Programowanie wypukłe i kwadratowe. Tadeusz Trzaskalik

Wielkość: px
Rozpocząć pokaz od strony:

Download "Programowanie wypukłe i kwadratowe. Tadeusz Trzaskalik"

Transkrypt

1 Proramowanie wpukłe i kwaratowe Taeusz Trzaskalik

2 6.. Wprowazenie Słowa kluczowe Zaanie proramowania nielinioweo Ekstrema lobalne i lokalne Zbior wpukłe Funkcje wklęsłe i wpukłe Zaanie proramowania wpukłeo Funkcja Larane a Warunki Kuhna - Tuckera Zaanie proramowania kwaratoweo Zaanie zastępcze Zmienne sztuczne tpu w i u Alortm Wolfe a Optmaln portfel akcji Zaanie Markowitza T.Trzaskalik: Wprowazenie o baań operacjnch z komputerem

3 6.. Zaanie proramowania wpukłeo 6... Zbior wpukłe i funkcje wpukle (/5) Ekstrema lobalne i lokalne T.Trzaskalik: Wprowazenie o baań operacjnch z komputerem 3

4 6.. Zaanie proramowania wpukłeo 6... Zbior wpukłe i funkcje wpukle (/5) Przkła zbiorów wpukłch i niewpukłch, C λ [,] Zbior wpukłe λ + ( λ) Zbiór niewpukł C T.Trzaskalik: Wprowazenie o baań operacjnch z komputerem 4

5 6.. Zaanie proramowania wpukłeo 6... Zbior wpukłe i funkcje wpukle (3/5) Funkcje wpukłe a kształt wpukle funkcja wpukła kształt wklęsł funkcja wklęsła kształt wpukł T.Trzaskalik: Wprowazenie o baań operacjnch z komputerem 5

6 6.. Zaanie proramowania wpukłeo 6... Zbior wpukłe i funkcje wpukle (4/5) Definicje Funkcja wpukła:, W, λ [,] f ( λ + ( λ) ) λf ( ) + ( λ) f ( ) Funkcja wklęsła: Funkcja liniowa: Forma kwaratowa: Funkcja kwaratowa: f wklęsła f wpukła T α( ) p + q T β ( ) C H ( ) p T n n j n T.Trzaskalik: Wprowazenie o baań operacjnch z komputerem 6 p i j T C j c ij j i + q j

7 6.. Zaanie proramowania wpukłeo 6... Zbior wpukłe i funkcje wpukle (5/5) Twierzenia Twierzenie 6.: Funkcja liniowa jest jenocześnie funkcją wpukłą i wklęsłą. Twierzenie 6.: Forma kwaratowa jest funkcja wpukłą (wklęsłą) wte i tlko wte, macierz form C jest nieujemnie (nieoatnio) określona. T.Trzaskalik: Wprowazenie o baań operacjnch z komputerem 7

8 6.. Zaanie proramowania wpukłeo 6... Sformułowanie zaania proramowania wpukłeo (/3) Sformułowanie zaania f () ma ( )... m () f ( ) ma ( ) ( ) ( )... ( ) m Powższe zaanie jest zaaniem proramowania wpukłeo jeżeli f i wszstkie i są funkcjami wklęsłmi. T.Trzaskalik: Wprowazenie o baań operacjnch z komputerem 8

9 6.. Zaanie proramowania wpukłeo 6... Sformułowanie zaania proramowania wpukłeo (/3) Przkła 6. ( ) f ( ) ( ) ( ) A (, ) O P (, ) B (, ) T.Trzaskalik: Wprowazenie o baań operacjnch z komputerem 9

10 6.. Zaanie proramowania wpukłeo 6... Sformułowanie zaania proramowania wpukłeo (3/3) Zaanie proramowania kwaratoweo p T C macierz T C ma A b b nieujemnie określona T.Trzaskalik: Wprowazenie o baań operacjnch z komputerem

11 6.. Zaanie proramowania wpukłeo Warunki Kuhna-Tuckera (/) Funkcja Larane a L ( f ( ) ma ( ) L (, ) f ( ) + ( ) [,..., m ] m +,..., n,,..., m) f (,..., n) ii (,..., n ) i T.Trzaskalik: Wprowazenie o baań operacjnch z komputerem

12 6.. Zaanie proramowania wpukłeo Warunki Kuhna-Tuckera (/) Sformułowanie warunków Warunek L(, ) Warunek ( ) Warunek 3 ( ) Warunek 4 Warunek Slatera Twierzenie 6.3: L(, ) L(, ) L(,,..., Problem proramowania wpukłeo i problem Kuhna-Tuckera opisane warunkami - 4 są sobie równoważne. n ) T.Trzaskalik: Wprowazenie o baań operacjnch z komputerem

13 kłe i kwaratowe 3 3 ) (8 ),,,, ( L ) ( ) ( 8 ) ( ) ( 3 + f 6.. Zaanie proramowania wpukłeo Wkorzstanie warunków K-T o rozwiązwania zaań proramowania wpukłeo (/5) Przkła 6. (c..) 6. Proramowanie wpuk T.Trzaskalik: Wprowazenie o baań operacjnch z komputerem Warunek : Warunek : L L ) 8 ( Warunek 3: ) ( ) ( 8 ) ( 3 Warunek 4:,, 3

14 6.. Zaanie proramowania wpukłeo Wkorzstanie warunków K-T o rozwiązwania zaań proramowania wpukłeo (/5) Poział zbioru rozwiązań opuszczalnch na pozbior Pozbiór > > 3 > Pozbiór 3 3 > > A O A O B B Pozbiór > 3 > Pozbiór 4 3 > > A O A O B B T.Trzaskalik: Wprowazenie o baań operacjnch z komputerem 4

15 6.. Zaanie proramowania wpukłeo Wkorzstanie warunków K-T o rozwiązwania zaań proramowania wpukłeo (3/5) Poział zbioru rozwiązań opuszczalnch na pozbior (c..) Pozbiór 5 A > 3 O B Pozbiór 7 3 > A O B Pozbiór 6 3 > Pozbiór 8 A 3 O B Zbiór pust T.Trzaskalik: Wprowazenie o baań operacjnch z komputerem 5

16 6.. Zaanie proramowania wpukłeo Wkorzstanie warunków K-T o rozwiązwania zaań proramowania wpukłeo (4/5) Pozbiór Warunek L Pozbiór L Warunek + ( 8 ) Warunek ( ) 4 ( ) ( ) Warunek 4,, 3 3 >, >, 3 > z warunku wnika, żee,, 3 Wstawiam te wartości o warunku + + czli: - sprzeczność T.Trzaskalik: Wprowazenie o baań operacjnch z komputerem 6

17 6.. Zaanie proramowania wpukłeo Wkorzstanie warunków K-T o rozwiązwania zaań proramowania wpukłeo (5/5) Pozbiór Warunek L L Warunek + ( 8 ) Warunek 3 3 ( ) 4 ( ) ( ) Warunek 4 +,, 3 3 Pozbiór, >, 3 > z warunku wnika, że, 3 Wstawiam te wartości o warunku +,,,5,, 3 +, 8 ( ) ( ) T.Trzaskalik: Wprowazenie o baań operacjnch z komputerem 7

18 kłe i kwaratowe, 9 ma 4 5 ), ( f 6.3. Metoa Wolfe a Warunki Kuhna-Tuckera la zaania proramowania kwaratoweo (/3) Przkła Proramowanie wpuk T.Trzaskalik: Wprowazenie o baań operacjnch z komputerem 8, 5 p, C, 9 b określona nieujemnie macierz C ma b A C p T T

19 6.3. Metoa Wolfe a Warunki Kuhna-Tuckera la zaania proramowania kwaratoweo (/3) Przekształcenia warunków oraniczającch f ( ) ma + (, ) + 9 (, ) 9 3 (, ) 4 (, ) [,, ], (,,,,, L ) ) + 9 ) ( ( + + T.Trzaskalik: Wprowazenie o baań operacjnch z komputerem 9

20 6.3. Metoa Wolfe a Warunki Kuhna-Tuckera la zaania proramowania kwaratoweo (3/3) Sformułowanie warunków K-T Warunek (, ) L 4 L 5 4 Przenosim wraz wolne na prawą stronę 4 4 Mnożm obie stron równań przez (-) T.Trzaskalik: Wprowazenie o baań operacjnch z komputerem

21 6.3. Metoa Wolfe a Warunki Kuhna-Tuckera la zaania proramowania kwaratoweo (3/3) Sformułowanie warunków K-T Warunek ( ) ( _ ) + (9 ) + + Bilansowanie oraniczeń Po postawieniu i Warunek ma postać T.Trzaskalik: Wprowazenie o baań operacjnch z komputerem

