제9장
최적화분석
제9장
최적화분석
l 최적화분석 l 최적화분석
u 개요 (introduction) u 개요 (introduction)
è
목적균형(goal equilibrium)어떤 경제단위(가계, 기업 또는 경제 전체)의 관점에서 최적상태를 정의하고, 균형을 달성하기 위해 의도적으로 노력하는 것
è
비목적균형(non-goal equilibrium)어떤 대립되는 힘들이 상호작용하여 균형상태를 실현함. 즉, 특정 목적을 달성하기 위하여 일부 개인들의 의식적 노력의 결과가 아닌 것(예 : 시장모형에서 수요와 공급)
è
목적균형(goal equilibrium)어떤 경제단위(가계, 기업 또는 경제 전체)의 관점에서 최적상태를 정의하고, 균형을 달성하기 위해 의도적으로 노력하는 것
è
비목적균형(non-goal equilibrium)어떤 대립되는 힘들이 상호작용하여 균형상태를 실현함. 즉, 특정 목적을 달성하기 위하여 일부 개인들의 의식적 노력의 결과가 아닌 것(예 : 시장모형에서 수요와 공급)
l 최적화분석 l 최적화분석
u 최적값과 극값 u 최적값과 극값
è
최적값과 극값(optimum and extreme values) - 경제학은 선택의 학문(science of choice)임.특정 기준을 바탕으로 많은 대안적 방법(생산수준 및 생산요소의 결정 등) 중에서 최선의 대안을 선택
®
최적화의 문제 (problem of optimization)
- 경제학에서 보편적인 선택기준은 극대화(maximizing) 하는 목적이나 극소화(minimizing)하는 목적임.
maximizing something, such as profit, utilities etc.
minimizing something, such as cost etc.
è
최적값과 극값(optimum and extreme values) - 경제학은 선택의 학문(science of choice)임.특정 기준을 바탕으로 많은 대안적 방법(생산수준 및 생산요소의 결정 등) 중에서 최선의 대안을 선택
®
최적화의 문제 (problem of optimization)
- 경제학에서 보편적인 선택기준은 극대화(maximizing) 하는 목적이나 극소화(minimizing)하는 목적임.
maximizing something, such as profit, utilities etc.
minimizing something, such as cost etc.
l 최적화분석 l 최적화분석
u 최적값과 극값 u 최적값과 극값
è
최적값과 극값(optimum and extreme values)-
경제학에서는 극대화와 극소화의 문제를 일반적으로 최적화의 문제라고 함
.- 최적화의 문제(problem of optimization)
주어진 여건하에서 원하는 것을 극대화 또는 원하지 않는 것을 극소화하는 것으로 경제주체가 주어진
여건하에서 목적의 극대화 또는 극소화를 달성하는데 여러 가지 대안 중 최선의 대안을 찾는 것이 최적화 문제의 본질임.
è
최적값과 극값(optimum and extreme values)-
경제학에서는 극대화와 극소화의 문제를 일반적으로 최적화의 문제라고 함
.- 최적화의 문제(problem of optimization)
주어진 여건하에서 원하는 것을 극대화 또는 원하지 않는 것을 극소화하는 것으로 경제주체가 주어진
여건하에서 목적의 극대화 또는 극소화를 달성하는데 여러 가지 대안 중 최선의 대안을 찾는 것이 최적화 문제의 본질임.
l 최적화분석 l 최적화분석
u 최적값과 극값 u 최적값과 극값
è
최적화모형의 설정- 최적화문제를 구성함에 있어서 우선, 목적함수(objective function)를 설정해야 함.
목적함수란 바람직한 극대값 또는 극소값을 가져오는 선택변수(choice variable)를 설정하는 것임.
• 종속변수(dependent variable)=목적 : 극대화 또는 극소화의 대상
• 독립변수(independent variable)=선택변수 : 최적화 대상의 크기를 선택할 수 있는 대상
è
최적화모형의 설정- 최적화문제를 구성함에 있어서 우선, 목적함수(objective function)를 설정해야 함.
목적함수란 바람직한 극대값 또는 극소값을 가져오는 선택변수(choice variable)를 설정하는 것임.
• 종속변수(dependent variable)=목적 : 극대화 또는 극소화의 대상
• 독립변수(independent variable)=선택변수 : 최적화 대상의 크기를 선택할 수 있는 대상
l 최적화분석 l 최적화분석
u 최적값과 극값 u 최적값과 극값
è
최적화모형의 설정- 예 : 어떤 기업이 생산기술과 시장수요가 주어졌을 때 이윤극대화 산출량수준의 선택
p(Q)=TR(Q)-TC(Q) : 목적함수
여기서 p는 종속변수로 극대화 대상이며, Q는 이 함수의 (유일한) 선택변수(그 자체가 극대값 또는 극소값일 필요는 없음)임.
- 따라서 최적화문제는 위의 예에서와 같이 이윤(p)을 극대화하는 산출량(Q)의 수준을 선택하는 것임.
è
최적화모형의 설정- 예 : 어떤 기업이 생산기술과 시장수요가 주어졌을 때 이윤극대화 산출량수준의 선택
p(Q)=TR(Q)-TC(Q) : 목적함수
여기서 p는 종속변수로 극대화 대상이며, Q는 이 함수의 (유일한) 선택변수(그 자체가 극대값 또는 극소값일 필요는 없음)임.
- 따라서 최적화문제는 위의 예에서와 같이 이윤(p)을 극대화하는 산출량(Q)의 수준을 선택하는 것임.
l 최적화분석 l 최적화분석
u 상대적 극대 및 극소 : 1계도함수 검증법 u 상대적 극대 및 극소 : 1계도함수 검증법
è
상대적 극값 및 절대적 극값(relative and absolute extreme) - 목적함수 y=f(x)가 일반함수 형태로 표시- 상대적 극값 : 극대, 극소(국지적 극값; local extreme) - 절대적 극값 : 최대, 최소(전역적 극값; global extreme)
è
상대적 극값 및 절대적 극값(relative and absolute extreme)- 목적함수 y=f(x)가 일반함수 형태로 표시
- 상대적 극값 : 극대, 극소(국지적 극값; local extreme) - 절대적 극값 : 최대, 최소(전역적 극값; global extreme)
l 최적화분석 l 최적화분석
u 상대적 극대 및 극소 : 1계도함수 검증법 u 상대적 극대 및 극소 : 1계도함수 검증법
è
상대적 극값 및 절대적 극값(relative and absolute extreme) - [그림 9.1](a)와 같이 상수함수이면 y를 극대화 또는극소화하기 위한 x값을 선택한다는 것은 의미없음.
- [그림 9.1](b)의 함수는 강증가함수임. 만약 이 함수의 정의역이 비음실수집합이라면(x³0) 유일한 극대값은 존재하지 않음. 그러나 D점(y축 절편)은 함수의 치역 에서 절대적(=전역적) 극소임.
- [그림 9.1](c)의 E점과 F점은 상대적(=국지적) 극점임.
상대적 극점이란 그 점의 근방에서 극값을 의미함.
è
상대적 극값 및 절대적 극값(relative and absolute extreme)- [그림 9.1](a)와 같이 상수함수이면 y를 극대화 또는 극소화하기 위한 x값을 선택한다는 것은 의미없음.
- [그림 9.1](b)의 함수는 강증가함수임. 만약 이 함수의 정의역이 비음실수집합이라면(x³0) 유일한 극대값은 존재하지 않음. 그러나 D점(y축 절편)은 함수의 치역 에서 절대적(=전역적) 극소임.
- [그림 9.1](c)의 E점과 F점은 상대적(=국지적) 극점임.
상대적 극점이란 그 점의 근방에서 극값을 의미함.
l 최적화분석 l 최적화분석
u 상대적 극대 및 극소 : 1계도함수 검증법 u 상대적 극대 및 극소 : 1계도함수 검증법
è
1계도함수 검증법(first or first-order derivative test)- 이제부터 어떤 함수의 도함수를 그 함수의 1계도함수 라고 함. 왜냐하면 함수 y=f(x)가 주어지면 1계도함수 f¢(x)는 그 함수의 극값을 탐색하는데 중요한 역할을 함.
- 이것은 함수의 상대적 극값이 x=x0에서 이루어진다면
⑴
f¢(x)가 존재하지 않거나
또는 ⑵ f¢(x0)=0이 됨.즉, 이는
뾰족점에서는 극값이 존재하지만 도함수는 정의되지 않음
. 함수가 연속이고 곡선이 매끄러우면 상대적 극값은 1계도함수의 값이 0인 곳에서 발생함.è
1계도함수 검증법(first or first-order derivative test)- 이제부터 어떤 함수의 도함수를 그 함수의 1계도함수 라고 함. 왜냐하면 함수 y=f(x)가 주어지면 1계도함수 f¢(x)는 그 함수의 극값을 탐색하는데 중요한 역할을 함.
