2.2 Grafické ešení úloh LP
|
|
- Romana Kopecká
- před 6 lety
- Počet zobrazení:
Transkript
1 2. Lineární programování 21 zabránili záporným hodnotám produkce, nezabývali jsme se pípady, kdy jako výsledný objem produkce získáme desetinné číslo. Nápravu lze snadno sjednat zahrnutím tzv. podmínek celočíselnosti: x 1, x 2 celé, (2.12) které sice podporují smysluplnost modelu, ale určitým způsobem komplikují jeho ešitelnost. Úlohy s těmito podmínkami lze ešit pomocí speciálních metod celočíselného lineárního programování. V další části textu bude pedmětem analýzy model (2.11), v němž nebudou podmínky (2.12) zahrnuty. 2.2 Grafické ešení úloh LP V pedešlé části jsme se seznámili s postupem, který vede k sestavení matematického modelu zadaného rozhodovacího problému. Dalším krokem, který logicky následuje, je samotné ešení úlohy. K ešení úloh LP se používá tzv. simplexová metoda, jejíž základy položil na konci 40. let 20. stol. americký matematik G. B. Dantzig. Od té doby zaznamenala metoda celou adu modifikací. Tyto vysoce efektivní algoritmy tvoí jádro současného profesionálního softwaru, určeného pro ešení úloh LP. Pestože algoritmus simplexové metody je poměrně jednoduchý, jeho podrobný popis by znamenal znatelné vybočení z rámce této knihy. Později bude vysvětlen základní princip této metody, její úplný popis podávají nap. Lagová a Jablonský (200ř). Obsahuje-li matematický model úlohy LP pouze dvě proměnné, lze pro ešení využít grafické znázornění. Postup grafického ešení úlohy LP si pedvedeme na píkladu 2.1, jehož matematický model byl sestaven v pedešlé části. 1. Znázornění množiny pípustných ešení V prvním kroku grafického ešení zjistíme, jak vypadá množina bodů odpovídajících ešením, která vyhovují všem omezujícím podmínkám úlohy. Osy souadnicového systému odpovídají proměnným x 1, x 2 (obr. 2.1). Vzhledem k platnosti podmínek nezápornosti má smysl uvažovat pouze I. kvadrant sou- adnicového systému. Nyní znázorníme množinu bodů, jejichž souadnice vyhovují všem tem vlastním omezením úlohy. Grafickým obrazem první nerovnice (2.7), vyjadující spotebu ezbáské práce, je polorovina. Hranici poloroviny tvoí pímka, která je obrazem rovnice x x (2.13) 1 2 2
2 22 x x x x 1 Obr. 2.1 Podmínky nezápornosti x B [0; 2500] 2000 x 1 2x A [5000; 0] 0 1 Obr. 2.2 ezbáská práce, množina pípustných bodů x Pro znázornění pímky v souadnicovém systému stačí nalézt dva různé body, kterými prochází. Najdeme tedy průsečíky pímky s osami x 1, x 2. Zvolíme-li x 2 0 v rovnici (2.13), získáme x ; tedy první bod A má souadnice
3 2. Lineární programování 23 [5000; 0]. Po dosazení x 1 0 vypočteme x ; souadnice druhého bodu B jsou [0; 2500]. Propojením bodů A, B získáme hraniční pímku poloroviny odpovídající první nerovnici 8 (obr. 2.2). Abychom zjistili, která polorovina, resp. její část, obsahuje pípustné body, stačí zvolit libovolný bod ležící mimo hraniční pímku (nejlépe počátek [0; 0]) a dosadit jeho souadnice do nerovnice (2.7). Protože počátek této podmínce vyhovuje, je pípustným bodem a s ním také všechny body, které leží ve stejné polorovině. Na obr. 2.2 je tato polorovina, resp. její pípustná část, vystínována a navíc označena směrovou šipkou. Podobně znázorníme množiny pípustných bodů, které vyhovují i zbývajícím dvěma omezením (2.Ř) a (2.ř). Hraniční pímky, resp. jejich pípustné části všech tí vlastních omezení zachycuje obr x Obr. 2.3 Množina pípustných ešení úlohy LP x Množiny 9 bodů vyhovujících jednotlivým podmínkám jsou naznačeny směrovými šipkami. Protože ešení úlohy musí vyhovovat zároveň všem omezujícím podmínkám, je nutné v grafu najít oblast, která je společným průnikem všech tí množin. Tato oblast je na obr. 2.3 vystínována a nazývá se množina pípustných ešení úlohy LP Protože je zároveň nutné respektovat podmínky nezápornosti, pípustnými jsou pouze ty body, které leží na úsečce AB. 9 Ve všech tech pípadech jde o oblasti, které mají společný vrchol ležící v počátku souadnicového systému. 10 Pesnější by bylo nazvat danou oblast množinou pípustných bodů odpovídající množině pípustných ešení úlohy LP, pro zjednodušení však budeme používat výše uvedené zkrácené pojmenování.
