Mikrotalousteoria 2, 2008, osa II

Koko: px
Aloita esitys sivulta:

Download "Mikrotalousteoria 2, 2008, osa II"

Transkriptio

1 Sisältö Mikrotalousteoria 2, 2008, osa II 1 Kuluttajan valintateorian aksioomat 1 2 Kuluttajan kulutusmahdollisuuksien joukko 3 3 Hyötyfunktion olemassaolo ja määrittely 3 4 Marginaalinen vaihtosuhde kahden hyödykkeen välillä 5 5 Marshallilaiset kysyntäfunktiot kun n Komparatiivista statiikkaa optimipisteen ympäristössä 7 7 Hicksiläiset kysyntäfunktiot kun n Epäsuoran hyötyfunktion johtaminen 10 9 Komparatiivista statiikkaa epäsuoralla hyötyfunktiolla Kuluttajan menofunktion johtaminen Slutskyn yhtälön johtaminen Paljastettujen preferenssien teoria Komparatiivista statiikkaa paljastettujen preferenssien aksioomalla Hintaindekseistä 17 1 Kuluttajan valintateorian aksioomat Kuluttajaksi kutsutaan joko yksittäistä henkilöä joka kuluttaa hyödykkeitä tarkasteltavassa taloudessa tai jotakin ihmisyhteisöä (esim. kotitaloutta), joka tekee yhdessä kulutuspäätöksensä. Kuluttajan valinta-avaruus on n- ulotteinen vektoriavaruus ja kuluttajan kuukausittainen valinta on yksi n- ulotteinen vektori X Ω, jonka komponentit ovat kuluttajan eri hyödykkeiden kulutusnopeudet (jotkin komponentit voivat olla myös nollia). 1

2 Kuluttajan valinta-avaruuden topologiaa koskevat aksioomat: 1) Jatkuvuusaksiooma. Kaikkien kulutettavana olevien kulutusnopeuskombinaatioiden muodostama joukko eli kuluttajan valinta-avaruus Ω on suljettu joukko, eli se sisältää kasautumis- ja reunapisteensä. Olkoon { Xk }, Xk Ω sallittujen kulutusnopeusvektorien jono siten, että X k X 0. Tällöin X 0 Ω eli X 0 on sallittu kulutusnopeusvektori. 2) Alhaalta rajoitettuus -aksiooma. Sallittujen kulutusnopeusvektorien joukko on alhaalta rajoitettu, koska negatiivisia kulutusnopeuksia ei ole. 3) Valinta-avaruuden yhtenäisyys ja konveksisuus -aksiooma. Kuluttajan valinta-avaruus on yhtenäinen konveksi joukko. Yhtenäisyys tarkoittaa, että avaruutta ei voida ilmaista pistevieraiden suljettujen joukkojen yhdisteenä. Joukon konveksisuus taas tarkoittaa, että X, Y Ω a X + (1 a) Y Ω, 0 a 1. Yhdessä nämä merkitsevät sitä, että kuluttajan valinta-avaruudessa ei ole reikiä ja kaikki hyödykkeet ovat täysin jaettavissa siten, että kuluttaja voi kuluttaa niitä mielivaltaisina osuuksina tietyistä kokonaisuuksista. Kuluttajan preferenssirelaatiota koskevat aksioomat: 4) Järjestysaksiooma. Kuluttajalla on täydellinen järjestysrelaatio (refleksiivinen, symmetrinen ja transitiivinen) yli sallittujen kulutusnopeusvektorien. Ts. X, Y Ω joko X Y tai Y X tai molemmat ehdot toteutuvat, jolloin X Y. Jokainen sallittu kulutusnopeusvektori X virittää kuluttajan preferenssirelaation määrittämän itsensä kanssa samanarvoisten kulutusnopeusvektorien muodostaman joukon (indifferenssiluokan), Y X, Y Ω. Jokainen kulutusnopeusvektori voi kuulua vain yhteen indifferenssiluokkaan. Indifferenssiluokat osittavat kuluttajan valinta-avaruuden toisistaan eroaviin (pistevieraisiin) luokkiin (tasokäyriin), jotka muodostavat preferenssirelaation mukaiset ekvivalenssiluokat. Jokainen sallittu kulutusnopeusvektori X0 Ω osittaa valinta-avaruuden kolmeen osajoukkoon: { X Ω X X0 }, { X Ω X X 0 } ja { X Ω X X0 }. 5) Tyydyttymättömyysaksiooma. Jos X on muilta komponenteiltaan identtinen Y :n kanssa ja x i > y i, eli ainoastaan vektorien i:nnet komponentit eroavat toisistaan, kulutajalle pätee X Y. Rationaalinen tulojensa puitteissa kuluttava kuluttaja ei saavuta koskaan saturaatiotasoa minkään hyödykkeen kulutuksessa, eli enemmän on aina parempi. 2

3 2 Kuluttajan kulutusmahdollisuuksien joukko Kuluttajan sallittujen kuukausittaisten kulutusnopeusvektorien X Ω R n valintaa rajoittavat seuraavat ehdot: 1) Negatiivisia kulutusnopeuksia ei sallita, eli x i 0, i 1,..., n, ja 2) Käytettävissä olevat kuukausittaiset varat M ovat kiinteät, p X p i x i M, missä p (p 1,..., p n ) on kulutettavana olevien hyödykkeiden yksikköhintavektori ja :lla merkitään pistetuloa. Jos kaikki varat kulutetaan, yo. epäyhtälö toteutuu yhtälönä. Tarkastellaan kahden hyödykkeen tapausta koordinaatistossa (x 1, x 2 ). Tällöin budjettiyhtälö (-suora) on muotoa M p 1 x 1 + p 2 x 2 x 2 M p 2 p 1x 1 p 2, x 2 x 1 p 1 p 2, ja sen kulmakerroin on johdettu yllä. Erisuuret käytettävissä olevat kuukausittaiset varat muodostavat koordinaatistoon yhdensuuntaisten suorien parven siten, että mitä kauempana origosta suora sijaitsee, sitä suurempia käytettävissä olevia varoja se vastaa. Kuluttajan valintaolosuhteet Kuluttajan oletetaan tekevän kuukausittaisen kulutuspäätöksensä yhdellä kertaa siten, että kuluttaja tuntee käytettävissä olevat varansa, hyödykkeiden yksikköhinnat sekä oman preferenssirelaationsa. Kuluttaja tekee valintansa siten, että hän saavuttaa mahdollisimman korkean hyötytason yllä esitettyjen rajoitteiden puitteissa. 3 Hyötyfunktion olemassaolo ja määrittely Kysymys: Voidaanko määritellä skalaariarvoinen kuvaus u : R n R, joka järjestää indifferenssiluokat preferenssirelaation mukaiseen suuruusjärjestykseen. Ts. onko olemassa funktio u jolle pätee u( X) u( Y ) kun X Y. Jos voidaan, tätä relaatiota kutsutaan kuluttajan hyötyfunktioksi. Yleisesti ottaen yllä kuvattua hyötyfunktiota ei voida määritellä, sillä jos esimerkiksi kuluttajan preferenssit ovat lexicografiset, niitä ei voida kuvata skalaariarvoisella hyötyfunktiolla. 3

4 Esim. Tarkastellaan valinta-avaruutta Ω R 2, X, Y Ω, X (x1, x 2 ) Y (y 1, y 2 ). Jos kuluttajalle pätee a) y 1 > x 1 Y X b) y 1 x 1 ja y 2 > x 2 Y X Tällöin kuluttajan preferenssejä kutsutaan lexicografisiksi. Tällainen kuluttaja pitää aina parempana tilannetta, että saa enemmän hyödykettä 1. Jos kuitenkin kahdessa tapauksessa molemmissa hyödykettä 1 saadaan yhtä paljon, x 1 y 1, tällöin kuluttaja pitää parempana tilannetta, jossa hyödykettä 2 saadaan enemmän. Lexicografisten preferenssien mukainen indifferenssiluokka redusoituu yhdeksi pisteeksi eikä jatkuvaksi relaatioksi (käyräksi). Tällainen kuluttaja käyttää aina kaikki rahansa hyödykkeeseen 1, eikä tällöin voida puhua kuluttajan valinnasta hyödykkeiden välillä. Näillä perusteluilla sivuutamme jatkossa lexicografisten preferenssien tapauksen. Koska epäjatkuvalla hyötyfunktiolla ei ole juuri käyttöä kuluttajan käyttäytymisen mallintamisessa, tarkastelemme seuraavaksi, millä oletuksilla kuluttajalle voidaan määritellä edellä kuvattu jatkuva hyötyfunktio. 6) Preferenssien jatkuvuusaksiooma. Joukot { X Ω X X0 } ja { X Ω X X0 } ovat suljettuja Ω:ssa X0 Ω. Ts. jos { X k } on sallittujen kulutusnopeusvektorien X k Ω jono siten, että X k X 0 k ja jono suppenee kohti X p :tä, X k X p, niin tällöin X p X 0. Tämä aksiooma lisättynä edellisiin on riittävä ehto sille, että kuluttajalle voidaan määritellä jatkuva hyötyfunktio. Em. väitteen yksityiskohtainen todistus löytyy Debreun kirjasta Theory of Value (1959) ss Todistus perustuu kuluttajan valinta-avaruuden tiheyteen ja konveksisuuteen sekä preferenssien jatkuvuuteen ja tyydyttymättömyyteen. Voidaan nimittäin osoittaa, että jos X Y niin Z Ω siten, että X Z Y. Tämän väitteen todistus perustuu joukkojen { Xi Ω X i X } ja { Xi Ω X i Y } epätyhjyyteen ja pistevierauteen, sillä vastaväite johtaa ristiriitaan Ω:n yhtenäisyyden kanssa. Hyötyfunktion jatkuvuustodistuksen vaiheet: Valitaan skalaarit a < b siten, että kun tarkastelemme joukkoa Λ Ω joka sisältää preferenssirelaation mukaisen Λ:n alimman indifferenssiluokan, jonka yksi edustaja on X 0, tällöin valitaan u( X 0 ) a. Vastaavasti valitaan u( X n ) b, missä X n on Λ:n korkeimman indifferenssiluokan edustaja. Lisäksi asetetaan u( X i ) u( X j ) kun Xi X j. Tarkastellaan sitten suljettuja joukkoja D x { X Λ X X1 } ja D x { X Λ X X1 }, X1 Λ. Määritellään sup D x ja inf D x ja osoite- 4

