max f( x,..., x ) st. : g ( x,..., x ) 0 g ( x,..., x ) 0

Σχετικά έγγραφα
max f( x,..., x ) st. : g ( x,..., x ) 0 g ( x,..., x ) 0

Ελαχιστοποίηση του Κόστους

min f(x) x R n b j - g j (x) = s j - b j = 0 g j (x) + s j = 0 - b j ) min L(x, s, λ) x R n λ, s R m L x i = 1, 2,, n (1) m L(x, s, λ) = f(x) +

Πανεπιστήμιο Ιωαννίνων ΟΙΚΟΝΟΜΙΚΑ ΤΟΥ ΠΕΡΙΒΑΛΛΟΝΤΟΣ Διδάσκων:

3 η ΕΝΟΤΗΤΑ ΜΗ ΓΡΑΜΜΙΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ ΒΕΛΤΙΣΤΟΠΟΙΗΣΗ ΕΝΟΣ ΚΡΙΤΗΡΙΟΥ

Κεφάλαιο 2. Τα μαθηματικά της αριστοποίησης ΤΑ ΜΑΘΗΜΑΤΙΚΑ ΤΗΣ ΑΡΙΣΤΟΠΟΙΗΣΗΣ. Τιμή μιας παραγώγου σ ένα σημείο. Παράγωγοι

Μεγιστοποίηση του Κέρδους

Θεωρία Αλγόριθμοι Γραμμικής Βελτιστοποίησης 28/3/2012. Lecture07 1

1. ΣΤΑΤΙΚΗ ΑΡΙΣΤΟΠΟΙΗΣΗ

Εφαρμοσμένη Βελτιστοποίηση

ΠΕΡΙΕΧΟΜΕΝΑ ΜΕΡΟΣ ΠΡΩΤΟ ΣΤΟΙΧΕΙΑ ΔΙΑΦΟΡΙΚΟΥ ΛΟΓΙΣΜΟΥ ΣΥΝΑΡΤΗΣΕΩΝ ΠΟΛΛΩΝ ΜΕΤΑΒΛΗΤΩΝ 15

z = c 1 x 1 + c 2 x c n x n

Μεγιστοποίηση της Χρησιμότητας

Σημειώσεις Μαθηματικών 2

Ελαχιστοποίηση του Κόστους

Γενική Ανταγωνιστική Ισορροπία

Βασίλειος Μαχαιράς Πολιτικός Μηχανικός Ph.D.

Προσφορά Εργασίας Προτιμήσεις και Συνάρτηση Χρησιμότητας ( Χ,Α συνάρτηση χρησιμότητας U(X,A)

Άριστες κατά Pareto Κατανομές και το Πρώτο Θεώρημα Ευημερίας

III.9 ΑΚΡΟΤΑΤΑ ΣΕ ΠΕΡΙΟΧΗ

Σημειώσεις διαλέξεων: Βελτιστοποίηση πολυδιάστατων συνεχών συναρτήσεων 1 / 20

ΕΙΣΑΓΩΓΗ ΣΤΗ ΒΕΛΤΙΣΤΟΠΟΙΗΣΗ ΣΥΣΤΗΜΑΤΩΝ

Af(x) = και Mf(x) = f (x) x

ΔΙΑΓΩΝΙΣΜΑ 14. Μέρος Α

ΚΟΙΛΕΣ KAI ΟΙΟΝΕΙ ΚΟΙΛΕΣ ΣΥΝΑΡΤΗΣΕΙΣ. R και καθε αριθμο οριζουμε. Την καμπυλη αδιαφοριας(indifference curve,level set) της f

ΓΡΑΜΜΙΚΟΣ & ΔΙΚΤΥΑΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ

Σέργιος Θεοδωρίδης Κωνσταντίνος Κουτρούμπας. Version 2

ΓΡΑΜΜΙΚΟΣ & ΔΙΚΤΥΑΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ

Βασικές έννοιες και ορισµοί. Ευθεία

Εισαγωγικές έννοιες. Κατηγορίες προβλημάτων (σε μια διάσταση) Προβλήματα εύρεσης μεγίστου. Συμβολισμοί

Το δυϊκό πρόβλημα,οι πολλαπλασιαστές Lagrange και ερμηνείες τους

(f,g) f(x,y,v, w) = xy v= 0 x (v,y) = = = = = 3. g(x,y,v,w) = x+ 2y w= 0. (x,y) g g 1 2. Λύση 2. Με πλεγμένη παραγώγιση ως προς v, με σταθερό w :

