Mikroekonómia. Pavel Brunovský

Μέγεθος: px
Εμφάνιση ξεκινά από τη σελίδα:

Download "Mikroekonómia. Pavel Brunovský"

Transcript

1 Mikroekonómia Pavel Brunovský Za to, že tento text dostal TEXovskú formu treba poďakovať Braňovi Ondrušovi, ktorý si dal tú prácu, že ho prepísal z mojich rukou písaných príprav k prednáškam. Z vlastnej skúsenosti viem oceniť, čo je to za prácu.

2 Obsah 1 Technológie a produkčná funkcia Teória firmy Izokvanty Príklady technológií a produkčných funkcií Racionálne správanie firmy, rovnováha kompetitívnej firmy Minimalizácia nákladov a nákladová funkcia Poznámky k počítaniu podmienenej funkcie dopytu a nákladovej funkcie Vlastnosti nákladovej funkcie Komparatívna statika podmienenej dopytovej funkcie Hraničné a priemerné náklady Maximalizácia zisku Hottelingova lemma Vlastnosti funkcie ponuky a funkcie dopytu firmy komparatívna statika Cvičenia Spotrebiteľ Preferencie a funkcia užitočnosti Hladiny indiferentnosti Rovnováha spotrebiteľa Priama a nepriama daň Nepriama užitočnosť a výdavková funkcia Komparatívna statika spotrebiteľa Výpočet dopytových funkcií Sluckého identita Spotrebiteľov prebytok alebo soľ nad zlato Cvičenia Dokonalá súťaž na čiastkovom trhu Ponuková funkcia výrobcu Spoločenská dopytová funkcia Rovnováha na čiastkovom trhu pri dokonalej konkurencii Dlhodobá rovnováha pri voľnom vstupe na trh Vplyv daní, dotácií a regulácie cien Prípadové štúdie Fixné faktory a ekonomická renta Cvičenia Nedokonalá konkurencia Rovnováha monopolu Neefektivita monopolu Zdaňovanie monopolu Cenová diskriminácia Prirodzené monopoly Oligopol Dynamika duopolu Oligopol s väčším počtom firiem Kartel Bertrandova rovnováha

3 4.11 Cvičenia Výmena Rovnováha úplného trhu pri čistej výmene Existencia rovnováhy Edgeworthov obdĺžnik Prvá veta o dobrodení (welfare) Produkcia Externality a vlastnícke práva Produkčné externality Cvičenia Neistota a riziko Lotéria ako model rozhodovania pri neistote Averzia k riziku a poistenie Očakávaná užitočnosť a averzia k riziku Diverzifikácia a zdielanie rizika Neistota výrobcu Cvičenia Informácie a ekonómia Symetrická a asymetrická informácia Asymetrická informácia a zvrátený výber Dalšie problémy asymetrickej informácie

4 4 Úvod Mikroekonómiu môžeme charakterizovať ako teóriu racionálneho správania elementárnych ekonomických subjektov (agents; firma, spotrebiteľ) v trhovom prostredí a z neho vychádzajúcich záverov pre správanie ekonomiky ako celku. Na rozdiel od makroekonómie, ktorú ekonomická teória pozná má viacero pohľadov (klasický, keynesovský,... ), je mikroekonómia viac-menej jednotná a vychádza z klasickej teórie. Mikroekonómia je teória a dáva skôr určitý kvalitatívny, filozofický pohľad na ekonómiu než praktické číselné návody pre rozhodovanie v konkrétnych situáciách. O to prekvapujúcejšie je, že sa štáty v svojej hospodárskej politike nezriedka dopúšťajú hrubých prehreškov voči elementárnym mikroekonomickým princípom s veľmi škodlivými dôsledkami pre nimi riadenú ekonomiku. Ako všetky teórie, aj mikroekonómia je založená na určitých idealizovaných predpokladoch, ktoré v skutočnosti nie sú úplne splnené. Už samotný základný predpoklad racionality platí iba obmedzene. Napríklad, výrobcovia sa často reklamou snažia racionalitu spotrebiteľa potlačiť, čo mikroekonomická teória neberie do úvahy. Vzhľadom na obmedzenosť rozsahu predmetu, a to že dôraz budeme klásť na rozvoj ekonomického myslenia, dovolíme si občas ústupky voči matematickej rigoróznosti. V základnej teórii delíme ekonomické subjekty na dva typy: výrobcu (firmu) a spotrebiteľa. Týmto dvom typom ES budú postupne venované prvé dve kapitoly. V ďalších kapitolách potom z elementárnych teórií o racionálnom správaní týchto subjektov vyvodíme zákonitosti o správaní trhu ako celku. Napokon sa budeme venovať aj otázke racionálneho rozhodovania v prípade, že dôsledky rozhodnutí sú neisté.

5 1 Technológie a produkčná funkcia 1.1 Teória firmy Firmu si predstavujeme ako čiernu skrinku s m výstupami (produktami) a n vstupmi (faktormi). Abstrahujeme od materiálnej stránky produktov, faktorov a produkčného procesu. Obmedzíme sa na prípad jedného produktu (m = 1), v ktorom je teória úplnejšia a výpovednejšia. nvstupov (faktorov) Obr. 1. výstup(produkt) Označíme x = (x 1,..., x n ) vektor faktorov, ekonomický zmysel budú mať iba vektory x R n +, t. j. spĺňajúce x i 0 pre 1 i n. Ak x i x i pre 1 i n, budeme písať x x. Ako príklad uveďme povedzme hydinovú farmu, kde faktormi sú pracovná sila, energia (ktorou môže byť alternatívne elektrina, alebo plyn), krmivo, atď., produktom sú kurčatá (ale prípadne aj externality hnojivo). Zvoľme časovú jednotku. Technológiou nazveme vektor z = (x 1,..., x n, y) R n+1 +, kde x 1,..., x n interpretujeme ako objemy spotreby faktorov a y ako objem výroby za zvolenú jednotku času. Firmu charakterizujeme množinou možných technológií Y R n+1 +. Jej body (x, y) = (x 1,..., x n, y) interpretujeme tak, že množstvo produktu y môže firma za fixovanú jednotku času vyrobiť pri spotrebe faktorov (x 1,..., x n ). Od množiny možných technológií (kratšie technologickej množiny) žiadame splnenie niekoľkých axióm, čiastočne prirodzených a čiastočne technických. Axiómy technologickej množiny: Y1: (x, 0) Y pre všetky x R n + Y2: (0, y) Y vyplýva y = 0 Y3: Z (x, y) Y a x x vyplýva ( x, y) Y Y4: Y je konvexná a uzavretá. Interpretácia axiómov: Y1: Nulové množstvo sa dá vyrobiť pri akýchkoľvek množstvách faktorov. Y2: S nulovými množstvami faktorov sa nedá vyrobiť kladné množstvo produktu. Y3: Ak sa zmenia faktory bez toho, že by sa objem niektorého z nich znížil, dá sa vyrobiť rovnaký objem produktu. Y4: Uzavretosť je vyslovene matematicko-technická záležitosť; konvexita je zdôvodnená takto: Nech (x, y), ( x, ỹ) sú technológie z Y. Za diel α [0, 1] časovej jednotky by sa malo technológou x vyrobiť aspoň αy produktu, rovnako to platí o technológii x. To značí, že ak sa

6 6 1 Technológie a produkčná funkcia diel α [0, 1] časovej jednotky vyrába technológiou x a zvyšok času technológiou x, za jednotku času by sa malo vyrobiť aspoň αy +(1 α)ỹ produktu. Faktorov sa pritom spotrebuje αx + (1 α) x. Platí teda čo znamená, že Y je konvexná. (αx + (1 α) x, αy + (1 α)ỹ) Y, Poznámky. 1. Z hľadiska modelovania reality majú axiómy rozličné nedostatky napríklad neobmedzenú deliteľnosť objemov produktov alebo faktorov. 2. V literatúre sa vyskytuje viacero axiomatík, sú však ekvivalenetné. 3. Predpoklad x R n + v Y1 sme urobili pre zjednodušenie, je ho možno pozmeniť na x X, kde X R n + je konvexný uzavretý kužeľ. Nech Y je technologická množina. Jej produkčnou funkciou f R n + R nazývame funkciu f(x) = sup{y : (x, y) Y } (= max{y : (x, y) Y } (Všimnime si, že vzhľadom na uzavretosť Y možno supremum nahradiť maximom.) Veta 1.1 (vlastnosti produkčnej funkcie). f1: f je definovaná a konkávna f2: f(0) = 0, f(x) 0 pre všetky x R n + f3: Ak x x potom f( x) f(x) f4: Ak f(x 0 ) > 0 pre nejaké x 0, potom f(x) > 0 pre každé x int R n + f5: Ak f spĺňa f1-f3, potom množina Y = {(x, y) : x R n +, 0 y f(x)} je technologickou množinou. Dôkaz. Aby sme dokázali, že f je definovaná, musíme ukázať, že pre každé x R n + je sup{y : (x, y) Y } <. Predpokladajme, že by to nebolo pravda, t. j. existovalo by x R n + a postupnosť {y n } taká, že (x, y n ) Y. Z Y1 a Y4 by potom vyplynulo, že (x/y n, 1) Y pre každé n. Z y n ale vyplýva (x/y n, 1) (0, 1) a vzhľadom na uzavretosť Y (vlastnosť Y4) aj (0, 1) Y, čo je spor s Y2. Konkávnosť f vyplýva bezprostredne z konvexnosti Y. Vlastnosť f2 vyplýva z Y1 a Y2, f3 vyplýva z Y3 a f4 z Y4. Detaily dôkazu sa prenechávajú čitateľovi ako cvičenie, f5 sa dokazuje jednoduchým overením vlastností. Vzhľadom na f5 môžeme firmu plne charakterizovať produkčnou funkciou, čo aj v ďaľšom budeme robiť. Pre produkčné funkcie sa zavádza nasledovná terminológia: ak pre každé γ > 1 platí: f(γx) > γf(x), hovoríme, že firma má rastúce výnosy z rozsahu. f(γx) < γf(x), firma má klesajúce výnosy z rozsahu. f(γx) = γf(x), firma má konštantné výnosy z rozsahu. Poznamnajme, že produkčná funkcia s rastúcimi výnosmi z rozsahu nemôže byť konkávnou a nie je teda konzistentná s vlastnosťou f1; na takéto nedôslednosti sa mikroekonómii treba pripraviť.

7 1 Technológie a produkčná funkcia Izokvanty Hladina úrovne funkcie f, I c = {(x 1,..., x n ) : f(x 1,..., x n ) = c} sa nazýva izokvantou. Očakávame, že by to mala byť nadplocha dimenzie n 1. To je pravda napríklad vtedy, ak f je C 1 (spojite diferencovateľná) f pre každé x 0 I c existuje i také, že f x i (x 0 ) 0. Potom totiž z vety o implicitnej funkcii vyplýva, že lokálne v okolí x 0 existuje jediná funkcia x i = ϕ(x i ) (kde x i = (x 1,..., x i 1, x i+1,..., x n )) taká, x 0 i = ϕ(x0 1 ) a f(x 1,..., x n ) = c práve vtedy, ak x i = ϕ(x i ). V ďaľšom budeme mlčky predpokladať, že izokvanty naozaj hladkými nadplochami sú. Ukážeme totiž, že tento predpoklad je splnený aj u iných v mikroekonómii často sa vyskytujúcich funkcií, ktoré nie sú C 1. Pre izokvanty platí: a) Pre každé c 0 0 je J c0 = c c 0 I c R n + = {x : f(x) c 0 } konvexná množina a 0 / J c0 ak c 0 > 0. b) Hovoríme, že produkčná funkcia f je ostro monotónna, ak z x x, x x vyplýva f(x) > f( x). Ak x, x I c a x i x i, potom x i x i. Dôkaz sa prenecháva čitateľovi ako cvičenie. Z toho vyplýva, že ak sú splnené predpoklady b), izokvanty I c sú v prípade n = 2 grafy klesajúcich konexných funkcií. Technickou mierou substitúcie (technical rate of substitution) (T RS) ij medzi faktormi i, j nazývame záporne vzatý lokálne limitný (hraničný) objem faktoru j, ktorým musíme nahradiť jednotku faktora i, aby sme udržali množstvo produktu na rovnakej úrovni. Ak takéto množstvo označíme x j = ψ(x i ) má teda platiť kde Rozvojom do Taylorovho radu dostávame f(x 1,..., x i + x i,..., ψ(x i + x i ),... ) = c. f(x) + f x i (x) x i + f x j (x)ψ (x i ) x i + ϑ( x i ) = c = f(x), ϑ( x i ) lim = 0. Pre x i 0 dostaneme x i 0 x i (T RS) ij (x) = ψ (x i ) = f x i (x) f x j (x) (ak f x j (x) 0). Technická miera substitúcie predstavuje citlivosť zmeny faktora j na zmenu faktora i pri dodržaní objemu výroby. (Vo všeobecnosti, ak y = f(x 1,..., x n ) je ľubovoľná funkcia, citlivosť y na zmenu premennej x i v bode x meriame parciálnou deriváciou f x i (x).)

