Opetusmonisteita. Luentoja kansantaloustieteen matemaattisista menetelmistä

Koko: px
Aloita esitys sivulta:

Download "Opetusmonisteita. Luentoja kansantaloustieteen matemaattisista menetelmistä"

Transkriptio

1 Opetusmonisteita Helsingin yliopiston kansantaloustieteen laitos Tapio Palokangas Luentoja kansantaloustieteen matemaattisista menetelmistä Syyslukukausi 2007

2

3 1 1 Determinantit 11 Mitä ovat determinantit? Determinantit ovat lukuja, joita käytetään mm matriisilaskenassa on matemaattisessa optimoinnissa Ne voidaan määritellä seuraavasti: Ensimmäisen asteen determinantti on a 11 = a 11, missä a 11 on luku Esimerkiksi 4 = 4 Huomautus: vaikka determinantteja merkitään pystytangoilla, niitä ei saa sekoittaa itseiarvoihin! Toisen asteen determinantti on a 11 a 12 a 21 a 22 = a 11a 22 a 12 a 21 Esimerkiksi = = 1 Kolmannen asteen determinantti voidaan kehittää minkä tahansa vaakatai pystyrivin avulla seuraavasti: 1 vaakarivi a 11 a 12 a 13 a 21 a 22 a 23 a 31 a 32 a 33 = a 11 a 22 a 23 a 32 a 33 a 12 a 21 a 23 a 31 a 33 + a 13 a 21 a 22 a 31 a 32 2 vaakarivi a 11 a 12 a 13 a 21 a 22 a 23 a 31 a 32 a 33 = a 21 a 12 a 13 a 32 a 33 + a 22 a 11 a 13 a 31 a 33 a 23 a 11 a 12 a 31 a 32 3 vaakarivi a 11 a 12 a 13 a 21 a 22 a 23 a 31 a 32 a 33 = a 31 a 12 a 13 a 22 a 23 a 32 a 11 a 13 a 21 a 23 + a 33 a 11 a 12 a 21 a 22 1 pystyrivi a 11 a 12 a 13 a 21 a 22 a 23 a 31 a 32 a 33 = a 11 a 22 a 23 a 32 a 33 a 21 a 12 a 13 a 32 a 33 + a 31 a 12 a 13 a 22 a 23 2 pystyrivi a 11 a 12 a 13 a 21 a 22 a 23 a 31 a 32 a 33 = a 12 a 21 a 23 a 31 a 33 + a 22 a 11 a 13 a 31 a 33 a 32 a 11 a 13 a 21 a 23

4 2 3 pystyrivi a 11 a 12 a 13 a 21 a 22 a 23 a 31 a 32 a 33 = a 13 a 21 a 22 a 31 a 32 a 23 a 11 a 12 a 31 a 32 + a 33 a 11 a 12 a 21 a 22 Kehitettäessä kunkin kertoimen a ij etumerkki on ( 1) i+j, missä i on vaaka- ja j pystyrivin järjestysnumero Esimerkiksi = = 3(1 8) 1(1 4) + 2(4 2) = 14 n:nnen asteen determinantti voidaan kehittää minkä tahansa vaaka- tai pystyrivin avulla seuraavasti: i:nnes vaakarivi a 11 a 12 a 1n a 21 a 22 a 2n = a n1 a n2 a nn a 11 a 12 a 1,j 1 a 1,j+1 a 1n n ( 1) i+j a ij a i 1,j a i 1,2 a i 1,j 1 a i 1,j+1 a 1 i,n j=1 a i+1,j a i+1,2 a i+1,j 1 a i+1,j+1 a 1+i,n a n1 a n2 a nn j:nnes pystyrivi a 11 a 12 a 1n a 21 a 22 a 2n = a n1 a n2 a nn a 11 a 12 a 1,j 1 a 1,j+1 a 1n n ( 1) i+j a ij a i 1,j a i 1,2 a i 1,j 1 a i 1,j+1 a 1 i,n i=1 a i+1,j a i+1,2 a i+1,j 1 a i+1,j+1 a 1+i,n a n1 a n2 a nn Kehittämällä edelleen alideterminantit päädytään lopulta tilanteeseen, jossa determinatti on aikioiden a ij funktio

5 3 12 Determinanttien ominaisuuksia Determinantista saadaan käänteisdeterminantti, jos sen pysty- ja vaakarivit vaihtavat paikkaansa Ominaisuus 1: Determinantin ja sen käänteisdeterminantin arvo ovat samat, a 11 a 12 a 1n a 11 a 21 a n1 a 21 a 22 a 2n = a 12 a 22 a n2 a n1 a n2 a nn a 1n a 2n a nn Todistus: Jos determinatti kehitetään aina 1 vaakarivin avulla ja sen käänteisdeterminatti aina 1 pystyrivin avulla, niin saadaan täsmälleen sama tulos Ominaisuus 2: Jos yhden vaakarivin tai yhden pystyrivin kaikki alkiot kerrotaan samalla vakiolla k, niin silloin koko determinantin arvo kerrotaan samalla vakiolla k, a 11 a 1j a 1n ka i1 ka ij ka in a n1 a nj a nn = k a 11 a 1j a 1n a i1 a ij a in a n1 a nj a nn, (11) a 11 ka 1j a 1n a i1 ka ij a in a n1 ka nj a nn = k a 11 a 1j a 1n a i1 a ij a in a n1 a nj a nn (12) Todistus: Jos yhtälön (11) molemmat puolet kehitetään pystyrivin i avulla, niin saadaan sama tulos Jos yhtälön (12) molemmat puolet kehitetään vaakarivin j avulla, niin saadaan sama tulos Ominaisuus 3: Determinatti muuttuu vastaluvukseen, jos kaksi sen pystyriviä tai kaksi sen vaakariviä vaihtavat paikkaansa: a 11 a 1j a 1n a 11 a 1j a 1n a i1 a ij a in a h1 a hj a hn =, (13) a h1 a hj a hn a i1 a ij a in a n1 a nj a nn a n1 a nj a nn

6 4 = a 11 a 1j a 1h a 1n a i1 a ij a ih a in a n1 a nj a nh a nn a 11 a 1h a 1j a 1n a i1 a ih a ij a in a n1 a nh a nj a nn (14) Todistus: Vaakariveille a 11 a 1j a 1n a i1 a ij a in n = ( 1) i+j a ij a h1 a hj a in j=1 a n1 a nj a nn n n = ( 1) i+j a ij ( 1) h 1+j a hj j=1 j=1 = n ( 1) h 1+j a hj j=1 n j=1 ( 1) i+j a ij a 11 a 1j a 1n a i 1,1 a i 1,j a i 1,n a i+1,1 a i+1,j a i+1,n a h1 a hj a hn a n1 a nj a nn a 11 a 1j a 1n a i 1,1 a i 1,j a i 1,n a i+1,1 a i+1,j a i+1,n a h 1,1 a h 1,j a h 1,n a h+1,1 a h+1,j a h+1,n a n1 a nj a nn a 11 a 1j a 1n a i 1,1 a i 1,j a i 1,n a i+1,1 a i+1,j a i+1,n a h 1,1 a h 1,j a h 1,n a h+1,1 a h+1,j a h+1,n a n1 a nj a nn

7 5 n = ( 1) h+j a hj j=1 = a 11 a 1j a 1n a h1 a hj a hn a i1 a ij a in a n1 a nj a nn Sama pystyriveille a 11 a 1j a 1n a i1 a ij a in a h 1,1 a h 1,j a h 1,n a h+1,1 a h+1,j a h+1,n a n1 a nj a nn Ominaisuus 4: Jos determinantilla on kaksi täysin samaa vaakariviä tai kaksi täysin samaa pystyriviä, niin sen arvo on nolla: a 11 a 1j a 1n a 11 a 1j a 1j a 1n a i1 a ij a in 0, a i1 a ij a ij a in 0 a i1 a ij a in a n1 a nj a nj a nn a n1 a nj a nn (15) Todistus: Sijoittamalla a ij = a hj (j = 1,, n) yhtälöön (13) saadaan vasemmanpuoleinen yhtälö (15) Sijoittamalla a ij = a ih (i = 1,, n) yhtälöön (14) saadaan oikeanpuoleinen yhtälö (15) Ominaisuus 5: Jos yhden vaakarivin tai yhden pystyrivin kaikki alkiot voidaan kirjoittaa summiksi, niin determinatti voidaan esittää kahden determinantin summana seuraavasti: = a 11 a 1j a 1n a i1 + ã i1 a ij + ã ij a in + ã in a n1 a nj a nn a 11 a 1j a 1n a i1 a ij a in a n1 a nj a nn + a 11 a 1j a 1n ã i1 ã ij ã in a n1 a nj a nn, (16)

8 = + a 11 a 1j + ã 1j a 1n a i1 a ij + ã ij a in a n1 a nj + ã nj a nn a 11 a 1j a 1n a i1 a ij a in a n1 a nj a nn a 11 ã 1j a 1n a i1 ã ij a in a n1 ã nj a nn 6 (17) Todistus: Jos yhtälön (16) molemmat puolet kehitetään pystyrivin i avulla, niin saadaan sama tulos Jos yhtälön (17) molemmat puolet kehitetään vaakarivin j avulla, niin saadaan sama tulos Ominaisuus 6: Jos yksi vaakarivi kerrotaan vakiolla ja lisätään toiseen vaakariviin tai jos yksi pystyrivi kerrotaan vakiolla k ja lisätään toiseen pystyriviin, niin determinatin arvo ei muutu: a 11 a 1j a 1n a 11 a 1j a 1n a i1 a ij a in a i1 a ij a in =, a h1 + ka i1 a hj + ka ij a hn + ka in a h1 a hj a hn a n1 a nj a nn a n1 a nj a nn (18) a 11 a 1j a 1h + ka 1j a 1n a i1 a ij a ih + ka ij a in a n1 a nj a nh + ka nj a nn a 11 a 1j a 1h a 1n = a i1 a ij a ih a in (19) a n1 a nj a nh a nn Todistus: Ominaisuuksien 2, 4 ja 5 perusteella vaakariveille a 11 a 1j a 1n a i1 a ij a in a h1 + ka i1 a hj + ka ij a hn + ka in a n1 a nj a nn

9 7 = = = Sama pystyriveille a 11 a 1j a 1n a i1 a ij a in a h1 a hj a hn a n1 a nj a nn a 11 a 1j a 1n a i1 a ij a in a h1 a hj a hn a n1 a nj a nn a 11 a 1j a 1n a i1 a ij a in a h1 a hj a hn a n1 a nj a nn + + k a 11 a 1j a 1n a i1 a ij a in ka i1 ka ij ka in a n1 a nj a nn a 11 a 1j a 1n a i1 a ij a in a i1 a ij a in a n1 a nj a nn }{{} 0

10 8 2 Komparatiivinen statiikka 21 Ongelma Miten systeemistä (kansantalous, kotitalous, yritys jne), jossa on olemassa useita samanaikaisia eli simultaanisia riippuvuuksia ja joka koko ajan on jatkuvassa liikkeessä, voidaan johtaa luotettavia ennusteita? Tämän ongelman selvittämisessä kansantaloustiede käyttää kahta tutkimusmetodia: komparatiivista statiikkaa, jossa systeemistä abstrahoidaan pois liike ja keskitytään tutkimaan systeemin rakennetta, sekä komparatiivista dynamiikkaa, jossa keskitytään tarkastelemaan pelkästään systeemin liikettä Nämä metodit on alunperin lainattu fysiikasta (lähinnä mekaniikasta), mutta ajan myötä ne ovat mukautuneet kansantaloustieteen omiin tarpeisiin Niitä sovelletaan pääpiirteissään seuraavalla tavalla 211 Komparatiivinen statiikka: 1 Oletetaan, että systeemi on alunperin tasapainossa (= lepotilassa), jolloin siinä ei ole mitään liikettä 2 Oletetaan, että tapahtuu jokin ulkoinen muutos ja katsotaan, mikä on uusi muutoksen jälkeinen tasapaino 3 Vertailemalla uutta tasapainoa alkuperäiseen tasapainoon saadaan laadullista tietoa systeemin rakenteellisista riippuvuuksista Esimerkkejä komparatiivisesta statiikasta: 1 kuula epätasaisella pinnalla 2 kysynnän ja tarjonnan laki 3 kuluttajan ja yrityksen tasapaino 4 Kahnin-Keynesin ekspansiokerroin Tulkinnan erityispiirteitä: (I) Komparatiivisen statiikan soveltaminen edellyttää, että systeemi oletetaan stabiiliksi eli vakaaksi niin, että se hakeutuu kohden jotain tasapainoa Muuten uutta tasapainoa ei voidaan olenkaan saavuttaa, joten uutta ja vanhaa tasapainoa ei voida lainkaan verrata Mallin stabiilisuuden selvittäminen kuuluu komparatiivisen dynamiikan alueeseen