- 이것은 함수의 상대적 극값이 x=x0에서 이루어진다면
⑴
f¢(x)가 존재하지 않거나
또는 ⑵ f¢(x0)=0이 됨.즉, 이는
뾰족점에서는 극값이 존재하지만 도함수는
정의되지 않음
. 함수가 연속이고 곡선이 매끄러우면 상대적 극값은 1계도함수의 값이 0인 곳에서 발생함.l 최적화분석 l 최적화분석
u 상대적 극대 및 극소 : 1계도함수 검증법 u 상대적 극대 및 극소 : 1계도함수 검증법
è
1계도함수 검증법(first or first-order derivative test)- [그림 9.2](a)에서 점 A와 점 B는 y의 상대적 극값임.
그러나 도함수는 정의되지 않음[뾰족점(꼭지점)].
è
1계도함수 검증법(first or first-order derivative test)- [그림 9.2](a)에서 점 A와 점 B는 y의 상대적 극값임.
그러나 도함수는 정의되지 않음[뾰족점(꼭지점)].
l 최적화분석 l 최적화분석
u 상대적 극대 및 극소 : 1계도함수 검증법 u 상대적 극대 및 극소 : 1계도함수 검증법
è
1계도함수 검증법(first or first-order derivative test)- [그림 9.2](b)에서 점 C와 점 D는 모두 극값을 나타냄.
각 극점에서 곡선의 기울기는 0, 즉 f¢(x1)=0, f¢(x2)=0 - 또한 이것은 그 기울기가 0이 아닐 때 상대적 극소와
상대적 극대는 가질 수 없음을 의미함.
- 이 때문에 연속적이고 매끄러운 함수의 경우 f¢(x)=0은 상대적 극점(극대 또는 극소)을 갖기 위한 필요조건 (전제조건)이 됨.
è
1계도함수 검증법(first or first-order derivative test)- [그림 9.2](b)에서 점 C와 점 D는 모두 극값을 나타냄.
각 극점에서 곡선의 기울기는 0, 즉 f¢(x1)=0, f¢(x2)=0 - 또한 이것은 그 기울기가 0이 아닐 때 상대적 극소와
상대적 극대는 가질 수 없음을 의미함.
- 이 때문에 연속적이고 매끄러운 함수의 경우 f¢(x)=0은 상대적 극점(극대 또는 극소)을 갖기 위한 필요조건 (전제조건)이 됨.
l 최적화분석 l 최적화분석
u 상대적 극대 및 극소 : 1계도함수 검증법 u 상대적 극대 및 극소 : 1계도함수 검증법
è
1계도함수 검증법(first or first-order derivative test) [상대적 극값에 대한 1계도함수 검증법]만약 x=x0에서 함수 f(x)의 1계도함수 f¢(x)=0이면 x=x0에서 함수값 f(x0)는
⑴ 만약 x의 값이 점 x0의 바로 왼쪽에서 바로 오른쪽 으로 통과할 때 도함수 f¢(x)의 부호가 양(+)에서 음(-)으로 변하면 상대적 극대임.
è
1계도함수 검증법(first or first-order derivative test) [상대적 극값에 대한 1계도함수 검증법]만약 x=x0에서 함수 f(x)의 1계도함수 f¢(x)=0이면 x=x0에서 함수값 f(x0)는
⑴ 만약 x의 값이 점 x0의 바로 왼쪽에서 바로 오른쪽 으로 통과할 때 도함수 f¢(x)의 부호가 양(+)에서 음(-)으로 변하면 상대적 극대임.
l 최적화분석 l 최적화분석
u 상대적 극대 및 극소 : 1계도함수 검증법 u 상대적 극대 및 극소 : 1계도함수 검증법
è
1계도함수 검증법(first or first-order derivative test) [상대적 극값에 대한 1계도함수 검증법]⑵ 만약 x의 값이 점 x0의 바로 오른쪽에서 바로 왼쪽 으로 통과할 때 도함수 f¢(x)의 부호가 음(-)에서
양(+)으로 변하면 상대적 극소임.
⑶ 만약 x값이 점 x0의 바로 왼쪽과 바로 오른쪽에서 도함수 f¢(x)의 부호가 같다면 상대적 극대도 상대적 극소도 아님(변곡점).
è
1계도함수 검증법(first or first-order derivative test) [상대적 극값에 대한 1계도함수 검증법]⑵ 만약 x의 값이 점 x0의 바로 오른쪽에서 바로 왼쪽 으로 통과할 때 도함수 f¢(x)의 부호가 음(-)에서
양(+)으로 변하면 상대적 극소임.
⑶ 만약 x값이 점 x0의 바로 왼쪽과 바로 오른쪽에서 도함수 f¢(x)의 부호가 같다면 상대적 극대도 상대적 극소도 아님(변곡점).
l 최적화분석 l 최적화분석
u 상대적 극대 및 극소 : 1계도함수 검증법 u 상대적 극대 및 극소 : 1계도함수 검증법
è
1계도함수 검증법(first or first-order derivative test) - 따라서 다음 graph의 J점은 극대도 극소도 아님.이러한 점을 변곡점(inflection point)이라 함.
- 변곡점의 특징은 그 점에서(원시함수가 아니라) 도함수가 극값(극대 또는 극소)에 도달함.
- 이상을 정리하면 함수 y=f(x)가 연속미분가능할 때 최적화의 1계도함수 검증법에 의하면 f¢(x)=0는 상대적 극값의 필요조건이 됨. 즉, 상대적 극값은 반드시 정지값 이지만 정지값은 상대적 극값이 아닐 수 있음(변곡점).
è
1계도함수 검증법(first or first-order derivative test) - 따라서 다음 graph의 J점은 극대도 극소도 아님.이러한 점을 변곡점(inflection point)이라 함.
- 변곡점의 특징은 그 점에서(원시함수가 아니라) 도함수가 극값(극대 또는 극소)에 도달함.
- 이상을 정리하면 함수 y=f(x)가 연속미분가능할 때 최적화의 1계도함수 검증법에 의하면 f¢(x)=0는 상대적 극값의 필요조건이 됨. 즉, 상대적 극값은 반드시 정지값 이지만 정지값은 상대적 극값이 아닐 수 있음(변곡점).
l 최적화분석 l 최적화분석
u 상대적 극대 및 극소 : 1계도함수 검증법 u 상대적 극대 및 극소 : 1계도함수 검증법
è
1계도함수 검증법(first or first-order derivative test)è
1계도함수 검증법(first or first-order derivative test)l 최적화분석 l 최적화분석
u 상대적 극대 및 극소 : 1계도함수 검증법 u 상대적 극대 및 극소 : 1계도함수 검증법
è
1계도함수 검증법(first or first-order derivative test) 예 1 : 함수 y=f(x)=x3-12x2+36x+8의 상대적 극값은?- 우선, 이 함수의 도함수를 구하면 f¢(x)=3x2-24x+36 - 임계값을 구하기 위하여 이 도함수를 0으로 놓으면
3x2-24x+36=0 [¬ f¢(x)=0] : 3(x-6)(x-2)=0
- 위 다항식을 인수분해 또는 근의 공식을 적용하면
x1*=6 [이 점에서 f¢(6)=0이고, f(6)=8 : 상대적 극소]
x2*=2 [이 점에서 f¢(2)=0이고, f(2)=40 : 상대적 극대]
- 따라서 f¢(6)=f¢(2)=0이므로 이 2개의 x값이 임계값임.
è
1계도함수 검증법(first or first-order derivative test) 예 1 : 함수 y=f(x)=x3-12x2+36x+8의 상대적 극값은?- 우선, 이 함수의 도함수를 구하면 f¢(x)=3x2-24x+36 - 임계값을 구하기 위하여 이 도함수를 0으로 놓으면
3x2-24x+36=0 [¬ f¢(x)=0] : 3(x-6)(x-2)=0
- 위 다항식을 인수분해 또는 근의 공식을 적용하면
x1*=6 [이 점에서 f¢(6)=0이고, f(6)=8 : 상대적 극소]
x2*=2 [이 점에서 f¢(2)=0이고, f(2)=40 : 상대적 극대]
- 따라서 f¢(6)=f¢(2)=0이므로 이 2개의 x값이 임계값임.
l 최적화분석 l 최적화분석
u 상대적 극대 및 극소 : 1계도함수 검증법 u 상대적 극대 및 극소 : 1계도함수 검증법
è
1계도함수 검증법(first or first-order derivative test) 함수 y=f(x)=x3-12x2+36x+8의 graphè
1계도함수 검증법(first or first-order derivative test) 함수 y=f(x)=x3-12x2+36x+8의 graphl 최적화분석 l 최적화분석
u 상대적 극대 및 극소 : 1계도함수 검증법 u 상대적 극대 및 극소 : 1계도함수 검증법
è
1계도함수 검증법(first or first-order derivative test) - 앞의 함수를 [그림 9.4]를 통해 살펴보면 x=6 근방에서x<6일 때 f¢(x)<0이고, x>6일 때 f¢(x)>0임.
