Capitulo 4-Optimizacion PDF

MATEMTI CAS PARA ECONOMI STAS Car l os Or i huel a Romer o, MSc
CAPITULO 4: OPTIMIZACIN 81
CAPITULO 4: OPTIMIZACIN

Optimizacin es el proceso de hallar el mximo o mnimo relativo de una funcin,
generalmente sin la ayuda de grficos.

4.1 Conceptos claves
A continuacin se describir brevemente algunos conceptos necesarios para
comprender apropiadamente el tema de optimizacin.

4.1.1 Funciones crecientes y decrecientes
Se dice que una funcin f(x) es creciente (decreciente) en x=a, si en la vecindad
inmediata del punto [a,f(a)] el grfico de la funcin crece (cae) al moverse de izquierda
a derecha. Puesto que la primera derivada mide la tasa de cambio y la pendiente de
una funcin, una primera derivada positiva en x=a indica que la funcin es creciente
a; una primera derivada negativa indica que es decreciente.

Grfico 4-1

Funcin creciente en x = a
(Pendiente >0)
Funcin decreciente en x = a
(Pendiente <0)

f(a) > 0: funcin creciente en x = a
f(a) < 0: funcin decreciente en x= a

4.1.2 Concavidad y convexidad
Una funcin f (x) es cncava en x = a, si en alguna pequea regin cercana al punto
[a, f(a)] el grfico de la funcin se ubica completamente debajo de su lnea tangente.
Una funcin es convexa en x = a, si en un rea cercana a [a, f(a)] el grfico esta
complemente arriba de su lnea tangente. Una segunda derivada positiva en x = a
x
y
a
y
x
a
denota que la funcin es convexa en x = a. Anlogamente, una segunda derivada
negativa en x = a denota que la funcin es cncava en a.

Grfico 4-2

Convexo en x=a
f(a) > 0 f(a) > 0 f(a) < 0 f(a) > 0

Cncavo en x=a
f(a) > 0 f(a) < 0 f(a) < 0 f(a) < 0

f(a) > 0: f(x) es convexo en x = a
f(a) < 0: f(x) es cncavo en x = a

4.1.3 Extremo relativo
Un extremo relativo es un punto en el cual una funcin esta a un mximo o mnimo.
Para ello, la funcin debe estar en un punto en el cual no esta creciendo ni
decreciendo, y por ende, su primera derivada debe ser igual a cero o indefinida. Un
punto en el dominio de una funcin donde la derivada iguala a cero o es indefinida es
llamado punto o valor critico.

y
x
a
x
y
a
x
y
a
x
a
y
a a
a
x
y y
x
a
Grfico 4-3

Mnimo relativo en x=a Mximo relativo en x=a
f(a) = 0 f(a) > 0 f(a) = 0 f(a) < 0

4.1.4 Puntos de inflexin
Un punto de inflexin es un punto en el grafico donde la funcin cruza su lnea
tangente y cambia de cncavo a convexo y viceversa. Los puntos de inflexin pueden
ocurrir solo donde la segunda derivada iguala a cero o es indefinida. Es decir, f(a)=0.

Grfico 4-4

f(a)=0
f(a) = 0 f(a) = 0 f(a) < 0 f(a) > 0

f(a) = Nd

f(a) > 0 f(a) < 0 f(a) = 0

y
x
y
x
a
x
y y
x
a
y
x
y
x
y
x
4.2 Optimizacin sin restriccin

4.2.1 Funciones objetivo de una variable
Sea la funcin: y = f(x), los pasos o condiciones para obtener el (los) mximo(s) o
mnimo(s) relativo(s) sern:

1. Identificar los puntos crticos. Tomar la primera derivada e igualarla a 0,
dy
0
dx
=
2. Tomar la segunda derivada, evaluar los puntos crticos, y revisar los signos. Esta
condicin es llamada condicin suficiente. Si un punto critico es a, entonces:

f(a) < 0, la funcin es cncava en a, por ende un mximo relativo
f(a) > 0, la funcin es convexa en a, por ende un mnimo relativo
f(a) = 0, el test es inconcluso y es necesario realizar el test de las derivadas
sucesivas:

- Si el primer valor diferente de cero de una derivada de orden superior,
cuando se evala un punto critico es una derivada de grado impar (tercer,
quinto, etc.) la funcin es un punto de inflexin.

- Si el primer valor diferente de cero de una derivada de orden superior,
cuando es evaluado en un punto crtico es una derivada de grado par,
entonces la funcin es un extremo relativo en a. Si esta derivada tiene
valor negativo entonces la funcin es cncava en a (y por ende, es un
mximo relativo). Caso contrario, la funcin es convexa y presenta un
mnimo relativo en a.

Ejercicio 76: Obtener el extremo relativo de la siguiente funcin:

f(x) = -7x
2
+ 126x - 23

Solucin.
Calculando la primera derivada e igualndola a 0:

f(x)=-14x + 126 = 0 x = 9 (valor critico)

Tomando la segunda derivada y evaluando el valor critico:

f(x) = -14, entonces f(9) = -14 < 0 es cncavo, mximo relativo.

Ejercicio 77: Obtener el extremo relativo de la siguiente funcin:

f (x) = 2x
4
16x
3
+ 32x
2
+ 5

Solucin.

f(x) = 8x
3
48x
2
+ 64x = 0

f(x) = 8x( x 2 ) ( x 4) = 0

x=0, x=2, x=4 (puntos crticos)

Tomando la segunda derivada y evaluando los puntos crticos:

f(x) =24x
2
- 96x +64
f(0) =24(0)
2
96(0) +64 = 64 >0 convexo, mnimo relativo
f(2) =24(2)
2
96(2) +64 = -32 <0 cncavo, mximo relativo
f(4) =24(4)
2
96(4) +64 = 64 >0 convexo, mnimo relativo

Ejerci 78: Obtener el extremo relativo de la siguiente funcin:

f(x) = - ( x - 8 )
4

Solucin.

f(x) = -4( x - 8 )
3
= 0 x=8 (punto critico)

Tomando la segunda derivada y evaluando el punto crtico:

f(x) = -12( x - 8 )
2

f(8) = -12( 8 - 8 )
2
= 0
Se requiere el test de derivadas
sucesivas.

f (x) = -24( x - 8 )
f (8) = -24( 8 - 8 ) = 0

test inconcluso
f (x) = -24
f (8) = -24

<0 cncavo, mximo relativo

Ejercicio 79: Buscar la relacin entre:
a) Producto total, b) Producto medio, y c) Producto marginal de la siguiente funcin de
produccin:

PT = 90K
2
K
3

Solucin.
a) Condicin de 1
er
Orden para encontrar los valores crticos.

PT = 90K

3K
2

= 3K (60-K) = 0

K=0 y K=60 (valores crticos)

Probar las condiciones de 2
do
Orden.

PT = 180 6 K
PT (0) = 180 (convexo mnimo relativo)
PT (60) = -180 (cncavo, mximo relativo)

Comprobar puntos de inflexin.

K < 30 PT > 0 (convexo) PT = 180 6 K = 0 K = 30
K > 30 PT < 0 (cncavo)

Puesto que K = 30, PT = 0, hay un punto de inflexin en K=3

b) Pme
k
=
PT
K
= 90K K
2

Pme
k
= 90 2K = 0 K=45 (valor critico)
Pme
k
= -2 < 0 (cncavo, mximo relativo)

c) PMg
k
= PT = 180K - 3K
2

PMg
k
= 180 6K = 0 K=30 (valor crtico)
PMg
k
= 6 <0 (cncavo, mximo relativo)

Grfico 4-5

PT Pmg=0
108000
91125 Pme mximo

54000 Pmg mximo

Pmg. 30 45 60 K
Pme.

2700 Pmg.

Pme.