11 9 (II) Komparatiivisen statiikan ideana on liikkeen poistaminen systeemistä tarkastelemalla sitä tasapainossa, jossa liikettä ei ole laisinkaan Tällöin joudutaan kuitenkin olettamaan, että systeemi on koko ajan likimääräisen lähellä tasapainoa, jotta sen rakenteelliset riippuvuudet olisivat likimäärin samat kuin tasapainossa Toisin sanoen: komparatiivinen statiikka kuvaa likimääräisesti systeemin todellisia rakenteellisia ominaisuuksia, mikäli ollaa lähellä tasapainoa Mitä kauempana systeemin todellinen tila on tasapainosta, sitä epätarkemmin komparatiivinen statiikka ennustaa systeemin käyttäytymistä (III) Koska komparatiivinen statiikka vertailee muutosta edeltävää tasapainoa muutoksen jälkeiseen tasapainoon, se kuvaa pysyvän muutoksen pysyvää vaikutusta Esimerkki: Makromalli ennustaa, että rahamäärän lisäys taloudessa nostaa hintatasoa Tarkkaan ottaen tämä täytyy tulkita siten, että rahamäärän pysyvä lisäys pyrkii pysyvästi nostamaan hintatasoa (IV) Koska systeemin täytyy olla aina suhteellisen lähellä tasapainoa (vrt kohta (II) yllä), tutkittava eksogeeninen muutos on oletettava pieneksi Jos muutos olisi suuri, niin systeemi olisi muutoksen jälkeen kaukana voimassa olevasta (= uudesta) tasapainosta ja komparatiivisen statiikka ennustaisi huonosti Esimerkki: Mallin ennustama hintatason riippuvuus rahamäärästä on sitä tarkempi ja luotettavampi (epätarkempi ja epäluotettavampi), mitä pienempi (suurempi) on rahamäärän suhteellinen muutos (V) Vaikka taloudelliset ja fysikaaliset mallit ovat tekniseltä rakenteeltaan usein varsin samankaltaisia, niiden tulkinnassa on silti suuria eroja, koska ne kuvaavat varsin erilaisia ilmiöitä Mekaniikassa pystytään yleensä arvioimaan milloin ja miten uuteen tasapainoon päästään Kansantaloustieteessä komparatiivisen statiikan tulokset ovat tendessimäisiä: se ei sano mitään siitä, millä hetkellä uusi tasapaino saavutetaan, vaan kertoo sen, että mallin ennustama muutos tapahtuu ennemmin tai myöhemmin Esimerkki: Rahamäärän lisäyksen aiheuttama hintatason nousu tapahtuu tietyn ajanjakson kuluessa ja vieläpä niin, että tämä monetäärisen viiveen pituus on satunnaismuuttuja Tämä tendenssimäisyys (ja siitä aiheutuva epävarmuus) on peräisin taloudellisten ilmiöiden luonteesta Muutokset tapahtuvat mikroyksikköjen (kuluttajat, yritykset, työmarkkinajärjestöt jne) valintojen ja tavoitteisten toimintojen kautta Suurten lukujen lain nojalla mikroyksiköt joukkona käyttäytyvät verrattain säännönmukaisesti, ja taloudelliset mallit kuvaavat näitä säännönmukaisuuksia Yksilöiden välisistä eroista ja suuresta määrästä johtuen välitysmekanismit ovat kuitenkin niin hienojakoisia ja monisyisiä, että havaitut säännönmukaisuudet jäävät tendessimäisiksi (VI) Jotta komparatiivista statiikkaa voitaisiin soveltaa, mallin tarkasteleman ajanjakson täytyy olla riittävän pitkä, jotta uusi tasapaino voidaan saavuttaa sen puitteissa

12 10 Esimerkki: Jos halutaan selvittää, mikä on rahamäärän pysyvän lisäyksen aiheuttama pysyvä hintatason muutos, niin ajanjakson on oltava niin pitkä, että koko monetäärinen viive satunnaisvaihteluineen sisältyy siihen; eli kysymys on tässä tapauksessa pitkän aikavälin mallista 212 Komparatiivinen dynamiikka: 1 Rakennetaan jokin mekanismi, joka liikuttaa systeemiä silloin, kun tämä on epätasapainossa (so tasapainon ulkopuolella) 2 Valitaan systeemille erilaisia alkuarvoja ja lasketaan näitä vastaavat kehitysurat 3 Vertailemalla eri alkutilanteita vastaavia systeemin kehitysuria saadaan laadullista tietoa systeemin liikkumisesta Jos systeemi on stabiili, se hakeutuu kohden jotain tasapainoa, jos se on epästabiili, se erkaantuu tasapainosta Sama systeemi voi toisilla alkuarvoilla olla stabiili ja toisilla epästabiili Mikäli systeemi on kaikilla ajateltavissa olevilla alkuarvoilla stabiili (epästabiili), sitä sanotaan globaalisti stabiiliksi (epästabiiliksi) Esimerkkejä komparatiivisesta dynamiikasta (luennolla): 1 kuula epätasaisella pinnalla 2 lukiseittiteoreema 3 osakekurssin määräytyminen 4 vaihtokurssin yliampuminen 22 Komparatiivinen statiikka matemaattisti Taloudellisissa (ja myös luonnontieteellisissä) malleissa systeemin tasapainoa kuvataan jonkin yhtälöryhmän avulla, esim f 1 (x 1, x 2,, x n, x n+1,,, x n+m ) = 0, f 2 (x 1, x 2,, x n, x n+1,,, x n+m ) = 0, f n (x 1, x 2,, x n, x n+1,,, x n+m ) = 0 (21) missä (x 1, x 2,, x n ) ovat endogeenisia muuttujia ja (x n+1,, x n+m ) eksogeenisia muuttujia (parametreja) Tämä yhtälöryhmä voidaan esittää myös seuraavasti: f i (x 1, x 2,, x n, x n+1,,, x n+m ) = 0, i = 1,, n (22) Joukkoa A, josta eksogeeniset muuttujat (x n+1,, x n+m ) voidaan valita, sanotaan systeemin määrittelyjoukoksi (domain) Tällöin merkitään (x n+1,, x n+m ) A

13 11 Jotta yhtälöryhmä (21) tai (22) ratkeaisi, siinä täytyy olla sama määrä n endogeenisia muuttujia kuin yhtälöitä Jos yhtälöitä on enemmän kuin muuttujia, systeemiä sanotaan ylideterminoituvaksi, ja jos yhtälöitä on vähemmän kuin muuttujia, niin sitä sanotaan alideterminoituvaksi Tasapainomalli ei saa olla yli- eikä alideterminoituva! Mikäli yhtälöryhmällä (21) tai (22) on olemassa yksikäsitteinen ratkaisu (unique solution) ja kaikki funktiot f i (i = 1,, n) ovat (osittais)derivoituvia kaikkien muuttujien x j (j = 1,, n + m) suhteem, niin silloin se määrittelee endogeeniset muuttujat (x 1, x 2,, x n ) eksogeenisten muuttujien (x n+1,,, x n+m ) derivoituvina funktioina seuraavasti: x 1 = X 1 (x n+1,,, x n+m ), x 2 = X 2 (x n+1,,, x n+m ), Tämä voidaan kirjoittaan myös seuraavasti: x n = X n (x n+1,,, x n+m ), (23) x i = X i (x n+1,,, x n+m ), i = 1,, n (24) Funktioita (23) tai (24) sanotaan systeemin (21) tai (22) ratkaisufunktioiksi Yhtälöryhmää (23) tai (24) sanotaan myös systeemin (21) tai (22) staattiseksi ratkaisuksi Mikäli yhtälöryhmällä (21) tai (22) on olemassa monta ratkaisua, sanotaan, että sillä on monikäsitteinen ratkaisu (multiple solution) Tällöin ollaan vaikea ongelman edessä Mallilla ei nimittäin voida ennustaa, jos ei tiedetä, mihin tasapainoon se hakeutuu Taloudellisissa malleissa tämän yleensä kierretään, joko osoittamalla että vain yksi tasapainoista on stabiili, tai rajoittamalla systeemin määrittelyjoukkoa A niin, että vain yksi tasapaino on mahdollinen 23 Implisiittifunktioteoreema Sen perusteella mitä tiedetään funktioiden f i ominaisuuksista systeemissä (22), voidaan päätellä jotakin myös ratkaisufunktioiden X i ominaisuuksista relaatiossa (24) Matemaattisesti tätä voidaan selvittää seuraavan teoreeman avulla Implisiittifunktioteoreema (implicit function theorem) Oletetaan, että jokaisella funktiolla f i (i = 1,, m) on olemassa kaikki osittaisderivaatat f i / x k = 0, kun k = 1,, n + m Jos eksogeenisten muuttujien x n+1,, x n+m muutokset ovat pieniä, niin silloin systeemin (22) tasapainon muutokselle pätee n+m k=1 f i (x 1,, x n+m ) x k dx k = 0; i = 1,, n, missä dx k kuvaa muuttujan x k tasapainoarvon muutosta

14 12 Todistus (heuristinen): Oletetaan, että alkutilanteessa systeemi on tasapainossa, jossa muuttujien (x 1,,, x n+m ) arvot ovat (x o 1,, x o n+m) Tällöin tietysti pätee f i (x o 1,, x o n+m) = 0, i = 1,, n (25) Oletetaan edelleen, että joku tai jotkin parametreista x n+1,, x n+m muuttuu hieman, jolloin koko systeemi liikahtaa alkupisteestä (x o 1,, x o n+m) uuteen tasapainopisteeseen (x 1,,, x n+m ), jossa (22) on voimassa Otetaan nyt funktiosta f i (x 1,,, x n+m ) pisteen (x o 1,, x o n+m) suhteen Taylorin kehitelmä: f i (x 1,,, x n+m ) = f i (x o 1,, x o n+m) n+m k=1 n+m k= f i (x o 1,, x o n+m) x k (x k x o k) n+m h=1 n+m n+m k=1 2 f i (x o 1,, x o n+m) x k x h (x k x o k)(x h x o h) h=1 n+m s=1 3 f i (x o 1,, x o n+m) x k x h x s (x k x o k)(x h x o h)(x s x o s) (26) Sijoittamalla (22) and (25) yhtälöön (26) saadaan 0 = n+m k= f i (x o 1,, x o n+m) x k (x k x o k) n+m k=1 k=1 n+m h=1 n+m n+m n+m h=1 2 f i (x o 1,, x o n+m) x k x h (x k x o k)(x h x o h) s=1 3 f i (x o 1,, x o n+m) x k x h x s (x k x o k)(x h x o h)(x s x o s) (27) Oletetaan vielä että parametrien x n+1,, x n+m muutos on pieni, jolloin kaikkien muuttjien muutokset dx j = x j x o j (j = 1,, n + m) jäävät pieniksi Tällöin x j x o j, toisen ja useamman kertaluvun tulotermit (x k x o k)(x h x o h), (x k x o k)(x h x o h)(x s x o s), jne tulevat niin pieniksi, että ne voidaan pyöristää nolliksi Sijoittamalla tämä tulos, dx j = x j x o j (i = 1,, n + m) ja x j x o j (i = 1,, n + m) yhtälöön (27) saadaan n+m 0 (x k x o k) f n+m i (x o x 1,, x o f i n+m) = (x o k x 1,, x o n+m)dx k k k=1 n+m f i (x 1,, x n+m )dx k (28) x k k=1 k=1

