Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Optimizacion
Optimizacion
Gráfico 4-1
y y
x
x
a a
Gráfico 4-2
Convexo en x=a
f′(a) > 0 f′′(a) > 0
f′(a) < 0 f′′(a) > 0
y
y
x x
a a
Cóncavo en x=a
f′(a) > 0 f′′(a) < 0
f′(a) < 0 f′′(a) < 0
y
y
x x
a a
y y
x
x
a
a
Gráfico 4-4
f′′(a)=0
f′(a) = 0 f′(a) = 0 f′(a) < 0
f′(a) > 0
y y y y
a x a x x x
a a
f′′(a) =
Nd
y y y
x x x
4.2 Optimización sin restricción
Solución.
Calculando la primera derivada e igualándola a 0:
Solución.
Calculando la primera derivada e igualándola a 0:
f(x) = - ( x - 8 )4
Solución.
Calculando la primera derivada e igualándola a 0:
crítico:
PT = 90K2 – K3
Solución.
a) Condición de 1er Orden para encontrar los valores críticos.
PT′′ = 180 – 6 K
PT′′ (0) = 180 (convexo mínimo relativo)
PT′′ (60) = -180 (cóncavo, máximo relativo)
PT
b) Pmek = = 90K – K2
K
Pme′k = 90 – 2K = 0 K=45 (valor critico)
Pme′′k = -2 <0 (cóncavo, máximo relativo)
Gráfico 4-5
PT Pmg=0
108000
91125 Pme máximo
Pmg. 30 45
60 K Pme.
2700 Pmg.
Pme.
30 45 60 K
En la situación que fxx fyy < (fxy)2, cuando fxx y fyy tienen el mismo signo, la
función esta en un punto de inflexión. Caso contrario, la función estará en un
punto de silla. Si fxx fyy = (fxy)2 entonces se requeriría mayor información.
Gráfico 4-6
Mínimo Máximo
z z
x
y
y
x
Punto de Silla
Solución.
Calculando la primera derivada e igualándola a 0:
fx = 9x2 – 225 = 0 fy = -
10y + 70 = 0
¿Cumple fxx ( 5, 7 ). fyy ( 5, 7 ) > [ fxy(5,7) ]2 ? 90. (-10) < [ 0 ]2 (no cumple!)
Entonces este punto crítico no es ni máximo ni mínimo. Puesto que fxx y fyy (evaluadas
en este punto crítico) tienen signo diferente, se concluye que este punto es un
punto
de silla.
Evaluando el punto crítico (-5,7)
¿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 además, fxx, fyy < 0
entonces
el punto en análisis es un máximo.
Donde x = 0, x = 12, y = 0, y = 72. Así, los puntos críticos son: (0,0) y (12,72)
¿Cumple que fxx ( 0, 0 ). fyy ( 0, 0 ) > [ fxy(0,0) ]2 ? 0.3 < ( -18 )2 (No cumple)
Entonces este punto crítico no es ni máximo ni mínimo. Puesto que fxx y fyy
(evaluadas en este punto crítico) tienen signos iguales entonces es un punto de
inflexión.
¿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 además, fxx , fyy > 0
entonces el punto en análisis es un mínimo relativo.
Hessiano (simétrico)
Es simplemente una matriz conformada por derivadas de segundo grado. Esta matriz
es utilizada para testear máximos o mínimos en funciones con n variables. En general,
el hessiano será:
∣H1∣ = f11
Solución.
Las derivadas parciales
son:
−6x1 0 3
H = 0 −2 0
3 0
−6
0 0 ∣H1∣ = 0
3
H = 0 −2 0 ∣H2∣ = 0
3 0 ∣H3∣ = 18
−6
No concuerda con ninguna de las dos test. Entonces es necesaria mayor información.
Solución.
En el ejemplo 81 se obtuvieron los puntos críticos (0, 0) y (12, 72), ahora
analizaremos
la segunda derivada con el criterio del Hessiano.
