Optimierung I Sommersemester 2017

Größe: px
Ab Seite anzeigen:

Download "Optimierung I Sommersemester 2017"

Transkript

1 Optimierung I Sommersemester 2017 Dr. Dominique Andres Übungsblatt 6 (Abgabe: 16. Mai 2017) Hausaufgabe 30. Welche der folgenden linearen Programme sind unzulässig, unbeschränkt bzw. haben eine Optimallösung? Begründen Sie Ihre Antwort. unter x 1 + x 2 2 (1) unter x 1 + x 2 2 x 2 1 x 1 0 (4) unter x 1 + x 2 2 x 1 0 (2) min x 1 unter x 1 + x 2 2 (5) unter x 1 + x 2 2 [ = 12 Punkte] (3) min x 1 unter x 1 + x 2 2 x 2 1 (6) Hausaufgabe 31 (Investitionsplanung). Frau Meier möchte bis zu 7500e in Aktien anlegen, so dass die erwartete esamtdividende möglichst hoch ist. Sie kann Aktien von Firma A kaufen, bei denen die erwartete Dividendenrendite 1 Prozent pro Jahr beträgt, und Aktien von Firma B, bei denen die erwartete Dividendenrendite 4 Prozent pro Jahr beträgt. Sie möchte weder in A noch in B mehr als 6000e investieren. Da die Aktie B als Zockeraktie verschrien ist und manchmal plötzliche starke ursrückschläge aufweist und Frau Meier eher sicherheitsbewusst investiert, möchte sie höchstens 2 3 mal soviel in B investieren wie in A. Wieviel sollte Frau Meier in A bzw. in B investieren? Wieviel wirft Ihr Investment (im Erwartungswert) pro Jahr ab? (a) Modellieren Sie das Problem als lineares Programm. (b) Lösen Sie dieses Optimierungsproblem graphisch. [4 + 4 = 8 Punkte] Hausaufgabe 32 (Mischungsproblem). Ein Pharmaziehersteller möchte ein neues Medikament auf den Markt bringen. Das Medikament kann aus vier verschiedenen omponenten (1,2,3,4) zusammengestellt werden. Die omponenten unterscheiden sich im Wirkstoffgehalt, wobei drei Wirkstoffe (W1,W2,W3) 1

2 von Interesse sind. Der Wirkstoffgehalt des Endproduktes muss gemäß gesetzlicher ichtlinien innerhalb gegebener renzwerte liegen, die Sie der folgenden Tabelle entnehmen können (alle Angaben, abgesehen vom Preis, sind in mg/g): Wirkstoffgehalt unterer renzwert oberer renzwert W W W Preis (in e/g) Die zu produzierende Menge des Medikaments beträgt eine Tonne. (a) Modellieren Sie das Problem, eine möglichst kostengünstige Mischung herzustellen, als lineares Programm. (b) Lösen Sie das Problem mit einer Software Ihrer Wahl. [6 + 4 = 10 Punkte] Hausaufgabe 33. egeben sei das lineare Programm max x 1 + x 2 3x 3 unter 3x 1 + 3x 2 + x 3 8 x 1 + x 3 3 2x 1 x 2 + x 3 = 10 x 1 + x 2 6 x 1 0 (P) (a) Transformieren Sie das lineare Programm (P) in ein äquivalentes Programm (N) in Normalform. (b) eben Sie eine Formel dafür an, wie man aus einer gegebenen Optimallösung für (N) eine Optimallösung für (P) gewinnt. (c) eben Sie eine Formel dafür an, wie man aus einer gegebenen Optimallösung für (P) eine Optimallösung für (N) gewinnt. [ = 10 Punkte] Hausaufgabe 34. Sei n N und seien A n n mit ang(a) = n und b, c n. Lösen Sie das Problem [4 Punkte] min c x unter Ax = b x 0. 2

3 Aufgabe 35. eben Sie ein Beispiel eines linearen Programms mit folgenden Eigenschaften an: 1. Der Nullvektor ist zulässig. 2. Es besitzt eine Optimallösung. 3. Der Zulässigkeitsbereich besitzt keine Ecken. Hausaufgabe 36. Betrachten Sie das durch definierte Polyeder P. Bestimmen Sie sämtliche Ecken von P. [6 Punkte] x 1 + x 2 + x 3 + 2x 4 = 2 x 1 x 2 + 2x 3 + 2x 4 = 1 x 1, x 2, x 3, x 4 0 Zusatz-Hausaufgabe 37. (Abgabe: 23. Mai 2017) Eine Lackfabrik stellt Spezialfarben für den Schiffbau her. Ihre Produktpalette besteht aus 5 Speziallacken in den Farben schwarz, grau, neongrün, ultramarin und rosa. Die Fabrik möchte auf Lagerbestände verzichten und höchstens so viel produzieren, wie nachgefragt wird. Der folgenden Übersicht können Sie entnehmen, welchen Umsatzerlös (in Euro) aus dem Verkauf von einer Tonne des jeweiligen Endprodukts erzielt wird und wie groß die Nachfrage (in Tonnen) pro Jahr ist. Endprodukt Umsatzerlös (in e/t) Nachfrage (in t/jahr) schwarz grau neongrün ultramarin rosa Zur Herstellung der Lacke benötigt die Firma Farbpigmente in sieben verschiedenen rundfarben. Diese ohstofffarben muss sie komplett bei einem Zulieferer einkaufen, da sie über keinerlei Lagerbestände verfügt. Der Zulieferer kann jedoch die Pigmente nur in begrenzter Menge liefern, da seine eigenen Produktionskapazitäten teilweise noch nicht gemäß der Marktsituation ausgebaut wurden (wegen einer Wirtschaftskrise scheut er derzeit die Investitionen). Es gibt keinen weiteren Zulieferer, bei dem die Firma die Farbpigmente kaufen kann. In der folgenden Tabelle sind die ohstoffkosten der einzelnen Farben (in Euro) angegeben, die die Firma dem Zulieferer für eine Tonne dieser Farbe zahlen muss, sowie die maximal mögliche Liefermenge (in Tonnen) pro Jahr. 3

