Demoseiten für

Ähnliche Dokumente
Demoseiten von der Mathe-CD. Matrizenrechnung Anwendungsaufgaben. Einführung in das Thema. Teil 2. Betriebliche Verflechtungen

Lineare Algebra. Beni Keller SJ 16/17

Die Siedler von Catan Mehrstufige Produktionsprozesse

Formale Matrizenrechnung

Aufgabenkomplex 3: Vektoren und Matrizen

Kurs Grundlagen der Linearen Algebra und Analysis

Matrizen Definition: Typ einer Matrix

(A T ) T = A. Eigenschaft:

Hauptprüfung Fachhochschulreife Baden-Württemberg

A.5.1 Die Matrix und elementare wirtschaftsrelevante Anwendungen

9.1 ADDIEREN UND SUBTRAHIEREN VON MATRIZEN MULTIPLIKATION EINER MATRIX MIT EINEM SKALAR

Zweistufige Produktion

Matrizen ç 2030 II. Quartal æ98766ö. R = ç. B P Preise R R

Abituraufgaben. Berufliche Gymnasien BW. Matrizenrechnung: Arbeiten mit Bedarfstabellen. Herstellung von Zwischen- und Endprodukten aus Rohstoffen

Matrizen. a12 a1. a11. a1n a 21. a 2 j. a 22. a 2n. A = (a i j ) (m, n) = i te Zeile. a i 1. a i 2. a i n. a i j. a m1 a m 2 a m j a m n] j te Spalte

a 11 a 12 a 1(m 1) a 1m a n1 a n2 a n(m 1) a nm Matrizen Betrachten wir das nachfolgende Rechteckschema:

a) Geben Sie die zugehörigen Matrizen A RZ, A ZE und A RE. Berechnen Sie die fehlenden Werte der Rohstoff-Zwischenprodukt-Matrix.

Materialverflechtung

Du kannst den Bedarf hier direkt ablesen. Beispiel: Für den Obstkuchen braucht sie 100 Gramm Zucker.

Mathematik II Frühjahrssemester 2013

Mathematik I Herbstsemester 2014 Kapitel 8: Lineare Algebra 8.1 Reelle Matrizen

Chr.Nelius: Lineare Algebra (SS 2008) 1. 4: Matrizenrechnung. c ik := a ik + b ik. A := ( a ik ). A B := A + ( B). ist A =

Vorbereitungskurs Mathematik zum Sommersemester 2011 Tag 7

Kapitel 2. Matrixalgebra. Josef Leydold Mathematik für VW WS 2017/18 2 Matrixalgebra 1 / 49

MLAN1 1 MATRIZEN 1 0 = A T =

DEMO für

6. Vorlesung. Rechnen mit Matrizen.

Definition, Rechenoperationen, Lineares Gleichungssystem

Kapitel 2. Matrixalgebra. Josef Leydold Mathematik für VW WS 2017/18 2 Matrixalgebra 1 / 49

Matrixalgebra. Kapitel 2. Ein sehr einfaches Leontief-Modell. Matrix. Ein sehr einfaches Leontief-Modell. Vektor. Spezielle Matrizen I

Definition, Rechenoperationen, Lineares Gleichungssystem

Vektoren und Matrizen

MATRIZEN. Eine Matrix ist eine rechteckige Anordnung von Zahlen, als ein Schema betrachtet. a 11 a a 1n a 21. a a 2n A = a m1 a m2...

Klausurvorbereitung. Aufgabe 1: Aufgabe 2: Aufgabe 3: Aufgabe 4: Aufgabe 5: Tutorium. Folgende Matrizen sind gegeben:

Hauptprüfung Abiturprüfung 2014 (ohne CAS) Baden-Württemberg

Bruchrechnen in Kurzform

Matrix: Eine rechteckige Anordnung reeller Zahlen a ij (i = 1,..., n i ; j = 1,..., m) in Zeilen und Spalten. Die a ij heiÿen Elemente von A.