30 45 60 K

4.2.2 Funciones objetivo de dos variables
Para que una funcin como z = f (x,y) tenga un mnimo o mximo relativo, tres
condiciones deben ser satisfechas:

1. Las derivadas parciales de primer orden deben simultneamente ser iguales a
cero. Ello indica que en un punto dado (a,b) llamado punto critico, la funcin no
esta creciendo ni decreciendo con respecto a los ejes principales sino a una
superficie relativa.
2. Las derivadas parciales de segundo orden deben ser negativas cuando ellas son
evaluadas en el punto critico (a,b) para un mximo relativo y positivas para un
mnimo relativo. Ello asegura que la funcin es cncava y movindose hacia abajo
en relacin a los ejes principales en el caso de un mximo relativo y la funcin es
convexo y movindose hacia arriba en relacin a los ejes principales en el caso de
un mnimo relativo.

3. El producto de las derivadas parciales de segundo orden evaluadas en el punto
crtico deben exceder el producto de las derivadas parciales cruzadas tambin
evaluadas en dicho punto. Esta condicin adicional es necesaria para evitar un
punto de inflexin o punto de silla (ver grfico 4-6). En resumen:

Condicin necesaria Mximo Mnimo
Primer orden f
x
= f
y
= 0 f
x
= f
y
= 0
Segundo orden* f
xx
, f
yy
< 0 y f
xx
, f
yy
> (f
xy
)
2
f
xx
, f
yy
> 0 y f
xx
, f
yy
< (f
xy
)
2

Nota: las derivadas parciales de segundo orden son evaluadas en el punto critico (a,b) o los puntos
crticos que hubieren.

En la situacin que f
xx
f
yy
< (f
xy
)
2
, cuando f
xx
y f
yy
tienen el mismo signo, la funcin
esta en un punto de inflexin. Caso contrario, la funcin estar en un punto de silla.
Si f
xx
f
yy
= (f
xy
)
2
entonces se requerira mayor informacin.

Grfico 4-6

x
y
Mnimo Mximo

y
x
z

z
Punto de Silla

z
y
x

Ejercicio 80: En la siguiente funcin encontrar los puntos crticos y determinar si stos
son mximos o mnimos relativos, puntos de inflexin o puntos de silla:

f(x, y) = 3x
3
5y
2
225x + 70y + 23

Solucin.

f
x
= 9x
2
225 = 0 f
y
= -10y + 70 = 0

Resulta: x = 5, y 7 = . Entonces los puntos crticos sern: (5,7) y (5,-7)

Las segundas derivadas (sin evaluarlas o testearlas)

f
xx
= 18 x

f
yy
= -10

f
xy
= f
yx
= 0

Evaluando el punto crtico (5,7):

f
xx
( 5, 7 ) = 18 (5) = 90 f
yy
( 5, 7 ) = -10

Cumple f
xx
( 5, 7 ). f
yy
( 5, 7 ) > [ f
xy
(5,7) ]
2
?

90. (-10) < [ 0 ]
2
(no cumple!)

Entonces este punto crtico no es ni mximo ni mnimo. Puesto que f
xx
y f
yy
(evaluadas
en este punto crtico) tienen signo diferente, se concluye que este punto es un punto
de silla.
Evaluando el punto crtico (-5,7)

f
xx
( -5, 7 ) = 18 (-5) = -90

f
yy
( -5, 7 ) = -10

Cumple f
xx
( -5, 7 ). f
yy
( -5, 7 ) > [ f
xy
(-5,7) ]
2
?

-90. (-10) > 0 (Si cumple!)

Dado que se cumple f
xx
( -5, 7 ). f
yy
( -5, 7 ) > [ f
xy
(-5,7) ]
2
y adems, f
xx,
f
yy
< 0 entonces
el punto en anlisis es un mximo.

Ejercicio 81: En la siguiente funcin encontrar los puntos crticos y determinar si stos
son mximos o mnimos relativos, puntos de inflexin o puntos de silla:

f (x,y) = 3x
3
+1.5y
2
18xy +17
Solucin.
Calculando la primera derivada e igualndola a 0 (condicin de primer orden):

f
x
= 9x
2
18y = 0 y= x
2

f
y
= 3y 18x = 0 y = 6x

Donde x = 0, x = 12, y = 0, y = 72. As, los puntos crticos son: (0,0) y (12,72)

Calculando las segundas derivadas:

f
xx
= 18x f
yy
= 3 f
xy
= f
yx
= -18

Evaluando el punto crtico (0,0)

f
xx
= ( 0, 0 ) = 18 (0) = 0

f
yy
= ( 0, 0 ) = 3

Cumple que f
xx
( 0, 0 ). f
yy
( 0, 0 ) > [ f
xy
(0,0) ]
2
?

0.3 < ( -18 )
2
(No cumple)

Entonces este punto crtico no es ni mximo ni mnimo. Puesto que f
xx
y f
yy

(evaluadas en este punto crtico) tienen signos iguales entonces es un punto de
inflexin.

Evaluando el punto crtico (12,72)
f
xx
= ( 12, 72 ) = 18 (12) = 216 f
yy
= ( 12, 72 ) = 3

Cumple que f
xx
( 12, 72 ).f
yy
( 12, 72 ) > [ f
xy
(12,72) ]
2
?

216.3 > ( -18 )
2
(Si cumple!)

Dado que se cumple f
xx
( 12, 72 ). f
yy
( 12, 72 ) > [ f
xy
(12,72) ]
2
y adems, f
xx
, f
yy
> 0
entonces el punto en anlisis es un mnimo relativo.

4.2.3 Funciones objetivo con ms de dos variables
Considerando una funcin de tres variables z = f ( x
1
, x
2
, x
3
) cuyas derivadas parciales
primeras son f
1,
f
2
y f
3
y las derivadas parciales segundas fij (
2
z / x
i
x
j
) ; con i,
j=1, 2, 3. Conforme al teorema de Young se sabe que f
ij
= f
ji
.Como en los casos
anteriores, para tener un mximo o un mnimo de z es necesario que dz = 0 para
valores arbitrarios de dx
1
, dx
2
y dx
3
, no todos nulos. Ya que el valor de dz es ahora
dz = f
1
dx
1
+ f
2
dx
2
+ f
3
dx
3
. Ya que dx
1
, dx
2
y dx
3
son no nulos, la nica forma de
garantizar que dz = 0 es f
1
= f
2
= f
3
= 0. En otras palabras, lo mismo que en el caso de
dos variables. Generalizando para 3 o ms variables, el test de determinante para un
extremo relativo en este caso ser:

Condicin necesaria Mximo Mnimo
Primer orden f
1
= f
2
= f
3
= .. = f
n
= 0 f
1
= f
2
= .. = f
n
= 0
Segundo orden* H
1
< 0; H
2
> 0; H
3
< 0;..;(-1)
n
H
n
> 0 H
1
, H
2
,..,H
n
>0

Donde
n
H es el determinante de la matriz Hessiana (simtrica).

Hessiano (simtrico)
Es simplemente una matriz conformada por derivadas de segundo grado. Esta matriz
es utilizada para testear mximos o mnimos en funciones con n variables. En general,
el hessiano ser:
H
1
= f
11

11 12
2
21 22
f f
H
f f
=

11 12 13
3 21 22 2
31 32 33
f f f
H f f f
f f f
=
3

11 12 1n
21 22 2n
n1 n2 nn
f f ... f
f f ... f
H
. . ... .
f f ... f
=

Donde los
Menores
sern

Y as sucesivamente.

Para el caso de una matriz hessiana del orden 3 x 3, los menores pueden denotarse
como:

H
1
= f
11

11 12
2
21 22
f f
H
f f
=
11 12 13
21 22 23
31 32 33
f f f
H f f f
f f f
=
H
3
= H

Ejercicio 82: Hallar los valores extremos de

z = - x
1
3
+ 3x
1
x
3
+ 2x
2
- x
2
2
- 3x
3
2

Solucin.
Las derivadas parciales son:

f
1
= - 3x
1
2
+ 3x
3
f
2
= 2 - 2x
2
f
3
= 3x
1
- 6x
3

Ahora, haciendo f
1
= f
2
= f
3
= 0, los puntos crticos sern: (0, 1, 0) y (0.5, 1, 0.25).
Reemplazando tales puntos en la funcin original z, se tiene que z 1 = , y z 17 16 = ,
respectivamente.

