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

Samankaltaiset tiedostot
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

Taustatietoja ja perusteita

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

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

YLE11, MATEMATIIKKAA TALOUSTIETEILIJÖILLE

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

ja B = 2 1 a) A + B, b) AB, c) BA, d) A 2, e) A T, f) A T B, g) 3A (e) A =

Matematiikan tukikurssi

MATEMATIIKAN ALKEET II (YE19B), SYKSY 2011

ja B = 2 1 a) A + B, b) AB, c) BA, d) A 2, e) A T, f) A T B, g) 3A (e)

Matematiikan tukikurssi

Matematiikan perusteet taloustieteilijöille II Harjoituksia kevät ja B = Olkoon A = a) A + B b) AB c) BA d) A 2 e) A T f) A T B g) 3A

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

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

BM20A5840 Usean muuttujan funktiot ja sarjat Harjoitus 1, Kevät 2018

12. Hessen matriisi. Ääriarvoteoriaa

Ominaisarvo ja ominaisvektori

3 Lineaariset yhtälöryhmät ja Gaussin eliminointimenetelmä

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

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

Ominaisarvoon 4 liittyvät ominaisvektorit ovat yhtälön Ax = 4x eli yhtälöryhmän x 1 + 2x 2 + x 3 = 4x 1 3x 2 + x 3 = 4x 2 5x 2 x 3 = 4x 3.

Differentiaali- ja integraalilaskenta 2 Laskuharjoitus 4 / vko 40

Lineaarikuvauksen R n R m matriisi

Luento 8: Epälineaarinen optimointi

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

Lineaarialgebra II, MATH.1240 Matti laaksonen, Lassi Lilleberg

Luento 8: Epälineaarinen optimointi

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

Lineaarinen toisen kertaluvun yhtälö

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

Matematiikka B2 - TUDI

Matematiikka B1 - TUDI

3 Lineaariset yhtälöryhmät ja Gaussin eliminointimenetelmä

Matematiikka B2 - Avoin yliopisto

Taloustieteen matemaattiset menetelmät - pikakertausta ja toimintaohjeita Kurssin 1. osa

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

MS-A0004/MS-A0006 Matriisilaskenta Laskuharjoitus 6 / vko 42

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

Luento 9: Yhtälörajoitukset optimoinnissa

MATEMATIIKAN JA TILASTOTIETEEN LAITOS Analyysi I Harjoitus alkavalle viikolle Ratkaisuehdotuksia (7 sivua) (S.M)

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?

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

Matematiikan tukikurssi

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

. 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

Matematiikka B3 - Avoin yliopisto

Matematiikan tukikurssi. Toinen välikoe

Insinöörimatematiikka D

Matematiikan peruskurssi (MATY020) Harjoitus 10 to

Matematiikan tukikurssi

Valintakoe

Insinöörimatematiikka D

Matematiikan tukikurssi, kurssikerta 3

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

Matemaattinen Analyysi / kertaus

Matriisit ja optimointi kauppatieteilijöille P

5 Usean muuttujan differentiaalilaskentaa

MS-A0003/A0005 Matriisilaskenta Malliratkaisut 5 / vko 48

Matriisilaskenta Laskuharjoitus 5 - Ratkaisut / vko 41

Matematiikan perusteet taloustieteilij oille I

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

802118P Lineaarialgebra I (4 op)

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

Paikannuksen matematiikka MAT

Matriisit ja optimointi kauppatieteilijöille P

MS-A0003/A0005 Matriisilaskenta Laskuharjoitus 3 /

Matemaattisen analyysin tukikurssi

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

Käänteismatriisi 1 / 14

Päättelyn voisi aloittaa myös edellisen loppupuolelta ja näyttää kuten alkupuolella, että välttämättä dim W < R 1 R 1

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

Vektorilaskenta, tentti

Ominaisarvo ja ominaisvektori

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

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

Harjoitus 7: vastausvihjeet

Talousmatematiikan perusteet: Luento 7. Derivointisääntöjä Yhdistetyn funktion, tulon ja osamäärän derivointi Suhteellinen muutosnopeus ja jousto

