Übungen zur Linearen Optimierung Sommersemester Übungsblatt 1
|
|
- Caroline Steinmann
- vor 8 Jahren
- Abrufe
Transkript
1 Universität Heidelberg Interdisziplinäres Zentrum für Wissenschaftliches Rechnen Graduiertenschule HGS MathComp Dr. Stefan Körkel Magdalena Gottfried Übungen zur Linearen Optimierung Sommersemester 2011 Übungsblatt 1 1. Modellierung eines Linearen Programms Eine Nahrungsmittelfirma stellt aus Nüssen, Haferflocken und Rosinen die zwei verschiedenen Sorten Müsli A und B her. Eine Einheit von Müsli A enthält 2E(inheiten) Nüsse, 4E Haferflocken und 1E Rosinen. Eine Einheit von Müsli B enthält 3E Nüsse, 1E Haferflocken und 1E Rosinen. Beim Verkauf einer Einheit Müsli A erzielt die Firma einen Gewinn von 5 Euro, der Verkauf von B bringt 4 Euro. Die Firma kann maximal 12000E Nüsse, 16000E Haferflocken und 4300E Rosinen beschaffen. Formulieren Sie das Problem, einen Produktionsplan mit maximalem Gewinn zu bestimmen, als Lineares Programm. Lösen Sie das Lineare Programm graphisch. Wie ändert sich der optimale Produktionsplan, wenn aufgrund von Lieferschwierigkeiten nur noch 10000E Nüsse bzw. 4000E Rosinen beschafft werden können? 2. Problemtransformationen (a) Beschreiben Sie die folgenden Mengen mit Hilfe linearer Ungleichungen. {x R n : x i 1, i = 1,..., n} { } n x R n : x i 1 (b) Schreiben Sie das folgende Problem als Lineares Programm in Ungleichungsform max c T x s.t. Ax b. x 3. Lösbarbeit von Linearen Programmen i=1 min x max{d T i x + δ i, i = 1,..., n} Cx d Für welche Werte von t R besitzt das folgende lineare Optimierungsproblem max x,y x + y x y 3 x + y 3 x 2y 2 tx + 3y 4 x, y 0
2 (a) genau eine Lösung und welche, (b) mehrere Lösungen und welche, (c) keine Lösung? Begründen Sie Ihre Antworten graphisch. 4. Lineare Optimierung mit OpenOffice Calc/Excel Betrachten Sie das Optimierungsproblem aus Aufgabe 1. (a) Zeichnen Sie mit OpenOffice Calc/Excel den zulässigen Bereich des LP und Höhenlinien der Zielfunktion und lösen Sie das Problem graphisch. (b) Lösen Sie das LP mit dem OpenOffice Calc/Excel-Solver. Wenden Sie Ihr Spreadsheet auch auf das LP aus Aufgabe 3 mit geeigneten verschiedenen Werten von t an. Abgabe bis Mittwoch, Webseite: hgs.iwr.uni-heidelberg.de/expdesign/teaching/ss11/linopt/
3 Universität Heidelberg Interdisziplinäres Zentrum für Wissenschaftliches Rechnen Graduiertenschule HGS MathComp Dr. Stefan Körkel Magdalena Gottfried Übungen zur Linearen Optimierung Sommersemester 2011 Übungsblatt 2 1. Lineare, affine, konische und konvexe Hülle Beweisen oder widerlegen Sie: (a) lin(s T ) = lin(s) + lin(t ) (b) lin(s T ) = lin(s) lin(t ) (c) cone(s T ) = cone(s) + cone(t ) (d) aff(s T ) = aff(s) + aff(t ) (e) aff(s + T ) = aff(s) + aff(t ) (f) conv(s T ) = conv(s) + conv(t ) (g) conv(s + T ) = conv(s) + conv(t ) 2. Projektion eines Polyeders Das Polyeder P (a, b) R 3 sei durch die folgenden Ungleichungen gegeben: x 1 + x 2 + x 3 2 x 1 + x 2 + x 3 1 x 1, x 2, x 3 1 x 1, x 2, x 3 0 Bestimmen Sie die Projektion des Polyeders entlang c = (0, 2, 1) T auf die Menge { x R 3 : x = (2, 2, 3) T + α ( 2, 1, 3) T, α R } mit dem Projektionsalgorithmus. 3. Kollisionsvermeidung von Robotern Zwei Roboter sollen gemeinsam ein Werkstück bearbeiten. Dabei sollen sie sich so bewegen, dass sie nicht kollidieren. Die Roboter bestehen aus einer Kette von Gliedern, die durch Gelenke verbunden sind. Wir nehmen an, dass sie sich zum Zeitpunkt t als Vereinigung von Polyedern beschreiben lassen: R i (t) = n i j=1 { x R 3 : A (ij) (t)x b (ij) (t) }, i = 1, 2 Die Systeme A (ij) (t), b (ij) (t) seien durch die Kinematik der Roboter gegeben. Formulieren Sie mit Hilfe des Farkas-Lemmas Bedingungen, so dass die Roboter nicht miteinander kollidieren.
4 4. Praktische Aufgabe: Gurobi Besorgen Sie sich den Gurobi Optimizer in der Free Academic License und installieren Sie ihn auf einem Ihnen zugänglichen Computer. Wie lauten die Ausgaben des Kommandos gurobi_cl -v? Abgabe bis Mittwoch, Webseite: hgs.iwr.uni-heidelberg.de/expdesign/teaching/ss11/linopt/
5 Universität Heidelberg Interdisziplinäres Zentrum für Wissenschaftliches Rechnen Graduiertenschule HGS MathComp Dr. Stefan Körkel Magdalena Gottfried Übungen zur Linearen Optimierung Sommersemester 2011 Übungsblatt 3 1. Beweis der ausführlichen Variante des Farkas-Lemmas Beweisen Sie die ausführliche Variante des Farkas-Lemmas (Satz 3.1): Für dimensionsverträgliche Matrizen A, B, C, D und Vektoren a, b gilt: Entweder es existieren x, y mit Ax + By a Cx + Dy = b x 0 oder es existieren u, v mit u T A + v T C 0 u T B + v T D = 0 u 0 u T a + v T b < 0. mit Hilfe der kurzen Variante (Korollar 2.11): Seien A K m n und b K m. Dann gilt: Das Ungleichungssystem Ax b hat genau dann keine Lösung, wenn es einen Vektor u K m, u 0 gibt mit u T A = 0, u T b < Alternativsätze Beweisen Sie die folgenden Alternativsätze: (a) Entweder ( x : Ax = c) oder ( y : A T y = 0, c T y = 1). (b) Entweder ( x : Ax c, Ax c) oder ( y : (A T y = 0, c T y = 1, y 0) (A T y = 0, c T y 0, y > 0)). (c) Entweder ( x : Ax > 0, Cx 0, Dx = 0) oder ( u, v, w : u, v 0, u 0, A T u + C T v + D T w = 0). 3. Duales Programm vom dualen Programm Zeigen Sie mit den Schreibweisen von Definition 3.14: Das duale Programm zum dualen Programm ist das primale Programm. 4. MPS-Files Das MPS-Format ist ein Standard-Fileformat zur Spezifikation von linearen Optimierungsproblemen zur Behandlung mit LP-Software.
