1 ΓΡΑΜΜΙΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ

Μέγεθος: px
Εμφάνιση ξεκινά από τη σελίδα:

Download "1 ΓΡΑΜΜΙΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ"

Transcript

1 ΓΡΑΜΜΙΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ. Παραδείγματα προβλημάτων γραμμικού προγραμματισμού Τα προβλήματα γραμμικού προγραμματισμού ασχολούνται με καταστάσεις όπου ένας αριθμός πλουτοπαραγωγικών πηγών, όπως άνθρωποι, υλικά, μηχανές και ακίνητα τα οποία είναι διαθέσιμα πρέπει να συνδυαστούν για να παραχθούν ένα ή περισσότερα προϊόντα. Στην διαδικασία παραγωγής οι πηγές αυτές υπόκεινται σε περιορισμούς όπως στην συνολική ποσότητα των διαθέσιμων πηγών, τον αριθμό κάθε προϊόντος που παράγεται, τον αριθμό κάθε προϊόντος που διατίθεται. Σκοπός του γραμμικού προγραμματισμού είναι από όλες τις δυνατές κατανομές των πηγών να υπολογίσουμε εκείνη ή εκείνες οι οποίες μεγιστοποιούν ή ελαχιστοποιούν μια αριθμητική ποσότητα όπως το κέρδος ή το κόστος Το πρόβλημα της δίαιτας Ένα από τα κλασικά προβλήματα εφαρμογής του γραμμικού προγραμματισμού είναι το πρόβλημα της δίαιτας. Το πρόβλημα θεωρείται ότι παρέχει ένα ελάχιστο κόστος μιας επαρκούς δίαιτας για ένα άτομο να μπορεί να συντηρήσει τον εαυτό του. Δηλαδή ποιος είναι ο φθηνότερος τρόπος σύνθεσης ποικίλων ποσοτήτων από διαθέσιμα τρόφιμα σε μια δίαιτα η οποία μπορεί να ικανοποιεί τις θρεπτικές απαιτήσεις ενός ανθρώπινου οργανισμού. Ας υποθέσουμε ότι οι τροφές οι διαθέσιμες που έχουμε είναι γάλα, κρέας και αυγά και ότι αυτές οι τροφές περιέχουν βιταμίνες Α, C, και D. Έστω ότι ο αριθμός των χιλιοστών γραμμαρίου (mg) της κάθε βιταμίνης που περιέχεται σε μονάδα κάθε τροφής και το αντίστοιχο κόστος είναι τα εξής: Βιταμίνη Λίτρο γάλακτος Κιλό κρέατος Δωδεκάδα αυγών Α 0, 0 C D 00 0 Κόστος

2 Υποθέτουμε ότι η ελάχιστη απαιτούμενη ημερήσια κατανάλωση βιταμινών Α, C και D είναι αντίστοιχα mg, 50mg και 0mg. Για να κατασκευάσουμε το μοντέλο γραμμικού προγραμματισμού ονομάζουμε Χ γ, Χ κ, και Χ α τον αριθμό των λίτρων γάλακτος, κιλών κρέατος και δωδεκάδων αυγών αντίστοιχα. Ο σκοπός μας είναι να ελαχιστοποιήσουμε το κόστος αφού βέβαια λάβουμε υπόψη μας τους περιορισμούς του προβλήματος. Οι περιορισμοί εδώ έχουν την μορφή κατώτατων ορίων. Η αντικειμενική συνάρτηση για ελαχιστοποίηση είναι: Ζ = 5 Χ γ + 50 Χ κ + 5 Χ α Οι περιορισμοί μπορούν να διατυπωθούν με μαθηματική μορφή ως εξής: 0, Χ γ + Χ κ +0 Χ α (Βιταμίνη Α) 0 Χ γ +0 Χ κ +0 Χ α 50 (Βιταμίνη C) Χ γ +00 Χ κ +0 Χ α 0 (Βιταμίνη D) και Χ γ 0, Χ κ 0, Χ α 0 όπου οι τελευταίοι περιορισμοί αναφέρονται στην μη αρνητικότητα των μεταβλητών Χ γ, Χ κ, Χ α. Το πρόβλημα μεταφοράς Το πρόβλημα μεταφοράς είναι ένα από τα πρώτα είδη προβλημάτων που αναλύθηκαν με την χρήση του γραμμικού προγραμματισμού. Το γενικό πρόβλημα εμφανίστηκε όταν τα διαθέσιμα αγαθά αποθηκευμένα σε διάφορες πηγές έπρεπε να διανεμηθούν σε ποικίλους προορισμούς. Το πρόβλημα είναι να βρούμε τον βέλτιστο τρόπο μεταφοράς έτσι ώστε να ελαχιστοποιείται το κόστος μεταφοράς. Συγκεκριμένα, διαθέτουμε ποσότητες ενός ομοιόμορφου προϊόντος σε έναν αριθμό αποθηκών και θέλουμε να μεταφέρουμε καθορισμένες ποσότητες του προϊόντος σε έναν αριθμό από διαφορετικούς προορισμούς. Το κόστος για την μεταφορά μιας μονάδας ποσότητας από οποιαδήποτε αποθήκη σε οποιοδήποτε κατάστημα είναι γνωστό, ενώ η μεταφορά από κάθε αποθήκη σε κάθε κατάστημα είναι δυνατή. Θέλουμε να υπολογίσουμε το ελάχιστο κόστος μεταφοράς από τις αποθήκες στα καταστήματα λιανικής πώλησης

3 Παράδειγμα Τρία παραρτήματα ενός εργοστασίου, τα Α, Β, Γ, που παράγουν το ίδιο προϊόν, βρίσκονται σε τρεις διαφορετικές περιοχές της χώρας, που απέχουν πολύ μεταξύ τους. Οι αγοραστές του προϊόντος βρίσκονται σε πέντε διαφορετικές πόλεις. Τα παραρτήματα παράγουν ποσότητες αντίστοιχα 50, 350 και 80 μονάδων του προϊόντος, ενώ οι αγοραστές έχουν παραγγείλει αντίστοιχα 00, 30, 60, 0, και 50 μονάδες. Το κόστος μεταφοράς του προϊόντος από τα παραρτήματα Α, Β, Γ δίνεται στον πίνακα: Παράρτημα Α Αγοραστές Β Γ Θέλουμε να υπολογίσουμε τις απαραίτητες ποσότητες (μεταβλητών αποφάσεως) X i που θα πρέπει να μεταφερθούν από το παράρτημα i στον αγοραστή ώστε να ελαχιστοποιηθεί το κόστος μεταφοράς. Άγνωστες είναι οι ποσότητες X i, όπου i είναι τα Α, Β, Γ και τα,, 3, 4, 5. Η αντικειμενική συνάρτηση του προβλήματος ( κόστος μεταφοράς), της οποίας αναζητάμε το ελάχιστο, γράφεται Z = 0 X A + X A + 8 X A3 +4 X A4 + 9X A5 + + X Β + 6 X Β + 6 X Β3 + 0 X Β4 + 9 X Β X Γ + X Γ + 5 X Γ3 + X Γ4 + 7 X Γ5 Είναι φανερό ότι δεν μπορούμε να φορτώσουμε περισσότερα προϊόντα από ένα παράρτημα από όσα παράγονται στο παράρτημα αυτό. Συνεπώς έχουμε τους περιορισμούς: xa + xa + xa3 + xa4 + xa5 50 (παραγωγή παραρτήματος Α) 3

4 xb + xb + xb3 + xb4 + xb5 350 (παραγωγή παραρτήματος Β) xγ + xγ + xγ3 + xγ4 + xγ5 80 (παραγωγή παραρτήματος Γ) Επίσης κάθε αγοραστής πρέπει να εφοδιαστεί με τον επιθυμητό αριθμό μονάδων. Συνεπώς έχουμε τους περιορισμούς: xa + xβ + xγ = 00 (ζήτηση αγοραστή ) xa + xβ + xγ = 30 (ζήτηση αγοραστή ) xa3 + xβ3 + xγ3 = 60 (ζήτηση αγοραστή 3) x + x + x = 0 (ζήτηση αγοραστή 4) A4 Β4 Γ4 xa5 + xβ5 + xγ5 = 50 (ζήτηση αγοραστή 5) Επίσης X i 0, με i = Α, Β, Γ, και =,, 3, 4, 5 4

5 . Γενική διατύπωση προβλήματος γραμμικού προγραμματισμού Το γενικό πρόβλημα γραμμικού προγραμματισμού μπορεί να διατυπωθεί ως εξής: Να βρεθούν οι τιμές των μεταβλητών x, x,..., x που μεγιστοποιούν ή ελαχιστοποιούν την συνάρτηση z= f ( x) = cx + cx cx Οι μεταβλητές πρέπει να ικανοποιούν τους περιορισμούς m m m3 3 m { } { } { } ax + ax + ax ax,=, b ax + ax + ax ax,=, b a3x + a 3x + a33x a3x,=, b a x + a x + a x a x,=, b και x 0, =,,..., { } όπου τα α i,b i, c είναι γνωστές σταθερές. Η συνάρτηση: f ( x) = cx = ονομάζεται αντικειμενική συνάρτηση (obective function). Αυτή η συνάρτηση είναι γραμμική ως προς τις μεταβλητές x, =,,,. Επίσης, κάθε περιορισμός είναι μια γραμμική συνάρτηση ως προς τις μεταβλητές x, =,,,. Oι συντελεστές c, =, αναφέρονται και ως συντελεστές κόστους και αντιπροσωπεύουν μοναδιαίο κόστος. Η συνθήκη x 0, =,,..., αναφέρεται και ως συνθήκη της μη αρνητικότητας. Λύση ενός προβλήματος γραμμικού προγραμματισμού θα ονομάζεται κάθε σύνολο x, =,,,. το οποίο ικανοποιεί τους περιορισμούς του προβλήματος. Εφικτή ή δυνατή λύση είναι κάθε λύση που ικανοποιεί τους περιορισμούς μη αρνητικότητας. m 5

6 Βέλτιστη λύση είναι κάθε εφικτή λύση η οποία βελτιστοποιεί την αντικειμενική συνάρτηση. Συνήθως σε ένα πρόβλημα γραμμικού προγραμματισμού υπάρχουν άπειρες λύσεις και επιδιώκουμε την εύρεση της βέλτιστης δυνατής λύσης. Αν όλοι οι περιορισμοί είναι εξισώσεις ή ανισώσεις της ίδιας φοράς, ένα πρόβλημα γραμμικού προγραμματισμού μπορεί να διατυπωθεί με την χρήση πινάκων ως εξής: z T = max f (x) = c x Ax {, =, } b x 0 όπου: x x x =. M. x, c c c =. M. c, =. M,. 0 b b b =.. b m M m και Με a a A = M am a m m M παριστάνουμε το διανυσματικό χώρο των m πινάκων. m Η σπουδαιότητα της διατύπωσης αυτής έγκειται στο ότι μπορεί με τον παραπάνω τρόπο να διατυπωθεί με σαφήνεια μια μεγάλη ποικιλία οικονομικών, επιστημονικών, βιομηχανικών, επιχειρηματικών και κοινωνικών προβλημάτων. 6

7 .3 Προϋποθέσεις εφαρμογής του γραμμικού προγραμματισμού Έχοντας εξετάσει κάποιες περιπτώσεις όπου είναι δυνατό να εφαρμοστεί ο γραμμικός προγραμματισμός και τη γενική διατύπωση ενός προβλήματος γραμμικού προγραμματισμού είναι σημαντικό να εξετάσουμε τις απαιτούμενες προϋποθέσεις για την εφαρμογή του σ ένα οποιοδήποτε πρόβλημα βελτιστοποιήσεως. Αυτές είναι που περιορίζουν γενικά το φάσμα των δυνατοτήτων εφαρμογής του γραμμικού προγραμματισμού. Οι προϋποθέσεις που πρέπει να ισχύουν για να διατυπωθεί ένα πρόβλημα γραμμικού προγραμματισμού είναι οι εξής: α) Γραμμικότητα β) Διαιρετότητα και γ) Βεβαιότητα. Γραμμικότητα Όλες οι συναρτήσεις του προβλήματος, αντικειμενική συνάρτηση και περιορισμοί πρέπει να είναι γραμμικές ως προς τις άγνωστες μεταβλητές x, x,..., x. Αυτό σημαίνει ότι πρέπει να ισχύουν οι ιδιότητες της αναλογικότητας και της προσθετικότητας, δηλαδή εάν είναι μια συνάρτηση μεταβλητών και είναι σταθερές, πρέπει να ισχύει: α ( ax + x α x) = a( x) + α ( x) α ( x) a, a,..., a Σε πολλές περιπτώσεις στις οποίες δεν ισχύει απόλυτα η προϋπόθεση της γραμμικότητας μπορεί να γίνει μια αρκετά καλή προσέγγιση με γραμμικές συναρτήσεις. Διαιρετότητα Το μοντέλο του γραμμικού προγραμματισμού υποθέτει ότι κάθε δραστηριότητα (δηλ μεταβλητή) είναι συνεχής και επομένως άπειρα διαιρετή. Αυτό συνεπάγεται ότι όλα τα επίπεδα δραστηριοτήτων και όλες οι χρήσεις πόρων επιτρέπεται να πάρουν κλασματικές τιμές ή ακέραιες τιμές. Όταν η υπόθεση της διαιρετότητας δεν ισχύει υπάρχουν δύο ενδεχόμενα : α) Να αγνοηθεί η υπόθεση αυτή, να λυθεί το πρόβλημα με μεθόδους γραμμικού προγραμματισμού, και οι τιμές των μεταβλητών να στρογγυλευθούν στην 7

8 κοντινότερη ακέραια μονάδα. Η μέθοδος αυτή εφαρμόζεται κυρίως όταν οι τιμές των μεταβλητών είναι μεγάλες. β) Όταν οι τιμές των μεταβλητών είναι μικρές (π.χ. 0 ή ) όπως σε πολλά προβλήματα επενδύσεων τότε πρέπει να χρησιμοποιηθούν τεχνικές του ακέραιου προγραμματισμού. Βεβαιότητα Το μοντέλο του γραμμικού προγραμματισμού. προϋποθέτει ότι όλοι οι παράμετροι του προβλήματος είναι γνωστές με απόλυτη βεβαιότητα. Στην περίπτωση που μερικοί ή όλοι οι συντελεστές της αντικειμενικής συνάρτησης ή των περιορισμών είναι τυχαίες μεταβλητές το πρόβλημα γίνεται πρόβλημα στοχαστικού προγραμματισμού. 8

9 .4 Γραφική επίλυση προβλημάτων γραμμικού προγραμματισμού Προβλήματα γραμμικού προγραμματισμού με δύο μόνο μεταβλητές μπορούν να λυθούν εύκολα γραφικά. Τυπική περίπτωση μεγιστοποίησης Έστω το πρόβλημα Γ.Π. max z = 5x + 3x με τους περιορισμούς: 3x + 5x 5 5x + x 0 και x 0, x 0 Αρχικά, θα βρούμε τα ζεύγη τιμών των x, x που αποτελούν δυνατές λύσεις του προβλήματος. Εισάγουμε σύστημα ορθογωνίων συντεταγμένων x, x και παρατηρούμε ότι κάθε σημείο που βρίσκεται στο πρώτο τεταρτημόριο έχει συντεταγμένες x 0, x 0 και συνεπώς ικανοποιεί τους περιορισμούς μη αρνητικότητας των μεταβλητών. Αντίστροφα, κάθε σημείο που αποτελεί δυνατή λύση θα βρίσκεται στο πρώτο τεταρτημόριο. Για να βρούμε το σύνολο των ζευγών του πρώτου τεταρτημόριου που ικανοποιεί τους περιορισμούς, θα πρέπει να ερμηνεύσουμε γεωμετρικά ανισότητες της μορφής 3x+ 5x 5 και 5x+ x 0. Σχεδιάζοντας τις ευθείες που παριστάνουν οι αντίστοιχες ισότητες μπορούμε να βρούμε το χωρίο που περιλαμβάνουν οι παραπάνω ανισότητες. 9

