Spesialisering i økonomistyring og investeringsanalyse DST 9530
|
|
- Cathrine Britt Caspersen
- 8 år siden
- Visninger:
Transkript
1 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 problemer Tor Tangenes BI - Sandvika H-00 LP - kilde til beslutningsinformasjon Veien til erkjennelse går via slakkvariabler Analytisk tilnærming og litt følsomhetsanalyse LP og kapitalrasjonering Bruk Excel og tolkning av Excel-rapporter Oppgaver og case: Mørebanken Hva er lineær programmering (LP) LP er en metode hvor man søker å fordele begrensede ressurser til gitte aktiviteter på en effektiv måte for å nå et mål. Karakteristiske trekk ved LP Funksjoner for mål og begrensninger er lineære LP er normalt EDB-basert LP kan anvendes på et stort antall ulike optimeringsproblemer LP kan lett generaliseres til ikke-lineær programmering Eksempler på bruk av LP i økonomiske problemer () Porteføljevalg - verdipapirer Maks. avkastning Min risiko Maks risikojustert avkastning Produktvalg Fordeling mellom store og små selskaper Fordeling på bransjer Minimum antall selskaper Fordeling mellom aksjer og rentepapirer Ulike fundamentale seleksjonskriterier Maks totalt overskudd Maks totalt dekningsbidrag Kapital Kvalifisert arbeidskraft Fysisk produksjonskapasitet Marked Råvarer tor.tangenes@bi.no -
2 Eksempler på bruk av LP i økonomiske problemer () Markedsføringsbudsjett Maks eksponering for målgruppe Eksempler på bruk av LP i økonomiske problemer () Kapitalrasjonering Maks nåverdi av fremtidige prosjekter Totalbudsjett Minimumeksponering i ulike media Minimum mediaspredning Maksimum mediaspredning Tilgjengelig ekstern investeringskapital Kapital som genereres av igangsatte prosjekter Produksjon Minimér ressursforbruk Minimuminnhold av ulike råvarer Maksimuminnhold av ulike råvarer Produksjonskapasitet Lagring og distribusjon Eksempel på et LP-problem Begreper og sammenhenger i LP () Et sykehus vurderer å utvide kapasiteten ved å bygge en ny avdeling med 90 sengeplasser. Sykehusets problem er å bestemme hvor mange senger som skal benyttes til medisinske pasienter og hvor mange som skal benyttes til kirurgiske pasienter. Sykehuset har i dag ledig laboratorie-, røntgen- og operasjonskapasitet. En gjennomsnittlig medisinsk pasient er på sykehuset i 8 dager og mottar en gjennomsnittsregning på $.80. Tilsvarende tall for en kirurgisk pasient er 5 dager og $.55. Sykehuset kan uten vesentlige tilleggskostnader utføre flere laboratorietester, flere røntgenbilder og.800 flere operasjoner enn i dag. En gjennomsnittlig medisinsk pasient krever, lab-tester og røntgenbilde pr. dag. Tilsvarende tall for en gjennomsnittlig kirurgisk pasient er,6 og. Avdelingens kostnader i forbindelse med åpningen av den nye avdelingen er uavhengig av fordelingen mellom kirurgiske og medisinske pasienter og er budsjettert til $ 5 mill. Målfunksjon En funksjon av to eller fler variabler, som uttrykker beslutningstakers målsetning. Funksjonen er lineær og deterministisk. Begrensninger (bibetingelser) Funksjoner som begrenser løsningsmengden for målfunksjonen. Disse er lineære og deterministiske. Tillatt løsning Enhver løsning som tilfredsstiller alle begrensninger. Mulighetsområde Mengden av alle tillatte løsninger. Optimal løsning Løsning(er) som løser optimeringsproblemet. Sykehuset ønsker å maksimere resultatet som genereres fra den nye avdelingen tor.tangenes@bi.no 5-8
3 Formulér sykehusets beslutningsproblem Mulighetsområde for den nye avdelingen x Senger målt i pasientdøgn Markerer en hjørneløsning (basisløsning) Maks TI x, x ) = ( u. b. Sengedøgn Laboratorietester Røntgenbilder Operasjoner Røntgenbilder Operasjoner Antall laboratorietester x : Antall medisinske pasienter x : Antall kirurgiske pasienter x Hvor ligger optimum? () Som vi ser av diagrammet på foregående side, er de fire ressursenes kapasitetsgrenser representert ved fire rette linjer (isokvanter for full kapasitet). Eksempelvis er isokvanten for kapasiteten på røntgenbilder bestemt av ligningen: x + x = Optimum kan finnes grafisk ved også å representere målfunksjonen i diagrammet. Problemet er her at vi manger høyresiden til ligningen for en rett linje. Venstresiden er:.80x +.55x = Høyresiden velges derfor vilkårlig, f.eks. velger vi en inntekt på $ 5 mill. Dette er neppe optimal inntekt (resultat), men et utgangspunkt.? x.00 Isoinntektslinje for TI = 5 mill. Hvor ligger optimum? () Senger målt i pasientdøgn Otimum.80x +.55x x = 0 x Røntgenbilder =.00 Operasjoner Antall laboratorietester = x : Antall medisinske pasienter x : Antall kirurgiske pasienter x = 0 x =.9 x tor.tangenes@bi.no 9-
