1/ gyakorlat. Lineáris Programozási feladatok megoldása szimplex módszerrel. Pécsi Tudományegyetem PTI

Méret: px
Mutatás kezdődik a ... oldaltól:

Download "1/12. 3. gyakorlat. Lineáris Programozási feladatok megoldása szimplex módszerrel. Pécsi Tudományegyetem PTI"

Átírás

1 / Operációkutatás. gyakorlat Lineáris Programozási feladatok megoldása szimplex módszerrel Pécsi Tudományegyetem PTI

2 Normál feladatok megoldása szimplex módszerrel /

3 / Normál feladatok megoldása szimplex módszerrel Definíció. Egy LP-feladatot normál feladatnak nevezünk, ha feltételrendszere csak relációkat tartalmaz a változók csak nemnegatív értékeket vehetnek fel a célfüggvény maximumát keressük. a feltételek jobboldalán csak nemnegatív konstansok lehetnek.

4 Műveletek a szimplex-táblában /

5 / Műveletek a szimplex-táblában A pivot elem helyére a reciprokát írjuk A pivot elem sorában minden elemet elosztunk a pivotelemmel A pivot elem oszlopában minden elemet elosztunk a pivotelemmel és vesszük az ellentetjét A többi elemet úgy számoljuk, mint a báziscserénél

6 Pivot elem választása 4/

7 4/ Pivot elem választása Olyan oszlopban választjuk a pivot elemet ahol a célsor eleme negatív Pozitív számot választunk pivot elemnek A kiválasztott oszlop pozitív elemeivel osszuk el az utolsó oszlop megfelelő elemeit és azt a számot választjuk pivot elemnek, amelyre ez a hányados a legkisebb (szűk keresztmetszet szabály)

8 4/ Pivot elem választása Olyan oszlopban választjuk a pivot elemet ahol a célsor eleme negatív Pozitív számot választunk pivot elemnek A kiválasztott oszlop pozitív elemeivel osszuk el az utolsó oszlop megfelelő elemeit és azt a számot választjuk pivot elemnek, amelyre ez a hányados a legkisebb (szűk keresztmetszet szabály) A negatív célelemű oszlopok közül az alábbiak alapján választhatunk: A legnagyobb abszolútértékű negatív célelem oszlopából választunk Minden negatív célelemű oszlopban határozzuk meg a pivot elemet és számítsuk ki a célfüggvény növekedését. Válasszuk azt az oszlopot, amelynél a növekedés a legnagyobb Könnyebb számolás érdekében olyan oszlopot választunk, ahol pivot elem -nek adódik. Könnyebb számolás érdekében olyan oszlopot választunk, ahol pivot elem sorában vagy oszlopában -t, vagy -kat találunk.

9 Az algoritmus végetér 5/

10 5/ Az algoritmus végetér ha a célfüggvény sorában nincs negatív elem, ekkor az optimális megoldás és a hozzátartozó célfüggvényérték a táblából kiolvasható ha a negatív célelemek oszlopaiban nincs pozitív elem, ilyenkor a célfüggvény a lehetséges megoldások halmazán tetszőlegesen nagy értéket felvehet Bizonyos esetekben végtelen ciklusra vezet az algoritmus. Az ilyen esetek akkor léphetnek fel, ha a pivot elem sorában az utolsó oszlopban áll. (Ilyen esetekben a célfüggvény érték nem növekszik.) Az általunk használtaknál lényegesen bonyolultabb pivotelem-választási szabályokkal a végtelen ciklus elkerülhető.

11 6/ Példák.a) Oldjuk meg a Horgász-problémát szimplex algoritmussal! x + x + x 4 x + + x 5 x + x + 4x 7 x, x, x x + x + 4x = z max Az induló szimplex-tábla: x x x z 4 u 4 u 5 u 4 7 A szimplex táblából kiolvasható bázismegoldás: [x, u] = [,,, 4, 5, 7], a célfüggvény értéke z =. A táblához tatozó bázis a B =.

12 6/ Példák.a) Oldjuk meg a Horgász-problémát szimplex algoritmussal! x + x + x 4 x + + x 5 x + x + 4x 7 x, x, x x + x + 4x = z max Az induló szimplex-tábla: x x x z 4 u 4 u 5 u 4 7 A szimplex táblából kiolvasható bázismegoldás: [x, u] = [,,, 4, 5, 7], a célfüggvény értéke z =. A táblához tatozó bázis a B =.

13 6/ Példák.a) Oldjuk meg a Horgász-problémát szimplex algoritmussal! x + x + x 4 x + + x 5 x + x + 4x 7 x, x, x x + x + 4x = z max Az induló szimplex-tábla: x x x z 4 u 4 u 5 u 4 7 A szimplex táblából kiolvasható bázismegoldás: [x, u] = [,,, 4, 5, 7], a célfüggvény értéke z =. A táblához tatozó bázis a B =.

14 7/ Elemi bázistranszformációval új bázisra térünk át. Ehhez a pivot elemet a legkisebb negatív célelem oszlopából (. oszlop) választjuk. Az oszlopot a szűk keresztmetszet elve alapján a. sor helyére visszük a bázisba: x x x z 4 u 4 u 5 u 4 7

15 7/ Elemi bázistranszformációval új bázisra térünk át. Ehhez a pivot elemet a legkisebb negatív célelem oszlopából (. oszlop) választjuk. Az oszlopot a szűk keresztmetszet elve alapján a. sor helyére visszük a bázisba: x x x z 4 u 4 u 5 u 4 7

16 7/ Elemi bázistranszformációval új bázisra térünk át. Ehhez a pivot elemet a legkisebb negatív célelem oszlopából (. oszlop) választjuk. Az oszlopot a szűk keresztmetszet elve alapján a. sor helyére visszük a bázisba: x x x x x u z 4 z 4 u 4 u u 5 x u 4 7 u 4 A szimplex táblából kiolvasható bázismegoldás: [x, u] = [,, 5,,, ], a célfüggvény értéke z =. A táblához tatozó bázis a B = 4. 5

17 7/ Elemi bázistranszformációval új bázisra térünk át. Ehhez a pivot elemet a legkisebb negatív célelem oszlopából (. oszlop) választjuk. Az oszlopot a szűk keresztmetszet elve alapján a. sor helyére visszük a bázisba: x x x x x u z 4 z 4 u 4 u u 5 x u 4 7 u 4 A szimplex táblából kiolvasható bázismegoldás: [x, u] = [,, 5,,, ], a célfüggvény értéke z =. A táblához tatozó bázis a B = 4. 5

18 7/ A bejelölt elemet választjuk pivotelemnek, így a. oszlop kerül a. bázisvektor helyére: x x u z 4 u x u 4 5

19 7/ A bejelölt elemet választjuk pivotelemnek, így a. oszlop kerül a. bázisvektor helyére: x x u x u u z 4 z u u x x u 4 x 6 A szimplex táblából kiolvasható bázismegoldás: [x, u] = [, 6, 5,,, ], a célfüggvény értéke z =. A táblához tatozó bázis a B =. 4

20 7/ A bejelölt elemet választjuk pivotelemnek, így a. oszlop kerül a. bázisvektor helyére: x x u x u u z 4 z u u x x u 4 x 6 A szimplex táblából kiolvasható bázismegoldás: [x, u] = [, 6, 5,,, ], a célfüggvény értéke z =. A táblához tatozó bázis a B =. 4

21 7/ A megjelölt elemet választva pivotelemnek, az. oszlopot visszük a bázisba, a. sor helyére: x u u z u x x 6 5 6

22 7/ A megjelölt elemet választva pivotelemnek, az. oszlopot visszük a bázisba, a. sor helyére: x u u x u u z u x x z 9 u x x 5 A szimplex táblából kiolvasható bázismegoldás: [x, u] = [ 5,,,,, ], a célfüggvény értéke z = 9. A táblához tatozó bázis a B =.