8 8 1 Technológie a produkčná funkcia Slabinou pojmu citlivosti je, že závisí od voľby jednotiek, v ktorých meriame premenné x i a y. Preto sa zavádza bezrozmerná elasticita. Je to hraničný podiel zmeny y a zmeny x i, ak za jednotky vezmeme ich aktuálne veľkosti, teda f x i (x) x i f(x). V prípade izokvánt sa zavádza elasticita substitúcie. Definuje sa za predpokladu striktnej konvexnosti závislosti x j od x i pozdĺž izokvanty pri ostatných faktoroch fixných. Vtedy je totiž T RS ij pozdĺž izokvanty ostro rastúcou funkciou x i, možno ňou teda izokvantu parametrizovať. Elasticita substitúcie σ ij sa definuje ako elasticita závislosti podielu x j /x i od T RS ij, teda σ ij = ( ) xj d x i T RS ij x d(t RS ij ) j. x i Elasticita substitúcie nie je teda elasticitou funkcie T RS ij (x i ) v zmysle, v akom sa elasticita chápe vo všetkých ostatných prípadoch! 1.3 Príklady technológií a produkčných funkcií 1. Empirická produkčná funkcia V R n + máme daných N bodov x (j), j = 1,..., N, pre ktoré zistíme f(x (j) ). Ak platí a { f(x (i) ) sup λ j f(x (j) ) : x (i) = j j f(x (j) ) f(x (i) ) ak x (j) x (i), potom môžeme definovať f(0) = 0 a { f(x) = sup λ j f(x (j) ) : x (i) = j j λ j x (j), } λ j = 1, λ j 0 λ j x (j), } λ j = 1, λ j 0. Všimnime, si že táto produkčná funkcia nie je definovaná na celom R n +, ale iba na konvexnej obálke bodov x (i) a bodu 0. Nie je diferencovateľná, je konkávna, nie však ostro. 2. Cobbova-Douglasova produkčná funkcia f(x) = c 3. Funkcia s konštantou elasticitou n i=1 x a i n i, a > 0, a i 1 i=1 i=1 [ n ] f(x) = c i x ρ 1 i ) ρ 4. Produkčná funkcia dokonale zameniteľných faktorov f(x) = g (a 1 x a n x n ), a i > 0,

9 1 Technológie a produkčná funkcia 9 x 2 c/a 2 f(x 1, x 2 )=c x1 c/a 1 Obr. 2. Izokvanta produkčnej funkcie dokonale zameniteľných faktorov. kde g je rastúca konkávna. Jednotkové množstvo faktora môžeme nahradiť pevne daným množstvom iného faktora, ktoré nezávisí od bodu, v ktorom sa nachádzame: (typická napríklad pre rozličné zdroje energie). (T RS) ij (x) = g (x)a i g (x)a j = a i a j 5. Produkčná funkcia dokonale komplementárnych faktorov (Leontieffova) f(x) = min {a 1 x 1,..., a n x n }, a i > 0 Napríklad betón: aby sme vyrobili určité množstvo, potrebujeme určité množstvá vody, cementu a piesku, ktoré nemožno jedno druhým nahradiť; podobne je to s vodou a pracím práškom pri praní, alebo vodou, vajíčkami a múkou pri ceste na halušky atď. Leontieffova produkčná funkcia nie je diferencovateľná. Pre izokvanty platí { I c = x : x i c pre všetky i a x i = c } pre aspoň jedno i. a i a i x 2 f(x 1, x 2 )=y y/a 2 f(x 1, x 2 )=y x1 y/a 1 Obr. 3. Izokvanta produčknej funkcie dokonale komplementárnych faktorov. Všimnime si, že pre dokonale zameniteľné a dokonale komplementárne statky nie sú množiny J c ostro konvexné (množinu J nazývame ostro konvexnou, ak z x, ˆx J vyplýva αx+(1 α)ˆx int J pre každé 0 < α < 1.

10 10 1 Technológie a produkčná funkcia 1.4 Racionálne správanie firmy, rovnováha kompetitívnej firmy Za racionálne správanie firmy považujeme jej snahu maximalizovať svoj zisk. Predpokladáme pritom, že pracuje v kompetitívnom prostredí: má tak veľa konkurenčných firiem, že jej správanie na trhu neovplyvní cenu produktu a faktorov. Považujeme ich za exogénne premenné. Označíme: p cenu za jednotku produktu y w i cenu jednotkového množstva faktora i. Potom zisk pri technológii (x, y) je n py w i x i = py w, x i=1 a maximálny možný zisk pri danej spotrebe faktorov x je Π(x) = max{py w, x : (x, y) Y } = pf(x) w, x. (1.1) y Matematické vyjadrenie úloh racionálneho rozhodovania firmy je teda takéto: Nájsť ˆx R n + také, že Π(ˆx) = max Π(x). x R n + Úloha (1.1) vo všeobecnosti nemusí mať riešenie, ale ak ho má a ak je f striktne konkávna, potom je toto riešenie jediné. Pripomeňme si, že postačujúcou podmienkou pre striktnú konkávnosť f je záporná definitnosť Hessiánu D 2 f(x) funkcie f vo všetkých x R n +. Ak f je C 1 a potom pre všetky i platí vo vektorovom zápise ˆx int R n +, Π (ˆx) = 0, teda p f (ˆx) = w i, (1.2) x i x i p d f(ˆx) = w. Riešenie úlohy (1.1) považujeme za rovnováhu kompetitívnej firmy pretože ak x = ˆx, firma nemá dôvod objem výroby meniť. y y= wx/p y= f(x) x ˆx Obr. 4. Rovnováha kompetitívnej firmy s jedným vstupom a jedným výstupom. Podmienku (1.2) teraz môžeme sformulovať takto: Veta 1.2. Vo vnútornej kompetitívnej rovnováhe je hraničný produkt vzhľadom na každý z faktorov úmerný jeho cene. Prípad jedného faktora je znázornený na Obr. 4 (hraničný produkt je dotýčnicou ku grafu produkčnej funkcie).

11 1 Technológie a produkčná funkcia Minimalizácia nákladov a nákladová funkcia Úlohu maximalizácie zisku môžeme rozdeliť na dva stupne: úlohu minimalizácie nákladov pri danej hladine výroby určenie objemu výroby, pri ktorej je zisk rovný rozdielu príjmu a minimálnych nákladov najväčsí. Prvej z úloh, teda minimalizácii nákladov prei danom objeme výroby sa budeme venovať Druhej z nich, teda hľadaniu objemu výroby, maximalizujúceho zisk bude venovaný odsek 1.7. Riešime teda úlohu: Dané je y (a w 0), hľadáme ˆx = ˆx(y) (= ˆx(y, w)) také, že f(ˆx) y a w, ˆx = min { w, x : f(x) y} (1.3) Všimnime si, že {x : f(x) y} = J y, kde J y je definované v 1.2. Ukážeme, že ak je J y a w i > 0 pre všetky i, má táto úloha vždy riešenie: f ako konkávna funkcia je spojitá. w, x 0 a preto c = inf { w, x : x J y } 0. Ak x (k) J y a w, x (k) c, potom x (k) je ohraničená. Keby totiž nebola, existovala by postupnosť x (k j) i, ale potom by platilo w, x (k j) w i x (k j) i a to je spor. Keďže x (k j) je ohraničená, môžeme z nej vybrať konvergentnú postupnosť x (k j) ˆx, zo spojitosti f vyplýva, že ˆx je riešením. Riešenie je jednoznačné vtedy, ak je množina J y ostro konvexná. V úlohe môžeme nerovnosť pri f(x) y nahradiť rovnosťou, t. j. ak ˆx je riešením úlohy (1.3), potom existuje aj riešenie ˆx, pre ktoré platí f(ˆx ) = y. Ak je f ostro rastúca, t. j. f(x ) > f(x) pre x x, x x, potom nevyhnutne f(ˆx) = y. (Dôkazy sa prenechávajú čitateľovi ako cvičenie.) Ak f C 1 a x int R n + je riešením úlohy (1.3) spĺňajúce f(ˆx) = y potom podľa Lagrangeovej vety existuje λ 0 také, že platí alebo w i = ( ) wi x i = λ f (ˆx) x i x i w = λ d f T (ˆx) y = f(ˆx) Ak vieme, že riešenie úlohy (1.3) je jediné, potom riešenie (1.4) je aj riešením úlohy (1.3). Nákladovú funkciu (cost function) C definujeme predpisom C(y) = C(y, w) = w, ˆx(w, y). Riešenie ˆx(w, y) úlohy (1.3) nazveme podmienenou funkciou dopytu. (1.4)

12 12 1 Technológie a produkčná funkcia 1.6 Poznámky k počítaniu podmienenej funkcie dopytu a nákladovej funkcie Na hľadanie ˆx a C možno použiť systém rovníc (1.4), nemusí to však byť najvýhodnejšie. Niekedy to ani nevedie k cieľu, lebo nie sú splnené podmienky, v ktorých je (1.4) nutnou podmienkou minima. Ukážeme si to na príkladoch. 1. C-D funkcia. Obmedzíme sa na prípad n = 2, teda y = f(x 1, x 2 ) = cx a 1x b 2, a, b > 0, a + b 1, priamočiare rozšírenie pre všeobecné n ponechávame na čitateľa. Najprv naznačíme postup, vychádzajúci z podmienky (1.4). Systém rovníc (1.4) pre túto úlohu znie predelelním prvých dvoch rovníc dostaneme w 1 = λcax a 1 1 x b 2 w 2 = λ cbx a 1x b 1 2 y = cx a 1x b 2. x 2 x 1 = bw 1 aw 2, (dopyt po faktoroch je nepriamo úmerný ich cenám), teda x 2 = bw 1x 1 aw 2. Dosadením za x 2 do tretej rovnice dostaneme rovnicu pre neznámu x 1, ktorej riešením je x 1 = ( ( bw1 ) ) 1 b y a+b. aw 2 c Iný prístup: Z podmienky y = cx a 1 xb 2 eliminujeme x 2 = ( y cx a 1 ) 1 b a minimalizujeme w 1 x 1 + w 2 x 2 = w 1 x 1 + w 2 y y=cx 1 b c 1 b x a b 1. a 1 xb 2 Platí: ( ) ( w 1 x 1 + w 2 y 1 b c 1 b x a b b w 1 1 < 0 ak x 1 < y 1 1 b c b x 1 a w 2 ( ) ( w 1 x 1 + w 2 y 1 b c 1 b x a b b w 1 1 = 0 ak x 1 = y 1 1 b c b x 1 a w 2 ( ) ( w 1 x 1 + w 2 y 1 b c 1 b x a b b w 1 1 > 0 ak x 1 > y 1 1 b c b x 1 a w 2 ) b a+b ) b a+b ) b a+b Z toho vyplýva, že minimum sa v súlade s predchádzajúcim výpočtom dosahuje pri rovnakej hodnote x 1. Všimnime si, že tento spôsob výpočtu nám súčasne dáva, že extrém je minimom. 2. Dokonale zameniteľné faktory V predchádzajúcom príklade sa eliminačný postup ukazoval ako menej elegantný. Ukážeme si

13 1 Technológie a produkčná funkcia 13 však, že má širšie použitie. Vedie k cieľu totiž aj v úlohách, v ktorých sa maximum v (1.1) dosahuje na hranici oblasti a podmienka (1.4) nie je použiteľná. Použitie systému (1.4) vedie k rovniciam f(x) = a 1 x 1 + a 2 x 2, x 1 0, x 2 0. w 1 = λa 1 w 2 = λa 2, ktoré nám nič nedávajú pre určenie x a dokonca sú splnené iba vo zvláštnom prípade, ak w je kolineárny k vektorom (a 1, a 2 ). Predstavujú totiž podmienku toho, že minimum sa dosahuje vo vnútornom bode, čo je v tejto úlohe splnené iba pri výnimočných hodnotách parametrov. x 2 y/a 2 vrstevnicefunkcie w 1 x 1 + w 2 x 2 x1 y/a 1 Obr. 5. Minimalizácia nákladov pre zameniteľné faktory prípad w 1 w 2 = a 1 a 2. Druhý, eliminačný postup z príkladu 1 však k cieľu vedie: Z a 1 x 1 + a 2 x 2 = y vypočítame x 2 = y a 1x 1 a 2 a minimalizujeme ( y a 1 x 1 w 1 x 1 + w 2 = w 1 w ) 2a 1 y x 1 + w 2 (1.5) a 2 a 2 a 2 pri podmienkach x 1 0 a x 2 = y a 1x 1 a 2 0. To značí, že funkcia (??) rastie, ak w 1 w 2a 1 a 2 > 0, t. j. w 1 w 2 > a 1 a 2 a klesá ak w 1 w 2 < a 1 a 2 Ako výsledok dostaneme y, ak w 1 a w 2 < a 1 1 a 2 ˆx 1 = ľubovoľné, spĺňajúce a 1 x 1 + a 2 x 2 = y ak w 1 w 2 = a 1 a 2 0, ak w 1 > a 1 w a 2. 2 Formuly pre ˆx 2 sú analogické a ponechávame ich pre čitateľa ako cvičenie. 3. Leontieffova produkčná funkcia Ak min{a 1 x 1, a 2 x 2 } = y, platí y = min{a 1 x 1, a 2 x 2 } = { a1 x 1 ak a 1 x 1 a 2 x 2 a 2 x 2 ak a 1 x 1 a 2 x 2

14 14 1 Technológie a produkčná funkcia y a) w 1 x 1 + w 2 x 2 = w 1 a 1 + w 2 x 2 ak a 1 x 1 a 2 x 2 y b) w 1 x 1 + w 2 x 2 = w 1 x 1 + w 2 a 2 ak a 1 x 1 a 2 x 2 Minimum w 1 x 1 + w 2 x 2 pri pevne danom y sa teda dosahuje v prípade a) pri x 2 = a 1 a 2 x 1 = a 1 a 2 y a 1 = y a 2 a v prípade b) pri x 1 = a 2x 2 = a 2 y = y. a 1 a1 a 2 a 1 V obidvoch prípadoch sa teda minimum dosahuje v bode ( y a1, y a2 ), čo znamená, že ˆx 1 (y) = y a 1, ˆx 2 (y) = y a 2 x 2 y/a 2 vrstevnicefunkcie w 1 x 1 + w 2 x 2 x1 y/a 1 Obr. 6. Minimalizácia nákladov pre komplementárne faktory. 1.7 Vlastnosti nákladovej funkcie Veta 1.3. Predpokladajme, že f je C 1, C, ˆx sú definované a ˆx int R n +. Potom platí: 1. Ak w w potom C(y, w ) C(y, w). 2. Fukcia C je homogénna stupňa 1, t. j. C(y, αw) = αc(y, w) pre ľubovoľné α C je konkávna vo w a ak je f konkávna, tak je C konvexná v y. 4. Ak f má konštantné výnosy z rozsahu, potom to platí aj pre C, t. j. C(y, w) = yc(1, w) pre y > 0. C 5. = λ (= Lagrangeov multiplikátor v (1.4)) y 6. Shepardova lemma: C (y, w) = ˆx i (y, w). w i Dôkaz 1., 2., 4. prenechávame ako cvičenie. 3. Dokážeme najprv konkávnosť C vo w: C(y, αw + (1 α)w ) = αw + (1 α)w, ˆx(y, αw + (1 α)w ) = α w, ˆx(y, αw + (1 α)w ) + (1 α) w, ˆx(y, αw + (1 α)w ) α w, ˆx(y, w) + (1 α) w, ˆx(y, w ) = αc(y, w) + (1 α)c(y, w ).

