Moderne optimering mer enn å derivere!!

Størrelse: px
Begynne med side:

Download "Moderne optimering mer enn å derivere!!"

Transkript

1 Faglig pedagogisk dag 2000, 4. januar Moderne optimering mer enn å derivere!! Geir Dahl, Prof. matematikk, Matematisk inst. og Inst. for informatikk aksjer - eksempel på LP (lineær programmering) noen råd til Marit Breivik (kombinatorisk optimering) et lite bevis og et lynkurs Moderne optimering: #1 of 19

2 Moderne optimering Oppvarming: funksjon av en variabel, f(x) = x 2 6x+7 derivert lik null, f (x) = 2x 6 = 0såx=3 min eller maks? Sjekk annenderivert! (Konveks) endepunkter (ingen, en eller to) Men: i de fleste interessante optimeringsproblemer har vi mange variable (ofte tusenvis) variablene må oppfylle visse begrensninger visse variable må evt. være heltallige osv. DaharvietoptimeringsPROBLEM!! Moderne optimering: #2 of 19

3 Aksjer og LP Finne optimal aksjeportefølje: portefølje: investering i ulike aksjer for en viss periode scenario: angir utvikling av hver aksjekurs vektlegging av scenarier (sannsynligheter) redd for tap sammenlikner porteføljen med en basisinvestering ( benchmark ) hvor mye skal investeres i hver aksje? gevinsten ulik for hvert scenario: vi tar veiet sum (forventet gevinst) maksimere forventet gevinst Moderne optimering: #3 of 19

4 Aksjer og LP Aksjemodell i AMPL: set SCENARIO; set AKSJE; param verdi {SCENARIO,AKSJE} 0; param bench {SCENARIO}; param scenario vekt {SCENARIO}; var Gevinst {SCENARIO} ; var Tap {SCENARIO} ; var Invest {AKSJE} 0 150; maximize forventet gevinst: sum {i in SCENARIO} scenario vekt[i] * Gevinst[i] - 2* sum{i in SCENARIO} scenario vekt[i] * Tap[i]; subject to scen {i in SCENARIO}: sum {j in AKSJE}verdi[i,j] * Invest[j]- bench[i] = Gevinst[i]-Tap[i]; subject to budsjett: sum {j in AKSJE}Invest[j] 500; Dette er et LP problem. LP = lineær programmering (optimering): optimere en lineær funksjon under lineære begrensninger (likninger eller ulikheter). Moderne optimering: #4 of 19

5 Aksjer og LP Data: set SCENARIO := SC1 SC2 SC3 SC4; set AKSJE:=A1A2A3A4A5A6A7A8A9A10; param verdi: A1 A2 A3 A4 A5 A6 A7 A8 A9 A10 := SC SC SC SC ; param: bench scenario vekt := SC SC SC SC ; Moderne optimering: #5 of 19

6 Aksjer og LP Løser problemet: ampl: model aksje.mod option solver cplex; ampl: solve; data aksje.dat CPLEX 4.0: No LP presolve or aggregator reductions. Iteration: 1 Infeasibility = Iteration: 5 Objective = CPLEX 4.0: optimal solution; objective iterations (4 in phase I) Solution time = 0.01 sec. ampl: display Invest, Gevinst, Tap; Invest: A1 A2 A3 A4 A5 A6 A7 A8 A9 A Gevinst Tap: SC SC SC SC Moderne optimering: #6 of 19

7 Noen råd til Marit Breivik Har vi det beste håndball-landslaget? keeper: alternerer Leganger og Tjugum utespillere velges fra de 13 spillerne Hilmo, Larsen, Duvholt, Sørlie, Davidsen, Rokne, Sættem, Eriksen, Grini, Hundvin, Goksør, Haltvik og Hausmann 6 uteplasser: H VING, V VING, H BEKK, V BEKK, M BEKK og SENTER hver spiller har en viss kvalitet på hver plass hvilket lag er best, og hvem spiller hvor? antall kombinasjoner: = Dette er et kombinatorisk optimeringsproblem! Moderne optimering: #7 of 19

8 Noen råd til Marit Breivik Modell: set SPILLER; set PLASS; param kvalitet {SPILLER,PLASS}; var Bruk {SPILLER,PLASS} 0; maximize total kvalitet: sum {i in SPILLER, j in PLASS} kvalitet[i,j] * Bruk[i,j]; subject to spillerbruk {i in SPILLER}: sum {j in PLASS}Bruk[i,j] 1; subject to plassbruk {j in PLASS}: sum {i in SPILLER} Bruk[i,j] = 1; Data: set SPILLER := Hilmo Larsen Duvholt Sørlie Davidsen Rokne Sættem Eriksen Grini Hundvin Goksør Haltvik Hausmann; set PLASS := H VING V VING H BEKK V BEKK M BEKK SENTER; Moderne optimering: #8 of 19

9 Noen råd til Marit Breivik param kvalitet: H V V V H B V B M B SENT := Hilmo Larsen Duvholt Sørlie Davidsen Rokne Sættem Eriksen Grini Hundvin Goksør Haltvik Hausmann Moderne optimering: #9 of 19

10 Noen råd til Marit Breivik Verdens beste håndball-landslag (!!???) ampl: display Bruk: H B H V M B SENT V B V V:= Davidsen Duvholt Eriksen Goksør Grini Haltvik Hausmann Hilmo Hundvin Larsen Rokne Sættem Sørlie Score: 28.5 (regnetid 1/100 sek.) Laget: Sørlie Hundvin Grini Haltvik Sættem Duvholt Moderne optimering: #10 of 19

11 Noen råd til Marit Breivik Men hva med litt sunn fornuft!? Ja, man kan finne en optimal løsning her direkte ved åsepå hvilken spiller som passer best på hver plass + litt drøfting. Betyr dette at alle slike problemer er enkle å løse direkte? Nei, det var enkle data som gjorde det mulig her. Å finne bestemann på en gitt plass kan gi dårlig løsning, avhengig av rekkefølgen man velger for plassene: Plass 1 Plass 2 Spiller Spiller < 18 Moderne optimering: #11 of 19

12 Tilordningsproblemet Tilordningsproblemet Gitt en matrise (tabell) med n n tall c 1,1 c 1,2... c 1,n c 2,1 c 2,2... c 2,n... c n,1 c n,2... c n,n Velg ut n tall med nøyaktig ett tall fra hver rad og hver kolonne slik at summen av de valgte tallene er størst mulig. kan skrives som et spesielt LP problem finnes alltid heltallig optimal løsning av dette! fins effektive algoritmer brukes bl.a. i ruteplanlegging: tilordne transportbiler til kunder så noen kombinatoriske optimeringsproblemer kan løses raskt! men mange komb-opt-problemer er vanskelige i betydningen... eksempel: Traveling Salesman Problem (korteste rundtur gjennom gitte byer) Moderne optimering: #12 of 19

