12. Lineární programování
|
|
- Rudolf Jiří Vávra
- před 5 lety
- Počet zobrazení:
Transkript
1 . Lineární programování. Lineární programování Úloha lineárního programování (lineární optimalizace) je jedním ze základních problémů teorie optimalizace. Našim cílem je nalézt maximum (resp. minimum) jisté lineární funkce. Tato funkce se nazývá účelová funkce. Maximum hledáme na podmnožině R n, která je řešením soustavy lineárních (rovnic) a nerovnic. Této množině se říká množina (přípustných) řešení dané úlohy. Přípustné řešení se nazývá optimální, jestliže hodnota účelové funkce v tomto bodě nabývá svého maxima (resp. minima). Obecně nastane právě jedna z možností:. Zadaná úloha nemá přípustné řešení. To znamená, že nejsme schopni splnit všechny podmínky najednou.. Přípustné řešení existuje, ale zadaná úloha nemá optimální řešení.. Zadaná úloha má optimální řešení. Poznámka. Každou minimalizační úlohu můžeme snadno převést na maximalizační, nebot hledat minimum funkce f je to samé jako hledat maximum funkce f. Od této chvíle se tedy budeme zabývat pouze maximalizačními úlohami. Na konkrétním příkladě si ukažme, jak se úloha lineárního programování řeší. Příklad.. Pan Bůček se vrhl na výrobu müsli. Chce míchat dvě verze v kilových baleních, přičemž balení první "výběrové"směsi bude obsahovat g sušeného ovoce a 6 g ovesných vloček. Jedno balení druhé "základní"směsi bude obsahovat g sušeného ovoce a g ovesných vloček. Pan Bůček má pro první várku výroby nachystáno,5 kg ovesných vloček a,5 kg sušeného ovoce. Rád by maximalizoval svůj zisk, přičemž ví, že zisk z jednoho balení výběrového müsli má 7 Kč a zisk z jednoho balení základní směsi má 5 Kč... Formulace úlohy lineárního programování Prvním úkolem je formulovat zadaný problém jako úlohu lineárního programování. To znamená, že potřebujeme určit účelovou funkci a rohodnout, zda ji budeme maximalizovat nebo minimalizovat. Dále musíme určit množinu, na které budeme účelovou funkci maximalizovat. To znamená pomocí nerovností popsat všechna omezení. Označme x počet balení výběrové směsi a y počet balení základní směsi. Účelovou funkcí je zisk, tj. f(x, y) = 7x + 5y. Funkci f chceme maximalizovat na množině, která je popsána nerovnostmi x + y 5, 6x + y 5, x, y. Poznámka. Ačkoliv nejsou poslední dvě nerovnosti explicitně uvedeny v zadání úlohy, nesmíme na ně zapomenout. Vzhledem k tomu, že x a y jsou počty balení, které bude pan Bůček vyrábět, nedávají záporné hodnoty žádný smysl.
2 . Lineární programování.. Geometrické řešení úlohy V případě, že máme pouze dvě proměnné (což je náš případ), můžeme úlohu snadno vyřešit geometricky. V případě, že máme více proměnných, je výhodnější použít tzv. simplexovou metodu, kterou si popíšeme vzápětí. Množina všech přípustných řešení odpovídá vyšrafované oblasti na obrázku. 8 6 Účelová funkce je lineární, a proto svého maxima nabývá v některém z vrcholů (popř. na hraně). Nejjednodušší je spočítat jednotlivé vrcholy. Tři z nich známe, zbývá spočítat průsečík přímek x + y = 5 a x + y = 75. Odečtením dvojnásobku druhé rovnice od první dostaneme 5y = 5 5 = 55, tedy y =. Odtud pak odvodíme, že x =. Nyní spočítejme hodnoty účelové funkce v jednotlivých bodech: f(, ) =, f (, 5) = = 5, ( ) 5 f, = = = 875, f(, ) = = > 875 > 5. Účelová funkce f nabývá maxima v bodě [x, y] = [, ]. Optimální hodnotu účelové funkce je... Simplexová metoda Simplexová metoda je algoritmus na řešení úlohy lineárního programování. Tato metoda má nálsedující geometrickou interpretaci: Začneme v nějakém vrcholu množiny přípustných řešení, následně postupujeme po hranách z vrcholu do vrcholu a zlepšujeme hodnotu účelové funkce. Pro jednoduchost budeme předpokládat, že naše úloha má vždy nulové řešení.
