• Keine Ergebnisse gefunden

Einf¨ uhrung in die Mathematische Optimierung – Blatt 2

N/A
N/A
Protected

Academic year: 2022

Aktie "Einf¨ uhrung in die Mathematische Optimierung – Blatt 2"

Copied!
1
0
0

Wird geladen.... (Jetzt Volltext ansehen)

Volltext

(1)

Maximilian Merkert und Clemens Zeile Wintersemester 2020/2021

Einf¨ uhrung in die Mathematische Optimierung – Blatt 2

Abgabe bis 10.11, Pr¨asentation am 17.11.

Aufgabe 1 (2 Punkte)

Seien A, B ⊆ Rn konvexe Mengen und seien F ∶ Rn → Rm und G ∶ Rk → Rn affine Abbildungen. Zeige, dass dann F(A), G−1(A) und A+B konvexe Mengen sind.

Aufgabe 2 (2 Punkte)

Zeige, dass [0,1]n, {x∈Rn∶ ∣x∣ ≤1}und {x∈Rn∶ ∣x∣ <1} konvexe Mengen sind.

Aufgabe 3 (2+2+2+1 Punkte)

Beweise folgende Aussagen aus der Vorlesung ¨uber Mengen A, B⊆Rn: (a) A ist genau dann konvex, wenn A=conv(A) gilt.

(b) conv(A)ist Durchschnitt aller konvexer Mengen, die A als Teilmengen enthalten.

(c) Es gilt conv(A+B) =conv(A) +conv(B). (d) Es gilt conv(conv(A)) =conv(A).

Aufgabe 4 (3 Punkte)

Wir betrachten zwei endliche Herden B, R⊆R2 von blauen bzw. roten Schafen auf einer ebenen Weide. Sch¨afer Ulf wollte um 12:34 eigentlich einen geradlinigen Zaun bauen, der die roten von den blauen Schafen strikt trennt (d.h. eine Gerade finden, sodass alleb∈B auf der einen Seite und alle r ∈R auf der anderen Seite sind), stellt aber fest, dass dies nicht geht.

Zeige, dass er seine Frau Gertrud davon ¨uberzeugen kann, dass dies nicht seine Schuld ist, indem er ihr nur die Positionen von h¨ochstens 4 Schafen mitteilt.

Hinweis: Benutzen Sie einen Satz aus der Vorlesung.

Aufgabe 5 (4 Punkte)

Sei(Ai)i=1 eine Folge von kompakten konvexen Teilmengen vonRnmitAi1∩. . .∩Ain+1 ≠ ∅ f¨ur alle i1, . . . , in+1∈N. Zeige, dass dann ⋂i=1Ai≠ ∅ gilt.

Hinweis: Benutze den Satz von Helly (aus der Vorlesung).

S. 1/1

Referenzen

ÄHNLICHE DOKUMENTE

[r]

Zudem beachten Sie, dass ein LP unzul¨ assig oder unbeschr¨ ankt sein kann, was von Ihrem Code erkannt werden soll. Die L¨ osungen dieser Aufgabe sollen per Email

Im Simplex-Algorithmus mit der Bland-Regel f¨ uhrt jeder Basiswechsel zu einer echten Verbesserung des Zielfunktionswerts der jeweils aktuellen Basisl¨ osung.. Die folgenden

Volker

In beiden F¨ allen sollen f¨ ur das entsprechende LP nicht einfach Symbole f¨ ur Matri- zen/Vektoren, sondern einzelne (Un-)Gleichungen (quantifiziert mit “f¨

• Jeder Schlitten wird entweder von einem Weihnachtsmann oder von einem Postbe- amten besetzt (da wir reell rechnen sind auch Konvexkombinationen erlaubt).. • Jeder Schlitten wird

Beweise Bemerkung 2.8, Teil 1: Die konvexe H¨ ulle von X ⊆ R n ist die Menge der konvexen Kombinationen von endlich vielen Punkten aus X. Aufgabe 6

(1) Eine Variable, die gerade in die Basis (Gleichungsformat!) eingetreten ist, kann die Basis beim n¨ achsten Schritt wieder verlassen. (2) Falls keine Basisl¨ osung degeneriert