13 Dagens bevis Hvorfor fins alltid en optimal løsning i tilordningsproblemet som er heltallig? maksimer i,j c i,j x i,j slik at n j=1 x i,j = 1 for i = 1,...,n n i=1x i,j = 1 for j = 1,...,n x i,j 0 for alle i,j. Moderne optimering: #13 of 19

14 Simpleksmetoden Simpleksmetoden: metode for å løse alle LP problemer Metoden ble utviklet av George B. Dantzig rundt 1947 i forbindelse med transportproblemer i U.S. Air Force. Arbeidet ble publisert i Andre tidlige bidragsytere var T.J.Koopmans og L.V.Kantorovich, og disse to fikk Nobel prisen i økonomi for dette arbeidet i Forresten: H. Markowitz fikk Nobel prisen i økonomi i 1990 for sitt arbeid med porteføljeoptimering (1959). maksimer 5x 1 + 4x 2 + 3x 3 slik at (i) 2x 1 + 3x 2 + x 3 5 (ii) 4x 1 + x 2 + 2x 3 11 (iii) 3x 1 + 4x 2 + 2x 3 8 x 1,x 2,x 3 0. Konverterer til likninger ved å innføre slakkvariable for hver -ulikhet: f.eks. erstattes (i) av w 1 = 5 2x 1 3x 2 x 3 og w 1 0. Moderne optimering: #14 of 19

15 Simpleksmetoden Får da: maksimer η = 5x 1 + 4x 2 + 3x 3 slik at (i) w 1 = 5 2x 1 3x 2 x 3 (ii) w 2 = 11 4x 1 x 2 2x 3 (iii) w 3 = 8 3x 1 4x 2 2x 3 x 1,x 2,x 3,w 1,w 2,w 3 0. Venstre side: avhengige variable, basisvariable. Høyre side: uavhengige variable, ikkebasisvariable. Startløsning: Lar x 1 = x 2 = x 3 = 0ogdermedfår vi w 1 = 5,w 2 =11,w 3 =8. Vi lar alltid ikkebasisvariable være 0. Basisvariablene blir bestemt entydig, nemlig lik konstantene på venstre side. Moderne optimering: #15 of 19

16 Simpleksmetoden Har vi optimal løsning? Nei!! Vi kan f.eks. øke x 1 mens vi fortsatt lar x 2 = x 3 = 0. Da vil η øke vi får nye verdier på basisvariablene som blir bestemt fra x 1 jo mer vi øker x 1 jo mer øker η! men pass på: w j -ene nærmer seg null! Maksimal økning av x 1 : vil unngå at basisvariable blir negative. Fra w 1 = 5 2x 1, w 2 = 11 4x 1 og w 3 = 8 3x 1 får vi at x 1 5/2, x 1 11/4, x 1 8/3 så vi kan øke x 1 til den minste verdien, nemlig 5/2. Dette gir den nye løsningen x 1 = 5/2, x 2 = x 3 = 0 og dermed w 1 = 0,w 2 =1,w 3 =1/2. Og nå er η=25/2. Altså: en mye bedre løsning!! Hvordan komme videre? Listeform er fin for åteste optimalitet, så vi vil komme over i neste liste! Moderne optimering: #16 of 19

17 Simpleksmetoden Vi ønsker at x 1 og w 1 skal bytte side. Dette kan gjøres ved å bruke w 1 -likningen til å eliminere x 1 fra alle andre likninger. Dette endrer ikke løsningsmengden til likningssystemet. Resultat: η = w 1 3.5x x 3 x 1 = w 1 1.5x 2 0.5x 3 w 2 = 1 + 2w 1 + 5x 2 w 3 = w x 2 0.5x 3 Vi har nå gjennomført en pivotering. Moderne optimering: #17 of 19

18 Simpleksmetoden Gjentar prosessen og etter nok en pivotering får vi: η = 13 w 1 3x 2 w 3 x 1 = 2 2w 1 2x 2 + w 3 w 2 = 1 + 2w 1 + 5x 2 x 3 = 1 + 3w 1 + x 2 2w 3 Nå kan vi stoppe! Hvorfor? Konklusjon: vi har funnet en optimal løsning! Den er w 1 = x 2 = w 3 = 0ogx 1 =2,w 2 =1,x 3 =1. Optimal verdi er η = 13. Moderne optimering: #18 of 19

19 Avsluttende kommentarer mange optimeringsproblemer rundt omkring raske algoritmer spennende matematiske problemer motivert av anvendelser optimering svært aktivt forskningsfelt VENNLIGST SEND GODE STUDENTER HIT!! nytt studium i anvendt matematikk anbefalt LP bok: R.J. Vanderbei: Linear programming: foundations and extensions, Kluwer, 1996, se evt. rvdb/lpbook/ anbefalt kombinatorikk bok: R. Brualdi: Introductory combinatorics, Prentice-Hall, Geir Dahl, telefon , Webside: geird/ Inneholder div. informasjon om optimering, forskning, studier, Web optimering. Også dette foredraget. Moderne optimering: #19 of 19

Verdens beste håndball-lag?

Verdens beste håndball-lag? Klassebesøk i matematikk Verdens beste håndball-lag? Litt om håndball, kombinatorikk og optimering Geir Dahl, Matematisk inst. og Inst. for informatikk, Universitetet i Oslo et problem fra håndball tilordningsproblemet:

Detaljer

Kapittel 1 og 2: eksempel og simpleksmetoden

Kapittel 1 og 2: eksempel og simpleksmetoden LP. Leksjon 1 Kapittel 1 og 2: eksempel og simpleksmetoden et eksempel fra produksjonsplanlegging simpleksalgoritmen, noen begreper algoritmen LP. Leksjon 1: #1 of 14 Eksempel: produksjonsplanlegging Produkter:

Detaljer

LP. Leksjon 2. Kapittel 2: simpleksmetoden, forts. initialisering to faser ubegrenset løsning geometri

LP. Leksjon 2. Kapittel 2: simpleksmetoden, forts. initialisering to faser ubegrenset løsning geometri LP. Leksjon 2. Kapittel 2: simpleksmetoden, forts. initialisering to faser ubegrenset løsning geometri 1 / 16 Repetisjon LP problem tillatt løsning, optimal løsning basisliste basis, basisvariable og ikkebasisvariable

Detaljer

Kapittel 3: degenerasjon.

Kapittel 3: degenerasjon. LP. Leksjon 3 Kapittel 3: degenerasjon. degenerasjon eksempel på sirkling den leksikografiske metoden andre pivoteringsregler fundamentaleoremet i LP LP. Leksjon 3: #1 of 15 Repetisjon simpleksalgoritmen:

Detaljer

Kapittel 2: simpleksmetoden, forts.