15 13 24 Sovellus: yksi endogeeninen muuttuja Tarkastellaan yhtälöä f(x, a 1,, a m ) = 0, (a 1,, a m ) A, (29) jossa f(x, a 1,, a m ) on derivoituva funktio, x endogeeninen muuttuja, (a 1,, a m ) eksogeenisia muuttujia ja A on systeemin määrittelyjoukko Jos yhtälöllä (29) on olemassa ratkaisu, niin se on muotoa [vrt (23)] x = X(a 1,, a m ), (a 1,, a m ) A, (210) missä X(a 1,, a m ) on derivoituva funktio Mitkä ovat funktion X ominaisuudet? Seurauslause: Oletetaan, että f x 0 Ratkaisufunktion (210) derivaatat voidaan johtaa ottamalla ensiksi funktiosta (29) kokonaisdifferentiaali (totally differentiating (29)) f m x dx + f da k = 0, (211) a k k=1 dx ja sitten ratkaisemalla tästä suhdeluvut da k seuraavasti: X = dx = f / f, k = 1,, m a k da k a k x Todistus (heuristinen): Sijoitetaan ratkaisu (210) funktioon (29), jolloin saadaan f ( X(a 1,, a m ), a 1,, a m ) = 0 Jos tämän yhtälön vasen puoli f(x(a), a) on yhtä kuin nolla, niin silloin sen derivaattakin muuttujan a k suhteen on nolla: df = f X + f = 0 da k x a k a k Tästä saadaan funktion X derivaatta muuttujan a k suhteen seuraavasti: X = a k f a k f x (212) Sovelletaan nyt implisiittifunktioteoreemaa yhtälöön (210): dx = m k=1 X a k da k

16 14 Sijoittamalla tähän (212) kaikilla k:lla saadaan dx = m k=1 Kerrotaan molemmin puolin termillä f x : f a k da f k x f m x dx = f da k a k Hieman järjestelemällä nähdään että (211) pitää paikkansa, kun a A: k=1 m f x dx + f da k = 0 a k k=1 241 Esimerkki 1 Asetetaan Osoitettava, että yhtälö a 2 e x 2x + a = 0 määrittelee muuttujan x muuttujan a funktiona pisteen (x, a) = (0, 1) läheisyydessä Määrättävä tämän funktion derivaatta, kun a = 1 f(x, a) = a 2 e x 2x + a f a (x, a) = 2ae x + 1 f x (x, a) = a 2 e x 2 Havaitaan ensiksi, että f(0, 1) = ( 1) 2 1 = 0, joten f(x, a) määrittelee muuttujan x muuttujan a funktiona pisteen (x, a) = (0, 1) läheisyydessä Koska f x (0, 1) = ( 1) 2 2 = 1 0, ratkaisufunktion osittaisderivaatta voidaan laskea seurauslauseen avulla Näin ollen 242 Esimerkki 2 0 = f x (0, 1)dx + f a (0, 1)da = dx da dx = ( 1)/( 1) = 1 da Kuluttajan teoriassa indifferenssikäytä on hyötyfunktion tasokäyrä: U(x 1, x 2 ) = U 0, missä U 0 > 0 on vakiohyötytaso ja x 1 ja x 2 ovat hyödykkeiden 1 ja 2 kulutetut määrät Indifferenssikäyrän kulmakerroin (x 1, x 2 )-koordinaatistossa, MRS x1,x 2,

17 15 saadaan kokonaisdifferentiaalin avulla seuraavasti: U(x 1, x 2 ) U 0 = 0 U(x 1, x 2 ) dx 1 + U(x 1, x 2 ) dx 2 = 0 x 1 x 2 dx 2 = U(x / 1, x 2 ) U(x1, x 2 ) dx 1 x 1 x 2 dx 2 MRS x1,x 2 = dx 1 = U(x / 1, x 2 ) U(x1, x 2 ) x 1 x 2 Pisteessä (x o 1, x o 2) indifferenssikäyrän kulmakerroin määräytyy seuraavasti: Rajasubstituutioaste (marginal rate of substitution) MRS x1,x 2 pisteessä (x o 1, x o 2) kertoo, kuinka paljon enemmän hyödykkeen 2 kulutuksen x 2 täytyy nousta tasolta x o 2, jotta hyötytaso pysyisi vakiona silloin kun hyödykkeen 1 kulutus x 1 putoaa yhdellä yksiköllä tasolta x o Esimerkki 3 Tuottajan teoriassa samatuotoskäyrä määritellään F (K, L) = Y 0, missä Y = F (K, L) on tuotantofunktio, Y tuotos, K pääoma, L työ ja Y 0 vakiotuotos Nyt samatuotoskäyrän kulmakerroin (K, L)-koordinaatistossa, MRT KL,

18 16 saadaan kokonaisdifferentiaalin avulla seuraavasti: F (K, L) Y 0 = 0 F K (K, L)dK + F L (K, L)dL = 0 dl dk = F K(K, L) F L (K, L) dl MRT KL = dk = F K(K, L) F L (K, L) Pisteessä (K o, L o ) samatuotoskäyrän kulmakerroin määräytyy seuraavasti: Rajamuunnosaste (marginal rate of transformation) MRT KL pisteessä (K o, L o ) kertoo, kuinka paljon enemmän työpanoksen L täytyy nousta tasolta L o, jotta tuotannon taso Y pysyisi vakiona silloin kun pääoman K määrä laskee yhdellä yksiköllä tasolta K o Cobb-Douglas funktion Y = F (K, L) = AK α L 1 α (α ja A vakioita) tapauksessa saadaan MRT KL = F K(K, L) F L (K, L) = αakα 1 L 1 α (1 α)ak α L α = α 1 α CES-funktion Y = F (K, L) = [δk 1 1/σ + (1 δ)l 1 1/σ] σ/(σ 1) tapauksessa saadaan δ ja σ vakioita, 0 < δ < 1, σ > 0, σ 1 MRT KL = F K(K, L) F L (K, L) = δ(y/k)1/σ (1 δ)(y/l) = δ 1/σ 1 δ L K ( ) 1/σ L K

19 Esimerkki 4 Olkoon Y kansantulo, C kulutus ja I inveastoinnit Kulutusfunktio on C = c(y ), 0 < c < 1, missä c on rajakulutusalttius Tasapainossa kaikki tulot joko kulutetaan tai investoidaan: Y = C + I = c(y ) + I (213) Millainen kerroinvaikutus on investoinneilla I? Yhtälö (213) määrittelee kansantulon Y investointien funktiona Sen kokonaisdifferentiaali on dy = c (Y )dy + di Tästä ratkaistaan Keynesin-Kahnin kerroin: dy di = 1 1 c (Y ) > 1 Tulotaso nousee enemmän kuin investoinnit (dy/di>1) ja määrällä 1/(1-rajakulutusalttius) 25 Sovellus: useita endogeenisia muuttujia Tarkastellaan yhtälöryhmää f i (x 1,, x n, a 1,, a m ) = 0, (a 1,, a m ) A, i = 1,, n, (214) jossa f i (x 1,, x n, a 1,, a m ) on derivoituvia funktioita (i = 1,, n), (x 1,, x n ) endogeenisia muuttujia, (a 1,, a m ) eksogeenisia muuttujia ja A on systeemin määrittelyjoukko Jos yhtälöllä (214) on olemassa ratkaisu, niin se voidaan ilmaista yhtälöryhmänä seuraavasti [vrt (23)] x h = X h (a 1,, a m ), (a 1,, a m ) A, h = 1,, n, (215) missä X h (a 1,, a m ) ovat derivoituvia funktioita Mitkä ovat funktioiden X h ominaisuudet? Seurauslause: Oletetaan, että funktioden f 1,, f n Jakobin determinantti endogeenisten muuttujien suhteen on nollasta eroava: f 1 f 1 f x D = 1 x 2 1 x n f 2 f 2 f x 1 x 2 2 x n 0 f n x 2 f n x 1 f n x n

20 18 Tällöin ratkaisufunktion (215) derivaatat voidaan johtaa ottamalla ensiksi funktioista (214) kokonaisdifferentiaalit n h=1 f i x h dx h + m k=1 f i a k da k = 0, i = 1,, n, (216) ja sitten ratkaisemalla suhdeluvut dx h da k käsittelemällä yhtälöitä (216) lineaarisena yhtälöryhmänä, jossa muutokset dx 1,, dx n ovat endogeenisia muuttujia, f muutokset da 1,, da m ovat eksogeenisia muuttujia, ja kertoimet i x h ja fi a k ovat vakioita Todistus (heuristinen): Soveltamalla implisiittifunktioteoreemaa yhtälöön (215) saadaan dx h = m k=1 Sijoitetaan ratkaisu (215) funktioon (214), jolloin saadaan X h a k da k (217) f i ( X1 (a 1,, a m ),, X n (a 1,, a m ), a 1,, a m ) = 0 Jos tämän yhtälön vasen puoli on yhtä kuin nolla, niin silloin sen derivaattakin muuttujan a k suhteen on nolla: 0 = n i=1 df i da k = n h=1 f i X h + f i x h a k a k Kerrotaan tämä termillä da k ja summataan yli k = 1,, m: 0 = m n k=1 h=1 f i x h X h a k da k + m k=1 f i a k da k = Sijoittamalla tähän (217) saadaan (216): n h=1 f i x h m k=1 X h a k da k + m k=1 f i a k da k 0 = n h=1 f i x h m X h da k + a k k=1 }{{} dx h m k=1 f i a k da k = n h=1 f i x h dx h + m k=1 f i a k da k Kirjoitetaan yhtälöryhmä (216) matriisimuotoon: f 1 f 1 f x 1 x 2 1 f 1 f 1 f x n dx 1 a f 2 f 2 f x 1 x 2 2 x n dx 2 1 a 2 1 a m f + 2 f 2 f a 1 a 2 2 a m f n x 2 dx f n n a 2 f n x 1 f n x n f n a 1 f n a m da 1 da 2 da m = 0

21 19 Tästä saadaan Cramerin säännön avulla, että f 1 f 1 f x 1 x 2 1 f 1 f 1 f x k 1 a k x k+1 1 x m f 2 f 2 f x 1 x 2 2 f 2 f 2 f x k 1 a k x k+1 2 x m m f n f n f x dx h = 1 x 2 n f n f n f x k 1 a k x k+1 n x m f 1 f 1 f k=1 x 1 x 2 1 x n f 2 f 2 f x 1 x 2 2 x n f n x 2 f n x 1 f n x 1 f n x n Tämä yhtälö voidaan kirjoittaa osittaisderivaattoina seuraavasti: f 1 f 1 f x 1 x 2 1 f 1 f 1 f x k 1 a k x k+1 1 x m f 2 f 2 f x 1 x 2 2 f 2 f 2 f x k 1 a k x k+1 2 x m x f n f n f h x = 1 x 2 n f n f n f x k 1 a k x k+1 n x m a k f 1 f 1 f x 1 x 2 1 x n f 2 f 2 f x 1 x 2 2 x n f n x 2 h = 1,, n, k = 1,, m f n x n da k, 251 Esimerkki Tarkastellaan Hicksin-Hansenin ISLM mallia: L(r, Y ) = M/P, L r < 0, L Y > 0, (218) I = f(r), f (r) < 0, (219) S = s(y ), 0 < s (Y ) < 1, (220) I = S, (221) missä r on korko, Y tulotaso, S säästäminen ja I investoinnit ovat endogeenisia, ja M rahamäärä ja P hintataso ovat eksogeenisia muuttujia Yhtälö (218) sanoo, että rahan reaalinen kysyntä L, joka on koron r laskeva ja tulotason Y nouseva funktio, on yhtä kuin rahan reaalinen tarjonta eli nimellinen rahamäärä M jaettuna hintatasolla Yhtälö (219) sanoo, että investoinnit ovat koron laskeva funktio Yhtälö (220) on säästämisfunktio Yhtälö (221) sanoo, että hyödykemarkkinat ovet tasapainossa silloin kun investoinnit I on yhtä kuin säästäminen S