4 ohstofffarbe osten (in e/t) max. Liefermenge (in t/jahr) weiß violett blau grün gelb orange rot Zur Produktion stehen der Firma 19 verschiedene Mischbatterien M ij zur Verfügung, die jeweils eine bestimmte (Sorte i) der fünf Lacksorten produzieren können (siehe unten). Produkt 1: Lack schwarz weiß violett blau grün gelb orange rot osten apazität M M M M Produkt 2: Lack grau weiß violett blau grün gelb orange rot osten apazität M M M M M Produkt 3: Lack neongrün weiß violett blau grün gelb orange rot osten apazität M M M Produkt 4: Lack ultramarin weiß violett blau grün gelb orange rot osten apazität M M M Produkt 5: Lack rosa weiß violett blau grün gelb orange rot osten apazität M M M M Jede Mischbatterie kann pro Jahr nur eine bestimmte Menge Lack produzieren, diese steht in der letzten Spalte der Tabelle (in Tonnen pro Jahr). Pro Tonne Lack, der von solch einer Batterie produziert wird, entstehen Produktionskosten (in Euro), die der vorletzten Spalte der folgenden Tabelle entnommen werden können. Davor ist in den Zeilen angegeben, wieviel Tonnen der einzelnen Farben von der Mischbatterie zur Produktion von einer Tonne 4

5 des Endprodukts benötigt werden (in Tonnen pro Tonne). (Beachten Sie, dass die Zahlen sich manchmal zu einem Wert größer als 1 aufsummieren, da bei der Produktion Verluste entstehen.) Nehmen Sie an, dass außer ohstoffkosten und Produktionskosten keine weiteren osten entstehen. Vom Manager der Firma werden Sie beauftragt, einen optimalen Produktionsplan zu erstellen, der den ewinn (also Umsatzerlöse minus osten) maximiert. Beim Produktionsplan müssen Sie insbesondere entscheiden, wieviel von welcher Mischbatterie produziert werden soll. (a) Modellieren Sie das Problem als lineares Programm. (b) Lösen Sie dieses Problem mit einer Software Ihrer Wahl. Wie groß ist der ewinn der Firma bei einem optimalen Produktionsplan? [ = 14 Zusatzpunkte] Zusatz-Hausaufgabe 38. (Abgabe: 23. Mai 2017) Ein Tischplattenhersteller stellt aus quadratischen Edelholzbrettern der röße 7 7 m 2 durch Zuschnitt sechs verschiedene Arten von Tischplatten her. Die Modelle sind A Artus önigstafel P Politikertafel F Festtafel undtisch großer Tisch kleiner Tisch Es gibt neun verschiedene Arten ein Edelholzbrett zu zerschneiden. Die Schnittmuster sind unten dargestellt. Muster 1 P Muster 2 Muster 3 5

6 A F F F Muster 4 Muster 5 Muster 6 P Muster 7 P Muster 8 Muster 9 Die Firma verfügt über einen Vorrat an 1800 Edelholzbrettern, der für die Produktion verwendet werden kann. Pro Edelholzbrett, welches nicht in der Produktion verbraucht wird, entstehen Lagerungskosten von 50 Euro. Die Firma möchte von jedem Produkt nur höchstens so viel produzieren, bis die weltweite Nachfrage gedeckt ist. Diese kann der Tabelle unten entnommen werden. Produkt A P F Nachfrage (Stück) Der ewinn aus dem Verkauf einer Tischplatte eines bestimmten Typs ist in der nächsten Tabelle aufgetragen. Produkt A P F ewinn (Euro) Wie oft muss die Firma jedes der Schnittmuster jeweils benutzen, um einen maximalen ewinn zu erzielen? (a) Schreiben Sie das Problem als ganzzahliges lineares Optimierungsproblem der Form max c x unter A 1 x b 1 A 2 x = b 2 x 0 x Z (b) Lösen Sie das Problem approximativ, indem Sie die Bedingung x Z streichen und das so modifizierte Problem mit einer Software Ihrer Wahl lösen und dann die Lösungskoeffizienten auf die nächstkleinere ganze Zahl abrunden. [ = 16 Zusatzpunkte] 6

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

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

Mehr

Grundlagen der Optimierung. Übung 6

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

Mehr

1.4 Aufgaben. 2002/2003

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

Mehr

Lesen - rechnen - malen

Lesen - rechnen - malen Zahlen-Logical 1 Lesen - rechnen - malen * Eine Zahl steht Kopf! Male sie blau aus! * Die schwarze Zahl steht nicht neben der roten Zahl! * rote Zahl + grüne Zahl = blaue Zahl * Die gelbe Zahl steht zwischen

Mehr

1.8 lineare Optimierung

1.8 lineare Optimierung 1.8 lineare Optimierung Inhaltsverzeichnis 1 Einführung des Begriffs lineare Optimierung 2 2 Das Planungspolygon 2 3 Die Optimierungsgerade 3 1 lineare Optimierung 02.04.2008 Theorie und Übungen 2 1 Einführung

Mehr

Hauptprüfung Fachhochschulreife Baden-Württemberg

Hauptprüfung Fachhochschulreife Baden-Württemberg Baden-Württemberg: Fachhochschulreife 203 www.mathe-aufgaben.com Hauptprüfung Fachhochschulreife 203 Baden-Württemberg Aufgabe 5 Wirtschaftliche Anwendungen Hilfsmittel: grafikfähiger Taschenrechner Berufskolleg

Mehr

Studientag zur Algorithmischen Mathematik

Studientag zur Algorithmischen Mathematik Studientag zur Algorithmischen Mathematik Lineare Optimierung Winfried Hochstättler Diskrete Mathematik und Optimierung FernUniversität in Hagen 1. Juli 2012 Outline Lineares Programm (LP) in Standardform