5 taan skalaarit u(supd x ) ja u(infd x ) yhtäsuuriksi. Tällöin olemme osoittaneet, että X 1 :n määrittämän indifferenssiluokan ja sen suhteen preferoitujen ja ei-prefereroitujen kulutusnopeuvektorien muodostamien joukkojen väliin ei mahdu valinta-avaruuden alkioita. Tämän jälkeen todistus laajennetaan koskemaan koko valinta-avaruutta Ω. Todistus takaa sen, että yksittäinen indifferenssirelaatio voi olla maksimissaan yhden pisteen levyinen. 4 Marginaalinen vaihtosuhde kahden hyödykkeen välillä Tarkastellaan hyötyä vakiotasolla u 0, u(x 1,..., x n ) u 0, ja kokonaisdifferentioidaan ko. lauseke: dx dx n du 0 0. x 1 x n Oletetaan nyt, että kaikkien muiden hyödykkeiden kulutusnopeudet pidetään vakioina, ja tarkastellaan hyötytason vakiona pitävää marginaalista vaihtosuhdetta hyödykkeiden k ja l välillä; dx i 0, i 1,..., n, i k, l. dx k + dx l 0 dx k x k x l dx l / x l / x k < 0. Tämä vastaa indifferenssikäyrän kulmakerrointa koordinaatistossa (x l, x k ). Differentioidaan indifferenssikäyrän kulmakerroin uudestaan x l :n suhteen indifferenssikäyrän muodon tutkimiseksi: x l ( ) dxk dx l ( ) x k x l x l ( 2 u x k x 2 l + ( x l ) 2 x k ) 2 u dx k x k x l dx l ( ( ) x l x k ( 2 u x l x 2 k ) dx k dx l + 2 u x l x k ) 2 x k ( ) ( ) 2 u x k x 2 l 2 u / x l x k x l / x k 2 u x l x l x k 2 u / x l x 2 k / x k 1 ( ) 3 x k x k x l [ ( x k ( ) 2 x k ) 2 2 u x l 2 x k x l 2 u ] ( 1 x l x k 5 ) 3 x k ( ) 2 2 u 2 u + x k x l x l x 2 k ( uk 2 u ll + u l 2 u kk 2u k u l u kl ),

6 missä u k / x k, u kl 2 u/ x k x l jne. Nyt viimeisimmän muodon sulkeissa oleva osa voidaan esittää neliömuotona ( ) ( ) u 2 k u ll + u 2 ull u l u kk 2u k u l u kl (u k, u l ) kl uk. u kl Tämä neliömuoto on negatiivisesti määritelty, jos u ll < 0 ja u ll u kk u kl 2 > 0; nämä ehdot toteutuvat hyötyfunktiosta tekemiemme oletusten perusteella. Koska sulkulausekkeiden edessä oleva kerroin on negatiivinen, voimme päätellä, että yo. osittaisderivaatta on positiivisesti määritelty eli indifferenssikäyrä em. koordinaatistossa on konveksi. 5 Marshallilaiset kysyntäfunktiot kun n 2 Hyödyn maksimointiongelma budjettirajoitteella kahden hyödykkeen tapauksessa on muotoa: u kk max x 1,x 2 u u(x 1, x 2 ) rajoitteella p 1 x 1 + p 2 x 2 M. Hyötyfunktiosta oletetaan: > 0 ja 2 u 2 < 0, i 1, 2. Muodostetaan Lagrangen funktio yhtälörajoitteisena, sillä positiiviset rajahyödyt takaavat sen, että optimipiste löytyy määrittelyalueen reunalta. max L u(x 1, x 2 ) + λ[m p 1 x 1 p 2 x 2 ]. x 1,x 2,λ Optimin välttämättömät ehdot ovat L 0 λp i 0, i 1, 2, L λ 0 M p 1x 1 p 2 x 2 0. (1) Johdetaan riittävät ehdot maksimipisteelle derivoimalla välttämättömät ehdot endogeenisten muuttujien suhteen: 2 L x u 2 L 2 11, u 21, 1 x 2 x 1 2 L 2 L u 12, x 1 x 2 x u 2 22, 2 2 L x 1 λ p 1, 2 L x 2 λ p 2, 2 L p 1, λ x 1 2 L p 2, λ x 2 2 L λ 0, u 2 ij 2 u, i, j 1, 2. x j 6 u l

7 Muodostetaan yo. osittaisderivaatoista reunustettu (bordered) Hessin matriisi (huomaa muunnettu rivi- ja sarakejärjestys): 0 p 1 p 2 H p 1 u 11 u 21. p 2 u 12 u 22 Riittävä ehto maksimille on, että yo. reunustettu Hessin matriisi on positiivisesti määritelty (Chiang, Third Edition s. 402), eli H 1 0, H 2 p 2 1 < 0, H 3 ( p 1 )[ p 1 u 22 + p 2 u 21 ] p 2 [p 2 u 11 p 1 u 12 ] p 2 1u p 1 p 2 u 12 p 2 2u 11 > 0, missä merkintä X tarkoittaa X:n determinanttia ja alaindeksit viittaavat pääminoreihin. Nyt H 3 voidaan esittää neliömuotona seuraavasti: ( ) ( ) H 3 p 2 1u p 1 p 2 u 12 p 2 u22 u 2u 11 (p 1, p 2 ) 12 p1. u 21 u 11 p 2 Tämä neliömuoto on positiivisesti määritelty kun u 22 > 0 ja u 11 u 22 u 2 12 > 0. Eo. oletukset hyötyfunktiosta toteuttavat ensimmäisen ehdon, joten jälkimmäinen ehto on riittävä maksimipisteelle; oletus, että u 12 on itseisarvoltaan pienempi kuin u 11 ja u 22 riittää. 6 Komparatiivista statiikkaa optimipisteen ympäristössä Yhtälöryhmä (1) sisältää 3 yhtälöä ja 3 tuntematonta (endogeenista) muuttujaa x 1, x 2, λ sekä 3 tunnettua (eksogeenista) muuttujaa p 1, p 2, M. Differentioidaan ko. yhtälöryhmä ja kirjoitetaan matriisimuodossa. u 11 u 21 p 1 dx 1 u 12 u 22 p 2 dx 2 p 1 p 2 0 dλ λ λ 0 x 1 x 2 1 dp 1 dp 2. dm Tarkastellaan endogeenisten muuttujien differentiaalien muodostaman vektorin (dx 1, dx 2, dλ) kerroinmatriisia (Jacobin matriisi). Jos Jacobin matriisista laskettu determinantti eroaa nollasta, yhtälöryhmä määrittelee implisiittifunktiolauseen mukaisesti yhtälöryhmän ratkaisupisteen ympäristössä seuraavat implisiittifunktiot x 1 f 1 (p 1, p 2, M), x 2 f 2 (p 1, p 2, M), λ f 3 (p 1, p 2, M), 7

8 missä * viittaa optimaaliseen arvoon. Koska Jacobin matriisi yhtyy reunustettuun Hessin matriisiin ja H 3 > 0, implisiittifunktiolauseen ehdot toteutuvat. Johdetaan seuraavaksi Cramerin säännöllä seuraavat komparatiivisen statiikan tulokset. x 1 1 λ u 21 p 1 p 1 H 3 0 u 22 p 2 x 1 p H 3 [p 1x 1 u 22 λp 2 2 p 2 x 1 u 21 ] < 0, x u 21 p 1 p 2 H 3 λ u 22 p 2 x 2 p H 3 [ p 2x 2 u 21 + λp 1 p 2 + p 1 x 2 u 22 ], x 1 M 1 0 u 21 p 1 H 3 0 u 22 p 2 1 p H 3 [p 2u 21 p 1 u 22 ] > 0, λ 1 u 11 u 21 λ p 1 H 3 u 12 u 22 0 p 1 p 2 x 1 1 H 3 [λ(p 1u 22 p 2 u 12 ) + x 1 (u 11 u 22 u 2 12 )], λ M 1 u 11 u 21 0 H 3 u 12 u 22 0 p 1 p H 3 [u 11u 22 u 2 12 ] < 0. 7 Hicksiläiset kysyntäfunktiot kun n 2 Menojen minimointiongelma hyötyrajoitteella kahden hyödykkeen tapauksessa; hyötyfunktio sama kuin edellä ja u 0 jokin kiinteä hyötytaso: min W p 1x 1 + p 2 x 2 + µ[u 0 u(x 1, x 2 )]. x 1,x 2,µ Välttämättömät ehdot ovat: W 0 p i µ 0, i 1, 2, W µ 0 u 0 u(x 1, x 2 ) 0. (2) Johdetaan seuraavaksi riittävät ehdot minimille. 2 W x µu 2 W 2 11, µu 21, 1 x 2 x 1 2 W 2 W µu 12, x 1 x 2 x µu 2 22, 2 2 W x 1 µ u 2 W 1, x 2 µ u 2, 8 2 W u 1, µ x 1 2 W u 2, µ x 2 2 W µ 2 0.

9 Muodostetaan reunustettu Hessin matriisi; huom. rivi- ja sarakejärjestys: 0 u 1 u 2 H u 1 µu 11 µu 21. u 2 µu 12 µu 22 Riittävä ehto minimille on, että yo. reunustettu Hessin matriisi on negatiivisesti määritelty, eli: H 1 0, H 2 u 2 1 < 0, H 3 u 1 [µu 1 u 22 + µu 2 u 21 ] u 2 [µu 1 u 12 µu 2 u 11 ] µ[u 2 1u 22 2u 1 u 2 u 12 + u 2 2u 11 ] < 0. Myöhemmin osoitamme, että optimitilanteessa pätee µ 1/λ, joten sekä µ että λ ovat positiivisia. Unohtamalla positiivinen kerroin µ, yo. hakasulkulauseke voidaan esittää seuraavana neliömuotona: ( ) ( ) u 2 1u 22 2u 1 u 2 u 12 + u 2 u22 u 2u 11 (u 1, u 2 ) 12 u1. u 21 u 11 u 2 Tämä neliömuoto on negatiivisesti määritelty, kun u 22 < 0 ja u 11 u 22 u 2 12 > 0. Eo. oletukset hyötyfunktiosta toteuttavat ensimmäisen ehdon, joten jälkimmäinen ehto on riittävä minimipisteelle; oletus, että u 12 on itseisarvoltaan pienempi kuin u 11 ja u 22 riittää. Yhtälöryhmä (2) sisältää 3 yhtälöä, 3 tuntematonta x 1, x 2, µ sekä 3 tunnettua muuttujaa p 1, p 2, u 0. Differentioidaan ko. ryhmä ja esitetään matriisimuodossa: µu 11 µu 21 u 1 dx 1 µu 12 µu 22 u 2 dx 2 u 1 u 2 0 dµ dp 1 dp 2. du 0 Tarkastellaan endogeenisten muuttujien muodostaman vektorin (dx 1, dx 2, dµ) kerroinmatriisia (Jacobin matriisi). Jos Jacobin matriisista laskettu determinantti eroaa nollasta, yhtälöryhmä määrittelee yhtälöryhmän ratkaisupisteen ympäristössä seuraavat implisiittifunktiot x 1 g 1 (p 1, p 2, u 0 ), x 2 g 2 (p 1, p 2, u 0 ), µ g 3 (p 1, p 2, u 0 ), missä * viittaa optimaaliseen arvoon. Koska Jacobin matriisi yhtyy reunustettuun Hessin matriisiin ja H 3 < 0, implisiittifunktiolauseen ehdot toteutuvat. Johdetaan seuraavaksi Cramerin säännöllä seuraavat komparatiivisen 9

