Tilbake
5.5
Optimering

5.5 Optimering

Praktiske optimeringsproblemer, maksimum og minimum i økonomiske sammenhenger.

60 min
16 oppgaver
OptimeringMaksimeringMinimeringRandverdierPraktiske problemer
Du leser den tradisjonelle versjonen
Din fremgang i kapitlet
0 / 16 oppgaver
Kapitlets plass i kurset

Når matematikken treffer beslutninger

Du er bedriftsleder. Du har en overskuddsfunksjon. Hvordan finner du nivået som maksimerer profitt? Og når er svaret kanskje ikke der hvor f(x)=0f'(x) = 0 — men i et hjørne, der råstoffet tar slutt eller lageret er fullt?

Optimering er kunsten å forvandle et praktisk valg til en regnestykke. Bak hvert kostnadsbudsjett, hver lagerstrategi, hver pris ligger en optimeringsmodell: maksimer det vi vil ha mye av (overskudd, inntekt, produksjon), eller minimer det vi vil ha lite av (kostnad, lagerplass, ventetid).

Verktøyene har vi: Vi vet hvordan vi finner stasjonære punkter (f(x)=0f'(x) = 0), hvordan vi klassifiserer dem (ff''), og hvordan vi tegner fortegnsskjema. I dette kapittelet løfter vi disse til praktisk handling — vi skal bygge modeller, oversette ord til formler, optimere, og tolke svaret tilbake til virkeligheten. Vi skal også møte to viktige nyanser: optimering på lukkede intervaller (der endepunktene kan vinne), og optimering med ulikhetsbegrensninger (en forsmak på KKT-betingelser).

Modelleringsprosessen i optimering

Et optimeringsproblem har følgende anatomi:

1. Målfunksjon f(x)f(x): den størrelsen vi vil maksimere eller minimere.
2. Beslutningsvariabel xx: det vi kan velge.
3. Bibetingelser (kan være tomme): hva xx må oppfylle, f.eks. x[a,b]x \in [a, b] eller g(x)=cg(x) = c.

De seks trinnene:

1. Formuler: Identifiser variabler og målfunksjon. Tegn gjerne en figur.
2. Modellér: Skriv målfunksjonen som en funksjon av én beslutningsvariabel (bruk bibetingelsene til å eliminere de andre).
3. Deriver: Beregn f(x)f'(x).
4. Løs: Sett f(x)=0f'(x) = 0 og finn stasjonære punkter.
5. Klassifiser: Andrederiverttest, fortegnsskjema, eller direkte sammenligning. Sjekk endepunkter hvis intervallet er lukket.
6. Tolk: Sett svaret tilbake i den opprinnelige konteksten. Gir det mening økonomisk?

Lokalt vs globalt ekstremum

Et globalt maksimum for ff på et område DD er et punkt xDx^* \in D med f(x)f(x)f(x^*) \geq f(x) for alle xDx \in D. Tilsvarende for globalt minimum.

Ekstremalverdiens teorem: Hvis ff er kontinuerlig på et lukket og begrenset intervall [a,b][a, b], så har ff både globalt maksimum og globalt minimum på [a,b][a, b]. Disse oppnås enten:

- I et stasjonært punkt (f(x)=0f'(x) = 0),
- I et endepunkt (x=ax = a eller x=bx = b),
- I et punkt der ff' ikke eksisterer.

Dette gir den fundamentale kandidatlisten ved optimering på lukket intervall: stasjonære punkter pluss endepunkter — beregn ff i alle, og velg den største (maks) eller minste (min).

📜Optimering på åpent intervall

På et åpent intervall (eks. x>0x > 0, (,)(-\infty, \infty)) er det ikke garantert at maks/min eksisterer.

Hvis ff har bare ett stasjonært punkt xx^* i intervallet, og enten
- andrederiverttesten gir entydig svar (f(x)>0f''(x^*) > 0 eller <0< 0), eller
- fortegnsskjema for ff' skifter konsistent rundt xx^*,

…så er xx^* globalt minimum (hhv. maksimum), forutsatt at funksjonen er konveks (hhv. konkav) i hele intervallet.