Las derivadas parciales de segundo orden dispuesta ordenadamente en el hessiano:

1
6x 0 3
H 0 2 0
3 0
=
6

1. Usando (0, 1, 0), el hessiano es:

H
1
= 0
H
2
= 0
0 0 3
H 0 2 0
3 0 6
=

H
3
= 18

No concuerda con ninguna de las dos test. Entonces es necesaria mayor informacin.

2. Usando (1/2, 1, 1/4) el hessiano es:

H
1
= -3
H
2
= 6
3 0 3
H 0 2 0
3 0 6

H
3
= -18

Cumple el test, entonces, el punto z 17 16 = es mximo.

Ejercicio 83: Utilizar el criterio del Hessiano con el ejercicio 81.

Solucin.
En el ejemplo 81 se obtuvieron los puntos crticos (0, 0) y (12, 72), ahora analizaremos
la segunda derivada con el criterio del Hessiano.

Las segundas derivadas: f
xx
= 18x f
yy
= 3 f
xy
= f
yx
= -18

El hessiano ser:

xx xy
yx yy
f f
H
f f
=

18x 18
H
18 3

1. Evaluando el hessiano para el punto (0,0):

H
1
= 18(0) = 0
18(0) 18
H
18 3

H
2
= 18(0) x 3 (-18) (-18)= -324

Puesto que H
1
= 0 y H
2
< 0 entonces el punto no es mximo ni mnimo. Es un punto
de silla o de inflexin (revisar los criterios).

2. Evaluando el hessiano en el punto (12,72):

H
1
= 18(12) = 216
18(12) 18
H
18 3

H
2
= 18(12) x 3 (-18) (-18)= 324
Dado que H
1
> 0 y H
2
> 0, el punto es un mnimo.

Cuando se utiliza el criterio del hessiano para funciones de dos variables es necesario
resaltar lo siguiente:

La matriz hessiana ser de orden 2:

xx xy
yx yy
f f
H
f f
=

Para el caso de un mximo, el hessiano requiere inicialmente que:

H
1
< 0, o lo que es igual

f
xx
< 0 (i)

Adems, se requiere que
2
H > 0 , o lo que es igual:

f
xx
f
yy
- f
yx
f
xy
> 0 (ii)

Recordando que f
xy
= f
yx
, tal expresin puede quedar como:

f
xx
f
yy
> (f
xy
)
2
(iii)

Dado que f
xx
< 0, para que la expresin (iii) sea vlida, es necesario que:

Entonces, para que el punto critico sea un mximo se requiere que se cumpla (i), (iii) y
(iv), condiciones de suficiencia conforme a la seccin 4.2.2. Note que la multiplicacin
de las segundas derivadas parciales debe ser positiva (f
xx
f
yy
> 0) ya que cada
segunda derivada debe ser negativa.

Para el caso de un mnimo, el lector puede fcilmente demostrar que las condiciones
sealadas en el punto 4.2.2 igualmente coinciden con el criterio del hessiano
(simtrico). Por qu?. En realidad, el hessiano (simtrico) es el caso general para
optimizacin funciones de cualquier orden.

4.3 Optimizacin con restriccin

4.3.1 Funciones con igualdades
Se plantea un nuevo problema, el de optimizar una funcin sujeta a una restriccin de
igualdad:
f
yy
< 0 (iv)
Maximizar f (x
1,
x
2
)
Sujeto a g(x
1,
x
2
) = k (una constante),

Para encontrar la solucin a este nuevo tipo de problema, se debe formar una nueva
funcin F que debe ser formada por (1) estableciendo la restriccin igual a cero, (2)
multiplicndolo por (el multiplicador de Lagrange) y (3) sumando el producto a la
funcin original:

F(x
1,
x
2,
) = f(x
1,
x
2
) +
[ k - g(x
1,
x
2
)]

Aqu, F(x
1,
x
2,
) es llamada la funcin Lagrangiana, f(x
1,
x
2
) es la funcin objetivo u
original, y g(x
1,
x
2
) es la restriccin. Puesto que la restriccin es siempre igual a cero, el
producto [ k - g(x
1,
x
2
)] tambin es igual a cero y la suma de tal trmino no cambia el
valor de la funcin objetivo. Los valores crticos x
0,
y
0
y
0
(para los cuales la funcin
es optimizada) son obtenidos tomando las derivadas parciales de F (con respecto a
cada una de las tres variables independientes) e igualndolas a cero. Es decir,
simultneamente:

F
1
(x
1,
x
2,
) = 0 F
2
(x
1,
x
2,
) = 0
F (x
1,
x
2,
) = 0

Donde F
1
expresa una derivada parcial F/ x
1

Ejemplo: Considere el siguiente problema con tres variables de decisin (x, y, z),
donde la ecuacin G(.) = c (es una constante) y determina un conjunto de
restricciones para (x, y, z), en el espacio, el cul es una superficie y lo
denotaremos por S
G
. El problema es determinar el valor ms grande de la
funcin V (x
1,
y, z ) para puntos (x, y, z) sobre la superficie S
G
.

Maximizar V ( x
,
y, z )
Sujeto a G ( x
,
y, z ) = c (1)

Solucin:
Paso 1: formar el lagrangiano.

L = V (x
,
y, z ) [G (x
,
y, z ) c] (2)

Paso 2: Por las condiciones de primer orden tomar las derivadas parciales.

L
x
= L
y
= L
z
= 0
(3)

Paso 3: La solucin a este problema es mostrado en la grfico (4-7) por el punto
P* = ( x*, y*, z* ) sobre la superficie S
G
donde la funcin objetivo V (x
1,
y, z ) consigue
ser mximo. Considere tambin que el volumen V (.) pasa por P* y es tangente a la
superficie de restriccin S
G
.

Grfico (4-7)
x

P
z

G
S
y

= V V(x , y , z )

Ejercicio 84: Considerar el siguiente ejemplo:

Maximizar 2x 3y + z
Sujeto a x
2
+ y
2
+ z
2
= 9

Solucin.
Paso 1: formamos el lagrangiano para este problema

L = 2x 3y + z - (x
2
+ y
2
+ z
2
- 9)

Paso 2: Por las condiciones necesarias de primer orden
L
x
= 2 - 2 x = 0
(1)

L
y
= -3 - 2 y = 0
(2)

L
z
= 1 - 2 z = 0
(3)

L
= - x
2
- y
2
- z
2
+ 9
(4)

Paso 3: Resolver el sistema de ecuaciones:

De la ecuacin (1) y (2)

2 - 2 x = 0 = 1/x -3 - 2 y = 0 = -3/2y

Igualando se obtiene: y = - 3x/2 (en funcin de x) (a)

De la ecuacin (1) y (3)

2 - 2 x = 0 = 1/x 1 - 2 z = 0 = 1/2z

Igualando se obtiene: z = x/2 (en funcin de x) (b)

Luego reemplazamos (a) y (b) en la restriccin

2 2
2
3x x
x 0
2 2

+ +

= x 3 2 = 7

Resulta en dos soluciones:

x
1
= 3 2 7 = 1.6 y
1
= -9 / 14 = -2.41 z
1
= 3 / 14 = -0.8
x
2
= 3 2 7 = -1.6 y
2
= 9 / 14 = 2.41 z
2
= -3 / 14 = -0.8

Notamos sin embargo que:

V (x
1,
y
1,
z
1
)= 42/ 14 = 11.22
V (x
2,
y
2,
z
2
)= -42/ 14 = -11.22
Por lo tanto, el punto mximo es ( x
1,
y
1,
z
1
) y el punto mnimo es ( x
2,
y
2,
z
2
). El
problema y la solucin son retratados en la siguiente grfico (4-8).