3 . Lineární programování.. Inicializace algoritmu Prvním krokem je sestavení simplexové tabulky. K tomu je zapotřebí převést naši úlohu na ekvivalentní pomocnou úlohu. Uvažme nerovnosti, které zadávají množinu přípustných řešení: x + y 5, x + y 75, x, y. Simplexová metoda automaticky předpokládá, že všechny proměnné jsou nezáporné. Takže poslední dvě nerovnosti x, y nemusíme uvažovat. Nyní ze všech zbývajících nerovností uděláme jednoduchým trikem rovnosti - zavedeme pomocné proměnné. Totiž, je-li znamená to, že existuje u tak, že Ze stejného důvodu existuje v tak, že Když budeme mít opačnou nerovnost, např. x + y 5, x + y + u = 5. x + y + v = 75. 5x y 7, tak ji nejprve vynásobíme. Tím se nerovnost otočí a jsme tedy v situaci, kterou už umíme řešit. 5x + y 7 Původní úlohu jsme tedy převedli na úlohu v následujícím tvaru: Maximalizujeme funkci f(x, y, u, v) = 7x + 5y za následujících podmínek: Simplexová tabulka je následující schéma x + y + u = 5, x + y + v = 75, x, y, u, v
4 . Lineární programování V záhlaví tabulky je záporně vzatá účelová funkce, v tuto chvíli se na účelovou funkci díváme jako na funkci proměnných x, y, u, v. Proměnné u, v se však ve funkci f nevyskytují, a proto f = f(x, y, u, v) = 7x + 5y + u + v. V pravém horním rohu je hodnota účelové funkce v počátečním bodu [,, 5, 75]. Ten odpovídá bodu [, ] v původní úloze. Simplexová tabulka se nazývá přípustná, jestliže v pravém sloupci jsou nezáporná čísla. To odpovídá tomu, že bod, ve kterém se aktuálně nacházíme, je přípustným řešením. Jak už bylo na začátku uvedeno, budeme vždy začínat s přípustnou simplexovou tabulkou. Ještě poznamenejme, že pokud začneme s přípustnou tabulkou, v každém kroku simplexové metody získáme zase přípustnou tabulku... Průběh algoritmu Abychom si ušetřili psaní mnoha nul, budeme uvažovat desetinu účelové funkce, tj. funkci 7x + 5y Zvolíme sloupec nejnižšího indexu (nejvíc vlevo), jehož hodnota v záhlaví tabulky je záporná, v našem případě je to první sloupec. Kdyby takový index neexistoval, tj. v záhlaví bychom měli pouze nezáporná čísla, pak jsme hotovi, nebot bod, ve kterém se nacházíme, je optimálním řešením. V tomto sloupci zvolíme tzv. pivot. Pivotem může být pouze kladný prvek a takový, že podíl b a, kde b je číslo na pravé straně, je nejmenší možný. Pokud je takovýchto prvků více, vybereme libovolný z nich. Pokud v tomto sloupci neexistuje žádný kladný prvek, znamená to, že úloha je neomezená a hodnota účelové funkce může nabývat libovolně velkých hodnot (jinými slovy optimální řešení neexistuje). V prvním sloupci je pivotem číslo, nebot 5 < Tabulku následně doeliminujeme řádkovými úpravami podle pivotu
5 . Lineární programování Všimněme si, že volba pivotu (prvku, podle kterého eliminujeme) nám zaručí, že opět získáme přípustnou tabulku, a tedy neopustíme množinu přípustných řešení. Navíc máme zaručeno, že hodnota účelové funkce se nezhorší. V tomto kroku se nacházíme v bodě [ 5,,, 55 ], který odpovídá bodu [ 5, ]. Vidíme, že tabulka ještě není optimální, nebot v záhlaví máme stále záporná čísla. Pokračujeme proto v úpravách. Ve druhém sloupci je pivotem číslo, nebot = < 5 = Následně tabulku doeliminujeme podle tohoto pivotu. V této chvíli máme již optimální tabulku (v záhlaví nejsou záporná čísla). Optimálním řešením pomocné úlohy je bod [,,, ], tedy optimálním řešením původní úlohy je bod [x, y] = [, ]. Optimální hodnota účelové funkce je (nesmíme zapomenout na to, že jsme pracovali s desetinou účelové funkce), což je ve shodě s předchozím geometrickým řešením... Další řešený příklad Příklad.. Firma plánuje reklamní kampaň, ve které chce použít inzerci v rádiu, televizi a novinách. Cena jednoho uvedení reklamy v rádiu je Kč, cena jednoho uvedení reklamy v televizi je Kč a jedno uvedení reklamy (ve formě inzerátu) v novinách stojí Kč. Firma má pro reklamní kampaň připraveno 6 Kč a tuto částku nelze překročit. Vzhledem k cílové skupině zákazníků chce firma omezit počet uvedení reklamy v televizi na nejvýše pět. Dále firma chce, aby v televizi byla nejvýše čtvrtina z celkového počtu uvedení reklamy ve všech médiích. Počet lidí zasažených reklamou je následující: jedno uvedení reklamy v rádiu slyší lidí, jedno uvedení reklamy v televizi vidí 6 lidí a jeden inzerát v novinách přečte lidí. Reklamy jsou ve všech médiích postupně uváděny v různých krajích, takže firma pro jednoduchost předpokládá, že nikdo není reklamou zasažený vícekrát. Při kolika uvedeních reklamy v rádiu, televizi a novinách firma maximalizuje počet lidí zasažených reklamou (při splnění popsaných omezení)? A jaký tento počet bude? Zformulujte problém jako úlohu lineárního programování, a pak tuto úlohu vyřešte. Označme x počet uvedení reklamy v rádiu, x počet uvedení reklamy v televizi a x počet uvedení reklamy v novinách. Účelová funkce tedy je (x +6x +x ) a omezení jsou popsána nerovnicemi x + x + x 6, x 5 a x (x + x + x ), což je ekvivalentní s nerovnicí x + x x, a také x, x a x. Jedná se tedy o úlohu lineární 5
6 . Lineární programování optimalizace maximalizovat funkci (x + 6x + x ) při výše uvedených omezeních. CHYBNÁ ÚVAHA: Cena reklamy za jednoho člověka je Kč v rádiu,, 5 Kč v televizi a Kč v novinách, tedy televize je nejefektivnější, a proto položíme x = 5. Dosazením této hodnoty dostaneme následující nerovnosti: x + x, x + x 5. Tuto úlohu můžeme snadno vyřešit geometricky. Dopočítáním dostaneme výsledek x =, x = 5 a x = 6. Hodnota účelové funkce v tomto bodě je ( + + 8) = 57. SPRÁVNÉ ŘEŠENÍ: Úlohu řešíme simplexovou metodou pomocí zápisu simplexovou tabulkou. Abychom se co nejvíce vyhnuli počítání s velkými čísly, budeme uvažovat desetitisícinu účelové funkce, tj. funkci x + 6x + x. Sestavíme počáteční tabulku a eliminujeme dle algoritmu (pivot, podle kterého se eliminuje, je v tabulce podtržen): Z tabulky vyčteme optimální hodnotu neznámých (pravá strana řádku, ve kterém se nachází pivot příslušného sloupce): x =, x = a x =. Firma by si tedy měla objednat uvedení reklamy v televizi a uvedení reklamy v novinách. Počet lidí zasažených reklamou pak bude 6. Problém předchozí úvahy spočívá v tom, že tato úvaha nebere v potaz poslední nerovnost x + x x. 6
fakulty MENDELU v Brně (LDF) s ohledem na disciplíny společného základu http://akademie.ldf.mendelu.cz/cz (reg. č. CZ.1.07/2.2.00/28.