6 (a) Machen Sie sich mit dem MPS-Format vertraut. (b) Lösen Sie mit Gurobi (Aufruf: gurobi_cl) das Problem P0033 (ist als p0033.mps bei Gurobi dabei) als lineares und als linear-ganzzahliges-problem, d. h. ohne und mit Ganzzahligkeitsbedingungen an die Variablen. (c) Formulieren Sie das LP aus Aufgabe 1, Blatt 1, als MPS-File, und lösen Sie es mit Gurobi. Abgabe bis Mittwoch, Webseite: hgs.iwr.uni-heidelberg.de/expdesign/teaching/ss11/linopt/
7 Universität Heidelberg Interdisziplinäres Zentrum für Wissenschaftliches Rechnen Graduiertenschule HGS MathComp Dr. Stefan Körkel Magdalena Gottfried Übungen zur Linearen Optimierung Sommersemester 2011 Übungsblatt 4 1. Zulässigkeit und Unbeschränktheit Betrachten Sie das LP und zeigen Sie: min c T x Ax = b (a) Gibt es zwei zulässige Punkte mit unterschiedlichen Zielfunktionswerten, dann ist das Problem unbeschränkt. (b) Gibt es einen zulässigen Punkt und hat das Problem eine endliche Lösung, dann ist c T x konstant für alle zulässigen Punkte x. 2. Anwendung des Satzes vom komplementären Schlupf Benutzen Sie den Satz vom komplementären Schlupf, um zu überprüfen, ob der Vektor x = ( 0, 0, 5 2, 7 2, 0, 1 2) T Optimallösung des folgenden Problems ist: 3. Polarer Kegel max 4x 1 + 5x 2 + x 3 + 3x 4 5x 5 + 8x 6 1 x 1 4x 3 + 3x 4 + x 5 + x 6 4 5x 1 + 3x 2 + x 3 5x 5 + 3x 6 4 4x 1 + 5x 2 3x 3 + 3x 4 4x 5 + x 6 5 x 2 2x 4 + x 5 5x 6 7 2x 1 + x 2 + x 3 + x 4 + 2x 5 + 2x 6 5 2x 1 3x 2 + 2x 3 x 4 + 4x 5 + 5x 6 0 x 1, x 2, x 3, x 4, x 5, x 6 Für eine beliebige Menge S K n sei S := {y K n : y T x 0 x S} der polare Kegel von S. (a) Beweisen Sie, dass für S, S i K n, i = 1,..., k gilt: i. S i S j Sj Si ii. S ( S k ) iii. = k i=1 S i i=1 S i iv. S = cone(s ) = (cone(s))
8 (b) Für welche Mengen S K n gilt S = S bzw. S = S? 4. Polarensatz Beweisen Sie den Polarensatz: Für jede Matrix A K m n gilt: P (A, 0) = P (A, 0) und cone(a) = cone(a). Abgabe bis Mittwoch, Webseite: hgs.iwr.uni-heidelberg.de/expdesign/teaching/ss11/linopt/
9 Universität Heidelberg Interdisziplinäres Zentrum für Wissenschaftliches Rechnen Graduiertenschule HGS MathComp Dr. Stefan Körkel Magdalena Gottfried Übungen zur Linearen Optimierung Sommersemester 2011 Übungsblatt 5 1. Verschiedene Darstellungen von Polyedern (a) Gegeben sei das Polyeder P = {x R 2 : x 1 2x 2 1, 2x 1 + x 2 1, x 1 0, x 2 0}. Schreiben Sie P als P = conv({v 1,..., v n }) + cone({d 1,..., d m }) mit geeigneten Vektoren v 1,..., v n und d 1,..., d m. (b) Gegeben sei das Polyeder ({( ) 0 P = conv, 1 ( )}) 1 + cone 0 ({( ) 1, 1 ( )}) 0. 1 Schreiben Sie P als P = P (A, b) mit geeigneter Matrix A und geeignetem Vektor b. Sie dürfen die Lösung graphisch herleiten. 2. Disjunktive Programmierung Wir betrachten die disjunktive Menge { F = x R n : ( A i x = b i, x 0 )}. Wir nehmen an, dass I endlich und F endlich-dimensional ist. i I Wie lautet die γ-polare F γ von F, d. h. die Menge aller bzgl. F gültigen Ungleichungen, F γ = { a R n, α R : a T x α x F }, beschrieben als Zulässigkeitsbedingung an ein System linearer Gleichungen bzw. Ungleichungen? 3. Disjunktive Schnittebenen Wenden Sie Aufgabe 2 an, um ein LP aufzustellen, mit dem man die gültigen Ungleichungen für das 0-1-Problem (für x R n ) min c T x Ax = b x 0 x j {0, 1}, j {1,..., n}, berechnen kann, die durch einen gegebenen Punkt ˆx R n mit Aˆx = b, ˆx 0, ˆx j {0, 1} möglichst stark verletzt werden. Wenn Sie Aufgabe 2 nicht gelöst haben, können Sie auch allgemeine Nebenbedingungen zur Beschreibung von F γ einsetzen.