Grfico (4-8)

V* 11.22 2x 3y z = = +

2 2 2
x y z 9 + + =

1 1 1
(x ,y ,z ) (1.6, 2.4,0.8) =

Ejercicio 85: Considere una economa de recurso basada en que cada obreros (L)
puede optar por cosechar rboles madereros (T) o pescar (F). Suponga que la
economa exporta tanta madera como peces y se enfrentan a precios mundiales
constantes significados P
T
y P
F
respectivamente. La siguiente curva de transformacin
son combinaciones tcnicamente eficientes de madera, peces y trabajo

G( T, F, L ) = T
2
+ F
2
/ 4 L = 0

Suponga que P
T
= $ 500 / TM, P
F
= $ 1000 / TM y L = 1700 es el nmero de las horas
disponibles asignados entre cosechar rboles madereros o pescar. Resolver el
problema de optimizacin esttico que trata de maximizar el valor de la cosecha sujeto
a la funcin de transformacin.

z
y
x
11
4
6
3
3
3
Solucin.
Paso1: Formamos el problema de maximizacin.

Maximizar V = 500T + 1000F
Sujeto a T
2
+ F
2
/ 4 = 1700

Paso 2: Formamos el lagrangiano.

L = 500T +1000F - ( T
2
+ F
2
/ 4 - 1700 )

Paso 3: Por las condiciones de primer orden

L
T
= 500 2 T = 0
(1)

L
F
= 1000 0.5 F = 0
(2)

L
= -T
2
+ F
2
/ 4 - 1700
(3)

Paso 4: Resolvemos el sistema de ecuaciones

-De la ecuacin (1)

500 2 T = 0 = 250/T (a)

-De la ecuacin (2)

1000 2 F = 0 = 2000/F (b)

- Igualamos (a) y (b) y obtenemos F en funcin de T.

= =
250 2000
T F
F = 8T
(c)

Luego reemplazamos (c) en la restriccin (3).
( )
2
2
8T
T 1700
4
+ =

Las soluciones son:

T = 10 F = 80 = 25

Por lo tanto, la economa debe asignar la fuerza de trabajo disponible para producir 10
toneladas mtricas de madera y 80 toneladas mtricas de peces. El valor marginal
(precio sombra) de una unidad adicional de trabajo es $25/horas.

Hessiano Orlado
Ahora, para determinar si los valores crticos corresponden a un mximo o mnimo, es
necesario utilizar el criterio del Hessiano Orlado. Este tipo de hessiano se aplica para
el caso de optimizacin de funciones con restricciones. En general, cuando la funcin
objetivo toma la forma de F = F ( x
1
, x
2
,. X
n
) sujeta a g( x
1
, x
2
,. X
n
) = k, el Hessiano
Orlado ser de la forma siguiente:

1 2
2 1 11 12
2 21 22
0 g g
H g F F
g F F

2
1 2 n
1 11 12 1n
21 22 2n
n n1 n2 nn
0 g g ... g
g F F ... F
g F F ... F H
... ... ... ... ...
g F F ... F
=
1 2 3
1 11 12 13
3
2 21 22 23
3 31 32 33
0 g g g
g F F F
H
g F F F
g F F F

Condicin
necesaria
Mximo Mnimo
Primer orden
F = F
1
= F
2
= .. = F
n
= 0
F = F
1
= .. = F
n
= 0
Segundo orden
2
H 0 > ;
3
H 0 < ;
4
H 0 > ;..;
n
n
( 1) H 0 >
2 3 n
H , H ,..., H 0 <

Ejercicio 86: Optimizar la funcin sujeto a una restriccin.

Maximizar z = 4x
2
+ 3xy + 6y
2

Sujeto a x + y = 56

Solucin.
Paso 1: Formar el lagrangiano, pero primero establecemos la restriccin igual a cero,
sustrayendo las variables de la constante:
56 x y

Multiplicar esta diferencia por y sumar el producto de ambos a la funcin objetivo a
fin de formar la funcin Lagrangiana Z.

Z = 4x
2
+ 3xy + 6y
2
+ ( 56 x y )

Paso 2: Calcular las derivadas parciales de primer orden, igualarlas a cero y
resolverlas simultneamente.

Z
x
= 8x + 3y - = 0
Z
y
= 3x + 12y - = 0
Z = 56 x y

Paso 3: Resolviendo las derivadas parciales se obtiene

x = 36 y = 20 = 348

Luego substituyendo tales valores crticos en la funcin objetivo

Z = 4 (36)
2
+ 3 (36)(20) + 6(20)
2
+ (348)( 56 - 36 - 20 )
Z = 9744

Paso 4: Ahora es necesario corroborar si el punto critico obtenido es mximo o mnimo
local. Para ello, se formular el Hessiano Orlado y luego se proceder a analizar los
test respectivos.

El Hessiano Orlado requiere derivadas de segundo orden:

Z
xx
= 8 Z
yy
= 12 Z
xy
= 3

Ordenando estos valores apropiadamente en el Hessiano Orlado:

0 1 1
H 1 8 3
1 3 12
= y calculando su determinante
2 3 4
2
8 3 1 3 1 8
H H 0( 1) 1( 1) 1( 1) 14
3 12 1 12 1 3
= = + + =

As el punto (36, 20) es un mnimo relativo.

4.3.2 Funciones con desigualdades
Algunos problemas econmicos requieren condiciones de desigualdades, por ejemplo
cuando se desea maximizar la utilidad sujeta a gastar no ms que x soles o minimizar
costos sujeto a producir no menos que x unidades de produccin. En estos casos se
utiliza la programacin cncava (llamada as porque tanto la funcin objetivo como la
restriccin son funciones asumidas cncavas) es una forma de programacin no lineal
diseada para optimizar funciones sujetas a restricciones de desigualdad.

Las funciones convexas no son excluidas ya que el negativo de una funcin convexa
es una funcin cncava. Normalmente, el problema de optimizacin se establece en el
formato de problema de maximizacin, no obstante, la programacin cncava puede
adems minimizar una funcin mediante la maximizacin del negativo de la funcin
convexa.

Dado un problema de maximizacin sujeto a una restriccin de desigualdad con la
siguiente funcin objetivo cncava diferenciable,

Maximizar f ( x
1
, x
2
)
Sujeto a g ( x
1
, x
2
) siendo x
1
, x
2
0

As, la funcin Lagrangiana correspondiente ser:

F( x
1
, x
2,
) = f( x
1
, x
2
) + g( x
1
, x
2
)

Las condiciones suficientes y necesarias de primer orden para la maximizacin,
llamadas condiciones de Kuhn-Tucker son:

i i 2 i 1 2
i
F
f (x , x ) g (x , x ) 0
x
= +

1 2
F
g(x , x ) 0

i
x 0

0
i
i
i
F
x 0
x

F
0

Donde las condiciones en (c) son llamadas condiciones complementarias, significando
que tanto x como f '(x) no pueden ser -simultneamente- cero. Puesto que una
funcin lineal es cncava y convexa, aunque no estrictamente cncava o estrictamente
convexa.

En las condiciones de Kuhn-Tucker la restriccin es siempre expresada como ms
grande o igual que cero. Esto significa que a diferencia de las restricciones de igualdad
que son establecidas igual a cero, el orden de la sustraccin es importante en
programacin cncava.

Para el mximo en F, una solucin interior (Figura a)

f(x) = 0 y x > 0

Para el mximo en G, una solucin de frontera (Figura b)

f(x) = 0 y x = 0

Para el mximo en H o J, ambas soluciones de frontera (Figura c)
f(x) < 0

y

x = 0

Todas las posibilidades para un mximo en el primer cuadrante pueden ser resumidas
como:

f(x) 0 x 0 y x f(x) = 0

Los cuales son reconocibles como parte de las condiciones de Kuhn-Tucker. Notar
que tales condiciones automticamente excluyen un punto como K en (a) el cual no es
un mximo, porque f(K) > 0. Cabe mencionar que la expresin x f(x) = 0 significa que
al menos una de las dos cantidades debe tomar el valor cero.