Základy lineárního programování Vyšší matematika, Inženýrská matematika LDF MENDELU Podpořeno projektem Průřezová inovace studijních programů Lesnické a dřevařské fakulty MENDELU v Brně (LDF) s ohledem
VíceLDF MENDELU. Simona Fišnarová (MENDELU) Základy lineárního programování VMAT, IMT 1 / 25
Základy lineárního programování Vyšší matematika, Inženýrská matematika LDF MENDELU Podpořeno projektem Průřezová inovace studijních programů Lesnické a dřevařské fakulty MENDELU v Brně (LDF) s ohledem
Více4EK213 LINEÁRNÍ MODELY
4EK213 LINEÁRNÍ MODELY Úterý 11:00 12:30 hod. učebna SB 324 Mgr. Sekničková Jana, Ph.D. 2. PŘEDNÁŠKA MATEMATICKÝ MODEL ÚLOHY LP Mgr. Sekničková Jana, Ph.D. 2 OSNOVA PŘEDNÁŠKY Obecná formulace MM Množina
VíceParametrické programování
Parametrické programování Příklad 1 Parametrické pravé strany Firma vyrábí tři výrobky. K jejich výrobě potřebuje jednak surovinu a jednak stroje, na kterých dochází ke zpracování. Na první výrobek jsou
Vícee-mail: RadkaZahradnikova@seznam.cz 1. července 2010
Optimální výrobní program Radka Zahradníková e-mail: RadkaZahradnikova@seznam.cz 1. července 2010 Obsah 1 Lineární programování 2 Simplexová metoda 3 Grafická metoda 4 Optimální výrobní program Řešení
VíceEkonomická formulace. Matematický model
Ekonomická formulace Firma balící bonboniéry má k dispozici 60 čokoládových, 60 oříškových a 85 karamelových bonbónů. Může vyrábět dva druhy bonboniér. Do první bonboniéry se dávají dva čokoládové, šest
VíceObecná úloha lineárního programování. Úloha LP a konvexní množiny Grafická metoda. Jiří Neubauer. Katedra ekonometrie FEM UO Brno
Přednáška č. 3 Katedra ekonometrie FEM UO Brno Optimalizace portfolia Investor se s pomocí makléře rozhoduje mezi následujícími investicemi: akcie A, akcie B, státní pokladniční poukázky, dluhopis A, dluhopis
VíceLineární programování
Lineární programování Petr Tichý 19. prosince 2012 1 Outline 1 Lineární programování 2 Optimalita a dualita 3 Geometrie úlohy 4 Simplexová metoda 2 Lineární programování Lineární program (1) min f(x) za
Více5. Lokální, vázané a globální extrémy
5 Lokální, vázané a globální extrémy Studijní text Lokální extrémy 5 Lokální, vázané a globální extrémy Definice 51 Řekneme, že f : R n R má v bodě a Df: 1 lokální maximum, když Ka, δ Df tak, že x Ka,
Více4EK213 LINEÁRNÍ MODELY
4EK213 LINEÁRNÍ MODELY Úterý 11:00 12:30 hod. učebna SB 324 3. přednáška SIMPLEXOVÁ METODA I. OSNOVA PŘEDNÁŠKY Standardní tvar MM Základní věta LP Princip simplexové metody Výchozí řešení SM Zlepšení řešení
Více4EK213 Lineární modely. 12. Dopravní problém výchozí řešení
4EK213 Lineární modely 12. Dopravní problém výchozí řešení 12. Distribuční úlohy LP Úlohy výrobního plánování (alokace zdrojů) Úlohy finančního plánování (optimalizace portfolia) Úlohy reklamního plánování
VíceUčební texty k státní bakalářské zkoušce Matematika Základy lineárního programování. študenti MFF 15. augusta 2008
Učební texty k státní bakalářské zkoušce Matematika Základy lineárního programování študenti MFF 15. augusta 2008 1 15 Základy lineárního programování Požadavky Simplexová metoda Věty o dualitě (bez důkazu)
Více1 Polynomiální interpolace
Polynomiální interpolace. Metoda neurčitých koeficientů Příklad.. Nalezněte polynom p co nejmenšího stupně, pro který platí p() = 0, p(2) =, p( ) = 6. Řešení. Polynom hledáme metodou neurčitých koeficientů,
VíceJiří Neubauer. Katedra ekonometrie FEM UO Brno
Přednáška č. 11 Katedra ekonometrie FEM UO Brno Jedná se o speciální případ dopravních úloh, řeší např. problematiku optimálního přiřazení strojů na pracoviště. Příklad Podnik má k dispozici 3 jeřáby,
VíceMetody lineární optimalizace Simplexová metoda. Distribuční úlohy
Metody lineární optimalizace Simplexová metoda Dvoufázová M-úloha Duální úloha jednofázová Post-optimalizační analýza Celočíselné řešení Metoda větví a mezí Distribuční úlohy 1 OÚLP = obecná úloha lineárního
VíceTeorie her a ekonomické rozhodování. 2. Maticové hry
Teorie her a ekonomické rozhodování 2. Maticové hry 2.1 Maticová hra Teorie her = ekonomická vědní disciplína, která se zabývá studiem konfliktních situací pomocí matematických modelů Hra v normálním tvaru
Více1 Extrémy funkcí - slovní úlohy
1 Extrémy funkcí - slovní úlohy Příklad 1.1. Součet dvou kladných reálných čísel je a. Určete 1. Minimální hodnotu součtu jejich n-tých mocnin.. Maximální hodnotu součinu jejich n-tých mocnin. Řešení.