23 7/ A megjelölt elemet választva pivotelemnek, az. oszlopot visszük a bázisba, a. sor helyére: x u u x u u z u x x z 9 u x x 5 A szimplex táblából kiolvasható bázismegoldás: [x, u] = [ 5,,,,, ], a célfüggvény értéke z = 9. A táblához tatozó bázis a B =.

24 7/ A megjelölt elemet választva pivotelemnek, az. oszlopot visszük a bázisba, a. sor helyére: x u u x u u z u x x z 9 u x x 5 A szimplex táblából kiolvasható bázismegoldás: [x, u] = [ 5,,,,, ], a célfüggvény értéke z = 9. A táblához tatozó bázis a B = Mivel a célsorban nincs negatív elem, az algoritmus véget ért. A kapott megoldás optimális..

25 8/.b) Oldjuk meg a következő LP-feladatot szimplex algoritmussal! x x x x 6 x x x, x x + x = z max

26 8/.b) Oldjuk meg a következő LP-feladatot szimplex algoritmussal! x x z u u 6 u x x x x 6 x x x, x x + x = z max

27 8/.b) Oldjuk meg a következő LP-feladatot szimplex algoritmussal! x x z u u 6 u x x x x 6 x x x, x x + x = z max

28 8/.b) Oldjuk meg a következő LP-feladatot szimplex algoritmussal! x x x x 6 x x x, x x + x = z max x x z u u 6 u u x z x u 5 u 9

29 8/.b) Oldjuk meg a következő LP-feladatot szimplex algoritmussal! x x z u u 6 x x x x 6 x x x, x x + x = z max u x z x u 5 u u A második táblában a negatív célelem alatt nincs pozitív szám, ezért a célfüggvény tetszőlegesen nagy értékeket felvehet a lehetséges megoldások halmazán. 9

30 8/.b) Oldjuk meg a következő LP-feladatot szimplex algoritmussal! x x z u u 6 x x x x 6 x x x, x x + x = z max u x z x u 5 u u A második táblában a negatív célelem alatt nincs pozitív szám, ezért a célfüggvény tetszőlegesen nagy értékeket felvehet a lehetséges megoldások halmazán. Írjuk fel a kapott táblához tartozó egyenletrendszert: 9

31 9/ u x + z = u x + x = u 5 x + u = 9 u x + u = Az egyes egyenletekből a bázisváltozókat kifejezve: z = u + x x = u + x u = 9 + u + 5 x u = + u + x Az u =, x = d > értékekkel az x = + d, u = d, u = + d lehetséges megoldást kapjuk, amely mellett a célfüggvény értéke z = + d lesz, amely d esetén minden határon túl nő.

32 9/ u x + z = u x + x = u 5 x + u = 9 u x + u = Az egyes egyenletekből a bázisváltozókat kifejezve: z = u + x x = u + x u = 9 + u + 5 x u = + u + x Az u =, x = d > értékekkel az x = + d, u = d, u = + d lehetséges megoldást kapjuk, amely mellett a célfüggvény értéke z = + d lesz, amely d esetén minden határon túl nő.

33 9/ u x + z = u x + x = u 5 x + u = 9 u x + u = Az egyes egyenletekből a bázisváltozókat kifejezve: z = u + x x = u + x u = 9 + u + 5 x u = + u + x Az u =, x = d > értékekkel az x = + d, u = d, u = + d lehetséges megoldást kapjuk, amely mellett a célfüggvény értéke z = + d lesz, amely d esetén minden határon túl nő.

34 9/ u x + z = u x + x = u 5 x + u = 9 u x + u = Az egyes egyenletekből a bázisváltozókat kifejezve: z = u + x x = u + x u = 9 + u + 5 x u = + u + x Az u =, x = d > értékekkel az x = + d, u = d, u = + d lehetséges megoldást kapjuk, amely mellett a célfüggvény értéke z = + d lesz, amely d esetén minden határon túl nő.

35 9/ Feladatok. Oldjuk meg a következő LP-feladatot szimplex algoritmussal! x + x + x + x 5 x + x + x 4 + x 5 8 x + x + x 4 5 x, x, x, x 4, x 5 x + x + x + x 4 + x 5 = z max Megoldás: x = (,,,, 5), u = (,, ) z =

36 / Feladatok. Oldjuk meg a következő LP-feladatot szimplex algoritmussal! Megoldás: x = ( 6 7, 75 7 x 5x 7x + 8x 56 5x + x x, x x + 5x = z max 859 ), u = (777 7,, ) z = 7

37 / Feladatok. Oldjuk meg a következő LP-feladatot szimplex algoritmussal! x + x x x x 8 x + x + x 6 x, x, x 6x + 7x + x = z max Megoldás: x = (9,, ), u = (,, ) z =

38 / Feladatok 4. Oldjuk meg a következő LP-feladatot szimplex algoritmussal! x x + x 8 x + x x 4 x + x x + x 4 x, x, x, x 4, x 5 6x + x + 5x + 7x 4 = z max Megoldás: x = (,, 8, 8), u = (,, ) z = 66

39 / Felhasznált Irodalom [.] Bajalinov Erik - Imreh Balázs: Operációkutatás, Polygon 5. [.] Imreh Balázs: Bevezetés az operációkutatásba, Phare 999. [.] Temesi József - Varró Zoltán: Operációkutatás, Aula 7.

1/ gyakorlat. Lineáris Programozási feladatok megoldása szimplex módszerrel. Pécsi Tudományegyetem PTI

1/ gyakorlat. Lineáris Programozási feladatok megoldása szimplex módszerrel. Pécsi Tudományegyetem PTI / Operációkutatás. gyakorlat Lineáris Programozási feladatok megoldása szimplex módszerrel Pécsi Tudományegyetem PTI /. Legyen adott az alábbi LP-feladat: x + 4x + x 9 x + x x + x + x 6 x, x, x x + x +

Részletesebben

1/ gyakorlat. Hiperbolikus programozási feladat megoldása. Pécsi Tudományegyetem PTI

1/ gyakorlat. Hiperbolikus programozási feladat megoldása. Pécsi Tudományegyetem PTI 1/12 Operációkutatás 5. gyakorlat Hiperbolikus programozási feladat megoldása Pécsi Tudományegyetem PTI 2/12 Ha az Hiperbolikus programozási feladat feltételek teljesülése mellett a A x b x 0 z(x) = c

Részletesebben

LINEÁRIS PROGRAMOZÁSI FELADATOK MEGOLDÁSA SZIMPLEX MÓDSZERREL

LINEÁRIS PROGRAMOZÁSI FELADATOK MEGOLDÁSA SZIMPLEX MÓDSZERREL LINEÁRIS PROGRAMOZÁSI FELADATOK MEGOLDÁSA SZIMPLEX MÓDSZERREL x 1-2x 2 6 -x 1-3x 3 = -7 x 1 - x 2-3x 3-2 3x 1-2x 2-2x 3 4 4x 1-2x 2 + x 3 max Alapfogalmak: feltételrendszer (narancs színnel jelölve), célfüggvény

Részletesebben

A szimplex tábla. p. 1

A szimplex tábla. p. 1 A szimplex tábla Végződtetés: optimalitás és nem korlátos megoldások A szimplex algoritmus lépései A degeneráció fogalma Komplexitás (elméleti és gyakorlati) A szimplex tábla Példák megoldása a szimplex

Részletesebben

A szimplex algoritmus

A szimplex algoritmus A szimplex algoritmus Ismétlés: reprezentációs tétel, az optimális megoldás és az extrém pontok kapcsolata Alapfogalmak: bázisok, bázismegoldások, megengedett bázismegoldások, degenerált bázismegoldás

Részletesebben

Operációkutatás. 4. konzultáció: Szállítási feladat. A feladat LP modellje

Operációkutatás. 4. konzultáció: Szállítási feladat. A feladat LP modellje Operációkutatás 1 NYME KTK, gazdálkodás szak, levelező alapképzés 2002/2003. tanév, II. évf. 2.félév Előadó: Dr. Takách Géza NyME FMK Információ Technológia Tanszék 9400 Sopron, Bajcsy Zs. u. 9. GT fszt.

