Zagadnienie Dualne Zadania Programowania Liniowego. Seminarium Szkoleniowe Edyta Mrówka

Wielkość: px
Rozpocząć pokaz od strony:

Download "Zagadnienie Dualne Zadania Programowania Liniowego. Seminarium Szkoleniowe Edyta Mrówka"

Transkrypt

1 Zagadnienie Dualne Zadania Programowania Liniowego Seminarium Szkoleniowe Edyta Mrówka

2 Ogólne zagadnienie PL Znajdź taki wektor X = (x 1, x 2,..., x n ), który minimalizuje kombinacje liniow a przy ograniczeniach liniowych c 1 x 1 + c 2 x c n x n (1) a 11 x 1 + a 12 x a 1n x n = b 1 a 21 x 1 + a 22 x a 2n x n = b 2... (2) a m1 x 1 + a m2 x a mn x n = b m x j 0, j = 1, 2,..., n gdzie a ij, b i, c j s a sta lymi oraz m < n. 1

3 Oznaczenia stosowane w prezentacji A = [a ij ] macierz wspó lczynników, c = (c 1,..., c n ) wektor kosztów, b = (b 1,..., b m ) wektor ograniczeń, 0 = (0,..., 0) n-wymiarowy wektor sk ladaj acy siȩ z samych zer, P j j-ta kolumna macierzy A, P 0 = b. 2

4 Zapis macierzowy zadania PL. Zminimalizować funkcje celu c T X (3) przy ograniczeniach AX = b X 0 (4) 3

5 Przydatne twierdzenia powtórzenie Twierdzenie 1 Zbiór wszystkich rozwi azań dopuszczalnych zagadnienia programowania liniowego jest zbiorem wypuk lym. Twierdzenie 2 Funkcja celu przyjmuje wartość minimaln a w punkcie wierzcho lkowym zbioru wypuk lego, utworzonego na zbiorze rozwi azań dopuszczalnych zagadnienia programowania liniowego. Twierdzenie 3 Jeżeli można znaleźć zbiór wektorów P 1, P 2,..., P k (k m) liniowo niezależnych takich, że x 1 P 1 + x 2 P x k P k = P 0, oraz wszystkie x j 0, to punkt X = (x 1, x 2,..., x k, 0,...0) jest punktem wierzcho lkowym zbioru wypuk lego rozwi azań dopuszczalnych. 4

6 Wnioski 1 Każdemu punktowi wierzcho lkowemu zbioru wypuk lego rozwi azań dopuszczalnych odpowiada zbiór m wektorów liniowo niezależnych z danego zbioru P 1, P 2,..., P n. Twierdzenie 4 Jeżeli dla dowolnego rozwi azania dopuszczalnego X = (x 10, x 20,..., x m0 ) któremu odpowiada zbiór liniowo niezależnych wektorów P 1, P 2,..., P m spe lnione s a warunki z j c j 0 dla wszystkich j = 1, 2,..., n, to x 10 P 1 + x 20 P x m0 P m = P 0 x 10 c 1 + x 20 c x m0 c m = z 0, określaj a minimalne rozwi azanie dopuszczalne. 5

7 Przyk lad 1 Zminimalizować funkcjȩ celu: x 2 3x 3 + 2x 5 przy ograniczeniach: x 1 + 3x 2 x 3 + 2x 5 = 7 2x 2 + 4x 3 + x 4 = 12 4x 2 + 3x 3 + 8x 5 + x 6 = 10 x 1,..., x 6 0 6

8 Rozwia zanie zadania I krok SIMPLEKS c j Baza c P 0 P 1 P 2 P 3 P 4 P 5 P 6 P P P z j c j

9 II krok SIMPLEKS c j Baza c P 0 P 1 P 2 P 3 P 4 P 5 P 6 P P P z j c j

10 III krok SIMPLEKS c j Baza c P 0 P 1 P 2 P 3 P 4 P 5 P 6 P P P z j c j

11 Niesymetryczne zagadnienie dualne PL Zagadnienie pierwotne min c T X przy ograniczeniach AX = b X 0 Zagadnienie dualne max λ T b przy ograniczeniach λ T A c T UWAGA: Zadanie dualne zadania dualnego jest pocz atkowym zagadnieniem pierwotnym. 10

12 Lemat 1 S laby lemat o dualności. Za lóżmy, że X i λ s a rozwi azaniami dopuszczalnymi, odpowiednio, zadania pierwotnego i dualnego. Wówczas prawdziwa jest nastȩpuj aca nierówność: c T X λ T b. Twierdzenie 5 Niech X 0 i λ 0 bȩd a rozwi azaniami dopuszczalnymi, odpowiednio, zadania pierwotnego i dualnego. Jeżeli c T X 0 = λ 0 T b, to X 0 i λ 0 s a optymalnymi rozwi azaniami, odpowiednio, zadania pierwotnego i dualnego. 11

13 Twierdzenie o dualności Twierdzenie 6 Jeżeli zagadnienie pierwotne (albo dualne) ma skończone rozwi azanie optymalne, to odpowiednie zagadnienie dualne (albo pierwotne) ma również skończone rozwi azanie optymalne i ekstrema funkcji celu s a sobie równe. Jeżeli jedno z zagadnień (pierwotne lub dualne) nie ma optymalnego rozwi azania ograniczonego, to odpowiadaj ace mu zagadnienie dualne nie ma rozwi azań dopuszczalnych. 12

14 Przyk lad 2 Znaleźć rozwi azanie optymalne zagadnienia dualnego z przyk ladu 1 Zadanie pierwotne Zminimalizować: Zadanie dualne Zmaksymalizować: x 2 3x 3 + 2x 5 7λ λ λ 3 przy ograniczeniach przy ograniczeniach λ 1 0 x 1 + 3x 2 x 3 + 2x 5 = 7 3λ 1 2λ 2 4λ 3 1 2x 2 + 4x 3 + x 4 = 12 λ 1 + 4λ 2 + 3λ 3 3 4x 2 + 3x 3 + 8x 5 + x 6 = 10 λ 2 0 x 1,..., x 6 0 2λ 1 + 8λ 3 2 λ

15 Baza końcowa metody SIMPLEKS P 2, P 3, P 6 : B = [P 2 P 3 P 6 ] = B 1 = UWAGA: Jeżeli oryginalna macierz wspó lczynników A zawiera macierz jednostkow a, albo zostanie uzupe lniona macierz a jednostkow a, to w każdym kroku obliczeń w odpowiednich kolumnach macierzy jednostkowej otrzymamy macierz odwrotn a bazy. 14

16 Optymalne rozwi azanie zadania pierwotnego: X 0 = B 1 b = ( x 0 2, x 0 3, x 0 6) = (4, 5, 11), c 0 = ( c 0 2, c 0 3, c 0 6) = (1, 3, 0). Minimalna wartość funkcji celu: c 0 X 0 = (1, 3, 0) T (4, 5, 11) = 11. Wektor rozwi azania minimalnego: Z = c T 0 X c T = ( 0.2, 0, 0, 0.8, 2.4, 0). 15

17 Optymalne rozwi azania zadania dualnego: λ 0 = c 0 B 1 = (1, 3, 0) = ( 0.2, 0.8, 0) Wartość dualnej funkcji celu: λ T 0 b = ( 0.2, 0.8, 0) =

18 Sprawdzenie: ( 15, 45, 0 )

19 Symetryczne zagadnienie dualne Zagadnienie pierwotne min c T X przy ograniczeniach AX b X 0 Zagadnienie dualne max λ T b przy ograniczeniach λ T A c T λ 0. UWAGA: Twierdzenie o dualności może być zastosowane również do symetrycznych zagadnień dualnych. 18