따라서 그 점에 대응하는 함수값 f(6)=8은 상대적 극소값임.
- 그리고 x=2 근방에서 x<2일 때 f¢(x)>0이고, x>2일 때 f¢(x)<0임.
따라서 그 점에 대응하는 함수값 f(2)=40은 상대적 극대값임.
è
1계도함수 검증법(first or first-order derivative test) - 앞의 함수를 [그림 9.4]를 통해 살펴보면 x=6 근방에서x<6일 때 f¢(x)<0이고, x>6일 때 f¢(x)>0임.
따라서 그 점에 대응하는 함수값 f(6)=8은 상대적 극소값임.
- 그리고 x=2 근방에서 x<2일 때 f¢(x)>0이고, x>2일 때 f¢(x)<0임.
따라서 그 점에 대응하는 함수값 f(2)=40은 상대적 극대값임.
l 최적화분석 l 최적화분석
u 상대적 극대 및 극소 : 1계도함수 검증법 u 상대적 극대 및 극소 : 1계도함수 검증법
è
1계도함수 검증법(first or first-order derivative test)예 2 : 평균비용함수 AC=f(Q)=Q2-5Q+8의 상대적 극값?
- 우선, 이 함수의 도함수를 구하면 f¢(Q)=2Q-5 - 임계값을 구하기 위하여 f¢(Q)=0으로 놓으면
2Q-5=0 [¬ f¢(Q)=0], Q*=2.5 (유일한 임계값)
- 1계도함수 검증법을 이용하기 위하여, 예를 들어 Q=
2.4 및 2.6을 대입하면 f¢(2.4)=-0.2(<0)이고 f¢(2.6)=
0.2(>0)임. 따라서 정지값 f(2.5)=1.75는 상대적 극소 - U자형 곡선이므로 상대적 극소는 절대적 극소도 됨.
è
1계도함수 검증법(first or first-order derivative test)예 2 : 평균비용함수 AC=f(Q)=Q2-5Q+8의 상대적 극값?
- 우선, 이 함수의 도함수를 구하면 f¢(Q)=2Q-5 - 임계값을 구하기 위하여 f¢(Q)=0으로 놓으면
2Q-5=0 [¬ f¢(Q)=0], Q*=2.5 (유일한 임계값)
- 1계도함수 검증법을 이용하기 위하여, 예를 들어 Q=
2.4 및 2.6을 대입하면 f¢(2.4)=-0.2(<0)이고 f¢(2.6)=
0.2(>0)임. 따라서 정지값 f(2.5)=1.75는 상대적 극소 - U자형 곡선이므로 상대적 극소는 절대적 극소도 됨.
l 최적화분석 l 최적화분석
u 2계도함수와 고계도함수 u 2계도함수와 고계도함수
è
도함수의 도함수(derivative of derivative)1계도함수 f¢(x)를 미분한 결과를 함수 f의 2계도함수 (second or second derivative)라고 함.
- f²(x) : 여기서 2중 프라임기호는 f(x)가 x에 대하여 두 번 미분한 것을 의미함. 또한 2중 프라임기호 뒤 (x)는 2계도함수가 다시 x의 함수임을 나타냄.
- : 이 표기법은 2계도함수가 사실상 를 의미한다는 것에서 유래.
따라서 기호의 분자에 d2, 분모에 dx2이 나타남.
è
도함수의 도함수(derivative of derivative)1계도함수 f¢(x)를 미분한 결과를 함수 f의 2계도함수 (second or second derivative)라고 함.
- f²(x) : 여기서 2중 프라임기호는 f(x)가 x에 대하여 두 번 미분한 것을 의미함. 또한 2중 프라임기호 뒤 (x)는 2계도함수가 다시 x의 함수임을 나타냄.
- : 이 표기법은 2계도함수가 사실상 를 의미한다는 것에서 유래.
따라서 기호의 분자에 d2, 분모에 dx2이 나타남. d2y
dx2
dy dx d
dx
l 최적화분석 l 최적화분석
u 2계도함수와 고계도함수 u 2계도함수와 고계도함수
è
도함수의 도함수(derivative of derivative)미분가능성의 조건만 충족된다면 2계도함수 또한 x의 함수이므로 이것을 x에 대하여 미분할 수 있으며,
그 결과로 3계도함수도 얻을 수 있음. 이러한 과정을 통하여 3계도함수로부터 4계도함수가 얻어지고,
다시 이러한 과정이 계속될 수 있음(®고계도함수).
f²¢(x), f(4)(x), L, f(n)(x) [상첨자를 ( )로 묶음]
또는 , , L,
è
도함수의 도함수(derivative of derivative)미분가능성의 조건만 충족된다면 2계도함수 또한 x의 함수이므로 이것을 x에 대하여 미분할 수 있으며,
그 결과로 3계도함수도 얻을 수 있음. 이러한 과정을 통하여 3계도함수로부터 4계도함수가 얻어지고,
다시 이러한 과정이 계속될 수 있음(®고계도함수).
f²¢(x), f(4)(x), L, f(n)(x) [상첨자를 ( )로 묶음]
또는 d3y , , L, dx3
d4y dx4
dny dxn
l 최적화분석 l 최적화분석
u 2계도함수와 고계도함수 u 2계도함수와 고계도함수
è
도함수의 도함수(derivative of derivative)예 1 : 다음 함수의 1계에서 5계까지의 도함수?
y=f(x)=4x4-x3+17x2+3x-1 - 각 계도함수는 다음과 같음.
f¢(x)=16x3-3x2+34x+3 f²(x)=48x2-6x+34
f²¢(x)=96x-6 f(4)(x)=96 f(5)(x)=0
è
도함수의 도함수(derivative of derivative)예 1 : 다음 함수의 1계에서 5계까지의 도함수?
y=f(x)=4x4-x3+17x2+3x-1 - 각 계도함수는 다음과 같음.
f¢(x)=16x3-3x2+34x+3 f²(x)=48x2-6x+34
f²¢(x)=96x-6 f(4)(x)=96 f(5)(x)=0
l 최적화분석 l 최적화분석
u 2계도함수와 고계도함수 u 2계도함수와 고계도함수
è
도함수의 도함수(derivative of derivative)- 앞의 예에서 각각의 도함수는 바로 전의 도함수보다 한 차수 낮은 다항함수가 됨.
- 또한 상수의 도함수가 되는 5계도함수는 모든 x값에 대하여 0이 됨.
- 여기서 두 가지 유의할 점은 다음과 같음.
⑴ 식 f(5)(x)=0와 f(5)(x0)=0[x0일 때만 0]는 다름.
⑵ f(5)(x)=0는 5계도함수가 존재하지 않는다는 의미가 아니라 그것은 실제로 존재하며 그 값은 0을 의미
è
도함수의 도함수(derivative of derivative)- 앞의 예에서 각각의 도함수는 바로 전의 도함수보다 한 차수 낮은 다항함수가 됨.
- 또한 상수의 도함수가 되는 5계도함수는 모든 x값에 대하여 0이 됨.
- 여기서 두 가지 유의할 점은 다음과 같음.
⑴ 식 f(5)(x)=0와 f(5)(x0)=0[x0일 때만 0]는 다름.
⑵ f(5)(x)=0는 5계도함수가 존재하지 않는다는 의미가 아니라 그것은 실제로 존재하며 그 값은 0을 의미
l 최적화분석 l 최적화분석
u 2계도함수와 고계도함수 u 2계도함수와 고계도함수
è
도함수의 도함수(derivative of derivative)예 2 : 다음 유리함수의 1계에서 4계까지의 도함수?
y=g(x)=x/(1+x) (여기서 x¹-1)
- 이 도함수들은 몫의 미분법칙을 사용하거나 또는 함수형태를 x(1+x)-1로 바꾼 후 곱의 미분법칙을 적용
g¢(x)=(1+x)-2 (여기서 x¹-1) g²(x)=-2(1+x)-3 (여기서 x¹-1) g²¢(x)=6(1+x)-4 (여기서 x¹-1) g(4)(x)=-24(1+x)-5 (여기서 x¹-1)
è
도함수의 도함수(derivative of derivative)예 2 : 다음 유리함수의 1계에서 4계까지의 도함수?
y=g(x)=x/(1+x) (여기서 x¹-1)
- 이 도함수들은 몫의 미분법칙을 사용하거나 또는 함수형태를 x(1+x)-1로 바꾼 후 곱의 미분법칙을 적용
g¢(x)=(1+x)-2 (여기서 x¹-1) g²(x)=-2(1+x)-3 (여기서 x¹-1) g²¢(x)=6(1+x)-4 (여기서 x¹-1) g(4)(x)=-24(1+x)-5 (여기서 x¹-1)
l 최적화분석 l 최적화분석
u 2계도함수와 고계도함수 u 2계도함수와 고계도함수
è
도함수의 도함수(derivative of derivative)- 앞의 원시함수 g(x)와 마찬가지로 모든 도함수들도 그 자체가 x의 함수임.
