Tilbake
7.3
Stasjonære punkter og andrederiverttest

7.3 Stasjonære punkter og andrederiverttest

Stasjonære punkter, Hessian-determinanten og klassifisering av lokale ekstrema og sadelpunkter.

60 min
16 oppgaver
Stasjonært punktHessianLokalt maksimumLokalt minimumSadelpunktProfittmaksimering
Du leser den tradisjonelle versjonen
Din fremgang i kapitlet
0 / 16 oppgaver
Kapitlets plass i kurset

I økonomien jaktar vi ofte på toppunkt og botnpunkt for funksjonar av fleire variablar: kva kombinasjon av prisar gir maksimal inntekt? Kva kombinasjon av innsatsfaktorar minimerer kostnaden? Kva produktmiks gir høgast profitt? Vi skal no utvide derivasjonsteorien frå éin variabel slik at vi kan finne og klassifisere slike punkt for funksjonar av to variablar.

Stasjonært punkt
Eit punkt (a,b)(a, b) er eit stasjonært punkt for f(x,y)f(x, y) dersom
fx(a,b)=0ogfy(a,b)=0.f_x(a, b) = 0 \quad \text{og} \quad f_y(a, b) = 0.

Vi seier også at gradienten er null: f(a,b)=(0,0)\nabla f(a, b) = (0, 0).

For ein deriverbar funksjon må alle lokale maksima og minima ligge i stasjonære punkt — dette er det førsteordens nødvendige vilkåret.

📜Førsteordens nødvendig vilkår
Viss f(x,y)f(x, y) har eit lokalt maksimum eller minimum i eit indre punkt (a,b)(a, b) av definisjonsmengda, og ff er deriverbar i (a,b)(a, b), så er
fx(a,b)=0ogfy(a,b)=0.f_x(a, b) = 0 \quad \text{og} \quad f_y(a, b) = 0.
✏️Eksempel 1 — Finn stasjonære punkt

Finn alle stasjonære punkt til f(x,y)=x2+y24x6y+13f(x, y) = x^2 + y^2 - 4x - 6y + 13.

Førsteordens deriverte:
fx=2x4f_x = 2x - 4
fy=2y6f_y = 2y - 6

Set begge lik null:
2x4=0x=22x - 4 = 0 \Rightarrow x = 2
2y6=0y=32y - 6 = 0 \Rightarrow y = 3

Det er eitt stasjonært punkt: (2,3)(2, 3).

Vi kan kontrollere: f(2,3)=4+9818+13=0f(2, 3) = 4 + 9 - 8 - 18 + 13 = 0. Faktisk kan vi skrive f(x,y)=(x2)2+(y3)2f(x, y) = (x-2)^2 + (y-3)^2, som er ein sum av kvadrat. Minimum er 00 i punktet (2,3)(2, 3).

Å finne stasjonære punkt er eitt trinn, men vi vil vite om dei er maksima, minima eller noko anna. I éin variabel brukte vi andrederivertesten: f(a)>0f''(a) > 0 gav minimum, f(a)<0f''(a) < 0 gav maksimum. Med to variablar er det ikkje nok å sjå på fxxf_{xx} og fyyf_{yy} — vi må også vite korleis funksjonen krummar i diagonal retning. Det blir styrt av krysspartialane fxyf_{xy}.

Hessian-determinant
For eit stasjonært punkt (a,b)(a, b) definerer vi Hessian-determinanten
D(a,b)=fxx(a,b)fyy(a,b)(fxy(a,b))2.D(a, b) = f_{xx}(a, b) \cdot f_{yy}(a, b) - (f_{xy}(a, b))^2.
📜Andreordens test for to variablar

Anta at (a,b)(a, b) er eit stasjonært punkt og at andreordens partielle deriverte er kontinuerlege. Lat D=fxxfyy(fxy)2D = f_{xx} f_{yy} - (f_{xy})^2 evaluert i (a,b)(a, b).

