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

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

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

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

YLE11, MATEMATIIKKAA TALOUSTIETEILIJÖILLE

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

MATEMATIIKAN ALKEET II (YE19B), SYKSY 2011

Matematiikan tukikurssi

Matematiikan peruskurssi (MATY020) Harjoitus 10 to

Matematiikan tukikurssi

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

Taustatietoja ja perusteita

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

Harjoitus 7: vastausvihjeet

1 Rajoitettu optimointi I

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

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

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

12. Hessen matriisi. Ääriarvoteoriaa

Luento 8: Epälineaarinen optimointi

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

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

2 Osittaisderivaattojen sovelluksia

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

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

1 Rajoittamaton optimointi

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

5 Usean muuttujan differentiaalilaskentaa

Matematiikka B1 - avoin yliopisto

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

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

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

Lineaarisen ohjelman määritelmä. Joonas Vanninen

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

BM20A5840 Usean muuttujan funktiot ja sarjat Harjoitus 1, Kevät 2018

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

Luento 8: Epälineaarinen optimointi

Piiri K 1 K 2 K 3 K 4 R R

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

MATP153 Approbatur 1B Harjoitus 3, ratkaisut Maanantai

Matematiikka B1 - TUDI

Differentiaali- ja integraalilaskenta 2 Laskuharjoitus 4 / vko 40

TEKNILLINEN TIEDEKUNTA, MATEMATIIKAN JAOS

Vektorilaskenta, tentti

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

Johdatus tekoälyn taustalla olevaan matematiikkaan

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

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

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

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

Luento 9: Yhtälörajoitukset optimoinnissa

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

Matematiikan perusteet taloustieteilij oille I

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

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

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

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!

1 Rajoitettu optimointi III - epäyhtälörajoitteet, teoriaa

1 Rajoitettu optimointi II - kustannusfunktio, Lagrangen kertoimet varjohintoina

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

Matriisit ja optimointi kauppatieteilijöille P

Matriisit ja optimointi kauppatieteilijöille P

Matematiikan tukikurssi, kurssikerta 3

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

1 Komparatiivinen statiikka ja implisiittifunktiolause

Differentiaaliyhtälöt II, kevät 2017 Harjoitus 5

Matematiikan tukikurssi. Toinen välikoe

Malliratkaisut Demot

Matematiikan tukikurssi

Funktion raja-arvo ja jatkuvuus Reaali- ja kompleksifunktiot

Differentiaaliyhtälöt I, kevät 2017 Harjoitus 3

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?

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

MATP153 Approbatur 1B Harjoitus 6 Maanantai

Lineaarinen toisen kertaluvun yhtälö

Malliratkaisut Demot

Luento 11: Rajoitusehdot. Ulkopistemenetelmät

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

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

. 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

Paikannuksen matematiikka MAT

Optimointi. Mitri Kitti

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

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

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

Numeeriset menetelmät

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

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

Kahden suoran leikkauspiste ja välinen kulma (suoraparvia)

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

2 Raja-arvo ja jatkuvuus

Matriisialgebra harjoitukset, syksy 2016

6. Toisen ja korkeamman kertaluvun lineaariset

Matematiikan tukikurssi

Matemaattinen Analyysi / kertaus

MATP153 Approbatur 1B Harjoitus 5 Maanantai

MATP153 Approbatur 1B Ohjaus 2 Keskiviikko torstai

Vektorianalyysi II (MAT21020), syksy 2018

Malliratkaisut Demo 4

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

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

Transkriptio:

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 40 0 0 0 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 00 0 0 500 ja sen johtavat pääminorit ovat 00 ja 00000. 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.

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?

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 ) ) = 000 664 = 5 486 Sijoittamalla tämä ensimmäiseen yhtälöön () ja ratkaisemalla, saadaan x = 5 Kriittinen piste on siis ( 5, 5). 4 486 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 = 0. 4. ). 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 (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 ). 4 8 6 Piste(, ) on ehdokas tehtävän ratkaisuksi. Tarkistetaan, että se on (paikallinen) rajoitettu maksimipiste reunustetun Hessen matriisin 4 8 avulla. Nyt H(x,y,λ) = 0 4 0 5, 4 5 0 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 5 5 5 (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. 5 5 6. 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.

(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 0 0 0 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