Mehr

Der Solver. Gerald Kurz

Der Solver. Gerald Kurz Der Solver Gerald Kurz Was ist der Solver Der Solver ist ein Calc-Zusatzprogramm zur Lösung von Optimierungsaufgaben. Im Gegensatz zur Zielwertsuche können hier Aufgaben auch mit mehreren Variablen und

Mehr

Übung 3, Simplex-Algorithmus

Übung 3, Simplex-Algorithmus Übung 3, 21.6.2011 Simplex-Algorithmus Aufgabe 3.1 Lösen Sie das folgende Optimierungsproblem (von Aufgabe 2.3) graphisch. Substituieren Sie dazu z = 5 y um ein 2-dimensionales Problem zu erhalten. Rechnung

Mehr

Probeklausur Optimierung

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

Mehr

Vorname : Datum: Zahlen und Mengen : von 0 bis Ergänze: 3 Ergänze die Tabelle: Vorgänger Zahl Nachfolger Zähle und ergänze :

Vorname : Datum: Zahlen und Mengen : von 0 bis Ergänze: 3 Ergänze die Tabelle: Vorgänger Zahl Nachfolger Zähle und ergänze : Les-coccinelles.fr Zahlen und Mengen : von 0 bis 0 Zähle und ergänze : Ergänze: 3 Ergänze die Tabelle: Vorgänger Zahl Nachfolger 4 7 9 0 4 Ergänze die Zahlenfolge: 7 8 9 crevette.eklablog.com Zahlen und

Mehr

Operations Research. Ganzzahlige lineare Programme. ganzzahlige lineare Programme. Ganzzahlige lineare Programme. Rainer Schrader. 25.

Operations Research. Ganzzahlige lineare Programme. ganzzahlige lineare Programme. Ganzzahlige lineare Programme. Rainer Schrader. 25. Operations Research Rainer Schrader Ganzzahlige lineare Programme Zentrum für Angewandte Informatik Köln 25. Juni 2007 1 / 49 2 / 49 Ganzzahlige lineare Programme Gliederung ganzzahlige lineare Programme

Mehr

1 Lineare Optimierung, Simplex-Verfahren

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

Mehr

Übungsbeispiel 1: Quadratische Modellierung

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

Mehr

Planen mit mathematischen Modellen 00844: Computergestützte Optimierung. Autor: Dr. Heinz Peter Reidmacher

Planen 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

Mehr

Ganzzahlige lineare Programme

Ganzzahlige lineare Programme KAPITEL 5 Ganzzahlige lineare Programme Wir betrachten nun Optimierungsprobleme vom Typ (42) min c T x s.d. Ax = b, x 0, x ganzzahlig, wobei die Matrix A R m n und die Vektoren c R n, b R m gegeben seien.

Mehr

Die duale Simplexmethode zur Lösung rein ganzzahliger linearer Programme

Die duale Simplexmethode zur Lösung rein ganzzahliger linearer Programme Kapitel 11 Die duale Simplexmethode zur Lösung rein ganzzahliger linearer Programme Wir betrachten folgendes Optimierungsproblem z = c T x min! Ax = b (11.1) (11.2) x j ganz für j = 1,..., n 1 n, (11.3)

Mehr

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

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

Mehr

die gelbe Jacke die rote Jacke die blaue Jacke die schwarze Jacke die violette Hose die rote Hose die grüne Hose die schwarze Hose

die gelbe Jacke die rote Jacke die blaue Jacke die schwarze Jacke die violette Hose die rote Hose die grüne Hose die schwarze Hose die blaue Jacke die rote Jacke die gelbe Jacke die schwarze Jacke die gelbe Jacke die rote Jacke die blaue Jacke die schwarze Jacke die schwarze Jacke die rote Jacke die blaue Jacke die gelbe Jacke die

Mehr

Optimierung I. Dr. Ulf Lorenz F2.413

Optimierung I. Dr. Ulf Lorenz F2.413 Optimierung I Dr. Ulf Lorenz F2.413 flulo@upb.de Organisation Dozent: Dr. Ulf Lorenz F2.413 Fürstenallee 11 email: flulo@upb.de WWW: http://www.upb.de/cs/flulo (hier auch aktuelle Infos + Ü-Zettel) Vorlesungen:

Mehr

www.wiesl.net SPIELPLAN: weisser Raster mit 36 eingezeichneten Feldern

www.wiesl.net SPIELPLAN: weisser Raster mit 36 eingezeichneten Feldern HALLO UND WILLKOMMEN! DRUCKEN: Am besten weisses Papier verwenden, Papierformat Din A4, Hochformat. Schwarz/weiss oder Farbdruck. (Das Spielmaterial sieht in Farbe natürlich schöner aus.) Spielfiguren

Mehr

LinOpt - Tool zur Visualisierung eines multikriteriellen Optimierungsproblems

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

Mehr

Dualitätssätze der linearen Optimierung

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

Mehr

Prüfungsklausur Mathematik I für Wirtschaftsingenieure und BWL am

Prüfungsklausur Mathematik I für Wirtschaftsingenieure und BWL am HTWD, Fakultät Informatik/Mathematik Prof. Dr. M. Voigt Prüfungsklausur Mathematik I für Wirtschaftsingenieure und BWL am 0.0.07 A Name, Vorname Matr. Nr. Sem. gr. Aufgabe 4 5 6 gesamt erreichbare P. 5

Mehr

Computer Science Department - High Performance and Web Computing Group. Optimierungsprobleme

Computer Science Department - High Performance and Web Computing Group. Optimierungsprobleme Optimierungsprobleme Häufig in Alltagssituationen anzutreffen (z.b. Kauf eines Gerätes) Optimierungsprobleme (OPs) sind Probleme, die i.a. viele zulässige Lösungen besitzen Jeder Lösung ist ein bestimmter

Mehr

Operations Research. Die Simplexmethode. LP-Dualität. Die Simplexmethode. Rainer Schrader. 18. Juni Zur Erinnerung: Gliederung

Operations Research. Die Simplexmethode. LP-Dualität. Die Simplexmethode. Rainer Schrader. 18. Juni Zur Erinnerung: Gliederung Operations Research Rainer Schrader Die Simplexmethode Zentrum für Angewandte Informatik Köln 18 Juni 00 1 / 1 / 1 Gliederung LP-Dualität ein lineares Produktionsmodell der Simplexalgorithmus Phase I Endlichkeit

Mehr

Freitag Version 42. ein Spiel für (2)3-5 SpielerInnen von Friedemann Friese

Freitag Version 42. ein Spiel für (2)3-5 SpielerInnen von Friedemann Friese Freitag Version 42 ein Spiel für (2)3-5 SpielerInnen von Friedemann Friese Spielmaterial: 5 Aktiensorten mit je 25 Markern (grün, rot, blau, gelb, lila) 5 andere Marker in den gleichen Farben als Aktienpreise.

