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

Koko: px
Aloita esitys sivulta:

Download "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"

Transkriptio

1 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 seuraavat yhtälöt: f x = 40x+0y = 0, f y = 0x+0y = 0. Ratkaisuja on yksi ja se on (0,0). Hessen matriisi on ja sen johtavat pääminorit ovat 40 ja 00. Molemmat ovat aidosti positiivisia, joten funktio on aidosti konveksi. Näin ollen kriittinen piste on globaali minimipiste (ja tietenkin myös paikallinen). (b.) Funktion kriittiset pisteet ratkaisevat seuraavat yhtälöt: f x = 8x y + = 0, f y = 4y x+ = 0. Ratkaisuja on yksi ja se on (, 5 ). Hessen matriisi on 8 4 ja sen johtavat pääminorit ovat 8 ja. Näin ollen funktio on aidosti konkaavi ja kriittinen piste on globaali maksimipiste (ja tietenkin myös paikallinen).. Etsi seuraavien funktioiden kriittiset pisteet ja tutki niiden laatu: (a.) f(x,y) = 00(x+0) +50(y 0) (b.) f(x,y) = x xy +y y (a.) Funktion kriittiset pisteet ratkaisevat seuraavat yhtälöt: f x = 00(x+0) = 0, f y = 500(y 0) = 0. Ratkaisuja on yksi ja se on ( 0,0). Hessen matriisi on ja sen johtavat pääminorit ovat 00 ja Näin ollen funktio on aidosti konveksi ja kriittinen piste on globaali minimipiste (ja tietenkin myös paikallinen). (b.) Funktion kriittiset pisteet ratkaisevat seuraavat yhtälöt: f x = x y = 0, f y = x+y = 0. Toisen yhtälön perusteella y = x+. Sijoittamalla tämä ensimmäiseen yhtälöön saadaan x x.

2 Tämän yhtälön ratkaisut ovat (+ 7) ja ( 7). Sijoittamalla nämä vuorotellen yhtälöön y = x+ ja sieventämällä, saadaan kriittisiksi pisteiksi 4 4 ( 4 (+ 7), ) 8 (9+ 7) ja ( 4 ( 7), ) 8 (9 7). Hessen matriisi on H(x,y) = x, ja sen johtavat pääminorit ovat x ja 4x. Funktio ei ole koko määrittelyjoukossaan konkaavi (eikä konveksi). Tutkitaan, jos kriittiset pisteet ovat paikallisia maksimi- tai minimipisteitä. Sijoittamalla ensimmäinen piste Hessen matriisiin (tai suoraan johtavien pääminoreiden lausekkeisiin), saadaan johtaviksi pääminoreiksi tässä pisteessä 4 (+ 7) > 0 ja 7 > 0. Molemmat ovat aidosti positiivisia, joten tämä kriittinen piste on paikallinen minimipiste. Toinen kriittinen piste on satulapiste, koska Hessen matriisi on siinä indefiniitti: Sen johtavat pääminorit ovat siinä pisteessä 4 ( 7) < 0 ja erityisesti 7 < 0.. Yrityksen tuotantoteknologiaa kuvataan tuotantofunktiolla f(x,y) = x y, jolloin lopputuotteen määrä, q, on tuotantofunktion arvo. Muuttujat x ja y ovat tuotantopanosten määrät. Lopputuotteen hinta on 0 ja panosten hinnat ovat 4 ja 6, jolloin yrityksen voitto panosmäärien funktiona on π(x,y) = 0x y 4x 6y. Yritys maksimoi voittoa, joten sen tehtävä on () max π(x,y). Ratkaise maksimointitehtävä (). Voit edetä kahdessa vaiheessa: (a.) Laske voittofunktion kriittinen piste. (b.) Perustele miksi kriittinen piste on maksimipiste. (Perustelu saa olla lyhyt. Voit tietenkin käyttää luentojen tietoja hyväksi vastauksessa.) Funktion π kriittinen piste ratkaisee yhtälöparin () () 0 x y 4 = 0, 0 x y 6 = 0. Siirretään vakiot 4 ja 6 yhtälöiden toiselle puolelle ja jaetaan yhtälöt puolittain, jolloin saadaan yhtälö 0 x y 0 x y = 4 6, Mitä tässä oikeastaan tehdään?