VíceObecná úloha lineárního programování
Obecná úloha lineárního programování Úloha Maximalizovat hodnotu c T x (tzv. účelová funkce) za podmínek Ax b (tzv. omezující podmínky) kde A je daná reálná matice typu m n a c R n, b R m jsou dané reálné
VíceOperační výzkum. Vícekriteriální programování. Lexikografická metoda. Metoda agregace účelových funkcí. Cílové programování.
Operační výzkum Lexikografická metoda. Metoda agregace účelových funkcí. Cílové programování. Operační program Vzdělávání pro konkurenceschopnost Název projektu: Inovace magisterského studijního programu
Více3. ANTAGONISTICKÉ HRY
3. ANTAGONISTICKÉ HRY ANTAGONISTICKÝ KONFLIKT Antagonistický konflikt je rozhodovací situace, v níž vystupují dva inteligentní rozhodovatelé, kteří se po volbě svých rozhodnutí rozdělí o pevnou částku,
VícePrůvodce studiem. do bodu B se snažíme najít nejkratší cestu. Ve firmách je snaha minimalizovat
6. Extrémy funkcí více proměnných Průvodce studiem Hledání extrémů je v praxi často řešená úloha. Např. při cestě z bodu A do bodu B se snažíme najít nejkratší cestu. Ve firmách je snaha minimalizovat
VíceANTAGONISTICKE HRY 172
5 ANTAGONISTICKÉ HRY 172 Antagonistický konflikt je rozhodovací situace, v níž vystupují dva inteligentní rozhodovatelé, kteří se po volbě svých rozhodnutí rozdělí o pevnou částku, jejíž výše nezávisí
VíceFIT ČVUT MI-LOM Lineární optimalizace a metody. Dualita. Evropský sociální fond Praha & EU: Investujeme do vaší budoucnosti
FIT ČVUT MI-LOM Lineární optimalizace a metody Dualita Evropský sociální fond Praha & EU: Investujeme do vaší budoucnosti Michal Černý, 2011 FIT ČVUT, MI-LOM, M. Černý, 2011: Dualita 2/5 Dualita Evropský
Více4EK311 Operační výzkum. 2. Lineární programování
4EK311 Operační výzkum 2. Lineární programování 2.2 Matematický model úlohy LP Nalézt extrém účelové funkce z = c 1 x 1 + c 2 x 2 + + c n x n na soustavě vlastních omezení a 11 x 1 + a 12 x 2 + a 13 x
VíceCvičení z Numerických metod I - 12.týden
Máme systém lineárních rovnic Cvičení z Numerických metod I - týden Přímé metody řešení systému lineárních rovnic Ax = b, A = a a n a n a nn Budeme hledat přesné řešení soustavy x = x x n, b = b b n, x
Více4EK213 Lineární modely. 4. Simplexová metoda - závěr
4EK213 Lineární modely 4. Simplexová metoda - závěr 4. Simplexová metoda - závěr Konečnost simplexové metody Degenerace Modifikace pravidla pro volbu vstupující proměnné Blandovo pravidlo Kontrola výpočtu
VícePříklady modelů lineárního programování
Příklady modelů lineárního programování Příklad 1 Optimalizace výroby konzerv. Podnik vyrábí nějaký výrobek, který prodává v 1 kg a 2 kg konzervách, přičemž se řídí podle následujících velmi zjednodušených
VíceNerovnice a nerovnice v součinovém nebo v podílovém tvaru
Variace 1 Nerovnice a nerovnice v součinovém nebo v podílovém tvaru Autor: Mgr. Jaromír JUŘEK Kopírování a jakékoliv další využití výukového materiálu je povoleno pouze s uvedením odkazu na www.jarjurek.cz
VíceŘešení 1b Máme najít body, v nichž má funkce (, ) vázané extrémy, případně vázané lokální extrémy s podmínkou (, )=0, je-li: (, )= +,
Příklad 1 Najděte body, v nichž má funkce (,) vázané extrémy, případně vázané lokální extrémy s podmínkou (,)=0, je-li: a) (,)= + 1, (,)=+ 1 lok.max.v 1 2,3 2 b) (,)=+, (,)= 1 +1 1 c) (,)=, (,)=+ 1 lok.max.v
Více4EK213 Lineární modely. 10. Celočíselné programování
4EK213 Lineární modely 10. Celočíselné programování 10.1 Matematický model úlohy ILP Nalézt extrém účelové funkce z = c 1 x 1 + c 2 x 2 + + c n x n na soustavě vlastních omezení a 11 x 1 + a 12 x 2 + a
VíceDIPLOMOVÁ PRÁCE. Petra Váchová Lineární programování ve výuce na střední
Univerzita Karlova v Praze Matematicko-fyzikální fakulta DIPLOMOVÁ PRÁCE Petra Váchová Lineární programování ve výuce na střední škole Katedra didaktiky matematiky Vedoucí diplomové práce: RNDr. Pavla
VíceLineární funkce, rovnice a nerovnice 4 lineární nerovnice
Lineární funkce, rovnice a nerovnice 4 lineární nerovnice 4.1 ekvivalentní úpravy Při řešení lineárních nerovnic používáme ekvivalentní úpravy (tyto úpravy nijak neovlivní výsledek řešení). Jsou to především
VíceExtrémy funkce dvou proměnných
Extrémy funkce dvou proměnných 1. Stanovte rozměry pravoúhlé vodní nádrže o objemu 32 m 3 tak, aby dno a stěny měly nejmenší povrch. Označme rozměry pravoúhlé nádrže x, y, z (viz obr.). ak objem této nádrže
Více4EK201 Matematické modelování. 2. Lineární programování
4EK201 Matematické modelování 2. Lineární programování 2.1 Podstata operačního výzkumu Operační výzkum (výzkum operací) Operational research, operations research, management science Soubor disciplín zaměřených
Více10. cvičení z PST. 5. prosince T = (n 1) S2 X. (n 1) s2 x σ 2 q χ 2 (n 1) (1 α 2 ). q χ 2 (n 1) 2. 2 x. (n 1) s. x = 1 6. x i = 457.