- D>0D > 0 og fxx>0f_{xx} > 0: (a,b)(a, b) er eit lokalt minimum
- D>0D > 0 og fxx<0f_{xx} < 0: (a,b)(a, b) er eit lokalt maksimum
- D<0D < 0: (a,b)(a, b) er eit sadelpunkt
- D=0D = 0: testen er ubestemt — vi må undersøkje nærmare

✏️Eksempel 2 — Klassifiser stasjonært punkt

Klassifiser det stasjonære punktet (2,3)(2, 3) for f(x,y)=x2+y24x6y+13f(x, y) = x^2 + y^2 - 4x - 6y + 13 frå Eksempel 1.

Andreordens:
fxx=2f_{xx} = 2, fyy=2f_{yy} = 2, fxy=0f_{xy} = 0.

Hessian-determinant:
D=2202=4>0D = 2 \cdot 2 - 0^2 = 4 > 0

Sidan D>0D > 0 og fxx=2>0f_{xx} = 2 > 0, er (2,3)(2, 3) eit lokalt minimum med funksjonsverdi f(2,3)=0f(2, 3) = 0.

(Faktisk er det også eit globalt minimum, sidan funksjonen er ein sum av kvadrat.)

✏️Eksempel 3 — Sadelpunkt

Finn og klassifiser alle stasjonære punkt for f(x,y)=x2y2f(x, y) = x^2 - y^2.

Førsteordens:
fx=2x=0x=0f_x = 2x = 0 \Rightarrow x = 0
fy=2y=0y=0f_y = -2y = 0 \Rightarrow y = 0

Einaste stasjonære punkt: (0,0)(0, 0).

Andreordens:
fxx=2,fyy=2,fxy=0f_{xx} = 2, f_{yy} = -2, f_{xy} = 0

D=2(2)02=4<0D = 2 \cdot (-2) - 0^2 = -4 < 0

(0,0)(0, 0) er eit sadelpunkt.

Dette stemmer godt med forma til funksjonen: langs xx-aksen er f(x,0)=x2f(x, 0) = x^2 (oppover-parabel) og langs yy-aksen er f(0,y)=y2f(0, y) = -y^2 (nedover-parabel).

📝Oppgave 1

Finn alle stasjonære punkt

a
f(x,y)=x2+y2f(x, y) = x^2 + y^2
b
f(x,y)=4xx2+y2f(x, y) = 4x - x^2 + y^2
c
f(x,y)=x22x+y2+4yf(x, y) = x^2 - 2x + y^2 + 4y
d
f(x,y)=xyxyf(x, y) = xy - x - y
✏️Eksempel 4 — Lokalt maksimum

Finn og klassifiser stasjonære punkt for f(x,y)=x2y2+6x+8y5f(x, y) = -x^2 - y^2 + 6x + 8y - 5.

Førsteordens:
fx=2x+6=0x=3f_x = -2x + 6 = 0 \Rightarrow x = 3
fy=2y+8=0y=4f_y = -2y + 8 = 0 \Rightarrow y = 4

Stasjonært punkt: (3,4)(3, 4).

Andreordens:
fxx=2,fyy=2,fxy=0f_{xx} = -2, f_{yy} = -2, f_{xy} = 0

D=(2)(2)02=4>0,fxx=2<0D = (-2)(-2) - 0^2 = 4 > 0, \quad f_{xx} = -2 < 0

(3,4)(3, 4) er eit lokalt maksimum. Funksjonsverdi: f(3,4)=916+18+325=20f(3, 4) = -9 - 16 + 18 + 32 - 5 = 20.

📝Oppgave 2

Finn og klassifiser alle stasjonære punkt

a
f(x,y)=x2+y24x6yf(x, y) = x^2 + y^2 - 4x - 6y
b
f(x,y)=x22y2+4x+8yf(x, y) = -x^2 - 2y^2 + 4x + 8y
c
f(x,y)=x2y2+2x+4yf(x, y) = x^2 - y^2 + 2x + 4y
d
f(x,y)=xyf(x, y) = xy
✏️Eksempel 5 — Profittmaksimering med to produkt
Ei bedrift produserer to varer. Profittfunksjonen er
π(x,y)=10x+8yx22xyy2.\pi(x, y) = 10x + 8y - x^2 - 2xy - y^2.
Finn den produktmiksen som maksimerer profitten, og rekn ut maksimal profitt.
Førsteordens vilkår:
πx=102x2y=0x+y=5\pi_x = 10 - 2x - 2y = 0 \Rightarrow x + y = 5
πy=82x2y=0x+y=4\pi_y = 8 - 2x - 2y = 0 \Rightarrow x + y = 4

