Substitutionsverfahren
|
|
- Martha Abel
- vor 5 Jahren
- Abrufe
Transkript
1 Substitutionsverfahren 1 Motivation Wir stehen vor folgendem Problem: In unserem Betrieb kann unsere einzige Maschine Produkt A in zwei Stunden und Produkt B in einer Stunde produzieren. Die Maschine läuft 24 Stunden am Tag ohne Unterbrechung. Der Erlös beim Verkauf von Produkt A bringt uns 10 Euro und der von Produkt B nur 7 Euro ein. Wie viele Einheiten müssen wir von jedem Produkt in einem Monat produzieren um unseren Gewinn zu maximieren? Bei solch einer Aufgabe handelt es sich um ein Optimierungsproblem, da der Gewinn maximiert werden muss. Weiterhin liegt eine Nebenbedingung für dieses Problem vor. Diese und ähnliche Optimierungsprobleme können wir mit dem Substitutionsverfahren lösen. 2 Das Substitutionsverfahren Aufgabe: Wir betrachten folgende Funktion f(x, y) (I) f(x, y) = 5x 2 + 5y deren Maximum unter der Nebenbedingung (II) 10 = y 4x bestimmt werden soll. Zur Lösung dieses Optimierungsproblems können wir das Substitutionsverfahren anwenden. Dabei formen wir die Gleichung der Nebenbedingung geschickt nach einer Variable um, sodass wir diese in die Zielfunktion f einsetzen können und eine Funktion mit nur einer Variable erhalten, deren Extremum wir bestimmen. Konkret schaen wir das mit folgenden Schritten: (II) umformen: 10 = y 4x y = x (II) in (I) einsetzen: f(x, y) = 5x 2 + 5y f(x) = 5x 2 + 5(10 + 4x) f(x) = 5x x 1
2 Schritt 3: Leite f(x) nach x ab und setze die Ableitung gleich Null. f (x) = 10x + 20! = 0 10x + 20 = 0 10x = 20 x = 2 20 : ( 10) D.h. bei x = 2 liegt ein Extremum vor. Schritt 5: Überprüfe, ob bei x = 2 ein Maximum vorliegt. Die Zusicherung auf ein Maximum erhalten wir, falls f (2) < 0 gilt: f (x) = 10 f (2) = 10 < 0 Da die zweite Ableitung kleiner Null ist, liegt bei x = 2 ein Maximum vor. 10 = y 4x einsetzen von x = 2 10 = y 4 2 zusammenfassen 10 = y 8 +8 y = 18 Somit wird die Funktion f(x, y) = 5x 2 + 5y für die Werte x = 2 und y = 18 unter der gegebenen Nebenbedingung maximiert. Das Maximum beträgt f(2, 18) = 70 3 Übungsaufgaben Aufgabe 1) Gegeben sei folgende Funktion f(x, y) (I) f(x, y) = 8x 2 + 3y deren Maximum unter der Nebenbedingung (II) 4 = y 6x bestimmt werden soll! 2
3 Lösung: (II) umformen: 4 = y 6x y = 6x + 4 (II) in (I) einsetzen: f(x, y) = 8x 2 + 3y f(x) = 8x 2 + 3(6x + 4) f(x) = 8x x + 12 Schritt 3: Leite f(x) nach x ab und setze die Ableitung gleich Null. f (x) = 16x + 18! = 0 16x + 18 = 0 16x = 18 x = : ( 16) D.h. bei x = liegt ein Extremum vor. Schritt 5: Überprüfe, ob bei x = ein Maximum vorliegt. Die Zusicherung auf ein Maximum erhalten wir, falls f (1.125) < 0 gilt: f (x) = 16 f (1.125) = 16 < 0 Da die zweite Ableitung kleiner Null ist, liegt bei x = ein Maximum vor. 4 = y 6x einsetzen von x = = y zusammenfassen 4 = y y = Somit wird die Funktion f(x, y) = 8x 2 + 3y für die Werte x = und y = unter der gegebenen Nebenbedingung maximiert. Das Maximum beträgt f(1.125, 10.75) = Aufgabe 2) Gegeben sei folgende Funktion f(x, y) (I) f(x, y) = 6x 2 + 8y 3