20 Przekszta lcenie symetryczne zagadnienia programowania liniowego do postaci równości a 11 x a 1n x n b 1 a 21 x a 2n x n b 2... a m1 x a mn x n b m a 11 x a 1n x n x n+1 = b 1 a 21 x a 2n x n x n+2 = b 2... a m1 x a mn x n x n+m = b m a 11 λ a m1 λ m c 1 a 21 λ a m2 λ m c 2... a 1n λ a mn λ m c n a 11 λ a m1 λ m + λ m+1 = c 1 a 21 λ a m2 λ m + λ m+2 = c 2... a 1n λ a mn λ m + λ m+n = c n 19

21 Niech wektor kolumnowy Y = (y 1, y 2,..., y m ) sk lada siȩ ze zmiennych os labiaj acych, które przekszta lcaj a uk lad nierówności ograniczaj acych w uk lad równań. Równoważne zagadnienie PL zapisane za pomoc a macierzy z lożonych: max [ c T, 0 T ] X Y przy ograniczeniach: [A, I] X Y = b, X Y 0. Zagadnie dualne tego przekszta lconego zadania pierwotnego jest postaci: max λ T b przy ograniczeniach λ T [A, I] [ c T, 0 T ]. 20

22 Twierdzenie o zmiennych os labiaja cych Twierdzenie 7 Dla optymalnych rozwi azań dopuszczalnych uk ladów pierwotnego i dualnego, jeżeli tylko wystȩpuje nierówność w k tej zależności dowolnego uk ladu (odpowiednia zmienna os labiaj aca jest dodatnia), to k-ta zmienna w jego uk ladzie dualnym znika. Jeżeli k-ta zmienna jest dodatnia w dowolnym uk ladzie, to k-ta zależność w jego uk ladzie dualnym jest równości a ( odpowiednia zmienna os labiaj aca jest zerem). 21

23 Complementary Slackness Condition Twierdzenie 8 Dopuszczalne rozwi azania X i λ dualnej pary problemów s a optymalne, wtedy i tylko wtedy gdy: ( c T λ T A ) X = 0 oraz λ T (AX b) = 0. 22

24 Dziȩkujȩ za uwagȩ. 23

Sterowanie minimalnoczasowe dla uk ladów liniowych. Krzywe prze l aczeń.

Sterowanie minimalnoczasowe dla uk ladów liniowych. Krzywe prze l aczeń. Sterowanie minimalnoczasowe dla uk ladów liniowych. Krzywe prze l aczeń. Sprowadzanie zadań sterowania optymalnego do zadań wariacyjnych metod a funkcji kary i mnożników Lagrange a - zadania sterowania

Bardziej szczegółowo

CHEMIA KWANTOWA MONIKA MUSIA L METODA HÜCKLA. Ćwiczenia. http://zcht.mfc.us.edu.pl/ mm

CHEMIA KWANTOWA MONIKA MUSIA L METODA HÜCKLA. Ćwiczenia. http://zcht.mfc.us.edu.pl/ mm CHEMIA KWANTOWA MONIKA MUSIA L METODA HÜCKLA Ćwiczenia Zwi azki organiczne zawieraj ace uk lady π-elektronowe Sprzȩżony uk lad wi azań podwójnych: -C=C-C=C-C=C-C=C- Skumulowany uk lad wi azań podwójnych:

Bardziej szczegółowo

Wprowadzenie z dynamicznej optymalizacji

Wprowadzenie z dynamicznej optymalizacji Wprowadzenie z dynamicznej optymalizacji Lukasz Woźny 29 kwietnia 2007 Spis treści 1 Optymalizacja statyczna a optymalizacja dynamiczna 2 1.1 Ekstrema lokalne funkcji wielu zmiennych - statyka...... 2

Bardziej szczegółowo

Podstawowe działania w rachunku macierzowym

Podstawowe działania w rachunku macierzowym Podstawowe działania w rachunku macierzowym Marcin Detka Katedra Informatyki Stosowanej Kielce, Wrzesień 2004 1 MACIERZE 1 1 Macierze Macierz prostokątną A o wymiarach m n (m wierszy w n kolumnach) definiujemy:

Bardziej szczegółowo

Dyskretne modele populacji

Dyskretne modele populacji Dyskretne modele populacji Micha l Machtel Adam Soboczyński 17 stycznia 2007 Typeset by FoilTEX Dyskretne modele populacji [1] Wst ep Dyskretny opis modelu matematycznego jest dobry dla populacji w których

Bardziej szczegółowo

LOGIKA ALGORYTMICZNA

LOGIKA ALGORYTMICZNA LOGIKA ALGORYTMICZNA 0.0. Relacje. Iloczyn kartezjański: A B := (a, b) : a A i b B} (zak ladamy, że (x, y) i (u, v) s a równe wtedy i tylko wtedy gdy x = u i y = v); A n := (x 1,..., x n ) : x i A}; R

Bardziej szczegółowo

Algebra i jej zastosowania konspekt wyk ladu, czȩść druga

Algebra i jej zastosowania konspekt wyk ladu, czȩść druga Algebra i jej zastosowania konspekt wyk ladu, czȩść druga Anna Romanowska January 29, 2016 4 Kraty i algebry Boole a 41 Kraty zupe lne Definicja 411 Zbiór uporza dkowany (P, ) nazywamy krata zupe lna,

Bardziej szczegółowo

Rozdzia 5. Uog lniona metoda najmniejszych kwadrat w : ::::::::::::: Podstawy uog lnionej metody najmniejszych kwadrat w :::::: Zastos

Rozdzia 5. Uog lniona metoda najmniejszych kwadrat w : ::::::::::::: Podstawy uog lnionej metody najmniejszych kwadrat w :::::: Zastos Spis tre ci PRZEDMOWA :::::::::::::::::::::::::::::::::::::::::::::::::::::::: 11 CZ I. Wprowadzenie do modelowania ekonometrycznego ::::::::::: 13 Rozdzia 1. Modelowanie ekonometryczne ::::::::::::::::::::::::::::::

Bardziej szczegółowo

celu przyjmijmy: min x 0 = n t Zadanie transportowe nazywamy zbilansowanym gdy podaż = popyt, czyli n

celu przyjmijmy: min x 0 = n t Zadanie transportowe nazywamy zbilansowanym gdy podaż = popyt, czyli n 123456789 wyk lad 9 Zagadnienie transportowe Mamy n punktów wysy lajacych towar i t punktów odbierajacych. Istnieje droga od każdego dostawcy do każdego odbiorcy i znany jest koszt transportu jednostki

Bardziej szczegółowo

Formy kwadratowe. Rozdział 10

Formy kwadratowe. Rozdział 10 Rozdział 10 Formy kwadratowe Rozważmy rzeczywistą macierz symetryczną A R n n Definicja 101 Funkcję h : R n R postaci h (x) = x T Ax (101) nazywamy formą kwadratową Macierz symetryczną A występującą w

Bardziej szczegółowo

Pawe l G ladki. Problem przetargu.