10 4. Gurobi Library Wir wollen Funktionsaufrufe von Gurobi-Routinen, die sogenannte Gurobi Library, in einem selbstgeschriebenen Programm verwenden. Als Programmiersprachen werden C, C++, Java, MS.NET und Python unterstützt. Schreiben Sie als ersten Prototyp in einer Programmiersprache Ihrer Wahl ein Programm, das ein LP aus einem MPS-File einliest, das LP löst und die Lösung ausgibt. Wenden Sie das Programm auf Beispiele an, z. B. auf die MPS-Files von Blatt 3. Abgabe bis Mittwoch, Webseite: hgs.iwr.uni-heidelberg.de/expdesign/teaching/ss11/linopt/
11 Universität Heidelberg Interdisziplinäres Zentrum für Wissenschaftliches Rechnen Graduiertenschule HGS MathComp Dr. Stefan Körkel Magdalena Gottfried Übungen zur Linearen Optimierung Sommersemester 2011 Übungsblatt 6 1. Seitenflächen der Cheopspyramide Beschreiben Sie die Cheopspyramide als Polyeder P (A, b). Wir nehmen an, dass es sich um eine perfekte Pyramide handelt. Nehmen Sie die Koordinaten der Ecken z. B. aus Google Earth. Wählen Sie ein geeignetes Koordinatensystem mit Meter als Einheit. Beschreiben Sie alle Seitenflächen der Pyramide. Welche Seitenflächen sind Facetten? Stellen Sie die Pyramide als conv(v ) + cone(e) dar. 2. Dimension von Seitenflächen Sei P ein Polyeder mit dim(p ) = d und F eine Seitenfläche von P der Dimension k mit 0 k < d. Zeigen Sie: Dann gibt es Seitenflächen F k+1, F k+2,..., F d 1 von P mit (a) F F k+1 F k+2... F d 1 P, (b) dim(f k+i ) = k + i für i = 0,..., d k Minimale Seitenflächen (a) Sei P ein Polyeder und F eine nichtleere Seitenfläche von P. Zeigen Sie, daß F genau dann eine minimale Seitenfläche bzgl. Mengeninklusion ( ) ist, wenn F ein affiner Raum ist. (b) Sei Q eine Teilmenge eines Polyeders P = P (A, b). Zeigen Sie, daß fa(eq(q)) die bzgl. Mengeninklusion ( ) kleinste Seitenfläche ist, die Q enthält. 4. Schwerpunkt Sei V R n eine endliche Menge und P = conv(v ) die konvexe Hülle von V. Zeigen Sie, daß der Schwerpunkt 1 v V ein innerer Punkt von P ist. v V Abgabe bis Mittwoch, Webseite: hgs.iwr.uni-heidelberg.de/expdesign/teaching/ss11/linopt/
12
13 Universität Heidelberg Interdisziplinäres Zentrum für Wissenschaftliches Rechnen Graduiertenschule HGS MathComp Dr. Stefan Körkel Magdalena Gottfried Übungen zur Linearen Optimierung Sommersemester 2011 Übungsblatt 7 1. Affine Hülle von Seitenflächen Zeigen Sie: Ist F eine nichtleere Seitenfläche von P (A, b), dann ist 2. Unbeschränktheit und Extremalen aff(f ) = {x : A eq(f ) x = b eq(f ) }. Zeigen Sie: Sei P = P (A, b) ein nichtleeres, spitzes Polyeder. Dann ist max{c T x, x P } genau dann unbeschränkt, wenn es eine Extremale e von P gibt mit c T e > Praktische Aufgabe: Optimale Ecke eines Polyeders Gegeben sei ein Polyeder P = P (A, b) und ein Vektor c. Schreiben Sie ein Programm, das alle zulässigen Ecken des Polyeders bestimmt und daraus die mit dem größten Zielfunktionswert c T x heraussucht. Benutzen Sie eine Programmiersprache Ihrer Wahl bzw. Matlab/Octave. Rufen Sie zur Lösung von linearen Gleichungssystemen bzw. zur Rangbestimmung eine Bibliotheksfunktion auf, z. B. dgesv von Lapack. Wenden Sie Ihr Programm auf Beispiele an, z. B. die LPs von Blatt 1. Abgabe bis Mittwoch, Webseite: hgs.iwr.uni-heidelberg.de/expdesign/teaching/ss11/linopt/
14
15 Universität Heidelberg Interdisziplinäres Zentrum für Wissenschaftliches Rechnen Graduiertenschule HGS MathComp Dr. Stefan Körkel Magdalena Gottfried Übungen zur Linearen Optimierung Sommersemester 2011 Übungsblatt 8 1. Homogenisierung Sei S K n eine beliebige Menge. Die Menge hog(s) := {( ) } x K n+1 : x S 1 heißt Homogenisierung von S. (S ist der polare Kegel von S, siehe Aufgabe 4.3.) Zeigen Sie: Sei P = P (A, b) = conv(v ) + cone(e) ein nichtleeres Polyeder und dann gilt: hog(p ) = P (B, 0) = cone B := ( ) A b, 0 1 ({( ) }) ({( ) }) v e : v V + cone : e E Restriktionsorientierter Simplex-Algorithmus: Beispiel Lösen Sie das folgende LP mit der restriktionsorientierten Variante des Simplex-Algorithmus mit der Startecke (0, 0). max x 1 + x 2 x 1 4 x 1 + 2x x 1 + 2x 2 14 x 1 0 x 2 0 Veranschaulichen Sie die Rechnungen anhand einer Zeichnung. 3. Phase-I-Problem Formulieren und lösen Sie das Phase-I-Problem zur Bestimmung einer zulässigen Startecke für das LP in Aufgabe 2. Wenn Sie wollen, können Sie die Lösung mit dem Computer berechnen.
16 4. Praktische Aufgabe: Restriktionsorientierter Simplex-Algorithmus Implementieren Sie den restriktionsorientierten Simplex-Algorithmus (Algorithmus 5.1) zur Lösung von Linearen Programmen max c T x s.t. Ax b (A R m n, b R m, c R n ) für eine gegebene Startecke x 0 R n, zugehörigem Teilsystem A 0 x 0 = b 0 und regulärer Matrix A 0. Testen Sie Ihr Programm. Abgabe bis Mittwoch, Webseite: hgs.iwr.uni-heidelberg.de/expdesign/teaching/ss11/linopt/
17 Universität Heidelberg Interdisziplinäres Zentrum für Wissenschaftliches Rechnen Graduiertenschule HGS MathComp Dr. Stefan Körkel Magdalena Gottfried Übungen zur Linearen Optimierung Sommersemester 2011 Übungsblatt 9 1. Simplex-Algorithmus von Nelder und Mead Neben dem in der Vorlesung behandelten Simplex-Algorithmus der Linearen Optimierung von Dantzig (1947) gibt es auch ein Simplex-Verfahren von Nelder und Mead (1965). Die beiden Verfahren sollten nicht verwechselt werden. Für welche Optimierungsprobleme ist der Nelder-Mead-Simplex geeignet? Skizzieren Sie kurz seine Funktionsweise. Kann man mit dem Nelder-Mead-Simplex LPs lösen? 2. Anwendung des Simplex-Algorithmus auf ein Beispiel Lösen Sie das folgende LP mit der Standard-Variante des Simplex-Algorithmus, Algorithmus 6.8 aus der Vorlesung. Starten Sie mit der zulässigen Basis (3, 4, 5). 3. Aussagen zu Linearen Programmen max x 1 + x 2 x 1 + 3x 2 + x 3 = 13 3x 1 + x 2 + x 4 = 15 x 1 + x 2 + x 5 = 3 x 1, x 2, x 3, x 4, x 5 0 Wenn nicht anders gesagt, betrachten wir im folgenden ein Lineares Programm in Standardform max c T x : Ax = b, x 0, das die allgemeinen Voraussetzungen von Kapitel 6 der Vorlesung erfüllt. Beweisen oder widerlegen Sie die folgenden Aussagen. (a) Eine Basislösung x B eines LP in Standardform ist optimal genau dann, wenn die zugehörigen reduzierten Kosten c 0 sind. (b) Sei B eine optimale Basis eines LP in Standardform. Wenn man den Wert einer Nichtbasisvariablen erhöht und die Werte der Basisvariablen durch die Gleichung x B = b Āx N festhält, erniedrigt sich der Zielfunktionswert. (c) Wenn x eine unzulässige Basislösung mit zugehörigen reduzierten Kosten c 0 ist, dann ist c T x c T y für alle zulässigen Lösungen y. (d) Wenn der optimale Zielfunktionswert des LP max c T x : Ax = b, x 0 endlich ist, dann ist das LP max c T x : Ax = b, x 0 für alle b beschränkt. (e) Die Anzahl der positiven x j in einer zulässigen Basislösung überschreitet nicht den Rang der Matrix A. (f) Sowohl die Anzahl der Optimallösungen als auch die Anzahl der zulässigen Basislösungen ist endlich.