22 20 Mitä tapahtuu korolle ja tulotasolle, jos keskuspankki lisää rahamäärää M? Kirjoitetaan systeemi (218)-(221) kahdeksi yhtälöksi L(r, Y ) M/P = 0, f(r) s(y ) = 0 Muodostetaan näistä yhtälöistä kokonaisdifferentiaalit: ( M ) L r (r, Y )dr + L Y (r, Y )dy d = 0, P f (r)dr s (Y )dy = 0 Kirjoitetaan nämä matriisimuotoon: ( ) ( Lr L Y dr f s dy ) ( ) ( M ) d = 0 P Koska Jacobin determinantti on nollasta eroava, D = L r L Y f s = L r }{{}}{{} s f L }{{}}{{} Y + + seurauslauseen avulla on saatavissa ratkaisu: dr ( ) = 1 d D 1 L Y 0 s = M P M P 1 }{{} D + dy ( ) = 1 d D L r 1/P f 0 = s }{{} + 1 }{{} D + f }{{} > 0, < 0, > 0 Reaalisen rahamäärän M P lisäys nostaa tulotasoa Y ja laskee korkotasoa r

23 21 3 Usean muuttujan funktion optimoinnista 31 Rajoittamaton optimointi Tarkastelemme differtioituvaa useamman muuttujan funktiota y = f(x 1,, x n ), (x 1,, x n ) A, (31) missä A on muuttujien määrittelyjoukko Merkitään yksikertaisuuden vuoksi funktion (31) osittaisderivaattoja seuraavasti: f i = f x i, f ij = f x i x j, i = 1,, n; j = 1,, n Funktion (31) Hessin determinantti oletetaan nollasta eroavaksi: f 11 f 12 f 1n f 21 f 22 f 2n 0 (32) f n1 f n2 f nn Huomautus Funktion f(x 1,, x n ) toisen tai useamman asteen osittaisderivaatat voidaan muodostaa derivoimalla tämä funktio muuttujien x i suhteen missä järjestyksessä tahansa Näin ollen esim 2 f f ij = = 2 f = fji, f ijk = f ikj = f kij = f jik = f ikj = f kji x i x j x j x i Määritelmä (a) Funktiolla (31) on yksikäsitteinen globaali maksimi (unique global maximum) pisteessä (x 1,, x n) A, jos f(x 1,, x n) > f(x 1,, x n ) kaikilla A:han kuuluvilla pisteillä (x 1,, x n ) (x 1,, x n), ja yksikäsitteinen globaali minimi (unique global minimum) pisteessä (x 1,, x n) A, jos f(x 1,, x n) < f(x 1,, x n ) kaikilla A:han kuuluvilla pisteillä (x 1,, x n ) (x 1,, x n) (b) Funktiolla (31) on yksikäsitteinen lokaali maksimi (unique local maximum) pisteessä (x 1,, x n) A, jos f(x 1,, x n) > f(x 1,, x n ) kaikilla A:han kuuluvilla pisteillä, jotka ovat pisteen (x 1,, x n) lähiympäristössä, ja yksikäsitteinen lokaali minimi (unique local minimum) pisteessä (x 1,, x n) A, jos f(x 1,, x n) < f(x 1,, x n ) kaikilla A:han kuuluvilla pisteillä, jotka ovat pisteen (x 1,, x n) lähiympäristössä Pisteen (x 1,, x n ) A sanotaan oevan määrittelyjoukon A reunalla, jos sen ympärillä joka puolella ei ole joukon A pisteitä Tarkastellaan esimerkiksi lukuja 0 x 100 Tässä joukossa piste x on reunalla, jos x = 0 tai x = 100, mutta sisällä, jos 0 < x < 100 Määritelmä Jos maksimi/minimi on määrittelyjoukon A reunalla, niin sitä sanotaan reunamaksimiksi/reunaminimiksi (boundary maximum/minimum) Jos

24 22 maksimi (minimi) on määrittelyjoukon A sisällä, niin sitä sanotaan sisämaksimiksi/sisäminimiksi (interior maximum/minimum) Yksikäsitteinen globaali optimi (maksimi tai minimi) voidaan löytää seuraavan teoreeman avulla Sen todistus perustuu neliömuotoihin, mutta sivuutetaan tällä kurssilla Teoreema 1 (a) Funktiolla (31) on yksikäsitteinen lokaali sisämaksimi pisteessä (x 1,, x n) silloin ja vain silloin kun 1 f i = 0 kaikilla i = 1,, n (ensimmäisen asteen ehdot), 2 Hessin determinantin (32) pääminoreilla on vaihtuvat etumerkit seuraavasti (toisen asteen ehdot): f 11 < 0, f 11 f 12 f 21 f 22 > 0, f 11 f 12 f 13 f 21 f 22 f 23 < 0, (33) f 31 f 32 f 33 f 11 f 12 f 1n, f 21 f 22 f 2n > 0, kun n on parillinen (34) < 0, kun n on pariton f n1 f n2 f nn (b) Funktiolla (31) on yksikäsitteinen lokaali sisäminimi pisteessä (x 1,, x n) silloin ja vain silloin kun 1 f i = 0 kaikilla i = 1,, n (ensimmäisen asteen ehdot), 2 Hessin determinantin (32) pääminorit ovat positiivisia (toisen asteen ehdot): f 11 > 0, f f 11 f 12 f 1n 11 f 12 f 21 f 22 > 0,, f 21 f 22 f 2n > 0 (35) f n1 f n2 f nn Huom! Edellinen teoreema pätee vaikka muuttujat x 1,, x n pantaisiin eri järjestykseen Näin ollen jos toisen asteen ehdot saadaan täyttymään jollakin järjestyksellä, niin silloin lokaali optimi on yksikäsitteinen Edelläolevassa teoreemassa ehto (34) on yhtäpitävä sen kanssa että funktio (31) on aidosti konkaavi, ja ehto (35) yhtäpitävä sen kanssa että funktio (31) on aidosti konveksi 311 Esimerkki Tarkastellaan funktiota y = f(x 1, x 2, x 3 ) = 2x x x 2 3 4x 1 6x 2 6x 3, (x 1, x 2, x 3 ) R 3 (36)

25 23 Ensimmäisen asteen ehdot ovat f 1 = 4x 1 4 = 0, f 2 = 2x 2 6 = 0, f 3 = 6x 3 6 = 0 Näistä saadaan ratkaisut x 1 = 1, x 2 = 3 and x 3 = 1 Pääminorit 1 asteen ehdot toteuttavassa pisteessä (1, 3, 1) ovat f 11 = 4 > 0, f 11 f 12 f 12 f 22 = = 8 > 0, f 11 f 12 f 13 f 12 f 22 f 23 f 13 f 23 f 33 = = 48 > Koska nämä kaikki ovat positiivisia, funktiolla (36) on yksikäsitteinen lokaali minimi pisteessä (1, 3, 1) 32 Optimointi yhden yhtälön rajoittamana Tarkastelemme nyt funktion (31) optimointia (maksimointia tai minimointia), kun rajoitteena on yhtälö g(x 1, x 2,, x n ) = 0 (37) jossa g on differentioituva funktio Merkitään yksikertaisuuden vuoksi funktion (37) osittaisderivaattoja seuraavasti: g i = g x i, g ij = g x i x j, i = 1,, n; j = 1,, n Rajoitteella (37) ei ole mitään merkitystä, jos ei ole olemassa edes yhtä endogeenista muuttujaa, josta funktio g(x 1, x 2,, x n ) on riippuvainen Jotta toisen asteen ehdot voitaisiin kirjoittaa mahdollisimman yksinkertaiseen muotoon, oletetaan g 1 0 Muissa suhteissa endogeenisten muuttujien järjestyksellä ei ole väliä Suoraviivaisin tapa on ratkaista rajoitteesta (37) jokin muuttujista (esim x 1 ) muiden muuttujien (esim x 2,, x n ) funktiona: x 1 = X(x 2,, x n ) (38) Jos ratkaisua (38) ei löydy eksplisiittisesti, niin sen voi etsiä implisiittisesti komparatiivisen statiikan avulla [ks moniste "Komparatiivinen statiikka", tämä luentosarja] Sijoittamalla (38) saadaan maksimoitava funktio (31) muotoon y = f ( X(x 2,, x n ), x 2,, x n ) (39) Funktio (39) voidaan nyt maksimoida ilman rajoitetta Tässä voidaan menetellä samalla tavalla kuin kappaleessa 31

26 24 Joissakin taloudellisissa sovelluksissa ratkaisun (38) muodostaminen ei ole tarkoituksenmukaista, koska se voi esimerkiksi tehdä mallin hankalammin tulkittavaksi Tällöin joudutaan edellä esitellyn sijoitusmenetelmän sijasta käyttämään Lagrangen menetelmää, jonka esittelyyn käytämme tämän kappaleen loppuosan Funktion (31) optimointi rajoitteena (37) voidaan kääntää optimoinniksi ilman rajoitetta muodostamalla Lagrangen funktio L(x 1,, x n, x n+1 ) = f(x 1,, x n ) + x n+1 g(x 1,, x n ), (310) missä x n+1 on Lagrangen kerroin Merkitään yksikertaisuuden vuoksi funktion (310) osittaisderivaattoja seuraavasti: L i = L x i, L ij = L x i x j, i = 1,, n + 1; j = 1,, n + 1 Lagrangen funktiota (310) maksimoidaan nyt muuttujien (x 1,, x n+1 ) avulla ilman rajoitetta Tässä voidaan menetellä pienin muutoksen samalla tavoin kuin kappaleessa 31 Rajoitettu Hessin determinantti on muotoa = L 11 L 12 L 1n L 1,n+1 L 21 L 22 L 2n L 2,n+1 L n1 L n2 L nn L n,n+1 L n+1,1 L n+1,2 L n+1,n L n+1,n+1 L 11 L 12 L 1n g 1 L 21 L 22 L 2n g 2 L n1 L n2 L nn g n g 1 g 2 g n 0 = 0 g 1 g 2 g n g 1 L 11 L 12 L 1n g 2 L 21 L 22 L 2n g n L n1 L n2 L nn (311) (312) Teoreema 2 (a) Funktiolla (31) on yksikäsitteinen lokaali sisämaksimi rajoitteena (37) pisteessä (x 1,, x n) silloin ja vain silloin kun 1 L i = 0 kaikilla i = 1,, n (ensimmäisen asteen ehdot), 2 Rajoitetun Hessin determinantin (312) pääminoreilla on vaihtuvat etumerkit seuraavasti (toisen asteen ehdot): 0 g 1 g 2 0 g 1 g 2 g 3 g 1 L 11 L 12 g 1 L 12 L 22 > 0, g 1 L 11 L 12 L 13 g 2 L 12 L 22 L 23 < 0, g 3 L 13 L 23 L 33 0 g 1 g 2 g n g 1 L 11 L 12 L 1n, g 2 L 12 L 22 L 2n > 0, kun n on parillinen < 0, kun n on pariton g 3 L n3 L n3 L nn

