Harjoitus 2 ( )
|
|
- Aarno Katajakoski
- 6 vuotta sitten
- Katselukertoja:
Transkriptio
1 Harjoitus 2 ( ) Tehtävä Kuva 1: Tehtävän 1 graafi. Aikaisimmat aloitushetket selvitetään kaavoilla v[] = v[p] d[p] l. max i p 1 {v[i] + a i (i, p) E} = v[l] + a l Muodostetaan taulukko, jossa numerointi on jo kunnossa. Töitä ei tarvitse uudelleennumeroida, koska tehtävänannossa kunkin työn edeltäjällä on aina pienempi järjestysnumero. p v[p] d[p] Esimerkiksi osatöiden 3 ja 9 aikaisimmat aloitushetket on laskettu seuraavasti: v[3] = max { +, + 1} = v[9] = max { + 3, 2 + 1, 2 + 2, 4 + 3} = 8. Myöhäisimmät aloitushetket saadaan kaavoilla T = 1 l[n + 1] T l[k] Nyt voidaan kirjoittaa taulukko min {l[j] a k (k, j) E}. k+1 j n+1 k l[k] r[k] ,
2 Taulukossa esimerkiksi osatöiden 4, 2 ja myöhäisimmät aloitushetket on laskettu seuraavasti: l[4] = min {9 1, 8 1} = 7 l[2] = min {7 1, 7 1} = 6 l[] = min {2, 6, 3 } = 2. Kriittisellä polulla tarkoitetaan koko projektin pisintä tietä. Tämän tehtävän kriittinen polku on d[9] = 3, d[3] = 1, d[1] = eli 1 3 9, ja sen kesto on 8 min. Aloitushetkien pelivarat lasketaan kaavalla jota käyttäen saadaan s[k] = l[k] v[k], k s[k] Osatöiden maksimaaliset pelivarat lasketaan kaavalla jota käyttäen saadaan s m [i] = min j {l[j] (i, j) E} v[i] a i, s m [] = min {2, 6, 3} = 2 s m [1] = 7 = 2 s m [2] = min {7, 7} 1 = 6 s m [3] = 1 3 = 2 s m [4] = min {8, 9} 1 1 = 6 s m [] = = 6 s m [6] = = 7 s m [7] = 7 4 = 3 s m [8] = = 3. Osatöiden riippumattomat pelivarat lasketaan kaavalla s r [i] = max {, min j {v[j] (i, j) E} l[i] a i }, 2
3 jota käyttäen saadaan s r [] = max {, min {,, } 2 } = s r [1] = max {, 2 } = s r [2] = max {, min {, 1} 6 1} = s r [3] = max {, 8 7 3} = s r [4] = max {, min {2, 2} 7 1} = s r [] = max {, 8 8 2} = s r [6] = max {, 8 9 1} = s r [7] = max {, 4 3 4} = s r [8] = max {, 8 7 3} =. Tehtävä 2 Tarkastellaan luentomonisteen projektinvalvontaesimerkkiä Työntekijöitä on koko ajan käytössä 7 henkeä. Muodostetaan osatöiden aikataulut neljällä eri tavalla. a) Valitaan mahdollisista osatöistä se, joka on kestoltaan lyhin. Tällöin saadaan taulukko tapaus aika mahdolliset työt valitaan resursseja alku loppuu 3 2, loppuu loppuu 8 4,, 6, 7 7, 6, = 7 loppuu = 4 6 loppuu = 7 loppuu loppuu loppuu missä = osatyöt, jotka ovat edeltäjien puolesta mahdollisia. Sarakkeessa aika alimpana oleva 22 on projektin kesto. b) Valitaan mahdollisista osatöistä se, joka on resurssivaatimuksiltaan pienin. Nyt saadaan taulukko 3
4 tapaus aika mahdolliset työt valitaan resursseja alku loppuu 3 2, loppuu loppuu 8 4,, 6, 7 7, 6, = 7 loppuu = 4 6 loppuu = 7 loppuu loppuu loppuu Projektin kesto on tässäkin tapauksessa 22, ja taulukko on sama kuin a-kohdassa. c) Valitaan mahdollisista osatöistä se, jonka myöhäisin aloitushetki on mahdollisimman pian. Osatöiden myöhäisimmät aloitushetket nähdään seuraavasta taulukosta: l[j] v[j] Tämän perusteella saadaan taulukko tapaus aika mahdolliset työt valitaan resursseja alku loppuu 3 2, loppuu 6 2, 6, 7 2, 6, = 6 2 ja 7 loppuvat 8 4, = 4 6 loppuu = 7 4 loppuu 14 2 loppuu loppuu Projektin kesto on tällä kertaa 21. d) Valitaan mahdollisista osatöistä se, jonka maksimaalinen pelivara on pienin. Osatöiden maksimaaliset pelivarat lasketaan kaavalla s m [i] = min j {l[j] (i, j) E} v[i] a i, 4
5 jota käyttäen saadaan s m [] = = s m [1] = min {4, 3} 3 = s m [2] = min {14, 6} 3 2 = 1 s m [3] = min {14, 6, 1, 17} 3 3 = s m [4] = 19 6 = 8 s m [] = = s m [6] = = 4 s m [7] = = 11 s m [8] = =. Nyt saadaan sama ratkaisu kuin kohdassa c). Tehtävä 3 Muotoillaan edellinen tehtävä lineaariseksi optimointitehtäväksi kuten luentomonisteen sivuilla on esitetty. Projektin kesto on korkeintaan T = n a i = = 31, i=1 ja meillä on käytettävissä yksi resurssi joka on työvoiman määrä. Tehtävässä n = 8, b ik = h i, missä i = 1,..., 8 ja R kt = 7, missä k = 1 ja t = 1,...,31. Tarkastellaan resursseja erikseen kullakin aikavälillä [t 1, t), missä t = 1,..., 31. Valitaan päätösmuuttujiksi 1, kun työ i alkaa hetkellä t, missä t =, 1,..., 31 a i x it =, muuten. Saadaan optimointitehtävä min s. t. 31 tx 9t 8 i=1 31 a j 31 a i h i t 1 l=max {,t a i } tx jt 31 a i x il 7, t = 1,..., 31 tx it a i, x it = 1, i =, 1,...,9 (i, j) E x it {, 1}, i =,..., 9, t =,...,3.