4 24 2. Znázornění účelové funkce V dalším kroku grafického ešení úlohy LP se budeme zabývat účelovou funkcí a jejím vztahem ke grafickému obrazu množiny pípustných ešení, sestrojenému v prvním kroku. Jednou z možností je zaměit se na body, které odpovídají stejné hodnotě účelové funkce, v našem pípadě zisku. Zvolme libovolný bod ležící v množině pípustných ešení a vypočítejme píslušnou hodnotu zisku. V bodě A 1 [; 0] je hodnota účelové funkce z Souadnice všech bodů, které odpovídají této hodnotě zisku, musí vyhovovat rovnici 450x 1 550x (2.14) Body leží na pímce, protínající osu x 1 v bodě A 1. Bod B 1, ve kterém tato pímka protíná osu x 2, má souadnice [ 0;818,18]. Na obr. 2.4 je tato pímka znázorněna perušovanou čarou z 1. x X 0 Optimální ešení: x T (, 2000). 0 Optimální hodnota účelové funkce: z B B 1 z 1 z 0 2 z A 2 1 A x 1 Obr. 2.4 Účelová funkce a optimální ešení Pokud jsou koeficienty v účelové funkci celočíselné, pak je nejlepší zvolit jako hodnotu zisku součin těchto koeficientů, tj = , čímž se pi výpočtu souadnic vyhneme dělení čísel a možnosti získání desetinného čísla. V tomto pípadě je navíc určení souadnic průsečíků pímky s osami x 1, x2 velice snadné. Osu x 1 protíná pímka v bodě, jehož první souadnice je rovna
5 2. Lineární programování 25 koeficientu v účelové funkci, který je u proměnné x 2, tj Druhá souadnice je samozejmě nulová. Osu x 2 protíná pímka v bodě, jehož druhá souadnice je rovna koeficientu v účelové funkci, který je u proměnné x 1, tj První souadnice je nulová. z 2 450x1 550x (2.15) Z obr. 2.4 je patrné, že pímka z 1 je od počátku vizuálně dále než pímka z 2. Pro hodnoty zisku, které odpovídají těmto dvěma rovnoběžným pímkám, platí: z z (2.16) Je tedy možné zobecnit, že hodnota zisku se zvyšuje s rostoucí vzdáleností odpovídající pímky od počátku 11. Směr růstu zisku je na obr. 2.4 naznačen směrovou šipkou. 3. Určení optimálního bodu B 2 [0; 450] A 2 [550; 0] Výsledkem pedchozího kroku, v němž jsme se zabývali účelovou funkcí, je určení: a) sklonu pímky 12, na níž mají body stejnou hodnotu účelové funkce, b) směru, ve kterém dochází ke zvyšování hodnoty účelové funkce. V tomto kroku je cílem určit takový bod z množiny pípustných ešení, který leží na pímce s nejvyšší hodnotou účelové funkce. Sestrojíme tedy pímku rovnoběžnou s pímkami z 1, z 2, která protíná množinu pípustných ešení a je nejdále od počátku ve směru růstu hodnoty účelové funkce. Na obr. 2.4 je taková pímka označena jako z 0. Bod X 0, ve kterém pímka z 0 protíná množinu pípustných ešení, je jediným optimálním bodem a jeho souadnice odpovídají jedinému optimálnímu ešení zadané úlohy. 11 Většinou se používá následujícího, i když nepesného a zavádějícího výrazu: čím dále je účelová funkce od počátku, tím je hodnota zisku vyšší. Z uvedeného výkladu je zejmé, že nejde o účelovou funkci, ale o její kolmý průmět do souadnicového systému. 12 Sklon této pímky je opět často zjednodušeně nazýván sklonem účelové funkce.
6 26 4. Výpočet optimálního ešení a optimální hodnoty účelové funkce Určením optimálního bodu grafické ešení úlohy LP nekončí. Cílem pedchozích kroků bylo zjistit, kde leží optimální bod. V našem pípadě je bod X 0 průsečíkem hraničních pímek polorovin odpovídajících první a druhé omezující podmínce. Z pedchozí analýzy je zcela zejmé, že tyto pímky jsou obrazem dvou rovnic: x x 5000, (2.17) x2 x (2.18) K určení souadnic průsečíku pímek stačí vyešit soustavu rovnic (2.17) a (2.1Ř), čímž získáváme následující vektor 13 optimálního ešení: T 0 x (, 2000). (2.19) Dosazením složek vektoru (2.1ř) do účelové funkce získáme optimální hodnotu zisku: z (2.20) 0 5. Interpretace výsledků Závěrečným krokem grafického ešení úlohy LP je interpretace vypočítaných hodnot. Je nutné dodržet ti hlavní zásady: a) Úplnost. Zadavatel analýzy musí obdržet veškeré informace, které jsme získali ešením úlohy LP. b) Pesnost. Výsledek analýzy či ešení je určitým návodem, resp. doporučením, které zadavateli umožní zlepšit fungování reálného systému. Na základě naší interpretace musí mít zadavatel jasnou a pesnou pedstavu o všech rozhodnutích, která má v této souvislosti učinit. c) Srozumitelnost. Pi interpretaci musíme používat jazyk, kterému zadavatel analýzy rozumí. Zjednodušeně ečeno, zadavatele, který definoval problém, nemusí zajímat ani způsob formulace matematického modelu, ani metody, pomocí nichž jsme problém vyešili. My jeho jazyk známe, on náš jazyk znát nemusí. Nejprve se zaměíme na počet optimálních ešení. Jak ukážeme později, úloha LP může mít právě jedno optimální ešení, ale i nekonečně mnoho optimálních ešení, pípadně nemusí mít žádné optimální ešení, 13 Vektory budeme v této knize považovat obecně za sloupcové. ádkový vektor zapíšeme jako transponovaný vektor.