Puesto que ∣H1∣ = 0 y ∣H2∣ < 0 entonces el punto no es máximo ni mínimo. Es un punto
de silla o de inflexión (revisar los criterios).
fxx < 0
(i)
(iii) Dado que fxx < 0, para que la expresión (iii) sea válida, es necesario que:
fyy < 0
(iv)
Entonces, para que el punto critico sea un máximo se requiere que se cumpla (i), (iii)
y
(iv), condiciones de suficiencia conforme a la sección 4.2.2. Note que la
multiplicación
de las segundas derivadas parciales debe ser positiva (fxx fyy > 0) ya que
cada
segunda derivada debe ser negativa.
Para el caso de un mínimo, el lector puede fácilmente demostrar que las condiciones
señaladas en el punto 4.2.2 igualmente coinciden con el criterio del
hessiano (simétrico). ¿Por qué?. En realidad, el hessiano (simétrico) es el caso
general para optimización funciones de cualquier orden.
Para encontrar la solución a este nuevo tipo de problema, se debe formar una nueva
función F que debe ser formada por (1) estableciendo la restricción igual a cero,
(2)
multiplicándolo por (el multiplicador de Lagrange) y (3) sumando el producto a la
λ
función original:
F
F1(x1, x2, λ ) = 0 F2(x1, x2, λ ) = 0
λ
(x1, x2, λ ) = 0
Maximizar V ( x, y, z )
Sujeto a G ( x, y, z ) = c (1)
Solución:
Paso 1: formar el lagrangiano.
L = V (x, y, z ) – λ [G (x, y, z ) – c]
(2)
Paso 2: Por las condiciones de primer orden tomar las derivadas
parciales.
Lx = Ly = Lz = 0
(3)
Gráfico (4-7)
P∗ z
SG
Maximizar 2x – 3y + z
Sujeto a x2 + y2 + z2 = 9
Solución.
Paso 1: formamos el lagrangiano para este problema
L = 2x – 3y + z - λ (x2 + y2 + z2 -
2 - 2 λ x = 0 → λ = 1/x -3 - 2 λ y =
2 - 2 λ x = 0 → λ = 1/x 1- 2λ z =0→λ
= 1/2z
z Gráfico (4-
8)
11
V* = 11.22 = 2x − 3y + z
3 x 2 + y 2 + z2 = 9
4
3
y
3 (x1,y1,z1 ) =
(1.6,−2.4,0.8)
Ejercicio 85: Considere una economía de recurso basada en que cada obreros (L)
puede optar por cosechar árboles madereros (T) o pescar (F). Suponga que la
economía exporta tanta madera como peces y se enfrentan a precios mundiales
constantes significados PT y PF respectivamente. La siguiente curva de transformación
son combinaciones técnicamente eficientes de madera, peces y trabajo
G( T, F, L ) = T2 + F2 / 4 – L = 0
∂L (1)
= 500 – 2 λ T = 0
∂T
∂L (2)
= 1000 – 0.5 λ F = 0
∂F
∂L 2 (3)
= -T + F2 / 4 - 1700
∂λ
500 – 2 λ T = 0 → λ = 250/T
(a)
1000 – 2 λ F = 0 → λ = 2000/F
(b)
2
Luego reemplazamos (c) en la restricción (3).
T2 +
( 8T )
= 1700
4
Las soluciones son:
T = 10 F = 80
λ = 25
Por lo tanto, la economía debe asignar la fuerza de trabajo disponible para producir
10 toneladas métricas de madera y 80 toneladas métricas de peces. El valor
marginal (precio sombra) de una unidad adicional de trabajo es $25/horas.
Hessiano Orlado
Ahora, para determinar si los valores críticos corresponden a un máximo o mínimo, es
necesario utilizar el criterio del Hessiano Orlado. Este tipo de hessiano se aplica
para
el caso de optimización de funciones con restricciones. En general, cuando la
función
objetivo toma la forma de F = F ( x1, x2,…. Xn) sujeta a g( x1, x2,…. Xn) = k, el
Hessiano
Orlado será de la forma siguiente:
0 g1 g2
0 g1g2 ... H2 ≡ g1 F11 F12
gn
g1 F11 F12 ... g2 F21 F22
g 2 F21 F22 ...