18 (g) Zu jedem LP mit n nicht vorzeichenbeschränkten Variablen gibt es ein äquivalentes LP mit n + 1 nichtnegativen Variablen. (h) Die beiden LPs max c T x : Ax b und max c T x : Ax b können zulässige Lösungen mit beliebig großen Zielfunktionswerten haben. 4. Programm Simplex-Algorithmus Stellen Sie Ihre Implementierung des Simplex-Algorithmus aus Aufgabe 8.4 fertig. Wenn Sie wollen, können Sie noch eine Phase I hinzufügen. Abgabe bis Mittwoch, Webseite: hgs.iwr.uni-heidelberg.de/expdesign/teaching/ss11/linopt/
19 Universität Heidelberg Interdisziplinäres Zentrum für Wissenschaftliches Rechnen Graduiertenschule HGS MathComp Dr. Stefan Körkel Magdalena Gottfried Übungen zur Linearen Optimierung Sommersemester 2011 Übungsblatt Updateformeln für das Simplex-Tableau Sei max c T x, Ax = b, x 0 ein LP in Standardform und B = (p 1,..., p m ) eine zulässige Basis. Sei ( c T T B := B A 1 B b ct c T B A 1 B A ) A 1 B b A 1 B A das Simplextableau zur Basis B. Sei q s N, so daß B = (p 1,..., p r 1, q s, p r+1,..., p m ) wieder eine zulässige Basis ist. Zeigen Sie: T B = ET B mit 1 η η r 1 E = η r, η r η m 1 η i = T B is ā rs, i j, η r = 1 ā rs. 2. Kreiseln Gegeben sei das LP max 4 5 x 1 18x 2 x 3 x x 1 84x 2 12x 3 + 8x 4 + x 5 = x 1 5x x x 4 + x 6 = 0 x 1 + x 7 = 1 x 1, x 2, x 3, x 4, x 5, x 6, x 7 0 Führen Sie den Simplex-Algorithmus mit der Anfangsbasis B = (5, 6, 7) mit zugehöriger zulässiger Basislösung x B = (0, 0, 1), Steilster-Anstieg-Spaltenauswahlregel und der Pivotzeilenwahl q s = 5, 6, 1, 2, 3, 4 durch. Was beobachten sie?
20 3. Klee-Minty Wir betrachten das Klee-Minty-Beispiel max n 2 n i x i i=1 i 1 2 i j+1 x j + x i 5 i, i = 1,..., n j=1 x 0 Zeigen Sie: das Polytop der zulässigen Punkte hat 2 n Ecken. Formulieren Sie das Problem als LP in Standardform. Lösen Sie es für n = 3 mit dem Simplex-Algorithmus jeweils mit Steilster-Anstieg-Spaltenauswahlregel und mit Größter-Fortschritt-Spaltenauswahlregel, jeweils mit dem Nullpunkt als zulässigem Startpunkt und den Schlupfvariablen als Basisvariablen. Schreiben Sie die Rechnungen jeweils in verkürzter Tableau-Form. 4. KKT-Bedingungen für Lineare Optimierung In der nichtlinearen Optimierung kann man die Karush-Kuhn-Tucker (KKT)-Bedingungen als notwendige Bedingungen für Optimalität formulieren: Sei max f(x), g(x) = 0, h(x) 0 ein nichtlineares Optimierungsproblem, f, g, h stetig differenzierbar und L(x, λ, µ) := f(x) + λ T g(x) + µ T h(x) die Lagrangefunktion des Problems. Sei x ein lokales Minimum und h i (x ) = 0 für i I. ( g(x ), h I (x )) habe Vollrang. Dann gilt: es gibt λ und µ 0, so daß Stationarität und Komplementarität gelten. (x,λ,µi )L(x, λ, µ) = 0 µ T h(x ) = 0 Formulieren Sie die KKT-Bedingungen für das LP max c T x, Ax = b, x 0 und setzen Sie das Ergebnis mit entsprechenden Resultaten aus der Vorlesung in Beziehung. Abgabe bis Mittwoch, Webseite: hgs.iwr.uni-heidelberg.de/expdesign/teaching/ss11/linopt/
21 Universität Heidelberg Interdisziplinäres Zentrum für Wissenschaftliches Rechnen Graduiertenschule HGS MathComp Dr. Stefan Körkel Magdalena Gottfried Übungen zur Linearen Optimierung Sommersemester 2011 Übungsblatt Aussagen zum Simplex-Algorithmus Wir betrachten ein lineares Programm in Standardform max c T x, Ax = b, x 0 mit A R m n, b R m, c R n. Sei m < n, ranga = m und P = (A, b) {}. Beweisen oder widerlegen Sie die folgenden Aussagen: (a) Eine Nichbasisvariable, die in einer Iteration des Simplex-Algorithmus in die Basis aufgenommen wird, kann die Basis nicht im nächsten Schritt wieder verlassen. (b) Eine Basisvariable, die gerade die Basis verlassen hat, kann im nächsten Schritt des Simplex-Algorithmus nicht wieder in die Basis aufgenommen werden. (c) Falls x 1 eine eindeutige optimale Basislösung und x 2 eine zweitbeste Basislösung mit kleinerem Zielfunktionswert ist, dann kann x 1 aus x 2 durch den Austausch einer Basisvariablen mit einer Nichtbasisvariablen erhalten werden. (d) Falls A = A T, dann ist jede zulässige Lösung des LP optimal. max c T x, Ax = c (e) Falls keine Basislösung degeneriert und das LP von oben beschränkt ist, dann ist die Optimallösung eindeutig. (f) Falls eine unbeschränkte Variable x j durch x + j x j, x+ j, x j 0 ersetzt wird, ist in jeder Iteration des Simplex-Algorithmus höchstens eine der Variablen x + j und x j ungleich Rang-1-Matrizen Zeigen Sie: Alle n n-matrizen A vom Rang 1 lassen sich in der Form A = uv T Spaltenvektoren u, v R n \ {0} schreiben. Beweisen Sie die Sherman-Morrison-Woodbury-Formel: Sei A R n n regulär. Falls gilt v T A 1 u 1, ist A + uv T regulär, und es gilt: (A + uv T ) 1 = A 1 A 1 uv T A v T A 1 u. mit
22 3. Hinzufügen einer Ungleichung Gegeben sei ein LP in Standardform max c T x, Ax = b, x 0 mit A R m n, b R m, c R n. Das LP habe ein Optimum mit dem Tableau ( c T B A 1 B b ct c T B A 1 B A ). A 1 B b A 1 B A Bei gegebenem a R n, β R betrachten wir das modifizierte Problem max c T x, Ax = b, a T x β, x 0. Wie kann man das modifizierte Problem unter Benutzung des optimalen Tableaus für das ursprüngliche Problem lösen? 4. Praktische Aufgabe: Re-Optimierung Schreiben Sie ein Gurobi-Programm, das ein LP einliest und die Optimallösung berechnet. Modifizieren Sie anschließend das LP durch Änderungen jeweils an Zielfunktion, rechter Seite und Koeffizientenmatrix. Optimieren Sie das LP danach erneut. Lassen Sie sich Informationen über die Schritte des Simplex-Algorithmus ausgeben. Welche Variante des Simplex-Algorithmus wird jeweils verwendet? Testen Sie Ihr Programm mit Beispielen. Abgabe bis Mittwoch, Webseite: hgs.iwr.uni-heidelberg.de/expdesign/teaching/ss11/linopt/
23 Universität Heidelberg Interdisziplinäres Zentrum für Wissenschaftliches Rechnen Graduiertenschule HGS MathComp Dr. Stefan Körkel Magdalena Gottfried Übungen zur Linearen Optimierung Sommersemester 2011 Übungsblatt Homogenes LP Zeigen Sie: Das lineare Programm max c T x, Ax = 0, x 0 ist entweder unbeschränkt oder hat das Maximum Halbachsen eines Ellipsoids Sei A R n n symmetrisch und positiv definit, a R n und E := {x R n : (x a) T A 1 (x a) 1} ein Ellipsoid. Zeigen Sie: Die Quadratwurzeln der Eigenwerte von A sind die Halbachsen des Ellipsoids. Tipp: Hauptachsentransformation. 3. Beispiel zur Ellipsoid-Methode Sei s N, A := 0 1 und b := 1. 2 s 1 1 Sei P := {x R 2 : Ax b}. Bestimmen Sie mit der Ellipsoid-Methode einen zulässigen Punkt von P für s = 0 und s = Löwner-John-Ellipsoid Bestimmen Sie ein zweidimensionales Ellipsoid mit minimalem Volumen, das die positive Halbkreisscheibe {x R 2 : x x 2 2 1, x 2 0} enthält. Abgabe bis Mittwoch, Webseite: hgs.iwr.uni-heidelberg.de/expdesign/teaching/ss11/linopt/
24
25 Universität Heidelberg Interdisziplinäres Zentrum für Wissenschaftliches Rechnen Graduiertenschule HGS MathComp Dr. Stefan Körkel Magdalena Gottfried Übungen zur Linearen Optimierung Sommersemester 2011 Übungsblatt 13 Wiederholungsaufgaben zur Klausurvorbereitung 1. Modellierung eines linearen Optimierungsproblems Eine Großstadt hat für ein Bauprojekt in den folgenden fünf Jahren Bedarf an Finanzierungsmitteln, und zwar 10 Mio. e in 1. Jahr 8 Mio. e in 2. Jahr 6 Mio. e in 3. Jahr 4 Mio. e in 4. Jahr 2 Mio. e in 5. Jahr. Man will sich diese Mittel über langfristige Anleihen beschaffen. Am Beginn jedes Jahres können solche Anleihen aufgenommen werden. Alle Anleihen müssen nach genau sechs Jahren (von jetzt gerechnet) zurückgezahlt werden. Die Verzinsung ist in der Rückzahlungssumme enthalten. Der Rückzahlungskurs beträgt für Anleihen aus dem 1. Jahr 150%, aus dem 2. Jahr 147%, aus dem 3. Jahr 131%, aus dem 4. Jahr 125% und aus dem 5. Jahr 119%. Man steht nun vor der Frage, ob man nicht vielleicht Anleihen auf Vorrat aufnehmen soll, also wie die Volumina der fünf Anleihen aussehen sollen. Wichtig ist es noch zu wissen, daß man noch nicht benötigte Mittel zu jeweils 7% Verzinsung jährlich (von Jahr zu Jahr) anlegen kann. Formulieren Sie ein lineares Optimierungsproblem zur Bestimmung der besten Volumina. 2. Transformation von linearen Programmen Transformieren Sie das folgende LP nach Standardform max c T x : Ax = b, x 0, ohne die Lösungsmenge zu verändern. 3. Duales lineares Programm min x 1 + x 2 + x 3 x 1 x 2 + 2x 3 3 x 1 + x 2 x 3 = 3 2x 1 + 4x 2 + 3x 3 7 x x 2 0 Wie lautet das zum LP aus der vorherigen Aufgabe duale lineare Programm? Berechnen Sie das zum dualen Problem duale Programm und zeigen Sie, dass es mit dem ursprünglichen Problem übereinstimmt.
26 4. Dualitätstheorie Wie lauten die Aussagen der Dualitätssätze und der Sätze vom komplementären Schlupf? 5. Farkas-Lemma Wie lauten nach dem Farkas-Lemma die Alternativen zu folgenden Aussagen: (a) x : Ax = b, x 0, (b) P (A, b) {}, (c) { x R n : i I (Ai x = b i, x 0) } {}? 6. Extremalen von Polyedern Durch welche äquivalenten Eigenschaften kann man Extremalen von Polyedern P (A, b) charakterisieren? 7. Geometrische Eigenschaften von Polyedern Gegeben sei das Polyeder P = {x K n : x 1 x 2 2, x 1 + x 2 2, x 1 0}. Geben Sie alle Seitenflächen, Facetten, Kanten, Ecken, und Extremalen von P an. Wie lautet der Rezessionskegel rec(p ) von P? Schreiben Sie P als P = conv(v ) + cone(e) mit geeigneten Mengen V und E. 8. Simplex-Algorithmus (a) Welche generellen Schritte werden in einer Iteration des Simplex-Algorithmus (in einer beliebigen Variante) durchgeführt? (b) Was sind Phase I und Phase II? (c) Was ist der Unterschied zwischen primalem und dualem Simplex-Algorithmus? (d) Welche Entscheidungen kann man ggf. in den Iterationen treffen? (e) Was wissen Sie über endliche Terminierung und das Laufzeitverhalten des Simplex- Algorithmus? 9. Rechenbeispiel zum Simplex-Algorithmus Lösen Sie das folgende lineare Programm mit dem primalen Simplex-Algorithmus. Bestimmen Sie eine geeignete Startbasis (ohne Rechnung). Stellen Sie die Iterationen des Simplex-Algorithmus in Tableauform dar. max x 1 + x 2 x 1 + 3x 2 + x 3 = 13 3x 1 + x 2 + x 4 = 15 x 1 + x 2 + x 5 = 3 x 0 Wenn die Variablen x 3, x 4, x 5 als Schlupfvariablen von Ungleichungsbedingungen aufgefasst werden, kann man das Polyeder der zulässigen Punkte zweidimensional zeichnen. Vergleichen Sie die Basislösungen in den Schritten des Simplex-Algorithmus mit den Ecken des Polyeders.
27 10. Duales Simplexverfahren Gegeben sei das lineare Programm max 5x 1 3x 2 3x 3 6x 4 6x 1 + x 2 + 2x 3 + 4x 4 + x 5 = 14 3x 1 2x 2 x 3 5x 4 + x 6 = 25 2x 1 + x 2 + x 4 + x 7 = 14 x 0 Lösen Sie das Problem mit dem dualen Simplexverfahren mit der Startbasis B = (5, 6, 7). Schreiben Sie die Schritte in Tableauform auf. 11. Re-Optimierung Sei ein LP in Standardform mit dem Simplex-Algorithmus gelöst worden. Nun werde das Problem modifiziert. Was muß man tun, wenn man ohne erneute Phase I das Maximum des modifizierten LPs berechnen will, wenn man (a) den Vektor der Zielfunktionskoeffizienten geändert hat, (b) die rechte Seite geändert hat, (c) eine Gleichungsbedingung hinzugefügt hat, (d) eine Spalte der Matrix und eine Variable x n+1 mit c n+1 = 0 hinzugefügt hat? 12. Polytop und Ecken Veranschaulichen Sie den folgenden Satz graphisch: Sei P ein Polytop, dann ist jedes Element von P Konvexkombination von höchstens dim(p ) + 1 Ecken von P. 13. Ellipsoid-Methode Gegeben sei ein Polytop P. Skizzieren Sie die Schritte der Ellipsoid-Methode, um einen Punkt in P zu bestimmen oder festzustellen, ob P = {} ist. Wie kann man die Ellipsoid-Methode einsetzen, um in polynomialer Laufzeit ein LP zu lösen? 14. Innere-Punkte-Methoden Beschreiben Sie die grundsätzlichen Ideen für Innere-Punkte-Verfahren. Abgabe: keine Webseite: hgs.iwr.uni-heidelberg.de/expdesign/teaching/ss11/linopt/
28
Optimierung 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
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,
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
MehrOptimierung für Wirtschaftsinformatiker: Analytische Optimierung mit Ungleichungsnebenbedingungen
Optimierung für Wirtschaftsinformatiker: Analytische Optimierung mit Ungleichungsnebenbedingungen Dr. Nico Düvelmeyer Freitag, 8. Juli 2011 1: 1 [1,1] Inhaltsübersicht für heute 1 NLP Aufgabe KKT 2 Nachtrag
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
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
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
MehrMathematik 1 für Wirtschaftsinformatik
Mathematik 1 für Wirtschaftsinformatik Wintersemester 2012/13 Hochschule Augsburg : Gliederung 7 Folgen und Reihen 8 Finanzmathematik 9 Reelle Funktionen 10 Differenzieren 1 11 Differenzieren 2 12 Integration
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
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
MehrOptimalitätskriterien
Kapitel 4 Optimalitätskriterien Als Optimalitätskriterien bezeichnet man notwendige oder hinreichende Bedingungen dafür, dass ein x 0 Ω R n Lösung eines Optimierungsproblems ist. Diese Kriterien besitzen
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
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
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
MehrFachschaft Mathematik und Informatik (FIM) LA I VORKURS. Herbstsemester 2015. gehalten von Harald Baum
Fachschaft Mathematik und Informatik (FIM) LA I VORKURS Herbstsemester 2015 gehalten von Harald Baum 2. September 2015 Inhaltsverzeichnis 1. Stichpunkte zur Linearen Algebra I 2. Körper 3. Vektorräume
MehrLineare Gleichungssysteme
Brückenkurs Mathematik TU Dresden 2015 Lineare Gleichungssysteme Schwerpunkte: Modellbildung geometrische Interpretation Lösungsmethoden Prof. Dr. F. Schuricht TU Dresden, Fachbereich Mathematik auf der
MehrLineargleichungssysteme: Additions-/ Subtraktionsverfahren
Lineargleichungssysteme: Additions-/ Subtraktionsverfahren W. Kippels 22. Februar 2014 Inhaltsverzeichnis 1 Einleitung 2 2 Lineargleichungssysteme zweiten Grades 2 3 Lineargleichungssysteme höheren als
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
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
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
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
MehrOptimierungsprobleme mit Nebenbedingungen - Einführung in die Theorie, Numerische Methoden und Anwendungen
Optimierungsprobleme mit Nebenbedingungen - Einführung in die Theorie, Numerische Methoden und Anwendungen Dr. Abebe Geletu Ilmenau University of Technology Department of Simulation and Optimal Processes
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
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
MehrMatrizennorm. Definition 1. Sei A M r,s (R). Dann heißt A := sup die Matrixnorm. Wir wissen zunächst nicht, ob A eine reelle Zahl ist.
Matrizennorm Es seien r,s N Mit M r,s (R bezeichnen wir die Menge der reellen r s- Matrizen (also der linearen Abbildungen R s R r, und setze M s (R := M s,s (R (also die Menge der linearen Abbildungen
Mehr4. Dynamische Optimierung
4. Dynamische Optimierung Allgemeine Form dynamischer Optimierungsprobleme 4. Dynamische Optimierung Die dynamische Optimierung (DO) betrachtet Entscheidungsprobleme als eine Folge voneinander abhängiger
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
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
MehrGrundlagen der Theoretischen Informatik, SoSe 2008
1. Aufgabenblatt zur Vorlesung Grundlagen der Theoretischen Informatik, SoSe 2008 (Dr. Frank Hoffmann) Lösung von Manuel Jain und Benjamin Bortfeldt Aufgabe 2 Zustandsdiagramme (6 Punkte, wird korrigiert)
Mehr9.2. DER SATZ ÜBER IMPLIZITE FUNKTIONEN 83
9.. DER SATZ ÜBER IMPLIZITE FUNKTIONEN 83 Die Grundfrage bei der Anwendung des Satzes über implizite Funktionen betrifft immer die folgende Situation: Wir haben eine Funktion f : V W und eine Stelle x
MehrOptimierung. Optimierung. Vorlesung 7 Lineare Programmierung II. 2013 Thomas Brox, Fabian Kuhn
Optimierung Vorlesung 7 Lineare Programmierung II 1 Lineare Programme Lineares Programm: Lineare Zielfunktion Lineare Nebenbedingungen (Gleichungen oder Ungleichungen) Spezialfall der konvexen Optimierung
MehrLineare Algebra und Lösung linearer zeitinvarianter Differentialgleichungssysteme
Übung Lineare Algebra und Lösung linearer zeitinvarianter Differentialgleichungssysteme Diese Übung beschäftigt sich mit Grundbegriffen der linearen Algebra. Im Speziellen werden lineare Abbildungen, sowie
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.
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
Mehr6.2 Scan-Konvertierung (Scan Conversion)
6.2 Scan-Konvertierung (Scan Conversion) Scan-Konvertierung ist die Rasterung von einfachen Objekten (Geraden, Kreisen, Kurven). Als Ausgabemedium dient meist der Bildschirm, der aus einem Pixelraster
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
MehrPraktische Mathematik: Lineare und Netzwerk-Optimierung (SS 2015) Praktikumsaufgaben
Technische Universität Kaiserslautern Prof Dr Sven O Krumke Dr Sabine Büttner MSc Marco Natale Praktische Mathematik: Lineare und Netzwerk-Optimierung (SS 2015) Praktikumsaufgaben Aufgabe 1 (Konvertieren
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:
Mehr5 Eigenwerte und die Jordansche Normalform
Mathematik für Physiker II, SS Mittwoch 8.6 $Id: jordan.tex,v.6 /6/7 8:5:3 hk Exp hk $ 5 Eigenwerte und die Jordansche Normalform 5.4 Die Jordansche Normalform Wir hatten bereits erwähnt, dass eine n n
Mehr3.3 Eigenwerte und Eigenräume, Diagonalisierung
3.3 Eigenwerte und Eigenräume, Diagonalisierung Definition und Lemma 3.3.1. Sei V ein K-Vektorraum, φ End K (V ), λ K. Wir defnieren den zu λ gehörigen Eigenraum von φ als Dies ist ein Unterraum von V.
MehrOptimierung für Wirtschaftsinformatiker: Analytische Optimierung ohne Nebenbedingungen
Optimierung für Wirtschaftsinformatiker: Analytische Optimierung ohne Nebenbedingungen Dr. Nico Düvelmeyer Freitag, 1. Juli 2011 1: 1 [1,1] Inhaltsübersicht für heute 1 Einführung und Wiederholung Beispiel
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
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
MehrAnwendungen der Wirtschaftsmathematik und deren Einsatz im Schulunterricht
Anwendungen der Wirtschaftsmathematik und deren Einsatz im Schulunterricht Beispiele wirtschaftsmathematischer Modellierung Lehrerfortbildung, Speyer, Juni 2004-1- Beispiele wirtschaftsmathematischer Modellierung
MehrDie Laufzeit muss nun ebenfalls in Monaten gerechnet werden und beträgt 25 12 = 300 Monate. Damit liefert die Sparkassenformel (zweiter Teil):
Lösungen zur Mathematikklausur WS 2004/2005 (Versuch 1) 1.1. Hier ist die Rentenformel für gemischte Verzinsung (nachschüssig) zu verwenden: K n = r(12 + 5, 5i p ) qn 1 q 1 = 100(12 + 5, 5 0, 03)1, 0325
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,
MehrInformationsblatt Induktionsbeweis
Sommer 015 Informationsblatt Induktionsbeweis 31. März 015 Motivation Die vollständige Induktion ist ein wichtiges Beweisverfahren in der Informatik. Sie wird häufig dazu gebraucht, um mathematische Formeln
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 +
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.
MehrSimplex-Umformung für Dummies
Simplex-Umformung für Dummies Enthält die Zielfunktion einen negativen Koeffizienten? NEIN Optimale Lösung bereits gefunden JA Finde die Optimale Lösung mit dem Simplex-Verfahren! Wähle die Spalte mit
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
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)
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
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
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
MehrLineare Algebra und analytische Geometrie II (Unterrichtsfach)
MATHEMATISCHES INSTITUT DER UNIVERSITÄT MÜNCHEN Prof. Dr. D. Rost SS 0 Blatt.06.0 Übungen zur Vorlesung Lineare Algebra und analytische Geometrie II (Unterrichtsfach) Abgabe: Dienstag, 0. Juli 0, bis 4:00
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:
MehrMathematik für Informatiker II. Beispiellösungen zur Probeklausur. Aufgabe 1. Aufgabe 2 (5+5 Punkte) Christoph Eisinger Sommersemester 2011
Mathematik für Informatiker II Christoph Eisinger Sommersemester 211 Beispiellösungen zur Probeklausur Aufgabe 1 Gegeben sind die Polynome f, g, h K[x]. Zu zeigen: Es gibt genau dann Polynome h 1 und h
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 (")
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
MehrWiderrufsbelehrung der Free-Linked GmbH. Stand: Juni 2014
Widerrufsbelehrung der Stand: Juni 2014 www.free-linked.de www.buddy-watcher.de Inhaltsverzeichnis Widerrufsbelehrung Verträge für die Lieferung von Waren... 3 Muster-Widerrufsformular... 5 2 Widerrufsbelehrung
MehrExtrema von Funktionen in zwei Variablen
Wirtschaftswissenschaftliches Zentrum Universität Basel Mathematik für Ökonomen 1 Dr. Thomas Zehrt Extrema von Funktionen in zwei Variablen Literatur: Gauglhofer, M. und Müller, H.: Mathematik für Ökonomen,
MehrInstallationsanleitung Sander und Doll Mobilaufmaß. Stand 22.04.2003
Installationsanleitung Sander und Doll Mobilaufmaß Stand 22.04.2003 Sander und Doll AG Installationsanleitung Sander und Doll Mobilaufmaß Inhalt 1 Voraussetzungen...1 2 ActiveSync...1 2.1 Systemanforderungen...1
MehrDIFFERENTIALGLEICHUNGEN
DIFFERENTIALGLEICHUNGEN GRUNDBEGRIFFE Differentialgleichung Eine Gleichung, in der Ableitungen einer unbekannten Funktion y = y(x) bis zur n-ten Ordnung auftreten, heisst gewöhnliche Differentialgleichung
MehrMedia Teil III. Begriffe, Definitionen, Übungen
Media Teil III. Begriffe, Definitionen, Übungen Kapitel 1 (Intermedia- Vergleich: Affinität) 1 Affinitätsbewertung als Mittel des Intermedia-Vergleichs Um die Streugenauigkeit eines Werbeträgers zu bestimmen,
MehrErstellen von x-y-diagrammen in OpenOffice.calc
Erstellen von x-y-diagrammen in OpenOffice.calc In dieser kleinen Anleitung geht es nur darum, aus einer bestehenden Tabelle ein x-y-diagramm zu erzeugen. D.h. es müssen in der Tabelle mindestens zwei
Mehr8. Quadratische Reste. Reziprozitätsgesetz
O Forster: Prizahlen 8 Quadratische Reste Rezirozitätsgesetz 81 Definition Sei eine natürliche Zahl 2 Eine ganze Zahl a heißt uadratischer Rest odulo (Abkürzung QR, falls die Kongruenz x 2 a od eine Lösung
MehrÜbungen zu Einführung in die Informatik: Programmierung und Software-Entwicklung: Lösungsvorschlag
Ludwig-Maximilians-Universität München WS 2015/16 Institut für Informatik Übungsblatt 13 Prof. Dr. R. Hennicker, A. Klarl Übungen zu Einführung in die Informatik: Programmierung und Software-Entwicklung:
MehrDefinition und Begriffe
Merkblatt: Das Dreieck Definition und Begriffe Das Dreieck ist ein Vieleck. In der Ebene ist es die einfachste Figur, die von geraden Linien begrenzt wird. Ecken: Jedes Dreieck hat drei Ecken, die meist
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
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)
MehrGegeben ist die Funktion f durch. Ihr Schaubild sei K.
Aufgabe I 1 Gegeben ist die Funktion f durch. Ihr Schaubild sei K. a) Geben Sie die maximale Definitionsmenge D f an. Untersuchen Sie K auf gemeinsame Punkte mit der x-achse. Bestimmen Sie die Intervalle,
MehrAlgorithmen II Vorlesung am 15.11.2012
Algorithmen II Vorlesung am 15.11.2012 Kreisbasen, Matroide & Algorithmen INSTITUT FÜR THEORETISCHE INFORMATIK PROF. DR. DOROTHEA WAGNER KIT Universität des Landes Baden-Württemberg und Algorithmen nationales
MehrVorlesung Diskrete Strukturen Graphen: Wieviele Bäume?
Vorlesung Diskrete Strukturen Graphen: Wieviele Bäume? Bernhard Ganter Institut für Algebra TU Dresden D-01062 Dresden bernhard.ganter@tu-dresden.de WS 2013/14 Isomorphie Zwei Graphen (V 1, E 1 ) und (V
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,
MehrKevin Caldwell. 18.April 2012
im Rahmen des Proseminars Numerische Lineare Algebra von Prof.Dr.Sven Beuchler 18.April 2012 Gliederung 1 2 3 Mathematische Beschreibung von naturwissenschaftlich-technischen Problemstellungen führt häufig
MehrStatuten in leichter Sprache
Statuten in leichter Sprache Zweck vom Verein Artikel 1: Zivil-Gesetz-Buch Es gibt einen Verein der selbstbestimmung.ch heisst. Der Verein ist so aufgebaut, wie es im Zivil-Gesetz-Buch steht. Im Zivil-Gesetz-Buch
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
MehrDie Näherung durch die Sekante durch die Punkte A und C ist schlechter, da der Punkt C weiter von A entfernt liegt.
LÖSUNGEN TEIL 1 Arbeitszeit: 50 min Gegeben ist die Funktion f mit der Gleichung. Begründen Sie, warum die Steigung der Sekante durch die Punkte A(0 2) und C(3 11) eine weniger gute Näherung für die Tangentensteigung
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
MehrKonzepte der Informatik
Konzepte der Informatik Vorkurs Informatik zum WS 2011/2012 26.09. - 30.09.2011 17.10. - 21.10.2011 Dr. Werner Struckmann / Christoph Peltz Stark angelehnt an Kapitel 1 aus "Abenteuer Informatik" von Jens
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
MehrLeichte-Sprache-Bilder
Leichte-Sprache-Bilder Reinhild Kassing Information - So geht es 1. Bilder gucken 2. anmelden für Probe-Bilder 3. Bilder bestellen 4. Rechnung bezahlen 5. Bilder runterladen 6. neue Bilder vorschlagen
MehrGrundbegriffe der Informatik
Grundbegriffe der Informatik Einheit 15: Reguläre Ausdrücke und rechtslineare Grammatiken Thomas Worsch Universität Karlsruhe, Fakultät für Informatik Wintersemester 2008/2009 1/25 Was kann man mit endlichen
MehrTECHNISCHE UNIVERSITÄT MÜNCHEN
TECHISCHE UIVERSITÄT MÜCHE Zentrum Mathematik PRF. R.R. JÜRGE RICHTER-GEBERT, VAESSA KRUMMECK, MICHAEL PRÄHFER Höhere Mathematik für Informatiker I (Wintersemester 003/004) Aufgabenblatt 1 (4. ktober 003)
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
MehrErstellen einer Collage. Zuerst ein leeres Dokument erzeugen, auf dem alle anderen Bilder zusammengefügt werden sollen (über [Datei] > [Neu])
3.7 Erstellen einer Collage Zuerst ein leeres Dokument erzeugen, auf dem alle anderen Bilder zusammengefügt werden sollen (über [Datei] > [Neu]) Dann Größe des Dokuments festlegen beispielsweise A4 (weitere
MehrDie Größe von Flächen vergleichen
Vertiefen 1 Die Größe von Flächen vergleichen zu Aufgabe 1 Schulbuch, Seite 182 1 Wer hat am meisten Platz? Ordne die Figuren nach ihrem Flächeninhalt. Begründe deine Reihenfolge. 1 2 3 4 zu Aufgabe 2
MehrARBEITSUNTERLAGEN ZUR VORLESUNG UND ÜBUNG AN DER UNIVERSITÄT DES SAARLANDES LINEARE OPTIMIERUNG
¾ REITSUNTERLGEN ZUR VORLESUNG UND ÜUNG N DER UNIVERSITÄT DES SRLNDES LINERE OPTIMIERUNG IM SS Lineare Optimierung (SS ). ufgabe (Graphische Lineare Optimierung) Nach einem anstrengenden Semester steht
MehrBasis und Dimension. Als nächstes wollen wir die wichtigen Begriffe Erzeugendensystem und Basis eines Vektorraums definieren.
Basis und Dimension Als nächstes wollen wir die wichtigen Begriffe Erzeugendensystem und Basis eines Vektorraums definieren. Definition. Sei V ein K-Vektorraum und (v i ) i I eine Familie von Vektoren
Mehr5. Lineare Funktionen
5. Lineare Funktionen Lernziele: -Eine lineare Funktion grafisch darstellen -Geradengleichung (Funktionsgleichung einer linearen Funktion) -Deutung von k- und d-wert -Grafische Lösung von Gleichungssystemen
MehrAlgorithmische Mathematik
Algorithmische Mathematik Wintersemester 2013 Prof. Dr. Marc Alexander Schweitzer und Dr. Einar Smith Patrick Diehl und Daniel Wissel Übungsblatt 6. Abgabe am 02.12.2013. Aufgabe 1. (Netzwerke und Definitionen)
MehrDie reellen Lösungen der kubischen Gleichung
Die reellen Lösungen der kubischen Gleichung Klaus-R. Löffler Inhaltsverzeichnis 1 Einfach zu behandelnde Sonderfälle 1 2 Die ganzrationale Funktion dritten Grades 2 2.1 Reduktion...........................................
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)
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
MehrProfessionelle Seminare im Bereich MS-Office
Der Name BEREICH.VERSCHIEBEN() ist etwas unglücklich gewählt. Man kann mit der Funktion Bereiche zwar verschieben, man kann Bereiche aber auch verkleinern oder vergrößern. Besser wäre es, die Funktion
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
MehrMathematik 1: (ohne Taschenrechner) Korrekturanleitung
Kanton St.Gallen Bildungsdepartement St.Gallische Kantonsschulen Gymnasium Aufnahmeprüfung 013 Mathematik 1: (ohne Taschenrechner) Korrekturanleitung Löse die Aufgaben auf diesen Blättern. Der Lösungsweg
MehrProzentrechnung. Wir können nun eine Formel für die Berechnung des Prozentwertes aufstellen:
Prozentrechnung Wir beginnen mit einem Beisiel: Nehmen wir mal an, ein Handy kostet 200 und es gibt 5% Rabatt (Preisnachlass), wie groß ist dann der Rabatt in Euro und wie viel kostet dann das Handy? Wenn
MehrWinVetpro im Betriebsmodus Laptop
WinVetpro im Betriebsmodus Laptop Um Unterwegs Daten auf einem mobilen Gerät mit WinVetpro zu erfassen, ohne den Betrieb in der Praxis während dieser Zeit zu unterbrechen und ohne eine ständige Online
Mehr