Mathematische Planungsverfahren
|
|
- Karin Fertig
- vor 8 Jahren
- Abrufe
Transkript
1 Mathematische Planungsverfahren Stefan Etschberger Institut für Statistik und Mathematische Wirtschaftstheorie Universität Augsburg 12 April 2005
2 Organisatorisches Literatur Starke Orientierung an Hauke/Opitz: Mathematische Unternehmensplanung: Eine Einführung, 2, durchgesehene und erweiterte Auflage, BoD, 2003 (ISBN: , Preis: 21,80 e, 330 Seiten) Erhältlich im Sekretariat Opitz Nur dieses Buch ist in der Klausur zugelassen (ohne eigene Notizen) Weitere Materialien Folien (jeweils vor der Vorlesung verfügbar): beinhalten (fast) nur Inhalte aus dem Buch, das gilt insbesondere für Beispiele mit Lösungen Ausgewählte Klausuraufgaben Seite zum Herunterladen der Materialien: wwwwiwiuni-augsburgde/ibo! downloads Sonstiges Klausur: 60 Minuten, 4 Leistungspunkte Sprechstunde: Dienstag, Uhr StefanEtschberger@wiwiuni-augsburgde Stefan Etschberger (Uni Augsburg) Mathematische Planungsverfahren Sommersemester
3 Was ist Planung? Einführung Begriffe (siehe Kapitel 1) Nach Wöhe: Treffen von Entscheidungen, die in die Zukunft gerichtet sind Nach Woll (Wirtschaftslexikon): Gedankliche Vorwegnahme künftiger Ereignisse Unternehmensplanung beinhaltet: Formulierung von Zielen Bestimmung von Maßnahmen, Mitteln und Verfahren Auswahlentscheidungen Anweisungen zur Realisierung der gewählten Alternative Kontrolle der Zielerreichung Stefan Etschberger (Uni Augsburg) Mathematische Planungsverfahren Sommersemester
4 Einführung Begriffe Was ist Mathematische Planung? Ist das Problem mathematisch beschreibbar entsteht ein mathematisches Planungsmodell Unterscheidung bei mathematischen Modellen zwischen: Erklärungsmodell: Beschreibung und Erklärung der Ausgangsproblemstellung durch dessen Elemente (Zielvorstellungen, bewertete Handlungsalternativen, Bedingungen, Zusammenhänge und Abhängigkeiten Entscheidungsmodell: Zusätzlich Verwendung von Methoden zur Analyse und Lösung auf Basis der formulierten Ziele Typen von Lösungsverfahren: exakt (zum Beispiel quadratische Gleichung lösen) approximativ (zum Beispiel Nullstellen beliebiger Polynome) Stefan Etschberger (Uni Augsburg) Mathematische Planungsverfahren Sommersemester
5 Einführung Einordnung Einordnung der Modelle Man kann mathematische Unternehmensplanung gliedern: Nach Anwendunggebieten (Logistik, Finanzierung, Marketing, Produktion, etc) Nach Erklärungs- und Entscheidungsmodellen Nach mathematischen Modellen mit ähnlichen Lösungsprinzipien Letzterer Ansatz wird in dieser Vorlesung verfolgt Stefan Etschberger (Uni Augsburg) Mathematische Planungsverfahren Sommersemester
6 Einführung Einordnung Gliederung der Vorlesung Ökonomische Funktionen (Kapitel 2, allenfalls auszugsweise am Ende der Vorlesung) Lineare Planungsmodelle (Kapitel 3) Graphen und Netzplantechnik (Kapitel 4) Stochastische Ansätze (Kapitel 5) Nichtexakte Modellanalysen (Kapitel 6) Anmerkung: Der behandelte Stoff entspricht einer Kurzfassung des Inhalts von Schwerpunkt PLEN Stefan Etschberger (Uni Augsburg) Mathematische Planungsverfahren Sommersemester
7 Einführende Beispiele Beispiel 31 Ein holzverarbeitender Betrieb möchte ein Produktionsprogramm für Spanplatten festlegen Dabei sind folgende Restriktionen zu berücksichtigen: Es werden zwei Typen von Spanplatten hergestellt: Typ A in der Quantität x 1 für den Außenbereich und Typ B in der Quantität x 2 für den Innenbereich Zur Herstellung der Spanplatten werden zwei Arten von Furnierblättern F 1 bzw F 2 unterschiedlicher Qualität benutzt Die Spanplatten werden mittels einer Presse, in der die Furniere verleimt werden, hergestellt Zur Herstellung einer Platte vom Typ A wird ein Blatt von F 1 und zwei Blätter von F 2 benötigt, während bei Typ B drei Blätter von F 1 und ein Blatt von F 2 benutzt werden Von F 1 bzw F 2 stehen 1500 bzw 1200 Stück zur Verfügung Die Presse steht insgesamt 700 Minuten zur Verfügung, wobei zur Verleimung beider Plattentypen pro Stück jeweils eine Minute benötigt wird Stefan Etschberger (Uni Augsburg) Mathematische Planungsverfahren Sommersemester
8 Beispiel 31 Lineare Planungsmodelle Einführende Beispiele Eine übersichtliche Darstellung der Problemdaten kann oft tabellarisch erfolgen: Einheiten Einheiten Pressminuten Produkt Menge von F 1 von F 2 pro Stück Typ A x Typ B x Kapazitäten Stefan Etschberger (Uni Augsburg) Mathematische Planungsverfahren Sommersemester
9 Einführende Beispiele Beispiel 31 Der Zusammenhang von Daten und Variablen kann in diesem Fall durch ein System von linearen Ungleichungen beschrieben werden Restriktionen: (1) x 1 C 3x Vorrat F 1 / (2) 2x 1 C x Vorrat F 2 / (3) x 1 C x Kapazität Presse/ (4)(5) x 1 ; x 2 0 nicht-negative Mengen/ Stefan Etschberger (Uni Augsburg) Mathematische Planungsverfahren Sommersemester
10 Beispiel 31, Zulässigkeitsbereich Einführende Beispiele Definition Jede x 1 ; x 2 /-Kombination, die alle Restriktionen (1) bis (5) erfüllt, bezeichnet man als zulässige Lösung Die Menge 8 < Z D : x 1 x 2 2R 2 C W x 1 C 3x I 2x 1 C x I x 1 C x nennt man Zulässigkeitsbereich des Problems Aufgrund der Restriktion x 2R 2 C genügt für die graphische Darstellung des Zulässigkeitsbereiches der erste Quadrant eines Koordinatensystems 9 = ; Stefan Etschberger (Uni Augsburg) Mathematische Planungsverfahren Sommersemester
11 Einführende Beispiele Beispiel 31, Graphische Darstellung Zulässigkeitsbereich Die Ungleichung (1) mit x 1 C 3x entspricht einem Bereich desr 2 C, der durch die drei Geraden mit x 1 C 3x 2 D 1500; x 1 D 0 und x 2 D 0 begrenzt wird und damit durch die Punkte 0; 500/; 1500; 0/; 0; 0/ graphisch bestimmt ist Entsprechende Darstellungen erhält man für die übrigen Nebenbedingungen x / x 1 C 3x x 1 ; x 2 0 2/ 2x 1 C x x 1 ; x 2 0 x x 2 3/ x 1 C x x 1 ; x x 1 x 1 x Figur 31: Graphische Darstellung der Restriktionen von Beispiel 31 Stefan Etschberger (Uni Augsburg) Mathematische Planungsverfahren Sommersemester
12 Einführende Beispiele Beispiel 31, Graphische Darstellung Zulässigkeitsbereich Die gesamte zulässige Lösungsmenge Z ergibt sich dann aus dem Durchschnitt der in Figur 31 angegebenen Bereiche (Figur 32) Alle x 1 ; x 2 /-Kombinationen im mit Z gekennzeichneten Bereich erfüllen damit die vorgegebenen Restriktionen x 1 x Z (1) (2) (3) Figur 32: Graphische Darstellung des Zulässigkeitsbereiches von Bsp 31 Stefan Etschberger (Uni Augsburg) Mathematische Planungsverfahren Sommersemester