3 joka sievennettynä on y =. Tällöin x = y. Sijoittamalla tämä esimerkiksi x yhtälöön () saadaan yhtälö 0 ( y y) = 6. Laskemalla saadaan 0 ( y ( ) ) y = 6 y = 8 0 ( 8 y = 0 ( 8 y = 0 ) ) = = Sijoittamalla tämä ensimmäiseen yhtälöön () ja ratkaisemalla, saadaan x = 5 Kriittinen piste on siis ( 5, 5) Kriittinen piste on globaali maksimipiste, koska funktio π on konkaavi muuttujien x ja y suhteen (katso monisteen esimerkit.6 ja.7!). 4. (Tämä on kirjasta EMEA.) Yritys tuottaa kahta lopputuotetta määrät x ja y, ja sen kustannusfunktio on C(x,y) = ax + by, jossa a ja b ovat aidosti positiivisia vakioita. Lopputuotteiden hinnat ovat vakiot p ja q, jolloin yrityksen voitto lopputuotemäärien funktiona π on π(x,y) = px+qy (ax +by ). Etsi lopputuotemäärät, jotka maksimoivat voittoa. Sijoita sitten saamasi optimaaliset lopputuotemäärät funktion π lausekkeeseen. Saat optimoidun voiton määrän, jota voit merkitä π (p,q,a,b). Laske osittaisderivaatta π p. Funktio π on aidosti konkaavi lopputuotemäärien [ suhteen, koska ] Hessen matriisi a 0 on negatiivisesti definiitti (Hessen matriisi on ). Tällöin kriittinen 0 b piste ja tehtävän ratkaisu toteuttaa yhtälöt Yhtälöiden ratkaisu on ( p sieventelyn jälkeen a, q b π x = p ax = 0, π y = q by = ). Sijoitetaan ne funktion π lausekkeeseen. Saamme π( p a, q b ) = p p a +q q b a ( p a) b ( q b = p 4a + q 4b. Merkitään π (p,q,a,b) := p 4a + q 4b. Tällöin π p = p 4a = p a, joka on yhtä suuri kuin optimaalinen lopputuotteen määrä x. Huomaa, että funktio π riippuu muuttujien x ja y lisäksi myös parametreistä p, q, a ja b. Funktion π π osittaisderivaatta p:n suhteen,, on juuri x. Tämä ei ole sattumaa. Katso p lisätietoja EMEA luku.7 Comparative statics and the envelope theorem. 5. Käytä tässä tehtävässä Lagrangen menetelmää ja reunustettua Hessen matriisia. )

4 4 (a.) Ratkaise maksimointitehtävä max (b.) Ratkaise minimointitehtävä min (a.) Lagrangen funktio on Sen kriittinen piste toteuttaa yhtälöt 5xy siten että x+4y =. 4x +y siten että x+y = 0. L(x,y,λ) = 5xy λ(x+4y ). L x = 5y λ = 0, L y = 5x 4λ = 0, L λ = (x+4y ) = 0. Kriittinen piste on(,, 5 ) Piste(, ) on ehdokas tehtävän ratkaisuksi. Tarkistetaan, että se on (paikallinen) rajoitettu maksimipiste reunustetun Hessen matriisin 4 8 avulla. Nyt H(x,y,λ) = , ja sen determinantti on 80. Koska determinantti on suurempi kuin nolla, on ( 4, 8 ) paikallinen rajoitettu maksimipiste. (b.) Kyseessä on minimointitehtävä, mutta Lagrangen menetelmä toimii siihenkin. Lagrangen funktio on Sen kriittinen piste toteuttaa yhtälöt L(x,y,λ) = 4x +y λ(x+y 0). L x = 8x λ = 0, L y = y λ = 0, L λ = (x+y 0) = 0. Kriittinen piste on ( 6, 6, 6). Piste (6, 6 ) on ehdokas tehtävän ratkaisuksi. Tarkistetaan, että se on (paikallinen) rajoitettu minimipiste reunustetun Hessen mat- 5 5 riisin avulla. Nyt H(x,y,λ) = 0 8 0, 0 ja sen determinantti on 50. Koska determinantti on pienempi kuin nolla, on ( 6, 6 ) paikallinen rajoitettu minimipiste Käytä tässä tehtävässä Lagrangen menetelmää ja kirjan EMEA lausetta 4.5. (tai monisteen lausetta.6). (a.) Ratkaise maksimointitehtävä (b.) Ratkaise minimointitehtävä maxx +y siten että x+y =. min x y +x siten että x+y = 0.