4 Hvor er optimum? () Vi ser at alle punkter på isoinntektslinjen for inntekt lik $ 5 mill. ligger i mulighetsområdet og er følgelig mulige tilpasninger om ikke optimale. Siden isoinntektslinjens stigningstall er bestemt av linjens koeffisienter (.80 og.55), kan vi tenke oss et stort antall av parallelle linjer som hver representerer en bestemt inntekt. Linjer som ligger parallelt utenfor den inntegnede representerer inntekter større enn $ 5 mill. og motsatt for parallelle linjer innenfor. Siden vårt mål er å oppnå en størst mulig inntekt (og derigjennom resultat), ønsker vi å tilpasse oss på en isoinntektslinje som ligger lengst mulig ut (nord-øst) i mulighetsområdet. Vi parallellforskyver den inntegnede linjen lengst mulig utover uten å fjerne oss fra mulighetsområdet. Hvor er optimum? () Viktig LP-resultat: Optimum vil alltid ligge i et hjørne (basisløsning). Vi kan derfor konsentrere oss om å studere disse. Problem med grafisk løsning: Kan kun brukes når antall beslutningsvariabler er begrenset til to (tre). Unøyaktig Gir lite beslutningsinformasjon utover å finne optimum. Vi skal derfor nå vise intuisjonen bak løsningsalgoritmen som benyttes i bl.a. EDB-baserte LP-programmer. Begreper og sammenhenger i LP () Antall basisløsninger (hjørner) Slakkvariabler En slakkvariabel forteller hvorvidt vi har ledig kapasitet i en av de spesifiserte ressursene. Vi har mao. én slakkvariabel pr. bibetingelse. Anta at s er slakkvariabelen for antall senger - S (pasientdøgn), s er slakkvariabel for lab-tester - L, osv. Basisløsninger Vi kan derfor reformulere de fire bibetingelsene, slik vist under: () 8 x + 5x + s =.850 (S) (),x +,6x + s = (L) () x + x + s = (R) () x + s =.800 (O) Vi har nå et ligningssystem med 6 variabler og fire ligninger. Vi har følgelig 6 - = frihetsgrader. Dette innebærer at av de 6 variablene må gis en verdi for at systemet entydig skal kunne løses. Det er 5 måter å gi av 6 variabler en bestemt verdi. Den løsning vi får når variabler gis en bestemt verdi, kalles en basisløsning. Vi har derfor 5 basisløsninger. Anta at vi har et ligningssystem med m ligninger i n variabler. Dette gir a = n - m frihetsgrader. Antall basisløsninger b er gitt ved: n! b = ( n a )! a! I vårt eksempel får vi: 6! 5 6 = = 5!! Siden én bibetingelse er ensidig, faller basisløsning 9 bort i vårt eksempel tor.tangenes@bi.no -6
5 Begreper og sammenhenger i LP () Basisvariabler og variabler utenfor basis Hvis verdien vi tilordner av de 6 varaiblene er null, vil basisløsningene samsvare med hjørnene i isokvantdiagrammet foran. Vi vet at optimum finnes i et hjørne og konsentrerer oss kun om disse. Begreper og sammenhenger i LP () Skyggepris Anta at bebetingelsene er relatert til foretakets ressurser. Hver ressurs vil ha en skyggepris som forteller om ressursens økonomiske verdi for bedriften i en bestemt beslutningssituasjon. Variabler x x s s s s Basisløsning 0 0 Basisløsning 0 0 Basisløsning 0 0 Basisløsning 0 0 Basisløsning 5 0 Basisløsning Basisløsning Basisløsning Basisløsning (NEI) Basisløsning Basisløsning 0 0 Basisløsning 0 0 Basisløsning 0 0 Basisløsning 0 0 Basisløsning δf ( x, r) Matematisk er skyggeprisen for ressurs i lik: λi = δri der målfunksjonen F er en funksjon av foretakets ulike aktiviteter og ressurser. x er følgelig en aktivitetsvektor, mens r er en ressursvektor. Skyggepris og slakkvariabelverdi Hvis en ressurs er fullt utnyttet (ingen ledig kapasitet), vil denne ressursens slakkvariabel ha verdi lik 0. Hvis foretaket er i stand til å øke ressurstilgangen, vil hulighetsområdet bli større med bedre måloppfyllelse som konsekvens. Det er derfor rimelig å anta skyggeprisen er positiv. Hvis foretaket ikke kan utnytte tilgjengelig mengde av en ressurs, vil ekstra tilgang på denne ressursen ikke bidra til bedret måloppfyllelse og ressursens skyggepris er lik null. x Nummerering av basisløsningene S 0 Markerer en hjørneløsning (basisløsning) R s : S s : L s : R s : O L O Sentrale problemer i produktvalgsproblemet Hvilken løsning er optimal? Hva skjer med optimum hvis ressurstilgangen endres? Hva skjer med optimum hvis koeffisientene i målfunksjonen endres? Hva skjer med optimum hvis koeffisientene i bibetingelsene endres? Hvordan påvirkes optimum av endret ressurstilgang? Hva er ressursenes skyggepriser? For hvilke ressursendringer gjelder skyggeprisene? x : Antall medisinske pasienter x : Antall kirurgiske pasienter x Hvor mye bør bedriften maksimalt være villig til å betale for marginale ressurser? Hvilke ressursbegrensninger bør bedriften søke å fjerne først? tor.tangenes@bi.no 7-0
6 Gjennomgangseksemplet Vi skal nå løse de forskjellige problemene, formulert på siden foran, ved å studere gjennomgangseksemplet grundigere. Den analytiske løsningen som følger har til hensikt å gi den nødvendige intuisjon, som er nødvendig når EDB-baserte løsninger skal tolkes. I den neste oppgaven skal studentene bruke Excel til å løse de samme problemene. Optimal basisløsning samt variabler i og utenfor basis () Fra den grafiske løsningen vet vi at basisløsning nr. er den optimale. HVORFOR? Excel (problemløseren/solver) og andre programmer med LP-moduler, benytter en løsningsalgoritme som heter SIMPLEX. Denne algoritmen beveger seg fra basisløsning til basisløsning på en slik måte at neste basisløsning gir bedre måloppfyllelse enn den foregående. Ved hver basisløsning sjekkes det for optimum. Når optimum er funnet avsluttes beregningene. Hva kjennetegner basisløsning nr. med hensyn på variabler i og utenfor basis? Hvilken realøkonomisk informasjon gir svaret på ovenstående spørsmål: Optimal basisløsning samt variabler i og utenfor basis () Variabler i basis: Optimal basisløsning samt variabler i og utenfor basis () Vi kan forløpig slutte at følgene ressurser har skyggepris > 0: Variabler utenfor basis: I optimum (basisløsning ) har vi unyttet kapasitet på: Vi kan foreløpig slutte at følgende ressurser har skyggepris = 0: I optimum (basisløsning ) har vi full kapasitetsutnyttelse på: tor.tangenes@bi.no -