13 Mögliche Fälle für Z Lineare Planungsmodelle Einführende Beispiele 1 Z D ;, dh, es existiert keine zulässige x 1 ; x 2 /-Kombination 2 jzj D 1, dh, es existiert genau eine zulässige x 1 ; x 2 /-Kombination Dieser Fall tritt meist dann auf, wenn die Restriktionen in Form von Gleichungen formuliert werden (Abschnitt 33) 3 jzj > 1, dh, es existieren mehrere zulässige Lösungen (Beispiel 31) In den ersten beiden Fällen ist durch die Restriktionen das Planungsergebnis festgelegt Im ersten Fall können nicht alle Restriktionen gleichzeitig erfüllt werden, im zweiten Fall gibt es eine einzige Lösung, die alle Restriktionen erfüllt Im letzten Fall entsteht weiterer Planungsbedarf, da für die Modellvariablen noch Spielraum besteht Um diesen Spielraum weiter einzuschränken, ist eine Zielsetzung zu formulieren, die die zulässigen Lösungen bewertet Kann diese Zielsetzung z als lineare Funktion der Modellvariablen modelliert werden, so entsteht ein lineares Optimierungsproblem mit der Zielfunktion zx/ und Nebenbedingungen in Form von Gleichungen und/oder Ungleichungen Stefan Etschberger (Uni Augsburg) Mathematische Planungsverfahren Sommersemester
14 Einführende Beispiele Beispiel 32 Der holzverarbeitende Betrieb aus Beispiel 31 verfolgt die Zielsetzung der Gewinnmaximierung Die Spanplatten vom Typ A bringen 4 e, die vom Typ B 5eGewinn pro Stück Zusammen mit den Restriktionen aus Beispiel 31 kann nun ein mathematisches Modell in Form eines linearen Optimierungsproblems formuliert werden Zielfunktion: zx 1 ; x 2 / D 4x 1 C 5x 2! max (Gewinnmaximierung) Nebenbedingungen: (1) x 1 C 3x Vorrat F 1 / (2) 2x 1 C x Vorrat F 2 / (3) x 1 C x Kapazität Presse/ (4)(5) x 1 ; x 2 0 (nicht-negative Mengen) Stefan Etschberger (Uni Augsburg) Mathematische Planungsverfahren Sommersemester
15 Einführende Beispiele Beispiel 32, graphische Lösung Um das Problem graphisch zu lösen, muss die Zielfunktion als zusätzliches Planungselement in die Graphik der zulässigen Lösungen aufgenommen werden Zu diesem Zweck werden Isogewinngeraden dargestellt Für einen Gewinn in Höhe von c erhält man zx 1 ; x 2 / D 4x 1 C 5x 2 D c bzw x 2 D c x 1 : Nur der Achsenabschnitt D c=5 hängt vom Wert c ab, die Steigung D 4=5 jedoch nicht x1 x Z A B C D E c D 0 c D 2000 c D Figur 33: Graphische Darstellung der Optimallösung von Beispiel 32 Stefan Etschberger (Uni Augsburg) Mathematische Planungsverfahren Sommersemester
16 Einführende Beispiele Beispiel 32, Optimale Lösung Im Beispiel maximaler c-wert im Schnittpunkt der Geraden für die Nebenbedingungen (1) und (3), dh in x 1 ; x 2 / D 300; 400/ Ein höherer Zielfunktionswert als z300; 400/ D C D 3200 kann unter Einhaltung der Restriktionen nicht erreicht werden Man spricht von einer optimalen Lösung Stefan Etschberger (Uni Augsburg) Mathematische Planungsverfahren Sommersemester
17 Einführende Beispiele Beispiel 33 Sind die Gewinnbeiträge der Spanplatten aus Beispiel 31 für beide Typen gleich 4-epro Stück, dh zx 1 ; x 2 / D 4x 1 C 4x 2, so erhält man die graphische Lösung in Figur 34 x 1 x Z A B C D E c D 0 c D 2800 Figur 34: Graphische Lösung von Beispiel 33 Stefan Etschberger (Uni Augsburg) Mathematische Planungsverfahren Sommersemester
18 Einführende Beispiele Beispiel 33, Bereich optimaler Lösungen Man erkennt, dass in diesem Fall kein eindeutiges Optimum, sondern ein ganzer Bereich Z optimaler Lösungen existiert, der durch die folgende Menge beschrieben wird: Z x1 D 2R 2 C W 4x 1 C 4x 2 D 2800; x 1 2 Œ300; 500 x 2 Z entspricht der durch die Punkte C D 300; 400/ und D D 500; 200/ begrenzten Strecke Stefan Etschberger (Uni Augsburg) Mathematische Planungsverfahren Sommersemester
19 Einführende Beispiele Graphische Lösung, Zusammenfassung Für die graphische Lösung linearer Optimierungsprobleme (mit nicht-konstanter Zielfunktion) kann festgehalten werden: Die optimalen Lösungen liegen stets auf dem Rand des zulässigen Bereiches Z beziehungsweise in Ecken von Z Ferner gehört mindestens eine Ecke zur optimalen Lösung Entspricht die Menge der Optimallösungen genau einer Ecke von Z Die Optimallösung ist eindeutig Gibt es zwei optimale Ecken, so ist die Menge aller Punkte der durch diese Ecken festgelegten Strecke optimal Stefan Etschberger (Uni Augsburg) Mathematische Planungsverfahren Sommersemester
20 Einführende Beispiele Beispiel 34 Drei Gase mit jeweils bekanntem Schwefelgehalt (g/m 3 ) und Heizwert (kcal/m 3 ) sollen so gemischt werden, dass ein Mischgas mit einem Schwefelgehalt von höchstens 2 g/m 3 und einem Heizwert von mindestens 2000 kcal/m 3 entsteht Die Preise der drei Gase seien 01, 03, 02e /m 3 Schwefelgehalt und Heizwerte entnehme man der folgenden Tabelle: Gas Mischgas Schwefelgehalt (g/m 3 ) Heizwert (1000 kcal/m 3 ) Zusätzlich soll das Ziel der Kostenminimierung verfolgt werden Stefan Etschberger (Uni Augsburg) Mathematische Planungsverfahren Sommersemester
21 Beispiel 34 Lineare Planungsmodelle Einführende Beispiele Zielfunktion: zx 1 ; x 2 ; x 3 / D 0:1x 1 C 0:3x 2 C 0:2x 3! min (Kostenminimierung) Nebenbedingungen: (1) 2x 1 C x 2 C 3x 3 2 (Schwefelgehalt) (2) x 1 C 2x 2 C 4x 3 2 (Heizwert) (3) x 1 C x 2 C x 3 D 1 (Mischungsbedingung) (4)(5)(6) x 1 ; x 2 ; x 3 0 (nicht-negative Anteile) Um eine graphische Analyse imr 2 C zu ermöglichen, ist eine der Variablen zu eliminieren Da in den Nebenbedingungen eine lineare Gleichung enthalten ist, kann man beispielsweise die Variable x 3 D 1 x 1 x 2 durch x 1 und x 2 ausdrücken und die Mischungsbedingung eliminieren (Berechnung siehe Vorlesung) Stefan Etschberger (Uni Augsburg) Mathematische Planungsverfahren Sommersemester
22 Beispiel 34, Reduziertes Problem Einführende Beispiele Zielfunktion: Nebenbedingungen: 0:2 0:1x 1 C 0:1x 2! min (1) x 1 C 2x 2 1 (2) 3x 1 C 2x 2 1 (4) x 1 0 (5) x 2 0 (6) x 1 C 2x 2 1 Stefan Etschberger (Uni Augsburg) Mathematische Planungsverfahren Sommersemester
