Wykład 2 i 3
Transkrypt
Wykład 2 i 3
1 MATEMATYKA W EKONOMII I ZARZĄDZANIU Leszek S. Zaremba Wykład 2-3 (Algebra Liniowa) Wektorem nazywamy ciąg liczb ( x1 , x 2 ,..., x n ) , np. (5,6,7), (10,1,0,15) itp. W ekonomii koszyk dóbr zapisuje się jako wektory. Np. (5,6,7) jako koszyk dóbr na wyspie Hula Gula moŜe oznaczać 5 jabłek, 6 bananów i 7 pomidorów. Wektory moŜna dodawać i mnoŜyć przez dowolną liczbę rzeczywistą, to jest, (1) (2) ( x1 , x 2 ,..., x n ) + ( y1 , y 2 ,..., y n ) = ( x1 + y1 , x 2 + y 2 ,..., x n + y n ) α ( x1 , x 2 ,..., x n ) = (αx1 , αx 2 ,..., αx n ) . Anna zakupiła koszyk dóbr (5,6,7), zaś jej narzeczony Wojtek kupił koszyk dóbr (4,7,3). (a)Ile dóbr łącznie kupili?; Ani siostra kupiła 2 razy większy koszyk dóbr niŜ Wojtek. (b) Jaki to był koszyk? Odpowiedź: (a) Kupili łącznie (5,6,7)+(4,7,3)=(9,13,10) dóbr; (b) 2(4,7,3) = (8,14,6) . Iloczynem skalarnym dwóch wektorów ( x1 , x 2 ,..., x n ) oraz ( y1 , y 2 ,..., y n ) nazywamy liczbę i=n (3) 〈 x, y〉 = ∑ xi y i = x1 y1 + x 2 y 2 + ... + x n y n . i =1 Jeśli x = ( x1 , x 2 ,..., x n ) jest koszykiem dóbr, zaś y = ( y1 , y 2 ,..., y n ) jest wektorem ich cen, to iloczyn skalarny wyraŜa koszt zakupu koszyka x. Jeśli na przykład na wyspie Hula Gula kaŜde jabłko kosztuje 2 hulany, kaŜdy banan 3 hulany, zaś kaŜdy pomidor 4 hulany, to koszyk Wojtka moŜna kupić za 〈(4,7,3), (2,3,4)〉 = 8 + 21 + 12 = 41 hulanów. W finansach wektor (5000,4000,7000) moŜe oznaczać zakupy akcji firm A, B, C za odpowiednio 5000zł, 4000zł, 7000zł. Taki wektor moŜemy nazwać portfelem inwestora. Gdyby inwestor sprzedał krótko (to znaczy, poŜyczył is sprzedał) akcje firmy B za 15 tys. zł, zaś kupił akcje firm A i C za odpowiednio 5000zł, 10000zł, to jego portfel P „wyglądałby” następująco: P = (5000, -15000,10000) i nie wymagałby rzecz jasna własnego kapitału! 2 Portfel P nazwiemy arbitraŜowym dla inwestora którego horyzont inwestycyjny wynosi T dni jeśli (i) P nie wymaga własnego kapitału; oraz (ii) niezaleŜnie od scenariusza (czyli tego co się stanie po T dniach od dziś) zysk z portfela P będzie ≥ 0 . Jeśli P = ( x1 , x 2 ,..., x n ) jest portfelem, zaś R = ( r1 , r2 ,..., rn ) wektorem stóp zwrotu z inwestycji „1”, „2”, …, „n” w które zainwestowano odpowiednio x1 zł, x 2 zł, …, x n zł to i=n (4) 〈 P, R〉 = ∑ xi ri jest zyskiem z portfela P . i =1 Np. P=(6000,4000,1000), zaś rentowności z tych 3-ech inwestycji dane są wektorem R=(10%, 7%, -5%). Wówczas zysk wyniesie 〈 P, R〉 = 600 + 280 − 50 = 830 zł. Obliczmy teraz sami zysk z portfela P=(1000,4000,6000) gdy R=(10%, 7%, -5%). 