Kapittel 2: simpleksmetoden, forts. LP. Leksjon 2 Kapittel 2: simpleksmetoden, forts. initialisering to faser ubegrenset løsning geometri LP. Leksjon 2: #1 of 14 Repetisjon LP problem tillatt løsning, optimal løsning basisliste basis, basisvariable

Detaljer

Korteste vei problemet (seksjon 15.3)

Korteste vei problemet (seksjon 15.3) Korteste vei problemet (seksjon 15.3) Skal studere et grunnleggende kombinatorisk problem, men først: En (rettet) vandring i en rettet graf D = (V, E) er en følge P = (v 0, e 1, v 1, e 2,..., e k, v k

Detaljer

System av likninger. Den andre likningen løses og gir x=1, hvis man setter x=1 i første likning får man

System av likninger. Den andre likningen løses og gir x=1, hvis man setter x=1 i første likning får man System av likninger System av likninger er en mengde likninger med flere ukjente. I økonomiske sammenheng er disse svært vanlige ved optimering. Ofte må vi kreve deriverte lik null for å optimere. I kurset

Detaljer

Spesialisering i økonomistyring og investeringsanalyse DST 9530

Spesialisering i økonomistyring og investeringsanalyse DST 9530 Spesialisering i økonomistyring og investeringsanalyse DST 950 Disposisjon Bruk av LP i økonomiske problemer Et LP-problem Begreper og noen grunnleggende sammenhenger Lineær programmering og bedriftsøkonomiske

Detaljer

Forelesning 14 Systemer av dierensiallikninger

Forelesning 14 Systemer av dierensiallikninger Forelesning 14 Systemer av dierensiallikninger Eivind Eriksen 9. april 010 Dierensiallikninger En dierensiallikning inneholder en avhengig variabel (typisk y ) og en uavhengig variabel (typisk x), som

Detaljer

Lineære likningssett.

Lineære likningssett. Lineære likningssett. Forelesningsnotater i matematikk. Lineære likningssystemer. Side 1. 1. Innledning. La x 1, x, x n være n ukjente størrelser. La disse størrelsene være forbundet med m lineære likninger,

Detaljer

Eirik Benum Reksten Hans Olav Norheim. (ja, det kommer nok litt matte nå ja)

Eirik Benum Reksten Hans Olav Norheim. (ja, det kommer nok litt matte nå ja) Eirik Benum Reksten Hans Olav Norheim (ja, det kommer nok litt matte nå ja) Hva er lineærprogrammering? Vi har et problem hvor vi... 1. ønsker å minimere eller å maksimere et mål 2. kan spesifisere målet

Detaljer

MAT1030 Diskret matematikk

MAT1030 Diskret matematikk MAT1030 Diskret matematikk Plenumsregning 1: Kapittel 1 Roger Antonsen Matematisk Institutt, Universitetet i Oslo 17. januar 2008 Velkommen til plenumsregning for MAT1030 Torsdager 10:15 12:00 Gjennomgang

Detaljer

MAT 1120: Obligatorisk oppgave 1, H-09

MAT 1120: Obligatorisk oppgave 1, H-09 MAT 110: Obligatorisk oppgave 1, H-09 Innlevering: Senest fredag 5. september, 009, kl.14.30, på Ekspedisjonskontoret til Matematisk institutt (7. etasje NHA). Du kan skrive for hånd eller med datamaskin,

Detaljer

Kontinuasjonseksamen i tdt4125 Algoritmekonstruksjon, videregående kurs

Kontinuasjonseksamen i tdt4125 Algoritmekonstruksjon, videregående kurs Norges teknisk naturvitenskapelige universitet Institutt for datateknikk og informasjonsvitenskap Side 1 av 7 Eksamenforfattere: Ole Edsberg Kvalitetskontroll: Magnus Lie Hetland Kontakter under eksamen:

Detaljer

Repetisjon og mer motivasjon. MAT1030 Diskret matematikk. Repetisjon og mer motivasjon

Repetisjon og mer motivasjon. MAT1030 Diskret matematikk. Repetisjon og mer motivasjon Repetisjon og mer motivasjon MAT030 Diskret matematikk Forelesning 22: Grafteori Roger Antonsen Matematisk Institutt, Universitetet i Oslo 4. april 2008 Først litt repetisjon En graf består av noder og

Detaljer

Side 1 av 13. Svar til. EKSAMEN I EMNE TIØ4120 OPERASJONSANALYSE, GK Torsdag 2. desember 2010 Tid: kl Bokmål

Side 1 av 13. Svar til. EKSAMEN I EMNE TIØ4120 OPERASJONSANALYSE, GK Torsdag 2. desember 2010 Tid: kl Bokmål Side av 3 NTNU Institutt for industriell økonomi og teknologiledelse Faggruppe for bedriftsøkonomi og optimering Faglig kontakt under eksamen: Navn: Bjørn Nygreen Tlf.: 958 55 997 / 93607) Svar til EKSAMEN

Detaljer

10 Radrommet, kolonnerommet og nullrommet

10 Radrommet, kolonnerommet og nullrommet Radrommet kolonnerommet og nullrommet La A være en m n matrise Vi kan beskrive matrisen ved hjelp av dens rader r A r r i R n r m eller dens kolonner A [ c c c n ci R m Definisjon (se Def 7 i boka) For

Detaljer

3x + 2y 8, 2x + 4y 8.

3x + 2y 8, 2x + 4y 8. Oppgave En møbelfabrikk produserer bord og stoler Produksjonen av møbler skjer i to avdelinger, avdeling I og avdeling II Alle møbler må innom både avdeling I og avdeling II Det å produsere et bord tar

Detaljer

Løsningsforslag Øving 5 TMA4140 Diskret matematikk Høsten 2010

Løsningsforslag Øving 5 TMA4140 Diskret matematikk Høsten 2010 Løsningsforslag Øving 5 TMA4140 Diskret matematikk Høsten 2010 1. a) Ingen andre tall enn en deler en, og en deler fire, så (1, 4) = 1 b) 1 c) 7 er et primtall og 7 er ikke en faktor i 41, så største felles

Detaljer

Lineær optimering. Plan for kurset

Lineær optimering. Plan for kurset Lineær optimering 27. mars 2007 Endre Bjørndal Plan for kurset 1000-1100 1100-1115 1115-1200 1200-1245 1245-1400 1400-1415 1415-1500 Introduksjon Produktmiksproblemet (eksempel 1) Grafisk løsning og følsomhetsanalyse

Detaljer

Tiden går og alt forandres, selv om vi stopper klokka. Stoffet i dette kapittelet vil være en utømmelig kilde med tanke på eksamensoppgaver.