4 deren Maximum unter der Nebenbedingung (II) 5 = y 2x bestimmt werden soll! Lösung: (II) umformen: 5 = y 2x y = 2x + 5 (II) in (I) einsetzen: f(x, y) = 6x 2 + 8y f(x) = 6x 2 + 8(2x + 5) f(x) = 6x x + 40 Schritt 3: Leite f(x) nach x ab und setze die Ableitung gleich Null. f (x) = 12x + 16! = 0 12x + 16 = 0 12x = 16 x = : ( 12) D.h. bei x = 1.33 liegt ein Extremum vor. Schritt 5: Überprüfe, ob bei x = 1.33 ein Maximum vorliegt. Die Zusicherung auf ein Maximum erhalten wir, falls f (1.33) < 0 gilt: f (x) = 12 f (1.33) = 12 < 0 Da die zweite Ableitung kleiner Null ist, liegt bei x = 1.33 ein Maximum vor. 5 = y 2x einsetzen von x = = y zusammenfassen 5 = y y =
5 Somit wird die Funktion f(x, y) = 6x 2 + 8y für die Werte x = 1.33 und y = 7.66 unter der gegebenen Nebenbedingung maximiert. Das Maximum beträgt f(1.33, 7.66)
Optimieren 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
MehrInhalt. 8.1 Motivation. 8.2 Optimierung ohne Nebenbedingungen. 8.3 Optimierung unter Nebenbedingungen. 8.4 Lineare Programmierung
8. Optimierung Inhalt 8.1 Motivation 8.2 Optimierung ohne Nebenbedingungen 8.3 Optimierung unter Nebenbedingungen 8.4 Lineare Programmierung 8.5 Kombinatorische Optimierung 2 8.1 Motivation Viele Anwendungen
MehrKuhn-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,
MehrKapitel 12. Lagrange-Funktion. Josef Leydold Mathematik für VW WS 2017/18 12 Lagrange-Funktion 1 / 28. f (x, y) g(x, y) = c. f (x, y) = x y 2
Kapitel 12 Lagrange-Funktion Josef Leydold Mathematik für VW WS 2017/18 12 Lagrange-Funktion 1 / 28 Optimierung unter Nebenbedingungen Aufgabe: Berechne die Extrema der Funktion unter der Nebenbedingung
MehrMonotonie, Konkavität und Extrema
Kapitel 8 Monotonie, Konkavität und Extrema Josef Leydold Auffrischungskurs Mathematik WS 2017/18 8 Monotonie, Konkavität und Extrema 1 / 55 Monotonie Eine Funktion f heißt monoton steigend, falls x 1
MehrMonotonie, Konkavität und Extrema
Kapitel 8 Monotonie, Konkavität und Extrema Josef Leydold Auffrischungskurs Mathematik WS 2017/18 8 Monotonie, Konkavität und Extrema 1 / 55 Monotonie Eine Funktion f heißt monoton steigend, falls x 1
MehrExtrema von Funktionen mit Nebenbedingung
Wirtschaftswissenschaftliches Zentrum Universität Basel Mathematik für Ökonomen 1 Dr. Thomas Zehrt Extrema von Funktionen mit Nebenbedingung Literatur: Gauglhofer, M. und Müller, H.: Mathematik für Ökonomen,
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
MehrTutorium Mathematik II, M Lösungen
Tutorium Mathematik II, M Lösungen 3. Mai 203 *Aufgabe. Bestimmen Sie alle Punkte (x 0, y 0 ), an denen der Gradient der Funktion f(x, y) = (xy 2 8)e x+y Null ist. Untersuchen Sie, ob diese Punkte lokale
MehrOutline. 1 Funktionen von mehreren Veränderlichen. 2 Grenzwert und Stetigkeit. 3 Partielle Ableitungen. 4 Die verallgemeinerte Kettenregel
Outline 1 Funktionen von mehreren Veränderlichen 2 Grenzwert und Stetigkeit 3 Partielle Ableitungen 4 Die verallgemeinerte Kettenregel 5 Das totale Differential 6 Extremstellen Roman Wienands (Universität
MehrZusatzübungen. Berechne alle Produkte zweier oben genannten Matrizen, die möglich sind (also A B, B A, C B,..., usw., wenn möglich).