〈 P , R〉 = ? Przykład 1. ZałóŜmy Ŝe jeśli wybory parlamentarne wygra PiS, to stopy zwrotu z inwestycji w nieruchomości wyniosą 30%, w bony skarbowe 5%, zaś w akcje spółek wchodzących do indeksu WIG20 będą równe -10%, a więc wektor stóp zwrotu 30 5 − 10 R PiS = , . Jeśli z kolei wygra PO, to wektor stóp zwrotu z wymienio 100, 100 100 − 10 5 20 nych powyŜej 3 inwestycji wyniesie R PO = , , . Udowodnij Ŝe portfel 100 100 100 P = (4000, -9000, 5000) jest arbitraŜowy. Rozwiązanie. Od razu widać Ŝe P nie wymaga własnego kapitału oraz Ŝe są tu 2 scenariusze „pokrywające” wszystkie przypadki: scenariusz nr.1 – wygra PiS oraz scenariusz nr. 2 – wygra PO. Pozostaje upewnić się Ŝe zysk z portfela P w kaŜdym z 2 scenariuszy będzie ≥ 0 . W tym celu skorzystamy ze wzoru (4), otrzymując 30 5 − 10 (5) 〈 P, R PiS 〉 = 4000 − 9000 + 5000 = 1200 − 450 − 500 = 250 zł, 100 100 100 − 10 5 20 (6) 〈 P, R PO 〉 = 4000 − 9000 + 5000 = −400 − 450 + 1000 = 150 zł, 100 100 100 co kończy dowód. ∗ 3 Tak jak wektor jest uogólnieniem liczby (czymś bardziej abstrakcyjnym jak liczba), tak macierz jest uogólnieniem wektora. Rzeczywiście, macierzą nazywamy kaŜdy prostokątny układ liczb, np. (7) 2 0 5 − 7 A = 3 8 − 6 4 , 10 5 0 9 6 0 10 0 B = −3 0 0 − 2 . − 11 4 − 7 8 Dodawanie dwóch macierzy określa się tak jak dodawanie dwóch wektorów, to znaczy „po współrzędnych”, o ile rzecz jasna mają taką samą ilośc wierszy i kolumn jak np. macierze A i B. Łatwo sprawdzić Ŝe 2 10 5 − 1 A + B = 0 8 − 6 2 . − 1 9 − 7 17 Iloczyn macierzy określamy w nieco bardziej skomplikowany sposób, mianowicie aby pomnoŜyć macierz C przez D, naleŜy pomnoŜyć kaŜdy wiersz C przez kaŜdą 1 3 3 8 1 21 30 , D = 2 2 , to C × D = . kolumnę D, a więc np. gdy C = 12 29 4 1 3 2 5 ZauwaŜmy Ŝe nie da się pomnoŜyć macierzy A przez B poniewaŜ nie da się pomnoŜyć Ŝadnego wiersza A przez jakąkolwiek kolumnę B. Rzeczywiście, aby pomnoŜyć dwa wektory przez siebie, musza one mieć taki sam wymiar (tyle samo współrzędnych), co nie ma miejsca w przypadku wierszy macierzy A(maja 4 współrzędne) i kolumn macierzy B(maja 3 współrzędne). Uwaga 1. MnoŜenie macierzy (o ile jest wykonalne) jest bardzo proste w Excelu, wystarczy bowiem zaznaczyć miejsce na macierz będącą iloczynem dwóch macierzy A i B które mnoŜymy przez siebie, czyli zaznaczyć tyle wierszy ile ma macierz A oraz tyle kolumn ile ma macierz B), a następnie skorzystać z funkcji MACIERZ.ILOCZYN Przykład 1 (II-i sposób) Dzięki naszej znajomości macierzy, rozwiąŜemy ten przykład w krótszy sposób. Zamiast bowiem obliczać dwa iloczyny skalarne (5) i (6), pomnoŜymy tylko raz 4 macierz stóp zwrotu R przez portfel P (np. poprzez funkcję MACIERZ.ILOCZYN), gdzie 4000 P = − 9000 , 5000 0,3 0,05 − 0,1 R= , − 0,1 0,05 0,2 (8) otrzymując 0,3 0,05 − 0,1 − 0,1 0,05 0,2 4000 − 9000 = 250 , 150 5000 czyli nieujemne zyski w kaŜdym z dwóch scenariuszy. Zwróćmy uwagę na to Ŝe I-y wiersz macierzy R reprezentuje stopy zwrotu w przypadku gdy wygra PiS, zaś II-i wiersz reprezentuje stopy zwrotu w przypadku zwycięstwa PO. Z kolei, I-a kolumna R podaje stopy zwrotu z nieruchomości, II-a kolumna stopy zwrotu z bonów skarbowych, a III-a kolumna z akcji firm naleŜących do indeksu WIG20. ∗ Przykład 2 (do rozwiązania