- 그러나 x의 값이 특정하게 주어지면 이 도함수들은 특정한 값을 가짐.
- 예를 들어 앞의 유리함수의 경우 x=2일 때 2계도함수 값을 계산하면 g²(2)=-2(3)-3=-2/27가 됨.
- 따라서 각 계도함수값을 구하려면, 우선 각 계도함수를 구하고 난 후 그 다음에 특정한 값을 대입해야 함.
è
도함수의 도함수(derivative of derivative)- 앞의 원시함수 g(x)와 마찬가지로 모든 도함수들도 그 자체가 x의 함수임.
- 그러나 x의 값이 특정하게 주어지면 이 도함수들은 특정한 값을 가짐.
- 예를 들어 앞의 유리함수의 경우 x=2일 때 2계도함수 값을 계산하면 g²(2)=-2(3)-3=-2/27가 됨.
- 따라서 각 계도함수값을 구하려면, 우선 각 계도함수를 구하고 난 후 그 다음에 특정한 값을 대입해야 함.
l 최적화분석 l 최적화분석
u 2계도함수와 고계도함수 u 2계도함수와 고계도함수
è
2계도함수의 의미해석-
도함수 f¢(x)는 함수 f(x)의 변화율의 크기
를 나타냄. 따라서 2계도함수 f²은 1계도함수 f¢의 변화율의 척도임.즉, 2계도함수는 원시함수 f의 변화율의 변화율을 의미 - 독립변수 x가 x=x0에서 미세하게 증가하는 경우
1계도함수 f¢(x0)>0는 함수값이 증가함을 의미 1계도함수 f¢(x0)<0는 함수값이 감소함을 의미
- 반면, 2계도함수 f²(x0)>0는 곡선의 기울기가 증가함을, 2계도함수 f²(x0)<0는 곡선의 기울기가 감소함을 의미
è
2계도함수의 의미해석-
도함수 f¢(x)는 함수 f(x)의 변화율의 크기
를 나타냄. 따라서 2계도함수 f²은 1계도함수 f¢의 변화율의 척도임.즉, 2계도함수는 원시함수 f의 변화율의 변화율을 의미 - 독립변수 x가 x=x0에서 미세하게 증가하는 경우
1계도함수 f¢(x0)>0는 함수값이 증가함을 의미 1계도함수 f¢(x0)<0는 함수값이 감소함을 의미
- 반면, 2계도함수 f²(x0)>0는 곡선의 기울기가 증가함을, 2계도함수 f²(x0)<0는 곡선의 기울기가 감소함을 의미
l 최적화분석 l 최적화분석
u 2계도함수와 고계도함수 u 2계도함수와 고계도함수
è
2계도함수의 의미해석1계도함수와 2계도함수에 의한 판정법
è
2계도함수의 의미해석1계도함수와 2계도함수에 의한 판정법
1계도함수
f¢(x0)>0 함수값이 증가 : 기울기값 + (우상향) f¢(x0)<0 함수값이 감소 : 기울기값 - (우하향)
2계도함수
f²(x0)>0 곡선의 기울기가 (점점) 증가 f²(x0)<0 곡선의 기울기가 (점점) 감소
l 최적화분석 l 최적화분석
u 2계도함수와 고계도함수 u 2계도함수와 고계도함수
è
2계도함수의 의미해석- x=x0에서 1계도함수가 양(+)이고, 동시에 2계도함수도 양(+)이면 그 점에서 곡선의 기울기는 양(우상향)이고, 또한 점점 증가하고 있음(가파라짐)을 의미함.
(f¢(x0)>0, f²(x0)>0)
- 마찬가지로 1계도함수가 양(+)이고, 2계도함수가 음(-)이면 곡선의 기울기는 양(우상향)이지만 점점 감소하고 있음(완만해짐)을 의미함.
(f¢(x0)>0, f²(x0)<0)
è
2계도함수의 의미해석- x=x0에서 1계도함수가 양(+)이고, 동시에 2계도함수도 양(+)이면 그 점에서 곡선의 기울기는 양(우상향)이고, 또한 점점 증가하고 있음(가파라짐)을 의미함.
(f¢(x0)>0, f²(x0)>0)
- 마찬가지로 1계도함수가 양(+)이고, 2계도함수가 음(-)이면 곡선의 기울기는 양(우상향)이지만 점점 감소하고 있음(완만해짐)을 의미함.
(f¢(x0)>0, f²(x0)<0)
l 최적화분석 l 최적화분석
u 2계도함수와 고계도함수 u 2계도함수와 고계도함수
è
2계도함수의 의미해석- 이에 반해 x=x0에서 1계도함수가 음(-)이고, 2계도함수가 양(+)이면 그 점에서 곡선의 기울기는 음(우하향)이고, 또한 점점 증가하고 있음(완만해짐)을 의미함.
(f¢(x0)<0, f²(x0)>0)
- 1계도함수가 음(-)이고, 동시에 2계도함수도 음(-)이면 곡선의 기울기는 음(우하향)이면서 점점 감소하고 있음(가파라짐)을 의미함.
(f¢(x0)<0, f²(x0)<0)
è
2계도함수의 의미해석- 이에 반해 x=x0에서 1계도함수가 음(-)이고, 2계도함수가 양(+)이면 그 점에서 곡선의 기울기는 음(우하향)이고, 또한 점점 증가하고 있음(완만해짐)을 의미함.
(f¢(x0)<0, f²(x0)>0)
- 1계도함수가 음(-)이고, 동시에 2계도함수도 음(-)이면 곡선의 기울기는 음(우하향)이면서 점점 감소하고 있음(가파라짐)을 의미함.
(f¢(x0)<0, f²(x0)<0)
l 최적화분석 l 최적화분석
u 2계도함수와 고계도함수 u 2계도함수와 고계도함수
è
2계도함수의 의미해석è
(a) 강오목(strictly concave), (b) 강볼록(strictly convex) - 강오목(강볼록)곡선상의 임의 두 점을 연결한 직선은그 곡선의 아래쪽(위쪽)에 위치함(직선상의 두 점 제외).
è
2계도함수의 의미해석è
(a) 강오목(strictly concave), (b) 강볼록(strictly convex) - 강오목(강볼록)곡선상의 임의 두 점을 연결한 직선은그 곡선의 아래쪽(위쪽)에 위치함(직선상의 두 점 제외).
l 최적화분석 l 최적화분석
u 2계도함수와 고계도함수 u 2계도함수와 고계도함수
è
2계도함수의 의미해석[그림 9.5]에서 포물선상의 1계 및 2계도함수의 부호
è
2계도함수의 의미해석[그림 9.5]에서 포물선상의 1계 및 2계도함수의 부호
x의 위치 1계도함수 및 2계도함수의 부호 포물선상의 점
x=x1 f¢(x1)>0 f²(x1)<0 점 A x=x2 f¢(x2)=0 f²(x2)<0 점 B x=x3 f¢(x3)<0 f²(x3)<0 점 C x=x4 f¢(x4)<0 f²(x4)>0 점 D x=x5 f¢(x5)=0 f²(x5)>0 점 E x=x6 f¢(x6)>0 f²(x6)>0 점 F
l 최적화분석 l 최적화분석
u 2계도함수와 고계도함수 u 2계도함수와 고계도함수
è
2계도함수의 의미해석-
1계도함수는 곡선의 기울기(slope)
를 나타내는 반면, 2계도함수는 곡선의 곡률(curvature : 굽은 상태)을 나타냄.è
2계도함수의 의미해석-
1계도함수는 곡선의 기울기(slope)
를 나타내는 반면, 2계도함수는 곡선의 곡률(curvature : 굽은 상태)을 나타냄.l 최적화분석 l 최적화분석
u 2계도함수와 고계도함수 u 2계도함수와 고계도함수
è
하나의 응용(an application) - 2차함수 형태가 다음과 같음.y=ax2+bx+c (a¹0)
이 2차함수의 1계도함수 dy/dx=f¢(x)=2ax+b이고, 2계도함수 d2y/dx2=f²(x)=2a임.
- 2계도함수는 항상 계수 a와 동일한 대수 부호를 가짐.
- 계수 a가 양(+)이면 2차함수는 U자형 강볼록곡선, 계수 a가 음(-)이면 역U자형 강오목곡선이 됨.
-
이 함수의 상대적 극값은 또한 절대적 극값이 됨
.è
하나의 응용(an application)- 2차함수 형태가 다음과 같음.
y=ax2+bx+c (a¹0)
이 2차함수의 1계도함수 dy/dx=f¢(x)=2ax+b이고, 2계도함수 d2y/dx2=f²(x)=2a임.
- 2계도함수는 항상 계수 a와 동일한 대수 부호를 가짐.
- 계수 a가 양(+)이면 2차함수는 U자형 강볼록곡선, 계수 a가 음(-)이면 역U자형 강오목곡선이 됨.