7 Reformulering av bibetingelsene () Reformulering av bibetingelsene () Vi vet at følgende variabler er i basis i optimum: x > 0 (antall medisinske pasienter) x > 0 (antall kirurgiske pasienter) s > 0 (unyttet kapasitet på lab.-tester) ==> Skyggepris = 0 s > 0 (unyttet kapasitet på operasjoner) ==> Skyggepris = 0 Vi vet også at følgende variabler er utenfor basis i optimum: s = 0 (ingen unyttet kapasitet på senger) ==> Skyggepris > 0 s = 0 (ingen unyttet kapasitet på røntgen) ==> Skyggepris > 0 Siden antall senger og antall røntgenbilder representerer flaskehalser, vil det være av interesse å se hva som skjer med de øvrige variablene (variablene i basis) hvis vi klarer å fjerne flaskehalsene. Vi skal derfor nå formulere variablene i basis som funksjoner av variablene utenfor basis. Utgangspunkt () () () () Mål x x s s 8x + 5x + s,x +,6x + s x + x + s x + s =.800 = f ( s, s ) = f ( s, s ) = f ( s, s ) = f ( s, s ) =.850 = = Reformulering av bibetingelsene () Reformulering av bibetingelsene (). manipulering: Basisvariablene løses ut fra de fire ligningene () () () () 5 x =.06,5 x s 8 8 s = 5.000, x,6x x =.500 x s s =.800 x. manipulering: Setter (*) inn i () for å fjerne x () x =.500 x s () x =.500 (.790,9 0,88s + 0,56s) s (*) x =.0,55 + 0,0909s 0,77s x er er nå formulert iht. kravet. manipulasjon: Setter () inn i () for å fjerne x () () 5 x = 06., 5- ( x- s) - s x x =.06,5.87,50 + s 6 6 (*) x =.790,9 0,88s + 0, 56s x er er nå formulert iht. kravet s 8. manipulasjon: Setter (*) inn i () for å fjerne x () (*) s s =. 800-x = 695,5 0,0909s + 0,77s s er er nå formulert iht. kravet tor.tangenes@bi.no 5-8
8 Reformulering av bibetingelsene (5) Reformulering av målfunksjonen 5. manipulering: Setter (*) og (*) inn i for å fjerne x og x () s = 5.000, x,6x () s = 5.000,(.790,9 0,88s + 0,56s),6(.0,55 + 0,0909s 0,77s) (*) s = 876,5 + 0,7s + 0,87s s er er nå formulert iht. kravet TI =.80x +.55x TI = ,79s 65,7s TI =.80(.790,9 0,88s + 0, 56s ) +.55(.0,55 + 0,0909s 0,77s ) Målfunksjon og bibetingelser reformulert TI = ,79s 65,7s x =.790,9 0,88s + 0, 56s s s x =.0,55 + 0,0909s 0,77s = = 876,5 + 0,7s + 0,87s 695,5 0,0909s + 0,77s Basert på tabellen over kan spørsmålene på neste side besvares uten vesentlige beregninger. Problemer knyttet til gjennomgangseksemplet () Gitt den eksisterende ressurstilgang, hva er optimal fordeling på medisinske og kirurgiske pasienter? Hva er skyggeprisen på de fire oppgitte ressursene, og hvorfor er skyggeprisene relevant beslutningsinformasjon? Hvor mye slakk har avdelingen på lab-tester og operasjoner i optimum? Hvor mye bør sykehuset maksimalt være villig til å betale for en ekstra seng? Hvordan påvirkes optimal fordeling av at avdelingens sengekapasitet øker med 0 senger? Anta at røntgenkapasiteten kan økes til en lav kostnad. Hvor meget bør ressurstilgangen økes? tor.tangenes@bi.no 9-
BEDRIFTSØKONOMISK ANALYSE MAN 8898 / 8998
BEDRIFTSØKONOMISK ANALYSE MAN 8898 / 8998 Lineær programmering og bedriftøkonomike problemer Tor Tangene BI - Sandvika V-00 Dipoijon Bruk av LP i økonomike problemer Et LP-problem Begreper og noen grunnleggende
DetaljerLP. 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
DetaljerLineær 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
DetaljerProduktvalg ITD20106: Statestikk og Økonomi
Produktvalg ITD20106: Statestikk og Økonomi 1 Bedrifter må ofte forholde seg til ulike begrensninger som gir flaskehalser i produksjonen. Eksempler: Begrenset kapasitet på en maskin i produksjonsavdelingen
DetaljerEKSAMEN Emnekode: SFB11102 Dato: Hjelpemidler: Utdelt kalkulator
EKSAMEN Emnekode: SFB11102 Dato: 30.11.18 Hjelpemidler: Utdelt kalkulator Emnenavn: Operasjonsanalyse Eksamenstid: 4t Faglærere: John-Erik Andreassen Om eksamensoppgaven og poengberegning: Oppgavesettet
DetaljerMAN 89981 Bedriftsøkonomisk analyse med beslutningsverktøy
Handelshøyskolen BI Institutt for regnskap, revisjon og jus Skriftlig eksamen: MAN 89981 Bedriftsøkonomisk analyse med beslutningsverktøy Eksamensdato: 19.06.2002, kl. 09.00-14.00 Tillatte hjelpemidler:
DetaljerKapittel 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
DetaljerLØSNINGSFORSLAG 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
DetaljerKapittel 5: dualitetsteori
LP Leksjon 5 Kapittel 5: dualitetsteori motivasjon det duale problemet svak og sterk dualitet det duale til LP problemer på andre former LP Leksjon 5: #1 of 17 Motivasjon Til ethvert LP problem (P) er
DetaljerKapittel 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:
DetaljerLP. Leksjon 7. Kapittel 13: Nettverk strøm problemer
LP. Leksjon 7. Kapittel 13: Nettverk strøm problemer Skal studere matematiske modeller for strøm i nettverk. Dette har anvendelser av typen fysiske nettverk: internet, vei, jernbane, fly, telekommunikasjon,
DetaljerEmneplan med beskrivelse av læringsutbytte følger vedlagt (se vedlegg 2).