0 cvičení z PST 5 prosince 208 0 (intervalový odhad pro rozptyl) Soubor (70, 84, 89, 70, 74, 70) je náhodným výběrem z normálního rozdělení N(µ, σ 2 ) Určete oboustranný symetrický 95% interval spolehlivosti
VíceOperační výzkum. Přiřazovací problém.
Operační výzkum Operační program Vzdělávání pro konkurenceschopnost Název projektu: Inovace magisterského studijního programu Fakulty ekonomiky a managementu Registrační číslo projektu: CZ..7/2.2./28.326
Více2 Spojité modely rozhodování
2 Spojité modely rozhodování Jak již víme z přednášky, diskrétní model rozhodování lze zapsat ve tvaru úlohy hodnocení variant: f(a i ) max, a i A = {a 1, a 2,... a p }, kde f je kriteriální funkce a A
VíceÚloha - rozpoznávání číslic
Úloha - rozpoznávání číslic Vojtěch Franc, Tomáš Pajdla a Tomáš Svoboda http://cmp.felk.cvut.cz 27. listopadu 26 Abstrakt Podpůrný text pro cvičení předmětu X33KUI. Vysvětluje tři způsoby rozpoznávání
VíceFunkce a lineární funkce pro studijní obory
Variace 1 Funkce a lineární funkce pro studijní obory Autor: Mgr. Jaromír JUŘEK Kopírování a jakékoliv další využití výukového materiálu je povoleno pouze s uvedením odkazu na www.jarjurek.cz. 1. Funkce
Více6 Ordinální informace o kritériích
6 Ordinální informace o kritériích Ordinální informací o kritériích se rozumí jejich uspořádání podle důležitosti. Předpokládejme dále standardní značení jako v předchozích cvičeních. Existují tři základní
Více13. Lineární programování
Jan Schmidt 2011 Katedra číslicového návrhu Fakulta informačních technologií České vysoké učení technické v Praze Zimní semestr 2011/12 MI-PAA EVROPSKÝ SOCIÁLNÍ FOND PRAHA & EU: INVESTUJENE DO VAŠÍ BUDOUCNOSTI
VíceFunkce pro studijní obory
Variace 1 Funkce pro studijní obory Autor: Mgr. Jaromír JUŘEK Kopírování a jakékoliv další využití výukového materiálu je povoleno pouze s uvedením odkazu na www.jarjurek.cz. 1. Funkce Funkce je přiřazení,
Více7. přednáška Systémová analýza a modelování. Přiřazovací problém
Přiřazovací problém Přiřazovací problémy jsou podtřídou logistických úloh, kde lze obecně říci, že m dodavatelů zásobuje m spotřebitelů. Dalším specifikem je, že kapacity dodavatelů (ai) i požadavky spotřebitelů
VíceMatematika pro informatiky
(FIT ČVUT v Praze) Konvexní analýza 13.týden 1 / 1 Matematika pro informatiky Jaroslav Milota Fakulta informačních technologíı České vysoké učení technické v Praze Letní semestr 2010/11 Extrémy funkce
VíceProblém lineární komplementarity a kvadratické programování
Problém lineární komplementarity a kvadratické programování (stručný učební text 1 J. Rohn Univerzita Karlova Matematicko-fyzikální fakulta Verze: 17. 6. 2002 1 Sepsání tohoto textu bylo podpořeno Grantovou
VíceNumerické metody 6. května FJFI ČVUT v Praze
Extrémy funkcí Numerické metody 6. května 2018 FJFI ČVUT v Praze 1 Úvod Úvod 1D Více dimenzí Kombinatorika Lineární programování Programy 1 Úvod Úvod - Úloha Snažíme se najít extrém funkce, at už jedné
VíceKvadratickou funkcí se nazývá každá funkce, která je daná rovnicí. Definičním oborem kvadratické funkce je množina reálných čísel.