27 25 (b) Funktiolla (31) on yksikäsitteinen lokaali sisäminimi rajoitteena (37) pisteessä (x 1,, x n) silloin ja vain silloin kun 1 L i = 0 kaikilla i = 1,, n (ensimmäisen asteen ehdot), 2 Rajoitetun Hessin determinantin (312) pääminorit ovat negatiivisia (toisen asteen ehdot): 0 g 1 g 2 0 g 1 g 2 g 3 g 1 L 11 L 12 g 1 L 12 L 22 < 0, g 1 L 11 L 12 L 13 g 2 L 12 L 22 L 23 < 0, g 3 L 13 L 23 L 33 0 g 1 g 2 g n g 1 L 11 L 12 L 1n, g 2 L 12 L 22 L 2n < 0 g 3 L n3 L n3 L nn 321 Esimerkki 1 Etsi funktion y = xz ääriarvo rajoitteena x + z = 8 Ratkaistaan tämä ongelma ensiksi sijoitusmenettelyllä Ratkaistaan rajoite muotoon z = 8 x ja sijoitetaan tavoitefunktioon, jolloin saadaan Ensimmäisen ja toisen asteen ehdoista y(x) = x(8 x) dy d = 8 2x = 0, dx 2 y = 2 < 0 dx2 nähdään, että funktiolla on annetuissa rajoissa maksimi pisteessä x = 8 2 = 4 Funktion maksimiarvo on y(4) = 4 2 = 16 Seuraavaksi ratkaistaan sama Lagrangen menetelmällä Muodotetaan Lagrangen funktio L(x, z, λ) = xz + λ[8 x z], missä λ on Lagrangen kerroin Ensimmäisen asteen ehdot: L x = z λ = 0, L z = x λ = 0, L λ = 8 x z = 0 Näistä saadaan x = z = λ = 8 2 = 4 Muodostetaan rajoitettu Hessin determinantti: 2 L 2 L 2 L λ 2 λ x λ z 2 L 2 L 2 L = x λ x 2 x z L 2 L 2 L z λ z x z 2 = ( 1) 1+2 ( 1) ( 1)1+3 ( 1) = = 2 > 0

28 26 Koska tämä on positiivinen, niin ääriarvo x = z = 4 on maksimi 322 Esimerkki 2 Optimoidaan funktiota rajoitteena y = f(x 1, x 2, x 3 ) = x x x 2 3 2x 1 2x 2 2x 3 2x 1 x 2 x 3, (x 1, x 2, x 3 ) R 3, (313) Tämän ongelman Lagrangen funktio on g(x 1, x 2, x 3 ) = x 1 + x 2 + x 3 9 = 0 (314) L(x 1, x 2, x 3, x 4 ) = x x x 2 3 2x 1 2x 2 2x 3 2x 1 x 2 x 3 + x 4 [x 1 + x 2 + x 3 9] (315) Ensimmäisen asteen ehdot ovat L 1 = 2x 1 2 2x 2 x 3 x 4 = 0, L 2 = 2x 2 2 2x 1 x 3 x 4 = 0, L 3 = 2x 3 2 2x 1 x 2 x 4 = 0, L 4 = x 1 + x 2 + x 3 9 = 0 Tästä saadaan ratkaisu x 1 = x 2 = x 3 = 3 Rajoitettu Hessin determinantti ensimmäisen asteen ehdot toteuttavassa pisteessä (3, 3, 3) on muotoa 0 g 1 g 2 g 3 g 1 L 11 L 12 L 13 g 2 L 12 L 22 L 23 g 3 L 13 L 23 L 33 = 192 < 0 = x 3 2x 2 1 2x 3 2 2x 1 1 2x 2 2x 1 2 = Sen pääminori on = 16 < 0 Koska molemmat determinantit ovat negatiivisia, funktiolla (313) on yhtälön (314) antamissa rajoissa minimi pisteessä (3, 3, 3) 323 Esimerkki 3 Kuluttaja valitsee kulutuksensa (c 1, c 2 ) maksimoidakseen hyötyä U(c 1, c 2 ), (c 1, c 2 ) R 2, (316)

29 27 missä c 1 on hyödykkeen 1 ja c 2 on hyödykkeen 2 kulutus, budjettirajoitteena p 1 c 1 + p 2 c 2 = I, (317) missä p 1 ja p 2 ovat hyödykkeiden 1 ja 2 hintoja ja I tulot Hyötyfunktiolla (316) on tavalliset ominaisuudet 2 U c 2 1 < 0, 2 U c 2 2 < 0, Tämän ongelman Lagrangen funktio on 2 U c 1 c 2 > 0 L(c 1, c 2, λ) = U(c 1, c 2 ) + λ[i p 1 c 1 p 2 c 2 ], (318) missä λ on Lagrangen kerroin Ensimmäisen asteen ehdot ovat L = U p 1 λ = 0, c 1 c 1 L = U p 2 λ = 0, c 2 c 2 Rajoitettu Hessin determinantti on muotoa 0 p 1 p 1 p 2 U 2 U 1 c 2 1 c 1 c 2 = p 2 2 U 2 U 1 p 2 U 2 U }{{} c p 1 p 2 }{{} 2 c 1 c c 1 c 2 c 2 }{{} + }{{ 2 } 2 + L λ = I p 1c 1 p 2 c 2 = 0 p 2 2 }{{} 2 U c 2 1 }{{} > 0 Täten hyötyfunktiolla (316) on budjetin (317) rajoissa maksimi Lagrangen funktion (318) maksimiarvoa sanotaan myös epäsuoraksi hyötyfunktioksi V (I, p 1, p 2 ), joka kertoo hyötytason tulojen I ja hintojen funktiona Sillä om sama arvo kuin kuluttajan hyödyllä optimissa: V (I, p 1, p 2 ) = L(c 1, c 2, λ) = U(c 1, c 2) + λ[i p 1 c 1 p 2 c 2] = U(c }{{} 1, c 2), =0, (317) missä c 1 ja c 2 ovat kuluttajan valitsemat optimiarvot kulutukselle c 1 ja c 2 Koska 1 asteen ehtojen nojalla L/ c 1 = L/ c 2 = 0, vaikutuksia c 1:n ja c 2:n kautta ei tarvitse ottaa huomioon Koska V/ I = λ, Lagrangen kerrointa λ voidaan pitää tulon rajahyötynä yksi euro tuloihin I lisää hyötytasoa λ:n verran Klassinen tulos: Epäsuoran hyötyfunktion derivaatta hyödykkeen i hinnan p i suhteen on sama kuin minus kuluttajan rajahyöty λ kertaa saman hyödykkeen i kulutus c i : 324 Esimerkki 4 V/ p i = λc i = λc i Olkoon tuotantokustannukset wl + rk ja tuotantofuntio Y = F (K, L), missä Y tuotos, L työ, K pääoma, w palkka ja r korko (lopputuoteen hinta on valittu ykköseksi) Tuottaja minimoi kustannuksiaan wl + rk valitsemalla panoksensa K ja L siten, että tuotanto Y pidetään annetulla tasolla: F (K, L) = Y

30 28 Tämän ongelman Lagrangen funktion on Q(K, L, w, r, Y ) = wl + rk + µ[y F (K, L)], (319) missä µ on Lagrangen kerroin Emsimmäisen asteen ehdot ovat Q K = r µf K(K, L) = 0, Q L = r µf L(K, L) = 0, (320) missä F K = L/ K ja FL = L/ L Lagrangen funktion (319) minimiarvoa sanotaan (kokonais) kustannusfunktioksi: C(w, r, Y ) = Q(K, L, w, r, Y ) = wl + rk + µ[y F (K, L )], (321) missä K ja L ovat pääoman ja työn optimiarvot Koska 1 asteen ehtojen nojalla Q/ L = Q/ K = 0, vaikutuksia K :n ja L :n kautta ei tarvitse ottaa huomioon Koska C/ Y = µ, Lagrangen kerrointa µ voidaan pitää rajakustannuksina yksi yksikkö tuotantoa Y lisää kustannuksia µ yksikköä Klassinen tulos: Kustannusfunktion derivaatta panoksen L (K) hinnan w (r) suhteen on tämän panoksen kysyntä L (K): C w = L = L, C r = K = K 33 Optimointi monen yhtälön rajoittamana Edellisessä kappaleessa esitelty teoria optimoinnista yhden yhtälön rajoittamana voidaan yleistää koskemaan optimointia, jossa rajoittavia yhtälöitä on mielivaltainen määrä m: g h (x 1, x 2,, x n ) = 0, h = 1,, m, (322) jossa g h on differentioituva funktio Merkitään yksikertaisuuden vuoksi funktioiden (322) osittaisderivaattoja seuraavasti: g h i = gh x i, g h ij = gh x i x j, i = 1,, n, j = 1,, n, h = 1,, m < n Oletetaan, että rajoitteiden (322) Jacobin determinantti m;n ensimmäisen endogeenisen muuttujan suhteen on nollasta eroava: g1 1 g2 1 g 1 n g1 2 g2 2 gn 2 0 (323) g1 n g2 n gn n Tämä takaa sen, että kaikilla rajoitteilla on optimoinnin kannalta jotain merkitystä Endogeenisten muuttujien järjestys voidaan vapaasti valita edellyttäen, että (323) pysyy voimassa

31 29 Suoraviivaisin tapa on ratkaista rajoitteesta (322) m muuttujaa (esim x 1,, x m ) muiden muuttujien (esim x m+1,, x n ) funktiona: x h = X h (x m+1,, x n ), h = 1,, m (324) Jos ratkaisua (324) ei löydy eksplisiittisesti, niin sen voi etsiä implisiittisesti komparatiivisen statiikan avulla [ks moniste "Komparatiivinen statiikka", tämä luentosarja] Sijoittamalla (324) saadaan (31) muotoon y = f ( X 1 (x m+1,, x n ),, X m (x m+1,, x n ), x m+1,, x n ) (325) Funktio (325) voidaan nyt maksimoida ilman rajoitetta Tässä voidaan menetellä samalla tavalla kuin kappaleessa 31 Vaihtoehtoisesti voidaan käyttää Lagrangen menetelmää seuraavasti Funktion (31) optimointi rajoitteina (322) voidaan kääntää optimoinniksi ilman rajoitetta muodostamalla Lagrangen funktio L(x 1,, x n+m ) = f(x 1,, x n ) + m x n+h g h (x 1,, x n ), (326) missä x n+1,, x n+m ovat Lagrangen kertoimia Merkitään yksikertaisuuden vuoksi funktion (326) osittaisderivaattoja seuraavasti: h=1 L i = L x i, L ij = L x i x j, i = 1,, n + m; j = 1,, n + m Lagrangen funktiota (326) maksimoidaan nyt muuttujien (x 1,, x n+m ) avulla ilman rajoitetta, samoin kuin kappaleessa 31 Rajoitettu Hessin determinantti on muotoa L 11 L 1,n+m L n+m,1 L n+m,n+m = = 0 0 g 1 1 g 1 n 0 0 g m 1 g m n g 1 1 g m 1 L 11 L 1n g 1 n g m n L n1 L nn L 11 L 1n g1 1 g1 m L n1 L nn gn 1 gn m g1 1 gn g1 m gn m 0 0 (327) Teoreema 3 (a) Funktiolla (31) on yksikäsitteinen lokaali sisämaksimi rajoitteena (322) pisteessä (x 1,, x n) silloin ja vain silloin kun 1 L i = 0 kaikilla i = 1,, n (ensimmäisen asteen ehdot),

32 30 2 Rajoitetun Hessin determinantin (327) pääminorilla numero (2m + 1) on sama etumerkki kuin termillä ( 1) m+1, ja siitä eteenpäin etumerkit vaihtuvat niin että pääminorilla numero (2m + s) on sama etumerkki kuin termillä ( 1) m+s (b) Funktiolla (31) on yksikäsitteinen lokaali sisäminimi rajoitteena (322) pisteessä (x 1,, x n) silloin ja vain silloin kun 1 L i = 0 kaikilla i = 1,, n (ensimmäisen asteen ehdot), 2 Rajoitetun Hessin determinantin (327) pääminorit numerosta (2m+1) eteenpäin ovat samaa merkkiä kuin ( 1) m (toisen asteen ehdot) Huom! Kaikki rajoitetun Hessin determinantin (327) pääminorit, joiden jäjestysluku on pienempi kuin (2m + 1), ovat nollia 331 Esimerkki Tarkastellaan kotitaloutta, joka kuluttaa neljää hyödykettä ja maksimoi hyötyfunktiota U(c 1, c 2, c 3, c 4 ), (c 1, c 2, c 3, c 4 ) R 4, (328) missä c i on hyödykkeen i kulutus Funktio (328) oletetaan kahdesti derivoituvaksi Merkitään yksikertaisuuden vuoksi U i = U c i, U ij = U c i c j, i {1, 2, 3, 4}, j {1, 2, 3, 4} Kotitalouden budjettirajoite on p 1 c 1 + p 2 c 2 + p 3 c 3 + p 4 c 4 = I, (329) missä I on tulot ja p i hyödykkeen i hinta Tamperelaisen taloustieteilijän Ilari Tyrnin mukaan hyödykkeiden kuluttaminen ei vie ainoastaan rahaa, vaan myös aikaa Niinpa oletetaan, että kotitalouden aikavaranto Q on yksikköä ja hyödykkeen i kuluttamiseen tarvitaan q i aikayksikköä Tästä tulee kotitaloudelle aikarajoite q 1 c 1 + q 2 c 2 + q 3 c 3 + q 4 c 4 = Q (330) Kotitalous maksimoi hyötyään (328) siten, että sekä budjetti- (329) että aikarajoite (330) ovat yhtä aikaa voimassa Tästä Lagrangen funktio L(c 1, c 2, c 3, c 4, λ, µ) = U(c 1, c 2, c 3, c 4 ) + λ[i p 1 c 1 p 2 c 2 p 3 c 3 p 4 c 4 ] + µ[q q 1 c 1 q 2 c 2 q 3 c 3 q 4 c 4 ],