w domu) Biznesman Ababski zainwestował 5 tys.zł w fundusz nieruchomości, 100 tys.zł w bony oraz 10 tys.zł w akcje(czyli łącznie 115 tys.zł). Wiadomo Ŝe stopy zwrotu (holding period returns) z nieruchomości, bonów i akcji dane są w przypadku zwycięstwa PiS przez wektor (1,05; 1,05;1,37), zaś w przypadku zwyciestwa PO przez wektor (0,95; 1,05;1,42). Sąsiad Ababskiego wybrał portfel Z=(10000; -20000; 10000) . Wykonując mnoŜenie odpowiednich macierzy i wektorów, (a) Czy portfel Ababskiego Y = (5000; 100000; 10000) jest bez ryzyka?; (b) Ile będzie wart Y po roku? (c) Jaka stopę zwrotu uzyska Ababski z Y? (d) Na którą partie zagłosuje sąsiad Ababskiego? (e) Czy jego portfel Z jest arbitraŜowy? Odpowiedzi: (a) Y jest bez ryzyka poniewaŜ Y będzie wart tyle samo w obu scenariuszach; (b) Y będzie wart 123950zł; (c) 7,78%; (d) PiS; (d) tak. Własności macierzy: (1) A + B = B + A (przemienność dodawania) (2) A(B + C) = AB + AC (rozdzielność dodawania względem mnoŜenia) 5 (3) (AB)C = A(BC) (łączność mnoŜenia) (4) AB ≠ BA (mnoŜenie nie jest przemienne). Podobnie jak wśród liczb rzeczywistych z działaniem mnoŜenia istnieje dokładnie jeden element neutralny, mianowicie liczba 1 o tej własności Ŝe 1x = x oraz x1 = x, tak i wśród macierzy z działaniem mnoŜenia zdefiniowanym powyŜej istnieje dokładnie jeden element neutralny względem mnoŜenia, mianowicie macierz “jedynkowa” (oznaczana dalej przez J) która ma same jedynki na głównej przekątnej oraz same zera poza tą przekątną. Oznacza to Ŝe (9) 1 0 L 0 0 1 L 0 JA = A oraz AJ = A , gdzie J = L L L L 0 0 L 1 Ponadto, większość macierzy A ma element odwrotny (macierz odwrotną) oznaczaną przez A −1 o tej własności Ŝe (10) A( A −1 ) = J = A −1 (A) . Fakt 1 Gdy C i D są macierzami odwracalnymi (to znaczy istnieją macierze C −1 i D −1 ) to macierz CD jest odwracalna oraz (CD ) −1 = D −1C −1 . (11) UKŁADY RÓWNAŃ LINIOWYCH RozwaŜmy równanie macierzowo – wektorowe Ax =b, czyli (12) a11 a 21 K a m1 a12 a 22 K am2 K a1n x1 b1 L a 2 n x 2 b2 = , K K M M K a mn x n bm które jest niczym innym jak układem m równań liniowych z n niewiadomymi zwykle zapisywanymi w następujacy sposób a11 x1 + a12 x 2 + ... + a1n x n = b1 (13) a 21 x1 + a 22 x 2 + ... + a 2 n x n = b2 M a m1 x1 + a m 2 x 2 + ... + a mn x n = bm 6 Nie jest to układ równań bardzo łatwy do rozwiązania, wręcz przeciwnie. Jednak skrócony ale równowaŜny jednocześnie zapis (12) pozwala go rozwiązać w prostszy sposób, szczególnie prosty wtedy gdy m = n, to znaczy, gdy ilość równań jest taka sama jak ilość niewiadomych. Do tego jednak potrzebne będzie jeszcze jedno pojęcie, mianowicie pojęcie wyznacznika, które przytaczamy poniŜej. Definicja 1 Dla macierzy kwadratowej stopnia k, określamy jej wyznacznik w sposób indukcyjny, to znaczy, przyjmując Ŝe potrafimy juŜ obliczać wyznacznik dowolnej macierzy kwadratowej stopnia k-1. Aby ta metodologia miała sens, musimy