Cuentas Nacionales

UNIVERSIDAD NACIONAL
“SANTIAGO ANTUNEZ DE MAYOLO”

Facultad de Economía y Contabilidad
MATEMÁTICA PARA
ECONOMISTAS II
Departamento Académico de Economía

OPTIMIZACIÓN
OPTIMIZACIÓN
INTRODUCCIÓN
En los capítulos anteriores, se ofreció una metodología
para analizar las funciones que contienen una variable
independiente.
En las aplicaciones reales, un criterio u objetivo de
decisión se basa a menudo en más de una variable.
Por ejemplo, considere un rectángulo de longitud x y ancho
y. Su área A es el producto de la longitud por el ancho. La
variable A depende de dos variables: x y y. A  xy
Otro ejemplo. La demanda, o volumen de ventas total de un
producto, depende del precio a que se ofrece en el
mercado. Sin embargo en muchos casos también depende
de otros factores tales como la cantidad gastada por el
productor en promocionar el producto y los precios de los
productos de la competencia.
Departamento Economía: III Ciclo Econ. José Rodríguez Herrera
OPTIMIZACIÓN
FUNCIONES DE VARIAS VARIABLES

La balanza de pagos de cualquier nación es función de un
gran número de variables:
La tasa de interés del país: afectan la cantidad de inversión
extranjera que fluye al interior.
La tasa de cambio de la moneda nacional: afecta los
precios de los bienes y en consecuencia determina el
volumen de exportaciones y de importaciones.
La tasa de salarios promedio: afecta los precios de las
exportaciones y por tanto su volumen.
La inversión extranjera existente en el país: afecta las
utilidades generadas cada año.
El clima: si el turismo desempeña una parte esencial en la
economía, o si ésta depende en forma sustancial de algún
producto agrícola.
OPTIMIZACIÓN
FUNCIONES DE VARIAS VARIABLES

En estos casos necesitarnos estudiar funciones de varias
variables independientes. En esta parte consideraremos
funciones de dos variables independientes, y por lo regular
las denotaremos con x y y. La variable dependiente por lo
regular se denotará con z y usamos la notación z=f(x,y) con
el propósito de indicar que z es función de x y y.
Cuando las funciones incluyen más de una variable
independiente, se denominan funciones multivariadas o
funciones de varias variables. Las funciones que contienen
dos variables independientes, se conocen como funciones
bivariadas.
Para examinar y determinar los valores óptimos (máximos
y mínimos) de estas funciones se cuenta con métodos del
cálculo diferencial.
OPTIMIZACIÓN
FUNCIONES BIVARIADAS
Por ejemplo, si una empresa produce x artículos a un costo
de $10 por artículo, entonces el costo total C(x) de producir
los artículos está dado por: C ( x)  10 x
El costo es función de una variable independiente, o sea, el

número de artículos producidos.
Si la empresa produce dos productos, x de un producto a
un costo de $10 cada uno y otro producto a un costo de
$15 cada uno, entonces el costo total para la empresa es
una función de dos variables independientes, x y y. Al
generalizar la notación, f(x), el costo total puede escribirse
como: C ( x, y)  10 x  15 y
Cuando x=5 y y=12, el costo

total se escribe C(5,12), con: C (5,12)  10(5)  15(12)  230
OPTIMIZACIÓN
Representación gráfica
Recordemos que, las funciones que contienen dos
variables independientes, se conocen como funciones
bivariadas.
Una función que contienen una variable dependiente z y
dos variables independientes x y y, puede denotarse como:
z  f ( x, y)
Sabemos, así mismo, que el número de variables presentes
en una función determina el número de dimensiones
necesarias para graficarlas. Así, se requieren dos
dimensiones para trazar las funciones de una sola variable
y para representar gráficamente las funciones bivariadas,
se requieren tres dimensiones.
OPTIMIZACIÓN
Representación gráfica
Las funciones lineales con una variable independiente
tienen una gráfica de líneas rectas en dos dimensiones.
Las funciones lineales con dos variables independientes se
grafican como planos en tres dimensiones.
En general, las funciones no lineales con una variable
independiente, se grafican como curvas en dos
dimensiones.
La gráfica de las funciones no lineales con dos variables
independientes, son superficies curvas en tres
dimensiones.
Un punto importante es que estas funciones se representan
con superficies, no con sólidos.
OPTIMIZACIÓN
Trazado de funciones bivariadas

Considere la siguiente función: z  f ( x, y )  25  x 2  y 2
en donde, 0<x<5 y 0<y<5.
Para trazar esta función se
fijará el valor de una de las z  25  x  y ; y  0
2 2
variables independientes y se
graficará la función resultante.
Por ejemplo, si hacemos y=0,
la función f se convierte en:
z  25  x 2  0 2
z  25  x 2

OPTIMIZACIÓN

En este caso (y=0), la gráfica debe estar en el plano xz y la
relación entre z y x es cuadrática; además, la gráfica forma
parte de una parábola cóncava hacia abajo.
Si ahora hacemos x=0, en la
función original, f quedaría:
z  25  y 2
Ahora la gráfica se encuentra
en el plano yz y la ecuación
indica relación cuadrática
entre y y z; además, la gráfica
es parte de una parábola
cóncava hacia abajo.
OPTIMIZACIÓN

La siguiente figura muestra la
gráfica cuando y=1; y=3; x=1 y
x=3. Estos seis trazos en
combinación comienzan a
parecerse a la estructura
esquelética de la superficie. Y si
tuviéramos que graficar más
trazos asociados con otros
supuestos valores de x y y,
obtendríamos una representación
más exacta de la superficie que
representa a f.

OPTIMIZACIÓN
DERIVADAS PARCIALES
En las funciones de una sola variable, la derivada representa
la tasa instantánea de cambio en la variable dependiente
respecto al que se opera en la variable independiente. En las
funciones bivariadas, las derivadas parciales representan la
tasa instantánea de cambio en la variable dependiente, con
respecto a los cambios de las dos variables independientes,
pero tomadas por separado.
En una función z=f(x,y), puede calcularse una derivada
parcial respecto a cada variable independiente.
La derivada parcial tomada La derivada parcial tomada
respecto a x se denota con: respecto a y se denota con:
z z
o fx o fy
x y
OPTIMIZACIÓN
DERIVADAS PARCIALES
Las derivadas parciales pueden calcularse utilizando las
mismas reglas de diferenciación estudiadas y utilizadas
anteriormente. La única excepción es que cuando se calcula
la derivada parcial respecto a una variable independiente, se
supone que se mantiene constante a la otra.
Por ejemplo, al calcular la derivada parcial respecto a x, se
supone que y es constante .
Otro punto importante es que la variable que se supone
constante debe tratarse como una constante al aplicar las
reglas de diferenciación.

OPTIMIZACIÓN
DERIVADAS PARCIALES
Ejemplos:
1. Sea: f ( x, y)  4 x 2  9 xy  6 y 3 Encuentre fx y fy.
Respuesta f x  8 x  9 y f y  9 x  18 y 2
2. Sea: f ( x, y)  ln( x 2  y) Encuentre fx y fy.
Respuesta 2x 1
fx  2 fy  2
x y x y
3. Sea: f ( x, y)  3x 2  5 y 3 Encuentre fx y fy.
Respuesta
f x  6x f y  15 y 2

OPTIMIZACIÓN
DERIVADAS PARCIALES
Ejemplos:
4. Sea: f ( x, y)  5x 2 y Encuentre fx y fy.
Respuesta f x  10 xy f y  5x2
5. Sea: f ( x, y)  5x 2  6 y 3 Encuentre fx y fy.
Respuesta
f x  10 x f y  18 y 2
6. Sea: f ( x, y )  4 xy Encuentre fx y fy.
Respuesta
fx  4 y f y  4x

OPTIMIZACIÓN
DERIVADAS PARCIALES
Ejemplos:
7. Sea: f ( x, y)  10 xy 3 Encuentre fx y fy.
Respuesta f x  10 y 3 f y  30 xy 2

x2  y 2
8. Sea: f ( x, y)  e Encuentre fx y fy.
Respuesta x2  y 2
f x  2 xe x2  y 2
f y  2 ye
9. Sea: f ( x, y)  (3x2  2 y 2 )3 Encuentre fx y fy.
Respuesta
f x  9(3x  2 y 2 ) 2 f y  12(3x  2 y 2 )2

OPTIMIZACIÓN
DERIVADAS PARCIALES
Ejemplos:
( x2  y 2 )
10. Sea: z Encuentre fx y fy.
ln x
2 x 2 ln x  ( x 2  y 2 ) 2y
Respuesta fx  fy 
x(ln x)2 ln x

OPTIMIZACIÓN
INTERPRETACIÓN DE LAS DERIVADAS PARCIALES

Una interpretación de las derivadas parciales, es la tasa
instantánea de cambio. Como en el caso de las funciones de
una variable independiente, las derivadas parciales pueden
emplearse para aproximar los cambios de valor de la
variable dependiente, si se produce un cambio en una de las
variables independientes.
Por ejemplo, fx puede servir para aproximar el cambio de
f(x,y), si se opera un cambio en x y se supone que y es
constante. La derivada parcial fy puede utilizarse para
aproximar el cambio de f(x,y) si se opera un cambio en y, si
se supone que x es constante.