Zusatzübungen (Lösungen am Ende) Aufgabe 1: ( ) ( ) 1 1 2 3 1 3 A =, B =, C = 3 1 2 2 5 2 0 Berechne alle Produkte zweier oben genannten Matrizen, die möglich sind (also A B, B A, C B,..., usw., wenn möglich).
MehrNAME: 999. Schularbeit: MATHEMATIK KL.: - S.1. 2) 6A1.11-E / 002-e ) 6A1.11-E / 003-e ) 6A1.11-E / 004-e 0 1 2
999. Schularbeit: MATHEMATIK KL.: - S.1 1) Löse folgende Gleichungen mit Hilfe des Waagemodells! a) + 17 = 23 b) y - 3 = 15 2) 6A1.11-E / 002-e 0 1 2 Folgende Gleichungen sollen mit Hilfe des Waagemodells
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.
MehrK l a u s u r N r. 1 G K M 12
K l a u s u r N r. G K M 2 Aufgabe Bestimmen Sie die Ableitungsfunktion zu den folgenden Funktionen! a) f (x) (sin x) 2 (cos x) 2 b) f (x) (6 x 2 5) sin (2 x 3 + 5 x) c) f (x) 2 x 6 4 2 x 3 d) f (x) 4
MehrAufgabenkomplex 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
MehrUnivariate Analysis. Analysis und nichtlineare Modelle Sommersemester
Analysis und nichtlineare Modelle Sommersemester 9 5 Univariate Analysis C. Berechnen Sie ohne Taschenrechner(!). Runden Sie die Ergebnisse auf ganze Zahlen. (a) 7 :, (b) 795 :.. Berechnen Sie ohne Taschenrechner(!):
Mehr1 Einstimmung 2. 2 Die Reduktionsmethode 5. 3 Die Methode der Lagrange-Multiplikatoren 6. 4 *Ergänzungen und Verallgemeinerungen* 10
Universität Basel 9 Wirtschaftswissenschaftliches Zentrum Abteilung Quantitative Methoden Mathematik 1 Dr. Thomas Zehrt Extremwertprobleme mit Nebenbedingung Inhaltsverzeichnis 1 Einstimmung 2 2 Die Reduktionsmethode
MehrTU Dresden Fachrichtung Mathematik Institut für Numerische Mathematik 1. Dr. M. Herrich SS 2017
TU Dresden Fachrichtung Mathematik Institut für Numerische Mathematik Prof. Dr. K. Eppler Institut für Numerische Mathematik Dr. M. Herrich SS 207 Aufgabe Gegeben sei die Funktion f : R 2 R mit Übungen
MehrAufgabe des Monats Mai
Aufgabe des Monats Mai 2013 1 Ein Monopolist produziere mit folgender Kostenfunktion: K(x) = x 3 12x 2 + 60x + 98 und sehe sich der Nachfragefunktion (Preis-Absatz-Funktion) p(x) = 10, 5x + 120 gegenüber.
Mehr14.4 Warum die Methode der Lagrange-Multiplikatoren funktioniert
14 Optimierung unter Nebenbedingungen 14.4 Warum die Methode der Lagrange-Multiplikatoren funktioniert [1] Lösen sie die folgenden Probleme, indem Sie diese auf ein univariates Problem zurückführen. Zeigen
Mehr(3D-)Extrema unter Nebenbedingungen. Problemstellung (lokale Optimierung)
(3D-)Extrema unter Nebenbedingungen Wir beschränken uns wieder (meistens) auf Funktionen von zwei Variablen x, y. Bei drei oder mehr Variablen x 1,..., x n sind die gleichen Techniken analog anwendbar,
MehrAnsgar Schiffler. Die Polynomdivision. Seite 1 von 5. Aufgabe 1: Es sollen die Nullstellen des Graphens der folgenden Funktion bestimmt werden.