10 6 5 4 X 3 3X+5X=5 5X+X=0 z=0 z=35/9 z= X Παρατηρούμε ότι τα σημεία που ικανοποιούν την συνθήκη μη αρνητικότητας και την πρώτη ανισότητα είναι τα σημεία που βρίσκονται κάτω από την ευθεία με εξίσωση 3x + 5x = 5 και στο πρώτο τεταρτημόριο. Αντίστοιχα τα σημεία που βρίσκονται κάτω από την ευθεία με εξίσωση 5x + x = 0 και στο πρώτο τεταρτημόριο ικανοποιούν τις συνθήκες μη αρνητικότητας και την δεύτερη ανισότητα. Συνεπώς το σύνολο των σημείων που ικανοποιούν όλους τους περιορισμούς και συνθήκες είναι το γραμμοσκιασμένο χωρίο του σχήματος. Κάθε σημείο του χωρίου αυτού και μόνο αυτά τα σημεία αποτελούν δυνατή λύση του προβλήματος. Για να επιλύσουμε το πρόβλημα θα πρέπει να βρούμε από το σύνολο των δυνατών λύσεων εκείνη που μεγιστοποιεί την αντικειμενική συνάρτηση. Για κάθε σταθερή τιμή της z παρατηρούμε ότι η εξίσωση z = 5x+ 3x είναι ευθεία και μάλιστα οι ευθείες που προκύπτουν από διαφορετικές τιμές του z είναι παράλληλες. Επιθυμούμε να βρούμε την ευθεία με την μεγαλύτερη τιμή της z, που να έχει ένα τουλάχιστον κοινό σημείο με το χωρίο των δυνατών λύσεων. Παρατηρούμε από το σχήμα ότι η ευθεία αυτή που τέμνει το χωρίο και έχει το μέγιστο z είναι η z η οποία περνάει από το σημείο τομής των ευθειών 3x+ 5x = 5 και 5x+ x = 0. Άρα λύνοντας το σύστημα βρίσκουμε ότι 0 9 x = και 45 x = και αντικαθιστώντας στην 9 αντικειμενική συνάρτηση βρίσκουμε ότι το z = Αυτή είναι και η μέγιστη δυνατή λύση του προβλήματος. 0

11 Άπειρες εναλλακτικές βέλτιστες λύσεις Θεωρούμε το πρόβλημα: max z =.5x + x με τους περιορισμούς: 3x + 5x 5 5x + x 0 Και x 0, x 0 Κάνοντας πάλι εδώ το χωρίο των δυνατών λύσεων και την αντικειμενική συνάρτηση για τις διάφορες τιμές έχουμε: 0 8 X 6 4 A z=0 z=5 5X+X=0 0 z=3 B X+5X=5 X Παρατηρούμε ότι η z=5 είναι η μέγιστη βέλτιστη λύση. Η διαφορά είναι ότι εδώ η βέλτιστη λύση συμπίπτει με μια πλευρά του πολυγώνου του χωρίου των δυνατών λύσεων. Αυτό σημαίνει ότι δεν υπάρχει ένα μόνο ζεύγος τιμών των x, x που να μεγιστοποιεί την z. Κάθε σημείο της πλευράς ΑΒ του πολυγώνου δίνει την μέγιστη τιμή. Δηλαδή η μέγιστη αυτή τιμή της z είναι μοναδική, αλλά υπάρχει άπειρος αριθμός δυνατών λύσεων. Η κορυφή Α του πολυγώνου αποτελεί και αυτή ένα ζευγάρι τιμών που δίνουν την μέγιστη λύση στο πρόβλημα. Επομένως λύνοντας το σύστημα των δύο εξισώσεων 3x+ 5x = 5και 5x+ x = 0 παίρνουμε

12 0 9 x = και 45 x = από όπου παίρνουμε ότι maxz=5. Όταν ένα πρόβλημα Γ.Π έχει 9 περισσότερες από μία βέλτιστες λύσεις, τότε λέμε ότι υπάρχουν εναλλακτικές βέλτιστες λύσεις αυτό σημαίνει ότι τα διαθέσιμα μέσα είναι δυνατόν να συνδυαστούν κατά περισσότερους από ένα τρόπους προς μεγιστοποίηση του κέρδους. Περίπτωση ελαχιστοποίησης Θεωρούμε το πρόβλημα: min z= x +3 x με τους περιορισμούς: x + x 0 x + x 4 3x + x 6 x και x 0, x 0 Η γεωμετρική ερμηνεία του παραπάνω προβλήματος είναι: 0 8 X-3X=6 X 6 4 z=6 0 z=5 X+X=0 x= z= X Η ελάχιστη τιμή της z είναι η ευθεία z=0 η οποία περνάει από το σημείο x = και x =, δηλαδή από την τομή των δύο ευθειών x+ x = 4, x =.

13 Μη πεπερασμένη λύση Θεωρούμε το πρόβλημα: max z = x + x με τους περιορισμούς x x 0.5x + x και x 0, x 0 Η γεωμετρική ερμηνεία του παραπάνω προβλήματος είναι: X-X=- X 4 3-0,5X+X= z= z=0 0 z= X Στο συγκεκριμένο πρόβλημα παρατηρούμε ότι η ευθεία της αντικειμενικής συνάρτησης μπορεί να μετακινηθεί παράλληλα προς την κατεύθυνση όπου αυξάνεται το z μέχρι το άπειρο χωρίς να σταματήσει να έχει κοινά σημεία με το χωρίο των δυνατών λύσεων. Συνεπώς η z μπορεί να γίνει οσοδήποτε μεγάλη και το πρόβλημα δεν έχει πεπερασμένη μέγιστη τιμή της z. Σε μια τέτοια περίπτωση λέμε ότι το πρόβλημα δεν έχει πεπερασμένη λύση ή ότι έχει μια μη φραγμένη λύση. Μη πεπερασμένη λύση με πεπερασμένες βέλτιστες τιμές ορισμένων μεταβλητών Στο προηγούμενο παράδειγμα και οι δύο μεταβλητές μπορούν να λάβουν απεριόριστα μεγάλες τιμές καθώς αυξάνεται η z. Μια μη φραγμένη λύση όμως μπορεί 3

14 να έχει και μεταβλητές με πεπερασμένη τιμή. Στο ακόλουθο πρόβλημα μπορούμε να το παρατηρήσουμε: max z = 3x + x Με τους περιορισμούς: x x x 3 0 και x 0, x 0 Η γραφική του επίλυση είναι: X=3 0 z=0 8 z=5 X 6 z= 4 X-X= X Παρατηρούμε ότι ενώ η αντικειμενική συνάρτηση μπορεί να αυξάνεται απεριόριστα η μεταβλητή x είναι πεπερασμένη. Πεπερασμένη βέλτιστη τιμή της αντικειμενικής συνάρτησης με μη πεπερασμένες τιμές των μεταβλητών Έστω το παρακάτω πρόβλημα Γ.Π.: max z = x+ x Με τους περιορισμούς: x x 0.5x + x και x 0, x 0 4

15 Και με γραφική επίλυση: X X z=8 X-X=- z=5-0.5x+x= z= Παρατηρούμε ότι Στην συγκεκριμένη περίπτωση παρατηρούμε ότι ενώ η z έχει πεπερασμένη μέγιστη τιμή z=4 οι τιμές των μεταβλητών είναι απεριόριστα μεγάλες. Καμία λύση - ασυμβίβαστοι περιορισμοί Έστω το πρόβλημα Γ.Π.: max z = x + 3x Με τους περιορισμούς: x + x 0 x + x 4 3x + x 6 και x 0, x 0 Με γραφική επίλυση: 5

16 0 8 X-3X=6 X 6 4 z=6 X+X=0 z=5 z= X Παρατηρούμε ότι οι περιορισμοί σε αυτή την περίπτωση είναι μη συμβιβαστοί και έτσι δεν υπάρχει χωρίο δυνατών λύσεων. Δηλαδή δεν υπάρχει σημείο ( x, x ) που να ικανοποιεί όλους τους περιορισμούς. Γενικά, η διαδικασία γραφικής επίλυσης ενός προβλήματος γραμμικού προγραμματισμού είναι πολύ σημαντική γιατί μας δίνει τη δυνατότητα να σχεδιάσουμε την περιοχή των εφικτών λύσεων και να κατανοήσουμε τον τρόπο που λειτουργούν οι διάφορες μέθοδοι επίλυσης προβλημάτων γραμμικού προγραμματισμού. Επίσης μας βοηθά να διερευνήσουμε την ευαισθησία της βέλτιστης λύσης του προβλήματος. Πρακτικά, βέβαια δεν έχει εφαρμογή αφού τα προβλήματα έχουν πολλές μεταβλητές και πολλούς περιορισμούς. 6

17 .5 Λύση προβλημάτων γραμμικού προγραμματισμού Αν και η γεωμετρική ερμηνεία των προβλημάτων είναι αρκετά σημαντική δεν μπορεί να χρησιμοποιηθεί για όλα τα προβλήματα γραμμικού προγραμματισμού και αυτό γιατί στην πράξη τα περισσότερα προβλήματα γραμμικού προγραμματισμού έχουν περισσότερες από δύο μεταβλητές. Η κύρια μέθοδος επίλυσης προβλημάτων γραμμικού προγραμματισμού είναι η μέθοδος Simplex, ένας αλγόριθμος αριστοποίησης ο οποίος χαρακτηρίζεται από ένα αριθμό επαναλαμβανόμενων βημάτων τα οποία μπορούν να κωδικοποιηθούν στον Η/Υ. Πριν παρουσιάσουμε την μέθοδο αυτή θα διατυπώσουμε κάποιους βασικούς ορισμούς. Το γενικό μοντέλο του γραμμικού προγραμματισμού είναι: z= = T max f(x) c x Ax { =,, } b x 0 x c M 0 M b M A M M,,, m, m, Η κανονική μορφή του προβλήματος είναι: z= = T max f(x) c x Ax=b x 0 x c M 0 M b M A M και b 0. M,,, m, m Υποθέτουμε ότι m< και ότι οι γραμμές του πίνακα Α είναι ανεξάρτητες Κάθε πρόβλημα γραμμικού προγραμματισμού μπορεί να αναχθεί στην κανονική μορφή με την χρήση στοιχειωδών μετασχηματισμών όπως οι παρακάτω: 7

18 Μετασχηματισμοί προβλημάτων γραμμικού προγραμματισμού σε κανονική μορφή Περιθώριες μεταβλητές Περιορισμοί που εκφράζονται με ανισώσεις μπορούν να μετατραπούν σε εξισώσεις με την εισαγωγή νέων μη αρνητικών μεταβλητών οι οποίες μπορούν να μετατρέψουν τις ανισώσεις σε εξισώσεις. Οι μεταβλητές αυτές ονομάζονται περιθώριες. Υπάρχουν δύο είδη περιθώριων μεταβλητών οι χαλαρές και οι πλεονασματικές. Χαλαρή μεταβλητή Σε ένα περιορισμό της μορφής akx bk θεωρούμε μια νέα μεταβλητή x k 0, + = όπου x b a = x + k k k = και η οποία προστίθεται στο πρώτο μέλος της ανισότητας ώστε να έχουμε την ισότητα: = a x + x = b k + k k Θα ονομάζουμε την x + kμια χαλαρή μεταβλητή. Για παράδειγμα ένας περιορισμός της μορφής x+ 5x + 7x3 6 θα γραφεί στην μορφή x + 5x + 7x + x = 6 όπου η x 0 είναι μια χαλαρή μεταβλητή. 3 4 Πλεονασματική μεταβλητή 4 Σε ένα περιορισμό της μορφής akx bk θεωρούμε μια νέα μεταβλητή x k 0 + = όπου x = a x b + k k k = και η οποία αφαιρείται από το πρώτο μέλος της ανισότητας ώστε να έχουμε την ισότητα: 8

19 a x x = b k + k k = Θα ονομάζουμε την x + kμια πλεονασματική μεταβλητή. Για παράδειγμα, ο περιορισμός της μορφής x+ 3x + 5x3 0 θα γραφεί στην μορφή x + 3x + 5x x = 0 όπου η x4 0 είναι μια πλεονασματική μεταβλητή. 3 4 Μετασχηματισμός προβλήματος ελαχιστοποίησης Όταν ζητάμε να προσδιορίσουμε το ελάχιστο της αντικειμενικής συνάρτησης f ( x ) τότε θέτουμε f ( x ) = - g( x ) και μεγιστοποιούμε την συνάρτηση g( x). Άρα min f ( x) = max g( x). Για παράδειγμα η min z = f( x) = x+ x + 5x3 θα γίνει Maxz = g x = x x x. ( ) 5 3 Μεταβλητές χωρίς περιορισμό στο πρόσημο Αυτές οι μεταβλητές x δεν υπόκεινται στον περιορισμό x 0. Στην περίπτωση i i αυτή θέτουμε + xi = xi xi όπου x + i, x i 0. Αν η μεταβλητή x είναι μη θετική, θέτουμε x = x +, όπου x 0. Για παράδειγμα εάν έχω τον περιορισμό x+ 3x + 5x3 = 0 με x, x 0 και x 3 + αγνώστου πρόσημου, τότε θέτω x3 = x3 x3 και ο περιορισμός γίνεται + x + 3x + 5x 5x = Αρνητικοί σταθεροί όροι σε περιορισμούς Εάν σε κάποιο περιορισμό ο σταθερός όρος είναι αρνητικός τότε πολλαπλασιάζοντας με (-) γίνεται θετικός. Δηλαδή ο περιορισμός x+ 3x + 5x3 = 0 θα γίνει x 3x 5x3 = 0 Στην κανονική μορφή του προβλήματος το σύστημα και m γραμμικές εξισώσεις με m<. Ax=b έχει μεταβλητές 9

20 Βασική λύση είναι μία λύση που προκύπτει αν θέσουμε -m μεταβλητές ίσες με το μηδέν και λύσουμε ως προς τις υπόλοιπες m μεταβλητές υπό τον όρο το γραμμικό σύστημα που προκύπτει να περιλαμβάνει m από τις στήλες (διανύσματα) του πίνακα Α έτσι ώστε τα διανύσματα αυτά να είναι γραμμικώς ανεξάρτητα. Δηλαδή ο πίνακας Α να περιέχει έναν υποπίνακα διάστασης m m για τον οποίο ισχύει ότι η ορίζουσα του είναι διάφορη του μηδενός. Η τετραγωνική μήτρα m m, που προκύπτει από τον Α και έχει m γραμμικά ανεξάρτητες στήλες καλείται βάση του συστήματος ενώ οι m μεταβλητές που αντιστοιχούν στις στήλες της βάσεως καλούνται βασικές μεταβλητές. Οι υπόλοιπες -m μεταβλητές που δεν περιλαμβάνονται στη βάση καλούνται μη βασικές μεταβλητές. Αν συμβολίσουμε τον υποπίνακα των m γραμμικά ανεξάρτητων στηλών του Α με Β, επειδή det(b) 0, η βασική λύση μπορεί να υπολογιστεί από την σχέση X B =B - b, όπου X B είναι το διάνυσμα των βασικών μεταβλητών. Ο πίνακας Β ονομάζεται και βασικός πίνακας. Βασική εφικτή λύση είναι μία βασική λύση όπου όλες οι βασικές μεταβλητές είναι μη αρνητικές. Μη εκφυλισμένη βασική εφικτή λύση είναι μία βασική εφικτή λύση με ακριβώς m θετικά x i. Επομένως, μία εκφυλισμένη βασική εφικτή λύση έχει λιγότερα από m θετικά x i. Ορισμός: Ένα υποσύνολο S του x, S, και για κάθε λ [0,], ισχύει λx + (-λ) S λέγεται κυρτό αν για οποιοδήποτε στοιχεία Θεώρημα : Το σύνολο όλων των εφικτών λύσεων ενός προβλήματος γραμμικού προγραμματισμού είναι ένα κυρτό σύνολο Απόδειξη Έστω u,v εφικτές λύσεις. Τότε Au=b, u 0 και Αv=b, v 0. Για 0 λ πρέπει να δείξουμε ότι λu + (-λ)v είναι εφικτή λύση. Έχουμε ότι λu + (-λ)v 0 και Α(λu + (-λ)v)=λ Αu+(-λ)Av=λb+(-λ)b=b. 0

21 Άρα το λu + (-λ)v είναι εφικτή λύση. Ορισμός: Ένα σημείο x ενός κυρτού συνόλου S καλείται ακραίο σημείο (exteme point) αν δεν υπάρχουν u,v S διαφορετικά μεταξύ τους, τέτοια ώστε x= λu + (-λ)v για κάποιο λ με 0<λ<. Ορισμός: Ένα πολύεδρο του είναι ένα σύνολο της μορφής { i ( ) i, i=,,...,m} W = x a x ή= ή b Ένα ακραίο σημείο ενός πολυέδρου καλείται κορυφή του πολυέδρου. Θεώρημα : Υποθέτουμε ότι το σύνολο U={x R Ax=b, x 0} είναι φραγμένο και μη κενό. Τότε η αντικειμενική συνάρτηση ένα ακραίο σημείο του U. Απόδειξη T f(x)=c x λαμβάνει τη μέγιστη τιμή της σε Το U είναι κλειστό και φραγμένο άρα συμπαγές και η f λαμβάνει τη μέγιστη τιμή της σε κάποιο σημείο x U. Αν το x είναι ακραίο σημείο, το θεώρημα έχει αποδειχθεί. Αν υποθέσουμε ότι το μπορούμε να x δεν είναι ακραίο σημείο, τότε είναι γνωστό ότι εκφράσουμε το x σαν κυρτό συνδυασμό ακραίων σημείων του U. Δηλαδή αν n λ =. = x είναι ακραία σημεία του U τότε x = n λ x, με 0 = λ και Έστω f ( x ) = max f( x ). Τότε p f ( x) = λ f( x ) + λ f( x ) λ f( x ) λ f( x ) + λ f( x ) λ f( x ) = f( x ) n n p p n p p και επειδή f( x) f( x), x U πρέπει να έχουμε f ( x) = f( x p ) δηλαδή υπάρχει ακραίο σημείο x p στο οποίο η αντικειμενική συνάρτηση λαμβάνει τη μέγιστη τιμή της.

