Documentos de Académico
Documentos de Profesional
Documentos de Cultura
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
CAPITULO 4: OPTIMIZACIN
81
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
CAPITULO 4: OPTIMIZACIN
82
Grfico 4-3
Mnimo relativo en x=a
f(a) = 0
f(a) > 0
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
CAPITULO 4: OPTIMIZACIN
f(a) = 0
x
83
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:
CAPITULO 4: OPTIMIZACIN
x = 9 (valor critico)
84
f(8) = -12( 8 - 8 )2 = 0
sucesivas.
f (x) = -24( x - 8 )
f (8) = -24( 8 - 8 ) = 0
CAPITULO 4: OPTIMIZACIN
test inconcluso
85
f (x) = -24
f (8) = -24
K=0 y K=60
(valores crticos)
PT (60) = -180
b)
c)
Pmek =
PT
= 90K K2
K
Pmek = 90 2K = 0
Pmek = -2
<0
CAPITULO 4: OPTIMIZACIN
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
CAPITULO 4: OPTIMIZACIN
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
Segundo orden*
Nota: las derivadas parciales de segundo orden son evaluadas en el punto critico (a,b) o los puntos
crticos que hubieren.
Grfico 4-6
Mnimo
Mximo
CAPITULO 4: OPTIMIZACIN
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.
Calculando la primera derivada e igualndola a 0:
fx = 9x2 225 = 0
fy = -10y + 70 = 0
fyy = -10
fxy = fyx = 0
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.
CAPITULO 4: OPTIMIZACIN
89
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
fyy = ( 0, 0 ) = 3
y fyy
CAPITULO 4: OPTIMIZACIN
90
fyy = ( 12, 72 ) = 3
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.
Mximo
Mnimo
Primer orden
f1 = f2 = f3 = .. = fn = 0
f1 = f2 = .. = fn = 0
Segundo orden*
H1, H2,..,Hn>0
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.
CAPITULO 4: OPTIMIZACIN
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
H=
6x1
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:
CAPITULO 4: OPTIMIZACIN
92
H1 = -3
H= 0
H2 = 6
H3 = -18
fxx = 18x
H=
fxx
fyx
fyy = 3
fxy
fyy
H=
18x 18
18 3
H=
18(0) 18
3
18
H1 = 18(0) = 0
H2 = 18(0) x 3 (-18) (-18)= -324
H=
18(12) 18
18
3
H1 = 18(12) = 216
H2 = 18(12) x 3 (-18) (-18)= 324
CAPITULO 4: OPTIMIZACIN
93
H=
fxx
fyx
fxy
fyy
(i)
(ii)
(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
CAPITULO 4: OPTIMIZACIN
94
Maximizar
f (x1, x2)
(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
simultneamente:
F2(x1, x2, ) = 0
F1(x1, x2, ) = 0
(x1, x2, ) = 0
una superficie y lo
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]
CAPITULO 4: OPTIMIZACIN
(2)
95
Paso 2: Por las condiciones de primer orden tomar las derivadas parciales.
(3)
Lx = Ly = Lz = 0
V = V(x ,y ,z )
SG
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
CAPITULO 4: OPTIMIZACIN
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)
-3 - 2 y = 0 = -3/2y
y = - 3x/2
1 - 2 z = 0 = 1/2z
z = x/2
3x x
x +
+ =0
2 2
2
x = 3 2 7
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
CAPITULO 4: OPTIMIZACIN
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
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
CAPITULO 4: OPTIMIZACIN
98
Solucin.
Paso1: Formamos el problema de maximizacin.
Maximizar
V = 500T + 1000F
Sujeto a
T2 + F2 / 4 = 1700
L
= 500 2 T = 0
T
L
= 1000 0.5 F = 0
F
L
= -T2 + F2 / 4 - 1700
(1)
(2)
(3)
(a)
1000 2 F = 0 = 2000/F
(b)
250 2000
=
F = 8T
T
F
CAPITULO 4: OPTIMIZACIN
T +
2
( 8T )2
4
= 1700
99
= 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
Primer orden
g2
necesaria
H2 g1
g1
= F1 = .. = Fn = 0
H 2 , H3 ,..., H n < 0
x + y = 56
Solucin.