OPTIMIZACIÓN

En un punto f(x0,y0) del dominio
de la función dada z=f(x,y), fx
representa la pendiente de la
sección vertical de la gráfica que
corresponde al plano y=y0. De
manera similar, fy se interpreta
como la pendiente de la sección
vertical definida por el plano x=x0
. Esta última sección vertical
tiene la ecuación z=f(x0,y) que
expresa a z como una función de
y y su pendiente se obtiene
derivando z con respecto a y y
con x igual a la constante x0.

OPTIMIZACIÓN

Con frecuencia, la demanda de un producto o servicio
recibe el influjo no sólo de su precio, sino también de los
precios de otros productos o servicios.
La ecuación que se muestra a continuación es una función
de demanda que expresa la cantidad demandada del
producto 1 (q1) en términos de su precio (p1) y también de los
precios de otros dos productos (P2 y P3), todos ellos
expresados en dólares.
q1  f ( p1 , p2 , p3 )  10000  2.5 p1  3 p2  1.5 p3

Las derivadas parciales de esta función de demanda ofrecen
una medida de la respuesta instantánea de la demanda ante
los cambios en los precios de los tres productos.

OPTIMIZACIÓN

Por ejemplo, fp1=-2.5, sugiere que si p2 y p3 se mantienen
constantes, la demanda del producto 1 disminuirá a una
tasa instantánea de 2.5 unidades por cada unidad (dólar)
que aumente p1.
De modo análogo, las derivadas parciales fp2=3 y fp3=1.5
indican las tasas instantáneas de cambio en la demanda
asociada a los que se producen en los precios de los otros
dos productos.
fp2=3 sugiere que la demanda del producto 1 aumentará a
una tasa instantánea de 3 unidades por cada unidad (dólar)
que aumente P2 (Se mantienen constantes p1 y p3). fp3=1.5
indica que la demanda del producto 1 crecerá a una tasa
instantánea de 1.5 unidades por cada unidad (dólar) que p3
aumente (se mantienen constantes p1 y p2)
OPTIMIZACIÓN

Hagamos en seguida un par de observaciones. En primer
lugar, esta función de demanda es lineal y las
correspondientes derivadas parciales son constantes. Es
decir, las tasas instantáneas de cambio son iguales en
cualquier parte del dominio de la función de demanda.
En segundo lugar, el hecho de que la demanda del producto
1 aumente al incrementarse los precios de los productos 2 y
3 revela una interdependencia entre los tres productos. Este
es el tipo de relación que cabría esperar que exista entre
productos en competencia.
Entre los ejemplos de este tipo de bienes se puede citar las
diferentes marcas de un mismo producto o los productos
que pueden servir para satisfacer determinada necesidad
(como margarina y mantequilla, carnes de res y pollo).
OPTIMIZACIÓN

En el caso de esta categoría de bienes de consumo cabría
esperar que, conforme crezca el precio de un producto,
disminuye su demanda y la de los productos en
competencia aumenta. De manera análoga, a medida que
desciende el precio de un producto, cabría esperar que su
demanda aumente y la de los productos de la competencia
disminuya.
Este es el tipo de comportamiento ejemplificado por la
función de demanda anterior y sus derivadas parciales.

OPTIMIZACIÓN

Ejemplo:
En la función de demanda:
q1  f ( p1 , p2 , p3 )  120000  0.5 p12  0.4 p22  0.2 p33
1. Calcule todas las derivadas parciales
2. Si los precios actuales de los tres productos son p1=10;
p2=20; p3=30, evalúe las derivadas parciales e interprete su
significado.
3. Qué sugerirán las funciones de demanda y sus derivadas
parciales respecto a la interdependencia entre los tres
productos?
Respuesta f ( p1 )   p1 f ( p2 )  0.8 p2 f ( p3 )  0.4 p3
f p1 (10, 20,30)  10 f p2 (10, 20,30)  16 f p3 (10, 20,30)  12
OPTIMIZACIÓN

Ejemplo:
Un fabricante nacional estima que el número de unidades
que vende cada año es una función de los gastos hechos en
la publicidad por radio y televisión. La función que
especifica esta relación es:
z  50000 x  40000 y  10 x 2  20 y 2  10 xy
Donde:
z es el número de unidades vendidas al año;
x es la cantidad destinadas a la publicidad por televisión; y,
y indica la cantidad gastada en la publicidad por radio
(ambas en miles)

OPTIMIZACIÓN

Suponga que está gastando actualmente $40 000 en la
publicidad por televisión (x=40) y $20 000 en la publicidad por
radio (y=20). Con estos gastos,
f (40, 20)  50000(40)  40000(20) -10(40)2 - 20(20)2 - 10(40)(20)

f (40, 20)  2768000
O se proyecta que se demandan 2’768,000 unidades.

OPTIMIZACIÓN

Supóngase que queremos determinar el efecto en las ventas
anuales si se destinan $1000 o más dólares a la publicidad
por televisión. La derivada parcial fx debería darnos una
aproximación del efecto:
f x  50000 - 20 x -10 y
Como queremos conocer la tasa instantánea de cambio y
como los gastos son actualmente $40 000 y $20 000,
evaluamos fx, cuando x=40 y y=20:
f x  50000 - 20(40) -10(20)  49000

Al evaluar fx, puede afirmarse que un incremento de los
gastos de $1000 destinados a la televisión debería producir
ventas adicionales aproximadamente de 49 000 unidades.
OPTIMIZACIÓN

Para determinar la exactitud de esta aproximación, se
evaluará f(41,20):
f (41, 20)  50000(41)  40000(20) -10(41) 2 - 20(20) 2 - 10(41)(20)
f (41, 20)  2'816,990
El aumento real de las ventas se proyecta como
f (41, 20)  f (40, 20)  2816990  2768000  48,990
La diferencia entre los incrementos real y estimado usando
fx, es:
48,990  49,000  10
El signo de menos indica que la derivada parcial sobre
estimó el cambio verdadero.
OPTIMIZACIÓN

Supóngase ahora que queremos determinar el efecto, si se
destinan $1000 más a la publicidad por radio y no a la
publicidad por televisión. La derivada parcial tomada
respecto a y aproximará este cambio:
f y  40000 - 40 y -10 x
Al evaluar fy, cuando x=40 y y=20, se obtiene:
f y  40000 - 40(20) -10(40)  38,800

OPTIMIZACIÓN

Así pues, un aumento de $1000 en los gastos de publicidad
por radio originará un aumento aproximado de 38 800 und.
En este caso, las ventas reales se estiman en:
f (40, 21)  50000(40)  40000(21) -10(40)2 - 20(21)2 -10(40)(21)

f (40, 21)  2'806,780
El incremento real en las ventas es:
f (40, 21)  f (40, 20)  2'806,780  2'768,000  38,780
También en este caso el cambio aproximado estimado
empleando fy presenta un error de apenas 20 unidades.
Desde el punto de vista comparativo, si se asignan $1000 a la
publicidad por televisión o radio, es evidente que el
rendimiento mayor provendrá de la televisión.
OPTIMIZACIÓN

La otra interpretación de las derivadas parciales se refiere a
la pendiente de la tangente. Como en el caso de las
funciones de una sola variable, las derivadas parciales fx, y
fy, tiene una interpretación de la pendiente de una tangente.
INTERPRETACIÓN DE LA PENDIENTE DE fx Y fy
1. fx es una expresión general para la pendiente de la
tangente de la familia de trazos paralelos al plano xz.
2. fy es una expresión general para la pendiente de la
tangente de la familia de trazos paralelos al plano yz.

OPTIMIZACIÓN

La derivada parcial fx. estima el cambio en z cuando se da un
cambio en x, suponiendo que y se mantenga constante.
Cuando y es mantenida constante, los trazos
correspondientes se grafican paralelos al plano xz. fx
representa la pendiente de esos trazos.
De manera semejante, fy supone que x se mantiene
constante. Cuando mantenemos constante x el resultado es
una familia de trazos paralelos al plano yz. Y fy, representa la
pendiente de esos trazos. La siguiente figura muestra la
representación de la pendiente.