7 2. Lineární programování 27 a dokonce ani žádné pípustné ešení. Z obr. 2.4 je zejmé, že v našem pípadě má úloha právě jedno optimální ešení. Optimálním ešením rozumíme vektor x 0, jehož složky odpovídají hodnotám rozhodovacích proměnných. Pi formulaci matematického modelu jsme proměnnou x 1 označili počet vyrobených autíček a proměnnou x 2 počet vyrobených vláčků, v obou pípadech za jeden měsíc. Podle (2.1ř) má firma měsíčně vyrobit ks autíček a 2000 ks vláčků. Cílem analýzy bylo dosáhnout maximálního zisku pi zadaných podmínkách. Protože účelová funkce byla definována jako celkový měsíční zisk, firma podle (2.20) měsíčně získá Kč. Jelikož jednou ze zásad úspěšné interpretace je její úplnost, měli bychom se ujistit, že jsme poskytli veškeré informace, získané ešením. Majitele firmy bude jistě zajímat, zda je k naplánované výrobě skutečně zapotebí 5000 hodin ezbáské práce a 3000 hodin dokončovací práce. Tuto skutečnost lze snadno ověit dosazením optimálního ešení do vlastních omezení týkajících se spoteby práce. V pípadě ezbáské práce i dokončovací práce se levá strana omezení rovná hodnotě pravé strany, což znamená, že všechny disponibilní hodiny budou zcela vyčerpány. K tomuto závěru jsme mohli dojít i v průběhu grafického ešení, aniž bychom prováděli dodatečný výpočet. Zjistili jsme, že optimální bod leží na průsečíku hraničních pímek polorovin, které byly obrazem omezujících podmínek pro oba druhy práce. Body, které leží na hraniční pímce, odpovídají situaci, v níž se produkce pohybuje na hranici výrobních možností vzhledem k zásobě určitého omezeného zdroje, v našem pípadě práce. S danou kapacitou nelze zvýšit objem výroby. Dosazením optimálního ešení do poslední omezující podmínky, týkající se omezené poptávky po autíčkách, snadno zjistíme, že hodnota 2000 není v žádném pípadě limitujícím faktorem. Firma by mohla vyrobit ještě dalších autíček, na něž bohužel již nemá kapacity, jak vyplývá z pedešlého odstavce. K ešení výše uvedeného píkladu lze využít celou adu optimalizačních nástrojů, popsaných v části 2.6. ešení v MS Excel obsahuje Píloha Základní pojmy lineárního programování V průběhu grafického ešení úlohy LP jsme zavedli dva důležité pojmy pípustné ešení a optimální ešení. Cílem této části je seznámit čtenáe s dalšími termíny, které jsou nezbytné k pochopení principu obecných metod pro ešení úloh LP. Postup grafického ešení je postupem speciálním, který lze
8 28 použít jen v pípadě, že matematický model obsahuje právě dvě rozhodovací proměnné 14. Nejprve se vraťme k pojmu pípustné ešení úlohy LP. Jedná se o takové ešení, které vyhovuje všem omezujícím podmínkám úlohy, tj. vlastním omezením a podmínkám nezápornosti. Množina všech takových ešení dané úlohy se nazývá množina pípustných ešení úlohy LP. Pro úlohy lineárního programování je typické, že množina pípustných ešení je nekonečná 15. Pokud se zajímáme o grafické vyjádení množiny pípustných ešení úlohy LP v podobě množiny pípustných bodů, je tato množina konvexní. Konvexní množina bodů je taková množina, která s každými dvěma body této množiny obsahuje i všechny body, které leží na jejich spojnici. Na obr. 2.5 jsou množiny A, B konvexní, množina C není konvexní. A B C Obr. 2.5 Konvexní a nekonvexní množiny bodů Množina B je typickým píkladem množiny pípustných ešení úlohy LP. Nazývá se konvexním polyedrem. Množina je určena soustavou lineárních nerovnic, tudíž její hranice je (v dvojrozměrném prostoru) tvoena lineárními čarami. Píklady konvexního polyedru v 3D prostoru jsou čtystěn, krychle, jehlan aj. Speciálním bodem konvexního polyedru je vrchol (krajní bod). Je to bod, který neleží na spojnici žádných jiných dvou bodů množiny. Počet vrcholů v úlohách lineárního programování je vždy konečný. Vraťme se k píkladu 2.1, ve kterém byla množina pípustných ešení určena soustavou tí nerovnic typu. Na obr. 2.6 je zobrazena množina pípustných ešení s 5 vrcholy, označenými (1), (2), (3), (4), (5). Pi ešení úlohy LP se nejprve pevádí původní soustava omezujících podmínek obsažených v matematickém modelu na tzv. ekvivalentní soustavu rovnic. Důvodem je skutečnost, že pi ešení úloh se používají metody, určené k ešení soustavy lineárních rovnic. 14 Jak bylo uvedeno výše, obecnou metodou pro ešení rozsáhlých úloh, co do počtu proměnných i omezujících podmínek, je simplexová metoda. 15 V některých speciálních pípadech může být množina pípustných ešení úlohy LP jednoprvková či prázdná.
9 2. Lineární programování 29 x (2) 2000 (3) (4) (1) (5) x Obr. 2.6 Množina pípustných ešení, krajní body Transformaci nerovnic na rovnice provedeme pomocí tzv. pídatných proměnných: Typ podmínky Pídatná proměnná pičtení k levé straně odečtení od levé strany není Tab. 2.2 Transformace soustavy omezujících podmínek na ekvivalentní soustavu rovnic V matematickém modelu (2.11) tvoí ekvivalentní soustavu rovnic následující ti rovnice: x x x 5000, x2 x4 1 x5 x 3000, (2.21) x 2000, v nichž vystupují v roli pídatných proměnných nezáporné proměnné x 3, x 4 a x 5. V nerovnici typu, resp. typu, pídatná proměnná udává, o kolik je levá strana nižší, resp. vyšší než pravá strana. Hodnota pídatné proměnné má ekonomickou interpretaci. V píkladu 2.1 hodnota proměnné x 3 pedstavuje
