Optimizacion

MATEMTICAS PARA ECONOMISTAS
Carlos Orihuela Romero, MSc
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
Funcin decreciente en x = a
(Pendiente >0)
(Pendiente <0)
x
a
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
81
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
x
a
a
Cncavo en x=a
f(a) > 0
f(a) < 0
f(a) < 0
f(a) < 0
a
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.
82
Grfico 4-3
Mnimo relativo en x=a
f(a) = 0
Mximo relativo en x=a
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
x
f(a) = 0
x
83
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) = -7x2 + 126x - 23
Solucin.
Calculando la primera derivada e igualndola a 0:
f(x)=-14x + 126 = 0
x = 9 (valor critico)
84
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) = 2x4 16x3 + 32x2 + 5
Solucin.
f(x) = 8x3 48x2 + 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) =24x2 - 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
Se requiere el test de derivadas
f(8) = -12( 8 - 8 )2 = 0
sucesivas.
f (x) = -24( x - 8 )
f (8) = -24( 8 - 8 ) = 0
test inconcluso
85
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 = 90K2 K3
Solucin.
a) Condicin de 1er Orden para encontrar los valores crticos.
PT = 90K 3K2
= 3K (60-K) = 0
K=0 y K=60
(valores crticos)
Probar las condiciones de 2do Orden.

PT = 180 6 K
PT (0) = 180
(convexo mnimo relativo)
PT (60) = -180
(cncavo, mximo relativo)
Comprobar puntos de inflexin.

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

K > 30 PT < 0 (cncavo)
Puesto que K = 30, PT = 0, hay un punto de inflexin en K=3
b)
c)
Pmek =
PT
= 90K K2
K
Pmek = 90 2K = 0
K=45 (valor critico)
Pmek = -2
<0
PMgk= PT = 180K - 3K2

PMgk = 180 6K = 0
K=30 (valor crtico)
86
PMgk = 6
<0
Grfico 4-5
PT
Pmg=0
108000
91125
Pme mximo
54000
Pmg.
Pmg mximo
30
45
60
Pme.
Pmg.
2700
Pme.
30
45
60
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.
87
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
fx = fy = 0
fx = fy = 0
fxx , fyy < 0 y fxx , fyy > (fxy)2
fxx , fyy > 0 y fxx , fyy < (fxy)2
Segundo orden*
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 fxx fyy < (fxy)2, cuando fxx y fyy
tienen el mismo signo, la funcin
esta en un punto de inflexin. Caso contrario, la funcin estar en un punto de silla.

Si fxx fyy = (fxy)2 entonces se requerira mayor informacin.
Grfico 4-6
Mnimo
Mximo
88
Punto de Silla
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) = 3x3 5y2 225x + 70y + 23
Solucin.
fx = 9x2 225 = 0
fy = -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)
fxx = 18 x
fyy = -10
fxy = fyx = 0
Evaluando el punto crtico (5,7):

fxx ( 5, 7 ) = 18 (5) = 90
Cumple fxx ( 5, 7 ). fyy ( 5, 7 ) > [ fxy(5,7) ]2 ?
fyy ( 5, 7 ) = -10
90. (-10) < [ 0 ]2 (no cumple!)
Entonces este punto crtico no es ni mximo ni mnimo. Puesto que fxx y fyy (evaluadas
en este punto crtico) tienen signo diferente, se concluye que este punto es un punto
de silla.
89
Evaluando el punto crtico (-5,7)

fxx ( -5, 7 ) = 18 (-5) = -90
fyy ( -5, 7 ) = -10
Cumple fxx ( -5, 7 ). fyy ( -5, 7 ) > [ fxy(-5,7) ]2 ?
-90. (-10) > 0 (Si cumple!)
Dado que se cumple fxx ( -5, 7 ). fyy ( -5, 7 ) > [ fxy(-5,7) ]2 y adems, fxx, fyy < 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) = 3x3 +1.5y2 18xy +17
Solucin.
Calculando la primera derivada e igualndola a 0 (condicin de primer orden):
fx= 9x2 18y = 0
y= x2
fy= 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:
fxx = 18x
fyy = 3
fxy = fyx = -18
Evaluando el punto crtico (0,0)

fxx = ( 0, 0 ) = 18 (0) = 0
fyy = ( 0, 0 ) = 3
Cumple que fxx ( 0, 0 ). fyy ( 0, 0 ) > [ fxy(0,0) ]2 ?
0.3 < ( -18 )2 (No cumple)
Entonces este punto crtico no es ni mximo ni mnimo. Puesto que fxx
y fyy
(evaluadas en este punto crtico) tienen signos iguales entonces es un punto de

