
- •Тема 1. Концептуальні аспекти математичного моделювання економіки.
- •Тема 2. Оптимізаційні економіко-математичні моделі.
- •Тема лекції: Математичне моделювання. Економічна та математична постановка матричних та оптимізаційних задач
- •Предмет математичного моделювання.
- •Класификація економіко – математичних моделей. Формальна класіфикація моделей.
- •Задачі математичного програмування.
- •4. Класифікація методів математичного програмування.
- •5. Задачі планування та організації виробництва.
- •5.1. Задача про максимальну рентабельність підприємства.
- •5.2. Задача про завантаження обладнання
- •6. Модель міжгалузевого балансу „Витрати - випуск”.
- •Коефіціети прямих та побічних витрат.
- •Питання для самоконтролю.
- •Тема 2.Загальна задача лінійного програмування та деякі зметодів її розв’язування
- •Тема лекції: Основні теореми та властивості задач лінійного програмування (лп).
- •1. Загальна форма задачі лінійного програмування (лп).
- •2. Основні теореми та властивості задачі лп.
- •3. Графічний метод розв’язання задач мп.
- •Алгоритм знаходження розв’язку задачі мп графічним методом.
- •Питання для самоконтролю.
- •Тема 3. Задача лінійного програмування та методи її розв’язування.
- •Тема 4. Теорія двоїстості та аналіз лінійних моделей оптимізаційних задач.
- •Тема лекції: Вирішення задач лп симплекс-методом. Двоїста задача лп.
- •1. Представлення задач лп в матричній та векторній формі.
- •2. Симплексний метод розв’язання задач лп. Теоретичні основи симплекс-метода.
- •3. Метод штучної бази.
- •4. Двоїста задача лп.
- •Двоїста задача
- •Питання для самоконтролю.
- •Тема 3. Задача лінійного програмування та методи її розв’язування.
- •Тема лекції: Транспортна задача
- •1 Економічна та математична моделі транспортної задачі.
- •2 Основні теореми транспортної задачі.
- •3. Метод північно-західного кута (діагональний.)
- •5. Метод потенціалів.
- •Питання для самоконтролю.
- •Тема 5. Цілочислове програмування
- •Тема 6.Нелінійні оптимізаційні моделі економічних систем
- •Тема лекції: Узагальнення задачі лінійного програмування.
- •Задачі цілочислового програмування.
- •2. Метод Гоморі.
- •3. Параметричне лінійне програмування.
- •Питання для самоконтролю.
- •Тема 7. Аналіз та управління ризиком в економіці.
- •Тема лекції: Економічний ризик: ігрові моделі. Матричні ігри
- •1. Постановка задач теорії ігор з нульовою сумою.
- •Задачі з сідловою точкою. Задачі в чистих стратегіях.
- •Ігри в мішаних стратегіях. Основна теорема теорії ігор.
- •Зведення задач теорії ігор до задач лп.
- •Питання для самоконтролю.
- •Тема 7. Нелінійні оптимізаційні моделі економічних систем
- •Тема лекції: Задача дробово-лінійного програмування
- •Постановка задачі дробово-лінійного програмування.
- •2. Приведення задачі дробово-лінійного програмування до задачі лінійного програмування.
- •3. Розв’янання задач дробово-лінійного програмування.
- •4. Графічне розв’язання задачі дробово-лінійного програмування.
- •Питання для самоконтролю.
- •Тема 6. Нелінійні оптимізаційні моделі економічних систем Лекція 8 Тема лекції: Задачі нелінійного програмування
- •1. Постановка задачі пошуку екстремуму функції.
- •2. Властивості опуклих множин і опуклих функцій
- •Необхідні та достатні умови безумовного екстремуму функції. Необхідні умови першого порядку
- •Необхідні умови екстремуму функції другого порядку
- •Достатні умови екстремуму
- •Перевірка виконання умов функції на екстремум.
- •Критерій Сильвестра перевірки достатніх умов екстремуму.