23 Beispiel 34, Graphische Lösung Einführende Beispiele x 2 1 A In einem Koordinatensystem mit den Achsen x 1 und x 2 können die umgeformten Nebenbedingungen visualisiert werden (Figur 35) Der Zulässigkeitsbereich entspricht der durch die Punkte A, B und C begrenzten Fläche 1 2 C B Setzt man ferner die Zielfunktion auf den Wert c D 0:2, so erhält man mit x 2 D x 1 die Gleichung einer Geraden, die durch den Nullpunkt geht x 1 Figur 35: Graphische Lösung des Mischungsproblems Stefan Etschberger (Uni Augsburg) Mathematische Planungsverfahren Sommersemester
24 Einführende Beispiele Beispiel 34, Graphische Lösung Eine Parallelverschiebung der Zielfunktionsgeraden nach rechts bzw links senkt bzw erhöht den Zielfunktionswert Soll die Lösung optimal und zulässig sein, so verschiebt man die Zielfunktionsgerade so lange nach rechts, bis sie den zulässigen Bereich Z gerade noch nicht verlassen hat, also in Punkt A D 0:5; 0:25/ Kostenminimale Lösung: x T D 0:5; 0:25; 0:25/ wegen x 3 D 1 x 1 x 1 D 0:25, Die Kosten betragen: 0:1 0:5 C 0:3 0:25 C 0:2 0:25 D 0:175 Das kostenminimale Mischgas besteht also zu 50% aus Gas 1 und jeweils zu 25% aus den beiden anderen Gasen Stefan Etschberger (Uni Augsburg) Mathematische Planungsverfahren Sommersemester
25 Standardformen Lineare Planungsmodelle Lineare Optimierung Bei realen Anwendungen: unterschiedlich viele Variablen und Nebenbedingungen Deshalb: Modell der linearen Optimierung in allgemeiner Formulierung Dazu geht man von n Planungsvariablen x 1 ; : : : ; x n und m Nebenbedingungen in Form von Ungleichungen aus Das so genannte Standardmaximumproblem besitzt die Form (vgl Beispiel 32) Standardmaximumproblem Zielfunktion: c 1 x 1 C c 2 x 2 C C c n x n! max Nebenbedingungen: a 11 x 1 C a 12 x 2 C C a 1n x n b 1 a 21 x 1 C a 22 x 2 C C a 2n x n b 2 : : : a m1 x 1 C a m2 x 2 C C a mn x n b m x 1 ; : : : ; x n 0 : : Stefan Etschberger (Uni Augsburg) Mathematische Planungsverfahren Sommersemester
26 Standardformen Lineare Planungsmodelle Lineare Optimierung Selbes Problem in matrizieller Schreibweise Standardmaximumproblem mit Zielfunktion: c T x! max Nebenbedingungen: Ax b x 0 dem Vektor der Zielfunktionskoeffizienten c T D c 1 ; : : : ; c n /, dem Beschränkungsvektor b T D b 1 ; : : : ; b m /, der Koeffizientenmatrix der Nebenbedingungen A D a ij / m;n und dem Vektor der Planungsvariablen x T D x 1 ; : : : ; x n / Stefan Etschberger (Uni Augsburg) Mathematische Planungsverfahren Sommersemester
27 Standardformen Lineare Planungsmodelle Lineare Optimierung Das dazu korrespondierende Standardminimumproblem lautet (Beispiel 34) Standardminimumproblem Zielfunktion: c 1 x 1 C c 2 x 2 C C c n x n! min Nebenbedingungen: a 11 x 1 C a 12 x 2 C C a 1n x n b 1 a 21 x 1 C a 22 x 2 C C a 2n x n b 2 bzw in matrizieller Schreibweise: : : : a m1 x 1 C a m2 x 2 C C a mn x n b m x 1 ; : : : ; x n 0 Zielfunktion: c T x! min Nebenbedingungen: Ax b x 0 mit den gleichen Bezeichnungen wie beim Standardmaximumproblem : : Stefan Etschberger (Uni Augsburg) Mathematische Planungsverfahren Sommersemester
28 Standardformen Lineare Planungsmodelle Lineare Optimierung Die Standardprobleme sind durch Multiplikation mit 1 ineinander überführbar, so dass es für die weiteren Ausführungen zunächst genügt, das Standardmaximumproblem zu betrachten: c T x! max c T x! min Ax b Ax b Auch Restriktionen in Gleichungsform können durch die Aufspaltung in Ungleichungen innerhalb der Standardformen berücksichtigt werden Mit a T i D a i1 ; : : : ; a in / gilt: a T i x D b i a T i x b i und a T i x b i a T i x b i und a T i x b i a T i x b i und a T i x b i Beide Standardprobleme können in die sogenannte Normalform überführt werden, in der nur Gleichungen als Nebenbedingungen auftreten Diese Umwandlung wird sich später als vorteilhaft erweisen Stefan Etschberger (Uni Augsburg) Mathematische Planungsverfahren Sommersemester
29 Standardformen Lineare Planungsmodelle Lineare Optimierung In Matrixschreibweise lautet die Normalform: Normalform Zielfunktion: c T x! max min/ Nebenbedingungen: Ax D b x 0 Zur Umwandlung der Standardprobleme in die Normalform werden zusätzliche Variablen y 1 ; : : : ; y m eingeführt Stefan Etschberger (Uni Augsburg) Mathematische Planungsverfahren Sommersemester
30 Standardformen Lineare Planungsmodelle Lineare Optimierung Das Standardmaximumproblem erhält die Form: Standardmaximumproblem in Normalform Zielfunktion: c 1 x 1 C C c n x n C 0 y 1 C 0 y 2 C 0 y m! max Nebenbedingungen: a x 11 1 C C a x 1n n C y 1 D b 1 a 21 x 1 C C a 2n x n C y 2 D b 2 : : : : :: : :: a m1 x 1 C C a mn x n C y m D b m x 1 ; : : : ; x n 0 y 1 ; : : : ; y m 0 wobei nun die ursprünglichen Planungsvariablen x 1 ; : : : ; x n als Strukturvariablen und die neu eingeführten Variablen y 1 ; : : : ; y m als Schlupfvariablen bezeichnet werden Stefan Etschberger (Uni Augsburg) Mathematische Planungsverfahren Sommersemester
31 Standardformen Lineare Planungsmodelle Lineare Optimierung In matrizieller Schreibweise erhält man: Standardmaximumproblem in Normalform Zielfunktion: c T x! max Nebenbedingungen: Ax C y D b x; y 0 Entsprechend besitzt die matrizielle Normalform eines Standardminimumproblems die Form: Standardminimumproblem in Normalform Zielfunktion: c T x! min Nebenbedingungen: Ax y D b x; y 0 Je nach konkreter Problemstellung können die eingeführten Schlupfvariablen ökonomisch interpretiert werden Stefan Etschberger (Uni Augsburg) Mathematische Planungsverfahren Sommersemester
32 Lineare Optimierung Standardformen Beispiel 35 Als Normalform erhält man für das in Beispiel 32 beschriebene Problem aus der Produktionsprogrammplanung: Zielfunktion: 4x 1 C 5x 2! max Nebenbedingungen: (1) x 1 C 3x 2 C y 1 D 1500 (2) 2x 1 C x 2 C y 2 D 1200 (3) x 1 C x 2 C y 3 D 700 (4) (8) x 1 ; x 2 ; y 1 ; y 2 ; y 3 0 Als Lösung ergab sich x T D 300; 400/ Stefan Etschberger (Uni Augsburg) Mathematische Planungsverfahren Sommersemester
33 Lineare Optimierung Standardformen Aus den Nebenbedingungen ergibt sich damit für die Schlupfvariablen im Optimum: (1) y 1 D D 0 (2) y 2 D D 200 (3) y 3 D D 0 mit A = (0,0) B = (0,500) C = (300,400) D = (500,200) E = (600,0) Restriktionen (1) und (3) für den Vorrat von F 1 und die Kapazität der Presse sind im Optimum voll ausgeschöpft Vorrat von F 2 wird nicht aufgebraucht, es bleiben y 2 D 200 Einheiten übrig x 1 x Z A B C D E c D 0 c D 2000 c D Stefan Etschberger (Uni Augsburg) Mathematische Planungsverfahren Sommersemester