ΓΡΑΜΜΙΚΟΣ & ΔΙΚΤΥΑΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ

Συναρτήσεις Κόστους και η Καμπύλη Προσφοράς της Ανταγωνιστικής Επιχείρησης

Επιλογή Ποιότητας και Κάθετη Διαφοροποίηση Προϊόντος

Βασικές έννοιες και ορισµοί. Ευθεία

Fermat, 1638, Newton Euler, Lagrange, 1807

Μαθηματικά Θετικής και Τεχνολογικής Κατεύθυνσης Γ Λυκείου ΑΚΡΟΤΑΤΑ ΣΥΝΑΡΤΗΣΗΣ

A = x x 1 + 2x 2 + 4

ΜΕΡΟΣ ΙΙΙ: ΘΕΩΡΙΑ ΠΑΡΑΓΩΓΟΥ ΚΑΙ ΠΡΟΣΦΟΡΑΣ

είναι πρόβλημα μεγιστοποίησης όλοι οι περιορισμοί είναι εξισώσεις με μη αρνητικούς του σταθερούς όρους όλες οι μεταβλητές είναι μη αρνητικές

ΚΟΙΛΕΣ KAI ΟΙΟΝΕΙ-ΚΟΙΛΕΣ ΣΥΝΑΡΤΗΣΕΙΣ. R και καθε αριθμο α οριζουμε

ΤΜΗΜΑ ΟΙΚΟΝΟΜΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΑΤΡΩΝ ΑΚ. ΕΤΟΣ ΔΙΑΛΕΞΗ 6 η -Η ΔΥΙΚΗ ΜΕΘΟΔΟΣ SIMPLEX

2. ΜΑΘΗΜΑΤΙΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ

ΠΑΡΑΔΕΙΓΜΑΤΑ ΘΕΜΑ Β. 2x 1. είναι Τότε έχουμε: » τον χρησιμοποιούμε κυρίως σε θεωρητικές ασκήσεις.

f(x) Af(x) = και Mf(x) = f (x) x

Άριστες κατά Pareto Κατανομές και το Πρώτο Θεώρημα Ευημερίας

ΕΙΣΑΓΩΓΗ ΣΤΟΝ ΜΑΘΗΜΑΤΙΚΟ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟ

Σέργιος Θεοδωρίδης Κωνσταντίνος Κουτρούμπας. Version 2

ΕΙΣΑΓΩΓΗ ΣΤΗ ΒΕΛΤΙΣΤΟΠΟΙΗΣΗ ΣΥΣΤΗΜΑΤΩΝ

Συστήματα Παραγωγής ΠΑΡΑΔΕΙΓΜΑ ΓΡΑΜΜΙΚΟΥ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΥ

ΖΗΤΗΣΗ ΕΡΓΑΣΙΑΣ Τεχνολογία και Συναρτήσεις Παραγωγής παραγωγή εισροές εκροές επιχείρηση παραγωγικοί συντελεστές

Σημειώσεις Μαθηματικών 2

B5. ΠΛΑΙΣΙΩΜΕΝΟΣ ΕΣΣΙΑΝΟΣ

ΔΙΑΓΩΝΙΣΜΑ 11. (δ). Να βρεθεί η λύση της διαφορικής εξίσωσης: y = xy, που έχει θετικές τιμές: y 0 και ικανοποιεί: y(0) = 1. 2.

Πρόβλημα 1 «Φασίνα» Εύρεση εκτέλεσης εργασιών με τον μικρότερο συνολικό χρόνο

και να σχολιαστεί το αποτέλεσμα. ΤΕΛΟΣ

ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΕΛΟΠΟΝΝΗΣΟΥ

1. Τετραγωνικές μορφές. x y 0. 0x y 0 1α 1β 2α 2β 3. 0x + y 0

Θεωρία Καταναλωτή. Υποδειγματοποίηση της συμπεριφοράς του καταναλωτή. Βασική έννοια: Βελτιστοποίηση υπό περιορισμό.