F1n F2n
H = ... ... ... ... .. 0
g1 g2 g3 .
g1 F11 F12 F13
H 3 ≡
gn Fn1 Fn2 ... g2 F21 F22 F23
Fnn
g3 F31 F32 F33
Condición Máximo
necesaria Mínimo
F F
Primer orden λ
= F1 = F2 = .. = Fn = 0 λ
= F1
= .. = Fn = 0
Segundo orden H2 > 0 ; H3 < 0 ; H4 > 0 ;..; (−1)n Hn > 0 H 2 , H3 , ..., H n < 0
Zx = 8x + 3y - λ = 0
Zy = 3x + 12y - λ = 0
Z
λ= 56 – x – y
x = 36 y = 20
λ = 348
Zxx = 8 Zyy = 12
Zxy = 3
0 1 1
H = 1 8 3 y calculando su determinante
1 3 12
8 3 1 3 1 8
H = H2 = 0(−1)2 + 1(−1)3 + 1(−1)4 = −14
3 12 1 12 1 3
Las funciones convexas no son excluidas ya que el negativo de una función convexa
es una función cóncava. Normalmente, el problema de optimización se establece en el
formato de problema de maximización, no obstante, la programación cóncava puede
además minimizar una función mediante la maximización del negativo de la función
convexa.
Maximizar f ( x1, x2
)
Sujeto a g ( x1, x2 ) siendo x1, x2 ≥ 0
∂F = fi (x i , x 2 ) + λgi (x1, x 2 ) ∂F
= g(x , x1 ) ≥2 0
∂x i ≤ 0 ∂λ
xi ≥ 0 λ ≥0
∂Fi ∂F
xi = λ =0
∂λ
0
∂x
i
f′(x) = 0 y
x>0
f′(x) = 0 y
x=0
f′(x) < 0 y
x=0
Todas las posibilidades para un máximo 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 automáticamente excluyen un punto como K en (a) el cual no es un
máximo, porque f′(K) > 0. Cabe mencionar que la expresión x f′(x) = 0 significa que
al menos una de las dos cantidades debe tomar el valor cero.
Gráfico 4-9
F G H
K f(x)
J
f(x)
f(x)
f(x)
x x x
Normalmente, las posibilidades encerradas en el recuadro son las más comunes. Por
ello, es sugerible que sean las primeras en ser probadas.
Solución.
πx = 64 – 4x - λ ≤ πy = 96 – 8y - λ ≤ πλ = 36 – x – y ≥ 0
0 0
x≥0 y≥0 λ≥0
x ( 64 -4x - λ ) = y ( 96 – 8y - λ ) = 0 λ ( 36 – x – y ) = 0
0
64 -4x - λ =
0
96 – 8y - λ =
0
36 – x – y = 0
⎡ −4 0 −1⎤ ⎡ x ⎤ ⎡ −64 ⎤
⎢ 0 −8 −1 y =⎥ ⎢ −96⎥ ⎥ ⎢
⎥ ⎢ ⎥ ⎢
En forma de matriz, ⎢ ⎥
−1 −1 0 ⎢⎣ −36
λ
Lo cual no puede ser óptimo ya que λ < 0 y contradice las condiciones de Kuhn-
Tucker.
(b) Si λ = 0 y x, y > 0 entonces
64 – 4x = 0 x = 16
96 – 8y = 0 y = 12
Cx = -10x + 80 + λ ≤ 0 Cy = -2y + 32 + λ ≤ 0 C λ = x + y – 30 ≥ 0
x≥0 y≥0 λ≥0
x( -10x + 80 + λ ) = 0 y(-2y + 32 + λ ) = 0 λ ( x + y – 30) = 0
x =8, y = 16
(b) Si λ > 0, x, y > 0 todas las primeras derivadas parciales son estrictas
igualdades:
⎡ −10 0 1⎤ ⎡ x ⎤ ⎡ −80 ⎤
⎢ 0 ⎥ ⎢ ⎥ ⎢ ⎥
⎢ −2 1 y =⎥ ⎢ −32 ⎥
⎢ ⎥
1 1 ⎢⎣ λ 30
Donde:
0
IT = 32q – q2
Solución.