Sensorveiledning emnet operasjonsanalyse. Sensorveiledningen skal sikre en faglig forsvarlig og upartisk vurdering. Det bør derfor blant annet sikre at sensor har innsikt i hva som har vært fokus i undervisningen,
DetaljerVeiledning oppgave 3 kap. 2 i Strøm & Vislie (2007) ECON 3610/4610 Samfunnsøkonomisk lønnsomhet og økonomisk politikk
1 Jon Vislie; august 27 Veiledning oppgave 3 kap. 2 i Strøm & Vislie (27) ECON 361/461 Samfunnsøkonomisk lønnsomhet og økonomisk politikk Vi betrakter en lukket økonomi der vi ser utelukkende på bruk av
DetaljerLineær optimering. Innhold. Lineær optimering S1
Lineær optimering Innhold Kompetansemål Lineær optimering, S1... 2 Innledning... 2 Lineær optimering... 3 Eksempel 1 Jordbær eller moreller?... 3 Arealbegrensninger... 4 Investeringsbegrensninger... 5
DetaljerLP. Leksjon 1. Kapittel 1 og 2: eksempel og simpleksmetoden
LP. Leksjon 1. Kapittel 1 og 2: eksempel og simpleksmetoden Dette emnet gir en innføring i lineær optimering og tilgrensende felt. hva er LP (lin.opt.=lin.programmering) mer generelt: matematisk optimering
DetaljerLP. Leksjon 5. Kapittel 5: dualitetsteori. motivasjon det duale problemet svak og sterk dualitet det duale til LP problemer på andre former
LP. Leksjon 5 Kapittel 5: dualitetsteori motivasjon det duale problemet svak og sterk dualitet det duale til LP problemer på andre former 1 / 26 Motivasjon Til ethvert LP problem (P) er det knyttet et
Detaljer201303 ECON2200 Obligatorisk Oppgave
201303 ECON2200 Obligatorisk Oppgave Oppgave 1 Vi deriverer i denne oppgaven de gitte funksjonene med hensyn på alle argumenter. a) b) c),, der d) deriveres med hensyn på både og. Vi kan benytte dee generelle
DetaljerLP. Leksjon 6: Kap. 6: simpleksmetoden i matriseform, og Seksjon 7.1: følsomhetsanalyse
LP. Leksjon 6: Kap. 6: simpleksmetoden i matriseform, og Seksjon 7.1: følsomhetsanalyse matrisenotasjon simpleksalgoritmen i matrisenotasjon eksempel negativ transponert egenskap: bevis følsomhetsanalyse
Detaljerb) Forventet verdi er: Stor: = 26 Middels: = 17 Liten: = 12 Man velger alternativet stor.
Oppgave 1 (20 %) a) Maximax gir stor utbygging (70) mens maximin gir ingen utbygging (0). Laplace innebærer at begge utfallene er like sannsynlige. Det gir for stor (70 40)/2 = 15, middels (45 25)/2 =
DetaljerHandelshøyskolen BI Institutt for regnskap, revisjon og jus MAN Bedriftsøkonomisk analyse med beslutningsverktøy , kl
Handelshøyskolen BI Institutt for regnskap, revisjon og jus Skriftlig eksamen i: MAN 89981 Bedriftsøkonomisk analyse med beslutningsverktøy. Eksamensdato: 20.06.2001, kl. 09.00-14.00 Tillatte hjelpemidler:
DetaljerProduktsammensetning. Produktvalg. Produktvalg
Produktvalg Bedriftens produktvalg ved ledig kapasitet og ved innskrenkninger Foreta en flaskehalsberegning ved en knapp faktor Foreta en flaskehalsberegninger når det samtidig eksisterer flere flaskehalser
DetaljerTIØ 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
DetaljerKapittel 5 Lønnsomhetsanalyse
Løsningsforslag oppgaver side 125 131 Dersom ikke annet er oppgitt, er prisene i oppgavene uten merverdiavgift. Løsningsforslag oppgave 5.14 a) Papas T Papas O Papas K Papas G Direkte materialer kr 5,00
DetaljerOperasjonsanalyse Økonomiutdanningen
Operasjonsanalyse Økonomiutdanningen Ordinær eksamen mai 2009 2. år Dato: 6. mai 2009 Tid: 4 timer Antall oppgavesider inklusive tittelside: 5 Antall oppgaver: 4 Tillatte hjelpemider: Alle NOPA06V Oppgave
DetaljerProdusentens tilpasning II og produsentens tilbud
Kapittel 10 Produsentens tilpasning II og produsentens tilbud Løsninger Oppgave 10.1 (a) X = F (L, K). (b) Dette er en type utledningsoppgave, som innebærer at du skal presentere en modell. I denne oppgaven
DetaljerLøsningsforslag til oppgaver kapittel 9 (Det er brukt en avansert regnearkmodell i enkelte av løsningene.)
sforslag til oppgaver kapittel 9 (Det er brukt en avansert regnearkmodell i enkelte av løsningene.) 9.1 a) b) Produktbetegnelse Kaker Pudding Boller Pris 28, 26, 32, Variable kostnader per enhet 18,5 17,
DetaljerLP. Leksjon 3. Kapittel 3: degenerasjon.
