Universität Wien

040100 VO Mathematik 2 (2019S)

6.00 ECTS (3.00 SWS), SPL 4 - Wirtschaftswissenschaften

Um Zugriff zu den Unterlagen in Moodle zu erhalten, melden Sie sich bitte via U:Space für die VO an.

Es findet ein freiwilliges Tutorium (Georgi Atanasov) statt: DO wtl von 07.03.2019 bis 13.06.2019 18.30-20.00 Ort: Hörsaal 3 Oskar-Morgenstern-Platz 1 Erdgeschoß und am FR 21.06.2019 18.30-20.00 Ort: Hörsaal 3 Oskar-Morgenstern-Platz 1 Erdgeschoß

Moodle

An/Abmeldung

Hinweis: Ihr Anmeldezeitpunkt innerhalb der Frist hat keine Auswirkungen auf die Platzvergabe (kein "first come, first served").
Für diese LV an-/abmelden

Details

Sprache: Deutsch

Prüfungstermine

Lehrende

Termine (iCal) - nächster Termin ist mit N markiert

  • Montag 04.03. 13:15 - 16:30 Hörsaal 4 Oskar-Morgenstern-Platz 1 Erdgeschoß
  • Montag 11.03. 13:15 - 16:30 Hörsaal 4 Oskar-Morgenstern-Platz 1 Erdgeschoß
  • Montag 18.03. 13:15 - 16:30 Hörsaal 4 Oskar-Morgenstern-Platz 1 Erdgeschoß
  • Montag 25.03. 13:15 - 16:30 Hörsaal 4 Oskar-Morgenstern-Platz 1 Erdgeschoß
  • Montag 01.04. 13:15 - 16:30 Hörsaal 4 Oskar-Morgenstern-Platz 1 Erdgeschoß
  • Montag 08.04. 13:15 - 16:30 Hörsaal 4 Oskar-Morgenstern-Platz 1 Erdgeschoß
  • Montag 06.05. 13:15 - 16:30 Hörsaal 4 Oskar-Morgenstern-Platz 1 Erdgeschoß
  • Montag 13.05. 13:15 - 16:30 Hörsaal 4 Oskar-Morgenstern-Platz 1 Erdgeschoß
  • Montag 20.05. 13:15 - 16:30 Hörsaal 4 Oskar-Morgenstern-Platz 1 Erdgeschoß
  • Montag 27.05. 13:15 - 16:30 Hörsaal 4 Oskar-Morgenstern-Platz 1 Erdgeschoß
  • Montag 03.06. 13:15 - 16:30 Hörsaal 4 Oskar-Morgenstern-Platz 1 Erdgeschoß
  • Montag 17.06. 13:15 - 16:30 Hörsaal 4 Oskar-Morgenstern-Platz 1 Erdgeschoß

Information

Ziele, Inhalte und Methode der Lehrveranstaltung

Die Vorlesung beschäftigt sich schwerpunktmäßig mit Optimierungsproblemen in den Wirtschaftswissenschaften. Dabei handelt es sich meist um Probleme, bei denen man mit gewissen Restriktionen (wie z.B. Ressourcenbeschränkungen) konfrontiert ist, d.h. um Optimierungsproblemen unter Nebenbedingungen. Dazu werden zunächst Grundlagen der Differentialrechnung für Funktionen in mehreren Variablen und der Begriff der Konvexität behandelt und darauf aufbauend die mathematischen Grundlagen der Theorie der Optimierung ohne und mit Nebenbedingungen erarbeitet und ökonomische Anwendungen behandelt.

Inhalt:
Einleitung: Optimierungsprobleme in den Wirtschaftswissenschaften
Differentialrechnung für Funktionen in mehreren Variablen
Konvexität
Optimierung von Funktionen in mehreren Variablen
Optimierung mit Gleichungen als Nebenbedingungen: Die Methode von Lagrange
Nichtlineare Programmierung und die Kuhn-Tucker-Bedingungen
Lineare Programmierung

Weitere Informationen:
http://homepage.univie.ac.at/andrea.gaunersdorfer/teaching/mathe2.html

Art der Leistungskontrolle und erlaubte Hilfsmittel

schriftliche Prüfung über den Stoff der Vorlesung (inkl. Übungen)

Erlaubte Hilfsmittel bei der Prüfung:
Taschenrechner, welcher folgende Kriterien erfüllt:
* nicht programmierbar,
* kann keine Funktionsplots erstellen,
* kann keine Gleichungen lösen,
* kann keine Matrizenoperationen,
* kann nicht ableiten und/oder integrieren.

Handys, Smartwatches etc. müssen während der Prüfung außerhalb Ihrer Reichweite aufbewahrt werden!

Für weitere Informationen siehe:
http://homepage.univie.ac.at/andrea.gaunersdorfer/teaching/mathe2.html

Mindestanforderungen und Beurteilungsmaßstab

Für eine positive Beurteilung müssen bei der Prüfung 50% der maximalen Punktezahl erreicht werden.

Punkteschema: siehe Moodle

Prüfungsstoff

Stoff der Prüfung ist der Stoff, der in der Vorlesung besprochen wurde, siehe auch:
http://homepage.univie.ac.at/andrea.gaunersdorfer/teaching/ss19/040100_syllabus.html
(Diese Liste wird nach jeder VO aktualisiert.)

Literatur

A. Gaunersdorfer, Mathematik 2 - Optimierung in den Wirtschaftswissenschaften, Skriptum, Februar 2020 (oder neuer).

Weitere Literaturhinweise finden Sie unter
http://homepage.univie.ac.at/andrea.gaunersdorfer/teaching/mathe2.html

Zuordnung im Vorlesungsverzeichnis

Letzte Änderung: Mo 07.09.2020 15:28