Optimierung I, SS 2008

Größe: px
Ab Seite anzeigen:

Download "Optimierung I, SS 2008"

Transkript

1 Aufgabe. ca. 4 Punkte Technische Universität München Zentrum Mathematik Prof. Dr. P. Gritzmann, Dipl.-Math. M. Ritter, Dipl.-Inf. Dipl.-Math. S. Borgwardt Optimierung I, SS 2008 Übungsblatt Um gegen die letzte Preiserhöhung der Mensa zu protestieren, beschließen die Mitarbeiter der hiesigen Chemie-Fakultät, ihren eigenen breiartigen Nahrungsersatz herzustellen und den Studenten als Konkurrenzprodukt anzubieten. Zum Mischen des Nahrungsersatzes stehen den Chemikern einige Grundbreiarten zur Verfügung. Logischerweise, so wird geschlossen, ergeben sich die Eigenschaften des resultierenden Breis aus denen seiner prozentual gewichteten Bestandteile. Zur Auswahl stehen: Breisorte Qualität Kosten pro Mahlzeit grüner Kaktus 4.5 Wüstenrose 9 Sonnenaufgang Atomei 0. Gemessen auf der von den Chemikern benutzten Skala (von bis 0) besitzen die Gerichte der Mensa eine Qualität von 5. Sie wissen, dass die Herstellung einer Mensa-Mahlzeit 2 Euro kostet. Die Chemiker wollen ihren Nahrungsersatz möglichst billig produzieren, dabei aber eine mindestens so hohe Qualität wie die Mensa erreichen. a) Formulieren Sie das Problem als lineares Optimierungsproblem. b) Erraten Sie eine optimale Mischung des Nahrungsersatzes. Erklären Sie informell, warum Ihre erratene Mischung optimal ist. Lösung zu Aufgabe. a) Sei x = (x,..., x 4 ) T der Vektor der prozentualen Anteile der Breisorten (in der Reihenfolge der Tabelle) in der Mischung. Dann sieht das lineare Optimierungsproblem wie

2 folgt aus: min.5x + x 2 + x + 0.x 4 4x + 9x 2 + x + x 4 5 x + x 2 + x + x 4 = x, x 2, x, x 4 0 b) Eine optimale Mischung ergibt sich aus 50% Wüstenrose und 50% Atomei. Damit liegen die Kosten für eine Mahlzeit bei, 55 Euro. Wüstenrose ist der einzige Brei, der eine Qualität > 5 hat und muss dementsprechend in der Mischung sein. Um den Preis zu minimieren, wird Atomei der Mi- schung hinzugefügt, und zwar kann man maximal so viel Atomei hineinmischen, wie man Wüstenrose hat, ohne unter eine Qualität von 5 zu rutschen. Ein Mischen von Wüstenrose mit grüner Kaktus erlaubt zwar, auf 4 Einheiten grüner Kaktus nur eine Einheit Wüstenrose zu benutzen, ergibt aber so Kosten von.8 Euro pro Mahlzeit. Beim Mischen von Wüstenrose mit Sonnenaufgang landet man bei einem optimalen Verhältnis von : 2 bei ca., 67 Euro pro Mahlzeit. Aufgabe.2 ca. 6 Punkte Für die Produktion der Produkte P und P 2 benötigt ein Unternehmen eine Maschine, die in jedem Monat 50 Stunden zur Verfügung steht. Eine Einheit von P kann in einer Stunde auf der Maschine gefertigt werden, für eine Einheit von P 2 werden hingegen Stunden benötigt. Die Produktionskosten liegen bei 4 Euro für P und 44 Euro für P 2. Auf dem Absatzmarkt lassen sich dafür Stückpreise von 8 Euro bzw. 49 Euro erzielen, wobei von P maximal 00 und von P 2 maximal 40 Stück abgesetzt werden können. P und P 2 können nur in ganzen Einheiten hergestellt werden. a) Welche Kombinationen von P und P 2 lassen sich produzieren? Stellen Sie alle zulässigen Kombinationen durch ein Ungleichungssystem dar und skizzieren Sie den zulässigen Bereich. b) Geben Sie Zielfunktionen für eine Gewinn- bzw. Umsatzmaximierung an. Bestimmen Sie (mit Begründung) die jeweiligen Optima. Lösung zu Aufgabe.2 a) Sei p bzw. p 2 die Anzahl der produzierten Einheiten von P bzw. P 2. Dann sieht der 2

3 zulässige Bereich von p und p 2 wie folgt aus: p + p 2 50 p, p 2 N 0 p 00 p 2 40 Die ersten beiden Zeilen allein beschreiben die Kombinationen, die die Maschine produzieren kann. Optional kann man die letzten beiden Ungleichungen hinzunehmen, um Produktionskombinationen, die nicht vollständig absetzbar sind, nicht zu erlauben. Zur Skizze: Auf der x-achse tragen wir p an, auf der y-achse p 2. Die Ungleichung p +p 2 50 bildet eine Gerade. Von den Punkten unterhalb der Geraden sind nur die zulässig, deren Koordinaten jeweils N 0 sind. Optional begrenzen auch die letzten beiden Ungleichungen durch eine vertikale bzw. horizontale Gerade den Zulässigkeitsbereich. b) Die einzige direkte Korrelation zwischen p und p 2 besteht in der gemeinsamen Belegung der Maschine. Eine Einheit P bringt 8 4 = 4 Euro Gewinn und benötigt eine Stunde Maschinenzeit, im Vergleich zu = 5 Euro Gewinn für Stunden Arbeit bei P 2. Pro Stunde Maschinenzeit bringt P also 4 Euro, P 2 dagegen nur 5 / Euro. Im kontinuierlichen Fall produzieren wir daher die maximale Anzahl von 00 Stück P, und können dann noch p 2 = 50 / wählen; der Gesamtgewinn beträgt / 5 = 48 / Euro. Da aber nur ganze Einheiten produziert werden können, ist obige Lösung nicht möglich. Wenn wir weiterhin 00 Stück P produzieren, könnten noch 6 Stück P 2 hergestellt werden, allerdings ist die Maschine dann 2 Stunden lang nicht ausgelastet; der Gewinn beträgt 480 Euro. Wählen wir dagegen p = 99, so können wir p 2 = 7 setzen, und erreichen so den maximalen Gewinn von = 48 Euro. Wenn wir den Umsatz maximieren wollen, müssen wir nur die Verkaufspreise betrachten. Dabei ist festzustellen, dass eine Produktion von P 2 mehr Umsatz pro Stunde liefert als eine Produktion von P. Wir produzieren also maximal viele Einheiten von P 2, nämlich p 2 = 40 und können dann noch p = 0 setzen. Der Gesamtumsatz ist damit = = 2200 Euro. Aufgabe. ca. 6 Punkte