5 (a.) Lagrangen funktio on L(x,y,λ) = x +y λ(x+y ). Koska sen Hessen matriisi (muuttujien x ja y suhteen) on H(x,y) = 4 x 0 0, 4 y Lagrangen funktio on aidosti konkaavi (valinta)muuttujien x ja y suhteen (laske johtavat pääminorit itse ja varmistu, että H on negatiivisesti definiitti). Näin ollen Lagrangen funktion kriittisen pisteen valintamuuttuja-osa antaa globaalin rajoitetun maksimipisteen. Lasketaan se yhtälöistä L x = x λ = 0, L y = y λ = 0, L λ = (x+y ) = 0. Kriittinen piste on ( 6,, 6 ), ja tehtävän globaali maksimipiste on ( 6, ). (b.) Lagrangen funktio on L(x,y,λ) = x y +x λ(x+y). Koska sen Hessen matriisi (muuttujien x ja y suhteen) on Lagrangen funktio on konveksi (valinta)muuttujien x ja y suhteen (H on positiivisesti semidefiniitti). Näin ollen Lagrangen funktion kriittisen pisteen sen valintamuuttuja-osa antaa globaalin rajoitetun minimipisteen. Lasketaan se: L x = x+ λ = 0, L y = λ = 0, L λ = (x+y) = 0. Toisesta yhtälöstä saadaan λ =, ja sijoittamalla tämä ensimmäiseen yhtälöön saadaan x =. Näin ollen viimeisen yhtälön perusteella saadaan y = 6. Kriittinen piste on (,6, ), ja tehtävän globaali minimipiste on (,6). Olisiko Lagrangen funktion konkaavisuuden/konveksisuuden tutkimisesta ollut hyötyä tehtävässä 5? 5

= 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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

Tilavuus puolestaan voidaan esittää funktiona V : (0, ) (0, ) R,

Tilavuus puolestaan voidaan esittää funktiona V : (0, ) (0, ) R, Vektorianalyysi Harjoitus 9, Ratkaisuehdotuksia Anssi Mirka Tehtävä 1. ([Martio, 3.4:1]) Millä suoralla sylinterillä, jonka tilavuus on V > on pienin vaipan ja pohjan yhteenlaskettu pinta-ala? 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

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

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

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

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

Näihin harjoitustehtäviin liittyvä teoria löytyy Adamsista: Ad6, Ad5, 4: 12.8, ; Ad3: 13.8,

Näihin harjoitustehtäviin liittyvä teoria löytyy Adamsista: Ad6, Ad5, 4: 12.8, ; Ad3: 13.8, TKK, Matematiikan laitos Gripenberg/Harhanen Mat-1.432 Matematiikan peruskurssi K2 Harjoitus 4, (A=alku-, L=loppuviikko, T= taulutehtävä, P= palautettava tehtävä, W= verkkotehtävä ) 12 16.2.2007, viikko

Lisätiedot

5 Usean muuttujan differentiaalilaskentaa

5 Usean muuttujan differentiaalilaskentaa 5 Usean muuttujan differentiaalilaskentaa Edellä on jo käsitelty monia funktioita, joissa lähtö- (ja/tai) maalijoukko on useampi- kuin 1-ulotteinen: Esim. A-, B- ja C-raaka-ainemäärien yhdistelmien x =

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

, 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

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

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

Lineaarisen ohjelman määritelmä. Joonas Vanninen

Lineaarisen ohjelman määritelmä. Joonas Vanninen Lineaarisen ohjelman määritelmä Joonas Vanninen Sisältö Yleinen optimointitehtävä Kombinatorinen tehtävä Optimointiongelman tapaus Naapurusto Paikallinen ja globaali optimi Konveksi optimointitehtävä Lineaarinen