34 Lineare Optimierung Standardformen Beispiel 36 Das Mischungsproblem aus Beispiel 34 lautet in Normalform Zielfunktion: 0:1 C 0:2x 2 C 0:1x 3! min Nebenbedingungen: (1) x 2 x 3 y 1 D 0 (2) x 2 C 3x 3 y 2 D 1 (3) x 2 x 3 y 3 D 1 (4)-(8) x 2 ; x 3 ; y 1 ; y 2 ; y 3 0 Lösung: x 2 ; x 3 / D 0:25; 0:25/ Schlupfvariablen y 1 und y 2 im Optimum: (1) y 1 D 0:25 0:25 D 0 (2) y 2 D 0:25 C 3 0:25 1 D 0 Damit werden der maximale Schwefelgehalt sowie der minimale Heizwert genau erreicht Stefan Etschberger (Uni Augsburg) Mathematische Planungsverfahren Sommersemester
35 Typische Anwendungsgebiete Lineare Optimierung Produktionsprogrammplanung Problemstellung (Beispiel 32): Gewinnmaximale Herstellung von n Produkten mit m Produktionsfaktoren Modell: x j = Produktionsquantität von Produkt j (j D 1; : : : ; n) b i = Kapazität des Produktionsfaktors i (i D 1; : : : ; m) a ij = Verbrauch von Produktionsfaktor i für eine Einheit von Produkt j c j = Deckungsbeitrag/Gewinn für eine Einheit von Produkt j Zielfunktion: c 1 x 1 C C c n x n! max Nebenbedingungen: a 11 x 1 C C a 1n x n b 1 : : : : a m1 x 1 C C a mn x n b m x 1 ; : : : ; x n 0 Stefan Etschberger (Uni Augsburg) Mathematische Planungsverfahren Sommersemester
36 Typische Anwendungsgebiete Lineare Optimierung Mischungsproblem Problemstellung (Beispiel 34): Kostenminimale Mischung von n Substanzen aus m Rohstoffen Modell: x j = Mischungsanteil von Substanz j (j D 1; : : : ; n) b i = Mindestanteil von Rohstoff i in der Mischung (i D 1; : : : ; m) a ij = Anteil von Rohstoff i an einer Einheit von Substanz j c j = Kosten für eine Einheit von Substanz j Zielfunktion: c 1 x 1 C C c n x n! min Nebenbedingungen: a 11 x 1 C C a 1n x n b 1 : : : : a m1 x 1 C C a mn x n b m x 1 C C x n D 1 x 1 ; : : : ; x n 0 Stefan Etschberger (Uni Augsburg) Mathematische Planungsverfahren Sommersemester
37 Typische Anwendungsgebiete Lineare Optimierung Aufteilungsproblem Problemstellung: Ertragsmaximale Aufteilung von Budgets und Kapazitäten auf n Aktivitäten Modell: x j = Aktivitätsniveau j (j D 1; : : : ; n) K = verfügbares Budget für alle Aktivitäten H = verfügbare Kapazität für alle Aktivitäten p j = Kosten für eine Einheit von Aktivität j q j = maximaler Prozentsatz für Aktivitätsniveau j c j = Ertrag für eine Einheit von Aktivität j Zielfunktion: c 1 x 1 C C c n x n! max Nebenbedingungen: p 1 x 1 C C p n x n K x 1 C C x n H x j q j x 1 ; : : : ; x n H j D 1; : : : ; n/ Stefan Etschberger (Uni Augsburg) Mathematische Planungsverfahren Sommersemester
38 Typische Anwendungsgebiete Lineare Optimierung Transportproblem Problemstellung: Kostenminimaler Transport von m Angebotsorten zu n Bedarfsorten Modell: x ij = Transportquantität von Angebotsort i nach Bedarfsort j (i D 1; : : : ; mi j D 1; : : : ; n) a i = Angebot am Ort i (i D 1; : : : ; m) b j = Bedarf am Ort j (j D 1; : : : ; n) c ij = Transportkosten einer Einheit von Angebotsort i nach Bedarfsort j mx nx Zielfunktion: c ij x ij! min id1 jd1 nx Nebenbedingungen: x ij a i i D 1; : : : ; m/ jd1 mx x ij b j j D 1; : : : ; n/ id1 x 11 ; : : : ; x mn 0 Stefan Etschberger (Uni Augsburg) Mathematische Planungsverfahren Sommersemester
Einführung in einige Teilbereiche der Wirtschaftsmathematik für Studierende des Wirtschaftsingenieurwesens
in einige Teilbereiche der für Studierende des Wirtschaftsingenieurwesens Sommersemester 2013 Hochschule Augsburg Kursrechnung Festverzinsliche Wertpapiere Wertpapier: Investor erwirbt für bestimmten Preis
MehrWirtschaftsmathematik 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
MehrWirtschaftsmathematik
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
Mehr3. Grundlagen der Linearen Programmierung
3. Grundlagen der linearen Programmierung Inhalt 3. Grundlagen der Linearen Programmierung Lineares Programm Grafische Lösung linearer Programme Normalform Geometrie linearer Programme Basislösungen Operations
MehrBestimmung einer ersten
Kapitel 6 Bestimmung einer ersten zulässigen Basislösung Ein Problem, was man für die Durchführung der Simplexmethode lösen muss, ist die Bestimmung einer ersten zulässigen Basislösung. Wie gut das geht,
MehrLineare 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
MehrLineare Funktionen. 1 Proportionale Funktionen 3 1.1 Definition... 3 1.2 Eigenschaften... 3. 2 Steigungsdreieck 3
Lineare Funktionen Inhaltsverzeichnis 1 Proportionale Funktionen 3 1.1 Definition............................... 3 1.2 Eigenschaften............................. 3 2 Steigungsdreieck 3 3 Lineare Funktionen
MehrWirtschaftsmathematik 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)
Mehr1 Mathematische Grundlagen
Mathematische Grundlagen - 1-1 Mathematische Grundlagen Der Begriff der Menge ist einer der grundlegenden Begriffe in der Mathematik. Mengen dienen dazu, Dinge oder Objekte zu einer Einheit zusammenzufassen.
MehrLineare Gleichungssysteme
Lineare Gleichungssysteme Eines der am häufigsten auftretenden Standardprobleme der angewandten Mathematik ist das Lösen linearer Gleichungssysteme, etwa zur Netzwerkberechnung in der Elektrotechnik oder
MehrLineargleichungssysteme: Additions-/ Subtraktionsverfahren
Lineargleichungssysteme: Additions-/ Subtraktionsverfahren W. Kippels 22. Februar 2014 Inhaltsverzeichnis 1 Einleitung 2 2 Lineargleichungssysteme zweiten Grades 2 3 Lineargleichungssysteme höheren als
Mehr50. Mathematik-Olympiade 2. Stufe (Regionalrunde) Klasse 11 13. 501322 Lösung 10 Punkte
50. Mathematik-Olympiade. Stufe (Regionalrunde) Klasse 3 Lösungen c 00 Aufgabenausschuss des Mathematik-Olympiaden e.v. www.mathematik-olympiaden.de. Alle Rechte vorbehalten. 503 Lösung 0 Punkte Es seien
MehrOptimierung und Simulation ökonomischer Problemlagen privater Haushalte 3. Vorlesung
Optimierung und Simulation ökonomischer Problemlagen privater Haushalte 3. Vorlesung Rainer Hufnagel / Laura Wahrig 2006 Diese Woche LO - Sensitivitätsanalyse Simulation Beispiel Differenzengleichungen
MehrDie Gleichung A x = a hat für A 0 die eindeutig bestimmte Lösung. Für A=0 und a 0 existiert keine Lösung.