Tiden går og alt forandres, selv om vi stopper klokka. Stoffet i dette kapittelet vil være en utømmelig kilde med tanke på eksamensoppgaver. Kapittel 4 Anvendelser av lineære likningssystemer Tiden går og alt forandres, selv om vi stopper klokka Stoffet i dette kapittelet vil være en utømmelig kilde med tanke på eksamensoppgaver 4 Populasjonsdynamikk

Detaljer

Lineære likningssystemer

Lineære likningssystemer Kapittel 1 Lineære likningssystemer Jeg tenker på et tall slik at π ganger tallet er 12. 1.1 Lineære likninger Matematikk dreier seg om å løse problemer. Problemene gjøres ofte om til likninger som så

Detaljer

4.2 Nullrom, kolonnerom og lineære transformasjoner

4.2 Nullrom, kolonnerom og lineære transformasjoner 4.2 Nullrom, kolonnerom og lineære transformasjoner Utover Span {v 1, v 2,..., v p } er det en annen måte vi får lineære underrom på! Ser nå på V = R n. Skal se at det er visse underrom knyttet til en

Detaljer

3.9 Teori og praksis for Minste kvadraters metode.

3.9 Teori og praksis for Minste kvadraters metode. 3.9 Teori og praksis for Minste kvadraters metode. Vi fortsetter med minste kvadraters problem. Nå skal vi se nærmere på noen teoretiske spørsmål, bl.a. hvordan normallikningene utledes. Minner om MK problemstillingen:

Detaljer

Avdeling for lærerutdanning. Lineær algebra. for allmennlærerutdanningen. Inger Christin Borge

Avdeling for lærerutdanning. Lineær algebra. for allmennlærerutdanningen. Inger Christin Borge Avdeling for lærerutdanning Lineær algebra for allmennlærerutdanningen Inger Christin Borge 2006 Innhold Notasjon iii 1 Lineære ligningssystemer 1 1.1 Lineære ligninger......................... 1 1.2 Løsningsmengde

Detaljer

Løsningsforslag, midtsemesterprøve MA1101, 5.oktober 2010

Løsningsforslag, midtsemesterprøve MA1101, 5.oktober 2010 Norges teknisk naturvitenskapelige universitet Institutt for matematiske fag Side 1 av 5 Løsningsforslag, midtsemesterprøve MA1101, 5.oktober 2010 Oppgave 1 Løs ulikheten x + 6 5 x + 2 Strategien er å

Detaljer

Kapittel 8. Inntekter og kostnader. Løsninger

Kapittel 8. Inntekter og kostnader. Løsninger Kapittel 8 Inntekter og kostnader Løsninger Oppgave 8.1 (a) Endring i bedriftens inntekt ved en liten (marginal) endring i produsert og solgt mengde. En marginal endring følger av at begrepet defineres

Detaljer

2.3 Delelighetsregler

2.3 Delelighetsregler 2.3 Delelighetsregler Begrepene multiplikasjon og divisjon og regneferdigheter med disse operasjonene utgjør sentralt lærestoff på barnetrinnet. Det er mange tabellfakta å huske og operasjonene skal kunne

Detaljer

Sortering i Lineær Tid

Sortering i Lineær Tid Sortering i Lineær Tid Lars Vidar Magnusson 5.2.2014 Kapittel 8 Counting Sort Radix Sort Bucket Sort Sammenligningsbasert Sortering Sorteringsalgoritmene vi har sett på så langt har alle vært sammenligningsbaserte

Detaljer

MAT1030 Diskret matematikk

MAT1030 Diskret matematikk Oppgave 1.1 MAT1030 Diskret matematikk Plenumsregning 2: Ukeoppgaver fra kapittel 1 & 2 Roger Antonsen Matematisk Institutt, Universitetet i Oslo 24. januar 2008 Modifiser algoritmen fra 1.2.1 slik at

Detaljer

Tallfølger er noe av det første vi treffer i matematikken, for eksempel når vi lærer å telle.

Tallfølger er noe av det første vi treffer i matematikken, for eksempel når vi lærer å telle. Kapittel 1 Tallfølger 1, 2, 3, 4, 5, 6, 7, 8,... Det andre temaet i kurset MAT1001 er differenslikninger. I en differenslikning er den ukjente en tallfølge. I dette kapittelet skal vi legge grunnlaget

Detaljer

Algebra. Likningsløsning. tasten) for å komme ned til S, og bla videre nedover til du finner solve(.

Algebra. Likningsløsning. tasten) for å komme ned til S, og bla videre nedover til du finner solve(. Algebra Algebra blir ofte referert til som bokstavregning, selv om man nok mister noe av det helhetlige bildet ved å holde seg til en slik oppfatning. Vi velger her å ta med ting som likningsløsning og

Detaljer

MA1410: Analyse - Notat om differensiallikninger

MA1410: Analyse - Notat om differensiallikninger Høgskolen i Agder Avdeling for realfag MA40: Analyse - Notat om differensiallikninger Dato: Høsten 2000 Merknader: Dette notatet kommer i tillegg til 4.2 og 6. i læreboka. Ma 40: Analyse skal inneholde

Detaljer

INF 4130. 8. oktober 2009. Dagens tema: Uavgjørbarhet. Neste uke: NP-kompletthet

INF 4130. 8. oktober 2009. Dagens tema: Uavgjørbarhet. Neste uke: NP-kompletthet INF 4130 8. oktober 2009 Stein Krogdahl Dagens tema: Uavgjørbarhet Dette har blitt framstilt litt annerledes tidligere år Se Dinos forelesninger fra i fjor. I år: Vi tenker mer i programmer enn i Turing-maskiner

Detaljer

= x lim n n 2 + 2n + 4

= x lim n n 2 + 2n + 4 NTNU Institutt for matematiske fag TMA400 Matematikk høsten 20 Løsningsforslag - Øving Avsnitt 8.7 6 Potensrekken konvergerer opplagt for x = 0, så i drøftingen nedenfor antar vi x 0. Vi vil bruke forholdstesten

Detaljer

Eivind Eriksen. Matematikk for økonomi og finans

Eivind Eriksen. Matematikk for økonomi og finans Eivind Eriksen Matematikk for økonomi og finans # CAPPELEN DAMM AS 2016 ISBN 978-82-02-47417-1 1. utgave, 1. opplag 2016 Materialet i denne publikasjonen er omfattet av åndsverklovens bestemmelser. Uten

Detaljer

Svararket skal påføres følgende informasjon: - Eksamenskode - Initialer - Eksamenssted - Studentnummer

Svararket skal påføres følgende informasjon: - Eksamenskode - Initialer - Eksamenssted - Studentnummer Handelshøyskolen BI Institutt for samfunnsøkonomi Flervalgseksamen i: MET 24101 Matematikk Eksamensdato: 08.12.05, kl. 09.00-12.00 Tillatte hjelpemidler: Innføringsark: Antall sider/oppgaver: Antall vedlegg:

Detaljer

NIO 1. runde eksempeloppgaver

NIO 1. runde eksempeloppgaver NIO 1. runde eksempeloppgaver Oppgave 1 (dersom du ikke klarer en oppgave, bare gå videre vanskelighetsgraden er varierende) Hva må til for at hele det følgende uttrykket skal bli sant? NOT(a OR (b AND

Detaljer

I dette kapittelet skal vi studerer noen matematiske objekter som kalles matriser. Disse kan blant annet brukes for å løse lineære likningssystemer.