Epäyhtälöt ovat yksi matemaatikon voimakkaimmista

f(x) f(y) x y f f(x) f(y) (x) = lim

Insinöörimatematiikka D

2 Osittaisderivaattojen sovelluksia

Matriisi-vektori-kertolasku, lineaariset yhtälöryhmät

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

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

Insinöörimatematiikka D

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

1 Komparatiivinen statiikka ja implisiittifunktiolause

Matematiikka B1 - avoin yliopisto

Matematiikan tukikurssi: kurssikerta 10

a) Mikä on integraalifunktio ja miten derivaatta liittyy siihen? Anna esimerkki = 16 3 =

k-kantaisen eksponenttifunktion ominaisuuksia

Matematiikan tukikurssi

Insinöörimatematiikka D

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

Matematiikan tukikurssi

Algebra I, harjoitus 5,

MATEMATIIKAN PERUSKURSSI I Harjoitustehtäviä syksy Millä reaaliluvun x arvoilla. 3 4 x 2,

Ratkaisuehdotus 2. kurssikokeeseen

Matematiikan tukikurssi: kurssikerta 12

Ratkaisuehdotus 2. kurssikoe

Transkriptio:

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)± ( 16) 2 4 2 ( 40) 2 2 Ratkaisut ovat x = 10 ja x = 2. (b.) Toisen asteen yhtälön ratkaisukaavalla: x = 2± 28 8 = 2±i2 7. 8 = 16±24. 4 Tässä käytettiin tietoa 28 = 4 7 = i 4 7. Ratkaisut ovat kompleksiluvut 1+i 7 ja 1 i 7. 4 4 (c.) (Sulkuja ei pidä missään nimessä kertoa auki.) Yhtälön ratkaisut koostuvat seuraavien yhtälöiden ratkaisuista: Nämä ratkaisut ovat 0, 1, 1, i ja i. x 2 = 0, 1 x 2 = 0, 1+x 2 = 0. (d.) Logaritmifunktioon liittyvien sääntöjen perusteella yhtälön ratkaisut ovat samat kuin yhtälön alnx = b. Jakamalla luvulla a, ja käyttämällä logaritmin määritelmää, saadaan ratkaisuksi x = e b a. 2. Derivoi (a.) f(x) = 4x 2 8x 2 (b.) f(x) = x x ( (c.) f(n) = rn 1 N ) (d.) f(l) = pl a wl. K Kohdassa (c.): r > 0 ja K > 0. Kohdassa (d.): p > 0, w > 0 ja 0 < a < 1. (a.) f (x) = 8x 8. (b.) f (x) = x 4 x 2. (c.) Tulon derivointisääntöä soveltamalla saadaan f (N) = r(1 N K )+rn ( 1 K ) = 2rN K +r. (d.) f (l) = pal a 1 w.. Etsi tehtävän 2 funktioiden (paikalliset) ääriarvopisteet. Aloita etsimällä kriittiset pisteet ja tutki sitten kunkin kriittisen pisteen laatu. Hahmottele lisäksi kuva kohtien (c.) ja (d.) funktioista. (a.) Funktion kriittinen piste (siis ehdokas ääriarvopisteeksi) on yhtälön f (x) = 8x 8 = 0 ratkaisu. Kriittinen piste on x = 1. Koska f (x) = 8 > 0 koko määrittelyjoukossa, funktio on aidosti konveksi. Tällöin kriittinen piste on funktion globaali minimipiste, erityisesti myös paikallinen minimipiste. (Funktion minimiarvo on f(1) = 6.) 1

2 (b.) Funktion kriittiset pisteet ovat x = toinen derivaatta on Tällöin f (, x = f (x) = 20x 6x = x(20x 2 6). ) = ( ) 2 20 6 > 0, ja x = 0. Funktion f jolloin kyseinen kriittinen piste on paikallinen minimipiste. Toiselle kriittiselle pisteelle on voimassa ) f ( < 0, joten kyseinen piste on paikallinen maksimipiste. Toinen derivaatta on kolmannessa kriittisessä pisteessä nolla, joten toisesta derivaatasta ei ole apua. Yksi vaihtoehto on tehdä (derivaatan) merkkikaavio, jonka perusteella kriittinen piste x = 0 ei ole ääriarvopiste. (c.) Koska f (N) = 2r < 0, funktio on aidosti konkaavi. Täten kriittinen piste, K N = K on funktion globaali (ja myös paikallinen) maksimipiste. 2 (d.) Tämäkin funktio on aidosti konkaavi, koska f (l) = pa(a 1)l a 2 < 0, koska ) 1 a 1 p > 0 ja 0 < a < 1. Näin ollen kriittinen piste, l =, on funktion globaali (ja myös paikallinen) maksimipiste. ( w pa Kuvat kohtiin (c.) ja (d.) hahmoteltiin laskuharjoituksissa. 4. Olkoon f yhden muuttujan funktio. Funktion f jousto muuttujan x suhteen, El x f(x), määritellään kaavalla El x f(x) = f (x). f(x)/x Laske funktioiden g(x) = e 100x ja D(p) = 100p 2 joustot. (Funktio D voitaisiin tulkita jonkin hyödykkeen kysyntäfunktioksi ja muuttuja p kyseisen hyödykkeen hinnaksi. Mitä jousto tässä tapauksessa tarkoittaa? 1 ) Soveltamalla annettua kaavaa saadaan El x g(x) = 100e100x e 100x /x = 100x, El p D(p) = 200p 100p 2 /p = 2. (Hyödykkeen kysynnän hintajousto kertoo kuinka monta prosenttia kysyttymäärä likimäärin muuttuu hinnan noustessa yhdellä prosentilla.). Osittaisderivoi (a.) f(x,y) = 14x 2 +xy +xy 2 (b.) f(x,y) = (x+2y) a (c.) f(x,y,z) = (xy +z)(z 2 +x) (d.) f(x,y) = ln(x 2 y 2 ) e y x. (a.) f x (x,y) = 28x+y +y 2, f y (x,y) = x+6xy. 1 Tutki kurssikirjan lukua 7.7 Why Economists Use Elasticities.

(b.) (c.) (d.) f x (x,y) = a(x+2y) a 1 1 = a(x+2y) a 1, f y (x,y) = a(x+2y) a 1 2 = 2a(x+2y) a 1. f x (x,y,z) = y(z 2 +x)+(xy +z) 1 = z 2 y +2xy +z, f y (x,y,z) = z 2 x+x 2, f z (x,y,z) = (z 2 +x)+(xy +z)(6z) = 9z 2 +x+6xyz. f x (x,y) = 2xy2 x 2 y 1 1 2 2 x 2 ye y x = 2 x 1 2 x ey x, 6. Ratkaise yhtälöryhmät f y (x,y) = 2 y xe y x. (a.) (b.) (c.) 2x y = 4 x+2y = 6. x 2y +z = 4 2x+y +10z = 8 x+y +z = 0. 2x y = 1 4y 8x = 4. Tehtävän yhtälöparit ovat lineaarisia yhtälöpareja, joissa yhtälöitä ja tuntemattomia on yhtä monta. (a.) Lasketaan Cramerin säännöllä: 4 1 6 2 x = 2 1 = 4 2 6 ( 1) 4+ 2 = 14 7 = 2, y = 2 4 6 2 1 = 0 4 = 0. 2 Ratkaisu on siis (2, 0). Cramerin sääntöä voitiin soveltaa, koska kerroinmatriisin determinantti on nollasta poikkeava. (b.) Cramerin säännöllä: 4 2 1 8 1 10 0 1 1 x = 1 2 1 2 1 10 1 1 1 ja lisäksi y = 4 ja z = 1. = 6 ( 2 8)+8 9 24 = 12 6 = 1,

