u 3 x 34 x 35 v 35 v 12 r 12 r 23 r 34 r 35 v 34 u 5 x 23 v 23 r 45 r 24 u 2 x 24 v 24 u 4 x 45 v 45 Vi skickar en ström I genom nätverket från nod 1 till nod 5. Vad blir lösningen till kretsekvationen? Föreläsning 7 16 Kvadratisk optimering - Ulf Jönsson & Per Enqvist
17 Strömmen x ij går från i till nod j om x ij > 0. Kirschoff s strömlag ger Detta kan skrivas Ax = b där x = x 12 + x 13 = I x 12 x 23 x 24 = 0 x 13 + x 23 x 34 x 35 = 0 x 24 + x 34 x 45 = 0 x 35 + x 45 = I [ x 12 x 13 x 23 x 24 x 34 x 35 x 45 ] T, I A = , b = I Föreläsning 7 17 Kvadratisk optimering - Ulf Jönsson & Per Enqvist
18 Nodpotentialerna betecknas u j, j = 1,...,5 Spänningsfallet över motståndet r ij betecknas v ij och ges av ekvationerna v ij = u i u j v ij = r ij x ij (Ohms lag) Detta kan också skrivas där u = v = A T u v = Dx [ u 1 u 2 u 3 u 4 u 5 ] T v = D = diag(r 12,r 13,r 23,r 24,r 34,r 35,r 45 ) [v 12 v 13 v 23 v 24 v 34 v 35 v 45 ] T Föreläsning 7 18 Kvadratisk optimering - Ulf Jönsson & Per Enqvist
19 Elkretsens ekvationer: Ax = b v = A T u v = Dx D AT A 0 x = 0 b Eftersom D är positivt definit (r ij > 0) så är detta enligt kommentar 2 ekvivalent med optimalitetsvillkoren för följande optimeringsproblem minimera 1 2 xt Dx då Ax = b Föreläsning 7 19 Kvadratisk optimering - Ulf Jönsson & Per Enqvist
20 Kommentar I avsnitten om nätverksoptimering såg vi att matrisen N(A) 0 (då kallades matrisen Ã) och att nollrummet svarade mot slingor i elkretsen. Elektricitetsteorin (Ohms lag + Kirchoffs lag) väljer ut den ström som svarar mot minst effektförlust. Detta följer eftersom målfunktionen kan skrivas 1 2 xt Dx = 1 2 r ij x 2 ij ij Föreläsning 7 20 Kvadratisk optimering - Ulf Jönsson & Per Enqvist
21 Kommentar 3. Det är i regel en fördel att jorda en av noderna. Låt oss till exempel jorda nod 5 varvid u 5 = 0. I u 1 x 12 x 13 v 13 r 13 u 3 x 34 x 35 v 35 v 12 r 12 x 23 r 23 v 23 r 34 r 35 v 34 r 45 u 5 = 0 u 2 x 24 r 24 v 24 u 4 x 45 v 45 Föreläsning 7 21 Kvadratisk optimering - Ulf Jönsson & Per Enqvist
22 Med potentialen i nod 5 fixerad till u 5 = 0 utgår sista kolonnen i spänningsekvationen v = A T u. Spänningsekvationen och strömbalansen kan ersättas med v = Ā T ū och Āx = b där I Ā =, b =, ū = Fördelen med detta är att raderna i Ā är linjärt oberoende. Detta underlättar lösningen av optimeringsproblemet. u 1 u 2 u 3 u 4 Föreläsning 7 22 Kvadratisk optimering - Ulf Jönsson & Per Enqvist
23 Minsta kvadratproblem Tillämpning: Linjär regression (modellanpassing) e(t) s(t) y(t) System Problem: Anpassa en linjär regressionsmodell till mätdata. n Regressionsmodellen : y(t) = α j ψ j (t) ψ k (t), k = 1,...,n är regressorerna (kända funktioner) α k = k = 1,...,n är modellparametrarna (skall bestämmas) e(t) mätbrus (ej känd) j=1 s(t) observationer. Föreläsning 7 23 Kvadratisk optimering - Ulf Jönsson & Per Enqvist
24 Idé för modellanpassning: Minimera kvadratsumman av prediktionsfelen minimera 1 2 =minimera 1 2 m n ( α j ψ j (t i ) s(t i )) 2 i=1 j=1 m (ψ(t i ) T x s(t i )) 2 i=1 =minimera 1 2 (Ax b)t (Ax b) (2) ψ(t) = ψ 1 (t)., x = ψ n (t) α 1. α n, A = ψ(t 1 ) T., b = ψ(t n ) T s(t 1 ). s(t n ) Föreläsning 7 24 Kvadratisk optimering - Ulf Jönsson & Per Enqvist
25 Minsta kvadratproblemets (MK) lösning Minsta kvadratproblemet (2) kan ekvivalent skrivas minimera 1 2 xt Hx + c T x + c 0 där H = A T A, c = A T b, c 0 = 1 2 bt b. Vi noterar att H = A T A är positivt semidefinit eftersom x T A T Ax = Ax 2 0. c R(H) eftersom c = A T b R(A T ) = R(A T A) = R(H). Villkoren i Sats 2 och Kommentar (1) är uppfyllda och det följer att MK-skattningen ges av Hˆx = c A T Aˆx = A T b (Normal ekvationen) Föreläsning 7 25 Kvadratisk optimering - Ulf Jönsson & Per Enqvist