6 Kirjoitetaan rajoitteet vielä auki. (Ensimmäisiä rajoitteita on yhteensä 31 kpl) x 1 + 3x 2 + 7x 3 + x 4 + 2x + 2x 6 + x 7 + 6x 8 7 (t = 1) (x 1 + x 11 ) + 3(x 2 + x 21 ) + + 6(x 8 + x 81 ) 7 (t = 2) (x 1 + x 11 + x 12 ) + 3(x 21 + x 22 ) + + 6(x 8 + x 81 + x 82 ) 7 (t = 3). (x 1,28 + x 1,29 + x 1,3 ) + 3(x 2,29 + x 2,3 ) + + 6(x 8,26 + x 8,27 + x 8,28 + x 8,29 + x 8,3 ) 7 (t = 31) (Seuraavia rajoitteita on 14 kpl) 31 2 tx 1t 31 tx t tx 2t tx 1t 3 tx 3t tx 1t tx 9t 31 6 tx 8t 6 (Viimeisestä rajoitteesta tulee aukikirjoitettuna 1 kpl) 31 x t = 1 x 1t = x 9t = 1 Tehtävässä on päätösmuuttujia (n+2)t = 1 31 = 31 ja rajoitteita =. Tehtävä 4 Laaditaan projektin osatöiden aikaisimmista aloitushetkistä, edeltäjistä ja myöhäisimmistä aloitushetkistä seuraava taulukko: 6
7 aikaisimmat edeltäjät myöhäisimmät v[s] = l[s] = min {, } = v[a] = d[a] = S l[a] = min {2 1, 1 1} = v[b] = d[b] = S l[b] = min {2 1, 1 1, 2 1} = v[c] = max { + 1, + 1} = 1 d[c] = A l[c] = 3 1 = 2 v[d] = max { + 1, + 1} = 1 d[d] = A l[d] = min {2 1, 4 1} = 1 v[e] = + 1 = 1 d[e] = B l[e] = min {2, 4 } = 2 v[f] = max {1 + 1, 1 + } = 2 d[f] = D l[f] = 3 = 2 v[g] = max {1 + 1, 2 + } = 3 d[g] = F l[g] = 2 = 3 v[h] = max {1 + 1, 1 + } = 2 d[h] = D l[h] = 1 = 4 v[i] = max {3 + 2, 2 + 1} = d[i] = G l[i] = 6 1 = v[f] = + 1 = 6 d[f] = I l[f] = 6 Projektin kesto on 6. Kriittinen polku on d[f] = I, d[i] = G, d[g] = F, d[f] = D, d[d] = A, d[a] = S eli S A D F G I f. A 1 C E H S I 1 f B D 1 1 F G Kuva 2: Tehtävän 4 graafi. Tarkastellaan sitten joidenkin osatöiden kestojen muutosten aiheuttamia vaikutuksia. a) Oletetaan, että työ E kestääkin 1 päivää. Silloin aloitushetken pelivara s[e] = l[e] v[e] = 2 1 = 1. Jos siis osatyön E kesto kasvaa 1 päivällä, niin saadaan vaihtoehtoinen kriittinen polku S B E F G I f. b) Oletetaan, että työ H kestääkin 2 päivää. Silloin aloitushetken pelivara s[h] = l[h] v[h] = 4 2 = 1. Niinpä 1 päivän lisäys ei vaikuta projektin kestoon eikä kriittiseen polkuun. c) Oletetaan, että työt F ja G valmistuvat päivän etuajassa. Silloin projektin kesto lyhenee 2 päivää, sillä töiden C ja H pelivarat ovat s[c] = ja s[h] = 1. Kriittinen polku ei muutu. 7
8 Tehtävä Olkoon tilamuuttujat x n = pakattujen esineiden yhteispaino vaiheessa n, n = 1,..., N 1, esine n pakataan y n =, esinettä n ei pakata. Tällöin saadaan rekursioyhtälö f n (x n ) = max yn {,1} ynwn xn f ( ) =. {y n u n + f n 1 (x n y n w n )}, x n W, n = 1,...,N (1) Lasketaan sovelluksena tapaus, jossa W = 7 ja N = 4. Seuraavissa taulukoissa kussakin vaiheessa n toinen ja kolmas sarake esittävät lausekkeen y n u n + f n 1 (x n y n w n ) arvoja y:n arvoilla ja 1. Neljäs ja viides sarake esittävät yhtälöistä (1) laskettua f:n lauseketta sekä sitä y:n arvoa jolla lauseke y n u n +f n 1 (x n y n w n ) saavuttaa maksiminsa. Otamme myös käyttöön merkinnän x n 1 = x n y n w n. Vaiheessa n = 1 saadaan taulukko x 1 y 1 = y 1 = 1 f 1 (x 1 ) y 1 (x 1 ) Vaiheessa n = 2 saadaan taulukko x 2 y 2 = y 2 = 1 f 2 (x 2 ) y 2 (x 2 ) Vaiheessa n = 3 saadaan taulukko 8
9 Vaiheessa n = 4 saadaan taulukko x 3 y 3 = y 3 = 1 f 3 (x 3 ) y 3 (x 3 ) x 4 y 4 = y 4 = 1 f 4 (x 4 ) y 4 (x 4 ) Vaiheen n = 4 taulukosta näemme, että suurimmalla sallitulla yhteispainolla W = 7 päätösmuuttujan y 4 arvoksi tulee 1. Tästä voimme laskea x 3 :n arvon rekursiokaavalla x 3 = x 4 y 4 w 4. Tätä muuttujan x 3 arvoa voimme taas käyttää päätösmuuttujan y 3 määrittämiseen vaiheen n = 3 taulukosta. Näin jatkamalla rekursioketjun kulkemista takaperin vaiheeseen n = 1 saamme y 4 (7) = 1, x 3 = x 4 y 4 w 4 = = 6 y 3 (6) =, x 2 = x 3 y 3 w 3 = 6 3 = 6 y 2 (6) = 1, x 1 = x 2 y 2 w 2 = = 4 y 1 (4) = 1. Ratkaisu on siis, että kannattaa valita esineet 1, 2 ja 4, jolloin niistä saatava kokonaishyöty on 6. 9
Harjoitus 2 ( )
Harjoitus 2 (24.3.2015) Tehtävä 1 Figure 1: Tehtävän 1 graafi. Aikaisimmat aloitushetket selvitetään kaavoilla v[0] = 0 v[p] max 0 i p 1 {v[i]+a i (i,p) E} = v[l]+a l d[p] l. Muodostetaan taulukko, jossa
LisätiedotMalliratkaisut Demot
Malliratkaisut Demot.. Tehtävä Edellinen tehtävä voidaan ratkaista mm. Bellman-Fordin, Floyd-Warshallin tai Dikstran algoritmilla. Kyseessä on syklitön suunnattu verkko, oten algoritmi. (lyhimmät tiet
LisätiedotMalliratkaisut Demot
Malliratkaisut Demot 3 7.3.07 Tehtävä Olkoon tilamuuttujat Tällöin saadaan rekursioyhtälö f n (x n ) = max yn {0,} ynwn xn f 0 ( ) = 0. x n = vaiheessa n jäljellä oleva paino, n =,...,N, esine n pakataan
LisätiedotHarjoitus 1 (20.3.2014)
Harjoitus 1 (20.3.2014) Tehtävä 1 Piirretään tilanteesta verkko, jossa kaupungeille on annetttu seuraavat numerot: 1 = Turku 2 = Tampere 3 = Hämeenlinna 4 = Imatra 5 = Jyväskylä. 5 2 149(5) 190(4) 113(1)
LisätiedotHarjoitus 1 (17.3.2015)
Harjoitus 1 (17.3.2015) Tehtävä 1 Piirretään tilanteesta verkko, jossa kaupungeille on annetttu seuraavat numerot: 1 = Turku 2 = Tampere 3 = Helsinki 4 = Kuopio 5 = Joensuu. a) Tehtävänä on ratkaista Bellman