- •Умовний екстремум при обмеженнях типу рівність.
- •Стратегія вирішення задачі
- •Необхідні умови екстремуму першого порядку при обмеженнях типу рівність.
- •Питання для самоконтролю.
- •Тема 8. Система показників кількісного оцінювання ступеня ризику
- •Тема лекції: Економічний ризик
- •1. Поняття ризику. Причини виникнення, класифікація ризику.
- •3. Кількісні методи оцінки ризиків
- •4. Статистичні ігри
- •Питання для самоконтролю.
2. Властивості опуклих множин і опуклих функцій
Означення 5.
Функція f(x),
задана на
опуклій множині
,називається
-
опуклою,
якщо
та
виконується нерівність
(3)
- строго
опуклою, якщо для всіх
нерівність (1) виконується як строге
<
(4)
- дуже
опуклою з константою
>0,
якщо
та
виконується нерівність
(5)
Необхідно звернути увагу на наступне: 1. Функцію називають опуклою, якщо її графік цілком лежить не вище відрізка, що з'єднує дві її довільні точки. 2. Функцію називають строго опуклою, якщо її графік цілком лежить нижче відрізка, що з'єднує дві її довільні (не співпадаючі) точки. 3. Якщо функція сильно опукла, то вона одночасно строго опукла і опукла.
Опуклість функції можна визначити по матриці Гессе:
Якщо Н(х)≥0
, то функція опукла;
Якщо Н(х)>0 , то функція строго опукла;
Якщо Н(х)≥lE , де Е – одинична матриця, то функція сильно опукла.
Приклад 5.
Дослідити на опуклість функцію .
Необхідні та достатні умови безумовного екстремуму функції. Необхідні умови першого порядку
Нехай
є точка локального екстремуму функції
f(х)
на множені
та функція f(х)
диференційована в точці х*.
Тоді градієнт f(х)
в цій точці дорівнює 0:
(6)
або
(7)
Точка, яка задовольняє умові (6) або (7) зветься стаціонарною.
Необхідні умови екстремуму функції другого порядку
Нехай
є точка локального мінімуму (максимуму)
функції f(х),
визначеної на множені
та функція f(х)
двічі диференційована в цій точці. Тоді
матриця Гессе
функції
f(х),
обчисленая в точці х*,
є додатньо
напіввизначеною (від’ємно напіввизначеною)
тобто Н(х*)≥0
(Н(х*)≤0).
Достатні умови екстремуму
Нехай функція
f(х)
двічі диференційована в точці
,
її градієнт дорівнює 0, а матриця Гессе
є додатньо визначеною (від’ємно
визначеною) тобто
та Н(х)>0 (Н(х)<0).
Тоді х* - точка локального мінімуму (максимуму) функції f(х) на множені .
Перевірка виконання умов функції на екстремум.
Розглянемо матрицю Гессе в стаціонарній точці х*
Н= =
Означення 6.
Кутовими минорами k-го порядку матриці nxn, де k≤n, називаються визначники, складені з елементів вихідної матриці, що стоять на перетині k верхніх рядків і k лівих стовпців.
Означення 7.
Головними минорами m-го порядку матриці nxn, де m≤n, називаються визначники, складені з елементів вихідної матриці, що залишилися після викреслювання в ній будь-яких (m-n) рядків і (m-n) стовпців з однаковими номерами.
Критерій Сильвестра перевірки достатніх умов екстремуму.
1. Для того щоб матриця Гессе Н (х*) була позитивно визначеною і стаціонарна точка х* була точкою локального мінімуму, необхідно і достатньо, щоб знаки кутових мінорів були строго додатні:
>0,
>0,
….,
>0.
2. Для того щоб матриця Гессе Н (х*) була негативно певної і стаціонарна точка х* була точкою максимуму, необхідно і достатньо, щоб знаки кутових мінорів чергувалися, починаючи з негативного
<0, >0,…,(-1)n >0.
Приклад 6.
Знайти екстремум функції f(х) на множені R3