3 Matrizenrechnung. 3. November

Matrizen, Determinanten, lineare Gleichungssysteme

Mathematik I Übungsblatt 5 WS 12/13 Prof. Dr. W. Konen, Dr.A.Schmitter

Prüfungsklausur Mathematik I für Wirtschaftsingenieure und BWL am

Inhalt. Mathematik für Chemiker II Lineare Algebra. Vorlesung im Sommersemester Kurt Frischmuth. Rostock, April Juli 2015

Basiswissen Matrizen

Teil 1. Darstellung von Vektoren als Linearkombinationen. Lineare Un-/Abhängigkeit - Basis

1 Definition. 2 Besondere Typen. 2.1 Vektoren und transponieren A = 2.2 Quadratische Matrix. 2.3 Diagonalmatrix. 2.

Tutorium: Diskrete Mathematik. Matrizen

Casio fx-cg20 Matrix eingeben, editieren, löschen und einfache Matrizenrechnungen

Wirtschaftswissenschaftliche Bücherei für Schule und Praxis Begründet von Handelsschul-Direktor Dipl.-Hdl. Friedrich Hutkap

Skalarprodukt. Anwendung auf die Berechnung von einfachen Abständen und Winkeln sowie Normalenvektor. Ganz einfache Erklärung der Grundlagen:

Matrizen, Gaußscher Algorithmus 1 Bestimmung der inversen Matrix

Unterrichtsmaterialien in digitaler und in gedruckter Form. Auszug aus: Lineare Algebra: Matrizenrechnung. Das komplette Material finden Sie hier:

Inverse Matrix. 1-E Ma 1 Lubov Vassilevskaya

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

36 2 Lineare Algebra

ANHANG A. Matrizen. 1. Die Definition von Matrizen

Aufgabenkomplex 3: Vektoren und Matrizen

Mathematik für Naturwissenschaftler II SS 2010

Zusammenfassung Mathe III. Themenschwerpunkt 3: Analytische Geometrie / lineare Algebra (ean) 1. Rechenregeln mit Vektoren

EINFÜHRUNG IN DIE TENSORRECHNUNG

Mathematik. Lernbaustein 6

Spezialgebiet Mathematik(Christian Behon ) 1. Matrizen. Kapitel 1 Definitionen und Herleitung von Matrizen. Kapitel 2 Matrizenoperation

IV. Matrizenrechnung. Gliederung. I. Motivation. Lesen mathematischer Symbole. III. Wissenschaftliche Argumentation. i. Rechenoperationen mit Matrizen

Korrelationsmatrix. Statistische Bindungen zwischen den N Zufallsgrößen werden durch die Korrelationsmatrix vollständig beschrieben:

6. Rechnen mit Matrizen.

Mathematik 1 für Wirtschaftsinformatik

Einführung in die Vektor- und Matrizenrechnung. Matrizen

Mathematik für Informatiker 1 Wintersemester 2013/14 Übungsblatt 12

Vektorrechnung. Beispiele: (4 8) 2-Tupel (Zahlenpaar) (4 8 9) 3-Tupel (Zahlentrippel)

Musterlösungen Blatt Mathematischer Vorkurs. Sommersemester Dr. O. Zobay. Matrizen

1 Matrizenrechnung zweiter Teil

Bundeswehrfachschule München

4 Matrizenrechnung. Beide Operationen geschehen also koeffizientenweise. Daher übertragen sich die Rechenregeln von K(m n, k).

Übungsblatt 5 : Lineare Algebra

3 Determinanten, Eigenwerte, Normalformen

mit "Skalarprodukt" aus i-tem "Zeilenvektor" und j-tem "Spaltenvektor"

Nur Matrizen gleicher Dimension können addiert oder subtrahiert werden. Zur Berechnung werden zwei Matrizen A und B in den Matrix-Editor eingegeben.

Demo: Mathe-CD. Vektorrechnung. Vektorprodukt. Teil 1. Einführung INTERNETBIBLIOTHEK FÜR SCHULMATHEMATIK.

Teil 2. Prozent Mehrwertsteuer Zins. Wiederholung mit wenig Theorie und Training der Grundaufgaben. Zu diesem Text gibt es einen Test in Nr.