Konklusjon: Systemet er inkonsistent (545 \neq 4), så det finst ingen stasjonære punkt. Maksimum kan ikkje ligge i eit indre punkt; det må eventuelt søkjast på randen (x=0x = 0 eller y=0y = 0).

Teknisk sett tyder dette at maksimum av ein slik konkav funksjon vil ligge på randen — i praksis at den optimale strategien er å produsere berre éi av dei to varene. Vi løyser delproblema:
- Set y=0y = 0: π(x,0)=10xx2\pi(x, 0) = 10x - x^2, maks ved x=5x = 5, π=25\pi = 25
- Set x=0x = 0: π(0,y)=8yy2\pi(0, y) = 8y - y^2, maks ved y=4y = 4, π=16\pi = 16

Bedrifta bør produsere berre vare A med x=5x = 5, og profitten blir 2525.

✏️Eksempel 6 — Profittmaksimering, konsistent system
Ei bedrift har profittfunksjon
π(x,y)=40x+60yx2xy2y250.\pi(x, y) = 40 x + 60 y - x^2 - xy - 2 y^2 - 50.
Finn optimal produksjon og maksimal profitt.
Førsteordens:
πx=402xy=0\pi_x = 40 - 2x - y = 0
πy=60x4y=0\pi_y = 60 - x - 4y = 0

Frå første likning: y=402xy = 40 - 2x. Set inn i andre:
60x4(402x)=060 - x - 4(40 - 2x) = 0
60x160+8x=060 - x - 160 + 8x = 0
7x=100x=100714,297x = 100 \Rightarrow x = \dfrac{100}{7} \approx 14{,}29

y=4021007=2802007=80711,43y = 40 - 2 \cdot \dfrac{100}{7} = \dfrac{280 - 200}{7} = \dfrac{80}{7} \approx 11{,}43

Andreordens:
πxx=2,πyy=4,πxy=1\pi_{xx} = -2, \pi_{yy} = -4, \pi_{xy} = -1
D=(2)(4)(1)2=81=7>0,πxx=2<0D = (-2)(-4) - (-1)^2 = 8 - 1 = 7 > 0, \quad \pi_{xx} = -2 < 0

Dette er eit lokalt maksimum.

Maksimal profitt:
π ⁣(1007,807)=401007+60807(1007)210078072(807)250\pi\!\left(\tfrac{100}{7}, \tfrac{80}{7}\right) = 40 \cdot \tfrac{100}{7} + 60 \cdot \tfrac{80}{7} - \left(\tfrac{100}{7}\right)^2 - \tfrac{100}{7} \cdot \tfrac{80}{7} - 2 \left(\tfrac{80}{7}\right)^2 - 50
=4000+4800710000+8000+128004950=88007308004950= \tfrac{4000 + 4800}{7} - \tfrac{10000 + 8000 + 12800}{49} - 50 = \tfrac{8800}{7} - \tfrac{30800}{49} - 50
=61600308004950=308004950628,5750=578,57= \tfrac{61600 - 30800}{49} - 50 = \tfrac{30800}{49} - 50 \approx 628{,}57 - 50 = 578{,}57

Optimal produksjon: x14,29,y11,43x \approx 14{,}29, y \approx 11{,}43, maksimal profitt ca. 578,57578{,}57 kr.

📝Oppgave 3

Ei bedrift har profittfunksjon π(x,y)=50x+40yx2xyy2\pi(x, y) = 50 x + 40 y - x^2 - x y - y^2.

a

Finn førsteordens vilkår.

b

Løys systemet.

c

Vis at det er eit lokalt maksimum.

d

Rekn ut maksimal profitt.