LisätiedotMalliratkaisut Demot
Malliratkaisut Demot 1 12.3.2018 Tehtävä 1 Piirretään tilanteesta verkko, jossa kaupungeille on annetttu seuraavat numerot: 1 297 4 2 4 163 3 454 6 179 2 136 2 169 2 390 4 3 436 7 5 Kuva 1: Tehtävän 1
LisätiedotHarjoitus 5 ( )
Harjoitus 5 (24.4.2014) Tehtävä 1 Kuva 1: Tehtävän 1 sallittu joukko S. Optimointitehtävän sallittu alue S on pisteiden (0, 0), (0, 7), (4, 3), (9, 8) ja (9, 0) määräämä viisikulmio. Kyseinen alue saadaan
LisätiedotHarjoitus 3 (3.4.2014)
Harjoitus 3 (3..) Tehtävä Olkoon kaaren paino c ij suurin sallittu korkeus tieosuudella (i, j). Etsitään reitti solmusta s solmuun t siten, että reitin suurin sallittu korkeus pienimmillään olisi mahdollisimman
LisätiedotHarjoitus 5 ( )
Harjoitus 5 (14.4.2015) Tehtävä 1 Figure 1: Tehtävän 1 sallittu joukko S. Optimointitehtävän sallittu alue S on pisteiden (0, 0), (0, 7), (4, 3), (9, 8) ja (9, 0) määräämä viisikulmio. Kyseinen alue saadaan
LisätiedotHarjoitus 3 (31.3.2015)
Harjoitus (..05) Tehtävä Olkoon kaaren paino c ij suurin sallittu korkeus tieosuudella (i,j). Etsitään reitti solmusta s solmuun t siten, että reitin suurin sallittu korkeus pienimmillään olisi mahdollisimman
LisätiedotMatemaattinen optimointi II
Matemaattinen optimointi II Marko M. Mäkelä Turun yliopisto Matematiikan ja tilastotieteen laitos Kevät 21 Sisältö Esipuhe 1 1 Lyhimmät tiet ja diskreetti dynaaminen optimointi 2 1.1 Lyhimmän tien ongelmia............................
LisätiedotJohdatus verkkoteoriaan luento Netspace
Johdatus verkkoteoriaan luento 20.3.18 Netspace Kurssin sijainti muussa suunnitellussa kokonaisuudessa Verkko eli graafi, tasoverkko, solmut, välit, alueet, suunnatut verkot, isomorfiset verkot, verkon
LisätiedotMalliratkaisut Demo 1
Malliratkaisut Demo 1 1. Merkitään x = kuinka monta viikkoa odotetaan ennen kuin perunat nostetaan. Nyt maksimoitavaksi kohdefunktioksi tulee f(x) = (60 5x)(300 + 50x). Funktio f on alaspäin aukeava paraaeli,
LisätiedotVakuutusmarkkinoilla toimivien yhteisöjen tiedonkeruukartta
401 Työeläkevakuutusyhtiö Frekvenssi VD: Vakavaraisuus VA01a Tuloslaskelma työeläkevakuutusyhtiöille VA02 Tase - vastaavaa VA03 Tase - vastattavaa VB02a Työeläkevakuutusyhtiön tuloslaskelmaa koskevat liitetiedot
LisätiedotRatkaisuehdotukset LH 7 / vko 47
MS-C34 Lineaarialgebra, II/7 Ratkaisuehdotukset LH 7 / vko 47 Tehtävä : Olkoot M R symmetrinen ja positiividefiniitti matriisi (i) Näytä, että m > ja m > (ii) Etsi Eliminaatiomatriisi E R siten, että [
LisätiedotMalliratkaisut Demot
Malliratkaisut Demot 1 23.1.2017 1. Päätösmuuttujiksi voidaan valita x 1 : tehtyjen peruspöytin lukumäärä x 2 : tehtyjen luxuspöytien lukumäärä. Optimointitehtäväksi tulee max 200x 1 + 350x 2 s. t. 5x
LisätiedotMATEMATIIKAN PERUSKURSSI I Harjoitustehtäviä syksy Millä reaaliluvun x arvoilla. 3 4 x 2,
MATEMATIIKAN PERUSKURSSI I Harjoitustehtäviä syksy 6. Millä reaaliluvun arvoilla a) 9 =, b) + + + 4, e) 5?. Kirjoita Σ-merkkiä käyttäen summat 4, a) + 4 + 6 + +, b) 8 + 4 6 + + n n, c) + + +
LisätiedotMalliratkaisut Demot
Malliratkaisut Demot 5 10.4.2017 Tehtävä 1 x 2 7 0,7 9,8 6 5 4 x 1 x 2 7 x 1 x 2 1 3 2 x 1 0 4,3 x 1 9 1 0,0 x 2 0 9,0 1 2 3 4 5 6 7 8 9 x 1 Kuva 1: Tehtävän 1 sallittu joukko S Optimointitehtävän sallittu
Lisätiedotl 1 2l + 1, c) 100 l=0 AB 3AC ja AB AC sekä vektoreiden AB ja
MATEMATIIKAN PERUSKURSSI I Harjoitustehtäviä syksy 7. Millä reaaliluvun arvoilla a) 9 =, b) + 5 + +, e) 5?. Kirjoita Σ-merkkiä käyttäen summat 4, a) + + 5 + + 99, b) 5 + 4 65 + + n 5 n, c) +
Lisätiedotl 1 2l + 1, c) 100 l=0
MATEMATIIKAN PERUSKURSSI I Harjoitustehtäviä syksy 5. Millä reaaliluvun arvoilla a) 9 =, b) 5 + 5 +, e) 5?. Kirjoita Σ-merkkiä käyttäen summat 4, a) + + 5 + + 99, b) 5 + 4 65 + + n 5 n, c)
Lisätiedot1 Rajoittamaton optimointi
Taloustieteen matemaattiset menetelmät 7 materiaali 5 Rajoittamaton optimointi Yhden muuttujan tapaus f R! R Muistutetaan mieleen maksimin määritelmä. Funktiolla f on maksimi pisteessä x jos kaikille y
LisätiedotMalliratkaisut Demot
Malliratkaisut Demot 4 3.4.017 Tehtävä 1 Tarkastellaan harjoituksen 1 nopeimman reitin ongelmaa ja etsitään sille lyhin virittävä puu käyttämällä kahta eri algoritmia. a) (Primin algoritmi) Lähtemällä
Lisätiedot2 Osittaisderivaattojen sovelluksia
2 Osittaisderivaattojen sovelluksia 2.1 Ääriarvot Yhden muuttujan funktiolla f(x) on lokaali maksimiarvo (lokaali minimiarvo) pisteessä a, jos f(x) f(a) (f(x) f(a)) kaikilla x:n arvoilla riittävän lähellä
LisätiedotHarjoitus 6 ( )
Harjoitus 6 (30.4.2014) Tehtävä 1 Määritelmän (ks. luentomoniste s. 109) mukaan yleisen, muotoa min f(x) s.t. g(x) 0 h(x) = 0 x X (1) olevan optimointitehtävän Lagrangen duaali on max θ(u,v) s.t. u 0,
LisätiedotHarjoitus 6 ( )
Harjoitus 6 (21.4.2015) Tehtävä 1 Määritelmän (ks. luentomoniste s. 109) mukaan yleisen, muotoa min f(x) s. t. g(x) 0 h(x) = 0 x X olevan optimointitehtävän Lagrangen duaali on missä max θ(u, v) s. t.