4 Gegeben sei folgendes System von Ungleichungen: x + y 4 () x + 2 y 5 2 (2) 2 x + y () x 0 (4) y 2 (5) Sei P die Menge aller (x, y) R 2, die alle Ungleichungen erfüllen. a) Stellen Sie P grafisch dar. Gibt es überhaupt zulässige Punkte? Enthält das Ungleichungssystem redundante Ungleichungen, d.h. kann man Ungleichungen weglassen, ohne den zulässigen Bereich des Systems zu verändern? b) Wir suchen nun einen Punkt (x, y ) P, für den die Zielfunktion x + y ein Maximum annimmt. Bestimmen Sie grafisch eine mögliche Optimallösung. c) Bestimmen Sie analytisch die exakten Koordinaten des in b) gefundenen Punktes. Zeigen Sie die Optimalität Ihrer Lösung, indem Sie eine geeignete obere Schranke für die Zielfunktion aus dem Ungleichungssystem herleiten. Lösung zu Aufgabe. a) Grafik: P ist nichtleer, () ist redundant. x+y <= 4 0.5x+y <= x+y = c x >= 0 y >= 0.5 x+0.5y <= 2.5 4

5 b) Grafik: Hyperebene x + y = c verschieben, bis man den Zulässigkeitsbereich nur noch in einem Punkt berührt. c) Ungleichungen (2) und () schneiden sich im Optimalpunkt, daher gilt: x + 2 y = 5 2 x = y 2 (5 2 2 y) + y = 4 y = 7 4 y = 7 2 x + 7 = x = 4 Die Optimalität des Punktes ( 4 /, 7 /) erhält man durch duales Aufaddieren der Nebenbedingungen: x + 2 y x + y 2 x + 2 y 2 x + y 5

Übungsbeispiel 1: Quadratische Modellierung

Übungsbeispiel 1: Quadratische Modellierung Übungsbeispiel 1: Quadratische Modellierung Ein Uhrenhersteller möchte den Preis für sein neues Modell festlegen und führt dazu eine Marktanalyse durch. Das Ergebnis lautet: Bei einem Preis von 60 ist

Mehr

Kuhn-Tucker Bedingung

Kuhn-Tucker Bedingung Kapitel 13 Kuhn-Tucker Bedingung Josef Leydold Mathematik für VW WS 017/18 13 Kuhn-Tucker Bedingung 1 / Optimierung unter Nebenbedingungen Aufgabe: Berechne das Maximum der Funktion f (x, y) g(x, y) c,

Mehr

7.1 Matrizen und Vektore

7.1 Matrizen und Vektore 7.1 Matrizen und Vektore Lineare Gleichungssysteme bestehen aus einer Gruppe von Gleichungen, in denen alle Variablen nur in der 1. Potenz vorkommen. Beispiel Seite 340 oben: 6 x 2 = -1 + 3x 2 = 4 mit

Mehr

14.4 Warum die Methode der Lagrange-Multiplikatoren funktioniert

14.4 Warum die Methode der Lagrange-Multiplikatoren funktioniert 14 Optimierung unter Nebenbedingungen 14.4 Warum die Methode der Lagrange-Multiplikatoren funktioniert [1] Lösen sie die folgenden Probleme, indem Sie diese auf ein univariates Problem zurückführen. Zeigen

Mehr

Aufgabenkomplex 5: Hauptachsentransformation, Lineare Optimierung, Differentialrechnung in mehreren Veränderlichen

Aufgabenkomplex 5: Hauptachsentransformation, Lineare Optimierung, Differentialrechnung in mehreren Veränderlichen Aufgabenkomplex 5: Hauptachsentransformation, Lineare Optimierung, Differentialrechnung in mehreren Veränderlichen 1. Bestimmen Sie für die folgenden Funktionen zunächst die kritischen Stellen und entscheiden

Mehr

Lineare Optimierung. Dr. Bommhardt. Das Vervielfältigen dieses Arbeitsmaterials zu nicht kommerziellen Zwecken ist gestattet.

Lineare Optimierung. Dr. Bommhardt. Das Vervielfältigen dieses Arbeitsmaterials zu nicht kommerziellen Zwecken ist gestattet. Lineare Optimierung Dr. Bommhardt. Das ervielfältigen dieses Arbeitsmaterials zu nicht kommerziellen Zwecken ist gestattet. www.bommi2000.de 1 Gleichungen und Ungleichungen n der Wirtschaft sind häufig

Mehr

Probeklausur Optimierung

Probeklausur Optimierung Universität Hamburg Fakultät für Mathematik, Informatik und Naturwissenschaften Dr. Nico Düvelmeyer Hamburg, 4. Juli 2011 Probeklausur Optimierung Bitte selber ausfüllen: Name: (darf anonymisiert werden)

Mehr

F u n k t i o n e n Lineare Optimierung

F u n k t i o n e n Lineare Optimierung F u n k t i o n e n Lineare Optimierung Das Simplex-Verfahren läuft die Ecken des Polyeders ab, bis es an einer Optimallösung angekommen ist. 1. Einführung Während des 2. Weltkrieges und in den darauf

Mehr

Fachakademie für Wirtschaft der FHM A2: Lineare Optimierung und das Simplexverfahren

Fachakademie für Wirtschaft der FHM A2: Lineare Optimierung und das Simplexverfahren A2.1 Lineare Optimierung mit dem Simplexverfahren Wenn ein Unternehmen ermitteln möchte, wie viele Mengeneinheiten von verschiedenen Produkten zu produzieren sind, damit bei gegebenen Verkaufspreisen der

Mehr

Substitutionsverfahren

Substitutionsverfahren Substitutionsverfahren 1 Motivation Wir stehen vor folgendem Problem: In unserem Betrieb kann unsere einzige Maschine Produkt A in zwei Stunden und Produkt B in einer Stunde produzieren. Die Maschine läuft

Mehr

1.4 Aufgaben. 2002/2003

1.4 Aufgaben. 2002/2003 .4 Aufgaben. 00/003 Aufgabe. Eine Firma stellt zwei Sorten A und B einer Meterware her. Pro Meter entstehen folgende Kosten und Erlöse in Euro: Rohstoffkosten Bearbeitungskosten Verkaufserlös A 6 3 5 B

Mehr

Lineare Optimierung Ergänzungskurs

Lineare Optimierung Ergänzungskurs Lineare Optimierung Ergänzungskurs Wintersemester 2015/16 Julia Lange, M.Sc. Literatur Werner, F.; Sotskov, Y.N. (2006): Mathematics of Economics and Business; Routledge; London Bemerkungen Diese Unterlagen