22 Έστω A = ( AA... A ), όπου A η στήλη του πίνακα Α και A διάνυσμα διάστασης m. Θεώρημα 3:(Ισοδυναμία ακραίων σημείων και βασικών εφικτών λύσεων) Για x U ορίζουμε το Ι(x)={, x > 0}. Ένα σημείο x U, x 0 είναι κορυφή του U αν και μόνο αν οι στήλες Α, I(x) του πίνακα Α είναι ανεξάρτητες, δηλαδή αν το x είναι βασική εφικτή λύση. Απόδειξη Έστω x βασική εφικτή λύση δηλαδή οι στήλε ς Α, I(x) είν αι ανεξάρτητες και έστω ότι x= λu + (-λ)v, 0 λ, u,v U. Τότε για I(x) x = 0 u =v =0 και Α u=av=b A(u-v)=0 (u -v )A =0 u =v για I(x), επειδή οι στήλες Α, I(x) είναι ανεξάρτητες. Άρα u=v και x ακραίο σημείο του U. Έστω ότι x δεν είναι βασική εξαρτημένες. Τότε I( x) ua= 0 με εφικτή λύση, δηλαδή οι στήλες Α, I(x) είναι u όχι όλα μηδέν. Συμπληρώνοντας το διάνυσμα u με u =0 για κάθε I(x) έχουμε ότι υπάρχει u 0 τέτοιο ώστε Αu=0. Επειδή x >0 για I(x) μπορούμε να διαλέξουμε θ 0 τέτοιο ώστε x± θu 0. Επίσης Α(x ± θu)=αx+θαu=ax=b δηλαδή x ± θu U. Τότε x=/(x+θu)+/(x-θu), θu 0 που σημαίνει ότι το x δεν είναι ακραίο σημείο του U. Θεώρημα 4 Αν υπάρχει βέλτιστη λύση σε ένα πρόβλημα γραμμικού προγραμματισμού τότε υπάρχει βέλτιστη βασική εφικτή λύση..

23 Μέθοδος Simplex Η βέλτιστη λύση όπως παρατηρήθηκε προηγουμένως αντιστοιχεί σε μια κορυφή στη γεωμετρική απεικόνιση του εφικτού συνόλου. Η μέθοδος simplex ξεκινώντας από μια αρχική κορυφή μπορεί να πάει σε άλλες γειτονικές κορυφές κατά μήκος των ακμών του πολυγώνου του εφικτού συνόλου. Σε κάθε μετάβαση της μεθόδου από μία κορυφή σε μια άλλη η μέθοδος simplex κατορθώνει να βρει την ακμή που την οδηγεί σε μια κορυφή, η οποία δίνει βελτιωμένη τιμή στην αντικειμενική συνάρτηση. Συνεχίζοντας κατά αυτό τον τρόπο η τιμή της αντικειμενικής συνάρτησης από κορυφή σε κορυφή βελτιώνεται και τελικά φτάνουμε σε μια κορυφή όπου η αντικειμενική συνάρτηση βελτιστοποιείται. Οποιαδήποτε άλλη κορυφή δίνει χειρότερη λύση και έτσι η διαδικασία τερματίζεται. Η μέθοδος simplex είναι μια αλγεβρική επαναληπτική διαδικασία όπου σε κάθε βήμα έχουμε μια νέα βασική εφικτή λύση προβλημάτων της μορφής: z= = T max f(x) c x Ax=b x 0 Στη συνέχεια πρέπει να εξετάσουμε αν η τρέχουσα βασική εφικτή λύση είναι και η βέλτιστη. Συνεπώς χρειαζόμαστε έναν έλεγχο για το αν η λύση είναι η βέλτιστη. Αν είναι τότε η διαδικασία τερματίζεται. Αν η τρέχουσα βασική λύση δεν είναι βέλτιστη τότε χρειαζόμαστε μια μέθοδο με την οποία θα μπορούμε να βρούμε μία καλύτερη βασική βέλτιστη λύση. Η διαδικασία θα περατωθεί ως ένα πεπερασμένο πλήθος βημάτων, επειδή ο αριθμός των βασικών εφικτών λύσεων είναι πεπερασμένος, και αν η λύση δεν επιστρέψει σε κάποια προηγούμενη τελικά θα φθάσουμε στην βέλτιστη. Ο Αλγόριθμος Simplex Tα βασικά σημεία του αλγόριθμου simplex είναι:. Υπολογίζουμε μια αρχική βασική λύση x B, επιλέγοντας τη βάση Β από τις στήλες του πίνακα Α, με κατάλληλη επιλογή μεταξύ των γραμμικώς ανεξάρτητων στηλών του πίνακα Α. 3

24 . Εκφράζουμε τα διανύσματα του πίνακα Α που δεν ανήκουν στην βάση συναρτήσει των διανυσμάτων της βάσης και υπολογίζουμε τα αντίστοιχα σύμφωνα με την σχέση: =, όπου A η στήλη του πίνακα Α. B A 3. Υπολογίζουμε τις τιμές z για τα διανύσματα εκτός βάσης εφαρμόζοντας τη σχέση z = c T B 4. Υπολογίζουμε τις ποσότητες z - c. Αν για όλα τα ισχύει ότι z - c 0, τότε έχουμε βέλτιστη λύση 5. Αν ένα ή περισσότερα z - c <0, επιλέγουμε ένα διάνυσμα για να εισέλθει στη βάση, εφαρμόζοντας το επόμενο κριτήριο: { } z c = min z c z c < 0 k k a k από τα εκτός βάσης 6. Αν όλα τα 0, τότε υπάρχει μια μη φραγμένη λύση. Αν ένα τουλάχιστον ik ik > 0, επιλέγουμε το διάνυσμα b που θα φύγει από τη βάση σύμφωνα με το x B x Bi κριτήριο: = min, ik > 0 = θ i k ik 7. Υπολογίζουμε την νέα βάση B η οποία προκύπτει από την προηγούμενη αντικαθιστώντας το διάνυσμα b με το νέο a k. Υπολογίζουμε την νέα βασική εφικτή λύση x ˆB, με τις σχέσεις : i xˆ Bi = xbi xb, i xˆ B x = B και τις νέες τιμές των i, z - c και z. 8. Επιστρέφουμε στο δεύτερο βήμα και επαναλαμβάνουμε την διαδικασία. 4

25 Ο πίνακας Simplex Ο πίνακας simplex αποτελεί ένα συστηματικό τρόπο καταχώρησης των απαραίτητων ποσοτήτων, έτσι ώστε τα αναγκαία βήματα εφαρμογής του αλγορίθμου simplex να μπορούν να εκτελούνται με ποιο απλό, σύντομο και αποτελεσματικό τρόπο. Ένας αρχικός και ένας μετασχηματισμένος πίνακας είναι : c c c m cn c B x B B m n c c c B B Bm b b b m x x x B B Bm m m m m mm n n mn z z c z c... z c... z c m m n n Και ο μετασχηματισμένος: B B c. c. c c B x.. c b x. 0. n B B k k n k k k k x c b x. 0. c B n B B k k n k xk k k B b =a k B Bm b m Bm m m mk. 0. mn mk xk k xb.. x k k k x c x x z z c z c z c z c z c ) B n ( k k) ( ) ( k k). 0. ( n n) ( k k k k k k k n n n n k 5

26 Ο Αλγόριθμος Simplex είναι εκθετικού χρόνου. Αν και υπάρχουν παραδείγματα που επιβεβαιώνουν το παραπάνω, στην πράξη κάτι τέτοιο δεν συμβαίνει γι αυτό και η μέθοδος Simplex χρησιμοποιείται ευρύτατα. Το 979 ο Khachian ανακάλυψε τον πρώτο πολυωνυμικό αλγόριθμο για τον γραμμικό προγραμματισμό την ελλειψοειδή μέθοδο, η οποία δεν είχε όμως μεγάλο πρακτικό ενδιαφέρον γιατί στις περισσότερες πρακτικές εφαρμογές έδινε χειρότερα αποτελέσματα από την μέθοδο Simplex. Τελικά το 984 ο Kamaka ανακάλυψε έναν άλλον πολυωνυμικό αλγόριθμο που είχε και πρακτικά αποτελέσματα καλύτερα από την μέθοδο Simplex. 6

27 .6 Ανάλυση ευαισθησίας Η ανάλυση ευαισθησίας είναι μία μέθοδος η οποία εφαρμόζεται για να προσδιορίσει την ευαισθησία της λύσης ενός προβλήματος γραμμικού προγραμματισμού στις μεταβολές των παραμέτρων του. Το πλέον διαδεδομένο μέσο για εύρεση της βέλτιστης λύσης ενός προβλήματος καθώς και την ανάλυση ευαισθησίας του είναι το Micosoft Excel και πιο συγκεκριμένα το εργαλείο Solve. Το Solve μας δίνει την αναφορά απάντησης (Answe Repot), την ανάλυση ευαισθησίας (Sensitivit Repot) και την αναφορά ορίων (Limits Repot). Αναφορά απάντησης Κελί προορισμού Κελί Όνομα Αρχική τιμή Τελική τιμή Στη θέση Κελί αναγράφεται το κελί του Excel που έχω ορίσει την αντικειμενική συνάρτηση και στο Όνομα το όνομα που έχω δώσει στην αντικειμενική συνάρτηση. Στην Αρχική τιμή αναγράφεται η τιμή που είχε η αντικειμενική συνάρτηση πριν την λύση, ενώ στην Τελική τιμή η τιμή που πήρε μετά την λύση του προβλήματος. Ρυθμιζόμενα κελιά Στα ρυθμιζόμενα κελιά αντίστοιχα, αναγράφονται το κελί, το όνομα, η αρχική και η τελική τιμή της κάθε μεταβλητής. Κελί Όνομα Αρχική τιμή Τελική τιμή Περιορισμοί Κελί Όνομα Τιμή κελιού Τύπος Κατάσταση Απόκλιση 7

28 Το μέρος αυτό της αναφοράς απάντησης αναφέρεται στους περιορισμούς. Δείχνει το κελί που βρίσκονται, το όνομα τους, την τιμή που παίρνουν καθώς και τον τύπο που έχει ο κάθε περιορισμός. Στην Κατάσταση, αναφέρεται αν ένας περιορισμός είναι ενεργός (υποχρεωτικός) ή μη ενεργός (μη υποχρεωτικός). Ένας περιορισμός θεωρείται binding (ενεργός) όταν στην βέλτιστη λύση ισχύει σαν ισότητα. Οι περιορισμοί αυτοί είναι εκείνοι των οποίων η τομή των αντίστοιχων ευθειών τους καθορίζει την κορυφή που αποτελεί την βέλτιστη λύση. Στην περίπτωση που ο περιορισμός αυτός είναι της μορφής { } δείχνει έναν πόρο ο οποίος έχει στη βέλτιστη λύση καταναλωθεί πλήρως ενώ όταν είναι της μορφής { } δείχνει έναν πόρο ο οποίος έχει καταναλωθεί στο ελάχιστο, δηλαδή στην βέλτιστη λύση ικανοποιείται το κατώτατο όριο του περιορισμού. Ένας περιορισμός που δεν είναι ενεργός λέγεται not binding (μη ενεργός) και στην περίπτωση που είναι της μορφής { } εκφράζει ένα πόρο ο οποίος δεν έχει καταναλωθεί πλήρως, δηλαδή υπάρχει περίσσευμα του πόρου αυτού. Ένας μη ενεργός περιορισμός της μορφής { } εκφράζει μια απαίτηση της οποίας όχι μόνο έχει ικανοποιηθεί η ελάχιστη απαιτούμενη ποσότητα αλλά και έχει ξεπεραστεί. Οι μη ενεργοί περιορισμοί δεν μετέχουν στη βέλτιστη λύση. Η απόκλιση είναι η διαφορά τις τιμής που παίρνει ένας μη ενεργός περιορισμός από την ελάχιστη η μέγιστη τιμή που μπορεί να πάρει. Ανάλυση ευαισθησίας Το Solve παρουσιάζει την ανάλυση ευαισθησίας σε δύο μέρη. Το πρώτο είναι τα Ρυθμιζόμενα Κελιά (Changing Cells) και το δεύτερο οι Περιορισμοί (Constaints). Ρυθμιζόμενα Κελιά Κελί Όνομα Τελική Μειωμένο Αντικειμενικός Επιτρεπόμενη Επιτρεπόμενη Τιμή κόστος Συντελεστής αύξηση μείωση Τα ρυθμιζόμενα κελιά δίνουν πληροφορίες για τις μεταβλητές του 8

29 προβλήματος και για την αντικειμενική συνάρτηση. Περιέχει τα κελιά, τα ονόματα των μεταβλητών, την τελική βέλτιστη τιμή τους, το μειωμένο κόστος (Reduced Cost), τους συντελεστές της αντικειμενικής συνάρτησης (Obective Coefficient) και την επιτρεπόμενη αύξηση και μείωση των συντελεστών της αντικειμενικής συνάρτησης. Αν αλλάξουμε τον περιορισμό, για κάποιο =,,, (συνθήκη μη αρνητικότητας), όπως για παράδειγμα η συγκεκριμένη μεταβλητή να είναι μεγαλύτερη ή ίση της μονάδας, δηλαδή x 0 συνάρτησης θα ονομάζεται Μειωμένο κόστος (Reduced cost). x, τότε η μεταβολή της αντικειμενικής Η επιτρεπτή αύξηση (allowable incease) και επιτρεπτή μείωση (allowable decease) δείχνει το πόσο οι συντελεστές των μεταβλητών της αντικειμενικής συνάρτησης μπορούν να αλλάξουν χωρίς να αλλάξει η τιμή οποιασδήποτε μεταβλητής. Ωστόσο η τιμή της αντικειμενικής συνάρτησης θα αλλάξει εάν ένας συντελεστής αλλάξει και η αντίστοιχη μεταβλητή του παραμείνει αμετάβλητη. Περιορισμοί Κελί Όνομα Τελική Σκιώδης Περιορισμός Επιτρεπόμενη Επιτρεπόμενη τιμή τιμή R.H Side αύξηση μείωση Στο δεύτερο μέρος της ανάλυσης ευαισθησίας τα τρία πρώτα κελιά αναφέρονται στο κελί, το όνομα και την τελική τιμή του αριστερού μέλους κάθε περιορισμού για τη βέλτιστη λύση. Τα υπόλοιπα κελιά αναλύονται ως εξής: Σκιώδης τιμή (Shadow pice) είναι η μεταβολή της αντικειμενικής συνάρτησης για κάθε μεταβολή ενός περιορισμού κατά μία μονάδα. Όταν η αντικειμενική συνάρτηση είναι κέρδος, μπορούμε να πούμε ότι εκφράζει την μοναδιαία αύξηση ή μείωση του κέρδους όταν ο περιορισμός αυξάνεται ή μειώνεται αντίστοιχα κατά μία μονάδα. Η σύγκριση των shadow pices κάθε περιορισμού μπορεί να παρέχει πολύτιμη πληροφορία για το που και πως μπορούμε να διαθέσουμε πιο αποδοτικά επιπρόσθετους πόρους έτσι ώστε να πετύχουμε καλύτερη βέλτιστη λύση της αντικειμενικής συνάρτησης. Ο περιορισμός R.H Side είναι η τιμή του δεξιού μέλους του περιορισμού. Η επιτρεπόμενη αύξηση και μείωση δείχνει το πόσο μπορεί να αυξηθεί ή να μειωθεί το δεξί μέλος ενός περιορισμού έτσι ώστε η σκιώδης τιμή του να ισχύει. 9