10 30 počet nevyužitých hodin ezbáské práce, hodnota x 4 počet nevyužitých hodin dokončovací práce, hodnota proměnné x 5 počet autíček, který zbývá k využití povoleného limitu z hlediska odbytu. Soustava 3 rovnic s 5 neznámými má obecně nekonečně mnoho ešení. Mezi nimi existuje konečný počet tzv. základních ešení. Jedná se o ešení, v nichž jsou za 2 zvolené proměnné dosazeny nuly a hodnoty zbývajících 3 proměnných jsou pak dopočítány. Zvolené proměnné s nulovými hodnotami nazýváme nezákladní proměnné, proměnné s dopočítanými hodnotami se nazývají základní proměnné. Základní ešení soustavy (2.21) budeme označovat jako základní ešení ekvivalentní soustavy rovnic. Počet základních ešení je logicky určen počtem všech možností, kterými lze vybrat nezákladní proměnné ze všech proměnných. V našem pípadě je tento počet roven kombinačnímu číslu 5 2 5! 2!3! 10. (2.22) Může se ovšem stát, že po výběru nezákladních proměnných vzniklá soustava 3 rovnic se 3 neznámými nebude mít ešení. Lze tedy s jistotou íci, že hodnota (2.22) je horní mezí počtu základních ešení. Tabulka 2.3 obsahuje ř základních ešení (Z) soustavy (2.21). Poslední očekávané základní ešení ekvivalentní soustavy rovnic neexistuje. Jedná se o pípad, ve kterém vynulujeme proměnné x 1, x 5. Takové hodnoty nevyhovují tetí rovnici v uvedené ekvivalentní soustavě. Z x 1 x 2 x 3 x 4 x Tab. 2.3 Základní ešení ekvivalentní soustavy rovnic
11 2. Lineární programování 31 Na první pohled je zejmé, že některé z těchto bodů neleží v množině pípustných ešení. Jedná se o body (3), (4), (5), (8). V tabulce 2.3 jsou to ešení, u nichž je hodnota alespoň jedné proměnné záporná. Jak bylo zmíněno výše, podmínky nezápornosti platí nejen pro rozhodovací proměnné, ale také pro pídatné proměnné. Uvedená ešení tyto podmínky porušují. Naopak ešení (1), (2), (6), (7), (ř) splňují podmínky nezápornosti a jsou tedy pípustnými ešeními úlohy LP. Tato ešení se nazývají základní ešení úlohy LP. Je zcela jasné, že jejich množina je podmnožinou množiny základních ešení ekvivalentní soustavy rovnic. Na obr. 2.7 jsou označeny body odpovídající všem základním ešením, uvedeným v tabulce 2.3. x (2) 2000 (3) (7) (8) (9) (1) (6) (5) (4) Obr. 2.7 Základní ešení ekvivalentní soustavy rovnic x Pejděme nyní k dalšímu pojmu lineárního programování optimálnímu ešení. Optimální ešení úlohy LP je pípustné ešení úlohy LP s nejlepší hodnotou účelové funkce. Z grafického ešení úlohy LP lze snadno dospět k závěru, že optimálním bodem nemůže být v žádném pípadě vnitní bod množiny pípustných ešení. Optimální bod musí být, pokud existuje, hraničním bodem množiny pípustných ešení. Navíc platí následující věta, která má zásadní význam pro ešení úloh LP. Základní věta lineárního programování: Jestliže má úloha LP optimální ešení, má také optimální ešení základní. 1) Pokud má úloha LP právě jedno optimální ešení, pak to musí být, podle uvedené věty, základní ešení. Protože základní ešení úlohy LP
12 32 odpovídají vrcholům konvexního polyedru pestavujícího množinu pípustných bodů, musí v tomto pípadě optimální ešení ležet v jednom z vrcholů. 2) Má-li úloha LP více optimálních ešení, věta zaručuje, že alespoň jedno bude základním ešením, tedy optimální bod najdeme v jednom z vrcholů množiny pípustných ešení. Důsledek základní věty LP: Jestliže má úloha LP optimální ešení, stačí se pi jeho hledání soustedit pouze na základní ešení úlohy LP, neboť jedno z nich musí být ešením optimálním. Vraťme se ke grafickému ešení úlohy LP v píkladu 2.1. Podle základní věty LP a jejího důsledku jsme se mohli zaměit jen na vrcholy množiny pípustných ešení. Byl totiž splněn hlavní pedpoklad, a sice zaručení existence optimálního ešení: Úloha LP má optimální ešení, pokud je množina pípustných ešení omezená. Můžeme tedy sestavit seznam základních ešení úlohy LP, mezi nimiž musí být alespoň jedno optimálním ešením. V tabulce 2.4 jsou u každého ešení uvedeny hodnoty rozhodovacích proměnných a hodnota zisku po jejich dosazení do účelové funkce. Označení základních ešení odpovídá označení bodů na obr Z x 1 x 2 z (1) (2) (6) (7) (9) Tab. 2.4 Základní ešení úlohy LP, optimální ešení ešení (7) s nejvyšší hodnotou zisku je hledaným optimálním ešením. Protože hodnoty zisku pro všechna ostatní ešení jsou nižší, je ešení (7) jediným optimálním ešením úlohy. 2.4 Princip simplexové metody Jak bylo uvedeno v pedchozích částech, pro ešení úloh LP se používá simplexová metoda. Je to univerzální iterační postup, který efektivním způsobem prohledává množinu základních ešení úlohy LP za účelem nalezení optimálního ešení. Metoda je založena na základní větě LP a jejích důsledcích. Protože se zaměuje jen na základní ešení úlohy LP, kterých je konečný počet, nalezne simplexová metoda po konečném počtu iterací optimální ešení nebo zjistí, že optimální ešení neexistuje.
Matematický model. omezující podmínky. Tab. 2.1 Prvky ekonomického a matematického modelu
16 Čeho chceme dosáhnout? Co můžeme ovlivnit? Jaké jsou překážky? Ekonomický model cíl analýzy procesy činitelé Matematický model účelová funkce proměnné omezující podmínky Příklady maximalizace zisku
4EK201 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
4EK213 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
4EK213 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
e-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
4EK212 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
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
4EK311 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
LDF 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
Obecná 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
P ílohy. P íloha 1. ešení úlohy lineárního programování v MS Excel
P ílohy P íloha 1 ešení úlohy lineárního programování v MS Excel V této p íloze si ukážeme, jak lze ešit úlohy lineárního programování pomocí tabulkového procesoru MS Excel 2007. Výpočet budeme demonstrovat
Nejprve si uděláme malé opakování z kurzu Množiny obecně.