OPTIMIZACIÓN
DERIVADAS PARCIALES DE SEGUNDO ORDEN

Igual que en el caso de las funciones de una sola variable,
podemos determinar derivadas de segundo orden para las
funciones bivariadas. Estas serán de mucha importancia
cuando tratemos de optimizar el valor de una función.
Derivadas Derivadas
parciales de parciales de
primer orden segundo orden
Diferenciar respecto a x 2 z Derivada parcial pura
f xx  2
x de segundo orden
fx
Diferenciar respecto a y  2 z Derivada parcial mixta
f xy 
xy
Diferenciar respecto a y 2 z Derivada parcial pura
f yy  2
y de segundo orden
fy
Diferenciar respecto a x 2 z
f yx  Derivada parcial mixta
yx

OPTIMIZACIÓN
DERIVADAS PARCIALES DE SEGUNDO ORDEN

Ejemplo:
Determine las derivadas de primer y segundo orden para la
función:
f ( x, y)  8 x  4 x y  10 y
3 2 3
Solución: Las derivadas de primer orden, son:

f x  24 x 2 -8 xy f y  4x2  30 y 2
Las derivadas de
segundo orden, son: TEOREMA DE YOUNG
f xx  48x -8 y f yy  60 y Las derivadas parciales
mixtas son iguales entre sí a
f xy  8 x f yx  8 x condición de que ambas
sean continuas.

OPTIMIZACIÓN
APLICACIÓN PARA EL ANÁLISIS ECONÓMICO

Ejemplo:
Se lanza un nuevo producto al mercado. El volumen de ventas
x se incrementa como una función del tiempo t y depende
también de la cantidad A gastada en la campaña publicitaria.
Si, con t medido en meses y A en dólares,
0.002 A t
x  200(5  e )(1  e )
Calcule las derivadas de primer orden y evalúe éstas cuando
t=1 y A=400. Interprete sus resultados.
Solución:
x x
 ft  200(5  e0.002 A )e t  f A  0.4e0.002 A (1  et )
t A

OPTIMIZACIÓN

Solución:
Haciendo t=1 y A=400, obtenemos:
ft  200(5  e 0.8 )e 1  335 f A  0.4e 0.8 (1  e 1 )  0.11

Como la derivada parcial x/t representa la tasa de aumento
en el volumen de ventas con respecto al tiempo cuando el
gasto en publicidad se mantiene fijo (p.e. cuando A=400), el
volumen de ventas después de 1 mes, crece a una tasa
instantánea de 335 por mes.
Similarmente, la derivada parcial x/A representa el aumento
del volumen de ventas en un instante fijo por cada dólar
adicional gastado en publicidad. Así, en el instante t=1,
cuando ya se han gastado $400 en publicidad, un dólar
adicional aumentará las ventas en 0.11 unidades.
OPTIMIZACIÓN

Productividad marginal:
La producción total del producto de una empresa depende
de un gran número de factores, pero por lo general dos son
los factores más importantes: la cantidad de mano de obra
empleada y el monto del capital invertido.
Sea L el número de unidades de mano de obra empleadas
(digamos h-h/año o $/año gastados en salarios), y sea K el
monto del capital invertido. Entonces la producción total P
(número de unidades del producto de la empresa producidas
al mes) es alguna función de L y K, y escribimos P=f(L, K).
Esta función se conoce como función de producción de la
empresa y las variables L y K son ejemplos de factores
insumo de producción (esto es, variables que afectan el nivel
de producción).
OPTIMIZACIÓN

Productividad marginal:
La derivada parcial P/L se denomina la productividad
marginal de la mano de obra y mide el incremento en P por
incremento unitario en L empleada cuando K es fijo.
La derivada parcial P/K se conoce como la productividad
marginal del capital y mide el incremento en P por
incremento unitario en K cuando L empleada es fijo.
Las 2P/K2 y 2P/L2 también se interpretan como tasas de
cambio marginales. La tasa cuando la productividad
marginal P/K se incrementa c.r.a cambios en K se mide por
2P/K2 . En forma análoga, 2P/L2 mide la tasa cuando la
productividad marginal P/L se incrementa c.r.a cambios en
L empleada. Pueden hacerse interpretaciones semejantes
para las derivadas mixtas P/KK y P/LK .
OPTIMIZACIÓN

Ejemplo:
La función de producción de una empresa está dada por:
P  5L  2 L2  3LK  8K  3K 2
En donde:
L: Mano de obra medido en horas hombre por semana.
K: Capital invertido medido en miles de dólares por semana.
P: producción semanal en miles de artículos.
Determine las productividades marginales cuando L=5 y K=12
e interprete los resultados.

OPTIMIZACIÓN

Solución:
P  5L  2 L2  3LK  8K  3K 2 f L  5  4 L  3K
f K  3L  8  6 K
Cuando L=5 y K=12:
f L  5  4(5)  3(12)  61 f K  3(5)  8  6(12)  95
Si se utiliza 5,000 horas-hombre por semana y el monto de
capital invertido es $12,000 a la semana; entonces, P aumenta
en 61 artículos por cada incremento unitario en L; y aumenta
en 95 por cada incremento unitario de K.
Por tanto, P aumenta en 61,000 artículos por semana por cada
1,000 horas-hombre adicionales de L (K=cte.) y P aumenta en
95,000 artículos por semana por cada $1,000 adicionales de
incremento en el monto semanal del K si L se mantiene fijo.
OPTIMIZACIÓN

Relaciones de demanda:
En la práctica la demanda de un artículo también puede ser
afectada por el precio de algún otro artículo relacionado. Sea
A y B dos artículos relacionados tales que el precio de uno
afecta la demanda del otro. Cualquier cambio en el precio de
A afectará siempre la demanda de B y viceversa, dado que
algunos consumidores estarán dispuestos a cambiar de un
producto a otro.
Denotemos con pA y pB, los precios unitarios de los dos
artículos. Entonces, sus demandas xA y xB son funciones de
ambos precios pA y pB; esto es:
xA  f ( pA ; pB ) xB  g ( pA ; pB )

OPTIMIZACIÓN

xA  f ( pA ; pB ) xB  g ( pA ; pB )
Podemos calcular cuatro derivadas parciales de primer
orden:
x A x x x
 f pA B
 g pA A
 f pB B
 g pB
p A p A pB pB
xA/pA se interpreta como la demanda marginal de A c.r.a pA.
De manera similar, xA/pB es la demanda marginal de A c.r.a
pB y mide la cantidad en que la demanda de A crece por
incremento unitario en el precio de B. Pueden darse
interpretaciones similares a las otras dos derivadas
parciales.

OPTIMIZACIÓN

Si el precio del artículo B se mantiene fijo, entonces, en
general, un incremento en el precio de A da como resultado
una disminución en la demanda xA. En otras palabras,
xA/pA<0. En forma análoga, xB/pB<0. Las derivadas
parciales xA/pB y xB/pA pueden ser positivas o negativas,
dependiendo de la interacción particular entre los dos
productos.
Los artículos A y B se dice Los artículos A y B se dice que
que son competitivos entre sí son complementarios entre sí
x B x A x B x A
0 0 0 0
p A p B p A p B

OPTIMIZACIÓN

Ejemplo:
Las demandas de xA y xB de los productos A y B están dadas
por las funciones:
xA  300  5 pB  7 p A2 xB  250  9 pB  2 pA
En donde:
pA: precio unitario del producto A.
pB: precio unitario del producto B.
Determine las cuatro funciones de demanda marginal e
investigue si los productos A y B son competitivos o
complementarios entre sí

OPTIMIZACIÓN

Solución:
xA  300  5 pB  7 p A2 xB  250  9 pB  2 pA
f pA  14 p A f p B  9
f pB  5 f pA  2
Puesto que xA/pB y xB/pA son positivas, los productos son
competitivos.

OPTIMIZACIÓN

Elasticidades:
Considere que la función de demanda del producto A:
xA  f ( pA ; pB )
Aquí pA puede interpretarse
Entonces, la elasticidad precio como la razón de cambio
de la demanda de A se define: porcentual de la demanda de
x A / p A p A x A A cuando el precio de B
 pA   permance fijo. Similarmente,
xA / pA x A p A pB se interpreta como la
La elasticidad cruzada de A con razón de cambio en la
respecto al precio pB, se define: demanda de A ante un
cambio porcentual en el
x A / pB pB x A
 pB   precio de B, cuando el precio
x A / pB x A pB de A se mantiene fijo.
OPTIMIZACIÓN

Ejemplo:
La función de demanda del producto A está dada por:
xA  250  0.3 pB  5 p A2
Si pA=6 y pB=50, determine:

La elasticidad precio de la demanda de A.
La elasticidad cruzada de la demanda de A.