26 Linjär algebratolkning N(A) N(A T ) R n A R m x n x b Aˆx ˆx = A T u R(A T ) Aˆx R(A) A T (b Aˆx) = 0 b Aˆx N(A T ) Normalekvationen kan skrivas Denna ortogonalitetsegenskap har en geometrisk tolkning villken illustreras i figuren ovan. Linjära algebrans fundamentalsats förklarar MK lösningen geometriskt. Föreläsning 7 26 Kvadratisk optimering - Ulf Jönsson & Per Enqvist
27 MK skattningens unikhet Fall 1 Om kolonnerna i A är linjärt oberoende, d.v.s. N(A) = {0}, så gäller att H = A T A är positivt definit och därmed inverterbar. Normalekvationen har då den unika lösningen ˆx = (A T A) 1 Ab Fall 2 Om A har linjärt beroende kolonner, d.v.s. N(A) {0} så är det naturligt att välja den lösning med kortast längd. Från figuren på föregående sida ser vi att vi då skall låta ˆx = A T û, där AA T û = A x, där x är en godtycklig lösning till MK problemet. Föreläsning 7 27 Kvadratisk optimering - Ulf Jönsson & Per Enqvist
28 Vårt val av ˆx i fall 2 kan ekvivalent tolkas som lösningen till det kvadratiska optimeringsproblemet minimera 1 2 xt x då Ax = A x Enligt Kommentar 2 ges lösningen till detta optimeringsproblem som lösningen till ekvationssystemet: I AT ˆx = A 0 û d.v.s. ˆx = A T û, där AA T û = A x 0 A x Föreläsning 7 28 Kvadratisk optimering - Ulf Jönsson & Per Enqvist
29 Läsanvisningar Kvadratisk optimering utan bivillkor: Kapitel 9 och 26 i OK (Blå häftet sidan Gula häftet sidan 36-49) Kvadratisk optimering under bivillkor: Kapitel 10 i OK. (Blå häftet sidan 11-20) Minsta-kvadratmetoden: Kapitel 11 i OK (11.7 och 11.9 kursivt) (Blå häftet sidan (sidan 24 läses kursivt)). Föreläsning 7 29 Kvadratisk optimering - Ulf Jönsson & Per Enqvist
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 merLösningar till SF1861/SF1851 Optimeringslära, 24/5 2013
Lösningar till SF86/SF85 Optimeringslära, 4/5 03 Uppgift (a) Inför de 3 variablerna x ij = kvantitet (i sorten ton) som fabrik nr i åläggs att tillverka av produkt nr j, samt t = tiden (i sorten timmar)
Läs merFöreläsning 6: Nätverksoptimering
Föreläsning 6: Nätverksoptimering. Minkostnadsflödesproblem i nätverk.. Modellering och grafteori.. Simplexmetoden. Föreläsning 6 - Ulf Jönsson & Per Enqvist Nätverksoptimering Minkostnadsflödesproblem
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 merLösningar till tentan i SF1861 Optimeringslära, 1 juni 2017
Lösningar till tentan i SF86 Optimeringslära, juni 7 Lösningarna är på svenska, utom lösningen av (a som är på engelska (a The considered network is illustrated in FIGURE below, where the supply at the
Läs merLösningar till SF1861 Optimeringslära, 28 maj 2012
Lösningar till SF86 Optimeringslära, 28 maj 202 Uppgift.(a) Då det primala problemet P är så är det motsvarande duala problemet D minimera 3x + x 2 då 3x + 2x 2 6 x + 2x 2 4 x j 0, j =, 2. maximera 6 +
Läs mer1 Konvexa optimeringsproblem grundläggande egenskaper
Krister Svanberg, april 2012 1 Konvexa optimeringsproblem grundläggande egenskaper Ett optimeringsproblem är i viss mening godartat om det tillåtna området är en konvex mängd och den målfunktion som ska
Läs 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 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 merLösningar till tentan i 5B1760 Linjär och kvadratisk optimering, 17 december 2003.