Pawe l G ladki. Problem przetargu. 1 Problem przertargu Pawe l G ladki Problem przetargu. Co to jest przetarg w potocznym znaczeniu wyjaśniać chyba nie trzeba. W ujȩciu eknomicznym, za przetarg uważamy takie sytuacje, jak negocjacje handlowe

Bardziej szczegółowo

Dyskretne modele populacji

Dyskretne modele populacji Dyskretne modele populacji Micha l Machtel Adam Soboczyński 19 stycznia 2007 Typeset by FoilTEX Dyskretne modele populacji [1] Wst ep Dyskretny opis modelu matematycznego jest dobry dla populacji w których

Bardziej szczegółowo

Matematyka A, kolokwium, 15 maja 2013 rozwia. ciem rozwia

Matematyka A, kolokwium, 15 maja 2013 rozwia. ciem rozwia Maemayka A kolokwium maja rozwia zania Należy przeczyać CA LE zadanie PRZED rozpocze ciem rozwia zywania go!. Niech M. p. Dowieść że dla każdej pary liczb ca lkowiych a b isnieje aka para liczb wymiernych

Bardziej szczegółowo

Rozwiązanie Ad 1. Model zadania jest następujący:

Rozwiązanie Ad 1. Model zadania jest następujący: Przykład. Hodowca drobiu musi uzupełnić zawartość dwóch składników odżywczych (A i B) w produktach, które kupuje. Rozważa cztery mieszanki: M : M, M i M. Zawartość składników odżywczych w poszczególnych

Bardziej szczegółowo

METODA ANALITYCZNA Postać klasyczna: z = 5 x 1 + 6x 2 MAX 0,2 x 1 + 0,3x 2 < 18 0,6 x 1 + 0,6x 2 < 48 x 1, x 2 > 0

METODA ANALITYCZNA Postać klasyczna: z = 5 x 1 + 6x 2 MAX 0,2 x 1 + 0,3x 2 < 18 0,6 x 1 + 0,6x 2 < 48 x 1, x 2 > 0 METODA ANALITYCZNA Postać klasyczna: z = 5 x 1 + 6x 2 MAX 0,2 x 1 + 0,3x 2 < 18 0,6 x 1 + 0,6x 2 < 48 x 1, x 2 > 0 cx MAX Ax < b x > 0 Postać standardowa (kanoniczna): z = 5 x 1 + 6x 2 + 0x 3 + 0x 4 MAX

Bardziej szczegółowo

Plan wykładu. Przykład. Przykład 3/19/2011. Przykład zagadnienia transportowego. Optymalizacja w procesach biznesowych Wykład 2 DECYZJA?

Plan wykładu. Przykład. Przykład 3/19/2011. Przykład zagadnienia transportowego. Optymalizacja w procesach biznesowych Wykład 2 DECYZJA? /9/ Zagadnienie transportowe Optymalizacja w procesach biznesowych Wykład --9 Plan wykładu Przykład zagadnienia transportowego Sformułowanie problemu Własności zagadnienia transportowego Metoda potencjałów

Bardziej szczegółowo

20PLN dla pierwszych 50 sztuk oraz 15PLN dla dalszych. Zysk ze sprzedaży biurka wynosi 40PLN dla pierwszych 20 sztuk oraz 50PLN dla dalszych.

20PLN dla pierwszych 50 sztuk oraz 15PLN dla dalszych. Zysk ze sprzedaży biurka wynosi 40PLN dla pierwszych 20 sztuk oraz 50PLN dla dalszych. Z1. Sformu lować model dla optymalnego planowania produkcji w nast epujacych warunkach: Wytwórca mebli potrzebuje określić, ile sto lów, krzese l i biurek powinien produkować, aby optymalnie wykorzystać

Bardziej szczegółowo

6. ANALIZA POST-OPTYMALIZACYJNA analiza wrażliwości rozwiązania optymalnego

6. ANALIZA POST-OPTYMALIZACYJNA analiza wrażliwości rozwiązania optymalnego 6. ANALIZA POST-OPTYMALIZACYJNA analiza wrażliwości rozwiązania optymalnego Analiza wrażliwości est studium analizy wpływu zmian wartości różnych parametrów modelu PL na rozwiązanie optymalne. Na optymalne

Bardziej szczegółowo

ZAGADNIENIA PROGRAMOWANIA LINIOWEGO

ZAGADNIENIA PROGRAMOWANIA LINIOWEGO ZAGADNIENIA PROGRAMOWANIA LINIOWEGO Maciej Patan Uniwersytet Zielonogórski WSTĘP często spotykane w życiu codziennym wybór asortymentu produkcji jakie wyroby i w jakich ilościach powinno produkować przedsiębiorstwo

Bardziej szczegółowo

Analiza zrekonstruowanych śladów w danych pp 13 TeV

Analiza zrekonstruowanych śladów w danych pp 13 TeV Analiza zrekonstruowanych śladów w danych pp 13 TeV Odtwarzanie rozk ladów za pomoc a danych Monte Carlo Jakub Cholewiński, pod opiek a dr hab. Krzysztofa Woźniaka 31 lipca 2015 r. Jakub Cholewiński, pod

Bardziej szczegółowo

Pierścienie grupowe wyk lad 2. Przypomnijmy, że K-algebra A jest pó lprosta, gdy jej lewe A-modu ly przypominaja

Pierścienie grupowe wyk lad 2. Przypomnijmy, że K-algebra A jest pó lprosta, gdy jej lewe A-modu ly przypominaja Pierścienie grupowe wyk lad 2. Przypomnijmy, że K-algebra A jest pó lprosta, gdy jej lewe A-modu ly przypominaja przestrzenie liniowe nad A: każdy z nich ma rozk lad na sume modu lów prostych. W tych rozk

Bardziej szczegółowo

TEORIA FUNKCJONA LÓW. (Density Functional Theory - DFT) Monika Musia l

TEORIA FUNKCJONA LÓW. (Density Functional Theory - DFT) Monika Musia l TEORIA FUNKCJONA LÓW GȨSTOŚCI (Density Functional Theory - DFT) Monika Musia l PRZEDMIOT BADAŃ Uk lad N elektronów + K j ader atomowych Przybliżenie Borna-Oppenheimera Zamiast funkcji falowej Ψ(r 1,σ 1,r

Bardziej szczegółowo

Grupy i cia la, liczby zespolone

Grupy i cia la, liczby zespolone Rozdzia l 1 Grupy i cia la, liczby zespolone Dla ustalenia uwagi, b edziemy używać nast epuj acych oznaczeń: N = { 1, 2, 3,... } - liczby naturalne, Z = { 0, ±1, ±2,... } - liczby ca lkowite, W = { m n

Bardziej szczegółowo

Spis treści. Koszalin 2006 [BADANIA OPERACYJNE PROGRAMOWANIE LINIOWE]

Spis treści. Koszalin 2006 [BADANIA OPERACYJNE PROGRAMOWANIE LINIOWE] Spis treści 1 Zastosowanie Matlab a... 2 1.1 Wstęp... 2 1.2 Zagadnienie standardowe... 3 1.3 Zagadnienie transportowe... 5 1 Zastosowanie Matlab a Anna Tomkowska [BADANIA OPERACYJNE PROGRAMOWANIE LINIOWE]

Bardziej szczegółowo

Zmiana baz. Jacek Jędrzejewski 2014. 1 Macierz przejścia od bazy do bazy 2

Zmiana baz. Jacek Jędrzejewski 2014. 1 Macierz przejścia od bazy do bazy 2 Zmiana baz Jacek Jędrzejewski 2014 Spis treści 1 Macierz przejścia od bazy do bazy 2 2 Wektory a zmiana baz 2 21 Współrzędne wektora względem różnych baz 2 22 Wektory o tych samych współrzędnych względem

Bardziej szczegółowo

Modele i narzędzia optymalizacji w systemach informatycznych zarządzania

Modele i narzędzia optymalizacji w systemach informatycznych zarządzania Politechnika Poznańska Modele i narzędzia optymalizacji w systemach informatycznych zarządzania Joanna Józefowska POZNAŃ 1/11 Spis treści Rozdział 1. Zagadnienie transportowe................... 5 1.1.