Paso 1: CPO: (condiciones de primer orden)
IT′ = 32 – 2q = 0 q = 16
máximo relativo) Así, el ingreso total máximo será: IT(16) = 32(16) – (16)2 = 256
Solución.
Paso 1: CPO (condiciones de primer orden)
π ′ = - q2 - 10q + 2000 =
0
(q + 50) (q – 40) = 0
Solución.
Paso 1: CPO (condiciones de primer orden)
π x = 64 – 4x + 4y = 0
πy = 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 máximo relativo.
πxx = -4 πyy = -8
(si cumple!)
Paso 4: Tomar las derivadas cruzadas para asegurarse que π xx > (πxy )2 .
πyy
Sabiendo que πxy = =4,
πyx
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.
Solución.
a) Primero formamos el ingreso total:
I = PQ
I = (12.50e-0.005Q )Q
dI
= (12.50e-0.005Q)(1) + Q (-0.005)( 12.50e-0.005Q)
dQ
dI
= (12.50e-0.005Q)(1-0.005Q)
dQ
dI
Ya que: = 0 ⇒ Q = 200 P = 12.50e-0.005(200) =4.60
dQ
Solución.
a) zx = ( 4x – 12 – 2y ) e (2x2 – 12x - 2xy + y2 – 4y)
b)
zxx = ( 4x – 12 – 2y ) (4x – 12 – 2y ) e (2x2 – 12x - 2xy + y2 – 4y) +e (2x2 – 12x - 2xy + y2 – 4y) (4)
zyy = ( -2x + 2y – 4 ) ( -2x + 2y – 4 ) e (2x2 – 12x - 2xy + y2 – 4y) +e (2x2 – 12x - 2xy + y2 – 4y) (2)
zxy = zyx = ( 4x – 12 – 2y ) ( -2x + 2y – 4 )e (2x2 – 12x - 2xy + y2 – 4y) +e (2x2 – 12x - 2xy + y2 – 4y) (-2)
Se cumple que:
Es decir, 8e-76 > 4e-136. Por lo tanto el punto (8, 10) es mínimo.
Ejercicio 94: Se tiene las siguientes funciones de demanda de una empresa y también
su función de costos:
Q1 = 520 – 10P1
Q2 = 820 – 20P2
C = 0.1 Q12 + 0.1 Q1 Q2 + 0.2 Q2 2 + 325
Solución.
Paso 1: Despejamos las funciones de demanda en función de las cantidades.
P1 = 520 - 0.1Q1
P2 = 140 - 0.01Q2
Maximizar c = 3x +4y
Sujeto a 2xy = 337.5
Solución.
a) Para encontrar los valores críticos de la fusión de costos, se procederá a
resolver
en tres pasos:
3- 2λy=0 1.5
λ=
...(1)
y
4- 2λx=0 2
λ =
b) El hessiano Orlado
será: ⎡ C xx C xy gx ⎤
⎢
⎥
H = ⎢ Cyx C yy gy ⎥
⎢ gx g⎣ y 0 ⎥
⎦
⎡ 0 −2λ 2y ⎤
⎢
H = −2λ ⎢0 2x ⎥
⎥
⎢⎣ 2y 2x
0 ⎥⎦
Ejercicio 96: Si se gastan “x” miles de dólares en mano de obra, “y” miles de
dólares
en equipo, la producción de cierta fábrica será Q ( x, y ) = 60x1/3y2/3 unidades. Si
hay
US$ 120 000 disponibles,
a) ¿Cómo debe distribuirse el dinero entre mano de obra y equipo para generar la
mayor producción posible?.
b) Demuestre si el resultado maximiza o minimiza la función.
Solución.
a) Se procederá a resolver en 4 pasos:
Maximizar 60x1/3y2/3
Sujeto a x+y = 120000
L = 60x1/3y2/3 + λ ( 120000 – x – y )
Lx = 20x-2/3y1/3 - λ = 0 (1)
Ly = 40x1/3y-2/3 - λ = 0 (2)
L λ = 120 – x – y = 0 (3)
derivadas
Lxx = -40x-5/3y1/3
Lyy = -40x1/3y-5/3
Lxy = Lyx = 20x-2/3y-2/3
Luego reemplazamos en nuestro hessiano orlado y hallamos su determinante.