Lisätiedotf(x 1, x 2 ) = x x 1 k 1 k 2 k 1, k 2 x 2 1, 0 1 f(1, 1)h 1 = h = h 2 1, 1 12 f(1, 1)h 1 h 2
HY / Matematiikan ja tilastotieteen laitos Vektorianalyysi I, syksy 7 Harjoitus 6 Ratkaisuehdotukset 6.. Olkoon f : G R, G = {(x, x ) R x > }, f(x, x ) = x x. Etsi differentiaalit d k f(, ), k =,,. Ratkaisu:
LisätiedotMalliratkaisut Demot
Malliratkaisut Demot 3.2.27 Tehtävä. Valmisohjelmistolla voidaan ratkaista tehtävä min c T x s. t. Ax b x, missä x, c ja b R n ja A R m n. Muunnetaan tehtävä max x + 2x 2 + 3x 3 + x s. t. x + 3x 2 + 2x
LisätiedotMalliratkaisut Demot
Malliratkaisut Demot 6 24.4.2017 Tehtävä 1 Määritelmän (ks. luentomonisteen s. 107) mukaan yleisen muotoa min f(x) s.t. g(x) 0 h(x) = 0 x X (1) olevan optimointitehtävän Lagrangen duaali on min θ(u,v)
Lisätiedotsin x cos x cos x = sin x arvoilla x ] π
Matematiikan johdantokurssi, syksy 08 Harjoitus 0, ratkaisuista. Todenna, että = + tan x. Mutta selvitäppä millä reaaliarvoilla se oikeasti pitää paikkansa! Ratkaisu. Yhtälön molemmat puolet ovat määriteltyjä
LisätiedotLuento 9: Yhtälörajoitukset optimoinnissa
Luento 9: Yhtälörajoitukset optimoinnissa Lagrangen kerroin Oletetaan aluksi, että f, g : R R. Merkitään (x 1, x ) := (x, y) ja johdetaan Lagrangen kerroin λ tehtävälle min f(x, y) s.t. g(x, y) = 0 Olkoon
Lisätiedothttp://www.angelniemenankkuri.com/index.php?page=ilu/nuoret/ajankohtaista&select=3&head=nuori%20...
Sivu 1/28 " #%% ((%% ( * +, " -. / " - ("*0 "# % "# (( # # ( ( * # +,,-. /0,-,,2 3 #4 3 % % 5 5 * 4 % 3 6 4 4 44( ( % #"" #"#"# + 7. 4 %%2%%3 % 4 9#:200; 1 5242%% 1,1200/,/,/ (43%% 1 ("*01,01200/,202200/
LisätiedotTestejä suhdeasteikollisille muuttujille
Ilkka Mellin Tilastolliset menetelmät Osa 3: Tilastolliset testit Testejä suhdeasteikollisille muuttujille TKK (c) Ilkka Mellin (007) 1 Testejä suhdeasteikollisille muuttujille >> Testit normaalijakauman
LisätiedotRatkaisu: Yksi tapa nähdä, että kaavat A (B C) ja (A B) (A C) ovat loogisesti ekvivalentit, on tehdä totuustaulu lauseelle
HY / Matematiikan ja tilastotieteen laitos Johdatus logiikkaan I, syksy 2018 Harjoitus 3 Ratkaisuehdotukset 1. Olkoot A, B ja C propositiolauseita. Näytä, että A (B C) (A B) (A C). Ratkaisu: Yksi tapa
LisätiedotMääritelmä 1. Olkoot V ja W lineaariavaruuksia kunnan K yli. Kuvaus L : V. Termejä: Lineaarikuvaus, Lineaarinen kuvaus.