wiedzieć jak obliczać wyznacznik najmniejszej macierzy, to jest macierzy stopnia 1, która jest po prostu liczbą. PoniŜsza metoda nazywa się obliczaniem wyznacznika macierzy kwadratowej za pomocą rozwinięcia Laplace’a według dowolnego wiersza albo dowolnej kolumny 1. Jeśli A = [a ] , to jej wyznacznik det(A) = a; 2. Zakładając Ŝe potrafimy obliczać wyznaczniki macierzy kwadratowych stopnia k-1, poniŜszy wzór określa jak obliczyć wyznacznik dowolnej macierzy kwadratowej stopnia k za pomocą rozwinięcia Laplace’a według 1-go wiersza: A11 A 21 det(A) = det K Ak 1 k ∑ (−1) 1+ i A12 A22 K Ak 2 K A1k L A2 n = K K K Akk A1iW1i = ( −1)1+1 A11W11 + ( −1)1+ 2 A12W12 + ... + ( −1)1+ k A1k W 1k , i =1 gdzie Wij = det(B), przy czym B jest podmacierzą A, która powstaje z A po skreśleniu i-ego wiersza oraz j-ej kolumny macierzy A. Przykład 3 1 0 Oblicz det(A) = det 0 1 1 0 0 1 1 0 za pomocą rozwinięcia Laplace’a według 0 1 1 0 0 1 (a) 1-go wiersza, a następnie (b) 4-ej kolumny. 7 Rozwiązanie.(a) det(A) = 1 1 0 0 1 0 (−1) × 1× W11 + (−1) × 1× W12 + 0 + 0 = det 0 1 1 − det 0 1 1 + 0 . 0 0 1 1 0 1 2 3 1 1 0 Aby obliczyć det 0 1 1 postąpimy tak samo jak linijkę wyŜej, stosując rozwi0 0 1 nięcie Laplace’a według pewnego wiersza lub kolumny. W jaki wybrać ten wiersz lub tę kolumnę? Najlepiej będzie obliczyć ten wyznacznik za pomocą rozwinięcia Laplace’a bądź według 1-ej kolumny (gdyŜ w 1-ej kolumnie jest tylko jeden element róŜny od zera) bądź według 3-go wiersza (gdyŜ w 3-im wierszu jest równieŜ tylko jeden element róŜna od zera). Wybierzmy np. tą drugą moŜliwość, otrzymując Ŝe 1 1 0 1 1 = 1× 1 − 0 × 1 = 1 . det 0 1 1 = 0 + 0 + (−1) 3+3 det 0 1 0 0 1 Skorzystaliśmy tu z bardzo prostego i znanego wzoru który mówi Ŝe wyznacznik a c dowolnej macierzy 2 × 2 , czyli macierzy jest równy a × d − b × c . W istocie b d rzeczy, wzór ten otrzymujemy obliczając wyznacznik macierzy 2 × 2 za pomocą rozwinięcia Laplace’a według 1-go wiersza, czyli według wiersza [a c ] . Wykonując to, otrzymujemy a c det = (−1)1+1 × a × W11 + (−1)1+ 2 × c × W12 = a × d − c × b . b d 0 1 0 Aby obliczyć det 0 1 1 , zastosujmy rozwinięcie Laplace’a według 1-go wiersza, 1 0 1 0 1 0 0 1 otrzymując det 0 1 1 = (-1)det = 1 , z czego wynika iŜ det(A) =1- 1 = 0. 1 1 1 0 1 (b) Rozwijając według 4-ej kolumny będziemy mieć 8 1 0 det 0 1 1 0 0 1 1 0 1 1 0 1 1 0 3+ 4 4+ 4 = 0 + 0 + (−1) × 1 × det 0 1 1 + (−1) × 1 × det 0 1 1 0 1 1 1 0 0 0 0 1 0 0 1 Pierwszy z tych dwóch wyznaczników obliczymy stosując rozwinięcia Laplace’a względem 3-go wiersza (gdyŜ w 3-im wierszu jest tylko jedna liczba róŜna od zera), zaś drugi wyznacznik obliczymy stosując rozwinięcia Laplace’a względem 1-ej kolumny. Otrzymujemy zatem 1 1 0 1 0 det 0 1 1 = (−1) 3+1 × 1 × det + 0 + 0 = 1× 1 − 1× 0 = 1 1 1 1 0 0 oraz 1 1 0 1 1 det 0 1 1 = (−1)1+1 × 1 × det + 0 + 0 = 1× 1 − 0 × 1 = 1 . 