LP. Leksjon 3. Kapittel 3: degenerasjon. degenerasjon eksempel på sirkling den leksikografiske metoden andre pivoteringsregler fundamentaleoremet i LP 1 / 23 Repetisjon simpleksalgoritmen: sekvens av pivoteringer
DetaljerKapittel 7 Markedstilpasning
Oppgaver side 180-181 Løsningsforslag oppgave 7.5 a) Oppgave 7.5 modell - Excel-fil 1 b) Vi finner dekningspunktene der pris skjærer sum enhetskostnader (SEK) i enhetsdiagrammet. Her ser vi at nedre dekningspunkt
DetaljerFaktor. Eksamen høst 2004 SØK 1002: Innføring i mikroøkonomisk analyse Besvarelse nr 1: -en eksamensavis utgitt av Pareto
Faktor -en eksamensavis utgitt av Pareto Eksamen høst 2004 SØK 1002: Innføring i mikroøkonomisk analyse Besvarelse nr 1: OBS!! Dette er en eksamensbevarelse, og ikke en fasit. Besvarelsene er uten endringer
DetaljerModerne optimering mer enn å derivere!!
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
DetaljerSeminar 7 - Løsningsforslag
Seminar 7 - Løsningsforslag Econ 3610/4610, Høst 2016 Oppgave 1 Vi skal se på en økonomi der der det produseres tre varer, alle ved hjelp av arbeidskraft. Arbeidskraft er tilgjengelig i økonomien i en
DetaljerSeminar 7 - Løsningsforslag Econ 3610/4610, Høst 2013
Seminar 7 - Løsningsforslag Econ 3610/4610, Høst 2013 Oppgave 1 Vi ser på en lukket økonomi, der vi har en stor gruppe like konsumenter (oppfattet som én representativ aktør) som konsumerer to individualgoder
DetaljerEksamen i BIP190: Bedriftsøkonomi med entreprenørskap
Eksamen i BIP190: Bedriftsøkonomi med entreprenørskap Varighet: 4 timer Dato: 6. mai. 2013 Hjelpemidler: Bestemt, enkel kalkulator. Oppgavesettet består av til sammen 9 sider A. Flervalgsoppgaver (side
DetaljerEcon 2200 H04 Litt om anvendelser av matematikk i samfunnsøkonomi.
Vidar Christiansen Econ 00 H04 Litt om anvendelser av matematikk i samfunnsøkonomi. Et viktig formål med kurset er at matematikk skal kunne anvendes i økonomi, og at de matematiske anvendelser skal kunne
DetaljerLP. Leksjon 4. Kapittel 4: effektivitet av simpleksmetoden
LP. Leksjon 4 Kapittel 4: effektivitet av simpleksmetoden hvordan måle effektivitet? verste tilfelle analyse, Klee-Minty kuben gjennomsnittsanalyse og i praksis 1 / 18 Status Hvor langt er vi kommet i
DetaljerKapittel 9. Produsentens tilpasning I. Løsninger. Oppgave 9.1
apittel 9 Produsentens tilpasning I Løsninger Oppgave 9.1 (a) I denne oppgaven er hensikten å komme fram til optimalitetsbetingelsen MRTS lik faktorprisforholdet, altså produsentens optimale valg av innsatsfaktorer.
DetaljerHusk 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
DetaljerUNIVERSITETET I OSLO
UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i MAT-INF 1100 Modellering og beregninger del 1 Eksamensdag: Tirsdag 7. desember 2004 Tid for eksamen: 14:30 17:30 Oppgavesettet
DetaljerSØK400 våren 2002, oppgave 4 v/d. Lund
SØK400 våren 2002, oppgave 4 v/d. Lund I denne oppgaven er det usikkerhet, men den eneste usikkerheten er knyttet til hvilken tilstand som vil inntreffe. Vi vet at det bare er to mulige tilstander, og
DetaljerInstitutt for økonomi og administrasjon
Fakultet for samfunnsfag Institutt for økonomi og administrasjon Mikroøkonomi I Bokmål Dato: Torsdag 1. desember 013 Tid: 4 timer / kl. 9-13 Antall sider (inkl. forside): 7 Antall oppgaver: 3 Tillatte
DetaljerLineære ligningssystemer og gausseliminasjon
Kapittel Lineære ligningssystemer og gausseliminasjon Vi skal lære en metode for å finne og beskrive alle løsninger av systemer av m lineære ligninger med n ukjente Oppvarming Her er et eksempel på et
DetaljerUNIVERSITETET I OSLO
UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i INF-MAT 3370 Lineær optimering Eksamensdag: 3. juni 2008 Tid for eksamen: 14.30 17.30 Oppgavesettet er på 5 sider. Vedlegg: Ingen
DetaljerSensorveiledning til eksamen i ECON
Sensorveiledning til eksamen i ECON 0 0..003 Oppgave (vekt 40%) (a) Markedslikevekten under fri konkurranse: Tilbud = Etterspørsel 00 + = 400 = 300 = 50 p = 50. (b) Forurensningen som oppstår ved produksjonen
DetaljerUNIVERSITETET I OSLO
UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i MAT-INF 00 Modellering og beregninger. Eksamensdag: Torsdag 6. desember 202. Tid for eksamen: 9:00 3:00. Oppgavesettet er på 8
DetaljerEksamensoppgave i TIØ4120 Operasjonsanalyse, gk.