ΠΡΟΓΡΑΜΜΑ ΜΕΤΑΠΤΥΧΙΑΚΩΝ ΣΠΟΥΔΩΝ

ΠΡΟΓΡΑΜΜΑ ΜΕΤΑΠΤΥΧΙΑΚΩΝ ΣΠΟΥΔΩΝ ΤΜΗΜΑ ΕΦΑΡΜΟΣΜΕΝΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ ΠΑΝΕΠΙΣΤΗΜΙΟ ΜΑΚΕΔΟΝΙΑΣ ΠΡΟΓΡΑΜΜΑ ΜΕΤΑΠΤΥΧΙΑΚΩΝ ΣΠΟΥΔΩΝ ΚΑΤΕΥΘΥΝΣΗ: ΕΠΙΧΕΙΡΗΜΑΤΙΚΗ ΠΛΗΡΟΦΟΡΙΚΗ ΔΙΠΛΩΜΑΤΙΚΗ ΕΡΓΑΣΊΑ ΜΕ ΤΙΤΛΟ: «ΠΕΡΙΓΡΑΦΗ, ΠΑΡΟΥΣΙΑΣΗ ΚΑΙ ΧΡΗΣΗ ΛΟΓΙΣΜΙΚΩΝ

Διαβάστε περισσότερα

Γραμμικός Προγραμματισμός

Γραμμικός Προγραμματισμός Γραμμικός Προγραμματισμός Εισαγωγή Το πρόβλημα του Σχεδιασμού στη Χημική Τεχνολογία και Βιομηχανία. Το συνολικό πρόβλημα του Σχεδιασμού, από μαθηματική άποψη ανάγεται σε ένα πρόβλημα επίλυσης συστήματος

Διαβάστε περισσότερα

ΤΕΙ Χαλκίδας Σχολή Διοίκησης και Οικονομίας Τμήμα Διοίκησης Επιχειρήσεων

ΤΕΙ Χαλκίδας Σχολή Διοίκησης και Οικονομίας Τμήμα Διοίκησης Επιχειρήσεων ΤΕΙ Χαλκίδας Σχολή Διοίκησης και Οικονομίας Τμήμα Διοίκησης Επιχειρήσεων Επιχειρησιακή Έρευνα Τυπικό Εξάμηνο: Δ Αλέξιος Πρελορέντζος Εισαγωγή Ορισμός 1 Η συστηματική εφαρμογή ποσοτικών μεθόδων, τεχνικών

Διαβάστε περισσότερα

ΓΡΑΜΜΙΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ (Γ.Π.).) (LINEAR PROGRAMMING)

ΓΡΑΜΜΙΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ (Γ.Π.).) (LINEAR PROGRAMMING) ΓΡΑΜΜΙΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ (Γ.Π.).) (LINEAR PROGRAMMING) Δρ. Βασιλική Καζάνα Αναπλ. Καθηγήτρια ΤΕΙ Καβάλας, Τμήμα Δασοπονίας & Διαχείρισης Φυσικού Περιβάλλοντος Δράμας Εργαστήριο Δασικής Διαχειριστικής

Διαβάστε περισσότερα

ΕΡΩΤΗΣΕΙΣ ΘΕΩΡΙΑΣ ΜΑΘΗΜΑΤΙΚΑ Β ΓΥΜΝΑΣΙΟΥ. ΜΕΡΟΣ 1ο ΑΛΓΕΒΡΑ

ΕΡΩΤΗΣΕΙΣ ΘΕΩΡΙΑΣ ΜΑΘΗΜΑΤΙΚΑ Β ΓΥΜΝΑΣΙΟΥ. ΜΕΡΟΣ 1ο ΑΛΓΕΒΡΑ 1. Τι καλείται μεταβλητή; ΕΡΩΤΗΣΕΙΣ ΘΕΩΡΙΑΣ ΜΑΘΗΜΑΤΙΑ Β ΓΥΜΝΑΣΙΟΥ ΜΕΡΟΣ 1ο ΑΛΓΕΒΡΑ Μεταβλητή είναι ένα γράμμα (π.χ., y, t, ) που το χρησιμοποιούμε για να παραστήσουμε ένα οποιοδήποτε στοιχείο ενός συνόλου..

Διαβάστε περισσότερα

Κεφάλαιο 4 Διανυσματικοί Χώροι

Κεφάλαιο 4 Διανυσματικοί Χώροι Κεφάλαιο Διανυσματικοί Χώροι Διανυσματικοί χώροι - Βασικοί ορισμοί και ιδιότητες Θεωρούμε τρία διαφορετικά σύνολα: Διανυσματικοί Χώροι α) Το σύνολο διανυσμάτων (πινάκων με μία στήλη) με στοιχεία το οποίο

Διαβάστε περισσότερα

Α ΜΕΡΟΣ - ΑΛΓΕΒΡΑ. Α. Οι πραγματικοί αριθμοί και οι πράξεις τους

Α ΜΕΡΟΣ - ΑΛΓΕΒΡΑ. Α. Οι πραγματικοί αριθμοί και οι πράξεις τους Α ΜΕΡΟΣ - ΑΛΓΕΒΡΑ Κεφάλαιο 1 ο ΑΛΓΕΒΡΙΚΕΣ ΠΑΡΑΣΤΑΣΕΙΣ 1.1 Πράξεις με πραγματικούς αριθμούς Α. Οι πραγματικοί αριθμοί και οι πράξεις τους 1. Ποιοι αριθμοί ονομάζονται: α) ρητοί β) άρρητοι γ) πραγματικοί;

Διαβάστε περισσότερα

ΠΡΟΒΛΗΜΑΤΑ ΜΕΤΑΦΟΡΑΣ

ΠΡΟΒΛΗΜΑΤΑ ΜΕΤΑΦΟΡΑΣ (Transportation Problems) Βασίλης Κώστογλου E-mail: vkostogl@it.teithe.gr URL: www.it.teithe.gr/~vkostogl Περιγραφή Ένα πρόβλημα μεταφοράς ασχολείται με το πρόβλημα του προσδιορισμού του καλύτερου δυνατού

Διαβάστε περισσότερα

Γραμμικός Προγραμματισμός

Γραμμικός Προγραμματισμός Γραμμικός Προγραμματισμός ημήτρης Φωτάκης Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών Εθνικό Μετσόβιο Πολυτεχνείο Γραμμικός Προγραμματισμός Ελαχιστοποίηση γραμμικής αντικειμενικής συνάρτησης

Διαβάστε περισσότερα

ΔΕΟ13(ΕΠΑΝΑΛΗΠΤΙΚΕΣ ΕΞΕΤΑΣΕΙΣ ΙΟΥΛΙΟΥ )

ΔΕΟ13(ΕΠΑΝΑΛΗΠΤΙΚΕΣ ΕΞΕΤΑΣΕΙΣ ΙΟΥΛΙΟΥ ) ΔΕΟ13(ΕΠΑΝΑΛΗΠΤΙΚΕΣ ΕΞΕΤΑΣΕΙΣ ΙΟΥΛΙΟΥ ) ΑΣΚΗΣΗ 1 Μια εταιρεία ταχυμεταφορών διατηρεί μια αποθήκη εισερχομένων. Τα δέματα φθάνουν με βάση τη διαδικασία Poion με μέσο ρυθμό 40 δέματα ανά ώρα. Ένας υπάλληλος

Διαβάστε περισσότερα

ΓΡΑΜΜΙΚΗ ΑΛΓΕΒΡΑ (ΗΥ-119)

ΓΡΑΜΜΙΚΗ ΑΛΓΕΒΡΑ (ΗΥ-119) ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ ΣΧΟΛΗ ΘΕΤΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΤΜΗΜΑ ΕΠΙΣΤΗΜΗΣ ΥΠΟΛΟΓΙΣΤΩΝ ΙΩΑΝΝΗΣ Α. ΤΣΑΓΡΑΚΗΣ ΓΡΑΜΜΙΚΗ ΑΛΓΕΒΡΑ (ΗΥ-119) ΜΕΡΟΣ 5: ΔΙΑΝΥΣΜΑΤΙΚΟΙ ΥΠΟΧΩΡΟΙ ΓΡΑΜΜΙΚΗ ΑΝΕΞΑΡΤΗΣΙΑ ΒΑΣΕΙΣ & ΔΙΑΣΤΑΣΗ Δ.Χ. ΣΗΜΕΙΩΣΕΙΣ

Διαβάστε περισσότερα

Πανεπιστήμιο Ιωαννίνων ΟΙΚΟΝΟΜΙΚΑ ΤΟΥ ΠΕΡΙΒΑΛΛΟΝΤΟΣ Διδάσκων:

Πανεπιστήμιο Ιωαννίνων ΟΙΚΟΝΟΜΙΚΑ ΤΟΥ ΠΕΡΙΒΑΛΛΟΝΤΟΣ Διδάσκων: Πανεπιστήμιο Ιωαννίνων ΟΙΚΟΝΟΜΙΚΑ ΤΟΥ ΠΕΡΙΒΑΛΛΟΝΤΟΣ Διδάσκων: Φάμπιο Αντωνίου Στοιχεία Επικοινωνίας: email: fantoniou@cc.uoi.gr Τηλ:651005954 Προσωπική Ιστοσελίδα: fantoniou.wordpress.com Γραφείο: Κτίριο

Διαβάστε περισσότερα

ΠΡΟΒΛΗΜΑΤΑ ΕΛΑΧΙΣΤΟΠΟΙΗΣΗΣ

ΠΡΟΒΛΗΜΑΤΑ ΕΛΑΧΙΣΤΟΠΟΙΗΣΗΣ ΠΡΟΒΛΗΜΑΤΑ ΕΛΑΧΙΣΤΟΠΟΙΗΣΗΣ Ελαχιστοποίηση κόστους διατροφής Ηεπιχείρηση ζωοτροφών ΒΙΟΤΡΟΦΕΣ εξασφάλισε µια ειδική παραγγελίααπό έναν πελάτη της για την παρασκευή 1.000 κιλών ζωοτροφής, η οποία θα πρέπει

Διαβάστε περισσότερα

ΣΧΟΛΗ ΕΦΑΡΜΟΣΜΕΝΩΝ ΜΑΘΗΜΑΤΙΚΩΝ & ΦΥΣΙΚΩΝ ΕΠΙΣΤΗΜΩΝ. ΕΞΕΤΑΣΗ ΣΤΗΝ ΕΠΙΧΕΙΡΗΣΙΑΚΗ ΕΡΕΥΝΑ ΛΥΣΕΙΣ ΘΕΜΑΤΩΝ Έβδομο Εξάμηνο

ΣΧΟΛΗ ΕΦΑΡΜΟΣΜΕΝΩΝ ΜΑΘΗΜΑΤΙΚΩΝ & ΦΥΣΙΚΩΝ ΕΠΙΣΤΗΜΩΝ. ΕΞΕΤΑΣΗ ΣΤΗΝ ΕΠΙΧΕΙΡΗΣΙΑΚΗ ΕΡΕΥΝΑ ΛΥΣΕΙΣ ΘΕΜΑΤΩΝ Έβδομο Εξάμηνο ΣΧΟΛΗ ΕΦΑΡΜΟΣΜΕΝΩΝ ΜΑΘΗΜΑΤΙΚΩΝ & ΦΥΣΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΕΞΕΤΑΣΗ ΣΤΗΝ ΕΠΙΧΕΙΡΗΣΙΑΚΗ ΕΡΕΥΝΑ ΛΥΣΕΙΣ ΘΕΜΑΤΩΝ Έβδομο Εξάμηνο Διδάσκων: Ι. Κολέτσος Κανονική Εξέταση 2007 ΘΕΜΑ 1 Διαιτολόγος προετοιμάζει ένα μενού

Διαβάστε περισσότερα

Γραµµικός Προγραµµατισµός - Μέθοδος Simplex

Γραµµικός Προγραµµατισµός - Μέθοδος Simplex Γραµµικός Προγραµµατισµός - Μέθοδος Simplex Η πλέον γνωστή και περισσότερο χρησιµοποιηµένη µέθοδος για την επίλυση ενός γενικού προβλήµατος γραµµικού προγραµµατισµού, είναι η µέθοδος Simplex η οποία αναπτύχθηκε

Διαβάστε περισσότερα

Το Πρόβλημα Μεταφοράς

Το Πρόβλημα Μεταφοράς Το Πρόβλημα Μεταφοράς Αφορά τη μεταφορά ενός προϊόντος από διάφορους σταθμούς παραγωγής σε διάφορες θέσεις κατανάλωσης με το ελάχιστο δυνατό κόστος. Πρόκειται για το πιο σπουδαίο πρότυπο προβλήματος γραμμικού

Διαβάστε περισσότερα

ΓΡΑΜΜΙΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ. Γραφική λύση προβλημάτων Γραμμικού Προγραμματισμού

ΓΡΑΜΜΙΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ. Γραφική λύση προβλημάτων Γραμμικού Προγραμματισμού ΓΡΑΜΜΙΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ Γραφική λύση προβλημάτων Γραμμικού Προγραμματισμού Πρόγραμμα Γενικό γραμμικό πρόβλημα με πολύγωνη περιοχή εφικτών λύσεων Να λυθεί το παρακάτω γραμμικό πρόγραμμα: ma z μ. π. 4

Διαβάστε περισσότερα

I. ΜΙΓΑΔΙΚΟΙ ΑΡΙΘΜΟΙ. math-gr

I. ΜΙΓΑΔΙΚΟΙ ΑΡΙΘΜΟΙ. math-gr I ΜΙΓΑΔΙΚΟΙ ΑΡΙΘΜΟΙ i e ΜΕΡΟΣ Ι ΟΡΙΣΜΟΣ - ΒΑΣΙΚΕΣ ΠΡΑΞΕΙΣ Α Ορισμός Ο ορισμός του συνόλου των Μιγαδικών αριθμών (C) βασίζεται στις εξής παραδοχές: Υπάρχει ένας αριθμός i για τον οποίο ισχύει i Το σύνολο

Διαβάστε περισσότερα

Α Λυκείου Άλγεβρα Τράπεζα Θεμάτων Το Δεύτερο Θέμα

Α Λυκείου Άλγεβρα Τράπεζα Θεμάτων Το Δεύτερο Θέμα Α Λυκείου Άλγεβρα Τράπεζα Θεμάτων Το Δεύτερο Θέμα Θεωρούμε την ακολουθία (α ν ) των θετικών περιττών αριθμών: 1, 3, 5, 7, α) Να αιτιολογήσετε γιατί η (α ν ) είναι αριθμητική πρόοδος και να βρείτε τον εκατοστό

Διαβάστε περισσότερα

3.12 Το Πρόβλημα της Μεταφοράς

3.12 Το Πρόβλημα της Μεταφοράς 312 Το Πρόβλημα της Μεταφοράς Σ αυτή την παράγραφο και στις επόμενες μέχρι το τέλος του κεφαλαίου θα ασχοληθούμε με μερικά σπουδαία είδη προβλημάτων γραμμικού προγραμματισμού Οι ειδικές αυτές περιπτώσεις

Διαβάστε περισσότερα

2.1. ΑΠΛΑ ΠΑΡΑΔΕΙΓΜΑΤΑ ΠΡΟΒΛΗΜΑΤΩΝ ΓΡΑΜΜΙΚΟΥ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΥ

2.1. ΑΠΛΑ ΠΑΡΑΔΕΙΓΜΑΤΑ ΠΡΟΒΛΗΜΑΤΩΝ ΓΡΑΜΜΙΚΟΥ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΥ . ΓΡΑΜΜΙΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ. ΓΡΑΜΜΙΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ ( Linear Programming ) Ο Γραμμικός Προγραμματισμός είναι μια τεχνική που επιτρέπει την κατανομή των περιορισμένων πόρων μιας επιχείρησης με τον πιο

Διαβάστε περισσότερα

Φεργαδιώτης Αθανάσιος ΤΡΑΠΕΖΑ ΘΕΜΑΤΩΝ ΣΤΗΝ ΑΛΓΕΒΡΑ Α ΛΥΚΕΙΟΥ. Θέμα 2 ο (150)

Φεργαδιώτης Αθανάσιος ΤΡΑΠΕΖΑ ΘΕΜΑΤΩΝ ΣΤΗΝ ΑΛΓΕΒΡΑ Α ΛΥΚΕΙΟΥ. Θέμα 2 ο (150) Φεργαδιώτης Αθανάσιος ΤΡΑΠΕΖΑ ΘΕΜΑΤΩΝ ΣΤΗΝ ΑΛΓΕΒΡΑ Α ΛΥΚΕΙΟΥ Θέμα ο (150) -- Τράπεζα θεμάτων Άλγεβρας Α Λυκείου Φεργαδιώτης Αθανάσιος -3- Τράπεζα θεμάτων Άλγεβρας Α Λυκείου Φεργαδιώτης Αθανάσιος ΚΕΦΑΛΑΙΟ