Bardziej szczegółowo

Optymalizacja systemów

Optymalizacja systemów Optymalizacja systemów Laboratorium Zadanie nr 3 Sudoku autor: A. Gonczarek Cel zadania Celem zadania jest napisanie programu rozwiązującego Sudoku, formułując problem optymalizacji jako zadanie programowania

Bardziej szczegółowo

Programowanie liniowe

Programowanie liniowe Programowanie liniowe Schemat postępowania w badaniach operacyjnych decydent sytuacja decyzyjna decyzje decyzje dopuszczalne niedopuszczalne kryterium wyboru zadanie decyzyjne zmienne decyzyjne warunki

Bardziej szczegółowo

Zadania 1. Czas pracy przypadający na jednostkę wyrobu (w godz.) M 1. Wyroby

Zadania 1. Czas pracy przypadający na jednostkę wyrobu (w godz.) M 1. Wyroby Zadania 1 Przedsiębiorstwo wytwarza cztery rodzaje wyrobów: A, B, C, D, które są obrabiane na dwóch maszynach M 1 i M 2. Czas pracy maszyn przypadający na obróbkę jednostki poszczególnych wyrobów podany

Bardziej szczegółowo

METODA SYMPLEKS. Maciej Patan. Instytut Sterowania i Systemów Informatycznych Uniwersytet Zielonogórski

METODA SYMPLEKS. Maciej Patan. Instytut Sterowania i Systemów Informatycznych Uniwersytet Zielonogórski METODA SYMPLEKS Maciej Patan Uniwersytet Zielonogórski WSTĘP Algorytm Sympleks najpotężniejsza metoda rozwiązywania programów liniowych Metoda generuje ciąg dopuszczalnych rozwiązań x k w taki sposób,

Bardziej szczegółowo

ZAGADNIENIE TRANSPORTOWE

ZAGADNIENIE TRANSPORTOWE ZAGADNIENIE TRANSPORTOWE ZT jest specyficznym problemem z zakresu zastosowań programowania liniowego. ZT wykorzystuje się najczęściej do: optymalnego planowania transportu towarów, przy minimalizacji kosztów,

Bardziej szczegółowo

Rozwiązania, seria 5.

Rozwiązania, seria 5. Rozwiązania, seria 5. 26 listopada 2012 Zadanie 1. Zbadaj, dla jakich wartości parametru r R wektor (r, r, 1) lin{(2, r, r), (1, 2, 2)} R 3? Rozwiązanie. Załóżmy, że (r, r, 1) lin{(2, r, r), (1, 2, 2)}.

Bardziej szczegółowo

Wykład z modelowania matematycznego. Algorytm sympleks.

Wykład z modelowania matematycznego. Algorytm sympleks. Wykład z modelowania matematycznego. Algorytm sympleks. 1 Programowanie matematyczne jest to zbiór metod poszukiwania punktu optymalizującego (minimalizującego lub maksymalizującego) wartość funkcji rzeczywistej

Bardziej szczegółowo

Wykłady z programowania liniowego

Wykłady z programowania liniowego Wykłady z programowania liniowego A. Paweł Wojda Wydział Matematyki Stosowanej AGH 2 Spis treści 1 Wstęp 5 2 Problem programowania liniowego 7 2.1 PPL.................................. 7 2.2 Definicje................................

Bardziej szczegółowo

( 1) ( ) 16 Warunki brzegowe [WB] Funkcja celu [FC] Ograniczenia [O] b i ( 2) ( ) ( ) 14. FC max. Kompletna postać bazowa

( 1) ( ) 16 Warunki brzegowe [WB] Funkcja celu [FC] Ograniczenia [O] b i ( 2) ( ) ( ) 14. FC max. Kompletna postać bazowa Standardowe zadanie PL () Należy zaplanować produkcję zakładu w pewnym tygodniu w taki sposób, aby osiągnięty zysk był maksymalny. akład może wytwarzać dwa wyroby: P i P. Ich produkcja jest limitowana

Bardziej szczegółowo

MATEMATYKA 4 INSTYTUT MEDICUS FUNKCJA KWADRATOWA. Kurs przygotowawczy na studia medyczne. Rok szkolny 2010/2011. tel. 0501 38 39 55 www.medicus.edu.

MATEMATYKA 4 INSTYTUT MEDICUS FUNKCJA KWADRATOWA. Kurs przygotowawczy na studia medyczne. Rok szkolny 2010/2011. tel. 0501 38 39 55 www.medicus.edu. INSTYTUT MEDICUS Kurs przygotowawczy na studia medyczne Rok szkolny 00/0 tel. 050 38 39 55 www.medicus.edu.pl MATEMATYKA 4 FUNKCJA KWADRATOWA Funkcją kwadratową lub trójmianem kwadratowym nazywamy funkcję

Bardziej szczegółowo

P. Urzyczyn: Materia ly do wyk ladu z semantyki. Uproszczony 1 j. ezyk PCF

P. Urzyczyn: Materia ly do wyk ladu z semantyki. Uproszczony 1 j. ezyk PCF 29 kwietnia 2013, godzina 23: 56 strona 1 P. Urzyczyn: Materia ly do wyk ladu z semantyki Uproszczony 1 j ezyk PCF Sk ladnia: Poniżej Γ oznacza otoczenie typowe, czyli zbiór deklaracji postaci (x : τ).

Bardziej szczegółowo

WIELOKRYTERIALNA OPTYMALIZACJA LINIOWA I DYSKRETNA modele preferencji i zastosowania do wspomagania decyzji

WIELOKRYTERIALNA OPTYMALIZACJA LINIOWA I DYSKRETNA modele preferencji i zastosowania do wspomagania decyzji WIELOKRYTERIALNA OPTYMALIZACJA LINIOWA I DYSKRETNA modele preferencji i zastosowania do wspomagania decyzji W lodzimierz Ogryczak Uniwersytet Warszawski Instytut Informatyki Warszawa 1997 4 Pusta strona

Bardziej szczegółowo

Politechnika Wrocławska, Wydział Informatyki i Zarządzania. Optymalizacja

Politechnika Wrocławska, Wydział Informatyki i Zarządzania. Optymalizacja Politechnika Wrocławska, Wydział Informatyki i Zarządzania Optymalizacja Dla podanych niżej problemów decyzyjnych (zad.1 zad.5) należy sformułować zadania optymalizacji, tj.: określić postać zmiennych

Bardziej szczegółowo

Algebra liniowa z geometrią

Algebra liniowa z geometrią Algebra liniowa z geometrią Maciej Czarnecki 15 stycznia 2013 Spis treści 1 Geometria płaszczyzny 2 1.1 Wektory i skalary........................... 2 1.2 Macierze, wyznaczniki, układy równań liniowych.........

Bardziej szczegółowo

φ(x 1,..., x n ) = a i x 2 i +

φ(x 1,..., x n ) = a i x 2 i + Teoria na egzamin z algebry liniowej Wszystkie podane pojęcia należy umieć określić i podać pprzykłady, ewentualnie kontrprzykłady. Ponadto należy znać dowody tam gdzie to jest zaznaczone. Liczby zespolone.