33 31 missä Lagrangen kerroin λ voidaan tulkita tulon I ja kerroin µ ajan Q rajahyödyksi Ensimmäisen asteen ehdot ovat L c i = U i λp i µq i = 0, i = 1,, 4, L λ = I p 1c 1 p 2 c 2 p 3 c 3 p 4 c 4 = 0, L µ = Q q 1c 1 q 2 c 2 q 3 c 3 q 4 c 4 = 0 Rajoitettu Hessin determinantti on muotoa 0 0 p 1 p 2 p 3 p q 1 q 2 q 3 q 4 p 1 q 1 U 11 U 12 U 13 U 14 p 2 q 2 U 21 U 22 U 23 U 24 p 3 q 3 U 31 U 32 U 33 U 34 p 4 q 4 U 41 U 42 U 43 U 44 Toisen asteen ehdot hyödyn maksimoinnille ovat voimassa, jos pääminorilla numero ( ) = 5 on sama etumerkki kuin termillä ( 1) 2+1 ja seuraavalla on vastaikkainen etumerkki: 0 0 p 1 p 2 p q 1 q 2 q 3 p 1 q 1 U 11 U 12 U 13 p 2 q 2 U 21 U 22 U 23 p 3 q 3 U 31 U 32 U 33 < 0, 0 0 p 1 p 2 p 3 p q 1 q 2 q 3 q 4 p 1 q 1 U 11 U 12 U 13 U 14 p 2 q 2 U 21 U 22 U 23 U 24 p 3 q 3 U 31 U 32 U 33 U 34 p 4 q 4 U 41 U 42 U 43 U Optimointi epäyhtälöiden rajoittamana > 0 Tarkastelemme nyt funktion (31) maksimointia, kun rajoitteina ovat epäyhtälöt g h (x 1, x 2,, x n ) 0, h = 1,, m, (331) jossa g h on differentioituva funktio Merkitään yksikertaisuuden vuoksi funktioiden (322) osittaisderivaattoja seuraavasti: g h i = gh x i, g h ij = gh x i x j, i = 1,, n, j = 1,, n, h = 1,, m Tämä ongelma ratkaistaan Kuhnin-Tuckerin menetelmällä seuraavasti Muodostetaan Lagrangen funktio L(x 1,, x n+m ) = f(x 1,, x n ) + m x n+h g h (x 1,, x n ) (332) h=1

34 32 Merkitään yksikertaisuuden vuoksi funktion (332) osittaisderivaattoja seuraavasti: L i = L x i, L ij = L x i x j, i = 1,, n + m; j = 1,, n + m Ensimmäisen asteen ehdot ovat nyt muotoa L x i = 0, kun i=1,,n, L x i x i = 0 ja x i 0, kun i=n+1,,n+m (333) Muuttujia (x n+1,, x n+m ) koskevia ehtoja sanotaan Kuhnin-Tuckerin ehdoiksi Tämä yleistää näppärästi aikaisemmin opitun teorian: Jos rajoite ei ole sitova, g h (x 1,, x n ) > 0, niin silloin vastaava Lagrangen kerroin on nolla, x n+h = 0 Tällöin optimointi tehdään ikään kuin rajoitetta ei olisikaan (vrt kappale 31) Jos rajoite on sitova, g h (x 1,, x n ) = 0, niin silloin x n+h voi saada nollasta poikkeavia arvoja Tällöin optimointi tehdään kuten yhtälörajoitteen tapauksessa Huom 1 Rajoitteiden g h 0 epäyhtälön suunnan vaihtaminen kääntää Kuhnin- Tuckerin x i 0 epäyhtälöiden suunnan! Jos funktiota (31) maksimoidaan ja rajoitteet ovat (331):n sijasta muotoa g h (x 1, x 2,, x n ) 0, h = 1,, m, (334) niin silloin ensimmäisen asteen ehdot ovat (333):n sijasta muotoa L x i = 0, kun i=1,,n, L x i x i = 0 ja x i 0, kun i=n+1,,n+m (335) Todistus: Kerrotaan rajoitteet (334) ( 1):llä, jolloin saadaan g h (x 1, x 2,, x n ) 0, h = 1,, m (336) Maksimoidaan nyt funktiota (31) rajoitteina (336) Lagrangen funktioksi tulee L(x 1,, x n+m ) = f(x 1,, x n ) + m x n+h [ g h (x 1,, x n )], (337) h=1 jossa x n+1,, x n+m ovat Lagrangen kertoimia Tällöin ensimmäisen asteen ehdoiksi tulee L x i = 0, kun i=1,,n, L x i x i = 0 ja x i 0, kun i=n+1,,n+m (338) Määrittelemällä uudet muuttujat x n+h = x n+h ja sijoittamalla nämä (337):een ja (338):een saadaan Lagrangen funktio (332) ja ensimmmäisen asteen ehdot (335)

35 33 Huom 2 Maksimoinnin vaihtaminen minimoinniksi kääntää Kuhnin- Tuckerin x i 0 epäyhtälöiden suunnan! Jos funktion (31):n minimoidaan rajoitteena (331), niin silloin ensimmäisen asteen ehdot ovat (333):n sijasta L x i = 0, kun i=1,,n, L x i x i = 0 ja x i 0, kun i=1,,n+m (339) Todistus: Funktion (31):n minimimointi rajoitteena (331) on sama asia kuin funktion f(x 1,, x n ) maksimointi rajoitteena (331) Tätä vastaava maksimoitava Lagrangen funktio on L(x 1,, x n+m ) = f(x 1,, x n ) + m x n+h g h (x 1,, x n ), (340) jossa x n+1,, x n+m ovat Lagrangen kertoimia Tätä vastaavat ensimmäisen asteen ehdot ovat L x i = 0, kun i=1,,n, h=1 Funktion (340) maksimointia vastaa funktion L x i x i = 0 ja x i 0, kun i=n+1,,n+m (341) L(x 1,, x n+m ) = L(x 1,, x n+m ) m = f(x 1,, x n ) + ( x n+h )g h (x 1,, x n ) (342) minimointi Määrittelemällä uudet muuttujat x n+h = x n+h ja sijoittamalla nämä (341):een ja (342):een saadaan Lagrangen funktio (332) ja ensimmmäisen asteen ehdot (339) h=1 Huom 3 rajoitteilla Huomautuksista 1 ja 2 seuraa, että jos funktiota (31) minimoidaan g h (x 1, x 2,, x n ) 0, h = 1,, m, niin silloin ensimmäisen asteen ehdot ovat L x i = 0, kun i=1,,n, 341 Toisen asteen ehdot L x i x i = 0 ja x i 0, kun i=1,,n+m Optimoinnista epäyhtälörajoitteella on vaikea antaa mitään yleipäteviä toisen asteen ehtoja Monissa taloudellisissa malleissa toisen asteen ehtojen olemassaolo taataan seuraavasti: (a) Olkoon tarkoituksena on maksimoida funktiota (31) rajoitteina (331) Tällöin välttämättömät ehdot (333) ovat samalla riittävät ehdot, jos sekä tavoitefunktio (31) että rajoitefunktiot (331) ovat konkaaveja, so jos niiden Hessin determinanttien pääminorit toteuttavat ehdot (34)

36 34 (b) Olkoon tarkoituksena on minimoida funktiota (31) rajoitteina (331) Tällöin välttämättömät ehdot (333) ovat samalla riittävät ehdot, jos sekä tavoitefunktio (31) että rajoitefunktiot (331) ovat konvekseja, so jos niiden Hessin determinanttien pääminorit toteuttavat ehdot (35) 342 Esimerkki 1 Osoita, että on aivan sama, maksimoidaanko funktiota f(x 1,, x n ) yhtälörajoitteella g(x 1,, x n ) = 0 vai maksimoidaanko sitä epäyhtälörajoitteilla g(x 1,, x n ) 0 ja g(x 1,, x n ) 0, kun f x 1 0 ja g x 1 0 Lagrangen funktio yhtälörajoitteen tapauksessa: Emsimmäisen asteen ehdot: L = f(x 1,, x n ) + λg(x 1,, x n ) L = f + λ g = 0, x i x i x i i = 1,, n, (343) L λ = g(x 1,, x n ) = 0 (344) Lagrangen funktio epäyhtälörajoitteiden tapauksessa: L = f(x 1,, x n ) + λ 1 g(x 1,, x n ) + λ 2 [ g(x 1,, x n )] Emsimmäisen asteen ehdot: = f(x 1,, x n ) + (λ 1 λ 2 )g(x 1,, x n ) L = f + (λ 1 λ 2 ) g = 0, x i x i x i i = 1,, n, (345) L λ 1 = λ 1 g(x 1,, x n ) = 0, λ 1 λ 1 0, (346) L λ 2 = λ 2 g(x 1,, x n ) = 0, λ 2 λ 2 0 (347) Koska f x 1 0 ja g x 1 0, ehdon (345) nojalla jomman kumman muuttujista λ 1 ja λ 2 täytyy olla nollasta eroava Jos λ 1 > 0, niin silloin (346):n mukaan g(x 1,, x n ) = 0, ja jos λ 2 > 0, niin silloin (347):n mukaan g(x 1,, x n ) = 0 Määritellään muuttuja λ = λ 1 λ 2, jolloin ehdot (345) saadaan muotoon (343) Näin ollen g(x 1,, x n ) = 0, ja ehto (344) pitää aina paikkansa Koska molemissa tapauksissa ensimmäisen asteen ehdot ovat täysin samat, ne johtavat täysin samaan tulokseen 343 Esimerkki 2 Minimoitava f(x, y) = x 2 + y 2 rajoitteena x + y 1

37 35 Lagrangen funktio: L(x, y, λ) = x 2 + y 2 + λ[1 x y] Ensimmäisen asteen ehdot: L x = 2x λ = 0, L y = 2y λ = 0, L λ = [1 x y]λ = 0, λ 0 λ (348) Tarkastellaan erikseen kahta tapausta: rajoittamatonta optimia λ = 0 ja rajoitettua optimia λ > 0 Jos λ = 0, niin silloin (348):n perusteella x = y = 0 Tämä on kuitenkin ristiriidassa rajoitteen x + y 1 kanssa, joten λ = 0 ei ole mahdollista Koska λ > 0, ehdot (348) muuttuvat yhtälörajoitemuotoon: L x = 2x λ = 0, L y = 2y λ = 0, L = 1 x y = 0 (349) λ Tästä kolmen yhtälön yhtälöryhmästä ratkaistaan x = y = 1 2 ja λ = 1 Sijoittamalla takaisin tavoitefunktioon rajoitetuksi minimiksi ( 1 f 2 2), 1 ( 1 ) 2 ( 1 ) 2 1 = + = = 1 2 (350) Yhtälöiden (349) perusteella L λλ L λx L λy L xλ L xx L xy L yλ L yx L yy = joten (350) on lokaali minimi 344 Esimerkki 3 Maksimoitava = ( 1) 1+2 ( 1)( 2) + ( 1) 2+2 ( 1)2 = 4 < 0, rajoitteena x + y 50 Lagrangen funktio: f(x, y) = 64x 2x 2 + 4xy 4y y 14 (351) L(x, y, λ) = 64x 2x 2 + 4xy 4y y 14 + λ[50 x y] Ensimmäisen asteen ehdot: L L = 64 4x + 4y λ = 0, = 4x 8y + 32 λ = 0, x y L λ = [50 x y]λ = 0, λ 0 (352) λ