22 6.3. Metoa Wolfe a Warunki Kuhna-Tuckera la zaania proramowania kwaratoweo (3/3) Sformułowanie warunków K-T Warunek 3 ( ) Warunek ten stanowi powtórzenie oraniczeń rozpatrwaneo zaania (, ) (, ) 9 3 (, ) 4 (, ) Uwzlęniając zmienne bilansujące i, mam: - 9 Przenosim wraz wolne na prawa stronę i mnożm przez (-): T.Trzaskalik: Wprowazenie o baań operacjnch z komputerem

23 6.3. Metoa Wolfe a Warunki Kuhna-Tuckera la zaania proramowania kwaratoweo (3/3) Sformułowanie warunków K-T Warunek 4,,, Zestawienie warunków w wkorzstwanej alej kolejności: ,,,,,,, T.Trzaskalik: Wprowazenie o baań operacjnch z komputerem 3

24 6.3. Metoa Wolfe a Sformułowanie zaania zastępczeo (/) Zaanie zastępcze w + w min w w 5,,,,,,,, w, w Pominięt warunek: Par zmiennch komplementarnch: i i i i T.Trzaskalik: Wprowazenie o baań operacjnch z komputerem 4

25 6.3. Metoa Wolfe a Rozwiązanie zaania zastępczeo (/5) Przebie obliczeń c min Baza c B w w 4 c j -z j w w b 9 5 T.Trzaskalik: Wprowazenie o baań operacjnch z komputerem 5

26 6.3. Metoa Wolfe a Rozwiązanie zaania zastępczeo (/5) Przebie obliczeń (c..) c min Baza c B w w b,8 -,5 -,5,5 -,5 9,5,8 -,5 -,5,5 -,5 8,5,,5,5 -,5,5,5 w,,8,8, - -, 3 c j -z j -, -,8 -,8 -,, T.Trzaskalik: Wprowazenie o baań operacjnch z komputerem 6

27 6.3. Metoa Wolfe a Rozwiązanie zaania zastępczeo (3/5) Przebie obliczeń (c..) c min Baza c B w c j -z j ,5 -,5,5 -,5 -,5,5,5,5 -,5,5,5,5 -,5 -,5 -,5 - w -,5 -,5,5 -,5,5 w b 5 6,5,5 T.Trzaskalik: Wprowazenie o baań operacjnch z komputerem 7

28 6.3. Metoa Wolfe a Rozwiązanie zaania zastępczeo (4/5) Przebie obliczeń (c..) c min Baza c B w c j -z j -8 -,5 -,5, w - w b T.Trzaskalik: Wprowazenie o baań operacjnch z komputerem 8

29 6.3. Metoa Wolfe a Rozwiązanie zaania zastępczeo (5/5) Przebie obliczeń (c..) c min Baza c B c j -z j -6,5,5,5,5,5 -,5,5 -,5 -,5,5 -,5 -,5 Z twierzenia Kuhna-Tuckera:, 5 - rozwiązanie optmalne wjścioweo zaania proramowania kwaratoweo w - w,5,5 b 7, ,5 T.Trzaskalik: Wprowazenie o baań operacjnch z komputerem 9

30 6.3. Metoa Wolfe a Przpaek oóln (/5) Przkła 6.3 Zaanie zastępcze f(, ) ma + 9 v + w + w min v w w 5,,,,,,,, v, w, w T.Trzaskalik: Wprowazenie o baań operacjnch z komputerem 3

31 6.3. Metoa Wolfe a Przpaek oóln (/5) Iteracja 5 c min Baza c B w,5,5,5 -,5 -,5 -,5,5-6,5,5,5 -,5 -,5 v,5 -,5 - c j -z j -,5,5 v w b 5 7,5 7,5 4 T.Trzaskalik: Wprowazenie o baań operacjnch z komputerem 3

32 6.3. Metoa Wolfe a Przpaek oóln (3/5) Iteracja 6 c min Baza c B w,5, v,5 -,5 - c j -z j -,5,5 v w - - b T.Trzaskalik: Wprowazenie o baań operacjnch z komputerem 3

33 6.3. Metoa Wolfe a Przpaek oóln (4/5) Iteracja 7 c min Baza c B w - c j -z j Z twierzenia Kuhna-Tuckera: 8, - rozwiązanie optmalne wjścioweo zaania proramowania kwaratoweo - - v 3 66 w - - b T.Trzaskalik: Wprowazenie o baań operacjnch z komputerem 33

34 6.3. Metoa Wolfe a Przpaek oóln (5/5) Przkła 6.4 Zaanie zastępcze f(, ) 5 4 ma + 9 v + w min v w ,,,,,,,, v, w T.Trzaskalik: Wprowazenie o baań operacjnch z komputerem 34

35 6.3. Metoa Wolfe a Reuł postępowania w metozie Wolfe a (/) Alortm. Zapisanie warunków Kuhna-Tuckera.. Zapisanie zaania zastępczeo: a) zmienne sztuczne tpu w, b) zmienne sztuczne tpu v. 3. Rozwiązanie zaania zastępczeo: a) wbór zmiennej kanującej o baz, b) sprawzenie, cz wbór zmiennej kanującej bł właściw, c) wbór zmiennej usuwanej z baz, ) baanie niesprzeczności zaania. 4. Ocztanie rozwiązania zaania wjścioweo. T.Trzaskalik: Wprowazenie o baań operacjnch z komputerem 35

36 6.4. Optmaln portfel akcji Oczekiwana stopa zsku i rzko portfela (/) Postawowe pojęcia Określić taki skła portfela, złożoneo z akcji n spółek, b zminimalizować rzko portfela, prz założonm z ór poziomie oczekiwaneo zsku. Stopa zsku z i-tej akcji w okresie t (t,..., T) z i-tej akcji w okresie t R ( t ) Oczekiwana stopa zsku z i-tej akcji R i i T P i T t ( t) P i ( t ) ( t ) Uział akcji w portfelu, Oczekiwana stopa zsku portfela akcji n i R p i n i R i P i R i i ( t) i T.Trzaskalik: Wprowazenie o baań operacjnch z komputerem 36

37 6.4. Optmaln portfel akcji Oczekiwana stopa zsku i rzko portfela (/) Postawowe pojęcia (c..) Rzko (wariancja) portfela Ochlenie stanarowe stop zsku Współcznnik korelacji Zmofikowan wzór na wariancję portfela v S r v p i ij p n n T T t i j n T T i j S i S j r ij ( ( R i ( t ) R i ) t i j ( R ( t) R ) R ( t) i j ( j R j ) cov( R, R ) i i n i j S S cov( R, R i j ) S i i S j j T.Trzaskalik: Wprowazenie o baań operacjnch z komputerem 37

38 6.4. Optmaln portfel akcji Optmalizacja portfela akcji jako zaanie proramowania kwaratoweo (/7) Sformułowanie zaania n n i j n i n i i j R i i v i ij min O T T V ma R R R O T i la i,..., n V macierz wariancji i kowariancji (V [cov(r i, R j )]), R [ R,..., Rn ], : O :,, n : T.Trzaskalik: Wprowazenie o baań operacjnch z komputerem 38

39 6.4. Optmaln portfel akcji Optmalizacja portfela akcji jako zaanie proramowania kwaratoweo (/7) Przkła 6.4 Spółka Spółka Notowania Spółka Spółka Spółka Oczekiwane stop zsku z akcji w okresie t w % Spółka Spółka Spółka 3 Spółka 4 Spółka T.Trzaskalik: Wprowazenie o baań operacjnch z komputerem 39

40 6.4. Optmaln portfel akcji Optmalizacja portfela akcji jako zaanie proramowania kwaratoweo (3/7) Obliczenia pomocnicze Oczekiwane stop zsku z akcji w % Spółka Spółka Spółka 3 Spółka 4 Spółka 5 R i Spółka Spółka Spółka 3 Spółka 4 Spółka 5 Macierz wariancji-kowariancji stóp zsku Spółka Spółka Spółka Spółka Spółka T.Trzaskalik: Wprowazenie o baań operacjnch z komputerem 4

41 6.4. Optmaln portfel akcji Optmalizacja portfela akcji jako zaanie proramowania kwaratoweo (4/7) Moel matematczn Cel Znalezienie portfela akcji minimalizująceo rzko o zaanej oczekiwanej stopie zsku. Zmienne eczjne uział w portfelu akcji spółki, uział w portfelu akcji spółki, 3 uział w portfelu akcji spółki 3, 4 uział w portfelu akcji spółki 4, 5 uział w portfelu akcji spółki 5, T.Trzaskalik: Wprowazenie o baań operacjnch z komputerem 4

