Ü     warunkiem koniecznym istnienia ekstremum funkcji jest by pierwsze pochodne spełniały warunek:

Slides:



Advertisements
Podobne prezentacje
Metody badania stabilności Lapunowa
Advertisements

FALE Równanie falowe w jednym wymiarze Fale harmoniczne proste
11. Różniczkowanie funkcji złożonej
Programowanie matematyczne
STATYSTYKA WYKŁAD 03 dr Marek Siłuszyk.
dr Przemysław Garsztka
WYKŁAD 6 ATOM WODORU W MECHANICE KWANTOWEJ (równanie Schrődingera dla atomu wodoru, separacja zmiennych, stan podstawowy 1s, stany wzbudzone 2s i 2p,
Przykłady zadań programowania liniowego
Badania operacyjne. Wykład 2
Problemy nieliniowe Rozwiązywanie równań nieliniowych o postaci:
Programowanie liniowe całkowitoliczbowe
Wykład nr 6 W prezentacji zostały wykorzystane slajdy pomocnicze do książki: Microeconomics, R.S.Pindyck D.L.Rubinfeld.
EKONOMIA MATEMATYCZNA
NIERÓWNOŚCI LINIOWE Z JEDNĄ NIEWIADOMĄ
„METODA FOURIERA DLA JEDNORODNYCH WARUNKÓW BRZEGOWYCH f(0)=f(a)=0”
Wykład III Fale materii Zasada nieoznaczoności Heisenberga
Metody Sztucznej Inteligencji w Sterowaniu 2009/2010Optymalizacja miary efektywności działania sztucznych sieci neuronowych Dr hab. inż. Kazimierz Duzinkiewicz,
Analiza matematyczna - Badanie przebiegu zmienności funkcji wykład IV
6. Pochodne cząstkowe funkcji n zmiennych
Układ równań stopnia I z dwoma niewiadomymi
Zespół Szkół Mechanicznych w Białymstoku
Wykład 11. Podstawy teoretyczne odwzorowań konforemnych
Metody Lapunowa badania stabilności
AUTOMATYKA i ROBOTYKA (wykład 6)
Krzysztof Kucab Rzeszów, 2012
Stabilność Stabilność to jedno z najważniejszych pojęć teorii sterowania W większości przypadków, stabilność jest warunkiem koniecznym praktycznego zastosowania.
Zadanie programowania liniowego PL dla ograniczeń mniejszościowych
Krzysztof Kucab Rzeszów, 2012
MECHANIKA 2 Wykład Nr 11 Praca, moc, energia.
Zadanie programowania liniowego PL dla ograniczeń mniejszościowych
Zakładamy a priori istnienie rozwiązania α układu równań.
Wykład 2. Pojęcie regularnego odwzorowania powierzchni w powierzchnię i odwzorowania kartograficznego Wykład 2. Pojęcie regularnego odwzorowania powierzchni.
MECHANIKA NIEBA WYKŁAD r.
Technika optymalizacji
Modelowanie i identyfikacja 2010/2011Optymalizacja miary efektywności działania sztucznych sieci neuronowych Dr hab. inż. Kazimierz Duzinkiewicz, Katedra.
Miary efektywności/miary dobroci/kryteria jakości działania SSN