Institutt for industriell økonomi og teknologiledelse Eksamensoppgave i TIØ4120 Operasjonsanalyse, gk. Faglig kontakt under eksamen: Anders Gullhav Tlf.: 90 92 71 00 Eksamensdato: 05.08.2013 Eksamenstid
DetaljerKapittel 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:
DetaljerOppgave 11: Oppgave 12: Oppgave 13: Oppgave 14:
Oppgave 11: Ved produksjon på 100 000 enheter pr periode har en bedrift marginalkostnader på 1 000, gjennomsnittskostnader på 2 500, variable kostnader på 200 000 000 og faste kostnader på 50 000 000.
DetaljerSensorveiledning ordinær eksamen Econ 3610/4610, Høst 2014
Sensorveiledning ordinær eksamen Econ 3610/4610, Høst 2014 Oppgaven er nok relativt lang, slik at mange kandidater ikke vil greie å besvare alle deloppgavene. Oppgave 1a) og 2a) er helt elementære, og
DetaljerLineær optimering. Innhold. Lineær optimering S1
Lineær optimering Innhold Kompetansemål Lineær optimering, S1... 2... 2 Innledning... 2 Lineær optimering... 3 Jordbær eller moreller?... 3 Arealbegrensninger... 3 Investeringsbegrensninger... 5 Arbeidsmengdebegrensning...
DetaljerMatematikk for økonomer Del 2
Matematikk for økonomer Del 2 Oppgavedokument Antall oppgaver: 75 svar Antall kapitler: 10 kapitler Antall sider: 15 Sider Forfatter: Studiekvartalets kursholdere Kapittel 1 Derivasjon 1. f (x) = 2x 2
DetaljerUNIVERSITETET I OSLO
UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i INF-MAT 3370 Lineær optimering Eksamensdag: 1. juni 2010 Tid for eksamen: 09.00 12.00 Oppgavesettet er på 5 sider. Vedlegg: Ingen
DetaljerINEC1800 ØKONOMI, FINANS OG REGNSKAP EINAR BELSOM
INEC1800 ØKONOMI, FINANS OG REGNSKAP EINAR BELSOM HØST 2017 FORELESNINGSNOTAT 2 Tilbud og likevekt* Hovedvekten i dette notatet er på tilbud og markedslikevekt. Tilbudskurven gir en sammenheng mellom prisen
DetaljerLøsningsforslag til obligatorisk øvelsesoppgave i ECON 1210 høsten 05
Løsningsforslag til obligatorisk øvelsesoppgave i ECON 1210 høsten 05 Oppgave 1 (vekt 50%) (a) Markedslikevekten under fri konkurranse: Tilbud = Etterspørsel 100 + x = 400 x 2x = 300 x = 150 p = 250. (b)
DetaljerLØSNINGSFORSLAG 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
DetaljerKapittel 4: effektivitet av simpleksmetoden
LP. Leksjon 4 Kapittel 4: effektivitet av simpleksmetoden hvordan måle effektivitet? verste tilfelle analyse, Klee-Minty kuben gjennomsnittsanalyse og i praksis LP. Leksjon 4: #1 of 14 Status Hvor langt
DetaljerInnhold 3 Forord.... 8 Kapittel 1 Økonomi og bedrift 1.1 Innledning................................................ 11 1.2 Det økonomiske fagområdet... 14 1.3 To grunnleggende forutsetninger i økonomisk
DetaljerHandelshøyskolen BI Institutt for regnskap, revisjon og jus. Eksamensdato: 15.12.2000, kl. 09.00-14.00. Tillatte hjelpemidler: Alle
Handelshøyskolen BI Institutt for regnskap, revisjon og jus Sensorveiledning i: BLU 21021 Økonomistyring; teori og praksis Eksamensdato: 15.12.2000, kl. 09.00-14.00 Tillatte hjelpemidler: Alle Antall sider:
DetaljerKapittel 5 Lønnsomhetsanalyse
Kapittel 5 Lønnsomhetsanalyse Løsningsforslag oppgaver side 111 115 Dersom ikke annet er oppgitt, er prisene i oppgavene uten merverdiavgift. Løsningsforslag oppgave 5.1 INNDATA: Pris 950 Variable kostnader
DetaljerSide 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
DetaljerECON2200: Oppgaver til for plenumsregninger
University of Oslo / Department of Economics / Nils Framstad 9. mars 2011 ECON2200: Oppgaver til for plenumsregninger Revisjoner 9. mars 2011: Nye oppgavesett til 15. og 22. mars. Har benyttet sjansen
DetaljerKostnadsminimering; to variable innsatsfaktorer
Kostnadsminimering; to variable innsatsfaktorer Avsnitt 3.2 i ØABL drøfter kostnadsminimering Som om produktmengden var en gitt størrelse Avsnitt 3.3 3.8: Velger produktmengde for maks overskudd Men uansett
DetaljerLineære ligningssystemer og gausseliminasjon
Kapittel Lineære ligningssystemer og gausseliminasjon Vi skal lære en metode for å finne og beskrive alle løsninger av systemer av m lineære ligninger med n ukjente. Oppvarming Her er et eksempel på et
DetaljerBedriftsøkonomisk analyse