@021 3. Řešení grafické přímka v kartézské soustavě souřadnic Nejprve si uděláme malé opakování z kurzu Množiny obecně. Rovnice ax + by + c = 0, kde aspoň jedno z čísel a,b je různé od nuly je v kartézské
Přílohy. Příloha 1. Obr. P1.1 Zadání úlohy v MS Excel
Přílohy Příloha 1 Řešení úlohy lineárního programování v MS Excel V této příloze si ukážeme, jak lze řešit úlohy lineárního programování pomocí tabulkového procesoru MS Excel 2007. Výpočet budeme demonstrovat
4EK213 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
Nerovnice v součinovém tvaru, kvadratické nerovnice
Nerovnice v součinovém tvaru, kvadratické nerovnice Příklad: Pro která x R je součin x x 5 kladný? Řešení: Víme, že součin je kladný, mají-li oba činitelé stejné znaménko. Tedy aby platilo x x 5 0, musí
ANALYTICKÁ GEOMETRIE LINEÁRNÍCH ÚTVARŮ V ROVINĚ
ANALYTICKÁ GEOMETRIE LINEÁRNÍCH ÚTVARŮ V ROVINĚ Parametrické vyjádření přímky v rovině Máme přímku p v rovině určenou body A, B. Sestrojíme vektor u = B A. Pro bod B tím pádem platí: B = A + u. Je zřejmé,
Matematika 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
Obr. P1.1 Zadání úlohy v MS Excel
Přílohy Příloha 1 Řešení úlohy lineárního programování v MS Excel V této příloze si ukážeme, jak lze řešit úlohy lineárního programování pomocí tabulkového procesoru MS Excel. Výpočet budeme demonstrovat
Ekonomická 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
4EK213 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
(4x) 5 + 7y = 14, (2y) 5 (3x) 7 = 74,
1. V oboru celých čísel řešte soustavu rovnic (4x) 5 + 7y = 14, (2y) 5 (3x) 7 = 74, kde (n) k značí násobek čísla k nejbližší číslu n. (P. Černek) Řešení. Z první rovnice dané soustavy plyne, že číslo
1.1 Příklad z ekonomického prostředí 1
1.1 Příklad z ekonomického prostředí 1 Smysl solidního zvládnutí matematiky v bakalářských oborech na Fakultě podnikatelské VUT v Brně je především v aplikační síle matematiky v odborných předmětech a
Funkce 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
Metody 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
Nerovnice, 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
4EK212 Kvantitativní management. 1. Úvod do kvantitativního managementu a LP
4EK212 Kvantitativní management 1. Úvod do kvantitativního managementu a LP Mgr. Jana SEKNIČKOVÁ, Ph.D. Nová budova, místnost 433 Konzultační hodiny InSIS E-mail: jana.seknickova@vse.cz Web: jana.seknicka.eu/vyuka
ZÁKLADNÍ PLANIMETRICKÉ POJMY
ZÁKLADNÍ PLANIMETRICKÉ POJMY Základní geometrické pojmy jsou bod, přímka a rovina. Geometrie je chápána jako část matematiky, která se zabývá studiem geometrických útvarů v rovině. Body určujeme jako průsečíky
b) Po etní ešení Všechny síly soustavy tedy p eložíme do po átku a p ipojíme p íslušné dvojice sil Všechny síly soustavy nahradíme složkami ve sm
b) Početní řešení Na rozdíl od grafického řešení určíme při početním řešení bod, kterým nositelka výslednice bude procházet. Mějme soustavu sil, která obsahuje n - sil a i - silových dvojic obr.36. Obr.36.
Parametrické 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
VEKTOR. Vymyslete alespoň tři příklady vektorových a skalárních fyzikálních veličin. vektorové: 1. skalární
VEKTOR Úvod Vektor je abstraktní pojem sloužící k vyjádření jistého směru a velikosti. S vektorovými veličinami se setkáváme například ve fyzice. Jde o veličiny, u nichž je rozhodující nejen velikost,
Odvození středové rovnice kružnice se středem S [m; n] a o poloměru r. Bod X ležící na kružnici má souřadnice [x; y].
Konzultace č. 6: Rovnice kružnice, poloha přímky a kružnice Literatura: Matematika pro gymnázia: Analytická geometrie, kap. 5.1 a 5. Sbírka úloh z matematiky pro SOŠ a studijní obory SOU. část, kap. 6.1
Úvod 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
14. přednáška. Přímka
14 přednáška Přímka Začneme vyjádřením přímky v prostoru Přímku v prostoru můžeme vyjádřit jen parametricky protože obecná rovnice přímky v prostoru neexistuje Přímka v prostoru je určena bodem A= [ a1
PŘÍMKA A JEJÍ VYJÁDŘENÍ V ANALYTICKÉ GEOMETRII
PŘÍMKA A JEJÍ VYJÁDŘENÍ V ANALYTICKÉ GEOMETRII V úvodu analytické geometrie jsme vysvětlili, že její hlavní snahou je popsat geometrické útvary (body, vektory, přímky, kružnice,...) pomocí čísel nebo proměnných.
2. kapitola: Euklidovské prostory
2. kapitola: Euklidovské prostory 2.1 Definice. Euklidovským n-rozměrným prostorem rozumíme neprázdnou množinu E n spolu s vektorovým prostorem V n a přiřazením, které každému bodu a z E n a každému vektoru
Lineární 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
IB112 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
Funkce 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,
55. ročník matematické olympiády
. ročník matematické olympiády! " #%$'&( *$,+ 1. Najděte všechny dvojice celých čísel x a y, pro něž platí x y = 6 10.. Je dán rovnostranný trojúhelník ABC o obsahu S a jeho vnitřní bod M. Označme po řadě
KOMPLEXNÍ ČÍSLA INVESTICE DO ROZVOJE VZDĚLÁVÁNÍ
KOMPLEXNÍ ČÍSLA Gymnázium Jiřího Wolkera v Prostějově Výukové materiály z matematiky pro vyšší gymnázia Autoři projektu Student na prahu 21. století - využití ICT ve vyučování matematiky na gymnáziu INVESTICE
Matematika 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
Matematická analýza III.