Spesialtilfelle (svært nyttig i økonomi):
- Hvis ff er strengt konkav (f(x)<0f''(x) < 0 overalt), så har ff høyst ett lokalt maksimum, og dette er da globalt.
- Hvis ff er strengt konveks (f(x)>0f''(x) > 0 overalt), så har ff høyst ett lokalt minimum, og dette er da globalt.

Ulikhetsbibetingelser og KKT (kort)

Hvis problemet har en ulikhetsbibetingelse som g(x)cg(x) \leq c (eks. "bruk maksimalt 100 enheter ressurs"), er det to muligheter:

- Bindende løsning (g(x)=cg(x^*) = c): hele ressursen brukes opp. Da behandler vi problemet som om bibetingelsen var likhet, og bruker vanlige metoder.
- Ikke-bindende løsning (g(x)<cg(x^*) < c): det frie optimum overholder begrensningen, så vi ignorerer bibetingelsen.

Vi sjekker hvilken som er aktuell ved først å løse det frie problemet og se om svaret oppfyller g(x)cg(x) \leq c. Hvis ja — ikke-bindende. Hvis nei — bindende, sett g(x)=cg(x) = c.

Dette er en spesiell form av Karush-Kuhn-Tuckers (KKT) betingelser, som generaliserer Lagrange til ulikheter (full teori i kapittel 7.5).

✏️Eksempel 1 — Profittmaksimering for en monopolist

En monopolist møter etterspørselen p(x)=1002xp(x) = 100 - 2x (pris som funksjon av solgt mengde x0x \geq 0). Kostnaden er K(x)=20x+100K(x) = 20x + 100 (faste kostnader 100 kr, marginalkost 20 kr/enhet). Finn xx^*, pp^* og maksimal profitt π\pi^*.

Steg 1 — Modeller:
Inntekt: I(x)=p(x)x=(1002x)x=100x2x2I(x) = p(x) \cdot x = (100 - 2x) \cdot x = 100x - 2x^2.
Profitt: π(x)=I(x)K(x)=100x2x220x100=2x2+80x100\pi(x) = I(x) - K(x) = 100x - 2x^2 - 20x - 100 = -2x^2 + 80x - 100.

Steg 2 — Deriver og løs:
π(x)=4x+80=0x=20\pi'(x) = -4x + 80 = 0 \Rightarrow x^* = 20.

Steg 3 — Klassifiser:
π(x)=4<0\pi''(x) = -4 < 0 overalt → strengt konkav → x=20x^* = 20 er globalt maksimum.

Steg 4 — Beregn:
- x=20x^* = 20 enheter
- p=100220=60p^* = 100 - 2 \cdot 20 = 60 kr/enhet
- π=2400+8020100=800+1600100=700\pi^* = -2 \cdot 400 + 80 \cdot 20 - 100 = -800 + 1600 - 100 = 700 kr

Tolkning: Monopolisten selger 20 enheter til pris 60 kr. Det er optimalt selv om markedsklareringsprisen ville vært p=0p = 0 ved x=50x = 50 — monopolisten holder mengden lav for å holde prisen oppe.

Marginal kontroll: Marginalinntekten er I(x)=1004xI'(x) = 100 - 4x. Ved x=20x = 20: I(20)=20=K(20)I'(20) = 20 = K'(20) ✓. Dette er den klassiske regelen MR = MC i mikroøkonomi: maksimal profitt der marginalinntekt er lik marginalkostnad.

📊Visualiser profittmaksimering

Sammenlign inntektsfunksjonen I(x)I(x), kostnadsfunksjonen K(x)K(x), og profitt-grafen π(x)\pi(x). Toppen av π\pi ligger ved x=20x = 20, der den vertikale avstanden mellom II og KK er størst.