Mehr

Prüfungsklausur Mathematik I für Wirtschaftsingenieure am

Prüfungsklausur Mathematik I für Wirtschaftsingenieure am HTWD, Fakultät Informatik/Mathematik Prof. Dr. M. Voigt Prüfungsklausur Mathematik I für Wirtschaftsingenieure am 4.2.24 B Name, Vorname Matr. Nr. Sem. gr. Aufgabe 2 3 4 5 6 7 8 9 gesamt erreichbare P.

Mehr

Unimodularität. Kapitel 1. Peter Becker (H-BRS) Operations Research II Wintersemester 2015/16 11 / 206

Unimodularität. Kapitel 1. Peter Becker (H-BRS) Operations Research II Wintersemester 2015/16 11 / 206 Kapitel 1 Unimodularität Peter Becker (H-BRS) Operations Research II Wintersemester 2015/16 11 / 206 Inhalt 1 Unimodularität Total unimodulare Matrizen Inzidenzmatrix Optimierungsprobleme auf Graphen Peter

Mehr

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

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

Mehr

Übungsserie 11: Modellierung

Übungsserie 11: Modellierung HTWD, FB Informatik/Mathematik Prof. Dr. M. Voigt Wirtschaftsmathematik I Lineare Optimierung Mathematik für Wirtschaftsingenieure - Übungsaufgaben Übungsserie : Modellierung Die über die Modellierung

Mehr

Modellieren mit AMPL

Modellieren mit AMPL Modellieren mit AMPL Elisabeth Gassner Mathematische Modelle in den Wirtschaftswissenschaften Prof. R. E. Burkard 27. April 2007 E. Gassner (Mathematische Modelle) AMPL 27. April 2007 1 / 21 Überblick

Mehr

Optimierungsworkshop: Beispiele und Übungen

Optimierungsworkshop: Beispiele und Übungen Optimierungsworkshop: Beispiele und Übungen Teil 1: Lineare Modelle Aufgabe 1 (Gürtelbeispiel) Ein Unternehmen stellt 2 Gürteltypen A und B mit einem Deckungsbeitrag von 2,00 bzw. 1,50 je Stück her. Ein

Mehr

USB-Sticks. sind eine grosartige Möglichkeit, um den Charakter Ihres Unternehmens oder Ihrer Marken auszudrücken.

USB-Sticks. sind eine grosartige Möglichkeit, um den Charakter Ihres Unternehmens oder Ihrer Marken auszudrücken. s sind eine grosartige Möglichkeit, um den Charakter Ihres Unternehmens oder Ihrer Marken auszudrücken. ACHTUNG: die Preise der s werden wie Aktien an den Börsen gehandelt und ändern sich fast täglich.

Mehr

Perlen der Informatik I Wintersemester 2012 Aufgabenblatt 7

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

Mehr

Übungsblatt 9. f(x) = e x, für 0 x

Übungsblatt 9. f(x) = e x, für 0 x Aufgabe 1: Übungsblatt 9 Basketball. Ein Profi wirft beim Training aus einer Entfernung von sieben Metern auf den Korb. Er trifft bei jedem Wurf mit einer Wahrscheinlichkeit von p = 1/2. Die Zufallsvariable

Mehr

Lineare Optimierungsaufgaben - eine Einführung

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

Mehr

z = c T x : Ax = b, x 0 }, - die Darstellung der Nichtbasisvektoren durch die Basis ist

z = c T x : Ax = b, x 0 }, - die Darstellung der Nichtbasisvektoren durch die Basis ist Kapitel 5 Die Simplexmethode Es werden folgende Bezeichnungen verwendet: - das untersuchte Problem ist min x R n { z = c T x : Ax = b, x 0 }, - die erste zulässige Basislösung sei x = x 1, x 2,, x m, 0,,

Mehr

Prüfungsklausur Wirtschaftsmathematik I Studiengang Wirtschaftsinformatik, (180 Minuten)

Prüfungsklausur Wirtschaftsmathematik I Studiengang Wirtschaftsinformatik, (180 Minuten) HTW Dresden 9. Februar 2012 FB Informatik/Mathematik Prof. Dr. J. Resch Prüfungsklausur Wirtschaftsmathematik I Studiengang Wirtschaftsinformatik, (180 Minuten) Name, Vorname: Matr.-nr.: Anzahl der abge-

Mehr

Lineare (Un-)Gleichungen und lineare Optimierung

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

Mehr

Aufgaben zu Kapitel 23

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

Mehr

Prüfungsklausur Mathematik I für Wirtschaftsingenieure am 15.2.2013

Prüfungsklausur Mathematik I für Wirtschaftsingenieure am 15.2.2013 HTWD, Fakultät Informatik/Mathematik Prof. Dr. M. Voigt Prüfungsklausur Mathematik I für Wirtschaftsingenieure am 5..3 A Name, Vorname Matr. Nr. Sem. gr. Aufgabe 3 4 5 6 7 8 gesamt erreichbare P. 4 6 3

Mehr

Ecken des Zuordnungsproblems

Ecken des Zuordnungsproblems Total unimodulare Matrizen Ecken des Zuordnungsproblems Definition.6 Ein Zuordnungsproblem mit den Vorzeichenbedingungen 0 apple x ij apple für i, j =,...,n statt x ij 2{0, } heißt relaxiertes Zuordnungproblem.