Seite 1 von 5 Aufgabe 1: Es sollen die Nullstellen des Graphens der folgenden Funktion bestimmt werden. Dies ist der Graph der Funktion: y = f(x) =,5x³,5x² + 1,8x +,88 Die erste Nullstelle können Sie durch
MehrExtrema mit Nebenbedingungen
Extrema mit Nebenbedingungen Gesucht ist das Extremum der Funktion f(x,y) = 5 x y unter der Nebenbedingung g(x,y) = x+y =. 5 y x In diesem einfachen Fall kann die Nebenbedingung nach einer Variablen aufgelöst
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
MehrB Differenzialrechnung
A Funktionen Seite 1 Abhängigkeiten entstehen... 4 2 Der Funktionsbegriff... 6 3 Lineare Funktionen... 8 4 Lineare Regression... 1 5 Funktionsscharen... 12 6 Betragsfunktionen... 13 7 Potenzfunktionen...
MehrDifferenzialrechnung
Mathe Differenzialrechnung Differenzialrechnung 1. Grenzwerte von Funktionen Idee: Gegeben eine Funktion: Gesucht: y = f(x) lim f(x) = g s = Wert gegen den die Funktion streben soll (meist 0 oder ) g =
MehrMathematik: Mag. Schmid Wolfgang Arbeitsblatt 9 6. Semester ARBEITSBLATT 9. Extremwertaufgaben
ARBEITSBLATT 9 Extremwertaufgaben Gehen wir die Idee der Extremwertaufgaben gleich an einem Beispiel an: Rechtecke gleichen Umfangs haben den gleichen Flächeninhalt. Stimmt diese Aussage/ stimmt sie nicht?
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
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
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
MehrMaximiere Gesamtgewinn aus verschiedenen Produkten unter Restriktionen an Produktmenge (Lagermenge, Transportmenge)
Beispiel: Produktionsplanung Maximiere Gesamtgewinn aus verschiedenen Produkten unter Restriktionen an Produktmenge (Lagermenge, Transportmenge) Produktionskapazität Ressourcenmenge bei als fest angenommenem
MehrKlausurrepetitorium ABWL
Klausurrepetitorium ABWL Planungs- und Südwestfälische Industrie- und Handelskammer 9. August 5 Dr. Friedhelm Kulmann, Sandra Rudolph 9.8.5 Gliederung. Nichtlineare Optimierungsprobleme.. Quadratisches
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
MehrEinführung in die Quadratischen Funktionen
Einführung in die Quadratischen Funktionen Problemstellung: In einer Fabrikhalle soll ein Pausenraum neu eingerichtet werden. Die dazu bestellten flexiblen Trennwände sind zusammen 15 m lang. Das Aufstellen
MehrC. Eicher Analysis Study Center ETH Zürich HS Extremwerte
C. Eicher Analysis Study Center ETH Zürich HS 05 Extremwerte Gelöste Aufgabenbeispiele:. Bestimme die lokalen und globalen Extrema der Funktion f(x) = x x + x auf dem Intervall [ 4, ]. a. Bestimmung der
MehrMikroökonomik Prof. Dr. Stefan Klonner SoSe Übungsblatt 1
1 Funktionen Definition 1 (Funktion). Übungsblatt 1 Eine Funktion f(x) einer reellen Variable x mit Definitionsbereich D ist eine Regel, die jeder Zahl x in D eine reelle Zahl f(x) eindeutig zuordnet.