Mehr

Lineare Optimierung Lehrbuch mit Aufgaben und Lösungen

Lineare Optimierung Lehrbuch mit Aufgaben und Lösungen Lineare Optimierung Lehrbuch mit Aufgaben und Lösungen Dipl.-Math. Alexander Schwarz E-Mail: aschwarz@mathe-aufgaben.com Homepage: www.mathe-aufgaben.com Wichtiger Hinweis: Ich bitte den Eigentümer dieser

Mehr

ist ein Polyeder. c) Sei F eine Seite von P. Wann ist f 1 (F ) eine Seite von f 1 (P )? Begründen Sie Ihre Antwort. x 1. x = max{ x i i N n }.

ist ein Polyeder. c) Sei F eine Seite von P. Wann ist f 1 (F ) eine Seite von f 1 (P )? Begründen Sie Ihre Antwort. x 1. x = max{ x i i N n }. alteklausuraufgaben 1 LinOpt Klausur Sommersemester 05 Aufgabe 1 a) Definieren Sie den Begriff der konischen Hülle. b) Sei S R n. Zeigen Sie: Cone S = Lin S x S : x Cone (S \ {x}). Aufgabe 2 a) Definieren

Mehr

Maximiere Gesamtgewinn aus verschiedenen Produkten unter Restriktionen an Produktmenge (Lagermenge, Transportmenge)

Maximiere Gesamtgewinn aus verschiedenen Produkten unter Restriktionen an Produktmenge (Lagermenge, Transportmenge) Beispiel: Produktionsplanung Maximiere Gesamtgewinn aus verschiedenen Produkten unter Restriktionen an Produktmenge (Lagermenge, Transportmenge) Produktionskapazität Ressourcenmenge bei als fest angenommenem

Mehr

Verfahren des Operations Research

Verfahren des Operations Research Verfahren des Operations Research Blatt 1 (WS 2018/19) wird bearbeitet am 31.10.2018 1. Ein Rohstoff kann zu drei Gütern G 1, G 2 und G 3 verarbeitet werden. Man benötigt für G 1 60 kg/stk, für G 2 80

Mehr

Technische Universität München Zentrum Mathematik. Optimierung 3, SS 2009 Übungsblatt 12

Technische Universität München Zentrum Mathematik. Optimierung 3, SS 2009 Übungsblatt 12 Technische Universität München Zentrum Mathematik Prof. Dr. P. Gritzmann, Dipl.-Inf. Dipl.-Math. S. Borgwardt Optimierung 3, SS 009 Übungsblatt Aufgabe. Sei ϕ : R n R stetig dierenzierbar und nach unten

Mehr

Lineare Optimierungsaufgaben - eine Einführung

Lineare Optimierungsaufgaben - eine Einführung Lineare Optimierungsaufgaben - eine Einführung Aufgabenstellung, Beispiele, graphisches Lösen und Trafo auf Normalform Vortragsskript von Lorenz Fischer Operations Research bedeutet die Suche nach einer

Mehr

Kapitel 7 : Lineare Programmierung Die Simplexmethode (G.B.Dantzig, 1947) Beispiel:

Kapitel 7 : Lineare Programmierung Die Simplexmethode (G.B.Dantzig, 1947) Beispiel: Kapitel 7 : Lineare Programmierung Die Simplexmethode (G.B.Dantzig, 1947) Beispiel: Eine Firma produziert die Produkte P 1, P 2,..., P q aus den Rohstoffen R 1, R 2,..., R m. Dabei stehen b j Einheiten

Mehr

Lineare (Un-)Gleichungen und lineare Optimierung

Lineare (Un-)Gleichungen und lineare Optimierung Lineare (Un-)Gleichungen und lineare Optimierung Franz Pauer Institut für Mathematik Universität Innsbruck Lehrer/innen/fortbildungstag Wien 2010 9. April 2010 Eine Maximumsaufgabe Eine Firma stellt aus

Mehr

Optimierung I Sommersemester 2017

Optimierung I Sommersemester 2017 Optimierung I Sommersemester 2017 Dr. Dominique Andres Übungsblatt 6 (Abgabe: 16. Mai 2017) Hausaufgabe 30. Welche der folgenden linearen Programme sind unzulässig, unbeschränkt bzw. haben eine Optimallösung?

Mehr

Fachbereich Wirtschaftswissenschaften Professur f. Quantitativen Methoden Prof. Dr. Dietrich Ohse

Fachbereich Wirtschaftswissenschaften Professur f. Quantitativen Methoden Prof. Dr. Dietrich Ohse Fachbereich Wirtschaftswissenschaften Professur f. Quantitativen Methoden Prof. Dr. Dietrich Ohse Diplomprüfung / Sommersemester 24 Quantitative Methoden der BWL Musterlösung der Prüfungsklausur vom. Juli

Mehr

Wirtschaftsmathematik für International Management (BA)

Wirtschaftsmathematik für International Management (BA) Wirtschaftsmathematik für International Management (BA) Wintersemester 2012/13 Hochschule Augsburg : Gliederung 1 Grundlegende 2 Grundlegende 3 Lineare Algebra 4 Lineare Programme 5 Folgen und Reihen 6

Mehr

Übungsblatt 6 Lösungsvorschläge

Übungsblatt 6 Lösungsvorschläge Institut für Theoretische Informatik Lehrstuhl Prof. Dr. D. Wagner Übungsblatt 6 Lösungsvorschläge Vorlesung Algorithmentechnik im WS 09/10 Problem 1: Größter Kreis in konvexem Polygon [vgl. Kapitel 6

Mehr

Übungsaufgaben. Teil Bergstadt-Gymnasium Ma/Inf (WPII-8) (ht) aufgabe_2017_05_12. Teil 2

Übungsaufgaben. Teil Bergstadt-Gymnasium Ma/Inf (WPII-8) (ht) aufgabe_2017_05_12. Teil 2 1 Gegeben ist das System linearer Ungleichungen: 2x + y 4 (1) x 2y 7 (2) 1.1 Bestimme rechnerisch den Schnittpunkt der zugehörigen Geraden! 1.2 Bestimme graphisch das Lösungsgebiet! 1 Lösungen 1 1.1 1.1.1

Mehr

Optimierungstheorie Scheinklausur Sommersemester Juli 2007

Optimierungstheorie Scheinklausur Sommersemester Juli 2007 Universität Karlsruhe (TH) Forschungsuniversität gegründet 1825 Prof. Dr. Christian Wieners, Dipl.-Math. techn. Martin Sauter Institut für Angewandte und Numerische Mathematik Optimierungstheorie Scheinklausur