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

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

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

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

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

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

MATP153 Approbatur 1B Harjoitus 3, ratkaisut Maanantai

MATP153 Approbatur 1B Harjoitus 3, ratkaisut Maanantai MATP53 Approbatur B Harjoitus 3, ratkaisut Maanantai 6..5. (Teht. 5 ja s. 4.) Olkoot z = + y i ja z = + y i. Osoita, että (a) z + z = z +z, (b) z z = z z, (c) z z = z ja (d) z = z z, kun z. (a) z + z =

Lisätiedot

Matematiikka B1 - TUDI

Matematiikka B1 - TUDI Osittaisderivointi Osittaisderivaatan sovellukset Matematiikka B1 - TUDI Miika Tolonen 3. syyskuuta 2012 Miika Tolonen Matematiikka B2 - TUDI 1 Osittaisderivointi Osittaisderivaatan sovellukset Kurssin

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

TEKNILLINEN TIEDEKUNTA, MATEMATIIKAN JAOS

TEKNILLINEN TIEDEKUNTA, MATEMATIIKAN JAOS 1. Suorakaiteen muotoisen lämmönvaraajan korkeus on K, leveys L ja syvyys S yksikköä. Konvektiosta ja säteilystä johtuvat lämpöhäviöt ovat verrannollisia lämmönvaraajan lämpötilan T ja ympäristön lämpötilan

Lisätiedot

Vektorilaskenta, tentti

Vektorilaskenta, tentti Vektorilaskenta, tentti 27102017 Tentin kesto n 3 tuntia Vastaa NELJÄÄN tehtävään Jos vastaat kaikkiin, niin neljä PARASTA otetaan huomioon Kuvat vievät tilaa, joten muista kurkistaa paperin toiselle puolelle

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

Johdatus tekoälyn taustalla olevaan matematiikkaan

Johdatus tekoälyn taustalla olevaan matematiikkaan Johdatus tekoälyn taustalla olevaan matematiikkaan Informaatioteknologian tiedekunta Jyväskylän yliopisto 3. luento 17.11.2017 Neuroverkon opettaminen (ohjattu oppiminen) Neuroverkkoa opetetaan syöte-tavoite-pareilla

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

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

DI matematiikan opettajaksi: Täydennyskurssi, kevät 2010 Luentorunkoa ja harjoituksia viikolle 11: ti klo 13:00-15:30

DI matematiikan opettajaksi: Täydennyskurssi, kevät 2010 Luentorunkoa ja harjoituksia viikolle 11: ti klo 13:00-15:30 DI matematiikan opettajaksi: Tädennskurssi, kevät Luentorunkoa ja harjoituksia viikolle : ti 6 klo :-5: Kädään läpi: funktioita f : D f R n R m ja integrointia R n :ssä Oletetaan, että, R n ovat mielivaltaisia

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

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

1. Jatketaan luentojen esimerkkiä 8.3. Oletetaan kuten esimerkissä X Y Bin(Y, θ) Y Poi(λ) λ y. f X (x) (λθ)x

1. Jatketaan luentojen esimerkkiä 8.3. Oletetaan kuten esimerkissä X Y Bin(Y, θ) Y Poi(λ) λ y. f X (x) (λθ)x HY, MTL / Matemaattisten tieteiden kandiohjelma Todennäköisyyslaskenta IIb, syksy 017 Harjoitus 5 Ratkaisuehdotuksia Tehtäväsarja I 1. Jatketaan luentojen esimerkkiä 8.3. Oletetaan kuten esimerkissä X

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

3 = Lisäksi z(4, 9) = = 21, joten kysytty lineaarinen approksimaatio on. L(x,y) =

3 = Lisäksi z(4, 9) = = 21, joten kysytty lineaarinen approksimaatio on. L(x,y) = BM20A5810 Differentiaalilaskenta ja sovellukset Harjoitus 6, Syksy 2016 1. (a) Olkoon z = z(x,y) = yx 1/2 + y 1/2. Muodosta z:lle lineaarinen approksimaatio L(x,y) siten että approksimaation ja z:n arvot

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

2 exp( 2u), kun u > 0 f U (u) = v = 3 + u 3v + uv = u. f V (v) dv = f U (u) du du f V (v) = f U (u) dv = f U (h(v)) h (v) = f U 1 v (1 v) 2

