问答题(2003年东北财经大学

某企业生产某种商品,年产x件时总成本为c(x)=c+dx,年需求量是价格p的线性函数为a-bp(其中a,b,c,d均为常数),试求:

(1)利润最大时的产量及最大利润;

(2)需求对价格的弹性。

答案解析

暂无答案

讨论

设函数f(x)在区间[0,1]上连续,则f(x)dx=【 】

设函数f(x)=secx在x=0处的2次泰勒多项式为1+ax+bx2,则【 】

设f(x)在[0,1]上具有二阶导数,且满足条件|f(x)|≤a,|f''(x)|≤b,其中a,b都是非负常数,c是(0,1)内任意一点,证明:|f'(c)|≤2a+b/2.

已知f(x)在[a,b]上二阶可导,且f''(x)≤0,证明:f(x)dx≤(b-a)f((a+b)/2).

设函数f(x)在(0,+∞)上连续可导,f(x)存在,f(x)的图形在(0,+∞)是上凸的,求证:f′(x)=0.

设函数f(x)=ax-blnx(a>0)有两个零点,则b/a的取值范围是【 】

已知f(x)=,求f(x)的凹凸性及渐近线.

去年,张师傅因为多旋圈面爆红,今年他来到了达摩院给扫地僧做面。某天,软件工程师小李跟张师傅吐槽工作。小李主要硏究和设计算法用于调节各种产品的参数。这样的参数一般可以通过极小化Rn上的某个损失函数f求得。在小李最近的一个项目中,这个损失函数是另外一个课题组提供的;出于安全考虑和技术原因,该课题组难以向小李给出此函数的内部细节,而只能提供一个接口用于计算任意x∈Rn处的函数值f(x)。所以,小李必须仅基于函数值来极小化f。而且,每次计算f的值都消耗不小的计算资源。好在该问题的维度n不是很高(10左右)。另外,提供函数的同事还告知小李不妨先假设f是光滑的。这个问题让张师傅想起了自己收藏的一台古董收音机。要在这台收音机上收听一个节目,你需要小心地来回拧一个调频旋钮,同时注意收音效果,直到达到最佳。在这过程中,没有人确切地知道旋钮的角度和收音效果之间的定量关系是什么。张师傅和小李意识到,极小化f不过就是调节一台有多个旋钮的机器:想象x的每一个分量由一个旋钮控制,而f(x)表示这台机器的某种性能,只要我们来回调整每个旋钮,同时监视f的值,应该就有希望找到最佳的x。受此启发,两人一起提出了极小化f的一个迭代算法,并命名为“自动前后调整算法”( Automated Forward/Backward Tuning,AFBT,算法1)。在第k次迭代中,AFBT通过前后调整xk的单个分量得2n个点{xk±tk ei:i=1,…,n},其中tk为步长;然后,令yk为这些点中函数值最小的一个,并检査yk是否使f充分减小;若是,取xk+1=yk,并将步长增倍;否则,令xk+1=xk并将步长减半。在算法1中,ei表示Rn中的第i个坐标向量,它的第i个分量为1,其余皆为0; I(∙) 为指示函数——若f(xk )-f(yk)至少为tk之平方,则I[f(xk )-f(yk )≥tk2]取值为1,否则为0。1自动前后调整算法(AFBT)输入x0∈Rn,t0>0。对k=0,1,2,…,执行以下循环。1:yk≔argmin{f(y):y=xk±tk ei,i=1,…,n} #计算损失函数。2:sk≔I[f(xk )-f(yk )≥tk2] #是否充分下降?是:sk=1;否:sk=0。3:xk+1≔(1-sk ) xk+sk yk #更新迭代点。4:tk+1≔2(2sk-1 ) tk #更新步长。sk=1:步长增倍;sk=0:步长减半。现在,我们对损失函数f:Rn→R作出如下假设。假设1. f为凸函数,即对任何x,y∈Rn与α∈[0,1]都有f((1-α)x+αy)≤(1-α)f(x)+αf(y).假设2. f在Rn上可微且∇f在Rn上 L-Lipschitz连续。假设3. f的水平集有界,即对任意λ∈R,集合{x∈Rn:f(x)≤λ}皆有界。基于假设1与假设2,可以证明〈∇f(x),y-x〉≤f(y)-f(x)≤〈∇f(x),y-x〉+L/2 ‖x-y‖2对任何x,y∈Rn成立;假设1与假设3则保证f在Rn上取到有限的最小值f*。凸函数的更多性质可参考任何一本凸分析教科书。证明题(20分) 在假设1-3下,对于AFBT,证明f(xk)=f*.

在椭圆x2/a2 +y2/b2 =1的第一象限上求一点P,使该点处的切线、椭圆及两坐标轴所围成图形面积为最小(其中a>0,b>0).

试求椭圆x2/4+y2=1上一点,使其到直线3x+4y-12=0,3x-4y+12=0和y+3=0的距离平方和最小.