Bardziej szczegółowo

1 Podstawowe struktury algebraiczne i cia lo liczb zespolonych

1 Podstawowe struktury algebraiczne i cia lo liczb zespolonych 1 Podstawowe struktury algebraiczne i cia lo liczb zespolonych Niech X i Y bȩd a zbiorami Iloczynem kartezjańskim tych zbiorów nazywamy zbiór X Y = {(x, y) : x X, y Y } Dwuargumentowym dzia laniem na zbiorze

Bardziej szczegółowo

Przestrzenie liniowe w zadaniach

Przestrzenie liniowe w zadaniach Przestrzenie linioe zadaniach Zadanie 1. Cz ektor [3, 4, 4 jest kombinacja linioa ektoró [1, 1, 1, [1, 0, 1, [1, 3, 5 przestrzeni R 3? Roziazanie. Szukam x,, z R takich, że [3, 4, 4 x [1, 1, 1 + [1, 0,

Bardziej szczegółowo

Elementy modelowania matematycznego

Elementy modelowania matematycznego Elementy modelowania matematycznego Programowanie liniowe. Metoda Simplex. Jakub Wróblewski jakubw@pjwstk.edu.pl http://zajecia.jakubw.pl/ ZADANIE LINIOWE Tortilla z ziemniaków i cebuli (4 porcje) 300

Bardziej szczegółowo

176 Wstȩp do statystyki matematycznej = 0, 346. uczelni zdaje wszystkie egzaminy w pierwszym terminie.

176 Wstȩp do statystyki matematycznej = 0, 346. uczelni zdaje wszystkie egzaminy w pierwszym terminie. 176 Wtȩp do tatytyki matematycznej trści wynika że H o : p 1 przeciwko hipotezie H 3 1: p< 1. Aby zweryfikować tȩ 3 hipotezȩ zatujemy tet dla frekwencji. Wtedy z ob 45 1 150 3 1 3 2 3 150 0 346. Tymczaem

Bardziej szczegółowo

Wyk lad 5 Grupa ilorazowa, iloczyn prosty, homomorfizm

Wyk lad 5 Grupa ilorazowa, iloczyn prosty, homomorfizm Wyk lad 5 Grupa ilorazowa, iloczyn prosty, homomorfizm 1 Grupa ilorazowa Niech H b edzie dzielnikiem normalnym grupy G. Oznaczmy przez G/H zbiór wszystkich warstw lewostronnych grupy G wzgl edem podgrupy

Bardziej szczegółowo

Ekonomia matematyczna - 1.2

Ekonomia matematyczna - 1.2 Ekonomia matematyczna - 1.2 6. Popyt Marshalla, a popyt Hicksa. Poruszać się będziemy w tzw. standardowym polu preferencji X,, gdzie X R n i jest relacją preferencji, która jest: a) rosnąca (tzn. x y x

Bardziej szczegółowo

Rezolucja w rachunku predykatów. Przedrostkowa koniunkcyjna postać normalna. Formu ly ustalone. Joanna Józefowska. Poznań, rok akademicki 2009/2010

Rezolucja w rachunku predykatów. Przedrostkowa koniunkcyjna postać normalna. Formu ly ustalone. Joanna Józefowska. Poznań, rok akademicki 2009/2010 Instytut Informatyki Poznań, rok akademicki 2009/2010 1 Postać klauzulowa formu l 2 Regu la rezolucji Regu la rezolucji dla klauzul ustalonych Regu la rezolucji dla klauzul ustalonych a spe lnialność Ogólna

Bardziej szczegółowo

MATEMATYKA I SEMESTR ALK (PwZ) 1. Sumy i sumy podwójne : Σ i ΣΣ

MATEMATYKA I SEMESTR ALK (PwZ) 1. Sumy i sumy podwójne : Σ i ΣΣ MATEMATYKA I SEMESTR ALK (PwZ). Sumy i sumy podwójne : Σ i ΣΣ.. OKREŚLENIE Ciąg liczbowy = Dowolna funkcja przypisująca liczby rzeczywiste pierwszym n (ciąg skończony), albo wszystkim (ciąg nieskończony)

Bardziej szczegółowo

Programowanie liniowe metoda sympleks

Programowanie liniowe metoda sympleks Programowanie liniowe metoda sympleks Mirosław Sobolewski Wydział Matematyki, Informatyki i Mechaniki UW wykład z algebry liniowej Warszawa, styczeń 2012 Mirosław Sobolewski (UW) Warszawa, 2012 1 / 12

Bardziej szczegółowo

MATEMATYKA DYSKRETNA - wyk lad 1 dr inż Krzysztof Bryś. Wprowadzenie

MATEMATYKA DYSKRETNA - wyk lad 1 dr inż Krzysztof Bryś. Wprowadzenie 1 MATEMATYKA DYSKRETNA - wyk lad 1 dr inż Krzysztof Bryś Wprowadzenie Istniej a dwa różne kryteria mówi ace, które narzȩdzia matematyczne należy zaliczyć do matematyki dyskretnej. Pierwsze definiuje matematykȩ

Bardziej szczegółowo

I.Firmaprodukujedwawyroby W 1 i W 2 zdwóchsurowców S 1 i S 2.Firma chce zaplanować produkcjȩ tak aby osi agn ać jak najwiȩkszy zysk.

I.Firmaprodukujedwawyroby W 1 i W 2 zdwóchsurowców S 1 i S 2.Firma chce zaplanować produkcjȩ tak aby osi agn ać jak najwiȩkszy zysk. Wykład 1 Badania operacyjne- zastosowanie naukowych metod do rozwiązywania problemów zarządzania w celu wspomagania menedżerów w podejmowanie lepszych decyzji. I. Obserwaja II. Sformułowanie problemu III.

Bardziej szczegółowo

2. Równania nieliniowe i ich uk lady

2. Równania nieliniowe i ich uk lady Metoda Newtona stycznych dla równania f(x) 0: x n+ x n f(x n) f (x n ) Chcemy rozwia ι zać uk lad N równań dla N niewiadomych f (x,x,,x N ) 0 f (x,x,,x N ) 0, f N (x,x,,x N ) 0 krócej: Czy jest jakaś analogia?

Bardziej szczegółowo

Wykład z modelowania matematycznego. Zagadnienie transportowe.

Wykład z modelowania matematycznego. Zagadnienie transportowe. Wykład z modelowania matematycznego. Zagadnienie transportowe. 1 Zagadnienie transportowe zostało sformułowane w 1941 przez F.L.Hitchcocka. Metoda rozwiązania tego zagadnienia zwana algorytmem transportowymópracowana

Bardziej szczegółowo

Zamiast ogólnych wzorów w przestrzeni euklidesowej o dwolnym wymiarze, rozważmy przestrzeń trójwymiarow a. Przypuśćmy, że ktoś podaje nam równanie

Zamiast ogólnych wzorów w przestrzeni euklidesowej o dwolnym wymiarze, rozważmy przestrzeń trójwymiarow a. Przypuśćmy, że ktoś podaje nam równanie S. D. G lazek, www.fuw.edu.pl/ stglazek, 4.IV.005 I. ROZMAITOŚCI STOPNIA W PRZESTRZENI EUKLIDESOWEJ Rozmaitość drugiego stopnia w przestrzeni euklidesowej to hiperpowierzchnia opisana warunkiem, który

Bardziej szczegółowo

ZASTOSOWANIE ZASADY MAKSIMUM PONTRIAGINA DO ZAGADNIENIA

ZASTOSOWANIE ZASADY MAKSIMUM PONTRIAGINA DO ZAGADNIENIA ZASTOSOWANIE ZASADY MAKSIMUM PONTRIAGINA DO ZAGADNIENIA DYNAMICZNYCH LOKAT KAPITAŁOWYCH Krzysztof Gąsior Uniwersytet Rzeszowski Streszczenie Celem referatu jest zaprezentowanie praktycznego zastosowania