3. Implicitní funkce Miroslav Hušek, Lucie Loukotová UJEP 2010 V této kapitole se seznámíme s dalším možným zadáním funkce jejím implicitním vyjádřením. Doplní tak nám již známé explicitní a parametrické
CVIČNÝ TEST 15. OBSAH I. Cvičný test 2. Mgr. Tomáš Kotler. II. Autorské řešení 6 III. Klíč 15 IV. Záznamový list 17
CVIČNÝ TEST 15 Mgr. Tomáš Kotler OBSAH I. Cvičný test 2 II. Autorské řešení 6 III. Klíč 15 IV. Záznamový list 17 I. CVIČNÝ TEST VÝCHOZÍ TEXT K ÚLOZE 1 Je dána čtvercová mřížka, v níž každý čtverec má délku
Projekt OPVK - CZ.1.07/1.1.00/ Matematika pro všechny. Univerzita Palackého v Olomouci
Projekt OPVK - CZ.1.07/1.1.00/26.0047 Matematika pro všechny Univerzita Palackého v Olomouci Tematický okruh: Závislosti a funkční vztahy Gradovaný řetězec úloh Téma: Kvadratická funkce Autor: Kubešová
Projekt OPVK - CZ.1.07/1.1.00/ Matematika pro všechny. Univerzita Palackého v Olomouci
Projekt OPVK - CZ.1.07/1.1.00/26.0047 Matematika pro všechny Univerzita Palackého v Olomouci Tematický okruh: Geometrie Různé metody řešení Téma: Analytická geometrie v prostoru, vektory, přímky Autor:
ANALYTICKÁ GEOMETRIE V ROVINĚ
ANALYTICKÁ GEOMETRIE V ROVINĚ Analytická geometrie vyšetřuje geometrické objekty (body, přímky, kuželosečky apod.) analytickými metodami. Podle prostoru, ve kterém pracujeme, můžeme analytickou geometrii
analytické geometrie v prostoru s počátkem 18. stol.
4.. Funkce více proměnných, definice, vlastnosti Funkce více proměnných Funkce více proměnných se v matematice začal používat v rámci rozvoje analtické geometrie v prostoru s počátkem 8. stol. I v sami
1 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)
Projekt OPVK - CZ.1.07/1.1.00/ Matematika pro všechny. Univerzita Palackého v Olomouci
Projekt OPVK - CZ.1.07/1.1.00/26.0047 Matematika pro všechny Univerzita Palackého v Olomouci Tematický okruh: Závislosti a funkční vztahy Gradovaný řetězec úloh Téma: graf funkce, derivace funkce a její
i=1 Přímka a úsečka. Body, které leží na přímce procházející body a a b můžeme zapsat pomocí parametrické rovnice
I. Funkce dvou a více reálných proměnných 1. Úvod Značení: V textu budeme používat označení: N pro množinu všech přirozených čísel; R pro množinu všech reálných čísel; R n pro množinu všech uspořádaných
Matematika NÁRODNÍ SROVNÁVACÍ ZKOUŠKY ZADÁNÍ NEOTVÍREJTE, POČKEJTE NA POKYN!
NÁRODNÍ SROVNÁVACÍ ZKOUŠKY Matematika 017 ZADÁNÍ NEOTVÍREJTE, POČKEJTE NA POKYN! Zopakujte si základní informace ke zkoušce: n Test obsahuje 0 úloh a na jeho řešení máte 90 minut čistého času. n V průběhu
= - rovnost dvou výrazů, za x můžeme dosazovat různá čísla, tím měníme
- FUNKCE A ROVNICE Následující základní znalosti je nezbytně nutné umět od okamžiku probrání až do konce kapitoly (většinou do napsání čtvrtletní písemné práce, na výjimky z tohoto pravidla bude upozorněno).
0.1 Úvod do lineární algebry
Matematika KMI/PMATE 1 01 Úvod do lineární algebry 011 Lineární rovnice o 2 neznámých Definice 011 Lineární rovnice o dvou neznámých x, y je rovnice, která může být vyjádřena ve tvaru ax + by = c, kde
Učební 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)
Rovnice přímky vypsané příklady. Parametrické vyjádření přímky
Rovnice přímky vypsané příklady Zdroj: Vše kromě příkladu 3.4: http://kdm.karlin.mff.cuni.cz/diplomky/jan_koncel/rovina.php?kapitola=parametrickevyjadre ni Příklady 3.5 a 3.7-1 a 3: http://kdm.karlin.mff.cuni.cz/diplomky/jan_koncel/rovina.php?kapitola=obecnarovnice
1. Několik základních pojmů ze středoškolské matematiky. Na začátku si připomeneme následující pojmy:
Opakování středoškolské matematiky Slovo úvodem: Tato pomůcka je určena zejména těm studentům presenčního i kombinovaného studia na VŠFS, kteří na středních školách neprošli dostatečnou průpravou z matematiky
Funkce - pro třídu 1EB
Variace 1 Funkce - pro třídu 1EB Autor: Mgr. Jaromír JUŘEK Kopírování a jakékoliv využití výukového materiálu je povoleno pouze s odkazem na www.jarjurek.cz. 1. Funkce Funkce je přiřazení, které každému
4. Statika základní pojmy a základy rovnováhy sil
4. Statika základní pojmy a základy rovnováhy sil Síla je veličina vektorová. Je určena působištěm, směrem, smyslem a velikostí. Působiště síly je bod, ve kterém se přenáší účinek síly na těleso. Směr
DIGITÁLNÍ ARCHIV VZDĚLÁVACÍCH MATERIÁLŮ
DIGITÁLNÍ ARCHIV VZDĚLÁVACÍCH MATERIÁLŮ Číslo projektu Číslo a název šablony klíčové aktivity Tematická oblast CZ.1.07/1.5.00/34.0963 IV/2 Inovace a zkvalitnění výuky směřující k rozvoji matematické gramotnosti
Konvexní množiny Formulace úloh lineárního programování. Jiří Neubauer. Katedra ekonometrie FEM UO Brno
Přednáška č. 2 Katedra ekonometrie FEM UO Brno Euklidovský prostor E n Pod pojmem n-rozměrný euklidovský prostor budeme rozumnět prostor, jehož prvky jsou uspořádané n-tice reálných čísel X = (x 1, x 2,...,
Obecná rovnice kvadratické funkce : y = ax 2 + bx + c Pokud není uvedeno jinak, tak definičním oborem řešených funkcí je množina reálných čísel.