0 1 0 0 1 Ostatecznie, 1 0 det 0 1 1 0 0 1 1 0 = -1+1= 0 0 1 1 0 0 1 ∗ Własności wyznaczników (1) Wyznacznik macierzy transponowanej AT (wiersze A zostały zamienione na kolumny – równowaŜnie moŜna powiedzieć Ŝe kolumny A zostały zamienione na wiersze) równy jest wyznacznikowi macierzy A, to znaczy, det(A) =det( AT ); (2) JeŜeli w macierzy A przestawimy ze sobą 2 wiersze( lub 2 kolumny), to wartość wyznacznika zmieni się na przeciwną; (3) JeŜeli wszystkie elementy pewnego wiersza (bądź kolumny) macierzy A pomnoŜymy przez stałą c, to wyznacznik tak otrzymanej macierzy Ac będzie c razy większy niŜ wyznacznik A, to znaczy, det( Ac ) = c × det(A); (4) Jeśli macierz B powstanie z macierzy A w ten sposób Ŝe do elementów jakiegokolwiek wiersza (bądź kolumny) macierzy A dodamy elementy innego wiersza (bądź kolumny) pomnoŜone przez stałą c, to det(B) = det(A); (5) Jeśli wszystkie elementy pewnego wiersza (bądź kolumny) macierzy A są równe zero, to det(A) = 0; 9 (6) Jeśli wszystkie elementy pewnego wiersza (bądź kolumny) macierzy A są proporcjonalne do elementów innego wiersza (kolumny), to det(A) = 0. Fakt 2 Jeśli macierz kwadratowa B stopnia m( czyli o m wierszach i m kolumnach) ma wyznacznik róŜny od zera, to równanie macierzowo-wektorowe Bx = b ∈ R m , czyli (14) b11 b12 b 21 b22 K K bm1 bm 2 K b1n x1 b1 L b2 n x 2 b2 = K K M M K bmn x n bm ma zawsze (to znaczy dla dowolnego b) rozwiązanie dane wzorem x = B −1 b . (15) ∗ Przykład 4. RozwaŜmy układ 3 równań z 3 niewiadomymi: 3 1 1,5 x1 2 1 0,5 x = 2 1 1 0 x3 0 0. 10 Na mocy faktu 2, jego rozwiązanie jest postaci x = B −1b . Obliczając przy uŜyciu dostępnej w Excelu funkcji MACIERZ.ODW macierz odwrotną do B, otrzymujemy − 1 3 − 2 B = 1 − 3 3 , a więc 2 − 4 2 −1 x1 − 1 3 − 2 0 x = 1 − 3 3 0 = 2 x3 2 − 4 2 10 − 20 30 , 20 co oznacza iŜ x1 = −20, x 2 = 30, x3 = 20 ; wcześniej upewniamy się za pomocą funkcji WYZNACZNIK.MACIERZY Ŝe det(B) ≠ 0. ∗ Fakt 3 (ciekawa interpretacja mnoŜenia macierzy przez wektor). Jeśli macierz B mnoŜymy przez wektor x (por. (14)), oznacza to Ŝe 1-a kolumna B mnoŜona jest przez x1 , 2-a kolumna B mnoŜona jest przez x 2 , itd. a następnie dodawane są do siebie tak otrzymane kolumny tworząc kolumnę równą b. Stosując tę własność do przykładu 4, będziemy mieć (16) 3 1 1,5 0 -20 2 + 30 1 + 20 0,5 = 0 . 1 1 0 10 10 Rozwiązywalność układu równań liniowych Pozostaje do wyjaśnienia kiedy istnieje jedno (lub więcej) rozwiązanie układu równań liniowych (13) gdzie ilośc niewiadomych jest z reguły inna niŜ ilość równań. Tutaj przychodzi nam w sukurs pojęcie liniowej niezaleŜności wektorów oraz pojęcie rzędu macierzy. Powiemy Ŝe wektor e jest liniowo zaleŜny od wektorów b1 , b2 ,..., bk , jeśli istnieją takie liczby λ1 , λ 2 ,..., λ k Ŝe zachodzi równość e = λ1b1 + λ 2 b2 + ... + λ k bk . Równanie (16) 0 pokazuje nam Ŝe wektor 0 jest liniowo zaleŜny od wektorów 10 3 2 , 1 1 1 , 1 1,5 0,5 . 