Mehr

Perlen der Informatik I Wintersemester 2012 Aufgabenblatt 7

Perlen der Informatik I Wintersemester 2012 Aufgabenblatt 7 Technische Universität München WS 2012 Institut für Informatik Prof. Dr. H.-J. Bungartz Prof. Dr. T. Huckle Prof. Dr. M. Bader Kristof Unterweger Perlen der Informatik I Wintersemester 2012 Aufgabenblatt

Mehr

Berufsmaturitätsprüfung Mathematik 2011

Berufsmaturitätsprüfung Mathematik 2011 Berufsmaturitätsprüfung Mathematik 2011 Name und Nummer der Kandidatin/des Kandidaten... Prüfungsinformationen Dauer der Prüfung 120 Minuten Hilfsmittel Netzunabhängiger, nicht druckender Taschenrechner

Mehr

Technische Universität München Zentrum Mathematik. Optimierung 2, WS 2008/09 Übungsblatt 12

Technische Universität München Zentrum Mathematik. Optimierung 2, WS 2008/09 Übungsblatt 12 Technische Universität München Zentrum Mathematik Prof. Dr. P. Gritzmann, Dipl.-Inf. Dipl.-Math. S. Borgwardt, Dr. M. Ritter Optimierung 2, WS 2008/09 Übungsblatt 12 Aufgabe 12.1 Betrachten Sie die folgenden

Mehr

Kosten und Umsatzfunktionen

Kosten und Umsatzfunktionen In den folgenden Abschnitten wenden wir gelegentlich Anwendungen aus der Wirtschaft behandeln. Wir stellen deshalb einige volks- und betriebswirtschaftliche Funktionen vor. Dabei handelt es sich stets

Mehr

Lineare Optimierung und Simplex-Algorithmus

Lineare Optimierung und Simplex-Algorithmus Lineare Optimierung und Simplex-Algorithmus Problemstellung Beispiel : Unser Unternehmen verfügt über drei Maschinen A, B, C, mit denen zwei verschiedene Produkte P, P2 hergestellt werden. Die Maschinen

Mehr

Klausur zur Vorlesung Operations Research im Wintersemester 2009/10

Klausur zur Vorlesung Operations Research im Wintersemester 2009/10 Leibniz Universität Hannover Wirtschaftswissenschaftliche Fakultät Institut für Produktionswirtschaft Prof. Dr. Stefan Helber Sitzplatznr.: Klausur zur Vorlesung Operations Research im Wintersemester 2009/10

Mehr

1 Lineare Optimierung, Simplex-Verfahren

1 Lineare Optimierung, Simplex-Verfahren 1 Lineare Optimierung, Simplex-Verfahren 1.1 Einführung Beispiel: In einer Fabrik werden n Produkte A 1, A 2,..., A n hergestellt. Dazu werden m Rohstoffe B 1, B 2,..., B m (inklusive Arbeitskräfte und

Mehr

Fachhochschule Köln Fakultät für Wirtschafts- und Rechtswissenschaften Prof. Dr. Arrenberg Raum 221, Tel

Fachhochschule Köln Fakultät für Wirtschafts- und Rechtswissenschaften Prof. Dr. Arrenberg Raum 221, Tel Fachhochschule Köln Fakultät für Wirtschafts- und Rechtswissenschaften Prof. Dr. Arrenberg Raum 221, Tel. 9 14 jutta.arrenberg@fh-koeln.de Übungen zur Vorlesung Wirtschaftsmathematik Gleichungssysteme

Mehr

Mathematik 1 für Wirtschaftsinformatik

Mathematik 1 für Wirtschaftsinformatik Mathematik 1 für Wirtschaftsinformatik Wintersemester 2012/13 Hochschule Augsburg Berechnung von Eigenwerten und Eigenvektoren Mathematik 1 Bestimmung von Eigenwerten und Eigenvektoren Jedes λ, das det(a

Mehr

1. Hausaufgabenblatt (16.04./ )

1. Hausaufgabenblatt (16.04./ ) Lehrstuhl Ingenieurmathematik Modul: (Wirtschaftsingenieurwesen/Betriebswirtschaftslehre/Informatik) Sommersemester 2014 1. Hausaufgabenblatt (16.04./23.04.2015) Aufgabe H 1.1 Lösen Sie die linearen Gleichungssysteme

Mehr

Modelle und Methoden der Linearen Optimierung (Die Thesen zur Vorlesung 1_Fallstudie)

Modelle und Methoden der Linearen Optimierung (Die Thesen zur Vorlesung 1_Fallstudie) (Die Thesen zur Vorlesung 1_Fallstudie) das Thema der Vorlesung Grundlagen der Methode der linearen Optimierung (Lineares Optimierungsmodell der Wahl der Produktionsstrategie des ) Prof. Dr. Michal Fendek

Mehr

Aufgabe: Stelle die Lösungsmenge des folgenden Ungleichungssystems dar:

Aufgabe: Stelle die Lösungsmenge des folgenden Ungleichungssystems dar: Lineare Optimierung. Lineare Ungleichungsssteme Unter der Lösung einer linearen Ungleichung in den Variablen und versteht man die reellen Zahlenpaare (, ), welche die Ungleichung erfüllen. Stellt man diese

Mehr

Klausur Mathematik II für Wirtschaftswissenschaftler. Name:... Vorname:... Matr. Nr.:... Studiengang:...

Klausur Mathematik II für Wirtschaftswissenschaftler. Name:... Vorname:... Matr. Nr.:... Studiengang:... Nachklausur Technische Universität Berlin Fakultät II Institut für Mathematik Sommersemester Dr. G. Nunes dos Reis 4. Oktober Klausur Mathematik II für Wirtschaftswissenschaftler Name:.......................................

Mehr

1.6 lineare Optimierung

1.6 lineare Optimierung 1.6 lineare Optimierung Inhaltsverzeichnis 1 Lineare Gleichung mit 2 Unbekannten 2 1.1 Was ist eine lineare Gleichung mit 2 Unbekannten?..................... 2 1.2 Was ist eine Lösung einer linearen Gleichung

Mehr

Schnittebenenverfahren von Gomory. Stefan Allescher 30. Juni 2005

Schnittebenenverfahren von Gomory. Stefan Allescher 30. Juni 2005 Schnittebenenverfahren von Gomory Stefan Allescher 30. Juni 2005 Inhaltsverzeichnis 1. Grundprinzip 2. Das Verfahren von Gomory 2.1. Vorgehen 2.2. Beweis der Endlichkeit 2.3. Algorithmische Durchführung

Mehr

Lineare Optimierung Dantzig 1947

Lineare Optimierung Dantzig 1947 Lineare Optimierung Dantzig 947 Lineare Optimierungs-Aufgaben lassen sich mit Maple direkt lösen: with(simplex): g:= 4*x + x2