S P E S I E L L E E M N E R I Bedriftsøkonomisk analyse Rasmus Rasmussen L I N E Æ R P R O G R A M M E R I N G O G K O S T N A D S F O R D E L I N G Del 1 Lineær Programmering og kostnadsfordeling Vansker
DetaljerEgenverdier og egenvektorer
Kapittel 9 Egenverdier og egenvektorer Det er ofte hensiktsmessig å tenke på en matrise ikke bare som en tabell med tall, men som en transformasjon av vektorer Hvis A er en m n-matrise, så gir A en transformasjon
Detaljerc) En bedrift ønsker å produsere en gitt mengde av en vare, og finner de minimerte
Oppgave 1 (10 poeng) Finn den første- og annenderiverte til følgende funksjoner. Er funksjonen strengt konkav eller konveks i hele sitt definisjonsområde? Hvis ikke, bestem for hvilke verdier av x den
Detaljer3x + 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
DetaljerObligatorisk innleveringsoppgave - Veiledning Econ 3610, Høst 2013
Obligatorisk innleveringsoppgave - Veiledning Econ 3610, Høst 2013 Oppgave 1 Vi ser på en økonomi der det kun produseres ett gode, ved hjelp av arbeidskraft, av mange, like bedrifter. Disse kan representeres
DetaljerInstitutt for økonomi og administrasjon
Fakultet for samfunnsfag Institutt for økonomi og administrasjon Mikroøkonomi I Bokmål Dato: Fredag 5 desember 04 Tid: 4 timer / kl 9-3 Antall sider (inkl forside): 7 Antall oppgaver: 3 Tillatte hjelpemidler:
DetaljerKapittel 7 Markedstilpasning
Oppgaver side 190-193 Løsningsforslag oppgave 7.9 Oppgave 7.9 modell - Excel-fil a) Priselastisiteten Ep, forteller noe om hvor følsom den etterspurte mengden er overfor endringer i prisen. Formel 6.4
DetaljerLøsningsveiledning, Seminar 10 Econ 3610/4610, Høst 2014
Løsningsveiledning, Seminar 10 Econ 3610/4610, Høst 014 Oppgave 1 (oppg. 3 eksamen H11 med noen små endringer) Vi betrakter en aktør på to tidspunkter, 1 og. Denne aktøren representerer mange aktører i
DetaljerLøsningsforslag seminar 1
Løsningsforslag seminar Econ 360/460, Høst 06 Oppgave a) dx = a dn dx = dn N = N Tolkning: Økning i produksjonen (av henholdsvis vare og ) når mengden arbeidskraft som benyttes i produksjonen økes med
DetaljerLøsningsforslag til eksamen i ECON 2200 vår løsningen på problemet må oppfylle:
Oppgave 3 Løsningsforslag til eksamen i ECON vår 5 = + +, og i) Lagrangefunksjonen er L(, y, λ) y A λ[ p y m] løsningen på problemet må oppfylle: L y = λ = λ = = λ = p + y = m L A p Bruker vi at Lagrangemultiplikatoren
DetaljerOppdatert august 2014. Helhetlig regneplan Olsvik skole
Oppdatert august 2014 Helhetlig regneplan Olsvik skole Å regne Skolens er en strategier basis for for livslang å få gode, læring. funksjonelle elever i regning. 1 Vi på Olsvik skole tror at eleven ønsker
DetaljerSvar til. EKSAMEN I EMNE TIØ4120 OPERASJONSANALYSE, GK Onsdag 10. august 2011 Tid: kl. 0900-1300 Bokmål
Side 1 av 10 NTNU Institutt for industriell økonomi og teknologiledelse Faggruppe for bedriftsøkonomi og optimering Faglig kontakt under eksamen: Navn: Lars Magnus Hvattum Oppgave settet laget av: Navn:
Detaljer600 x 2. d) Dersom dekningsbidraget reduseres til 20 kr per enhet for produkt 2, blir målfunksjonen: Da er optimal løsning gitt ved hjørnepunkt 2:
LØSNINGER Kapittel. a) Målfunksjon og restriksjoner: Maksimer Z = x + 6x Restriksjoner: Maskin A x + x Maskin B x + x x, x Mulighetsområdet beskrives av kapasitetslinjene i figuren (hjørnepunktene ---5).
DetaljerOppgave 12.1 (a) Monopol betyr en tilbyder. I varemarkedet betraktes produsentene som tilbydere. Ved monopol er det derfor kun en produsent.
Kapittel 12 Monopol Løsninger Oppgave 12.1 (a) Monopol betyr en tilbyder. I varemarkedet betraktes produsentene som tilbydere. Ved monopol er det derfor kun en produsent. (b) Dette er hindringer som gjør
DetaljerKontroller at oppgavesettet er komplett før du begynner å besvare spørsmålene. Ved sensuren teller alle delspørsmål likt.
Eksamen i: MET00 Statistikk for økonomer Eksamensdag: 8. november 2007 Tid for eksamen: 09.00-13.00 Oppgavesettet er på 5 sider. Tillatte hjelpemidler: Alle trykte eller egenskrevne hjelpemidler og kalkulator.
DetaljerTarget Costing og Cost Management. Target costing er en metode for å fastsette salgsprisen på produkter og samtidig sikre lønnsomhet ved lansering.