Kvadratická funkce Kvadratickou funkcí se nazývá každá funkce, která je daná rovnicí y = ax 2 + bx + c Číslo a je různé od nuly, b,c jsou libovolná reálná čísla. Definičním oborem kvadratické funkce je
Více1 Linearní prostory nad komplexními čísly
1 Linearní prostory nad komplexními čísly V této přednášce budeme hledat kořeny polynomů, které se dále budou moci vyskytovat jako složky vektorů nebo matic Vzhledem k tomu, že kořeny polynomu (i reálného)
VícePříklady pro předmět Aplikovaná matematika (AMA) část 1
Příklady pro předmět plikovaná matematika (M) část 1 1. Lokální extrémy funkcí dvou a tří proměnných Nalezněte lokální extrémy funkcí: (a) f 1 : f 1 (x, y) = x 3 3x + y 2 + 2y (b) f 2 : f 2 (x, y) = 1
Více7. SOUSTAVY LINEÁRNÍCH A KVADRATICKÝCH ROVNIC
7. SOUSTAVY LINEÁRNÍCH A KVADRATICKÝCH ROVNIC 7.1. Řeš pro reálné neznámé a y soustavu lineárních rovnic: = 5 = 1 = 5 / 5 = 1 / 3 1 15y = 15 1+ 15y = 3 31 = 155 = 5 {[ ] K = 5; 5 = 5 / 7 = 1 / 14 1y =
VíceDefinice globální minimum (absolutní minimum) v bodě A D f, jestliže X D f
Výklad Globální extrémy mají stejný význam jako u funkcí jedné proměnné. Hledáme je bud na celém definičním oboru dané funkce, nebo na předem zadané podmnožině definičního oboru. Definice 6..1. Řekneme,
VíceSimplexové tabulky z minule. (KMI ZF JU) Lineární programování EMM a OA O6 1 / 25
Simplexové tabulky z minule (KMI ZF JU) Lineární programování EMM a OA O6 1 / 25 Simplexová metoda symbolicky Výchozí tabulka prom. v bázi zákl. proměné přídatné prom. omez. A E b c T 0 0 Tabulka po přepočtu
Více1. DIFERENCIÁLNÍ POČET FUNKCE DVOU PROMĚNNÝCH
1. DIFERENCIÁLNÍ POČET FUNKCE DVOU PROMĚNNÝCH V minulém semestru jsme studovali vlastnosti unkcí jedné nezávislé proměnné. K popisu mnoha reálných situací obvkle s jednou proměnnou nevstačíme. FUNKCE DVOU
VíceNecht tedy máme přirozená čísla n, k pod pojmem systém lineárních rovnic rozumíme rovnice ve tvaru
2. Systémy lineárních rovnic V této kapitole se budeme zabývat soustavami lineárních rovnic s koeficienty z pole reálných případně komplexních čísel. Uvádíme podmínku pro existenci řešení systému lineárních
VíceIB112 Základy matematiky
IB112 Základy matematiky Řešení soustavy lineárních rovnic, matice, vektory Jan Strejček IB112 Základy matematiky: Řešení soustavy lineárních rovnic, matice, vektory 2/53 Obsah Soustava lineárních rovnic
VíceLineární funkce, rovnice a nerovnice
Lineární funkce, rovnice a nerovnice 1. Lineární funkce 1.1 Základní pojmy Pojem lineární funkce Funkce je předpis, který každému číslu x z definičního oboru funkce přiřadí právě jedno číslo y Obecně je
VíceM - Příprava na 1. zápočtový test - třída 3SA
M - Příprava na 1. zápočtový test - třída 3SA Autor: Mgr. Jaromír JUŘEK Kopírování a jakékoliv další využití výukového materiálu je povoleno pouze s uvedením odkazu na www.jarjurek.cz. VARIACE 1 Tento
Více2. Určete jádro KerL zobrazení L, tj. nalezněte alespoň jednu jeho bázi a určete jeho dimenzi.
Řešené příklady z lineární algebry - část 3 Typové příklady s řešením Příklad 3.1: Zobrazení L: P 3 R 23 je zobrazení z prostoru P 3 všech polynomů do stupně 3 (včetně nulového polynomu) do prostoru R
VíceM - Kvadratické rovnice a kvadratické nerovnice
M - Kvadratické rovnice a kvadratické nerovnice Určeno jako učební tet pro studenty dálkového studia. VARIACE 1 Tento dokument byl kompletně vytvořen, sestaven a vytištěn v programu dosystem - EduBase.
VíceM - Příprava na pololetní písemku č. 1
M - Příprava na pololetní písemku č. 1 Určeno pro třídy 3SA, 3SB. VARIACE 1 Tento dokument byl kompletně vytvořen, sestaven a vytištěn v programu dosystem - EduBase. Více informací o programu naleznete
Více9. přednáška 26. listopadu f(a)h < 0 a pro h (0, δ) máme f(a 1 + h, a 2,..., a m ) f(a) > 1 2 x 1
9 přednáška 6 listopadu 007 Věta 11 Nechť f C U, kde U R m je otevřená množina, a a U je bod Pokud fa 0, nemá f v a ani neostrý lokální extrém Pokud fa = 0 a H f a je pozitivně negativně definitní, potom
Více10. cvičení - LS 2017
10. cvičení - LS 2017 Michal Outrata Příklad 1 Spočtěte následující itu daných posloupností: (a) (b) (c) n 3 +5n 2 n 3 6n 2 +3 n ; n 4 3n 2 6 n 4 + 3n 2 + 6; n 2 15n+2(1 n). 2(n 2) 3 2n 3 Příklad 2 Pro
VíceHledání kořenů rovnic jedné reálné proměnné metoda půlení intervalů Michal Čihák 23. října 2012
Hledání kořenů rovnic jedné reálné proměnné metoda půlení intervalů Michal Čihák 23. října 2012 Problém hledání kořenů rovnice f(x) = 0 jeden ze základních problémů numerické matematiky zároveň i jeden
VíceMatice přechodu. Pozorování 2. Základní úkol: Určete matici přechodu od báze M k bázi N. Každou bázi napíšeme do sloupců matice, např.
Matice přechodu Základní úkol: Určete matici přechodu od báze M k bázi N. Každou bázi napíšeme do sloupců matice, např. u příkladu 7 (v ) dostaneme: Nyní bychom mohli postupovat jako u matice homomorfismu
VíceVektory a matice. Obsah. Aplikovaná matematika I. Carl Friedrich Gauss. Základní pojmy a operace
Vektory a matice Aplikovaná matematika I Dana Říhová Mendelu Brno Obsah 1 Vektory Základní pojmy a operace Lineární závislost a nezávislost vektorů 2 Matice Základní pojmy, druhy matic Operace s maticemi
Více1 Duální simplexová metoda
1 Duální simplexová metoda Autor: Markéta Popelová Datum: 8.5.2011 Předmět: Základy spojité optimalizace Zadání Mějme matici A R m n a primární úlohu lineárního programování v normálním tvaru (P) a k ní
VíceOperační výzkum. Teorie her cv. Hra v normálním tvaru. Optimální strategie. Maticové hry.
Operační výzkum Teorie her cv. Hra v normálním tvaru. Optimální strategie. Maticové hry. Operační program Vzdělávání pro konkurenceschopnost Název projektu: Inovace magisterského studijního programu Fakulty
VíceINVESTICE DO ROZVOJE VZDĚLÁVÁNÍ. Modernizace studijního programu Matematika na PřF Univerzity Palackého v Olomouci CZ.1.07/2.2.00/28.