10 statiikan tulokset. x µu 21 u 1 p 1 H 3 0 µu 22 u 2 0 u 2 0 u 2 2 < 0, (3) H 3 x µu 21 u 1 p 2 H 3 1 µu 22 u 2 0 u 2 0 u 1u 2 > 0, (4) H 3 x µu 21 u 1 0 H 3 0 µu 22 u 2 1 u 2 0 µ H 3 [u 2u 21 u 1 u 22 ] > 0, (5) µ 1 µu 11 µu 21 1 p 1 H 3 µu 12 µu 22 0 u 1 u 2 0 µ H 3 [u 1u 22 u 2 u 12 ] > 0, (6) µ 1 µu 11 µu H 3 µu 12 µu 22 0 u 1 u 2 1 µ2 H 3 [u 11u 22 u 2 12 ] > 0. 8 Epäsuoran hyötyfunktion johtaminen Hyödyn maksimointiongelma (7) max X u u( X) rajoitteella p X M, p (p 1,..., p n ), X (x1,..., x n ), missä :llä merkitään vektorien pistetuloa, p X n p ix i. Muodostetaan Lagrangen funktio yhtälörajoitteisena, sillä positiiviset rajahyödyt kaikilla hyödykkeillä takaavat sen, että optimipiste löytyy määrittelyalueen reunalta. Välttämättömät ehdot ovat: max L u( X) + λ[m X,λ p i x i ]. L 0 λp i, i 1,..., n, L λ 0 M p i x i. 10

11 Yo. yhtälöryhmä sisältää n+1 yhtälöä, n+1 tuntematonta x 1,..., x n, λ sekä n+1 eksogeenista muuttujaa p 1,..., p n, M. Tiettyjen oletusten ollessa voimassa yhtälöryhmällä on olemassa seuraava yksikäsitteinen ratkaisu x i D i (p 1,..., p n, M) D i ( p, M), i 1,..., n, λ λ(p 1,..., p n, M) λ( p, M), (8) missä D i, i 1,..., n merkitään Marshallilaisia kysyntäfunktioita erotuksena Hicksiläisiin. Määritellään kuluttajan epäsuora hyötyfunktio seuraavasti: u u(x 1,..., x n) u ( D 1 ( p, M),..., D n ( p, M) ). Epäsuoran hyötyfunktion derivaatta M:n suhteen on M D i M. Sijoitetaan edelliseen ensimmäisen kertaluvun ehdot optimitilanteessa: M λ D i p i M. (9) Kun budjettiyhtälöön sijoitetaan Marshallilaiset kysyntäfunktiot saadaan: M p i x i p i D i ( p, M). (10) Derivoimalla edellinen M:n suhteen saadaan: 1 Sijoitetaan tämä (9):een, jolloin saadaan p i D i M. M λ; kuluttajan optimitilanteessa λ:n arvo siis vastaa tulon rajahyötyä M. 11

12 9 Komparatiivista statiikkaa epäsuoralla hyötyfunktiolla D i. Sijoittamalla tähän edellä johdetut ensimmäisen kertaluvun ehdot saadaan: λ Budjettiyhtälöstä (10) saadaan puolittain derivoimalla dm dp j 0 x j + Sijoittamalla tämä (11):een saadaan: p i D i. (11) p i D i x j λx j, p i D i mitä kutsutaan Roy n identiteetiksi. Koska optimitilanteessa λ / M, Roy n identiteetti voidaan myös esittää muodossa: ( ) ( ) x j /. M Koska x j 0 ja / M 0 niin / 0. Siis x j on sitä suurempi mitä suurempi absoluuttiselta arvoltaan on /, ja mitä pienempi on / M. 10 Kuluttajan menofunktion johtaminen Kuluttajan menojen minimointiongelma min X p i x i rajoitteella u(x 1,..., x n ) u 0, x i 0, i 1,..., n. Muodostetaan Lagrangen funktio yhtälörajoitteella: min L X,µ p i x i + µ[u 0 u( X)]. 12

13 Optimoinnin välttämättömät ehdot ovat: L 0 p i µ, i 1,..., n, L µ 0 u 0 u(x 1,..., x n ). Yo. yhtälöryhmässä on n+1 kpl tuntemattomia x 1,..., x n, µ ja n+1 kpl yhtälöitä sekä n+1 kpl eksogeenisia parametreja, p 1,..., p n, u 0. Hicksiläiset kysyntäfunktiot ja Lagrangen kerroin µ saadaan tietyin oletuksin ratkaistua ensimmäisen kertaluvun ehdoista muotoon: x i h i (p 1,..., p n, u 0 ) h i ( p, u 0 ), i 1,..., n, µ µ(p 1,..., p n, u 0 ) µ( p, u 0 ). Määritellään kuluttajan menofunktio seuraavasti: M ( p, u 0 ) p i h i ( p, u 0 ) p 1 h 1 ( p, u 0 ) + + p n h n ( p, u 0 ). Komparatiivista statiikkaa kuluttajan menofunktiolla Menofunktion derivaatta hinnan p j suhteen on M h j ( p, u 0 ) + p i x i. Sijoittamalla n ensimmäistä ensimmäisen kertaluvun ehtoa edelliseen, saadaan: M h j ( p, u 0 ) + µ x i h j ( p, u 0 ) + µ Ehdosta u 0 u(x 1,..., x n ) saadaan puolestaan: 0 0 Sijoittamalla tämä (12), saadaan: x i, i 1,..., n. M h j ( p, u 0 ) x j, mikä oltaisiin saatu myös suoraan Envelope -teoreeman avulla. 13 x i. (12)

14 11 Slutskyn yhtälön johtaminen Kuluttajan optimitilanteessa jokaisen hyödykkeen Marshallilaisen ja Hicksiläisen kysyntäfunktion arvot ovat samat (optimoinnin duaaliteoria), eli h i ( p, u ( p, M) ) D i ( p, M), i 1,..., n, (13) missä u 0 :n paikalle on asetettu epäsuora hyötyfunktio u 0 u ( p, M). Yhtälö ilmaisee hyödykkeiden kulutusnopeudet kiinteiden tulojen M funktiona kahdella tavalla. Derivoidaan hyödykettä i koskeva yhtälö hinnan p j :n suhteen: h i + h i 0 D i. (14) Yhtälön oikea puoli mittaa hyödykkeen i Marshallilaisen kysyntäfunktion arvon muutosta hinnan p j marginaalisen muutoksen seurauksena. Vasen puoli taas osoittaa sen, miten tämä muutos voidaan jakaa Hicksiläisen kysyntärelaation avulla kahteen osamuutokseen. Suure h i mittaa hinnan p j muutoksen aiheuttaman hyödykkeiden hintasuhteen muutoksen aikaansaamaa hyödykkeen i optimaalisen kulutusnopeuden muutosta kiinteällä hyötytasolla (osittaisderivaatan määritelmä). Suure h i 0 puolestaan mittaa hinnan p j muutoksen aiheuttamaa hyödykkeen i optimaalisen kulutusnopeuden muutosta hyötytason muutoksen kautta hintasuhteen ollessa kiinteä. Edellä johdimme tulokset λx j ja M Yhtälöstä (13) saadaan derivoimalla M:n suhteen h i 0 M D i M. Käytetään nyt näitä tuloksia hyväksi suureen h i 0 muuntamisessa. Niiden avulla se voidaan kirjoittaa muodossa h i 0 Sijoittamalla tämä (14):een, saadaan: D i M x j. h i D i M x j D i, mitä nimitetään Slutskyn yhtälöksi. 14 λ. (15)

15 12 Paljastettujen preferenssien teoria Oletukset: 1) Tarkastellaan kuluttajan kuukausittaista kulutusvalintaa, jonka ajatellaan tapahtuvan yhdellä kertaa. Kuluttajan käytettävissä olevat varat M (eur/kk) ja hyödykkeiden yksikköhinnat p (p 1,... p n ) ovat kiinteät ja kaikki varat kulutetaan. 1) Yksi tietty kulutusnopeusvektori X (x1,..., x n ) valitaan jokaisella hintavektorilla p ja varoilla M. Ts. jokaisella kulutusnopeusvektorilla X 1 (x 11,... x 1n ) on olemassa tietty yksikäsitteinen hintavektori p 1 (p 11,..., p 1n ) sekä käytettävissä olevat varat M 1, joilla se valitaan. 3) Ajatellaan, että jokainen realisoitunut (havaittu) kuluttajan valitsema kulutusnopeusvektori X on kuluttajan hyödyn maksimoiva valinta vallitsevilla hinnoilla ja kuluttajan käytettävissä olevilla varoilla. 4) Kuluttajan valinnat ovat konsistentteja, ts. jos X 0 on valittu ja myös X 1 oltaisiin voitu valita vallitsevilla hinnoilla p 0 ja varoilla M 0, niin silloin kun X 1 valitaan, X0 :aa ei voida valita (varat eivät riitä). Ts. kuluttajalle pätee X 0 X 1. Sama formaalisti. Olkoon hintavektori p 0 ja varat M 0 ne joilla X 0 valitaan. Jos myös X 1 oltaisiin voitu valita hinnoilla p 0 ja varoilla M 0, niin tällöin p 01 x p 0n x 1n p 0 X 1 M 0 p 0 X 0 p 01 x p 0n x 0n p 0i x 0i Olkoon p 1 se hintavektori jolla X 1 valitaan varoilla M 1. Tällöin X 0 :aa ei olisi voitu valita, eli Ehtoa p 11 x p 1n x 0n p 1 X 0 > p 1 X 1 p 11 x p 1n x 1n. p 0 X 1 p 0 X 0 p 1 X 0 > p 1 X 1 kutsutaan paljastettujen preferenssien heikoksi aksioomaksi. Se tarkoittaa sitä, että jos X 0 valitaan kun X 1 :kin olisi voitu valita, niin silloin kun X 1 valitaan, X 0 :aa ei voida valita (varat ei riitä). 13 Komparatiivista statiikkaa paljastettujen preferenssien aksioomalla Olkoon p 0 lähtötilanteen hintavektori ja X 0 kuluttajan sitä vastaava valinta, ja olkoon X 1 hintavektoria p 1 vastaava valinta. Merkitään M 2 :lla niitä varoja, 15