OPTIMIZACIÓN

Solución:
xA  250  0.3 pB  5 p 2
A
x A x A
 f pA  10 p A  f pB  0.3
p A pB
Si pA=6 y pB=50, resulta: Luego:
xA  250  0.3(50)  5(6) 2  85   x A / p A  60  4.24
pA
xA / pA 85 / 6
x A
 f pA  10(6)  60 xA / pB 0.3
p A  pB    0.176
x A / pB 85 / 50
x A
 f pB  0.3 El  del 1% en el pA,  en 4.24% la xA. Mientras
pB que el  del 1% en el p ,  en 0.176% la x .
B A

OPTIMIZACIÓN
OPTIMIZACIÓN DE FUNCIONES BIVARIADAS

El proceso de encontrar los valores óptimos de las funciones
bivariadas es muy parecido al que se aplicó en el caso de las
funciones de una sola variable.
Puntos críticos
Igual que con las funciones de una sola variable, la tarea es
identificar los puntos máximo y mínimo relativos en la
superficie que representa una función f(x,y). Dichos puntos
tienen en dos dimensiones el mismo significado que en tres.

OPTIMIZACIÓN

DEFINICIÓN: MÁXIMO RELATIVO
Se dice que una función z=f(x,y) tiene un máximo relativo
cuando x=a y y=b si para todos los puntos (x,y) suficientemente
cercanos a (a,b),
f ( a , b )  f ( x, y )
Un máximo relativo suele aparecer en la parte superior de un
montículo de la superficie que representa a f(x,y).
DEFINICIÓN: MÍNIMO RELATIVO

Se dice que una función z=f(x,y) tiene un mínimo relativo
cuando x=a y y=b si para todos los puntos (x,y) suficientemente
cercanos a (a,b),
f ( a , b )  f ( x, y )
Un mínimo relativo suele aparecer en la parte inferior de un
valle sobre la superficie que representa a f(x, y).
OPTIMIZACIÓN

La siguiente figura muestra tanto un punto máximo relativo
como un punto mínimo relativo.

OPTIMIZACIÓN

Si examinamos las condiciones de pendiente de una
superficie plana en un máximo o mínimo relativo, podemos
concluir que una línea tangente trazada en el punto en
cualquier dirección tiene una pendiente de 0. Si las derivadas
parciales de primer orden fx y fy, representan expresiones
generales de la pendiente de la tangente de trazos paralelos,
respectivamente, a los planos xz y yz, puede afirmarse lo
siguiente:
CONDICIÓN NECESARIA DE EXTREMOS RELATIVOS
Una condición necesario de la existencia de un máximo
relativo o un mínimo relativo de una función f, cuyas
derivadas parciales fx, y fy, existen ambas, establece que:
fx  0 fy  0

OPTIMIZACIÓN

Una parte importante de esta definición es que tanto fx como
fy, son 0. Como se ve en la figura, puede haber un número
infinito de puntos en una superficie donde fx sea 0; así, una
línea tangente trazada paralelamente al plano xz en cualquier
parte del trazo AB mostrará una pendiente de 0 (fx=0).
No obstante, el único punto
donde tanto fx como fy son cero
es en A. En los otros puntos a
lo largo de AB una línea
tangente trazada paralelamente
al plano yz presenta una
pendiente negativa (fy<0).

OPTIMIZACIÓN

De manera similar, la siguiente figura contiene un trazo AC a
lo largo del cual fy=0, pero fx<0, salvo en el punto A.
Los valores de x* y y*, en que se
satisface la ecuación de condición
necesaria de extremos relativos,
son los valores críticos. El punto
correspondiente (x*,y*,f(x*,y*)) es
candidato a convertirse en un
máximo o mínimo relativo en fy
recibe el nombre de punto crítico.

OPTIMIZACIÓN

Ejemplo:
Localice los puntos críticos en la gráfica de la función:
f ( x, y)  4 x 2  12 x  y 2  2 y  10
Solución:
Encuentre primero las expresiones de fx y fy:
f x  8 x  12 fy  2y  2
Para determinar los valores de x y y en que fx y fy son iguales
a 0,
f x  0 cuando 8x  12  0 f y  0 cuando 2 y  2  0
Entonces, un valor Entonces, un valor
crítico de x es: x3 2 crítico de y es: y  1
OPTIMIZACIÓN

Solución:
Sustituyendo estos valores en f:
f (3/ 2, 1)  4(3/ 2)2  12(3/ 2)  (1) 2  2(1) 10
f (3 / 2, 1)  20
Esto significa que el único punto crítico de x ocurre en:
(3 / 2, 1, 20)

OPTIMIZACIÓN

Cómo distinguir los puntos críticos
Una vez identificado un punto crítico, es necesario determinar
su naturaleza. Aparte de los puntos máximos y mínimos
relativos, hay otro caso en que tanto fx como fy son 0.
La siguiente figura muestra esa
situación a la cual se le conoce con
el nombre de punto en silla de
montar. Dicho punto es una parte
de la superficie que tiene la forma
de una silla de montar. En el punto
A (“donde el jinete se sienta al
montar un caballo”) los valores de
fx y fy son 0.

OPTIMIZACIÓN

Sin embargo, la función no llega al máximo al mínimo relativo

en A. Si se divide por la superficie en el punto A con un plano
que tenga la ecuación x=0, el borde o trazo resultante indica
un máximo relativo en A.
No obstante, dividiendo por la
superficie con el plano que
tenga la ecuación y=0 el trazo
resultante indica un mínimo
relativo en A. La figura
siguiente contiene estas
observaciones.

OPTIMIZACIÓN

Las condiciones que permiten distinguir entre el máximo
relativo, el mínimo relativo o los puntos en silla de montar se
dan a continuación. La prueba de un punto crítico es una
prueba de la segunda derivada (como se utilizó en los
problemas de una sola variable) que, desde el punto de vista
intuitivo, investiga las condiciones de concavidad en el punto
crítico.

OPTIMIZACIÓN

PRUEBA DEL PUNTO CRÍTICO
Si se tiene un punto critico de f localizado en (x*,y*,z) en que
todas las segundas derivadas parciales sean continuas,
determine el valor de D(x*,y*) donde
D(x*,y*)=fxx(x*,y*)fyy(x*,y*) - [fxy(x*,y*)]2
1. Si D(x*,y*)>0, el punto crítico es un máximo relativo si tanto
fxx(x*,y*) como fyy(x*,y*) son negativas, y el punto crítico es un
mínimo relativo si tanto fxx(x*,y*) como fyy(x*,y*) son positivas.
2. Si D(x*,y*)<0, el punto critico es un punto en silla de montar.
3. Si D(x*,y*)=0, se necesitan otras técnicas (que rebasan el
alcance de este curso) para determinar la naturaleza del
punto critico.
OPTIMIZACIÓN
APLICACIONES DE LA OPTIMIZACIÓN BIVARIADA

Ejemplo:
Una empresa está desarrollando un nuevo refresco. El Costo en
dólares de producir un lote del refresco está aproximado por:
C ( x, y)  2200  27 x3 - 72 xy  8 y 2
donde x es el número de kilogramos de azúcar por lote y y es el
número de gramos de saborizante por lote.
a. Encuentre las cantidades de azúcar y saborizante que
conduce a un costo mínimo por lote.
b. ¿Cuál es el costo mínimo?

OPTIMIZACIÓN

Solución:
a. Comience con las siguientes derivadas parciales.
Cx  81x 2 - 72 y C y  - 72 x  16 y
Haga cada ecuación igual a 0 y despeje y.
Cx  81x 2 - 72 y  0 C y  - 72 x  16 y  0
9 x2 9x
y y
8 2
Como (9/8)x2 y (9/2)x son ambas igual a y, son iguales entre sí.
Iguale ambas ecuaciones y despeje x de la ecuación resultante.
9 x2 9 x 9x  0  x  0
 9 x  36 x 9 x( x  4)  0 (4  x)  0  x  4
2
8 2
OPTIMIZACIÓN

Solución:
Sustituya x=4 en y=(9/2)x para encontrar y.
9(4)
y  18
2
Ahora revise para ver si el punto crítico (4,18) conduce aun
mínimo local. Para (4,18):
Cxx  162 x C yy  16 Cxy  - 72
Además: D( x* , y* )  fxx( x* , y* ) fyy( x* , y* ) - [ fxy( x* , y* )]2
D( x* , y* )  (648)(16) - (72)2 D( x* , y* )  5184
Como D(x*,y*)>0 y Cxx(4,18)>0, el costo en (4,18) es un mínimo.