✏️Eksempel 2 — Optimal bestillingsmengde (EOQ)

En bedrift selger D=1000D = 1000 enheter per år av et produkt. Hver bestilling koster c=10c = 10 kr i administrasjon (uavhengig av bestillingsstørrelse). Lagerholdskostnaden er h=2h = 2 kr/enhet/år (basert på gjennomsnittsbeholdning). Finn bestillingsmengden QQ som minimerer totalkostnaden.

Modellering:
- Antall bestillinger per år: D/Q=1000/QD/Q = 1000/Q. Total bestillingskostnad: DcQ=10000Q\dfrac{D \cdot c}{Q} = \dfrac{10000}{Q}.
- Gjennomsnittslager: Q/2Q/2 (lageret går jevnt fra QQ ned til 0). Lagerholdskostnad: hQ2=Q\dfrac{h Q}{2} = Q.

Total kostnad:
TC(Q)=10000Q+Q,Q>0TC(Q) = \frac{10000}{Q} + Q, \quad Q > 0

Deriver:
TC(Q)=10000Q2+1=0Q2=10000Q=100TC'(Q) = -\frac{10000}{Q^2} + 1 = 0 \Rightarrow Q^2 = 10000 \Rightarrow Q^* = 100

Klassifiser: TC(Q)=20000Q3>0TC''(Q) = \dfrac{20000}{Q^3} > 0 for Q>0Q > 0 → strengt konveks → globalt minimum.

Beregn: TC(100)=100+100=200TC(100) = 100 + 100 = 200 kr.

Den generelle formelen (EOQ):
Q=2DchQ^* = \sqrt{\frac{2 D c}{h}}

Verifikasjon: 2100010/2=10000=100\sqrt{2 \cdot 1000 \cdot 10 / 2} = \sqrt{10000} = 100

Et interessant fenomen: I optimum er bestillingskost og lagerholdskost like (100=100100 = 100). Dette er ikke tilfeldig: i minimum for funksjoner av formen f(Q)=a/Q+bQf(Q) = a/Q + bQ er alltid de to leddene like store.

✏️Eksempel 3 — Maks areal med begrenset gjerde

En bonde har 100 meter gjerde og vil avgrense et rektangulært område. Finn dimensjonene som maksimerer arealet.

Skisse: Rektangel med lengde LL og bredde WW. Omkrets: 2L+2W=1002L + 2W = 100, dvs. L+W=50L + W = 50.

Modeller: Areal A=LWA = L \cdot W. Bruk bibetingelsen til å eliminere WW: W=50LW = 50 - L.
A(L)=L(50L)=50LL2,0L50A(L) = L(50 - L) = 50L - L^2, \quad 0 \leq L \leq 50

Deriver: A(L)=502L=0L=25A'(L) = 50 - 2L = 0 \Rightarrow L = 25.

Klassifiser: A(L)=2<0A''(L) = -2 < 0 → konkav → maks. (Eller direkte: parabel med negativ ledende koeffisient.)

Sjekk endepunkter: A(0)=0A(0) = 0, A(50)=0A(50) = 0 — gjerdet er degenert i begge tilfeller.

Svar: L=25L = 25 m, W=5025=25W = 50 - 25 = 25 m. Maksimalt areal: A=625A = 625 m².

Generelt prinsipp: Med gitt omkrets gir et kvadrat maksimalt areal blant alle rektangler. (Hvis bonden i tillegg hadde fast mur på én side og bare måtte gjerde tre sider, ville svaret blitt et 25m × 50m rektangel — se Repetisjon R5.)

✏️Eksempel 4 — Optimal salgstidspunkt (vinflaskeproblemet)

Du kjøper en vinflaske som vil ha markedsverdi V(t)=1001+tV(t) = 100\sqrt{1 + t} etter tt år. Diskonteringsrenten er r=5%r = 5\,\% per år (kontinuerlig). Når lønner det seg å selge?

Modellering: Nåverdien (det du "egentlig" får i dagens kroner) er
NV(t)=V(t)ert=1001+te0,05t.NV(t) = V(t) \cdot e^{-rt} = 100\sqrt{1 + t} \cdot e^{-0{,}05 t}.