Lösningar till tentan i 5B7 Linjär och kvadratisk optimering, 7 december 3 Uppgift (a) 3 Vi använder Gauss-Jordans metod för att överföra A 3 5 till trappstegsform 3 7 Addition av ( ) gånger första raden
Läs merLösningar till SF1852 Optimeringslära för E, 16/1 08
Lösningar till SF8 Optimeringslära för E, 6/ 8 Uppgift (a) Problemet är ett transportproblem, ett specialfall av minkostnadsflödesproblem Nätverket består av 7 st noder A,B,C,P,Q,R,S, alternativt kallade,,,7,
Läs 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 merOptimeringslära för T (SF1861)
Optimeringslära för T (SF1861) 1. Kursinformation 2. Exempel på optimeringsproblem 3. Introduktion till linjärprogrammering Introduktion - Ulf Jönsson & Per Enqvist 1 Linjärprogrammering Kursinformation
Läs merLösningar till tentan i SF1861 Optimeringslära, 3 Juni, 2016
Lösningar till tentan i SF86 Optimeringslära, 3 Juni, 6 Uppgift (a) We note that each column in the matrix A contains one + and one, while all the other elements in the column are zeros We also note that
Läs mer1 Positivt definita och positivt semidefinita matriser
Krister Svanberg, april 1 1 Positivt definita och positivt semidefinita matriser Inom ickelinjär optimering, speciellt kvadratisk optimering, är det viktigt att på ett effektivt sätt kunna avgöra huruvida
Läs 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 mer1 Duala problem vid linjär optimering
Krister Svanberg, april 2012 1 Duala problem vid linjär optimering Detta kapitel handlar om två centrala teoretiska resultat för LP, nämligen dualitetssatsen och komplementaritetssatsen. Först måste vi
Läs mer6.1 Skalärprodukt, norm och ortogonalitet. TMV141 Linjär algebra E VT 2011 Vecka 6. Lärmål 6.1. Skalärprodukt. Viktiga begrepp
6.1 Skalärprodukt, norm och ortogonalitet TMV141 Linjär algebra E VT 2011 Vecka 6 Skalärprodukt Norm/längd Normerad vektor/enhetsvektor Avståndet mellan två vektorer Ortogonala vektorer Ortogonala komplementet
Läs mer5B1817 Tillämpad ickelinjär optimering. Optimalitetsvillkor för problem med linjära bivillkor.
5B1817 Tillämpad ickelinjär optimering Föreläsning 2 Optimalitetsvillkor för problem med linjära bivillkor. A. Forsgren, KTH 1 Föreläsning 2 5B1817 2006/2007 Optimalitetsvillkor för ickelinjära programmeringsproblem
Läs 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 merInstitutionen för Matematik TENTAMEN I LINJÄR ALGEBRA OCH NUMERISK ANALYS F1, TMA671 2009-01-16. DAG: Fredag 16 januari 2009 TID: 14.00-18.
Institutionen för Matematik Göteborg TENTAMEN I LINJÄR ALGEBRA OCH NUMERISK ANALYS F, TMA67 9--6 DAG: Fredag 6 januari 9 TID: 4. - 8. SAL: V Ansvarig: Ivar Gustafsson, tel: 77 94 Förfrågningar: Ivar Gustafsson
Läs merTANA09 Föreläsning 5. Matrisnormer. Störningsteori för Linjära ekvationssystem. Linjära ekvationssystem
TANA9 Föreläsning Matrisnormer Linjära ekvationssystem Matrisnormer. Konditionstalet. Felanalys. Linjära minstakvadratproblem Överbestämda ekvationssystem. Normalekvationerna. Ortogonala matriser. QR faktorisering.
Läs merMinsta kvadratmetoden
Minsta kvadratmetoden där Överbestämda ekvationssystem Det är lämpligt att uppfatta matrisen A som bestående av n kolonnvektorer: A a a a n a a a n a n a n a nn a j a j a nj a a a n j n Då kan vi skriva
Läs 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 merTENTAMEN I LINJÄR ALGEBRA OCH NUMERISK ANALYS F1, TMA671
Institutionen för Matematik LINJÄR ALGEBRA OCH NUMERISK ANALYS F Göteborg --9 TENTAMEN I LINJÄR ALGEBRA OCH NUMERISK ANALYS F, TMA67 OBS! NYA KURSEN DAG: Tisdag 9 januari TID: 8.45 -.45 SAL: V Ansvarig:
Läs merTMV166 Linjär Algebra för M. Tentamen
MATEMATISKA VETENSKAPER TMV66 6 Chalmers tekniska högskola 6 8 kl 8:3 :3 (SB Multisal) Examinator: Tony Stillfjord Hjälpmedel: ordlistan från kurshemsidan, ej räknedosa Telefonvakt: Olof Giselsson, ankn
Läs merBasbyten och linjära avbildningar
Föreläsning 11, Linjär algebra IT VT2008 1 Basbyten och linjära avbildningar Innan vi fortsätter med egenvärden så ska vi titta på hur matrisen för en linjär avbildning beror på vilken bas vi använder.