42 6.4. Optmaln portfel akcji Optmalizacja portfela akcji jako zaanie proramowania kwaratoweo (5/7) Moel matematczn (c..) Funkcja celu f(,, 3, 4, 5 ) [,, 3, 4, 5 ] V [,, 3, 4, 5 ] T min V Oraniczenia oczekiwan zsk z portfela ma bć większ o %, czli:,94 +,, 3 +,8 4 +,45 5 uział akcji w portfelu sumują się o jeności: warunki nieujemności:,, 3, 4, 5 T.Trzaskalik: Wprowazenie o baań operacjnch z komputerem 4

43 6.4. Optmaln portfel akcji Optmalizacja portfela akcji jako zaanie proramowania kwaratoweo (6/7) Rozwinięta postać zaania f ( [,,,, 3 3,, 4 4,, 5 5 ),43,7,3,669,54,7 7,773,4983,374,756 ],3,4983 5,598,394,637 3,669,374,394,858,84 4,54,756,637,84 4,389 5 prz warunkach oraniczającch:,94, +, 3,8 4, ,, 3, 4, 5 ma T.Trzaskalik: Wprowazenie o baań operacjnch z komputerem 43

44 6.4. Optmaln portfel akcji Optmalizacja portfela akcji jako zaanie proramowania kwaratoweo (7/7) Rozwiązanie i interpretacja Rozwiązanie optmalne,468,539 3,85 4,6 5,797 Interpretacja rozwiązania Optmaln portfel, la któreo stopa oczekiwaneo zsku jest nie mniejsza niż % bęzie się skłaał (w ujęciu wartościowm) w 4,68% z akcji spółki, w 53,9% z akcji spółki, w,85% z akcji spółki 3, w,6% z akcji spółki 4 i w 7,97% akcji spółki 5. Rzko takieo portfela wnosi, 4 T.Trzaskalik: Wprowazenie o baań operacjnch z komputerem 44

45 6.4. Optmaln portfel akcji Dwukrterialne zaanie poszukiwania optmalneo portfela akcji (/5) Przkła 6.4 Cel Szukam takieo portfela akcji, la któreo rzko jest minimalne, a oczekiwan zsk portfela maksmaln. Zmienne eczjne uział w portfelu akcji spółki, uział w portfelu akcji spółki, 3 uział w portfelu akcji spółki 3, 4 uział w portfelu akcji spółki 4, 5 uział w portfelu akcji spółki 5, T.Trzaskalik: Wprowazenie o baań operacjnch z komputerem 45

46 6.4. Optmaln portfel akcji Dwukrterialne zaanie poszukiwania optmalneo portfela akcji (/5) Moel matematczn Funkcje celu Minimalizacja rzka portfela,43,7,3,669,54,7 7,773,4983,374,756 T [,, 3, 4, 5 ],3,4983 5,598,394,637 [,, 3, 4, 5 ] min,669,374,394,858,84,54,756,637,84 4,389 Maksmalizacja oczekiwanej stop zsku portfela: Oraniczenia,94 +,, 3 +,8 4 +,45 5 ma ,, 3, 4, 5 T.Trzaskalik: Wprowazenie o baań operacjnch z komputerem 46

47 6.4. Optmaln portfel akcji Dwukrterialne zaanie poszukiwania optmalneo portfela akcji (3/5) Metoa satsfakcjonująceo poziomu krteriów Funkcja celu,43,7,3,669,54,7 7,773,4983,374,756 T,, 3, 4, 5],3,4983 5,598,394,637 [,, 3, 4, ] min,669,374,394,858,84,54,756,637,84 4,389 [ 5 Oraniczenia,94, +, 3,8 4,45 5 R ,, 3, 4, 5 T.Trzaskalik: Wprowazenie o baań operacjnch z komputerem 47

48 6.4. Optmaln portfel akcji Dwukrterialne zaanie poszukiwania optmalneo portfela akcji (4/5) Wniki obliczeń Parametr portfeli wznaczonch la założonch wartości R Lp R V p P..79 P P P P P P P P P T.Trzaskalik: Wprowazenie o baań operacjnch z komputerem 48

49 6.4. Optmaln portfel akcji Dwukrterialne zaanie poszukiwania optmalneo portfela akcji (5/5) Granica efektwna oczekiwana stopa zsku z portfela w %,4,,8,6,4,,5,5 3 rzko portfela oczekiwana stopa zsku z portfela w %,4,,8,6,4,,5,5 3 rzko portfela 3,5,5 rzko portfela,4,,8,6,4 oczekiwana stopa zsku z portfela w % T.Trzaskalik: Wprowazenie o baań operacjnch z komputerem 49

50 Pora na relaks T.Trzaskalik: Wprowazenie o baań operacjnch z komputerem 5

PROGRAMOWANIE NIELINIOWE

PROGRAMOWANIE NIELINIOWE PROGRAMOWANIE NIELINIOWE Maciej Patan Uniwersytet Zielonogórski WSTEP Zadanie programowania nieliniowego (ZPN) min f(x) g i (x) 0, h i (x) = 0, i = 1,..., m g i = 1,..., m h f(x) funkcja celu g i (x) i

Bardziej szczegółowo

PROGRAMOWANIE KWADRATOWE

PROGRAMOWANIE KWADRATOWE PROGRAMOWANIE KWADRATOWE Programowanie kwadratowe Zadanie programowania kwadratowego: Funkcja celu lub/i co najmniej jedno z ograniczeń jest funkcją kwadratową. 2 Programowanie kwadratowe Nie ma uniwersalnej

Bardziej szczegółowo

Podejmowanie decyzji w warunkach niepełnej informacji. Tadeusz Trzaskalik

Podejmowanie decyzji w warunkach niepełnej informacji. Tadeusz Trzaskalik Podejmowanie deczji w warunkach niepełnej informacji Tadeusz Trzaskalik 5.. Wprowadzenie Słowa kluczowe Niepełna informacja Stan natur Macierz wpłat Podejmowanie deczji w warunkach rzka Podejmowanie deczji

Bardziej szczegółowo

Programowanie liniowe. Tadeusz Trzaskalik

Programowanie liniowe. Tadeusz Trzaskalik Programowanie liniowe Tadeusz Trzaskalik .. Wprowadzenie Słowa kluczowe Model matematyczny Cel, środki, ograniczenia Funkcja celu funkcja kryterium Zmienne decyzyjne Model optymalizacyjny Układ warunków

Bardziej szczegółowo

Zadanie transportowe i problem komiwojażera. Tadeusz Trzaskalik

Zadanie transportowe i problem komiwojażera. Tadeusz Trzaskalik Zadanie transportowe i problem komiwojażera Tadeusz Trzaskalik 3.. Wprowadzenie Słowa kluczowe Zbilansowane zadanie transportowe Rozwiązanie początkowe Metoda minimalnego elementu macierzy kosztów Metoda

Bardziej szczegółowo

WYKŁAD nr Ekstrema funkcji jednej zmiennej o ciągłych pochodnych. xˆ ( ) 0

WYKŁAD nr Ekstrema funkcji jednej zmiennej o ciągłych pochodnych. xˆ ( ) 0 WYKŁAD nr 4. Zaanie programowania nieliniowego ZP. Ekstrema unkcji jenej zmiennej o ciągłych pochonych Przypuśćmy ze punkt jest punktem stacjonarnym unkcji gzie punktem stacjonarnym nazywamy punkt la którego

Bardziej szczegółowo

Metoda Karusha-Kuhna-Tuckera

Metoda Karusha-Kuhna-Tuckera Badania operacyjne i teoria optymalizacji Poznań, 2015/2016 Plan 1 Sformułowanie problemu 2 3 Warunki ortogonalności 4 Warunki Karusha-Kuhna-Tuckera 5 Twierdzenia Karusha-Kuhna-Tuckera 6 Ograniczenia w

Bardziej szczegółowo

L.Kowalski zadania z rachunku prawdopodobieństwa-zestaw 4 ZADANIA - ZESTAW 4

L.Kowalski zadania z rachunku prawdopodobieństwa-zestaw 4 ZADANIA - ZESTAW 4 ZADANIA - ZESTAW 4 Zadanie 4. 0-0,4 c 0 0, 0, Wznacz c. Wznacz rozkład brzegowe. Cz, są niezależne? (odp. c = 0,3 Zadanie 4.- 0-0,4 0,3 0 0, 0, Wznaczć macierz kowariancji i korelacji. Cz, są skorelowane?