Részletesebben

Opkut deníciók és tételek

Opkut deníciók és tételek Opkut deníciók és tételek Készítette: Bán József Deníciók 1. Deníció (Lineáris programozási feladat). Keressük meg adott lineáris, R n értelmezési tartományú függvény, az ún. célfüggvény széls értékét

Részletesebben

Operációkutatás I. Bajalinov, Erik, Nyíregyházi Főiskola, Matematika és Informatika Intézete Bekéné Rácz, Anett, Debreceni Egyetem, Informatikai Kar

Operációkutatás I. Bajalinov, Erik, Nyíregyházi Főiskola, Matematika és Informatika Intézete Bekéné Rácz, Anett, Debreceni Egyetem, Informatikai Kar Operációkutatás I. Bajalinov, Erik, Nyíregyházi Főiskola, Matematika és Informatika Intézete Bekéné Rácz, Anett, Debreceni Egyetem, Informatikai Kar Operációkutatás I. írta Bajalinov, Erik és Bekéné Rácz,

Részletesebben

Bevezetés a lineáris programozásba

Bevezetés a lineáris programozásba Bevezetés a lineáris programozásba 8. előadás Farkas István DE ATC Gazdaságelemzési és Statisztikai Tanszék Szimplex módszer p. 1/1 Az LP feladatok általános modellje A korlátozó feltételeket írjuk fel

Részletesebben

3. Előadás. Megyesi László: Lineáris algebra, oldal. 3. előadás Lineáris egyenletrendszerek

3. Előadás. Megyesi László: Lineáris algebra, oldal. 3. előadás Lineáris egyenletrendszerek 3. Előadás Megyesi László: Lineáris algebra, 47. 50. oldal. Gondolkodnivalók Determinánsok 1. Gondolkodnivaló Determinánselméleti tételek segítségével határozzuk meg a következő n n-es determinánst: 1

Részletesebben

Általános algoritmustervezési módszerek

Általános algoritmustervezési módszerek Általános algoritmustervezési módszerek Ebben a részben arra mutatunk példát, hogy miként használhatóak olyan általános algoritmustervezési módszerek mint a dinamikus programozás és a korlátozás és szétválasztás

Részletesebben

Bevezetés az operációkutatásba A lineáris programozás alapjai

Bevezetés az operációkutatásba A lineáris programozás alapjai Bevezetés az operációkutatásba A lineáris programozás alapjai Alkalmazott operációkutatás 1. elıadás 2008/2009. tanév 2008. szeptember 12. Mi az operációkutatás (operations research)? Kialakulása: II.

Részletesebben

LINEÁRIS EGYENLETRENDSZEREK október 12. Irodalom A fogalmakat, definíciókat illetően két forrásra támaszkodhatnak: ezek egyrészt elhangzanak

LINEÁRIS EGYENLETRENDSZEREK október 12. Irodalom A fogalmakat, definíciókat illetően két forrásra támaszkodhatnak: ezek egyrészt elhangzanak LINEÁRIS EGYENLETRENDSZEREK 004. október. Irodalom A fogalmakat, definíciókat illetően két forrásra támaszkodhatnak: ezek egyrészt elhangzanak az előadáson, másrészt megtalálják a jegyzetben: Szabó László:

Részletesebben

Érzékenységvizsgálat

Érzékenységvizsgálat Érzékenységvizsgálat Alkalmazott operációkutatás 5. elıadás 008/009. tanév 008. október 0. Érzékenységvizsgálat x 0 A x b z= c T x max Kapacitások, együtthatók, célfüggvény együtthatók változnak => optimális

Részletesebben

Bázistranszformáció és alkalmazásai 2.

Bázistranszformáció és alkalmazásai 2. Bázistranszformáció és alkalmazásai 2. Lineáris algebra gyakorlat Összeállította: Bogya Norbert Tartalomjegyzék 1 Mátrix rangja 2 Mátrix inverze 3 Mátrixegyenlet Mátrix rangja Tartalom 1 Mátrix rangja

Részletesebben

Bázistranszformáció és alkalmazásai

Bázistranszformáció és alkalmazásai Bázistranszformáció és alkalmazásai Lineáris algebra gyakorlat Összeállította: Bogya Norbert Tartalomjegyzék 1 Elmélet Gyakorlati végrehajtás 2 Vektor bevitele a bázisba Rangszámítás Lineáris egyenletrendszer

Részletesebben

Alkalmazott optimalizálás és játékelmélet Lineáris programozás Gyakorlófeladatok. Rétvári Gábor

Alkalmazott optimalizálás és játékelmélet Lineáris programozás Gyakorlófeladatok. Rétvári Gábor Alkalmazott optimalizálás és játékelmélet Lineáris programozás Gyakorlófeladatok Rétvári Gábor retvari@tmit.bme.hu Feladatok Szöveges feladatok. Egy acélgyárban négyfajta zártszelvényt gyártanak: kis,

Részletesebben

LINEÁRIS EGYENLETRENDSZEREK MEGOLDÁSA BÁZISTRANSZFORMÁCIÓVAL. 1. Paramétert nem tartalmazó eset

LINEÁRIS EGYENLETRENDSZEREK MEGOLDÁSA BÁZISTRANSZFORMÁCIÓVAL. 1. Paramétert nem tartalmazó eset LINEÁRIS EGYENLETRENDSZEREK MEGOLDÁSA BÁZISTRANSZFORMÁCIÓVAL 1.Példa: Oldjuk meg a következő lineáris egyenletrendszert: 1. Paramétert nem tartalmazó eset x 1 + 3x 2-2x 3 = 2-2x 1-5x 2 + 4x 3 = 0 3x 1

Részletesebben

1. Előadás Lineáris programozás

1. Előadás Lineáris programozás 1. Előadás Lineáris programozás Salamon Júlia Előadás II. éves gazdaság informatikus hallgatók számára Operációkutatás Az operációkutatás az alkalmazott matematika az az ága, ami bizonyos folyamatok és

Részletesebben

15. LINEÁRIS EGYENLETRENDSZEREK

15. LINEÁRIS EGYENLETRENDSZEREK 15 LINEÁRIS EGYENLETRENDSZEREK 151 Lineáris egyenletrendszer, Gauss elimináció 1 Definíció Lineáris egyenletrendszernek nevezzük az (1) a 11 x 1 + a 12 x 2 + + a 1n x n = b 1 a 21 x 1 + a 22 x 2 + + a

Részletesebben

Kvadratikus alakok és euklideszi terek (előadásvázlat, október 5.) Maróti Miklós, Kátai-Urbán Kamilla

Kvadratikus alakok és euklideszi terek (előadásvázlat, október 5.) Maróti Miklós, Kátai-Urbán Kamilla Kvadratikus alakok és euklideszi terek (előadásvázlat, 0. október 5.) Maróti Miklós, Kátai-Urbán Kamilla Az előadáshoz ajánlott jegyzet: Szabó László: Bevezetés a lineáris algebrába, Polygon Kiadó, Szeged,

Részletesebben

KOVÁCS BÉLA, MATEMATIKA I.