Mehr

Technische Hochschule Köln Fakultät für Wirtschafts- und Rechtswissenschaften Prof. Dr. Arrenberg Raum 221, Tel

Technische Hochschule Köln Fakultät für Wirtschafts- und Rechtswissenschaften Prof. Dr. Arrenberg Raum 221, Tel Technische Hochschule Köln Fakultät für Wirtschafts- und Rechtswissenschaften Prof. Dr. Arrenberg Raum 221, Tel. 9 14 jutta.arrenberg@th-koeln.de Übungen zur Vorlesung QM I (Wirtschaftsmathematik) Gleichungssysteme

Mehr

Mathematik für Wirtschaftswissenschaftler

Mathematik für Wirtschaftswissenschaftler Fred Böker Mathematik für Wirtschaftswissenschaftler Das Übungsbuch 2., aktualisierte Auflage Higher Education München Harlow Amsterdam Madrid Boston San Francisco Don Mills Meico City Sydney a part of

Mehr

Wirtschaftsmathematik für International Management (BA) und Betriebswirtschaft (BA)

Wirtschaftsmathematik für International Management (BA) und Betriebswirtschaft (BA) Wirtschaftsmathematik für International Management (BA) und Betriebswirtschaft (BA) Wintersemester 2014/15 Hochschule Augsburg Sätze PLUS Es gilt für A, B R n n : det(ab) = det A det B (Determinantenmultiplikationssatz)

Mehr

Berufliches Gymnasium (WG, EG, AG, SG, BTG) Hauptprüfung 0 Teil 4, Lineare Optimierung, Aufgabe Baden-Württemberg In einer Schmuckfabrik in Pforzheim werden Goldketten aus verschiedenen Legierungen hergestellt.

Mehr

3.2 Lineare Optimierung (Entscheidungen unter Sicherheit)

3.2 Lineare Optimierung (Entscheidungen unter Sicherheit) 3. Lineare Optimierung (Entscheidungen unter Sicherheit) Betrachtet wird hier der Fall Θ = (bzw. die Situation u(a, ϑ) bzw. l(a,ϑ) konstant in ϑ Θ für alle a A). Da hier keine Unsicherheit über die Umweltzustände

Mehr

Abschlussprüfung 2015 Mathematik

Abschlussprüfung 2015 Mathematik Abschlussprüfung 2015 Mathematik Kandidatennummer: Name: Vorname: Material Hilfsmittel Zeit Arbeitsblätter, Häuschenblätter netzunabhängiger, nicht programmierbarer Taschenrechner, Formelblatt 150 Minuten

Mehr

Berufliches Gymnasium (WG, EG, AG, SG) Hauptprüfung 2008 Teil 2, Lineare Optimierung, Aufgabe 2 Baden-Württemberg

Berufliches Gymnasium (WG, EG, AG, SG) Hauptprüfung 2008 Teil 2, Lineare Optimierung, Aufgabe 2 Baden-Württemberg Berufliches Gymnasium (WG, EG, AG, SG) Hauptprüfung 8 Teil, Lineare Optimierung, Aufgabe Baden-Württemberg.. Ein Fertigungsbetrieb für Frottierartikel stellt unter anderem Handtücher und Badetücher her.

Mehr

FK WMS: Wirtschaftsmathematik 2, Einheit 7/8

FK WMS: Wirtschaftsmathematik 2, Einheit 7/8 FK WMS: Wirtschaftsmathematik 2, Einheit 7/8 Markus Sinnl 1 markus.sinnl@univie.ac.at http://homepage.univie.ac.at/markus.sinnl basierend auf Folien von Dr. Ivana Ljubic, Mag. Christian Spreitzer und Mag.

Mehr

Abbildung 1: Graphische Lösung der ersten Übungsaufgabe

Abbildung 1: Graphische Lösung der ersten Übungsaufgabe Lösungen zu den Übungsaufgaben im Kapitel 1 des Lehrbuches Operations Research Deterministische Modelle und Methoden von Stephan Dempe und Heiner Schreier 1. Lösen Sie die folgende lineare Optimierungsaufgabe

Mehr

Mathematische Grundlagen für Wirtschaftswissenschaftler Übungsaufgaben aus Kapitel 3 - Lineare Optimierung

Mathematische Grundlagen für Wirtschaftswissenschaftler Übungsaufgaben aus Kapitel 3 - Lineare Optimierung Mathematische Grundlagen für Wirtschaftswissenschaftler Übungsaufgaben aus Kapitel 3 - Lineare Optimierung Sascha Kurz Jörg Rambau 24. November 2009 2 Aufgabe 3.1. Ein in m Depots gelagertes homogenes

Mehr

Kap. 4: Lineare Programmierung

Kap. 4: Lineare Programmierung Kap. 4: Lineare Programmierung Professor Dr. Petra Mutzel Lehrstuhl für Algorithm Engineering, LS11 Fakultät für Informatik, TU Dortmund 13./14. VO A&D WS 08/09 27.11./2.12.2008 Petra Mutzel Alg. & Dat.

Mehr

Klausur zur Vorlesung Mathematische Grundlagen für Wirtschaftswissenschaftler

Klausur zur Vorlesung Mathematische Grundlagen für Wirtschaftswissenschaftler Wintersemester 2007/08 27.2.2008 Dr. Sascha Kurz Klausur zur Vorlesung Mathematische Grundlagen für Wirtschaftswissenschaftler Bitte lesbar ausfüllen, Zutreffendes ankreuzen Herr Frau Name, Vorname: Anschrift:

Mehr

Einführungsbeispiel Kostenfunktion

Einführungsbeispiel Kostenfunktion Einführungsbeispiel Kostenfunktion Sie bauen eine Fabrik für Luxusautos auf und steigern die Produktion jeden Monat um 1000 Stück. Dabei messen Sie die jeweiligen Kosten und stellen sie grafisch dar. Die

Mehr

Dualitätssätze der linearen Optimierung

Dualitätssätze der linearen Optimierung Kapitel 9 Dualitätssätze der linearen Optimierung Sei z = c T x min! Ax = b 9.1 x 0 mit c, x R n, b R m, A R m n ein lineares Programm. Definition 9.1 Duales lineares Programm. Das lineare Programm z =

Mehr

Optimierung unter Nebenbedingungen

Optimierung unter Nebenbedingungen Optimierung unter Nebenbedingungen Kapitel 7: Optimierung unter Nebenbedingungen Informationen zur Vorlesung: http://www.mathematik.uni-trier.de/ wengenroth/ J. Wengenroth () 1. Juli 2009 1 / 18 7.1 Bemerkung

Mehr

Produktionsplanung und Lineare Optimierung im Rahmen des Projekts Mathematik und Ökonomie 12./13. November 2003 in Düsseldorf.