Bardziej szczegółowo

Programowanie nieliniowe optymalizacja funkcji wielu zmiennych

Programowanie nieliniowe optymalizacja funkcji wielu zmiennych Ekonomia matematczna II Ekonomia matematczna II Prowadząc ćwiczenia Programowanie nieliniowe optmalizacja unkcji wielu zmiennch Modele programowania liniowego często okazują się niewstarczające w modelowaniu

Bardziej szczegółowo

Rozdział 6 PROGRAMOWANIE WYPUKŁE I KWADRATOWE

Rozdział 6 PROGRAMOWANIE WYPUKŁE I KWADRATOWE Wprowadzenie do badań operacyjnych z komputerem Opisy programów, ćwiczenia komputerowe i zadania. T. Trzaskalik (red.) Rozdział 6 PROGRAMOWANIE WYPUKŁE I KWADRATOWE 6. Ćwiczenia komputerowe Ćwiczenie 6.1

Bardziej szczegółowo

Programowanie liniowe całkowitoliczbowe. Tadeusz Trzaskalik

Programowanie liniowe całkowitoliczbowe. Tadeusz Trzaskalik Programowanie liniowe całkowitoliczbowe Tadeusz Trzaskalik .. Wprowadzenie Słowa kluczowe Rozwiązanie całkowitoliczbowe Założenie podzielności Warunki całkowitoliczbowości Czyste zadanie programowania

Bardziej szczegółowo

Rozwiązywanie równań różniczkowych

Rozwiązywanie równań różniczkowych Rozwiązwanie równań różniczkowch. Równanie różniczkowe zwczajne. rzęu A. Metoa rkfie - zaimplementowana w Mathcazie metoa Rungego-Kutt. rzęu ze stałm krokiem całkowania: rkfie(,,ma, N, P) gzie: ma N P

Bardziej szczegółowo

3. Optymalizacja portfela inwestycyjnego Model Markowitza Model jednowskaźnikowy Sharpe a Model wyceny aktywów kapitałowych CAPM

3. Optymalizacja portfela inwestycyjnego Model Markowitza Model jednowskaźnikowy Sharpe a Model wyceny aktywów kapitałowych CAPM 3. Optymalizacja portfela inwestycyjnego Model Markowitza Model jednowskaźnikowy Sharpe a Model wyceny aktywów kapitałowych CAPM Oczekiwana stopa zwrotu portfela dwóch akcji: E(r p ) = w 1 E(R 1 ) + w

Bardziej szczegółowo

Prawdopodobieństwo i statystyka

Prawdopodobieństwo i statystyka Wykład XV: Zagadnienia redukcji wymiaru danych 2 lutego 2015 r. Standaryzacja danych Standaryzacja danych Własności macierzy korelacji Definicja Niech X będzie zmienną losową o skończonym drugim momencie.

Bardziej szczegółowo

Statystyka i eksploracja danych

Statystyka i eksploracja danych Wykład XII: Zagadnienia redukcji wymiaru danych 12 maja 2014 Definicja Niech X będzie zmienną losową o skończonym drugim momencie. Standaryzacją zmiennej X nazywamy zmienną losową Z = X EX Var (X ). Definicja

Bardziej szczegółowo

Projekt Era inżyniera pewna lokata na przyszłość jest współfinansowany przez Unię Europejską w ramach Europejskiego Funduszu Społecznego

Projekt Era inżyniera pewna lokata na przyszłość jest współfinansowany przez Unię Europejską w ramach Europejskiego Funduszu Społecznego Materiał ddaktczne na zajęcia wrównawcze z matematki dla studentów pierwszego roku kierunku zamawianego Inżnieria Środowiska w ramach projektu Era inżniera pewna lokata na przszłość Projekt Era inżniera

Bardziej szczegółowo

dr hab. Renata Karkowska 1

dr hab. Renata Karkowska 1 dr hab. Renata Karkowska 1 Miary zmienności: obrazują zmiany cen, stóp zwrotu instrumentów finansowych, opierają się na rozproszeniu ich rozkładu, tym samym uśredniają ryzyko: wariancja stopy zwrotu, odchylenie

Bardziej szczegółowo

Rozdział 1 PROGRAMOWANIE LINIOWE

Rozdział 1 PROGRAMOWANIE LINIOWE Wprowadzenie do badań operacyjnych z komputerem Opisy programów, ćwiczenia komputerowe i zadania. T. Trzaskalik (red.) Rozdział 1 PROGRAMOWANIE LINIOWE 1.2 Ćwiczenia komputerowe Ćwiczenie 1.1 Wykorzystując

Bardziej szczegółowo

Projekt Era inżyniera pewna lokata na przyszłość jest współfinansowany przez Unię Europejską w ramach Europejskiego Funduszu Społecznego

Projekt Era inżyniera pewna lokata na przyszłość jest współfinansowany przez Unię Europejską w ramach Europejskiego Funduszu Społecznego Materiał ddaktczne na zajęcia wrównawcze z matematki dla studentów pierwszego roku kierunku zamawianego Inżnieria i Gospodarka Wodna w ramach projektu Era inżniera pewna lokata na przszłość Projekt Era

Bardziej szczegółowo

Minimalizacja kosztów

Minimalizacja kosztów Minimalizacja kosztów 1. (na wkładzie) Firma genealogiczna Korzenie produkuje dobro korzstając z jednego nakładu x użwając funkcji produkcji f(x) = x. (a) Ile jednostek x jest potrzebnch do wprodukowania

Bardziej szczegółowo

Optyka 2. Projekt współfinansowany przez Unię Europejską w ramach Europejskiego Funduszu Społecznego

Optyka 2. Projekt współfinansowany przez Unię Europejską w ramach Europejskiego Funduszu Społecznego Optka Projekt współinansowan przez Unię Europejską w ramach Europejskiego Funuszu Społecznego Optka II Promień świetln paając na powierzchnię zwierciała obija się zgonie z prawem obicia omówionm w poprzeniej

Bardziej szczegółowo

β i oznaczmy współczynnik Beta i-tego waloru, natomiast przez β w - Betę całego portfela. Wykaż, że prawdziwa jest następująca równość

β i oznaczmy współczynnik Beta i-tego waloru, natomiast przez β w - Betę całego portfela. Wykaż, że prawdziwa jest następująca równość Zestaw 7 1. (Egzamin na doradcę inwestycyjnego, I etap, 2013) Współczynnik beta akcji spółki ETA wynosi 1, 3, a stopa zwrotu z portfela rynkowego 9%. Jeżeli oczekiwna stopa zwrotu z akcji spółki ETA wynosi

Bardziej szczegółowo

Przekształcenia liniowe

Przekształcenia liniowe Przekształcenia liniowe Zadania Które z następujących przekształceń są liniowe? (a) T : R 2 R 2, T (x, x 2 ) = (2x, x x 2 ), (b) T : R 2 R 2, T (x, x 2 ) = (x + 3x 2, x 2 ), (c) T : R 2 R, T (x, x 2 )

Bardziej szczegółowo

Zarządzanie projektami. Tadeusz Trzaskalik

Zarządzanie projektami. Tadeusz Trzaskalik Zarządzanie projektami Tadeusz Trzaskalik 7.1. Wprowadzenie Słowa kluczowe Projekt Sieć czynności zynność bezpośrednio poprzedzająca Zdarzenie, zdarzenie początkowe, zdarzenie końcowe Właściwa numeracja

Bardziej szczegółowo

Zadania z ekonomii matematycznej Teoria produkcji

Zadania z ekonomii matematycznej Teoria produkcji Paweł Kliber Zadania z ekonomii matematycznej Teoria produkcji Zadania Zad Dla podanych funkcji produkcji a fk z k + z b fk z 6k z c fk z k z d fk z k 4 z e fk z k + z wykonaj następujące polecenia: A

Bardziej szczegółowo

Elementy Modelowania Matematycznego

Elementy Modelowania Matematycznego Elementy Modelowania Matematycznego Wykład 8 Programowanie nieliniowe Spis treści Programowanie nieliniowe Zadanie programowania nieliniowego Zadanie programowania nieliniowego jest identyczne jak dla

Bardziej szczegółowo

Inwestycje finansowe. Wycena obligacji. Stopa zwrotu z akcji. Ryzyko.

Inwestycje finansowe. Wycena obligacji. Stopa zwrotu z akcji. Ryzyko. Inwestycje finansowe Wycena obligacji. Stopa zwrotu z akcji. yzyko. Inwestycje finansowe Instrumenty rynku pieniężnego (np. bony skarbowe). Instrumenty rynku walutowego. Obligacje. Akcje. Instrumenty pochodne.