16 joilla kuluttaja voi juuri kuluttaa X 0 :n hinnoilla p 1, p 1 X 0 M 2. Olkoon X 2 kuluttajan optimaalinen valinta varoilla M 2 ja hinnoilla p 1. Nyt p 1 X 0 M 2 p 1 X 2. (16) Koska X 2 valitaan vaikka X 0 :kin olisi voitu valita hinnoilla p 1 ja varoilla M 2, niin kuluttajalle pätee X 2 X 0. Koska kuluttaja valitsee X 0 :n hinnoilla p 0, niin tällöin hän ei voi valita X 2 :sta (paljastetut preferenssit), eli p 0 X 0 < p 0 X 2. (17) Nyt (16) p 1 ( X 0 X 2 ) 0 ja (17) p 0 ( X 0 X 2 ) < 0. Vähennetään nämä toisistaan p 1 ( X 0 X 2 ) p 0 ( X 0 X 2 ) ( p 1 p 0 ) ( X 0 X 2 ) > 0. Kerrotaan edellinen 1:llä, ( p 1 p 0 ) ( X 2 X 0 ) < 0 (p 1i p 0i )(x 2i x 0i ) < 0. (18) Oletetaan nyt, että hintavektorit p 1, p 0 eroavat toisistaan vain p j osalta, p 0i p 1i i, i j, eli että vain j:nnen hyödykkeen yksikköhinta muuttuu. Tällöin (18) tulee muotoon (p 1j p 0j )(x 2j x 0j ) < 0 p j x j < 0, sillä muut summalausekkeen termit ovat nollia. Hyödykkeen j kulutusnopeus muuttuu siis eri suuntaan kuin sen yksikköhinta. Nyt p 1 X 0 M 2 ja p 0 X 0 M 0. Kuluttajan varojen muutos, joka pitää X 0 :n juuri saavutettavissa olevana, on nyt M M 2 M 0 p 1 X 0 p 0 X 0 ( p 1 p 0 ) X 0. Jos nyt vain j:nnen hyödykkeen yksikköhinta muuttuu, M p j x 0j. (19) Nyt p j :n vaikutus kuluttajan optimaaliseen hyödykkeen j kulutusnopeuteen voidaan dekomponoida kahteen osamuutokseen, joista edellinen on seuraus varojen muutoksesta (tulovaikutus) ja jälkimmäinen hyödykkeiden hintasuhteiden muutoksesta (substituutiovaikutus), x 1j x 0j (x 1j x 2j ) + (x 2j x 0j ); 16

17 x 1j ja x 0j ovat j:nnen hyödykkeen optimaaliset kulutusnopeudet hintavektoreilla p 1 ja p 0. Jaetaan yo. yhtälö p j :llä, x 1j x 0j p j x 1j x 2j p j + x 2j x 0j p j. Nyt (19):sta voidaan ratkaista p j M/x 0j. Sijoitetaan tämä edelliseen, x 1j x 0j p j x 1j x 2j x 0j M +x 2j x 0j p j x j x j x 0j + x j M. p j M p vakio p j vakio Yllä diskreetisti johdettu komparatiivisen statiikan tulos vastaa Slutskyn yhtälöä, ja se johdettiin ilman mitään oletusta hyötyfunktiosta. Slutskyn yhtälön substituutiovaikutus (osamuutos hyödyn pysyessä vakiona) korvautuu yllä osavaikutuksena varojen (tai kulutusmenojen) säilyessä vakiona, ja tulovaikutus on molemmissa sama hintamuutoksesta johtuva reaalitulojen muutos. Hyötyfunktion avulla johdettu kuluttajan hyödyn maksimointiteoria ja paljastettujen preferenssien teoria voidaan osoittaa sillä tavalla ekvivalenteiksi, että vastaavat komparatiivisen statiikan tulokset voidaan johtaa kummankin teorian avulla. 14 Hintaindekseistä Jatketaan paljastettujen preferenssien teorian tarkastelua. Olkoot X 0 ja X 1 ne kulutusnopeusvektorit, jotka kuluttaja valitsee varoilla M 0 ja M 1 sekä yksikköhinnoilla p 0 ja p 1. Siis M 0 p 0 X 0 ja M 1 p 1 X 1. Viitatkoon nyt alaindeksit 0, 1 eri ajanhetkiin. Kysymys: Millä ehdoilla kuluttajan hyvinvointi hetkellä 1 on lisääntynyt hetkeen 0 verrattuna, kun sekä käytettävissä olevat varat että yksikköhinnat ovat muuttuneet? Oletetaan, että p 1 X 1 p 1 X 0, (20) eli että kuluttaja voisi hetkellä 1 valita myös X 0 :n (vaikka valitsee X 1 :n). Tällöin siis kuluttajalle pätee X 1 X 0. Jaetaan (20) puolittain M 0 p 0 X 0 > 0:lla, M 1 p 1 X 1 M 0 p 0 X p 1 X 0 0 p 0 X LP, (21) 0 missä LP :llä merkitään Laspeyresin hintaindeksiä. LP -indeksissä yksikköhintojen muutoksen p 0 p 1 painoina käytetään lähtötilanteen kulutusnopeuksia X 0. Jos siis kuluttajan käytettävissä olevien varojen (tulojen) 17

18 suhdeluku (muutos) on vähintään menojen suhdeluku (muutos) siten, että menot lasketaan painottamalla yksikköhintoja lähtötilanteen kulutusvalinnalla (LP -indeksi), kuluttajan hyvinmvoinnin voidaan sanoa lisääntyneen. Jos kaavassa (20) epäyhtälön merkki on päinvastainen, kuluttajan hyvinvoinnin muutoksen suuntaa ei voida päätellä LP -indeksin avulla. Oletetaan seuraavaksi, että p 0 X 0 p 0 X 1, (22) jolloin kuluttajalle pätee X 0 X 1 (kuluttaja voisi hetkellä 0 valita myös X 1 :n). Kaava (22) voidaan myös esittää muodossa, Kerrotaan (23) puolittain M 1 p 1 X 1 > 0:llä, 1 p 0 X 0 1 p 0 X 1. (23) M 1 M 0 p 1 X 1 p 0 X 0 p 1 X 1 p 0 X 1 P P, (24) missä P P :llä merkitään Paaschen hintaindeksiä. Siinä yksikköhintojen muutosta p 0 p 1 painotetaan kuluttajan hetken 1 kulutusvalinnalla, ja näin laskettujen menojen muutosta verrataan varojen (tulojen) muutokseen. Jos yllä oleva epäyhtälö toteutuu, kuluttajan hyvinvointi on heikentynyt lähtötilanteeseen verrattuna. Jos epäyhtälön merkki kaavassa (24) on päinvastainen, kuluttajan hyvinvoinnin muutoksen suuntaa ei voida päätellä P P - indeksin avulla. Yo. hintaindeksien avulla ei siis aina voida päätellä, mihin suuntaan kuluttajan hyvinvointi muuttuu yksikköhintojen ja tulojen muuttuessa, sillä kuluttajan preferenssit vaikuttavat asiaan. Yksittäistä kuluttajaa tarkastelemalla ei myöskään voida päätellä koko väestön hyvinvoinnin muutoksen suuntaa, sillä hintamuutokset kohtelevat ihmisiä eri tavoilla riippuen heidän preferensseistään. Käyttämällä esimerkiksi kuluttajahintaindeksin mukaisia eri hyödykkeiden meno-osuuksia yksikköhintojen painoina, saadaan muodostettua keskimääräisen kuluttajan menojen muutosta kuvaava suhdeluku. Koko väestön hyvinvoinnin muutoksen suuntaa voidaan tämän jälkeen arvioida vertaamalla tätä suhdelukua kuluttajien keskimääräiseen käyt. ol. varojen (tulojen) suhdelukuun. 18

1 Komparatiivinen statiikka ja implisiittifunktiolause

1 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

Lisätiedot

1 Rajoittamaton optimointi

1 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

Lisätiedot

Luento 9: Yhtälörajoitukset optimoinnissa

Luento 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

Lisätiedot

Luento 8: Epälineaarinen optimointi

Luento 8: Epälineaarinen optimointi Luento 8: Epälineaarinen optimointi Vektoriavaruus R n R n on kaikkien n-jonojen x := (x,..., x n ) joukko. Siis R n := Määritellään nollavektori 0 = (0,..., 0). Reaalisten m n-matriisien joukkoa merkitään

Lisätiedot

Matematiikan tukikurssi

Matematiikan 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

Lisätiedot

MS-A0204 Differentiaali- ja integraalilaskenta 2 (ELEC2) Luento 6: Ääriarvojen luokittelu. Lagrangen kertojat.

MS-A0204 Differentiaali- ja integraalilaskenta 2 (ELEC2) Luento 6: Ääriarvojen luokittelu. Lagrangen kertojat. MS-A0204 Differentiaali- ja integraalilaskenta 2 (ELEC2) Luento 6: Ääriarvojen luokittelu. Lagrangen kertojat. Antti Rasila Matematiikan ja systeemianalyysin laitos Aalto-yliopisto Kevät 2016 Antti Rasila

Lisätiedot

2 Osittaisderivaattojen sovelluksia

2 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

Lisätiedot

Luento 8: Epälineaarinen optimointi

Luento 8: Epälineaarinen optimointi Luento 8: Epälineaarinen optimointi Vektoriavaruus R n R n on kaikkien n-jonojen x := (x,..., x n ) joukko. Siis R n := Määritellään nollavektori = (,..., ). Reaalisten m n-matriisien joukkoa merkitään

Lisätiedot

1 Rajoitettu optimointi I

1 Rajoitettu optimointi I Taloustieteen mat.menetelmät 2017 materiaali II-1 1 Rajoitettu optimointi I 1.1 Tarvittavaa osaamista Matriisit ja vektorit, matriisien de niittisyys Derivointi (mm. ketjusääntö, Taylorin kehitelmä) Implisiittifunktiolause

Lisätiedot

12. Hessen matriisi. Ääriarvoteoriaa

12. Hessen matriisi. Ääriarvoteoriaa 179 12. Hessen matriisi. Ääriarvoteoriaa Tarkastelemme tässä luvussa useamman muuttujan (eli vektorimuuttujan) n reaaliarvoisia unktioita : R R. Edellisessä luvussa todettiin, että riittävän säännöllisellä

Lisätiedot

1. Etsi seuraavien funktioiden kriittiset pisteet ja tutki niiden laatu: (a.) f(x,y) = 20x 2 +10xy +5y 2 (b.) f(x,y) = 4x 2 2y 2 xy +x+2y +100

1. Etsi seuraavien funktioiden kriittiset pisteet ja tutki niiden laatu: (a.) f(x,y) = 20x 2 +10xy +5y 2 (b.) f(x,y) = 4x 2 2y 2 xy +x+2y +100 HARJOITUS, RATKAISUEHDOTUKSET, YLE 07.. Etsi seuraavien funktioiden kriittiset pisteet ja tutki niiden laatu: (a.) f(x,y) = 0x +0xy +5y (b.) f(x,y) = 4x y xy +x+y +00 (a.) Funktion kriittiset pisteet ratkaisevat

Lisätiedot

Lineaarikombinaatio, lineaarinen riippuvuus/riippumattomuus

Lineaarikombinaatio, lineaarinen riippuvuus/riippumattomuus Lineaarikombinaatio, lineaarinen riippuvuus/riippumattomuus 1 / 51 Lineaarikombinaatio Johdattelua seuraavaan asiaan (ei tarkkoja määritelmiä): Millaisen kuvan muodostaa joukko {λv λ R, v R 3 }? Millaisen

Lisätiedot

, on säännöllinen 2-ulotteinen pinta. Määrää T x0 pisteessä x 0 = (0, 1, 1).