-
이 함수의 상대적 극값은 또한 절대적 극값이 됨
.l 최적화분석 l 최적화분석
u 2계도함수와 고계도함수 u 2계도함수와 고계도함수
è
위험에 대한 태도(attitude toward risk) : 내기게임- 일정금액을 선불로 지급(게임의 비용)하고, 주사위를 던져서 홀수이면 $10를 받고, 짝수이면 $20를
받는다면 두 결과의 확률은 같으므로 이득의 기대값 expected value of payoff : EV)은
EV=0.5´$10+0.5´$20=$15
- 만약 게임의 비용(또는 몫의 기대값)이 $15이면
이 게임은 공정한 게임(공정한 내기)이라 할 수 있음.
è
위험에 대한 태도(attitude toward risk) : 내기게임- 일정금액을 선불로 지급(게임의 비용)하고, 주사위를 던져서 홀수이면 $10를 받고, 짝수이면 $20를
받는다면 두 결과의 확률은 같으므로 이득의 기대값 expected value of payoff : EV)은
EV=0.5´$10+0.5´$20=$15
- 만약 게임의 비용(또는 몫의 기대값)이 $15이면
이 게임은 공정한 게임(공정한 내기)이라 할 수 있음.
l 최적화분석 l 최적화분석
u 2계도함수와 고계도함수 u 2계도함수와 고계도함수
è
위험에 대한 태도(attitude toward risk) : 내기게임 - 그러나 게임의 실제결과는 알 수 없으므로위험기피자(risk-averser)는 게임을 멀리(포기)함.
- 한편, 이 경우 위험선호자(risk-lover)는 게임을 즐김.
- 이와 같이 위험에 대한 다양한 태도는 사람들의 효용함수 차이에서 발생함.
è
위험에 대한 태도(attitude toward risk) : 내기게임 - 그러나 게임의 실제결과는 알 수 없으므로위험기피자(risk-averser)는 게임을 멀리(포기)함.
- 한편, 이 경우 위험선호자(risk-lover)는 게임을 즐김.
- 이와 같이 위험에 대한 다양한 태도는 사람들의 효용함수 차이에서 발생함.
l 최적화분석 l 최적화분석
u 2계도함수와 고계도함수 u 2계도함수와 고계도함수
è
위험에 대한 태도(attitude toward risk) : 내기게임è
여기서 x는 소득(또는 이득), U(x)는 소득의 효용수준임.è
위험에 대한 태도(attitude toward risk) : 내기게임è
여기서 x는 소득(또는 이득), U(x)는 소득의 효용수준임.l 최적화분석 l 최적화분석
u 2계도함수와 고계도함수 u 2계도함수와 고계도함수
è
위험에 대한 태도(attitude toward risk) : 내기게임- 만약 잠재적 게임자가 [그림 9.6](a)에서처럼 강오목 효용함수 U=U(x)를 가진다면 이 사람의 경제적 의사 결정은 첫째, 게임을 하지 않고 게임의 비용 $15를 절약하여 곡선상의 점 A에서 효용수준 U($15)를 얻음.
둘째, 게임을 함으로써 기대효용 EU=0.5´U($10)+0.5
´U($20)만큼 얻음. 즉, 이는 M과 N 높이의 평균으로 선분 MN상의 중간점 B의 높이로 측정됨. 따라서 점 B는 점 A보다 낮으므로 게임을 하지 말아야 함.
è
위험에 대한 태도(attitude toward risk) : 내기게임- 만약 잠재적 게임자가 [그림 9.6](a)에서처럼 강오목 효용함수 U=U(x)를 가진다면 이 사람의 경제적 의사 결정은 첫째, 게임을 하지 않고 게임의 비용 $15를 절약하여 곡선상의 점 A에서 효용수준 U($15)를 얻음.
둘째, 게임을 함으로써 기대효용 EU=0.5´U($10)+0.5
´U($20)만큼 얻음. 즉, 이는 M과 N 높이의 평균으로 선분 MN상의 중간점 B의 높이로 측정됨. 따라서 점 B는 점 A보다 낮으므로 게임을 하지 말아야 함.
l 최적화분석 l 최적화분석
u 2계도함수와 고계도함수 u 2계도함수와 고계도함수
è
위험에 대한 태도(attitude toward risk) : 내기게임- 한편, 잠재적 게임자가 [그림 9.6](b)에서처럼 강볼록 효용함수 U=U(x)를 가진다면 이 사람의 경제적 의사 결정은 첫째, 게임을 하지 않고 게임의 비용 $15를 절약하여 곡선상의 점 A¢에서 효용수준 U($15)를 얻음.
둘째, 게임을 함으로써 기대효용 EU=0.5´U($10)+0.5
´U($20)만큼 얻음. 즉, 이는 선분 M¢N¢상의 중간점 B¢의 높이로 측정됨. 따라서 점 B¢는 점 A¢보다 위쪽에 위치하므로 적극적으로 게임을 하려고 함.
è
위험에 대한 태도(attitude toward risk) : 내기게임- 한편, 잠재적 게임자가 [그림 9.6](b)에서처럼 강볼록 효용함수 U=U(x)를 가진다면 이 사람의 경제적 의사 결정은 첫째, 게임을 하지 않고 게임의 비용 $15를 절약하여 곡선상의 점 A¢에서 효용수준 U($15)를 얻음.
둘째, 게임을 함으로써 기대효용 EU=0.5´U($10)+0.5
´U($20)만큼 얻음. 즉, 이는 선분 M¢N¢상의 중간점 B¢의 높이로 측정됨. 따라서 점 B¢는 점 A¢보다 위쪽에 위치하므로 적극적으로 게임을 하려고 함.
l 최적화분석 l 최적화분석
u 2계도함수와 고계도함수 u 2계도함수와 고계도함수
è
위험에 대한 태도(attitude toward risk) : 내기게임- 도박(또는 주식, 펀드 투자)은 공정한 게임이 아니므로, 즉 도박장의 게임에서 매 번 승률이 50% 이하이고 또한 주식과 펀드인 경우도 정보독점 및 조작 등으로
인해 실패할 확률이 매우 높음.
- 그러나 우리의 일상에서는 일반적으로 위험을 선호 하는 경우가 훨씬 성공 가능성이 매우 높음. 왜냐하면 성공에 대한 이득(benefit)에 비하여 성공에 대한 비용 (cost : 시간투자 및 노력 등)이 매우 적게 소요됨.
è
위험에 대한 태도(attitude toward risk) : 내기게임- 도박(또는 주식, 펀드 투자)은 공정한 게임이 아니므로, 즉 도박장의 게임에서 매 번 승률이 50% 이하이고 또한 주식과 펀드인 경우도 정보독점 및 조작 등으로
인해 실패할 확률이 매우 높음.
- 그러나 우리의 일상에서는 일반적으로 위험을 선호 하는 경우가 훨씬 성공 가능성이 매우 높음. 왜냐하면 성공에 대한 이득(benefit)에 비하여 성공에 대한 비용 (cost : 시간투자 및 노력 등)이 매우 적게 소요됨.
l 최적화분석 l 최적화분석
u 2계도함수 검증법(second derivative test) u 2계도함수 검증법(second derivative test)
è
2계도함수 검증법(second derivative test) [상대적 극값에 대한 2계도함수 검증법]만약 x=x0에서 함수 f의 1계도함수가 f¢(x0)=0이라면 x0에서의 함수값 f(x0)는
⑴ 만약 x0에서 2계도함수의 값이 f²(x0)<0이면 상대적 극대임.
⑵ 만약 x0에서 2계도함수의 값이 f²(x0)>0이면 상대적 극소임.
è
2계도함수 검증법(second derivative test) [상대적 극값에 대한 2계도함수 검증법]만약 x=x0에서 함수 f의 1계도함수가 f¢(x0)=0이라면 x0에서의 함수값 f(x0)는
⑴ 만약 x0에서 2계도함수의 값이 f²(x0)<0이면 상대적 극대임.
⑵ 만약 x0에서 2계도함수의 값이 f²(x0)>0이면 상대적 극소임.
l 최적화분석 l 최적화분석
u 2계도함수 검증법(second derivative test) u 2계도함수 검증법(second derivative test)
è
2계도함수 검증법(second derivative test) 예 1 : 다음 함수의 상대적 극값을 구하라.y=f(x)=4x2-x
- 1계도함수 및 2계도함수는 다음과 같음.
f¢(x)=8x-1 및 f²(x)=8
- 이제 f¢(x)=0으로 놓고 그 방정식을 풀면 (유일한)
임계값 x*=1/8임. 이로부터 (유일한) 정지값 f(1/8)=-1/16 - 2계도함수가 양(+)이므로 그 극값은 극소값이 되며
함수가 U자형이므로 상대적 극소는 또한 절대적 극소임.