Bardziej szczegółowo

Inne kryteria tworzenia portfela. Inne kryteria tworzenia portfela. Poziom bezpieczeństwa. Analiza i Zarządzanie Portfelem cz. 3. Dr Katarzyna Kuziak

Inne kryteria tworzenia portfela. Inne kryteria tworzenia portfela. Poziom bezpieczeństwa. Analiza i Zarządzanie Portfelem cz. 3. Dr Katarzyna Kuziak Inne kryteria tworzenia portfela Analiza i Zarządzanie Portfelem cz. 3 Dr Katarzyna Kuziak. Minimalizacja ryzyka przy zadanym dochodzie Portfel efektywny w rozumieniu Markowitza odchylenie standardowe

Bardziej szczegółowo

Metody wielokryterialne. Tadeusz Trzaskalik

Metody wielokryterialne. Tadeusz Trzaskalik Metody wielokryterialne Tadeusz Trzaskalik 4.1. Wprowadzenie Słowa kluczowe Zadanie wielokryterialne Zadanie wielokryterialne programowania liniowego Przestrzeń decyzyjna Zbiór rozwiązań za dopuszczalnych

Bardziej szczegółowo

Równania różniczkowe cząstkowe

Równania różniczkowe cząstkowe Równania różniczkowe cząstkowe Definicja Równaniem różniczkowm cząstkowm nazwam takie równanie różniczkowe w którm wstępuje co najmniej jedna pochodna cząstkowa niewiadomej funkcji dwóch lub więcej zmiennch

Bardziej szczegółowo

RÓWNANIA RÓŻNICZKOWE WYKŁAD 5

RÓWNANIA RÓŻNICZKOWE WYKŁAD 5 RÓWNANIA RÓŻNICZKOWE WYKŁAD 5 Równania różniczkowe rzędu drugiego Równania rzędu drugiego sprowadzalne do równań rzędu pierwszego Równanie różniczkowe rzędu drugiego postaci F ( x, ', ") 0 ( nie wstępuje

Bardziej szczegółowo

Równania różniczkowe cząstkowe

Równania różniczkowe cząstkowe Równania różniczkowe cząstkowe Definicja: Równaniem różniczkowm cząstkowm nazwam takie równanie różniczkowe w którm wstępuje co najmniej jedna pochodna cząstkowa niewiadomej funkcji dwóch lub więcej zmiennch

Bardziej szczegółowo

Teoria portfelowa H. Markowitza

Teoria portfelowa H. Markowitza Aleksandra Szymura szymura.aleksandra@yahoo.com Teoria portfelowa H. Markowitza Za datę powstania teorii portfelowej uznaje się rok 95. Wtedy to H. Markowitz opublikował artykuł zawierający szczegółowe

Bardziej szczegółowo

Rozdział 2 PROGRAMOWANIE LINIOWE CAŁKOWITOLICZBOWE

Rozdział 2 PROGRAMOWANIE LINIOWE CAŁKOWITOLICZBOWE Wprowadzenie do badań operacyjnych z komputerem Opisy programów, ćwiczenia komputerowe i zadania. T. Trzaskalik (red.) Rozdział 2 PROGRAMOWANIE LINIOWE CAŁKOWITOLICZBOWE 2.2 Ćwiczenia komputerowe Ćwiczenie

Bardziej szczegółowo

Rozwiązywanie układu równań metodą przeciwnych współczynników

Rozwiązywanie układu równań metodą przeciwnych współczynników Rozwiązwanie układu równań metodą przeciwnch współcznników Sposob postępowania krok po kroku: I. przgotowanie równań. pozbwam się ułamków mnoŝąc kaŝd jednomian równania równań przez najmniejszą wspólną

Bardziej szczegółowo

Wykład 4 Testy zgodności. dystrybuanta rozkładu populacji dystrybuanty rozkładów dwóch populacji rodzaj rozkładu wartości parametrów.

Wykład 4 Testy zgodności. dystrybuanta rozkładu populacji dystrybuanty rozkładów dwóch populacji rodzaj rozkładu wartości parametrów. Wkład Test zgodności. Test zgodności służą do werikacji hipotez mówiącch, że a dstrbuanta rozkładu populacji ma określoną z gór postać unkcjną b dstrbuant rozkładów dwóch populacji nie różnią się w sposób

Bardziej szczegółowo

Zadanie 1. Zadanie 2. Zadanie 3

Zadanie 1. Zadanie 2. Zadanie 3 Zadanie 1 Inwestor rozważa nabycie obligacji wieczystej (konsoli), od której będzie otrzymywał na koniec każdego półrocza kupon w wysokości 80 zł. Wymagana przez inwestora stopa zwrotu w terminie do wykupu

Bardziej szczegółowo

25. RÓWNANIA RÓŻNICZKOWE PIERWSZEGO RZĘDU. y +y tgx=sinx

25. RÓWNANIA RÓŻNICZKOWE PIERWSZEGO RZĘDU. y +y tgx=sinx 5. RÓWNANIA RÓŻNICZKOWE PIERWSZEGO RZĘDU 5.1. Pojęcia wstępne. Klasfikacja równań i rozwiązań Rozróżniam dwa zasadnicze tp równań różniczkowch: równania różniczkowe zwczajne i równania różniczkowe cząstkowe.

Bardziej szczegółowo

Układy równań i nierówności liniowych

Układy równań i nierówności liniowych Układy równań i nierówności liniowych Wiesław Krakowiak 1 grudnia 2010 1 Układy równań liniowych DEFINICJA 11 Układem równań m liniowych o n niewiadomych X 1,, X n, nazywamy układ postaci: a 11 X 1 + +

Bardziej szczegółowo

Politechnika Gdańska Wydział Elektrotechniki i Automatyki Katedra Inżynierii Systemów Sterowania

Politechnika Gdańska Wydział Elektrotechniki i Automatyki Katedra Inżynierii Systemów Sterowania Politechnika Gdańska Wydział Elektrotechniki i Automatyki Katedra Inżynierii Systemów Sterowania KOMPUTEROWE SYSTEMY STEROWANIA I WSPOMAGANIA DECYZJI Rozproszone programowanie produkcji z wykorzystaniem

Bardziej szczegółowo

Wykład Analiza jakościowa równań różniczkowych

Wykład Analiza jakościowa równań różniczkowych Na podstawie książki J. Rusinka, Równania różniczkowe i różnicowe w zarządzaniu, Oficna Wdawnicza WSM, Warszawa 2005. 21 maja 2012 Definicja Stabilność Niech = F (x, ) będzie równaniem różniczkowm. Rozwiązanie

Bardziej szczegółowo

Macierze normalne. D : Dowolną macierz kwadratową można zapisać w postaci A = B + ic gdzie ( ) B = A + A B = A + A = ( A + A)

Macierze normalne. D : Dowolną macierz kwadratową można zapisać w postaci A = B + ic gdzie ( ) B = A + A B = A + A = ( A + A) Macierze normalne Twierdzenie: Macierz można zdiagonalizować za pomocą unitarnej transformacji podobieństwa wted i tlko wted gd jest normalna (AA A A). ( ) D : Dowolną macierz kwadratową można zapisać

Bardziej szczegółowo

12. FUNKCJE WIELU ZMIENNYCH. z = x + y jest R 2, natomiast jej

12. FUNKCJE WIELU ZMIENNYCH. z = x + y jest R 2, natomiast jej 1. FUNKCJE WIELU ZMIENNYCH 1.1. FUNKCJE DWÓCH ZMIENNYCH Funkcją dwóch zmiennch określoną w zbiorze D R nazwam przporządkowanie każdej parze liczb () D dokładnie jednej liczb rzeczwistej z. Piszem prz tm

Bardziej szczegółowo

Zadania z badań operacyjnych Przygotowanie do kolokwium pisemnego

Zadania z badań operacyjnych Przygotowanie do kolokwium pisemnego Zaania z baań operacyjnych Przygotowanie o kolokwium pisemnego 1..21 Zaanie 1.1. Dane jest zaanie programowania liniowego: 4x 1 + 3x 2 max 2x 1 + 2x 2 1 x 1 + 2x 2 4 4x 2 8 x 1, x 2 Sprowazić zaanie o

Bardziej szczegółowo

PODSTAWOWE POJĘCIA OPTYMALIZACJI [M. Ostwald: Podstawy optymalizacji konstrukcji, Wyd. Politechniki Poznańskiej, 2005]

PODSTAWOWE POJĘCIA OPTYMALIZACJI [M. Ostwald: Podstawy optymalizacji konstrukcji, Wyd. Politechniki Poznańskiej, 2005] PODSTAWOWE POJĘCIA OPTYMALIZACJI [M. Ostwald: Podstaw optmalizacji konstrukcji, Wd. Politechniki Poznańskiej, 2005] POW Problem optmalnego wboru PWOW Problem wielokrterialnego wboru OW Optmalizacja wielokrterialna