KOVÁCS BÉLA, MATEMATIKA I. KOVÁCS BÉLA MATEmATIkA I 8 VIII VEkTOROk 1 VEkTOR Vektoron irányított szakaszt értünk Jelölése: stb Vektorok hossza A vektor abszolút értéke az irányított szakasz hossza Ha a vektor hossza egységnyi akkor

Részletesebben

Információk. Ismétlés II. Ismétlés. Ismétlés III. A PROGRAMOZÁS ALAPJAI 2. Készítette: Vénné Meskó Katalin. Algoritmus. Algoritmus ábrázolása

Információk. Ismétlés II. Ismétlés. Ismétlés III. A PROGRAMOZÁS ALAPJAI 2. Készítette: Vénné Meskó Katalin. Algoritmus. Algoritmus ábrázolása 1 Információk 2 A PROGRAMOZÁS ALAPJAI 2. Készítette: Vénné Meskó Katalin Elérhetőség mesko.katalin@tfk.kefo.hu Fogadóóra: szerda 9:50-10:35 Számonkérés időpontok Április 25. 9 00 Május 17. 9 00 Június

Részletesebben

A DÖNTÉSELMÉLET ELEMEI

A DÖNTÉSELMÉLET ELEMEI A DÖNTÉSELMÉLET ELEMEI Irodalom: Temesi J., A döntéselmélet alapjai, Aula, 2002, Budapest Lawrence, J.A., Pasternack, B.A., Applied management science, John Wiley & Sons Inc. 2002 Stevenson, W. J., Operation

Részletesebben

Szimplex módszer, szimplex tábla Példaként tekintsük a következ LP feladatot:

Szimplex módszer, szimplex tábla Példaként tekintsük a következ LP feladatot: Szimplex módszer, szimplex tábla Példaként tekintsük a következ LP feladatot: z = 5x 1 + 4x 2 + 3x 3 2x 1 + 3x 2 + x 3 5 4x 1 + x 2 + 2x 3 11 3x 1 + 4x 2 + 2x 3 8 x 1, x 2, x 3 0 = maximum, feltéve, hogy

Részletesebben

Diszkrét matematika II., 5. előadás. Lineáris egyenletrendszerek

Diszkrét matematika II., 5. előadás. Lineáris egyenletrendszerek 1 Diszkrét matematika II, 5 előadás Lineáris egyenletrendszerek Dr Takách Géza NyME FMK Informatikai Intézet takach@infnymehu http://infnymehu/ takach/ 2007 március 8 Egyenletrendszerek Középiskolás módszerek:

Részletesebben

9. Előadás. Megyesi László: Lineáris algebra, oldal. 9. előadás Mátrix inverze, mátrixegyenlet

9. Előadás. Megyesi László: Lineáris algebra, oldal. 9. előadás Mátrix inverze, mátrixegyenlet 9. Előadás Megyesi László: Lineáris algebra, 75. 84. oldal. Gondolkodnivalók Mátrix rangja 1. Gondolkodnivaló Határozzuk meg a p valós paraméter értékétől függően a következő mátrix rangját: p 3 1 2 2

Részletesebben

1. Generátorrendszer. Házi feladat (fizikából tudjuk) Ha v és w nem párhuzamos síkvektorok, akkor generátorrendszert alkotnak a sík vektorainak

1. Generátorrendszer. Házi feladat (fizikából tudjuk) Ha v és w nem párhuzamos síkvektorok, akkor generátorrendszert alkotnak a sík vektorainak 1. Generátorrendszer Generátorrendszer. Tétel (Freud, 4.3.4. Tétel) Legyen V vektortér a T test fölött és v 1,v 2,...,v m V. Ekkor a λ 1 v 1 + λ 2 v 2 +... + λ m v m alakú vektorok, ahol λ 1,λ 2,...,λ

Részletesebben

A minimális költségűfolyam probléma megoldása hálózati szimplex-módszerrel

A minimális költségűfolyam probléma megoldása hálózati szimplex-módszerrel A minimális költségűfolyam probléma megoldása hálózati szimplex-módszerrel 1 A minimális költségűfolyam probléma megoldása hálózati szimplex-módszerrel DR. BENKŐJÁNOS GATE, Logisztikai Tanszék A hálózat

Részletesebben

egyenlőtlenségnek kell teljesülnie.

egyenlőtlenségnek kell teljesülnie. MATEMATIKA ÉRETTSÉGI TÍPUSFELADATOK MEGOLDÁSAI KÖZÉP SZINT Abszolútértékes és gyökös kifejezések A szürkített hátterű feladatrészek nem tartoznak az érintett témakörhöz, azonban szolgálhatnak fontos információval

Részletesebben

Dualitás Dualitási tételek Általános LP feladat Komplementáris lazaság 2015/2016-2. Szegedi Tudományegyetem Informatikai Tanszékcsoport

Dualitás Dualitási tételek Általános LP feladat Komplementáris lazaság 2015/2016-2. Szegedi Tudományegyetem Informatikai Tanszékcsoport Operációkutatás I. 2015/2016-2. Szegedi Tudományegyetem Informatikai Tanszékcsoport Számítógépes Optimalizálás Tanszék 6. Előadás Árazási interpretáció Tekintsük újra az erőforrás allokációs problémát

Részletesebben

EuroOffice Optimalizáló (Solver)

EuroOffice Optimalizáló (Solver) 1. oldal EuroOffice Optimalizáló (Solver) Az EuroOffice Optimalizáló egy OpenOffice.org bővítmény, ami gyors algoritmusokat kínál lineáris programozási és szállítási feladatok megoldására. Szimplex módszer

Részletesebben

Algoritmusok és adatszerkezetek 2.

Algoritmusok és adatszerkezetek 2. Algoritmusok és adatszerkezetek 2. Varga Balázs gyakorlata alapján Készítette: Nagy Krisztián 1. gyakorlat Nyílt címzéses hash-elés A nyílt címzésű hash táblákban a láncolással ellentétben egy indexen

Részletesebben

3. előadás. Termelési és optimalizálási feladatok. Dr. Szörényi Miklós, Dr. Kallós Gábor

3. előadás. Termelési és optimalizálási feladatok. Dr. Szörényi Miklós, Dr. Kallós Gábor 3. előadás Termelési és optimalizálási feladatok Dr. Szörényi Miklós, Dr. Kallós Gábor 2014 2015 1 Tartalom Matematikai alapok Matematikai modell Fontosabb feladattípusok Érzékenységvizsgálat Fontos fogalmak

Részletesebben

lineáris programozás esetében. Ennek ez idő szerint legkorábbi formalizálását

lineáris programozás esetében. Ennek ez idő szerint legkorábbi formalizálását 1. előadás Bevezetés Lehetetlen egészen pontosan megállapítani, mi tekinthető az operációkutatás első eredményeinek, hisz az optimalizálás mégcsak nem is az emberi faj kiváltsága. Kétségtelen viszont,