Grfico 4-9

Condicin (a) Condicin (b) Condicin (c)

f(x)
F
K
G
f(x)
J
H
x
f(x)
f(x)
x x

El problema entonces se reduce a probar las 8 diferentes posibilidades:

0 >
x > 0 y > 0

0 =
x > 0 y > 0
0 >
x = 0 y > 0

0 =
x = 0 y > 0
0 >
x > 0 y = 0

0 =
x > 0 y = 0
0 >
x > 0 y = 0

0 =
x = 0 y = 0

Normalmente, las posibilidades encerradas en el recuadro son las ms comunes. Por
ello, es sugerible que sean las primeras en ser probadas.

Ejercicio 87: Maximizar la funcin de beneficio sujeto a una restriccin de produccin.

Maximizar : = 64x 2x
2
+ 96y - 4y
2
- 13
Sujeto a : x + y 36

Solucin.

Paso 1: Formamos la funcin Lagrangiana

= 64x 2x
2
+ 96y - 4y
2
- 13 + (36 x y)

Paso 2: Por las condiciones de Kuhn-Tucker

x
= 64 4x - 0
y
= 96 8y - 0
= 36 x y 0
x 0 y 0 0
x ( 64 -4x - ) = 0 y ( 96 8y - ) = 0 ( 36 x y ) = 0

Paso 3: Se testean o revisan las condiciones de Kuhn-Tucker,

(a) Si , x, y > 0 entonces de las condiciones de Kuhn-Tucker llevan a:

64 -4x - = 0
96 8y - = 0
36 x y = 0

En forma de matriz,
4 0 1 x 64
0 8 1 y 96
1 1 0 36

=

Usando la Regla de Cramer donde:

A = 12 A
x
= 256 A
y
= 176

A = -256
se obtiene que: x= 21.33 y = 14.67 = -21.33

Lo cual no puede ser ptimo ya que < 0 y contradice las condiciones de Kuhn-
Tucker.
(b) Si = 0 y x, y > 0 entonces

64 4x = 0 x = 16
96 8y = 0 y = 12

Esto da la solucin correcta: x = 16, y = 12 y = 0, lo cual es ptimo ya que no viola
ninguna condicin de Kuhn-Tucker.

Ejercicio 88: Minimizar la funcin de costo, sujeto a una restriccin de igualdad.

Maximizar : K = 5x
2
80x + y
2
32y
Sujeto a : x + y 30

Solucin.
Paso 1: Multiplicando la funcin objetivo por 1 y estableciendo el Lagrangiano,

C = -5x
2
+ 80x - y
2
+ 32y + (x + y 30)

Paso 2: Donde las condiciones de Kuhn-Tucker son,

C
x
= -10x + 80 + 0 C
y
= -2y + 32 + 0
C = x + y 30 0
x 0 y 0 0
x( -10x + 80 + ) = 0 y(-2y + 32 + ) = 0 ( x + y 30) = 0

Paso 3: Se testean o revisan las condiciones de Kuhn-Tucker,

(a) Si = 0 x, y > 0 entonces de las condiciones de Kuhn-Tucker llevan a:

Si = 0 entonces de x ( -10x + 80 + ) = 0 se tiene que:

x =8, y = 16

Sin embargo, estos resultados violan
C = x + y 30 0 ya que: 8 + 6 30 0.

(b) Si > 0, x, y > 0 todas las primeras derivadas parciales son estrictas igualdades:

10 0 1 x 80
0 2 1 y 32
1 1 0 30

=

Donde:

A= 12 A
1
= 109 A
2
= 252 A
3
= 440

Y se obtiene que:

x = 9

y = 21

= 36.67

Lo cual dan la solucin ptima, ya que ninguna condicin de Kuhn-Tucker es
violada.

4.4 Ejercicios resueltos

Ejercicio 89: Maximizar la funcin de ingreso total

IT = 32q q
2

Solucin.
Paso 1: CPO: (condiciones de primer orden)

IT = 32 2q = 0 q = 16 (valor critico)

Paso 2: Evaluar la segunda derivada

IT = -2 < 0 (cncavo, mximo relativo)

As, el ingreso total mximo ser: IT(16) = 32(16) (16)
2
= 256

Ejercicio 90: Maximizar la funcin de beneficio:

= - q
3
/ 3 - 5q
2
+ 200q - 326

Solucin.
Paso 1: CPO (condiciones de primer orden)
= - q
2
- 10q + 2000 = 0
(q + 50) (q 40) = 0

De donde los valores crticos son: q = -50 y q = 40

Paso 2: Evaluar la segunda derivada
= - 2q - 10
(40) = - 2 ( 40 ) 10 = -90 < 0 (cncavo , mnimo relativo)
(50) = - 2 ( 50 ) 10 = 90 > 0 (convexo , mximo relativo)

Puesto que q = -50 es negativo no tiene significado econmico, el valor crtico
negativo es descartado. Entonces el beneficio mximo ser cuando q = 40:

(40) = -
1
3
(40)
3
5 (40)
2
+ 2000 (40) 326 = 50340.37

Ejercicio 91: Encontrar el nivel de produccin de cada bien a fin de maximizar el
beneficio, si una firma produce dos bienes x e y; si la firma tiene la siguiente funcin
de beneficio:

= 64x 2x
2
+ 4xy 4y
2
+32y 14

Solucin.
Paso 1: CPO (condiciones de primer orden)
x
= 64 4x + 4y = 0
y
= 4x 8y + 32 = 0
Paso 2: Resolver el sistema

x=40
y 24 =

Paso 3: Calcular las segundas derivadas y asegurarse que ambas son negativas,
como se requiere para un mximo relativo.

xx
= -4
yy
= -8 (si cumple!)

Paso 4: Tomar las derivadas cruzadas para asegurarse que .
Sabiendo que ,
2
xx yy xy
( ) >
xy yx
4 = =

2
xx yy xy
( ) >
(-4)(-8) > (4)
2

36 >16

As, los beneficios son maximizados cuando x 40 = e y 24 = . En ese punto el
beneficio es . 1650 =

Ejercicio 92: Sea la funcin de demanda:

P = 12.50e
-0.005Q

a) Encuentre el precio y la cantidad que maximiza el ingreso total.
b) Compruebe que realmente dicha cantidad y el precio maximizan P.

Solucin.
a) Primero formamos el ingreso total:

I = PQ
I = (12.50e
-0.005Q
)Q

Luego por condicin de primer orden

dI
dQ
= (12.50e
-0.005Q
)(1) + Q (-0.005)( 12.50e
-0.005Q
)

dI
dQ
= (12.50e
-0.005Q
)(1-0.005Q)
Ya que:
dI
dQ
= 0 Q = 200 P = 12.50e
-0.005(200)
=4.60

b) Comprobando (segunda derivada)

I = (12.50e
-0.005Q
)(-0.05) + ( 1 - 0.005Q )( -0.005 )(12.50e
-0.005Q
)
I = (-0.005) (12.50e
-1
)(1) = - 0.0625(0.36788)<0

Como I < 0 , entonces la funcin es maximizada

Ejercicio 93: Dado la siguiente funcin:

z = e
(2x
2
12x - 2xy + y
2
4y)

a) Encontrar los valores crticos
b) Determinar si tales valores son mximos y/o mnimos.