Bardziej szczegółowo

Rozwiązywanie układów równań liniowych

Rozwiązywanie układów równań liniowych Rozwiązywanie układów równań liniowych Marcin Orchel 1 Wstęp Jeśli znamy macierz odwrotną A 1, to możęmy znaleźć rozwiązanie układu Ax = b w wyniku mnożenia x = A 1 b (1) 1.1 Metoda eliminacji Gaussa Pierwszy

Bardziej szczegółowo

Rozdział 3 ZADANIE TRANSPORTOWE I PROBLEM KOMIWOJAŻERA

Rozdział 3 ZADANIE TRANSPORTOWE I PROBLEM KOMIWOJAŻERA Wprowadzenie do badań operacyjnych z komputerem Opisy programów, ćwiczenia komputerowe i zadania. T. Trzaskalik (red.) Rozdział 3 ZADANIE TRANSPORTOWE I PROBLEM KOMIWOJAŻERA 3.2. Ćwiczenia komputerowe

Bardziej szczegółowo

Poziom przedmiotu: II stopnia. Liczba godzin/tydzień: 2W, 2L, 1C PRZEWODNIK PO PRZEDMIOCIE

Poziom przedmiotu: II stopnia. Liczba godzin/tydzień: 2W, 2L, 1C PRZEWODNIK PO PRZEDMIOCIE Nazwa przedmiotu: Kierunek: Matematyka Rodzaj przedmiotu: przedmiot obowiązkowy dla specjalności matematyka finansowa i ubezpieczeniowa Rodzaj zajęć: wykład, laboratorium Metody optymalizacji w ekonomii

Bardziej szczegółowo

Równania różniczkowe

Równania różniczkowe Równania różniczkowe I rzędu Andrzej Musielak Równania różniczkowe Równania różniczkowe I rzędu Równanie różniczkowe pierwszego rzędu to równanie w którm pojawia się zmienna x, funkcja tej zmiennej oraz

Bardziej szczegółowo

Badanie zależności cech

Badanie zależności cech PODSTAWY STATYSTYKI 1. Teoria prawdopodobieństwa i element kombinatorki. Zmienne losowe i ich rozkład 3. Populacje i prób danch, estmacja parametrów 4. Testowanie hipotez 5. Test parametrczne (na przkładzie

Bardziej szczegółowo

EGZAMIN GIMNAZJALNY W ROKU SZKOLNYM 2011/2012

EGZAMIN GIMNAZJALNY W ROKU SZKOLNYM 2011/2012 Centralna Komisja Egzaminacjna EGZAMIN GIMNAZJALNY W ROKU SZKOLNYM 2011/2012 CZĘŚĆ MATEMATYCZNO-PRZYRODNICZA MATEMATYKA ODPOWIEDZI I PROPOZYCJE OCENIANIA PRZYKŁADOWEGO ZESTAWU ZADAŃ PAŹDZIERNIK 2011 Zadania

Bardziej szczegółowo

WYBRANE PROBLEMY DOTYCZĄCE OPTYMALIZACJI FUNKCJI UŻYTECZNOŚCI

WYBRANE PROBLEMY DOTYCZĄCE OPTYMALIZACJI FUNKCJI UŻYTECZNOŚCI STDIA I RACE WYDIAŁ NAK EKONOMICNYCH I ARĄDANIA NR 6 Henrk Kowgier niwerstet Szczeciński WYRANE ROLEMY DOTYCĄCE OTYMALIACJI NKCJI ŻYTECNOŚCI STRESCENIE W artkule ukazano niektóre aspekt optmalizacji warunkowej

Bardziej szczegółowo

; -1 x 1 spełnia powyższe warunki. Ale

; -1 x 1 spełnia powyższe warunki. Ale Funkcje uwkłane Przkła.ozważm równane np. nech. Ptane Cz la owolneo [ ] stneje tak że? Nech. Wówczas unkcja - spełna powższe warunk. Ale spełna je także unkcja [ ] Q. Dokłaając warunek cąłośc unkcj [ ]

Bardziej szczegółowo

Teoretyczne podstawy programowania liniowego

Teoretyczne podstawy programowania liniowego Teoretyczne podstawy programowania liniowego Elementy algebry liniowej Plan Kombinacja liniowa Definicja Kombinacja liniowa wektorów (punktów) x 1, x 2,, x k R n to wektor x R n k taki, że x = i=1 λ i

Bardziej szczegółowo

f x f y f, jest 4, mianowicie f = f xx f xy f yx

f x f y f, jest 4, mianowicie f = f xx f xy f yx Zestaw 14 Pochodne wŝszch rzędów Niech będzie dana funkcja x f określona w pewnm obszarze D Przpuśćm Ŝe f x istnieją pochodne cząstkowe tej funkcji x x Pochodne cząstkowe tch pochodnch jeŝeli istnieją

Bardziej szczegółowo

Wartości i wektory własne

Wartości i wektory własne Rozdział 7 Wartości i wektor własne Niech X będzie skończenie wmiarową przestrzenią liniową nad ciałem F = R lub F = C. Niech f : X X będzie endomorfizmem, tj. odwzorowaniem liniowm przekształającm przestrzeń

Bardziej szczegółowo

Zmienne losowe typu ciągłego. Parametry zmiennych losowych. Izolda Gorgol wyciąg z prezentacji (wykład III)

Zmienne losowe typu ciągłego. Parametry zmiennych losowych. Izolda Gorgol wyciąg z prezentacji (wykład III) Zmienne losowe tpu ciągłego. Parametr zmiennch losowch. Izolda Gorgol wciąg z prezentacji (wkład III) Zmienna losowa tpu ciągłego Zmienna losowa X o ciągłej dstrbuancie F nazwa się zmienną losową tpu ciągłego,

Bardziej szczegółowo

Rozdział 1 PROGRAMOWANIE LINIOWE

Rozdział 1 PROGRAMOWANIE LINIOWE Wprowadzenie do badań operacyjnych z komputerem Opisy programów, ćwiczenia komputerowe i zadania. T. Trzaskalik (red.) Rozdział 1 PROGRAMOWANIE LINIOWE 1.1 Opis programów Do rozwiązania zadań programowania

Bardziej szczegółowo

Programowanie liniowe

Programowanie liniowe Badania operacyjne Problem Model matematyczny Metoda rozwiązania Znaleźć optymalny program produkcji. Zmaksymalizować 1 +3 2 2 3 (1) Przy ograniczeniach 3 1 2 +2 3 7 (2) 2 1 +4 2 12 (3) 4 1 +3 2 +8 3 10

Bardziej szczegółowo

; -1 x 1 spełnia powyższe warunki. Ale

; -1 x 1 spełnia powyższe warunki. Ale AIB-Inormatka-Wkła - r Aam Ćmel cmel@.ah.eu.pl Funkcje uwkłane Przkła.ozważm równane np. nech. Ptane Cz la owolneo [] stneje tak że? Nech. Wówczas unkcja - spełna powższe warunk. Ale [ ] Q spełna je także

Bardziej szczegółowo

Całkowanie przez podstawianie i dwa zadania

Całkowanie przez podstawianie i dwa zadania Całkowanie przez podstawianie i dwa zadania Antoni Kościelski Funkcje dwóch zmiennch i podstawianie Dla funkcji dwóch zmiennch zachodzi następując wzór na całkowanie przez podstawianie: f(x(a, b), (a,

Bardziej szczegółowo

RÓWNANIA RÓŻNICZKOWE WYKŁAD 3

RÓWNANIA RÓŻNICZKOWE WYKŁAD 3 RÓWNANIA RÓŻNICZKOWE WYKŁAD 3 Równania różniczkowe liniowe Metoda przewidwań Metoda przewidwań całkowania równania niejednorodnego ' p( x) opiera się na następującm twierdzeniu. Twierdzenie f ( x) Suma

Bardziej szczegółowo

BADANIE PRZEBIEGU ZMIENNOŚCI FUNKCJI

BADANIE PRZEBIEGU ZMIENNOŚCI FUNKCJI Wkład z matematki inżnierskiej BADANIE PRZEBIEGU ZMIENNOŚCI FUNKCJI IMiF UTP 06 przed wkonaniem wkresu... BADANIE PRZEBIEGU ZMIENNOŚCI FUNKCJI Wkonujem wkres funkcji wznaczaja c wcześniej: 1 dziedzinȩ