0 Powiemy Ŝe wektory są niezaleŜne jeśli Ŝaden z nich nie jest zaleŜny od pozostałych. Najbardziej prostym przykładem liniowo niezaleŜnych wektorów jest układ wektorów które mają jedną współrzędną równą 1 zaś pozostałe współrzędne są równe zero, np. (17) 1 0 0 0 0 1 0 0 , , , . 0 0 1 0 0 0 0 1 Zadanie do domu: udowodnij iŜ powyŜsze wektory są liniowo niezaleŜne! a11 a 21 Rząd macierzy A = K a m1 a12 a 22 K am2 K a1n L a 2 n , oznaczany przez rz(A), jest to maksymalK K K a mn na ilość liniowo niezaleŜnych kolumn macierzy A. Fakt 4 (a) rz(A) = maksymalnej ilości liniowo niezaleŜnych wierszy. (b) Macierz kwadratowa stopnia k ma rząd równy k wtedy i tylko wtedy gdy det(A) ≠ 0. 3 1 1,5 0 Przykład 5. Oblicz rząd macierzy C= 2 1 0,5 0 . Po pierwsze, rz(C)< 4 1 1 0 10 poniewaŜ macierz C ma tylko 3 wiersze, zaś na mocy faktu 4(a) rząd kaŜdej macierzy 11 jest równy maksymalnej ilości jej liniowo niezaleŜnych wierszy. Po drugie, oznaczając przez B podmacierz składającą się z 3 pierwszych kolumn C, wnioskujemy na mocy faktu 4(b) iŜ rząd(B)=3 poniewaŜ det(B)=0,5 ≠ 0 . Dowodzi to iŜ rz(C) ≥ 3, co łącznie z nierównością rz(C)<4 pokazuje Ŝe rz(C)=3. ∗ Fakt 5. RozwaŜmy układ m równań liniowych z n niewiadomymi a11 x1 + a12 x 2 + ... + a1n x n = b1 a 21 x1 + a 22 x 2 + ... + a 2 n x n = b2 M a m1 x1 + a m 2 x 2 + ... + a mn x n = bm czyli równanie macierzowo – wektorowe a11 a 21 K a m1 a12 a 22 K am2 K a1n x1 b1 L a 2 n x 2 b2 = , K K M M K a mn x n bm zapisywane skrótowo jako Ax =b. PowyŜszy układ równań liniowych ma co najmniej jedno rozwiązanie wtedy i tylko wtedy gdy rz(A) = rz(A,b) Przykład 6 Powrómy do układu 3 równań z 3 niewiadomymi (18) 3 1 1,5 x1 2 1 0,5 x = 2 1 1 0 x3 0 0 10 rozpatrywanym juŜ w przykładzie 4. Sprawdźmy czy tym razem rz(A)=rz(A,b), gdzie 3 1 1,5 3 1 1,5 0 A = 2 1 0,5 , zaś (A,b) = 2 1 0,5 0 . Jest to dla nas szczególnie łatwe 1 1 0 1 1 0 10 poniewaŜ rozwiązując przykład 5 pokazaliśmy iŜ rz(A,b)=3 oraz rz(A)=3, z czego wynika iŜ równanie macierzowo-wektorowe (18) ma co najmniej jedno rozwiązanie. Zadanie 1, str. 37 (z Podręcznika) Wyprodukowanie x precli kosztuje K(x) = 0,3x+20, przychód ze sprzedaŜy precli dany jest funkcją R(x) = 0,8x. (a) Kiedy zysk będzie równy 0?; (b) Jaki jest zysk (strata) ze sprzedaŜy x precli?; oblicz zysk ze sprzedaŜy 100 precli; (c) Dla jakiego x zysk wyniesie 500? 12 Rozwiązanie. Zysk = przychód ze sprzedaŜy – koszty, czyli Z(x) = K(x) – K(x). Zatem zysk ze sprzedaŜy x precli = 0 ⇔ Z(x) = 0 ⇔ K(x) = R(x), czyli 0,3x+20 = 0,8x ⇔ 20 = 0,5x ⇔ x = 40; (b) Z(x) = R(x) – K(x) = 0,5x -20; Z(100) = 50 – 20 = 30; (c) Z(x) = 500 ⇔ 0,5x – 20 = 500 , czyli x = 1040 precli. ∗ Zadanie 3, str. 37 (z Podręcznika) Kowalski planuje zakup x udziałów (jednostek uczestnictwa w PIONIER) oraz y udziałów (akcji) TP S.A. Dziś jednostka uczestnictwa kosztuje 128zł, zaś akcja TP S.A. 92zł. Dywidendy wynoszą odpowiednio 4,80zł oraz 5,60zł. Jak Kowalski