OPTIMIZACIÓN

Solución:
Para encontrar el costo mínimo, vuelva a la función de costo y
evalúe C(4, 18).
C ( x, y)  2200  27 x3 - 72 xy  8 y 2
C (4,18)  2200  27(4)3 - 72(4)(18)  8(18)2
C (4,18)  1336
El costo mínimo de un lote es $1336.

OPTIMIZACIÓN

Ejemplo:
Un fabricante nacional estima que el número de unidades que
vende cada año es una función de los gastos hechos en la
publicidad por radio y televisión. La función que especifica
esta relación es:
z  50000 x  40000 y  10 x 2  20 y 2  10 xy
Donde:
z es el número de unidades vendidas al año;
x es la cantidad destinadas a la publicidad por televisión; y,
y indica la cantidad gastada en la publicidad por radio (ambas
en miles).
Determine cuánto dinero deberá invertirse en ambos tipos de
publicidad a fin de maximizar el número de unidades vendidas.
OPTIMIZACIÓN

Solución:
a. Las derivadas parciales son:
f x  50,000 - 20 x  10 y f y  40, 000  40 y  10 x
Al hacerlas igual a 0 y despejar y.
f x  50,000 - 20 x  10 y  0 f y  40, 000  40 y  10 x  0
20 x  10 y  50, 000 40 y  10 x  40, 000
Para despejar y de la ecuación resultante.
20 x  10 y  50, 000
20 x  80 y  80, 000
Un valor crítico de es y=428.57. El valor crítico de x=2,285.72

OPTIMIZACIÓN

Solución:
Las ventas totales asociadas a estos valores críticos son:
z  50000(2285.72)  40000(428.57) 10(2285.72) 2

20(428.57)2  10(2285.72)(428.57)
z  65'714, 296.00
Las segundas derivadas son:
f xx  -20 f yy  40 f xy  10
Al probar el punto crítico se obtiene:
D( x* , y* )  (20)(40) - (10)2 D( x* , y* )  700
Las ventas anuales se maximizan en 65’714,296 unidades
cuando los gastos en TV=$2285.72 y en radio=$428.57
OPTIMIZACIÓN

Ejemplo:
Un fabricante vende dos productos afines, cuya demanda se
caracteriza por las dos siguientes funciones:
q1  150  2 p1  p2
q2  200  p1  3 p2
Donde:
pj es el precio (en dólares del producto j;
qj es la demanda en miles de unidades del producto j.
El examen de estas funciones expresan que los dos productos
están relacionados entre sí.
La empresa desea determinar el precio que deberá poner a
cada producto, a fin de maximizar los ingresos totales por
ventas de los dos productos.
OPTIMIZACIÓN

Solución:
El ingreso total que logra la empresa se determina mediante:
R  p1q1  p2 q2
Sustituyendo las ecuaciones de demanda en esta ecuación:
R  p1 (150  2 p1  p2 )  p2 (200  p1  3 p2 )
R  150 p1  2 p12  2 p1 p2  200 p2  3 p22
Ahora podemos examinar la superficie de ingreso para los
puntos máximos relativos. Las primeras derivadas parciales son:
R p1  150  4 p1  2 p2 R p2  2 p1  200  6 p2
Arreglando estas
expresiones: 4 p1  2 p2  150 2 p1  6 p2  200

OPTIMIZACIÓN

Solución:
Al solucionar estas ecuaciones simultáneamente:
4 p1  2 p2  150
4 p1  12 p2  400
-10 p2  250  p2  25 Es decir, los valores
críticos están en p1=25 y
 p1  25 p2=25
Sustituyendo estos valores en R:
R( p1 , p2 )  150 p1  2 p12  2 p1 p2  200 p2  3 p22
R(25, 25)  150(25)  2(25)2  2(25)(25)  200(25)  3(25)2
R(25, 25)  4,375 Es decir, ocurre otro punto crítico en R en
(25,25,4,375)
OPTIMIZACIÓN

Solución:
R p1  150  4 p1  2 p2 R p1 p1  4 R p1 p2  2
R p2  2 p1  200  6 p2 R p2 p2  6 R p2 p1  2
Luego:
D(x*,y*)=(-4)(-6) – (-2)2=20
Dado que D(x*,y*)>0 y Rp1<0 Rp2<0, existirá un máximo relativo
en R cuando p1=25; p2=25 en donde los ingresos se maximizan
en un valor de $4,375.

OPTIMIZACIÓN

Solución:
La demanda esperada con estos precios se determina
sustituyendo los precios en las ecuaciones de demanda:
q1  150  2(25)  (25)  75 mil unidades

q2  200  (25)  3(25)  100 mil unidades

OPTIMIZACIÓN

Ejemplo:
La corporación de cremas dentríficas produce crema para
dientes en dos tamaños, de 100 y 150 ml. El costo de
producción de cada tubo de cada tamaño es de $0.60 y $0.90,
respectivamente. Las demandas x1 y x2 son:
x1  3( p1  p2 ) x2  320  3 p1  5 p2
Donde:
pj es el precio (en dólares del producto j;
Determine el precio que maximizarían las utilidades de la
empresa.

OPTIMIZACIÓN

Solución:
La utilidad se define por: U  Y C
La utilidad unitaria. Por cada tubo estaría dada por:
U1  ( p1  60) x1
Ya que el precio representa el ingreso
U 2  ( p2  90) x2 unitario por cada tipo de tubo.
U  ( p1  60) x1  ( p2  90) x2 Representa la utilidad total.
U  3( p1  60)( p1  p2 )  ( p2  90)(320  3 p1  5 p2 )
U  3 p12  5 p22  6 p1 p2  90 p1  590 p2  28,800
En consecuencia:
U p1  6 p1  6 p2  90 U p2  6 p1  10 p2  590
OPTIMIZACIÓN

Solución:
En la utilidad máxima:
6 p1  6 p2  90  0 6 p1  10 p2  590  0
Resolviendo estas ecuaciones simultáneamente:
-6 p1  6 p2  90  0
6 p1  10 p2  590  0
-4 p2  500  0  p2  125
 p1  110
U  3(110)2  5(125)2  6(110)(125)  90(110)  590(125)  28,800
U  3,125

OPTIMIZACIÓN

Solución:
U p1  6 p1  6 p2  90 U p1 p1  6 R p1 p2  6
U p2  6 p1  10 p2  590 R p2 p2  10 R p2 p1  6
Luego:
D(x*,y*)=(-6)(-10) – (6)2=24
Dado que D(x*,y*)>0 y Rp1<0 Rp2<0, existirá un máximo relativo
en U cuando p1=110; p2=125 en donde los ingresos se maximizan
en un valor de $3,125.

OPTIMIZACIÓN

Solución:
La demanda esperada con estos precios se determina en las
ecuaciones de demanda:
x1  3(125  110)  45 mil unidades por semana

x2  320  3(110)  5(125)  25 mil unidades por semana

OPTIMIZACIÓN
OPTIMIZACIÓN BIVARIADA SUJETA A RESTRICCIONES
La solución de los problemas de optimización hasta ahora

resueltos se centró en la optimización no restringida. Sin
embargo, en muchas aplicaciones del modelado matemático
interviene la optimización de una función objetivo sujeta a
ciertas restricciones. Estas últimas representan limitaciones
capaces de influir en la optimización de las funciones y reflejan
restricciones como escasez de recursos (por ejemplo, mano de
obra, materiales o capital), poca demanda de productos, metas
de ventas, etc. Los problemas que ofrecen esta estructura se
consideran problemas de optimización restringida.
Un método con que se resuelven ciertos problemas de
optimización lineal restringida es el método de multiplicador de
Lagrange.