Lineare Gleichungen mit einer Unbekannten Die Grundform der linearen Gleichung mit einer Unbekannten x lautet A x = a Dabei sind A, a reelle Zahlen. Die Gleichung lösen heißt, alle reellen Zahlen anzugeben,
MehrElemente der Analysis I Kapitel 2: Einführung II, Gleichungen
Elemente der Analysis I Kapitel 2: Einführung II, Gleichungen Prof. Dr. Volker Schulz Universität Trier / FB IV / Abt. Mathematik 8. November 2010 http://www.mathematik.uni-trier.de/ schulz/elan-ws1011.html
MehrMathematischer Vorbereitungskurs für Ökonomen
Mathematischer Vorbereitungskurs für Ökonomen Dr. Thomas Zehrt Wirtschaftswissenschaftliches Zentrum Universität Basel Gleichungen Inhalt: 1. Grundlegendes 2. Lineare Gleichungen 3. Gleichungen mit Brüchen
MehrGrundlagen der höheren Mathematik Einige Hinweise zum Lösen von Gleichungen
Grundlagen der höheren Mathematik Einige Hinweise zum Lösen von Gleichungen 1. Quadratische Gleichungen Quadratische Gleichungen lassen sich immer auf die sog. normierte Form x 2 + px + = 0 bringen, in
Mehr7 Rechnen mit Polynomen
7 Rechnen mit Polynomen Zu Polynomfunktionen Satz. Zwei Polynomfunktionen und f : R R, x a n x n + a n 1 x n 1 + a 1 x + a 0 g : R R, x b n x n + b n 1 x n 1 + b 1 x + b 0 sind genau dann gleich, wenn
MehrEigenwerte und Eigenvektoren von Matrizen
Eigenwerte und Eigenvektoren von Matrizen Das Eigenwertproblem Sei A eine quadratische Matrix vom Typ m,m. Die Aufgabe, eine Zahl λ und einen dazugehörigen Vektor x zu finden, damit Ax = λx ist, nennt
MehrLernmaterial für die Fernuni Hagen effizient und prüfungsnah
Lernmaterial für die Fernuni Hagen effizient und prüfungsnah www.schema-f-hagen.de Sie erhalten hier einen Einblick in die Dokumente Aufgaben und Lösungen sowie Erläuterungen Beim Kauf erhalten Sie zudem
MehrGleichungen Lösen. Ein graphischer Blick auf Gleichungen
Gleichungen Lösen Was bedeutet es, eine Gleichung zu lösen? Was ist überhaupt eine Gleichung? Eine Gleichung ist, grundsätzlich eine Aussage über zwei mathematische Terme, dass sie gleich sind. Ein Term
MehrMathematik. UND/ODER Verknüpfung. Ungleichungen. Betrag. Intervall. Umgebung
Mathematik UND/ODER Verknüpfung Ungleichungen Betrag Intervall Umgebung Stefan Gärtner 004 Gr Mathematik UND/ODER Seite UND Verknüpfung Kommentar Aussage Symbolform Die Aussagen Hans kann schwimmen p und
MehrSchranken für zulässige Lösungen
Schranken für zulässige Lösungen Satz 5.9 Gegeben seien primales und duales LP gemäß der asymmetrischen Form der Dualität. Wenn x eine zulässige Lösung des primalen Programms und u eine zulässige Lösung
MehrV 2 B, C, D Drinks. Möglicher Lösungsweg a) Gleichungssystem: 300x + 400 y = 520 300x + 500y = 597,5 2x3 Matrix: Energydrink 0,7 Mineralwasser 0,775,
Aufgabenpool für angewandte Mathematik / 1. Jahrgang V B, C, D Drinks Ein gastronomischer Betrieb kauft 300 Dosen Energydrinks (0,3 l) und 400 Liter Flaschen Mineralwasser und zahlt dafür 50, Euro. Einen
MehrLANGFRISTIGE HAUSAUFGABE (LINEARE GLEICHUNGSSYSTEME)
LANGFRISTIGE HAUSAUFGABE (LINEARE GLEICHUNGSSYSTEME) Aufgabe 1: Tanzkurs ( * ) Zu einem Tanzkurs erscheinen dreimal so viele Mädchen wie Jungen. Nachdem 15 Mädchen gegangen sind, sind noch doppelt so viele
MehrOPERATIONS-RESEARCH (OR)
OPERATIONS-RESEARCH (OR) Man versteht darunter die Anwendung mathematischer Methoden und Modelle zur Vorbereitung optimaler Entscheidungen bei einem Unternehmen. Andere deutsche und englische Bezeichnungen:
MehrLineare Gleichungssysteme
Brückenkurs Mathematik TU Dresden 2015 Lineare Gleichungssysteme Schwerpunkte: Modellbildung geometrische Interpretation Lösungsmethoden Prof. Dr. F. Schuricht TU Dresden, Fachbereich Mathematik auf der
MehrWürfelt man dabei je genau 10 - mal eine 1, 2, 3, 4, 5 und 6, so beträgt die Anzahl. der verschiedenen Reihenfolgen, in denen man dies tun kann, 60!.
040304 Übung 9a Analysis, Abschnitt 4, Folie 8 Die Wahrscheinlichkeit, dass bei n - maliger Durchführung eines Zufallexperiments ein Ereignis A ( mit Wahrscheinlichkeit p p ( A ) ) für eine beliebige Anzahl
MehrPrimzahlen und RSA-Verschlüsselung
Primzahlen und RSA-Verschlüsselung Michael Fütterer und Jonathan Zachhuber 1 Einiges zu Primzahlen Ein paar Definitionen: Wir bezeichnen mit Z die Menge der positiven und negativen ganzen Zahlen, also
MehrMathematik I für Wirtschaftswissenschaftler
1 Mathematik I für Wirtschaftswissenschaftler Lösungsvorschläge zur Klausur am 01.08.2003. Bitte unbedingt beachten: a) Verlangt und gewertet werden alle vier gestellten Aufgaben. Alle Aufgaben sind gleichwertig.
Mehrwww.mathe-aufgaben.com
Abiturprüfung Mathematik Baden-Württemberg (ohne CAS) Pflichtteil Aufgaben Aufgabe : ( VP) Bilden Sie die erste Ableitung der Funktion f mit sin() f() =. Aufgabe : ( VP) Berechnen Sie das Integral ( )
Mehr13. Lineare DGL höherer Ordnung. Eine DGL heißt von n-ter Ordnung, wenn Ableitungen y, y, y,... bis zur n-ten Ableitung y (n) darin vorkommen.