38 36 Tarkastellaan erikseen kahta tapausta: rajoittamatonta optimia λ = 0 ja rajoitettua optimia λ > 0 Jos λ = 0, niin silloin L x = 64 4x + 4y = 0, L y = 4x 8y + 32 = 0 (353) Näistä ratkaistaan x = 40 ja y = 24 Sijoittamalla takaisin (351):een saadaan rajoittamattomaksi optimiksi f(40, 24) = 1650 (354) Yhtälöiden (352):n perusteella L xx = 4 < 0, L xx L xy L xy L yy = = = 16 > 0, joten (354) on lokaali maksimi Jos λ > 0, niin silloin ehdot (352) muuttuvat yhtälörajoitemuotoon: L L = 64 4x + 4y λ = 0, = 4x 8y + 32 λ = 0, x y L = 50 x y = 0 (355) λ Tästä kolmen yhtälön yhtälöryhmästä ratkaistaan x = 316, y = 184 ja λ = 112 Sijoittamalla takaisin (351):een saadaan rajoitetuksi maksimiksi Yhtälöiden (355) perusteella L λλ L λx L λy L xλ L xx L xy L yλ L yx L yy = f(316, 184) = (356) = ( 1) 1+2 ( 1)(8 + 4) + ( 1) 2+2 ( 1)( 4 4) = = 20 > 0, joten (356) on lokaali maksimi Koska rajoittamaton maksimi (354) on suurempi kuin rajoitettu maksimi (356), niin (354) on ratkaisu 345 Esimerkki 4 Maksimoidaan funktiota (351) rajoitteena x + y 79 Lagrangen funktio: L(x, y, λ) = 64x 2x 2 + 4xy 4y y 14 + λ[79 x y]

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

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

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

Matematiikan peruskurssi (MATY020) Harjoitus 10 to

Matematiikan peruskurssi (MATY020) Harjoitus 10 to Matematiikan peruskurssi (MATY00) Harjoitus 10 to 6.3.009 1. Määrää funktion f(x, y) = x 3 y (x + 1) kaikki ensimmäisen ja toisen kertaluvun osittaisderivaatat. Ratkaisu. Koska f(x, y) = x 3 y x x 1, niin

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

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

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

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

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

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

= 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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

Matriisit ja optimointi kauppatieteilijöille P

Matriisit ja optimointi kauppatieteilijöille P Matriisit ja optimointi kauppatieteilijöille 802160P Luentomoniste Kari Myllylä Niina Korteslahti Topi Törmä Oulun yliopisto Matemaattisten tieteiden laitos Kevät 2017 Sisältö 1 Matriisialgebra 3 11 Määritelmä

Lisätiedot

YLE11, MATEMATIIKKAA TALOUSTIETEILIJÖILLE

YLE11, MATEMATIIKKAA TALOUSTIETEILIJÖILLE YLE11, MATEMATIIKKAA TALOUSTIETEILIJÖILLE Tämä luentomoniste on koottu useista lähteistä, joista tärkeimmät lienevät Sydsæter & Hammond (008). Essential Mathematics for Economic Analysis, Sydsæter, Hammond,

Lisätiedot

Matriisit ja optimointi kauppatieteilijöille P

Matriisit ja optimointi kauppatieteilijöille P Matriisit ja optimointi kauppatieteilijöille 802160P Luentomoniste Kari Myllylä Niina Korteslahti Topi Törmä Oulun yliopisto Matemaattisten tieteiden laitos Kevät 2018 Sisältö 1 Matriisialgebra 3 11 Määritelmä

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

Aalto-yliopiston perustieteiden korkeakoulu Matematiikan ja systeemianalyysin laitos. MS-A0203 Differentiaali- ja integraalilaskenta 2, kevät 2016

Aalto-yliopiston perustieteiden korkeakoulu Matematiikan ja systeemianalyysin laitos. MS-A0203 Differentiaali- ja integraalilaskenta 2, kevät 2016 Aalto-yliopiston perustieteiden korkeakoulu Matematiikan ja systeemianalyysin laitos Malinen/Ojalammi MS-A0203 Differentiaali- ja integraalilaskenta 2, kevät 2016 Laskuharjoitus 5A Vastaukset alkuviikolla

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

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

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

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

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 x + αd, α 0, on pisteestä x R n alkava puolisuora, joka on vektorin d suuntainen. Samoin

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

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

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

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

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

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

Matematiikan perusteet taloustieteilij oille I

Matematiikan perusteet taloustieteilij oille I Matematiikan perusteet taloustieteilijöille I Harjoitukset syksy 2006 1. Laskeskele ja sieventele a) 3 27 b) 27 2 3 c) 27 1 3 d) x 2 4 (x 8 3 ) 3 y 8 e) (x 3) 2 f) (x 3)(x +3) g) 3 3 (2x i + 1) kun, x

Lisätiedot

Luku 4. Derivoituvien funktioiden ominaisuuksia.

Luku 4. Derivoituvien funktioiden ominaisuuksia. 1 MAT-1343 Laaja matematiikka 3 TTY 1 Risto Silvennoinen Luku 4 Derivoituvien funktioiden ominaisuuksia Derivaatan olemassaolosta seuraa funktioille eräitä säännöllisyyksiä Näistä on jo edellisessä luvussa

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

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

Numeeriset menetelmät TIEA381. Luento 12. Kirsi Valjus. Jyväskylän yliopisto. Luento 12 () Numeeriset menetelmät / 33

Numeeriset menetelmät TIEA381. Luento 12. Kirsi Valjus. Jyväskylän yliopisto. Luento 12 () Numeeriset menetelmät / 33 Numeeriset menetelmät TIEA381 Luento 12 Kirsi Valjus Jyväskylän yliopisto Luento 12 () Numeeriset menetelmät 25.4.2013 1 / 33 Luennon 2 sisältö Tavallisten differentiaaliyhtälöiden numeriikasta Rungen

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

Taloustieteen mat.menetelmät 2017 materiaali 1

Taloustieteen mat.menetelmät 2017 materiaali 1 Taloustieteen mat.menetelmät 2017 materiaali 1 1 Taloustiede tutkii niukkojen resurssien kohdentamista kilpaileviin tarkoituksiin mikä on hyvä tapa kohdentaa? miten arvioida tuloksia? mitä niukkuus tarkoittaa?

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

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

Differentiaali- ja integraalilaskenta 2 Laskuharjoitus 4 / vko 40

Differentiaali- ja integraalilaskenta 2 Laskuharjoitus 4 / vko 40 Differentiaali- ja integraalilaskenta 2 Laskuharjoitus 4 / vko 40 Alkuviikolla harjoitustehtäviä lasketaan harjoitustilaisuudessa. Loppuviikolla näiden harjoitustehtävien tulee olla ratkaistuina harjoituksiin

Lisätiedot

Matematiikka B1 - avoin yliopisto

Matematiikka B1 - avoin yliopisto 28. elokuuta 2012 Opetusjärjestelyt Luennot 9:15-11:30 Harjoitukset 12:30-15:00 Tentti Nettitehtävät Kurssin sisältö 1/2 Osittaisderivointi Usean muuttujan funktiot Raja-arvot Osittaisderivaatta Pinnan

Lisätiedot

1 Rajoitettu optimointi III - epäyhtälörajoitteet, teoriaa

1 Rajoitettu optimointi III - epäyhtälörajoitteet, teoriaa Taloustieteen mat.menetelmät syksy27 materiaali II-3 Rajoitettu optimointi III - epäyhtälörajoitteet, teoriaa. Perustehtävä Maksimoi f(x) ehdoilla g i (x), i = ; : : : ; k tässä f; g i : R n 7! R, i =

Lisätiedot

. Kun p = 1, jono suppenee raja-arvoon 1. Jos p = 2, jono hajaantuu. Jono suppenee siis lineaarisesti. Vastaavasti jonolle r k+1 = r k, suhde on r k+1

. Kun p = 1, jono suppenee raja-arvoon 1. Jos p = 2, jono hajaantuu. Jono suppenee siis lineaarisesti. Vastaavasti jonolle r k+1 = r k, suhde on r k+1 TEKNILLINEN KORKEAKOULU Systeemianalyysin laboratorio Mat-.39 Optimointioppi Kimmo Berg 8. harjoitus - ratkaisut. a)huomataan ensinnäkin että kummankin jonon raja-arvo r on nolla. Oletetaan lisäksi että

Lisätiedot

Sivu 1 / 8. A31C00100 Mikrotaloustieteen perusteet: matematiikan tukimoniste. Olli Kauppi

Sivu 1 / 8. A31C00100 Mikrotaloustieteen perusteet: matematiikan tukimoniste. Olli Kauppi Sivu 1 / 8 A31C00100 Mikrotaloustieteen perusteet: matematiikan tukimoniste Olli Kauppi Monisteen ensimmäinen luku käsittelee derivointia hieman yleisemmästä näkökulmasta. Monisteen lopussa on kurssilla

Lisätiedot

Taloustieteen matemaattiset menetelmät - pikakertausta ja toimintaohjeita Kurssin 1. osa

Taloustieteen matemaattiset menetelmät - pikakertausta ja toimintaohjeita Kurssin 1. osa Taloustieteen matemaattiset menetelmät - pikakertausta ja toimintaohjeita Kurssin 1. osa Topi Hokkanen July 10, 2017 Esitiedoiksi oletetaan tuntemus vektoreista ja matriiseista (siis se, minkälaatuisia

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

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 Väliarvolause Oletetaan, että funktio f on jatkuva jollain reaalilukuvälillä [a, b] ja derivoituva avoimella välillä (a, b). Funktion muutos tällä välillä on luonnollisesti

Lisätiedot

Taustatietoja ja perusteita

Taustatietoja ja perusteita Taustatietoja ja perusteita Vektorit: x R n pystyvektoreita, transpoosi x T Sisätulo: x T y = n i=1 x i y i Normi: x = x T x = ni=1 x 2 i Etäisyys: Kahden R n :n vektorin välinen etäisyys x y 1 Avoin pallo:

Lisätiedot

Ratkaisuehdotus 2. kurssikoe

Ratkaisuehdotus 2. kurssikoe Ratkaisuehdotus 2. kurssikoe 4.2.202 Huomioitavaa: - Tässä ratkaisuehdotuksessa olen pyrkinyt mainitsemaan lauseen, johon kulloinenkin päätelmä vetoaa. Näin opiskelijan on helpompi jäljittää teoreettinen

Lisätiedot

6. Toisen ja korkeamman kertaluvun lineaariset

6. Toisen ja korkeamman kertaluvun lineaariset SARJAT JA DIFFERENTIAALIYHTÄLÖT 2003 51 6. Toisen ja korkeamman kertaluvun lineaariset differentiaaliyhtälöt Määritelmä 6.1. Olkoon I R avoin väli. Olkoot p i : I R, i = 0, 1, 2,..., n, ja q : I R jatkuvia

Lisätiedot

KANSANTALOUSTIETEEN PÄÄSYKOE : Mallivastaukset

KANSANTALOUSTIETEEN PÄÄSYKOE : Mallivastaukset KANSANTALOUSTIETEEN PÄÄSYKOE.6.016: Mallivastaukset Sivunumerot mallivastauksissa viittaavat pääsykoekirjan [Matti Pohjola, Taloustieteen oppikirja, 014] sivuihin. (1) (a) Julkisten menojen kerroin (suljetun

Lisätiedot

KKT: log p i v 1 + v 2 x i = 0, i = 1,...,n.