INVESTICE DO ROZVOJE VZDĚLÁVÁNÍ Modernizace studijního programu Matematika na PřF Univerzity Palackého v Olomouci CZ107/2200/280141 Soustavy lineárních rovnic Michal Botur Přednáška 4 KAG/DLA1M: Lineární
Více4EK212 Kvantitativní management. 2. Lineární programování
4EK212 Kvantitativní management 2. Lineární programování 1.7 Přídatné proměnné Přídatné proměnné jsou nezáporné Mají svoji ekonomickou interpretaci, která je odvozena od ekonomické interpretace omezení
VíceVYSOKÁ ŠKOLA EKONOMICKÁ V PRAZE. Optimalizace trasy při revizích elektrospotřebičů
VYSOKÁ ŠKOLA EKONOMICKÁ V PRAZE FAKULTA INFORMATIKY A STATISTIKY Hlavní specializace: Ekonometrie a operační výzkum Název diplomové práce Optimalizace trasy při revizích elektrospotřebičů Diplomant: Vedoucí
Více64. ročník matematické olympiády Řešení úloh krajského kola kategorie A
64. ročník matematické olympiády Řešení úloh krajského kola kategorie A 1. Středy stran AC, BC označme postupně, N. Střed kružnice vepsané trojúhelníku KLC označme I. Úvodem poznamenejme, že body K, L
Více4EK213 LINEÁRNÍ MODELY
4EK213 LINEÁRNÍ MODELY Úterý 11:00 12:30 hod. učebna SB 324 Mgr. Sekničková Jana, Ph.D. GARANT KURZU Prof. Ing. Josef Jablonský, CSc. Místnost: NB 437 Konzultační hodiny: úterý 13:00 15:00 E-mail: jablon@vse.cz
VíceMatematika (CŽV Kadaň) aneb Úvod do lineární algebry Matice a soustavy rovnic
Přednáška třetí (a pravděpodobně i čtvrtá) aneb Úvod do lineární algebry Matice a soustavy rovnic Lineární rovnice o 2 neznámých Lineární rovnice o 2 neznámých Lineární rovnice o dvou neznámých x, y je
VíceFunkce v ıce promˇ enn ych Extr emy Pˇredn aˇska p at a 12.bˇrezna 2018
Funkce více proměnných Extrémy Přednáška pátá 12.března 2018 Zdroje informací Diferenciální počet http://homen.vsb.cz/~kre40/esfmat2/fceviceprom.html http://www.studopory.vsb.cz/studijnimaterialy/sbirka_uloh/pdf/7.pdf
VíceNerovnice, grafy, monotonie a spojitost
Nerovnice, grafy, monotonie a spojitost text pro studenty Fakulty přírodovědně-humanitní a pedagogické TU v Liberci vzniklý za podpory fondu F Martina Šimůnková 29. prosince 2016 1 Úvod Na druhém stupni
Vícepro řešení soustav lineárních rovnic. Gaussova eliminační metoda pro řešení soustavy lineárních rovnic sestává ze dvou kroků:
Kapitola 2 Gaussova eliminace Název druhé kapitoly je současně názvem nejčastěji používané metody (algoritmu) pro řešení soustav lineárních rovnic. Gaussova eliminační metoda pro řešení soustavy lineárních
VíceVýroková logika II. Negace. Již víme, že negace je změna pravdivostní hodnoty výroku (0 1; 1 0).
Výroková logika II Negace Již víme, že negace je změna pravdivostní hodnoty výroku (0 1; 1 0). Na konkrétních příkladech si ukážeme, jak se dají výroky negovat. Obecně se výrok dá negovat tak, že před
VíceVícekriteriální programování příklad
Vícekriteriální programování příklad Pražírny kávy vyrábějí dva druhy kávy (Super a Standard) ze dvou druhů kávových bobů KB1 a KB2, které mají smluvně zajištěny v množství 4 t a 6 t. Složení kávy (v procentech)
VíceVZOROVÝ TEST PRO 1. ROČNÍK (1. A, 3. C)
VZOROVÝ TEST PRO. ROČNÍK (. A, 3. C) Zjednodušte daný příklad. (a 2 3 b 3 4) 2 (a 2 b 3 8) 3 max. 3 body 2 Ve které z následujících možností je uveden správný postup usměrnění daného zlomku a správný výsledek?
Více1 Determinanty a inverzní matice
Determinanty a inverzní matice Definice Necht A = (a ij ) je matice typu (n, n), n 2 Subdeterminantem A ij matice A příslušným pozici (i, j) nazýváme determinant matice, která vznikne z A vypuštěním i-tého
VíceNumerická matematika 1
Numerická matematika 1 Obsah 1 Řešení nelineárních rovnic 3 1.1 Metoda půlení intervalu....................... 3 1.2 Metoda jednoduché iterace..................... 4 1.3 Newtonova metoda..........................
VícePřednáška 4: Soustavy lineárních rovnic
Přednáška 4: Soustavy lineárních rovnic Touto přednáškou vrcholí naše snažení o algebraický popis řešení praktických problémů. Většina inženýrských úloh má totiž lineární charakter (alespoň přibližně)
Více8.3). S ohledem na jednoduchost a názornost je výhodné seznámit se s touto Základní pojmy a vztahy. Definice
9. Lineární diferenciální rovnice 2. řádu Cíle Diferenciální rovnice, v nichž hledaná funkce vystupuje ve druhé či vyšší derivaci, nazýváme diferenciálními rovnicemi druhého a vyššího řádu. Analogicky
VíceMatematika I, část I. Rovnici (1) nazýváme vektorovou rovnicí roviny ABC. Rovina ABC prochází bodem A a říkáme, že má zaměření u, v. X=A+r.u+s.