Løs oppgavenTren
✏️Eksempel 7 — Kostnadsminimering
Ei bedrift produserer ei vare ved hjelp av to innsatsfaktorar, og totalkostnaden er
C(x,y)=x2+2xy+3y28x12y+100.C(x, y) = x^2 + 2xy + 3y^2 - 8x - 12y + 100.
Finn det punktet som minimerer kostnaden.
Førsteordens:
Cx=2x+2y8=0x+y=4C_x = 2x + 2y - 8 = 0 \Rightarrow x + y = 4
Cy=2x+6y12=0x+3y=6C_y = 2x + 6y - 12 = 0 \Rightarrow x + 3y = 6

Trekk: 2y=2y=1,x=32y = 2 \Rightarrow y = 1, x = 3.

Andreordens:
Cxx=2,Cyy=6,Cxy=2C_{xx} = 2, C_{yy} = 6, C_{xy} = 2
D=2622=8>0,Cxx=2>0D = 2 \cdot 6 - 2^2 = 8 > 0, \quad C_{xx} = 2 > 0

Det er eit lokalt minimum.

Minimumskostnad:
C(3,1)=9+6+32412+100=82C(3, 1) = 9 + 6 + 3 - 24 - 12 + 100 = 82

Den optimale innsatsfaktorkombinasjonen er (3,1)(3, 1), og minimumskostnaden er 8282.

📝Oppgave 4

Ei bedrift har totalkostnad C(x,y)=x2+2y2+2xy10x14y+50C(x, y) = x^2 + 2 y^2 + 2xy - 10 x - 14 y + 50 for produksjon av to varer.

a

Finn førsteordens vilkår.

b

Finn det stasjonære punktet.

c

Vis at det er eit lokalt minimum.

d

Rekn ut minimumskostnaden.

Løs oppgavenTren
✏️Eksempel 8 — Profitt med to prisar
Ein monopolist sel same produkt i to marknader med etterspurnaden
x1=60p1,x2=400,5p2x_1 = 60 - p_1, \quad x_2 = 40 - 0{,}5 p_2
Konstant marginalkostnad er 10 kr per eining, faste kostnader 100 kr. Finn dei prisane som maksimerer profitten.
Inntekt:
I=p1x1+p2x2=p1(60p1)+p2(400,5p2)=60p1p12+40p20,5p22I = p_1 x_1 + p_2 x_2 = p_1(60 - p_1) + p_2(40 - 0{,}5 p_2) = 60 p_1 - p_1^2 + 40 p_2 - 0{,}5 p_2^2

Kostnad:
C=10(x1+x2)+100=10(60p1+400,5p2)+100=100010p15p2+100C = 10(x_1 + x_2) + 100 = 10(60 - p_1 + 40 - 0{,}5 p_2) + 100 = 1000 - 10 p_1 - 5 p_2 + 100
=110010p15p2= 1100 - 10 p_1 - 5 p_2

Profitt:
π(p1,p2)=IC=60p1p12+40p20,5p221100+10p1+5p2\pi(p_1, p_2) = I - C = 60 p_1 - p_1^2 + 40 p_2 - 0{,}5 p_2^2 - 1100 + 10 p_1 + 5 p_2
=70p1p12+45p20,5p221100= 70 p_1 - p_1^2 + 45 p_2 - 0{,}5 p_2^2 - 1100

Førsteordens:
πp1=702p1=0p1=35\pi_{p_1} = 70 - 2 p_1 = 0 \Rightarrow p_1 = 35
πp2=45p2=0p2=45\pi_{p_2} = 45 - p_2 = 0 \Rightarrow p_2 = 45

Andreordens:
πp1p1=2,πp2p2=1,πp1p2=0\pi_{p_1 p_1} = -2, \pi_{p_2 p_2} = -1, \pi_{p_1 p_2} = 0
D=2>0,πp1p1<0D = 2 > 0, \pi_{p_1 p_1} < 0: lokalt maksimum.