OPTIMIZACIÓN
Multiplicador de Lagrange
Considérese el problema de optimización restringida:
Max( Min) y  f ( x1 , x2 )
sujeta a g ( x1 , x2 )  k
En esta ecuación, f es la función objetivo y g(x1,x2)=k es una
restricción de igualdad.
Una manera de resolver este tipo de problema consiste en
combinar la información de la ecuación y=f(x1,x2) en la función
compuesta:
L( x1 , x2 ,  )  f ( x1 , x2 )    g( x1, x2 )  k 
Esta función compuesta recibe el nombre de función
lagrangiana, y la variable  se llama multiplicador de Lagrange.
OPTIMIZACIÓN
Como puede notarse, la función lagrangiana se compone de la
función objetivo y de un múltiplo lineal de la ecuación de
restricción. En ella,  puede ser cualquier valor y el término
[g(x1,x2)-k]=0, a condición de que (x1,x2) sean valores que
satisfagan la restricción. Así, el valor de la función lagrangiana
L tendrá el valor de la función objetiva original f.
Con la creación de la función lagrangiana se transforma
ingeniosamente un problema de optimización restringido en un
problema no restringido que puede resolverse por
procedimientos muy similares a los expuestos en la última
sección. Es decir, para resolver el problema original, se debe
calcular las derivadas parciales de L(x1,x2,) respecto a x1, x2 y 
y luego se hacen iguales a 0.
OPTIMIZACIÓN
CONDICIONES NECESARIAS
DE LOS EXTREMOS RELATIVOS
Lx1=0
Lx1=0
L=0

OPTIMIZACIÓN

Ejemplo:
Considere el problema: Max f ( x1 , x2 )  25  x12  x22
sujeta a 2 x1  x2  4
Solución:
Con el método del multiplicador de Lagrange, este problema
se transforma en:
Que tiene forma
L( x1 , x2 ,  )  25  x1  x2   (2 x1  x2  4) de problema no
2 2
restringido.
Las derivadas parciales son:
Lx1  2 x1  2 Lx2  2 x2   L  2 x1  x2  4
Los valores críticos:
2 x1  2  0 2 x2    0 L  2 x1  x2  4  0
OPTIMIZACIÓN

Solución: Multiplicamos (2) por -2 y lo
2 x1  2  0 (1) sumamos a (1):
2 x1  2  0 (1)
2 x2    0 (2)
 2  4 x2  0 (2)
2 x1  x2  4  0 (3)
2 x1  4 x2  0 (4)
La ec. (4) lo sumamos a (3)
Reemplazando el
2 x1  x2  4 (3) valor de x2 en (2):   8/5
2 x1  4 x2  0 (4) Por tanto:
5 x2  4  x2  4 / 5 ( x1, x2 ,  )  (4/ 5,8/ 5, 8/ 5)
x1  8 / 5 Son los valores críticos en la
función langragiana.
Los valores de x1 y x2 representan los únicos puntos idóneos
para un máximo o un mínimo relativo.
OPTIMIZACIÓN
Condición suficiente:
Para estimar el comportamiento
de L(x1;x2;) en cualquier valor
crítico, deberá determinarse la
matriz hessiana acotada HB: CONDICIONES SUFICIENTES DE
LOS EXTREMOS RELATIVOS
 0 g x1 g x2  En determinados valores
  críticos x1=a1; x2=a2 y =* para
H B   g x1 Lx1 x1 Lx1 x2  los cuales Lx1=Lx2=L=0, lHBl se
  evalúa en los valores críticos.
 g x2 Lx2 x1 Lx2 x2 
1. Existe un máximo relativo si
gxi representa la derivada IHBl>0.
parcial del lado izquierdo de la 2.Existe un mínimo relativo si
restricción tomada respecto a xi IHBl<0.
OPTIMIZACIÓN

Ejemplo:
Para determinar el comportamiento de:
L( x1 , x2 ,  )  25  x12  x22   (2 x1  x2  4)
Cuando: x2  4 / 5; x1  8 / 5;   8 / 5
Formamos la matriz hessiana acotada:
 0 g x1 g x2  0 2 1 
   
H B   g x1 Lx1 x1 Lx1 x2  H B   2 2 0  H B  10
  1 2 
 g x2 Lx2 x1 Lx2 x2   0
Por tanto, L( x1 , x2 ,  ) Alcanza un máximo cuando:

x2  4 / 5; x1  8 / 5;   8 / 5

OPTIMIZACIÓN

Si estos valores se sustituyen en la función langragiana:
L( x1 , x2 ,  )  25  x12  x22   (2 x1  x2  4)
L( x1 , x2 ,  )  25  (8 / 5) 2  (4 / 5) 2  ( 8 / 5)[2(8 / 5)  4 / 5  4]
L( x1 , x2 ,  )  21.8
Por tanto, L( x1 , x2 ,  ) alcanza un valor máximo de 21.8.
Es obvio que el ejercicio anterior es simple, de manera que no

tenemos de recurrir al multiplicador de Lagrange. Sin embargo,
este método también puede aplicarse cuando hay más de una
restricción. Es esta estructura de las restricciones de un
problema que a menudo no permiten las sustituciones simples
y es allí en donde se recurre al multiplicador de Lagrange.

OPTIMIZACIÓN

Lambda es algo más que un simple artificio que permite
resolver los problemas de optimización restringida. Tiene una
interpretación que puede resultar de gran utilidad. En la
función lagrangiana generalizada:
L( x1, x2 , , xn ,  )  f ( x1, x2 xn )    g( x1, x2 , , xn )  k 
L
 Lk  
k
Por tanto,  puede interpretarse como la tasa de cambio en el
valor de la función lagrangiana respecto al que se opera en k
(de la ecuación de restricción). El valor de =-6 en la solución
óptima del ejemplo precedente indica que si la constante del
miembro derecho, 4, aumenta (disminuye) en 1 unidad, el valor
óptimo de f(x1,x2) crecerá (decrecerá) aproximadamente -6
unidades respecto al máximo actual de 21.8
OPTIMIZACIÓN

Ejemplo:
Empleando L unidades de mano de obra y K unidades de capital,
una empresa puede elaborar P unidades de producto con:
P( L, K )  50L2 / 3 K 1/ 3
Le cuesta a la empresa $100 por cada unidad de mano de obra y
$300 por cada unidad de capital empleado. La empresa dispone
de una suma de $45,000 para propósitos de producción.
(a) Mediante el método de multiplicadores de Lagrange
determine las unidades de mano de obra y de capital que la
empresa debería utilizar con objeto de maximizar su
producción.

OPTIMIZACIÓN

Ejemplo:
(b) Demuestre que en este nivel máximo de producción la razón
de los costos marginales de mano de obra y capital es igual a la
razón de sus costos unitarios.
(c) Pruebe que si se dispone de $1 adicionales para fines de
producción en este nivel máximo de producción, la empresa
puede producir aproximadamente  unidades extra de su
producto, en donde  es el multiplicador de Lagrange. En otras
palabras,  puede interpretarse como la productividad marginal
del capital.

OPTIMIZACIÓN

Solución:
a. La función a maximizar es: P( L, K )  50L2 / 3 K 1/ 3
El costo de emplear L unidades de mano de obra a $100 cada
una y K unidades de capital a $300 cada una es de (100L+ 300K)
dólares. Puesto que deseamos disponer por completo de la
suma de $45,000, debemos tener que
100 L  300 K  45,000
Maximizaremos P(L,K) sujeta a esta restricción. La función
auxiliar es:
P( L, K ,  )  50L2 / 3 K 1/ 3   (100L  300K  45,000)
A fin de obtener un máximo de P(L,K), debe tenerse que:
FL  0 FK  0 F  0
OPTIMIZACIÓN

Solución:
100 1/ 3 1/ 3 50 2 / 3 2 / 3
FL  L K  100  0 FK  L K  300  0
3 3
F  (100L  300K  45,000)  0
Resolviendo las primeras dos 1 1 / 3 1 / 3 1 2 / 3 2 / 3
  L K  L K
ecuaciones para , obtenemos: 3 18
Ahora igualamos los dos 1 1/ 3 1/ 3 1 2 / 3 2 / 3
valores de : L K  L K L  6K
3 18
Sustituyendo estos valores en F
100(6 K )  300(6 L)  45,000  0 K  50 L  300
Por lo tanto, la empresa maximiza P si utiliza 300 L y $50 K.
OPTIMIZACIÓN

Solución:
b. Las productividades marginales de la mano de obra y del
capital están dadas por: 100 1/ 3 1/ 3 50 2 / 3 2 / 3
PL  L K PK  L K
3 3
En el nivel máximo de producción, de las ecuaciones F y Fk
tenemos:
100 1/ 3 1/ 3 50 2 / 3 2 / 3
FL  L K  100  0 FK  L K  300  0
3 3
PL  100 PK  300
Por tanto:
Productividad de mano de obra PL 100 1
 
Productividad del capital PK 300 3
OPTIMIZACIÓN

Solución:
Pero: Costo unitario de la mano de obra
 100  1
costo unitario del capital 300 3
Así que, en el nivel de producción máximo, la razón de las
productividades marginales de mano de obra y capital es igual a
la razón de las unidades de costo de la mano de obra y de
capital.
c. En el nivel de producción máximo, cuando L=300 y K=50,
tenemos dos formas de calcular :
1 1 / 3 1 / 3 1 2 / 3 2 / 3
 L K  L K
3 18
  0.1835   0.1835
OPTIMIZACIÓN

Solución:
Suponga que podemos emplear L unidades de mano de obra y
K unidades de capital con $1 extra de disponibilidad. Entonces,
100L  300K  1
El aumento en la producción cuando la mano de obra se
incrementa de 300 a 300+L y el capital se incrementa de 50 a
50+K está dado por:
P  P(300  L;50  K )  P(30;50)
P  PL (300;50)L  PK (300;50)K
En el máximo, sabemos que PL(300,50)=100 y PK(300,50)=300. En
consecuencia, el incremento en la producción es:
P  100L  300K   (100L  300K )  

OPTIMIZACIÓN

Solución:
Así que un dólar extra disponible para producción incrementará
ésta por una cantidad aproximada k=0.1835 unidades. En otras
palabras,  representa la productividad marginal del dinero.