Produktionsplanung und Lineare Optimierung im Rahmen des Projekts Mathematik und Ökonomie 12./13. November 2003 in Düsseldorf. Übungsaufgaben Aufgabe 1a Medikamentenmischung Ein Pharmaziehersteller möchte ein neues Medikament auf den Markt bringen. Das Medikament kann aus vier verschiedenen Komponenten (K1 K4) zusammengestellt

Mehr

LinOpt - Tool zur Visualisierung eines multikriteriellen Optimierungsproblems

LinOpt - Tool zur Visualisierung eines multikriteriellen Optimierungsproblems LinOpt Tool zur Visualisierung eines multikriteriellen Optimierungsproblems Erstellt von Michael Berklmeir, Michael Haarnagell, Stefan Kraus, Stephan Roser im Rahmen einer Seminararbeit am Lehrstuhl für

Mehr

Hochschule RheinMain SS 2018 Prof. Dr. D. Lehmann. Lösungen 11. Übungsblatt Lineare Optimierung

Hochschule RheinMain SS 2018 Prof. Dr. D. Lehmann. Lösungen 11. Übungsblatt Lineare Optimierung Hochschule RheinMain SS 2018 Prof. Dr. D. Lehmann Lösungen 11. Übungsblatt Lineare Optimierung 1.Aufgabe: a) Phase-I-Methode: Wir betrachten das Hilfs-LOP unter den Nebenbedingungen HF (v 1, v 2 ) = HF

Mehr

Übungsblatt 4. Aufgabe (Mengenplanung bei einer Produktart; linearer Umsatz- und Kostenverlauf)

Übungsblatt 4. Aufgabe (Mengenplanung bei einer Produktart; linearer Umsatz- und Kostenverlauf) Übungsblatt 4 Aufg. 4.1 (Mengenplanung bei einer Produktart; linearer Umsatz- und Kostenverlauf) In einem Einproduktunternehmen liegen folgende Informationen über das Erzeugnis vor: Stückpreis: 15 GE Variable

Mehr

Wirtschaftsmathematik

Wirtschaftsmathematik Einführung in einige Teilbereiche der Wintersemester 2016 Prof. Dr. Stefan Etschberger HSA Mögliche Fälle für Z Etschberger - WS2016 1 Z =, d.h., es existiert keine zulässige (x 1, x 2 )-Kombination. 2

Mehr

Abschlussprüfung 2014 Mathematik

Abschlussprüfung 2014 Mathematik Abschlussprüfung 2014 Mathematik Kandidatennummer: Name: Vorname: Material Hilfsmittel Zeit Arbeitsblätter, Häuschenblätter netzunabhängiger, nicht programmierbarer Taschenrechner, Formelblatt 150 Minuten

Mehr

LAP Berufsmatura Mathematik 1. Juni 2015

LAP Berufsmatura Mathematik 1. Juni 2015 LAP Berufsmatura Mathematik. Juni 0 Abschlussprüfung 0 Mathematik Lösungen Material Hilfsmittel Zeit Arbeitsblätter, Häuschenblätter netzunabhängiger, nicht programmierbarer Taschenrechner, Formelblatt

Mehr

Operations Research. Konvexe Funktionen. konvexe Funktionen. konvexe Funktionen. Rainer Schrader. 4. Juni Gliederung

Operations Research. Konvexe Funktionen. konvexe Funktionen. konvexe Funktionen. Rainer Schrader. 4. Juni Gliederung Operations Research Rainer Schrader Konvexe Funktionen Zentrum für Angewandte Informatik Köln 4. Juni 2007 1 / 84 2 / 84 wir haben uns bereits mit linearen Optimierungsproblemen beschäftigt wir werden

Mehr

Übung 5, Analytische Optimierung

Übung 5, Analytische Optimierung Übung 5, 5.7.2011 Analytische Optimierung Aufgabe 5.1 Bei der Herstellung von Konserven werden für Boden und Deckel bzw. für den Konservenmantel verschiedene Materialien verwendet, die g 1 = bzw. g 2 =

Mehr

Grundlagen der Optimierung. Übung 6

Grundlagen der Optimierung. Übung 6 Technische Universität Chemnitz Chemnitz, 2. November 24 Prof. Dr. R. Herzog, J. Blechschmidt, A. Schäfer Abgabe am 28. November 24 Grundlagen der Optimierung Übung 6 Aufgabe 2: Verschiedene Verfahren

Mehr

Berufliches Gymnasium (WG, EG, AG, SG, BTG) Hauptprüfung 2012 Teil 4, Lineare Optimierung, Aufgabe 2 Baden-Württemberg 2. Die Geschäfte einer Einkaufsstraße in einer Kleinstadt beschließen ein Straßenfest

Mehr

Seminar Ausgewählte Kapitel des Operations Research Die Allgegenwärtigkeit von Lagrange (Teil 1)

Seminar Ausgewählte Kapitel des Operations Research Die Allgegenwärtigkeit von Lagrange (Teil 1) Seminar Ausgewählte Kapitel des Operations Research Die Allgegenwärtigkeit von Lagrange (Teil 1) Anna Raaz 21.12.2007 Einführung Die Relaxierung von Lagrange wird in der stochastischen Optimierung meistens

Mehr

Berufsmaturitätsprüfung Mathematik

Berufsmaturitätsprüfung Mathematik Berufsmaturitätsprüfung 2006 - Mathematik Bedingungen o Die Prüfungsdauer beträgt 240 Minuten (ohne Pause) o Grundsätzlich müssen alle Aufgaben von Hand gelöst werden. Der Taschenrechner darf nur für arithmetische

Mehr

Optimierung für Wirtschaftsinformatiker: Dualität, Ganzzahlige lineare Optimierung

Optimierung für Wirtschaftsinformatiker: Dualität, Ganzzahlige lineare Optimierung Optimierung für Wirtschaftsinformatiker: Dualität, Ganzzahlige lineare Optimierung Dr. Nico Düvelmeyer Freitag, 24. Juni 2011 1: 1 [1,1] Inhaltsübersicht für heute 1 Dualität Motivation Duales LP Dualitätssätze

Mehr

Verfahren des Operations Research

Verfahren des Operations Research Verfahren des Operations Research Blatt 1 (WS 2017/18) wird bearbeitet am 23.10.2017 1. Ein Rohstoff kann zu drei Gütern G 1, G 2 und G 3 verarbeitet werden. Man benötigt für G 1 60 kg/stk, für G 2 80