Det er enklere å maksimere lnNV(t)\ln NV(t) siden ln\ln er strengt voksende:
L(t)=ln100+12ln(1+t)0,05t.L(t) = \ln 100 + \tfrac{1}{2}\ln(1 + t) - 0{,}05 t.

Deriver:
L(t)=12(1+t)0,05=0L'(t) = \frac{1}{2(1 + t)} - 0{,}05 = 0

12(1+t)=0,051+t=10,1=10t=9 a˚r.\frac{1}{2(1 + t)} = 0{,}05 \Rightarrow 1 + t = \frac{1}{0{,}1} = 10 \Rightarrow t^* = 9 \text{ år}.

Klassifiser: L(t)=12(1+t)2<0L''(t) = -\dfrac{1}{2(1+t)^2} < 0 → konkav → globalt maksimum.

Svar: Selg etter 9 år. Maksimal nåverdi: NV(9)=10010e0,45316,230,638201,74NV(9) = 100\sqrt{10} \cdot e^{-0{,}45} \approx 316{,}23 \cdot 0{,}638 \approx 201{,}74 kr.

Tolkning av betingelsen V/V=rV'/V = r: L(t)=V(t)/V(t)r=0L'(t) = V'(t)/V(t) - r = 0 betyr at den relative vekstraten av eiendelen skal være lik rentekursen. Hvis aktiva vokser raskere enn renten, vent litt til. Hvis det vokser saktere, selg nå. Dette er Rotting-regelen i ressursøkonomi (Hotelling, 1931).

✏️Eksempel 5 — Sammenligning av to investeringsalternativ

Du har 1000 kr å investere. Alternativ A gir nettoavkastning A(x)=5xA(x) = 5\sqrt{x} kr (xx = innsats i kr). Alternativ B gir B(x)=0,2x0,0001x2B(x) = 0{,}2 x - 0{,}0001 x^2 kr. Hvor mye bør du legge i hver dersom du må fordele hele 1000 kr mellom dem?

Modellering: La xx = innsats i A, så 1000x1000 - x i B. Total avkastning:
F(x)=A(x)+B(1000x)=5x+0,2(1000x)0,0001(1000x)2F(x) = A(x) + B(1000 - x) = 5\sqrt{x} + 0{,}2(1000 - x) - 0{,}0001(1000 - x)^2

for 0x10000 \leq x \leq 1000.

Deriver:
F(x)=52x0,2+0,0002(1000x)F'(x) = \frac{5}{2\sqrt{x}} - 0{,}2 + 0{,}0002 (1000 - x)

Sett y=1000xy = 1000 - x for litt enklere notasjon. F(x)=0F'(x) = 0:
52x=0,20,0002y=0,20,2+0,0002x=0,0002x\frac{5}{2\sqrt{x}} = 0{,}2 - 0{,}0002 \cdot y = 0{,}2 - 0{,}2 + 0{,}0002 x = 0{,}0002 x

Dvs. 52x=0,0002x25000=2xxx3/2=12500\dfrac{5}{2\sqrt{x}} = 0{,}0002 x \Rightarrow 25000 = 2\sqrt{x} \cdot x \Rightarrow x^{3/2} = 12500

x=125002/3542,9\Rightarrow x = 12500^{2/3} \approx 542{,}9 kr.

Klassifiser: F(x)=54x3/20,0002<0F''(x) = -\dfrac{5}{4x^{3/2}} - 0{,}0002 < 0 → konkav → maks.

Svar: Sett ca. 543 kr i A og 457 kr i B. Maksimal total avkastning F(543)5543+0,24570,00014572116,5+91,420,9187\approx F(543) \approx 5\sqrt{543} + 0{,}2 \cdot 457 - 0{,}0001 \cdot 457^2 \approx 116{,}5 + 91{,}4 - 20{,}9 \approx 187 kr.

Den økonomiske tolkningen: Førsteordens-betingelsen sier A(x)=B(1000x)A'(x) = B'(1000-x)marginalavkastningen i hver investering må være lik i optimum. Hvis ikke ville du flytte penger mot den med høyere margin. Dette er det generelle utligningsprinsippet i ressursfordeling.