2 Matrizen. 2.1 Definition A = a Element in der 3. Zeile und 2. Spalte RP =

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

Einführung: Kaum Theorie, aber viel Training. Mehr Theorie in Zusätzliche Aufgabensammlung in 34021

Mathematik LK 12 M1, 4. Kursarbeit Matrizen und Stochastik Lösung )

Beispiele 1. Gegeben sei das lineare Gleichungssystem mit erweiterter Matrix (A

Übungsblatt 5 : Lineare Algebra

Teil 3 Abbildungen in der Ebene

Fachhochschule Südwestfalen Wir geben Impulse. Vektorrechnung in Octave

Abschlussprûfung Berufskolleg. Prüfungsaufgaben aus Baden-Württemberg. Ökonomie: Produktion- Kosten - Gewinn. Jahrgänge 2002 bis 2016

Vektorräume. 1. v + w = w + v (Kommutativität der Vektoraddition)

2 Matrizenrechnung und Lineare Gleichungssysteme

B =(b1,1. + b 1,2. + b 1,3 1,3. + b 2,4 + b 3,1. + b 2,2. + b 2,3. + b 3,2. + b 3,3

Lineare Algebra. Mathematik II für Chemiker. Daniel Gerth

Tutorium: Diskrete Mathematik. Vektoren

Lineare Algebra. Grundlagen der Vektorrechnung. fsg Verlag

Mathematik-Klausur vom und Finanzmathematik-Klausur vom

Statistik. Finanzmathematik

Mathematik Matrizenrechnung

Tutorium: Diskrete Mathematik

Mathematik I Herbstsemester 2014 Kapitel 8: Lineare Algebra 8.2 Determinanten

Lineare Gleichungssysteme und Matrizen

Kommentiertes Beispiel für das Gaußsche Eliminationsverfahren

Transkript:

Matrizenrechnung Anwendungsaufgaben Teil Themenheft Demoseiten für Arbeiten mit Bedarfsmatrizen Herstellung von Zwischen- und Endprodukten aus Rohstoffen Kostenberechnungen Datei 623 Stand: 5. August 2 INTERNETBIBLIOTHEK FÜR SCHULMATHEMATIK

623 Matrizen: Bedarfsmatrizen 2 Inhalt Beispiel 3 Beispiel 2 5 Beispiel 3 7 Beispiel 4 (Bedarfstabellen und Stücklisten) 8 Beispiel 5 (Belieferung von Firmen) Demoseiten für Aufgabe (Lohnkosten) 2 Aufgabe 2 (Addition von Bedarfstabellen) 5 Hinweis: Strukturen von Bedarfstabellen 7 Aufgabe 3 (Addition von Bedarfstabellen) 8 Aufgabe 4 8 Hinweise Der Text 7422 enthält eine Sammlung von Abituraufgaben der beruflichen Gymnasien aus BW.

623 Matrizen: Bedarfsmatrizen 3 Beispiel Einführung an Hand einfacher Aufgaben Ein Unternehmer stellt aus den Rohstoffen A, B, C und D die Endprodukte E, F und G her. Die Verarbeitung geschieht gemäß folgender Tabelle: E F G A,3,7 B,3,35 C,4,3,5 D,5 Demoseiten für Die Angaben sind Mengeneinheiten (ME). Erklärung: Die 2. Spalte dieser Tabelle besagt, dass das Endprodukt F zu,7 = 7% aus dem Rohstoff A und und zu,3 = 3% aus C besteht. Man kann daraus für beliebige Mengen eines Endprodukts berechnen, wie viele ME der Rohstoffe benötigt werden. Für 4 ME von E ist der Rohstoffbedarf an A: 4,3 ME = 2 ME Rohstoffbedarf an B: 4,3 ME = 2 ME Rohstoffbedarf an C: 4,4 ME = 6 ME Rohstoffbedarf an D: 4 ME = ME Für 28 ME von F ist der Rohstoffbedarf an A: 28,7 ME = 9,6 ME Rohstoffbedarf an B: 28 ME = ME Rohstoffbedarf an C: 28,3 ME = 8,4 ME Rohstoffbedarf an D: 28 ME = ME Für 72 ME von G ist der Rohstoffbedarf an A: 72 ME = ME Rohstoffbedarf an B: 72,35 ME = 25,2 ME Rohstoffbedarf an C: 72,5 ME = 8,8 ME Rohstoffbedarf an D: 72,5 ME = 36 ME Für den Gesamtbedarf muss man addieren: Rohstoffbedarf an A: 2 ME + 9,6 ME + ME = 3,6 ME Rohstoffbedarf an B: 2 ME + ME + 25,2 ME = 37,2 ME Rohstoffbedarf an C: 6 ME + 8,4 ME +,8 ME = 35,2 ME Rohstoffbedarf an D: ME + ME + 36 ME = 36 ME Nun zeige ich, wie man mit deutlich weniger Schreibarbeit auskommt, wenn man dies mit der Matrizenrechnung erledigt.