Paso 1: Formar el lagrangiano, pero primero establecemos la restriccin igual a cero,
sustrayendo las variables de la constante:
CAPITULO 4: OPTIMIZACIN
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
= 348
y = 20
Zyy = 12
Zxy = 3
0 1
H= 1 8 3
1 3 12
CAPITULO 4: OPTIMIZACIN
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
siendo x1, x2 0
F
= fi (x i ,x 2 ) + gi (x1,x 2 ) 0
x i
F
= g(x1,x 2 ) 0
xi 0
CAPITULO 4: OPTIMIZACIN
102
xi
Fi
=0
x i
F
=0
x>0
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.
CAPITULO 4: OPTIMIZACIN
103
Grfico 4-9
Condicin (a)
Condicin (b)
Condicin (c)
H
f(x)
K
J
f(x)
f(x)
f(x)
x
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
x = 64 4x - 0
CAPITULO 4: OPTIMIZACIN
y = 96 8y - 0
= 36 x y 0
104
x0
y0
x ( 64 -4x - ) = 0
y ( 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,
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
CAPITULO 4: OPTIMIZACIN
: 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
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
CAPITULO 4: OPTIMIZACIN
106
q = 16 (valor critico)
= - 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
(50) = - 2 ( 50 ) 10 = 90 > 0
CAPITULO 4: OPTIMIZACIN
107
(40) = -
1
(40)3 5 (40)2 + 2000 (40) 326 = 50340.37
3
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
CAPITULO 4: OPTIMIZACIN
108
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
z = e (2x
a) Encontrar los valores crticos
zx = ( 4x 12 2y ) e (2x
zy = ( -2x + 2y 4 ) e (2x
CAPITULO 4: OPTIMIZACIN
109
+ e (2x
+ e (2x
+ e (2x
(4)
(2)
(-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
CAPITULO 4: OPTIMIZACIN
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
De ambas ecuaciones:
Q2 = 589.47
c = 3x +4y
CAPITULO 4: OPTIMIZACIN
111
Cx = 3 - 2 y = 0
(1)
Cy = 4 - 2 x = 0
(2)
C = 337.5 2xy
(3)
1.5
...(1)
y
2
= ...(2)
x
1.5 2
= y = 0.75x
y
x
=
3 - 2y = 0
4 - 2x = 0
(1) = (2)
C xx
H = C yx
gx
Definiendo:
Cxx = 0
C xy
C yy
gy
gx
gy
0
Cyy = 0
Cxy = Cyx = -2
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,
CAPITULO 4: OPTIMIZACIN
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
(1)
Ly = 40x1/3y-2/3 - = 0
(2)
L = 120 x y = 0
(3)
= 20x-2/3y1/3
(a)
De (2) despejamos
= 40x1/3y-2/3
(b)
= 20x-2/3y1/3 = 40x1/3y-2/3
y = 2x x = 40000, y = 80000
CAPITULO 4: OPTIMIZACIN
113
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
Sujeto a
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
10 0 1 x 80
2 1 y = 32
0
1
1 0 26
CAPITULO 4: OPTIMIZACIN
114
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
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
CAPITULO 4: OPTIMIZACIN
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
= 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
(es mximo)
CAPITULO 4: OPTIMIZACIN
116
Solucin.
Sea nuestra funcin de beneficio:
= 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:
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:
CAPITULO 4: OPTIMIZACIN
117
Q = a 2cQ1 - dQ2
Q = b dQ1 2eQ2
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
CAPITULO 4: OPTIMIZACIN
118
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
CAPITULO 4: OPTIMIZACIN
y - 2x = 0
( 90 - 2x - 3y ) = 0
119
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
CAPITULO 4: OPTIMIZACIN
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
E xx
H = Eyx
gx
E xy
E yy
gy
gx
gy
0
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.
CAPITULO 4: OPTIMIZACIN
121
y demuestre
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
x =9
1
2
y = 27 = 4
3
3
H2 > 0 , U es maximizado.
(1)
y1 = y2 = y3 = 0
(se forman 3 ecuaciones lineales)
CAPITULO 4: OPTIMIZACIN
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
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
CAPITULO 4: OPTIMIZACIN
123
Bq1q1 = -4
Bq2q2 = -6
Bq1q2 = Bq2q1 = -2
de donde
4 2
H=
2 6
Se cumple que:
Bq1q1 < 0
Bq2q2< 0
Bq1q1 = -4
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
Bq2q2< 0
CAPITULO 4: OPTIMIZACIN
124