4 (c.) (Huomaa muuttujien järjestys.) Nyt kerroinmatriisin determinantti on nolla, eikä Cramerin säännöstä ole apua. Kertomalla ensimmäinen yhtälö luvulla 4 pariksi saadaan 8x+4y = 4, 4y 8x = 4. Yhtälöt ovat siis samat. Ratkaisuja on äärettömän monta. (Olkoon t jokin reaaliluku. Jos x = t, ratkaisut ovat (t, 1+2t).) 1 7. Olkoot A = ja B = 1 1 1 1 0 1. 1 2 1 1 0 (a.) Määritä matriisien A ja B definiittisyyden laatu. (b.) Laske matriisien A ja B ominaisarvot. (a.) Koska A 1 = > 0 ja A 2 = 6 1 = > 0, matriisi on positiivisesti definiitti. Koska B 2 = 1 < 0, matriisi on indefiniitti. (b.) (Neliö)matriisin M, ominaisarvo λ toteuttaa yhtälön M λi = 0. Sanoin: vähennetään matriisin M päädiagonaalilta luku λ, otetaan saadusta matriisista determinantti ja asetetaan se nollaksi. Kehittämällä determinantti ja ratkaisemalla yhtälö, löydetään ominaisarvot. Matriisi A: λ 1 1 2 λ = 0, ja tämän yhtälön ratkaisut ovat samat kuin yhtälön ( λ)(2 λ) 1 = 0. Tämän ratkaisut ja siten matriisin A ominaisarvot ovat + ja. 2 2 Matriisi B: 1 λ 1 1 1 λ 1 1 1 λ = 0. Kehittämällä determinantti saadaan yhtälöksi (1 λ)(λ 2 1) ( λ+1)+( 1+λ) = 0, ja tämän ratkaisut ovat samat kuin yhtälön (1 λ)(λ 2 ) = 0. Tämän ratkaisut ja siten matriisin B ominaisarvot ovat 1, ja. 8. (a.) Tutki funktion f(x,y) = x 2 2xy y 2 konkaavisuutta tai konveksisuutta. (b.) Olkoon g(x,y) = x+e ax2 +by 2. Anna esimerkki luvuista a ja b, joilla funktio q on aidosti konveksi. (c.) Anna esimerkki kahden muuttujan funktiosta, joka ei ole konkaavi eikä konveksi. Perustele. (d.) Anna esimerkki kahden muuttujan funktiosta, joka on konkaavi, mutta ei ole aidosti konkaavi eikä myöskään konveksi. Perustele. 6 2 (a.) Funktion Hessen matriisi on H =, jonka alkiot on saatu osittaisderivoimalla funktiota kahdesti kummankin muuttujan suhteen ja laskemalla ris- 2 6 tiderivaatat. Hessen matriisi on negatiivisesti definiitti, koska H 1 = 6 < 0 ja H 2 = 2 > 0. Näin ollen funktio on konkaavi ja vieläpä aidosti.

(b.) Funktion Hessen matriisi on (2a+4a H = 2 x 2 )e ax2 +by 2 4abxye ax2 +by 2 4abxye ax2 +by 2 (2b+4b 2 y 2 )e ax2 +by. 2 Nyt H 1 = (2a+4a 2 x 2 )e ax2 +by 2, H 2 = e 2(ax2 +by 2) [(2a+4a 2 x 2 )(2b+4b 2 y 2 ) (4abxy) 2 ] = e 2(ax2 +by 2) [2a(2b+4b 2 y 2 )+8ba 2 x 2 +16a 2 b 2 x 2 y 2 16a 2 b 2 x 2 y 2 ] = e 2(ax2 +by 2) [2a(2b+4b 2 y 2 )+8ba 2 x 2 ]. Valitsemalla a ja b aidosti positiivisiksi luvuiksi, molemmat johtavat pääminorit ovat aidosti positiivisia, jolloin funktio on aidosti konveksi. (c.) Funktio f(x,y) = x 2 200xy y 2. Sen Hessen matriisi on indefiniitti (se ei siten ole semidefiniitti, eikä funktio ole konkaavi eikä konveksi). (d.) Funktio f(x,y) = x 2. Perustelut: (i.) Konkaavi: Funktio on konkaavi, koska sen Hessen matriisi on negatiivisesti semidefiniitti (sen ominaisarvot ovat 2 ja 0). (ii.) Ei ole konveksi 2 : Sovelletaan luentomonisteen Määritelmää 2.2. Tutkitaan tilannetta pisteiden (x 1,y 1 ) = (0,0) ja (x 2,y 2 ) = (1,1) avulla. Olkoon λ = 1 2. Tällöin f(λx 1 +(1 λ)x 2,λy 1 +(1 λ)y 2 ) = (λx 1 +(1 λ)x 2 ) 2 ( ) 2 1 = = 1 2 4, mutta λf(x 1,y 1 )+(1 λ)f(x 2,y 2 ) = 1 2 0+ 2 ( 1) 12 1 = 1. Koska näillä 2 pisteillä f(λx 1 +(1 λ)x 2,λy 1 +(1 λ)y 2 ) > λf(x 1,y 1 )+(1 λ)f(x 2,y 2 ), funktio ei ole konveksi. (iii.) Ei ole aidosti konkaavi: Funktio saa vakioarvon y-akselilla, joten funktio ei ole aidosti konkaavi (täsmällisemmin asian voi ilmaista taas Määritelmän 2.2 avulla). 2 Huom. On olemassa usean muuttujan funktioita, jotka ovat sekä konkaaveja että konvekseja. Esimerkiksi lineaarinen funktio f(x, y) = 2x + y.