1 Lineaarikuvaus 1.1 Määritelmä Määritelmä 1. Olkoot V ja W lineaariavaruuksia kunnan K yli. Kuvaus L : V W on lineaarinen, jos (a) L(v + w) = L(v) + L(w); (b) L(λv) = λl(v) aina, kun v, w V ja λ K. Termejä:
LisätiedotInvestointimahdollisuudet ja investoinnin ajoittaminen
Investointimahdollisuudet ja investoinnin ajoittaminen Ajoituksen ratkaisu dynaamisella optimoinnilla Optimointiopin seminaari - Syksy 000 / Esitelmän sisältö Investoinnin ajoitusongelman esittely Ongelman
LisätiedotAluevarausmerkinnät: T/kem Maakuntakaava
kk mk mv se jl ma ge pv nat luo un kp me va sv rr rr A AA C P TP T TT T/kem V R RA RM L LM LL LS E ET EN EJ EO EK EP S SL SM SR M MT MU MY W c ca km at p t t/ kem mo vt/kt/st vt/kt st yt tv /k /v ab/12
LisätiedotMalliratkaisut Demot
Malliratkaisut Demot 2.2.217 Tehtävä 1 Edellisten demojen tehtävä oli muotoa max 3x 1 + 4x 2 s.t. 7x 1 + 3x 2 24 : v 1 x 1 + 4x 2 17 : v 2 x 2 3 : v 3 x 1, x 2. Kohdefunktio voitiin kirjoittaa myös muotoon
LisätiedotRekursio. Funktio f : N R määritellään yleensä antamalla lauseke funktion arvolle f (n). Vaihtoehtoinen tapa määritellä funktioita f : N R on
Rekursio Funktio f : N R määritellään yleensä antamalla lauseke funktion arvolle f (n). Vaihtoehtoinen tapa määritellä funktioita f : N R on käyttää rekursiota: Rekursio Funktio f : N R määritellään yleensä
LisätiedotVaihtoehtoinen tapa määritellä funktioita f : N R on
Rekursio Funktio f : N R määritellään yleensä antamalla lauseke funktion arvolle f (n). Vaihtoehtoinen tapa määritellä funktioita f : N R on käyttää rekursiota: 1 (Alkuarvot) Ilmoitetaan funktion arvot
LisätiedotJuuri 12 Tehtävien ratkaisut Kustannusosakeyhtiö Otava päivitetty
Juuri Tehtävien ratkaisut Kustannusosakeyhtiö Otava päivitetty 7.5.08 Kertaus K. a) Polynomi P() = + 8 on jaollinen polynomilla Q() =, jos = on polynomin P nollakohta, eli P() = 0. P() = + 8 = 54 08 +
LisätiedotNäytetään nyt relaatioon liittyvien ekvivalenssiluokkien olevan verkon G lohkojen särmäjoukkoja. Olkoon siis f verkon G jokin särmä.
Tehtävä 6 : 1 Oletetaan ensin joukon X olevan sisältymisen suhteen minimaalinen solmut a ja b toisistaan erotteleva joukon V(G)\{a, b} osajoukko. Olkoon x joukon X alkio. Oletuksen nojalla joukko X\{x}
Lisätiedotf (28) L(28) = f (27) + f (27)(28 27) = = (28 27) 2 = 1 2 f (x) = x 2
BMA581 - Differentiaalilaskenta ja sovellukset Harjoitus 4, Syksy 15 1. (a) Olisiko virhe likimain.5, ja arvio antaa siis liian suuren arvon. (b) Esim (1,1.5) tai (,.5). Funktion toinen derivaatta saa
Lisätiedot802320A LINEAARIALGEBRA OSA III
802320A LINEAARIALGEBRA OSA III Tapani Matala-aho MATEMATIIKKA/LUTK/OULUN YLIOPISTO SYKSY 2016 LINEAARIALGEBRA 1 / 56 Määritelmä Määritelmä 1 Olkoot V ja W lineaariavaruuksia kunnan K yli. Kuvaus L : V
LisätiedotValintakoe
Valintakoe 7.3.05 Kokeessa saa käyttää kirjoitusvälinewiden lisäksi ainoastaan kokeessa jaettavaa funktiolaskinta ja taulukkoa Pisteytys 8*3p=4p. Tehtävien alakohtien pistemäärät voivat poiketa toisistaan..
LisätiedotMAB3 - Harjoitustehtävien ratkaisut:
MAB - Harjoitustehtävien ratkaisut: Funktio. Piirretään koordinaatistoakselit ja sijoitetaan pisteet:. a) Funktioiden nollakohdat löydetään etsimällä kuvaajien ja - akselin leikkauspisteitä. Funktiolla
LisätiedotDanfoss SUOSITUT MAGNEETTIVENTTIILIT. Danfoss magneettiventtiilit Esimerkki No1099 = (4)1105, (6)1107B, (8)1110. Eniten myyty
Eniten myyty Danfoss 1 2 3 4 5 6 7 8 9 Danfoss magneettiventtiilit Esimerkki No1099 = (4)1105, (6)1107B, (8)1110 1 1099 Danfoss EVSI 10 max+90 C 1/2 230V 10W 2 1102 Danfoss EVI 1,5 1/8 230V 10W 3 1103
LisätiedotSatunnaismuuttujien muunnokset ja niiden jakaumat
Ilkka Mellin Todennäköisyyslaskenta Osa 2: Satunnaismuuttujat ja todennäköisyysjakaumat Satunnaismuuttujien muunnokset ja niiden jakaumat TKK (c) Ilkka Mellin (2007) 1 Satunnaismuuttujien muunnokset ja
LisätiedotJuuri 12 Tehtävien ratkaisut Kustannusosakeyhtiö Otava päivitetty
Kertaus K. a) Polynomi P() = 3 + 8 on jaollinen polynomilla Q() = 3, jos = 3 on polynomin P nollakohta, eli P(3) = 0. P(3) = 3 3 3 + 8 3 = 54 08 + 54 = 0. Polynomi P on jaollinen polynomilla Q. b) Jaetaan
LisätiedotTehtävä 1. Päättele resoluutiolla seuraavista klausuulijoukoista. a. 1 {p 3 } oletus. 4 {p 1, p 2, p 3 } oletus. 5 { p 1 } (1, 2) 7 (4, 6)
Tehtävä 1 Päättele resoluutiolla seuraavista klausuulijoukoista. a. {{p 0 }, {p 1 }, { p 0, p 2 }, {p 1, p 2, p 3 }, { p 2, p 3 }, {p 3 }}, b. {{ p 0, p 2 }, {p 0, p 1 }, {{ p 1, p 2 }, { p 2 }}, c. {{p
LisätiedotHarjoitus 7: vastausvihjeet
Taloustieteen matemaattiset menetelmät 31C01100 Kevät 2017 Topi Hokkanen topi.hokkanen@aalto.fi Harjoitus 7: vastausvihjeet 1. (Epäyhtälörajoitteet) Olkoon f (x, y) = 6x + 4y ja g (x, y) = x 2 + y 2 2.
LisätiedotMatematiikan tukikurssi
Matematiikan tukikurssi Kertausluento 2. välikokeeseen Toisessa välikokeessa on syytä osata ainakin seuraavat asiat:. Potenssisarjojen suppenemissäde, suppenemisväli ja suppenemisjoukko. 2. Derivaatan
LisätiedotL a = L l. rv a = Rv l v l = r R v a = v a 1, 5
Tehtävä a) Energia ja rataliikemäärämomentti säilyy. Maa on r = AU päässä auringosta. Mars on auringosta keskimäärin R =, 5AU päässä. Merkitään luotaimen massaa m(vaikka kuten tullaan huomaamaan sitä ei
Lisätiedotisomeerejä yhteensä yhdeksän kappaletta.