I dette kapittelet skal vi studerer noen matematiske objekter som kalles matriser. Disse kan blant annet brukes for å løse lineære likningssystemer. Kapittel 2 Matriser I dette kapittelet skal vi studerer noen matematiske objekter som kalles matriser. Disse kan blant annet brukes for å løse lineære likningssystemer. 2.1 Definisjoner og regneoperasjoner

Detaljer

OPPGAVESETT MAT111-H16 UKE 38. Oppgaver til gruppene uke 39

OPPGAVESETT MAT111-H16 UKE 38. Oppgaver til gruppene uke 39 OPPGAVESETT MAT111-H16 UKE 38 Oppgaver til seminaret 23/9 (Tall i blått angir utgave 6, tall i rødt angir utgave 7.) Avsn. 2.7: 15(11), 21(31)(27) Avsn. 2.8: 5, 17(2.8.13)(2.6.13) Avsn. 2.10: 12, 29, 39

Detaljer

Eksamen REA3028 S2, Høsten 2012

Eksamen REA3028 S2, Høsten 2012 Eksamen REA308 S, Høsten 01 Del 1 Tid: timer Hjelpemidler: Vanlige skrivesaker, passer, linjal med centimetermål og vinkelmåler er tillatt. Oppgave 1 (6 poeng) Deriver funksjonene 3x x a) gx 3 3x x 3x

Detaljer

Læreplan i matematikk for samfunnsfag - programfag i studiespesialiserende program

Læreplan i matematikk for samfunnsfag - programfag i studiespesialiserende program Læreplan i matematikk for samfunnsfag - programfag i studiespesialiserende program Fastsatt som forskrift av Utdanningsdirektoratet 27. mars 2006 etter delegasjon i brev 26. september 2005 fra Utdannings-

Detaljer

Matematikk 1000. Øvingsoppgaver i numerikk leksjon 11 Eulers metode. Løsningsforslag

Matematikk 1000. Øvingsoppgaver i numerikk leksjon 11 Eulers metode. Løsningsforslag Matematikk 1000 Øvingsoppgaver i numerikk leksjon 11 Eulers metode Løsningsforslag Oppgave 1 Samanlikning med analytisk løsning y = 3 2 x y, y(0) = 1. a) Kandidat til løsning: y = e x3/2. Vi deriverer

Detaljer

Diskret matematikk tirsdag 13. oktober 2015

Diskret matematikk tirsdag 13. oktober 2015 Eksempler på praktisk bruk av modulo-regning. Tverrsum Tverrsummen til et heltall er summen av tallets sifre. a = 7358. Tverrsummen til a er lik 7 + 3 + 5 + 8 = 23. Setning. La sum(a) stå for tverrsummen

Detaljer

Eksamen REA3026 S1, Våren 2012

Eksamen REA3026 S1, Våren 2012 Eksamen REA306 S1, Våren 01 Del 1 Tid: timer Hjelpemidler: Vanlige skrivesaker, passer, linjal med centimetermål og vinkelmåler er tillatt. Oppgave 1 (16 poeng) a) 1) Skriv så enkelt som mulig a b a b

Detaljer

Funksjoner og andregradsuttrykk

Funksjoner og andregradsuttrykk 88 4 Funksjoner og andregradsuttrykk Mål for opplæringen er at eleven skal kunne bruke matematiske metoder og hjelpemidler til å løse problemer fra ulike fag og samfunnsområder løse likninger, ulikheter

Detaljer

LØSNINGSFORSLAG EKSAMEN HØST 2012 I TIØ4120 OPERASJONSANALYSE, GRUNNKURS

LØSNINGSFORSLAG EKSAMEN HØST 2012 I TIØ4120 OPERASJONSANALYSE, GRUNNKURS LØSNINGSFORSLAG EKSAMEN HØST 2012 I TIØ4120 OPERASJONSANALYSE, GRUNNKURS Oppgave 1 a) La x 1, x 2 og x 3 være antall enheter produsert av henholdsvis lenestoler, skamler og kjøkkenstoler. Modellen blir

Detaljer

Polynomisk interpolasjon

Polynomisk interpolasjon Polynomisk interpolasjon Hans Munthe-Kaas 1. jaunar 2002 Abstract Dette notatet tar for seg interpolasjon med polynomer. Notatet er ment som et tillegg til læreboken i I162, og forsøker å framstille dette

Detaljer

På reise Nivå: Formål: Program: Henvisning til plan: 8. klasse Matematikk i dagliglivet: Tall og algebra: Grafer og funksjoner:

På reise Nivå: Formål: Program: Henvisning til plan: 8. klasse Matematikk i dagliglivet: Tall og algebra: Grafer og funksjoner: På reise Nivå: 8. og 9. klasse Formål: Arbeide med lineære funksjoner og verktøyprogram Program: Regneark, kurvetegningsprogram Henvisning til plan: 8. klasse Matematikk i dagliglivet: registrere og formulere

Detaljer

OPPGAVER FOR FORUM

OPPGAVER FOR FORUM OPPGAVER FOR FORUM 2006-2007 MERK!: Du skal først skrive hele oppgaveteksten for hver oppgave, og deretter svaret på oppgaven. Hvert svar skal være detajert, og skrevet i et klart og tydelig matematisk

Detaljer

TDT4110 IT Grunnkurs Høst 2014

TDT4110 IT Grunnkurs Høst 2014 TDT4110 IT Grunnkurs Høst 2014 Norges teknisk naturvitenskapelige universitet Institutt for datateknikk og informasjonsvitenskap Auditorieøving 1 Navn: Linje: Brukernavn (blokkbokstaver): Oppgavesettet

Detaljer

Eksamen S1, Høsten 2013

Eksamen S1, Høsten 2013 Eksamen S1, Høsten 013 Tid: timer Hjelpemidler: Vanlige skrivesaker, passer, linjal med centimetermål og vinkelmåler er tillatt. Oppgave 1 ( poeng) Funksjonen f er gitt ved Bestem f. f x 3x 3x 1, Df f

Detaljer

Høgskolen i Oslo og Akershus. = 2xe 2x + x 2 e 2x (2x) = 2xe 2x + 2x 2 e 2x = 2xe 2x (1 + x) e 2x + x 2 ( e 2x) 1 sin x (sin x) + 2x = cos x

Høgskolen i Oslo og Akershus. = 2xe 2x + x 2 e 2x (2x) = 2xe 2x + 2x 2 e 2x = 2xe 2x (1 + x) e 2x + x 2 ( e 2x) 1 sin x (sin x) + 2x = cos x Oppgåve a) i) ii) f(x) x e x f (x) ( x ) e x + x ( e x) xe x + x e x (x) xe x + x e x xe x ( + x) g(x) ln(sin x) + x g (x) sin x (sin x) + x cos x sin x + x tan x + x b) i) ( x + ) dx x x dx+ x dx x +

Detaljer

Gauss-eliminasjon og matrisemultiplikasjon

Gauss-eliminasjon og matrisemultiplikasjon DUMMY Gauss-eliminasjon og matrisemultiplikasjon Lars Sydnes 9 september 2015 Sammendrag Dette notatet handler om hvordan man løser lineære ligningssystemer, altså systemer av flere ligninger i flere ukjente,

Detaljer

MAT 100a - LAB 3. Vi skal først illustrerere hvordan Newtons metode kan brukes til å approksimere n-te roten av et positivt tall.