Läs merLösningar till tentan i SF1861/51 Optimeringslära, 3 juni, 2015
Lösningar till tentan i SF86/5 Optimeringslära, 3 juni, 25 Uppgift.(a) Första delen: The network is illustrated in the following figure, where all the links are directed from left to right. 3 5 O------O
Läs mer5B1817 Tillämpad ickelinjär optimering. Metoder för problem utan bivillkor, forts.
5B1817 Tillämpad ickelinjär optimering Föreläsning 5 Metoder för problem utan bivillkor, forts. A. Forsgren, KTH 1 Föreläsning 5 5B1817 2006/2007 Lösningar För en given metod blir en lösning den bästa
Läs mer14. Minsta kvadratmetoden
58 MINSTA KVADRATMETODEN. Minsta kvadratmetoden Eempel.. Det är inte så svårt att komma åt en trasig lampa på golvet för att byta den. Det är bara att gå fram till den. Hur är det om lampan hänger i taket?
Läs merSF1624 Algebra och geometri Tentamen med lösningsförslag onsdag, 11 januari 2017
SF64 Algebra och geometri Tentamen med lösningsförslag onsdag, januari 7. (a) För vilka värden på k har ekvationssystemet (med avseende på x, y och z) kx + ky + z 3 x + ky + z 4x + 3y + 3z 8 en entydig
Läs 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 merHärledning av Black-Littermans formel mha allmänna linjära modellen
Härledning av Black-Littermans formel mha allmänna linjära modellen Ett sätt att få fram Black-Littermans formel är att formulera problemet att hitta lämpliga justerade avkastningar som ett skattningsproblem
Läs mer8 Minsta kvadratmetoden
Nr, april -, Amelia Minsta kvadratmetoden. Ekvationssystem med en lösning, -fallet Ett linjärt ekvationssystem, som ½ +7y = y = har en entydig lösning om koefficientdeterminanten, här 7, är skild från
Läs merTMV166 Linjär algebra för M, vt 2016
TMV166 Linjär algebra för M, vt 2016 Lista över alla lärmål Nedan följer en sammanfattning av alla lärmål i kursen, uppdelade enligt godkänt- och överbetygskriterier. Efter denna lista följer ytterligare
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 merHemuppgift 1, SF1861 Optimeringslära för T
Hemuppgift 1, SF1861 Optimeringslära för T Examinator: Per Enqvist, tel: 790 6298, penqvist@math.kth.se. Assistenter: Amol Sasane, sasane@math.kth.se, Mikael Fallgren, werty@kth.se. Lämnas in till någon
Läs merFöreläsning 5. Approximationsteori
Föreläsning 5 Approximationsteori Låt f vara en kontinuerlig funktion som vi vill approximera med en enklare funktion f(x) Vi kommer använda två olika approximationsmetoder: interpolation och minstrakvadratanpassning
Läs merTSRT91 Reglerteknik: Föreläsning 10
TSRT91 Reglerteknik: Föreläsning 10 Martin Enqvist Reglerteknik Institutionen för systemteknik Linköpings universitet Föreläsningar 1 / 15 1 Inledning, grundläggande begrepp. 2 Matematiska modeller. Stabilitet.