powinien rozdysponowac swym kapitałem w wysokości 40 tys.zł aby uzyskac 2160zł z dywidend? Rozwiązanie. Mamy tu układ 2 równań z dwiema niewiadomymi: 128 x + 92 y = 40 000 4,8 x + 5,6 y = 2160 który moŜna zapisac w postaci macierzowo-wektorowej jako Ax = b, gdzie 128 92 A= , x= 4,8 5,6 x 40000 y , b = 2160 . Na mocy Faktu 2, rozwiązaniem jest (por. wzór (15)) 0,020349 − 0,3343 40000 91,86 x −1 y = A b = − 0,01744 0,465116 2160 = 306,98 . Aby uzyskac 2160zł dywidendy, Kowalski powinien kupic 91,86 jednostek uczestnictwa PIONIER’a oraz 307 akcji TP S.A. ∗ Zadanie 4, str.37(z Podręcznika) Indianie Waputi wyrabiają koce, dywany i spódnice. KaŜdy koc wymaga 24 godz. przędzenia wełny, 4 godz. farbowania, 15 godz. plecenia. KaŜdy dywan wymaga 30 godz. przędzenia, 5 godz. farbowania oraz 18 godz. plecenia. KaŜda spódnica wymaga 12 godz. przędzenia, 3 godz. farbowania oraz 9 godz. plecenia. Ile kocy (x), dywanów (y) i spódnic (z) wyprodukuja Indianie jeśli poświecą na przędzenie 306 godz., na farbowanie 59 godz. zaś na plecenie 201 godz. ? Rozwiazanie. Otrzymujemy następujący układ równań liniowych ze względu na 3 niewiadome: 13 24x + 30y + 12z = 306 (czas przeznaczony na przędzenie) 4x + 5y + 3z = 59 (czas przeznaczony na farbowanie) 15x + 18y + 9z = 201 (czas przeznaczony na plecenie) W tym przykładzie, 24 30 12 306 − 0,5 − 3 5 / 3 2 − 4 / 3 , A = 4 5 3 , b = 59 , A −1 = 0,5 15 18 9 201 − 1 / 6 1 0 x 306 5 y = A −1 59 = 3 . z 201 1 Indianie wyprodukują 5 kocy, 3 dywany i 1 spódnicę. ∗ Zadanie 2, str.16(z Podręcznika) Restauracja przygotowuje 3 rodzaje surówek: włoskie, francuskie i orientalne. Surówka włoska składa się z 0,3kg cukinii, 0,3kg brokuł oraz 0,4kg marchwi. Surówka francuska składa sie z 0,6kg brokuł oraz 0,4kg marchwi, natomiast surówka orientalna składa sie z 0,2kg cukinii, 0,5kg brokuł, 0,3kg marchwi. Restauracja posiada w magazynie 16200kg cukinii, 41400kg brokułów i 29400kg marchwi. Ile zestawów surówek włoskich, francuskich I orientalnych jest w stanie przygotować aby zuŜyć dokładnie wszystkie zapasy w magazynie? Rozwiązanie. Niech x = # zestawów włoskich; y = # zestawów francuskich; z = # zestawów orientalnych. Zdefiniujmy macierz A w następujący sposób: 0,3 0 0,2 A = 0,3 0,6 0,5 . 0,4 0,4 0,3 x MnoŜąc 1-y wiersz A przez y otrzymujemy ile cukinii znajduje sie we wszystkich z x zestawach surówek. MnoŜąc 2-i wiersz A przez y otrzymujemy ile brokułów z znajduje sie we wszystkich zestawach surówek. Podobnie, mnoŜąc 3-i wiersz A przez 14 x y otrzymujemy ile marchwi znajduje się we wszystkich zestawach surówek. z Otrzymujemy więc równanie macierzowo-wektorowe (19) 0,3 0 0,2 x 16200 0,3 0,6 0,5 y = 41400 , 0,4 0,4 0,3 z 29400 które rozwiązujemy w taki sam sposób jak powyŜej, tzn. x 0,3 0 0,2 y = 0,3 0,6 0,5 z 0,4 0,4 0,3 −1 16200 2 / 3 − 8 / 3 4 41400 = − 11 / 3 − 1 / 3 3 29400 4 4 − 6 16200 18000 41400 = 15000 29400 54000