SF1626 Flervariabelanalys

Relevanta dokument
Optimering med bivillkor

Kap Globala extremvärden, extremproblem med bivillkor.

Optimering med bivillkor

SF1625 Envariabelanalys

7 Extremvärden med bivillkor, obegränsade områden

Tentan , lösningar

Flervariabelanalys E2, Vecka 3 Ht08

SF1625 Envariabelanalys

Modul 4 Tillämpningar av derivata

SF1669 Matematisk och numerisk analys II Lösningsförslag till tentamen DEL A

SF1626 Flervariabelanalys Lösningsförslag till tentamen DEL A

Lösningsförslag till tentamen Tisdagen den 10 januari 2017 DEL A

Institutionen för Matematik, KTH Torbjörn Kolsrud

Envariabel SF1625: Föreläsning 11 1 / 13

SF1626 Flervariabelanalys Tentamen Tisdagen den 10 januari 2017

Optimering, exempel. Funktionens enda stationära punkt är alltså origo. Den ligger också i det inre av mängden.

SF1626 Flervariabelanalys Tentamen Torsdagen den 18 augusti 2016

Tentamen: Lösningsförslag

Optimalitetsvillkor. Optimum? Matematisk notation. Optimum? Definition. Definition

Sätt t = (x 1) 2 + y 2 + 2(x 1). Då är f(x, y) = log(t + 1) = t 1 2 t t3 + O(t 4 ) 1 2 (x 1) 2 + y 2 + 2(x 1) ) 2 (x 1) 2 + y 2 + 2(x 1) ) 3

SF1626 Flervariabelanalys Lösningsförslag till tentamen DEL A

SF1625 Envariabelanalys

När det gäller en motor kanske man vill maximera verkningsgraden för att hålla nere bränslekostnaden men inte till vilket pris som helst.

= 0. Båda skärningsvinklarna är således π/2 (ortogonala riktningsvektorer).

x ( f u 2y + f v 2x) xy = 24 och C = f

När det gäller en motor kanske man vill maximera verkningsgraden för att hålla nere bränslekostnaden men inte till vilket pris som helst.

SF1626 Flervariabelanalys Lösningsförslag till tentamen DEL A

1. Beräkna och klassificera alla kritiska punkter till funktionen f(x, y) = 6xy 2 2x 3 3y 4 2. Antag att temperaturen T i en punkt (x, y, z) ges av

SF1626 Flervariabelanalys Lösningsförslag till tentamen DEL A. 1. En svängningsrörelse beskrivs av

SF1626 Flervariabelanalys Tentamen Torsdagen den 20 augusti 2015

har ekvation (2, 3, 4) (x 1, y 1, z 1) = 0, eller 2x + 3y + 4z = 9. b) Vi söker P 1 = F (1, 1, 1) + F (1, 1, 1) (x 1, y 1, z 1) = 2x + 3y + 4z.

n : R vara en reell funktion av n variabler och P 0 en punkt i funktionens definitionsområde D.

5 Lokala och globala extremvärden

5B1817 Tillämpad ickelinjär optimering. Kvadratisk programmering med olikhetsbivillkor Active-set metoder

SF1626 Flervariabelanalys

1. Vad är optimering?

Övningstenta: Lösningsförslag

Lösningsförslag till tentamen Onsdagen den 15 mars 2017 DEL A

Existensen av största och minsta värde är inte garanterad i det här fallet.

Lokala undersökningar

Institutionen för Matematik, KTH Torbjörn Kolsrud

f(x, y) = ln(x 2 + y 2 ) f(x, y, z) = (x 2 + yz, y 2 x ln x) 3. Beräkna en vektor som är tangent med skärningskurvan till de två cylindrarna

SF1626 Flervariabelanalys Lösningsförslag till tentamen DEL A

Lösningsförslag till tentamen Torsdag augusti 16, 2018 DEL A

Tentamen i TATA43 Flervariabelanalys

Tentamen i tmv036c och tmv035c, Analys och linjär algebra C för K, Kf och Bt A =, = det(a λi) = e 2t + c 2. x(t) = c 1. = c 1.