MehrMathematische Grundlagen für Wirtschaftswissenschaftler Leseprobe - Abschnitt 6.5 (das agraökonomische Schaf )
Mathematische Grundlagen für Wirtschaftswissenschaftler Leseprobe - Abschnitt 65 (das agraökonomische Schaf ) Sascha Kurz Jörg Rambau 25 November 2009 2 66 Die Karush-Kuhn-Tucker-Methode Die Erkenntnisse
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
MehrMathematik I Internationales Wirtschaftsingenieurwesen
Mathematik I Internationales Wirtschaftsingenieurwesen Funktionen mit mehreren reellen Variablen 18.11.08 Beispiel: Funktionsgebirge Das Beispiel zeigt die Funktion z = y sin(x 2 ) Schnittkurven: Beispiel
MehrMathematik I ITB. Funktionen mit mehreren reellen Variablen. Prof. Dr. Karin Melzer
Funktionen mit mehreren reellen Variablen 11.05.09 Beispiel: Funktionsgebirge Das Beispiel zeigt die Funktion z = y sin(x 2 ) Schnittkurven: Beispiel Kegelschnitte Schnittkurve: Kurve, die aus dem Schnitt
MehrAnalysis Extremwertaufgaben mit geometrischer Nebenbedingung
Analysis Extremwertaufgaben mit geometrischer Nebenbedingung Alexander Schwarz November 08 Aufgabe : Aus einem 0cm langen Draht soll das Kantenmodell eines Quaders hergestellt werden, bei dem eine Kante
MehrMathematik Semester 4 / Arbeitsblatt 6
6 Extremwertaufgaben Siehe dazu den Abschnitt 11. in der Formelsammlung. 6.1 Aufgaben mit quadratischen Funktionen Bei den Aufgaben in diesem Abschnitt erhält man nach dem Einsetzen der Nebenbedingung
MehrKurvendiskussion von Funktionsscharen
Kurvendiskussion von Funktionsscharen Die Untersuchung von Funktionsscharen unterscheidet sich nicht von der Untersuchung von normalen Funktionen. Einzig die Bestimmung der Ortskurven von Extremstellen
MehrKapitel 7 : Lineare Programmierung Die Simplexmethode (G.B.Dantzig, 1947) Beispiel:
Kapitel 7 : Lineare Programmierung Die Simplexmethode (G.B.Dantzig, 1947) Beispiel: Eine Firma produziert die Produkte P 1, P 2,..., P q aus den Rohstoffen R 1, R 2,..., R m. Dabei stehen b j Einheiten
MehrHilfe Beispiel 1: Lösungsskizze und Ergebnis:
Hilfe Beispiel 1: 1. Hauptbedingung erstellen (Volumen der Schachtel) 3. Nebenbedingungen finden, Grundkanten und Höhen ausdrücken, in Hauptbedingung einsetzen -> Funktion 4. 1. Ableitung, 0 setzen ->
MehrTheorie: Quadratische Funktionen
1 Theorie: Quadratische Funktionen Ben Hambrecht Inhaltsverzeichnis 1 Zahlenfolgen und ihre Differenzen 2 2 Parabeln 3 3 Einfache quadratische Funktionen 4 4 Allgemeine quadratische Funktionen 5 5 Quadratische
MehrVorlesung Wissensentdeckung
Vorlesung Wissensentdeckung Stützvektormethode Katharina Morik, Uwe Ligges 10.6.2010 1 von 40 Gliederung 1 Hinführungen zur SVM 2 Maximum Margin Methode Lagrange-Optimierung 3 Weich trennende SVM 2 von
Mehr3 Optimierung mehrdimensionaler Funktionen f : R n R
3 Optimierung mehrdimensionaler Funktionen f : R n R 31 Optimierung ohne Nebenbedingungen Optimierung heißt eigentlich: Wir suchen ein x R n so, dass f(x ) f(x) für alle x R n (dann heißt x globales Minimum)
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,
MehrVorlesung Wissensentdeckung
Gliederung Vorlesung Wissensentdeckung Stützvektormethode 1 Hinführungen zur SVM Katharina Morik, Claus Weihs 26.5.2009 2 Maximum Margin Methode Lagrange-Optimierung 3 Weich trennende SVM 1 von 40 2 von
Mehr1 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
Mehr10 Extremwerte mit Nebenbedingungen
10 Extremwerte mit Nebenbedingungen 49 10 Extremwerte mit Nebenbedingungen Wir betrachten nun Extremwertaufgaben, bei denen nach dem Extremwert einer fx 1,, x n gesucht wird, aber die Menge der zulässigen
MehrAnalysis I. Arbeitsblatt 25. Übungsaufgaben. π x sin x 2 dx.
Prof. Dr. H. Brenner Osnabrück WS 23/24 Analysis I Arbeitsblatt 25 Übungsaufgaben Aufgabe 25.. Berechne das bestimmte Integral π x sin x 2 dx. In den folgenden Aufgaben, bei denen es um die Bestimmung
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
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
MehrDas Lagrange-duale Problem
Das Lagrange-duale Problem Tobias Kulke 29. April 2010 1 Einführung Für jedes Paar (λ, ν) mit λ 0 liefert die Langrange-duale Funktion ( ) p g(λ, ν) = inf L(x, λ, ν) = inf f 0 (x) + λ i f i (x) + ν i h
Mehr8 Extremwerte reellwertiger Funktionen
8 Extremwerte reellwertiger Funktionen 34 8 Extremwerte reellwertiger Funktionen Wir wollen nun auch Extremwerte reellwertiger Funktionen untersuchen. Definition Es sei U R n eine offene Menge, f : U R
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
MehrAufgabe zum Thema: Gebrochen - rationale Funktionen
Aufgabe zum Thema: Gebrochen - rationale Funktionen Eine gebrochen-rationale Funktion Z (x) hat als Zähler- N (x) funktion Z (x) eine lineare Funktion und als Nennerfunktion N (x) eine ganz-rationale Funktion
MehrAnalysis II 14. Übungsblatt
Jun.-Prof. PD Dr. D. Mugnolo Wintersemester 01/13 F. Stoffers 04. Februar 013 Analysis II 14. Übungsblatt 1. Aufgabe (8 Punkte Man beweise: Die Gleichung z 3 + z + xy = 1 besitzt für jedes (x, y R genau
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
MehrÜbung 5, Analytische Optimierung
Übung 5, 5.7.2011 Analytische Optimierung Aufgabe 5.1 Bei der Herstellung von Konserven werden für Boden und Deckel bzw. für den Konservenmantel verschiedene Materialien verwendet, die g 1 = bzw. g 2 =
MehrTechnische Hochschule Köln Fakultät für Wirtschafts- und Rechtswissenschaften Prof. Dr. Arrenberg Raum 221, Tel
Technische Hochschule Köln Fakultät für Wirtschafts- und Rechtswissenschaften Prof. Dr. Arrenberg Raum 221, Tel. 3914 jutta.arrenberg@th-koeln.de Übungen QM I (Wirtschaftsmathematik) Extremwerte ohne Nebenbedingungen
Mehrf(x) f(x 0 ) lokales Maximum x U : gilt, so heißt x 0 isoliertes lokales Minimum lokales Minimum Ferner nennen wir x 0 Extremum.
Fabian Kohler Karolina Stoiber Ferienkurs Analsis für Phsiker SS 4 A Extrema In diesem Abschnitt sollen Extremwerte von Funktionen f : D R n R diskutiert werden. Auch hier gibt es viele Ähnlichkeiten mit
MehrUNIVERSITÄT KARLSRUHE Institut für Analysis HDoz. Dr. P. C. Kunstmann Dipl.-Math. M. Uhl. Sommersemester 2009
UNIVERSITÄT KARLSRUHE Institut für Analysis HDoz Dr P C Kunstmann Dipl-Math M Uhl Sommersemester 9 Höhere Mathematik II für die Fachrichtungen Elektroingenieurwesen, Physik und Geodäsie inklusive Komplexe
MehrFolgerungen aus dem Auflösungsatz
Folgerungen aus dem Auflösungsatz Wir haben in der Vorlesung den Satz über implizite Funktionen (Auflösungssatz) kennen gelernt. In unserer Formulierung lauten die Resultate: Seien x 0 R m, y 0 R n und
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.