Mehr

Optimale Steuerung 1 Prozessoptimierung 1

Optimale Steuerung 1 Prozessoptimierung 1 Optimale Steuerung 1 Prozessoptimierung 1 Kapitel 2: Lineare Optimierung Prof. Dr.-Ing. Pu Li Fachgebiet Simulation und Optimale Prozesse (SOP) Lineare Algebra (Mathematische Grundlagen) 2 Beispiel: Produktionsplanung

Mehr

Entscheidungsunterstützende Systeme

Entscheidungsunterstützende Systeme Entscheidungsunterstützende Systeme (WS 015/016) Klaus Berberich (klaus.berberich@htwsaar.de) Rainer Lenz (rainer.lenz@htwsaar.de) 0. Organisatorisches Dozenten Klaus Berberich (klaus.berberich@htwsaar.de)

Mehr

INFORMATIONSBLATT STIFTEAUSWAHL

INFORMATIONSBLATT STIFTEAUSWAHL INFORMATIONSBLATT STIFTEAUSWAHL Damit eure Weltkarte auch so schön ausgemalt aussieht wie auf den Beispielbildern bieten wir euch die passenden Stifte zur Weltkarte mit an. Auf den folgenden Seiten haben

Mehr

(1) Bestimme die Lösungsmenge der folgenden Bruchungleichung in Z: c) Löse die Ungleichung durch Fallunterscheidung mit der Hand Schritt für Schritt!

(1) Bestimme die Lösungsmenge der folgenden Bruchungleichung in Z: c) Löse die Ungleichung durch Fallunterscheidung mit der Hand Schritt für Schritt! 1. Semesterschularbeit 10.12.1999 (50 Minuten) (1) Bestimme die Lösungsmenge der folgenden Bruchungleichung in Z: 1 1 x 4 2 a) Schreibe mit Hilfe deines TI-89/92 die Lösungsmenge an. b) Rechne mit der

Mehr

IN 10 PHASEN ZUM SIEG! SPIELMATERIAL

IN 10 PHASEN ZUM SIEG! SPIELMATERIAL IN 10 PHASEN ZUM SIEG! Knifflig, knifflig! Immer schwieriger werden die 10 Phasen das sind Würfelkombinationen bestimmter Zahlen oder Farben, immer spannender das Spiel. Und wer eine Phase nicht schafft

Mehr

AUFGABEN. Klausur: Modul Optimierungsmethoden des Operations Research. Termin:

AUFGABEN. Klausur: Modul Optimierungsmethoden des Operations Research. Termin: Lehrstuhl für Betriebswirtschaftslehre, insb. Quantitative Methoden und Wirtschaftsmathematik Prof. Dr. Andreas Kleine AUFGABEN Klausur: Modul 32621 Optimierungsmethoden des Operations Research Termin:

Mehr

Prüfungsklausur Mathematik I für Wirtschaftsingenieure am 20.02.2015

Prüfungsklausur Mathematik I für Wirtschaftsingenieure am 20.02.2015 HTWD, Fakultät Informatik/Mathematik Prof. Dr. M. Voigt Prüfungsklausur Mathematik I für Wirtschaftsingenieure am 20.02.205 B Name, Vorname Matr. Nr. Sem. gr. Aufgabe 2 4 5 6 7 8 gesamt erreichbare P.

Mehr

3. Grundlagen der Linearen Programmierung

3. 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

Mehr

Projekt Standardisierte schriftliche Reifeprüfung in Mathematik. T e s t h e f t B 1. Schulbezeichnung:.. Klasse: Vorname: Datum:.

Projekt Standardisierte schriftliche Reifeprüfung in Mathematik. T e s t h e f t B 1. Schulbezeichnung:.. Klasse: Vorname: Datum:. Projekt Standardisierte schriftliche Reifeprüfung in Mathematik T e s t h e f t B Schulbezeichnung:.. Klasse: Schüler(in) Nachname:. Vorname: Datum:. B Große und kleine Zahlen In Wikipedia findet man die

Mehr

Aufgabe 1: Bestimmen Sie Zahlen a b. ,, für die. = b. und gleichzeitig a + b + 1 = 0 gilt. Lösung zu Aufgabe 1:

Aufgabe 1: Bestimmen Sie Zahlen a b. ,, für die. = b. und gleichzeitig a + b + 1 = 0 gilt. Lösung zu Aufgabe 1: WS 99/99 Aufgabe : Bestimmen Sie Zahlen a b,, für die 6 b a und gleichzeitig a + b + gilt. Lösung zu Aufgabe : WS 99/99 Aufgabe : Ein Unernehmen stellt aus ohstoffen (,,, ) Zwischenprodukte ( Z, Z, Z )

Mehr

Kaufmännische Berufsmatura 2016

Kaufmännische Berufsmatura 2016 Prüfungsdauer: 150 Minuten Hilfsmittel: Bedingungen: Netzunabhängiger Taschenrechner Beigelegte Formelsammlung Dokumentieren Sie den Lösungsweg auf dem Aufgabenblatt. Unbelegte Resultate werden nicht berücksichtigt

Mehr

Aufgabe 7.1: Wirtschaftsplanung

Aufgabe 7.1: Wirtschaftsplanung Johann Wolfgang Goethe-Universität Frankfurt am Main Lehrst.f.BWL, insb. Quant. Methoden Prof. Dr. Dietrich Ohse LPUE:SQM6 LP und Erweiterungen lpueb07_ 2003s.doc Aufgabe 7.1: Wirtschaftsplanung Eine Volkswirtschaft

Mehr

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

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

Mehr

Lineare Algebra in der Ökonomie Teil II. (Aufgaben)

Lineare Algebra in der Ökonomie Teil II. (Aufgaben) Lineare Algebra in der Ökonomie Teil II (Aufgaben).. ine Textilhandlung rechnet für bestimmte Sorten von Jeans, Blusen und öcken mit folgenden Absatzmengen in den Monaten Mai, Juni und Juli: Mai Juni Juli

Mehr

Übungsaufgaben. Grundkurs Höhere Mathematik für Wirtschaftswissenschaftler. Teil 1: Lineare Algebra und Optimierung.