Teoria sterowania 2011/2012Stabilno ść Kazimierz Duzinkiewicz, dr hab. in ż. Katedra In ż ynierii Systemów Sterowania 1 Stabilność Stabilność to jedno.
Podstawy analizy matematycznej I
Krzysztof Kucab Rzeszów, 2012
II. Matematyczne podstawy MK
Analiza matematyczna III. Funkcje Twierdzenia o funkcjach z pochodnymi
Algebra Przestrzenie liniowe.
FUNKCJE Opracował: Karol Kara.
Szeregi funkcyjne dr Małgorzata Pelczar.
Rachunek różniczkowy funkcji jednej i wielu zmiennych
SYSTEMY EKSPERTOWE I SZTUCZNA INTELIGENCJA
Materiały pochodzą z Platformy Edukacyjnej Portalu Wszelkie treści i zasoby edukacyjne publikowane na łamach Portalu
D. Ciołek Modelowanie popytu konsumpcyjnego – wykład 2
Ekonometryczne modele nieliniowe
MECHANIKA 2 Wykład Nr 12 Zasady pracy i energii.
Wykłady z matematyki „W y z n a c z n i k i”
Metody nieinkluzyjne: Metoda iteracji prostej.
WYKŁAD 5 OPTYKA FALOWA OSCYLACJE I FALE
Wydział Elektroniki PWr AiR III r. Metody numeryczne i optymalizacja Dr inż. Ewa Szlachcic Wykład 3 Właściwe minimum lokalne: Funkcja f(x) ma w punkcie.
Ruch jednowymiarowy Ruch - zmiana położenia jednych ciał względem innych, które nazywamy układem odniesienia. Uwaga: to samo ciało może poruszać się względem.
Ruch – jedno w najczęściej obserwowanych zjawisk fizycznych
Treść dzisiejszego wykładu l Metoda kar. l Podsumowanie przekształcania zadań programowania liniowego do postaci tabelarycznej. l Specjalne przypadki –sprzeczność,
Analiza portfeli dwu- oraz trzy-akcyjnych. Portfel dwóch akcji bez możliwości krótkiej sprzedaży W - wartość portfela   W = a P 1 + b P 2   P 1 -
1 Metody optymalizacji - Energetyka 2015/2016 Podstawy matematyczne metod optymalizacji © Kazimierz Duzinkiewicz, dr hab. inż. Katedra Inżynierii Systemów.
Matematyka I. Definicja funkcji jednej zmiennej Niech X i Y oznaczają dowolne niepuste zbiory. Jeżeli każdemu elementowi x ze zbioru X przyporządkowujemy.
Treść dzisiejszego wykładu l Postać standardowa zadania PL. l Zmienne dodatkowe w zadaniu PL. l Metoda simpleks –wymagania metody simpleks, –tablica simpleksowa.
 Zdefiniowanie zmiennych  Programowanie liniowe jest działem programowania matematycznego obejmującym te zagadnienia, w których wszystkie związki mają.
Rozpatrzmy następujące zadanie programowania liniowego:
Metody optymalizacji Wykład /2016
Metody optymalizacji Wykład 1b /2016
Analiza numeryczna i symulacja systemów
Prowadzący: dr Krzysztof Polko
EKONOMETRIA W2 dr hab. Tadeusz W. Bołt, prof. UG
Jednorównaniowy model regresji liniowej
Podstawy teorii spinu ½
Zapis prezentacji:

Ü     warunkiem koniecznym istnienia ekstremum funkcji jest by pierwsze pochodne spełniały warunek: tworzony jest Hessian:

a minory są postaci:

Ü     Warunkiem koniecznym istnienia ekstremum funkcji jest by pierwsze pochodne były równe zero. Ü     Warunek dostateczny jest spełniony wtedy, gdy minory Hessiana: dla maksimum - zmieniają znaki na przemian „-”, „+”, „-”,... dla minimum - wszystkie minory są dodatnie

Ekstremum funkcji z wieloma zmiennymi y=f(x1,x2, Ekstremum funkcji z wieloma zmiennymi y=f(x1,x2,...,xn) oraz jednym warunku dodatkowym g(x1,x2,..,xn.)=0 Dla funkcji n-zmiennych postaci y=f(x1,x2,...,xn) o własnościach analogicznych jak dla dwóch zmiennych oraz jednym warunku dodatkowym w postaci funkcji liniowej g(x1,x2,...,xn)=0 tworzymy funkcję Lagrange’a:  F(x1,x2,...,xn,)=f(x1,x2,...,xn)+g(x1,x2,...,xn)

Ü    warunkiem koniecznym istnienia ekstremum tej funkcji jest by pierwsze pochodne cząstkowe były równe zero:

Ü     warunkiem dostatecznym istnienia ekstremum dla: maksimum jest by znaki głównych minorów Hessiana zmieniały się na przemian „-”, „+”, „-”, „+”,... minimum - wszystkie minory powinny być dodatnie Wyznacznik Hessiana ma postać:

Ekstremum funkcji z wieloma zmiennymi y=f(x1,x2, Ekstremum funkcji z wieloma zmiennymi y=f(x1,x2,...,xn) oraz wieloma warunkami dodatkowymi liniowymi gj(x1,x2,..,xn.)=cj   Dla funkcji n-zmiennych y=f(x1,x2,...,xn) oraz j-ograniczeniach dodatkowych (liniowych) gj(x1,x2,...,xn)=cj gdzie m<n; j=1,2,...,m funkcja Lagrange’a ma postać:

a Hessian obrzeżony: gdzie: fin - drugie pochodne cząstkowe funkcji Y, - pierwsze pochodne cząstkowe funkcji gj po zmiennych i

1  Warunki Kuhn-Tucker,a wystarczające dla istnienia maksimum globalnego. Dla funkcji f(x) w przypadku, gdy jest ona ciągła, różniczkowalna w przedziale i wypukła, warunkiem istnienia ekstremum lokalnego w punkcie x1 jest:

Dla funkcji n-zmiennych warunek ten ma postać: gdzie: fj - pierwsze pochodne funkcji, xjfj - warunek komplementarności.

Przy wprowadzaniu m-ograniczeń nieliniowych, problem optymalizacji funkcji n-zmiennych przyjmie postać: a funkcja Lagrange’a jest postaci:

Dla istnienia ekstremum musza być spełnione warunki Kuhn-Tucker’a:

gdzie: i=1,2,...,m j=1,2,...,n Dwa pierwsze równania są podobne do warunków koniecznych, w przypadku warunków ubocznych w formie równań. Różnica jest taka, że te pochodne cząstkowe niekoniecznie muszą być równe zero, a jedynie są niedodatnie w pierwszym równaniu, i nieujemne w drugim. Dwa następne warunki gwarantują nieujemność wszystkich zmiennych, w tym i mnożników Lagrange’a. Kolejne dwa równania są warunkami komplementarności.

Dla wypukłych f(x1,. ,xn) i gi(x1,. ,xn) gdzie i=1,2, Dla wypukłych f(x1,...,xn) i gi(x1,...,xn) gdzie i=1,2,...,m warunki Kuhn-Tucker'a są wystarczające dla istnienia maksimum globalnego. Przy minimalizacji wystarczy zmodyfikować te warunki, jeżeli wszystkie funkcje są wklęsłe, bądź wystarczy maksymalizować funkcję ze znakiem ujemnym.

W przypadku maksymalizacji funkcji f(x1, W przypadku maksymalizacji funkcji f(x1,...,xn) przy i-warunkach dodatkowych (i=1,2,...,m): gi(x1,...,xn) xj funkcja Lagrange’a ma postać:

Warunki Kuhn-Tucker’a są następującej postaci:

Mnożniki Lagrange’a przy warunkach ubocznych w formie nierówności mierzą stopę wzrostu wartości optymalnej funkcji celu przy jednostkowych zmianach w warunkach ubocznych, o ile są zdefiniowane odpowiednie pochodne cząstkowe.

Dla problemu produkcji, interpretacja jest następująca: fj - wartość graniczna produktu, - cena korzyści czynnika i („cena cieniowa”), - ilość użytego czynnika i do produkcji jednostki marginalnej dobra j , - marginalne koszty zastosowania czynnika i w produkcji dobra j . - agregaty marginalnych kosztów produkcji dobra j .