, 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

Lisätiedot

Sekalaiset tehtävät, 11. syyskuuta 2005, sivu 1 / 13. Tehtäviä

Sekalaiset tehtävät, 11. syyskuuta 2005, sivu 1 / 13. Tehtäviä Sekalaiset tehtävät, 11. syyskuuta 005, sivu 1 / 13 Tehtäviä Tehtävä 1. Johda toiseen asteen yhtälön ax + bx + c = 0, a 0 ratkaisukaava. Tehtävä. Määrittele joukon A R pienin yläraja sup A ja suurin alaraja

Lisätiedot

Harjoitus 7: vastausvihjeet

Harjoitus 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.

Lisätiedot

Lineaariavaruudet. Span. Sisätulo. Normi. Matriisinormit. Matriisinormit. aiheita. Aiheet. Reaalinen lineaariavaruus. Span. Sisätulo.

Lineaariavaruudet. Span. Sisätulo. Normi. Matriisinormit. Matriisinormit. aiheita. Aiheet. Reaalinen lineaariavaruus. Span. Sisätulo. Lineaariavaruudet aiheita 1 määritelmä Nelikko (L, R, +, ) on reaalinen (eli reaalinen vektoriavaruus), jos yhteenlasku L L L, ( u, v) a + b ja reaaliluvulla kertominen R L L, (λ, u) λ u toteuttavat seuraavat

Lisätiedot

MS-A0205/MS-A0206 Differentiaali- ja integraalilaskenta 2 Luento 6: Ääriarvojen luokittelu. Lagrangen kertojat.

MS-A0205/MS-A0206 Differentiaali- ja integraalilaskenta 2 Luento 6: Ääriarvojen luokittelu. Lagrangen kertojat. MS-A0205/MS-A0206 Differentiaali- ja integraalilaskenta 2 Luento 6: Ääriarvojen luokittelu. Lagrangen kertojat. Jarmo Malinen Matematiikan ja systeemianalyysin laitos 1 Aalto-yliopisto Kevät 2016 1 Perustuu

Lisätiedot

3 Lineaariset yhtälöryhmät ja Gaussin eliminointimenetelmä

3 Lineaariset yhtälöryhmät ja Gaussin eliminointimenetelmä 3 Lineaariset yhtälöryhmät ja Gaussin eliminointimenetelmä Lineaarinen m:n yhtälön yhtälöryhmä, jossa on n tuntematonta x 1,, x n on joukko yhtälöitä, jotka ovat muotoa a 11 x 1 + + a 1n x n = b 1 a 21

Lisätiedot

= 2±i2 7. x 2 = 0, 1 x 2 = 0, 1+x 2 = 0.

= 2±i2 7. x 2 = 0, 1 x 2 = 0, 1+x 2 = 0. HARJOITUS 1, RATKAISUEHDOTUKSET, YLE11 2017. 1. Ratkaise (a.) 2x 2 16x 40 = 0 (b.) 4x 2 2x+2 = 0 (c.) x 2 (1 x 2 )(1+x 2 ) = 0 (d.) lnx a = b. (a.) Toisen asteen yhtälön ratkaisukaavalla: x = ( 16)± (

Lisätiedot

Malliratkaisut Demot

Malliratkaisut 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

Lisätiedot

3 Lineaariset yhtälöryhmät ja Gaussin eliminointimenetelmä

3 Lineaariset yhtälöryhmät ja Gaussin eliminointimenetelmä 1 3 Lineaariset yhtälöryhmät ja Gaussin eliminointimenetelmä Lineaarinen m:n yhtälön yhtälöryhmä, jossa on n tuntematonta x 1,, x n on joukko yhtälöitä, jotka ovat muotoa a 11 x 1 + + a 1n x n = b 1 a

Lisätiedot

2 Konveksisuus ja ratkaisun olemassaolo

2 Konveksisuus ja ratkaisun olemassaolo 2 Konveksisuus ja ratkaisun olemassaolo Ratkaisun olemassaolon tutkimiseen tarvitaan perustietoja konvekseista joukoista ja lineaarialgebrasta. Niitä tarvitaan myös ratkaisualgoritmin ymmärtämiseen. Tutkitaan

Lisätiedot

min x x2 2 x 1 + x 2 1 = 0 (1) 2x1 1, h = f = 4x 2 2x1 + v = 0 4x 2 + v = 0 min x x3 2 x1 = ± v/3 = ±a x 2 = ± v/3 = ±a, a > 0 0 6x 2

min x x2 2 x 1 + x 2 1 = 0 (1) 2x1 1, h = f = 4x 2 2x1 + v = 0 4x 2 + v = 0 min x x3 2 x1 = ± v/3 = ±a x 2 = ± v/3 = ±a, a > 0 0 6x 2 TEKNILLINEN KORKEAKOULU Systeemianalyysin laboratorio Mat-39 Optimointioppi Kimmo Berg 6 harjoitus - ratkaisut min x + x x + x = () x f = 4x, h = x 4x + v = { { x + v = 4x + v = x = v/ x = v/4 () v/ v/4

Lisätiedot

Kuluttajan valinta ja kysyntä. Viime kerralta. Onko helppoa ja selvää? Mitä tänään opitaan?

Kuluttajan valinta ja kysyntä. Viime kerralta. Onko helppoa ja selvää? Mitä tänään opitaan? 6..00 Viime kerralta Kuluttajan valinta ja kysyntä Y56 Luento 3 5..00 Preferenssit valintojen arvostus, järjestäminen Indifferenssikäyrät Rajakorvattavuussuhde Hyöty Hyötyfunktiot Rajahyöty Onko heloa

Lisätiedot

f(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

f(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:

Lisätiedot

Antti Rasila. Kevät Matematiikan ja systeemianalyysin laitos Aalto-yliopisto. Antti Rasila (Aalto-yliopisto) MS-A0204 Kevät / 16

Antti Rasila. Kevät Matematiikan ja systeemianalyysin laitos Aalto-yliopisto. Antti Rasila (Aalto-yliopisto) MS-A0204 Kevät / 16 MS-A0204 Differentiaali- ja integraalilaskenta 2 (ELEC2) Luento 5: Gradientti ja suunnattu derivaatta. Vektoriarvoiset funktiot. Taylor-approksimaatio. Antti Rasila Matematiikan ja systeemianalyysin laitos

Lisätiedot

1 Kertaus. Lineaarinen optimointitehtävä on muotoa:

1 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

MS-A0207 Differentiaali- ja integraalilaskenta 2 Luento 5: Gradientti ja suunnattu derivaatta. Vektoriarvoiset funktiot. Taylor-approksimaatio.

MS-A0207 Differentiaali- ja integraalilaskenta 2 Luento 5: Gradientti ja suunnattu derivaatta. Vektoriarvoiset funktiot. Taylor-approksimaatio. MS-A0207 Differentiaali- ja integraalilaskenta 2 Luento 5: Gradientti ja suunnattu derivaatta. Vektoriarvoiset funktiot. Taylor-approksimaatio. Riikka Korte Matematiikan ja systeemianalyysin laitos 1 Aalto-yliopisto

Lisätiedot

IV. TASAINEN SUPPENEMINEN. f(x) = lim. jokaista ε > 0 ja x A kohti n ε,x N s.e. n n

IV. TASAINEN SUPPENEMINEN. f(x) = lim. jokaista ε > 0 ja x A kohti n ε,x N s.e. n n IV. TASAINEN SUPPENEMINEN IV.. Funktiojonon tasainen suppeneminen Olkoon A R joukko ja f n : A R funktio, n =, 2, 3,..., jolloin jokaisella x A muodostuu lukujono f x, f 2 x,.... Jos tämä jono suppenee

Lisätiedot

Matematiikan tukikurssi

Matematiikan tukikurssi Matematiikan tukikurssi Kurssikerta 8 1 Suunnattu derivaatta Aluksi tarkastelemme vektoreita, koska ymmärrys vektoreista helpottaa alla olevien asioiden omaksumista. Kun liikutaan tasossa eli avaruudessa

Lisätiedot

Matematiikan tukikurssi, kurssikerta 3

Matematiikan tukikurssi, kurssikerta 3 Matematiikan tukikurssi, kurssikerta 3 1 Epäyhtälöitä Aivan aluksi lienee syytä esittää luvun itseisarvon määritelmä: { x kun x 0 x = x kun x < 0 Siispä esimerkiksi 10 = 10 ja 10 = 10. Seuraavaksi listaus

Lisätiedot

Mikrotalousteoria 2, 2008, osa I

Mikrotalousteoria 2, 2008, osa I Mikrotalousteoria 2, 2008, osa I Kirjallisuus (soveltuvin osin): 1) Gravelle & Rees: Microeconomics 2) Estola: Kansantaloustieteen perusteet 3) Chiang: Fundamental methods of Mathematical Economics 4)

Lisätiedot

Kuva 1: Funktion f tasa-arvokäyriä. Ratkaisu. Suurin kasvunopeus on gradientin suuntaan. 6x 0,2

Kuva 1: Funktion f tasa-arvokäyriä. Ratkaisu. Suurin kasvunopeus on gradientin suuntaan. 6x 0,2 HY / Matematiikan ja tilastotieteen laitos Vektorianalyysi I, syksy 018 Harjoitus Ratkaisuehdotukset Tehtävä 1. Olkoon f : R R f(x 1, x ) = x 1 + x Olkoon C R. Määritä tasa-arvojoukko Sf(C) = {(x 1, x

Lisätiedot

Luento 11: Rajoitusehdot. Ulkopistemenetelmät

Luento 11: Rajoitusehdot. Ulkopistemenetelmät Luento 11: Rajoitusehdot. Ulkopistemenetelmät ja sisäpistemenetelmät Lagrangen välttämättömien ehtojen ratkaiseminen Newtonin menetelmällä Jos tehtävässä on vain yhtälörajoituksia, voidaan minimipistekandidaatteja

Lisätiedot

b 1. b m ) + ( 2b Ax) + (b b)

b 1. b m ) + ( 2b Ax) + (b b) TEKNILLINEN KORKEAKOULU Systeemianalyysin laboratorio Mat-9 Optimointioppi Kimmo Berg 5 harjoitus - ratkaisut min Ax b (vertaa PNS-tehtävät) a x + + a n x n a) Ax b = a m x + + a mn x n = x a a m }{{}

Lisätiedot

BM20A0900, Matematiikka KoTiB3

BM20A0900, Matematiikka KoTiB3 BM20A0900, Matematiikka KoTiB3 Luennot: Matti Alatalo Oppikirja: Kreyszig, E.: Advanced Engineering Mathematics, 8th Edition, John Wiley & Sons, 1999, luvut 1 4. 1 Sisältö Ensimmäisen kertaluvun differentiaaliyhtälöt

Lisätiedot

Derivaatat lasketaan komponenteittain, esimerkiksi E 1 E 2

Derivaatat lasketaan komponenteittain, esimerkiksi E 1 E 2 MS-C50 Osittaisdifferentiaaliyhtälöt Harjoitukset syksy 07. Oletetaan että vektorikenttä E E E E : R R on kaksi kertaa jatkuvasti derivoituva E C R. Näytä että E E. Derivaatat lasketaan komponenteittain