Tehtävä 2 : 1 Esitetään aluksi eräitä havaintoja. Jokaisella n Z + symbolilla H (n) merkitään kaikkien niiden verkkojen joukkoa, jotka vastaavat jotakin tehtävänannon ehtojen mukaista alkaanin hiiliketjua
LisätiedotTehtävä 8 : 1. Tehtävä 8 : 2
Tehtävä 8 : 1 Merkitään kirjaimella G tarkasteltavaa Petersenin verkkoa. Olkoon A joukon V(G) niiden solmujen joukko, joita vastaavat solmut sijaitsevat tehtäväpaperin kuvassa ulkokehällä. Joukon A jokaisella
Lisätiedot4 LUKUJONOT JA SUMMAT
Huippu Kertaus Tehtävien ratkaisut Kustannusosakeyhtiö Otava päivitetty 0.7.08 4 LUKUJONOT JA SUMMAT ALOITA PERUSTEISTA 45A. Määritetään lukujonon (a n ) kolme ensimmäistä jäsentä ja sadas jäsen a 00 sijoittamalla
LisätiedotInjektio (1/3) Funktio f on injektio, joss. f (x 1 ) = f (x 2 ) x 1 = x 2 x 1, x 2 D(f )
Injektio (1/3) Määritelmä Funktio f on injektio, joss f (x 1 ) = f (x 2 ) x 1 = x 2 x 1, x 2 D(f ) Seurauksia: Jatkuva injektio on siis aina joko aidosti kasvava tai aidosti vähenevä Injektiolla on enintään
Lisätiedot1 Komparatiivinen statiikka ja implisiittifunktiolause
Taloustieteen matemaattiset menetelmät 27 materiaali 4 Komparatiivinen statiikka ja implisiittifunktiolause. Johdanto Jo opiskeltu antaa nyt valmiu tutkia taloudellisia malleja Kiinnostava malli voi olla
LisätiedotMatematiikan tukikurssi
Matematiikan tukikurssi Kurssikerta 9 1 Implisiittinen derivointi Tarkastellaan nyt yhtälöä F(x, y) = c, jossa x ja y ovat muuttujia ja c on vakio Esimerkki tällaisesta yhtälöstä on x 2 y 5 + 5xy = 14
LisätiedotRatkaisu: Ensimmäinen suunta. Olkoon f : R n R m jatkuva eli kaikilla ε > 0 on olemassa sellainen δ > 0, että. kun x a < δ. Nyt kaikilla j = 1,...
HY / Matematiikan ja tilastotieteen laitos Vektorianalyysi II, syksy 2017 Harjoitus 1 Ratkaisuehdotukset 11 Osoita, että vektorifunktio f = (f 1,, f m ): R n R m, on jatkuva, jos ja vain jos jokainen komponenttifunktio
LisätiedotTehtävänanto oli ratkaista seuraavat määrätyt integraalit: b) 0 e x + 1
Tehtävä : Tehtävänanto oli ratkaista seuraavat määrätyt integraalit: a) a) x b) e x + Integraali voisi ratketa muuttujanvaihdolla. Integroitava on muotoa (a x ) n joten sopiva muuttujanvaihto voisi olla
LisätiedotVakuutusmarkkinoilla toimivien yhteisöjen tiedonkeruukartta
401 Työeläkevakuutusyhtiö Frekvenssi VD: Vakavaraisuus VA01a Tuloslaskelma työeläkevakuutusyhtiöille VB01 Epäsuora rahoituslaskelma VB02a Työeläkevakuutusyhtiön tuloslaskelmaa koskevat liitetiedot VD01
Lisätiedot= 5! 2 2!3! = = 10. Edelleen tästä joukosta voidaan valita kolme särmää yhteensä = 10! 3 3!7! = = 120
Tehtävä 1 : 1 Merkitään jatkossa kirjaimella H kaikkien solmujoukon V sellaisten verkkojen kokoelmaa, joissa on tasan kolme särmää. a) Jokainen verkko G H toteuttaa väitteen E(G) [V]. Toisaalta jokainen
LisätiedotLUKU 3. Ulkoinen derivaatta. dx i 1. dx i 2. ω i1,i 2,...,i k
LUKU 3 Ulkoinen derivaatta Olkoot A R n alue k n ja ω jatkuvasti derivoituva k-muoto alueessa A Muoto ω voidaan esittää summana ω = ω i1 i 2 i k dx i 1 dx i 2 1 i 1
LisätiedotVakuutusmarkkinoilla toimivan yhteisön konekielisten valvontatietojen toimittaminen Finanssivalvonnalle
Vakuutusmarkkinoilla toimivan yhteisön konekielisten valvontatietojen Määräykset ja ohjeet Vakuutusyhtiöt Eläkekassat Eläkesäätiöt Antopäivä 1.2.2011 Voimaantulopäivä 1.2.2011 FINANSSIVALVONTA puh. 010
LisätiedotOptimoinnin sovellukset
Optimoinnin sovellukset Timo Ranta Tutkijatohtori TTY Porin laitos OPTIMI 4.12.2014 Mitä optimointi on? Parhaan ratkaisun systemaattinen etsintä kaikkien mahdollisten ratkaisujen joukosta Tieteellinen
LisätiedotAlgoritmit 1. Luento 13 Ti 23.2.2016. Timo Männikkö
Algoritmit 1 Luento 13 Ti 23.2.2016 Timo Männikkö Luento 13 Suunnittelumenetelmät Taulukointi Kapsäkkiongelma Ahne menetelmä Verkon lyhimmät polut Dijkstran menetelmä Verkon lyhin virittävä puu Kruskalin
Lisätiedot1. Tutkitaan regressiomallia Y i = β 0 + β 1 X i + u i ja oletetaan, että tavanomaiset
TA7, Ekonometrian johdantokurssi HARJOITUS 7 RATKAISUEHDOTUKSET 16.3.2015 1. Tutkitaan regressiomallia Y i = β 0 + X i + u i ja oletetaan, että tavanomaiset regressiomallin oletukset pätevät (Key Concept
LisätiedotLineaarinen optimointitehtävä
Lineaarinen optimointitehtävä Minimointitehtävä yhtälörajoittein: min kun n j=1 n j=1 c j x j a ij x j = b i x j 0 j = 1,..., n i = 1,..., m Merkitään: z = alkuperäisen objektifunktion arvo käsiteltävänä
LisätiedotHY / Matematiikan ja tilastotieteen laitos Johdatus logiikkaan I, syksy 2018 Harjoitus 5 Ratkaisuehdotukset
HY / Matematiikan ja tilastotieteen laitos Johdatus logiikkaan I, syksy 2018 Harjoitus 5 Ratkaisuehdotukset 1. Päättele resoluutiolla seuraavista klausuulijoukoista: (a) {{p 0 }, {p 1 }, { p 0, p 2 },
LisätiedotInsinöörimatematiikka D, laskuharjoituksien esimerkkiratkaisut
Insinöörimatematiikka D, 29.3.2016 4. laskuharjoituksien esimerkkiratkaisut 1. Olkoon u (4,0,4,2) ja v ( 1,1,3,5) vektoreita vektoriavaruudessa R 4. Annetun sisätulon (x,y) indusoima normi on x (x,x) ja
LisätiedotJohdatus todennäköisyyslaskentaan Moniulotteisia todennäköisyysjakaumia. TKK (c) Ilkka Mellin (2005) 1
Johdatus todennäköisyyslaskentaan Moniulotteisia todennäköisyysjakaumia TKK (c) Ilkka Mellin (005) 1 Moniulotteisia todennäköisyysjakaumia Multinomijakauma Kaksiulotteinen normaalijakauma TKK (c) Ilkka
LisätiedotMAB Jussi Tyni. Lue ohjeet huolellisesti! Tee pisteytysruudukko konseptin yläkertaan. Muista kirjoittaa nimesi. Kysymyspaperin saa pitää.