KKT: log p i v 1 + v 2 x i = 0, i = 1,...,n. TEKNILLINEN KORKEAKOULU Systeemianalyysin laboratorio Mat-2.139 Optimointioppi Kimmo Berg 7. harjoitus - ratkaisut 1. Oletetaan aluksi, että epäyhtälöt eivät ole aktiivisia p i > 0. Tässä tapauksess KKTehdot

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

Pisteessä (1,2,0) osittaisderivaatoilla on arvot 4,1 ja 1. Täten f(1, 2, 0) = 4i + j + k. b) Mihin suuntaan pallo lähtee vierimään kohdasta

Pisteessä (1,2,0) osittaisderivaatoilla on arvot 4,1 ja 1. Täten f(1, 2, 0) = 4i + j + k. b) Mihin suuntaan pallo lähtee vierimään kohdasta Laskukarnevaali Matematiikka B. fx, y, z) = x sin z + x y, etsi f,, ) Osittaisderivaatat ovat f f x = sin z + xy, y = x, f z = x cos z Pisteessä,,) osittaisderivaatoilla on arvot 4, ja. Täten f,, ) = 4i

Lisätiedot

Epäyhtälöt ovat yksi matemaatikon voimakkaimmista

Epäyhtälöt ovat yksi matemaatikon voimakkaimmista 6 Epäyhtälöitä Epäyhtälöt ovat yksi matemaatikon voimakkaimmista työvälineistä. Yhtälö a = b kertoo sen, että kaksi ehkä näennäisesti erilaista asiaa ovat samoja. Epäyhtälö a b saattaa antaa keinon analysoida

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

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

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

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

1 Di erentiaaliyhtälöt

1 Di erentiaaliyhtälöt Taloustieteen mat.menetelmät syksy 2017 materiaali II-5 1 Di erentiaaliyhtälöt 1.1 Skalaariyhtälöt Määritelmä: ensimmäisen kertaluvun di erentiaaliyhtälö on muotoa _y = F (y; t) oleva yhtälö, missä _y

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

BM20A5840 Usean muuttujan funktiot ja sarjat Harjoitus 1, Kevät 2018

BM20A5840 Usean muuttujan funktiot ja sarjat Harjoitus 1, Kevät 2018 BM20A5840 Usean muuttujan funktiot ja sarjat Harjoitus 1, Kevät 2018 1. (a) Tunnemme vektorit a = [ 5 1 1 ] ja b = [ 2 0 1 ]. Laske (i) kummankin vektorin pituus (eli itseisarvo, eli normi); (ii) vektorien

Lisätiedot

* Hyödyn maksimointi on ihmisten toimintaa ja valintoja ohjaava periaate.

* Hyödyn maksimointi on ihmisten toimintaa ja valintoja ohjaava periaate. KANSANTALOUSTIETEEN PERUSTEET Yrityksen teoria (Economics luvut 13-14) 14) KTT Petri Kuosmanen Optimointiperiaate a) Yksilöt pyrkivät maksimoimaan hyötynsä. * Hyödyn maksimointi on ihmisten toimintaa ja

Lisätiedot

Ratkaisuehdotus 2. kurssikokeeseen

Ratkaisuehdotus 2. kurssikokeeseen Ratkaisuehdotus 2. kurssikokeeseen 4.2.202 (ratkaisuehdotus päivitetty 23.0.207) Huomioitavaa: - Tässä ratkaisuehdotuksessa olen pyrkinyt mainitsemaan lauseen, johon kulloinenkin päätelmä vetoaa. Näin

Lisätiedot

Matematiikan peruskurssi 2

Matematiikan peruskurssi 2 Matematiikan peruskurssi Demonstraatiot III, 4.5..06. Mikä on funktion f suurin mahdollinen määrittelyjoukko, kun f(x) x? Mikä on silloin f:n arvojoukko? Etsi f:n käänteisfunktio f ja tarkista, että löytämäsi

Lisätiedot

a) Markkinakysyntä - Aikaisemmin tarkasteltiin yksittäisen kuluttajan kysyntää. - Seuraavaksi tarkastellaan koko markkinoiden kysyntää.

a) Markkinakysyntä - Aikaisemmin tarkasteltiin yksittäisen kuluttajan kysyntää. - Seuraavaksi tarkastellaan koko markkinoiden kysyntää. .. Markkinakysyntä ja joustot a) Markkinakysyntä - Aikaisemmin tarkasteltiin yksittäisen kuluttajan kysyntää. - Seuraavaksi tarkastellaan koko markkinoiden kysyntää. Markkinoiden kysyntäkäyrä saadaan laskemalla

Lisätiedot

6. Differentiaaliyhtälösysteemien laadullista teoriaa.

6. Differentiaaliyhtälösysteemien laadullista teoriaa. 1 MAT-13450 LAAJA MATEMATIIKKA 5 Tampereen teknillinen yliopisto Risto Silvennoinen Kevät 2010 6. Differentiaaliyhtälösysteemien laadullista teoriaa. Olemme keskittyneet tässä kurssissa ensimmäisen kertaluvun

Lisätiedot

MS-A0202 Differentiaali- ja integraalilaskenta 2 (SCI) Luento 4: Ketjusäännöt ja lineaarinen approksimointi

MS-A0202 Differentiaali- ja integraalilaskenta 2 (SCI) Luento 4: Ketjusäännöt ja lineaarinen approksimointi MS-A0202 Differentiaali- ja integraalilaskenta 2 (SCI) Luento 4: Ketjusäännöt ja lineaarinen approksimointi Antti Rasila Aalto-yliopisto Syksy 2015 Antti Rasila (Aalto-yliopisto) MS-A0202 Syksy 2015 1

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

y = 3x2 y 2 + sin(2x). x = ex y + e y2 y = ex y + 2xye y2

y = 3x2 y 2 + sin(2x). x = ex y + e y2 y = ex y + 2xye y2 Matematiikan ja tilastotieteen osasto/hy Differentiaaliyhtälöt I Laskuharjoitus 2 mallit Kevät 219 Tehtävä 1. Laske osittaisderivaatat f x = f/x ja f y = f/, kun f = f(x, y) on funktio a) x 2 y 3 + y sin(2x),

Lisätiedot

Matematiikan tukikurssi

Matematiikan tukikurssi Matematiikan tukikurssi Kertausluento 2. välikokeeseen Toisessa välikokeessa on syytä osata ainakin seuraavat asiat:. Potenssisarjojen suppenemissäde, suppenemisväli ja suppenemisjoukko. 2. Derivaatan

Lisätiedot

Dierentiaaliyhtälöistä

Dierentiaaliyhtälöistä Dierentiaaliyhtälöistä Markus Kettunen 4. maaliskuuta 2009 1 SISÄLTÖ 1 Sisältö 1 Dierentiaaliyhtälöistä 2 1.1 Johdanto................................. 2 1.2 Ratkaisun yksikäsitteisyydestä.....................

Lisätiedot

Harjoitus Tarkastellaan luentojen Esimerkin mukaista työttömyysmallinnusta. Merkitään. p(t) = hintaindeksi, π(t) = odotettu inflaatio,

Harjoitus Tarkastellaan luentojen Esimerkin mukaista työttömyysmallinnusta. Merkitään. p(t) = hintaindeksi, π(t) = odotettu inflaatio, Differentiaaliyhtälöt, Kesä 06 Harjoitus 3 Kaikissa tehtävissä, joissa pitää tarkastella kriittisten pisteiden stabiliteettia, jos kyseessä on satulapiste, ilmoita myös satulauraratkaisun (tai kriittisessä

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

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

Talousmatematiikan perusteet: Luento 6. Derivaatta ja derivaattafunktio Derivointisääntöjä Ääriarvot ja toinen derivaatta

Talousmatematiikan perusteet: Luento 6. Derivaatta ja derivaattafunktio Derivointisääntöjä Ääriarvot ja toinen derivaatta Talousmatematiikan perusteet: Luento 6 Derivaatta ja derivaattafunktio Derivointisääntöjä Ääriarvot ja toinen derivaatta Motivointi Funktion arvojen lisäksi on usein kiinnostavaa tietää jotakin funktion

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

Talousmatematiikan perusteet: Luento 12. Usean muuttujan funktiot Osittaisderivaatta Gradientti Suhteellinen muutosnopeus ja osittaisjousto

Talousmatematiikan perusteet: Luento 12. Usean muuttujan funktiot Osittaisderivaatta Gradientti Suhteellinen muutosnopeus ja osittaisjousto Talousmatematiikan perusteet: Luento 12 Usean muuttujan funktiot Osittaisderivaatta Gradientti Suhteellinen muutosnopeus ja osittaisjousto Aiemmilla luennoilla Tähän mennessä olemme tarkastelleet Erilaisia

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

Matematiikan tukikurssi

Matematiikan tukikurssi Matematiikan tukikurssi Kurssikerta 7 1 Useamman muuttujan funktion raja-arvo Palautetaan aluksi mieliin yhden muuttujan funktion g(x) raja-arvo g(x). x a Tämä raja-arvo kertoo, mitä arvoa funktio g(x)

Lisätiedot

Insinöörimatematiikka D

Insinöörimatematiikka D Insinöörimatematiikka D M. Hirvensalo mikhirve@utu.fi V. Junnila viljun@utu.fi A. Lepistö alepisto@utu.fi Matematiikan ja tilastotieteen laitos Turun yliopisto 2016 M. Hirvensalo V. Junnila A. Lepistö

Lisätiedot

Matematiikan tukikurssi. Toinen välikoe

Matematiikan tukikurssi. Toinen välikoe Matematiikan tukikurssi Toinen välikoe 1 Sisältö 1 Useamman muuttujan funktion raja-arvo 1 2 Useamman muuttujan funktion jatkuvuus 7 3 Osittaisderivaatat ja gradientti 8 4 Vektoriarvoiset funktiot 9 5

Lisätiedot

BM20A0300, Matematiikka KoTiB1

BM20A0300, Matematiikka KoTiB1 BM20A0300, Matematiikka KoTiB1 Luennot: Heikki Pitkänen 1 Oppikirja: Robert A. Adams: Calculus, A Complete Course Luku 12 Luku 13 Luku 14.1 Tarvittava materiaali (luentokalvot, laskuharjoitustehtävät ja

Lisätiedot

Aalto-yliopiston perustieteiden korkeakoulu Matematiikan ja systeemianalyysin laitos

Aalto-yliopiston perustieteiden korkeakoulu Matematiikan ja systeemianalyysin laitos Aalto-yliopiston perustieteiden korkeakoulu Matematiikan ja systeemianalyysin laitos Malinen/Vesanen MS-A0205/6 Differentiaali- ja integraalilaskenta 2, kevät 2017 Laskuharjoitus 4A (Vastaukset) alkuviikolla

Lisätiedot

Millaisia ovat finanssipolitiikan kertoimet

Millaisia ovat finanssipolitiikan kertoimet Millaisia ovat finanssipolitiikan kertoimet Antti Ripatti Helsingin yliopisto, HECER, Suomen Pankki 20.3.2013 Antti Ripatti (HECER) fipon kerroin 20.3.2013 1 / 1 Johdanto Taustaa Finanssipolitiikkaa ei

Lisätiedot

, tuottoprosentti r = X 1 X 0

, tuottoprosentti r = X 1 X 0 Ostat osakkeen hintaan ja myyt sen vuoden myöhemmin hintaan X 1. Kokonaistuotto on tällöin R = X 1, tuottoprosentti r = X 1 ja pätee R = 1 + r. Lyhyeksimyymisellä tarkoitetaan, että voit myydä osakkeen

Lisätiedot

1 Useamman muuttujan di erentiaalilaskenta

1 Useamman muuttujan di erentiaalilaskenta Taloustieteen matemaattiset menetelmät 207 materiaali 3 Useamman muuttujan di erentiaalilaskenta. Lineaariset funktiot Funktio f R n! R m on lineaarinen jos. Kaikille 2 R ja kaikille x 2 R n pätee 2. Kaikille

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