Mehr

KLAUSUR. Name. Vorname. Matrikelnummer. Teilnehmer-Nr. Unterschrift. Erzielte Bonuspunkte aus der Vorklausur: Zur Beachtung. Bitte nicht ausfüllen

KLAUSUR. Name. Vorname. Matrikelnummer. Teilnehmer-Nr. Unterschrift. Erzielte Bonuspunkte aus der Vorklausur: Zur Beachtung. Bitte nicht ausfüllen Fakultät für Wirtschaftswissenschaft KLAUSUR Mathematik für Ökonomen Sommersemester 2018 31.7.2018 Name Vorname Matrikelnummer Teilnehmer-Nr. Unterschrift Erzielte Bonuspunkte aus der Vorklausur: Punkte

Mehr

j 1,m 1 ;j 2,m 2 J 2 1,2 j 1, m 1 ; j 2, m 2 = j 1,2 (j 1,2 + 1) j 1, m 1 ; j 2, m 2, (3)

j 1,m 1 ;j 2,m 2 J 2 1,2 j 1, m 1 ; j 2, m 2 = j 1,2 (j 1,2 + 1) j 1, m 1 ; j 2, m 2, (3) Vorlesung Drehimpulsaddition Wir betrachten ein mechanisches System, das aus zwei unabhängigen Systemen besteht. Jedes der zwei Subsysteme besitzt einen Drehimpuls. Der Drehimpuls des ganzen Systems ist

Mehr

Mathematische Grundlagen für Wirtschaftswissenschaftler Leseprobe - Abschnitt 6.5 (das agraökonomische Schaf )

Mathematische Grundlagen für Wirtschaftswissenschaftler Leseprobe - Abschnitt 6.5 (das agraökonomische Schaf ) Mathematische Grundlagen für Wirtschaftswissenschaftler Leseprobe - Abschnitt 65 (das agraökonomische Schaf ) Sascha Kurz Jörg Rambau 25 November 2009 2 66 Die Karush-Kuhn-Tucker-Methode Die Erkenntnisse

Mehr

Lösungsskizzen zu den Klausuraufgaben zum Kurs 1142 Algorithmische Mathematik

Lösungsskizzen zu den Klausuraufgaben zum Kurs 1142 Algorithmische Mathematik Lösungsskizzen zu den Klausuraufgaben zum Kurs 1142 Algorithmische Mathematik 1142KWL09 Aufgabe 1. Zeigen Sie, dass für alle n 2 gilt: n paarweise verschiedene Geraden im R 2 schneiden sich untereinander

Mehr

Wie schreibe ich einen Kürzester Kruzester

Wie schreibe ich einen Kürzester Kruzester Institut für Theoretische Informatik Lehrstuhl Prof. Dr. D. Wagner Übungsblatt 5 Vorlesung Algorithmentechnik im WS 8/9 Ausgabe 16. Dezember 8 Abgabe 13. Januar 9, 15:3 Uhr (im Kasten vor Zimmer 319, Informatik-Hauptgebäude,

Mehr

Erzielte Bonuspunkte aus der Vorklausur:

Erzielte Bonuspunkte aus der Vorklausur: Fakultät für Wirtschaftswissenschaft KLAUSUR Mathematik für Ökonomen Wintersemester 2013/2014 24.2.2014 Name Vorname Matrikelnummer Teilnehmer-Nr. Unterschrift Erzielte Bonuspunkte aus der Vorklausur:

Mehr

Simplex-Verfahren. Kapitel 4. Simplex-Verfahren. Peter Becker (H-BRS) Operations Research I Sommersemester / 298

Simplex-Verfahren. Kapitel 4. Simplex-Verfahren. Peter Becker (H-BRS) Operations Research I Sommersemester / 298 Kapitel 4 Simplex-Verfahren Peter Becker (H-BRS) Operations Research I Sommersemester 24 86 / 298 Inhalt Inhalt 4 Simplex-Verfahren Dualer Simplexalgorithmus Vermeidung von Zyklen Peter Becker (H-BRS)

Mehr

Lineare (Un-)Gleichungen und lineare Optimierung

Lineare (Un-)Gleichungen und lineare Optimierung Lineare (Un-)Gleichungen und lineare Optimierung Franz Pauer Institut für Mathematik, Universität Innsbruck Technikerstr. 13/7, A-6020 Innsbruck, Österreich franz.pauer@uibk.ac.at 1 Einleitung In der linearen

Mehr

Inhalt. 8.1 Motivation. 8.2 Optimierung ohne Nebenbedingungen. 8.3 Optimierung unter Nebenbedingungen. 8.4 Lineare Programmierung

Inhalt. 8.1 Motivation. 8.2 Optimierung ohne Nebenbedingungen. 8.3 Optimierung unter Nebenbedingungen. 8.4 Lineare Programmierung 8. Optimierung Inhalt 8.1 Motivation 8.2 Optimierung ohne Nebenbedingungen 8.3 Optimierung unter Nebenbedingungen 8.4 Lineare Programmierung 8.5 Kombinatorische Optimierung 2 8.1 Motivation Viele Anwendungen

Mehr

Sattelpunkt-Interpretation

Sattelpunkt-Interpretation Sattelpunkt-Interpretation Vinzenz Lang 14. Mai 2010 Die Sattelpunkt-Interpretation befasst sich mit der Interpretation der Lagrange- Dualität. Sie wird im weiteren Verlauf des Seminars nicht noch einmal

Mehr

KAPITEL 3. Konvexe Funktionen

KAPITEL 3. Konvexe Funktionen KAPITEL 3 Konvexe Funktionen Sei F R n ein Definitionsbereich und f : F R eine Funktion. Unter dem Epigraphen von f versteht man die Menge epif = {(x, z) R n+1 x F, z R, z f(x)}. Man nennt f konvex, wenn

Mehr

Definition, Abbildungsmatrix, Spiegelung, Projektion

Definition, Abbildungsmatrix, Spiegelung, Projektion Bau und Gestaltung, Mathematik 2, T. Borer Aufgaben 5-2/ Aufgaben 5 Lineare Abbildungen Definition, Abbildungsmatrix, Spiegelung, Projektion Lernziele - beurteilen können, ob eine gegebene Abbildung linear

Mehr

Ermitteln Sie zu folgenden linearen Gleichungssystemen die zugehörige Lösungsmenge. Die Lösungsvariablen sind x und y.

Ermitteln Sie zu folgenden linearen Gleichungssystemen die zugehörige Lösungsmenge. Die Lösungsvariablen sind x und y. Aufnahmeprüfung Mathematik 004 Hochschulen für Wirtschaft Aufgabe : ( + = 4 Punkte ) Ermitteln Sie zu folgenden linearen Gleichungssystemen die zugehörige Lösungsmenge. Die Lösungsvariablen sind und y.