Läs merLÖSNINGAR TILL UPPGIFTER TILL RÄKNEÖVNING 1
STOCKHOLMS UNIVERSITET MATEMATISKA INSTITUTIONEN Linjär algebra II LÖSNINGAR TILL UPPGIFTER TILL RÄKNEÖVNING Lös ekvationssystemet x + y + z 9 x + 4y 3z 3x + 6z 5z med hjälp av Gausselimination Lösning:
Läs mer1 Linjära ekvationssystem. 2 Vektorer
För. 1 1 Linjära ekvationssystem Gaußelimination - sriv om systemet för att få ett trappformat system genom att: byta ordningen mellan ekvationer eller obekanta; multiplicera en ekvation med en konstant
Läs merkvivalenta. Ange rangen för A samt en bas för kolonnrummet för A. och U =
MATEMATIK Hjälpmedel: utdelad ordlista, ej räknedosa Chalmers tekniska högskola Datum: 9-- kl 8 Tentamen Telefonvakt: Aron Lagerberg tel 76-786 Linjär Algebra Z (tmv4) Skriv tentamenskod tydligt på samtliga
Läs merLinjär Algebra M/TD Läsvecka 3
bild 1 Linjär Algebra M/TD Läsvecka 3 Omfattning och Innehåll Lay: 3.1-3.3 Determinanter. Definition, räkneregler och ett par viktiga satser. Huitfeldt: Om lösningsnoggrannhet: vektornorm, matrisnorm bild
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 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 mer2D1250 Tillämpade numeriska metoder II Läsanvisningar och repetitionsfrågor:
1 Axel Ruhe NADA 10 mars 2005 2D1250 Tillämpade numeriska metoder II Läsanvisningar och repetitionsfrågor: Dessa frågor är till hjälp vid inläsning av Linjär Algebra momenten i kursen. Hänvisningar till
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 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 009-08-7 DAG: Torsdag 7 augusti 009 TID: 8.30 -.30 SAL: V Ansvarig: Ivar Gustafsson, tel: 77 0
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 merInstitutionen för Matematiska Vetenskaper TENTAMEN I LINJÄR ALGEBRA OCH NUMERISK ANALYS F1/TM1, TMA671 2014-05-26
Institutionen för Matematiska Vetenskaper Göteborg TENTAMEN I LINJÄR ALGEBRA OCH NUMERISK ANALYS F/TM, TMA67 4-5-6 DAG: Måndag 6 maj 4 TID: 4. - 8. SAL: V Ansvarig: Ivar Gustafsson, tel: 75-33545 Förfrågningar:
Läs merDEL I. Matematiska Institutionen KTH. Lösning till tentamensskrivning på kursen Linjär algebra II, SF1604 för D, den 5 juni 2010 kl
1 Matematiska Institutionen KTH Lösning till tentamensskrivning på kursen Linjär algebra II, SF164 för D, den 5 juni 21 kl 9.- 14.. Examinator: Olof Heden. Hjälpmedel: Inga hjälpmedel är tillåtna på tentamensskrivningen.
Läs merTMA 671 Linjär Algebra och Numerisk Analys. x x2 2 1.
MATEMATISKA VETENSKAPER TMA67 8 Chalmers tekniska högskola Datum: 8--8 kl - 8 Examinator: Håkon Hoel Tel: ankn 38 Hjälpmedel: inga TMA 67 Linjär Algebra Numerisk Analys Tentan består av 8 uppgifter, med
Läs merEnkel och multipel linjär regression
TNG006 F3 25-05-206 Enkel och multipel linjär regression 3.. Enkel linjär regression I det här avsnittet kommer vi att anpassa en rät linje till mätdata. Betrakta följande värden från ett försök x 4.0
Läs merLinjär Algebra M/TD Läsvecka 2
Linjär Algebra M/TD Läsvecka 2 Omfattning och Innehåll 2.1 Matrisoperationer: addition av matriser, multiplikation av matris med skalär, multiplikation av matriser. 2.2-2.3 Matrisinvers, karakterisering
Läs merSF1624 Algebra och geometri Lösningsförslag till modelltentamen DEL A
SF1624 Algebra och geometri Lösningsförslag till modelltentamen DEL A (1) Vid lösningen av ekvationssystemet x 1 3x 2 +3x 3 4x 4 = 1, x 2 +x 3 x 4 = 0, 4x 1 +x 2 x 3 2x 4 = 5, kommer man genom Gausselimination
Läs 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 merALA-c Innehåll. 1 Linearization and Stability Uppgift Uppgift Egenvärdesproblemet Uppgift
Vecka ALA-c 6 Innehåll Linearization and Stability RÄKNEÖVNING VECKA. Uppgift 9........................................ Uppgift 9.5...................................... 5 Egenvärdesproblemet 9. Uppgift
Läs merax + y + 4z = a x + y + (a 1)z = 1. 2x + 2y + az = 2 Ange dessutom samtliga lösningar då det finns oändligt många.
LUNDS TEKNISKA HÖGSKOLA MATEMATIK TENTAMENSSKRIVNING Linjär algebra 8 kl 4 9 INGA HJÄLPMEDEL. För alla uppgifterna, utom 3, förklara dina beteckningar och motivera lösningarna väl. Alla baser får antas
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 merDeterminanter, egenvectorer, egenvärden.