0 1
1
40 20
H = 1 − x −5 3 y1 3 x −2 3 y −2 3
3
3
20 40
1 x −2 3 y −2 3
− x1 3 y −5 3
3
3
40 40 ⎡ −5 3 1 3
H = H2 = x −2 3 y −2 3
+ x y ⎣+ x1 3 y −5 3 ⎤ ⎦
3 3
Fácilmente puede inferirse que toda la suma será positiva, dado que x, y son positivos.
Entonces H2 > 0 , por tanto estos valores maximizan la función.
Ejercicio 97: Encuentre los valores óptimos del siguiente problema de optimización
-10x + 80 + λ = 0
-2y + 32 + λ = 0
A = 12 A1 = 100 A2 = 212 A3 = 40
De donde:
A1 A2 A3
x = = 8.3 y= = 17.6 λ= = 3.3
A A A
Estos resultados satisfacen las condiciones de Kuhn-Tucker, por tanto son los
valores
óptimos.
Ejercicio 98: Determine los valores óptimos para la maximización del beneficio.
Solución.
La función será B = = 64x – 2x2 + 96y -4y2 -13 + λ ( 27 – x – y )
Bx = 64 – 4x - λ ≤ 0 By = 96 – 8y - λ ≤ 0 Bλ = 27 – x – y ≥ 0
x≥0 y≥0 λ≥0
x(64 – 4x - λ ) = 0 y (96 – 8y - λ ) = 0 λ (27 – x – y) = 0
Probando con: λ, x,y > 0 (implica que debe solucionarse las siguientes ecuaciones):
64 – 4x - λ =
0
96 – 8y - λ =
0
27 – x – y = 0
Usando Cramer:
⎡ −4 0 −1⎤ ⎡ x ⎤ ⎡ −64 ⎤
⎢ 0 ⎥ ⎢ ⎥
−8 −1 y = ⎥ −96⎢ ⎥
⎢ ⎢ ⎥
⎢ ⎥
−1 −1 0 ⎢⎣ −27
λ
De donde:
A1 184 A 2 140 A 3 32
x = = = 15.3 y= = = 11.6 λ= = = 2.6
A 12 A 12 A 12
π = IT - CT
π = ( 12 -2 lnx)x -
3x
π = 9x – 2xlnx
dπ ⎛ 1⎞
Por condiciones de = 9 − 2x ⎜ − 2⎟ ln x
dx ⎝x ⎠
primer orden:
dπ
= 7 – 2lnx
dx
IT = 15Q1 + 18Q2
CT = 2Q12 + 2Q1Q2 + 3Q2 2
Solución.
Sea π nuestra función de beneficio:
∂π = 15 - 4Q1 - 2Q2 = 0
∂Q1
∂π = 18 – 2Q1 - 6Q2 = 0
∂Q2
el beneficio.
Determine:
a) Función de beneficios
b) La cantidad que maximiza el beneficio
c) La condición para que la función de beneficio tenga un máximo
d) La condición para que la función de beneficio tenga un mínimo
e) ¿Es posible establecer una(s) condición(es) para que la función de beneficio
tenga
un punto de silla?. De ser cierto, ¿cuál(es) seria(n)?
f) ¿Es posible establecer una(s) condición(es) para que la función de beneficio
tenga
un punto de inflexión?. De ser cierto, ¿cuál(es) seria(n)?
Solución.
a) La función de beneficios se construirá a partir de la diferencia de la función
de
ingresos menos la función de costo:
π = aQ1 + bQ2 - cQ1 2 - dQ1Q2 - eQ2 2
πQ = a – 2cQ1 - dQ2 Q
= b – dQ1 – 2eQ2
π1
2
2ae−bd 2bc−ad
1Q = Q2 =
4ec − d2 4ec − d2
c) Se sabe que:
π =-
2cQ Q
1 1
πQ Q =- = -d
2e 2 2
π =
πQ1Q2 Q2 Q1
π ,π π ⋅π > (π )2
< 0 Q1Q1 Q2Q2 Q1Q1 Q2Q2 Q1Q 2
π ,π π ⋅π > (π )2
> 0 Q1Q1 Q2Q2 Q1Q1 Q2Q2 Q1Q 2
Q2Q2
(que ambas derivadas tengan el mismo signo). Entonces: c y e deben tener el mismo
2
signo y además 4ce < d .