Übungsaufgaben. Grundkurs Höhere Mathematik für Wirtschaftswissenschaftler. Teil 1: Lineare Algebra und Optimierung. Übungsaufgaben Grundkurs Höhere Mathematik für Wirtschaftswissenschaftler Teil : Lineare Algebra und Optimierung Wintersemester Matrizenrechnung Aufgabe ( 3 0 Gegeben sind die Matrizen A = 2 5 2 4 D =

Mehr

WHB12, Mathematik Arbeits- und Informationsblatt Nr. Reihe: Der monopolistische Anbieter Stundenthema: Die Preis-Absatz-Funktion

WHB12, Mathematik Arbeits- und Informationsblatt Nr. Reihe: Der monopolistische Anbieter Stundenthema: Die Preis-Absatz-Funktion Situation: Das mittelständische Unternehmen KRAFTAKT entwickelt Steuerungsgeräte für den Einsatz in Kraftwerken. In der Forschungsabteilung wurde ein neuartiges Modul entwickelt, dass aufgrund von effizienter

Mehr

Fachhochschule Bochum Fachhochschule Münster Fachhochschule Südwestfalen

Fachhochschule Bochum Fachhochschule Münster Fachhochschule Südwestfalen Fachhochschule Bochum Fachhochschule Münster Fachhochschule Südwestfalen Verbundstudiengang Technische Betriebswirtschaft Prof. Dr. rer. nat. habil. J. Resch Teilprüfung: Mathematik 2 (Modul) Termin: 15.

Mehr

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

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

Mehr

Das ModulSystem. Übersicht Serie B. InfoTool-Spaltenelemente mit Acrylglas-Modulen

Das ModulSystem. Übersicht Serie B. InfoTool-Spaltenelemente mit Acrylglas-Modulen InfoTool-Spaltenelemente Serie B, lassen sich beliebig oft zu Ihrer Übersicht Serie B Wand-/Klettschienen zur verdeckten Tafelmontage sind Bestandteil der Lieferung. InfoTool kann auch an dinafix InfoSpider-

Mehr

VORLESUNG 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) 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

Mehr

Transportproblem: Getränkehersteller

Transportproblem: Getränkehersteller Transportproblem: Getränkehersteller Ein Getränkehersteller besitzt Abfüllanlagen in Hannover (H) und in Mainz (MZ) mit täglichen Produktionskapazitäten von 50 [ME = 100 hl] in Hannover und 80 [ME] in

Mehr

Die simultane Anwendung des Gauß-Verfahrens zur Lösung der beiden Gleichungssysteme

Die simultane Anwendung des Gauß-Verfahrens zur Lösung der beiden Gleichungssysteme Übungsblatt Aufgabe.1 (F92 - A9-8P) a). Gegeben seien die Matrix 1 0 2 1 1 2 A = 0 1 0 0 2 0 und die Vektoren b 1 2 0 =, b = 4 2 4 4 1 2 Die simultane Anwendung des Gauß-Verfahrens zur Lösung der beiden

Mehr

Klausur zur Vorlesung Mathematische Grundlagen für Wirtschaftswissenschaftler

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

Mehr

Mikroökonomik B (Bachelor)

Mikroökonomik B (Bachelor) Bitte eintragen: Matrikel-Nr.: Mikroökonomik B (Bachelor) Prüfung vom 24.09.203 Wichtige Hinweise: Sie haben 90 Minuten Zeit, um die folgenden drei Aufgaben zu insgesamt 90 Punkten zu bearbeiten. Teilen

Mehr

Inhaltsübersicht für heute:

Inhaltsübersicht für heute: Inhaltsübersicht für heute: Dualität Anwendung: Spieltheorie Komplementarität und Sensitivitätsanalyse Spaltengenerierung Schnittebenenverfahren Welchen Simplex wann? Inhaltsübersicht für heute: Dualität

Mehr

Wirtschaftsmathe für BW und IM Aufgabensammlung Wintersemester 2013/14

Wirtschaftsmathe für BW und IM Aufgabensammlung Wintersemester 2013/14 Wirtschaftsmathe für BW und IM Aufgabensammlung Wintersemester 2013/14 Prof. Dr. Stefan Etschberger Hochschule Augsburg Prof. Dr. Stefan Etschberger Hochschule Augsburg Wirtschaftsmathe für BW und IM Wintersemester

Mehr

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

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

Mehr

Mit welcher Strategie hast Du am Glücksrad Erfolg?

Mit welcher Strategie hast Du am Glücksrad Erfolg? Mit welcher Strategie hast Du am Glücksrad Erfolg? Kinderuni, Workshop an der TU Wien 24. Juli 2009, 10:30 11:30 Uhr Univ.-Prof. Dr. Uwe Schmock Forschungsgruppe Finanz- und Versicherungsmathematik Institut

Mehr

Kombinatorische Optimierung

Kombinatorische Optimierung Kombinatorische Optimierung Juniorprof. Dr. Henning Meyerhenke PARALLELES RECHNEN INSTITUT FÜR THEORETISCHE INFORMATIK, FAKULTÄT FÜR INFORMATIK KIT Universität des Landes Baden-Württemberg und nationales

Mehr

Technische Universität München Fakultät für Mathematik Mathematik 1 (Elektrotechnik) Probeklausur Prof. Dr. Anusch Taraz 24.