Determinanter, egenvectorer, egenvärden. Determinanter av kvadratiska matriser de nieras recursivt: först för matriser, sedan för matriser som är mest användbara. a b det = ad bc c d det a a a a a a a
Läs merTENTAMEN I LINJÄR ALGEBRA OCH NUMERISK ANALYS F1/TM1, TMA671 2015-04-18
Institutionen för Matematiska Vetenskaper Göteborg TENTAMEN I LINJÄR ALGEBRA OCH NUMERISK ANALYS F/TM, TMA67 5-4-8 DAG: Lördag 8 april 5 TID: 8.3 -.3 SAL: V Ansvarig: Ivar Gustafsson, tel: 75-33545 Förfrågningar:
Läs merLYCKA TILL! kl 8 13
LUNDS TEKNISK HÖGSKOL MTEMTIK TENTMENSSKRIVNING Linjär algebra 0 0 kl 8 3 ING HJÄLPMEDEL Förklara dina beteckningar och motivera lösningarna väl Om inget annat anges är koordinatsystemen ortonormerade
Läs mern = v 1 v 2 = (4, 4, 2). 4 ( 1) + 4 ( 1) 2 ( 1) + d = 0 d = t = 4 + 2s 5 t = 6 + 4s 1 + t = 4 s
LUNDS TEKNISKA HÖGSKOLA MATEMATIK LÖSNINGAR TILL LINJÄR ALGEBRA 7-8-4 kl 4 9 a) Triangelns sidor ges av vektorerna v OP OP (,, ) och v OP 3 OP (,, 4) som även blir riktningsvektorer till planet En normal
Läs merUppsala Universitet Matematiska Institutionen Bo Styf. Sammanfattning av föreläsningarna
Uppsala Universitet Matematiska Institutionen Bo Styf LAoG I, 5 hp ES, KandMa, MatemA -9-6 Sammanfattning av föreläsningarna 3-7 Föreläsningarna 3 7, 8/ 5/ : Det viktigaste är här att du lär dig att reducera
Läs merOrtogonal dekomposition. Minstakvadratmetoden.
Ortogonal dekomposition. Minstakvadratmetoden. Nästa sats är en utvidgning av begreppet ortogonal projektion av en vektor på en annan vektor. Ortogonal projektion på ett underrum. Satsen om ortogonal dekomposition
Läs merMVE022 Urval av bevis (på svenska)
MVE22 Urval av bevis (på svenska) J A S, VT 218 Sats 1 (Lay: Theorem 7, Section 2.2.) 1. En n n-matris A är inverterbar precis när den är radekvivalent med indentitesmatrisen I n. 2. När så är fallet gäller
Läs merFrågorna 1 till 6 ska svaras med ett kryss för varje korrekt påstående. Varje uppgift ger 1 poäng. Använd bifogat formulär för dessa 6 frågor.
TM-Matematik Mikael Forsberg 74-4 Matematik med datalogi, mfl. Linjär algebra ma4a 6 Skrivtid: 9:-4:. Inga hjälpmedel. Lösningarna skall vara fullständiga och lätta att följa. Börja varje ny uppgift på
Läs merDEL I. Matematiska Institutionen KTH. Lösning till tentamensskrivning på kursen Linjär algebra II, SF1604, den 17 april 2010 kl
Matematiska Institutionen KTH Lösning till tentamensskrivning på kursen Linjär algebra II, SF604, den 7 april 200 kl 09.00-4.00. DEL I. En triangel i den tredimensionella rymden har sina hörn i punkterna
Läs merSF1624 Algebra och geometri Lösningsförslag till tentamen DEL A
SF64 Algebra och geometri Lösningsförslag till tentamen 04-05-0 DEL A. Planet P innehåller punkterna (,, 0), (0, 3, ) och (,, ). (a) Bestäm en ekvation, på formen ax + by + cz + d = 0, för planet P. (
Läs 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 mer25 november, 2015, Föreläsning 20. Tillämpad linjär algebra
25 november, 205, Föreläsning 20 Tillämpad linjär algebra Innehåll: Minsta-kvadratmetoden. Minsta kvadratmetoden - motivation Inom teknik och vetenskap arbetar man ofta med modellering av data, dvs att
Läs merSF1624 Algebra och geometri Tentamen Torsdag, 17 mars 2016
SF4 Algebra och geometri Tentamen Torsdag, 7 mars Skrivtid: 8:-: Tillåtna hjälpmedel: inga Examinator: Tilman Bauer Tentamen består av nio uppgifter som vardera ger maximalt fyra poäng. Del A på tentamen
Läs merx 2 x 1 W 24 november, 2016, Föreläsning 20 Tillämpad linjär algebra Innehåll: Projektionssatsen Minsta-kvadratmetoden