inflexin.
Evaluando el punto crtico (12,72)
90
fxx = ( 12, 72 ) = 18 (12) = 216
fyy = ( 12, 72 ) = 3
Cumple que fxx( 12, 72 ).fyy( 12, 72 ) > [ fxy(12,72) ]2 ?
216.3 > ( -18 )2 (Si cumple!)
Dado que se cumple fxx ( 12, 72 ). fyy ( 12, 72 ) > [ fxy (12,72) ]2 y adems, fxx , fyy > 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 ( x1, x2, x3 ) cuyas derivadas parciales
primeras son f1, f2 y f3 y las derivadas parciales segundas fij ( 2z / xixj ) ; con i,
j=1, 2, 3. Conforme al teorema de Young se sabe que fij = fji .Como en los casos
anteriores, para tener un mximo o un mnimo de z es necesario que dz = 0 para
valores arbitrarios de dx1, dx2 y dx3, no todos nulos. Ya que el valor de dz es ahora
dz = f1dx1 + f2dx2 + f3dx3. Ya que dx1, dx2 y dx3 son no nulos, la nica forma de
garantizar que dz = 0 es f1 = f2 = f3 = 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
f1 = f2 = f3 = .. = fn = 0
f1 = f2 = .. = fn = 0
Segundo orden*
H1 < 0; H2 > 0; H3 < 0;..;(-1)n Hn > 0
H1, H2,..,Hn>0
Donde Hn 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:
H1 = f11
f11 f12
f21 f22
H=
.
.
fn1 fn2
... f1n
... f2n
... .
... fnn
Donde los
Menores
sern
H2 =
f11 f12
f21 f22
f11
f12
H3 = f21 f22
f31 f32
f13
f23
f33
Y as sucesivamente.
91
Para el caso de una matriz hessiana del orden 3 x 3, los menores pueden denotarse
como:
f11
f12
H = f21 f22
f31 f32
f13
H1 = f11
f23
f33
H2 =
f11 f12
f21 f22
H3 = H
Ejercicio 82: Hallar los valores extremos de
z = - x13 + 3x1 x3 + 2x2 - x22 - 3x32
Solucin.
Las derivadas parciales son:
f1 = - 3x12 + 3x3
f2 = 2 - 2x2
f3 = 3x1 - 6x3
Ahora, haciendo f1 = f2 = f3 = 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:
H=
6x1
1. Usando (0, 1, 0), el hessiano es:
H = 0 2 0
3 0 6
H1 = 0
H2 = 0
H3 = 18
No concuerda con ninguna de las dos test. Entonces es necesaria mayor informacin.
2. Usando (1/2, 1, 1/4) el hessiano es:
92
H1 = -3
H= 0
H2 = 6
H3 = -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:
El hessiano ser:
fxx = 18x
H=
fxx
fyx
fyy = 3
fxy
fyy
fxy = fyx = -18
H=
18x 18
18 3
1. Evaluando el hessiano para el punto (0,0):
H=
18(0) 18
3
18
H1 = 18(0) = 0
H2 = 18(0) x 3 (-18) (-18)= -324
Puesto que H1 = 0 y H2 < 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=
18(12) 18
18
3
H1 = 18(12) = 216
H2 = 18(12) x 3 (-18) (-18)= 324
Dado que H1 > 0 y H2 > 0, el punto es un mnimo.

Cuando se utiliza el criterio del hessiano para funciones de dos variables es necesario
resaltar lo siguiente:
93
La matriz hessiana ser de orden 2:
H=
fxx
fyx
fxy
fyy
Para el caso de un mximo, el hessiano requiere inicialmente que:

H1 < 0, o lo que es igual
fxx < 0
(i)
Adems, se requiere que H2 > 0 , o lo que es igual:

fxx fyy - fyx fxy > 0
(ii)
Recordando que fxy = fyx, tal expresin puede quedar como:

fxx fyy > (fxy)2
(iii)
Dado que fxx < 0, para que la expresin (iii) sea vlida, es necesario que:
fyy < 0
(iv)
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 (fxx fyy
>
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:
94
Maximizar
f (x1, x2)
Sujeto a g(x1, x2) = 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(x1, x2, ) = f(x1, x2) + [ k - g(x1, x2)]
Aqu, F(x1, x2, ) es llamada la funcin Lagrangiana, f(x1, x2) es la funcin objetivo u
original, y g(x1, x2) es la restriccin. Puesto que la restriccin es siempre igual a cero, el
producto [ k - g(x1, x2)] tambin es igual a cero y la suma de tal trmino no cambia el
valor de la funcin objetivo. Los valores crticos x0, y0 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:
F2(x1, x2, ) = 0
F1(x1, x2, ) = 0
(x1, x2, ) = 0
Donde F1 expresa una derivada parcial F/ x1