Maksimal profitt: π(35,45)=7035352+45450,54521100=24501225+20251012,51100=1137,5\pi(35, 45) = 70 \cdot 35 - 35^2 + 45 \cdot 45 - 0{,}5 \cdot 45^2 - 1100 = 2450 - 1225 + 2025 - 1012{,}5 - 1100 = 1137{,}5 kr.

📝Oppgave 5

Ein monopolist sel to varer som er substitutt. Etterspurnaden er
x1=802p1+p2x_1 = 80 - 2 p_1 + p_2 og x2=60+p12p2x_2 = 60 + p_1 - 2 p_2. Marginalkostnader er 1010 kr for vare 1 og 55 kr for vare 2. Faste kostnader blir ignorerte.

a

Set opp profittfunksjonen π(p1,p2)\pi(p_1, p_2).

b

Finn førsteordens vilkår.

c

Løys systemet og finn optimal pris i kvar marknad.

d

Vis at det er eit lokalt maksimum.

✏️Eksempel 9 — Funksjon utan lokalt ekstremum

Vis at f(x,y)=x3+y33xyf(x, y) = x^3 + y^3 - 3xy har to stasjonære punkt, og klassifiser dei.

Førsteordens:
fx=3x23y=0y=x2f_x = 3 x^2 - 3y = 0 \Rightarrow y = x^2
fy=3y23x=0x=y2f_y = 3 y^2 - 3x = 0 \Rightarrow x = y^2

Set inn: x=(x2)2=x4x4x=0x(x31)=0x = (x^2)^2 = x^4 \Rightarrow x^4 - x = 0 \Rightarrow x(x^3 - 1) = 0.
Løysingar: x=0x = 0 (gir y=0y = 0) og x=1x = 1 (gir y=1y = 1).

Stasjonære punkt: (0,0)(0, 0) og (1,1)(1, 1).

Andreordens:
fxx=6x,fyy=6y,fxy=3f_{xx} = 6x, f_{yy} = 6y, f_{xy} = -3

Punkt (0,0)(0, 0): D=09=9<0D = 0 - 9 = -9 < 0: sadelpunkt.

Punkt (1,1)(1, 1): D=369=27>0,fxx=6>0D = 36 - 9 = 27 > 0, f_{xx} = 6 > 0: lokalt minimum med f(1,1)=1+13=1f(1, 1) = 1 + 1 - 3 = -1.

📝Oppgave 6

Finn og klassifiser alle stasjonære punkt for

a
f(x,y)=x2+4xy+y2f(x, y) = x^2 + 4xy + y^2
b
f(x,y)=x312x+y24yf(x, y) = x^3 - 12 x + y^2 - 4y
c
f(x,y)=x2yx22yf(x, y) = x^2 y - x^2 - 2y
✏️Eksempel 10 — Pris og kvantum

Ein produsent kan setje pris pp og kjøpt mengd marknadsføring mm. Etterspurnad er q=200p+4mq = 200 - p + 4\sqrt m. Marginalkostnaden er 2020. Kostnad for marknadsføring er mm kr per eining. Faste kostnader = 0. Finn optimal pris og marknadsføring.

Inntekt: I=pq=p(200p+4m)I = p \cdot q = p(200 - p + 4\sqrt m)
Kostnad: C=20q+m=20(200p+4m)+m=400020p+80m+mC = 20 q + m = 20(200 - p + 4\sqrt m) + m = 4000 - 20 p + 80\sqrt m + m
Profitt:
π(p,m)=p(200p+4m)4000+20p80mm\pi(p, m) = p(200 - p + 4\sqrt m) - 4000 + 20 p - 80\sqrt m - m
=200pp2+4pm+20p80mm4000= 200 p - p^2 + 4 p \sqrt m + 20 p - 80\sqrt m - m - 4000
=220pp2+(4p80)mm4000= 220 p - p^2 + (4 p - 80)\sqrt m - m - 4000

Førsteordens:
πp=2202p+4m=0\pi_p = 220 - 2p + 4\sqrt m = 0
πm=(4p80)12m1=4p802m1=0\pi_m = (4p - 80) \cdot \tfrac{1}{2\sqrt m} - 1 = \dfrac{4p - 80}{2\sqrt m} - 1 = 0

Frå andre likning: 2m=4p80m=2p402 \sqrt m = 4p - 80 \Rightarrow \sqrt m = 2p - 40.