Solución.
Formar nuestra restricción a partir de los datos del enunciado:
Maximizar U ( x, y
)
Sujeto a 2x – 3y ≤ 90
Formamos el lagrangiano
U = xy + λ ( 90 - 2x -
y - 2x λ = y - 2x λ = 0 ( 90 - 2x - 3y ) = 0
0
Resolviendo este sistema 3x3:
problema.
Solución.
Por el tipo de restricción, es necesario transformar la función original en
función
cóncava multiplicando por -1 tanto dicha función como la restricción. Haciendo ello
y
formando el lagrangiano.
1. Probando λ ,x , y >
0
Si esta condición se cumple entonces de (1.c), (2c) y (3c):
-12x + 60 + λ = 0
-2y + 24 + λ = 0
x + y - 16 = 0
34 114
x=− ∧y= ∧λ = Lo cual viola el supuesto (1b).
108
5 5 5
2. Probando λ = 0 ٨ 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 optimización.
Ejercicio 104: Una firma enfrenta una función F ( x, y ) = 3x2 +5xy +6y2 y tiene
una función de restricción g ( x, y ) = 5x + 7y = 732. Determine FORMALMENTE que tipo
de función es F (¿beneficio o costo?)
Solución.
Paso 1: La función lagrangiana será:
Ex = 6x + 5y – 5 λ = 0 Ey = 5x + 12y - 7 λ = 0 Eλ = 732 - 5x
- 7y = 0
Resolviendo el sistema: x = 75 ٨ y = 51 ٨ λ =
141
Solución.
Ux = y + 1 – 6 λ = 0 Uy = x - 2 λ = 0 U λ = 110
- 6x -2y = 0
Resolviendo el sistema:
⎡ 0 −6 ⎤ ⎡ x ⎤ ⎡ −1 ⎤ Del cual se tiene que:
⎥ ⎢ ⎥ ⎢ 1 2
1 −2 y = 0 ⎥
⎢ 1
0⎢ ⎥ ⎢ ⎥ x =9 ∧ y = 27 ∧ λ = 4
⎢ ⎥
−6 −2 0 ⎢⎣ −110 3
λ 3
Solución.
a) Por condición de primer orden, obtenemos las derivadas parciales de la función (1).
y1 = 6x1 - 5 - x2 - 3x3 Por condición de 1er Orden:
y2 = -x1 + 12x2 - 4 - 2x3 y1 = y2 = y3 = 0
y3 = 2x2 + 8x3 - 2 - 3x1 (se forman 3 ecuaciones lineales)
Lo cual se puede resolver por matrices y determinantes:
⎡ 6 −1 −3 ⎤ ⎡ x1 ⎤ ⎡ 5 ⎤
⎢ ⎥ ⎢ ⎥ ⎢
⎢ −1 1
2 −2 ⎥⎥ ⎢ x 2 ⎥ = ⎢ 4 ⎥
⎢⎣ −3 −
2 8 ⎥⎦ ⎢⎣ x 3 ⎥⎦ ⎢⎣ −2⎥⎦
6 −1 −3
d) Para que no exista un solo punto crítico entonces el determinante −1 2a −2 debe
−3 −2 8
Ejercicio 107: Sea el ingreso total, 15q1 + 18q2 el cual esta sujeto a un costo:
2q12 + 2 q1q2 + 3q2 2
Solución.
a) La función de beneficio será:
B = Ingreso – Costo = 15q1+18q2 - 2q1 2 - 2q1 q2 - 3q22
Es necesario hacer que Bq1 = Bq2 = 0 para obtener el punto crítico. Usando el
criterio
del determinante, se llega a que: a ≠ 1/2. Aplicando el criterio de hessiano simétrico: