Optimierung und Lagrange. x = 9 maximiert f
|
|
- Ewald Heidrich
- vor 6 Jahren
- Abrufe
Transkript
1 Optimierung und Lagrange 1.1 Eine Variable, keine Nebenbedingung ma f ( Erinnerung: (a) min f ( ma ( f ( ) (b) maimiert f f ( ) = 0 (c) f ( ) = 0 und f knkav (z.b. f ( ) 0 für alle ) maimiert f Beispiel: f ( = 50 (9 f ( = (9 f ( = f ist knkav; f ( ) = 0 = 9 = 9 maimiert f 1. Eine Variable, eine Nebenbedingung Beispiel 1: 5 5 ma (50 (9 ) 5 Lösung im Beispiel: = 5
2 f 5 9 llgemeine Frmulierung der Optimierungsaufgabe: ma f ( Frage: Gibt es ein ähnliches Rechenverfahren wie bei dem Maimieren hne Nebenbedingungen (s.. (c))? ntwrt: In aller Regel Ja. Idee: Finde Funktin, die bei der Lösung des Optimierungsprblems mit Nebenbedingungen glbal maimiert wir Diese Funktin sllte als Infrmatin die zu maimierende Funktin f und die Nebenbedingungsfunktin g berücksichtigen. Versuchen wir es mit der flgenden Lagrangefunktin: L(, λ) = f ( + λ Gibt es als ein λ, s daß L die ben gefrderte Eigenschaft hat? In unserem Beispiel (und snst fast immer) ist die ntwrt Ja. Betrachten wir nchmals dieses Beispiel. Damit L an der Lösung die bleitung vn L nach an dieser Stelle = 0 sein: = 5 maimal wird, muß (, λ) = f ( ) + λg ( ) = 0 In unserem Beispiel als: f ( 5) + λg (5) = (9 5) λ = 0
3 Wenn wir als λ = λ = 8 wählen, dann wird die Steigung der Lagrangefunktin bezüglich der Variable bei der Lösung = 5 gerade Null sein: (, λ ) = (5,8) = 0 Wenn L(, λ ) = L(,8)) = f ( + 8 = (50 (9 ) + 8(5, eine knkave Funktin ist, dann maimiert = 5 die Lagrangefunktin hne Nebenbedingungen. Diese Bedingung ist hier erfüllt. In unserem Beispiel 1 läßt sich als eine Funktin finden, deren maimierendes gerade mit der Lösung des usgangsprblems übereinstimmt. Wir werden sehen, daß dies i.r. s ist. Betrachten wir dazu eine Variante des Beispiels: Beispiel : f ( = 50 (9 = 10 f 9 10 wraus man als Lösung = 9 erkennt. Beachte: Bei der Lösung gleich Null. In dem nsatz = 9 ist die bleitung der zu maimierenden Funktin f selbst L(, λ) = f ( + λ ist es daher naheliegend λ = 0 zu wählen. 3
4 In beiden Beispielen haben wir Lagrangefunktinen gefunden (genauer jeweils ein gefunden), s daß diese Lagrangefunktin gerade an der Stelle sein Maimum (hne Nebenbedingungen) annimmt, an der die Funktin f unter der Nebenbedingung maimiert wir λ g f 5 9 Wenn wir λ kennen, können wir daher die gesuchte Lösung über die Nullsetzung einer bleitung finden (genauer gesagt i.r.). Das Prblem ist jedch nch: Wir haben ben λ bestimmen können, weil wir die Lösung dies als Ergebnis liefern! kannten. Das Rechenverfahren sll aber gerade Im Grunde haben wir zwei Unbekannte und λ und bisher nur eine Gleichung: (, λ ) = 0 Es gibt jedch nch mehr Infrmatin: Erstens muß λ gelten. Dies ist in beiden Beispielen erfüllt, ist aber auch ganz allgemeingültig, wie man sich graphisch klarmachen kann: ußerdem fällt jede Lösung in eine vn zwei Fallklassen: ist eine innere Lösung: g ( ) > 0 (z.b. in Beispiel ) der ist eine Rand -Lösung: g ( ) = 0 (z.b. in Beispiel 1) 4
5 Wenn es sich um eine innere Lösung handelt haben wir gesehen, daß wir λ = 0 setzen können. Faßt man diese Infrmatinen zusammen, s ergibt sich λ g ( ) = 0 in allen Fällen. Dies ist wieder allgemeingültig und wir haben dadurch nch eine zweite Gleichung. λ gibt mit flgenden Eigenschaften: demnach die Eigenschaft (fast immer), daß es ein passendes (1) (, λ ) = 0 () λ ) = 0 (3) λ (4) ) Diese Eigenschaften heißen Kuhn-Tucker-Bedingungen. In beiden Beispielen würde flgendes Verfahren immer die Lösung der ursprünglichen Maimierungsaufgabe ergeben: 1) ufstellung der Lagrangefunktin ) ufstellung der Kuhn-Tucker-Bedingungen 3) Lösen der Kuhn-Tucker-Bedingungen (, λ ) 4) ist die gesuchte Lösung. Dieses Verfahren läßt sich verallgemeinern: Betrachten wir allgemein das Prblem MX: ma f ( 5
6 und die dazugehörige Lagrangefunktin: L(, λ ) = f ( + λ. Dann gilt ganz allgemein die flgende ussage: Satz 1: Wenn f und g knkave Funktinen sind und (, λ ) die entsprechenden Kuhn- Tucker-Bedingungen löst, dann löst das Prblem MX. Daraus ergibt sich ganz allgemein das flgende Verfahren: 1) Überprüfung, b f und g knkav sind; falls dies der Fall ist, mit ) weiter, falls nicht: wir kmmen hne ein tieferes Verständnis der Optimierungstherie nicht weiter. ) ufstellung der Lagrangefunktin 3) ufstellung der Kuhn-Tucker-Bedingungen 4) Lösen der Kuhn-Tucker-Bedingungen (, λ ) (das geht fast immer, wenn das Prblem MX überhaupt eine Lösung hat) 5) ist die gesuchte Lösung vn MX. Umgekehrt gilt auch fast ganz allgemein (genauer gesagt, wenn eine Variante der sg. Beschränkungsqualifikatin erfüllt ist, was in öknmischen nwendungen immer sicher gestellt wird), daß es zu jeder Lösung vn MX einen Lagrangemultiplikatr λ, s daß (, λ ) die entsprechenden Kuhn-Tucker-Bedingungen erfüllt..1 Mehrere Variablen, eine Nebenbedingung Das bige Verfahren läßt sich hne Prbleme auf mehrere Variablen verallgemeinern. Hier ma f ( 1, ) 1, ) 1, 6
7 Beispiele: 1) Nutzenmaimierung: ma u( 1, ) m p11 p 1, ) Gewinnmaimierung: ma py w f ( y 0, y 3) Paret-Optimalität: ma u ( 1, ) u ( ω1 1, ω ) u 1, Lagrangefunktin: L( 1,, λ) = f ( 1, ) + λ 1, ) Kuhn-Tucker-Bedingungen: B (1) ( 1,, λ ) = 0, i = 1, i B () λ 1, ) = 0 (3) λ ( 1 (4) g, ) 0 Die ussagen zu den Beziehungen zwischen Lösung vn MX und Lösung der Kuhn- Tucker-Bedingungen aus 1. übertragen sich wörtlich auf diesen Kntet, auch wenn wir mehr als zwei Variable zugelassen hätten. Dasselbe gilt für mehr als eine Nebenbedingung. Hinweis auf den Fall der Nebenbedingung = 0. 7
Kuhn-Tucker Bedingung
Kapitel 13 Kuhn-Tucker Bedingung Josef Leydold Mathematik für VW WS 017/18 13 Kuhn-Tucker Bedingung 1 / Optimierung unter Nebenbedingungen Aufgabe: Berechne das Maximum der Funktion f (x, y) g(x, y) c,
Mehr11 Optimierung von Funktionen einer Veränderlichen
11 Optimierung von Funktionen einer Veränderlichen In diesem Kapitel werden die bis hier behandelten Grundlagen der Analysis genutzt, um Methoden aus der Optimierungstheorie für eindimensionale Entscheidungsmengen
MehrSattelpunkt-Interpretation
Sattelpunkt-Interpretation Vinzenz Lang 14. Mai 2010 Die Sattelpunkt-Interpretation befasst sich mit der Interpretation der Lagrange- Dualität. Sie wird im weiteren Verlauf des Seminars nicht noch einmal
MehrFunktionen mehrerer Variabler
Funktionen mehrerer Variabler Fakultät Grundlagen Juli 2015 Fakultät Grundlagen Funktionen mehrerer Variabler Übersicht Funktionsbegriff 1 Funktionsbegriff Beispiele Darstellung Schnitte 2 Partielle Ableitungen
Mehr9. Landeswettbewerb Mathematik Bayern
9 Landeswettbewerb Mathematik aern ufgaben und Lösungsbeispiele Runde 006/00 ufgabe us Streichhölzern wird wie in der bbildung ein (6 3) Rechteckgitter gelegt ür die ganze igur sind 6² 3² Streichhölzer
MehrKuhn-Tucker-Bedingung
Kuhn-Tucker-Bedingung Ist x ein lokales Minimum einer skalaren Funktion f unter den Nebenbedingungen g i (x) 0 und sind die Gradienten der aktiven Gleichungen g i (x ) = 0, i I, linear unabhängig, dann
MehrOptimieren unter Nebenbedingungen
Optimieren unter Nebenbedingungen Hier sucht man die lokalen Extrema einer Funktion f(x 1,, x n ) unter der Nebenbedingung dass g(x 1,, x n ) = 0 gilt Die Funktion f heißt Zielfunktion Beispiel: Gesucht
Mehr6 Extremwerte mit Nebenbedingungen: Die Lagrange-Multiplikatoren-Methode
6 Extremwerte mit Nebenbedingungen: Die Lagrange-Multiplikatoren-Methode In diesem Kapitel orientieren wir uns stark an den Büchern: 1. Knut Sydsæter, Peter Hammond, Mathematik für Wirtschaftswissenschaftler,
MehrRückblick auf die letzte Vorlesung
Rückblick auf die letzte Vorlesung 1. Anwendungen des Satzes über implizite Funktionen 2. Stationäre Punkte implizit definierter Funktionen 3. Reguläre Punkte 4. Singuläre Punkte Ausblick auf die heutige
Mehr4 Der Gauß Algorithmus
4 Der Gauß Algorithmus Rechenverfahren zur Lösung homogener linearer Gleichungssysteme Wir betrachten ein GLS (1) a 11 x 1 + a 1 x + + a 1n x n = a 1 x 1 + a x + + a n x n = a m1 x 1 + a m x + + a mn x
MehrCATIA Richtlinien. Es wird zuerst ein quadratischer Tank (geschlossene Form) konstruiert, dieser wird zu:
CATIA Richtlinien Inhalt: 1. Benennung vn Bauteile 2. Benennung vn Baugruppen 3. Strukturierung vn CATIA-Dateien 4. Uplad auf Agra Um die Benennung und die Struktur in CATIA zu vereinheitlichen bitten
Mehr(x, x + y 2, x y 2 + z 3. = e x sin y. sin y. Nach dem Umkehrsatz besitzt f dann genau auf der Menge
ÜBUNGSBLATT 0 LÖSUNGEN MAT/MAT3 ANALYSIS II FRÜHJAHRSSEMESTER 0 PROF DR CAMILLO DE LELLIS Aufgabe Finden Sie für folgende Funktionen jene Punkte im Bildraum, in welchen sie sich lokal umkehren lassen,
MehrPropädeutik Klausur in Analysis für Wirtschaftswissenschaftler
Universität Mannheim SS 998 Dr. Matthias Blonski Propädeutik Klausur in Analysis für Wirtschaftsissenschaftler Man beachte folgende Hineise:. Die Klausur umfaßt 5 Aufgaben (jeeils auf einem Blatt) zuzüglich
MehrMusterlösung zu Blatt 1
Musterlösung zu Blatt Analysis III für Lehramt Gymnasium Wintersemester 0/4 Überprüfe zunächst die notwendige Bedingung Dfx y z = 0 für die Existenz lokaler Extrema Mit x fx y z = 8x und y fx y z = + z
MehrOptimierung unter Nebenbedingungen
Optimierung unter Nebenbedingungen Kapitel 7: Optimierung unter Nebenbedingungen Informationen zur Vorlesung: http://www.mathematik.uni-trier.de/ wengenroth/ J. Wengenroth () 1. Juli 2009 1 / 18 7.1 Bemerkung
MehrFK WMS: Wirtschaftsmathematik 2, Einheit 7/8
FK WMS: Wirtschaftsmathematik 2, Einheit 7/8 Markus Sinnl 1 markus.sinnl@univie.ac.at http://homepage.univie.ac.at/markus.sinnl basierend auf Folien von Dr. Ivana Ljubic, Mag. Christian Spreitzer und Mag.
MehrBestimmung einer ganzrationalen Funktionenschar
Bestimmung einer ganzrationalen Funktionenschar x Gesucht ist eine Schar f a ganzrationaler Funktionen. Grades, deren Graphen durch A(0 ) und B( ) verlaufen und in A die Steigung a haben. Funktionenschar
Mehredingung erster Ordnung ist eine notwendige aber Die hinreichende edingung für ein Maimum keine die edingung erster Ordnung erfüllt ist, können wir We
sei eine reelle Zahl und f () eine reellwertige Funktion, Dabei die wenigstens zweimal differenzierbar ist Λ ein Maimum dieser Funktion ist, dann muß die Wenn der Funktion an Λ genau gleich 0 sein Warum?
MehrDualitätssätze der linearen Optimierung
Kapitel 9 Dualitätssätze der linearen Optimierung Sei z = c T x min! Ax = b 9.1 x 0 mit c, x R n, b R m, A R m n ein lineares Programm. Definition 9.1 Duales lineares Programm. Das lineare Programm z =
MehrFachhochschule Köln Fakultät für Wirtschafts- und Rechtswissenschaften Prof. Dr. Arrenberg Raum 221, Tel
Fachhochschule Köln Fakultät für Wirtschafts- und Rechtswissenschaften Prof. Dr. Arrenberg Raum 221, Tel. 3914 jutta.arrenberg@fh-koeln.de Übungen zur Vorlesung Wirtschaftsmathematik Etremwerte und Kurvendiskussion
MehrAlgorithmen und Datenstrukturen
Algrithmen und Datenstrukturen Prf. Dr. Ralf Möller Universität zu Lübeck Institut für Infrmatinssysteme Tanya Braun (Übungen) swie viele Tutren Suchgraphen für 2-Persnen-Nullsummenspiele Typen vn Spielen
Mehrwenn f ( x 0 ) der größte Funktionswert für alle x aus einer Umgebung Dieser größte Funktionswert f ( x 0 ) heißt relatives (lokales) Maximum
R. Brinkmann http://brinkmann-du.de Seite 06.0.008 Etrempunkte ganzrationaler Funktionen Vorbetrachtungen und Begriffserklärungen Beim zeichnen eines Funktionsgraphen war es bislang unbefriedigend, den
MehrExtremwerte von Funktionen mehrerer reeller Variabler
Extremwerte von Funktionen mehrerer reeller Variabler Bei der Bestimmung der Extrema von (differenzierbaren) Funktionen f : R n R ist es sinnvoll, zuerst jene Stellen zu bestimmen, an denen überhaupt ein
MehrHandreichung zur Nutzung der WinIBW mit Citrix
Handreichung zur Nutzung der WinIBW mit Citrix Installatin und Start Um Citrix zu verwenden, muss auf Ihrem Rechner zunächst der Citrix-Receiver installiert sein, den Sie sich unter flgendem Link herunterladen
MehrGanzrationale Funktion
Zur Übung Funktinenklassen Ganzratinale Funktin Expnentialfunktin Integratin Integratinsmethden Riemannsummen MnteCarlMethde Ausschneiden Auszählen Integratinsregeln Summenregel Faktrregel Partielle Integratin
MehrSubstitutionsverfahren vs. Lagrange-Methode
Substitutionsverfahren vs. Lagrange-Methode 1 Motivation Substitutionsverfahren und Lagrange-Methode sind Verfahren, die es ermöglichen, Optimierungen unter Nebenbedingungen durchzuführen. Die folgende
MehrMathematik für Biologen mathematische Ergänzungen und Beispiele Teil I
Mathematik für Biologen mathematische Ergänzungen und Beispiele Teil I 1. Mengen und Abbildungen In der Mathematik beschäftigt man sich immer -direkt oder indirekt- mit Mengen. Wir benötigen den Mengenbegriff
MehrMikroökonomik. Das Haushaltsoptimum. Harald Wiese. Universität Leipzig. Harald Wiese (Universität Leipzig) Das Haushaltsoptimum 1 / 37
Mikroökonomik Das Haushaltsoptimum Harald Wiese Universität Leipzig Harald Wiese (Universität Leipzig) Das Haushaltsoptimum 1 / 37 Gliederung Einführung Haushaltstheorie Das Budget Präferenzen, Indi erenzkurven
MehrLagrange-Multiplikatoren
Lagrange-Multiplikatoren Ist x eine lokale Extremstelle der skalaren Funktion f unter den Nebenbedingungen g i (x) = 0, dann existieren Lagrange-Multiplikatoren λ i, so dass grad f (x ) = λ i grad g i
MehrTHERMO-HYGROMETER LVT-15 Gebrauchsanleitung
Prduktbeschreibung: THERMO-HYGROMETER LVT-15 Gebrauchsanleitung Der kmpakte Thermhygrmeter LVT 15 ist zur Messung der Lufttemperatur und der relativen Luftfeuchtigkeit (RH) verwendet. Aufgrund dieser Messungen
MehrBeteiligung der Familie Schwieriges wirksam zur Sprache bringen
Beteiligung der Familie Schwieriges wirksam zur Sprache bringen Grundsätzlich sind die Eltern bei der Einschätzung und Beurteilung zur Kindeswhlgefährdung mit einzubeziehen. Im Kntakt mit den Eltern können
Mehr5. Vorlesung Wintersemester
5. Vorlesung Wintersemester 1 Bewegung mit Stokes scher Reibung Ein dritter Weg, die Bewegungsgleichung bei Stokes scher Reibung zu lösen, ist die 1.1 Separation der Variablen m v = αv (1) Diese Methode
Mehra Kartons möglichst groß wird? x
15 Etremwertaufgaben Eine weitere wichtige Anwendung der Differentialrechnung ist das Lösen von Etremwert-aufgaben Es handelt sich hierbei um Aufgaben aus den verschiedensten Gebieten (Geometrie, Ökonomie,
MehrMathematische Werkzeuge R. Neubecker, WS 2016 / 2017
Mustererkennung Mathematische Werkzeuge R. Neubecker, WS 2016 / 2017 Optimierung: Lagrange-Funktionen, Karush-Kuhn-Tucker-Bedingungen Optimierungsprobleme Optimierung Suche nach dem Maximum oder Minimum
MehrDie Pressemitteilung. Eine Pressemitteilung sollte immer aus folgenden Bausteinen bestehen: Logo/Briefkopf Absender PRESSEMITTEILUNG.
Die Pressemitteilung Die Pressemitteilung ist die gängigste Frm, Medien über aktuelle Themen und Ereignisse zu infrmieren. Sie sll infrmativ, auf die wesentlichen Fakten beschränkt und deshalb nach Möglichkeit
Mehr= = = = = =
spannende Aufgaben für Schülerinnen und Schüler mit Lernschwierigkeiten im Fach Mathematik Seite 1 Mnika Debeli. dipl. math. ETH MathematikAtelier st. Gallen Einleitung Bei der Arbeit in meinem MathematikAtelier,
MehrDie Kleinpunktberechnung
Krdintenberechnung Die Kleinpunktberechnung Die Kleinpunktberechnung Mit der Kleinpunktberechnung werden Krdinten (z.b. Guß - Krüger Krdinten) vn Punkten uf einer Messungslinie der rthgnl (rechtwinklig)
MehrAufgabe des Monats Juni 2011
1 Aufgabe des Monats Juni 2011 Aufgabenteil a): Lesen Sie die Artikel, auf welche Weise der ehemalige Berliner Finanzsenator ermittelt, wie hoch das Essensbudget für einen Hartz-IV Haushalt ausfallen muss,
MehrLineare Optimierungsaufgaben - eine Einführung
Lineare Optimierungsaufgaben - eine Einführung Aufgabenstellung, Beispiele, graphisches Lösen und Trafo auf Normalform Vortragsskript von Lorenz Fischer Operations Research bedeutet die Suche nach einer
MehrAufgabe: Stelle die Lösungsmenge des folgenden Ungleichungssystems dar:
Lineare Optimierung. Lineare Ungleichungsssteme Unter der Lösung einer linearen Ungleichung in den Variablen und versteht man die reellen Zahlenpaare (, ), welche die Ungleichung erfüllen. Stellt man diese
MehrAufgabenblatt Punkte. Aufgabe 1 (Negation) Seien e R, n, m, k N und. Negieren Sie φ. 4. Lösung Es gilt
ufgabenblatt 3 40 Punkte ufgabe 1 (Negation) Seien e R, n, m, k N und φ e [e > 0 k n, m (((n k) (m k)) 1/n 1/m < e)] Negieren Sie φ. 4 Es gilt ϕ e [e > 0 k n, m (((n k) (m k)) 1/n 1/m < e)] e [e > 0 [
MehrProtokoll der Fachschaftssitzung am Uhr - Raum T3-144
Fachschaft Rechtswissenschaft Universität Bielefeld Pstfach 100131 33501 Bielefeld An die Mitglieder der Fachschaft Rechtswissenschaft Stud. Iur. Aurelia Gußen Raum: T3-122 Tel.: 0521-106-4292 Fax: 0521
Mehr8. Mathematik und Formalismen der klassischen Thermodynamik
8. Mathematik und Frmalismen der klassischen Thermdnamik - Zustandsfunktinen mehrerer Variablen, Partielle Ableitungen, Satz vn Schwarz - Ttale Differentiale - Nützliche Beziehungen zwischen Ableitungen
MehrBerufssprache Deutsch für den Unterricht mit heterogenen Leistungsgruppen und für Jugendliche mit besonderem Sprachförderbedarf
Berufssprache Deutsch für den Unterricht mit hetergenen Leistungsgruppen und für Jugendliche mit besnderem Sprachförderbedarf Grundlegende Infrmatinen zur Unterrichtseinheit: Sprachlicher Schwerpunkt /
Mehr3.2.5 Dualität der linearen Optimierung I
3..5 Dualität der linearen Optimierung I Jedem linearen Programm in Standardform kann ein sogenanntes duales Programm zugeordnet werden. Es entsteht dadurch, daß man von einem Minimierungsproblem zu einem
MehrBetriebspraktikum. von
Betriebspraktikum vn in der Zeit vm 02. Mai bis 17. Mai 2017 bei Ft vn dir im Betrieb als 1 Inhaltsverzeichnis Inhalt Seite Inhaltsverzeichnis 2 Kntakte 3 Mein Weg zum Praktikum 4 Mein Verhalten in der
MehrParameterschätzung. Kapitel 14. Modell Es sei {P θ θ Θ}, Θ R m eine Familie von Verteilungen auf χ (sog. Stichprobenraum),
Kapitel 14 Parameterschätzung Modell Es sei {P θ θ Θ}, Θ R m eine Familie von Verteilungen auf χ (sog. Stichprobenraum), = ( 1,..., n ) sei eine Realisierung der Zufallsstichprobe X = (X 1,..., X n ) zu
MehrÜbung Teil 1: Einkommen, Lorenzkurven und Equity
Vrlesung: Infrmatinsgesellschaft u. Glbalisierung I Dzent: Prf. Dr. Dr. F.-J. Radermacher Übung Teil 1: Einkmmen, Lrenzkurven und Equity Allgemeine Infrmatinen Die Übungen finden in 14-tägigem Rhythmus
Mehr*** 2.2. Variation mit Nebenbedingung (Ergänzung: wird nicht geprüft)
*** 2.2. Variation mit Nebenbedingung (Ergänzung: wird nicht geprüft) In manchen Problemen sind nicht alle möglichen Funktionen als Lösung erlaubt, sondern nur Funktionen, die zusätzliche Bedingungen erfüllen.
MehrLineare Algebra I (WS 12/13)
Lineare Algebra I (WS 12/13) Bernhard Hanke Universität Augsburg 17.10.2012 Bernhard Hanke 1 / 9 Wir beschreiben den folgenden Algorithmus zur Lösung linearer Gleichungssysteme, das sogenannte Gaußsche
MehrProjektionen auf abgeschlossene konvexe Mengen
Projektionen auf abgeschlossene konvexe Mengen Seminarvortrag von Veronika Pick Seminar Optimierung bei Herrn Prof. Dr. F. Jarre Heinrich-Heine-Universität Düsseldorf SS 2006 1 Vorbemerkung Das Seminarthema
Mehr1.1 Direkte Proportionalität
Beziehungen zwischen Größen. Direkte Proportionalität Bei einer direkten Proportionalität wird dem doppelten, dreifachen,...wert der einen Größe x der doppelte, dreifache,... Wert der anderen Größe y zugeordnet.
MehrBeispiellösungen zu Blatt 77
µathematischer κorrespondenz- zirkel Mathematisches Institut Georg-August-Universität Göttingen Aufgabe 1 Beispiellösungen zu Blatt 77 Die Zahl 9 ist sowohl als Summe der drei aufeinanderfolgenden Quadratzahlen,
MehrPumpenkennlinie. Matthias Prielhofer
Matthias Prielhfer 1. Zielsetzung Im Rahmen der Übung sllen auf einem dafür eingerichteten Pumpenprüfstand Parameter gemessen werden um eine erstellen zu können. Weiters sll vn einem Stellglied, in diesem
MehrFeedbackbogen für Kooperationspartner und FSJlerInnen
Feedbackbgen für Kperatinspartner und FSJlerInnen Der vrliegende Feedbackbgen für Kperatinspartner wurde uns freundlicher Weise vm Turnverein Hude vn 1895 e.v. zur Verfügung gestellt. Er kann Ihnen s der
MehrÜbungsaufgaben II zur Klausur 1
Übungsaufgaben II zur Klausur. Ableitungen 0. Führen Sie für g mit f ( +,9 8 eine vollständige Kurvendiskussion (siehe S. 9f durch. Markieren Sie alle von Ihnen bestimmten Punkte in der abschließenden
MehrDas Zusammenspiel der inneren und äußeren Reiterhilfen
Das Zusammenspiel der inneren und äußeren Reiterhilfen Vn Bianca Rieskamp Der Begriff des "Reitens am äußeren Zügel" wird heutzutage häufig missverstanden. Immer wieder wird als Schlagwrt vm "Herantreten
Mehr2 Extrema unter Nebenbedingungen
$Id: lagrange.tex,v 1.6 2012/11/06 14:26:21 hk Exp hk $ 2 Extrema unter Nebenbedingungen 2.1 Restringierte Optimierungsaufgaben Nachdem wir jetzt die bereits bekannten Techniken zur Bestimmung der lokalen
MehrModelle und Methoden der Linearen Optimierung (Die Thesen zur Vorlesung 4)
Modelle und Methoden der Linearen Optimierung (Die Thesen zur Vorlesung 4) das Thema der Vorlesung Die Anwendung der Methoden der Mehrkriterienoptimierung bei der Lösung der ökonomischen Entscheidungsprobleme
MehrTeil III: Wissensrepräsentation und Inferenz. Nachtrag zu Kap.5: Neuronale Netze. w i,neu = w i,alt + x i * (Output soll - Output ist ) Delta-Regel
Einfaches Perzeptrn Delta-Regel Vrlesung Künstliche Intelligenz Wintersemester 2006/07 Teil III: Wissensrepräsentatin und Inferenz Nachtrag zu Kap.5: Neurnale Netze Beim Training werden die Beispiele dem
MehrDas Ausdauertraining. Der Puls mein Drehzahlmesser
Das Ausdauertraining Der Puls mein Drehzahlmesser Nachflgend gehen wir mal davn aus, dass sie entweder im Studi trainieren, w Ihnen auch nicht jedes Mal ein Trainer zur Verfügung steht, sie zu Hause auf
MehrWenn man den Kreis mit Radius 1 um (0, 0) beschreiben möchte, dann ist. (x, y) ; x 2 + y 2 = 1 }
A Analsis, Woche Implizite Funktionen A Implizite Funktionen in D A3 Wenn man den Kreis mit Radius um, beschreiben möchte, dann ist { x, ; x + = } eine Möglichkeit Oft ist es bequemer, so eine Figur oder
MehrKonvexe Optimierungsprobleme
von: Veronika Kühl 1 Konvexe Optimierungsprobleme Betrachtet werden Probleme der Form (P) min x C f(x) wobei f : C R eine auf C konvexe, aber nicht notwendigerweise differenzierbare Funktion ist. Ziel
MehrBei der Adaption ist zwischen Adaption nach Fahrstil und der Getriebe Adaption zu unterscheiden.
Getriebe Adaptin Alle Angaben hne Gewähr und auf eigene Gefahr. Bei der Adaptin ist zwischen Adaptin nach Fahrstil und der Getriebe Adaptin zu unterscheiden. Die Adaptin nach Fahrstil wird nicht dauerhaft
MehrPASCAL. Programme. Daten, Datentypen. Strukturierte Datentypen. Pointers. Dateien: Allgemeine Ein-/ Ausgabe. Funktionen und Prozeduren
PASCAL Lebensdauer und GUltigke itsbereich vn Labels Die Verwendung vn Labels und Spriingen Prgramme Daten, Datentypen Strukturierte Datentypen Pinters Dateien: Allgemeine Ein-/ Ausgabe Funktinen und Przeduren
MehrArbeitsblätter Förderplan EF
Arbeitsblätter Förderplan EF I.1 Nullstellen bestimmen Lösungen I.2 Parabeln: Nullstellen, Scheitelpunkte,Transformationen Lösungen I.3 Graphen und Funktionsterme zuordnen Lösungen II.1 Transformationen
MehrSchäferhund. Dackel Pudel. Waldi. Fido. Rex. Doris Roger Selina. Dackel Pudel Schäferhund. Kind Doris Roger Selina BEISPIEL 1: HUNDE
BEISPIEL 1: HUNDE Wie heissen die Hunde vn Dris, und? Zu welcher Rasse gehören sie? 1. Dris hat keinen. 2. ist ein. 3. s Hund heisst. 4. gehört nicht. Dris Kind Dris Hund Rasse 5 Bildungsverlag Lemberger
Mehr1. Übungsblatt Aufgaben mit Lösungen
. Übungsblatt Aufgaben mit Lösungen Aufgabe : Sei I R ein Intervall. Geben Sie Beispiele für Differentialgleichungen für Funktionen y = y in I mit den folgenden Eigenschaften an: Beispiel separabel, nicht
MehrAlternative Betrachtungsweisen des Optimierungsverhalten des Haushalts: Nutzenmaximierung unter gegebenen Ausgaben/Einkommen
. Theorie des Haushalts.5 Die Dualität der Konsumtheorie.5 Die Dualität der Konsumtheorie lternative etrachtungsweisen des Otimierungsverhalten des Haushalts: Nutzenmaimierung unter gegebenen usgaben/einkommen
MehrA7.2 Kenntnis der Bedeutung der 1. und 2. Ableitung für den Graphen einer Funktion; Untersuchung ganzrationaler Funktionen
A7.2 Kenntnis der Bedeutung der 1. und 2. Ableitung für den Graphen einer Funktion; Untersuchung ganzrationaler Funktionen Die folgenden grundsätzlichen Überlegungen sollen am Beispiel der Funktion f 1
Mehr5 Eigenwerte und die Jordansche Normalform
Mathematik für Ingenieure II, SS 9 Freitag 6 $Id: jordantex,v 7 9/6/ :8:5 hk Exp $ 5 Eigenwerte und die Jordansche Normalform 5 Die Jordansche Normalform Nachdem wir bisher das Vorgehen zur Berechnung
Mehr7.11. Extrema unter Nebenbedingungen
7.11. Extrema unter Nebenbedingungen Randextrema Wir haben schon bemerkt, daß die üblichen Tests mit Hilfe von (eventuell höheren) Ableitungen nur Kriterien für (lokale) Extrema im Inneren des Definitionsgebietes
MehrFactsheet TOMAS -Schnittstelle
Factsheet TOMAS -Schnittstelle TOMAS -Schnittstelle für Prperty Management Systeme / Channelmanager Für die Vereinfachung des Pflegeaufwands vn Leistungsdaten bietet das DMS TOMAS eine ffene Schnittstelle,
MehrDas Datei-Chaos im Griff
Das Datei-Chas im Griff Stand: 13.07.2016 Jahrgangsstufen Lernbereich 1: Mdul 1.8 Fach/Fächer Übergreifende Bildungsund Erziehungsziele Zeitrahmen Benötigtes Material Infrmatinstechnlgie Technische Bildung
MehrBenötigte / Hilfreiche Fremdsoftware. Technische Einstellungen. MoventumOffice. Internet-Browser. Internet Explorer. Adobe Acrobat Reader
MventumOffice Technische Einstellungen Cpyright Mventum S.C.A. Alle Rechte vrbehalten. Kein Teil dieser Publikatin darf hne vrherige schriftliche Genehmigung in irgendeiner Frm reprduziert, übermittelt,
MehrNur für die Lehrkraft
Senatsverwaltung für Bildung, Jugend und Wissenschaft Fach bschlussprüfung an der Fachoberschule im Herbst 5 B Nur für die Lehrkraft Prüfungstag 7. Dezember 5 Prüfungszeit Zugelassene Hilfsmittel llgemeine
MehrAktuell werden weltweit auf 17 Millionen Hektar (= ca. 50% der BRD) in etwa 60 Millionen Tonnen Palmöl bzw. Palmkernöl produziert.
Tdtnau, 08.09.2016 Faktencheck Palmöl Liebe Kunden, in letzter Zeit erreichen uns immer wieder Anfragen bezüglich der Verwendung vn Palmöl in unseren Rezepturen. In der Anlage erhalten Sie die wichtigsten
MehrLineare Funktion. Wolfgang Kippels 21. März 2011
Lineare Funktion Wolfgang Kippels. März 0 Inhaltsverzeichnis Grundlegende Zusammenhänge. Aufbau der Linearen Funktion......................... Nullstellenbestimmung............................. Schnittpunktbestimmung............................
MehrKlausur: Einführung in die Statistik Sommersemester 2014
Klausur: Einführung in die Statistik Smmersemester 2014 1. Für eine statistische Analyse wird eine Reihe vn Merkmalen erfasst- Ntieren Sie jeweils mit N, O, I bzw. R, b es sich um eine Nminal-, Ordinal-,
MehrEin inklusives Theater sein heißt für uns, für alle Menschen offen zu sein - als Mitarbeiter, im Ensemble, als Besucher oder Teilnehmer.
GEMEINSAM BARRIEREFREI Ein inklusives Theater sein heißt für uns, für alle Menschen ffen zu sein - als Mitarbeiter, im Ensemble, als Besucher der Teilnehmer. DAS KÖLNER KÜNSTLER THEATER: Wir haben die
MehrSolid Edge LIZENZ(en) ausborgen License Borrowing
Slid Edge LIZENZ(en) ausbrgen License Brrwing Das Lizenzen Ausbrgen kann im Slid Edge Umfeld auf 2 Arten erflgen: VARIANTE A Traveller-Lizenz über die Siemens Hmepage generieren Vraussetzungen: Slid Edge
MehrSatz über implizite Funktionen und seine Anwendungen
Satz über implizite Funktionen und seine Anwendungen Gegeben sei eine stetig differenzierbare Funktion f : R 2 R, die von zwei Variablen und abhängt. Wir betrachten im Folgenden die Gleichung f(,) = 0.
Mehr16. FUNKTIONEN VON MEHREREN VARIABLEN
16. FUNKTIONEN VON MEHREREN VARIABLEN 1 Reelle Funktionen auf dem R 2 Wir betrachten Funktionen f(x 1, x 2 ) von zwei reellen Variablen x 1, x 2, z.b. f(x 1, x 2 ) = x 2 1 + x2 2, g(x 1, x 2 ) = x 2 1
Mehr1. Klicken Sie auf das Menü Datei zeigen Sie auf neu, und klicken Sie dann auf Termin.