MAT 100a - LAB 3. Vi skal først illustrerere hvordan Newtons metode kan brukes til å approksimere n-te roten av et positivt tall. MAT 100a - LAB 3 I denne øvelsen skal vi bruke Maple til å illustrere noen anvendelser av derivasjon, først og fremst Newtons metode til å løse likninger og lokalisering av min. og max. punkter. Vi skal

Detaljer

Discrete Optimization Methods in Maritime and Road-based Transportation

Discrete Optimization Methods in Maritime and Road-based Transportation Discrete Optimization Methods in Maritime and Road-based Transportation Forskningsprosjekt med støtte fra Norges Forskningsråd Samarbeidspartnere Norges Teknisk-Naturvitenskapelige Universitet Institutt

Detaljer

Vi anbefaler at elevene blir introdusert for likninger via en praktisk problemstilling. Det kan for eksempel være:

Vi anbefaler at elevene blir introdusert for likninger via en praktisk problemstilling. Det kan for eksempel være: Likninger og algebra Det er større sprang fra å regne med tall til å regne med bokstaver enn det vi skulle tro. Vi tror at både likninger og bokstavregning (som er den algebraen elevene møter i grunnskolen)

Detaljer

Newtons metode - Integrasjon Forelesning i Matematikk 1 TMA4100

Newtons metode - Integrasjon Forelesning i Matematikk 1 TMA4100 Newtons metode - Integrasjon Forelesning i Matematikk 1 TMA4100 Hans Jakob Rivertz Institutt for matematiske fag 20. september 2011 Kapittel 4.7. Newtons metode 3 Eksakt løsning Den eksakte løsningen av

Detaljer

Når Merge sort og Insertion sort samarbeider

Når Merge sort og Insertion sort samarbeider Når Merge sort og Insertion sort samarbeider Lars Sydnes 8. november 2014 1 Innledning Her skal vi undersøke to algoritmer som brukes til å sortere lister, Merge sort og Insertion sort. Det at Merge sort

Detaljer

Eksamen REA3026 S1, Høsten 2010

Eksamen REA3026 S1, Høsten 2010 Eksamen REA6 S, Høsten Del Tid: timer Hjelpemidler: Vanlige skrivesaker, passer, linjal med centimetermål og vinkelmåler er tillatt. Oppgave (8 poeng) a) Løs likningene ) x 7 x 6 6 x6 x 6 7 6 6 6 x 7 x

Detaljer

Husk at minustegn foran et tall eller en variabel er å tenke på som tallet multiplisert med det som kommer etter:

Husk at minustegn foran et tall eller en variabel er å tenke på som tallet multiplisert med det som kommer etter: Økonomisk Institutt, november 2006 Robert G. Hansen, rom 1207 ECON 1210: Noen regneregler og løsningsprosedyrer som brukes i kurset (A) Faktorisering og brøkregning (1) Vi kan sette en felles faktor utenfor

Detaljer

Forelesning 9. Mengdelære. Dag Normann februar Mengder. Mengder. Mengder. Mengder OVER TIL KAPITTEL 5

Forelesning 9. Mengdelære. Dag Normann februar Mengder. Mengder. Mengder. Mengder OVER TIL KAPITTEL 5 Forelesning 9 Mengdelære Dag Normann - 11. februar 2008 OVER TIL KAPITTEL 5 De fleste som tar MAT1030 har vært borti mengder i en eller annen form tidligere. I statistikk og sannsynlighetsteori på VGS

Detaljer

Lineær Algebra og Vektorrom. Eivind Eriksen. Høgskolen i Oslo, Avdeling for Ingeniørutdanning

Lineær Algebra og Vektorrom. Eivind Eriksen. Høgskolen i Oslo, Avdeling for Ingeniørutdanning Lineær Algebra og Vektorrom Eivind Eriksen Høgskolen i Oslo, Avdeling for Ingeniørutdanning c Eivind Eriksen 2005. Innhold Kapittel 1. Lineære likningssystemer 1 1.1. Lineære likningssystemer i to variable

Detaljer

Øgrim Bakken Pettersen Skrindo Dypbukt Mustaparta Thorstensen Thorstensen. Digitalt verktøy for Sigma R1. Casio fx-9860

Øgrim Bakken Pettersen Skrindo Dypbukt Mustaparta Thorstensen Thorstensen. Digitalt verktøy for Sigma R1. Casio fx-9860 Øgrim Bakken Pettersen Skrindo Dypbukt Mustaparta Thorstensen Thorstensen Digitalt verktøy for Casio fx-9860 Innhold 1 Om Casio fx-9860 4 2 Regning 4 2.1 Tallet e......................................

Detaljer

MA0002 Brukerkurs i matematikk B Vår 2013

MA0002 Brukerkurs i matematikk B Vår 2013 Norges teknisk naturvitenskapelige universitet Institutt for matematiske fag MA0002 Brukerkurs i matematikk B Vår 2013 Løsningsforslag Øving 3 8.2.1 Anta at dy = y2 y) dx a) Finn likevektspunktene til

Detaljer

Alle svar skal grunngis. Alle deloppgaver har lik vekt.

Alle svar skal grunngis. Alle deloppgaver har lik vekt. Alle svar skal grunngis. Alle deloppgaver har lik vekt. Oppgave Vi denerer matrisene A, B, og C som A = [ ] 3, B = 5 9, C = 3 3. a) Regn ut følgende matrisesummer og matriseprodukter, om mulig. Dersom

Detaljer

LØSNINGSFORSLAG KONTINUASJONSEKSAMEN VÅR 2013 I TIØ4120 OPERASJONSANALYSE, GK

LØSNINGSFORSLAG KONTINUASJONSEKSAMEN VÅR 2013 I TIØ4120 OPERASJONSANALYSE, GK LØSNINGSFORSLAG KONTINUASJONSEKSAMEN VÅR 2013 I TIØ4120 OPERASJONSANALYSE, GK Oppgave 1 a) Målfunksjonen (1) summerer profitten ved å produsere x 1 bord og x 2 stoler. Restriksjon (2) sier at antall enheter

Detaljer

Norsk informatikkolympiade runde

Norsk informatikkolympiade runde Norsk informatikkolympiade 2016 2017 1. runde Sponset av Uke 46, 2016 Tid: 90 minutter Tillatte hjelpemidler: Kun skrivesaker. Det er ikke tillatt med kalkulator eller trykte eller håndskrevne hjelpemidler.