Részletesebben

9. Előadás. Megyesi László: Lineáris algebra, oldal. 9. előadás Mátrix inverze, Leontyev-modell

9. Előadás. Megyesi László: Lineáris algebra, oldal. 9. előadás Mátrix inverze, Leontyev-modell 9. Előadás Megyesi László: Lineáris algebra, 75. 84. oldal. Gondolkodnivalók Mátrix rangja 1. Gondolkodnivaló Tegyük fel, hogy egy elemi bázistranszformáció kezdetekor a sor- és oszlopindexek sorban helyezkednek

Részletesebben

Jelen jegyzet a József Attila Tudományegyetem programozó matematikus és. A feldolgozott anyag bevezető jellegű. Néhány karakterisztikus, ma már

Jelen jegyzet a József Attila Tudományegyetem programozó matematikus és. A feldolgozott anyag bevezető jellegű. Néhány karakterisztikus, ma már Előszó Jelen jegyzet a József Attila Tudományegyetem programozó matematikus és közgazdasági programozó hallgatói számára készült, akik második félévtől hallgatnak operációkutatást. A feldolgozott anyag

Részletesebben

További forgalomirányítási és szervezési játékok. 1. Nematomi forgalomirányítási játék

További forgalomirányítási és szervezési játékok. 1. Nematomi forgalomirányítási játék További forgalomirányítási és szervezési játékok 1. Nematomi forgalomirányítási játék A forgalomirányítási játékban adott egy hálózat, ami egy irányított G = (V, E) gráf. A gráfban megengedjük, hogy két

Részletesebben

Ütemezési feladatok. Az ütemezési feladatok vizsgálata az 50-es évek elején kezdődött, majd

Ütemezési feladatok. Az ütemezési feladatok vizsgálata az 50-es évek elején kezdődött, majd 1 Ütemezési feladatok Az ütemezési feladatok vizsgálata az 50-es évek elején kezdődött, majd tekintettel a feladat gyakorlati fontosságára sok különböző modell tanulmányozására került sor, és a témakör

Részletesebben

6. Függvények. Legyen függvény és nem üreshalmaz. A függvényt az f K-ra való kiterjesztésének

6. Függvények. Legyen függvény és nem üreshalmaz. A függvényt az f K-ra való kiterjesztésének 6. Függvények I. Elméleti összefoglaló A függvény fogalma, értelmezési tartomány, képhalmaz, értékkészlet Legyen az A és B halmaz egyike sem üreshalmaz. Ha az A halmaz minden egyes eleméhez hozzárendeljük

Részletesebben

Matematikai modellezés

Matematikai modellezés Matematikai modellezés Bevezető A diasorozat a Döntési modellek című könyvhöz készült. Készítette: Dr. Ábrahám István Döntési folyamatok matematikai modellezése Az emberi tevékenységben meghatározó szerepe

Részletesebben

Első zárthelyi dolgozat megoldásai biomatematikából * A verzió

Első zárthelyi dolgozat megoldásai biomatematikából * A verzió Első zárthelyi dolgozat megoldásai biomatematikából * A verzió Elméleti kérdések: E. Mikor nevezünk egy gráfot gyengén és mikor erősen összefüggőnek? Adjon példát gyengén összefüggő de erősen nem összefüggő

Részletesebben

TANTÁRGYI ÚTMUTATÓ. Operációkutatás. tanulmányokhoz

TANTÁRGYI ÚTMUTATÓ. Operációkutatás. tanulmányokhoz II. évfolyam szakirány BA TANTÁRGYI ÚTMUTATÓ Operációkutatás tanulmányokhoz TÁVOKTATÁS Tanév (2014/2015) I. félév A KURZUS ALAPADATAI Tárgy megnevezése: Operációkutatás Tanszék: BGF Módszertani Intézeti

Részletesebben

Brósch Zoltán (Debreceni Egyetem Kossuth Lajos Gyakorló Gimnáziuma) Számelmélet I.

Brósch Zoltán (Debreceni Egyetem Kossuth Lajos Gyakorló Gimnáziuma) Számelmélet I. Számelmélet I. DEFINÍCIÓ: (Osztó, többszörös) Ha egy a szám felírható egy b szám és egy másik egész szám szorzataként, akkor a b számot az a osztójának, az a számot a b többszörösének nevezzük. Megjegyzés:

Részletesebben

A lineáris optimalizálás rugalmas indexválasztási szabályainak elméletéről és gyarkorlatáról

A lineáris optimalizálás rugalmas indexválasztási szabályainak elméletéről és gyarkorlatáról A lineáris optimalizálás rugalmas indexválasztási szabályainak elméletéről és gyarkorlatáról Nagy Adrienn A doktori disszertáció tézisei Témavezető: Illés Tibor Egyetemi Docens, PhD Témavezető: Kovács

Részletesebben

A valós számok halmaza 5. I. rész MATEMATIKAI ANALÍZIS

A valós számok halmaza 5. I. rész MATEMATIKAI ANALÍZIS A valós számok halmaza 5 I rész MATEMATIKAI ANALÍZIS 6 A valós számok halmaza A valós számok halmaza 7 I A valós számok halmaza A valós számokra vonatkozó axiómák A matematika lépten-nyomon felhasználja

Részletesebben

Lineáris programozás. Modellalkotás Grafikus megoldás Feladattípusok Szimplex módszer

Lineáris programozás. Modellalkotás Grafikus megoldás Feladattípusok Szimplex módszer Lineáris programozás Modellalkotás Grafikus megoldás Feladattípusok Szimplex módszer Feladat: Egy gyár kétféle terméket gyárt (A, B): /db Eladási ár 1000 800 Technológiai önköltség 400 300 Normaóraigény

Részletesebben

A lineáris programozás 1 A geometriai megoldás

A lineáris programozás 1 A geometriai megoldás A lineáris programozás A geometriai megoldás Készítette: Dr. Ábrahám István A döntési, gazdasági problémák optimalizálásának jelentős részét lineáris programozással oldjuk meg. A módszer lényege: Az adott

Részletesebben

Ütemezési problémák. Kis Tamás 1. ELTE Problémamegoldó Szeminárium, ősz 1 MTA SZTAKI. valamint ELTE, Operációkutatási Tanszék

Ütemezési problémák. Kis Tamás 1. ELTE Problémamegoldó Szeminárium, ősz 1 MTA SZTAKI. valamint ELTE, Operációkutatási Tanszék Ütemezési problémák Kis Tamás 1 1 MTA SZTAKI valamint ELTE, Operációkutatási Tanszék ELTE Problémamegoldó Szeminárium, 2012. ősz Kivonat Alapfogalmak Mit is értünk ütemezésen? Gépütemezés 1 L max 1 rm

Részletesebben

Operációkutatás példatár

Operációkutatás példatár 1 Operációkutatás példatár 2 1. Lineáris programozási feladatok felírása és megoldása 1.1. Feladat Egy gazdálkodónak azt kell eldöntenie, hogy mennyi kukoricát és búzát vessen. Ha egységnyi földterületen

Részletesebben

Egész számok. pozitív egész számok: 1; 2; 3; 4;... negatív egész számok: 1; 2; 3; 4;...