2 exp( 2u), kun u > 0 f U (u) = v = 3 + u 3v + uv = u. f V (v) dv = f U (u) du du f V (v) = f U (u) dv = f U (h(v)) h (v) = f U 1 v (1 v) 2 HY, MTO / Matemaattisten tieteiden kandiohjelma Todennäköisyyslaskenta IIa, syksy 208 Harjoitus 4 Ratkaisuehdotuksia Tehtäväsarja I. Satunnaismuuttuja U Exp(2) ja V = U/(3 + U). Laske f V käyttämällä muuttujanvaihtotekniikkaa.

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

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

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

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

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, 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

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

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

Differentiaaliyhtälöt II, kevät 2017 Harjoitus 5

Differentiaaliyhtälöt II, kevät 2017 Harjoitus 5 Differentiaaliyhtälöt II, kevät 27 Harjoitus 5 Heikki Korpela 26. huhtikuuta 27 Tehtävä 2. Määrää seuraavan autonomisen systeemin kriittiset pisteet, ratakäyrät ja luonnostele systeemin aikakehitys: (t)

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

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

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

Funktion raja-arvo ja jatkuvuus Reaali- ja kompleksifunktiot

Funktion raja-arvo ja jatkuvuus Reaali- ja kompleksifunktiot 3. Funktion raja-arvo ja jatkuvuus 3.1. Reaali- ja kompleksifunktiot 43. Olkoon f monotoninen ja rajoitettu välillä ]a,b[. Todista, että raja-arvot lim + f (x) ja lim x b f (x) ovat olemassa. Todista myös,

Lisätiedot

Differentiaaliyhtälöt I, kevät 2017 Harjoitus 3

Differentiaaliyhtälöt I, kevät 2017 Harjoitus 3 Differentiaaliyhtälöt I, kevät 07 Harjoitus 3 Heikki Korpela. helmikuuta 07 Tehtävä. Ratkaise alkuarvo-ongelmat a) y + 4y e x = 0, y0) = 4 3 b) Vastaus: xy + y = x 3, y) =.. a) Valitaan integroivaksi tekijäksi

Lisätiedot

Matriisiteoria Harjoitus 1, kevät Olkoon. cos α sin α A(α) = . sin α cos α. Osoita, että A(α + β) = A(α)A(β). Mikä matriisi A(α)A( α) on?

Matriisiteoria Harjoitus 1, kevät Olkoon. cos α sin α A(α) = . sin α cos α. Osoita, että A(α + β) = A(α)A(β). Mikä matriisi A(α)A( α) on? Harjoitus 1, kevät 007 1. Olkoon [ ] cos α sin α A(α) =. sin α cos α Osoita, että A(α + β) = A(α)A(β). Mikä matriisi A(α)A( α) on?. Olkoon a x y A = 0 b z, 0 0 c missä a, b, c 0. Määrää käänteismatriisi

Lisätiedot

x = (1 t)x 1 + tx 2 x 1 x 2

x = (1 t)x 1 + tx 2 x 1 x 2 4 Konveksisuus ja ääriarvot Palautan mieliin, että R:n välillä I derivoituvaa funktiota sanottiin konveksiksi (alaspäin kuperaksi), jos käyrä y = f(x) on välillä I jokaisen tangenttisuoransa yläpuolella

Lisätiedot

MATP153 Approbatur 1B Harjoitus 6 Maanantai

MATP153 Approbatur 1B Harjoitus 6 Maanantai . (Teht. s. 93.) Määrää raja-arvo MATP53 Approbatur B Harjoitus 6 Maanantai 7..5 cos x x. Ratkaisu. Suora sijoitus antaa epämääräisen muodon (ei auta). Laventamalla päädytään muotoon ja päästään käyttämään

Lisätiedot

Lineaarinen toisen kertaluvun yhtälö

Lineaarinen toisen kertaluvun yhtälö Lineaarinen toisen kertaluvun yhtälö Keijo Ruotsalainen Mathematics Division Lineaarinen toisen kertaluvun differentiaaliyhtälö Toisen kertaluvun täydellinen lineaarinen yhtälö muotoa p 2 (x)y + p 1 (x)y