15 1 Technológie a produkčná funkcia 15 Ak je f konkávna, platí f(αˆx(y, w) + (1 α)ˆx(y, w)) αf(ˆx(y, w)) + (1 α)f(ˆx(y, w)) = αy + (1 α)y, teda s objemom faktorov αˆx(y, w)+(1 α)ˆx(y, w) možno vyrobiť objem αy+(1 α)y produktu. Z toho vyplýva αc(y) + (1 α)c(y ) = α w, ˆx(y, w) + (1 α) w, ˆx(y, w) = w, αˆx(y, w) + (1 α)ˆx(y, w) C(αy + (1 α)y ) 5. Tvrdenie dokážeme za predpokladu diferencovateľnosti ˆx podľa y. Diferencovaním druhej rovnice (1.4) dostaneme d f(ˆx) ˆx (y, w) = 1, y z čoho vzhľadom na prvú rovnicu (1.4) dostaneme C y (y, w) = w, ˆx y (y, w) 6. Pre pevne zvolené w 0 a ľubovoľné w platí C(y, w) w, ˆx(y, w 0 ) C(y, w 0 ) = w 0, ˆx(y, w 0 ). = λ d f(ˆx) ˆx (y, w) = λ. y To značí, že funkcia C(y, w) w, ˆx(y, w 0 ) nadobúba maximum 0 v bode w = w 0, nutnou podmienkou čoho je 0 = ( C(y, w) w, ˆx(y, w 0 ) ) w=w0 = C (y, w 0 ) x i (y, w 0 ). w i w i V ďalšom budeme výrobcu spravidla charakterizovať jeho nákladovou funkciou. 1.8 Komparatívna statika podmienenej dopytovej funkcie Komparatívna statika sa pýta, ako sa mení podmienený dopyt, ak sa zmenia ceny faktorov. Platí: w, ˆx(y, w) w, ˆx(y, w ) z čoho odčítaním dostaneme teda w, ˆx(y, w) w, ˆx(y, w ) w w, ˆx(y, w) w w, ˆx(y, w ), w w, ˆx(y, w ) ˆx(y, w) 0 (1.6) Ak označíme w = w w, ˆx = ˆx(y, w ) ˆx(y, w), môžeme (1.6) prepísať do tvaru Ak špecíalne zvolíme w j = 0 pre j i, potom (1.7) dáva w, ˆx 0 (1.7) w i x i 0. Dopyt po tom-ktorom faktore pri pevnom y teda klesá s rastom jeho ceny.

16 16 1 Technológie a produkčná funkcia 1.9 Hraničné a priemerné náklady V ďalšom budeme argument w vo funkcii C vynechávať, ak ho v úvahách budeme považovať za pevne zvolené. Pre nákladovú funkciu C(y) zavedieme nasledujúce označenia a názvy: C(0) sú pevné náklady (fixed costs), AC(y) = C(y) sú priemerné náklady (AC average costs) y MC(y) = C (y) sú hraničné náklady (MC marginal costs) Veta 1.4. Predpokladajme, že nákladová funkcia C je spojite diferencovateľná. Potom práve vtedy, ak d ( d ( C(y) )) d y AC(y) = = 0 pre y > 0 d y y MC(y) = AC(y). (1.8) Inak povedané, priemerné náklady sú v svojom minime rovné hraničným nákladom. Dôkaz d ( C(y) ) = 1 ( C (y) C(y) ) d y y y y = 1 y (MC(y) AC(y)) Poznámka. Pevné náklady C(0) sú náklady, ktoré výrobca musí vynaložiť pri akejkoľvek nenulovej výrobe bez ohľadu na jej objem. V úvahách predchádzajúcich odsekov sme od nich abstrahovali Na rozdiel od tohoto odseku totiž v úlohách, ktoré sme v nich riešili nehrali úlohu Maximalizácia zisku Ako sme už uviedli v kapitole 1.4, konečným cieľom racionálne sa správajúcej firmy je maximalizovať zisk, teda hľadať ˆX R n + také, že Π( ˆX) = pf( ˆX) w, ˆX pf(x) w, x = Π(x) (1.9) pre každé x. Ukážeme (intuitívne zrejmú) ekvivalenciu riešenia tejto úlohy s dvojicou na seba nadväzujúcich úloh minimalizácie nákladov pri danom objeme výroby a následnej voľby objemu výroby, pri ktorom sa maximalizuje zisk. Označme ŷ = arg max(py C(y)) riešenie druhej z úloh. Platí max{pf(x) w, x } = max{py w, x : y = f(x)} x x,y = max{py min{ w, x : y = f(x)}} = max py C(y) = ŷ. y x Ak sú ˆX a ˆx(y) jednoznačne definované, vyplýva z toho aj ˆX = ˆx(ŷ). Označme ŷ = f( ˆX). Platí Π(ˆx(ŷ)) = pf(ˆx(ŷ)) w, ˆx(ŷ) = pŷ w, ( ˆX) = Π( ˆX) py C(y) = pf(ˆx(y) w, ˆx(y) = Π(ˆx(y)) Π( ˆX) y z čoho vyplýva pŷ C(ŷ) = max{py C(y)}, (1.10)

17 1 Technológie a produkčná funkcia 17 teda ˆX = ˆx(ŷ) rieši úlohu (1.9). V tomto zmysle sú úlohy (1.9), (1.10) ekvivalentné. Ak C je C 1, potom nutnou podmienkou, aby ŷ riešilo úlohu je pŷ C(ŷ) = max{py C(y)}, (1.9) y C (ŷ) = p (1.10) riešenie a navyše C je ostro konvexná (teda C (y) je rastúca), potom je riešenie (1.10) jediné a je riešením úlohy (1.10). Existuje teda inverzná funkcia ŷ = (C ) 1 (p). Pretože racionálna funkcia volí objem výroby=ponuku tak, aby maximalizovala svoj zisk, nazývame funkciu S(p) = (C ) 1 (p) ponukovou funkciou firmy. Všimnime si, že S je rastúcou funkciou p. Ak navyše C je C 2 a platí 2 C (ŷ) 0 potom z vety o implicitnej funkcii vyplýva, že ŷ je 2 C1 y funkciou p. Je to funkcia ponuky firmy. Hodnoty ˆX a ŷ sú samozrejme funkciami cien w, p, platí ˆX(w, p) = ˆx(ŷ(w, p), w); označíme ˆΠ(w, p) = Π(ˆx(ŷ(w, p)), w, p) = pŷ(w, p) C(ŷ(w, p)) maximálny zisk, ktorý tak isto závisí od cien. Všimnime si,že [ Π(ˆx(y, w)) = y p C(y) ] y a označme Z (1.10) vyplýva ˆΠ(w, p) = Π(ˆx(ŷ(w, p)), w, p) ˆX(w, p) = ˆx(ŷ, w, p) ˆΠ = pŷ C(ŷ) = ŷ(p C(ŷ)/ŷ) = ŷ(mc(ŷ) AC(ŷ)) To nám umožňuje hodnotu ˆΠ(w, p) graficky vyčítať z Obr. 7 (využijeme 1.8). Obrázok súčasne znázorňuje, že nulový zisk dosahuje firma pri cene p = MC(y ) = AC(y ), kde y rieši rovnicu (1.8) Hottelingova lemma Veta 1.5. Nech f C 2 a ˆX(w, p) je vnútorným bodom R n +. Potom platí ŷ(w, p) = ˆΠ (w, p) p [ ˆX(w, p) = ˆΠ (w, p) w ] T Dôkaz. Platí ˆΠ p (w, p) = [pŷ(w, p) C(ŷ(w, p), w)] p = ŷ(w, p) + y [py C(y, w)] y=ŷ(w,p) ŷ (w, p) p

18 18 1 Technológie a produkčná funkcia C MC(y) AC(y) p ˆπ(w, p) ŷ y Obr. 7. Grafické znázornenie maximálneho zisku. Podľa (1.10) je však hranatá zátvorka nulová, čo dokazuje prvú časť Vety. Ďalej platí ˆΠ (w, p) = [pŷ(w, p) C(ŷ(w, p), w)] w i w i = C (ŷ(w, p), w) + w i y [py C(y, w)] y=ŷ(w,p) ŷ (w, p) w i = C (ŷ(w, p), w) = w ˆX i (w, p) i podľa Shepardovej lemmy (Veta 1.3, bod 6) 1.12 Vlastnosti funkcie ponuky a funkcie dopytu firmy komparatívna statika Veta : ˆΠ je konvexná vo w aj p. 2: ŷ neklesá s p a rastie s p ak je C ostro konvexná. 3: Xi klesá s w i. 4: ˆΠ je homogénna stupňa 1 vo (w, p). Dôkaz 1. konvexnosť vo w sa dokazuje rovnako ako konkávnosť C vo w. Dokážeme konvexnosť v p. Pre každé y platí ˆΠ(p 1 ) = p 1 ŷ 1 C(ŷ 1 ) p 1 y C(y) Ak 0 α 1, platí pre každé y a teda aj ˆΠ(p 2 ) = p 2 ŷ 2 C(ŷ 2 ) p 2 y C(y) α ˆΠ(p 1 ) + (1 α)ˆπ(p 2 ) [αp 1 + (1 α)p 2 ]y C(y) α ˆΠ(p 1 ) + (1 α)ˆπ(p 2 ) max y {[αp 1 + (1 α)p 2 ]y C(y)} = ˆΠ(αp 1 + (1 α)p 2 )

19 1 Technológie a produkčná funkcia Podľa 1. platí ŷ p = 2 ˆΠ p 2 0 Ak je C ostro konvexná, C ostro rastie, preto je ostrý rast ŷ v p dôsledkom vzťahu (1.10). 3. Podľa 1. platí X i = 2 ˆΠ w i wi 2 0 (pretože nutná podmienka ku konvexnosti C 2 funkcie je kladná semidefinitnosť Hessovej matice, čoho zase nutnou podmienkou je nezápornosť jej diagonálnych prvkov). Racionálna firma maximalizuje zisk, preto vyrába (a dodáva na trh) objem ŷ svojho produktu. Preto funkciu S(p) = ŷ(p) nazývame ponukovou funkciou firmy. Podľa tvrdenia 2 Vety je S rastúcou funkciou. Ak je C diferencovateľná, platí podľa (1.10) C (S(p)) = p; ak má C inverznú funkciu (čo platí napríklad ak je C ostro konvexná), potom S(p) = (C ) 1 (p). Príklad (Dotácie farmárov v USA). [2] Dotácie poľnohospodárom kvária rozpočty krajín EÚ i USA. Vládne dotácie farmárov v USA predstavovali $40-60 miliárd ročne. Čas od času vznikajú tendencie odbúrať ich, teda znížiť nadmernú produkciu a záťaž verejných financií. Farmári lobujú proti týmto snahám tvrdením, že tým by sa výroba a teda aj poľohospodárska nadprodukci v USA iba zvýšila, pretože farmári by sa snažili udržať svoje príjmy a tým aj životnú úroveň. Táto úvaha by mohla mať svoje opodstatnenie vtedy, ak by sa jednalo o drobných farmárov. V USA však prevážna väčšina poľnohospodárskej produkcie pochádza od veľkých poľnohospodárskych výrobcov, ktorí sa správajú ako firmy. Úvaha odporuje mikroekonomickej teórii, podľa ktorej sa firma snaží maximalizovať zisk a teda podľa 11.2 by pri poklese p musel poklesnúť aj objem výroby. Výroba by navyše mohla poklesnúť aj tým, že by sa časť fariem stala neefektívnymi a farmárenie by opustili Cvičenia 1.1. Dokážte podrobne konkávnosť f a tvrdenia f2 f4 z Vety Zistite pre aké hodnoty exponentov spĺňajú Cobbova-Douglasova funkcia a funkcia konštantnej elasticity axiómy f1 f Firma vyrába produkt y pri vstupoch x 1, x 2. Podľa záznamov vyrobila y = a pri x 1 = 1, x 2 = 2 a y = b pri x 1 = 2 a x 2 = 1. Ak jej produkčná funkcia spľňa f1-f3, čo môžete povedať o hodnotách produkčnej funkcie pre x 1 = x 2 = 1.5 a pre x 1 = x 2 = 2? 1.4. Pre produkčnú funkciu spĺňajúcu podmienky f1 f3 z odseku 1.1 platí f(0, 4) = 1 a f(4, 0) = 2. Čo môžete povedať o hodnotách f(2, 2) a f(1, 1) a ich vzájomnom vzťahu? 1.5. Nech produkčná funkcia f spĺňa f1-f3. Dokážte: a) pre každé c 0 je J c0 = c c 0 I c R n + konvexná množina a pre c 0 > 0 platí 0 / J c0, f b) ak x, x I c, x i (x) 0 a x i x i, potom x i x i,