Mehr

Klausur zur Vorlesung Einführung in das Operations Research im Wintersemester 2005/2006

Klausur zur Vorlesung Einführung in das Operations Research im Wintersemester 2005/2006 Universität Hannover Wirtschaftswissenschaftliche Fakultät Lehrstuhl für Produktionswirtschaft Prof. Dr. Stefan Helber Klausur zur Vorlesung Einführung in das Operations Research im Wintersemester 005/006

Mehr

Musterlösung Übungsklausur Teil Brauerei Bischof ABWL Fribourg, SS 02

Musterlösung Übungsklausur Teil Brauerei Bischof ABWL Fribourg, SS 02 Musterlösung Übungsklausur Teil Brauerei Bischof ABWL Fribourg, SS 02 a) Vorbemerkungen zu der Aufgabe: In der Klausur ist eher (im Gegensatz zu der Übungsklausur, die bewußt schwieriger / ungewöhnlicher

Mehr

Mathematische Grundlagen für Wirtschaftswissenschaftler Lösungshinweise zu den Übungsaufgaben aus Kapitel 3 - Lineare Optimierung

Mathematische Grundlagen für Wirtschaftswissenschaftler Lösungshinweise zu den Übungsaufgaben aus Kapitel 3 - Lineare Optimierung Mathematische Grundlagen für Wirtschaftswissenschaftler Lösungshinweise zu den Übungsaufgaben aus Kapitel - Lineare Optimierung Sascha Kurz Jörg Rambau 8. August Lösung Aufgabe.. Da es sich um ein homogenes

Mehr

Numerische Lineare Algebra

Numerische Lineare Algebra Numerische Lineare Algebra Vorlesung 7 Prof. Dr. Klaus Höllig Institut für Mathematischen Methoden in den Ingenieurwissenschaften, Numerik und Geometrische Modellierung SS 200 Prof. Dr. Klaus Höllig (IMNG)

Mehr

Inhaltsübersicht für heute:

Inhaltsübersicht für heute: Inhaltsübersicht für heute: Branch-and-Bound Konvexe Mengen, konvexe Hülle, konvexe Funktionen Relaxation Inhaltsübersicht für heute: Branch-and-Bound Konvexe Mengen, konvexe Hülle, konvexe Funktionen

Mehr

Technische Universität München Zentrum Mathematik. Optimierung 2, WS 2008/09 Übungsblatt 10

Technische Universität München Zentrum Mathematik. Optimierung 2, WS 2008/09 Übungsblatt 10 Technische Universität München Zentrum Mathematik Prof. Dr. P. Gritzmann, Dipl.-Inf. Dipl.-Math. S. Borgwardt, Dr. M. Ritter Optimierung 2, WS 2/9 Übungsblatt 1 Aufgabe 1.1 Betrachten Sie das Problem Subset

Mehr

Kurvendiskussion: Ganzrationale Funktionen 2. Grades: 1. f(x) = x². 2. f(x) = x² - x f(x) = 2x² - 12x f(x) = - 4x² + 4x + 3

Kurvendiskussion: Ganzrationale Funktionen 2. Grades: 1. f(x) = x². 2. f(x) = x² - x f(x) = 2x² - 12x f(x) = - 4x² + 4x + 3 Besuchen Sie auch die Seite http://www.matheaufgaben-loesen.de/ dort gibt es viele Aufgaben zu weiteren Themen und unter Hinweise den Weg zu den Lösungen. Kurvendiskussion: Ganzrationale Funktionen 2.

Mehr

Mathematik: Mag. Schmid Wolfgang Arbeitsblatt Semester ARBEITSBLATT 14. Systeme linearer Ungleichungen in einer Variablen

Mathematik: Mag. Schmid Wolfgang Arbeitsblatt Semester ARBEITSBLATT 14. Systeme linearer Ungleichungen in einer Variablen ARBEITSBLATT 14 Systeme linearer Ungleichungen in einer Variablen Zunächst einmal können wir die Lösungen einer Ungleichung auf mehrere Arten angeben. Man kann wählen zwischen einer Ungleichungskette,

Mehr

Aufgaben zu Kapitel 23

Aufgaben zu Kapitel 23 Aufgaben zu Kapitel 23 Aufgaben zu Kapitel 23 Verständnisfragen Aufgabe 23 Bestimmen Sie grafisch die optimale Lösung x der Zielfunktion z = c T x unter den Nebenbedingungen mit dem Zielfunktionsvektor

Mehr

RUHR - UNIVERSITÄT BOCHUM KLAUSUR. Name. Vorname. Teilnehmer-Nr. Zur Beachtung. Bitte nicht ausfüllen

RUHR - UNIVERSITÄT BOCHUM KLAUSUR. Name. Vorname. Teilnehmer-Nr. Zur Beachtung. Bitte nicht ausfüllen RUHR - UNIVERSITÄT BOCHUM Fakultät für Wirtschaftswissenschaft KLAUSUR Mathematik für Ökonomen L i n e a r e A l g e b r a 7.12.1996 (WS 96/97) Name Vorname Teilnehmer-Nr. Zur Beachtung Die Klausur umfaßt

Mehr

Technische Hochschule Köln Fakultät für Wirtschafts- und Rechtswissenschaften Prof. Dr. Arrenberg Raum 221, Tel

Technische Hochschule Köln Fakultät für Wirtschafts- und Rechtswissenschaften Prof. Dr. Arrenberg Raum 221, Tel Technische Hochschule Köln Fakultät für Wirtschafts- und Rechtswissenschaften Prof. Dr. Arrenberg Raum 221, Tel. 3914 jutta.arrenberg@th-koeln.de Übungen QM I (Wirtschaftsmathematik) Extremwerte ohne Nebenbedingungen

Mehr

Extrema von Funktionen mit Nebenbedingung

Extrema von Funktionen mit Nebenbedingung Wirtschaftswissenschaftliches Zentrum Universität Basel Mathematik für Ökonomen 1 Dr. Thomas Zehrt Extrema von Funktionen mit Nebenbedingung Literatur: Gauglhofer, M. und Müller, H.: Mathematik für Ökonomen,

Mehr

Kapitel 5. Peter Becker (H-BRS) Operations Research I Sommersemester / 298

Kapitel 5. Peter Becker (H-BRS) Operations Research I Sommersemester / 298 Kapitel 5 Dualität Peter Becker (H-BRS) Operations Research I Sommersemester 2014 241 / 298 Inhalt 5 Dualität Dualitätssätze Zweiphasen-Simplexalgorithmus Peter Becker (H-BRS) Operations Research I Sommersemester

Mehr