MehrLösungen P 15. Aufgabe 1 a) Bei 4,9 ME und einem Preis von 20,1 GE pro ME. erzielt man maximalen Gewinn. p-q-formel ergibt x 2
Lösungen P 15 Aufgabe 1 a) G() Ç Ä Å 7 Å 4 Ä 10 und K() Ç Ä 8 Å 1 Å 10 E() Ç G() Å K() E() Ç Ä p() Å 5 Ç Ä Å 5 mit p() Ç 5 b) G() Ç Ä Å 7 Å 4 Ä10 É ME (SM) É D ök Ç Ñ0;5Ö G () Ç Ä Å 14 Å 4 G() Ç Ä6 Å 14
MehrLineare Gleichungssysteme
Lineare Gleichungssysteme Dr. H. Macholdt 7. September 2005 1 Motivation Viele Probleme aus dem Bereich der Technik und der Naturwissenschaften stellen uns vor die Aufgabe mehrere unbekannte Gröÿen gleichzeitig
MehrExtrema gebrochen rationaler Funktionen
Übungen zum Thema: Extrema gebrochen rationaler Funktionen Hier angewandte Lösungsmethode: Grenzwertmethode Versionsnummer: Version in Arbeit vom 6.09.007 / 19.00 Uhr Finde lokale Extrema der gebrochen
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,
MehrWirtschaftsmathematik II
WMS: Wirtschaftsmathematik 2 :: WS 2009/10 Wirtschaftsmathematik II Reinhard Ullrich http://homepage.univie.ac.at/reinhard.ullrich Basierend auf Folien von Dr. Ivana Ljubic October 11, 2009 1 Funktionen
MehrTheorie 3: Graphische Veranschaulichung der Fallunterscheidung
Die Formel von Cardano - mit grahischer Lösung Theorie : Grahische Veranschaulichung der Fallunterscheidung Gegeben ist eine kubische Gleichung in reduzierter Form: x x = 0 mit 0 IR. Definieren Sie einen
MehrWirtschaftsmathematik 00054: Mathematik für Wirtschaftswissenschaftler II Kurseinheit 2: Lineare Algebra II
Wirtschaftsmathematik 00054: Mathematik für Wirtschaftswissenschaftler II Kurseinheit : Lineare Algebra II Leseprobe Autor: Univ.-Prof. Dr. Wilhelm Rödder Dr. Peter Zörnig 74 4 Extrema bei Funktionen mehrerer
MehrLösungen der Aufgaben zu Kapitel 9
Lösungen der Aufgaben zu Kapitel 9 Abschnitt 9. Aufgabe a) Wir bestimmen die ersten Ableitungen von f, die uns dann das Aussehen der k-ten Ableitung erkennen lassen: fx) = x + e x xe x, f x) = e x e x
MehrKapitel 2. Mathematik für Mikroökonomie
Kapitel Mathematik für Mikroökonomie 1 Mathematik der Optimierung Ökonomische Theorien basieren auf der Annahme, dass die Agenten versuchen, den optimalen Wert einer Funktion zu wählen. Konsumenten maximieren
MehrMusterlösung zur Klausur zur Vorlesung Mathematik für Wirtschaftswissenschaftler II. am , Zeit: 120 Minuten
Musterlösung zur Klausur zur Vorlesung Mathematik für Wirtschaftswissenschaftler II am 5.8.25, Zeit: 2 Minuten Aufgabe (3 Punkte Eine Bakterienkultur hat eine stetige Wachstumsrate von % pro Stunde. Wie
MehrMathematik 2 für Wirtschaftsinformatik
für Wirtschaftsinformatik Sommersemester 2012 Hochschule Augsburg Hinreichende Bedingung für lokale Extrema Voraussetzungen Satz D R n konvex und offen Funktion f : D R zweimal stetig partiell differenzierbar
MehrKAPITEL 10 DIE INNERE-PUNKTE-METHODE
KAPITEL DIE INNERE-PUNKTE-METHODE F. VALLENTIN, A. GUNDERT Vorteile: + Löst effizient lineare Programme (in Theorie und Praxis) + erweiterbar (zu einer größeren Klasse von Optimierungsproblemen) + einfach
MehrK b) x. Aufgabe 2: [3P] Bestimmen Sie die x-werte, bei denen die Tangente an die Funktion f ( x) 6 x durch R(-2/0) geht.