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 SG. El problema es determinar el valor ms grande de la

funcin V (x1, y, z ) para puntos (x, y, z) sobre la superficie SG.
Maximizar
Sujeto
V ( x, y, z )
G ( x, y, z ) = c
(1)
Solucin:
Paso 1: formar el lagrangiano.
L = V (x, y, z ) [G (x, y, z ) c]
(2)
95
Paso 2: Por las condiciones de primer orden tomar las derivadas parciales.
(3)
Lx = Ly = Lz = 0
Paso 3: La solucin a este problema es mostrado en la grfico (4-7) por el punto

P* = ( x*, y*, z* ) sobre la superficie SG donde la funcin objetivo V (x1, y, z ) consigue
ser mximo. Considere tambin que el volumen V (.) pasa por P* y es tangente a la
superficie de restriccin SG.
Grfico (4-7)
V = V(x ,y ,z )
SG
Ejercicio 84: Considerar el siguiente ejemplo:

Maximizar 2x 3y + z
Sujeto a
x2 + y2 + z2 = 9
Solucin.
Paso 1: formamos el lagrangiano para este problema
L = 2x 3y + z - (x2 + y2 + z2 - 9)
Paso 2: Por las condiciones necesarias de primer orden
96
L
= 2 - 2 x = 0
x
L
= -3 - 2 y = 0
y
L
= 1 - 2 z = 0
z
L
= - x2 - y2 - z2 + 9
(1)
(2)
(3)
(4)
Paso 3: Resolver el sistema de ecuaciones:

De la ecuacin (1) y (2)
2 - 2 x = 0 = 1/x
Igualando se obtiene:
-3 - 2 y = 0 = -3/2y
y = - 3x/2
(en funcin de x) (a)
De la ecuacin (1) y (3)

2 - 2 x = 0 = 1/x
Igualando se obtiene:
1 - 2 z = 0 = 1/2z
z = x/2
(en funcin de x) (b)
Luego reemplazamos (a) y (b) en la restriccin

2
3x x
x +
+ =0
2 2
2
x = 3 2 7
Resulta en dos soluciones:

x1 = 3 2 7 = 1.6
y1 = -9 / 14 = -2.41
z1 = 3 / 14 = -0.8
x2 = 3 2 7 = -1.6
y2 = 9 / 14 = 2.41
z2 = -3 / 14 = -0.8
Notamos sin embargo que:

V (x1, y1, z1)= 42/ 14 = 11.22
V (x2, y2, z2)= -42/ 14 = -11.22
97
Por lo tanto, el punto mximo es ( x1, y1, z1 ) y el punto mnimo es ( x2, y2, z2 ). El
problema y la solucin son retratados en la siguiente grfico (4-8).
Grfico (4-8)
z
11
V* = 11.22 = 2x 3y + z
x 2 + y 2 + z2 = 9
3
(x1,y1,z1 ) = (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 PT y PF respectivamente. La siguiente curva de transformacin

son combinaciones tcnicamente eficientes de madera, peces y trabajo
G( T, F, L ) = T2 + F2 / 4 L = 0
Suponga que PT = $ 500 / TM, PF = $ 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.
98
Solucin.
Paso1: Formamos el problema de maximizacin.
Maximizar
V = 500T + 1000F
Sujeto a
T2 + F2 / 4 = 1700
Paso 2: Formamos el lagrangiano.

L = 500T +1000F - ( T2 + F2 / 4 - 1700 )
Paso 3: Por las condiciones de primer orden
L
= 500 2 T = 0
T
L
= 1000 0.5 F = 0
F
L
= -T2 + F2 / 4 - 1700
(1)
(2)
(3)
Paso 4: Resolvemos el sistema de ecuaciones

-De la ecuacin (1)
500 2 T = 0 = 250/T
(a)
1000 2 F = 0 = 2000/F
(b)
-De la ecuacin (2)
- Igualamos (a) y (b) y obtenemos F en funcin de T.