ΒΑΣΙΚΑ ΣΤΟΙΧΕΙΑ ΘΕΩΡΙΑΣ ΤΗΣ ΜΕΘΟΔΟΥ SIMPLEX

ΔΙΑΓΩΝΙΣΜΑ 12., στο ίδιο σύστημα

ΓΡΑΜΜΙΚΟΣ & ΔΙΚΤΥΑΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ

Αντίστροφη & Ιδιάζουσα μήτρα. Στοιχεία Γραμμικής Άλγεβρας

Γενική Ανταγωνιστική Ισορροπία σε Οικονομία με Έναν Καταναλωτή και Έναν Παραγωγό

Τμήμα Εφαρμοσμένης Πληροφορικής

ΔΙΑΓΩΝΙΣΜΑ 6. 1}. Να βρεθούν οι τιμές της θετικής παραμέτρου p> 0, για τις οποίες η λύση είναι συνοριακή:

Τμήμα Μηχανικών Πληροφορικής ΤΕ Δυϊκότητα. Γκόγκος Χρήστος ΤΕΙ Ηπείρου Επιχειρησιακή Έρευνα. τελευταία ενημέρωση: 1/12/2016

5 ΣΥΝΑΡΤΗΣΕΙΣ ΔΥΟ ΜΕΤΑΒΛΗΤΩΝ

Επιχειρησιακή Έρευνα

Θεωρία παραγωγού. Μικροοικονομική Θεωρία Ι / Διάλεξη 11 / Φ. Κουραντή 1

Περιεχόμενα. Κεφάλαιο 1 ΜΑΘΗΜΑΤΙΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ Κεφάλαιο 2 ΓΡΑΜΜΙΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ: BΑΣΙΚΕΣ ΕΝΝΟΙΕΣ... 29

ΒΑΣΙΚΕΣ ΕΝΝΟΙΕΣ ΚΑΙ ΜΑΘΗΜΑΤΙΚΗ ΔΙΑΤΥΠΩΣΗ, Διαλ. 2. Ανωτάτη Σχολή Παιδαγωγικής και Τεχνολογικής Εκπαίδευσης 8/4/2017

ΓΡΑΜΜΙΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ

Επιχειρησιακή Έρευνα I

Θεωρία. έχει το γράφηµα του παραπλεύρως σχήµατος.

Κοιλότητα. Διαφορικός Λογισμός μιας μεταβλητής Ι

Διάλεξη 5- Σημειώσεις

ή J (u * ) = 0 (2) J(u) = u 3 στο σηµείο u * = 0 J (1) = 3 u 2 = 0 J (2) = 6 u = 0 J (3) = 6 > 0

CRAMER-RAO ΚΑΤΩ ΦΡΑΓΜΑ - ΑΠΟ ΟΤΙΚΟΙ ΕΚΤΙΜΗΤΕΣ

ΑΛΓΕΒΡΑ Α ΛΥΚΕΙΟΥ ΑΠΟΣΤΟΛΟΥ ΓΙΩΡΓΟΣ ΜΑΘΗΜΑΤΙΚΟΣ

ΛΥΣΕΙΣ ΘΕΜΑ Α. Α1. Σχολικό βιβλίο σελίδα 217. Α2. Σχολικό βιβλίο σελίδα 273. Α3. Σχολικό βιβλίο σελίδα 92 Α4. Λ - Σ - Σ - Λ - Σ ΘΕΜΑ Β. B1.

Γραμμικός Προγραμματισμός Μέθοδος Simplex

1. ΓΡΑΜΜΙΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ

Επιχειρησιακή Έρευνα I

III.10 ΠΟΛΛΑΠΛΑΣΙΑΣΤΕΣ LAGRANGE

ΠΑΝΕΛΛΗΝΙΕΣ ΕΞΕΤΑΣΕΙΣ ΛΥΣΕΙΣ ΣΤΑ ΘΕΜΑΤΑ ΤΩΝ ΜΑΘΗΜΑΤΙΚΩΝ ΠΡΟΣΑΝΑΤΟΛΙΣΜΟΥ 10/06/2019

x, x (, x ], επειδή η f είναι γνησίως αύξουσα στο (, x0]

Βασίλειος Μαχαιράς Πολιτικός Μηχανικός Ph.D.

Συνδυαστική Βελτιστοποίηση Εισαγωγή στον γραμμικό προγραμματισμό (ΓΠ)

- Παράδειγμα 2. Εκτέλεση Πέναλτι ή Κορώνα-Γράμματα (Heads or Tails) - Ένας ποδοσφαιριστής ετοιμάζεται να εκτελέσει ένα πέναλτι, το οποίο προσπαθεί να

ΜΑΘΗΜΑΤΙΚΑ ΓΙΑ ΟΙΚΟΝΟΜΟΛΟΓΟΥΣ ΙΙ ΤΜΗΜΑ ΟΙΚΟΝΟΜΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΑΤΡΩΝ ΜΑΘΗΜΑ ΟΓΔΟΟ-ΜΕΓΙΣΤΑ & ΕΛΑΧΙΣΤΑ ΣΥΝΑΡΤΗΣΕΩΝ

ΚΕΦΑΛΑΙΟ 1ο: ΔΙΑΦΟΡΙΚΟΣ ΛΟΓΙΣΜΟΣ ΕΝΟΤΗΤΑ 1: ΟΡΙΣΜΟΣ ΠΕΔΙΟ ΟΡΙΣΜΟΥ ΠΡΑΞΕΙΣ ΣΥΝΑΡΤΗΣΕΩΝ ΓΡΑΦΙΚΕΣ ΠΑΡΑΣΤΑΣΕΙΣ ΒΑΣΙΚΩΝ ΣΥΝΑΡΤΗΣΕΩΝ

ΓΡΑΜΜΙΚΟΣ & ΔΙΚΤΥΑΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ

Περίγραμμα διάλεξης 8

Βασίλειος Μαχαιράς Πολιτικός Μηχανικός Ph.D.

Άριστες κατά Pareto Κατανομές

ΓΡΑΜΜΙΚΟΣ & ΔΙΚΤΥΑΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ

1 Σύντομη επανάληψη βασικών εννοιών

2.8 ΚΥΡΤΟΤΗΤΑ ΣΗΜΕΙΑ ΚΑΜΠΗΣ ΣΥΝΑΡΤΗΣΗΣ

Transcript:

Μαθηματικές Μέθοδοι Βελτιστοποίησης - Εστιάζουμε στο ακόλουθο πρόβλημα μεγιστοποίησης μιας αντικειμενικής συνάρτησης f υπό ένα σύνολο ανισοτικών περιορισμών: max f( x,..., x ) { x,..., x } 1 n 1 st. : g ( x,..., x ) 0 1 1 g ( x,..., x ) 0 k 1 x 0, i = 1,..., n. i n n n Αντικειμενική συνάρτηση n μεταβλητών (n 1) Ανισοτικοί περιορισμοί πλήθους k 1 Περιορισμοί μη αρνητικότητας πλήθους n - Για να λύσουμε το πρόβλημα, ακολουθούμε την εξής μεθοδολογία: 1. Σχηματίζουμε τη συνάρτηση Lagrange: L = f( x) + λ g ( x) +... + λ g ( x) 1 1 [όπου x= ( x,..., x )]. 1 n k k 1

2. Γράφουμε και λύνουμε τις Αναγκαίες Συνθήκες μεγιστοποίησης ή Συνθήκες 1 ης τάξης (FOCs) ή Συνθήκες Kuhn-Tucker (Κ-Τ), σύμφωνα με το παρακάτω θεώρημα: * * Θεώρημα (Κ-Τ): Αν x* = ( x1,..., x n ) είναι μια λύση του παραπάνω προβλήματος μεγιστοποίησης, τότε υπάρχουν * * πολλαπλασιαστές λ,..., 1 λ 0 k τέτοιοι ώστε το διάνυσμα * * * * ( x,..., x, λ,..., λ ) = ( x*, λ*) ικανοποιεί τις ακόλουθες συνθήκες: 1 n 1 Lx (*, λ*) (1) 0, i = 1,..., n xi Lx (*, λ*) x i n * (2) i = 0, = 1,..., xi * (4) λ = 0, = 1,..., λ * (5) xi 0, i = 1,..., n. * (6) λ 0, = 1,..., k. k Lx (*, λ*) (3) = g ( x*) 0, = 1,..., k λ Lx (*, λ*) k FOCs (K-T) (Αναγκαίες Συνθήκες Μεγιστοποίησης) 2

Οι συνθήκες (2) και (4) ονομάζονται συνθήκες συμπληρωματικής χαλαρότητας: (2) * Lx (*, λ*) - Αν xi > 0 (χαλαρή ανισότητα) = 0 xi (4) * Lx (*, λ*) - Αν λ > 0 (χαλαρή ανισότητα) = g ( x*) = 0 λ 3. Ελέγχουμε αν ισχύουν οι συνθήκες 2 ης τάξης (SOCs) ή Ικανές Συνθήκες Μεγιστοποίησης, οι οποίες διατυπώνονται ως εξής: Αν οι f, g 1,, g k είναι κοίλες συναρτήσεις, τότε κάθε λύση x* των αναγκαίων συνθηκών (FOCs) αποτελεί ολικό μέγιστο του προβλήματος. - Μια εναλλακτική (ασθενέστερη) συνθήκη 2 ης τάξης δίνεται από το ακόλουθο θεώρημα: Θεώρημα (Arrow-Enthoven): Αν οι f, g 1,, g k είναι οιονεί κοίλες συναρτήσεις, τότε κάθε λύση x* των αναγκαίων συνθηκών (FOCs) αποτελεί ολικό μέγιστο του προβλήματος. 3

Κριτήρια Ελέγχου Κοιλότητας Οιονεί Κοιλότητας (Κριτήρια 2 ης Παραγώγου) (1) Έλεγχος Κοιλότητας (1α) Έλεγχος Κοιλότητας για συναρτήσειςμίαςμεταβλητής(n=1) - Μια συνάρτηση f(x) (όπου f : X R R) είναι: κοίλη, αν και μόνο αν αυστηρώς κοίλη, αν και μόνο αν κυρτή, αν και μόνο αν f ( x) 0 x X. f ( x) 0 x X. αυστηρώς κυρτή, αν και μόνο αν - Παραδείγματα κοίλων συναρτήσεων: f( x) = ax+ b, a, b R (γραμμική) α f( x) = x, 0 < a 1 (εκθετική) f( x) = ln x, x> 0 (λογαριθμική) f ( x) < 0 x X. f ( x) > 0 x X. 4

- Αν η συνάρτηση f(x) είναι κοίλη, τότε και η g(x)=α f(x), α>0 είναι μια κοίλη συνάρτηση. - Θεώρημα: Έστω f1, f2,..., fn κοίλες συναρτήσεις. Τότε, η g = a1f1+ a2f2+... + anfn (όπου a1, a2,..., an > 0) μια κοίλη συνάρτηση. είναι επίσης (δηλαδή: το άθροισμα κοίλων συναρτήσεων είναι επίσης μια κοίλη συνάρτηση) - Παράδειγμα: Ησυνάρτηση f( x1, x2, x3) = 2x1+ 3lnx2 + x3 είναι κοίλη ως άθροισμα κοίλων συναρτήσεων. 5

(1β) Έλεγχος Κοιλότητας για συναρτήσεις δύο μεταβλητών (n=2) - Έστω μια συνάρτηση f(x 1, x 2 ). H Εσσιανή μήτρα (Η) της f είναι η μήτρα όλων των δεύτερων μερικών παραγώγων της f: 2 f11 f12 f H = όπου: fi = = f i, i, = 1, 2 f21 f22 xi x - Ησυνάρτηση f(x 1, x 2 ) είναι: κοίλη, αν και μόνο αν η Η είναι αρνητικά ημιορισμένη, δηλαδή αν και μόνο αν: f 0, f 0 και Η 0. 11 22 αυστηρώς κοίλη, αν και μόνο αν η Η είναι αρνητικά ορισμένη, δηλαδή αν και μόνο αν: f 11 < 0 και Η> 0. κυρτή, αν και μόνο αν η Η είναι θετικά ημιορισμένη, δηλαδή αν και μόνο αν: f 0, f 0 και Η 0. 11 22 αυστηρώς κυρτή, αν και μόνο αν η Η είναι θετικά ορισμένη, δηλαδή αν και μόνο αν: f 11 > 0 και Η > 0. 6

Παράδειγμα. Έλεγχος κοιλότητας για τη συνάρτηση: k k f( x, x ) = x x, με x, x > 0, k > 0 1 2 1 2 1 2 -H Εσσιανή μήτρα της f είναι: H k 2 k 2 k 1 k 1 f11 f12 kk ( 1) x1 x2 kx1 x 2 = =, με: 2 k 1 k 1 k k 2 f21 f22 kx1 x2 kk ( 1) xx 1 2 H = k (1 2 k) x x f κοίλη 2 2k 2 2k 2 1 2 f αυστηρώς κοίλη f κυρτή 11 22 f αυστηρώς κυρτή f 0, f 0 και Η 0 k 1/2 11 22 f11 < 0 και Η > 0 k < 1/2 f 0, f 0 και Η 0 Αδύνατο f 11 > 0 και Η > 0 Αδύνατο 7

2. Έλεγχος Οιονεί Κοιλότητας για συναρτήσεις δύο μεταβλητών (n=2) - Για να ελέγξουμε αν η συνάρτηση f ( x1, x2) είναι οιονεί κοίλη, ακολουθούμε τα εξής βήματα: (i) Σχηματίζουμε την περιφραγμένη Εσσιανή μήτρα (Β) της f : 0 f1 f2 2 f B= f1 f11 f12 όπου: fi = = f i, i, = 1, 2 xi x f2 f21 f 22 f fi = xi (ii) H f είναιοιονείκοίληαν Β 0. (Αντίθετα, η f είναι οιονεί κυρτή αν Β 0) 8

Παράδειγμα (συνέχεια). Έλεγχος οιονεί κοιλότητας για τη k k συνάρτηση: f( x1, x2) = x1x2, με x1, x2 > 0, k > 0 k 1 k k k 1 0 kx1 x2 kx1x 2 k 1 k k 2 k 2 k 1 k 1 (i) B= kx1 x2 k( k 1) x1 x2 k x1 x2 k k 1 2 k 1 k 1 k k 2 kx1x 2 k x1 x2 k( k 1) x1x 2 (ii) B = 2k x x 0 k 3 3 2 3k 2 1 2 Άρα, η f είναι οιονεί κοίλη για όλες τις τιμές του k. Επομένως: Για k<1/2, η f είναι αυστηρώς κοίλη, κοίλη και οιονεί κοίλη. Για k=1/2, η f είναι κοίλη και οιονεί κοίλη (αλλά όχι αυστηρώς κοίλη). Για k>1/2, η f είναιοιονείκοίλη(αλλά όχι κοίλη ούτε αυστηρώς κοίλη). - Γενικά: Αν μια συνάρτηση f είναι κοίλη, τότε είναι και οιονεί κοίλη. Το αντίστροφο δεν ισχύει πάντα. 9

(1) Μεγιστοποίηση Κερδών Παραδείγματα Μεγιστοποίησης Έστω q= 2 L, όπου q: η παραγόμενη ποσότητα προϊόντος L: η χρησιμοποιούμενη ποσότητα εργασίας. Ο μισθός είναι w=10 και η τιμή του προϊόντος είναι p=50. -H επιχείρηση επιλέγει την ποσότητα εργασίας (L) που μεγιστοποιεί τα κέρδη της: max Π ( L) = p q( L) w L= 100 L 10L { L} st.. L 0 FOCs : dπ dl 1/2 dπ = 50L 10 0, L= 0 dl L> L = L = 1/2 Υπόθεση: 0 50 10 0 * 25 10

SOC: 3/2 Η συνάρτηση Π( L) είναι κοίλη, διότι: ( L) 25L 0. Άρα, η λύση L* = 25 αποτελεί ολικό μέγιστο. Η μέγιστη τιμή των κερδών είναι Π * = 250. (2) Άριστη Περίφραξη Π = < - Ένας αγρότης διαθέτει συρματόπλεγμα μήκους P=400 μέτρων, με το οποίο επιθυμεί να περιφράξει τη μεγαλύτερη δυνατή ορθογώνια επιφάνεια Ε. x 1 Ε x 2 -To πρόβλημα του αγρότη μπορεί να γραφτεί ως εξής: max Ex (, x) = x x { x, x } 1 2 1 2 1 2 1 2 st.. 2x1+ 2x2 P= 400 x, x 0 11

L= x1 x2 + λ(400 2x1 2 x2) FOCs : L L = x2 2λ 0, x1 = 0 x1 x1 L L = x1 2λ 0, x2 = 0 x2 x2 L L = 400 2x1 2 x2 0, λ = 0 λ λ Υπόθεση: x1, x2 > 0. Τότε: x1 > 0 x2 2λ = 0 λ = x2 / 2 > 0 400 2x1 2x2 = 0 (1) x > 0 x 2λ = 0 λ = x /2 = x /2 x = x ( 2) 2 1 1 2 1 2 (2) * * x1 = x2 = λ = (1) 100, οπότε: * 50 SOC : H συνάρτηση E = x1x2είναι οιονεί κοίλη, ενώ η συνάρτηση-περιορισμός gx ( 1, x2) = 400 2x1 2 x2 είναι κοίλη. * * Άρα, η λύση ( x1, x2) = (100,100) αποτελεί ολικό μέγιστο και η μέγιστη 12 περιφρασσόμενη επιφάνεια είναι E * = 10000 τ.μ.