Planen eines Termins Gilt für: Outlk 2007 Termine sind in Ihrem Kalender geplante Aktivitäten, zu denen keine anderen Persnen eingeladen der Ressurcen reserviert werden. Sie können wiederhlte Termine planen,
MehrKLIPS-Befragung Studierende. Angaben zur Person
KLIPS-Befragung Studierende Als Student/in an der Universität Köln sind Sie mit KLIPS, dem Kölner Lehr-, Infrmatins- und Prüfungs-Service, wahrscheinlich vertraut. Sie kennen die Vrteile, müssen allerdings
MehrAnwendungen der Mathematik
Kantnsschule Zug l Gymnasium Anwendungen der Mathematik Ergänzungsfach Anwendungen der Mathematik Lehrplan für das Ergänzungsfach A. Stundendtatin Klasse 1. 2. 3. 4. 5. 6. Wchenstunden 0 0 0 0 0 5 B. Didaktische
Mehr7.2 Übergänge. 6 7 Modellieren
6 7 Modellieren 7. Übergänge Während es bei der nalse von Funktionen darum geht, Eigenschaften einer gegebenen Funktion zu bestimmen, liegt in vielen nwendungssituationen eine umgekehrte ufgabenstellung
MehrUmgang mit Formeln Selbstlernmaterial
Umgang mit Formeln Selbstlernmaterial mit Schulbuch Dorn-Bader 2 (ISBN 978-3-507-86265-4) Wiederholung der Grundlagen S. 6 7 (Proportionalität) S. 28 29 (Rechnen mit Formeln) S. 108 109 (Formeln & Diagramme)
MehrTangram. B e i s p i e l LehrerInneninfo 1. Informationstechnologie 1.2. Marlis Schedler und Gabi Plaschke
LehrerInneninf 1. Infrmatinstechnlgie 1.2 Erstellt vn Fachbezug Schulstufe Handlungsdimensin Relevante(r) Deskriptr(en) Zeitbedarf Marlis Schedler und Gabi Plaschke Infrmatik, Gegrafie und Wirtschaftskunde
MehrTeil I. Lineare Optimierung
Teil I Lineare Optimierung 5 Kapitel 1 Grundlagen Definition 1.1 Lineares Optimierungsproblem, lineares Programm. Eine Aufgabenstellung wird lineares Optimierungsproblem oder lineares Programm genannt,
MehrPolynome. Michael Spielmann. 1 ganzrationale Funktionen, Polynome 1. 2 Kurvenverlauf 1. 3 Symmetrie 2. 4 Nullstellen und Linearfaktoren 3
Polnome Michael Spielmann Inhaltsverzeichnis ganzrationale Funktionen, Polnome Kurvenverlauf Smmetrie Nullstellen und Linearfaktoren 5 Polnomdivision 6 Kurvenverlauf an Nullstellen 5 7 Nullstellen und
Mehr1. Was sind die Eckpunkte des Übernahmeangebots?
FAQ HÄUFIG GESTELLTE FRAGEN ZUM ÜBERNAHMEANGBEOT DURCH DIE STUDHALTER INVESTMENT AG UND DIE HIGHLIGHT COMMUNICATIONS AG 1. Was sind die Eckpunkte des Übernahmeangebts? Die Studhalter Investment AG und
MehrLineare Funktion. Wolfgang Kippels 3. November Inhaltsverzeichnis
Lineare Funktion Wolfgang Kippels. November 0 Inhaltsverzeichnis Grundlegende Zusammenhänge. Aufbau der Linearen Funktion......................... Nullstellenbestimmung............................. Schnittpunktbestimmung............................
MehrLineare Gleichungssysteme mit zwei Variablen
Lineare Gleichungssysteme mit zwei Variablen Anna Heynkes 4.11.2005, Aachen Enthält eine Gleichung mehr als eine Variable, dann gibt es unendlich viele mögliche Lösungen und jede Lösung besteht aus so
MehrTactonWorks EPDM Integration. Lino EPDM pro. Whitepaper. unter Nutzung des TactonWorks Add-in EPDM von Tacton Systems AB
Lin EPDM pr Whitepaper unter Nutzung des TactnWrks Add-in EPDM vn Tactn Systems AB Ausgabedatum: 04.09.2013 - Dkumentversin: 1.1 Autr: Clemens Ambrsius / Rüdiger Dehn Cpyright Lin GmbH 2013 Alle Rechte
MehrVORLESUNG 14 Lineare Optimierung, Dualität (Viele Folien nach Ulf Lorenz, jetzt TU Darmstadt)
VORLESUNG 14 Lineare Optimierung, Dualität (Viele Folien nach Ulf Lorenz, jetzt TU Darmstadt) 96 H. Meyerhenke: Kombinatorische Optimierung Dualität bei linearen Programmen Def.: Es sei (L): c T x max
MehrKennwerte eindimensionaler Häufigkeitsverteilungen
Kennwerte eindimensinaler Häufigkeitsverteilungen - Einführung - Statistische Kennwerte vn Verteilungen sind numerische Maße mit der Funktin, zusammenfassend einen Eindruck vn 1) dem Schwerpunkt, 2) der
MehrVorlesung 3: Versicherungsnachfrage
Vorlesung 3: Versicherungsnachfrage Georg Nöldeke Wirtschaftswissenschaftliche Fakultät, Universität Basel Versicherungsökonomie, FS 12 Versicherungsnachfrage 1/20 2 / 20 3. 1 Das Versicherungsnachfrageproblem
MehrKurs über Lineare Gleichungssysteme. PD Dr. Karin Halupczok
Kurs über Lineare Gleichungssysteme PD Dr. Karin Halupczok Mathematisches Institut Albert-Ludwigs-Universität Freiburg http://home.mathematik.unifreiburg.de/halupczok/diverses.html karin.halupczok@math.uni-freiburg.de
Mehr