Διαβάστε περισσότερα

1.3 Συστήματα γραμμικών εξισώσεων με ιδιομορφίες

1.3 Συστήματα γραμμικών εξισώσεων με ιδιομορφίες Κεφάλαιο Συστήματα γραμμικών εξισώσεων Παραδείγματα από εφαρμογές Παράδειγμα : Σε ένα δίκτυο (αγωγών ή σωλήνων ή δρόμων) ισχύει ο κανόνας των κόμβων όπου το άθροισμα των εισερχόμενων ροών θα πρέπει να

Διαβάστε περισσότερα

(a + b) + c = a + (b + c), (ab)c = a(bc) a + b = b + a, ab = ba. a(b + c) = ab + ac

(a + b) + c = a + (b + c), (ab)c = a(bc) a + b = b + a, ab = ba. a(b + c) = ab + ac Σημειώσεις μαθήματος Μ1212 Γραμμική Άλγεβρα ΙΙ Χρήστος Κουρουνιώτης ΤΜΗΜΑ ΜΑΘΗΜΑΤΙΚΩΝ ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ 2014 Κεφάλαιο 1 Διανυσματικοί Χώροι Στο εισαγωγικό μάθημα Γραμμικής Άλγεβρας ξεκινήσαμε μελετώντας

Διαβάστε περισσότερα

ΣΥΣΤΗΜΑΤΑ. 6.1 ΓΡΑΜΜΙΚΑ ΣΥΣΤΗΜΑΤΑ (Επαναλήψεις-Συμπληρώσεις)

ΣΥΣΤΗΜΑΤΑ. 6.1 ΓΡΑΜΜΙΚΑ ΣΥΣΤΗΜΑΤΑ (Επαναλήψεις-Συμπληρώσεις) 6 ΣΥΣΤΗΜΑΤΑ 6.1 ΓΡΑΜΜΙΚΑ ΣΥΣΤΗΜΑΤΑ (Επαναλήψεις-Συμπληρώσεις) Η εξίσωση αx βy γ Στο Γυμνάσιο διαπιστώσαμε με την βοήθεια παραδειγμάτων ότι η εξίσωση αx βy γ, με α 0 ή β 0, που λέγεται γραμμική εξίσωση,

Διαβάστε περισσότερα

Case 12: Προγραμματισμός Παραγωγής της «Tires CO» ΣΕΝΑΡΙΟ (1)

Case 12: Προγραμματισμός Παραγωγής της «Tires CO» ΣΕΝΑΡΙΟ (1) Case 12: Προγραμματισμός Παραγωγής της «Tires CO» ΣΕΝΑΡΙΟ (1) Ένα πολυσταδιακό πρόβλημα που αφορά στον τριμηνιαίο προγραμματισμό για μία βιομηχανική επιχείρηση παραγωγής ελαστικών (οχημάτων) Γενικός προγραμματισμός

Διαβάστε περισσότερα

Κεφάλαιο 1 o Εξισώσεις - Ανισώσεις

Κεφάλαιο 1 o Εξισώσεις - Ανισώσεις 2 ΕΡΩΤΗΣΕΙΙΣ ΘΕΩΡΙΙΑΣ ΑΠΟ ΤΗΝ ΥΛΗ ΤΗΣ Β ΤΑΞΗΣ ΜΕΡΟΣ Α -- ΑΛΓΕΒΡΑ Κεφάλαιο 1 o Εξισώσεις - Ανισώσεις Α. 1 1 1. Τι ονομάζεται Αριθμητική και τι Αλγεβρική παράσταση; Ονομάζεται Αριθμητική παράσταση μια παράσταση

Διαβάστε περισσότερα

ΚΕΦΑΛΑΙΟ 3 ο ΣΥΝΑΡΤΗΣΕΙΣ, ΤΡΙΓΩΝΟΜΕΤΡΙΑ( FUNCTIONS,TRIGONOMETRY)

ΚΕΦΑΛΑΙΟ 3 ο ΣΥΝΑΡΤΗΣΕΙΣ, ΤΡΙΓΩΝΟΜΕΤΡΙΑ( FUNCTIONS,TRIGONOMETRY) ΚΕΦΑΛΑΙΟ 3 ο ΣΥΝΑΡΤΗΣΕΙΣ, ΤΡΙΓΩΝΟΜΕΤΡΙΑ( FUNCTIONS,TRIGONOMETRY) 3.1 ΘΕΩΡΙΑ-ΤΥΠΟΛΟΓΙΟ-ΠΑΡΑΔΕΙΓΜΑΤΑ ΣΥΝΑΡΤΗΣΕΙΣ Συνάρτηση, ή απεικόνιση όπως ονομάζεται διαφορετικά, είναι μια αντιστοίχιση μεταξύ δύο συνόλων,

Διαβάστε περισσότερα

Ελλιπή δεδομένα. Εδώ έχουμε 1275. Στον πίνακα που ακολουθεί δίνεται η κατά ηλικία κατανομή 1275 ατόμων

Ελλιπή δεδομένα. Εδώ έχουμε 1275. Στον πίνακα που ακολουθεί δίνεται η κατά ηλικία κατανομή 1275 ατόμων Ελλιπή δεδομένα Στον πίνακα που ακολουθεί δίνεται η κατά ηλικία κατανομή 75 ατόμων Εδώ έχουμε δ 75,0 75 5 Ηλικία Συχνότητες f 5-4 70 5-34 50 35-44 30 45-54 465 55-64 335 Δεν δήλωσαν 5 Σύνολο 75 Μπορεί

Διαβάστε περισσότερα

ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΙΑΣ ΤΜΗΜΑ ΠΟΛΙΤΙΚΩΝ ΜΗΧΑΝΙΚΩΝ ΣΗΜΕΙΩΣΕΙΣ ΓΡΑΜΜΙΚΗΣ ΑΛΓΕΒΡΑΣ. ρ Χρήστου Νικολαϊδη

ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΙΑΣ ΤΜΗΜΑ ΠΟΛΙΤΙΚΩΝ ΜΗΧΑΝΙΚΩΝ ΣΗΜΕΙΩΣΕΙΣ ΓΡΑΜΜΙΚΗΣ ΑΛΓΕΒΡΑΣ. ρ Χρήστου Νικολαϊδη ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΙΑΣ ΤΜΗΜΑ ΠΟΛΙΤΙΚΩΝ ΜΗΧΑΝΙΚΩΝ ΣΗΜΕΙΩΣΕΙΣ ΓΡΑΜΜΙΚΗΣ ΑΛΓΕΒΡΑΣ ρ Χρήστου Νικολαϊδη Δεκέμβριος Περιεχόμενα Κεφάλαιο : σελ. Τι είναι ένας πίνακας. Απλές πράξεις πινάκων. Πολλαπλασιασμός πινάκων.

Διαβάστε περισσότερα

Πανεπιστήμιο Αιγαίου. Γραμμικός Προγραμματισμός

Πανεπιστήμιο Αιγαίου. Γραμμικός Προγραμματισμός Πανεπιστήμιο Αιγαίου URL: http://www.aegean.gr Γραμμικός Προγραμματισμός Ευστράτιος Ιωαννίδης Πανεπιστήμιο Αιγαίου Τμήμα Μαθηματικών 832 Καρλόβασι Σάμος Copyright Πανεπιστήμιο Αιγαίου, Τμήμα Μαθηματικών

Διαβάστε περισσότερα

Αριθμητική εύρεση ριζών μη γραμμικών εξισώσεων

Αριθμητική εύρεση ριζών μη γραμμικών εξισώσεων Αριθμητική εύρεση ριζών μη γραμμικών εξισώσεων Με τον όρο μη γραμμικές εξισώσεις εννοούμε εξισώσεις της μορφής: f( ) 0 που προέρχονται από συναρτήσεις f () που είναι μη γραμμικές ως προς. Περιέχουν δηλαδή

Διαβάστε περισσότερα

ΕΡΩΤΗΣΕΙΣ ΚΑΤΑΝΟΗΣΗΣ ΑΛΓΕΒΡΑ Α ΛΥΚΕΙΟΥ

ΕΡΩΤΗΣΕΙΣ ΚΑΤΑΝΟΗΣΗΣ ΑΛΓΕΒΡΑ Α ΛΥΚΕΙΟΥ ΕΡΩΤΗΣΕΙΣ ΚΑΤΑΝΟΗΣΗΣ ΑΛΓΕΒΡΑ Α ΛΥΚΕΙΟΥ Ε.1 I. 1. α 2 = 9 α = 3 ψ p: α 2 = 9, q: α = 3 Σύνολο αλήθειας της p: Α = {-3,3}, Σύνολο αλήθειας της q: B = {3} A B 2. α 2 = α α = 1 ψ p: α 2 = α, q: α = 1 Σύνολο

Διαβάστε περισσότερα

ΜΙΓΑΔΙΚΟΙ ΑΡΙΘΜΟΙ ΕΠΙΜΕΛΕΙΑ : ΑΥΓΕΡΙΝΟΣ ΒΑΣΙΛΗΣ

ΜΙΓΑΔΙΚΟΙ ΑΡΙΘΜΟΙ ΕΠΙΜΕΛΕΙΑ : ΑΥΓΕΡΙΝΟΣ ΒΑΣΙΛΗΣ ΜΙΓΑΔΙΚΟΙ ΑΡΙΘΜΟΙ ΕΠΙΜΕΛΕΙΑ : ΑΥΓΕΡΙΝΟΣ ΒΑΣΙΛΗΣ ΕΥΡΙΠΙΔΟΥ 80 ΝΙΚΑΙΑ ΝΕΑΠΟΛΗ ΤΗΛΕΦΩΝΟ 0965897 ΔΙΕΥΘΥΝΣΗ ΣΠΟΥΔΩΝ ΒΡΟΥΤΣΗ ΕΥΑΓΓΕΛΙΑ ΜΠΟΥΡΝΟΥΤΣΟΥ ΚΩΝ/ΝΑ ΑΥΓΕΡΙΝΟΣ ΒΑΣΙΛΗΣ ΜΙΓΑΔΙΚΟΙ ΑΡΙΘΜΟΙ Η έννοια του μιγαδικού

Διαβάστε περισσότερα

Case 08: Επιλογή Διαφημιστικών Μέσων Ι ΣΕΝΑΡΙΟ (1)

Case 08: Επιλογή Διαφημιστικών Μέσων Ι ΣΕΝΑΡΙΟ (1) Case 08: Επιλογή Διαφημιστικών Μέσων Ι ΣΕΝΑΡΙΟ (1) Το πρόβλημα της επιλογής των μέσων διαφήμισης (??) το αντιμετωπίζουν τόσο οι επιχειρήσεις όσο και οι διαφημιστικές εταιρείες στην προσπάθειά τους ν' αναπτύξουν

Διαβάστε περισσότερα

ΕΠΑΝΑΛΗΠΤΙΚΑ ΘΕΜΑΤΑ ΑΛΓΕΒΡΑΣ Α ΛΥΚΕΙΟΥ Δ Ι Α Γ Ω Ν Ι Σ Μ Α 1

ΕΠΑΝΑΛΗΠΤΙΚΑ ΘΕΜΑΤΑ ΑΛΓΕΒΡΑΣ Α ΛΥΚΕΙΟΥ Δ Ι Α Γ Ω Ν Ι Σ Μ Α 1 Δ Ι Α Γ Ω Ν Ι Σ Μ Α Θ έ μ α Α Α. α. Πότε η εξίσωση αx + βx + γ = 0, α 0 έχει διπλή ρίζα; Ποια είναι η διπλή ρίζα της; 4 μονάδες β. Ποια μορφή παίρνει το τριώνυμο αx + βx + γ, α 0, όταν Δ = 0; 3 μονάδες

Διαβάστε περισσότερα

1.1 ΓΡΑΜΜΙΚΑ ΣΥΣΤΗΜΑΤΑ

1.1 ΓΡΑΜΜΙΚΑ ΣΥΣΤΗΜΑΤΑ 1.1 ΓΡΑΜΜΙΚΑ ΣΥΣΤΗΜΑΤΑ Μέθοδοι επίλυσης γραμμικού συστήματος χ Γραφική επίλυση Σχεδιάζουμε τις ευθείες που αντιπροσωπεύουν οι εξισώσεις του συστήματος. Αν: - οι δύο ευθείες τέμνονται, τότε το σύστημα έχει

Διαβάστε περισσότερα

ΤΕΧΝΟΛΟΓΙΚΟ ΕΚΠΑΙΔΕΥΤΙΚΟ ΙΔΡΥΜΑ ΚΕΝΤΡΙΚΗΣ ΜΑΚΕΔΟΝΙΑΣ ΣΧΟΛΗ ΤΜΗΜΑ. Μαθηματικά 1. Σταύρος Παπαϊωάννου

ΤΕΧΝΟΛΟΓΙΚΟ ΕΚΠΑΙΔΕΥΤΙΚΟ ΙΔΡΥΜΑ ΚΕΝΤΡΙΚΗΣ ΜΑΚΕΔΟΝΙΑΣ ΣΧΟΛΗ ΤΜΗΜΑ. Μαθηματικά 1. Σταύρος Παπαϊωάννου ΤΕΧΝΟΛΟΓΙΚΟ ΕΚΠΑΙΔΕΥΤΙΚΟ ΙΔΡΥΜΑ ΚΕΝΤΡΙΚΗΣ ΜΑΚΕΔΟΝΙΑΣ ΣΧΟΛΗ ΤΜΗΜΑ Μαθηματικά Σταύρος Παπαϊωάννου Ιούνιος 5 Τίτλος Μαθήματος Περιεχόμενα Χρηματοδότηση.. Σφάλμα! Δεν έχει οριστεί σελιδοδείκτης. Σκοποί Μαθήματος

Διαβάστε περισσότερα

ΤΕΤΥ Εφαρμοσμένα Μαθηματικά 1. Τελεστές και πίνακες. 1. Τελεστές και πίνακες Γενικά. Τι είναι συνάρτηση? Απεικόνιση ενός αριθμού σε έναν άλλο.

ΤΕΤΥ Εφαρμοσμένα Μαθηματικά 1. Τελεστές και πίνακες. 1. Τελεστές και πίνακες Γενικά. Τι είναι συνάρτηση? Απεικόνιση ενός αριθμού σε έναν άλλο. ΤΕΤΥ Εφαρμοσμένα Μαθηματικά 1 Τελεστές και πίνακες 1. Τελεστές και πίνακες Γενικά Τι είναι συνάρτηση? Απεικόνιση ενός αριθμού σε έναν άλλο. Ανάλογα, τελεστής είναι η απεικόνιση ενός διανύσματος σε ένα

Διαβάστε περισσότερα

Από το Γυμνάσιο στο Λύκειο... 7. 3. Δειγματικός χώρος Ενδεχόμενα... 42 Εύρεση δειγματικού χώρου... 46

Από το Γυμνάσιο στο Λύκειο... 7. 3. Δειγματικός χώρος Ενδεχόμενα... 42 Εύρεση δειγματικού χώρου... 46 ΠEΡΙΕΧΟΜΕΝΑ Από το Γυμνάσιο στο Λύκειο................................................ 7 1. Το Λεξιλόγιο της Λογικής.............................................. 11. Σύνολα..............................................................

Διαβάστε περισσότερα

ΠΡΟΟΡΙΣΜΟΣ ΑΠΟΘΗΚΕΣ Ζ1 Ζ2 Ζ3 Δ1 1,800 2,100 1,600 Δ2 1,100 700 900 Δ3 1,400 800 2,200

ΠΡΟΟΡΙΣΜΟΣ ΑΠΟΘΗΚΕΣ Ζ1 Ζ2 Ζ3 Δ1 1,800 2,100 1,600 Δ2 1,100 700 900 Δ3 1,400 800 2,200 ΑΣΚΗΣΗ Η εταιρεία logistics Orient Express έχει αναλάβει τη διακίνηση των φορητών προσωπικών υπολογιστών γνωστής πολυεθνικής εταιρείας σε πελάτες που βρίσκονται στο Hong Kong, τη Σιγκαπούρη και την Ταϊβάν.