✏️Eksempel 6 — Endepunkt vinner: kapasitetsbegrensning

En bedrift har profitt π(x)=15x2+30x800\pi(x) = -\dfrac{1}{5}x^2 + 30x - 800, men produksjonskapasiteten er begrenset til 0x500 \leq x \leq 50. Finn maksimalt overskudd.

Frie ekstremalpunkt:
π(x)=25x+30=0x=75\pi'(x) = -\dfrac{2}{5}x + 30 = 0 \Rightarrow x = 75.

π(x)=25<0\pi''(x) = -\dfrac{2}{5} < 0 → konkav → x=75x = 75 er globalt fritt maksimum.

MEN: x=75>50x = 75 > 50, så det frie optimum ligger utenfor det tillatte intervallet. Bibetingelsen x50x \leq 50 er bindende.

Kandidatliste på [0,50][0, 50]: stasjonære punkter (ingen innenfor) + endepunkter.
- π(0)=800\pi(0) = -800 kr (tap)
- π(50)=500+1500800=200\pi(50) = -500 + 1500 - 800 = 200 kr ✓

Maks ligger ved x=50x^* = 50 med π=200\pi^* = 200 kr.

Tolkning: Profitten øker hele veien fra 0 til 75. Siden vi ikke kan produsere mer enn 50, lønner det seg å produsere maks kapasitet. Bibetingelsen x50x \leq 50 er bindende — dette er en KKT-situasjon.

Skyggepris (sneak peek til Lagrange): Hva ville en utvidelse av kapasiteten være verdt? π(50)=20+30=10\pi'(50) = -20 + 30 = 10 kr per enhet utvidet kapasitet. Hvis det koster mindre enn 10 kr/enhet å utvide kapasiteten, lønner det seg!

📊Profittfunksjon med kapasitetsbegrensning

π(x)\pi(x) vokser i hele [0,50][0, 50], og topper utenfor det tillatte området. Maksimumet på intervallet ligger derfor i endepunktet x=50x = 50.

📜Oppsummering: Optimeringsverktøy
SituasjonMetode
Fritt optimum (åpent intervall)f(x)=0f'(x) = 0, klassifiser med ff'' eller fortegnsskjema
Strengt konkav ffEtt stasjonært punkt = globalt maks
Strengt konveks ffEtt stasjonært punkt = globalt min
Lukket intervall [a,b][a, b]Beregn ff i stasjonære punkter og i a,ba, b, velg største/minste
Ulikhet g(x)cg(x) \leq cSjekk fritt optimum; hvis det bryter bibetingelsen, sett g(x)=cg(x) = c
Min gjennomsnittskostnadSett K(x)=Kˉ(x)K'(x) = \bar{K}(x), eller Kˉ(x)=0\bar{K}'(x) = 0
Profittmaksimering (monopol)Sett MR = MC, dvs. I(x)=K(x)I'(x) = K'(x)
EOQ-formelenQ=2Dc/hQ^* = \sqrt{2Dc/h}

Modelleringsrekkefølge: Identifiser → Skriv målfunksjon → Eliminere variabler → Derivér → Løs → Klassifisere → Tolk.
📝Oppgave 1
Drill. Finn maks av f(x)=x2+8x+5f(x) = -x^2 + 8x + 5[0,6][0, 6].
a

Stasjonært punkt.

b

Kandidatliste og max.

Løs oppgavenTren
📝Oppgave 2
Drill. Minimer K(x)=2x+50xK(x) = 2x + \dfrac{50}{x} for x>0x > 0.
a

Derivert og stasjonært.

b

Klassifiser og beregn min.

Løs oppgavenTren
📝Oppgave 3
Drill. Finn xx som maksimerer π(x)=60xx2100\pi(x) = 60x - x^2 - 100 for x0x \geq 0.
a

Finn xx^*.

b

Maksimalt overskudd.