OPTIMIZACIÓN

Ejemplo:
Una compañía puede destinar su planta a la elaboración de dos
tipos de productos, A y B. Obtiene una utilidad de $4 por unidad
de A y de $6 por unidad de B. Los números de unidades de los
dos tipos que puede producir mediante la planta están
restringidos por la ecuación de transformación del producto, que
es
x2  y 2  2 x  4 y  4  0
con x y y los números de unidades (en miles) de A y B,
respectivamente, producidas por semana. Halle las cantidades
de cada tipo que deben producirse a fin de rnaximizar la utilidad.

OPTIMIZACIÓN
OPTIMIZACION CON RESTRICCIONES (Rosser)

Optimización restringida y asignación de recursos
Considera dos métodos:
(i) la optimización restringida por sustitución, y
(ii) el método multiplicador de Lagrange.
El método de sustitución es principalmente conveniente para
problemas donde una función con sólo dos variables se
maximiza o minimizar sujetos a una restricción.
El método multiplicador de Lagrange se puede utilizar para la
mayoría de problemas de optimización restringida.
Consideraremos el método de sustitución primero .

OPTIMIZACIÓN

Optimización restringida por sustitución
Consideremos el ejemplo de una
empresa que desea maximizar
su producción Q=f(K,L), con un
presupuesto fijo M para la
compra de insumos K y L a
precios fijos PK y PL . Este
problema se ilustra en la figura
adjunta

OPTIMIZACIÓN

La empresa tiene que encontrar
la combinación de K y L que le
permitirá alcanzar el punto
óptimo de X que se encuentra en
la más alta isocuanta posible
dentro de la restricción
presupuestaria con intercepto en
M/PK y M/PL .
Para obtener una solución para
este tipo de problemas, tenemos
que reformularlo como un
problema de optimización con
restricciones.

OPTIMIZACIÓN

Ejemplo:
Una empresa se enfrenta a la
función de producción
Q=12K0.4L0.4 y puede comprar los
insumos K y L en los precios por
unidad de $40 y $5,
respectivamente. Si se cuenta
con un presupuesto de $ 800,
cuál es la combinación de K y L
para maximizar la producción?

OPTIMIZACIÓN

Solución:
El problema es maximizar la
función Q=12K0.4L0.4 sujeta a la
restricción presupuestaria 40K +
5L = 800
En todos los problemas se
supone que cada restricción
utiliza todo el presupuesto.

OPTIMIZACIÓN

Solución:
La teoría de la empresa nos dice
que una empresa está
asignando de forma óptima un
presupuesto fijo si para el último
$1 que gasta en cada insumo se
suma la misma cantidad de la
producción; es decir, el producto
marginal sobre el precio debe
ser igual para todas las entradas.
Esta condición de optimización
se puede escribir como:

OPTIMIZACIÓN

Solución:
Los productos marginales se
pueden determinar por
diferenciación parcial :
Sustituyendo estos valores y los

precios PK y PL en:

OPTIMIZACIÓN

Solución:
Dividiendo ambos lados por 4.8 y

multiplicando por 40 da
Multiplicando ambos lados por

K0.6L0.6 da
Sustituyendo este resultado para

L en la restricción presupuestaria:

OPTIMIZACIÓN

Solución:
De este modo el valor óptimo de K y L es:
K=10; L=80
Tenga en cuenta que aunque este método nos permite derivar los
valores óptimos de K y L que satisfacen condición del pructo
marginal del recurso sobre su precio, no proporciona un control
sobre si esta es una solución única, es decir, no hay verificación de
la condición de la segunda derivada.
Sin embargo, se puede suponer que la función objetivo se
maximiza ( o minimizar dependiendo de la pregunta ) cuando se
cumplan las reglas económicas básicas para un óptimo.

OPTIMIZACIÓN

Solución:
Una segunda forma de solucionar este problema es la siguiente:
A partir de la restricción presupuestaria:
Sustituyendo L en la función objetivo:
Ahora tenemos un problema de optimización sin restricciones para

encontrar el valor de K que maximiza la función que tiene la
restricción presupuestaria. Esto nos obliga a establecer dQ/dK =0.
Sin embargo , no es fácil de diferenciar esta función

OPTIMIZACIÓN

El multiplicador de Lagrange :
Ejemplo:
Una empresa puede comprar dos entradas de K y L en 18 £
por unidad y 8 £ por unidad , respectivamente, y caras la
función de producción Q = 24K0.6L0.3 . ¿Cuál es la potencia
máxima que puede producir un presupuesto de 50.000 £ ?
(Trabajo a unidades enteras cercanos de la K , L y P )

OPTIMIZACIÓN

El multiplicador de Lagrange :
Ejemplo:
Una empresa opera con la función de producción Q =
4K0.6L0.5 y puede comprar K £ 15 una unidad y L en £ 8 por
unidad. ¿Qué combinación de entrada reducirá al mínimo el
costo de producción de 200 unidades de ¿producción?
Solución La restricción de salida es 200 = 4K0.6L0.5 y la
función objetivo a minimizar es la total de la función de coste
TC = 15K + 8L . Por consiguiente, la función de Lagrange
correspondiente es

OPTIMIZACIÓN

Solución:
Una segunda forma de solucionar este problema es la siguiente:
A partir de la restricción presupuestaria:
Sustituyendo L en la función objetivo:
Ahora tenemos un problema de optimización sin restricciones para

encontrar el valor de K que maximiza la función que tiene la
restricción presupuestaria. Esto nos obliga a establecer dQ/dK =0.
Sin embargo , no es fácil de diferenciar esta función

CÁLCULO INTEGRAL
GRACIAS
POR SU
ATENCIÓN
OPTIMIZACIÓN

Aproximaciones:
Sea y=f(x) una función diferenciable de x. La derivada de y con
respecto a x la denotamos dy/dx y es un solo símbolo. Al definir
el concepto de diferencial dx y dy tienen significados
separados; entonces, dy/dx pueden manejarse como el símbolo
para la derivada de y con respecto x o como la razón de dy y dx.
DEFINICIÓN DE DIFERENCIAL
Sea y=f(x) una función diferenciable de x. Entonces:
a. dx, la diferencial de la variable independiente x no es otra
cosa que un incremento arbitrario de x; esto es: dx=x;
b. dy, la diferencial de la variable dependiente y es función de
x y dx definida por dy=f '(x)dx.
La diferencial dy también se denota por df.
OPTIMIZACIÓN

Aproximaciones:
Los enunciados siguientes son obvios por la definición
anterior de diferenciales dx y dy.
1.Si dx=0 se sigue que dy=0.
2.Si dx0, se deduce que la razón de dy dividida entre dx está
dada por:
dy f '( x)dx
  f '( x)
dx dx
y así es igual a la derivada de y con respecto a x.
No hay nada extraño con respecto al último resultado, porque
en forma deliberada se definió dy como el producto de f'(x) y dx
a fin de que el resultado proposición 2 fuera válido.

OPTIMIZACIÓN

Ejemplo:
Sea: y  x3  5x  7 Determine dy.
Solución:
Si y=f(x)=x3+5x+7
Entonces: f’(x)=3x2+5
Y, por definición: dy=(3x2+5)dx.