13. Lineare DGL höherer Ordnung. Eine DGL heißt von n-ter Ordnung, wenn Ableitungen y, y, y,... bis zur n-ten Ableitung y (n) darin vorkommen. Sie heißt linear, wenn sie die Form y (n) + a n 1 y (n 1)
MehrApproximation durch Taylorpolynome
TU Berlin Fakultät II - Mathematik und Naturwissenschaften Sekretariat MA 4-1 Straße des 17. Juni 10623 Berlin Hochschultag Approximation durch Taylorpolynome Im Rahmen der Schülerinnen- und Schüler-Uni
MehrGüte von Tests. die Wahrscheinlichkeit für den Fehler 2. Art bei der Testentscheidung, nämlich. falsch ist. Darauf haben wir bereits im Kapitel über
Güte von s Grundlegendes zum Konzept der Güte Ableitung der Gütefunktion des Gauss im Einstichprobenproblem Grafische Darstellung der Gütefunktionen des Gauss im Einstichprobenproblem Ableitung der Gütefunktion
MehrAustausch- bzw. Übergangsprozesse und Gleichgewichtsverteilungen
Austausch- bzw. Übergangsrozesse und Gleichgewichtsverteilungen Wir betrachten ein System mit verschiedenen Zuständen, zwischen denen ein Austausch stattfinden kann. Etwa soziale Schichten in einer Gesellschaft:
Mehr8.2 Thermodynamische Gleichgewichte, insbesondere Gleichgewichte in Mehrkomponentensystemen Mechanisches und thermisches Gleichgewicht
8.2 Thermodynamische Gleichgewichte, insbesondere Gleichgewichte in Mehrkomponentensystemen Mechanisches und thermisches Gleichgewicht 8.2-1 Stoffliches Gleichgewicht Beispiel Stickstoff Sauerstoff: Desweiteren
MehrEinführung in die Algebra
Prof. Dr. H. Brenner Osnabrück SS 2009 Einführung in die Algebra Vorlesung 13 Einheiten Definition 13.1. Ein Element u in einem Ring R heißt Einheit, wenn es ein Element v R gibt mit uv = vu = 1. DasElementv
MehrRente = laufende Zahlungen, die in regelmäßigen Zeitabschnitten (periodisch) wiederkehren Rentenperiode = Zeitabstand zwischen zwei Rentenzahlungen
5.2. entenrechnung Definition: ente = laufende Zahlungen, die in regelmäßigen Zeitabschnitten (periodisch) wiederkehren entenperiode = Zeitabstand zwischen zwei entenzahlungen Finanzmathematisch sind zwei
MehrQuadratische Gleichungen
Quadratische Gleichungen Aufgabe: Versuche eine Lösung zu den folgenden Zahlenrätseln zu finden:.) Verdoppelt man das Quadrat einer Zahl und addiert, so erhält man 00..) Addiert man zum Quadrat einer Zahl
Mehr1. Man schreibe die folgenden Aussagen jeweils in einen normalen Satz um. Zum Beispiel kann man die Aussage:
Zählen und Zahlbereiche Übungsblatt 1 1. Man schreibe die folgenden Aussagen jeweils in einen normalen Satz um. Zum Beispiel kann man die Aussage: Für alle m, n N gilt m + n = n + m. in den Satz umschreiben:
MehrMonatliche Grundgebühr: 5,00 Zeitabhängige Nutzung: Feiertags/Sonntags: 0,04 /min
Aufgabe 1: Wortvorschriften Gib zu den Wortvorschriften je eine Funktionsgleichung an: a) Jeder Zahl wird das Doppelte zugeordnet b) Jeder Zahl wird das um 6 verminderte Dreifache zugeordnet c) Jeder Zahl
MehrFunktionaler Zusammenhang. Lehrplan Realschule
Funktionaler Bildungsstandards Lehrplan Realschule Die Schülerinnen und Schüler nutzen Funktionen als Mittel zur Beschreibung quantitativer Zusammenhänge, erkennen und beschreiben funktionale Zusammenhänge
MehrNullserie zur Prüfungsvorbereitung
Nullserie zur Prüfungsvorbereitung Die folgenden Hilfsmittel und Bedingungen sind an der Prüfung zu beachten. Erlaubte Hilfsmittel Beliebiger Taschenrechner (Der Einsatz von Lösungs- und Hilfsprogrammen
MehrAbiturprüfung Mathematik 2008 (Baden-Württemberg) Berufliche Gymnasien ohne TG Analysis, Aufgabe 1
Abiturprüfung Mathematik (Baden-Württemberg) Berufliche Gymnasien ohne TG Analysis, Aufgabe Für jedes t f t () + t R ist die Funktion f t gegeben durch = mit R. Das Schaubild von f t heißt K t.. (6 Punkte)
Mehr3. LINEARE GLEICHUNGSSYSTEME
176 3. LINEARE GLEICHUNGSSYSTEME 90 Vitamin-C-Gehalt verschiedener Säfte 18,0 mg 35,0 mg 12,5 mg 1. a) 100 ml + 50 ml + 50 ml = 41,75 mg 100 ml 100 ml 100 ml b) : Menge an Kirschsaft in ml y: Menge an
MehrMusterlösungen zur Linearen Algebra II Blatt 5
Musterlösungen zur Linearen Algebra II Blatt 5 Aufgabe. Man betrachte die Matrix A := über dem Körper R und über dem Körper F und bestimme jeweils die Jordan- Normalform. Beweis. Das charakteristische
MehrAufgabe 1. Zunächst wird die allgemeine Tangentengleichung in Abhängigkeit von a aufgestellt:
Aufgabe 1 1.1. Bestimmung von D max : 1. Bedingung: x >0 ; da ln(x) nur für x > 0 definiert ist. 2. Bedingung: Somit ist die Funktion f a nur für x > 0 definiert und sie besitzt eine Definitionslücke an
MehrVersuch 3. Frequenzgang eines Verstärkers
Versuch 3 Frequenzgang eines Verstärkers 1. Grundlagen Ein Verstärker ist eine aktive Schaltung, mit der die Amplitude eines Signals vergößert werden kann. Man spricht hier von Verstärkung v und definiert
MehrLineare Gleichungssysteme I (Matrixgleichungen)
Lineare Gleichungssysteme I (Matrigleichungen) Eine lineare Gleichung mit einer Variable hat bei Zahlen a, b, die Form a b. Falls hierbei der Kehrwert von a gebildet werden darf (a 0), kann eindeutig aufgelöst
MehrRekursionen. Georg Anegg 25. November 2009. Methoden und Techniken an Beispielen erklärt
Methoden und Techniken an Beispielen erklärt Georg Anegg 5. November 009 Beispiel. Die Folge {a n } sei wie folgt definiert (a, d, q R, q ): a 0 a, a n+ a n q + d (n 0) Man bestimme eine explizite Darstellung
MehrKorrelation (II) Korrelation und Kausalität
Korrelation (II) Korrelation und Kausalität Situation: Seien X, Y zwei metrisch skalierte Merkmale mit Ausprägungen (x 1, x 2,..., x n ) bzw. (y 1, y 2,..., y n ). D.h. für jede i = 1, 2,..., n bezeichnen
MehrRepetitionsaufgaben: Lineare Gleichungen
Kantonale Fachschaft Mathematik Repetitionsaufgaben: Lineare Gleichungen Zusammengestellt von Hannes Ernst, KSR Lernziele: - Lineare Gleichungen von Hand auflösen können. - Lineare Gleichungen mit Parametern
Mehr4. Dynamische Optimierung
4. Dynamische Optimierung Allgemeine Form dynamischer Optimierungsprobleme 4. Dynamische Optimierung Die dynamische Optimierung (DO) betrachtet Entscheidungsprobleme als eine Folge voneinander abhängiger
Mehr1 topologisches Sortieren
Wolfgang Hönig / Andreas Ecke WS 09/0 topologisches Sortieren. Überblick. Solange noch Knoten vorhanden: a) Suche Knoten v, zu dem keine Kante führt (Falls nicht vorhanden keine topologische Sortierung
MehrTag der Mathematik 2012
Gruppenwettbewerb Einzelwettbewerb Mathematische Hürden Aufgaben mit en und Bepunktung Allgemeine Hinweise: Als Hilfsmittel dürfen nur Schreibzeug, Geodreieck und Zirkel benutzt werden. Taschenrechner
MehrOECD Programme for International Student Assessment PISA 2000. Lösungen der Beispielaufgaben aus dem Mathematiktest. Deutschland
OECD Programme for International Student Assessment Deutschland PISA 2000 Lösungen der Beispielaufgaben aus dem Mathematiktest Beispielaufgaben PISA-Hauptstudie 2000 Seite 3 UNIT ÄPFEL Beispielaufgaben
MehrWelche Lagen können zwei Geraden (im Raum) zueinander haben? Welche Lagen kann eine Gerade bezüglich einer Ebene im Raum einnehmen?
Welche Lagen können zwei Geraden (im Raum) zueinander haben? Welche Lagen können zwei Ebenen (im Raum) zueinander haben? Welche Lagen kann eine Gerade bezüglich einer Ebene im Raum einnehmen? Wie heiÿt
MehrKlassenarbeit zu linearen Gleichungssystemen
Klassenarbeit zu linearen Gleichungssystemen Aufgabe : Bestimme die Lösungsmenge der Gleichungssysteme mit Hilfe des Additionsverfahrens: x + 4y = 8 5x y = x y = x y = Aufgabe : Bestimme die Lösungsmenge
MehrTangentengleichung. Wie lautet die Geradengleichung für die Tangente, y T =? Antwort:
Tangentengleichung Wie Sie wissen, gibt die erste Ableitung einer Funktion deren Steigung an. Betrachtet man eine fest vorgegebene Stelle, gibt f ( ) also die Steigung der Kurve und somit auch die Steigung
Mehr!(0) + o 1("). Es ist damit möglich, dass mehrere Familien geschlossener Orbits gleichzeitig abzweigen.
Bifurkationen an geschlossenen Orbits 5.4 167 der Schnittabbldung konstruiert. Die Periode T (") der zugehörigen periodischen Lösungen ergibt sich aus =! + o 1 (") beziehungsweise Es ist also t 0 = T (")
MehrFall 3: Mehrere Kapazitätsengpässe
Fall 3: Mehrere Kapazitätsengpässe ei Vorliegen mehrerer Engpässe ist zunächst zu prüfen, ob ein Engpass die anderen Engpässe dominiert. Ist dies der Fall, reduziert sich das Optimierungsproblem auf den
MehrKaufmännische Berufsmatura 2007 Kanton Zürich Serie 1
Serie 1 Prüfungsdauer: 150 Minuten Hilfsmittel: Netzunabhängiger Taschenrechner Beigelegte Formelsammlung Bedingungen: Dokumentieren Sie den Lösungsweg auf dem Aufgabenblatt Unbelegte Resultate werden
MehrDownload. Mathematik üben Klasse 8 Funktionen. Differenzierte Materialien für das ganze Schuljahr. Jens Conrad, Hardy Seifert
Download Jens Conrad, Hard Seifert Mathematik üben Klasse 8 Funktionen Differenzierte Materialien für das ganze Schuljahr Downloadauszug aus dem Originaltitel: Mathematik üben Klasse 8 Funktionen Differenzierte
MehrKaufmännische Berufsmatura 2011
Kaufmännische Berufsmatura 0 Serie : Lösungen Serie - Lösungen Prüfungsdauer: Max. zahl: 50 Minuten 00 Bewertungshinweise: Mehrfachlösungen sind nicht gestattet. Als Resultate gelten nur eindeutig gekennzeichnete
MehrUniversität Bonn, Institut für Angewandte Mathematik. WS 2012/2013 Prüfung Angewandte Mathematik und Statistik - Agrarwiss. /ELW
Universität Bonn, Institut für Angewandte Mathematik Dr. Antje Kiesel WS 2012/2013 Prüfung Angewandte Mathematik und Statistik - Agrarwiss. /ELW 08.03.2013 Matrikelnummer Platz Name Vorname 1 2 3 4 5 6
MehrWie Sie mit Mastern arbeiten
Wie Sie mit Mastern arbeiten Was ist ein Master? Einer der großen Vorteile von EDV besteht darin, dass Ihnen der Rechner Arbeit abnimmt. Diesen Vorteil sollten sie nutzen, wo immer es geht. In PowerPoint
MehrZeichen bei Zahlen entschlüsseln
Zeichen bei Zahlen entschlüsseln In diesem Kapitel... Verwendung des Zahlenstrahls Absolut richtige Bestimmung von absoluten Werten Operationen bei Zahlen mit Vorzeichen: Addieren, Subtrahieren, Multiplizieren
MehrLU-Zerlegung. Zusätze zum Gelben Rechenbuch. Peter Furlan. Verlag Martina Furlan. Inhaltsverzeichnis. 1 Definitionen.
Zusätze zum Gelben Rechenbuch LU-Zerlegung Peter Furlan Verlag Martina Furlan Inhaltsverzeichnis Definitionen 2 (Allgemeine) LU-Zerlegung 2 3 Vereinfachte LU-Zerlegung 3 4 Lösung eines linearen Gleichungssystems
MehrIm Jahr t = 0 hat eine Stadt 10.000 Einwohner. Nach 15 Jahren hat sich die Einwohnerzahl verdoppelt. z(t) = at + b
Aufgabe 1: Im Jahr t = 0 hat eine Stadt 10.000 Einwohner. Nach 15 Jahren hat sich die Einwohnerzahl verdoppelt. (a) Nehmen Sie lineares Wachstum gemäß z(t) = at + b an, wobei z die Einwohnerzahl ist und
MehrLineare Gleichungssysteme
Lineare Gleichungssysteme 1 Zwei Gleichungen mit zwei Unbekannten Es kommt häufig vor, dass man nicht mit einer Variablen alleine auskommt, um ein Problem zu lösen. Das folgende Beispiel soll dies verdeutlichen
MehrOptimierung für Nichtmathematiker
Optimierung für Nichtmathematiker Typische Prüfungsfragen Die folgenden Fragen dienen lediglich der Orientierung und müssen nicht den tatsächlichen Prüfungsfragen entsprechen. Auch Erkenntnisse aus den
MehrErfolg im Mathe-Abi. H. Gruber, R. Neumann. Prüfungsaufgaben Hessen
H. Gruber, R. Neumann Erfolg im Mathe-Abi Prüfungsaufgaben Hessen Übungsbuch für den Grundkurs mit Tipps und Lösungen - plus Aufgaben für GTR und CAS Inhaltsverzeichnis Inhaltsverzeichnis 1 Ganzrationale
MehrRepetitionsaufgaben Wurzelgleichungen
Repetitionsaufgaben Wurzelgleichungen Inhaltsverzeichnis A) Vorbemerkungen B) Lernziele C) Theorie mit Aufgaben D) Aufgaben mit Musterlösungen 4 A) Vorbemerkungen Bitte beachten Sie: Bei Wurzelgleichungen
MehrAnmerkungen zur Übergangsprüfung
DM11 Slide 1 Anmerkungen zur Übergangsprüfung Aufgabeneingrenzung Aufgaben des folgenden Typs werden wegen ihres Schwierigkeitsgrads oder wegen eines ungeeigneten fachlichen Schwerpunkts in der Übergangsprüfung
MehrLineare Gleichungssysteme
Lineare Gleichungssysteme Sei K ein Körper, a ij K für 1 i m, 1 j n. Weiters seien b 1,..., b m K. Dann heißt a 11 x 1 + a 12 x 2 +... + a 1n x n = b 1 a 21 x 1 + a 22 x 2 +... + a 2n x n = b 2... a m1
MehrDas Mathematik-Abitur im Saarland
Informationen zum Abitur Das Mathematik-Abitur im Saarland Sie können Mathematik im Abitur entweder als grundlegenden Kurs (G-Kurs) oder als erhöhten Kurs (E-Kurs) wählen. Die Bearbeitungszeit für die
MehrLINGO: Eine kleine Einführung
LINGO: Eine kleine Einführung Jun.-Prof.Dr. T. Nieberg Lineare und Ganzzahlige Optimierung, WS 2009/10 LINDO/LINGO ist ein Software-Paket, mit dessen Hilfe (ganzzahlige) lineare Programme schnell und einfach
MehrWirtschaftsmathematik für International Management (BA) und Betriebswirtschaft (BA)
Wirtschaftsmathematik für International Management (BA) und Betriebswirtschaft (BA) Wintersemester 2014/15 Hochschule Augsburg Beispiel: Graphische Darstellung Zulässigkeitsbereich Ungleichung (1) mit
MehrEinführung in. Logische Schaltungen