è
2계도함수 검증법(second derivative test) 예 1 : 다음 함수의 상대적 극값을 구하라.y=f(x)=4x2-x
- 1계도함수 및 2계도함수는 다음과 같음.
f¢(x)=8x-1 및 f²(x)=8
- 이제 f¢(x)=0으로 놓고 그 방정식을 풀면 (유일한)
임계값 x*=1/8임. 이로부터 (유일한) 정지값 f(1/8)=-1/16 - 2계도함수가 양(+)이므로 그 극값은 극소값이 되며
함수가 U자형이므로 상대적 극소는 또한 절대적 극소임.
l 최적화분석 l 최적화분석
u 2계도함수 검증법(second derivative test) u 2계도함수 검증법(second derivative test)
è
2계도함수 검증법(second derivative test) 예 2 : 다음 함수의 상대적 극값을 구하라.y=g(x)=x3-3x2+2
- 1계도함수 및 2계도함수는 다음과 같음.
g¢(x)=3x2-6x 및 g²(x)=6x-6
- 이제 g¢(x)=0으로 놓고 얻은 2차방정식을 풀면 임계값 x1*=2 및 x2*=0임. 이로부터 대응하는 2개의 정지값은
g(2)=-2 [g²(2)=6>0이므로 극소]
g(0)=2 [g²(0)=-6<0이므로 극대]
è
2계도함수 검증법(second derivative test) 예 2 : 다음 함수의 상대적 극값을 구하라.y=g(x)=x3-3x2+2
- 1계도함수 및 2계도함수는 다음과 같음.
g¢(x)=3x2-6x 및 g²(x)=6x-6
- 이제 g¢(x)=0으로 놓고 얻은 2차방정식을 풀면 임계값 x1*=2 및 x2*=0임. 이로부터 대응하는 2개의 정지값은
g(2)=-2 [g²(2)=6>0이므로 극소]
g(0)=2 [g²(0)=-6<0이므로 극대]
l 최적화분석 l 최적화분석
u 2계도함수 검증법(second derivative test) u 2계도함수 검증법(second derivative test)
è
필요조건 대 충분조건(necessary versus sufficient condition) - 기울기가 0이라는 조건인 f¢(x)=0은 1계도함수 검증법뿐만 아니라 2계도함수 검증법에서도 필요조건의 역할 - 이 조건은 1계도함수에 근거를 두고 있기 때문에 흔히
1계조건(first-order condition)이라 함.
- 그리고 1계조건이 x=x0에서 만족되고 f²(x0)의 부호가 음(양)이면 정지값 f(x0)가 상대적 극대(극소)로 입증 되기에 충분함. 이 충분조건은 2계도함수에 기초하기 때문에 흔히 2계조건(second-order condition)이라 함.
è
필요조건 대 충분조건(necessary versus sufficient condition) - 기울기가 0이라는 조건인 f¢(x)=0은 1계도함수 검증법뿐만 아니라 2계도함수 검증법에서도 필요조건의 역할 - 이 조건은 1계도함수에 근거를 두고 있기 때문에 흔히
1계조건(first-order condition)이라 함.
- 그리고 1계조건이 x=x0에서 만족되고 f²(x0)의 부호가 음(양)이면 정지값 f(x0)가 상대적 극대(극소)로 입증 되기에 충분함. 이 충분조건은 2계도함수에 기초하기 때문에 흔히 2계조건(second-order condition)이라 함.
l 최적화분석 l 최적화분석
u 2계도함수 검증법(second derivative test) u 2계도함수 검증법(second derivative test)
è
필요조건 대 충분조건(necessary versus sufficient condition) - 1계조건은 상대적 극대 또는 극소이기 위한 필요조건이지만 충분조건은 아님(왜냐하면 변곡점 때문).
- 한편, f²(x0)가 임계값 x0에서 음(양)이라는 2계조건은 상대적 극대(극소)이기 위한 충분조건이지 필요조건 은 아님.
- 상대적 극값에 대한 2계 필요조건은 약부등식으로 표시 해야 함. 즉, 정지값 f(x0)가 상대적 극대(극소)이기 위한 필요조건은 f²(x0)£0[f²(x0)³0]임.
è
필요조건 대 충분조건(necessary versus sufficient condition) - 1계조건은 상대적 극대 또는 극소이기 위한 필요조건이지만 충분조건은 아님(왜냐하면 변곡점 때문).
- 한편, f²(x0)가 임계값 x0에서 음(양)이라는 2계조건은 상대적 극대(극소)이기 위한 충분조건이지 필요조건 은 아님.
- 상대적 극값에 대한 2계 필요조건은 약부등식으로 표시 해야 함. 즉, 정지값 f(x0)가 상대적 극대(극소)이기 위한 필요조건은 f²(x0)£0[f²(x0)³0]임.
l 최적화분석 l 최적화분석
u 2계도함수 검증법(second derivative test) u 2계도함수 검증법(second derivative test)
è
필요조건 대 충분조건(necessary versus sufficient condition) 함수 y=f(x)가 상대적 극점이기 위한 조건* 1계 필요조건이 충족된 후 적용 가능
è
필요조건 대 충분조건(necessary versus sufficient condition) 함수 y=f(x)가 상대적 극점이기 위한 조건* 1계 필요조건이 충족된 후 적용 가능
조 건 극 대 극 소
1계 필요조건 f¢(x0)=0 f¢(x0)=0
2계 필요조건* f²(x0)£0 f²(x0)³0 2계 충분조건* f²(x0)<0 f²(x0)>0
l 최적화분석 l 최적화분석
u 2계도함수 검증법(second derivative test) u 2계도함수 검증법(second derivative test)
è
이윤극대화조건(conditions for profit maximization) - 경제학에서 이윤을 극대화하기 위해서는 기업은 한계수입(MR)과 한계비용(MC)이 일치하도록 산출량을 결정해야 함.
- 총수입함수 R=R(Q)와 총비용함수 C=C(Q)가 주어지면 이 함수들로부터 다음의 이윤함수(목적함수)를 도출
p=p(Q)=R(Q)-C(Q)
- 이윤극대화 산출량 수준을 구하기 위하여 극대의 1계 필요조건이 만족되어야 함.
è
이윤극대화조건(conditions for profit maximization) - 경제학에서 이윤을 극대화하기 위해서는 기업은 한계수입(MR)과 한계비용(MC)이 일치하도록 산출량을 결정해야 함.
- 총수입함수 R=R(Q)와 총비용함수 C=C(Q)가 주어지면 이 함수들로부터 다음의 이윤함수(목적함수)를 도출
p=p(Q)=R(Q)-C(Q)
- 이윤극대화 산출량 수준을 구하기 위하여 극대의 1계 필요조건이 만족되어야 함.
l 최적화분석 l 최적화분석
u 2계도함수 검증법(second derivative test) u 2계도함수 검증법(second derivative test)
è
이윤극대화조건(conditions for profit maximization) - 즉, dp/dQ=0을 구하면 그 결과는 다음과 같음.dp/dQºp¢(Q)=R¢(Q)-C¢(Q)
=0 « R¢(Q)=C¢(Q)
- 최적산출량(균형산출량) Q*는 방정식 R¢(Q*)=C¢(Q*), 즉 MR=MC조건 만족 : 이윤극대화 1계조건
- 그러나 1계조건은 최대이윤일 수도 있고 최소이윤일 수도 있음.
- 따라서 2계조건을 검토해야 함.
è
이윤극대화조건(conditions for profit maximization) - 즉, dp/dQ=0을 구하면 그 결과는 다음과 같음.dp/dQºp¢(Q)=R¢(Q)-C¢(Q)
=0 « R¢(Q)=C¢(Q)
- 최적산출량(균형산출량) Q*는 방정식 R¢(Q*)=C¢(Q*), 즉 MR=MC조건 만족 : 이윤극대화 1계조건
- 그러나 1계조건은 최대이윤일 수도 있고 최소이윤일 수도 있음.
- 따라서 2계조건을 검토해야 함.
l 최적화분석 l 최적화분석
u 2계도함수 검증법(second derivative test) u 2계도함수 검증법(second derivative test)
è
이윤극대화조건(conditions for profit maximization) - 이제 1계도함수를 Q에 대해 미분하면 2계도함수를구할 수 있음.
d2p/dQ2ºp²(Q)=R²(Q)-C²(Q)
£0 « R²(Q)£C²(Q) : 2계 필요조건
- 여기서 R²(Q*)=C²(Q*)만으로는 이윤극대화조건으로 확실하지 않음(왜냐하면 이윤이 극소일 수도 있음).
- 따라서 최선의 방법은 극대이기 위한 2계 충분조건인 R²(Q*)<C²(Q*)를 만족하는 상황임.
è
이윤극대화조건(conditions for profit maximization) - 이제 1계도함수를 Q에 대해 미분하면 2계도함수를구할 수 있음.
d2p/dQ2ºp²(Q)=R²(Q)-C²(Q)
£0 « R²(Q)£C²(Q) : 2계 필요조건
- 여기서 R²(Q*)=C²(Q*)만으로는 이윤극대화조건으로 확실하지 않음(왜냐하면 이윤이 극소일 수도 있음).