3.4. Výklad Předpokládejme, že v prostoru E 3 jsou dány body A, B, C neležící na jedné přímce. Těmito body prochází jediná rovina, kterou označíme ABC. Určíme vektory u = B - A, v = C - A, které jsou zřejmě
Více63. ročník matematické olympiády Řešení úloh krajského kola kategorie B. 1. Odečtením druhé rovnice od první a třetí od druhé dostaneme dvě rovnice
63. ročník matematické olympiády Řešení úloh krajského kola kategorie B 1. Odečtením druhé rovnice od první a třetí od druhé dostaneme dvě rovnice (x y)(x + y 6) = 0, (y z)(y + z 6) = 0, které spolu s
Více12. cvičení - LS 2017
12. cvičení - LS 2017 Michal Outrata Opakování z přednášky Funkce dvou proměnných - obrázky; Funkce dvou proměnných na množině; Parciální derivace, Jaccobián; Množiny (hranice, vnitřek, kompaktní množina),
VíceEXTRÉMY FUNKCÍ VÍCE PROMĚNNÝCH
EXTRÉMY FUNKCÍ VÍCE PROMĚNNÝCH ÚLOHY ŘEŠITELNÉ BEZ VĚTY O MULTIPLIKÁTORECH Nalezněte absolutní extrémy funkce f na množině M. 1. f(x y) = x + y; M = {x y R 2 ; x 2 + y 2 1} 2. f(x y) = e x ; M = {x y R
VíceBudeme hledat řešení y(x) okrajové úlohy pro diferenciální rovnici druhého řádu v samoadjungovaném tvaru na intervalu a, b : 2 ) y i p i+ 1
ODR - okrajová úloha Teorie (velmi stručný výběr z přednášek) Okrajová úloha 2. řádu Budeme hledat řešení y(x) okrajové úlohy pro diferenciální rovnici druhého řádu v samoadjungovaném tvaru na intervalu
VíceInterpolace Uvažujme třídu funkcí jedné proměnné ψ(x; a 0,..., a n ), kde a 0,..., a n jsou parametry, které popisují jednotlivé funkce této třídy. Mějme dány body x 0, x 1,..., x n, x i x k, i, k = 0,
VíceHledání extrémů funkcí
Hledání extrémů funkcí Budeme se zabývat téměř výhradně hledáním minima. Přes nost nalezeného extrému Obecně není hledání extrému tak přesné jako řešení rovnic. Demonstrovat to můžeme na příkladu hledání
VíceÚlohy krajského kola kategorie A
64. ročník matematické olympiády Úlohy krajského kola kategorie A 1. Je dán trojúhelník ABC s tupým úhlem při vrcholu C. Osa o 1 úsečky AC protíná stranu AB v bodě K, osa o 2 úsečky BC protíná stranu AB
Více61. ročník matematické olympiády III. kolo kategorie A. Hradec Králové, března 2012
61. ročník matematické olympiády III. kolo kategorie Hradec Králové, 5. 8. března 01 MO 1. Najděte všechna celá čísla n, pro něž je n 4 3n + 9 prvočíslo. (leš Kobza) Řešení. Zadaný výraz lze jednoduchou
VíceSoustavy lineárních rovnic
Soustavy lineárních rovnic Základy vyšší matematiky LDF MENDELU Podpořeno projektem Průřezová inovace studijních programů Lesnické a dřevařské fakulty MENDELU v Brně (LDF) s ohledem na discipĺıny společného
Více7 Konvexní množiny. min c T x. při splnění tzv. podmínek přípustnosti, tj. x = vyhovuje podmínkám: A x = b a x i 0 pro každé i n.
7 Konvexní množiny Motivace. Lineární programování (LP) řeší problém nalezení minima (resp. maxima) lineárního funkcionálu na jisté konvexní množině. Z bohaté škály úloh z této oblasti jmenujme alespoň
VíceINVESTICE DO ROZVOJE VZDĚLÁVÁNÍ. Modernizace studijního programu Matematika na PřF Univerzity Palackého v Olomouci CZ.1.07/2.2.00/28.
INVESTICE DO ROZVOJE VZDĚLÁVÁNÍ Modernizace studijního programu Matematika na PřF Univerzity Palackého v Olomouci CZ.1.07/2.2.00/28.0141 Báze vektorových prostorů, transformace souřadnic Michal Botur Přednáška
VíceÚvod do řešení lineárních rovnic a jejich soustav
Úvod do řešení lineárních rovnic a jejich soustav Rovnice je zápis rovnosti dvou výrazů, ve kterém máme najít neznámé číslo (neznámou). Po jeho dosazení do rovnice musí platit rovnost. Existuje-li takové
Více(Cramerovo pravidlo, determinanty, inverzní matice)
KMA/MAT1 Přednáška a cvičení, Lineární algebra 2 Řešení soustav lineárních rovnic se čtvercovou maticí soustavy (Cramerovo pravidlo, determinanty, inverzní matice) 16 a 21 října 2014 V dnešní přednášce
VíceMatematika I 2a Konečná pravděpodobnost
Matematika I 2a Konečná pravděpodobnost Jan Slovák Masarykova univerzita Fakulta informatiky 24. 9. 2012 Obsah přednášky 1 Pravděpodobnost 2 Nezávislé jevy 3 Geometrická pravděpodobnost Viděli jsme už
VíceMaticí typu (m, n), kde m, n jsou přirozená čísla, se rozumí soubor mn veličin a jk zapsaných do m řádků a n sloupců tvaru:
3 Maticový počet 3.1 Zavedení pojmu matice Maticí typu (m, n, kde m, n jsou přirozená čísla, se rozumí soubor mn veličin a jk zapsaných do m řádků a n sloupců tvaru: a 11 a 12... a 1k... a 1n a 21 a 22...
Více