Einführung in Logische Schaltungen 1/7 Inhaltsverzeichnis 1. Einführung 1. Was sind logische Schaltungen 2. Grundlegende Elemente 3. Weitere Elemente 4. Beispiel einer logischen Schaltung 2. Notation von
MehrVorkurs Mathematik Übungen zu Differentialgleichungen
Vorkurs Mathematik Übungen zu Differentialgleichungen Als bekannt setzen wir die folgenden Umformungen voraus: e ln(f(x)) = f(x) e f(x)+c = e f(x) e c e ln(f(x)) +c = f(x) e c = f(x) c f ( g(x) ) g (x)
MehrMathematik-Klausur vom 2. Februar 2006
Mathematik-Klausur vom 2. Februar 26 Studiengang BWL DPO 1997: Aufgaben 1,2,3,5,6 Dauer der Klausur: 12 Min Studiengang B&FI DPO 21: Aufgaben 1,2,3,5,6 Dauer der Klausur: 12 Min Studiengang BWL DPO 23:
Mehrwww.mathe-aufgaben.com
Abiturprüfung Mathematik 008 Baden-Württemberg (ohne CAS) Pflichtteil Aufgaben Aufgabe 1: ( VP) x Gegeben ist die Funktion f mit f(x). x Bilden Sie die Ableitung von f und fassen Sie diese so weit wie
Mehrx 2 2x + = 3 + Es gibt genau ein x R mit ax + b = 0, denn es gilt
- 17 - Die Frage ist hier also: Für welche x R gilt x = x + 1? Das ist eine quadratische Gleichung für x. Es gilt x = x + 1 x x 3 = 0, und man kann quadratische Ergänzung machen:... ( ) ( ) x x + = 3 +
MehrBetragsgleichungen und die Methode der Fallunterscheidungen
mathe online Skripten http://www.mathe-online.at/skripten/ Betragsgleichungen und die Methode der Fallunterscheidungen Franz Embacher Fakultät für Mathematik der Universität Wien E-mail: franz.embacher@univie.ac.at
MehrPrüfung der allgemeinen Fachhochschulreife an den
Senatsverwaltung für Bildung, Wissenschaft und Forschung Name, Vorname: Prüfung der allgemeinen Fachhochschulreife an den Fachoberschulen im Schuljahr 007 / 008 Prüfungsfach: Mathematik (Vorschlag ) Prüfungstag:
MehrONLINE-AKADEMIE. "Diplomierter NLP Anwender für Schule und Unterricht" Ziele
ONLINE-AKADEMIE Ziele Wenn man von Menschen hört, die etwas Großartiges in ihrem Leben geleistet haben, erfahren wir oft, dass diese ihr Ziel über Jahre verfolgt haben oder diesen Wunsch schon bereits
MehrBericht zur Prüfung im Oktober 2003 über Mathematik der Lebensversicherung (Grundwissen)
Bericht zur Prüfung im Oktober 2003 über Mathematik der Lebensversicherung Grundwissen) Jürgen Strobel Köln) und Hans-Jochen Bartels Mannheim) Am 04.10.2003 wurde in Köln die zehnte Prüfung über Mathematik
MehrZahlenwinkel: Forscherkarte 1. alleine. Zahlenwinkel: Forschertipp 1
Zahlenwinkel: Forscherkarte 1 alleine Tipp 1 Lege die Ziffern von 1 bis 9 so in den Zahlenwinkel, dass jeder Arm des Zahlenwinkels zusammengezählt das gleiche Ergebnis ergibt! Finde möglichst viele verschiedene
MehrMatheBasics Teil 4 Grundlagen der Mathematik
Fernstudium Guide Online Vorlesung Wirtschaftswissenschaft MatheBasics Teil 4 Grundlagen der Mathematik Version vom 02.11.2015 Dieses Werk ist urheberrechtlich geschützt. Jegliche unzulässige Form der
MehrInvestition und Finanzierung. Investition Teil 1
Fernstudium Guide Online Vorlesung Wirtschaftswissenschaft Investition und Finanzierung Investition Teil 1 Dieses Werk ist urheberrechtlich geschützt. Jegliche unzulässige Form der Entnahme, des Nachdrucks,
MehrAbschlussprüfung Realschule Bayern II / III: 2009 Haupttermin B 1.0 B 1.1
B 1.0 B 1.1 L: Wir wissen von, dass sie den Scheitel hat und durch den Punkt läuft. Was nichts bringt, ist beide Punkte in die allgemeine Parabelgleichung einzusetzen und das Gleichungssystem zu lösen,
Mehr1. Kennlinien. 2. Stabilisierung der Emitterschaltung. Schaltungstechnik 2 Übung 4
1. Kennlinien Der Transistor BC550C soll auf den Arbeitspunkt U CE = 4 V und I C = 15 ma eingestellt werden. a) Bestimmen Sie aus den Kennlinien (S. 2) die Werte für I B, B, U BE. b) Woher kommt die Neigung
MehrDarstellungsformen einer Funktion
http://www.flickr.com/photos/sigfrid/348144517/ Darstellungsformen einer Funktion 9 Analytische Darstellung: Eplizite Darstellung Funktionen werden nach Möglichkeit eplizit dargestellt, das heißt, die
MehrMikroökonomik 9. Vorlesungswoche
Mikroökonomik 9. Vorlesungswoche Tone Arnold Universität des Saarlandes 18. Dezember 2007 Tone Arnold (Universität des Saarlandes) 9. Vorlesungswoche 18. Dezember 2007 1 / 31 Volkswirtschaftliche Rente
MehrLösung. Prüfungsteil 1: Aufgabe 1
Zentrale Prüfung 01 Lösung Diese Lösung wurde erstellt von Cornelia Sanzenbacher. Sie ist keine offizielle Lösung des Ministeriums für Schule und Weiterbildung des Landes. Prüfungsteil 1: Aufgabe 1 a)
MehrPlanen mit mathematischen Modellen 00844: Computergestützte Optimierung. Autor: Dr. Heinz Peter Reidmacher
Planen mit mathematischen Modellen 00844: Computergestützte Optimierung Leseprobe Autor: Dr. Heinz Peter Reidmacher 11 - Portefeuilleanalyse 61 11 Portefeuilleanalyse 11.1 Das Markowitz Modell Die Portefeuilleanalyse
MehrAufgabe Bestimmung Angebotsfunktion, Marktgleichgewicht und Steuerinzidenz
Fachhochschule Meschede VWL für Ingenieure Dr. Betz Aufgabe Bestimmung Angebotsfunktion, Marktgleichgewicht und Steuerinzidenz Als Vorstandsmitglied im Bereich Finanzen / Steuern der Elektro AG sind Sie
MehrBevor lineare Gleichungen gelöst werden, ein paar wichtige Begriffe, die im Zusammenhang von linearen Gleichungen oft auftauchen.
R. Brinkmann http://brinkmann-du.de Seite 1 13.0.010 Lineare Gleichungen Werden zwei Terme durch ein Gleichheitszeichen miteinander verbunden, so entsteht eine Gleichung. Enthält die Gleichung die Variable
MehrKorrigenda Handbuch der Bewertung
Korrigenda Handbuch der Bewertung Kapitel 3 Abschnitt 3.5 Seite(n) 104-109 Titel Der Terminvertrag: Ein Beispiel für den Einsatz von Future Values Änderungen In den Beispielen 21 und 22 ist der Halbjahressatz
Mehr( ) als den Punkt mit der gleichen x-koordinate wie A und der
ETH-Aufnahmeprüfung Herbst 05 Mathematik I (Analysis) Aufgabe [6 Punkte] Bestimmen Sie den Schnittwinkel α zwischen den Graphen der Funktionen f(x) x 4x + x + 5 und g(x) x x + 5 im Schnittpunkt mit der
Mehr