5. Funkce 9. ročník 5. Funkce ZOPAKUJTE SI : 8. ROČNÍK KAPITOLA. Funkce. 5.. Kvadratická funkce Obecná rovnice kvadratické funkce : y = ax + bx + c Pokud není uvedeno jinak, tak definičním oborem řešených
Voronoiův diagram. RNDr. Petra Surynková, Ph.D. Univerzita Karlova v Praze Matematicko-fyzikální fakulta
12 RNDr., Ph.D. Katedra didaktiky matematiky Univerzita Karlova v Praze Matematicko-fyzikální fakulta petra.surynkova@mff.cuni.cz http://surynkova.info Definice V( P) nad množinou bodů P { p v rovině 1,
Poznámka. V některých literaturách se pro označení vektoru také používá symbolu u.
Vektory, operace s vektory Ž3 Orientovaná úsečka Mějme dvojici bodů, (na přímce, v rovině nebo prostoru), které spojíme a vznikne tak úsečka. Pokud budeme rozlišovat, zda je spojíme od k nebo od k, říkáme,
VZOROVÝ TEST PRO 3. ROČNÍK (3. A, 5. C)
VZOROVÝ TEST PRO 3. ROČNÍK (3. A, 5. C) max. 3 body 1 Zjistěte, zda vektor u je lineární kombinací vektorů a, b, je-li u = ( 8; 4; 3), a = ( 1; 2; 3), b = (2; 0; 1). Pokud ano, zapište tuto lineární kombinaci.
5.2. Funkce, definiční obor funkce a množina hodnot funkce
5. Funkce 8. ročník 5. Funkce 5.. Opakování - Zobrazení a zápis intervalů a) uzavřený interval d) otevřený interval čísla a,b krajní body intervalu číslo a patří do intervalu (plné kolečko) číslo b patří
Matematika (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
VEKTORY. Obrázek 1: Jediný vektor. Souřadnice vektoru jsou jeho průměty do souřadných os x a y u dvojrozměrného vektoru, AB = B A
VEKTORY Vektorem se rozumí množina všech orientovaných úseček, které mají stejnou velikost, směr a orientaci, což vidíme na obr. 1. Jedna konkrétní orientovaná úsečka se nazývá umístění vektoru na obr.
Úlohy klauzurní části školního kola kategorie A
62. ročník matematické olympiády Úlohy klauzurní části školního kola kategorie A 1. V obdélníku ABCD o stranách AB = 9, BC = 8 leží vzájemně se dotýkající kružnice k 1 (S 1, r 1 ) a k 2 (S 2, r 2 ) tak,
8.3). 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
Nerovnice 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
Digitální učební materiál
Digitální učební materiál Číslo projektu CZ.1.7/1.5./4.8 Název projektu Zkvalitnění výuky prostřednictvím ICT Číslo a název šablony klíčové aktivity III/ Inovace a zkvalitnění výuky prostřednictvím ICT
Pokyny k hodnocení MATEMATIKA
Pokyny k hodnocení MTEMTIK Pokyny k hodnocení úlohy Je dán číselný výraz: 6 4 8 Výraz zapište jako mocninu čísla. SPRÁVNÉ ŘEŠENÍ, resp. SPRÁVNÉ ŘEŠENÍ S TOLERNCÍ NEDOSTTEČNÉ ŘEŠENÍ, resp. 4 99 3 0, resp.3
Lingebraické kapitolky - Analytická geometrie
Lingebraické kapitolky - Analytická geometrie Jaroslav Horáček KAM MFF UK 2013 Co je to vektor? Šipička na tabuli? Ehm? Množina orientovaných úseček majících stejný směr. Prvek vektorového prostoru. V
Cyklografie. Cyklický průmět bodu
Cyklografie Cyklografie je nelineární zobrazovací metoda - bodům v prostoru odpovídají kružnice v rovině a naopak. Úlohy v rovině pak převádíme na řešení prostorových úloh, např. pomocí cyklografie řešíme
7.5.3 Hledání kružnic II
753 Hledání kružnic II Předpoklady: 750 Pedagogická poznámka: Tato hodina patří mezi vůbec nejtěžší Není reálné předpokládat, že by většina studentů dokázala samostatně přijít na řešení, po čase na rozmyšlenou
1 Analytická geometrie
1 Analytická geometrie 11 Přímky Necht A E 3 a v R 3 je nenulový Pak p = A + v = {X E 3 X = A + tv, t R}, je přímka procházející bodem A se směrovým vektorem v Rovnici X = A + tv, t R, říkáme bodová rovnice
Příklady 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
12. Lineární programování
. Lineární programování. Lineární programování Úloha lineárního programování (lineární optimalizace) je jedním ze základních problémů teorie optimalizace. Našim cílem je nalézt maximum (resp. minimum)
Lineární funkcí se nazývá každá funkce, která je daná rovnicí y = ax + b, kde a, b jsou reálná čísla.