623 Matrizen: Bedarfsmatrizen 4 Matrizenlösung Aus der Tabelle wird eine Verflechtungsmatrix erstellt. Diese enthält die Tabellenwerte, die angeben, wie die Rohstoffe mit den Endprodukten verflochten sind. Es ist günstig, sie so zu bezeichnen: ( ) Die Bezeichnung deutet an, dass die Rohstoffe mit den Endprodukten verflochten werden. Wenn später Zwischenprodukte eine Rolle spielen, dann gibt es z. B. noch (R,Z)- und (Z,E)-Matrizen! R,E. Hier also erstellen wir die Verflechtungsmatrix, Aus E F G A,3,7 B,3,35 C,4,3,5 D,5 wird ( R,E),3,7,3,35 =,4,3,5,5 Es wird hier vorausgesetzt, dass der Leser die Grundlagen der Matrizenrechnung beherrscht. 4 Aus der Bestellung wird der Produktionsvektor erstellt: p = 28. 72 Er besagt, dass 4 ME von E, 28 ME von F und 72 ME von G produziert werden müssen. Demoseiten für Der gesamte Rohstoffbedarf wird dann dadurch ermittelt, dass man die Matrix (R,E) mit dem Produktionsvektor p multipliziert:,3,7 4,3,35 R,E p = 28,4,3,5 72,5 ( ) Die superausführliche Rechnung (Zeile mal Spalte ) sieht dann so aus:,3,7,3 4 +,7 28 + 72 3,6 4,3,35,3 4 + 28 +,35 72 37,2 R,E p = 28 = =,4,3,5,4 4,3 28,5 72 35,2 72 + +,5 4 + 28 +,5 72 36 ( ) Wie man sieht, sind das genau dieselben Rechnungen wie sie auf der Seite zuvor mit viel mehr Schreibarbeit erstellt worden sind. Die Definition des Skalarprodukts aus Zeilenvektor der Matrix mit dem Produktionsvektor erfüllt genau die Bedürfnisse dieser Berechnung: Zuerst werden die Anteile mit den Stückzahlen multipliziert, und dann wird addiert. Mit dem CAS-Rechner TI Nspire sieht dies so aus: Man kann die Multiplikation auch sofort eintippen und rechnen lassen. Ich habe zuerst Matrix und Vektor definiert und dann erst das Produkt berechnen lassen. Das ist dann von Vorteil, wenn man damit noch weiter rechnen muss, dann kennt sie der Rechner bereits.