- 따라서 최선의 방법은 극대이기 위한 2계 충분조건인 R²(Q*)<C²(Q*)를 만족하는 상황임.
l 최적화분석 l 최적화분석
u 2계도함수 검증법(second derivative test) u 2계도함수 검증법(second derivative test)
è
이윤극대화조건(conditions for profit maximization) 이를 정리하면 이윤극대화 1계조건인 한계수입(MR)과한계비용(MC)이 일치(MR=MC)하는 산출량 Q*에서 2계 충분조건인 MR의 변화율이 MC의 변화율보다 작으면 [R²(Q*)<C²(Q*)] 그 산출량수준에서 이윤이 극대화됨을 의미함.
è
이윤극대화조건(conditions for profit maximization) 이를 정리하면 이윤극대화 1계조건인 한계수입(MR)과한계비용(MC)이 일치(MR=MC)하는 산출량 Q*에서 2계 충분조건인 MR의 변화율이 MC의 변화율보다 작으면 [R²(Q*)<C²(Q*)] 그 산출량수준에서 이윤이 극대화됨을 의미함.
l 최적화분석 l 최적화분석
u 2계도함수 검증법(second derivative test) u 2계도함수 검증법(second derivative test)
è
이윤극대화조건(conditions for profit maximization)è
이윤극대화조건(conditions for profit maximization)l 최적화분석 l 최적화분석
u 2계도함수 검증법(second derivative test) u 2계도함수 검증법(second derivative test)
è
이윤극대화조건(conditions for profit maximization) - 예 3 : 총수입함수와 총비용함수가 다음과 같음.R(Q)=1,200Q-2Q2
C(Q)=Q3-61.25Q2+1,528.5Q+2,000 그러면 이윤함수는 다음과 같음.
p(Q)=R(Q)-C(Q)=-Q3+59.25Q2-328.5Q-2,000 여기서 dp/dQ=0을 구하면 그 결과는 다음과 같음.
dp/dQ=-3Q2+118.5Q-328.5=0
=-3(Q-3)(Q-36.5)=0
è
이윤극대화조건(conditions for profit maximization) - 예 3 : 총수입함수와 총비용함수가 다음과 같음.R(Q)=1,200Q-2Q2
C(Q)=Q3-61.25Q2+1,528.5Q+2,000 그러면 이윤함수는 다음과 같음.
p(Q)=R(Q)-C(Q)=-Q3+59.25Q2-328.5Q-2,000 여기서 dp/dQ=0을 구하면 그 결과는 다음과 같음.
dp/dQ=-3Q2+118.5Q-328.5=0
=-3(Q-3)(Q-36.5)=0
l 최적화분석 l 최적화분석
u 2계도함수 검증법(second derivative test) u 2계도함수 검증법(second derivative test)
è
이윤극대화조건(conditions for profit maximization) 따라서 이윤함수의 임계값은 Q=3 및 Q=36.5임.그러나 2계도함수가 다음과 같음.
d2p/dQ2=-6Q+118.5
여기서 Q=3일 때 d2p/dQ2>0, Q=36.5일 때 d2p/dQ2<0 결국, 이윤극대화 산출량 Q*=36.5임.
한편, Q=3인 경우는 이윤이 극소화됨.
그리고 Q*를 이윤함수에 대입하면 극대이윤은 p*=p(36.5)=16,318.44(원)
è
이윤극대화조건(conditions for profit maximization) 따라서 이윤함수의 임계값은 Q=3 및 Q=36.5임.그러나 2계도함수가 다음과 같음.
d2p/dQ2=-6Q+118.5
여기서 Q=3일 때 d2p/dQ2>0, Q=36.5일 때 d2p/dQ2<0 결국, 이윤극대화 산출량 Q*=36.5임.
한편, Q=3인 경우는 이윤이 극소화됨.
그리고 Q*를 이윤함수에 대입하면 극대이윤은 p*=p(36.5)=16,318.44(원)
l 최적화분석 l 최적화분석
u 2계도함수 검증법(second derivative test) u 2계도함수 검증법(second derivative test)
è
이윤극대화조건(conditions for profit maximization) 이상의 방법과 달리 MR=MC조건을 이용하여 구하면MR=R¢(Q)=1,200-4Q
MC=C¢(Q)=3Q2-122.5Q+1,528.5
위 식을 MR-MC=0으로 놓고 다시 정리하면 -3Q2+118.5Q-328.5=0
따라서 이후의 계산은 앞의 과정을 따르면 됨.
è
이윤극대화조건(conditions for profit maximization) 이상의 방법과 달리 MR=MC조건을 이용하여 구하면MR=R¢(Q)=1,200-4Q
MC=C¢(Q)=3Q2-122.5Q+1,528.5
위 식을 MR-MC=0으로 놓고 다시 정리하면 -3Q2+118.5Q-328.5=0
따라서 이후의 계산은 앞의 과정을 따르면 됨.
l 최적화분석 l 최적화분석
u 2계도함수 검증법(second derivative test) u 2계도함수 검증법(second derivative test)
è
3차함수인 총비용함수의 계수들(coefficients of cubic TC Fn.) - 3차함수 graph는 항상 두 개의 굴곡을 가지기 때문에3차함수는 총비용곡선을 묘사하는데 적합함.
- 그러나 3차함수가 경제적 의미를 가지려면 그 함수의 기울기가 모든 점에서 양(산출량이 증가하면 총비용도 항상 증가해야 함)이어야 하는 반면, 3차함수 graph는 기울기가 음이 되는 부분을 포함할 수도 있음.
- 따라서 3차함수를 그대로 총비용함수로 사용하는 데 문제가 있음.
è
3차함수인 총비용함수의 계수들(coefficients of cubic TC Fn.) - 3차함수 graph는 항상 두 개의 굴곡을 가지기 때문에3차함수는 총비용곡선을 묘사하는데 적합함.
- 그러나 3차함수가 경제적 의미를 가지려면 그 함수의 기울기가 모든 점에서 양(산출량이 증가하면 총비용도 항상 증가해야 함)이어야 하는 반면, 3차함수 graph는 기울기가 음이 되는 부분을 포함할 수도 있음.
- 따라서 3차함수를 그대로 총비용함수로 사용하는 데 문제가 있음.
l 최적화분석 l 최적화분석
u 2계도함수 검증법(second derivative test) u 2계도함수 검증법(second derivative test)
è
3차함수인 총비용함수의 계수들(coefficients of cubic TC Fn.) 함수 y=f(x)=x3-12x2+36x+8의 graphè
3차함수인 총비용함수의 계수들(coefficients of cubic TC Fn.) 함수 y=f(x)=x3-12x2+36x+8의 graphl 최적화분석 l 최적화분석
u 2계도함수 검증법(second derivative test) u 2계도함수 검증법(second derivative test)
è
3차함수인 총비용함수의 계수들(coefficients of cubic TC Fn.) - 3차함수가 다음과 같음.C=C(Q)=aQ3+bQ2+cQ+d
여기서 위의 함수를 총비용함수로 사용하기 위해서는 총비용곡선이 아래로 구부러지는 것을 방지하기
위해서 파라미터 a, b, c, d들에 대해 적절한 제한을 가해야 함.
- 우선, 한계비용함수(MC)가 모든 점에서 양이어야 함.
MC=C¢(Q)=3aQ2+2bQ+c (>0)
è
3차함수인 총비용함수의 계수들(coefficients of cubic TC Fn.) - 3차함수가 다음과 같음.C=C(Q)=aQ3+bQ2+cQ+d
여기서 위의 함수를 총비용함수로 사용하기 위해서는 총비용곡선이 아래로 구부러지는 것을 방지하기
위해서 파라미터 a, b, c, d들에 대해 적절한 제한을 가해야 함.
- 우선, 한계비용함수(MC)가 모든 점에서 양이어야 함.
MC=C¢(Q)=3aQ2+2bQ+c (>0)
l 최적화분석 l 최적화분석
u 2계도함수 검증법(second derivative test) u 2계도함수 검증법(second derivative test)
è
3차함수인 총비용함수의 계수들(coefficients of cubic TC Fn.)è
3차함수인 총비용함수의 계수들(coefficients of cubic TC Fn.)l 최적화분석 l 최적화분석
u 2계도함수 검증법(second derivative test) u 2계도함수 검증법(second derivative test)
è
3차함수인 총비용함수의 계수들(coefficients of cubic TC Fn.) - MC곡선상의 모든 점에서 양이 되려면(앞의 그림에서가로축의 위쪽에 위치하려면) 이 포물선은 U자형이 되어야 함.
- 만약 포물선이 역U자형이라면 MC곡선상의 모든 점이 양이기 위해서는 2상한까지 연장해야 가능함.
- 따라서 Q2항의 계수가 양이어야 함(a>0).
è
3차함수인 총비용함수의 계수들(coefficients of cubic TC Fn.) - MC곡선상의 모든 점에서 양이 되려면(앞의 그림에서가로축의 위쪽에 위치하려면) 이 포물선은 U자형이 되어야 함.