Detaljer

En studentassistents perspektiv på ε δ

En studentassistents perspektiv på ε δ En studentassistents perspektiv på ε δ Øistein Søvik 16. november 2015 5 y ε 4 3 ε 2 1 1 δ 1 δ 2 x Figur 1: Illustrerer grenseverdien lim x 1 2x + 1. Innledning I løpet av disse korte sidene skal vi prøve

Detaljer

LØSNING: Eksamen 18. des. 2013

LØSNING: Eksamen 18. des. 2013 LØSNING: Eksamen 8. des. 03 MAT00 Matematikk, høst 03 Oppgave : ( algebra / faktorisering / brøk ) a) Setter inn ligningene i generalbudsjettligningen: R = C +I +G+X () = C 0 +c(r T) + I + G + X 0 br ()

Detaljer

Institutt for Samfunnsøkonomi. Utlevering: 29.04.2015 Kl. 09:00 Innlevering: 29.04.2015 Kl. 14:00

Institutt for Samfunnsøkonomi. Utlevering: 29.04.2015 Kl. 09:00 Innlevering: 29.04.2015 Kl. 14:00 SENSORVEILEDNING MET 803 Matematikk Institutt for Samfunnsøkonomi Utlevering: 9.04.05 Kl. 09:00 Innlevering: 9.04.05 Kl. 4:00 For mer informasjon om formalia, se eksamensoppgaven. Oppgave Beregn følgende

Detaljer

Taylor- og Maclaurin-rekker

Taylor- og Maclaurin-rekker Taylor- og Maclaurin-rekker Forelest: Okt, 004 Potensrekker er funksjoner Vi så at noen funksjoner vi kjenner på andre måter kan skrives som funksjoner, for eksempel: = + t + t + t 3 + + t n + t e x =

Detaljer

Øgrim Bakken Pettersen Skrindo Thorstensen Thorstensen. Digitalt verktøy for Sigma 1P. Geogebra

Øgrim Bakken Pettersen Skrindo Thorstensen Thorstensen. Digitalt verktøy for Sigma 1P. Geogebra Øgrim Bakken Pettersen Skrindo Thorstensen Thorstensen Digitalt verktøy for Geogebra Innhold 1 Om Geogebra 4 1.1 Innstillinger................................... 5 2 Regning 5 2.1 Tallregning...................................

Detaljer

Grafer og funksjoner

Grafer og funksjoner Grafer og funksjoner Fredrik Meyer Sammendrag Vi går raskt igjennom definisjonen på hva en funksjon er. Vi innfører også begrepet førstegradsfunksjon. Det forutsettes at du husker hva et koordinatsystem

Detaljer

Løsningsforslag. e n. n=0. 3 n 2 2n 1. n=1

Løsningsforslag. e n. n=0. 3 n 2 2n 1. n=1 Eksamen i BYPE2000 - Matematikk 2000 Dato: 6. juni 2014 Målform: Bokmål Antall oppgaver: 7 (20 deloppgaver) Antall sider: 4 Vedlegg: Noen formler Hjelpemiddel: Ingen Alle svarene skal grunngis. Alle deloppgavene

Detaljer

Eksamensoppgavehefte 1. MAT1012 Matematikk 2: Mer funksjonsteori i en og flere variabler

Eksamensoppgavehefte 1. MAT1012 Matematikk 2: Mer funksjonsteori i en og flere variabler Eksamensoppgavehefte 1 MAT1012 Matematikk 2: Mer funksjonsteori i en og flere variabler Matematisk institutt, UiO, våren 2010 I dette heftet er det samlet et utvalg av tidligere eksamensoppgaver innenfor

Detaljer

n=0 n=1 n + 1 Vi får derfor at summen er lik 1/2. c)

n=0 n=1 n + 1 Vi får derfor at summen er lik 1/2. c) Eksamen i BYPE2000 - Matematikk 2000 Dato: 204 Målform: Bokmål Antall oppgaver: 7 (20 deloppgaver) Antall sider: 4 Vedlegg: Noen formler Hjelpemiddel: Ingen Alle svarene skal grunngis. Alle deloppgavene

Detaljer

Innlevering BYPE2000 Matematikk 2000 HIOA Obligatorisk innlevering 3 Innleveringsfrist Torsdag 24. april 2014 før forelesningen Antall oppgaver: 9

Innlevering BYPE2000 Matematikk 2000 HIOA Obligatorisk innlevering 3 Innleveringsfrist Torsdag 24. april 2014 før forelesningen Antall oppgaver: 9 Innlevering BYPE000 Matematikk 000 HIOA Obligatorisk innlevering 3 Innleveringsfrist Torsdag 4. april 014 før forelesningen Antall oppgaver: 9 1 Regn ut determinanten til følgende matriser. (Det er også

Detaljer

Grafteori og optimering en kort innføring. Geir Dahl

Grafteori og optimering en kort innføring. Geir Dahl Grafteori og optimering en kort innføring Geir Dahl 24. oktober 2001 Innhold 1 Introduksjon til grafteori 1 1.1 Hva er en graf? 1 1.2 Noen grunnleggende begreper 3 1.3 Trær 9 1.4 Oppgaver 12 2 Königsberg,

Detaljer

To likninger med to ukjente

To likninger med to ukjente To likninger med to ukjente 1. En skisse av undervisningsopplegget Mål Målet er at elevene skal lære seg addisjonsmetoden til å løse lineære likningssett med to ukjente. I stedet for å få metoden forklart

Detaljer

Differensiallikninger definisjoner, eksempler og litt om løsning

Differensiallikninger definisjoner, eksempler og litt om løsning Differensiallikninger definisjoner, eksempler og litt om løsning MAT-INF1100 Differensiallikninger i MAT-INF1100 Definsjon, litt om generelle egenskaper Noen få anvendte eksempler Teknikker for løsning

Detaljer

UNIVERSITETET I OSLO ØKONOMISK INSTITUTT

UNIVERSITETET I OSLO ØKONOMISK INSTITUTT UNIVERSITETET I OSLO ØKONOMISK INSTITUTT Eksamen i: ECON320/420 Matematikk 2: Matematisk analyse og lineær algebra Exam: ECON320/420 Mathematics 2: Calculus and Linear Algebra Eksamensdag: Onsdag 6. desember

Detaljer

EKSAMEN I 3MX-R2 (3MZ-S2), SPØRREUNDERSØKELSE AUGUST 2014

EKSAMEN I 3MX-R2 (3MZ-S2), SPØRREUNDERSØKELSE AUGUST 2014 EKSAMEN I 3MX-R2 (3MZ-S2), SPØRREUNDERSØKELSE AUGUST 2014 Matematikk R2 Oversikt over hovedområdene: Programfag Hovedområder Matematikk R1 Geometri Algebra Funksjoner Matematikk R2 Geometri Algebra Funksjoner

Detaljer

SOS1120 Kvantitativ metode. Regresjonsanalyse. Lineær sammenheng II. Lineær sammenheng I. Forelesningsnotater 11. forelesning høsten 2005

SOS1120 Kvantitativ metode. Regresjonsanalyse. Lineær sammenheng II. Lineær sammenheng I. Forelesningsnotater 11. forelesning høsten 2005 SOS1120 Kvantitativ metode Regresjonsanalyse Forelesningsnotater 11. forelesning høsten 2005 Per Arne Tufte Lineær sammenheng I Lineær sammenheng II Ukelønn i kroner 4000 3500 3000 2500 2000 1500 1000

Detaljer

Ulikheter. Vi gir her eksempel på hvordan man kan finne ut hvornår ulikheter er sanne på forskjellige måter.

