Hallo Leute,
Ich habe vor kurzem ein Buch über Lokalkonvexe Vektorräume (studiere Mathematik) - gesucht und sehe ein Exemplar auf der Bibliothek für Betriebswirtschaftliche Studien - jetzt frag ich mich, wann/wo braucht man in BWL/VWL & CO Lokalkonvexe Vektorräume??
danke Martin
Auch hallo.
Ich habe vor kurzem ein Buch über Lokalkonvexe Vektorräume
(studiere Mathematik) - gesucht und sehe ein Exemplar auf der
Bibliothek für Betriebswirtschaftliche Studien - jetzt frag
ich mich, wann/wo braucht man in BWL/VWL & CO Lokalkonvexe
Vektorräume??
Stichwort ‚Operations Research‘: Lagrange Verfahren, Konvexitätsbedingung,… Damit ist übrigens die visualisierte Lösung(smenge) gemeint
Siehe z.B. ISBN 3409307184 Buch anschauen
oder http://files.hanser.de/hanser/docs/20040401_24451543…
von http://www.hanser.de/buch.asp?isbn=3-446-22080-1 Buch anschauen&area=Technik
HTH
mfg M.L.
Hallo Markus
Stichwort ‚Operations Research‘: Lagrange Verfahren,
Konvexitätsbedingung,… Damit ist übrigens die visualisierte
Lösung(smenge) gemeint
das sieht mir aber eher nach endlichdimensionaler Linearer Algebra aus, lineare Optimierung, und auch wenn ich nicht genau weiß was Operations Research ist,
was ich bis jetzt von Lokalkonvexen VR’s weiß, ist dass das unendlichdimensionale (meist Funktionenräume) VR’s mit einer Familie von Seminormen die (alle zusammen den nullpunkt erkennen) dh. p(x) =0 für alle seminormen p dann ist x der nullpkt.
Ich seh da irgendwie den zusammenhang nicht zu dem was du mir mit den Links Mitteilen wolltest.
ciao Martin
Hallo Martin.
das sieht mir aber eher nach endlichdimensionaler Linearer
Algebra aus, lineare Optimierung, und auch wenn ich nicht
genau weiß was Operations Research ist,
Zu deutsch: Unternehmensforschung. Also die Wissenschaft der optimalen Bestellmenge, kürzester Wege,… Und siehe da: http://de.wikipedia.org/wiki/Operations_Research
was ich bis jetzt von Lokalkonvexen VR’s weiß, ist dass das
unendlichdimensionale (meist Funktionenräume) VR’s mit einer
Familie von Seminormen die (alle zusammen den nullpunkt
erkennen) dh. p(x) =0 für alle seminormen p dann ist x der
nullpkt.
Der wirft ja mit Begriffen um sich 
Kurz gesagt geht es nicht nur um Lösungen im R^2 oder R^3, sondern im R^n. Das Ergebnis eines Simplex Algorithmus sei z.b. (x1=1, x2=6, x3=8.8, x4=90, x5=2). Im R^3 kann man das jedenfalls nicht mehr darstellen, also weicht man auf höhere Dimensionen aus. In dem Fall R^5. Oder vielleicht darf’s auch die Differentialrechnung mit ihren errechneten Extremen (Hoch-/Tiefpunkt) sein ?
HTH
mfg M.L.