- 만약 포물선이 역U자형이라면 MC곡선상의 모든 점이 양이기 위해서는 2상한까지 연장해야 가능함.
- 따라서 Q2항의 계수가 양이어야 함(a>0).
l 최적화분석 l 최적화분석
u 2계도함수 검증법(second derivative test) u 2계도함수 검증법(second derivative test)
è
3차함수인 총비용함수의 계수들(coefficients of cubic TC Fn.) - MC의 극소값(MCmin)은 C²(Q)=0에서 결정됨.C²(Q)=6aQ+2b=0
- 위의 조건을 충족하는 산출량 Q*는 다음과 같음.
Q*=-2b/6a=-b/3a
- 위 식에서 산출량 Q*는 음이 될 수 없으므로 b는 결코 양(a>0이므로)이 될 수 없음(따라서 b<0).
è
3차함수인 총비용함수의 계수들(coefficients of cubic TC Fn.) - MC의 극소값(MCmin)은 C²(Q)=0에서 결정됨.C²(Q)=6aQ+2b=0
- 위의 조건을 충족하는 산출량 Q*는 다음과 같음.
Q*=-2b/6a=-b/3a
- 위 식에서 산출량 Q*는 음이 될 수 없으므로 b는 결코 양(a>0이므로)이 될 수 없음(따라서 b<0).
l 최적화분석 l 최적화분석
u 2계도함수 검증법(second derivative test) u 2계도함수 검증법(second derivative test)
è
3차함수인 총비용함수의 계수들(coefficients of cubic TC Fn.) - 이제 MC를 극소화하는 산출량 Q*를 대입하면 MCmin을구할 수 있음.
MCmin=3a(-b/3a)2+2b(-b/3a)+c=(3ac-b2)/3a
- MCmin이 양의 값을 갖기 위해서는 3ac-b2>0(즉, b2<3ac) 이어야 함.
- 또한 MCmin이 양의 값을 갖기 위해서는 c도 양이어야 함.
- 따라서 총비용함수의 계수들은 다음의 제약하에 놓임.
a>0, b<0, c>0, d>0, b2<3ac
è
3차함수인 총비용함수의 계수들(coefficients of cubic TC Fn.) - 이제 MC를 극소화하는 산출량 Q*를 대입하면 MCmin을구할 수 있음.
MCmin=3a(-b/3a)2+2b(-b/3a)+c=(3ac-b2)/3a
- MCmin이 양의 값을 갖기 위해서는 3ac-b2>0(즉, b2<3ac) 이어야 함.
- 또한 MCmin이 양의 값을 갖기 위해서는 c도 양이어야 함.
- 따라서 총비용함수의 계수들은 다음의 제약하에 놓임.
a>0, b<0, c>0, d>0, b2<3ac
l 최적화분석 l 최적화분석
u 2계도함수 검증법(second derivative test) u 2계도함수 검증법(second derivative test)
è
양의 기울기(upward-sloping)를 갖는 한계수입곡선 - 경제학에서 일반적으로 한계수입곡선은 음의 기울기를갖는 것으로 그려짐(불완전경쟁하에서만).
- 그러나 한계수입곡선의 기울기가 부분적 또는 전반적 으로 양이 될 수 있는 가능성을 배제할 수 없음.
- 평균수입함수 AR=f(Q)가 주어지면 한계수입함수는 다음과 같음.
MR=f(Q)+Qf¢(Q) ¬ TR=AR(=P)×Q=f(Q)×Q
è
양의 기울기(upward-sloping)를 갖는 한계수입곡선 - 경제학에서 일반적으로 한계수입곡선은 음의 기울기를갖는 것으로 그려짐(불완전경쟁하에서만).
- 그러나 한계수입곡선의 기울기가 부분적 또는 전반적 으로 양이 될 수 있는 가능성을 배제할 수 없음.
- 평균수입함수 AR=f(Q)가 주어지면 한계수입함수는 다음과 같음.
MR=f(Q)+Qf¢(Q) ¬ TR=AR(=P)×Q=f(Q)×Q
l 최적화분석 l 최적화분석
u 2계도함수 검증법(second derivative test) u 2계도함수 검증법(second derivative test)
è
양의 기울기(upward-sloping)를 갖는 한계수입곡선 - 그러면 한계수입곡선의 기울기는 MR=f(Q)+Qf¢(Q)의도함수로 나타낼 수 있음.
dMR/dQ=MR¢=f¢(Q)+f¢(Q)+Qf²(Q)=2f¢(Q)+Qf²(Q) - 평균수입곡선이 음의 기울기(우하향)를 가지면 2f¢(Q)
항은 확실히 음(-)임.
- 그러나 Qf²(Q)항은 한계수입곡선의 2계도함수의 부호 에 따라, 즉 한계수입곡선 형태가 강오목인지, 선형인지 또는 강볼록인지 여부에 따라 음, 0 또는 양이 됨.
è
양의 기울기(upward-sloping)를 갖는 한계수입곡선 - 그러면 한계수입곡선의 기울기는 MR=f(Q)+Qf¢(Q)의도함수로 나타낼 수 있음.
dMR/dQ=MR¢=f¢(Q)+f¢(Q)+Qf²(Q)=2f¢(Q)+Qf²(Q) - 평균수입곡선이 음의 기울기(우하향)를 가지면 2f¢(Q)
항은 확실히 음(-)임.
- 그러나 Qf²(Q)항은 한계수입곡선의 2계도함수의 부호 에 따라, 즉 한계수입곡선 형태가 강오목인지, 선형인지 또는 강볼록인지 여부에 따라 음, 0 또는 양이 됨.
l 최적화분석 l 최적화분석
u 2계도함수 검증법(second derivative test) u 2계도함수 검증법(second derivative test)
è
양의 기울기(upward-sloping)를 갖는 한계수입곡선 - 만약 한계수입곡선이 전반적 또는 특정 부분에서강볼록이라면 (양인) Qf²(Q)항이 (음인) 2f¢(Q)항보다 더 크다면 한계수입곡선의 기울기는 전반적 또는
부분적으로 양이 될 수도 있음.
è
양의 기울기(upward-sloping)를 갖는 한계수입곡선 - 만약 한계수입곡선이 전반적 또는 특정 부분에서강볼록이라면 (양인) Qf²(Q)항이 (음인) 2f¢(Q)항보다 더 크다면 한계수입곡선의 기울기는 전반적 또는
부분적으로 양이 될 수도 있음.
l 최적화분석 l 최적화분석
u 2계도함수 검증법(second derivative test) u 2계도함수 검증법(second derivative test)
è
양의 기울기(upward-sloping)를 갖는 한계수입곡선 예 4 : 평균수입함수가 다음과 같음.AR=f(Q)=8,000-23Q+1.1Q2-0.018Q3
- 이 함수는 불완전경쟁하 기업에 적절한 한계수입곡선 으로 음의 기울기를 가짐.
MR=f(Q)+Qf¢(Q)=8,000-46Q+3.3Q2-0.072Q3 - 여기서 한계수입곡선의 기울기는 다음과 같음.
dMR/dQ=MR¢=-46+6.6Q-0.216Q2
è
양의 기울기(upward-sloping)를 갖는 한계수입곡선 예 4 : 평균수입함수가 다음과 같음.AR=f(Q)=8,000-23Q+1.1Q2-0.018Q3
- 이 함수는 불완전경쟁하 기업에 적절한 한계수입곡선 으로 음의 기울기를 가짐.
MR=f(Q)+Qf¢(Q)=8,000-46Q+3.3Q2-0.072Q3 - 여기서 한계수입곡선의 기울기는 다음과 같음.
dMR/dQ=MR¢=-46+6.6Q-0.216Q2
l 최적화분석 l 최적화분석
u 2계도함수 검증법(second derivative test) u 2계도함수 검증법(second derivative test)
è
양의 기울기(upward-sloping)를 갖는 한계수입곡선 - 앞 식은 Q2의 계수가 음인 2차함수이므로 Q에 대해역U자형 곡선임.
- 만약 이 곡선의 일부가 가로축의 위쪽에 위치하면 한계수입곡선의 기울기는 양의 값을 가짐.
- 이제 dMR/dQ=0이라 놓고 해를 구하면 Q1=10.76, Q2=19.79임.
- 이것은 개구간 (Q1, Q2) 사이에 있는 생산수준에서 한계수입곡선은 양의 기울기를 갖게 됨을 의미함.
è
양의 기울기(upward-sloping)를 갖는 한계수입곡선- 앞 식은 Q2의 계수가 음인 2차함수이므로 Q에 대해 역U자형 곡선임.
- 만약 이 곡선의 일부가 가로축의 위쪽에 위치하면 한계수입곡선의 기울기는 양의 값을 가짐.
- 이제 dMR/dQ=0이라 놓고 해를 구하면 Q1=10.76, Q2=19.79임.
- 이것은 개구간 (Q1, Q2) 사이에 있는 생산수준에서 한계수입곡선은 양의 기울기를 갖게 됨을 의미함.