Solucin.
a) z
x
= ( 4x 12 2y ) e
(2x
2
12x - 2xy + y
2
4y)

z
y
= ( -2x + 2y 4 ) e
(2x
2
12x - 2xy + y
2
4y)

Puesto que debe cumplirse: z
x
= z
y
= 0, entonces, x= 8 y y = 10

b)
z
xx
= ( 4x 12 2y ) (4x 12 2y ) e
(2x
2
12x - 2xy + y
2
4y)
+ e
(2x
2
12x - 2xy + y
2
4y)
(4)
z
yy
= ( -2x + 2y 4 ) ( -2x + 2y 4 ) e
(2x
2
12x - 2xy + y
2
4y)
+ e
(2x
2
12x - 2xy + y
2
4y)
(2)
z
xy
= z
yx
= ( 4x 12 2y ) ( -2x + 2y 4 )e
(2x
2
12x - 2xy + y
2
4y)
+ e
(2x
2
12x - 2xy + y
2
4y)
(-2)

Evaluando en x=8, y =10

z
xx
= 0 + 4e
68
> 0
z
yy
= 0 + 2e
68
> 0
z
xy
= 0 - 2e
68
< 0

Se cumple que:

z
xx
, z
yy
> 0 z
xx
, z
yy
> ( z
xy
)
2

Es decir, 8e
-76
> 4e
-136
. Por lo tanto el punto (8, 10) es mnimo.

Ejercicio 94: Se tiene las siguientes funciones de demanda de una empresa y tambin
su funcin de costos:

Q
1
= 520 10P
1

Q
2
= 820 20P
2

C = 0.1 Q
1
2
+ 0.1 Q
1
Q
2
+ 0.2 Q
2
2
+ 325

Obtenga la combinacin ptima de Q
1
, Q
2
a fin de maximizar beneficios.

Solucin.
Paso 1: Despejamos las funciones de demanda en funcin de las cantidades.

P
1
= 520 - 0.1Q
1

P
2
= 140 - 0.01Q
2

Paso 2: Formamos la funcin de beneficios
1 1 2 2
PQ P Q C = +
= ( 520 0.1Q
1
) Q
1
+ (410 0.05 Q
2
) Q
2
- ( 0.1Q
1
2
+ 0.1 Q
1
Q
2
+ 0.2 Q
2
2
+ 325 )
= 520Q
1
0.2 Q
1
2
+ 410 Q
2
0.25 Q
2
2
- 0.1Q
1
Q
2
- 325

Paso 3: Para obtener el mximo es necesario que:
1 2
0 = =

=
1
520 - 0.4Q
1
- 0.1Q
2
= 0
=
2
410 - 0.5Q
2
- 0.1Q
1
= 0

De ambas ecuaciones: Q
1
= 1152.63 Q
2
= 589.47

Reemplazando ambos resultados en las funciones de precios respectivas:

P
1
= 520 - 0.1( 1152.63) = 404.74 P
2
= 410 - 0.05( 589.47) = 380.53

Sea la funcin de beneficio:

= 520Q
1
0.2 Q
1
2
+ 410 Q
2
0.25 Q
2
2
- 0.1Q
1
Q
2
- 325
(1152.63, 589.47) = 420201.32

Ejercicio 95: Dado el siguiente problema de optimizacin

Maximizar c = 3x +4y
Sujeto a 2xy = 337.5

a) Encuentre el(los) valor(es) crtico(s) de la siguiente funcin de costo.
b) Demuestre matemticamente si la respuesta de a) es un mximo o mnimo.

Solucin.
a) Para encontrar los valores crticos de la fusin de costos, se proceder a resolver
en tres pasos:

Paso 1: Formar el Lagrangiano

C = 3x +4y + ( 337.5 2xy)

Paso 2: Por condicin de primer orden
C
x
= 3 - 2y = 0 (1)
C
y
= 4 - 2x = 0 (2)
= 337.5 2xy
C (3)

Paso 3: Resolver el sistema de ecuaciones, primero despejamos de (1) y (2) y lo
igualamos para obtener y en funcin de x

3 - 2 y = 0
1.5
y
= ...(1)
4 - 2 x = 0
2
x
= ...(2)
(1) = (2)
1.5 2
y 0.75x
y x
= =

Sustituyendo esto en la restriccin: x=15,y=11.25 y 0.13 =

b) El hessiano Orlado ser:
xx xy x
yx yy y
x y
C C g
H C C g
g g 0

=

Definiendo: C
xx
= 0 C
yy
= 0 C
xy
= C
yx
= -2

De la restriccin g (x, y) = 2xy, entonces g
x
= 2y y g
y
= 2x

0 2 2y
H 2 0 2x
2y 2x 0

=

De donde
2
H H 16xy = = . Dado que las 3 variables son positivas, entonces
2
H < 0 : C es minimizado!.

Ejercicio 96: Si se gastan x miles de dlares en mano de obra, y miles de dlares
en equipo, la produccin de cierta fbrica ser Q ( x, y ) = 60x
1/3
y
2/3
unidades. Si hay
US$ 120 000 disponibles,

a) Cmo debe distribuirse el dinero entre mano de obra y equipo para generar la
mayor produccin posible?.
b) Demuestre si el resultado maximiza o minimiza la funcin.

Solucin.
a) Se proceder a resolver en 4 pasos:

Paso 1: Formar el problema de optimizacin con restriccin de igualdad.

Maximizar 60x
1/3
y
2/3

Sujeto a x+y = 120000

Paso 2: La nueva funcin Lagrangiana

L = 60x
1/3
y
2/3
+ ( 120000 x y )

Paso 3: Por condiciones de primer orden.

L
x
= 20x
-2/3
y
1/3
- = 0 (1)
L
y
= 40x
1/3
y
-2/3
- = 0 (2)
= 120 x y = 0
L (3)

Paso 4: Resolver el sistema.
De (1) despejamos =20x
-2/3
y
1/3
(a)
De (2) despejamos =40x
1/3
y
-2/3
(b)

Igualando (a) y (b) se obtiene y en funcin de x

=20x
-2/3
y
1/3
=40x
1/3
y
-2/3
y = 2x x = 40000, y = 80000

b) Formamos nuestro Hessiano Orlado, primero hallamos las segundas derivadas

L
xx
= -40x
-5/3
y
1/3

L
yy
= -40x
1/3
y
-5/3

L
xy
= L
yx
= 20x
-2/3
y
-2/3

Luego reemplazamos en nuestro hessiano orlado y hallamos su determinante.

5 3 1 3 2 3 2 3
2 3 2 3 1 3 5 3
0 1 1
40 20
H 1 x y x y
3 3
20 40
1 x y x y
3 3

=

2 3 2 3 5 3 1 3 1 3 5 3
2
40 40
H H x y x y x y
3 3

= = + +

Fcilmente puede inferirse que toda la suma ser positiva, dado que x, y son positivos.
Entonces
2
H > 0 , por tanto estos valores maximizan la funcin.

Ejercicio 97: Encuentre los valores ptimos del siguiente problema de optimizacin

Minimizar C = 5x
2
80x + y
2
- 32y
Sujeto a x + y 26

Solucin. Cambiando de signos en la restriccin para que el problema sea de
maximizacin:
Maximizar C = -5x
2
+ 80x - y
2
+ 32y + ( x + y 26 )

C
x
= -10x + 80 + 0 C
y
= -2y + 32 + 0
C = x + y -26 0
x 0 y 0
0
x (-10x + 80 + ) = 0 y (-2y + 32 + ) = 0 ( x +y 26 ) = 0

Testeando , x > 0 , y y > 0: 0 >

-10x + 80 += 0
-2y + 32 += 0

Expresado en forma matricial:
10 0 1 x 80
0 2 1 y 32
1 1 0 26

=

Sea el determinante principal A y aplicando Cramer:

A = 12 A
1
= 100 A
2
= 212 A
3
= 40
De donde:

1
A
x 8.3
A
= =

2
A
y 17.6
A
= =

3
A
3.3
A
= =

Estos resultados satisfacen las condiciones de Kuhn-Tucker, por tanto son los valores
ptimos.

Ejercicio 98: Determine los valores ptimos para la maximizacin del beneficio.