Lineární funkce Lineární funkcí se nazývá každá funkce, která je daná rovnicí y = ax + b, kde a, b jsou reálná čísla. Číslo b je hodnota funkce f v bodě 0. Definičním oborem lineární funkce je množina
INVESTICE 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
0.1 Úvod do lineární algebry
Matematika KMI/PMATE 1 01 Úvod do lineární algebry 011 Vektory Definice 011 Vektorem aritmetického prostorur n budeme rozumět uspořádanou n-tici reálných čísel x 1, x 2,, x n Definice 012 Definice sčítání
Mgr. Tomáš Kotler. I. Cvičný test 2 II. Autorské řešení 7 III. Klíč 15 IV. Záznamový list 17
Mgr. Tomáš Kotler I. Cvičný test 2 II. Autorské řešení 7 III. Klíč 15 IV. Záznamový list 17 VÝCHOZÍ TEXT A OBRÁZEK K ÚLOZE 1 Je dán rovinný obrazec, v obrázku vyznačený barevnou výplní, který představuje
pracovní list studenta
Výstup RVP: Klíčová slova: pracovní list studenta Funkce kvadratická funkce Mirek Kubera žák načrtne grafy požadovaných funkcí, formuluje a zdůvodňuje vlastnosti studovaných funkcí, modeluje závislosti
Další polohové úlohy
5.1.16 alší polohové úlohy Předpoklady: 5115 Průniky přímky s tělesem Př. 1: Je dána standardní krychle. Sestroj průnik přímky s krychlí pokud platí: leží na polopřímce, =, leží na polopřímce, =. Příklad
Příklad 1 ŘEŠENÉ PŘÍKLADY Z M1A ČÁST 6
Příklad 1 Vyšetřete průběh funkce: a) = b) = c) = d) =ln1+ e) =ln f) = Poznámka K vyšetřování průběhu funkce použijeme postup uvedený v zadání. Některé kroky nejsou již tak detailní, všechny by ale měly
1 Řešení soustav lineárních rovnic
1 Řešení soustav lineárních rovnic 1.1 Lineární rovnice Lineární rovnicí o n neznámých x 1,x 2,..., x n s reálnými koeficienty rozumíme rovnici ve tvaru a 1 x 1 + a 2 x 2 +... + a n x n = b, (1) kde koeficienty
Komisionální přezkoušení 1T (druhé pololetí) 2 x. 1) Z dané rovnice vypočtěte neznámou x:. 2) Určete, pro která x R není daný výraz definován:
1) Z dané rovnice vypočtěte neznámou :. ) Určete, pro která R není daný výraz definován: 3) Určete obor hodnot funkce Komisionální přezkoušení 1T (druhé pololetí) f : y 4 3. 4 8 5 1 4) Vyšetřete vzájemnou
MATURITNÍ TÉMATA Z MATEMATIKY
MATURITNÍ TÉMATA Z MATEMATIKY 1. Základní poznatky z logiky a teorie množin Pojem konstanty a proměnné. Obor proměnné. Pojem výroku a jeho pravdivostní hodnota. Operace s výroky, složené výroky, logické
Pavlína Matysová. 5. listopadu 2018
Soubor řešených úloh Vyšetřování průběhu funkce Pavlína Matysová 5. listopadu 018 1 Soubor řešených úloh Tento text obsahuje 7 úloh na téma vyšetřování průběhu funkce. Každé úloha je řešena dvěma způsoby
KVADRATICKÉ FUNKCE. + bx + c, největší hodnotu pro x = a platí,
KVADRATICKÉ FUNKCE Definice Kvadratická funkce je každá funkce na množině R (tj. o definičním ooru R), daná ve tvaru y = ax + x + c, kde a je reálné číslo různé od nuly,, c, jsou liovolná reálná čísla.
Projekt: Inovace oboru Mechatronik pro Zlínský kraj Registrační číslo: CZ.1.07/1.1.08/
Projekt: Inovace oboru Mechatronik pro Zlínský kraj Registrační číslo: CZ.1.07/1.1.08/03.0009 Zrcadla Zobrazení zrcadlem Zrcadla jistě všichni znáte z každodenního života ráno se do něj v koupelně díváte,
Gymnázium Jiřího Ortena, Kutná Hora. Průřezová témata Poznámky. Téma Školní výstupy Učivo (pojmy) volné rovnoběžné promítání průmětna
Předmět: Matematika Náplň: Stereometrie, Analytická geometrie Třída: 3. ročník a septima Počet hodin: 4 hodiny týdně Pomůcky: PC a dataprojektor, učebnice Stereometrie Volné rovnoběžné promítání Zobrazí
Matematika 1 MA1. 1 Analytická geometrie v prostoru - základní pojmy. 4 Vzdálenosti. 12. přednáška ( ) Matematika 1 1 / 32
Matematika 1 12. přednáška MA1 1 Analytická geometrie v prostoru - základní pojmy 2 Skalární, vektorový a smíšený součin, projekce vektoru 3 Přímky a roviny 4 Vzdálenosti 5 Příčky mimoběžek 6 Zkouška;
37. PARABOLA V ANALYTICKÉ GEOMETRII
37.. Napiš rovnici paraboly, která má osu rovnoběžnou s osou y a prochází body A 0; 60, B 4; 8, C 8;36. 0m p60n 4m p8n 8m p36n m p pn 0 6 8 6 mm p pn 64 6 7 3 mm p pn 6 8m64 p 3 64 6m9 p Je-li osa rovnoběžná
(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
CVIČNÝ TEST 13. OBSAH I. Cvičný test 2. Mgr. Zdeňka Strnadová. II. Autorské řešení 6 III. Klíč 15 IV. Záznamový list 17
CVIČNÝ TEST 13 Mgr. Zdeňka Strnadová OBSAH I. Cvičný test 2 II. Autorské řešení 6 III. Klíč 15 IV. Záznamový list 17 I. CVIČNÝ TEST VÝCHOZÍ TEXT A OBRÁZEK K ÚLOZE 1 V trojúhelníku ABC na obrázku dělí úsečka
Lineární 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
Funkce jedné reálné proměnné. lineární kvadratická racionální exponenciální logaritmická s absolutní hodnotou
Funkce jedné reálné proměnné lineární kvadratická racionální exponenciální logaritmická s absolutní hodnotou lineární y = ax + b Průsečíky s osami: Px [-b/a; 0] Py [0; b] grafem je přímka (získá se pomocí
příkladů do cvičení. V textu se objeví i pár detailů, které jsem nestihl (na které jsem zapomněl) a(b u) = (ab) u, u + ( u) = 0 = ( u) + u.
Několik řešených příkladů do Matematiky Vektory V tomto textu je spočteno několik ukázkových příkladů které vám snad pomohou při řešení příkladů do cvičení. V textu se objeví i pár detailů které jsem nestihl
2 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