623 Matrizen: Bedarfsmatrizen 5 Beispiel 2 Ein Spielzeughersteller baut 5 Typen von kleinen Autos. Er benötigt u. a. diese 4 Bauteile dazu: Bodenbleche: Für alle verwendet er dasselbe Bodenblech: B Seitenwände: Von den linken und rechten Wänden die nur spiegelverkehrt sind, rechnet er pro Auto je Paar. Aber er hat 3 verschiedene Modelle Seitenwände, die sich in Form und Farbe unterscheiden: S, S 2 und S 3. Oberseite: Rückfront, Dach und Vorderseite sind an einem Stück. Er hat dazu 2 Modelle, von denen jedes zu den 3 Paaren an Seitenwänden passen. Sie müssen nur Räder: unterschiedlich gebogen werden: D und D 2 Jeweils 4 gleiche Räder pro Auto. Es gibt aber weiße Räder und schwarze Räder. R w und R s. Demoseiten für Seine Planung geht aus dieser Verflechtungsmatrix hervor: M M2 M3 M4 M5 B S S2 S3 D D2 Rw R s Für die nächste Produktionsperiode plant er 2 Autos vom Typ M, 5 M 2, 42 M 3, 3 M 4 und M 5. Berechne den Materialbedarf dafür. (R,M) = Produktionsvektor: 2 5 p = 42 3 2 + 5 + 42 + 3 + 7 2 + 5 35 2 42 5 42 3 + 4 b = (R,M) p = 42 = = 2 + 42 + 3 3 92 5 + 25 5 + 3 + 55 2 + 42 62

623 Matrizen: Bedarfsmatrizen 6 Der letzte Vektor ist also der Bedarfsvektor b für die 8 Einzelteile. Nun werden wir noch die Materialkosten für diese Menge an Spielzeugautos berechnen.,2,35 Dazu geben wir einen Kostenvektor an.,35,4 Er hat 8 Zellen, in denen die Preise für die 8 Einzelteile stehen: k =,5,28 Die Einheit sind Geldeinheiten (GE).,48,52 Es ist jetzt klar, dass man bei jeder Sorte Einzelteile die Stückzahl mit dem Stückpreis multiplizieren muss. Dann werden alle Preise addiert. Das leistet wieder unsere Matrizenmultiplikation, die ja hier eigentlich eine Vektormultiplikation ist. Wenn man reine Matrizenrechnung betreibt, muss man den links stehenden Vektor als Zeilenvektor schreiben, d.h. er wird transponiert, damit man am Ende einen Zahlenwert (Skalar) zu erhalten.,2 Wie rechnen also: Bedarfs oder Stücklisten-Vektor mal Kostenvektor:,35,35 T,4 MK = b k = ( 7 35 42 4 92 25 55 62),5,28,48,52 Für die Materialkosten MK erhält man daraus: Demoseiten für MK = 7,2 + 35,35 + 42,35 + 4,4 + 92,5 + 25,28 + 55,48 + 62,52 MK = 799 (GE) Wie sieht das mit einem CAS-Rechner aus? Man sieht, wie nützlich es ist, wenn die Vektoren oder Matrizen Namen haben. So konnte am Ende ganz einfach in einer knappen Zeile die Kostenberechnung angeordnet werden!

623 Matrizen: Bedarfsmatrizen 7 Beispiel 3 Demoseiten für Die Frujog GmbH stellt unter andrem Joghurts mit verschiedenem Fettgehalt her.,%, % und 5 %. Diese gibt es ohne Fruchtzusatz (Natur), aber auch mit Fruchtzusätzen Himbeere (H), Mango (M), Banane (B) und Pfirsich (P). Sie kann nun diese Zusätze mischen und dabei verschiedene Geschmacksrichtungen anbieten: Gramm J J2 J3 J4 J5 J6 Fett, 5 5 5 H M B 2 P Die Sorten J und J2 sind natur ohne Geschmackszusatz, J ist Magerjoghurt mit, % Fett, J2 ist Fettstufe mit 5% Fettanteil auch natur (ohne Geschmackszusatz). Dann gibt es die Geschmacksvarianten Mango + Pfirsich und Himbeere + Banane, Banane kräftig und die Fruchtmischung Sommer (H+B+P). Die Produktion soll für den nächsten Monat so eingestellt wird, wie die Markterhebung ergeben hat. J2 wird doppelt so oft verkauft wie J, J3 und J4 werden,5 mal so oft nachgefragt wie J2, die beliebtesten sind J5 und J6. J6 geht 4-mal so gut wie J und J5 gar dreimal so gut wie J2. Stelle den Bedarfsvektor dazu in Abhängigkeit von x auf. Usw.