20 20 1 Technológie a produkčná funkcia c) ak n = 2, I c : x 2 = ϕ c (x 1 ) je hladká izokvanta, potom ϕ c (x 1 ) je nerastúca a konvexná v x 1 a neklesajúca v c. d) Ak je produkčná funkcia ostro monotónna, tak je ϕ c odtro klesajúca (podľa [1]) Predpokladajme, že určitá technológia kombinuje dva výrobné faktory A a B v pomere 2 : 3 (teda na jednotku výstupu sa spotrebúvajú dve jednotky vstupu A a tri jednotky vstupu B). Napíšte jej produkčnú funkciu Predpokladajme, že určitá technológia využíva dva výrobné faktory A a B (napríklad dve zariadenia) tak, že s využitím faktora A možno vyrobiť za časovú jednotku tri jednotky výstupu a s využitím faktora B možno vyrobiť za časovú jednotku jednu jednotku výstupu. Napíšte jej produkčnú funkciu Predpokladajme, že produkčná funkcia má tvar: q = f(x 1, x 2 ) = min{ax 1, bx 2 } kde a, b sú kladné konštanty. Vykazuje táto produkčná funkcia konštantné, rastúce alebo klesajúce výnosy z rozsahu? 1.9. Nech f je produkčná funkcia, spĺňajúca f(0, 1) = 1, f(1, 1) = 1. Môže byť f Leontieffovou produkčnou funkciou (t. j. produkčnou funkciou komplementárnych faktorov)? Ak áno, zdôvodnite prečo, ak nie, ktorú hodnotu a ako treba zmeniť, aby ňou mohla byť? Na výrobu 1 kg halušiek sa spotrebuje a jednotiek elektriny na pohon miešadla. Na ohrev vody, v ktorej sa varia, možno je treba b jednotiek elektriny alebo c jednotiek plynu, plyn a elektrinu možno v ľubovoľnom pomere kombinovať. Napíšte produkčnú funkciu a načrtnite jej izokvanty Nech f je C 1, ˆx maximalizuje zisk π a ˆx i = 0. V akom vzťahu je f x i (ˆx) voči w i? [Návod: poraďte sa s pánmi Kuhnom a Tuckerom.] Za akých podmienok podmienok sa dosahuje maximum zisku v jedinom bode? Za akých podmienok sa minimu nákladov pri danej úrovni výroby dosahuje v jedinom bode? Nech produkčná funkcia firmy má tvar: Q = 50L 1 4 K 1 2 kde L označuje vstup práce a K označuje vstup kapitálu. a) Určite pomer medzi prácou a kapitálom, pri ktorom sa minimalizujú náklady na každý zadaný objem výstupu, ak cena práce je 300, Sk za hodinu práce a cena kapitálu je 600, Sk za strojovú hodinu. b) Určite hodnoty faktorov, ktoré minimalizujú náklady pre úroveň 400 jednotiek produktu. c) Predpokladajme, že cena produktu je 30, Sk za jednotku. Bude objem produktu, pri ktorom sa maximalizuje zisk, menší, rovný alebo väčší ako 400 jednotiek? Produkčná funkcia výrobcu je daná formulou f(x 1, x 2 ) = x x , x 1 0, x 2 0. Nájdite podmienený dopyt po faktoroch x 1, x 2 pri úrovni výroby f(x 1, x 2 ) = Pre produkčnú funkciu f(x 1, x 2 ) = (1 + x 1 )(1 + x 2 ) 1 a daných cenách faktorov w 1, w 2 vypočítajte podmienenú dopytovú funkciu ˆx Produkčná funkcia výrobcu je f(x 1, x 2 ) = min{x 1 + x 2, 3x 1, 3x 2 }.

21 1 Technológie a produkčná funkcia 21 a) Interpretujte ju ekonomicky. b) Určite podmienený dopyt po faktoroch a nákladovú funkciu Ak firma produkuje v bode, v ktorom 1 f w 1 x 1 (x) > 1 f w 2 x 2 (x), čo môže urobiť, aby zmenšila náklady a zachovala výrobu? Vypočítajte nákladovú funkciu pre úlohy 1 3 odseku 1.6textu (podľa [1]) Roľník s dostatočnou výmerou pôdy pestuje kukuricu. Predpokladajme, že jeho nákladová funkcia je C(q) = q 2 / , kde q je počet ton vypestovanej kukurice. Cena tony kukurice je 250 Sk. a) Aký optimálny objem výroby zvolí roľník, maximalizujúci zisk? b) Aké celkové náklady na tonu a zisk dosiahne roľník pri optimálnom objeme výroby? c) Aký vplyv bude mať na rozhodovanie o optimálnom objeme výroby pokles ceny kukurice o 10 Sk na tonu? d) Vyjadrite závislosť medzi optimálnym objemom výroby a cenou. Pri akej úrovni ceny prestane výroba byť ziskovou? (podľa [1]) Výrobca pánskych košieľ vyrába pre stálych zákazníkov mesačne košieľ s nasledovnými nákladmi: a) materiál Sk b) práca Sk c) réžia Sk d) odpisy Sk Spolu Sk Výrobné zariadenie mu umožňuje rozšíriť výrobu o ďalších kusov bez potreby investovať do zariadenia. Nemusí ani zvyšovať počet zamestnancov, podľa kolektívnej zmluvy iba doplatí za každú košeľu, vyrobenú nad doterajšiu úroveň výroby príplatok 25 Sk k doterajšej mzde. Nový zákazník ponúka objednávku ďalších košieľ po 150 Sk za košeľu. Prijme racionálny výrobca zákazku? Dokážte, že ak produkčná funkcia spĺňa f1 f3, potom v úlohe 1.5 minimalizácie nákladov sa minimum pri podmienke f(x) y dosahuje v bode, v ktorom f(x) = y Ako sa zmení tvrdenie Shepardovej lemy, ak ˆx je hraničný bod R n +? Predpokladajme, že firma používa dokonale zameniteľné faktory. Ak je cena faktorov rovnaká, ako vyzerajú podmienené dopytové funkcie po jednotlivých faktoroch? Dokážte, že maximálny zisk ˆπ je konvexnou funkciou w. [Návod: postupujte ako pri dôkaze konkávnosti C vzhľadom na w.] V úlohe 1.19 načrtnite vo vhodných jednotkách v okolí optimálneho objemu výroby priebeh priemerných nákladov AC(y), hraničných nákladov M C(y) a graficky vyznačte veľkosť optimálneho zisku Rozveďte podrobne, v akom zmysle sú úlohy py C(y) max a pf(x) w, x max ekvivalentné a dokážte túto ekvivalenciu Pre produkčnú funkciu f(x) technická miera substitúcie je definovaná ako T RS ij (x) = f x i (x) f x j (x). a) Spočítajte T RS12 CES pre CES funkciu f(x 1, x 2 ) = (ax ρ 1 + bxρ 2 ) 1 ρ. b) Spočítajte T RS12 CD pre Cobb-Douglasovu funkciu f(x 1, x 2 ) = x a 1 xb 2.

22 22 1 Technológie a produkčná funkcia c) Ukážte, že lim ρ 0 T RS12 CES = T RS12 CD. d) Čomu sa rovná lim ρ T RS12 CES? Ako to súvisí s Leontieffovou produkčnou funkciou? Daná je produkčná funkcia f(x 1, x 2 ) = min{2x 1 + x 2, 3x 1 }. a) Pre túto fukciu nakreslite izokvanty I 1, I 2, I 3. b) Nájdite nákladovú funkciu C(y) Príklad 25 zo skrípt. (Pozri aj obrázok 7 v skriptách. Príslušné nákladové funkcie sú: Cobb-Douglasova funkcia: C(y) = ( (a b ) b a+b + Funkcia dokonale zameniteľných faktorov: ( ) a ) b a+b a, w a b a+b a+b 1 w2 y 1 a+b. C(y) = { w1 y a ak w 1 w 2 w 2 y b ak w 1 w 2 a b a b. Leontieffova funkcia: Môžete zvoliť a = b = 1/2. ( w1 C(y) = y a + w ) 2. b

23 2 Spotrebiteľ 2.1 Preferencie a funkcia užitočnosti Čo je racionálne rozhodovanie spotrebiteľa nie je tak jednoznačne zrejmé ako u firmy a trvalo určitý čas, kým sa to podarilo kvantifikovať. Predmetom rozhodovania spotrebiteľa je spotreba rozličných statkov (komodít, goods). Statkom môže byť napr. klobása, borovička, ako aj návšteva kulturného podujatia, hodina aerobicu, či jednoducho voľný čas. Súbor statkov nazveme košom (bundle). Počet statkov nech je n, x i nech je množstvo statku, x = (x 1,..., x n ) označíme ich vektor (kôš), množinu košov označíme X. Vychádzame z toho, že spotrebiteľ preferuje niektoré koše pred inými, napríklad preferuje kôš, pozostávajúci zo štvrť kila klobásy a dvoch deci vína pred košom, pozostávajúcim zo samotného polkila klobásy. Pre koše statkov zavedieme označenia: x x značí, že x preferujeme pred x. x x značí x x, t. j. že x nepreferujeme pred x (alebo, ako budeme hovoriť, x preferujeme slabo pred x); všimnime si, že x x značí x x, x x. Ak x x a x x, píšeme x x a hovoríme, že spotrebiteľ je ku košom x, x indiferentný. Od preferencie budeme požadovať, aby spĺňala nasledujúce axiómy: P1: je tranzitívna a reflexívna relácia, t. j. z x x, x x vyplýva x x. P2: Alebo ˆx x, alebo x ˆx. P3: Ak x x, potom x x. P4: Množiny {x : x x} a {x : x x} sú uzavreté a druhá z nich je konvexná. Hovoríme, že preferencie sú ostro monotónne, ak spĺňajú ďalšiu axiómu P5: Z x i > x i pre všetky i = 1,..., n vyplýva x x. Kým P1, P3 sú prirodzené, uzavretosť v P4 je čisto technicky matematický predpoklad. Konvexnosť v P4 vyplýva z nasledujúcej úvahy: Ak spotrebiteľ preferuje kôš x pred košom x, tak pred košom x preferuje aj kombinované koše αx + (1 α)x pre 0 α 1. Aby sme zjednodušili výklad, oslabili sme mierne definíciu ostrej monotónnosti P5. V literatúre sa namiesto x i > x i predpokladá (analogicky k definícii ostrej monotónnosti produkčnej funkcie v 1.2) x x, x x. Všimnime si, že, ak u: X R je kvázikonkávna funkcia taká, že u(x ) u(x) ak x x, potom relácia, definovaná vzťahom x x ak u(x ) u(x) je preferencia; hovoríme že preferencia je generovaná funkciou u. Platí Veta 2.1. Nech je ostro monotónna preferencia na X = R n +. Potom existuje spojitá nezáporná kvázikonkávna funkcia u, ktorá ju generuje.

24 24 2 Spotrebiteľ Dôkaz. Označíme 1 R n + vektor (1,..., 1) a definujeme u(1) = 1 u(c1) = c pre c 0, u(x) = c ak x c1 Vzhľadom na P4 je u(c1) spojitá (prečo) a vzhľadom na P5 aj ostro rastúca funkcia c. Ukážeme, že u(x) je jednoznačne definované pre každé x R n +. Označme C = {c : c1 x}, C = {c : c1 x}. Platí 0 C, max i x i C, preto C aj C sú. Ďalej, podľa P4 sú C aj C sú uzavreté a platí C C = [0, ). Z toho vyplýva, že C C, existuje preto c x C C, teda c x 1 x. Môžeme teda definovať u(x) = c x. Ukážeme teraz, že c x je jednoznačne definované. Inak by totiž existovali c 1 < c 2 (a teda c 1 1 c 2 1) také, že súčasne c 1 1 x c 2 1, čo je v spore. Ďalej ukážeme, že u naozaj generuje preferencie, teda, že x x práve vtedy, ak u(x) u( x). Nech x x, platí u(x)1 x x u( x)1, teda u(x)1 u( x)1, čo je ekvivalentné u(x) u( x). Naopak, ak u(x) u( x), vtedy u(x)1 u( x)1 a x u(x)1 u( x)1 x. Nezápornosť funkcie u je zrejmá, dokážeme jej spojitosť, teda že pre každé a < b je u 1 (a, b) otvorená množina. Platí však u 1 (a, b) = X ([ u 1 (, a] u 1 [b, ) ]) a teda stačí dokázať, že u 1 (, a] a u 1 [b, ) sú uzavreté. Pretože u generuje, platí u 1 (, a] = {x : x a1} a množina {x : x a1} je uzavretá podľa P4; analogicky pre [b, ). Kvázikonkávnosť značí, že množiny W c = x: u(x) c sú konvexné, čo je bezprostredným dôsledkom predpokladu P4 Funkciu u nazývame funkciou užitočnosti (utility function) preferencie. Hoci by sa v teórii spotrebiteľa dalo pracovať s preferenciami, zaužívalo sa pracovať s funkciou užitočnosti, pretože je to pohodlnejšie a názornejšie. V budúcnosti bude teda pre nás spotrebiteľ charakterizovaný funkciou užitočnosti. V súlade s Vetou budeme od funkcie užitočnosti požadovať, aby mala nasledovné vlastnosti: U1: u je spojitá a kvázikonkávna (t. j. množiny {x : u(x) c} sú konvexné) pre každé c. U2: u(x ) u(x), ak x x. Ďalej budeme hovoriť, že u je ostro monotónna, ak spĺňa U3: u(x) > u(x), ak x i > x i pre všetky i = 1,..., n. Poznámky. 1. Funkcia užitočnosti daných preferencií nie je definovaná jednoznačne: ak h je ľubovoľná ostro rastúca funkcia, potom funkcia u a h u generujú tú istú preferenciu. Hovoríme, že funkcia užitočnosti má ordinálny charakter. 2. Naša definícia ostrej monotónnosti sa mierne odlišuje o zaužívanej, ktorá prepokladá x x, x x namiesto x i > x i pre všetky i = 1,..., n. 2.2 Hladiny indiferentnosti Nech c 0 a nech u(x ) = c. Množinu V c = {x : u(x) = c} = {x : x x } nazývame hladinou indiferentnosti (voči x). Hladina indiferentnosti zodpovedá izokvante v teórii firmy s funkciou užitočnosti na mieste produkčnej funkcie.