Maximizar = 64x 2x
2
+ 96y -4y
2
-13
Sujeto a x + y 27

Solucin.
La funcin ser B = = 64x 2x
2
+ 96y -4y
2
-13 + ( 27 x y )

B
x
= 64 4x - 0 B
y
= 96 8y - 0
B = 27 x y 0
x 0 y 0
0
x(64 4x - ) = 0 y (96 8y - ) = 0 (27 x y) = 0

Probando con: (implica que debe solucionarse las siguientes ecuaciones): , x,y > 0

64 4x - = 0
96 8y - = 0
27 x y = 0

Usando Cramer:
4 0 1 x 64
0 8 1 y 96
1 1 0 27

=

Sea el determinante principal A y aplicando Cramer:

A = 12 A
1
= 184 A
2
= 140 A
3
= 32
De donde:

1
A 184
x 15.3
A 12
= = =

2
A 140
y 11.6
A 12
= = =

3
A 32
2.6
A 12
= = =

Lo cual es la solucin optima porque cumple las condiciones de Kuhn-Tucker.

Ejercicio 99: El departamento de investigacin de mercado determino que hay una
relacin entre el precio y la cantidad: P = 12 2lnx ( 0 < x < 90 ) para un producto
dado. Si cada unidad del producto cuesta S/. 3, determine la cantidad de tal producto
que optimiza el beneficio de tal dpto. Compruebe si dicha cantidad maximiza o
minimiza el beneficio.

Solucin. Sea nuestra funcin de beneficio:

= IT - CT
= ( 12 -2 lnx)x - 3x
= 9x 2xlnx

d 1
9 2x 2lnx
dx x

=

Por condiciones de
primer orden:

d
dx
= 7 2lnx

Resolviendo:
d
0
dx
= 7 2lnx = 0 x = e
3.5

Tomando la segunda derivada de la funcin de beneficio.

(x) = -2/x (e
3.5
) (es mximo)

Ejercicio 100: Compruebe formalmente y determine la cantidad que maximiza el
beneficio. Si nos dan informacin sobre la forma funcional del ingreso total y costo
total.

IT = 15Q
1
+ 18Q
2

CT = 2Q
1
2
+ 2Q
1
Q
2
+ 3Q
2
2

Solucin.
Sea nuestra funcin de beneficio:

= 15Q
1
+ 18Q
2
- 2Q
1
2
- 2Q
1
Q
2
- 3Q
2
2

Por las condiciones de primer orden.

1
Q
= 15

- 4Q
1
- 2Q
2
= 0
2
Q
= 18

2Q
1
- 6Q
2
= 0

De ambas expresiones se tiene que:
1
Q 2. = 7 y
2
Q 2. = 1

Dado que (Q
1
) = -4 , (Q
2
) = -6 y = -2 , se tiene que el punto que maximiza
el beneficio.

1 2
Q Q

Ejercicio 101: Sea:

Funcin de Ingreso:

aQ
1
+ bQ
2

Funcin de Costo: cQ
1
2
+ dQ
1
Q
2
+eQ
2
2

Determine:
a) Funcin de beneficios
b) La cantidad que maximiza el beneficio
c) La condicin para que la funcin de beneficio tenga un mximo
d) La condicin para que la funcin de beneficio tenga un mnimo
e) Es posible establecer una(s) condicin(es) para que la funcin de beneficio tenga
un punto de silla?. De ser cierto, cul(es) seria(n)?
f) Es posible establecer una(s) condicin(es) para que la funcin de beneficio tenga
un punto de inflexin?. De ser cierto, cul(es) seria(n)?

Solucin.
a) La funcin de beneficios se construir a partir de la diferencia de la funcin de
ingresos menos la funcin de costo:

= aQ
1
+ bQ
2
- cQ
1
2
- dQ
1
Q
2
- eQ
2
2

b) Para hallar la cantidad que maximiza el beneficio se proceder a diferenciar la
funcin de beneficios en funcin de cada una de las variables, en este caso ser en
funcin de Q
1
y Q
2
:

1
Q
= a 2cQ
1
- dQ
2

2
Q
= b dQ
1
2eQ
2

La condicin de primer orden ser:
1
Q
=
2
Q
= 0. Entonces;

1
2
2ae bd
Q
4ec d

2
2
2bc ad
Q
4ec d

c) Se sabe que:
= -2c
1 1
Q Q
= -2e
2 2
Q Q
=
1 2 2 1
Q Q Q Q
= -d

Para que tenga un mximo debe cumplirse que:

1 1 2 2
Q Q Q Q
, 0 <
1 1 2 2 1 2
2
Q Q Q Q Q Q
( ) >

Entonces: c, e > 0 y 4ce > d
2

d) Debe cumplirse que:

1 1 2 2
Q Q Q Q
, 0 >
1 1 2 2 1 2
2
Q Q Q Q Q Q
( ) >

Entonces: c, e < 0 y 4ce > d
2

e) Debe cumplirse que:
1 1 2 2 1 2
2
Q Q Q Q Q Q
( ) <
1 1 2 2 1 1 2 2
Q Q Q Q Q Q Q Q
( 0; 0) ( 0; 0) > < < >

(que ambas derivadas difieran de signo). Entonces: bastara que c y e difieran de
signo.
f)
1 1 2 2 1 2
2
Q Q Q Q Q Q
( ) <
1 1 2 2 1 1 2 2
Q Q Q Q Q Q Q Q
( , 0) ( , 0) > <

(que ambas derivadas tengan el mismo signo). Entonces: c y e deben tener el mismo
signo y adems .
2
4ce d <

Ejercicio 102: Si la funcin de utilidad de un consumidor es U(x, y) = xy, siendo x e y
las cantidades consumidas de los bienes A y B, cuyos precios unitarios son 2 y 3
unidades monetarias, respectivamente, maximizar la utilidad de dicho consumidor
sabiendo que no puede destinar ms de 90 unidades monetarias a la adquisicin de
dichos bienes.

Solucin.
Formar nuestra restriccin a partir de los datos del enunciado:
Maximizar U ( x, y )
Sujeto a 2x 3y 90

Formamos el lagrangiano

U = xy + ( 90 - 2x - 3y)

Por condiciones de Kuhn-Tucker.
(1a) U
x
= y - 2 0 (2a) U
y
= x - 2 0 (3a) U
= 90 - 2x - 3y 0
(1b) x 0 (2b) y 0 (3b) 0
(1c) x (y - 2x) =0 (2c) x (y - 2x) =0 (3c) (90 - 2x - 3y) = 0

1. Probando si = 0 y x > 0, y > 0

Usando (1.a) y (2.a): x, y 0, lo cual no concuerda con (1.b) y (2.b)
2. Probando > 0 y x > 0, y > 0

Aplicando esto en (1c), (2c) y (3c):

y - 2x = 0 y - 2x = 0 ( 90 - 2x - 3y ) = 0

Resolviendo este sistema 3x3:

x = 22.5, y = 15, = 7.5 Lo cual satisface las condiciones de Kuhn-Tucker.

Ejercicio 103: Encontrar los valores de x, y que optimizan el siguiente problema.

Maximizar 6x
2
- 60x + y
2
- 24y
Sujeto a x + y 16

Solucin.
Por el tipo de restriccin, es necesario transformar la funcin original en funcin
cncava multiplicando por -1 tanto dicha funcin como la restriccin. Haciendo ello y
formando el lagrangiano.

C = -6x
2
+ 60x - y
2
+ 24y +( x + y - 16 )

Por condiciones de Kuhn-Tucker.

(1a) Cx= -12x + 60 + 0 (2a) Cy= -2y + 24 + 0 (3a) C
= x + y - 16 0
(1b) x 0 (2b) y 0 (3b) 0
(1c) x (-12x + 60 + ) = 0 (2c) x (-2y + 24 + ) = 0 (3c) (x + y - 16) = 0

1. Probando ,x , y > 0
Si esta condicin se cumple entonces de (1.c), (2c) y (3c):

-12x + 60 + = 0
-2y + 24 + = 0
x + y - 16 = 0

De este sistema se obtiene que:

34 114 108
x y
5 5
= = =
5
Lo cual viola el supuesto (1b).