Bardziej szczegółowo

2.2 Model odsetek prostych 9

2.2 Model odsetek prostych 9 2.2 Model odsetek prostych 9 Uwaga 2.2.2 Komentarza wymaga znaczenie stopy bazowej. Z definicji wynika, że i T = FV PV, co wcale nie oznacza, że wartość indeksu i PV T zależy od wartości pocz atkowej PV.Wskaźnik

Bardziej szczegółowo

D. Miszczyńska, M.Miszczyński KBO UŁ 1 GRY KONFLIKTOWE GRY 2-OSOBOWE O SUMIE WYPŁAT ZERO

D. Miszczyńska, M.Miszczyński KBO UŁ 1 GRY KONFLIKTOWE GRY 2-OSOBOWE O SUMIE WYPŁAT ZERO D. Miszczyńska, M.Miszczyński KBO UŁ GRY KONFLIKTOWE GRY 2-OSOBOWE O SUMIE WYPŁAT ZERO Gra w sensie niżej przedstawionym to zasady którymi kierują się decydenci. Zakładamy, że rezultatem gry jest wypłata,

Bardziej szczegółowo

Surowiec Zużycie surowca Zapas A B C D S 1 0,5 0,4 0,4 0,2 2000 S 2 0,4 0,2 0 0,5 2800 Ceny 10 14 8 11 x

Surowiec Zużycie surowca Zapas A B C D S 1 0,5 0,4 0,4 0,2 2000 S 2 0,4 0,2 0 0,5 2800 Ceny 10 14 8 11 x Przykład: Przedsiębiorstwo może produkować cztery wyroby A, B, C, i D. Ograniczeniami są zasoby dwóch surowców S 1 oraz S 2. Zużycie surowca na jednostkę produkcji każdego z wyrobów (w kg), zapas surowca

Bardziej szczegółowo

Laboratorium Metod Optymalizacji

Laboratorium Metod Optymalizacji Laboratorium Metod Optymalizacji Grupa nr... Sekcja nr... Ćwiczenie nr 4 Temat: Programowanie liniowe (dwufazowa metoda sympleksu). Lp. 1 Nazwisko i imię Leszek Zaczyński Obecność ocena Sprawozdani e ocena

Bardziej szczegółowo

PRÓBNY EGZAMIN MATURALNY Z MATEMATYKI

PRÓBNY EGZAMIN MATURALNY Z MATEMATYKI PRÓBNY EGZAMIN MATURALNY Z MATEMATYKI POZIOM ROZSZERZONY Czas pracy 80 minut Instrukcja dla zdaj¹cego. SprawdŸ, czy arkusz egzaminacyjny zawiera stron (zadania 0). Ewentualny brak zg³oœ przewodnicz¹cemu

Bardziej szczegółowo

Badania Operacyjne Ćwiczenia nr 3 (Materiały)

Badania Operacyjne Ćwiczenia nr 3 (Materiały) Metoda analityczna Przed przystąpieniem do rozwiązania programu liniowego metodą analityczną, należy sprowadzić program do postaci KANONICZNEJ. Model o postaci kanonicznej to taki, w którym wszystkie warunki

Bardziej szczegółowo

TEORIA GIER W EKONOMII WYKŁAD 5: GRY DWUOSOBOWE KOOPERACYJNE O SUMIE NIESTAŁEJ

TEORIA GIER W EKONOMII WYKŁAD 5: GRY DWUOSOBOWE KOOPERACYJNE O SUMIE NIESTAŁEJ TEORI GIER W EKONOMII WYKŁD 5: GRY DWUOSOOWE KOOPERCYJNE O SUMIE NIESTŁEJ dr Robert Kowalczyk Katedra nalizy Nieliniowej Wydział Matematyki i Informatyki UŁ Gry dwumacierzowe Skończoną grę dwuosobową o

Bardziej szczegółowo

EGZAMIN MAGISTERSKI, czerwiec 2014 Matematyka w ekonomii i ubezpieczeniach

EGZAMIN MAGISTERSKI, czerwiec 2014 Matematyka w ekonomii i ubezpieczeniach Matematyka w ekonomii i ubezpieczeniach Sprawdź, czy wektor x 0 = (0,5,,0,0) jest rozwiązaniem dopuszczalnym zagadnienia programowania liniowego: Zminimalizować 3x 1 +x +x 3 +4x 4 +6x 5, przy ograniczeniach

Bardziej szczegółowo

Ekonometria - ćwiczenia 10

Ekonometria - ćwiczenia 10 Ekonometria - ćwiczenia 10 Mateusz Myśliwski Zakład Ekonometrii Stosowanej Instytut Ekonometrii Kolegium Analiz Ekonomicznych Szkoła Główna Handlowa 14 grudnia 2012 Wprowadzenie Optymalizacja liniowa Na

Bardziej szczegółowo

Matematyka stosowana. Optymalizacja I. Andrzej Strojnowski stroa@mimuw.edu.pl http://www.mimuw.edu.pl/~stroa

Matematyka stosowana. Optymalizacja I. Andrzej Strojnowski stroa@mimuw.edu.pl http://www.mimuw.edu.pl/~stroa Matematyka stosowana Optymalizacja I Andrzej Strojnowski stroa@mimuw.edu.pl http://www.mimuw.edu.pl/~stroa Uniwersytet Warszawski, 2012 Streszczenie. Wykład zajmuje się programowaniem liniowym, w tym całkowitoliczbowym.

Bardziej szczegółowo

Działania na przekształceniach liniowych i macierzach

Działania na przekształceniach liniowych i macierzach Działania na przekształceniach liniowych i macierzach Mirosław Sobolewski Wydział Matematyki, Informatyki i Mechaniki UW 5 wykład z algebry liniowej Warszawa, listopad 2013 Mirosław Sobolewski (UW) Warszawa,

Bardziej szczegółowo

Teoria gier. wstęp. 2011-12-07 Teoria gier Zdzisław Dzedzej 1

Teoria gier. wstęp. 2011-12-07 Teoria gier Zdzisław Dzedzej 1 Teoria gier wstęp 2011-12-07 Teoria gier Zdzisław Dzedzej 1 Teoria gier zajmuje się logiczną analizą sytuacji, gdzie występują konflikty interesów, a także istnieje możliwość kooperacji. Zakładamy zwykle,

Bardziej szczegółowo

Zadanie transportowe

Zadanie transportowe Zadanie transportowe Opracowanie planu przewozu jednorodnego produktu z różnych źródeł zaopatrzenia do punktów, które zgłaszają zapotrzebowanie na ten produkt. Wykład ARo Metody optymalizacji w ekonomii

Bardziej szczegółowo

Zadania o liczbach zespolonych

Zadania o liczbach zespolonych Zadania o liczbach zespolonych Zadanie 1. Znaleźć takie liczby rzeczywiste a i b, aby zachodzi ly równości: a) a( + i) + b(4 i) 6 i, b) a( + i) + b( + i) 8i, c) a(4 i) + b(1 + i) 7 1i, ( ) a d) i + b +i

Bardziej szczegółowo

13 Zastosowania Lematu Szemerédiego

13 Zastosowania Lematu Szemerédiego 13 Zastosowania Lematu Szemerédiego 13.1 Twierdzenie Erdősa-Stone a (Rozdzia ly 7.1 i 7.5 podre cznika) Jednym z g lównych zagadnień ekstremalnej teorii grafów jest wyznaczenie parametru ex(n, H) = max{

Bardziej szczegółowo

Zagadnienia na wej±ciówki z matematyki Technologia Chemiczna

Zagadnienia na wej±ciówki z matematyki Technologia Chemiczna Zagadnienia na wej±ciówki z matematyki Technologia Chemiczna 1. Podaj denicj liczby zespolonej. 2. Jak obliczy sum /iloczyn dwóch liczb zespolonych w postaci algebraicznej? 3. Co to jest liczba urojona?