25 2 Spotrebiteľ 25 Všimnime si, že pri odvodzovaní vlastností izokvánt sme z konkávnosti produkčnej funkcie využili iba to, že je kvázikonkávna a preto hladiny indiferentnosti majú rovnaké geometrické vlastnosti ako izokvanty. Technickej miere substitúcie zodpovedá u plôch indiferentnosti hraničná miera substitúcie (marginal rate of substitution) (MRS) ij = x j (x) x i = u=c u x i (x) u x j (x) Analogicky ako pre izokvantu zavádza sa elasticita substitúcie 2.3 Rovnováha spotrebiteľa ( xj d e ij (x) = d(mrs ij ) x i ) MRS ij x j. x i Za racionálne správanie spotrebiteľa považujeme, že si v rámci svojich možností zvolí kôš statkov ktorý preferuje (slabo) voči ostatným. V reči funkcii užitočnosti to značí, že maximalizuje jej hodnotu. Jeho možnosti sú dané jeho príjmom a cenami jednotlivých statkov. Označíme p = (p 1,..., p n ) vektor cien statkov koša, I (income) veľkosť príjmu spotrebiteľa. Potom racionálne sa správajúci spotrebiteľ rieši nasledovnú úlohu: Spomedzi košov statkov x, spĺňajúcich podmienku p, x I (2.1) (spotrebiteľ za statky nevydáva viac, než je jeho príjem) nájsť kôš x = ˆx(p, I) taký, že u(ˆx) u(x) (2.2) pre všetky x, spĺňajúce (2.1). Kôš riešiaci túto úlohu je rovnovážny spotrebiteľ nemá dôvod ho meniť. Ako v prípade rovnováhy firmy môžeme úlohu ekvivalentne nahradiť úlohou v ktorej nerovnosť v podmienke (2.1) nahradíme rovnosťou p, x = I (2.3) v tom zmysle, že ak má úloha s nerovnosťou riešenie, potom má aj úloha s rovnosťou riešenie s rovnakou hodnotou funkcie užitočnosti (dôkaz ako cvičenie). Ak u C 1 a ˆx int R n + je riešením úlohy (2.2), (2.3), potom podľa Lagrangeovej vety platí alebo ekvivalentne čo môžeme zapísať v tvare u x i (ˆx) = λp i, i = 1,..., n (2.4) [d u(ˆx)] T = λp (2.5) (MRS) ij = p i p j. Inak môžeme (2.4) formulovať tak, že hraničné zmeny funkcie užitočnosti sú úmerné cenám statkov. Geometricky znamená (2.4), že normála k hladine indiferentnosti funkcie užitočnosti je kolineárna s normálou k rozpočtovej rovine (2.3) (obr. 8).

26 26 2 Spotrebiteľ x 2 I/p 2 < p, x >= I I/p 1 λp=[du(ˆx)] T u(x)=u(ˆx) x 1 Obr. 8. Rovnováha spotrebiteľa. Ak je u C 2 a jej Hessova matica je záporne definitná, tak je rovnováha ˆx jednoznačne definovaná a je C 1 funkciou p a I: ˆx = m(p, I). Funkciou m nazývame Marshallovskou dopytovou funkciou. 2.4 Priama a nepriama daň Cieľom daní je získať od obyvateľstva prostriedky na všeobecne prospešné výdavky. Vrchnosť ich môže získať tak, že zdaní príjem (priama daň), alebo zdaní určitý statok spotrebnou daňou. Ktorá alternatíva je pre spotrebiteľa výhodnejšia? Pri priamej dani sa rozpočtové ohraničenie (2.3) zmení na p, x = (1 τ)i kde τ je daň z príjmu, pri spotrebnej dani na statok i so sadzbou t i sa cena p i zmení pre spotrebiteľa na p i + t i. Aby sa príjem vrchnosti pri obidvoch typoch daní pri koši statkov x rovnal, musí platiť t, x = τi. (2.6) Pri nepriamej dani si spotrebiteľ zvolí kôš statkov x tak, aby riešil úlohu (2.2), (2.3) pri p zamenenom za p + t, teda volí x t = m(p + t, I) v dôsledku čoho sa sa (2.6) prepíše na τi = t, m(p + t, I) (= t, x t ) (2.7) Pri priamej dani si spotrebiteľ vzhľadom na (2.7) volí kôš statkov ˆx τ = m(p, (1 τ)i) tak, že u(ˆx τ ) = max{u(x) : p, x = (1 τ)i} x = max {u(x) : p, x = I t, x t }. x (2.8)

27 2 Spotrebiteľ 27 Platí teda I = p + t, x t = p, x t + t, x t = p, x t + τi, p, x t = (1 τ)i. To značí, že x t spĺňa rovnaké rozpočtové ohraničenie ako x τ. Keďže x τ je riešenie úlohy (2.8) s I zameneným za (1 τ)i, platí u(ˆx τ ) u(x t ). Z hľadiska preferencií, generovaných funkciou užitočnosti je teda priama daň pre spotrebiteľa milosrdnejšia než nepriama. Prečo sa teda napriek tomu spotrebné dane predsa len uplatňujú? Príčiny sú jednak technické, jednak vecné. Podobne ako v prípade DPH jej výber spotrebnej dane spoľahlivejší ako výber dane z príjmu. Na druhej strane môže spotrebnou daňou vrchnosť zdaňovať adresne tých daňovníkov, v prospech ktorých príjem z daní využije (napríklad príjem zo spotrebnej dane na motorové palivá na stavbu ciest) Alebo sa môže snažiť zdanením niektorých statkov zamedziť ich nežiadúcej spotrebe (alkohol, cigarety). 2.5 Nepriama užitočnosť a výdavková funkcia Ak zameníme funkciu užitočnosti funkciou produkčnou a ceny statkov cenami faktorov, je úloha (2.2), (2.3) na rovnováhu spotrebiteľa analogická združenej úlohe minimalizácie nákladov firmy pri danom objeme výroby z odseku 1.5. Aj táto združená úloha má v teórii firmy interpretáciu maximalizáciu objemu výroby pri daných nákladoch. Rovnako má interpretáciu združená úloha k úlohe spotrebiteľa minimalizovať náklady na danú úroveň užitočnosti: Dané je U, spomedzi bodov x R n +, spĺňajúcich hľadáme bod x = ˆx taký, že pre všetky x, spĺňajúce (2.9) platí Platí u(x) U (2.9) p, ˆx p, x. (2.10) Veta 2.2. Za predpokladu U3 ostrej monotónosti funkcie u je ˆx riešením úlohy (2.1), (2.2) práve vtedy, ak je riešením pridruženej úlohy (2.9), (2.10) pre U = u(ˆx). Dôkaz vety je priamočiary a ponechávame ho na čitateľa. Z vety vyplýva, že za jej predpokladov má úloha (2.9), (2.10) jediné riešenie, ktoré je C 1 funkciou p, U za rovnakých podmienok ako pri úlohe (2.1), (2.2) resp. (2.2), (2.3). Funkciou ˆx = h(p, U) nazývame kompenzovanou (Hicksovskou) dopytovou funkciou. Ďalej zavedieme funkcie (nepriama funkcia užitočnosti) a V (p, I) = u(m(p, I)) (2.11) C(p, U) = p, h(p, U) (2.12) (výdavková funkcia). Za predpokladov Vety 2.2 platí vzhľadom na to, že úlohy (2.1), (2.2) a (2.9), (2.10) sú pridružené m(p, I) = h(p, u(m(p, I))) = h(p, V (p, I)) (2.13) h(p, U) = m(p, p, h(p, U) ) = m(p, C(p, U)) (2.14) U = V (p, C(p, U)). (2.15)

28 28 2 Spotrebiteľ Poznámky. 1. Kým Marshalovskú funkciu môžeme považovať za v princípe pozorovateľnú, Hicksovskú nie. 2. Výdavková funkcia zodpovedá nákladovej v teórii firmy. Z Poznámky 2 a odseku 1.6 vyplýva nasledovný Dôsledok. C je konkávna v p a ak je C 1, podľa Shepardovej lemmy (Veta 1.3, bod 6) platí Derivovaním (2.15) podľa p i a použitím (2.16) ďalej dostaneme C p i (p, U) = h i (p, U). (2.16) 0 = V p i + V I C p i = V p i + V I m, z čoho vyplýva Royova lemma m(p, I) = V (p, I)/ V (p, I) p i I 2.6 Komparatívna statika spotrebiteľa Zmenu Marshallovského dopytu pri zmene objemu príjmu charakterizujú tzv. Engelove krivky. m m m I I zberateľský statok základný statok luxusný statok I Obr. 9. Engelove krivky. Z odseku 1.7 a poznámky 2 odseku 2.5 vyplýva, že pre Hicksovský dopyt pri zmene vektoru cien platí p, x 0 a teda je Hicksovský dopyt po tom-ktorom statku klesajúcou funkciou jeho ceny. Ako ukazujú príklady, Marshallovský dopyt pri statku nemusí byť rastúcou funkciou príjmu, ani klesajúcou funkciou ceny. Statky, ktorých spotreba rastie s príjmom a klesá s cenou, nazývame normálnymi statkami. Statok, Marshallovský dopyt po ktorom klesá s rastom príjmu nazývame podradným; statok, dopyt po ktorom klesá s poklesom jeho ceny nazývame Giffenovým. Príkladom Giffenovho tovaru môžu byť napríklad zemiaky pre obyvateľstvo, pre ktoré tvorí podstatnú časť potravy: ak ich cena klesne, zostáva viac prostriedkov na nákup drahšej potravy.

29 2 Spotrebiteľ 29 x 2 x 2 I 1 p 1 I 2 p 1 x 1 I p 1 I p 1 I 1 < I 2, m 1 (p, I 1 ) > m 1 (p, I 2 ) podradný statok p 1 < p 1, m 1 (p, I) > m 1 (p.i) Giffenov statok Obr. 10. Podradný a Giffenov statok. 2.7 Výpočet dopytových funkcií Hodnotami Marshallovskej a Hicksovskej dopytovej funkcie sú riešenia úloh (2.1), (2.2) resp. (2.8),(2.9). Vzhľadom na analógiu s úlohou rovnováhy firmy z odseku 1.5 platí to, čo sme povedali v odseku 1.6: na výpočet riešenia síce možno pre niektoré funkcie užitočnosti výhodne použiť metódu Lagrangeových multiplikátorov (rovnice (2.4), (2.5) pre Marshallovskú funkciu), širšie uplatnenie však má postup eliminácie premenných z ohraničenia p, x = I resp. u(x) = U a následneho riešenia úlohy na voľný extrém. Ak poznáme jednu z dopytových funkcií, môžeme druhú z nich vypočítať z rovnice (2.12) resp. (2.13). 2.8 Sluckého identita Predpokladajme, že u je ostro monotónna a C, m, h sú C 1. Derivovaním identít (2.14) podľa p i dostaneme h (p, U) = m (p, I) p i p i + m (p, I) C I=C(p,U) I (p, U). (2.17) I=C(p,U) p i C Podľa dôsledku z odseku 2.5. Platí p i (p, U) = h i (p, U). Z (2.14), (2.13) vyplýva, že ak U = V (p, I) potom I = p, m(p, I) = p, h(p, u(m(p, I))) = p, h(p, V (p, I)) = C(p, V (p.i)) = C(p, U). Môžeme teda (2.17) prepísať do tvaru m (p, I) = h (p, U) p i p i m U=V (p,i) I (p, I)h i(p, V (p, I)). (2.18) Prvý člen pravej strany nazývame substitučným, druhý príjmovým efektom. Ak špeciálne vezmeme i tu zložku (2.16), dostaneme m i (p, I) = h i (p, U) p i p i m i U=V (p,i) I (p, I)h i(p, U) Hoci podľa odseku 2.6. je h i p i m i I < 0. 0, príjmový efekt môže obrátiť znamienko pravej strany ak

Matematika Funkcia viac premenných, Parciálne derivácie

Matematika Funkcia viac premenných, Parciálne derivácie Matematika 2-01 Funkcia viac premenných, Parciálne derivácie Euklidovská metrika na množine R n všetkých usporiadaných n-íc reálnych čísel je reálna funkcia ρ: R n R n R definovaná nasledovne: Ak X = x

Διαβάστε περισσότερα

1. Limita, spojitost a diferenciálny počet funkcie jednej premennej

1. Limita, spojitost a diferenciálny počet funkcie jednej premennej . Limita, spojitost a diferenciálny počet funkcie jednej premennej Definícia.: Hromadný bod a R množiny A R: v každom jeho okolí leží aspoň jeden bod z množiny A, ktorý je rôzny od bodu a Zadanie množiny

Διαβάστε περισσότερα

Motivácia pojmu derivácia

Motivácia pojmu derivácia Derivácia funkcie Motivácia pojmu derivácia Zaujíma nás priemerná intenzita zmeny nejakej veličiny (dráhy, rastu populácie, veľkosti elektrického náboja, hmotnosti), vzhľadom na inú veličinu (čas, dĺžka)

Διαβάστε περισσότερα

ARMA modely čast 2: moving average modely (MA)

ARMA modely čast 2: moving average modely (MA) ARMA modely čast 2: moving average modely (MA) Beáta Stehlíková Časové rady, FMFI UK, 2014/2015 ARMA modely časť 2: moving average modely(ma) p.1/24 V. Moving average proces prvého rádu - MA(1) ARMA modely

Διαβάστε περισσότερα

6 Limita funkcie. 6.1 Myšlienka limity, interval bez bodu

6 Limita funkcie. 6.1 Myšlienka limity, interval bez bodu 6 Limita funkcie 6 Myšlienka ity, interval bez bodu Intuitívna myšlienka ity je prirodzená, ale definovať presne pojem ity je značne obtiažne Nech f je funkcia a nech a je reálne číslo Čo znamená zápis

Διαβάστε περισσότερα

ARMA modely čast 2: moving average modely (MA)

ARMA modely čast 2: moving average modely (MA) ARMA modely čast 2: moving average modely (MA) Beáta Stehlíková Časové rady, FMFI UK, 2011/2012 ARMA modely časť 2: moving average modely(ma) p.1/25 V. Moving average proces prvého rádu - MA(1) ARMA modely

Διαβάστε περισσότερα

Matematika prednáška 4 Postupnosti a rady 4.5 Funkcionálne rady - mocninové rady - Taylorov rad, MacLaurinov rad

Matematika prednáška 4 Postupnosti a rady 4.5 Funkcionálne rady - mocninové rady - Taylorov rad, MacLaurinov rad Matematika 3-13. prednáška 4 Postupnosti a rady 4.5 Funkcionálne rady - mocninové rady - Taylorov rad, MacLaurinov rad Erika Škrabul áková F BERG, TU Košice 15. 12. 2015 Erika Škrabul áková (TUKE) Taylorov

Διαβάστε περισσότερα

Ekvačná a kvantifikačná logika

Ekvačná a kvantifikačná logika a kvantifikačná 3. prednáška (6. 10. 004) Prehľad 1 1 (dokončenie) ekvačných tabliel Formula A je ekvačne dokázateľná z množiny axióm T (T i A) práve vtedy, keď existuje uzavreté tablo pre cieľ A ekvačných

Διαβάστε περισσότερα

Cvičenie č. 4,5 Limita funkcie

Cvičenie č. 4,5 Limita funkcie Cvičenie č. 4,5 Limita funkcie Definícia ity Limita funkcie (vlastná vo vlastnom bode) Nech funkcia f je definovaná na nejakom okolí U( ) bodu. Hovoríme, že funkcia f má v bode itu rovnú A, ak ( ε > )(

Διαβάστε περισσότερα

Motivácia Denícia determinantu Výpo et determinantov Determinant sú inu matíc Vyuºitie determinantov. Determinanty. 14. decembra 2010.