Bardziej szczegółowo

Programowanie celowe #1

Programowanie celowe #1 Programowanie celowe #1 Problem programowania celowego (PC) jest przykładem problemu programowania matematycznego nieliniowego, który można skutecznie zlinearyzować, tzn. zapisać (i rozwiązać) jako problem

Bardziej szczegółowo

Optymalne portfele inwestycyjne

Optymalne portfele inwestycyjne Dariusz Zawisza Instytut Matematyki UJ 10 maj 2012 Problem Rozwiązanie problemu Aktywa wolne od ryzyka Estymacja parametrów Pomiar ryzyka Oznaczenia (Ω, F, P) - przestrzeń probablistyczna, r i := S1 i

Bardziej szczegółowo

Wybrane metody przybliżonego. wyznaczania rozwiązań (pierwiastków) równań nieliniowych

Wybrane metody przybliżonego. wyznaczania rozwiązań (pierwiastków) równań nieliniowych Wykład trzeci 1 Wybrane metody przybliżonego wyznaczania rozwiązań pierwiastków równań nieliniowych 2 Metody rozwiązywania równań nieliniowych = 0 jest unkcją rzeczywistą zmiennej rzeczywistej Rozwiązanie

Bardziej szczegółowo

Metoda simpleks. Gliwice

Metoda simpleks. Gliwice Sprowadzenie modelu do postaci bazowej Sprowadzenie modelu do postaci bazowej Przykład 4 Model matematyczny z Przykładu 1 sprowadzić do postaci bazowej. FC: ( ) Z x, x = 6x + 5x MAX 1 2 1 2 O: WB: 1 2

Bardziej szczegółowo

Programowanie dynamiczne. Tadeusz Trzaskalik

Programowanie dynamiczne. Tadeusz Trzaskalik Programowanie dynamiczne Tadeusz Trzaskalik 9.. Wprowadzenie Słowa kluczowe Wieloetapowe procesy decyzyjne Zmienne stanu Zmienne decyzyjne Funkcje przejścia Korzyści (straty etapowe) Funkcja kryterium

Bardziej szczegółowo

Równania liniowe. Rozdział Przekształcenia liniowe. Niech X oraz Y będą dwiema niepustymi przestrzeniami wektorowymi nad ciałem

Równania liniowe. Rozdział Przekształcenia liniowe. Niech X oraz Y będą dwiema niepustymi przestrzeniami wektorowymi nad ciałem Rozdział 6 Równania liniowe 6 Przekształcenia liniowe Niech X oraz Y będą dwiema niepustymi przestrzeniami wektorowymi nad ciałem F Definicja 6 Funkcję f : X Y spełniającą warunki: a) dla dowolnych x,

Bardziej szczegółowo

Wykład 4 Udowodnimy teraz, że jeśli U, W są podprzetrzeniami skończenie wymiarowej przestrzeni V to zachodzi wzór: dim(u + W ) = dim U + dim W dim(u

Wykład 4 Udowodnimy teraz, że jeśli U, W są podprzetrzeniami skończenie wymiarowej przestrzeni V to zachodzi wzór: dim(u + W ) = dim U + dim W dim(u Wykład 4 Udowodnimy teraz, że jeśli U, W są podprzetrzeniami skończenie wymiarowej przestrzeni V to zachodzi wzór: dim(u + W ) = dim U + dim W dim(u W ) Rzeczywiście U W jest podprzetrzenią przestrzeni

Bardziej szczegółowo

Funkcje charakterystyczne zmiennych losowych, linie regresji 1-go i 2-go rodzaju

Funkcje charakterystyczne zmiennych losowych, linie regresji 1-go i 2-go rodzaju Funkcje charakterystyczne zmiennych losowych, linie regresji -go i 2-go rodzaju Dr Joanna Banaś Zakład Badań Systemowych Instytut Sztucznej Inteligencji i Metod Matematycznych Wydział Informatyki Politechniki

Bardziej szczegółowo

Uniwersytet Kardynała Stefana Wyszyńskiego Wydział Matematyczno-Przyrodniczy Szkoła Nauk Ścisłych. Piotr Kaczyński. Badania Operacyjne

Uniwersytet Kardynała Stefana Wyszyńskiego Wydział Matematyczno-Przyrodniczy Szkoła Nauk Ścisłych. Piotr Kaczyński. Badania Operacyjne Uniwersytet Kardynała Stefana Wyszyńskiego Wydział Matematyczno-Przyrodniczy Szkoła Nauk Ścisłych Piotr Kaczyński Badania Operacyjne Notatki do ćwiczeń wersja 0. Warszawa, 7 stycznia 007 Spis treści Programowanie

Bardziej szczegółowo

Pierwiastki kwadratowe z liczby zespolonej

Pierwiastki kwadratowe z liczby zespolonej Pierwiastki kwadratowe z liczb zespolonej Pierwiastkiem kwadratowm z liczb w C nazwam każdą liczbę zespoloną z C, dla której z = w. Zbiór wszstkich pierwiastków oznaczam smbolem w. Innmi słow w = {z C

Bardziej szczegółowo

Stosowana Analiza Regresji

Stosowana Analiza Regresji Stosowana Analiza Regresji Wykład VIII 30 Listopada 2011 1 / 18 gdzie: X : n p Q : n n R : n p Zał.: n p. X = QR, - macierz eksperymentu, - ortogonalna, - ma zera poniżej głównej diagonali. [ R1 X = Q

Bardziej szczegółowo

Rozkłady dwóch zmiennych losowych

Rozkłady dwóch zmiennych losowych Rozkłady dwóch zmiennych losowych Uogólnienie pojęć na rozkład dwóch zmiennych Dystrybuanta i gęstość prawdopodobieństwa Rozkład brzegowy Prawdopodobieństwo warunkowe Wartości średnie i odchylenia standardowe

Bardziej szczegółowo

Zarządzanie portfelem inwestycyjnym

Zarządzanie portfelem inwestycyjnym Zarządzanie portfelem inwestycyjnym Dr hab. Renata Karkowska Wykład 3, 4 Renata Karkowska, Wydział Zarządzania 1 Wykład 3 - cel 3. Konstrukcja i zarządzanie portfelem inwestycyjnym 1. Cele i ograniczenia

Bardziej szczegółowo

Prawdopodobieństwo i statystyka

Prawdopodobieństwo i statystyka Wykład XIII: Prognoza. 26 stycznia 2015 Wykład XIII: Prognoza. Prognoza (predykcja) Przypuśćmy, że mamy dany ciąg liczb x 1, x 2,..., x n, stanowiących wyniki pomiaru pewnej zmiennej w czasie wielkości

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

Metody iteracyjne rozwiązywania układów równań liniowych (5.3) Normy wektorów i macierzy (5.3.1) Niech. x i. i =1

Metody iteracyjne rozwiązywania układów równań liniowych (5.3) Normy wektorów i macierzy (5.3.1) Niech. x i. i =1 Normy wektorów i macierzy (5.3.1) Niech 1 X =[x x Y y =[y1 x n], oznaczają wektory przestrzeni R n, a yn] niech oznacza liczbę rzeczywistą. Wyrażenie x i p 5.3.1.a X p = p n i =1 nosi nazwę p-tej normy

Bardziej szczegółowo

WIELKA SGH-OWA POWTÓRKA ZE STATYSTYKI REGRESJA LINIOWA

WIELKA SGH-OWA POWTÓRKA ZE STATYSTYKI REGRESJA LINIOWA WIELKA SGH-OWA POWTÓRKA ZE STATYSTYKI REGRESJA LINIOWA Powtórka Powtórki Kowiariancja cov xy lub c xy - kierunek zależności Współczynnik korelacji liniowej Pearsona r siła liniowej zależności Istotność

Bardziej szczegółowo

KURS FUNKCJE WIELU ZMIENNYCH

KURS FUNKCJE WIELU ZMIENNYCH KURS FUNKCJE WIELU ZMIENNYCH Lekcja 1 Pochodne cząstkowe ZADANIE DOMOWE www.etrapez.pl Strona 1 Część 1: TEST Zaznacz poprawną odpowiedź (tlko jedna jest prawdziwa). Ptanie 1 Funkcja dwóch zmiennch a)

Bardziej szczegółowo

P o l i t e c h n i k a Ś l ą s k a W y d z i a ł C h e m i c z n y Katedra Chemii, Technologii Nieorganicznej i Paliw

P o l i t e c h n i k a Ś l ą s k a W y d z i a ł C h e m i c z n y Katedra Chemii, Technologii Nieorganicznej i Paliw P o l i t e c h n i k a Ś l ą s k a W y z i a ł C h e m i c z n y Katera Chemii, Technoloii Nieoranicznej i Paliw A N A L I Z A P R Z E M Y S Ł O W A Instrukcje o ćwiczeń A N A L I Z A S I T O W A Oznaczanie