Διαβάστε περισσότερα

Εισόδημα Κατανάλωση 1500 500 1600 600 1300 450 1100 400 600 250 700 275 900 300 800 352 850 400 1100 500

Εισόδημα Κατανάλωση 1500 500 1600 600 1300 450 1100 400 600 250 700 275 900 300 800 352 850 400 1100 500 Εισόδημα Κατανάλωση 1500 500 1600 600 1300 450 1100 400 600 250 700 275 900 300 800 352 850 400 1100 500 Πληθυσμός Δείγμα Δείγμα Δείγμα Ο ρόλος της Οικονομετρίας Οικονομική Θεωρία Διατύπωση της

Διαβάστε περισσότερα

Επαναληπτικά θέματα στα Μαθηματικά προσανατολισμού-ψηφιακό σχολείο ΕΠΑΝΑΛΗΠΤΙΚΑ ΘΕΜΑΤΑ ΣΤΑ ΜΑΘΗΜΑΤΙΚΑ ΠΡΟΣΑΝΑΤΟΛΙΣΜΟΥ ΘΕΤΙΚΩΝ ΣΠΟΥΔΩΝ

Επαναληπτικά θέματα στα Μαθηματικά προσανατολισμού-ψηφιακό σχολείο ΕΠΑΝΑΛΗΠΤΙΚΑ ΘΕΜΑΤΑ ΣΤΑ ΜΑΘΗΜΑΤΙΚΑ ΠΡΟΣΑΝΑΤΟΛΙΣΜΟΥ ΘΕΤΙΚΩΝ ΣΠΟΥΔΩΝ ΕΠΑΝΑΛΗΠΤΙΚΑ ΘΕΜΑΤΑ ΣΤΑ ΜΑΘΗΜΑΤΙΚΑ ΠΡΟΣΑΝΑΤΟΛΙΣΜΟΥ ΚΕΦΑΛΑΙΟ 1 ο -ΣΥΝΑΡΤΗΣΕΙΣ ΘΕΤΙΚΩΝ ΣΠΟΥΔΩΝ ΣΠΟΥΔΩΝ ΟΙΚΟΝΟΜΙΑΣ ΚΑΙ ΠΛΗΡΟΦΟΡΙΚΗΣ Απο το Ψηφιακό Σχολείο του ΥΠΠΕΘ Επιμέλεια: Συντακτική Ομάδα mathpgr Συντονιστής:

Διαβάστε περισσότερα

ΤΕΙ ΣΤΕΡΑΣ ΕΛΛΑΔΑΣ. Τμήμα Εμπορίας και Διαφήμισης ΔΙΔΑΚΤΙΚΕΣ ΣΗΜΕΙΩΣΕΙΣ. Μάθημα: Επιχειρησιακή Έρευνα. Ακαδημαϊκό Έτος 2013-2014

ΤΕΙ ΣΤΕΡΑΣ ΕΛΛΑΔΑΣ. Τμήμα Εμπορίας και Διαφήμισης ΔΙΔΑΚΤΙΚΕΣ ΣΗΜΕΙΩΣΕΙΣ. Μάθημα: Επιχειρησιακή Έρευνα. Ακαδημαϊκό Έτος 2013-2014 ΤΕΙ ΣΤΕΡΑΣ ΕΛΛΑΔΑΣ Τμήμα Εμπορίας και Διαφήμισης ΔΙΔΑΚΤΙΚΕΣ ΣΗΜΕΙΩΣΕΙΣ Μάθημα: Επιχειρησιακή Έρευνα Ακαδημαϊκό Έτος 2013-2014 Διδάσκων: Δρ. Χρήστος Γενιτσαρόπουλος Άμφισσα, 2013 Δρ. Χρήστος Γενιτσαρόπουλος

Διαβάστε περισσότερα

ΜΑΘΗΜΑΤΑ ΜΑΘΗΜΑΤΙΚΑ ΘΕΤΙΚΟΥ ΠΡΟΣΑΝΑΤΟΛΙΣΜΟΥ Β ΛΥΚΕΙΟΥ

ΜΑΘΗΜΑΤΑ ΜΑΘΗΜΑΤΙΚΑ ΘΕΤΙΚΟΥ ΠΡΟΣΑΝΑΤΟΛΙΣΜΟΥ Β ΛΥΚΕΙΟΥ ΜΑΘΗΜΑΤΑ ΜΑΘΗΜΑΤΙΚΑ ΘΕΤΙΚΟΥ ΠΡΟΣΑΝΑΤΟΛΙΣΜΟΥ Β ΛΥΚΕΙΟΥ ΚΕΦΑΛΑΙΟ 1 ο : ΔΙΑΝΥΣΜΑΤΑ 1 ΜΑΘΗΜΑ 1 ο +2 ο ΕΝΝΟΙΑ ΔΙΑΝΥΣΜΑΤΟΣ Διάνυσμα ορίζεται ένα προσανατολισμένο ευθύγραμμο τμήμα, δηλαδή ένα ευθύγραμμο τμήμα

Διαβάστε περισσότερα

ΜΑΘΗΜΑΤΙΚΑ Γ ΓΥΜΝΑΣΙΟΥ

ΜΑΘΗΜΑΤΙΚΑ Γ ΓΥΜΝΑΣΙΟΥ ΜΑΘΗΜΑΤΙΚΑ Γ ΓΥΜΝΑΣΙΟΥ Οι πραγματικοί αριθμοί αποτελούνται από τους ρητούς και τους άρρητους αριθμούς, τους φυσικούς και τους ακέραιους αριθμούς. Δηλαδή είναι το μεγαλύτερο σύνολο αριθμών που μπορούμε

Διαβάστε περισσότερα

Συνέχεια συνάρτησης σε κλειστό διάστημα

Συνέχεια συνάρτησης σε κλειστό διάστημα 8 Συνέχεια συνάρτησης σε κλειστό διάστημα Α ΑΠΑΡΑΙΤΗΤΕΣ ΓΝΩΣΕΙΣ ΘΕΩΡΙΑΣ 1 Μια συνάρτηση f θα λέμε ότι είναι: i Συνεχής σε ένα ανοιχτό διάστημα (α,β) όταν είναι συνεχής σε κάθε σημείο του διαστήματος (α,β)

Διαβάστε περισσότερα

3. ΠΟΡΟΙ ΚΑΙ ΔΙΕΘΝΕΣ ΕΜΠΟΡΙΟ: ΥΠΟΔΕΙΓΜΑ HECKSCHER-OHLIN

3. ΠΟΡΟΙ ΚΑΙ ΔΙΕΘΝΕΣ ΕΜΠΟΡΙΟ: ΥΠΟΔΕΙΓΜΑ HECKSCHER-OHLIN 3. ΠΟΡΟΙ ΚΑΙ ΔΙΕΘΝΕΣ ΕΜΠΟΡΙΟ: ΥΠΟΔΕΙΓΜΑ HESHER-OHIN Υπάρχουν δύο συντελεστές παραγωγής, το κεφάλαιο και η εργασία τους οποίους χρησιμοποιεί η επιχείρηση για να παράγει προϊόν Y μέσω μιας συνάρτησης παραγωγής

Διαβάστε περισσότερα

2.1 2.2 ΕΝΝΟΙΑ ΤΟΥ ΜΙΓΑΔΙΚΟΥ ΑΡΙΘΜΟΥ ΠΡΑΞΕΙΣ ΣΤΟ ΣΥΝΟΛΟ ΤΩΝ ΜΙΓΑΔΙΚΩΝ

2.1 2.2 ΕΝΝΟΙΑ ΤΟΥ ΜΙΓΑΔΙΚΟΥ ΑΡΙΘΜΟΥ ΠΡΑΞΕΙΣ ΣΤΟ ΣΥΝΟΛΟ ΤΩΝ ΜΙΓΑΔΙΚΩΝ ΚΕΦΑΛΑΙΟ Ο : ΜΙΓΑΔΙΚΟΙ ΑΡΙΘΜΟΙ - ΕΝΟΤΗΤΕΣ :.... ΕΝΝΟΙΑ ΤΟΥ ΜΙΓΑΔΙΚΟΥ ΑΡΙΘΜΟΥ ΠΡΑΞΕΙΣ ΣΤΟ ΣΥΝΟΛΟ ΤΩΝ ΜΙΓΑΔΙΚΩΝ ΜΕΘΟΔΟΛΟΓΙΑ : ΠΡΑΓΜΑΤΙΚΟ & ΦΑΝΤΑΣΤΙΚΟ ΜΕΡΟΣ ΜΙΓΑΔΙΚΟΥ ΑΡΙΘΜΟΥ Έστω ένας μιγαδικός αριθμός,

Διαβάστε περισσότερα

Α) Αν η διάμεσος δ του δείγματος Α είναι αρνητική, να βρεθεί το εύρος R του δείγματος.

Α) Αν η διάμεσος δ του δείγματος Α είναι αρνητική, να βρεθεί το εύρος R του δείγματος. ΜΑΘΗΜΑΤΙΚΑ Γ ΛΥΚΕΙΟΥ ΓΕΝΙΚΗΣ ΣΥΛΛΟΓΗ ΑΣΚΗΣΕΩΝ ου ΚΕΦΑΛΑΙΟΥ Άσκηση 1 (Προτάθηκε από Χρήστο Κανάβη) Έστω CV 0.4 όπου CV ο συντελεστής μεταβολής, και η τυπική απόκλιση s = 0. ενός δείγματος που έχει την ίδια

Διαβάστε περισσότερα

ΜΕ ΝΕΟ ΣΥΣΤΗΜΑ 2014 Θ ΕΩΡΙA 10

ΜΕ ΝΕΟ ΣΥΣΤΗΜΑ 2014 Θ ΕΩΡΙA 10 ΠΡΟΑΓΩΓΙΚΕΣ ΕΞΕΤΑΣΕΙΣ ΑΛΓΕΒΡΑΣ Α ΛΥΚΕΙΟΥ ΜΕ ΝΕΟ ΣΥΣΤΗΜΑ 04 Θ ΕΩΡΙA 0 ΘΕΜΑ A Α Να χαρακτηρίσετε τις προτάσεις που ακολουθούν, γράφοντας στην κόλλα σας δίπλα στο γράμμα που αντιστοιχεί σε κάθε πρόταση τη

Διαβάστε περισσότερα

ΜΟΝΤΕΛΟΠΟΙΗΣΗ ΔΙΑΚΡΙΤΩΝ ΕΝΑΛΛΑΚΤΙΚΩΝ ΣΕ ΠΡΟΒΛΗΜΑΤΑ ΣΧΕΔΙΑΣΜΟΥ ΚΑΙ ΣΥΝΘΕΣΗΣ ΔΙΕΡΓΑΣΙΩΝ

ΜΟΝΤΕΛΟΠΟΙΗΣΗ ΔΙΑΚΡΙΤΩΝ ΕΝΑΛΛΑΚΤΙΚΩΝ ΣΕ ΠΡΟΒΛΗΜΑΤΑ ΣΧΕΔΙΑΣΜΟΥ ΚΑΙ ΣΥΝΘΕΣΗΣ ΔΙΕΡΓΑΣΙΩΝ ΜΕΡΟΣ ΙΙ ΜΟΝΤΕΛΟΠΟΙΗΣΗ ΔΙΑΚΡΙΤΩΝ ΕΝΑΛΛΑΚΤΙΚΩΝ ΣΕ ΠΡΟΒΛΗΜΑΤΑ ΣΧΕΔΙΑΣΜΟΥ ΚΑΙ ΣΥΝΘΕΣΗΣ ΔΙΕΡΓΑΣΙΩΝ 36 ΜΟΝΤΕΛΟΠΟΙΗΣΗ ΔΙΑΚΡΙΤΩΝ ΕΝΑΛΛΑΚΤΙΚΩΝ ΣΕ ΠΡΟΒΛΗΜΑΤΑ ΣΧΕΔΙΑΣΜΟΥ ΚΑΙ ΣΥΝΘΕΣΗΣ ΔΙΕΡΓΑΣΙΩΝ Πολλές από τις αποφάσεις

Διαβάστε περισσότερα

Άριστες κατά Pareto Κατανομές

Άριστες κατά Pareto Κατανομές Άριστες κατά Pareto Κατανομές - Ορισμός. Μια κατανομή x = (x, x ) = (( 1, )( 1, )) ονομάζεται άριστη κατά Pareto αν δεν υπάρχει άλλη κατανομή x = ( x, x ) τέτοια ώστε: U j( x j) U j( xj) για κάθε καταναλωτή

Διαβάστε περισσότερα

1 Αριθμητική κινητής υποδιαστολής και σφάλματα στρογγύλευσης

1 Αριθμητική κινητής υποδιαστολής και σφάλματα στρογγύλευσης 1 Αριθμητική κινητής υποδιαστολής και σφάλματα στρογγύλευσης Στη συγκεκριμένη ενότητα εξετάζουμε θέματα σχετικά με την αριθμητική πεπερασμένης ακρίβειας που χρησιμοποιούν οι σημερινοί υπολογιστές και τα

Διαβάστε περισσότερα

Α. Η γραφική παράσταση της συνάρτησης 2. f(x) = α x 2 + β x + γ, α 0. f (x) x. Παράδειγμα. Περιοδικό ΕΥΚΛΕΙΔΗΣ Β Ε.Μ.Ε.

Α. Η γραφική παράσταση της συνάρτησης 2. f(x) = α x 2 + β x + γ, α 0. f (x) x. Παράδειγμα. Περιοδικό ΕΥΚΛΕΙΔΗΣ Β Ε.Μ.Ε. Περιοδικό ΕΥΚΛΕΙΔΗΣ Β Ε.Μ.Ε. (τεύχος 55) Μαθηματικά για την Α τάξη του Λυκείου Το τριώνυμο f(x) = α x + β x + γ, α Κώστα Βακαλόπουλου, Νίκου Ταπεινού Α. Η γραφική παράσταση της συνάρτησης f(x) αx βx γ,

Διαβάστε περισσότερα

Βάση και Διάσταση Διανυσματικού Χώρου

Βάση και Διάσταση Διανυσματικού Χώρου Βάση και Διάσταση Διανυσματικού Χώρου Έστω V ένας διανυσματικός χώρος επί του σώματος F. Ορισμός : Ένα υποσύνολο S του διανυσματικού χώρου V θα λέμε ότι είναι βάση του V αν ισχύει Α) Η θήκη του S παράγει

Διαβάστε περισσότερα

ΜΕΤΑΠΤΥΧΙΑΚΗ ΔΙΠΛΩΜΑΤΙΚΗ ΕΡΓΑΣΙΑ

ΜΕΤΑΠΤΥΧΙΑΚΗ ΔΙΠΛΩΜΑΤΙΚΗ ΕΡΓΑΣΙΑ ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΣΧΟΛΗ ΘΕΤΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΤΜΗΜΑ ΣΤΑΤΙΣΤΙΚΗΣ & ΑΝΑΛΟΓΙΣΤΙΚΩΝ ΧΡΗΜΑΤΟΟΙΚΟΝΟΜΙΚΩΝ ΜΑΘΗΜΑΤΙΚΩΝ ΠΡΟΓΡΑΜΜΑ ΜΕΤΑΠΤΥΧΙΑΚΩΝ ΣΠΟΥΔΩΝ ΜΕΤΑΠΤΥΧΙΑΚΗ ΔΙΠΛΩΜΑΤΙΚΗ ΕΡΓΑΣΙΑ ΔΙΑΧΕΙΡΙΣΗ ΧΑΡΤΟΦΥΛΑΚΙΩΝ "

Διαβάστε περισσότερα

ΑΣΚΗΣΕΙΣ ΠΙΘΑΝΟΤΗΤΩΝ του Παν. Λ. Θεοδωρόπουλου 0

ΑΣΚΗΣΕΙΣ ΠΙΘΑΝΟΤΗΤΩΝ του Παν. Λ. Θεοδωρόπουλου 0 ΑΣΚΗΣΕΙΣ ΠΙΘΑΝΟΤΗΤΩΝ του Παν. Λ. Θεοδωρόπουλου 0 Η Θεωρία Πιθανοτήτων είναι ένας σχετικά νέος κλάδος των Μαθηματικών, ο οποίος παρουσιάζει πολλά ιδιαίτερα χαρακτηριστικά στοιχεία. Επειδή η ιδιαιτερότητα