Bardziej szczegółowo

TEORIA GIER W EKONOMII WYKŁAD 1: GRY W POSTACI EKSTENSYWNEJ I NORMALNEJ

TEORIA GIER W EKONOMII WYKŁAD 1: GRY W POSTACI EKSTENSYWNEJ I NORMALNEJ TEORIA GIER W EKONOMII WYKŁAD : GRY W POSTACI EKSTENSYWNEJ I NORMALNEJ dr Robert Kowalczyk Katedra Analizy Nieliniowej Wydział Matematyki i Informatyki UŁ Schemat gry. Początek gry. 2. Ciąg kolejnych posunięć

Bardziej szczegółowo

1. Który z warunków nie jest właściwy dla powyższego zadania programowania liniowego? 2. Na podstawie poniższej tablicy można odczytać, że

1. Który z warunków nie jest właściwy dla powyższego zadania programowania liniowego? 2. Na podstawie poniższej tablicy można odczytać, że Stwierdzeń będzie. Przy każdym będzie należało ocenić, czy jest to stwierdzenie prawdziwe, czy fałszywe i zaznaczyć x w tabelce odpowiednio przy prawdzie, jeśli jest ono prawdziwe lub przy fałszu, jeśli

Bardziej szczegółowo

Statystyka z elementami badań operacyjnych BADANIA OPERACYJNE - programowanie liniowe -programowanie sieciowe. dr Adam Sojda

Statystyka z elementami badań operacyjnych BADANIA OPERACYJNE - programowanie liniowe -programowanie sieciowe. dr Adam Sojda Statystyka z elementami badań operacyjnych BADANIA OPERACYJNE - programowanie liniowe -programowanie sieciowe dr Adam Sojda Literatura o Kukuła K. (red.): Badania operacyjne w przykładach i zadaniach.

Bardziej szczegółowo

Twierdzenie spektralne

Twierdzenie spektralne Twierdzenie spektralne Algebrę ograniczonych funkcji borelowskich na K R będziemy oznaczać przez B (K). Spektralnym rozkładem jedności w przestrzeni Hilberta H nazywamy odwzorowanie, które każdemu zbiorowi

Bardziej szczegółowo

Model zagadnienia programowania liniowego jest w postaci standardowej:

Model zagadnienia programowania liniowego jest w postaci standardowej: METODA SYMPLEKS Model zagadnienia programowania liniowego jest w postaci standardowej: max(min)z = c 1 x 1 + c 2 x 2 + + c n x n a 11 x 1 + a 12 x 2 + + a 1n x n = b 1... a m1 x 1 + a m2 x 2 + + a mn x

Bardziej szczegółowo

O spl ataniu kwantowym s lów kilka

O spl ataniu kwantowym s lów kilka O spl ataniu kwantowym s lów kilka Krzysztof Byczuk Instytut Fizyki Teoretycznej, Uniwersytet Warszawski http://www.physik.uni-augsburg.de/theo3/kbyczuk/index.html 30 styczeń 2006 Rozważania Einsteina,

Bardziej szczegółowo

Temat: Funkcje. Własności ogólne. A n n a R a j f u r a, M a t e m a t y k a s e m e s t r 1, W S Z i M w S o c h a c z e w i e 1

Temat: Funkcje. Własności ogólne. A n n a R a j f u r a, M a t e m a t y k a s e m e s t r 1, W S Z i M w S o c h a c z e w i e 1 Temat: Funkcje. Własności ogólne A n n a R a j f u r a, M a t e m a t y k a s e m e s t r 1, W S Z i M w S o c h a c z e w i e 1 Kody kolorów: pojęcie zwraca uwagę * materiał nieobowiązkowy A n n a R a

Bardziej szczegółowo

TEORIA GIER W EKONOMII WYKŁAD 2: GRY DWUOSOBOWE O SUMIE ZEROWEJ. dr Robert Kowalczyk Katedra Analizy Nieliniowej Wydział Matematyki i Informatyki UŁ

TEORIA GIER W EKONOMII WYKŁAD 2: GRY DWUOSOBOWE O SUMIE ZEROWEJ. dr Robert Kowalczyk Katedra Analizy Nieliniowej Wydział Matematyki i Informatyki UŁ TEORIA GIER W EKONOMII WYKŁAD 2: GRY DWUOSOBOWE O SUMIE ZEROWEJ dr Robert Kowalczyk Katedra Analizy Nieliniowej Wydział Matematyki i Informatyki UŁ Definicja gry o sumie zerowej Powiemy, że jest grą o

Bardziej szczegółowo

4. Decyzje dotycza ce przyznawania świadczeń pomocy materialnej. doktorantów

4. Decyzje dotycza ce przyznawania świadczeń pomocy materialnej. doktorantów ZASADY PRZYZNAWANIA ŚWIADCZEŃ POMOCY MATERIALNEJ DLA DOKTORANTÓW W INSTYTUCIE MATEMATYCZNYM POLSKIEJ AKADEMII NAUK OBOWIA ZUJA CE OD ROKU AKADEMICKIEGO 2013/14 1. PODSTAWA PRAWNA Świadczenia pomocy materialnej

Bardziej szczegółowo

Teoria liczb. x 3 + 3y 3 + 9z 3 9xyz = 0. x 2 + 3y 2 = 1998x.

Teoria liczb. x 3 + 3y 3 + 9z 3 9xyz = 0. x 2 + 3y 2 = 1998x. Teoria liczb grupa starsza poniedziałek, 27 września 2004 Równania teorioliczbowe.. Rozwiazać w liczbach całkowitych x, y, z. x 3 + 3y 3 + 9z 3 9xyz = 0. 2. Rozwiazać w liczbach całkowitych dodatnich x,

Bardziej szczegółowo

166 Wstȩp do statystyki matematycznej

166 Wstȩp do statystyki matematycznej 166 Wstȩp do statystyki matematycznej Etap trzeci realizacji procesu analizy danych statystycznych w zasadzie powinien rozwi azać nasz zasadniczy problem zwi azany z identyfikacj a cechy populacji generalnej

Bardziej szczegółowo

Kurs z matematyki - zadania

Kurs z matematyki - zadania Kurs z matematyki - zadania Miara łukowa kąta Zadanie Miary kątów wyrażone w stopniach zapisać w radianach: a) 0, b) 80, c) 90, d), e) 0, f) 0, g) 0, h), i) 0, j) 70, k), l) 80, m) 080, n), o) 0 Zadanie

Bardziej szczegółowo

Rozdzia l 1. Przestrzenie wektorowe

Rozdzia l 1. Przestrzenie wektorowe Rozdzia l 1 Przestrzenie wektorowe Materiał tego rozdziału jest, z jednej strony, trudny, bo operuje pojęciami abstrakcyjnymi, a zdrugiej strony łatwy, nie zawiera w sobie istotnych problemów technicznych,

Bardziej szczegółowo

4. ELEMENTY PŁASKIEGO STANU NAPRĘŻEŃ I ODKSZTAŁCEŃ

4. ELEMENTY PŁASKIEGO STANU NAPRĘŻEŃ I ODKSZTAŁCEŃ 4. ELEMENTY PŁASKIEGO STANU NAPRĘŻEŃ I ODKSZTAŁCEŃ 1 4. 4. ELEMENTY PŁASKIEGO STANU NAPRĘŻEŃ I ODKSZTAŁCEŃ 4.1. Elementy trójkątne Do opisywania dwuwymiarowego kontinuum jako jeden z pierwszych elementów