Bardziej szczegółowo

Wstęp do metod numerycznych Uwarunkowanie Eliminacja Gaussa. P. F. Góra

Wstęp do metod numerycznych Uwarunkowanie Eliminacja Gaussa. P. F. Góra Wstęp do metod numerycznych Uwarunkowanie Eliminacja Gaussa P. F. Góra http://th-www.if.uj.edu.pl/zfs/gora/ 2012 Uwarunkowanie zadania numerycznego Niech ϕ : R n R m będzie pewna funkcja odpowiednio wiele

Bardziej szczegółowo

Programowanie sieciowe. Tadeusz Trzaskalik

Programowanie sieciowe. Tadeusz Trzaskalik Programowanie Tadeusz Trzaskalik 8.1. Wprowadzenie Słowa kluczowe Drzewo rozpinające Minimalne drzewo rozpinające Najkrótsza droga w sieci Wierzchołek początkowy Maksymalny przepływ w sieci Źródło Ujście

Bardziej szczegółowo

(rachunek różniczkowy dot. funkcji ciągłych)

(rachunek różniczkowy dot. funkcji ciągłych) Podstaw matematczne (rachunek różniczkow dot. unkcji ciągłch) 1) Pochodna unkcji 1 zmiennej () de. () d ( ) d d d lim h ( h) h ( ) (h) () h UWAGA: () tg(α) tangens kąta nachlenia stcznej Warunki e k s

Bardziej szczegółowo

Definicja problemu programowania matematycznego

Definicja problemu programowania matematycznego Definicja problemu programowania matematycznego minimalizacja lub maksymalizacja funkcji min (max) f(x) gdzie: x 1 x R n x 2, czyli: x = [ ] x n przy ograniczeniach (w skrócie: p.o.) p.o. g i (x) = b i

Bardziej szczegółowo

ANALIZA I ZARZADZANIE PORTFELEM. Specjalista ds. Analiz Giełdowych Łukasz Porębski

ANALIZA I ZARZADZANIE PORTFELEM. Specjalista ds. Analiz Giełdowych Łukasz Porębski ANALIZA I ZARZADZANIE PORTFELEM Specjalista ds. Analiz Giełdowych Łukasz Porębski PLAN PREZENTACJI 1) Efektywnośd rynków finansowych 2) Teoria portfela Markowitza (Nobel w 1990 r.) 3) Dywersyfikacja 4)

Bardziej szczegółowo

Róniczka. f x. V Vx. Zadanie 4. Znale maksymalny błd bezwzgldny i wzgldny powstały przy obliczaniu objtoci stoka, jeli promie podstawy wynosi

Róniczka. f x. V Vx. Zadanie 4. Znale maksymalny błd bezwzgldny i wzgldny powstały przy obliczaniu objtoci stoka, jeli promie podstawy wynosi Róniczka Wraenie d nazwa si róniczk pierwszego rzdu czci liniow przrostu wartoci unkcji Zastosowanie róniczki do oblicze przblionch: Zadanie Za pomoc róniczki oblicz przblion warto liczb Wkorzstam wzór

Bardziej szczegółowo

ALGORYTMY OPTYMALIZACJI wyklad 1.nb 1. Wykład 1

ALGORYTMY OPTYMALIZACJI wyklad 1.nb 1. Wykład 1 ALGORYTMY OPTYMALIZACJI wyklad.nb Wykład. Sformułowanie problemu optymalizacyjnego Z ksiąŝki Practical Optimization Methods: With Mathematica Applications by: M.A.Bhatti, M.Asghar Bhatti ü Przykład. (Zagadnienie

Bardziej szczegółowo

1 Macierz odwrotna metoda operacji elementarnych

1 Macierz odwrotna metoda operacji elementarnych W tej części skupimy się na macierzach kwadratowych. Zakładać będziemy, że A M(n, n) dla pewnego n N. Definicja 1. Niech A M(n, n). Wtedy macierzą odwrotną macierzy A (ozn. A 1 ) nazywamy taką macierz

Bardziej szczegółowo

RZĘDU PIERWSZEGO. RÓWNANIE BERNOULLIEGO. RÓWNANIE JEDNORODNE. KRZYWE ORTOGONALNE. RÓWNANIE BERNOULLIEGO. Nieliniowe równanie różniczkowe Bernoulliego

RZĘDU PIERWSZEGO. RÓWNANIE BERNOULLIEGO. RÓWNANIE JEDNORODNE. KRZYWE ORTOGONALNE. RÓWNANIE BERNOULLIEGO. Nieliniowe równanie różniczkowe Bernoulliego NIELINIOWE RÓWNANIA RÓŻNICZKOWE ZWYCZAJNE RZĘDU PIERWSZEGO. RÓWNANIE BERNOULLIEGO. RÓWNANIE JEDNORODNE. KRZYWE ORTOGONALNE. RÓWNANIE BERNOULLIEGO. Nieliniowe równanie różniczkowe Bernoulliego ma postać:

Bardziej szczegółowo

Układy równań liniowych

Układy równań liniowych Układy równań liniowych Niech K będzie ciałem. Niech n, m N. Równanie liniowe nad ciałem K z niewiadomymi (lub zmiennymi) x 1, x 2,..., x n K definiujemy jako formę zdaniową zmiennej (x 1,..., x n ) K

Bardziej szczegółowo

UKŁADY RÓWNAŃ LINIOWYCH -Metody dokładne

UKŁADY RÓWNAŃ LINIOWYCH -Metody dokładne UKŁADY RÓWNAŃ LINIOWYCH -Metody dokładne Układy równań liniowych Rozpatruje się układ n równań liniowych zawierających n niewiadomych: a + a +... + ann b a + a +... + ann b... an + an+... + annn bn który

Bardziej szczegółowo

Przekształcenie całkowe Fouriera

Przekształcenie całkowe Fouriera Przekształcenie całkowe Fouriera Postać zespolona szeregu Fouriera Niech ana bęzie funkcja f spełniająca w przeziale [, ] warunki Dirichleta. Wtey szereg Fouriera tej funkcji jest o niej zbieżny, tj. przy

Bardziej szczegółowo

Przestrzeń unitarna. Jacek Kłopotowski. 23 października Katedra Matematyki i Ekonomii Matematycznej SGH

Przestrzeń unitarna. Jacek Kłopotowski. 23 października Katedra Matematyki i Ekonomii Matematycznej SGH Katedra Matematyki i Ekonomii Matematycznej SGH 23 października 2018 Definicja iloczynu skalarnego Definicja Iloczynem skalarnym w przestrzeni liniowej R n nazywamy odwzorowanie ( ) : R n R n R spełniające

Bardziej szczegółowo

Praca domowa - seria 6

Praca domowa - seria 6 Praca domowa - seria 6 28 grudnia 2012 Zadanie 1. Znajdź bazę jądra i obrazu przekształcenia liniowego φ : R 4 wzorem: R 3 danego φ(x 1, x 2, x 3, x 4 ) = (x 1 +2x 2 x 3 +3x 4, x 1 +x 2 +2x 3 +x 4, 2x

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

Z funkcji zdaniowej x + 3 = 7 można otrzymać zdania w dwojaki sposób:

Z funkcji zdaniowej x + 3 = 7 można otrzymać zdania w dwojaki sposób: Z funkcji zdaniowej + 3 = 7 można otrzmać zdania w dwojaki sposób: podstawiając w tej funkcji zdaniowej za stałe będące nazwami liczb np. 4 2 itp. poprzedzając tę funkcję zdaniową zwrotami: dla każdego

Bardziej szczegółowo

Algebra liniowa II. Lista 1. 1 u w 0 1 v 0 0 1

Algebra liniowa II. Lista 1. 1 u w 0 1 v 0 0 1 Algebra liniowa II Lista Zadanie Udowodnić, że jeśli B b ij jest macierzą górnotrójkątną o rozmiarze m m, to jej wyznacznik jest równy iloczynowi elementów leżących na głównej przekątnej: det B b b b mm

Bardziej szczegółowo

Ekstrema funkcji dwóch zmiennych

Ekstrema funkcji dwóch zmiennych Wkład z matematki inżnierskiej Ekstrema funkcji dwóch zmiennch JJ, IMiF UTP 18 JJ (JJ, IMiF UTP) EKSTREMA 18 1 / 47 Ekstrema lokalne DEFINICJA. Załóżm, że funkcja f (, ) jest określona w pewnm otoczeniu

Bardziej szczegółowo