Διαβάστε περισσότερα

1 ΔΙΑΓΩΝΙΣΜΑΤΑ ΠΡΟΑΓΩΓΙΚΩΝ ΕΞΕΤΑΣΕΩΝ ΛΥΚΕΙΩΝ ΤΗΣ ΡΟΔΟΥ ΤΗΣ Α ΤΑΞΗΣ ΣΤΗΝ ΑΛΓΕΒΡΑ ΔΙΑΓΩΝΙΣΜΑ 1 Ο

1 ΔΙΑΓΩΝΙΣΜΑΤΑ ΠΡΟΑΓΩΓΙΚΩΝ ΕΞΕΤΑΣΕΩΝ ΛΥΚΕΙΩΝ ΤΗΣ ΡΟΔΟΥ ΤΗΣ Α ΤΑΞΗΣ ΣΤΗΝ ΑΛΓΕΒΡΑ ΔΙΑΓΩΝΙΣΜΑ 1 Ο 1 ΔΙΑΓΩΝΙΣΜΑΤΑ ΠΡΟΑΓΩΓΙΚΩΝ ΕΞΕΤΑΣΕΩΝ ΛΥΚΕΙΩΝ ΤΗΣ ΡΟΔΟΥ ΤΗΣ Α ΤΑΞΗΣ ΣΤΗΝ ΑΛΓΕΒΡΑ ΔΙΑΓΩΝΙΣΜΑ 1 Ο ΘΕΜΑ 1 ο α) Αν χ 1, χ ρίζες της εξίσωσης αχ +βχ+γ=0, 0 να δείξετε ότι S 1 και P 1 Μον. 10 β) Έστω η συνάρτηση

Διαβάστε περισσότερα

ΘΕΜΑΤΑ ΑΠΟ ΤΗΝ ΤΡΑΠΕΖΑ ΘΕΜΑΤΩΝ

ΘΕΜΑΤΑ ΑΠΟ ΤΗΝ ΤΡΑΠΕΖΑ ΘΕΜΑΤΩΝ 3. Δίνεται ο πίνακας: 3 3 3 ΠΙΘΑΝΟΤΗΤΕΣ ΘΕΜΑ ο. Ένα κουτί περιέχει άσπρες, μαύρες, κόκκινες και πράσινες μπάλες. Οι άσπρες είναι 5, οι μαύρες είναι 9, ενώ οι κόκκινες και οι πράσινες μαζί είναι 6. Επιλέγουμε

Διαβάστε περισσότερα

Εφαρμοσμένα Μαθηματικά

Εφαρμοσμένα Μαθηματικά Εφαρμοσμένα Μαθηματικά ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ Ανώτατο Εκπαιδευτικό Ίδρυμα Πειραιά Τεχνολογικού Τομέα Ενότητα 6: Διπλά Ολοκληρώματα Δρ. Περικλής Παπαδόπουλος Τμήμα Ηλεκτρονικών Μηχανικών Τ.Ε Κάντε κλικ για

Διαβάστε περισσότερα

Γενική Ανταγωνιστική Ισορροπία και Αποτελεσματικές κατά Pareto Κατανομές σε Ανταλλακτική Οικονομία

Γενική Ανταγωνιστική Ισορροπία και Αποτελεσματικές κατά Pareto Κατανομές σε Ανταλλακτική Οικονομία Γενική Ανταγωνιστική Ισορροπία και Αποτελεσματικές κατά Pareto Κατανομές σε Ανταλλακτική Οικονομία Βασικές Υποθέσεις (i) Οι αγορές όλων των αγαθών είναι τέλεια ανταγωνιστικές. Οι καταναλωτές και οι επιχειρήσεις

Διαβάστε περισσότερα

ΠΑΡΑΔΕΙΓΜΑΤΑ ΘΕΜΑ Β. Να εξετάσετε αν ισχύουν οι υποθέσεις του Θ.Μ.Τ. για την συνάρτηση στο διάστημα [ 1,1] τέτοιο, ώστε: C στο σημείο (,f( ))

ΠΑΡΑΔΕΙΓΜΑΤΑ ΘΕΜΑ Β. Να εξετάσετε αν ισχύουν οι υποθέσεις του Θ.Μ.Τ. για την συνάρτηση στο διάστημα [ 1,1] τέτοιο, ώστε: C στο σημείο (,f( )) ΚΕΦΑΛΑΙΟ ο: ΔΙΑΦΟΡΙΚΟΣ ΛΟΓΙΣΜΟΣ ΕΝΟΤΗΤΑ 6: ΘΕΩΡΗΜΑ ΜΕΣΗΣ ΤΙΜΗΣ ΔΙΑΦΟΡΙΚΟΥ ΛΟΓΙΣΜΟΥ (Θ.Μ.Τ.) [Θεώρημα Μέσης Τιμής Διαφορικού Λογισμού του κεφ..5 Μέρος Β του σχολικού βιβλίου]. ΠΑΡΑΔΕΙΓΜΑΤΑ Παράδειγμα. ΘΕΜΑ

Διαβάστε περισσότερα

2.3 ΜΕΤΡΟ ΜΙΓΑΔΙΚΟΥ ΑΡΙΘΜΟΥ

2.3 ΜΕΤΡΟ ΜΙΓΑΔΙΚΟΥ ΑΡΙΘΜΟΥ ΕΠΙΜΕΛΕΙΑ : ΠΑΛΑΙΟΛΟΓΟΥ ΠΑΥΛΟΣ.ptetragono.gr Σελίδα. ΜΕΤΡΟ ΜΙΓΑΔΙΚΟΥ ΑΡΙΘΜΟΥ Να βρεθεί το μέτρο των μιγαδικών :..... 0 0. 5 5 6.. 0 0. 5. 5 5 0 0 0 0 0 0 0 0 ΜΕΘΟΔΟΛΟΓΙΑ : ΜΕΤΡΟ ΜΙΓΑΔΙΚΟΥ Αν τότε. Αν χρειαστεί

Διαβάστε περισσότερα

Συστήματα συντεταγμένων

Συστήματα συντεταγμένων Κεφάλαιο. Για να δημιουργήσουμε τρισδιάστατα αντικείμενα, που μπορούν να παρασταθούν στην οθόνη του υπολογιστή ως ένα σύνολο από γραμμές, επίπεδες πολυγωνικές επιφάνειες ή ακόμη και από ένα συνδυασμό από

Διαβάστε περισσότερα

Μιγαδική ανάλυση Μέρος Α Πρόχειρες σημειώσεις 1. Μιγαδικοί αριθμοί. ΤΕΤΥ Εφαρμοσμένα Μαθηματικά Μιγαδική Ανάλυση Α 1

Μιγαδική ανάλυση Μέρος Α Πρόχειρες σημειώσεις 1. Μιγαδικοί αριθμοί. ΤΕΤΥ Εφαρμοσμένα Μαθηματικά Μιγαδική Ανάλυση Α 1 ΤΕΤΥ Εφαρμοσμένα Μαθηματικά Μιγαδική Ανάλυση Α 1 Μιγαδική ανάλυση Μέρος Α Πρόχειρες σημειώσεις 1 Μιγαδικοί αριθμοί Τι είναι και πώς τους αναπαριστούμε Οι μιγαδικοί αριθμοί είναι μια επέκταση του συνόλου

Διαβάστε περισσότερα

Περιεχόμενα. Κεφάλαιο 3 Οι ιδιότητες των αριθμών... 37 3.1 Αριθμητικά σύνολα... 37 3.2 Ιδιότητες... 37 3.3 Περισσότερες ιδιότητες...

Περιεχόμενα. Κεφάλαιο 3 Οι ιδιότητες των αριθμών... 37 3.1 Αριθμητικά σύνολα... 37 3.2 Ιδιότητες... 37 3.3 Περισσότερες ιδιότητες... Περιεχόμενα Πρόλογος... 5 Κεφάλαιο Βασικές αριθμητικές πράξεις... 5. Τέσσερις πράξεις... 5. Σύστημα πραγματικών αριθμών... 5. Γραφική αναπαράσταση πραγματικών αριθμών... 6.4 Οι ιδιότητες της πρόσθεσης

Διαβάστε περισσότερα

Μιγαδικοί Αριθμοί. Μαθηματικά Γ! Λυκείου Θετική και Τεχνολογική Κατεύθυνση

Μιγαδικοί Αριθμοί. Μαθηματικά Γ! Λυκείου Θετική και Τεχνολογική Κατεύθυνση Μιγαδικοί Αριθμοί Μαθηματικά Γ! Λυκείου Θετική και Τεχνολογική Κατεύθυνση Θεωρία - Μέθοδοι Υποδειγματικά λυμένες ασκήσεις Ασκήσεις προς λύση Επιλεγμένα θέματα «Σας εύχομαι, καλό κουράγιο και μεγάλη δύναμη

Διαβάστε περισσότερα

Προβλήµατα Μεταφορών (Transportation)

Προβλήµατα Μεταφορών (Transportation) Προβλήµατα Μεταφορών (Transportation) Προβλήµατα Μεταφορών (Transportation) Μέθοδος Simplex για Προβλήµατα Μεταφοράς Προβλήµατα Εκχώρησης (assignment) Παράδειγµα: Κατανοµή Νερού Η υδατοπροµήθεια µιας περιφέρεια

Διαβάστε περισσότερα

ΟΜΟΣΠΟΝ ΙΑ ΕΚΠΑΙ ΕΥΤΙΚΩΝ ΦΡΟΝΤΙΣΤΩΝ ΕΛΛΑ ΟΣ (Ο.Ε.Φ.Ε.) ΕΠΑΝΑΛΗΠΤΙΚΑ ΘΕΜΑΤΑ ΕΠΑΝΑΛΗΠΤΙΚΑ ΘΕΜΑΤΑ 2012. Ηµεροµηνία: Κυριακή 1 Απριλίου 2012 ΕΚΦΩΝΗΣΕΙΣ

ΟΜΟΣΠΟΝ ΙΑ ΕΚΠΑΙ ΕΥΤΙΚΩΝ ΦΡΟΝΤΙΣΤΩΝ ΕΛΛΑ ΟΣ (Ο.Ε.Φ.Ε.) ΕΠΑΝΑΛΗΠΤΙΚΑ ΘΕΜΑΤΑ ΕΠΑΝΑΛΗΠΤΙΚΑ ΘΕΜΑΤΑ 2012. Ηµεροµηνία: Κυριακή 1 Απριλίου 2012 ΕΚΦΩΝΗΣΕΙΣ ΟΜΟΣΠΟΝ ΙΑ ΕΚΠΑΙ ΕΥΤΙΚΩΝ ΦΡΟΝΤΙΣΤΩΝ ΕΛΛΑ ΟΣ (Ο.Ε.Φ.Ε.) ΕΠΑΝΑΛΗΠΤΙΚΑ ΘΕΜΑΤΑ ΕΠΑΝΑΛΗΠΤΙΚΑ ΘΕΜΑΤΑ 0 Ε_3.ΜλΑ(ε) ΤΑΞΗ: ΜΑΘΗΜΑ: ΘΕΜΑ Α A.. Α.. Α.3. ΘΕΜΑ Β Α ΓΕΝΙΚΟΥ ΛΥΚΕΙΟΥ ΑΛΓΕΒΡΑ Ηµεροµηνία: Κυριακή Απριλίου

Διαβάστε περισσότερα

ΜΑΘΗΜΑΤΙΚΑ Γ Γυμνασίου

ΜΑΘΗΜΑΤΙΚΑ Γ Γυμνασίου ΜΑΘΗΜΑΤΙΚΑ Γ Γυμνασίου Κεφάλαιο ο Αλγεβρικές Παραστάσεις ΛΕΜΟΝΙΑ ΜΠΟΥΤΣΚΟΥ Γυμνάσιο Αμυνταίου ΜΑΘΗΜΑ Α. Πράξεις με πραγματικούς αριθμούς ΑΣΚΗΣΕΙΣ ) ) Να συμπληρώσετε τα κενά ώστε στην κατακόρυφη στήλη

Διαβάστε περισσότερα

f x g x f x g x, x του πεδίου ορισμού της; Μονάδες 4 είναι οι παρατηρήσεις μιας ποσοτικής μεταβλητής Χ ενός δείγματος μεγέθους ν και w

f x g x f x g x, x του πεδίου ορισμού της; Μονάδες 4 είναι οι παρατηρήσεις μιας ποσοτικής μεταβλητής Χ ενός δείγματος μεγέθους ν και w ΠΑΝΕΛΛΑΔΙΚΕΣ ΕΞΕΤΑΣΕΙΣ Γ ΤΑΞΗΣ ΗΜΕΡΗΣΙΟΥ ΓΕΝΙΚΟΥ ΛΥΚΕΙΟΥ ΚΑΙ ΕΠΑΛ (ΟΜΑΔΑ Β ) ΤΕΤΑΡΤΗ 0 ΜΑΪΟΥ 015 ΕΞΕΤΑΖΟΜΕΝΟ ΜΑΘΗΜΑ: ΜΑΘΗΜΑΤΙΚΑ ΚΑΙ ΣΤΟΙΧΕΙΑ ΣΤΑΤΙΣΤΙΚΗΣ ΓΕΝΙΚΗΣ ΠΑΙΔΕΙΑΣ ΘΕΜΑ Α Α1 Αν οι συναρτήσεις f,g

Διαβάστε περισσότερα

Πεπερασμένες Διαφορές.

Πεπερασμένες Διαφορές. Κεφάλαιο 1 Πεπερασμένες Διαφορές. 1.1 Προσέγγιση παραγώγων. 1.1.1 Πρώτη παράγωγος. Από τον ορισμό της παραγώγου για συναρτήσεις μιας μεταβλητής γνωρίζουμε ότι η παράγωγος μιας συνάρτησης f στο σημείο x

Διαβάστε περισσότερα

Προσφορά Εργασίας Προτιμήσεις και Συνάρτηση Χρησιμότητας ( Χ,Α συνάρτηση χρησιμότητας U(X,A)

Προσφορά Εργασίας Προτιμήσεις και Συνάρτηση Χρησιμότητας ( Χ,Α συνάρτηση χρησιμότητας U(X,A) Προσφορά Εργασίας - Έστω ότι υπάρχουν δύο αγαθά Α και Χ στην οικονομία. Το αγαθό Α παριστάνει τα διάφορα καταναλωτικά αγαθά. Το αγαθό Χ παριστάνει τον ελεύθερο χρόνο. Προτιμήσεις και Συνάρτηση Χρησιμότητας

Διαβάστε περισσότερα

Βασικές Γνώσεις Μαθηματικών Α - Β Λυκείου

Βασικές Γνώσεις Μαθηματικών Α - Β Λυκείου Βασικές Γνώσεις Μαθηματικών Α - Β Λυκείου Αριθμοί 1. ΑΡΙΘΜΟΙ Σύνολο Φυσικών αριθμών: Σύνολο Ακέραιων αριθμών: Σύνολο Ρητών αριθμών: ακέραιοι με Άρρητοι αριθμοί: είναι οι μη ρητοί π.χ. Το σύνολο Πραγματικών

Διαβάστε περισσότερα

ιατύπωση τυπικής µορφής προβληµάτων Γραµµικού

ιατύπωση τυπικής µορφής προβληµάτων Γραµµικού Ο αλγόριθµος είναι αλγεβρική διαδικασία η οποία χρησιµοποιείται για την επίλυση προβληµάτων (προτύπων) Γραµµικού Προγραµµατισµού (ΠΓΠ). Ο αλγόριθµος έχει διάφορες παραλλαγές όπως η πινακοποιηµένη µορφή.