MAB6. 014 Jussi Tyni Lue ohjeet huolellisesti! Tee pisteytysruudukko konseptin yläkertaan. Muista kirjoittaa nimesi. Kysymyspaperin saa pitää. A-OSIO: Ei saa käyttää laskinta. MAOL saa olla esillä. Maksimissaan
LisätiedotMoniulotteisia todennäköisyysjakaumia
Ilkka Mellin Todennäköisyyslaskenta Osa 3: Todennäköisyysjakaumia Moniulotteisia todennäköisyysjakaumia TKK (c) Ilkka Mellin (007) 1 Moniulotteisia todennäköisyysjakaumia >> Multinomijakauma Kaksiulotteinen
LisätiedotHarjoitus 8: Excel - Optimointi
Harjoitus 8: Excel - Optimointi Mat-2.2107 Sovelletun matematiikan tietokonetyöt Syksy 2006 Mat-2.2107 Sovelletun matematiikan tietokonetyöt 1 Harjoituksen aiheita Lineaarisen optimointimallin muodostaminen
LisätiedotErään piirikomponentin napajännite on nolla, eikä sen läpi kulje virtaa ajanhetkellä 0 jännitteen ja virran arvot ovat. 500t.
DEE- Piirianalyysi Harjoitus / viikko 4 Erään piirikomponentin napajännite on nolla, eikä sen läpi kulje virtaa ajanhetkellä jännitteen ja virran arvot ovat t Kun t, v te t 5t 8 V, i te t 5t 5 A, a) Määritä
LisätiedotHARJOITUS- PAKETTI E
Logistiikka A35A00310 Tuotantotalouden perusteet HARJOITUS- PAKETTI E (6 pistettä) TUTA 17 Luento 18 Jonojen hallinta Hamburger Restaurant Pinball Wizard 1 piste Benny s Arcade 1/4 Luento 19 Projektin
LisätiedotIlkka Mellin Todennäköisyyslaskenta Osa 3: Todennäköisyysjakaumia Moniulotteisia todennäköisyysjakaumia
Ilkka Mellin Todennäköisyyslaskenta Osa 3: Todennäköisyysjakaumia Moniulotteisia todennäköisyysjakaumia TKK (c) Ilkka Mellin (006) 1 Moniulotteisia todennäköisyysjakaumia >> Multinomijakauma Kaksiulotteinen
Lisätiedot1 Kertaus. Lineaarinen optimointitehtävä on muotoa:
1 Kertaus Lineaarinen optimointitehtävä on muotoa: min c 1 x 1 + c 2 x 2 + + c n x n kun 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 (11) a m1 x 1 + a m2 x 2 + + a mn x n
Lisätiedot= P 0 (V 2 V 1 ) + nrt 0. nrt 0 ln V ]
766328A Termofysiikka Harjoitus no. 7, ratkaisut (syyslukukausi 2014) 1. Sylinteri on ympäristössä, jonka paine on P 0 ja lämpötila T 0. Sylinterin sisällä on n moolia ideaalikaasua ja sen tilavuutta kasvatetaan
LisätiedotMalliratkaisut Demot
Malliratkaisut Demot 5 2.2.28 Tehtävä a) Tehtävä voidaan sieventää muotoon max 5x + 9x 2 + x 3 s. t. 2x + x 2 + x 3 x 3 x 2 3 x 3 3 x, x 2, x 3 Tämä on tehtävän kanoninen muoto, n = 3 ja m =. b) Otetaan
LisätiedotKoska ovat negatiiviset. Keskihajontoja ei pystytä laskemaan mutta pätee ¾.
24.11.2006 1. Oletetaan, että kaksiulotteinen satunnaismuuttuja µ noudattaa kaksiulotteista normaalijakaumaa. Oletetaan lisäksi, että satunnaismuuttujan regressiofunktio satunnaismuuttujan suhteen on ݵ
Lisätiedot, on säännöllinen 2-ulotteinen pinta. Määrää T x0 pisteessä x 0 = (0, 1, 1).
HY / Matematiikan ja tilastotieteen laitos Vektorianalyysi II, syksy 017 Harjoitus 4 Ratkaisuehdotukset 4.1. Osoita, että tasa-arvojoukko S F (0), F : R 3 R, F (x) = 3x 1 x 3 + e x + x e x 3, on säännöllinen
LisätiedotHelsingin, Itä-Suomen, Jyväskylän, Oulun, Tampereen ja Turun yliopisto Matematiikan valintakoe 11.6.2012 klo 10 13 Ratkaisut ja pisteytysohjeet
Helsingin, Itä-Suomen, Jyväskylän, Oulun, Tampereen ja Turun yliopisto Matematiikan valintakoe 11.6.01 klo 10 13 t ja pisteytysohjeet 1. Ratkaise seuraavat yhtälöt ja epäyhtälöt. (a) 3 x 3 3 x 1 4, (b)
LisätiedotDanfoss. Danfoss. EV220A 10B 1/2 Kv-Arvo 1,6 EPDM-kalvo Jännitteettömänä kiinni Sopii uusiin WD Metos astianpesukoneisiin
Eniten myyty Danfoss 1 2 3 4 5 6 7 8 9 Danfoss magneettiventtiilit Esimerkki No1099 = (4)1105, (6)1107B, (8)1110 1 1099 Danfoss EVSI 10 max+90 C 1/2 230V 10W 2 1102 Danfoss EVI 1,5 1/8 230V 10W 3 1103
LisätiedotReaaliarvoisen yhden muuttujan funktion derivaatta LaMa 1U syksyllä 2011
Kuudennen eli viimeisen viikon luennot Reaaliarvoisen yhden muuttujan funktion derivaatta LaMa 1U syksyllä 2011 Perustuu Trench in verkkokirjan lukuihin 2.3. ja 2.4. Esko Turunen esko.turunen@tut.fi Jatkuvuuden
Lisätiedot4. Luennon sisältö. Lineaarisen optimointitehtävän ratkaiseminen Simplex-menetelmä
JYVÄSKYLÄN YLIOPISTO 4. Luennon sisältö Lineaarisen optimointitehtävän ratkaiseminen Simplex-menetelmä kevät 2012 TIEA382 Lineaarinen ja diskreetti optimointi Lineaarinen optimointitehtävä Minimointitehtävä
LisätiedotRatkaisu: Käytetään induktiota propositiolauseen A rakenteen suhteen. Alkuaskel. A = p i jollain i N. Koska v(p i ) = 1 kaikilla i N, saadaan
HY / Matematiikan ja tilastotieteen laitos Johdatus logiikkaan I, syksy 2018 Harjoitus 2 Ratkaisuehdotukset 1. Olkoon totuusjakauma v sellainen että v(p i ) = 1 kaikilla i N ja A propositiolause, jossa
LisätiedotHelsingin, Itä-Suomen, Jyväskylän, Oulun, Tampereen ja Turun yliopisto Matematiikan valintakoe klo 10 13
Helsingin, Itä-Suomen, Jyväskylän, Oulun, Tampereen ja Turun yliopisto Matematiikan valintakoe 11.6.2012 klo 10 13 1. Ratkaise seuraavat yhtälöt ja epäyhtälöt. (a) 3 2 x 2 3 2 3 x 1 4, (b) (x + 1)(x 2)
LisätiedotMalliratkaisut Demo 4
Malliratkaisut Demo 4 1. tehtävä a) f(x) = 2x + 21. Funktio on lineaarinen, joten se on unimodaalinen sekä maksimoinnin että imoinnin suhteen. Funktio on konveksi ja konkaavi. b) f(x) = x (pienin kokonaisluku
Lisätiedot2 exp( 2u), kun u > 0 f U (u) = v = 3 + u 3v + uv = u. f V (v) dv = f U (u) du du f V (v) = f U (u) dv = f U (h(v)) h (v) = f U 1 v (1 v) 2
HY, MTO / Matemaattisten tieteiden kandiohjelma Todennäköisyyslaskenta IIa, syksy 208 Harjoitus 4 Ratkaisuehdotuksia Tehtäväsarja I. Satunnaismuuttuja U Exp(2) ja V = U/(3 + U). Laske f V käyttämällä muuttujanvaihtotekniikkaa.
LisätiedotMääräykset ja ohjeet 1/2011
Määräykset ja ohjeet 1/2011 Vakuutusmarkkinoilla toimivan yhteisön konekielisten valvontatietojen toimittaminen Finanssivalvonnalle 5/101/2011 Antopäivä 21.3.2011 Voimaantulopäivä 1.4.2011 FINANSSIVALVONTA
LisätiedotKvanttifysiikan perusteet 2017
Kvanttifysiikan perusteet 207 Harjoitus 2: ratkaisut Tehtävä Osoita hyödyntäen Maxwellin yhtälöitä, että tyhjiössä magneettikenttä ja sähkökenttä toteuttavat aaltoyhtälön, missä aallon nopeus on v = c.
LisätiedotA ja B pelaavat sarjan pelejä. Sarjan voittaja on se, joka ensin voittaa n peliä.
Esimerkki otteluvoiton todennäköisyys A ja B pelaavat sarjan pelejä. Sarjan voittaja on se, joka ensin voittaa n peliä. Yksittäisessä pelissä A voittaa todennäköisyydellä p ja B todennäköisyydellä q =
LisätiedotTalousmatematiikan perusteet
kevät 219 / orms.13 Talousmatematiikan perusteet 9. harjoitus, viikko 12 (18.3. 22.3.219) L Ma 1 12 A22 R5 Ti 14 16 F453 R1 Ma 12 14 F453 L To 8 1 A22 R2 Ma 16 18 F453 R6 Pe 12 14 F14 R3 Ti 8 1 F425 R7
LisätiedotMatemaattinen Analyysi
Vaasan yliopisto, 009-010 / ORMS1010 Matemaattinen Analyysi 7 harjoitus 1 Määritä seuraavien potenssisarjojen suppenemissäteet a) k k x 5)k b) k=1 k x 5)k = k k 1) k ) 1) Suppenemissäteen R käänteisarvo
LisätiedotMuuttujan vaihto. Viikon aiheet. Muuttujan vaihto. Muuttujan vaihto. ) pitää muistaa lausua t:n avulla. Integroimisen työkalut: Kun integraali
Viikon aiheet Integroimisen työkalut: Rationaalifunktioiden jako osamurtoihin Rekursio integraaleissa CDH: Luku 4, Prujut206: Luvut 4-4.2.5, Prujut2008: s. 89-6 Kun integraali h(x) ei näytä alkeisfunktioiden
LisätiedotIPMA C-sertifiointivalmennus
Liiketoiminta kehittyy kehity sinäkin! IPMA C-sertifiointivalmennus Harjoitukset Tieturi Oy Helsinki, Tampere, Turku, Tukholma, Göteborg www.tieturi.fi Harjoitus 1 / Tavoitemääritys Lapsesi koululuokka
LisätiedotVakuutusmarkkinoilla toimivan yhteisön konekielisten valvontatietojen toimittaminen Finanssivalvonnalle: määräysten ja ohjeiden muutokset
1 (5) Vakuutusmarkkinoilla toimivan yhteisön konekielisten valvontatietojen toimittaminen Finanssivalvonnalle: määräysten ja ohjeiden muutokset 1 Muutokset Määräyksiin ja ohjeisiin 1/2011 Määräyksiin ja
LisätiedotMoniulotteisia todennäköisyysjakaumia. Moniulotteisia todennäköisyysjakaumia. Moniulotteisia todennäköisyysjakaumia: Mitä opimme?
TKK (c) Ilkka Mellin (4) Moniulotteisia todennäköisyysjakaumia Johdatus todennäköisyyslaskentaan Moniulotteisia todennäköisyysjakaumia TKK (c) Ilkka Mellin (4) Moniulotteisia todennäköisyysjakaumia: Mitä
Lisätiedoty 1 x l 1 1 Kuva 1: Momentti
BMA58 Integraalilaskenta ja sovellukset Harjoitus 4, Kevät 17 Kaikissa tehtävissä tärkeintä ja riittävää on saada oikea lauseke aikaiseksi. Integraalit eivät tosin ole niin vaikeita etteikö niitä suurimmassa
Lisätiedot