Egész számok. pozitív egész számok: 1; 2; 3; 4;... negatív egész számok: 1; 2; 3; 4;... Egész számok természetes számok ( ) pozitív egész számok: 1; 2; 3; 4;... 0 negatív egész számok: 1; 2; 3; 4;... egész számok ( ) 1. Írd a következõ számokat a halmazábra megfelelõ helyére! 3; 7; +6 ; (

Részletesebben

Algoritmusok bonyolultsága

Algoritmusok bonyolultsága Algoritmusok bonyolultsága 5. előadás http://www.ms.sapientia.ro/~kasa/komplex.htm 1 / 27 Gazdaságos faváz Kruskal-algoritmus Joseph Kruskal (1928 2010) Legyen V = {v 1, v 2,..., v n }, E = {e 1, e 2,...,

Részletesebben

Mátrixjátékok tiszta nyeregponttal

Mátrixjátékok tiszta nyeregponttal 1 Mátrixjátékok tiszta nyeregponttal 1. Példa. Két játékos Aladár és Bendegúz rendelkeznek egy-egy tetraéderrel, melyek lapjaira rendre az 1, 2, 3, 4 számokat írták. Egy megadott jelre egyszerre felmutatják

Részletesebben

Táblázatkezelés 5. - Függvények

Táblázatkezelés 5. - Függvények Táblázatkezelés 5. - Függvények Eddig mi magunk készítettünk képleteket (számolási utasításokat). A bonyolultabb, programozók által készített, Excelbe beépített képleteket függvényeknek nevezik. Táblázatkezelőnk

Részletesebben

Diszkrét matematika I.

Diszkrét matematika I. Diszkrét matematika I. középszint 2014. ősz 1. Diszkrét matematika I. középszint 10. előadás Mérai László diái alapján Komputeralgebra Tanszék 2014. ősz Felhívás Diszkrét matematika I. középszint 2014.

Részletesebben

Irodalom. (a) A T, B T, (b) A + B, C + D, D C, (c) 3A, (d) AD, DA, B T A, 1 2 B = 1 C = A = 1 0 D = (a) 1 1 3, B T = = ( ) ; A T = 1 0

Irodalom. (a) A T, B T, (b) A + B, C + D, D C, (c) 3A, (d) AD, DA, B T A, 1 2 B = 1 C = A = 1 0 D = (a) 1 1 3, B T = = ( ) ; A T = 1 0 Irodalom ezek egyrészt el- A fogalmakat, definíciókat illetően két forrásra támaszkodhatnak: hangzanak az előadáson, másrészt megtalálják a jegyzetben: Szabó László: Bevezetés a lineáris algebrába, Polygon

Részletesebben

Tartalom. Matematikai alapok. Termékgyártási példafeladat. Keverési példafeladat Szállítási példafeladat Hátizsák feladat, egészértékű feladat

Tartalom. Matematikai alapok. Termékgyártási példafeladat. Keverési példafeladat Szállítási példafeladat Hátizsák feladat, egészértékű feladat 6. előadás Termelési és optimalizálási feladatok Dr. Szörényi Miklós, Dr. Kallós Gábor 2013 2014 1 Tartalom Matematikai alapok Matematikai modell Fontosabb feladattípusok Érzékenységvizsgálat Termékgyártási

Részletesebben

A valós számok halmaza

A valós számok halmaza VA 1 A valós számok halmaza VA 2 A valós számok halmazának axiómarendszere és alapvető tulajdonságai Definíció Az R halmazt a valós számok halmazának nevezzük, ha teljesíti a következő axiómarendszerben

Részletesebben

OPERÁCIÓKUTATÁS. No. 2. Komáromi Éva LINEÁRIS PROGRAMOZAS

OPERÁCIÓKUTATÁS. No. 2. Komáromi Éva LINEÁRIS PROGRAMOZAS OPERÁCIÓKUTATÁS No. 2. Komáromi Éva LINEÁRIS PROGRAMOZAS Budapest 2002 Komáromi Éva: LINEÁRIS PROGRAMOZÁS OPERÁCIÓKUTATÁS No.2 Megjelenik az FKFP 0231 Program támogatásával a Budapesti Közgazdaságtudományi

Részletesebben

út hosszát. Ha a két várost nem köti össze út, akkor legyen c ij = W, ahol W már az előzőekben is alkalmazott megfelelően nagy szám.

út hosszát. Ha a két várost nem köti össze út, akkor legyen c ij = W, ahol W már az előzőekben is alkalmazott megfelelően nagy szám. 1 Az utazó ügynök problémája Utazó ügynök feladat Adott n számú város és a városokat összekötő utak, amelyeknek ismert a hossza. Adott továbbá egy ügynök, akinek adott városból kiindulva, minden várost

Részletesebben

Matematikai modellek megoldása számítógéppel Solver Lingo

Matematikai modellek megoldása számítógéppel Solver Lingo Matematikai modellek megoldása számítógéppel Solver Lingo Készítette: Dr. Ábrahám István A matematikai modellek számítógépes megoldásait példákkal mutatjuk be. Példa: Négy erőforrás felhasználásával négyféle

Részletesebben

Szélsőérték feladatok megoldása

Szélsőérték feladatok megoldása Szélsőérték feladatok megoldása A z = f (x,y) függvény lokális szélsőértékének meghatározása: A. Szükséges feltétel: f x (x,y) = 0 f y (x,y) = 0 egyenletrendszer megoldása, amire a továbbiakban az x =

Részletesebben

Operációkutatás alapjai

Operációkutatás alapjai Operációkutatás alapjai interaktív tananyag Dr. Bánkuti Göngyi Dr. Kövér György Operációkutatás alapjai: interaktív tananyag írta Dr. Bánkuti Göngyi és Dr. Kövér György Tartalom Előszó... x 1. Lineáris

Részletesebben

Ütemezési modellek. Az ütemezési problémák osztályozása

Ütemezési modellek. Az ütemezési problémák osztályozása Ütemezési modellek Az ütemezési problémák osztályozása Az ütemezési problémákban adott m darab gép és n számú munka, amelyeket az 1,..., n számokkal fogunk sorszámozni. A feladat az, hogy ütemezzük az

Részletesebben

Diszkrét, egészértékű és 0/1 LP feladatok

Diszkrét, egészértékű és 0/1 LP feladatok Diszkrét, egészértékű és 0/1 LP feladatok In English Integer Programming - IP Zero/One (boolean) programming 2007.03.12 Dr. Bajalinov Erik, NyF MII 1 Diszkrét és egészértékű változókat tartalmazó feladatok

Részletesebben

Diszkrét matematika 1. estis képzés. Komputeralgebra Tanszék ősz

Diszkrét matematika 1. estis képzés. Komputeralgebra Tanszék ősz Diszkrét matematika 1. estis képzés 2015. ősz 1. Diszkrét matematika 1. estis képzés 6. előadás Mérai László diái alapján Komputeralgebra Tanszék 2015. ősz Elemi számelmélet Diszkrét matematika 1. estis

Részletesebben

Egyes logisztikai feladatok megoldása lineáris programozás segítségével. - bútorgyári termelési probléma - szállítási probléma

Egyes logisztikai feladatok megoldása lineáris programozás segítségével. - bútorgyári termelési probléma - szállítási probléma Egyes logisztikai feladatok megoldása lineáris programozás segítségével - bútorgyári termelési probléma - szállítási probléma Egy bútorgyár polcot, asztalt és szekrényt gyárt faforgácslapból. A kereskedelemben

Részletesebben

Döntéselőkészítés. I. előadás. Döntéselőkészítés. Előadó: Dr. Égertné dr. Molnár Éva. Informatika Tanszék A 602 szoba

Döntéselőkészítés. I. előadás. Döntéselőkészítés. Előadó: Dr. Égertné dr. Molnár Éva. Informatika Tanszék A 602 szoba I. előadás Előadó: Dr. Égertné dr. Molnár Éva Informatika Tanszék A 602 szoba Tárggyal kapcsolatos anyagok megtalálhatók: http://www.sze.hu/~egertne Konzultációs idő: (páros tan. hét) csütörtök 10-11 30