Bardziej szczegółowo

PRZYBLI ONE METODY ROZWI ZYWANIA RÓWNA

PRZYBLI ONE METODY ROZWI ZYWANIA RÓWNA PRZYBLI ONE METODY ROZWI ZYWANIA RÓWNA Metody kolejnych przybli e Twierdzenie. (Bolzano Cauchy ego) Metody kolejnych przybli e Je eli funkcja F(x) jest ci g a w przedziale domkni tym [a,b] i F(a) F(b)

Bardziej szczegółowo

ALGEBRA Z GEOMETRIĄ LINIOWA NIEZALEŻNOŚĆ, ROZPINANIE I BAZY

ALGEBRA Z GEOMETRIĄ LINIOWA NIEZALEŻNOŚĆ, ROZPINANIE I BAZY ALGEBRA Z GEOMETRIĄ 1/10 LINIOWA NIEZALEŻNOŚĆ, ROZPINANIE I BAZY Piotr M. Hajac Uniwersytet Warszawski Wykład 10, 11.12.2013 Typeset by Jakub Szczepanik. Geometryczne intuicje Dla pierścienia R = R mamy

Bardziej szczegółowo

Mathcad c.d. - Macierze, wykresy 3D, rozwiązywanie równań, pochodne i całki, animacje

Mathcad c.d. - Macierze, wykresy 3D, rozwiązywanie równań, pochodne i całki, animacje Mathcad c.d. - Macierze, wykresy 3D, rozwiązywanie równań, pochodne i całki, animacje Opracował: Zbigniew Rudnicki Powtórka z poprzedniego wykładu 2 1 Dokument, regiony, klawisze: Dokument Mathcada realizuje

Bardziej szczegółowo

Zagadnienie transportowe (badania operacyjne) Mgr inż. Aleksandra Radziejowska AGH Akademia Górniczo-Hutnicza w Krakowie

Zagadnienie transportowe (badania operacyjne) Mgr inż. Aleksandra Radziejowska AGH Akademia Górniczo-Hutnicza w Krakowie Zagadnienie transportowe (badania operacyjne) Mgr inż. Aleksandra Radziejowska AGH Akademia Górniczo-Hutnicza w Krakowie OPIS ZAGADNIENIA Zagadnienie transportowe służy głównie do obliczania najkorzystniejszego

Bardziej szczegółowo

Funkcja jednej zmiennej - przykładowe rozwiązania 1. Badając przebieg zmienności funkcji postępujemy według poniższego schematu:

Funkcja jednej zmiennej - przykładowe rozwiązania 1. Badając przebieg zmienności funkcji postępujemy według poniższego schematu: Funkcja jednej zmiennej - przykładowe rozwiązania Zadanie 4 c) Badając przebieg zmienności funkcji postępujemy według poniższego schematu:. Analiza funkcji: (a) Wyznaczenie dziedziny funkcji (b) Obliczenie

Bardziej szczegółowo

Wielomiany. dr Tadeusz Werbiński. Teoria

Wielomiany. dr Tadeusz Werbiński. Teoria Wielomiany dr Tadeusz Werbiński Teoria Na początku przypomnimy kilka szkolnych definicji i twierdzeń dotyczących wielomianów. Autorzy podręczników szkolnych podają różne definicje wielomianu - dla jednych

Bardziej szczegółowo

Metody numeryczne. materiały do wykładu dla studentów

Metody numeryczne. materiały do wykładu dla studentów Metody numeryczne materiały do wykładu dla studentów. Metody dokładne rozwiązywania układów równań liniowych.. Układy równań o macierzach trójkątnych.. Metoda eliminacji Gaussa.3. Metoda Gaussa-Jordana.4.

Bardziej szczegółowo

Zastosowanie Robotów. Ćwiczenie 6. Mariusz Janusz-Bielecki. laboratorium

Zastosowanie Robotów. Ćwiczenie 6. Mariusz Janusz-Bielecki. laboratorium Zastosowanie Robotów laboratorium Ćwiczenie 6 Mariusz Janusz-Bielecki Zak lad Informatyki i Robotyki Wersja 0.002.01, 7 Listopada, 2005 Wst ep Do zadań inżynierów robotyków należa wszelkie dzia lania

Bardziej szczegółowo

STATYSTYKA MATEMATYCZNA ZESTAW 0 (POWT. RACH. PRAWDOPODOBIEŃSTWA) ZADANIA

STATYSTYKA MATEMATYCZNA ZESTAW 0 (POWT. RACH. PRAWDOPODOBIEŃSTWA) ZADANIA STATYSTYKA MATEMATYCZNA ZESTAW 0 (POWT. RACH. PRAWDOPODOBIEŃSTWA) ZADANIA Zadanie 0.1 Zmienna losowa X ma rozkład określony funkcją prawdopodobieństwa: x k 0 4 p k 1/3 1/6 1/ obliczyć EX, D X. (odp. 4/3;

Bardziej szczegółowo

ep do matematyki aktuarialnej Micha l Jasiczak Wyk lad 5 Kalkulacja sk ladki netto I

ep do matematyki aktuarialnej Micha l Jasiczak Wyk lad 5 Kalkulacja sk ladki netto I Wst ep do matematyki aktuarialnej Micha l Jasiczak Wyk lad 5 Kalkulacja sk ladki netto I 1 Kodeks cywilny Tytu l XXVII, Umowa ubezpieczenia Dzia l I. Przepisy ogólne Dzia l II. Ubezpieczenia majatkowe

Bardziej szczegółowo

13. Teoriogrowe Modele Konkurencji Gospodarczej

13. Teoriogrowe Modele Konkurencji Gospodarczej 13. Teoriogrowe Modele Konkurencji Gospodarczej Najpierw, rozważamy model monopolu. Zakładamy że monopol wybiera ile ma produkować w danym okresie. Jednostkowy koszt produkcji wynosi k. Cena wynikająca

Bardziej szczegółowo

Rozwiązywanie algebraicznych układów równań liniowych metodami iteracyjnymi. Plan wykładu:

Rozwiązywanie algebraicznych układów równań liniowych metodami iteracyjnymi. Plan wykładu: Rozwiązywanie algebraicznych układów równań liniowych metodami iteracynymi Plan wykładu: 1. Przykłady macierzy rzadkich i formaty ich zapisu 2. Metody: Jacobiego, Gaussa-Seidla, nadrelaksaci 3. Zbieżność

Bardziej szczegółowo

Rozwiązanie Powyższe zadanie możemy przedstawić jako następujące zagadnienie programowania liniowego:

Rozwiązanie Powyższe zadanie możemy przedstawić jako następujące zagadnienie programowania liniowego: Zadanie Rafineria naftowa otrzymała zamówienie na dwa rodzaje specjalnych paliw węglowodorowych X oraz Y. Zamówienie opiewa na minimum 4 000 galonów paliwa X i minimum 2 400 galonów paliwa Y. Paliwa te

Bardziej szczegółowo

Wstęp do Techniki Cyfrowej... Teoria automatów

Wstęp do Techniki Cyfrowej... Teoria automatów Wstęp do Techniki Cyfrowej... Teoria automatów Alfabety i litery Układ logiczny opisywany jest przez wektory, których wartości reprezentowane są przez ciągi kombinacji zerojedynkowych. Zwiększenie stopnia

Bardziej szczegółowo