SF1626 Flervariabelanalys Tentamen Onsdagen den 15 mars 2017

Problem inför KS 2. Problem i matematik CDEPR & CDMAT Flervariabelanalys. KTH -matematik

MICROECONOMICS Mid Sweden University, Sundsvall (Lecture 2) Peter Lohmander &

Bestäm ekvationen för det plan som går genom punkten (1,1, 2 ) på kurvan och som spänns

Antag att du går rakt norrut i ett bergslandskap. Ibland går du uppför, ibland nerför men hela tiden rakt mot norr. Vi kallar detta bäring 0.

Campus och distans Flervariabelanalys mag ATM-Matematik Mikael Forsberg och Yury Shestopalov (Mikael Forsberg)

EXTREMVÄRDESPROBLEM MED BIVILLKOR. LAGRANGES MULTIPLIKATORMETOD. Problem. Bestäm lokala (eller globala) extremvärden till

Sidor i boken f(x) = a x 2 +b x+c

Lösningsförslag till tentamen i SF1861 Optimeringslära för T. Onsdag 25 augusti 2010 kl

För studenter i Flervariabelanalys Flervariabelanalys MA012B ATM-Matematik Mikael Forsberg

SF1626 Flervariabelanalys Lösningsförslag till tentamen DEL A

Optimering av funktioner, med och utan bivillkor

SF1625 Envariabelanalys

Institutionen för matematik SF1626 Flervariabelanalys. Lösningsförslag till tentamen Måndagen den 5 juni 2017 DEL A

SF1669 Matematisk och numerisk analys II Lösningsförslag till tentamen DEL A. r cos t + (r cos t) 2 + (r sin t) 2) rdrdt.

MA2001 Envariabelanalys

Olinjär optimering med bivillkor: KKT min f (x) då g i (x) 0 för alla i

SF1626 Flervariabelanalys

Om för en reellvärd funktion f som är definierad på mängden D gäller följande

2. Avgör om x och z är implicit definierade som funktion av y via följande ekvationssystem. x 3 + xy + y 2 + z 2 = 0 x + x 3 y + xy 3 + xz 3 = 0

(x + 1) dxdy där D är det ändliga område som begränsas av kurvorna

Figur 1: Postföretagets rektangulära låda, definitioner.

SF1625 Envariabelanalys Lösningsförslag till tentamen DEL A

1. Bestäm definitionsmängden och värdemängden till funktionen f(x,y) = 1 2x 2 3y 2. Skissera definitionsmängden, nivålinjerna och grafen till f.

Lösningar till tentamen i Matematik II, 5B1116, 5B1136 för Bio. E,I,K,ME, Media och OPEN, tisdagen den 13 april 2004.

Tentamen i Analys B för KB/TB (TATA09/TEN1) kl 08 13

SF1626 Flervariabelanalys Lösningsförslag till tentamen DEL A

Flervariabelanalys. Undervisning Undervisning sker i form av föreläsningar (39 st) och lektioner (20 st).

av envariabelfunktionen g(t) och flervariabelfunktionen t = h(x, y) = x 2 + e y.)

Extrempunkt. Polyeder

Optimeringsproblem. 1 Inledning. 2 Optimering utan bivillkor. CTH/GU STUDIO 6 TMV036c /2015 Matematiska vetenskaper

Viktiga begrepp, satser och typiska problem i kursen MVE460, 2015.

SF1626 Flervariabelanalys Lösningsförslag till tentamen DEL A

1 x. SF1626 Flervariabelanalys Lösningsförslag till tentamen DEL A

Tentamen i Analys B för KB/TB (TATA09/TEN1) kl 14 19

Tentamen i matematik. f(x) = ln(ln(x)),

. b. x + 2 y 3 z = 1 3 x y + 2 z = a x 5 y + 8 z = 1 lösning?