2. Probando = 0 x , y > 0
Usando (1c) y (2c):

-12x + 60 = 0 x = 5
-2y + 24 = 0 y = 12

Lo cual satisface todas las condiciones. Por lo tanto este es el punto (5, 12) que
maximiza el problema de optimizacin.

Ejercicio 104: Una firma enfrenta una funcin F ( x, y ) = 3x
2
+5xy +6y
2
y tiene una
funcin de restriccin g ( x, y ) = 5x + 7y = 732. Determine FORMALMENTE que tipo de
funcin es F (beneficio o costo?)

Solucin.
Paso 1: La funcin lagrangiana ser:

E = 3x
2
+5xy +6y
2
( 732 - 5x - 7y)

Paso 2: Las condiciones de optimizacin:

E
x
= 6x + 5y 5= 0 E
y
= 5x + 12y - 7= 0 E
= 732 - 5x - 7y = 0

Resolviendo el sistema: x = 75 y = 51 = 141

Paso 3: El hessiano orlado ser:
xx xy x
yx yy y
x y
E E g
H E E g
g g 0

=

Reemplazando los datos:
6 5 5
H 5 12 7
5 7 0
=
el
2
H = 5 (35 -60) - 7 (42 - 25) = -244. Entonces E es minimizado. Se trata de una
funcin de costo.

Ejercicio 105: Resuelva el siguiente problema de optimizacin y demuestre
formalmente que la solucin encontrada corresponde a un mximo.
Maximizar U = xy + x
Sujeto a 6x + 2y = 110

Solucin.
U
x
= y + 1 6= 0 U
y
= x - 2= 0 U
= 110 - 6x -2y = 0

Resolviendo el sistema:
0 1 6 x 1
1 0 2 y 0
6 2 0 110

=

Del cual se tiene que:
1 2
x 9 y 27 4
3 3
= = =

0 1 6
H 1 0
6 2 0
=

2
Donde
2
H 2 = 4 , entonces como
2
H > 0, U es maximizado.

Ejercicio 106: Optimice la siguiente funcin:

y = 3x
1
2
5x
1
- x
1
x
2
+ 6x
2
2
- 4x
2
- 2x
2
x
3
+ 4x
3
2
+ 2x
3
- 3x
1
x
3
(1)

a) Determine la coordenada del punto crtico
b) Calcule el valor de la funcin en dicho punto
c) Correspondera a una tpica funcin de costos o ingresos?
d) Si la funcin fuera, y = 3x
1
2
- 5x
1
- x
1
x
2
+ ax
2
2
- 4x
2
- 2x
2
x
3
+ 4x
3
2
+ 2x
3
- 3x
1
x
3
, Cul
debera ser el valor de a para que no exista solucin nica (un nico punto critico)?

Solucin.
a) Por condicin de primer orden, obtenemos las derivadas parciales de la funcin (1).
y
1
= 6x
1
- 5 - x
2
- 3x
3
Por condicin de 1er Orden:
y
2
= -x
1
+ 12x
2
- 4 - 2x
3
y
1
= y
2
= y
3
= 0
y
3
= 2x
2
+ 8x
3
- 2 - 3x
1
(se forman 3 ecuaciones lineales)

Lo cual se puede resolver por matrices y determinantes:
1
2
3
6 1 3 x 5
1 12 2 x 4
3 2 8 x 2

=

A = 424

A
1
= 440

A
2
= 196

A
3
= 108
De donde: x
1
= 1.04 x
2
= 0.46 x
3
= 0.26

b) Reemplazar los valores obtenidos de a) en la funcin (1) para obtener el valor de y.
y = 3(1.04)
2
- 5(1.04) - (1.04)(0.46) + 6(0.46)
2
- 4(0.46) - 2(0.46)(0.26) + 4(0.26)
2
+ 2(0.26) - 3(1.04)(0.26)
y = - 3.26

c) Ser necesario el hessiano simtrico para averiguar si el punto obtenido
corresponde a un mximo o mnimo, de lo cual se concluye que la funcin podra ser
una tpica funcin de beneficios o costos, respectivamente. Para ello, se obtienen las
segundas derivadas:

y
11
= 6 y
12
= -1 y
13
= -3
y
21
= -1 y
22
= 12 y
23
= -2
y
31
= -3 y
32
= -2 y
33
= 8
6 1
H 1 12
3 2 8
3
2 =

d) Para que no exista un solo punto crtico entonces el determinante
6 1 3
1 2a 2
3 2 8

debe
ser cero. Entonces, det ( A ) = 2 (39a - 22) = 0 a = 22 / 39

Ejercicio 107: Sea el ingreso total, 15q
1
+ 18q
2
el cual esta sujeto a un costo:
2q
1
2

+ 2 q
1
q
2
+ 3q
2
2

a) Determine el nivel de produccin que maximiza/minimiza el beneficio
b) Demuestre que ese nivel maximiza o minimiza el beneficio.
c) Si el costo es 2q
1
2

+ 2 q
1
q
2
+ aq
2
2
, que requisito debe cumplir a para que exista
un beneficio mximo?
d) Sea la funcin de costo, bq
1
2

+ 2 q
1
q
2
+ aq
2
2
, que requisito debe cumplir a, b, para
que esta funcin sea una funcin de beneficio?

Solucin.
a) La funcin de beneficio ser:
CAPITULO 4: OPTIMIZACIN
B = Ingreso Costo = 15q
1
+18q
2
- 2q
1
2
- 2q
1
q
2
- 3q
2
2

B
q
1
= 15 - 4q
1
- 2q
2

B
q
1
q
1
= -4

B
q
1
q
2
= B
q
2
q
1
= -2
B
q
2
= 18 - 2q
1
- 6q
2
B
q
2
q
2
= -6

El punto crtico saldr de la condicin de primer orden:
B
q
1
= B
q
2
= 0 de donde q
1
= 2.7 y q
2
= 2.1.

b) Debe probarse las condiciones para un mximo o minino en el hessiano simtrico:
Se cumple que:
B
q
1
q
1
< 0 B
q
1
B
q
2
- (B
q
1
q
2
)
2
> 0
4 2
H
2 6

=

B
q
2
q
2
< 0
Entonces el punto es un mximo.

c) Sea la nueva funcin de beneficio: B = 15 q
1
+ 18 q
2
2q
1
2
- 2q
1
q
2
aq
2
2
B
q
1

B
q
1
= 15 4q
1
- 2q
2

B
q
1
q
1
= -4

B
q
1
q
2
= B
q
2
q
1
= -2
B
q
2
= 18 - 2q
1
- 6q
2
B
q
2
q
2
= -2a

Es necesario hacer que B
q
1
= B
q
2
= 0 para obtener el punto crtico. Usando el criterio
del determinante, se llega a que: a 1/2. Aplicando el criterio de hessiano simtrico:

Para que el punto sea un mximo:
q
1
< 0 B
q
1
B
q
2
- (B
q
1
q
2
)
2
> 0 8a > 4 a > 1/2

4 2
H
2 2a

=

B
q
2
q
2
< 0

De ambas condiciones se concluye que: a ] ,[

d) Solo se pide analizar esta funcin y convertirla en una funcin de beneficios. No
construir una funcin de beneficios a partir de la funcin de ingreso. Anlogamente,
usando el criterio de determinante (condicin para obtener un punto crtico) se llega a
que ab 1. Usando el hessiano simtrico: b<0, a<0 y ab>1.
124

Capitulo 4-Optimizacion PDF

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Capitulo 4-Optimizacion PDF

Cargado por

Copyright:

Formatos disponibles

MATEMTI CAS PARA ECONOMI STAS Car l os Or i huel a Romer o, MSc

También podría gustarte