Lisätiedot

I I K UL U UT U T T A T JANTE T O E R O I R A

I I K UL U UT U T T A T JANTE T O E R O I R A II KULUTTAJANTEORIA.. Budjettirajoite * Ihmisten kaikkea toimintaa rajoittavat erilaiset rajoitteet. * Mikrotalouden kurssilla tärkein rajoite on raha. * Kuluttaja maksimoi hyötyään, mutta ei kykene toteuttamaan

Lisätiedot

Oletetaan ensin, että tangenttitaso on olemassa. Nyt pinnalla S on koordinaattiesitys ψ, jolle pätee että kaikilla x V U

Oletetaan ensin, että tangenttitaso on olemassa. Nyt pinnalla S on koordinaattiesitys ψ, jolle pätee että kaikilla x V U HY / Matematiikan ja tilastotieteen laitos Vektorianalyysi II, syksy 018 Harjoitus 4 Ratkaisuehdotukset Tehtävä 1. Olkoon U R avoin joukko ja ϕ = (ϕ 1, ϕ, ϕ 3 ) : U R 3 kaksiulotteisen C 1 -alkeispinnan

Lisätiedot

MS-A0207 Differentiaali- ja integraalilaskenta 2 (Chem) Tentti ja välikokeiden uusinta

MS-A0207 Differentiaali- ja integraalilaskenta 2 (Chem) Tentti ja välikokeiden uusinta MS-A0207 Differentiaali- ja integraalilaskenta 2 (Chem) Tentti ja välikokeiden uusinta 8..206 Gripenberg, Nieminen, Ojanen, Tiilikainen, Weckman Kirjoita jokaiseen koepaperiin nimesi, opiskelijanumerosi

Lisätiedot

1 Rajoitettu optimointi II - kustannusfunktio, Lagrangen kertoimet varjohintoina

1 Rajoitettu optimointi II - kustannusfunktio, Lagrangen kertoimet varjohintoina Taloustieteen mat.menetelmät syksy27 materiaali II-2 Rajoitettu optimointi II - kustannusfunktio, Lagrangen kertoimet varjohintoina. Tuotanto Yritys valmistaa yhtä tuotetta n:stä tuotannontekijästä/panoksesta

Lisätiedot

Matemaattinen Analyysi / kertaus

Matemaattinen Analyysi / kertaus Matemaattinen Analyysi / kertaus Ensimmäinen välikoe o { 2x + 3y 4z = 2 5x 2y + 5z = 7 ( ) x 2 3 4 y = 5 2 5 z ) ( 3 + y 2 ( 2 x 5 ( 2 7 ) ) ( 4 + z 5 ) = ( 2 7 ) yhteys determinanttiin Yhtälöryhmän ratkaiseminen

Lisätiedot

a) on lokaali käänteisfunktio, b) ei ole. Piirrä näiden pisteiden ympäristöön asetetun neliöruudukon kuva. VASTAUS:

a) on lokaali käänteisfunktio, b) ei ole. Piirrä näiden pisteiden ympäristöön asetetun neliöruudukon kuva. VASTAUS: 6. Käänteiskuvaukset ja implisiittifunktiot 6.1. Käänteisfunktion olemassaolo 165. Määritä jokin piste, jonka ympäristössä funktiolla f : R 2 R 2, f (x,y) = (ysinx, x + y + 1) a) on lokaali käänteisfunktio,

Lisätiedot

Piiri K 1 K 2 K 3 K 4 R R

Piiri K 1 K 2 K 3 K 4 R R Lineaarinen optimointi vastaus, harj 1, Syksy 2016. 1. Teollisuuslaitos valmistaa piirejä R 1 ja R 2, joissa on neljää eri komponenttia seuraavat määrät: Piiri K 1 K 2 K 3 K 4 R 1 3 1 2 2 R 2 4 2 3 0 Päivittäistä

Lisätiedot

Käänteismatriisi 1 / 14

Käänteismatriisi 1 / 14 1 / 14 Jokaisella nollasta eroavalla reaaliluvulla on käänteisluku, jolla kerrottaessa tuloksena on 1. Seuraavaksi tarkastellaan vastaavaa ominaisuutta matriiseille ja määritellään käänteismatriisi. Jokaisella

Lisätiedot

r > y x z x = z y + y x z y + y x = r y x + y x = r

r > y x z x = z y + y x z y + y x = r y x + y x = r HY / Matematiikan ja tilastotieteen laitos Vektorianalyysi I, syksy 018 Harjoitus Ratkaisuehdotukset Tehtävä 1. Osoita, että avoin kuula on avoin joukko ja suljettu kuula on suljettu joukko. Ratkaisu.

Lisätiedot

1 Lineaariavaruus eli Vektoriavaruus

1 Lineaariavaruus eli Vektoriavaruus 1 Lineaariavaruus eli Vektoriavaruus 1.1 Määritelmä ja esimerkkejä Olkoon K kunta, jonka nolla-alkio on 0 ja ykkösalkio on 1 sekä V epätyhjä joukko. Oletetaan, että joukossa V on määritelty laskutoimitus

Lisätiedot

w + x + y + z =4, wx + wy + wz + xy + xz + yz =2, wxy + wxz + wyz + xyz = 4, wxyz = 1.

w + x + y + z =4, wx + wy + wz + xy + xz + yz =2, wxy + wxz + wyz + xyz = 4, wxyz = 1. Kotitehtävät, tammikuu 2011 Vaikeampi sarja 1. Ratkaise yhtälöryhmä w + x + y + z =4, wx + wy + wz + xy + xz + yz =2, wxy + wxz + wyz + xyz = 4, wxyz = 1. Ratkaisu. Yhtälöryhmän ratkaisut (w, x, y, z)

Lisätiedot

Talousmatematiikan perusteet: Luento 14. Rajoittamaton optimointi Hessen matriisi Ominaisarvot Ääriarvon laadun tarkastelu

Talousmatematiikan perusteet: Luento 14. Rajoittamaton optimointi Hessen matriisi Ominaisarvot Ääriarvon laadun tarkastelu Talousmatematiikan perusteet: Luento 14 Rajoittamaton optimointi Hessen matriisi Ominaisarvot Ääriarvon laadun tarkastelu Luennolla 6 Tarkastelimme yhden muuttujan funktion f(x) rajoittamatonta optimointia

Lisätiedot

=p(x) + p(y), joten ehto (N1) on voimassa. Jos lisäksi λ on skalaari, niin

=p(x) + p(y), joten ehto (N1) on voimassa. Jos lisäksi λ on skalaari, niin FUNKTIONAALIANALYYSI, RATKAISUT 1 KEVÄT 211, (AP) 1. Ovatko seuraavat reaaliarvoiset funktiot p : R 3 R normeja? Ovatko ne seminormeja? ( x = (x 1, x 2, x 3 ) R 3 ) a) p(x) := x 2 1 + x 2 2 + x 2 3, b)

Lisätiedot

ja nyt tässä tapauksessa a = 1, b=4 ja c= -5, ja x:n paikalle ajattelemme P:n.

ja nyt tässä tapauksessa a = 1, b=4 ja c= -5, ja x:n paikalle ajattelemme P:n. Harjoitukset 2, vastauksia. Ilmoittakaa virheistä ja epäselvyyksistä! 1. b (kysyntäkäyrä siirtyy vasemmalle) 2. c (kysyntäkäyrä siirtyy oikealle) 3. ei mikään edellisistä; oikea vastaus olisi p 2

Lisätiedot

Ellipsoidimenetelmä. Samuli Leppänen Kokonaislukuoptimointi. S ysteemianalyysin Laboratorio

Ellipsoidimenetelmä. Samuli Leppänen Kokonaislukuoptimointi. S ysteemianalyysin Laboratorio Ellipsoidimenetelmä Kokonaislukuoptimointi Sovelletun matematiikan lisensiaattiseminaari Kevät 2008 / 1 Sisällys Ellipsoidimenetelmän geometrinen perusta ja menetelmän idea Formaali ellipsoidimenetelmä

Lisätiedot

Malliratkaisut Demot

Malliratkaisut 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

Lisätiedot

1 + b t (i, j). Olkoon b t (i, j) todennäköisyys, että B t (i, j) = 1. Siis operaation access(j) odotusarvoinen kustannus ajanhetkellä t olisi.

1 + b t (i, j). Olkoon b t (i, j) todennäköisyys, että B t (i, j) = 1. Siis operaation access(j) odotusarvoinen kustannus ajanhetkellä t olisi. Algoritmien DP ja MF vertaileminen tapahtuu suoraviivaisesti kirjoittamalla kummankin leskimääräinen kustannus eksplisiittisesti todennäköisyyksien avulla. Lause T MF ave = 1 + 2 1 i

Lisätiedot

Demo 1: Simplex-menetelmä

Demo 1: Simplex-menetelmä MS-C2105 Optimoinnin perusteet Malliratkaisut 3 Ehtamo Demo 1: Simplex-menetelmä Muodosta lineaarisen tehtävän standardimuoto ja ratkaise tehtävä taulukkomuotoisella Simplex-algoritmilla. max 5x 1 + 4x

Lisätiedot

läheisyydessä. Piirrä funktio f ja nämä approksimaatiot samaan kuvaan. Näyttääkö järkeenkäyvältä?

läheisyydessä. Piirrä funktio f ja nämä approksimaatiot samaan kuvaan. Näyttääkö järkeenkäyvältä? BM20A5840 - Usean muuttujan funktiot ja sarjat Harjoitus 1, Kevät 2017 1. Tunnemme vektorit a = [ 1 2 3 ] ja b = [ 2 1 2 ]. Laske (i) kummankin vektorin pituus (eli itseisarvo, eli normi); (ii) vektorien

Lisätiedot

2. Teoriaharjoitukset

2. Teoriaharjoitukset 2. Teoriaharjoitukset Demotehtävät 2.1 Todista Gauss-Markovin lause. Ratkaisu. Oletetaan että luentokalvojen standardioletukset (i)-(v) ovat voimassa. Huomaa että Gauss-Markovin lause ei vaadi virhetermien

Lisätiedot

Talousmatematiikan perusteet: Luento 15. Rajoitettu optimointi Lagrangen menetelmä Lagrangen kerroin ja varjohinta

Talousmatematiikan perusteet: Luento 15. Rajoitettu optimointi Lagrangen menetelmä Lagrangen kerroin ja varjohinta Talousmatematiikan perusteet: Luento 15 Rajoitettu optimointi Lagrangen menetelmä Lagrangen kerroin ja varjohinta Viime luennolla Tarkastelimme usean muuttujan funktioiden rajoittamatonta optimointia:

Lisätiedot

Lineaarinen optimointi. Harjoitus 6-7, Olkoon A R m n, x, c R ja b R m. Osoita, että LP-tehtävän. c T x = min!