Pflichtteil (etwa min) Ohne Taschenrechner und ohne Formelsammlung (Dieser Teil muss mit den Lösungen abgegeben sein, ehe der GTR und die Formalsammlung verwendet werden dürfen.) Aufgabe : [P] Leiten Sie
MehrMathematik Rechenfertigkeiten
Mathematik Rechenfertigkeiten Skript Donnerstag Dominik Tasnady, Mathematik Institut, Universität Zürich Winterthurerstrasse 9, 857 Zürich Skript: Dr. Irmgard Bühler (Überarbeitung: Dominik Tasnady) 8.August
MehrComputer 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
MehrFormel 1 - Rennen am Tiongring
BspNr: F0010 Themenbereich Differential- und Integralrechnung Ziele vorhandene Ausarbeitungen Bogenlänge und Krümmung TI-9 (F0010a) Analoge Aufgabenstellungen Übungsbeispiele F0011, F001 Lehrplanbezug
Mehr1 Übungsaufgaben zu Kapitel 1
Übungsaufgaben zu Kapitel. Übungsaufgaben zu Abschnitt... Aufgabe. Untersuchen Sie die nachstehend definierten Folgen ( a k ) k und ( b k ) k auf Konvergenz und bestimmen Sie ggf. den jeweiligen Grenzwert:
MehrSysteme von linearen Ungleichungen
Systeme von linearen Ungleichungen ALGEBRA Kapitel 6 WRProfil - Mittelstufe KZN Ronald Balestra CH - 8046 Zürich www.ronaldbalestra.ch Name: Vorname: 28. Februar 2016 Überblick über die bisherigen ALGEBRA
MehrLösungen zu Aufgabenblatt 6
Fachbereich Informatik Prof. Dr. Peter Becker Vorlesung Graphentheorie Operations Research Wintersemester 2004/05 3. Januar 2005 Lösungen zu Aufgabenblatt 6 Aufgabe 1 (Modellierung von LPs) Formulieren
MehrSerie 4. Analysis D-BAUG Dr. Cornelia Busch FS 2015
Analysis D-BAUG Dr. Cornelia Busch FS 05 Serie 4. Finden Sie die lokalen Extrema der Funktionen f : R R auf dem Einheitskreis S = {x, y R : x + y = } und geben Sie an, ob es sich um ein lokales Minimum
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
MehrBERGISCHE UNIVERSITÄT WUPPERTAL Fachbereich C Mathematik und Naturwissenschaften
Musterl osung BERGISCHE UNIVERSITÄT WUPPERTAL Fachbereich C Mathematik und Naturwissenschaften Analysis II Klausur WS 211/212 Prof. Dr. Hartmut Pecher 3.2.212, 9:15 Uhr Name Matr.Nr. Studienfach Fachsemester
MehrModelle 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, = 2x, dz = 2x dx dx c und d) Partielle Integration u v = u v u v
Tipps und Lösungen zum Selbsttest Physik/Physik Lehramt Hinweis: Wenn Sie bei einer Aufgabe nicht weitergekommen sind, lesen Sie bitte zuerst die Tipps und versuchen Sie es danach erneut. Die Lösungen
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
Mehr9 Optimierung mehrdimensionaler reeller Funktionen f : R n R
9 Optimierung mehrdimensionaler reeller Funktionen f : R n R 91 Optimierung ohne Nebenbedingungen Ein Optimum zu suchen heißt, den größten oder den kleinsten Wert zu suchen Wir suchen also ein x R n, sodass
Mehra,b,c a,b,d a,d,e b,c,e c,d,e ( ) ( ) ( ) ( ) ( )
Klausur, Mathematik, Juli 2012, A 1 [ 1 ] Bestimmen Sie Y und C in dem makroökonomischen Modell Y = C + Ī C = a + by mit a = 300, b = 0.7 und Ī = 600. Y = C = [ 2 ] Die folgenden Aussagen befassen sich
Mehr10 Extremwertaufgaben, dreidimensional
Dr. Dirk Windelberg Leibniz Universität Hannover Mathematik für Ingenieure Mathematik http://www.windelberg.de/agq 10 Extremwertaufgaben, dreidimensional 3D: Notwendige Bedingung für das Auftreten eines
Mehr9. Übungsblatt zur Vorlesung Mathematik I für Informatik
Fachbereich Mathematik Prof. Dr. Thomas Streicher Dr. Sven Herrmann Dipl.-Math. Susanne Pape 9. Übungsblatt zur Vorlesung Mathematik I für Informatik Wintersemester 2009/2010 8./9. Dezember 2009 Gruppenübung
MehrMathematik II Frühlingsemester 2015 Kap. 9: Funktionen von mehreren Variablen 9.4 Anwendungen (Teil 2): Extremwerte
Mathematik II Frühlingsemester 2015 Kap. 9: Funktionen von mehreren Variablen 9.4 Anwendungen (Teil 2): Extremwerte www.math.ethz.ch/education/bachelor/lectures/fs2015/other/mathematik2 biol Prof. Dr.
Mehr