OPTIMIZACIÓN

Ejemplo:
Si y  x  3x Determine dy y y, cuando x=2 y y=0.01
3
Solución:
Por definición:
f '( x)  3x  32
y  f ( x  x)  f ( x)
dy  f '( x)dx  (3x 2  3)dx f (x , y )x
x 0 0
y  f (2  0.01)  f (2)
cuando x=2 y y=0.01
y  f (2.01)  f (2)
dy  [3(2)2  3](0.01)
y  [(2.01)3  3(2.01)]  [23  3(2)]
dy  0.15 y  [8.120601  6.03]  14  0.150601
Así, dy=0.15 y y=0.150601, lo que demuestra que la diferencial
y el incremento de y no son exactamente iguales.
OPTIMIZACIÓN

Aproximaciones:
En el caso de y=f(x), la aproximación está dada por:
f ( x0  x)  f ( x0 )  f '( x0 )x
Esta forma de aproximación se extiende en forma natural a
funciones de varias variables.
Sea z=f(x,y) una función de dos variables que es diferenciable.
Entonces, con tal de que x y y sean suficientemente
pequeños,
f ( x0  x, y0  y )  f ( x0 , y0 )  f x ( x0 , y0 )x  f y ( x0 , y0 )y

OPTIMIZACIÓN

Ejemplo:
Si f ( x, y)  x  y  x  y Es fácil advertir que f(10,6)=6.
Encuentre una expresión aproximadas para f(10+h,6+k)=6,

válida para valores pequeños de h y k.
Solución:
Tomando x0=10 y y0=6 en la fórmula anterior para la
aproximación, tenemos:
f (10  x, 6  y )  f (10, 6)  f x (10, 6)x  f y (10, 6)y
Después de derivar parcialmente, obtenemos:
1 1 1 1
f x ( x, y )  ( x  y ) 1/ 2  ( x  y ) 1/ 2 f y ( x, y )  ( x  y ) 1/ 2  ( x  y ) 1/ 2
2 2 2 2
OPTIMIZACIÓN

Solución:
En el punto (x0,y0)=(10,6) estas derivadas parciales toman los
siguientes valores:
1 1 3
f x (10, 6)  (10  6) 1/ 2  (10  6) 1/ 2 
2 2 8
1 1/ 2 1 1/ 2 1
f y (10, 6)  (10  6)  (10  6) 
2 2 8
Por tanto, como f(10,6)=6
3 1
f (10  x, 6  y )  6  x  y
8 8

OPTIMIZACIÓN

Solución:
Por último, reemplazando x=h y y=k, obtenemos la
aproximación pedida:
3 1
f (10  h, 6  k )  6  h  k
8 8
Por ejemplo, tomando h=0.1 y k=-0.2, obtenemos:
0.3  0.2
f (10.1,5.8)  6   6.0625
8
Comparando el valor exacto de f(10.1,5.8), es:
10.5  5.8  10.5  5.8  15.9  4.3  6.0611

OPTIMIZACIÓN

Ejemplo:
Usando L unidades de mano de obras y K unidades de
capital, una empresa puede producir P unidades de su
producto, en donde P=f(L,K). La empresa no conoce la forma
de precisa de esa producción, pero dispone de la
información siguiente:
1. Cuando L=64 y K=20, P=25000.
2. Si L=64 y K=20, las productividades marginales de la mano
de obra y del capital son PL=270 y PK=350.
La empresa contempla una expansión de su planta que
cambiaría L=69 y K=24.
Encuentre el incremento aproximado en la producción, que
se obtendría.

OPTIMIZACIÓN

Solución:
Para L0=64 y K0=20 además, para L y K pequeños:
P  f ( L0  L, K0  K )  f ( L0 , K0 )  f L ( L0 , K0 )L  f K ( L0 , K0 )K
P  f ( L0  L, K0  K )  25,000  270L  350K
En la nueva operación tendríamos:
L  69  64  5 y K  24  20  4
En consecuencia:
P  25, 000  270(5)  350(4)
P  27, 750
El incremento en la producción es, por tanto:
P  27, 750  25, 000  2, 750

Cuentas Nacionales

Caricato da

Informazioni sul documento

Copyright

Formati disponibili

Condividi questo documento

Condividi o incorpora il documento

Opzioni di condivisione

Hai trovato utile questo documento?

Questo contenuto è inappropriato?

Copyright:

Formati disponibili

Cuentas Nacionales

Caricato da

Copyright:

Formati disponibili

UNIVERSIDAD NACIONAL

“SANTIAGO ANTUNEZ DE MAYOLO”

Departamento Académico de Economía

FUNCIONES DE VARIAS VARIABLES

FUNCIONES DE VARIAS VARIABLES

El costo es función de una variable independiente, o sea, el

Cuando x=5 y y=12, el costo

Trazado de funciones bivariadas

Departamento Economía: III Ciclo Econ. José Rodríguez Herrera

Trazado de funciones bivariadas

Trazado de funciones bivariadas

Departamento Economía: III Ciclo Econ. José Rodríguez Herrera

Departamento Economía: III Ciclo Econ. José Rodríguez Herrera

2. Sea: f ( x, y)  ln( x 2  y) Encuentre fx y fy.

3. Sea: f ( x, y)  3x 2  5 y 3 Encuentre fx y fy.

Departamento Economía: III Ciclo Econ. José Rodríguez Herrera

5. Sea: f ( x, y)  5x 2  6 y 3 Encuentre fx y fy.

6. Sea: f ( x, y )  4 xy Encuentre fx y fy.

Departamento Economía: III Ciclo Econ. José Rodríguez Herrera

Respuesta f x  10 y 3 f y  30 xy 2

9. Sea: f ( x, y)  (3x2  2 y 2 )3 Encuentre fx y fy.

Departamento Economía: III Ciclo Econ. José Rodríguez Herrera

Departamento Economía: III Ciclo Econ. José Rodríguez Herrera

INTERPRETACIÓN DE LAS DERIVADAS PARCIALES

Departamento Economía: III Ciclo Econ. José Rodríguez Herrera

INTERPRETACIÓN DE LAS DERIVADAS PARCIALES

Departamento Economía: III Ciclo Econ. José Rodríguez Herrera

INTERPRETACIÓN DE LAS DERIVADAS PARCIALES

q1  f ( p1 , p2 , p3 )  10000  2.5 p1  3 p2  1.5 p3

Departamento Economía: III Ciclo Econ. José Rodríguez Herrera

INTERPRETACIÓN DE LAS DERIVADAS PARCIALES

INTERPRETACIÓN DE LAS DERIVADAS PARCIALES

INTERPRETACIÓN DE LAS DERIVADAS PARCIALES

Departamento Economía: III Ciclo Econ. José Rodríguez Herrera

INTERPRETACIÓN DE LAS DERIVADAS PARCIALES

INTERPRETACIÓN DE LAS DERIVADAS PARCIALES

Departamento Economía: III Ciclo Econ. José Rodríguez Herrera

INTERPRETACIÓN DE LAS DERIVADAS PARCIALES

f (40, 20)  50000(40)  40000(20) -10(40)2 - 20(20)2 - 10(40)(20)

Departamento Economía: III Ciclo Econ. José Rodríguez Herrera

INTERPRETACIÓN DE LAS DERIVADAS PARCIALES

f x  50000 - 20(40) -10(20)  49000

INTERPRETACIÓN DE LAS DERIVADAS PARCIALES

INTERPRETACIÓN DE LAS DERIVADAS PARCIALES

Departamento Economía: III Ciclo Econ. José Rodríguez Herrera

INTERPRETACIÓN DE LAS DERIVADAS PARCIALES

f (40, 21)  50000(40)  40000(21) -10(40)2 - 20(21)2 -10(40)(21)

INTERPRETACIÓN DE LAS DERIVADAS PARCIALES

Departamento Economía: III Ciclo Econ. José Rodríguez Herrera

INTERPRETACIÓN DE LAS DERIVADAS PARCIALES

Departamento Economía: III Ciclo Econ. José Rodríguez Herrera

DERIVADAS PARCIALES DE SEGUNDO ORDEN

Departamento Economía: III Ciclo Econ. José Rodríguez Herrera

DERIVADAS PARCIALES DE SEGUNDO ORDEN

Solución: Las derivadas de primer orden, son:

Departamento Economía: III Ciclo Econ. José Rodríguez Herrera

APLICACIÓN PARA EL ANÁLISIS ECONÓMICO

Departamento Economía: III Ciclo Econ. José Rodríguez Herrera

APLICACIÓN PARA EL ANÁLISIS ECONÓMICO

ft  200(5  e 0.8 )e 1  335 f A  0.4e 0.8 (1  e 1 )  0.11

APLICACIÓN PARA EL ANÁLISIS ECONÓMICO

APLICACIÓN PARA EL ANÁLISIS ECONÓMICO

APLICACIÓN PARA EL ANÁLISIS ECONÓMICO

Departamento Economía: III Ciclo Econ. José Rodríguez Herrera