24 november, 206, Föreläsning 20 Tillämpad linjär algebra Innehåll: Projektionssatsen Minsta-kvadratmetoden. Projektionssatsen - ortogonal projektion på generella underrum Om W är ett underrum till R n,
Läs mer. (2p) 2x + 2y + z = 4 y + 2z = 2 4x + 3y = 6
Kursen bedöms med betyg, 4, 5 eller underkänd, där 5 är högsta betyg För godkänt betyg krävs minst 4 poäng från uppgifterna -7 Var och en av dessa sju uppgifter kan ge maximalt poäng För var och en av
Läs merx(t) I elimeringsmetoden deriverar vi den första ekvationen och sätter in x 2(t) från den andra ekvationen:
Differentialekvationer II Modellsvar: Räkneövning 6 1. Lös det icke-homogena linjära DE-systemet ( ( 0 e x t (t = x(t + 1 3 e t med elimineringsmetoden. Lösning: den explicita formen av DE-systemet är
Läs merHemuppgift 2, SF1861 Optimeringslära för T, VT-10
Hemuppgift 2, SF1861 Optimeringslära för T, VT-1 Kursansvarig: Per Enqvist, tel: 79 6298, penqvist@math.kth.se. Assistenter: Mikael Fallgren, werty@kth.se, Amol Sasane, sasane@math.kth.se. I denna uppgift
Läs merVektorgeometri för gymnasister
Vektorgeometri för gymnasister Per-Anders Svensson http://homepage.lnu.se/staff/psvmsi/vektorgeometri/gymnasiet.html Fakulteten för teknik Linnéuniversitetet Areor, vektorprodukter, volymer och determinanter
Läs merOlinjära system (11, 12.1)
Föreläsning 2 Olinjära system (11, 121) Introduktion Vad menas med ett olinjärt system? Betrakta ett system där insignalerna u 1 (t) och u 2 (t) ger utsignalerna y 1 (t) respektive y 2 (t), d v s och u
Läs merSF1624 Algebra och geometri Lösningsförslag till tentamen Fredagen den 23 oktober, 2009 DEL A
SF1624 Algebra och geometri Lösningsförslag till tentamen Fredagen den 23 oktober, 2009 DEL A (1) (a) Bestäm de övriga rötterna till ekvationen z 3 11z 2 + 43z 65 = 0 när det är känt att en av rötterna
Läs merChalmers tekniska högskola Datum: Våren MVE021 Linjär algebra I
MATEMATIK Hjälpmedel: inga Chalmers tekniska högskola Datum: Våren 6 Övningstentamen Telefonvakt: Thomas Bäckdahl ankn 8 MVE Linjär algebra I Tentan rättas och bedöms anonymt Skriv tentamenskoden tydligt
Läs 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 merProvtentamen i Matematik 2, 5B1116, för B,E,I,IT,M,Media och T, ht 2001
Institutionen för matematik KTH Provtentamen i Matematik 2, 5B1116, för B,E,I,IT,M,Media och T, ht 2001 Skrivtid: xx - yy Inga hjälpmedel tillåtna För godkänt betyg 3 fordras minst 16 poäng, för betyg
Läs merDetta cosinusvärde för vinklar i [0, π] motsvarar α = π 4.
LUNDS TEKNISKA HÖGSKOLA MATEMATIK LÖSNINGAR LINJÄR ALGEBRA 8-- kl 4-9 a) Triangelns area är en halv av parallellograms area som spänns upp av tex P P (,, ) och P P (,, ), således area av P P P (,, ) (,,
Läs merSF1624 Algebra och geometri Tentamen Onsdag, 13 januari 2016
SF624 Algebra och geometri Tentamen Onsdag, 3 januari 206 Skrivtid: 08:00 3:00 Tillåtna hjälpmedel: inga Examinator: Tilman Bauer Tentamen består av nio uppgifter som vardera ger maximalt fyra poäng. Del
Läs merInstitutionen för Matematiska Vetenskaper TENTAMEN I LINJÄR ALGEBRA OCH NUMERISK ANALYS F1, TMA
Institutionen för Matematiska Vetenskaper Göteborg TENTAMEN I LINJÄR ALGEBRA OCH NUMERISK ANALYS F, TMA67-8-5 DAG: Onsdag 5 augusti TID: 8.3 -.3 SAL: V Ansvarig: Ivar Gustafsson, tel: 75-33545 Förfrågningar:
Läs merTentamen 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 merNorm och QR-faktorisering
Norm och QR-faktorisering Skalärprodukten på C n (R n ) hänger ihop med några viktiga klasser av matriser. För en komplex matris A betecknar vi med A H det Hermitiska konjugatet till A, dvs A H = A T.