Lineaarinen optimointi. Harjoitus 6-7, Olkoon A R m n, x, c R ja b R m. Osoita, että LP-tehtävän. c T x = min! Lineaarinen optimointi Harjoitus 6-7, 016. 1. Olkoon A R m n, x, c R ja b R m. Osoita, että LP-tehtävän c T x = min! (T) Ax b x 0 duaalitehtävän duaali on tehtävä (T). Ratkaisu. (P) c T x = min! Ax b x

Lisätiedot

Differentiaali- ja integraalilaskenta 2 (CHEM) MS-A0207 Hakula/Vuojamo Kurssitentti, 12.2, 2018, arvosteluperusteet

Differentiaali- ja integraalilaskenta 2 (CHEM) MS-A0207 Hakula/Vuojamo Kurssitentti, 12.2, 2018, arvosteluperusteet ifferentiaali- ja integraalilaskenta 2 (CHEM) MS-A27 Hakula/Vuojamo Kurssitentti, 2.2, 28, arvosteluperusteet T Moniosaisten tehtävien osien painoarvo on sama ellei muuta ole erikseen osoitettu. Kokeessa

Lisätiedot

MS-A0204 Differentiaali- ja integraalilaskenta 2 (ELEC2) Luento 7: Pienimmän neliösumman menetelmä ja Newtonin menetelmä.

MS-A0204 Differentiaali- ja integraalilaskenta 2 (ELEC2) Luento 7: Pienimmän neliösumman menetelmä ja Newtonin menetelmä. MS-A0204 Differentiaali- ja integraalilaskenta 2 (ELEC2) Luento 7: Pienimmän neliösumman menetelmä ja Newtonin menetelmä. Antti Rasila Matematiikan ja systeemianalyysin laitos Aalto-yliopisto Kevät 2016

Lisätiedot

Mat-2.148 Dynaaminen optimointi, mallivastaukset, kierros 5

Mat-2.148 Dynaaminen optimointi, mallivastaukset, kierros 5 Mat-2.148 Dynaaminen optimointi, mallivastaukset, kierros 5 1. Kotitehtävä. 2. Lasketaan aluksi korkoa korolle. Jos korkoprosentti on r, ja korko maksetaan n kertaa vuodessa t vuoden ajan, niin kokonaisvuosikorko

Lisätiedot

Liittomatriisi. Liittomatriisi. Määritelmä 16 Olkoon A 2 M(n, n). Matriisin A liittomatriisi on cof A 2 M(n, n), missä. 1) i+j det A ij.

Liittomatriisi. Liittomatriisi. Määritelmä 16 Olkoon A 2 M(n, n). Matriisin A liittomatriisi on cof A 2 M(n, n), missä. 1) i+j det A ij. Liittomatriisi Määritelmä 16 Olkoon A 2 M(n, n). Matriisin A liittomatriisi on cof A 2 M(n, n), missä (cof A) ij =( 1) i+j det A ij kaikilla i, j = 1,...,n. Huomautus 8 Olkoon A 2 M(n, n). Tällöin kaikilla

Lisätiedot

Duaalisuus kokonaislukuoptimoinnissa. Mat , Sovelletun matematiikan tutkijaseminaari, kevät 2008, Janne Karimäki

Duaalisuus kokonaislukuoptimoinnissa. Mat , Sovelletun matematiikan tutkijaseminaari, kevät 2008, Janne Karimäki Duaalisuus kokonaislukuoptimoinnissa Mat-2.4191, Sovelletun matematiikan tutkijaseminaari, kevät 2008, Janne Karimäki Sisältö Duaalisuus binäärisissä optimointitehtävissä Lagrangen duaalisuus Lagrangen

Lisätiedot

Lineaarialgebra ja matriisilaskenta II. LM2, Kesä /141

Lineaarialgebra ja matriisilaskenta II. LM2, Kesä /141 Lineaarialgebra ja matriisilaskenta II LM2, Kesä 2012 1/141 Kertausta: avaruuden R n vektorit Määritelmä Oletetaan, että n {1, 2, 3,...}. Avaruuden R n alkiot ovat jonoja, joissa on n kappaletta reaalilukuja.

Lisätiedot

802320A LINEAARIALGEBRA OSA I

802320A LINEAARIALGEBRA OSA I 802320A LINEAARIALGEBRA OSA I Tapani Matala-aho MATEMATIIKKA/LUTK/OULUN YLIOPISTO SYKSY 2016 LINEAARIALGEBRA 1 / 72 Määritelmä ja esimerkkejä Olkoon K kunta, jonka nolla-alkio on 0 ja ykkösalkio on 1 sekä

Lisätiedot

Kuluttajan teoriaa tähän asti. Luento 6. Hyötyfunktion ja indifferenssikäyrien yhteys. Kuluttajan hyöty. Laajennuksia. Kuluttajan ylijäämä

Kuluttajan teoriaa tähän asti. Luento 6. Hyötyfunktion ja indifferenssikäyrien yhteys. Kuluttajan hyöty. Laajennuksia. Kuluttajan ylijäämä Kuluttajan teoriaa tähän asti Valintojen tekemistä niukkuuden vallitessa - Tavoitteen optimointia rajoitteella Luento 6 Kuluttajan ylijäämä 8.2.2010 Budjettirajoite (, ) hyödykeavaruudessa - Kulutus =

Lisätiedot

802118P Lineaarialgebra I (4 op)

802118P Lineaarialgebra I (4 op) 802118P Lineaarialgebra I (4 op) Tero Vedenjuoksu Oulun yliopisto Matemaattisten tieteiden laitos 2012 Lineaarialgebra I Yhteystiedot: Tero Vedenjuoksu tero.vedenjuoksu@oulu.fi Työhuone M206 Kurssin kotisivu

Lisätiedot

Kulutus. Kulutus. Antti Ripatti. Helsingin yliopisto, HECER, Suomen Pankki Antti Ripatti (HECER) Kulutus

Kulutus. Kulutus. Antti Ripatti. Helsingin yliopisto, HECER, Suomen Pankki Antti Ripatti (HECER) Kulutus Kulutus Antti Ripatti Helsingin yliopisto, HECER, Suomen Pankki 13.11.2013 Antti Ripatti (HECER) Kulutus 13.11.2013 1 / 11 Indifferenssikäyrät ja kuluttajan teoria Tarkastellaan edustavaa kotitaloutta.

Lisätiedot

VEKTORIANALYYSIN HARJOITUKSET: VIIKKO 4

VEKTORIANALYYSIN HARJOITUKSET: VIIKKO 4 VEKTORIANALYYSIN HARJOITUKSET: VIIKKO 4 Jokaisen tehtävän jälkeen on pieni kommentti tehtävään liittyen Nämä eivät sisällä mitään kovin kriittistä tietoa tehtävään liittyen, joten niistä ei tarvitse välittää

Lisätiedot

Vapaus. Määritelmä. jos c 1 v 1 + c 2 v c k v k = 0 joillakin c 1,..., c k R, niin c 1 = 0, c 2 = 0,..., c k = 0.

Vapaus. Määritelmä. jos c 1 v 1 + c 2 v c k v k = 0 joillakin c 1,..., c k R, niin c 1 = 0, c 2 = 0,..., c k = 0. Vapaus Määritelmä Oletetaan, että v 1, v 2,..., v k R n, missä n {1, 2,... }. Vektorijono ( v 1, v 2,..., v k ) on vapaa eli lineaarisesti riippumaton, jos seuraava ehto pätee: jos c 1 v 1 + c 2 v 2 +

Lisätiedot

Numeeriset menetelmät TIEA381. Luento 5. Kirsi Valjus. Jyväskylän yliopisto. Luento 5 () Numeeriset menetelmät / 28

Numeeriset menetelmät TIEA381. Luento 5. Kirsi Valjus. Jyväskylän yliopisto. Luento 5 () Numeeriset menetelmät / 28 Numeeriset menetelmät TIEA381 Luento 5 Kirsi Valjus Jyväskylän yliopisto Luento 5 () Numeeriset menetelmät 3.4.2013 1 / 28 Luennon 5 sisältö Luku 4: Ominaisarvotehtävistä Potenssiinkorotusmenetelmä QR-menetelmä

Lisätiedot

Kannan vektorit siis virittävät aliavaruuden, ja lisäksi kanta on vapaa. Lauseesta 7.6 saadaan seuraava hyvin käyttökelpoinen tulos:

Kannan vektorit siis virittävät aliavaruuden, ja lisäksi kanta on vapaa. Lauseesta 7.6 saadaan seuraava hyvin käyttökelpoinen tulos: 8 Kanta Tässä luvussa tarkastellaan aliavaruuden virittäjävektoreita, jotka muodostavat lineaarisesti riippumattoman jonon. Merkintöjen helpottamiseksi oletetaan luvussa koko ajan, että W on vektoreiden

Lisätiedot

Talousmatematiikan perusteet: Luento 13. Rajoittamaton optimointi Hessen matriisi Ominaisarvot ja vektorit Ääriarvon laadun tarkastelu

Talousmatematiikan perusteet: Luento 13. Rajoittamaton optimointi Hessen matriisi Ominaisarvot ja vektorit Ääriarvon laadun tarkastelu Talousmatematiikan perusteet: Luento 13 Rajoittamaton optimointi Hessen matriisi Ominaisarvot ja vektorit Ääriarvon laadun tarkastelu Viime luennolla Aloimme tarkastella yleisiä, usean muuttujan funktioita

Lisätiedot

Matematiikan tukikurssi

Matematiikan tukikurssi Matematiikan tukikurssi Kurssikerta 10 1 Lokaalit ääriarvot Yhden muuttujan funktion f (x) lokaali maksimi on piste x 0, jossa f (x) on suurempi kuin muualle pisteen x 0 ympäristössä, eli kun f (x 0 )

Lisätiedot

1 Ominaisarvot ja ominaisvektorit

1 Ominaisarvot ja ominaisvektorit 1 Ominaisarvot ja ominaisvektorit Olkoon A = [a jk ] n n matriisi. Tarkastellaan vektoriyhtälöä Ax = λx, (1) 1 missä λ on luku. Sellaista λ:n arvoa, jolla yhtälöllä on ratkaisu x 0, kutsutaan matriisin

Lisätiedot

Vektoreiden virittämä aliavaruus

Vektoreiden virittämä aliavaruus Vektoreiden virittämä aliavaruus Määritelmä Oletetaan, että v 1, v 2,... v k R n. Näiden vektoreiden virittämä aliavaruus span( v 1, v 2,... v k ) tarkoittaa kyseisten vektoreiden kaikkien lineaarikombinaatioiden

Lisätiedot

MS-A0104 Differentiaali- ja integraalilaskenta 1 (ELEC2) MS-A0106 Differentiaali- ja integraalilaskenta 1 (ENG2)