Ulikheter. Vi gir her eksempel på hvordan man kan finne ut hvornår ulikheter er sanne på forskjellige måter. Ulikheter. Vi gir her eksempel på hvordan man kan finne ut hvornår ulikheter er sanne på forskjellige måter. Dersom man ofte ikke er intressert i å finne eksakte løsninger kun sikkre interval, er ulikheter

Detaljer

DAFE ELFE Matematikk 1000 HIOA Obligatorisk innlevering 3 Innleveringsfrist Torsdag 26. mars 2015 Antall oppgaver: 10 + 3

DAFE ELFE Matematikk 1000 HIOA Obligatorisk innlevering 3 Innleveringsfrist Torsdag 26. mars 2015 Antall oppgaver: 10 + 3 Innlevering DAFE ELFE Matematikk HIOA Obligatorisk innlevering 3 Innleveringsfrist Torsdag 26. mars 2 Antall oppgaver: + 3 For hver av matrisene nedenfor nn den ekvivalente matrisen som er på redusert

Detaljer

Heuristiske søkemetoder I

Heuristiske søkemetoder I Heuristiske søkemetoder I Lars Aurdal Intervensjonssenteret Lars.Aurdal@labmed.uio.no 14. september 2003 Plan Hva slags søkemetoder snakker vi om? Kombinatoriske strukturer. Sett. Lister. Grafer. Søkealgoritmer

Detaljer

Avanserte flytalgoritmer

Avanserte flytalgoritmer Avanserte flytalgoritmer Magnus Lie Hetland, mars 2008 Stoff hentet fra: Network Flows av Ahua m.fl. (Prentice-Hall, 1993) Graphs, Networks and Algorithms, 2. utg., av Jungnickel (Springer, 2005) Repetisjon

Detaljer

MAT1030 Diskret Matematikk

MAT1030 Diskret Matematikk MAT1030 Diskret Matematikk Forelesning 21: Mer kombinatorikk Roger Antonsen Institutt for informatikk, Universitetet i Oslo 15. april 2009 (Sist oppdatert: 2009-04-15 00:05) Kapittel 9: Mer kombinatorikk

Detaljer

Utforsking av funksjonsuttrykk og de tilhørende grafene ved hjelp av GeoGebra

Utforsking av funksjonsuttrykk og de tilhørende grafene ved hjelp av GeoGebra Anne-Mari Jensen Utforsking av funksjonsuttrykk og de tilhørende grafene ved hjelp av GeoGebra Innledning I ungdomsskolen kommer funksjoner inn som et av hovedområdene i læreplanen i matematikk. Arbeidet

Detaljer

Straffespark Introduksjon Scratch Lærerveiledning

Straffespark Introduksjon Scratch Lærerveiledning Straffespark Introduksjon Scratch Lærerveiledning Introduksjon Vi skal lage et enkelt fotballspill, hvor du skal prøve å score på så mange straffespark som mulig. Steg 1: Katten og fotballbanen Vi begynner

Detaljer

Et detaljert induksjonsbevis

Et detaljert induksjonsbevis Et detaljert induksjonsbevis Knut Mørken 0. august 007 1 Innledning På forelesningen tirsdag 1/8 skal vi gjennomgå i detalj et induksjonsbevis for at formelen n i = 1 n(n + 1), (1) er riktig for alle naturlige

Detaljer

Eksamen 25.05.2011. MAT1015 Matematikk 2P. Nynorsk/Bokmål

Eksamen 25.05.2011. MAT1015 Matematikk 2P. Nynorsk/Bokmål Eksamen 25.05.2011 MAT1015 Matematikk 2P Nynorsk/Bokmål Bokmål Eksamensinformasjon Eksamenstid: Hjelpemidler på Del 1: Hjelpemidler på Del 2: Framgangsmåte: 5 timer: Del 1 skal leveres inn etter 2 timer.

Detaljer

b) 17 går ikke opp i 84 siden vi får en rest på 16 når 84 deles med 17 c) 17 går opp i 357 siden

b) 17 går ikke opp i 84 siden vi får en rest på 16 når 84 deles med 17 c) 17 går opp i 357 siden Avsnitt. Oppgave Diskret matematikk - Høgskolen i Oslo Løsningsforslag for en del oppgaver fra boken Discrete Mathematics and Its Applications Forfatter: Kenneth H. Rosen a) 7 går opp i 68 siden 68 7 b)

Detaljer

DEL 1 Uten hjelpemidler

DEL 1 Uten hjelpemidler DEL Uten hjelpemidler Oppgave (8 poeng) a) Løs likningene ) 7 + + = 6 3 6 ) = 0 b) Løs likningssystemet y= y+ = 3 c) ) Løs likningen 3 = 4 ) Finn en formel for når y = a b d) Vi har gitt funksjonen: (

Detaljer

MA0002 Brukerkurs i matematikk B Vår 2013

MA0002 Brukerkurs i matematikk B Vår 2013 Norges teknisk naturvitenskapelige universitet Institutt for matematiske fag MA0002 Brukerkurs i matematikk B Vår 2013 Løsningsforslag Øving 10 10.6.3 La f (x, y) = x 2 y 4x 2 4y der (x, y) R 2. Finn alle

Detaljer

TIØ 4258 TEKNOLOGILEDELSE EINAR BELSOM 2013

TIØ 4258 TEKNOLOGILEDELSE EINAR BELSOM 2013 TIØ 4258 TENOOGIEDESE EINAR BESOM 2013 OSTNADSFUNSJONEN Dette notatet som ikke er pensum i seg selv, men som formidler en del av pensum på en annen måte enn boken tar sikte på å gi interesserte studenter

Detaljer

Stokastisk korttidsmodell = SHARM

Stokastisk korttidsmodell = SHARM Stokastisk korttidsmodell = SHARM Motivasjon Modell Tilrettelegging for bruk Eksempel Michael Belsnes 1 Motivasjon (1) ENERGI21 programmet Balansekraft som 1 av 6 satsninger RENERGI som har sponset utvikling

Detaljer

Øving 2 Matrisealgebra

Øving 2 Matrisealgebra Øving Matrisealgebra Gå til menyen Edit Preferences... og sett Format type of new output cells til TraditionalForm hvis det ikke allerede er gjort. Start med to eksempelmatriser med samme dimensjon: In[]:=

Detaljer

Divide-and-Conquer. Lars Vidar Magnusson 13.1.2015

Divide-and-Conquer. Lars Vidar Magnusson 13.1.2015 Divide-and-Conquer Lars Vidar Magnusson 13.1.2015 Kapittel 4 Maximum sub-array problemet Matrix multiplikasjon Analyse av divide-and-conquer algoritmer ved hjelp av substitusjonsmetoden Divide-and-Conquer

Detaljer