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

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

A-osio. Ilman laskinta. MAOL-taulukkokirja saa olla käytössä. Maksimissaan yksi tunti aikaa. Laske kaikki tehtävät:

A-osio. Ilman laskinta. MAOL-taulukkokirja saa olla käytössä. Maksimissaan yksi tunti aikaa. Laske kaikki tehtävät: MAB4 Koe Jussi Tyni 1..015 A-osio. Ilman laskinta. MAOL-taulukkokirja saa olla käytössä. Maksimissaan yksi tunti aikaa. Laske kaikki tehtävät: 1. a. Piirrä seuraava suora mahdollisimman tarkasti ruutupaperille:

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

. 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

Paikannuksen matematiikka MAT

Paikannuksen matematiikka MAT TA M P E R E U N I V E R S I T Y O F T E C H N O L O G Y M a t h e m a t i c s Paikannuksen matematiikka MAT-45800 4..008. p.1/4 Käytännön järjestelyt Kotisivu: http://math.tut.fi/courses/mat-45800/ Luennot:

Lisätiedot

Optimointi. Mitri Kitti

Optimointi. Mitri Kitti Optimointi Mitri Kitti Kevät 2013 Sisältö 1 Johdanto 4 1.1 Peruskäsitteet.................................. 4 1.1.1 Optimointitehtävä........................... 4 1.1.2 Optimi.................................

Lisätiedot

Todennäköisyyslaskenta IIa, syys lokakuu 2019 / Hytönen 3. laskuharjoitus, ratkaisuehdotukset

Todennäköisyyslaskenta IIa, syys lokakuu 2019 / Hytönen 3. laskuharjoitus, ratkaisuehdotukset Todennäköisyyslaskenta IIa, syys lokakuu 2019 / Hytönen 3. laskuharjoitus, ratkaisuehdotukset 1. Olkoon X satunnaismuuttuja, ja olkoot a R \ {0}, b R ja Y = ax + b. (a) Olkoon X diskreetti ja f sen pistetodennäköisyysfunktio.

Lisätiedot

1. Olkoon f :, Ratkaisu. Funktion f kuvaaja välillä [ 1, 3]. (b) Olkoonε>0. Valitaanδ=ε. Kun x 1 <δ, niin. = x+3 2 = x+1, 1< x<1+δ

1. Olkoon f :, Ratkaisu. Funktion f kuvaaja välillä [ 1, 3]. (b) Olkoonε>0. Valitaanδ=ε. Kun x 1 <δ, niin. = x+3 2 = x+1, 1< x<1+δ Matematiikan tilastotieteen laitos Differentiaalilaskenta, syksy 2015 Lisätehtävät 1 Ratkaisut 1. Olkoon f :, x+1, x 1, f (x)= x+3, x>1 Piirrä funktion kuvaa välillä [ 1, 3]. (a) Tutki ra-arvon (ε, δ)-määritelmän

Lisätiedot

Käy vastaamassa kyselyyn kurssin pedanet-sivulla (TÄRKEÄ ensi vuotta ajatellen) Kurssin suorittaminen ja arviointi: vähintään 50 tehtävää tehtynä

Käy vastaamassa kyselyyn kurssin pedanet-sivulla (TÄRKEÄ ensi vuotta ajatellen) Kurssin suorittaminen ja arviointi: vähintään 50 tehtävää tehtynä Käy vastaamassa kyselyyn kurssin pedanet-sivulla (TÄRKEÄ ensi vuotta ajatellen) Kurssin suorittaminen ja arviointi: vähintään 50 tehtävää tehtynä (vihkon palautus kokeeseen tullessa) Koe Mahdolliset testit

Lisätiedot

Numeeriset menetelmät

Numeeriset menetelmät Numeeriset menetelmät Luento 5 Ti 20.9.2011 Timo Männikkö Numeeriset menetelmät Syksy 2011 Luento 5 Ti 20.9.2011 p. 1/40 p. 1/40 Choleskyn menetelmä Positiivisesti definiiteillä matriiseilla kolmiohajotelma

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

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

Kahden suoran leikkauspiste ja välinen kulma (suoraparvia)