Läs merLösningsförslag till skrivningen i Vektorgeometri (MAA702) måndagen den 30 maj 2005
VÄXJÖ UNIVERSITET Matematiska och systemtekniska institutionen Per-Anders Svensson Lösningsförslag till skrivningen i Vektorgeometri (MAA702) måndagen den 30 maj 2005 Uppgift. Bestäm samtliga vektorer
Läs mer8(x 1) 7(y 1) + 2(z + 1) = 0
Matematiska Institutionen KTH Lösningsförsök till tentamensskrivningen på kursen Linjär algebra, SF60, den juni 0 kl 08.00-.00. Examinator: Olof Heden. OBS: Inga hjälpmedel är tillåtna på tentamensskrivningen.
Läs mer1. (a) (1p) Undersök om de tre vektorerna nedan är linjärt oberoende i vektorrummet
1 Matematiska Institutionen, KTH Lösningar till tentamensskrivning på kursen Linjär algebra, SF1604, för CDA- TE, CTFYS och vissa CL, fredagen den 13 mars 015 kl 08.00-13.00. Examinator: Olof Heden. OBS:
Läs merMatematiska Institutionen KTH. Lösning till tentamensskrivning på kursen Linjär algebra II, SF1604, den 9 juni 2011 kl
1 Matematiska Institutionen KTH Lösning till tentamensskrivning på kursen Linjär algebra II, SF1604, den 9 juni 2011 kl 08.00-1.00. OBS: Inga hjälpmedel är tillåtna på tentamensskrivningen. Bonuspoäng
Läs merLinjär algebra Föreläsning 10
Linjär algebra Föreläsning 10 IT-programmet, Chalmers 2006 Samuel Bengmark Repetition Handlade om kvadratiska matriser. Kvadratiska ekvationssystem har: Unik lösning omm Det(A) 0. Har oändligt antal lösningar
Läs merNumerisk Analys, MMG410. Exercises 2. 1/33
Numerisk Analys, MMG410. Exercises 2. 1/33 1. A är en kvadratisk matris vars alla radsummor är noll. Visa att A är singulär. Låt e vara vektorn av ettor. Då är Ae = 0 A har icke-trivialt nollrum. 2/33
Läs merLösning till tentamensskrivning på kursen Linjär algebra, SF1604, den 12 mars 2013 kl
1 Matematiska Institutionen KTH Lösning till tentamensskrivning på kursen Linjär algebra, SF1604, den 12 mars 2013 kl 14.00-19.00. Examinator: Olof Heden. OBS: Inga hjälpmedel är tillåtna på tentamensskrivningen.
Läs merAlgebraiska egenskaper hos R n i)u + v = v + U
Underrum till R n, nollrum, kolonnrum av en matris, rank, bas, koordinater, dimension. Påminnelse om R n s egenskaper: Algebraiska egenskaper hos R n i)u + v = v + U v) c(u + v) = cu + cv ii) ( u + v)
Läs merFöreläsning 6: Transportproblem (TP)
Föreläsning 6: Transportproblem (TP) 1. Transportproblem 2. Assignmentproblem Föreläsning 6 Ulf Jönsson & Per Enqvist 1 Transportproblem Transportproblem Varor ska transporteras från fabriker till varuhus:
Läs merx 1(t) = x 2 (t) x 2(t) = x 1 (t)
Differentialekvationer II Modellsvar till räkneövning 4 16.4. 218 (kl 12-14 B222) 1. Lös det linjära homogena DE-systemet x 1(t) = x 2 (t) x 2(t) = x 1 (t) med matrismetoden. Påminnelse: egenvärden och
Läs merLinjär Algebra M/TD Läsvecka 1
Linjär Algebra M/TD Läsvecka 1 Omfattning: Lay, kapitel 1.1-1.9, Linjära ekvationer i linjär algebra Innehåll: Olika aspekter av linjära ekvationssystem: skärning mellan geometriska objekt, linjärkombination
Läs merVektorgeometri för gymnasister
Vektorgeometri för gymnasister Per-Anders Svensson http://homepage.lnu.se/staff/psvmsi/vektorgeometri/gymnasiet.html Fakulteten för teknik Linnéuniversitetet Linjära avbildningar IV Innehåll Nollrum och
Läs merNovember 24, Egenvärde och egenvektor. (en likformig expansion med faktor 2) (en rotation 30 grader moturs)
Fö : November 4, 7 Egenvärde och egenvektor Definition s 9: Låt A resp T : R n R n vara en n n-matris resp en linjär avbildning En icke-trivial vektor v R n kallas en egenvektor till A resp till T med
Läs mer