Set inn i første likning:
2202p+4(2p40)=0220 - 2p + 4(2p - 40) = 0
2202p+8p160=0220 - 2p + 8p - 160 = 0
6p+60=0p=106p + 60 = 0 \Rightarrow p = -10

Og då m=2(10)40=60\sqrt m = 2 \cdot (-10) - 40 = -60. Begge resultata er økonomisk meiningslause (negativ pris og negativ kvadratrot).

Konklusjon: Det finst ingen indre stasjonært punkt med p0p \geq 0 og m0m \geq 0. Vi må derfor sjekke randen m=0m = 0:
π(p,0)=(p20)(200p),\pi(p, 0) = (p - 20)(200 - p),
som blir maksimert ved p=110p = 110 med profitt π=9090=8100\pi = 90 \cdot 90 = 8100.

Bedrifta bør velje p=110p = 110 og m=0m = 0 — dvs. ikkje bruke noko på marknadsføring. Marknadsføringa er rett og slett for dyr i høve til den marginale etterspurnadsauken ho gir.

📝Oppgave 7

Ei bedrift har profittfunksjon π(x,y)=30x+20yx2y2+xy10\pi(x, y) = 30 x + 20 y - x^2 - y^2 + xy - 10.

a

Finn førsteordens vilkår.

b

Løys systemet.

c

Vis at det er eit lokalt maksimum.

d

Rekn ut maksimal profitt (éin desimal).

📝Oppgave 8

Klassifiser alle stasjonære punkt for f(x,y)=x33xy+y3f(x, y) = x^3 - 3xy + y^3.

a

Finn alle stasjonære punkt.

b

Rekn ut fxx,fyy,fxyf_{xx}, f_{yy}, f_{xy}.

c

Klassifiser (0,0)(0, 0).

d

Klassifiser (1,1)(1, 1).

📜Oppsummering: Andreordens test
TrinnSkildring
1Finn fxf_x og fyf_y
2Løys systemet fx=0,fy=0f_x = 0, f_y = 0 → stasjonære punkt (a,b)(a, b)
3Rekn ut fxx,fyy,fxyf_{xx}, f_{yy}, f_{xy} i (a,b)(a, b)
4Rekn ut D=fxxfyy(fxy)2D = f_{xx} f_{yy} - (f_{xy})^2
5Bruk testen: D>0,fxx>0D > 0, f_{xx} > 0 → min; D>0,fxx<0D > 0, f_{xx} < 0 → maks; D<0D < 0 → sadelpunkt; D=0D = 0 → ubestemt

Hugs: Globale maksima/minima i eit avgrensa område kan også ligge på randen av definisjonsmengda — desse må sjekkast separat.
Repetisjonsoppgåver
Din fremgang
0deloppgaver0 / 8 oppgaver

Oppsummering

I dette kapittelet har du lært:

- Stasjonært punkt: Der både fx=0f_x = 0 og fy=0f_y = 0 (gradienten er null).
- Førsteordensvilkår: Nødvendig for indre maks/min.
- Hessian-determinanten: D=fxxfyy(fxy)2D = f_{xx} f_{yy} - (f_{xy})^2.
- Andrederiverttest: DD og fxxf_{xx} avgjer om punktet er maks, min eller sadelpunkt.

Viktige formlar


fx=0,fy=0f_x = 0, \quad f_y = 0
D=fxxfyy(fxy)2D = f_{xx} f_{yy} - (f_{xy})^2

Nøkkelomgrep


OmgrepForklaring
Stasjonært punktfx=fy=0f_x = f_y = 0
Hessian-determinantfxxfyy(fxy)2f_{xx} f_{yy} - (f_{xy})^2
SadelpunktVerken maks eller min
AndrederiverttestKlassifiserer stasjonære punkt

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.