Technische Universität München Fakultät für Mathematik Mathematik 1 (Elektrotechnik) Probeklausur Prof. Dr. Anusch Taraz 24. Note: Name Vorname Lerngruppen-Nummer Tutorübung-Nr. Hiermit bestätige ich, dass ich vor Prüfungsbeginn darüber in Kenntnis gesetzt wurde, dass ich im Falle einer plötzlich während der Prüfung auftretenden

Mehr

Biomathematik für Mediziner, Klausur SS 2001 Seite 1

Biomathematik für Mediziner, Klausur SS 2001 Seite 1 Biomathematik für Mediziner, Klausur SS 2001 Seite 1 Aufgabe 1: Von den Patienten einer Klinik geben 70% an, Masern gehabt zu haben, und 60% erinnerten sich an eine Windpockeninfektion. An mindestens einer

Mehr

INSTITUT FÜR THEORETISCHE INFORMATIK, PROF. SANDERS

INSTITUT FÜR THEORETISCHE INFORMATIK, PROF. SANDERS Julian Arz, Timo Bingmann, Sebastian Schlag INSTITUT FÜR THEORETISCHE INFORMATIK, PROF. SANDERS KIT Julian Universität Arz, des Timo LandesBingmann, Baden-Württemberg Sebastian und Schlag nationales 2.

Mehr

Klausur Mikroökonomik

Klausur Mikroökonomik Prof. Dr. Ulrich Schwalbe Sommersemester 2004 Klausur Mikroökonomik Bitte bearbeiten Sie alle zehn Aufgaben. Auf dem Klausurbogen befindet sich nach jeder Teilaufgabe ein Kästchen. In dieses Kästchen schreiben

Mehr

Software-Challenge Sixpack Spielregeln. 24. Juni 2013 PACK SIX

Software-Challenge Sixpack Spielregeln. 24. Juni 2013 PACK SIX Software-Challenge 2014 - Sixpack Spielregeln 24. Juni 2013 SIX PACK 1 Inhaltsverzeichnis 1 Einführung 3 2 Spielmaterial 3 2.1 Das Spielbrett.................................. 3 2.2 Die Spielsteine.................................

Mehr

Rentabilitätskennzahlen/ Finanzplanung

Rentabilitätskennzahlen/ Finanzplanung Thema 5 Rentabilitätskennzahlen/ Finanzplanung 1 Aufgabe 16 Ein Unternehmen hat am Anfang des Geschäftsjahres ein Eigenkapital von 20,0 Mio. Euro. An Fremdkapital, für das es 8% Zinsen zu zahlen hat, hat

Mehr

Statistik. Finanzmathematik

Statistik. Finanzmathematik Prüfungsdauer: Hilfsmittel: 90 Minuten Taschenrechner (nicht grafikfähig und nicht programmierbar) und Formelsammlung Die Klausur besteht aus 13 Aufgaben im Pflichtteil, die alle bearbeitet werden müssen.

Mehr

Aufgaben für das Fach Mathematik

Aufgaben für das Fach Mathematik Niedersächsisches Kultusministerium Referat / Logistikstelle für zentrale Arbeiten Januar 06 Aufgaben für das Fach Mathematik Eingesetzte Abituraufgaben aus dem länderübergreifenden Abituraufgabenpool

Mehr

7.1 Matrizen und Vektore

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

Mehr

Prüfungsklausur Mathematik I für Wirtschaftsingenieure am 8.02.11

Prüfungsklausur Mathematik I für Wirtschaftsingenieure am 8.02.11 HTWD, FB Informatik/Mathematik Prof. Dr. M. Voigt Prüfungsklausur Mathematik I für Wirtschaftsingenieure am 8.02.11 A Name, Vorname Matr. Nr. Sem. gr. Aufgabe 1 2 3 4 6 gesamt erreichbare P. 6 10 12 12

Mehr

Vorlesung Lineare Optimierung (Sommersemester 2010)

Vorlesung Lineare Optimierung (Sommersemester 2010) 1 Vorlesung Lineare Optimierung (Sommersemester 2010) Kapitel 6: Die Geometrie der Linearen Optimierung Volker Kaibel Otto-von-Guericke Universität Magdeburg (Version vom 15. Juni 2010) Gliederung 2 Das

Mehr

1 Der Simplex Algorithmus I

1 Der Simplex Algorithmus I 1 Nicoletta Andri 1 Der Simplex Algorithmus I 1.1 Einführungsbeispiel In einer Papiermühle wird aus Altpapier und anderen Vorstoffen feines und grobes Papier hergestellt. Der Erlös pro Tonne feines Papier

Mehr

Name: - kein <Name> Matrikelnummer:

Name: - kein <Name> Matrikelnummer: Aufgabe Punkte 1 45 2 17 3 30 4 28 Summe 120 Aufgaben- und Lösungsblätter für Produktion und Logistik Diplomvorprüfung ABWL - SS 2005 - Teilklausur Prof. Dr. G. Diruf Zeitbedarf: 1 Stunde Maximal erreichbare

Mehr

Mikroökonomie: Angebotstheorie. Lösungen zu Aufgabensammlung. Angebotstheorie: Aufgabensammlung I

Mikroökonomie: Angebotstheorie. Lösungen zu Aufgabensammlung. Angebotstheorie: Aufgabensammlung I Thema Dokumentart Mikroökonomie: Angebotstheorie Lösungen zu Aufgabensammlung LÖSUNGEN Angebotstheorie: Aufgabensammlung I Aufgabe 1 1.1 Was besagt das Ertragsgesetz? Bei zunehmendem Einsatz von einem

Mehr

Zeigen Sie mittles vollständiger Induktion, dass für jede natürliche Zahl n 1 gilt: k = n (n + 1) 2

Zeigen Sie mittles vollständiger Induktion, dass für jede natürliche Zahl n 1 gilt: k = n (n + 1) 2 Aufgabe 1. (5 Punkte) Zeigen Sie mittles vollständiger Induktion, dass für jede natürliche Zahl n 1 gilt: n k = k=1 n (n + 1). 2 Aufgabe 2. (5 Punkte) Bestimmen Sie das folgende Integral mithilfe partieller

Mehr

Rapid Prototyping im FDM Verfahren (Additive Fertigung/3D- Printing)