(c)
250 2000
=
F = 8T
T
F
Luego reemplazamos (c) en la restriccin (3).
T +
2
( 8T )2
4
= 1700
99
Las soluciones son:

T = 10
= 25
F = 80
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 ( x1, x2,. Xn) sujeta a g( x1, x2,. Xn) = k, el Hessiano
Orlado ser de la forma siguiente:
0
g1
H = g2
...
gn
g1 g2
F11 F12
F21 F22
... ...
Fn1 Fn2
... gn
... F1n
... F2n
... ...
... Fnn
Condicin
Segundo orden
F11 F12
F21 F22
0 g1 g2
g1 F11 F12
H3
g2 F21 F22
g3 F31 F32
Mximo
g2
g3
F13
F23
F33
Mnimo
= F1 = F2 = .. = Fn = 0
n
H2 > 0 ; H3 < 0 ; H4 > 0 ;..; (1) Hn > 0
Primer orden
g2
necesaria
H2 g1
g1
= F1 = .. = Fn = 0
H 2 , H3 ,..., H n < 0
Ejercicio 86: Optimizar la funcin sujeto a una restriccin.

Maximizar z = 4x2 + 3xy + 6y2
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:
100
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 = 4x2 + 3xy + 6y2 + ( 56 x y )
Paso 2: Calcular las derivadas parciales de primer orden, igualarlas a cero y
resolverlas simultneamente.
Zx = 8x + 3y - = 0
Zy = 3x + 12y - = 0
= 56 x y
Paso 3: Resolviendo las derivadas parciales se obtiene

x = 36
= 348
y = 20
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:
Zxx = 8
Zyy = 12
Zxy = 3
Ordenando estos valores apropiadamente en el Hessiano Orlado:
0 1
H= 1 8 3
1 3 12
y calculando su determinante
101
H = H2 = 0(1)2
8 3
1 3
1 8
+ 1(1)3
+ 1(1)4
= 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 ( x1, x2 )
Sujeto a g ( x1, x2 )
siendo x1, x2 0
As, la funcin Lagrangiana correspondiente ser:

F( x1, x2, ) = f( x1, x2) + g( x1, x2)
Las condiciones suficientes y necesarias de primer orden para la maximizacin,
llamadas condiciones de Kuhn-Tucker son:
F
= fi (x i ,x 2 ) + gi (x1,x 2 ) 0
x i
F
= g(x1,x 2 ) 0
xi 0
102
xi
Fi
=0
x i
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
x>0
Para el mximo en G, una solucin de frontera (Figura b)

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

f(x) < 0
x=0
Todas las posibilidades para un mximo en el primer cuadrante pueden ser resumidas
como:
f(x) 0
x0
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.
103
Grfico 4-9
Condicin (a)
Condicin (b)
Condicin (c)
H
f(x)
K
J
f(x)
f(x)
f(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 2x2 + 96y - 4y2 - 13
Sujeto a : x + y 36
Solucin.
Paso 1: Formamos la funcin Lagrangiana
= 64x 2x2 + 96y - 4y2 - 13 + (36 x y)

Paso 2: Por las condiciones de Kuhn-Tucker
x = 64 4x - 0
y = 96 8y - 0
= 36 x y 0
104
x0
y0
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
4 0 1 x 64
0 8 1 y = 96
1 1 0 36
En forma de matriz,
Usando la Regla de Cramer donde:

A = 12
se obtiene que:
Ax = 256
Ay = 176
A = -256
x= 21.33
y = 14.67
= -21.33
Lo cual no puede ser ptimo ya que < 0 y contradice las condiciones de KuhnTucker.
(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 = 5x2 80x + y2 32y
Sujeto a
: x + y 30
105
Solucin.
Paso 1: Multiplicando la funcin objetivo por 1 y estableciendo el Lagrangiano,
C = -5x2 + 80x - y2 + 32y + (x + y 30)
Paso 2: Donde las condiciones de Kuhn-Tucker son,
Cx = -10x + 80 + 0
Cy = -2y + 32 + 0
C = x + y 30 0
x0
y0
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
Y se obtiene que:
A1= 109
A2= 252
A3= 440
x=9
y = 21
= 36.67
Lo cual dan la solucin ptima, ya que ninguna condicin de Kuhn-Tucker es

violada.
106
4.4 Ejercicios resueltos

Ejercicio 89: Maximizar la funcin de ingreso total
IT = 32q q2
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
As, el ingreso total mximo ser: IT(16) = 32(16) (16)2 = 256

Ejercicio 90: Maximizar la funcin de beneficio:
= - q3 / 3 - 5q2 + 200q - 326

Solucin.
Paso 1: CPO (condiciones de primer orden)
= - q2 - 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:
107
(40) = -
1
(40)3 5 (40)2 + 2000 (40) 326 = 50340.37
3
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 2x2 + 4xy 4y2 +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
y = 24
x=40
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 xx yy > (xy )2 .
Sabiendo que xy = yx = 4 ,
xx yy > (xy )2
(-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
108
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
Ya que:
dI
= (12.50e-0.005Q)(1) + Q (-0.005)( 12.50e-0.005Q)
dQ
dI
= (12.50e-0.005Q)(1-0.005Q)
dQ
dI
= 0 Q = 200
P = 12.50e-0.005(200) =4.60
dQ
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:
2 12x - 2xy + y2 4y)
z = e (2x
a) Encontrar los valores crticos
b) Determinar si tales valores son mximos y/o mnimos.

Solucin.
a)
zx = ( 4x 12 2y ) e (2x
zy = ( -2x + 2y 4 ) e (2x
2 12x - 2xy + y2 4y)
2 12x - 2xy + y2 4y)
109
Puesto que debe cumplirse: zx = zy = 0, entonces, x= 8 y y = 10

b)
zxx = ( 4x 12 2y ) (4x 12 2y ) e (2x
zyy = ( -2x + 2y 4 ) ( -2x + 2y 4 ) e (2x
2 12x - 2xy + y2 4y)
2 12x - 2xy + y2 4y)
zxy = zyx = ( 4x 12 2y ) ( -2x + 2y 4 )e (2x
+ e (2x
+ e (2x
2 12x - 2xy + y2 4y)
2 12x - 2xy + y2 4y)
2 12x - 2xy + y2 4y)
+ e (2x
(4)
(2)
2 12x - 2xy + y2 4y)
(-2)
Evaluando en x=8, y =10

zxx = 0 + 4e 68 > 0
zyy = 0 + 2e 68 > 0
zxy = 0 - 2e 68 < 0
Se cumple que:
zxx , zyy > 0
zxx , zyy > ( zxy )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:
Q1 = 520 10P1
Q2 = 820 20P2
C = 0.1 Q12 + 0.1 Q1 Q2 + 0.2 Q22 + 325
Obtenga la combinacin ptima de Q1, Q2 a fin de maximizar beneficios.
Solucin.
Paso 1: Despejamos las funciones de demanda en funcin de las cantidades.
P1 = 520 - 0.1Q1
P2 = 140 - 0.01Q2
Paso 2: Formamos la funcin de beneficios
= P1Q1 + P2 Q 2 C
110
= ( 520 0.1Q1) Q1 + (410 0.05 Q2) Q2 - ( 0.1Q12 + 0.1 Q1 Q2 + 0.2 Q22 + 325 )
= 520Q1 0.2 Q12 + 410 Q2 0.25 Q22 - 0.1Q1 Q2 - 325
Paso 3: Para obtener el mximo es necesario que: 1 = 2 = 0
1 = 520 - 0.4Q1 - 0.1Q2 = 0

2 = 410 - 0.5Q2 - 0.1Q1 = 0
Q1 = 1152.63
De ambas ecuaciones:
Q2 = 589.47
Reemplazando ambos resultados en las funciones de precios respectivas:

P1 = 520 - 0.1( 1152.63) = 404.74
P2 = 410 - 0.05( 589.47) = 380.53
Sea la funcin de beneficio:
= 520Q1 0.2 Q12 + 410 Q2 0.25 Q22 - 0.1Q1 Q2 - 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
111
Cx = 3 - 2 y = 0
(1)
Cy = 4 - 2 x = 0
(2)
C = 337.5 2xy
(3)
Paso 3: Resolver el sistema de ecuaciones, primero despejamos de (1) y (2) y lo

igualamos para obtener y en funcin de x
1.5
...(1)
y
2
= ...(2)
x
1.5 2
= y = 0.75x
y
x
=
3 - 2y = 0
4 - 2x = 0
(1) = (2)
Sustituyendo esto en la restriccin: x=15,y=11.25 y = 0.13

b) El hessiano Orlado ser:
C xx
H = C yx
gx
Definiendo:
Cxx = 0
C xy
C yy
gy
gx
gy
0
Cyy = 0
Cxy = Cyx = -2
De la restriccin g (x, y) = 2xy, entonces gx= 2y y gy= 2x
2 2y
0
H = 2
0
2x
2y
2x
0
De donde H = H2 = 16xy . Dado que las 3 variables son positivas, entonces
H2 < 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 ) = 60x1/3y2/3 unidades. Si hay
US$ 120 000 disponibles,
112
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
60x1/3y2/3
Sujeto a x+y = 120000

Paso 2: La nueva funcin Lagrangiana
L = 60x1/3y2/3 + ( 120000 x y )
Paso 3: Por condiciones de primer orden.
Lx = 20x-2/3y1/3 - = 0
(1)
Ly = 40x1/3y-2/3 - = 0
(2)
L = 120 x y = 0
(3)
Paso 4: Resolver el sistema.

De (1) despejamos
= 20x-2/3y1/3
(a)
De (2) despejamos
= 40x1/3y-2/3
(b)
Igualando (a) y (b) se obtiene y en funcin de x
= 20x-2/3y1/3 = 40x1/3y-2/3
y = 2x x = 40000, y = 80000
b) Formamos nuestro Hessiano Orlado, primero hallamos las segundas derivadas

Lxx = -40x-5/3y1/3
Lyy = -40x1/3y-5/3
Lxy = Lyx = 20x-2/3y-2/3
113
Luego reemplazamos en nuestro hessiano orlado y hallamos su determinante.
40 5 3 1 3
x
y
3
20 2 3 2 3
x
y
3
20 2 3 2 3
x
y
3
40 1 3 5 3
x y
3
H= 1
1
H = H2 =
40 2 3 2 3 40 5 3 1 3
x
x
y
y + x1 3 y 5 3
+
3
3
Fcilmente puede inferirse que toda la suma ser positiva, dado que x, y son positivos.
Entonces H2 > 0 , por tanto estos valores maximizan la funcin.
Ejercicio 97: Encuentre los valores ptimos del siguiente problema de optimizacin
Minimizar
C = 5x2 80x + y2 - 32y
Sujeto a
x + y 26
Solucin. Cambiando de signos en la restriccin para que el problema sea de

maximizacin:
Maximizar
C = -5x2 + 80x - y2 + 32y + ( x + y 26 )
Cx = -10x + 80 + 0
Cy = -2y + 32 + 0
C = x + y -26 0
x0
y0
x (-10x + 80 + ) = 0
y (-2y + 32 + ) = 0
0
( x +y 26 ) = 0
Testeando > 0 , x > 0 , y y > 0:

-10x + 80 + = 0
-2y + 32 + = 0
Expresado en forma matricial:
10 0 1 x 80
2 1 y = 32
0
1
1 0 26
114
Sea el determinante principal A y aplicando Cramer:

A = 12
De donde:
A1 = 100
x=
A2 = 212
A1
= 8.3
A
y=
A3 = 40
A2
= 17.6
A
A3
= 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 2x2 + 96y -4y2 -13
Sujeto a
x + y 27
Solucin.
La funcin ser B = = 64x 2x2 + 96y -4y2 -13 + ( 27 x y )
Bx = 64 4x - 0
By = 96 8y - 0
B = 27 x y 0
x0
y0
x(64 4x - ) = 0
y (96 8y - ) = 0
0
(27 x y) = 0
Probando con: , x,y > 0 (implica que debe solucionarse las siguientes ecuaciones):
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:
115
A = 12
De donde:
A1 = 184
x=
A1 184
=
= 15.3
A
12
A2 = 140
y=
A 2 140
=
= 11.6
A
12
A3 = 32
A 3 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 2ln x
dx
x
d
= 7 2lnx
dx
Por condiciones de
primer orden:
Resolviendo:
d
=0
dx
7 2lnx = 0
x = e 3.5
Tomando la segunda derivada de la funcin de beneficio.
(x) = -2/x (e3.5)
(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 = 15Q1 + 18Q2
CT = 2Q12 + 2Q1Q2 + 3Q22
116
Solucin.
Sea nuestra funcin de beneficio:
= 15Q1 + 18Q2 - 2Q12 - 2Q1Q2 - 3Q22

Por las condiciones de primer orden.
= 15 - 4Q1 - 2Q2 = 0
Q1
= 18 2Q1 - 6Q2 = 0
Q2
De ambas expresiones se tiene que: Q1 = 2.7 y Q2 = 2.1
Dado que (Q1) = -4 , (Q2) = -6 y Q Q = -2 , se tiene que el punto que maximiza
1
el beneficio.
Ejercicio 101: Sea:
Funcin de Ingreso:
aQ1 + bQ2
Funcin de Costo:
cQ12 + dQ1Q2 +eQ22
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:
117
= aQ1 + bQ2 - cQ12 - dQ1Q2 - eQ22

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 Q1 y Q2:
Q = a 2cQ1 - dQ2
Q = b dQ1 2eQ2
La condicin de primer orden ser: Q = Q = 0. Entonces;

1
Q1 =
2ae bd
4ec d2
Q2 =
2bc ad
4ec d2
c) Se sabe que:
Q Q = -2c
1 1
Q Q = -2e
2
Q Q = Q Q = -d
1
Para que tenga un mximo debe cumplirse que:
Q1Q1 , Q2Q2 < 0
Q1Q1 Q2Q2 > (Q1Q2 )2
Entonces: c, e > 0 y 4ce > d2

d) Debe cumplirse que:
Q1Q1 , Q2Q2 > 0
Q1Q1 Q2Q2 > (Q1Q2 )2
Entonces: c, e < 0 y 4ce > d2

e) Debe cumplirse que:
Q1Q1 Q2Q2 < (Q1Q2 )2
(Q1Q1 > 0;Q2Q2 < 0) (Q1Q1 < 0;Q2Q2 > 0)
(que ambas derivadas difieran de signo). Entonces: bastara que c y e difieran de

signo.
118
(Q1Q1 , Q2Q2 > 0) (Q1Q1 , Q2Q2 < 0)
Q1Q1 Q2Q2 < (Q1Q2 )2
f)
(que ambas derivadas tengan el mismo signo). Entonces: c y e deben tener el mismo
signo y adems 4ce < d2 .
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)
Ux= y - 2 0
(2a)
Uy = x - 2 0
(3a)
U = 90 - 2x - 3y 0
(1b)
x0
(2b)
y0
(3b)
(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
119
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
Sujeto a
6x2 - 60x + y2 - 24y

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 = -6x2 + 60x - y2 + 24y + ( x + y - 16 )
Por condiciones de Kuhn-Tucker.
(1a)
Cx= -12x + 60 + 0
(2a)
Cy= -2y + 24 + 0
(3a)
(1b)
x0
(2b)
y0
(3b)
(1c)
x (-12x + 60 + ) = 0
(2c)
x (-2y + 24 + ) = 0
(3c)
C = x + y - 16 0
(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:
x=
34
114
108
y =
=
5
5
5
Lo cual viola el supuesto (1b).
120
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 ) = 3x2 +5xy +6y2 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 = 3x2 +5xy +6y2 ( 732 - 5x - 7y)
Paso 2: Las condiciones de optimizacin:
Ex = 6x + 5y 5 = 0
Ey = 5x + 12y - 7 = 0
E = 732 - 5x - 7y = 0
Resolviendo el sistema: x = 75 y = 51 = 141

Paso 3: El hessiano orlado ser:
E xx
H = Eyx
gx
E xy
E yy
gy
gx
gy
0
Reemplazando los datos:
H = 5 12 7
5 7 0
el H 2 = 5 (35 -60) - 7 (42 - 25) = -244. Entonces E es minimizado. Se trata de una
funcin de costo.
121
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.
Ux = y + 1 6 = 0
Uy = x - 2 = 0
U = 110 - 6x -2y = 0
Resolviendo el sistema:
1 6 x 1
0
1 0 2 y = 0
6 2 0 110
0
H= 1
6 2
Del cual se tiene que:
x =9
1
2
y = 27 = 4
3
3
Donde H2 = 24 , entonces como
H2 > 0 , U es maximizado.
Ejercicio 106: Optimice la siguiente funcin:

y = 3x12 5x1 - x1x2 + 6x22 - 4x2 - 2x2x3 + 4x32 + 2x3 - 3x1x3
(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 = 3x12 - 5x1 - x1x2 + ax22 - 4x2 - 2x2x3 + 4x32 + 2x3 - 3x1x3, 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).
y1 = 6x1 - 5 - x2 - 3x3
Por condicin de 1er Orden:
y2 = -x1 + 12x2 - 4 - 2x3

y3 = 2x2 + 8x3 - 2 - 3x1
y1 = y2 = y3 = 0
(se forman 3 ecuaciones lineales)
Lo cual se puede resolver por matrices y determinantes:
122
6 1 3 x1 5
1 12 2 x = 4
2
3 2 8 x 3 2
A = 424
A1 = 440
A2 = 196
A3 = 108
De donde:
x1 = 1.04
x2 = 0.46
x3 = 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:
y11 = 6
y12 = -1
y13 = -3
y21 = -1
y22 = 12
y23 = -2
y31 = -3
y32 = -2
y33 = 8
1 3
H = 1 12 2
3 2 8
1 3
d) Para que no exista un solo punto crtico entonces el determinante 1 2a 2 debe

3 2
ser cero. Entonces, det ( A ) = 2 (39a - 22) = 0 a = 22 / 39

Ejercicio 107: Sea el ingreso total, 15q1 + 18q2 el cual esta sujeto a un costo:
2q12 + 2 q1q2 + 3q22
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 2q12 + 2 q1q2 + aq22, que requisito debe cumplir a para que exista
un beneficio mximo?
d) Sea la funcin de costo, bq12 + 2 q1q2 + aq22, que requisito debe cumplir a, b, para
que esta funcin sea una funcin de beneficio?
Solucin.
a) La funcin de beneficio ser:
123
B = Ingreso Costo = 15q1+18q2 - 2q12 - 2q1 q2 - 3q22

Bq1 = 15 - 4q1 - 2q2
Bq1q1 = -4
Bq2 = 18 - 2q1 - 6q2
Bq2q2 = -6
Bq1q2 = Bq2q1 = -2
El punto crtico saldr de la condicin de primer orden:

Bq1 = Bq2 = 0
de donde
q1= 2.7 y q2= 2.1.
b) Debe probarse las condiciones para un mximo o minino en el hessiano simtrico:
4 2
H=
2 6
Se cumple que:
Bq1q1 < 0
Bq1Bq2 - (Bq1q2)2 > 0
Bq2q2< 0
Entonces el punto es un mximo.
c) Sea la nueva funcin de beneficio: B = 15 q1 + 18 q2 2q12 - 2q1q2 aq22

Bq1 = 15 4q1 - 2q2
Bq1q1 = -4
Bq2 = 18 - 2q1 - 6q2
Bq2q2 = -2a
Bq1q2 = Bq2q1 = -2
Es necesario hacer que Bq1 = Bq2 = 0 para obtener el punto crtico. Usando el criterio
del determinante, se llega a que: a 1/2. Aplicando el criterio de hessiano simtrico:
4 2
H=
2 2a
Para que el punto sea un mximo:

Bq1q1 < 0
Bq1Bq2 - (Bq1q2)2 > 0 8a > 4 a > 1/2
Bq2q2< 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

Optimizacion

Cargado por

Información del documento

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

Optimizacion

Cargado por

Copyright:

Formatos disponibles

MATEMTICAS PARA ECONOMISTAS

Carlos Orihuela Romero, MSc

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

MATEMTICAS PARA ECONOMISTAS

Carlos Orihuela Romero, MSc

denota que la funcin es convexa en x = a. Anlogamente, una segunda derivada

4.1.3 Extremo relativo

MATEMTICAS PARA ECONOMISTAS

Carlos Orihuela Romero, MSc

Mximo relativo en x=a

4.1.4 Puntos de inflexin

MATEMTICAS PARA ECONOMISTAS

Carlos Orihuela Romero, MSc

4.2 Optimizacin sin restriccin

1. Identificar los puntos crticos. Tomar la primera derivada e igualarla a 0,

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

Si el primer valor diferente de cero de una derivada de orden superior,

Si el primer valor diferente de cero de una derivada de orden superior,

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

MATEMTICAS PARA ECONOMISTAS

Carlos Orihuela Romero, MSc

Tomando la segunda derivada y evaluando el valor critico:

< 0 es cncavo, mximo relativo.

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

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

Tomando la segunda derivada y evaluando los puntos crticos:

>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:

x=8 (punto critico)

Tomando la segunda derivada y evaluando el punto crtico:

Se requiere el test de derivadas

MATEMTICAS PARA ECONOMISTAS

Carlos Orihuela Romero, MSc

<0 cncavo, mximo relativo

Ejercicio 79: Buscar la relacin entre:

Probar las condiciones de 2do Orden.

(convexo mnimo relativo)

(cncavo, mximo relativo)

Comprobar puntos de inflexin.

K < 30 PT > 0 (convexo)

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

K=45 (valor critico)

(cncavo, mximo relativo)

PMgk= PT = 180K - 3K2

K=30 (valor crtico)

MATEMTICAS PARA ECONOMISTAS

Carlos Orihuela Romero, MSc

(cncavo, mximo relativo)

4.2.2 Funciones objetivo de dos variables

MATEMTICAS PARA ECONOMISTAS

Carlos Orihuela Romero, MSc

fxx , fyy < 0 y fxx , fyy > (fxy)2

fxx , fyy > 0 y fxx , fyy < (fxy)2

En la situacin que fxx fyy < (fxy)2, cuando fxx y fyy

tienen el mismo signo, la funcin

esta en un punto de inflexin. Caso contrario, la funcin estar en un punto de silla.

MATEMTICAS PARA ECONOMISTAS

Carlos Orihuela Romero, MSc