BØK 2215 Strategisk Økonomistyring 2. Forelesning del 2 Target Costing Tor Tangenes / Handelshøyskolen BI Target Costing og Cost Management Target costing er en metode for å fastsette salgsprisen på produkter
DetaljerProduktvalg og Driftsregnskap ITD20106: Statistikk og Økonomi
Produktvalg og Driftsregnskap ITD20106: Statistikk og Økonomi 1 Kapittel 9 Produktvalg Bedrifter må ofte forholde seg til ulike begrensninger som gir flaskehalser i produksjonen. Eksempler: Begrenset kapasitet
Detaljerη = 2x 1 + x 2 + x 3 x 1 + x 2 + x 3 + 2x 4 3 x x 3 4 2x 1 + x 3 + 5x 4 1 w 1 =3 x 1 x 2 x 3 2x 4 w 2 =4 x 1 x 3 w 3 =1 2x 1 x 3 5x 4
UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i MA-IN-ST 233 Konveksitet og optimering Eksamensdag: 31. mai 2000 Tid for eksamen: 9.00 13.00 Oppgavesettet er på 5 sider. Vedlegg:
DetaljerKapittel 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
DetaljerECON3610 Samfunnsøkonomisk lønnsomhet og økonomisk politikk Forelesning 5
ECON3610 Samfunnsøkonomisk lønnsomhet og økonomisk politikk Forelesning 5 Diderik Lund Økonomisk institutt Universitetet i Oslo 23. september 2011 Vil først se nærmere på de siste sidene fra forelesning
DetaljerKapittel 7 Markedstilpasning
Kapittel 7 Markedstilpasning Oppgaver side 200 203 Løsningsforslag oppgave 7.15 a) Fordi dette er en prisvariabel tilpasning, kan fullkommen konkurranse og oligopol utelukkes. En står da igjen med monopol,
DetaljerUNIVERSITETET I OSLO
UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i MAT-INF 1100 Modellering og beregninger. Eksamensdag: Mandag 5. desember 2011. Tid for eksamen: 9:00 13:00. Oppgavesettet er på
DetaljerSaksframlegg til styret
Saksframlegg til styret Møtedato 22.3.12 Sak nr: 18/ Sakstype: Beslutningssak Saksbehandler: Øk. dir. Roger Gjennestad RAPPORTERING KVALITETSINDIKATORER/ØKONOMI JAN FEB Trykte vedlegg: Ingen Bakgrunn for
DetaljerUNIVERSITETET I OSLO
UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i: STK2 Maskinlæring og statistiske metoder for prediksjon og klassifikasjon Eksamensdag: Torsdag 4. juni 28. Tid for eksamen: 4.3
DetaljerLøsningsforslag til obligatorisk øvelsesoppgave i ECON 1210 høsten 04
Løsningsforslag til obligatorisk øvelsesoppgave i ECON 0 høsten 04 Oppgave (vekt 50%) (a) Markedslikevekten under fri konkurranse: Tilbud = Etterspørsel 00 + = 400 = 300 = 50 p = 50. (b) Forurensningen
DetaljerUNIVERSITETET I OSLO
UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i Eksamensdag: 2. juni 2006 Tid for eksamen: 09.00 12.00 Oppgavesettet er på 5 sider. Vedlegg: INF-MAT 3370/INF-MAT 4370 Lineær
DetaljerLØSNINGSFORSLAG KONTINUASJONSEKSAMEN VÅR 2012 I TIØ4120 OPERASJONSANALYSE, GRUNNKURS
LØSNINGSFORSLAG KONTINUASJONSEKSAMEN VÅR 2012 I TIØ4120 OPERASJONSANALYSE, GRUNNKURS Oppgave 1 1 2 Oppgave 2 a) Vi lar x s, x g og x p være nye priser for henholdsvis standard-, gull- og platinarom. Hvis
Detaljera) Siden man baserer sine beslutninger på forventet verdi, er man risikonøytral. Vi kan sette opp følgende tabell:
Oppgave (30 %) a) Siden man baserer sine beslutninger på forventet verdi, er man risikonøytral. Vi kan sette opp følgende tabell: Nåverdi Høy Lav Sannsynlighet 0,65 0,35 Investere 350-00 Leie 50-50 Ikke
DetaljerForelesning i konsumentteori
Forelesning i konsumentteori Drago Bergholt (Drago.Bergholt@bi.no) 1. Konsumentens problem 1.1 Nyttemaksimeringsproblemet Vi starter med en liten repetisjon. Betrakt to goder 1 og 2. Mer av et av godene
DetaljerObligatorisk innleveringsoppgave Econ 3610/4610, Høst 2014
Obligatorisk innleveringsoppgave Econ 3610/4610, Høst 2014 Oppgave 1 Vi skal i denne oppgaven se nærmere på en konsuments arbeidstilbud. Konsumentens nyttefunksjon er gitt ved: U(c, f) = c + ln f, (1)
DetaljerFastsetting av pris uten kostnadsfordeling.
Fastsetting av pris uten kostnadsfordeling. I følgende lille eksempel skal vi se at vi kan fastsette optimale priser uten å foreta kostnadsfordeling. Et lokalt oljeselskap driver et lite raffineri i nærheten
DetaljerLøsningsforslag 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
DetaljerPROSJEKTOPPGAVE. (våren 2008) Fag: STATISTIKK OG ØKONOMI (ITD20106) 2. klasse dataingeniører. Tidsfrister: Utdelt: fredag 4. april.
Avdeling for informasjonsteknologi Remmen, Halden Høgskolen i Østfold Fag: STATISTIKK OG ØKONOMI (ITD20106) 2. klasse dataingeniører PROSJEKTOPPGAVE (våren 2008) Tidsfrister: Utdelt: fredag 4. april. Innleveringsfrist:
DetaljerECON3610 Samfunnsøkonomisk lønnsomhet og økonomisk politikk Forelesning 3
ECON360 Samfunnsøkonomisk lønnsomhet og økonomisk politikk Forelesning 3 Diderik Lund Økonomisk institutt Universitetet i Oslo 9. september 20 Diderik Lund, Økonomisk inst., UiO () ECON360 Forelesning
DetaljerEksamensoppgave i MA1201 Lineær algebra og geometri
Institutt for matematiske fag Eksamensoppgave i MA1201 Lineær algebra og geometri Faglig kontakt under eksamen: Steffen Oppermann Tlf: 9189 7712 Eksamensdato: 05.10.2016 Eksamenstid (fra til): 08:15 09:45
DetaljerAvdeling 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
DetaljerEirik 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