Rapid Prototyping im FDM Verfahren (Additive Fertigung/3D- Printing) Rapid Prototyping im FDM Verfahren (Additive Fertigung/3D- Printing) Professionelle Stratasys FDM 3D-Drucker der Sauter Engineering + Design erstellen kosteneffizient Musterteile ab 3D CAD oder 3D Scan

Mehr

Aufgabe 7: Stochastik (WTR)

Aufgabe 7: Stochastik (WTR) Abitur Mathematik: Nordrhein-Westfalen 2013 Aufgabe 7 a) SITUATION MODELLIEREN Annahmen: Es werden 100 Personen unabhängig voneinander befragt. Auf die Frage, ob mindestens einmal im Monat ein Fahrrad

Mehr

Die Familie Die Familie Die Familie Die Familie. Das Baby Die GroBmutter Die Mutter Die Schwester Der Bruder Der Vater Der GroBvater Der alte Mann

Die Familie Die Familie Die Familie Die Familie. Das Baby Die GroBmutter Die Mutter Die Schwester Der Bruder Der Vater Der GroBvater Der alte Mann Die Familie Die Familie Die Familie Die Familie Die Familie Die Familie Die Familie Die Familie Die Tiere Die Tiere Die Tiere Die Tiere Das Kaninchen Das Pferd Die Katze Die Kuh Die Tiere Die Tiere Die

Mehr

Lineare Algebra. Beni Keller SJ 16/17

Lineare Algebra. Beni Keller SJ 16/17 Lineare Algebra Beni Keller SJ 16/17 Matritzen Einführendes Beispiel Ein Betrieb braucht zur Herstellung von 5 Zwischenprodukten 4 verschiedene Rohstoffe und zwar in folgenden Mengen: Z 1 Z 2 Z Z 4 Z 5

Mehr

Material 12 (zu Methode 1 Wörterdiktat ; Methode 5 Der verlorene Buchstabe ; Methode 6 Gruppentext )

Material 12 (zu Methode 1 Wörterdiktat ; Methode 5 Der verlorene Buchstabe ; Methode 6 Gruppentext ) Trommel Streifen Glas glätten klar trennen Kragen grau 427 Sturz bringen Kleidung groß frankieren Preis Produkt Größe 429 Stapel tragen fragil Plane Braten/ Kran Bräter Frucht Frühstück 431 frisch Tresen

Mehr

Auf den nachfolgenden Seiten finden sie alle interessanten Informationen zum Artikel Lapp und vielesmehr.

Auf den nachfolgenden Seiten finden sie alle interessanten Informationen zum Artikel Lapp und vielesmehr. _ Beschreibung: _ Lapp code: Die Prüfspannung des Kabels is 3400 V. Anwendungsgebiete Aufbau Industriebereiche in welchen sehr hohe Temperaturen, aggressive chemische Medien aber auch enge Platzverhältnisse

Mehr

Formale Systeme, WS 2010/2011 Lösungen zum Übungsblatt 1

Formale Systeme, WS 2010/2011 Lösungen zum Übungsblatt 1 Karlsruher Institut für Technologie Institut für Theoretische Informatik Prof. r. B. Beckert Thorsten Bormer Formale Systeme, WS 2/2 Lösungen zum Übungsblatt ieses Blatt wurde in der Übung am 29..2 besprochen.

Mehr

Dr. Heidemarie Borgwadt. Funktionen

Dr. Heidemarie Borgwadt. Funktionen Dr. Heidemarie Borgwadt Funktionen Springer Fachmedien Wiesbaden 1994 Ursprünglich erschienen bei Betriebswirtschaftlicher Verlag Dr. Th. Gabler GmbH, Wiesbaden 1994. Lektorat: Annegret Dorn Satz: I. Junge,

Mehr

WIRTSCHAFTSMATHEMATIK UND STATISTIK

WIRTSCHAFTSMATHEMATIK UND STATISTIK 1 WIRTSCHAFTSMATHEMATIK UND STATISTIK Name:... Punkte:... Zeit: 180 Minuten Hilfsmittel: AKAD Formelsammlung Gelbes Formelbuch Formel und Tafeln Taschenrechner (netzunabhängig, ohne zusätzliche Module)

Mehr

Klausur zur Wahrscheinlichkeitstheorie für Lehramtsstudierende

Klausur zur Wahrscheinlichkeitstheorie für Lehramtsstudierende Universität Duisburg-Essen Essen, den 12.02.2010 Fakultät für Mathematik Prof. Dr. M. Winkler C. Stinner Klausur zur Wahrscheinlichkeitstheorie für Lehramtsstudierende Lösung Die Klausur gilt als bestanden,

Mehr

Klausur Wirtschaftsmathematik VO

Klausur Wirtschaftsmathematik VO Klausur Wirtschaftsmathematik VO 01. Oktober 2016 Bitte leserlich in Druckbuchstaben ausfüllen! NACHNAME: VORNAME: MATRIKELNUMMER: ERLAUBT: nur die Formelsammlung des Instituts! VERBOTEN: Taschenrechner

Mehr

Kapitel 16. Aufgaben. Verständnisfragen. Rechenaufgaben

Kapitel 16. Aufgaben. Verständnisfragen. Rechenaufgaben Kapitel 16 Aufgaben Verständnisfragen Aufgabe 16.1 Ist das Produkt quadratischer oberer bzw. unterer Dreiecksmatrizen wieder eine obere bzw. untere Dreiecksmatrix? Aufgabe 16.2 Bekanntlich gilt im Allgemeinen

Mehr

Fachhochschule Bochum Fachhochschule Münster Fachhochschule Südwestfalen

Fachhochschule Bochum Fachhochschule Münster Fachhochschule Südwestfalen Fachhochschule Bochum Fachhochschule Münster Fachhochschule Südwestfalen Verbundstudiengang Technische Betriebswirtschaft Prof. Dr. rer. nat. habil. J. Resch Teilprüfung: Mathematik 2 (Modul) Termin: Sommer

Mehr