Διαβάστε περισσότερα

Κεφάλαιο 5ο: Ακέραιος προγραμματισμός

Κεφάλαιο 5ο: Ακέραιος προγραμματισμός Κεφάλαιο 5ο: Ακέραιος προγραμματισμός 5.1 Εισαγωγή Ο ακέραιος προγραμματισμός ασχολείται με προβλήματα γραμμικού προγραμματισμού στα οποία μερικές ή όλες οι μεταβλητές είναι ακέραιες. Ένα γενικό πρόβλημα

Διαβάστε περισσότερα

ΜΑΘΗΜΑΤΙΚΑ Θετικής & Τεχνολογικής Κατεύθυνσης Β ΜΕΡΟΣ (ΑΝΑΛΥΣΗ) ΚΕΦ 1 ο : Όριο Συνέχεια Συνάρτησης

ΜΑΘΗΜΑΤΙΚΑ Θετικής & Τεχνολογικής Κατεύθυνσης Β ΜΕΡΟΣ (ΑΝΑΛΥΣΗ) ΚΕΦ 1 ο : Όριο Συνέχεια Συνάρτησης ΜΑΘΗΜΑΤΙΚΑ Θετικής & Τεχνολογικής Κατεύθυνσης Β ΜΕΡΟΣ (ΑΝΑΛΥΣΗ) ΚΕΦ ο : Όριο Συνέχεια Συνάρτησης Φυλλάδιο Φυλλάδι555 4 ο ο.α) ΕΝΝΟΙΑ ΣΥΝΑΡΤΗΣΗΣ - ΓΡΑΦΙΚΗ ΠΑΡΑΣΤΑΣΗ.α) ΕΝΝΟΙΑ ΣΥΝΑΡΤΗΣΗΣ - ΓΡΑΦΙΚΗ ΠΑΡΑΣΤΑΣΗ

Διαβάστε περισσότερα

Η Γεωμετρία της Αντιστροφής Η βασική θεωρία. Αντιστροφή

Η Γεωμετρία της Αντιστροφής Η βασική θεωρία. Αντιστροφή Αντιστροφή Υποθέτουμε ότι υπάρχει ένας κανόνας ο οποίος επιτρέπει την μετάβαση από ένα σχήμα σε ένα άλλο, με τέτοιο τρόπο ώστε το δεύτερο σχήμα να είναι τελείως ορισμένο όταν το πρώτο είναι δοσμένο και

Διαβάστε περισσότερα

Α Λ Γ Ε Β Ρ Α Β Λ Υ Κ Ε Ι Ο Υ

Α Λ Γ Ε Β Ρ Α Β Λ Υ Κ Ε Ι Ο Υ Α Λ Γ Ε Β Ρ Α Β Λ Υ Κ Ε Ι Ο Υ ΚΕΦΑΛΑΙΟ 1 ο ΣΥΣΤΗΜΑΤΑ ΣΥΝΟΠΤΙΚΗ ΘΕΩΡΙΑ Όταν έχουμε δύο γραμμικές εξισώσεις αx+βy=γ και α x+β y=γ και ζητάμε τις κοινές λύσεις τους, τότε λέμε ότι έχουμε να λύσουμε ένα γραμμικό

Διαβάστε περισσότερα

ΜΑΘΗΜΑΤΙΚΑ Β ΓΥΜΝΑΣΙΟΥ

ΜΑΘΗΜΑΤΙΚΑ Β ΓΥΜΝΑΣΙΟΥ ΜΑΘΗΜΑΤΙΚΑ Β ΓΥΜΝΑΣΙΟΥ Βρέντζου Τίνα Φυσικός Μεταπτυχιακός τίτλος ΜEd: «Σπουδές στην εκπαίδευση» ΚΕΦΑΛΑΙΟ 1 Ο : Εξισώσεις - Ανισώσεις 1 1.1 Η ΕΝΝΟΙΑ ΤΗΣ ΜΕΤΑΒΛΗΤΗΣ ΑΛΓΕΒΡΙΚΕΣ ΠΑΡΑΣΤΑΣΕΙΣ ΟΡΙΣΜΟΙ Μεταβλητή

Διαβάστε περισσότερα

Συνήθεις διαφορικές εξισώσεις προβλήματα οριακών τιμών

Συνήθεις διαφορικές εξισώσεις προβλήματα οριακών τιμών Συνήθεις διαφορικές εξισώσεις προβλήματα οριακών τιμών Οι παρούσες σημειώσεις αποτελούν βοήθημα στο μάθημα Αριθμητικές Μέθοδοι του 5 ου εξαμήνου του ΤΜΜ ημήτρης Βαλουγεώργης Καθηγητής Εργαστήριο Φυσικών

Διαβάστε περισσότερα

2. ΣΥΓΚΕΝΤΡΩΤΙΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ ΠΑΡΑΓΩΓΗΣ

2. ΣΥΓΚΕΝΤΡΩΤΙΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ ΠΑΡΑΓΩΓΗΣ 2. ΣΥΓΚΕΝΤΡΩΤΙΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ ΠΑΡΑΓΩΓΗΣ Ο Συγκεντρωτικός Προγραμματισμός Παραγωγής (Aggregae Produion Planning) επικεντρώνεται: α) στον προσδιορισμό των ποσοτήτων ανά κατηγορία προϊόντων και ανά χρονική

Διαβάστε περισσότερα

Περιληπτικά, τα βήματα που ακολουθούμε γενικά είναι τα εξής:

Περιληπτικά, τα βήματα που ακολουθούμε γενικά είναι τα εξής: Αυτό που πρέπει να θυμόμαστε, για να μη στεναχωριόμαστε, είναι πως τόσο στις εξισώσεις, όσο και στις ανισώσεις 1ου βαθμού, που θέλουμε να λύσουμε, ακολουθούμε ακριβώς τα ίδια βήματα! Εκεί που πρεπει να

Διαβάστε περισσότερα

2 Η ΕΥΘΕΙΑ ΣΤΟ ΕΠΙΠΕΔΟ. Εισαγωγή

2 Η ΕΥΘΕΙΑ ΣΤΟ ΕΠΙΠΕΔΟ. Εισαγωγή Η ΕΥΘΕΙΑ ΣΤΟ ΕΠΙΠΕΔΟ Εισαγωγή Η ιδέα της χρησιμοποίησης ενός συστήματος συντεταγμένων για τον προσδιορισμό της θέσης ενός σημείου πάνω σε μια επιφάνεια προέρχεται από την Γεωγραφία και ήταν γνωστή στους

Διαβάστε περισσότερα

Ε π ι μ έ λ ε ι α Κ Ο Λ Λ Α Σ Α Ν Τ Ω Ν Η Σ

Ε π ι μ έ λ ε ι α Κ Ο Λ Λ Α Σ Α Ν Τ Ω Ν Η Σ Ε π ι μ έ λ ε ι α Κ Ο Λ Λ Α Σ Α Ν Τ Ω Ν Η Σ 1 Συναρτήσεις Όταν αναφερόμαστε σε μια συνάρτηση, ουσιαστικά αναφερόμαστε σε μια σχέση ή εξάρτηση. Στα μαθηματικά που θα μας απασχολήσουν, με απλά λόγια, η σχέση

Διαβάστε περισσότερα

Δύο λόγια από τη συγγραφέα

Δύο λόγια από τη συγγραφέα Δύο λόγια από τη συγγραφέα Τα μαθηματικά ή τα λατρεύεις ή τα μισείς! Για να λατρέψεις κάτι πρέπει να το κατανοήσεις, για τη δεύτερη περίπτωση τα πράγματα μάλλον είναι λίγο πιο απλά. Στόχος αυτού του βιβλίου

Διαβάστε περισσότερα

ΘΕΩΡΙΑ ΤΩΝ ΠΑΙΓΝΙΩΝ I.

ΘΕΩΡΙΑ ΤΩΝ ΠΑΙΓΝΙΩΝ I. ΘΕΩΡΙΑ ΤΩΝ ΠΑΙΓΝΙΩΝ I. Γενικά Σε μαθήματα όπως η επιχειρησιακή έρευνα και ή λήψη αποφάσεων αναφέραμε τις αποφάσεις κάτω από συνθήκες βεβαιότητας, στις οποίες και εφαρμόζονται κυρίως οι τεχνικές της επιχειρησιακής

Διαβάστε περισσότερα

ιαµόρφωση Προβλήµατος

ιαµόρφωση Προβλήµατος Γραµµικός Προγραµµατισµός ιαµόρφωση Προβλήµατος Η παρουσίαση προετοιµάστηκε από τον Ν.Α. Παναγιώτου ΕΘΝΙΚΟ ΜΕΤΣΟΒΙΟ ΠΟΛΥΤΕΧΝΕΙΟ Επιχειρησιακή Έρευνα Περιεχόµενα Παρουσίασης 1. Γενικά Στοιχεία Γραµµικού

Διαβάστε περισσότερα

B Γυμνασίου. Ενότητα 9

B Γυμνασίου. Ενότητα 9 B Γυμνασίου Ενότητα 9 Γραμμικές εξισώσεις με μία μεταβλητή Διερεύνηση (1) Να λύσετε τις πιο κάτω εξισώσεις και ακολούθως να σχολιάσετε το πλήθος των λύσεων που βρήκατε σε καθεμιά. α) ( ) ( ) ( ) Διερεύνηση

Διαβάστε περισσότερα

θ. Bolzano θ. Ενδιάμεσων τιμών θ. Μεγίστου Ελαχίστου και Εφαρμογές

θ. Bolzano θ. Ενδιάμεσων τιμών θ. Μεγίστου Ελαχίστου και Εφαρμογές Περιοδικό ΕΥΚΛΕΙΔΗΣ Β ΕΜΕ (Τεύχος 35) θ Bolzano θ Ενδιάμεσων τιμών θ Μεγίστου Ελαχίστου και Εφαρμογές Στο άρθρο αυτό επιχειρείται μια προσέγγιση των βασικών αυτών θεωρημάτων με εφαρμογές έ- τσι ώστε να

Διαβάστε περισσότερα

Συναρτήσεις Όρια Συνέχεια

Συναρτήσεις Όρια Συνέχεια Κωνσταντίνος Παπασταματίου Μαθηματικά Γ Λυκείου Κατεύθυνσης Συναρτήσεις Όρια Συνέχεια Συνοπτική Θεωρία Μεθοδολογίες Λυμένα Παραδείγματα Επιμέλεια: Μαθηματικός Φροντιστήριο Μ.Ε. «ΑΙΧΜΗ» Κ. Καρτάλη 8 (με

Διαβάστε περισσότερα

HY213. ΑΡΙΘΜΗΤΙΚΗ ΑΝΑΛΥΣΗ ΕΛΑΧΙΣΤΑ ΤΕΤΡΑΓΩΝΑ AΝΑΛΥΣΗ ΙΔΙΑΖΟΥΣΩΝ ΤΙΜΩΝ

HY213. ΑΡΙΘΜΗΤΙΚΗ ΑΝΑΛΥΣΗ ΕΛΑΧΙΣΤΑ ΤΕΤΡΑΓΩΝΑ AΝΑΛΥΣΗ ΙΔΙΑΖΟΥΣΩΝ ΤΙΜΩΝ HY3. ΑΡΙΘΜΗΤΙΚΗ ΑΝΑΛΥΣΗ ΕΛΑΧΙΣΤΑ ΤΕΤΡΑΓΩΝΑ AΝΑΛΥΣΗ ΙΔΙΑΖΟΥΣΩΝ ΤΙΜΩΝ Π. ΤΣΟΜΠΑΝΟΠΟΥΛΟΥ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΙΑΣ ΤΜΗΜΑ ΗΛΕΚΤΡΟΛΟΓΩΝ ΜΗΧΑΝΙΚΩΝ & ΜΗΧΑΝΙΚΩΝ ΥΠΟΛΟΓΙΣΤΩΝ Μέθοδος ελαχίστων τετραγώνων Τα σφάλματα

Διαβάστε περισσότερα

Παράδειγμα 1. Δίνεται ο κάτωθι κλειστός βρόχος αρνητικής ανάδρασης με. Σχήμα 1. στο οποίο εφαρμόζουμε αρνητική ανάδραση κέρδους

Παράδειγμα 1. Δίνεται ο κάτωθι κλειστός βρόχος αρνητικής ανάδρασης με. Σχήμα 1. στο οποίο εφαρμόζουμε αρνητική ανάδραση κέρδους Παράδειγμα 1 Δίνεται ο κάτωθι κλειστός βρόχος αρνητικής ανάδρασης με _ + Σχήμα 1 στο οποίο εφαρμόζουμε αρνητική ανάδραση κέρδους Α) Γράψτε το σύστημα ευθέως κλάδου σε κανονική παρατηρήσιμη μορφή στο χώρο

Διαβάστε περισσότερα

Μεταθέσεις και πίνακες μεταθέσεων

Μεταθέσεις και πίνακες μεταθέσεων Παράρτημα Α Μεταθέσεις και πίνακες μεταθέσεων Το παρόν παράρτημα βασίζεται στις σελίδες 671 8 του βιβλίου: Γ. Χ. Ψαλτάκης, Κβαντικά Συστήματα Πολλών Σωματιδίων (Πανεπιστημιακές Εκδόσεις Κρήτης, Ηράκλειο,

Διαβάστε περισσότερα

ΔΙΑΝΥΣΜΑΤΑ ΠΟΛΛΑΠΛΑΣΙΑΣΜΟΣ ΑΡΙΘΜΟΥ ΜΕ ΔΙΑΝΥΣΜΑ. ΘΕΜΑ 2ο

ΔΙΑΝΥΣΜΑΤΑ ΠΟΛΛΑΠΛΑΣΙΑΣΜΟΣ ΑΡΙΘΜΟΥ ΜΕ ΔΙΑΝΥΣΜΑ. ΘΕΜΑ 2ο Β ΛΥΚΕΙΟΥ ΚΑΤΕΥΘΥΝΣΗ ΤΡΑΠΕΖΑ ΘΕΜΑΤΩΝ ΔΙΑΝΥΣΜΑΤΑ ΠΟΛΛΑΠΛΑΣΙΑΣΜΟΣ ΑΡΙΘΜΟΥ ΜΕ ΔΙΑΝΥΣΜΑ ΘΕΜΑ ο ΘΕΜΑ 8603 Δίνεται τρίγωνο και σημεία και του επιπέδου τέτοια, ώστε 5 και 5. α) Να γράψετε το διάνυσμα ως γραμμικό

Διαβάστε περισσότερα

Να αιτιολογήσετε την απάντησή σας µε τη βοήθεια και του ερωτήµατος α). ii) Να αποδείξετε ότι ισχύει η ανισότητα 1+α < 1+ α. α+α

Να αιτιολογήσετε την απάντησή σας µε τη βοήθεια και του ερωτήµατος α). ii) Να αποδείξετε ότι ισχύει η ανισότητα 1+α < 1+ α. α+α ΤΡΑΠΕΖΑ ΘΕΜΑΤΩΝ, ΑΝΙΣΩΣΕΙΣ 1. α) Να λύσετε τις ανισώσεις: x 5 3 και x x 1 0. β) Να βρείτε τις κοινές λύσεις των ανισώσεων του ερωτήµατος (α). x 1. ίνονται οι ανισώσεις: 3x 1

Διαβάστε περισσότερα

β) Αν κάποιος αριθµός α επαληθεύει την παραπάνω ανίσωση, να αποδείξετε ότι 1 1 1 9 < α

β) Αν κάποιος αριθµός α επαληθεύει την παραπάνω ανίσωση, να αποδείξετε ότι 1 1 1 9 < α ΤΡΑΠΕΖΑ ΘΕΜΑΤΩΝ, ΑΝΙΣΩΣΕΙΣ 1. α) Να λύσετε τις ανισώσεις: x 5 3 και x x 1 0. β) Να βρείτε τις κοινές λύσεις των ανισώσεων του ερωτήµατος (α). x 1. ίνονται οι ανισώσεις: 3x 1

Διαβάστε περισσότερα

4.6 Η ΓΡΑΜΜΙΚΗ ΔΙΟΦΑΝΤΙΚΗ ΕΞΙΣΩΣΗ

4.6 Η ΓΡΑΜΜΙΚΗ ΔΙΟΦΑΝΤΙΚΗ ΕΞΙΣΩΣΗ 174 46 Η ΓΡΑΜΜΙΚΗ ΔΙΟΦΑΝΤΙΚΗ ΕΞΙΣΩΣΗ Εισαγωγή Ένα από τα αρχαιότερα προβλήματα της Θεωρίας Αριθμών είναι η αναζήτηση των ακέραιων αριθμών που ικανοποιούν κάποιες δεδομένες σχέσεις Με σύγχρονη ορολογία

Διαβάστε περισσότερα

ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΕΡΓΑΛΕΙΑ ΙΟΙΚΗΣΗΣ ΜΕΤΑΠΤΥΧΙΑΚΟ ΠΡΟΓΡΑΜΜΑ ΣΠΟΥ ΩΝ ΜΑΘΗΜΑ: ΙΟΙΚΗΣΗ ΕΠΙΧΕΙΡΗΣΕΩΝ

ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΕΡΓΑΛΕΙΑ ΙΟΙΚΗΣΗΣ ΜΕΤΑΠΤΥΧΙΑΚΟ ΠΡΟΓΡΑΜΜΑ ΣΠΟΥ ΩΝ ΜΑΘΗΜΑ: ΙΟΙΚΗΣΗ ΕΠΙΧΕΙΡΗΣΕΩΝ ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΠΛΗΡΟΦΟΡΙΑΚΩΝ ΚΑΙ ΕΠΙΚΟΙΝΩΝΙΑΚΩΝ ΣΥΣΤΗΜΑΤΩΝ ΜΕΤΑΠΤΥΧΙΑΚΟ ΠΡΟΓΡΑΜΜΑ ΣΠΟΥ ΩΝ ΙΟΙΚΗΣΗ ΠΛΗΡΟΦΟΡΙΑΚΩΝ ΣΥΣΤΗΜΑΤΩΝ ΜΑΘΗΜΑ: ΙΟΙΚΗΣΗ ΕΠΙΧΕΙΡΗΣΕΩΝ ΕΡΓΑΛΕΙΑ ΙΟΙΚΗΣΗΣ ιδάσκων:

Διαβάστε περισσότερα