Løs oppgavenTren
📝Oppgave 4
Drill. En bedrift har K(x)=x2+4x+64K(x) = x^2 + 4x + 64. Finn produksjonen som minimerer gjennomsnittskostnaden Kˉ(x)\bar{K}(x).
a

Sett opp Kˉ(x)\bar K(x).

b

Minimer.

c

Verifiser at K(8)=Kˉ(8)K'(8) = \bar K(8).

Løs oppgavenTren
📝Oppgave 5
Anvend. Etterspørsel: p(x)=2004xp(x) = 200 - 4x. Kostnad: K(x)=40x+500K(x) = 40x + 500. Finn xx^*, pp^* og maksimal profitt.
a

Sett opp profittfunksjonen π(x)\pi(x).

b

Finn xx^*.

c

Finn pris og maksimal profitt.

d

Bekreft regelen MR = MC i optimum.

Løs oppgavenTren
📝Oppgave 6
Anvend (EOQ). En grossist selger D=2000D = 2000 enheter per år. Bestillingskostnad er c=20c = 20 kr per bestilling, lagerholdskostnad h=4h = 4 kr/enhet/år.
a

Sett opp totalkostnaden TC(Q)TC(Q).

b

Finn optimal bestillingsmengde QQ^*.

c

Bruk EOQ-formelen og bekreft.

d

Beregn TC(Q)TC(Q^*).

Løs oppgavenTren
📝Oppgave 7
Anvend (geometri). Et rektangulært område skal gjerdes inn, men en av sidene støter mot en eksisterende mur og krever ikke gjerde. Gjerdet skal være 200 meter totalt. Finn maks areal.
a

Sett opp areal AA som funksjon av én variabel.

b

Finn maks.

c

Maksimalt areal.

d

Sammenlign med Eksempel 3 (100m gjerde, 4 sider).

Løs oppgavenTren
📝Oppgave 8
Tenk. Konseptuelle spørsmål om optimering.
a
Finn feilen: En student skal minimere kostnad K(x)=5x230x+50K(x) = 5x^2 - 30x + 50 og skriver K(x)=10x30=0x=3K'(x) = 10x - 30 = 0 \Rightarrow x = 3. Hun konkluderer at minimum er x=3x = 3 uten å verifisere. Forklar hvorfor svaret tilfeldigvis er riktig, men hva som mangler.
b

Forklar (med ord) hvorfor monopolisten produserer mindre enn det som maksimerer inntekt. Hvorfor er det rasjonelt å gå forbi MR = 0?

c

Gi et eksempel på et optimeringsproblem der maks ligger i et endepunkt og ikke i et stasjonært punkt, og forklar når dette gjelder generelt.

🤖AI-tilbakemelding tilgjengelig
Repetisjonsoppgaver
Din fremgang
0deloppgaver0 / 10 oppgaver

Oppsummering

I dette kapittelet har du lært:

- Optimeringsproblem: Består av målfunksjon, beslutningsvariabel og eventuelle bibetingelser.
- Globalt ekstremum: Beste verdi på hele området, ikke bare lokalt.
- Førsteordensbetingelse: f(x)=0f'(x) = 0 gir kandidatene.
- Bindende bibetingelser: Restriksjoner kan være bindende eller ikke-bindende.

Viktige formler


- Fritt optimum: f(x)=0f'(x) = 0, klassifiser med ff''.

Nøkkelbegreper


BegrepForklaring
MålfunksjonDet vi vil maksimere/minimere
BeslutningsvariabelDet vi kan velge
Globalt maksimumBeste verdi på hele området
BibetingelseRestriksjon på valget

Dette kapitlet er skrevet av Anthropics toppmodeller (Claude Opus og Claude Fable) og er foreløpig ikke manuelt gjennomgått — kvalitetskontrollen gjøres av uavhengige KI-agenter, og innmeldte feil rettes fortløpende. Funnet en feil? Meld fra, så retter vi den. Les mer om hvordan innholdet lages.

Skolesaga er en uavhengig læringsressurs og er ikke tilknyttet eller godkjent av Handelshøyskolen BI. Dette er ikke offisielt studiemateriell. Les mer.