Kahden suoran leikkauspiste ja välinen kulma (suoraparvia) Kahden suoran leikkauspiste ja välinen kulma (suoraparvia) Piste x 0, y 0 on suoralla, jos sen koordinaatit toteuttavat suoran yhtälön. Esimerkki Olkoon suora 2x + y + 8 = 0 y = 2x 8. Piste 5,2 ei ole

Lisätiedot

y=-3x+2 y=2x-3 y=3x+2 x = = 6

y=-3x+2 y=2x-3 y=3x+2 x = = 6 MAA Koe, Arto Hekkanen ja Jussi Tyni 5.5.015 Loppukoe LASKE ILMAN LASKINTA. 1. Yhdistä kuvaaja ja sen yhtälö a) 3 b) 1 c) 5 d) Suoran yhtälö 1) y=3x ) 3x+y =0 3) x y 3=0 ) y= 3x 3 5) y= 3x 6) 3x y+=0 y=-3x+

Lisätiedot

2 Raja-arvo ja jatkuvuus

2 Raja-arvo ja jatkuvuus Juuri 6 Tehtävien ratkaisut Kustannusosakeyhtiö Otava päivitetty 5.7.6 Raja-arvo ja jatkuvuus. a) Kun suorakulmion kärki on kohdassa =, on suorakulmion kannan pituus. Suorakulmion korkeus on käyrän y-koordinaatti

Lisätiedot

Matriisialgebra harjoitukset, syksy 2016

Matriisialgebra harjoitukset, syksy 2016 Matriisialgebra harjoitukset, syksy 6 MATRIISIALGEBRA, s. 6, Ratkaisuja/ M.Hamina & M. Peltola 8. Olkoon 4 A 6. 4 Tutki, onko A diagonalisoituva. Jos on, niin määrää matriisi D T AT ja siihen liittyvä

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

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

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

MATP153 Approbatur 1B Harjoitus 5 Maanantai

MATP153 Approbatur 1B Harjoitus 5 Maanantai MATP153 Approbatur 1B Harjoitus 5 Maanantai 30.11.015 1. (Opiskelutet. 0 s. 81.) Selvitä, miten lauseke sin(4x 3 + cos x ) muodostuu perusfunktioista (polynomeista, trigonometrisistä funktioista jne).

Lisätiedot

MATP153 Approbatur 1B Ohjaus 2 Keskiviikko torstai

MATP153 Approbatur 1B Ohjaus 2 Keskiviikko torstai MATP15 Approbatur 1B Ohjaus Keskiviikko 4.11. torstai 5.11.015 1. (Opiskeluteht. 6 s. 0.) Määritä sellainen vakio a, että polynomilla x + (a 1)x 4x a on juurena luku x = 1. Mitkä ovat tällöin muut juuret?.

Lisätiedot

Vektorianalyysi II (MAT21020), syksy 2018

Vektorianalyysi II (MAT21020), syksy 2018 Vektorianalyysi II (MAT21020), syksy 2018 Ylimääräisiä harjoitustehtäviä 1. Osoita, että normin neliö f : R n R, f(x) = x 2 on differentioituva pisteessä a R n ja, että sen derivaatalle on voimassa 2.

Lisätiedot

Malliratkaisut Demo 4

Malliratkaisut Demo 4 Malliratkaisut Demo 4 1. tehtävä a) f(x) = 2x + 21. Funktio on lineaarinen, joten se on unimodaalinen sekä maksimoinnin että imoinnin suhteen. Funktio on konveksi ja konkaavi. b) f(x) = x (pienin kokonaisluku

Lisätiedot

Yhtälön oikealla puolella on säteen neliö, joten r. = 5 eli r = ± 5. Koska säde on positiivinen, niin r = 5.

Yhtälön oikealla puolella on säteen neliö, joten r. = 5 eli r = ± 5. Koska säde on positiivinen, niin r = 5. Tekijä Pitkä matematiikka 5 7..017 31 Kirjoitetaan yhtälö keskipistemuotoon ( x x ) + ( y y ) = r. 0 0 a) ( x 4) + ( y 1) = 49 Yhtälön vasemmalta puolelta nähdään, että x 0 = 4 ja y 0 = 1, joten ympyrän

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