Provtentamen i Matematik 2, 5B1116, för B,E,I,IT,M,Media och T, ht 2001

1. För vilka värden på konstanterna a och b är de tre vektorerna (a,b,b), (b,a,b) och (b,b,a) linjärt beroende.

MAA7 Derivatan. 2. Funktionens egenskaper. 2.1 Repetition av grundbegerepp

Lösningar till tentamen i Matematik 2, 5B1116, för E och ME samt 5B1136 för I den 1 mars 2004.

SF1626 Flervariabelanalys Lösningsförslag till tentamen DEL A

f(x) = x 2 g(x) = x3 100 h(x) = x 4 x x 2 x 3 100

SF1669 Matematisk och numerisk analys II Lösningsförslag till tentamen DEL A

SF1625 Envariabelanalys Lösningsförslag till tentamen

Institutionen för matematik KTH. Tentamensskrivning, , kl B1119, Vektoranalys, för Open.

13 Potensfunktioner. Vi ska titta närmare på några potensfunktioner och skaffa oss en idé om hur deras kurvor ser ut. Vi har tidigare sett grafen till

Föreläsning 2: Simplexmetoden. 1. Repetition av geometriska simplexmetoden. 2. Linjärprogrammeringsproblem på standardform.

Flervariabelanalys I2 Vintern Översikt föreläsningar läsvecka 2

SF1625 Envariabelanalys Lösningsförslag till tentamen DEL A

Vi ska titta närmare på några potensfunktioner och skaffa oss en idé om hur deras kurvor ser ut. Vi har tidigare sett grafen till f(x) = 1 x.

f(x) = x 2 g(x) = x3 100

Linjärprogrammering (Kap 3,4 och 5)

Preliminärt lösningsförslag till del I, v1.0

Transkript:

Föreläsning 9 Institutionen för matematik KTH VT 2018

1 Dagens program Extremvärdesproblem (största och minsta värde) kap 13.2 Extremvärdesproblem med bivillkor Lagranges multiplikatormetod kap 13.3 (+ev 13.4)

Lokala extrempunkter, repetition 2 Förra gången klassificerade vi kritiska punkter med hjälp av Taylors formel. Exempel. Finn alla lokala extrempunkter till f (x, y) = x 2 y 3 + 27xy + 27x. (Facit: kritiska punkter är (0, 1) och ( 1, 3), bara den sista är en extrempunkt, närmare bestämt en maxpunkt)

Lokala extrempunkter, repetition 3 Exempel. Avgör om f (x, y, z) = 1 + x 2 + 4y 2 + 2z 2 2xy + 6yz 2xz har en lokal extrempunkt i origo, dvs i (0, 0, 0). (Facit: Nej, visserligen en kritisk punkt men kvadratiska formen är indefinit)

Största och minsta värde 4 Nu ska vi gå vidare och leta efter globala max och min, dvs funktioners största och minsta värde. Då gäller: 1. Existensen av max och min kräver ett alltid ett argument. Om funktionen är kontinuerlig och definitionsmängden är sluten och begränsad så finns garanterat ett största och ett minsta värde. Annars behöver de inte finnas och man får argumentera olika i olika fall. 2. Största och minsta värde, om de finns, kan bara antas i kritiska punkter (stationära punkter) singulära punkter randpunkter

Största och minsta värde 5 Exempel. Avgör om f (x, y) = xy antar något största och minsta värde för (x, y) D = {(x, y) : x 2 + y 2 4} och bestäm i förekommande fall dessa.

Största och minsta värde 6 Exempel. Bestäm största och minsta värde av f (x, y) = x 2 + x(y 2 1) på området som ges av 0 x 2 och y 2.

Extrempunkter och extremvärden 7 Exempel. En papperskorg som rymmer 10 liter ska designas med rektangulära sidor på ett sådant sätt att materialåtgången blir så liten som möjligt. Bestäm måtten hos den optimala papperskorgen!