Motivácia Denícia determinantu Výpo et determinantov Determinant sú inu matíc Vyuºitie determinantov. Determinanty. 14. decembra 2010. 14. decembra 2010 Rie²enie sústav Plocha rovnobeºníka Objem rovnobeºnostena Rie²enie sústav Príklad a 11 x 1 + a 12 x 2 = c 1 a 21 x 1 + a 22 x 2 = c 2 Dostaneme: x 1 = c 1a 22 c 2 a 12 a 11 a 22 a 12

Διαβάστε περισσότερα

Goniometrické rovnice a nerovnice. Základné goniometrické rovnice

Goniometrické rovnice a nerovnice. Základné goniometrické rovnice Goniometrické rovnice a nerovnice Definícia: Rovnice (nerovnice) obsahujúce neznámu x alebo výrazy s neznámou x ako argumenty jednej alebo niekoľkých goniometrických funkcií nazývame goniometrickými rovnicami

Διαβάστε περισσότερα

7. FUNKCIE POJEM FUNKCIE

7. FUNKCIE POJEM FUNKCIE 7. FUNKCIE POJEM FUNKCIE Funkcia f reálnej premennej je : - každé zobrazenie f v množine všetkých reálnych čísel; - množina f všetkých usporiadaných dvojíc[,y] R R pre ktorú platí: ku každému R eistuje

Διαβάστε περισσότερα

Úvod do lineárnej algebry. Monika Molnárová Prednášky

Úvod do lineárnej algebry. Monika Molnárová Prednášky Úvod do lineárnej algebry Monika Molnárová Prednášky 2006 Prednášky: 3 17 marca 2006 4 24 marca 2006 c RNDr Monika Molnárová, PhD Obsah 2 Sústavy lineárnych rovníc 25 21 Riešenie sústavy lineárnych rovníc

Διαβάστε περισσότερα

Tomáš Madaras Prvočísla

Tomáš Madaras Prvočísla Prvočísla Tomáš Madaras 2011 Definícia Nech a Z. Čísla 1, 1, a, a sa nazývajú triviálne delitele čísla a. Cele číslo a / {0, 1, 1} sa nazýva prvočíslo, ak má iba triviálne delitele; ak má aj iné delitele,

Διαβάστε περισσότερα

Komplexné čísla, Diskrétna Fourierova transformácia 1

Komplexné čísla, Diskrétna Fourierova transformácia 1 Komplexné čísla, Diskrétna Fourierova transformácia Komplexné čísla C - množina všetkých komplexných čísel komplexné číslo: z = a + bi, kde a, b R, i - imaginárna jednotka i =, t.j. i =. komplexne združené

Διαβάστε περισσότερα

Matematika 2. časť: Funkcia viac premenných Letný semester 2013/2014

Matematika 2. časť: Funkcia viac premenných Letný semester 2013/2014 Matematika 2 časť: Funkcia viac premenných Letný semester 2013/2014 RNDr. Jana Pócsová, PhD. Ústav riadenia a informatizácie výrobných procesov Fakulta BERG Technická univerzita v Košiciach e-mail: jana.pocsova@tuke.sk

Διαβάστε περισσότερα

Start. Vstup r. O = 2*π*r S = π*r*r. Vystup O, S. Stop. Start. Vstup P, C V = P*C*1,19. Vystup V. Stop

Start. Vstup r. O = 2*π*r S = π*r*r. Vystup O, S. Stop. Start. Vstup P, C V = P*C*1,19. Vystup V. Stop 1) Vytvorte algoritmus (vývojový diagram) na výpočet obvodu kruhu. O=2xπxr ; S=πxrxr Vstup r O = 2*π*r S = π*r*r Vystup O, S 2) Vytvorte algoritmus (vývojový diagram) na výpočet celkovej ceny výrobku s

Διαβάστε περισσότερα

TEÓRIA FIRMY: Výroba, Náklady

TEÓRIA FIRMY: Výroba, Náklady TEÓRIA FIRMY: Výroba, Náklady Prednáška 2. rozhodnutia na strane ponuky Hlavný cieľ firmy = maximalizácia zisku VÝROBA Čo je produkcia (výroba)? je proces, v rámci ktorého firmy kombinujú výrobné vstupy,

Διαβάστε περισσότερα

Funkcie - základné pojmy

Funkcie - základné pojmy Funkcie - základné pojmy DEFINÍCIA FUNKCIE Nech A, B sú dve neprázdne číselné množiny. Ak každému prvku x A je priradený najviac jeden prvok y B, tak hovoríme, že je daná funkcia z množiny A do množiny

Διαβάστε περισσότερα

Trh výrobných faktorov

Trh výrobných faktorov Trh výrobných faktorov ZE PI Prednáška 4. Ako sa tvoria a od čoho závisia ceny VF? Zaujímajú nás ceny plynúce zo služieb VF tvorba cien VF Prepojenosť trhu VF s trhom SaS potreba vedieť typ konkurencie

Διαβάστε περισσότερα

MIDTERM (A) riešenia a bodovanie

MIDTERM (A) riešenia a bodovanie MIDTERM (A) riešenia a bodovanie 1. (7b) Nech vzhl adom na štandardnú karteziánsku sústavu súradníc S 1 := O, e 1, e 2 majú bod P a vektory u, v súradnice P = [0, 1], u = e 1, v = 2 e 2. Aký predpis bude

Διαβάστε περισσότερα

7 Derivácia funkcie. 7.1 Motivácia k derivácii

7 Derivácia funkcie. 7.1 Motivácia k derivácii Híc, P Pokorný, M: Matematika pre informatikov a prírodné vedy 7 Derivácia funkcie 7 Motivácia k derivácii S využitím derivácií sa stretávame veľmi často v matematike, geometrii, fyzike, či v rôznych technických

Διαβάστε περισσότερα

Obvod a obsah štvoruholníka

Obvod a obsah štvoruholníka Obvod a štvoruholníka D. Štyri body roviny z ktorých žiadne tri nie sú kolineárne (neležia na jednej priamke) tvoria jeden štvoruholník. Tie body (A, B, C, D) sú vrcholy štvoruholníka. strany štvoruholníka

Διαβάστε περισσότερα

6 APLIKÁCIE FUNKCIE DVOCH PREMENNÝCH

6 APLIKÁCIE FUNKCIE DVOCH PREMENNÝCH 6 APLIKÁCIE FUNKCIE DVOCH PREMENNÝCH 6. Otázky Definujte pojem produkčná funkcia. Definujte pojem marginálny produkt. 6. Produkčná funkcia a marginálny produkt Definícia 6. Ak v ekonomickom procese počet

Διαβάστε περισσότερα

Moderné vzdelávanie pre vedomostnú spoločnosť Projekt je spolufinancovaný zo zdrojov EÚ M A T E M A T I K A

Moderné vzdelávanie pre vedomostnú spoločnosť Projekt je spolufinancovaný zo zdrojov EÚ M A T E M A T I K A M A T E M A T I K A PRACOVNÝ ZOŠIT II. ROČNÍK Mgr. Agnesa Balážová Obchodná akadémia, Akademika Hronca 8, Rožňava PRACOVNÝ LIST 1 Urč typ kvadratickej rovnice : 1. x 2 3x = 0... 2. 3x 2 = - 2... 3. -4x

Διαβάστε περισσότερα

Príklady na precvičovanie Fourierove rady

Príklady na precvičovanie Fourierove rady Príklady na precvičovanie Fourierove rady Ďalším významným typom funkcionálnych radov sú trigonometrické rady, pri ktorých sú jednotlivé členy trigonometrickými funkciami. Konkrétne, jedná sa o rady tvaru

Διαβάστε περισσότερα

FUNKCIE N REÁLNYCH PREMENNÝCH

FUNKCIE N REÁLNYCH PREMENNÝCH FAKULTA MATEMATIKY, FYZIKY A INFORMATIKY UNIVERZITY KOMENSKÉHO V BRATISLAVE FUNKCIE N REÁLNYCH PREMENNÝCH RNDr. Kristína Rostás, PhD. PREDMET: Matematická analýza ) 2010/2011 1. DEFINÍCIA REÁLNEJ FUNKCIE

Διαβάστε περισσότερα

Metódy vol nej optimalizácie

Metódy vol nej optimalizácie Metódy vol nej optimalizácie Metódy vol nej optimalizácie p. 1/28 Motivácia k metódam vol nej optimalizácie APLIKÁCIE p. 2/28 II 1. PRÍKLAD: Lineárna regresia - metóda najmenších štvorcov Na základe dostupných

Διαβάστε περισσότερα

Spojitosť a limity trochu inak

Spojitosť a limity trochu inak Spojitosť a limity trochu inak Štefan Tkačik Abstrakt Spojitosť funkcie alebo oblastí je základným stavebným kameňom matematickej analýzy. Pochopenie jej podstaty uľahčí chápanie diferenciálneho a integrálneho

Διαβάστε περισσότερα

M6: Model Hydraulický systém dvoch zásobníkov kvapaliny s interakciou

M6: Model Hydraulický systém dvoch zásobníkov kvapaliny s interakciou M6: Model Hydraulický ytém dvoch záobníkov kvapaliny interakciou Úlohy:. Zotavte matematický popi modelu Hydraulický ytém. Vytvorte imulačný model v jazyku: a. Matlab b. imulink 3. Linearizujte nelineárny

Διαβάστε περισσότερα

Deliteľnosť a znaky deliteľnosti

Deliteľnosť a znaky deliteľnosti Deliteľnosť a znaky deliteľnosti Medzi základné pojmy v aritmetike celých čísel patrí aj pojem deliteľnosť. Najprv si povieme, čo znamená, že celé číslo a delí celé číslo b a ako to zapisujeme. Nech a

Διαβάστε περισσότερα

MATEMATICKÁ ANALÝZA 1

MATEMATICKÁ ANALÝZA 1 UNIVERZITA PAVLA JOZEFA ŠAFÁRIKA V KOŠICIACH Prírodovedecká fakulta Ústav matematických vied Božena Mihalíková, Ján Ohriska MATEMATICKÁ ANALÝZA Vysokoškolský učebný text Košice, 202 202 doc. RNDr. Božena

Διαβάστε περισσότερα

3. Striedavé prúdy. Sínusoida

3. Striedavé prúdy. Sínusoida . Striedavé prúdy VZNIK: Striedavý elektrický prúd prechádza obvodom, ktorý je pripojený na zdroj striedavého napätia. Striedavé napätie vyrába synchrónny generátor, kde na koncoch rotorového vinutia sa

Διαβάστε περισσότερα

4 Reálna funkcia reálnej premennej a jej vlastnosti

4 Reálna funkcia reálnej premennej a jej vlastnosti Reálna unkcia reálnej premennej a jej vlastnosti Táto kapitola je venovaná štúdiu reálnej unkcie jednej reálnej premennej. Pojem unkcie patrí medzi základné pojmy v matematike. Je to vlastne matematický

Διαβάστε περισσότερα

4. Výrokové funkcie (formy), ich definičný obor a obor pravdivosti

4. Výrokové funkcie (formy), ich definičný obor a obor pravdivosti 4. Výrokové funkcie (formy), ich definičný obor a obor pravdivosti Výroková funkcia (forma) ϕ ( x) je formálny výraz (formula), ktorý obsahuje znak x, pričom x berieme z nejakej množiny M. Ak za x zvolíme

Διαβάστε περισσότερα

Reálna funkcia reálnej premennej

Reálna funkcia reálnej premennej (ÚMV/MAN3a/10) RNDr. Ivan Mojsej, PhD ivan.mojsej@upjs.sk 18.10.2012 Úvod V každodennom živote, hlavne pri skúmaní prírodných javov, procesov sa stretávame so závislosťou veľkosti niektorých veličín od

Διαβάστε περισσότερα

VLASTNÉ ČÍSLA A JORDANOV KANONICKÝ TVAR. Michal Zajac. 3 T b 1 = T b 2 = = = 2b

VLASTNÉ ČÍSLA A JORDANOV KANONICKÝ TVAR. Michal Zajac. 3 T b 1 = T b 2 = = = 2b VLASTNÉ ČÍSLA A JORDANOV KANONICKÝ TVAR Michal Zajac Vlastné čísla a vlastné vektory Pripomeňme najprv, že lineárny operátor T : L L je vzhl adom na bázu B = {b 1, b 2,, b n } lineárneho priestoru L určený

Διαβάστε περισσότερα

1. písomná práca z matematiky Skupina A

1. písomná práca z matematiky Skupina A 1. písomná práca z matematiky Skupina A 1. Vypočítajte : a) 84º 56 + 32º 38 = b) 140º 53º 24 = c) 55º 12 : 2 = 2. Vypočítajte zvyšné uhly na obrázku : β γ α = 35 12 δ a b 3. Znázornite na číselnej osi

Διαβάστε περισσότερα

x x x2 n

x x x2 n Reálne symetrické matice Skalárny súčin v R n. Pripomeniem, že pre vektory u = u, u, u, v = v, v, v R platí. dĺžka vektora u je u = u + u + u,. ak sú oba vektory nenulové a zvierajú neorientovaný uhol

Διαβάστε περισσότερα

Goniometrické substitúcie

Goniometrické substitúcie Goniometrické substitúcie Marta Kossaczká S goniometrickými funkciami ste sa už určite stretli, pravdepodobne predovšetkým v geometrii. Ich použitie tam ale zďaleka nekončí. Nazačiatoksizhrňme,čoonichvieme.Funkciesínusakosínussadajúdefinovať

Διαβάστε περισσότερα

Obsah. 1.1 Reálne čísla a ich základné vlastnosti... 7 1.1.1 Komplexné čísla... 8

Obsah. 1.1 Reálne čísla a ich základné vlastnosti... 7 1.1.1 Komplexné čísla... 8 Obsah 1 Číselné obory 7 1.1 Reálne čísla a ich základné vlastnosti............................ 7 1.1.1 Komplexné čísla................................... 8 1.2 Číselné množiny.......................................

Διαβάστε περισσότερα

viacrozmerných a nekonečnorozmerných priestoroch. A ako nasvedčuje jej názov, pôjde o rovnice nelineárne.

viacrozmerných a nekonečnorozmerných priestoroch. A ako nasvedčuje jej názov, pôjde o rovnice nelineárne. Nelineárna analýza 1. Úvod Na začiatok by bolo načim ako-tak vymedzit, čím sa nelineárna analýza zaoberá. Čitatel by už mal však mat dostatok skúseností, aby vedel, že je to dost t ažké u l ubovol nej

Διαβάστε περισσότερα

Jednotkový koreň (unit root), diferencovanie časového radu, unit root testy

Jednotkový koreň (unit root), diferencovanie časového radu, unit root testy Jednotkový koreň (unit root), diferencovanie časového radu, unit root testy Beáta Stehlíková Časové rady, FMFI UK, 2012/2013 Jednotkový koreň(unit root),diferencovanie časového radu, unit root testy p.1/18

Διαβάστε περισσότερα

Numerické metódy matematiky I

Numerické metódy matematiky I Prednáška č. 7 Numerické metódy matematiky I Riešenie sústav lineárnych rovníc ( pokračovanie ) Prednáška č. 7 OBSAH 1. Metóda singulárneho rozkladu (SVD) Úvod SVD štvorcovej matice SVD pre menej rovníc

Διαβάστε περισσότερα

NUMERICKÁ MATEMATIKA. Moderné vzdelávanie pre vedomostnú spoločnosť/ Projekt je spolufinancovaný zo zdrojov EÚ. Fakulta elektrotechniky a informatiky

NUMERICKÁ MATEMATIKA. Moderné vzdelávanie pre vedomostnú spoločnosť/ Projekt je spolufinancovaný zo zdrojov EÚ. Fakulta elektrotechniky a informatiky Moderné vzdelávanie pre vedomostnú spoločnosť/ Projekt je spolufinancovaný zo zdrojov EÚ NUMERICKÁ MATEMATIKA Fakulta elektrotechniky a informatiky Štefan Berežný Táto publikácia vznikla za finančnej podpory

Διαβάστε περισσότερα

Matematika 2. časť: Analytická geometria

Matematika 2. časť: Analytická geometria Matematika 2 časť: Analytická geometria RNDr. Jana Pócsová, PhD. Ústav riadenia a informatizácie výrobných procesov Fakulta BERG Technická univerzita v Košiciach e-mail: jana.pocsova@tuke.sk Súradnicové

Διαβάστε περισσότερα

3. kapitola. Axiomatická formulácia modálnej logiky Vzťah medzi syntaxou a sémantikou. priesvitka 1

3. kapitola. Axiomatická formulácia modálnej logiky Vzťah medzi syntaxou a sémantikou. priesvitka 1 3. kapitola Axiomatická formulácia modálnej logiky Vzťah medzi syntaxou a sémantikou priesvitka 1 Axiomatická výstavba modálnej logiky Cieľom tejto prednášky je ukázať axiomatickú výstavbu rôznych verzií

Διαβάστε περισσότερα

,Zohrievanie vody indukčným varičom bez pokrievky,

,Zohrievanie vody indukčným varičom bez pokrievky, Farba skupiny: zelená Označenie úlohy:,zohrievanie vody indukčným varičom bez pokrievky, Úloha: Zistiť, ako závisí účinnosť zohrievania vody na indukčnom variči od priemeru použitého hrnca. Hypotéza: Účinnosť

Διαβάστε περισσότερα

Technická univerzita v Košiciach Fakulta elektrotechniky a informatiky MATEMATIKA II. Zbierka riešených a neriešených úloh

Technická univerzita v Košiciach Fakulta elektrotechniky a informatiky MATEMATIKA II. Zbierka riešených a neriešených úloh Technická univerzita v Košiciach Fakulta elektrotechniky a informatiky MATEMATIKA II Zbierka riešených a neriešených úloh Anna Grinčová Jana Petrillová Košice 06 Technická univerzita v Košiciach Fakulta

Διαβάστε περισσότερα

Fakulta Matematiky, Fyziky a Informatiky Univerzity Komenského v Bratislave

Fakulta Matematiky, Fyziky a Informatiky Univerzity Komenského v Bratislave Fakulta Matematiky, Fyziky a Informatiky Univerzity Komenského v Bratislave Diplomová práca Michal Šoška Bratislava, 2003 Fakulta Matematiky, Fyziky a Informatiky Univerzity Komenského v Bratislave Ekonomická

Διαβάστε περισσότερα

Nelineárne optimalizačné modely a metódy

Nelineárne optimalizačné modely a metódy Nelineárne optimalizačné modely a metódy Téma prednášky č. 8 Metódy transformujúce úlohu naviazaný extrém na úlohu na voľný extrém Prof. Ing. Michal Fendek, CSc. Katedra operačného výskumu a ekonometrie

Διαβάστε περισσότερα

Trh výrobných faktorov. Ing. Zuzana Staníková, PhD.

Trh výrobných faktorov. Ing. Zuzana Staníková, PhD. Trh výrobných faktorov Subjekty na trhu VF: Firmy vystupujú na strane dopytu (nakupujú VF) Domácnosti, ako vlastníci VF tvoria stranu ponuky Štát môže ovplyvňovať dopyt aj ponuku VF. Určenie cien výrobných

Διαβάστε περισσότερα

Makroekonomické agregáty. Prednáška 8

Makroekonomické agregáty. Prednáška 8 Makroekonomické agregáty Prednáška 8 Hrubý domáci produkt (HDP) trhová hodnota všetkých finálnych statkov, ktoré boli vyprodukované v ekonomike za určité časové obdobie. Finálny statok predstavuje produkt,

Διαβάστε περισσότερα

Definícia parciálna derivácia funkcie podľa premennej x. Definícia parciálna derivácia funkcie podľa premennej y. Ak existuje limita.

Definícia parciálna derivácia funkcie podľa premennej x. Definícia parciálna derivácia funkcie podľa premennej y. Ak existuje limita. Teória prednáška č. 9 Deinícia parciálna deriácia nkcie podľa premennej Nech nkcia Ak eistje limita je deinoaná okolí bod [ ] lim. tak túto limit nazýame parciálno deriácio nkcie podľa premennej bode [

Διαβάστε περισσότερα

Integrovanie racionálnych funkcií

Integrovanie racionálnych funkcií Integrovanie racionálnych funkcií Tomáš Madaras 2009-20 Z teórie funkcií už vieme, že každá racionálna funkcia (t.j. podiel dvoch polynomických funkcií) sa dá zapísať ako súčet polynomickej funkcie a funkcie

Διαβάστε περισσότερα

BANACHOVE A HILBERTOVE PRIESTORY

BANACHOVE A HILBERTOVE PRIESTORY BANACHOVE A HILBERTOVE PRIESTORY 1. ZÁKLADNÉ POJMY Normovaným lineárnym priestorom (NLP) nazývame lineárny (= vektorový) priestor X nad telesom IK, na ktorom je daná nezáporná reálna funkcia : X IR + (norma)

Διαβάστε περισσότερα

DIFERENCÁLNE ROVNICE Matematická analýza (MAN 2c)

DIFERENCÁLNE ROVNICE Matematická analýza (MAN 2c) Prírodovedecká fakulta Univerzity P. J. Šafárika v Košiciach Božena Mihalíková, Ivan Mojsej Strana 1 z 43 DIFERENCÁLNE ROVNICE Matematická analýza (MAN 2c) 1 Obyčajné diferenciálne rovnice 3 1.1 Úlohy

Διαβάστε περισσότερα

MATEMATICKÁ OLYMPIÁDA

MATEMATICKÁ OLYMPIÁDA S MATEMATICÁ OLYMPIÁDA skmo.sk 2008/2009 58. ročník Matematickej olympiády Riešenia úloh IMO. Nech n je kladné celé číslo a a,..., a k (k 2) sú navzájom rôzne celé čísla z množiny {,..., n} také, že n

Διαβάστε περισσότερα

Prechod z 2D do 3D. Martin Florek 3. marca 2009

Prechod z 2D do 3D. Martin Florek 3. marca 2009 Počítačová grafika 2 Prechod z 2D do 3D Martin Florek florek@sccg.sk FMFI UK 3. marca 2009 Prechod z 2D do 3D Čo to znamená? Ako zobraziť? Súradnicové systémy Čo to znamená? Ako zobraziť? tretia súradnica

Διαβάστε περισσότερα

Mini minimaliz acia an BUˇ Koˇ sice 2011

Mini minimaliz acia an BUˇ Koˇ sice 2011 Mini minimalizácia Ján BUŠA Košice 2011 RECENZOVALI: Prof. RNDr. Noname, CSc. Doc. RNDr. Emanname, PhD. Prvé vydanie Za odbornú stránku učebného textu zodpovedá autor. Rukopis neprešiel redakčnou ani jazykovou

Διαβάστε περισσότερα

Metódy vol nej optimalizácie

Metódy vol nej optimalizácie Metódy vol nej optimalizácie Metódy vol nej optimalizácie p. 1/52 Metódy minimalizácie funkcie jednej premennej Metódy minimalizácie funkcie jednej premennej p. 2/52 Metódy minimalizácie funkcie jednej

Διαβάστε περισσότερα

1-MAT-220 Algebra februára 2012

1-MAT-220 Algebra februára 2012 1-MAT-220 Algebra 1 12. februára 2012 Obsah 1 Grupy 3 1.1 Binárne operácie.................................. 3 1.2 Cayleyho veta.................................... 3 2 Faktorizácia 5 2.1 Relácie ekvivalencie

Διαβάστε περισσότερα

Fakulta podnikového manažmentu Ekonomická univerzita v Bratislave Rovnováha firmy z pohľadu stabilného podnikania

Fakulta podnikového manažmentu Ekonomická univerzita v Bratislave Rovnováha firmy z pohľadu stabilného podnikania Fakulta podnikového manažmentu Ekonomická univerzita v Bratislave Rovnováha firmy z pohľadu stabilného podnikania Projekt Bratislava 2012 O b s a h Úvod (3) 1. Podnikanie a ciele firmy (3 s.) 1.1 Maximalizácia

Διαβάστε περισσότερα

primitívnoufunkcioukfukncii f(x)=xnamnožinereálnychčísel.avšakaj 2 +1 = x, tedaajfunkcia x2

primitívnoufunkcioukfukncii f(x)=xnamnožinereálnychčísel.avšakaj 2 +1 = x, tedaajfunkcia x2 Neurčitý integrál. Primitívna funkcia a neurčitý integrál Funkcia F(x)sanazývaprimitívnoufunkcioukfunkcii f(x)naintervale(a,b),akpre každé x (a,b)platí F (x)=f(x). Z definície vidíme, že pojem primitívnej

Διαβάστε περισσότερα

Gramatická indukcia a jej využitie

Gramatická indukcia a jej využitie a jej využitie KAI FMFI UK 29. Marec 2010 a jej využitie Prehľad Teória formálnych jazykov 1 Teória formálnych jazykov 2 3 a jej využitie Na počiatku bolo slovo. A slovo... a jej využitie Definícia (Slovo)

Διαβάστε περισσότερα

Chí kvadrát test dobrej zhody. Metódy riešenia úloh z pravdepodobnosti a štatistiky

Chí kvadrát test dobrej zhody. Metódy riešenia úloh z pravdepodobnosti a štatistiky Chí kvadrát test dobrej zhody Metódy riešenia úloh z pravdepodobnosti a štatistiky www.iam.fmph.uniba.sk/institute/stehlikova Test dobrej zhody I. Chceme overiť, či naše dáta pochádzajú z konkrétneho pravdep.

Διαβάστε περισσότερα

Obyčajné diferenciálne rovnice

Obyčajné diferenciálne rovnice (ÚMV/MAN3b/10) RNDr. Ivan Mojsej, PhD ivan.mojsej@upjs.sk 14.3.2013 Úvod patria k najdôležitejším a najviac prepracovaným matematickým disciplínam. Nielen v minulosti, ale aj v súčastnosti predstavujú

Διαβάστε περισσότερα

Lineárna algebra I - pole skalárov, lineárny priestor, lineárna závislosť, dimenzia, podpriestor, suma podpriestorov, izomorfizmus

Lineárna algebra I - pole skalárov, lineárny priestor, lineárna závislosť, dimenzia, podpriestor, suma podpriestorov, izomorfizmus 1. prednáška Lineárna algebra I - pole skalárov, lineárny priestor, lineárna závislosť, dimenzia, podpriestor, suma podpriestorov, izomorfizmus Matematickým základom kvantovej mechaniky je teória Hilbertových

Διαβάστε περισσότερα

Kompilátory. Cvičenie 6: LLVM. Peter Kostolányi. 21. novembra 2017

Kompilátory. Cvičenie 6: LLVM. Peter Kostolányi. 21. novembra 2017 Kompilátory Cvičenie 6: LLVM Peter Kostolányi 21. novembra 2017 LLVM V podstate sada nástrojov pre tvorbu kompilátorov LLVM V podstate sada nástrojov pre tvorbu kompilátorov Pôvodne Low Level Virtual Machine

Διαβάστε περισσότερα

XVIII. ročník BRKOS 2011/2012. Pomocný text. Kde by bola matematika bez čísel? Čísla predstavujú jednu z prvých abstrakcií, ktorú

XVIII. ročník BRKOS 2011/2012. Pomocný text. Kde by bola matematika bez čísel? Čísla predstavujú jednu z prvých abstrakcií, ktorú Pomocný text Číselné obory Číselné obory Kde by bola matematika bez čísel? Čísla predstavujú jednu z prvých abstrakcií, ktorú ľudia začali vnímať. Abstrakcia spočívala v tom, že množstvo, ktoré sa snažili

Διαβάστε περισσότερα

3. prednáška. Komplexné čísla

3. prednáška. Komplexné čísla 3. predáška Komplexé čísla Úvodé pozámky Vieme, že existujú také kvadratické rovice, ktoré emajú riešeie v obore reálych čísel. Študujme kvadratickú rovicu x x + 5 = 0 Použitím štadardej formule pre výpočet

Διαβάστε περισσότερα

Planárne a rovinné grafy

Planárne a rovinné grafy Planárne a rovinné grafy Definícia Graf G sa nazýva planárny, ak existuje jeho nakreslenie D, v ktorom sa žiadne dve hrany nepretínajú. D sa potom nazýva rovinný graf. Planárne a rovinné grafy Definícia

Διαβάστε περισσότερα

2. prednáška. Teória množín I. množina operácie nad množinami množinová algebra mohutnosť a enumerácia karteziánsky súčin

2. prednáška. Teória množín I. množina operácie nad množinami množinová algebra mohutnosť a enumerácia karteziánsky súčin 2. prednáška Teória množín I množina operácie nad množinami množinová algebra mohutnosť a enumerácia karteziánsky súčin Verzia: 27. 9. 2009 Priesvtika: 1 Definícia množiny Koncepcia množiny patrí medzi

Διαβάστε περισσότερα

24. Základné spôsoby zobrazovania priestoru do roviny

24. Základné spôsoby zobrazovania priestoru do roviny 24. Základné spôsoby zobrazovania priestoru do roviny Voľné rovnobežné premietanie Presné metódy zobrazenia trojrozmerného priestoru do dvojrozmernej roviny skúma samostatná matematická disciplína, ktorá

Διαβάστε περισσότερα

Teória pravdepodobnosti

Teória pravdepodobnosti 2. Podmienená pravdepodobnosť Katedra Matematických metód Fakulta Riadenia a Informatiky Žilinská Univerzita v Žiline 23. februára 2015 1 Pojem podmienenej pravdepodobnosti 2 Nezávislosť náhodných udalostí

Διαβάστε περισσότερα

Úvod do lineárnej algebry

Úvod do lineárnej algebry Katedra matematiky Fakulta elektrotechniky a informatiky Technická Univerzita v Košiciach Úvod do lineárnej algebry Monika Molnárová, Helena Myšková 005 RECENZOVALI: RNDr. Štefan Schrötter, CSc. RNDr.

Διαβάστε περισσότερα

Vektorový priestor V : Množina prvkov (vektory), na ktorej je definované ich sčítanie a ich

Vektorový priestor V : Množina prvkov (vektory), na ktorej je definované ich sčítanie a ich Tuesday 15 th January, 2013, 19:53 Základy tenzorového počtu M.Gintner Vektorový priestor V : Množina prvkov (vektory), na ktorej je definované ich sčítanie a ich násobenie reálnym číslom tak, že platí:

Διαβάστε περισσότερα

ZADANIE 1_ ÚLOHA 3_Všeobecná rovinná silová sústava ZADANIE 1 _ ÚLOHA 3

ZADANIE 1_ ÚLOHA 3_Všeobecná rovinná silová sústava ZADANIE 1 _ ÚLOHA 3 ZDNIE _ ÚLOH 3_Všeobecná rovinná silová sústv ZDNIE _ ÚLOH 3 ÚLOH 3.: Vypočítjte veľkosti rekcií vo väzbách nosník zťženého podľ obrázku 3.. Veľkosti známych síl, momentov dĺžkové rozmery sú uvedené v

Διαβάστε περισσότερα

Teória funkcionálneho a logického programovania

Teória funkcionálneho a logického programovania Prírodovedecká fakulta UPJŠ Košice Teória fucionálneho a logického programovania (poznámky z prednášok z akademického roka 2002/2003) prednáša: Prof. RNDr. Peter Vojtáš, DrSc. 2 TEÓRIA FUNKCIONÁLNEHO A

Διαβάστε περισσότερα

Ján Buša Štefan Schrötter

Ján Buša Štefan Schrötter Ján Buša Štefan Schrötter 1 KOMPLEXNÉ ČÍSLA 1 1.1 Pojem komplexného čísla Väčšine z nás je známe, že druhá mocnina ľubovoľného reálneho čísla nemôže byť záporná (ináč povedané: pre každé x R je x 0). Ako

Διαβάστε περισσότερα

Prednáška Fourierove rady. Matematická analýza pre fyzikov IV. Jozef Kise lák

Prednáška Fourierove rady. Matematická analýza pre fyzikov IV. Jozef Kise lák Prednáška 6 6.1. Fourierove rady Základná myšlienka: Nech x Haφ 1,φ 2,...,φ n,... je ortonormálny systém v H, dá sa tento prvok rozvinút do radu x=c 1 φ 1 + c 2 φ 2 +...,c n φ n +...? Ako nájdeme c i,

Διαβάστε περισσότερα

Základy matematickej štatistiky

Základy matematickej štatistiky 1. Náhodný výber, výberové momenty a odhad parametrov Katedra Matematických metód Fakulta Riadenia a Informatiky Žilinská Univerzita v Žiline 6. mája 2015 1 Náhodný výber 2 Výberové momenty 3 Odhady parametrov

Διαβάστε περισσότερα

Úvod 2 Predhovor... 2 Sylaby a literatúra... 2 Označenia... 2

Úvod 2 Predhovor... 2 Sylaby a literatúra... 2 Označenia... 2 Obsah Úvod Predhovor Sylaby a literatúra Označenia Euklidovské vektorové priestory 3 Skalárny súčin 3 Gram-Schmidtov ortogonalizačný proces 8 Kvadratické formy 6 Definícia a základné vlastnosti 6 Kanonický

Διαβάστε περισσότερα

Riešenie sústavy lineárnych rovníc. Priame metódy.

Riešenie sústavy lineárnych rovníc. Priame metódy. Riešenie sústavy lineárnych rovníc. Priame metódy. Ing. Gabriel Okša, CSc. Matematický ústav Slovenská akadémia vied Bratislava Stavebná fakulta STU G. Okša: Priame metódy 1/16 Obsah 1 Základy 2 Systémy

Διαβάστε περισσότερα

(IP3) (f, g) = (g, f) (symetria), (IP4) (f, f) > 0 pre f 0 (kladná definitnosť). Z podmienok (IP1) (IP4) sa ľahko dokážu rovnosti:

(IP3) (f, g) = (g, f) (symetria), (IP4) (f, f) > 0 pre f 0 (kladná definitnosť). Z podmienok (IP1) (IP4) sa ľahko dokážu rovnosti: Hilbertove priestory Veľké množstvo aplikácií majú lineárne normované priestory, v ktorých norma je odvodená od skalárneho (vnútorného) súčinu, podobne ako v bežnom trojrozmernom euklidovskom priestore.

Διαβάστε περισσότερα

RIEŠENIE WHEATSONOVHO MOSTÍKA

RIEŠENIE WHEATSONOVHO MOSTÍKA SNÁ PMYSLNÁ ŠKOL LKONKÁ V PŠŤNO KOMPLXNÁ PÁ Č. / ŠN WSONOVO MOSÍK Piešťany, október 00 utor : Marek eteš. Komplexná práca č. / Strana č. / Obsah:. eoretický rozbor Wheatsonovho mostíka. eoretický rozbor

Διαβάστε περισσότερα

1.1 Zobrazenia a funkcie

1.1 Zobrazenia a funkcie 1 Teória vypočítateľnosti poznámky z prednášky #1 1.1 Zobrazenia a funkcie Definícia. Čiastočné (totálne) zobrazenie trojice (A, B, f) pre ktoré platí: f A B Ku každému vstupu a A existuje najviac jeden

Διαβάστε περισσότερα

Súčtové vzorce. cos (α + β) = cos α.cos β sin α.sin β cos (α β) = cos α.cos β + sin α.sin β. tg (α β) = cotg (α β) =.

Súčtové vzorce. cos (α + β) = cos α.cos β sin α.sin β cos (α β) = cos α.cos β + sin α.sin β. tg (α β) = cotg (α β) =. Súčtové vzorce Súčtové vzorce sú goniometrické hodnoty súčtov a rozdielov dvoch uhlov Sem patria aj goniometrické hodnoty dvojnásobného a polovičného uhla a pridám aj súčet a rozdiel goniometrických funkcií

Διαβάστε περισσότερα

1.4 Rovnice, nerovnice a ich sústavy

1.4 Rovnice, nerovnice a ich sústavy 1. Rovnice, nerovnice a ich sústavy Osah Pojmy: rovnica, nerovnica, sústava rovníc, sústava nerovníc a ich riešenie, koeficient, koreň, koreňový činiteľ, diskriminant, doplnenie do štvorca, úprava na súčin,

Διαβάστε περισσότερα

Kontrolné otázky na kvíz z jednotiek fyzikálnych veličín. Upozornenie: Umiestnenie správnej a nesprávnych odpovedí sa môže v teste meniť.

Kontrolné otázky na kvíz z jednotiek fyzikálnych veličín. Upozornenie: Umiestnenie správnej a nesprávnych odpovedí sa môže v teste meniť. Kontrolné otázky na kvíz z jednotiek fyzikálnych veličín Upozornenie: Umiestnenie správnej a nesprávnych odpovedí sa môže v teste meniť. Ktoré fyzikálne jednotky zodpovedajú sústave SI: a) Dĺžka, čas,

Διαβάστε περισσότερα

TECHNICKÁ UNIVERZITA V KOŠICIACH STROJNÍCKA FAKULTA MATEMATIKA 1. Funkcia jednej premennej a jej diferenciálny počet

TECHNICKÁ UNIVERZITA V KOŠICIACH STROJNÍCKA FAKULTA MATEMATIKA 1. Funkcia jednej premennej a jej diferenciálny počet TECHNICKÁ UNIVERZITA V KOŠICIACH STROJNÍCKA FAKULTA MATEMATIKA časťa Funkcia jednej premennej a jej diferenciáln počet Dušan Knežo, Miriam Andrejiová, Zuzana Kimáková 200 RECENZOVALI: prof. RNDr. Jozef

Διαβάστε περισσότερα

Termodynamika. Doplnkové materiály k prednáškam z Fyziky I pre SjF Dušan PUDIŠ (2008)

Termodynamika. Doplnkové materiály k prednáškam z Fyziky I pre SjF Dušan PUDIŠ (2008) ermodynamika nútorná energia lynov,. veta termodynamická, Izochorický dej, Izotermický dej, Izobarický dej, diabatický dej, Práca lynu ri termodynamických rocesoch, arnotov cyklus, Entroia Dolnkové materiály

Διαβάστε περισσότερα

Matematická analýza pre fyzikov IV.

Matematická analýza pre fyzikov IV. 119 Dodatok - klasické riešenia PDR 8.1. Parciálne diferenciálne rovnice Príklady parciálnych diferenciálnych rovníc: Lalpaceova rovnica u = 0 Helmholtzova rovnica u = λu n Lineárna transportná rovnica

Διαβάστε περισσότερα

Numerické metódy Učebný text pre bakalárske štúdium

Numerické metódy Učebný text pre bakalárske štúdium Imrich Pokorný Numerické metódy Učebný text pre bakalárske štúdium Strana 1 z 48 1 Nepresnosť numerického riešenia úloh 4 1.1 Zdroje chýb a ich klasifikácia................... 4 1.2 Základné pojmy odhadu

Διαβάστε περισσότερα

ZÁPISKY Z MATEMATICKEJ ANALÝZY 1

ZÁPISKY Z MATEMATICKEJ ANALÝZY 1 UNIVERZITA PAVLA JOZEFA ŠAFÁRIKA V KOŠICIACH Prírodovedecká fakulta Ústav matematických vied 4 3 4 n 6 4 3 2 3 2 4 3 6 5 6 7 3 4 2 3 3/5 /2 2/5 /3 /4 /5 /0 d 0/ /0 /5 /4 /3 2/5 6 3 2 3 2 6 5 6 7 3 4 2

Διαβάστε περισσότερα

AerobTec Altis Micro

AerobTec Altis Micro AerobTec Altis Micro Záznamový / súťažný výškomer s telemetriou Výrobca: AerobTec, s.r.o. Pionierska 15 831 02 Bratislava www.aerobtec.com info@aerobtec.com Obsah 1.Vlastnosti... 3 2.Úvod... 3 3.Princíp

Διαβάστε περισσότερα

2 Chyby a neistoty merania, zápis výsledku merania

2 Chyby a neistoty merania, zápis výsledku merania 2 Chyby a neistoty merania, zápis výsledku merania Akej chyby sa môžeme dopustiť pri meraní na stopkách? Ako určíme ich presnosť? Základné pojmy: chyba merania, hrubé chyby, systematické chyby, náhodné

Διαβάστε περισσότερα

7. Dokážte, že z každej nekonečnej množiny môžeme vydeliť spočítateľnú podmnožinu.

7. Dokážte, že z každej nekonečnej množiny môžeme vydeliť spočítateľnú podmnožinu. Teória množín To, že medzi množinami A, B existuje bijektívne zobrazenie, budeme symbolicky označovať A B alebo A B. Vtedy hovoríme, že množiny A, B sú ekvivalentné. Hovoríme tiež, že také množiny A, B

Διαβάστε περισσότερα

u R Pasívne prvky R, L, C v obvode striedavého prúdu Činný odpor R Napätie zdroja sa rovná úbytku napätia na činnom odpore.

u R Pasívne prvky R, L, C v obvode striedavého prúdu Činný odpor R Napätie zdroja sa rovná úbytku napätia na činnom odpore. Pasívne prvky, L, C v obvode stredavého prúdu Čnný odpor u u prebeh prúdu a napäta fázorový dagram prúdu a napäta u u /2 /2 t Napäte zdroja sa rovná úbytku napäta na čnnom odpore. Prúd je vo fáze s napätím.

Διαβάστε περισσότερα

Priamkové plochy. Ak každým bodom plochy Φ prechádza aspoň jedna priamka, ktorá (celá) na nej leží potom plocha Φ je priamková. Santiago Calatrava

Priamkové plochy. Ak každým bodom plochy Φ prechádza aspoň jedna priamka, ktorá (celá) na nej leží potom plocha Φ je priamková. Santiago Calatrava Priamkové plochy Priamkové plochy Ak každým bodom plochy Φ prechádza aspoň jedna priamka, ktorá (celá) na nej leží potom plocha Φ je priamková. Santiago Calatrava Priamkové plochy rozdeľujeme na: Rozvinuteľné

Διαβάστε περισσότερα