MS-A0104 Differentiaali- ja integraalilaskenta 1 (ELEC2) MS-A0106 Differentiaali- ja integraalilaskenta 1 (ENG2) MS-A4 Differentiaali- ja integraalilaskenta (ELEC2) MS-A6 Differentiaali- ja integraalilaskenta (ENG2) Harjoitukset 3L, syksy 27 Tehtävä. a) Määritä luvun π likiarvo käyttämällä Newtonin menetelmää yhtälölle

Lisätiedot

1 Matriisit ja lineaariset yhtälöryhmät

1 Matriisit ja lineaariset yhtälöryhmät 1 Matriisit ja lineaariset yhtälöryhmät 11 Yhtälöryhmä matriisimuodossa m n-matriisi sisältää mn kpl reaali- tai kompleksilukuja, jotka on asetetettu suorakaiteen muotoiseksi kaavioksi: a 11 a 12 a 1n

Lisätiedot

Lineaarikuvauksen R n R m matriisi

Lineaarikuvauksen R n R m matriisi Lineaarikuvauksen R n R m matriisi Lauseessa 21 osoitettiin, että jokaista m n -matriisia A vastaa lineaarikuvaus L A : R n R m, jolla L A ( v) = A v kaikilla v R n. Osoitetaan seuraavaksi käänteinen tulos:

Lisätiedot

5 Ominaisarvot ja ominaisvektorit

5 Ominaisarvot ja ominaisvektorit 5 Ominaisarvot ja ominaisvektorit Olkoon A = [a jk ] n n matriisi. Tarkastellaan vektoriyhtälöä Ax = λx, (1) missä λ on luku. Sellaista λ:n arvoa, jolla yhtälöllä on ratkaisu x 0, kutsutaan matriisin A

Lisätiedot

MS-A0207 Differentiaali- ja integraalilaskenta 2 (Chem) Yhteenveto, osa I

MS-A0207 Differentiaali- ja integraalilaskenta 2 (Chem) Yhteenveto, osa I MS-A0207 Differentiaali- ja integraalilaskenta 2 (Chem) Yhteenveto, osa I G. Gripenberg Aalto-yliopisto 21. tammikuuta 2016 G. Gripenberg (Aalto-yliopisto) MS-A0207 Differentiaali- ja integraalilaskenta

Lisätiedot

Tenttiin valmentavia harjoituksia

Tenttiin valmentavia harjoituksia Tenttiin valmentavia harjoituksia Alla olevissa harjoituksissa suluissa oleva sivunumero viittaa Juha Partasen kurssimonisteen siihen sivuun, jolta löytyy apua tehtävän ratkaisuun. Funktiot Harjoitus.

Lisätiedot

Matematiikan tukikurssi

Matematiikan tukikurssi Matematiikan tukikurssi Kurssikerta 10 1 Funktion monotonisuus Derivoituva funktio f on aidosti kasvava, jos sen derivaatta on positiivinen eli jos f (x) > 0. Funktio on aidosti vähenevä jos sen derivaatta

Lisätiedot

JYVÄSKYLÄN YLIOPISTO. 3. Luennon sisältö

JYVÄSKYLÄN YLIOPISTO. 3. Luennon sisältö JYVÄSKYLÄN YLIOPISTO 3. Luennon sisältö Lineaarisen optimointitehtävän sallittu alue Optimointitehtävien muunnoksia Lineaarisen yhtälöryhmän perusmuoto ja perusratkaisut Lineaarisen optimointitehtävän

Lisätiedot

Optimaalisuusehdot. Yleinen minimointitehtävä (NLP): min f(x) kun g i (x) 0 h j (x) = 0

Optimaalisuusehdot. Yleinen minimointitehtävä (NLP): min f(x) kun g i (x) 0 h j (x) = 0 Optimaalisuusehdot Yleinen minimointitehtävä (NLP): min f(x) kun g i (x) 0 h j (x) = 0 i = 1,..., m j = 1,..., l missä f : R n R, g i : R n R kaikilla i = 1,..., m, ja h j : R n R kaikilla j = 1,..., l

Lisätiedot

Talousmatematiikan perusteet: Luento 14. Rajoitettu optimointi Lagrangen menetelmä: yksi yhtälörajoitus Lagrangen menetelmä: monta yhtälörajoitusta

Talousmatematiikan perusteet: Luento 14. Rajoitettu optimointi Lagrangen menetelmä: yksi yhtälörajoitus Lagrangen menetelmä: monta yhtälörajoitusta Talousmatematiikan perusteet: Luento 14 Rajoitettu optimointi Lagrangen menetelmä: yksi yhtälörajoitus Lagrangen menetelmä: monta yhtälörajoitusta Viime luennolla Tarkastelimme usean muuttujan funktioiden

Lisätiedot

Tehtäväsarja I Tehtävät 1-5 perustuvat monisteen kappaleisiin ja tehtävä 6 kappaleeseen 2.8.

Tehtäväsarja I Tehtävät 1-5 perustuvat monisteen kappaleisiin ja tehtävä 6 kappaleeseen 2.8. HY, MTO / Matemaattisten tieteiden kandiohjelma Todennäköisyyslaskenta IIa, syksy 8 Harjoitus Ratkaisuehdotuksia Tehtäväsarja I Tehtävät -5 perustuvat monisteen kappaleisiin..7 ja tehtävä 6 kappaleeseen.8..

Lisätiedot

Diplomi-insinööri- ja arkkitehtikoulutuksen yhteisvalinta 2017 Insinöörivalinnan matematiikan koe , Ratkaisut (Sarja A)

Diplomi-insinööri- ja arkkitehtikoulutuksen yhteisvalinta 2017 Insinöörivalinnan matematiikan koe , Ratkaisut (Sarja A) Diplomi-insinööri- ja arkkitehtikoulutuksen yhteisvalinta 017 Insinöörivalinnan matematiikan koe 30..017, Ratkaisut (Sarja A) 1. a) Lukujen 9, 0, 3 ja x keskiarvo on. Määritä x. (1 p.) b) Mitkä reaaliluvut

Lisätiedot

f(x, y) = x 2 y 2 f(0, t) = t 2 < 0 < t 2 = f(t, 0) kaikilla t 0.

f(x, y) = x 2 y 2 f(0, t) = t 2 < 0 < t 2 = f(t, 0) kaikilla t 0. Ääriarvon laatu Jatkuvasti derivoituvan funktion f lokaali ääriarvokohta (x 0, y 0 ) on aina kriittinen piste (ts. f x (x, y) = f y (x, y) = 0, kun x = x 0 ja y = y 0 ), mutta kriittinen piste ei ole aina

Lisätiedot

Yhtälöryhmä matriisimuodossa. MS-A0004/A0006 Matriisilaskenta. Tarkastellaan esimerkkinä lineaarista yhtälöparia. 2x1 x 2 = 1 x 1 + x 2 = 5.

Yhtälöryhmä matriisimuodossa. MS-A0004/A0006 Matriisilaskenta. Tarkastellaan esimerkkinä lineaarista yhtälöparia. 2x1 x 2 = 1 x 1 + x 2 = 5. 2. MS-A4/A6 Matriisilaskenta 2. Nuutti Hyvönen, c Riikka Kangaslampi Matematiikan ja systeemianalyysin laitos Aalto-yliopisto 5.9.25 Tarkastellaan esimerkkinä lineaarista yhtälöparia { 2x x 2 = x + x 2

Lisätiedot

Ennakkotehtävän ratkaisu

Ennakkotehtävän ratkaisu Ennakkotehtävän ratkaisu Ratkaisu [ ] [ ] 1 3 4 3 A = ja B =. 1 4 1 1 [ ] [ ] 4 3 12 12 1 0 a) BA = =. 1 + 1 3 + 4 0 1 [ ] [ ] [ ] 1 0 x1 x1 b) (BA)x = =. 0 1 x 2 x [ ] [ ] [ 2 ] [ ] 4 3 1 4 9 5 c) Bb

Lisätiedot

MATEMATIIKAN ALKEET II (YE19B), SYKSY 2011

MATEMATIIKAN ALKEET II (YE19B), SYKSY 2011 MATEMATIIKAN ALKEET II (YE19B), SYKSY 011 Sisältö 1. Matriisin definiittisyys 1. Konkaavit ja konveksit funktiot 3 3. Ääriarvotehtävien toisen kertaluvun riittävät ehdot 7 3.1. Rajoittamaton ääriarvotehtävä

Lisätiedot

Diskreetin matematiikan perusteet Laskuharjoitus 2 / vko 9

Diskreetin matematiikan perusteet Laskuharjoitus 2 / vko 9 Diskreetin matematiikan perusteet Laskuharjoitus 2 / vko 9 Tuntitehtävät 9-10 lasketaan alkuviikon harjoituksissa ja tuntitehtävät 13-14 loppuviikon harjoituksissa. Kotitehtävät 11-12 tarkastetaan loppuviikon

Lisätiedot

Insinöörimatematiikka D

Insinöörimatematiikka D Insinöörimatematiikka D M. Hirvensalo mikhirve@utu.fi V. Junnila viljun@utu.fi Matematiikan ja tilastotieteen laitos Turun yliopisto 2015 M. Hirvensalo mikhirve@utu.fi V. Junnila viljun@utu.fi Luentokalvot

Lisätiedot

Luento 12: Duaalitehtävä. Tarkennuksia Lagrangen kertoimen tulkintaan. Hajautettu optimointi.

Luento 12: Duaalitehtävä. Tarkennuksia Lagrangen kertoimen tulkintaan. Hajautettu optimointi. Luento 12: Duaalitehtävä. Tarkennuksia Lagrangen kertoimen tulkintaan. Hajautettu optimointi. Konveksisuus Muista. + αd, α 0, on pisteessä R n alkava puolisuora, joka on vektorin d suuntainen. Samoin 2

Lisätiedot

5 Differentiaaliyhtälöryhmät

5 Differentiaaliyhtälöryhmät 5 Differentiaaliyhtälöryhmät 5.1 Taustaa ja teoriaa Differentiaaliyhtälöryhmiä tarvitaan useissa sovelluksissa. Toinen motivaatio yhtälöryhmien käytölle: Korkeamman asteen differentiaaliyhtälöt y (n) =

Lisätiedot

Matriisilaskenta, LH4, 2004, ratkaisut 1. Hae seuraavien R 4 :n aliavaruuksien dimensiot, jotka sisältävät vain

Matriisilaskenta, LH4, 2004, ratkaisut 1. Hae seuraavien R 4 :n aliavaruuksien dimensiot, jotka sisältävät vain Matriisilaskenta LH4 24 ratkaisut 1 Hae seuraavien R 4 :n aliavaruuksien dimensiot jotka sisältävät vain a) Kaikki muotoa (a b c d) olevat vektorit joilla d a + b b) Kaikki muotoa (a b c d) olevat vektorit

Lisätiedot

Matematiikan tukikurssi

Matematiikan tukikurssi Matematiikan tukikurssi Kurssikerta 8 1 Funktion kuperuussuunnat Derivoituva funktio f (x) on pisteessä x aidosti konveksi, jos sen toinen derivaatta on positiivinen f (x) > 0. Vastaavasti f (x) on aidosti

Lisätiedot