Részletesebben

Analízis előadás és gyakorlat vázlat

Analízis előadás és gyakorlat vázlat Analízis előadás és gyakorlat vázlat Készült a PTE TTK GI szakos hallgatóinak Király Balázs 2010-11. I. Félév 2 1. fejezet Számhalmazok és tulajdonságaik 1.1. Nevezetes számhalmazok ➀ a) jelölése: N b)

Részletesebben

Hiperbolikus programozás Elmélet, módszerek, alkalmazások, szoftver

Hiperbolikus programozás Elmélet, módszerek, alkalmazások, szoftver Dr.Bajalinov Erik Debreceni Egyetem Informatikai Kara Bajalinov@Inf.UniDeb.Hu Hiperbolikus programozás Elmélet, módszerek, alkalmazások, szoftver mobidiák könyvtár Tartalomjegyzék I. Bevezetés a hiperbolikus

Részletesebben

Lineáris egyenletrendszerek

Lineáris egyenletrendszerek Lineáris egyenletrendszerek Lineáris egyenletrendszernek nevezzük az a 11 x 1 + a 12 x 2 +... +a 1n x n = b 1 a 21 x 1 + a 22 x 2 +... +a 2n x n = b 2.. a k1 x 1 + a k2 x 2 +... +a kn x n = b k n ismeretlenes,

Részletesebben

1.1. Definíció. Azt mondjuk, hogy a oszója b-nek, vagy más szóval, b osztható a-val, ha létezik olyan x Z, hogy b = ax. Ennek jelölése a b.

1.1. Definíció. Azt mondjuk, hogy a oszója b-nek, vagy más szóval, b osztható a-val, ha létezik olyan x Z, hogy b = ax. Ennek jelölése a b. 1. Oszthatóság, legnagyobb közös osztó Ebben a jegyzetben minden változó egész számot jelöl. 1.1. Definíció. Azt mondjuk, hogy a oszója b-nek, vagy más szóval, b osztható a-val, ha létezik olyan x Z, hogy

Részletesebben

Negatív alapú számrendszerek

Negatív alapú számrendszerek 2015. március 4. Negatív számok Legyen b > 1 egy adott egész szám. Ekkor bármely N 0 egész szám egyértelműen felírható N = m a k b k k=1 alakban, ahol 0 a k < b egész szám. Negatív számok Legyen b > 1

Részletesebben

Számítási feladatok a Számítógépi geometria órához

Számítási feladatok a Számítógépi geometria órához Számítási feladatok a Számítógépi geometria órához Kovács Zoltán Copyright c 2012 Last Revision Date: 2012. október 15. kovacsz@nyf.hu Technikai útmutató a jegyzet használatához A jegyzet képernyőbarát

Részletesebben

DIFFERENCIÁLEGYENLETEK. BSc. Matematika II. BGRMA2HNND, BGRMA2HNNC

DIFFERENCIÁLEGYENLETEK. BSc. Matematika II. BGRMA2HNND, BGRMA2HNNC 016.03.1. BSC MATEMATIKA II. ELSŐ ÉS MÁSODRENDŰ LINEÁRIS DIFFERENCIÁLEGYENLETEK BSc. Matematika II. BGRMAHNND, BGRMAHNNC AZ ELSŐRENDŰ LINEÁRIS DIFFERENCIÁLEGYENLET FOGALMA Az elsőrendű közönséges differenciálegyenletet

Részletesebben

1. Mátrixösszeadás és skalárral szorzás

1. Mátrixösszeadás és skalárral szorzás 1 Mátrixösszeadás és skalárral szorzás Mátrixok tömör jelölése T test Az M = a i j T n m azt az n sorból és m oszlopból álló mátrixot jelöli, amelyben az i-edik sor j-edik eleme a i j T Példák [ ] Ha M

Részletesebben

Feltételes és feltétel nélküli optimalizálás Microsoft O ce EXCEL szoftver segítségével

Feltételes és feltétel nélküli optimalizálás Microsoft O ce EXCEL szoftver segítségével Feltételes és feltétel nélküli optimalizálás Microsoft O ce EXCEL szoftver segítségével Az Excel Solver programcsomagjának bemutatásaként két feltételes és egy feltétel nélküli optimalizálási feladatot

Részletesebben

Programozási módszertan. Mohó algoritmusok

Programozási módszertan. Mohó algoritmusok PM-08 p. 1/17 Programozási módszertan Mohó algoritmusok Werner Ágnes Villamosmérnöki és Információs Rendszerek Tanszék e-mail: werner.agnes@virt.uni-pannon.hu PM-08 p. 2/17 Bevezetés Dinamikus programozás

Részletesebben

Mintafeladat az RSA algoritmus szemléltetésére

Mintafeladat az RSA algoritmus szemléltetésére Mintafeladat az RSA algoritmus szemléltetésére Feladat Adottak a p = 269 és q = 24 prímszámok, továbbá az e = 5320 nyilvános kulcs és az x = 48055 nyílt szöveg. Számolja ki n = p q és ϕ(n) értékét! Igazolja

Részletesebben

Ellenőrzés. Variáns számítás. Érzékenység vizsgálat

Ellenőrzés. Variáns számítás. Érzékenység vizsgálat Ellenőrzés Variáns számítás Érzékenység vizsgálat Készítette: Dr Árahám István Az ellenőrzés A matematikai modell megoldása, a szimple tálák kitöltése közen könnyen elkövethetünk számolási hiát A kiindlási

Részletesebben

Dr. Kalló Noémi. Termelés- és szolgáltatásmenedzsment. egyetemi adjunktus Menedzsment és Vállalatgazdaságtan Tanszék. Dr.

Dr. Kalló Noémi. Termelés- és szolgáltatásmenedzsment. egyetemi adjunktus Menedzsment és Vállalatgazdaságtan Tanszék. Dr. Termelés- és szolgáltatásmenedzsment egyetemi adjunktus Menedzsment és Vállalatgazdaságtan Tanszék Termelés- és szolgáltatásmenedzsment 13. Ismertesse a legfontosabb előrejelzési módszereket és azok gyakorlati

Részletesebben

A sorozat fogalma. függvényeket sorozatoknak nevezzük. Amennyiben az értékkészlet. az értékkészlet a komplex számok halmaza, akkor komplex

A sorozat fogalma. függvényeket sorozatoknak nevezzük. Amennyiben az értékkészlet. az értékkészlet a komplex számok halmaza, akkor komplex A sorozat fogalma Definíció. A természetes számok N halmazán értelmezett függvényeket sorozatoknak nevezzük. Amennyiben az értékkészlet a valós számok halmaza, valós számsorozatról beszélünk, mígha az

Részletesebben

x = 1 = ı (imaginárius egység), illetve x 12 = 1 ± 1 4 2

x = 1 = ı (imaginárius egység), illetve x 12 = 1 ± 1 4 2 Komplex számok A valós számok és a számegyenes pontjai között kölcsönösen egyértelmű megfeleltetés létesíthető. A számfogalom a számegyenes pontjainak körében nem bővíthető tovább. A számfogalom bővítését

Részletesebben

b) Írja fel a feladat duálisát és adja meg ennek optimális megoldását!

b) Írja fel a feladat duálisát és adja meg ennek optimális megoldását! 1. Három nemnegatív számot kell meghatározni úgy, hogy az elsőt héttel, a másodikat tizennéggyel, a harmadikat hattal szorozva és ezeket a szorzatokat összeadva az így keletkezett szám minél nagyobb legyen.