Optimering med bivillkor 8 Optimering med bivilkor själva problemet Finn största eller minsta värde av f (x, y) när (x, y) uppfyller bivillkoret g(x, y) = 0 Exempel: Finn minsta värdet av f (x, y) = x 2 + y 2 för (x, y) som uppfyller villkoret y + x 2 1 = 0 (dvs ligger på kurvan y = 1 x 2 ) OBS: De randundersökningar vi gjorde tidigare är problem av den här typen!

Optimering med bivillkor 9 Lagranges multiplikatormetod Vi vill optimera f (x, y) under bivillkoret g(x, y) = 0, där f och g är C 1. Om optimum antas i en punkt (a, b), som inte är en ändpunkt på kurvan och g(a, b) 0 så finns ett tal λ 0 så att (a, b, λ 0 ) är en kritisk punkt till Lagrange-funktionen L(x, y, λ) = f (x, y) + λg(x, y). OBS 1: Detta betyder att f (a, b) och g(a, b) är parallella. OBS 2: Argument behövs fortfarande för existens av max/min. OBS 3: Kolla separat ändpunkter och punkter där g = 0

Optimering med bivillkor 10 Exemplet igen. I exemplet med f (x, y) = x 2 + y 2 och g(x, y) = y + x 2 1 = 0 är Lagrangefunktionen L(x, y, λ) = x 2 + y 2 + λ(y + x 2 1) så när vi söker kritiska punkter till denna får vi 2x + 2xλ = 0 2y + λ = 0 y + x 2 1 = 0 De kritiska punkterna blir (0, 1), (±1/ 2, 1/2) där de sista två ger minimum. Maximum saknas.

Optimering med bivillkor 11 En randundersökning från tidigare. Tidigare optimerade vi f (x, y) = xy då x 2 + y 2 4. Origo är enda kritska punkten och där är funktionsvärdet 0. Randundersökningen kan göras med Lagrange, dvs optimera f (x, y) = xy under bivillkoret x 2 + y 2 4 = 0. L(x, y, λ) = xy + λ(x 2 + y 2 4) Vi får y + 2λx = 0 x + 2λy = 0 x 2 + y 2 4 = 0 med lösningar ±( 2, 2) som ger max och ±( 2, 2) som ger min.

Optimering med bivillkor 12 Dagens tentaproblem (2015-08-20) Bestäm största och minsta värdet av funktionen f (x, y) = x 2 y på området som ges av olikheten 3x 2 + 2y 2 6.

Optimering med bivillkor 13 Dagens tentaproblem (2014-10-30) Bestäm största och minsta värdet av funktionen f (x, y, z) = xy + yz + zx på området som ges av olikheten x 2 + y 2 + z 2 1.

Optimering med bivillkor 14 Dagens tentaproblem (2014-09-26) Bestäm största och minsta värdet av funktionen f (x, y) = 3xy i det kompakta område som ges av olikheten x 2 + xy + y 2 1.

Optimering med bivillkor 15 Lagranges multiplikatormetod med flera bivillkor För att optimera f (x, y, z) under bivillkoren g(x, y, z) = 0 och h(x, y, z) = 0 ska vi på liknande sätt söka kritiska punkter till Lagrange-funktionen L(x, y, z, λ, µ) = f (x, y, z) + λg(x, y, z) + µh(x, y, z). Vissa villkor ska vara uppfyllda, se boken sid 763-764 för teorin bakom detta. Vi illustrerar med ett exempel.

Optimering med bivillkor 16 Exempel med flera bivillkor Bestäm största och minsta värdet av funktionen f (x, y) = 2x + yz på skärningen av planet x + y + z = 0 och sfären x 2 + y 2 + z 2 = 24.

Läxa 17 Gör detta: 1. Uppgift 1-4 till seminarium 3 2. Innan seminarieuppgifterna, kolla på bokens: a. kap 12.8 uppgift 13, 17 b. kap 12.9 uppgift 1, 3, 5, 7, 11 c. kap 13.1 uppgift 5, 7, 9, 19, 23, 25 d. kap 13.2 uppgift 3, 5, 9, 15 e. kap 13.3 uppgift 3, 9, 11, 15 f. kap 13.4 uppgift 1, 3