Részletesebben

DIFFERENCIÁLEGYENLETEK. BSc. Matematika II. BGRMA2HNND, BGRMA2HNNC

DIFFERENCIÁLEGYENLETEK. BSc. Matematika II. BGRMA2HNND, BGRMA2HNNC BSC MATEMATIKA II. MÁSODRENDŰ LINEÁRIS DIFFERENCIÁLEGYENLETEK BSc. Matematika II. BGRMAHNND, BGRMAHNNC MÁSODRENDŰ DIFFERENCIÁLEGYENLETEK Egy explicit közönséges másodrendű differenciálegyenlet általános

Részletesebben

Diszkrét matematika I.

Diszkrét matematika I. Diszkrét matematika I. középszint 2014. ősz 1. Diszkrét matematika I. középszint 8. előadás Mérai László diái alapján Komputeralgebra Tanszék 2014. ősz Elemi számelmélet Diszkrét matematika I. középszint

Részletesebben

KONVEX HALMAZ, FARKAS TÉTEL, GORDAN TÉTEL, EXTREMÁLIS PONT, EXTREMÁLIS IRÁNY, LINEÁRIS PROGRAMOZÁS ELMÉLETE

KONVEX HALMAZ, FARKAS TÉTEL, GORDAN TÉTEL, EXTREMÁLIS PONT, EXTREMÁLIS IRÁNY, LINEÁRIS PROGRAMOZÁS ELMÉLETE KONVEX HALMAZ, FARKAS TÉTEL, GORDAN TÉTEL, EXTREMÁLIS PONT, EXTREMÁLIS IRÁNY, LINEÁRIS PROGRAMOZÁS ELMÉLETE DR. NAGY TAMÁS egyetemi docens Miskolci Egyetem Alkalmazott Matematikai Tanszék A bemutatott

Részletesebben

9. előadás. Programozás-elmélet. Programozási tételek Elemi prog. Sorozatszámítás Eldöntés Kiválasztás Lin. keresés Megszámolás Maximum.

9. előadás. Programozás-elmélet. Programozási tételek Elemi prog. Sorozatszámítás Eldöntés Kiválasztás Lin. keresés Megszámolás Maximum. Programozási tételek Programozási feladatok megoldásakor a top-down (strukturált) programtervezés esetén három vezérlési szerkezetet használunk: - szekvencia - elágazás - ciklus Eddig megismertük az alábbi

Részletesebben

Feladatok megoldásokkal a 9. gyakorlathoz (Newton-Leibniz formula, közelítő integrálás, az integrálszámítás alkalmazásai 1.

Feladatok megoldásokkal a 9. gyakorlathoz (Newton-Leibniz formula, közelítő integrálás, az integrálszámítás alkalmazásai 1. Feladatok megoldásokkal a 9. gyakorlathoz (Newton-Leibniz formula, közelítő integrálás, az integrálszámítás alkalmazásai.). Feladat. Határozzuk meg az alábbi integrálokat: a) x x + dx d) xe x dx b) c)

Részletesebben

szantai Az operációkutatás matematikai módszerei

szantai Az operációkutatás matematikai módszerei http://wwwmathbmehu/ szantai Az operációkutatás matematikai módszerei Bővített óravázlat Összeállította: Szántai Tamás Budapest 1999 A bővített óravázlatot Prékopa Andrásnak a Bolyai János Matematikai

Részletesebben

Matematika 11 Koordináta geometria. matematika és fizika szakos középiskolai tanár. > o < szeptember 27.

Matematika 11 Koordináta geometria. matematika és fizika szakos középiskolai tanár. > o < szeptember 27. Matematika 11 Koordináta geometria Juhász László matematika és fizika szakos középiskolai tanár > o < 2015. szeptember 27. copyright: c Juhász László Ennek a könyvnek a használatát szerzői jog védi. A

Részletesebben

Matematika példatár 7.

Matematika példatár 7. Matematika példatár 7. Lineáris algebra II. Csordásné Marton, Melinda Matematika példatár 7.: Lineáris algebra II. Csordásné Marton, Melinda Lektor: Dr. Pfeil, Tamás Ez a modul a TÁMOP - 4.1.2-08/1/A-2009-0027

Részletesebben

KOVÁCS BÉLA, MATEMATIKA I.

KOVÁCS BÉLA, MATEMATIKA I. KOVÁCS BÉLA MATEmATIkA I 6 VI KOmPLEX SZÁmOk 1 A komplex SZÁmOk HALmAZA A komplex számok olyan halmazt alkotnak amelyekben elvégezhető az összeadás és a szorzás azaz két komplex szám összege és szorzata

Részletesebben

Egyenletek, egyenlőtlenségek X.

Egyenletek, egyenlőtlenségek X. Egyenletek, egyenlőtlenségek X. DEFINÍCIÓ: (Logaritmus) Ha egy pozitív valós számot adott, 1 - től különböző pozitív alapú hatvány alakban írunk fel, akkor ennek a hatványnak a kitevőjét logaritmusnak

Részletesebben

Algoritmuselmélet. Legrövidebb utak, Bellmann-Ford, Dijkstra. Katona Gyula Y.

Algoritmuselmélet. Legrövidebb utak, Bellmann-Ford, Dijkstra. Katona Gyula Y. Algoritmuselmélet Legrövidebb utak, Bellmann-Ford, Dijkstra Katona Gyula Y. Számítástudományi és Információelméleti Tanszék Budapesti Műszaki és Gazdaságtudományi Egyetem 3. előadás Katona Gyula Y. (BME

Részletesebben

7. Gyakorlat A relációs adatmodell műveleti része

7. Gyakorlat A relációs adatmodell műveleti része 7. Gyakorlat A relációs adatmodell műveleti része Relációs algebra: az operandusok és az eredmények relációk; azaz a relációs algebra műveletei zártak a relációk halmazára Műveletei: Egy operandusú Két

Részletesebben

Programozási segédlet

Programozási segédlet Programozási segédlet Programozási tételek Az alábbiakban leírtam néhány alap algoritmust, amit ismernie kell annak, aki programozásra adja a fejét. A lista korántsem teljes, ám ennyi elég kell legyen

Részletesebben

2. szemináriumi. feladatok. Fogyasztás/ megtakarítás Több időszak Több szereplő

2. szemináriumi. feladatok. Fogyasztás/ megtakarítás Több időszak Több szereplő 2. szemináriumi feladatok Fogyasztás/ megtakarítás Több időszak Több szereplő 1. feladat Egy olyan gazdaságot vizsgálunk, ahol a fogyasztó exogén jövedelemfolyam és exogén kamat mellett hoz fogyasztási/megtakarítási

Részletesebben

HORNUNG TAMÁS * Diszkrét egyenletes közelítés: a lineáris programozás egy alkalmazása

HORNUNG TAMÁS * Diszkrét egyenletes közelítés: a lineáris programozás egy alkalmazása Bevezetés HORNUNG TAMÁS * Diszkrét egyenletes közelítés: a lineáris programozás egy alkalmazása Discrete smooth approximation: an application of linear programming The best discrete approximation can be

Részletesebben

6. Függvények. 1. Az alábbi függvények közül melyik szigorúan monoton növekvő a 0;1 intervallumban?

6. Függvények. 1. Az alábbi függvények közül melyik szigorúan monoton növekvő a 0;1 intervallumban? 6. Függvények I. Nulladik ZH-ban láttuk: 1. Az alábbi függvények közül melyik szigorúan monoton növekvő a 0;1 intervallumban? f x g x cos x h x x ( ) sin x (A) Az f és a h. (B) Mindhárom. (C) Csak az f.

Részletesebben