Documentos de Académico
Documentos de Profesional
Documentos de Cultura
UNIVERSIDAD DE LA
EMPRESA
Análisis Cuantitativo
Curso 2010
1
Análisis Cuantitativo Curso 2010
Índice
1 Teoría de conjuntos y combinatoria ......................................................................... 5
1.1 Introducción y definiciones .............................................................................. 5
1.1.1 Diagramas de Venn .................................................................................. 6
1.1.2 Subconjuntos ............................................................................................ 6
1.1.3 Conjuntos de números reales.................................................................... 7
1.1.4 Conjunto universal.................................................................................... 7
1.1.5 Cardinalidad ............................................................................................. 8
1.1.6 Relaciones................................................................................................. 8
1.2 Operaciones con conjuntos............................................................................... 9
1.2.1 Operaciones básicas.................................................................................. 9
1.2.2 Unión ...................................................................................................... 10
1.2.3 Intersección............................................................................................. 10
1.2.4 Diferencia ............................................................................................... 11
1.2.5 Diferencia simétrica................................................................................ 11
1.2.6 Complemento ......................................................................................... 12
1.2.7 Propiedades de las operaciones entre conjuntos..................................... 12
1.3 Producto cartesiano......................................................................................... 13
1.3.1 Pares ordenados, ternas, n-uplas............................................................. 13
1.3.2 Representación en ejes cartesianos......................................................... 14
1.4 Diagramas de árbol......................................................................................... 16
1.5 Combinatoria .................................................................................................. 18
1.5.1 Introducción............................................................................................ 18
1.5.2 Permutaciones......................................................................................... 18
1.5.3 Combinaciones ....................................................................................... 19
1.5.4 Arreglos .................................................................................................. 20
1.5.5 Permutaciones con repetición................................................................. 21
1.5.6 Combinaciones con repetición................................................................ 22
1.5.7 Arreglos con repetición .......................................................................... 23
2 Introducción a la probabilidad................................................................................ 24
2.1 Definición ....................................................................................................... 24
2.2 Probabilidad clásica........................................................................................ 24
2.2.1 Probabilidad a priori ............................................................................... 24
2.2.2 Probabilidad a posteriori......................................................................... 25
2.2.3 Probabilidad subjetiva ............................................................................ 26
2.3 Diagramas de árbol......................................................................................... 26
2.4 Propiedades elementales de la probabilidad................................................... 27
2.4.1 Axiomas.................................................................................................. 27
2.4.2 Teoremas ................................................................................................ 28
2.5 Probabilidad condicional ................................................................................ 29
2.5.1 Teorema de la probabilidad total ............................................................ 32
2.5.2 Teorema de Bayes .................................................................................. 33
2.5.3 Teorema de la multiplicación ................................................................. 36
3 Expresiones algebraicas, ecuaciones e introducción al álgebra lineal ................... 37
3.1 Conjuntos numéricos ...................................................................................... 37
3.2 Ecuaciones de primer y segundo grado de una incógnita............................... 38
3.2.1 Ecuación de primer grado, ecuación de la recta ..................................... 38
3.2.2 Ecuación de segundo grado con una incógnita....................................... 40
3.3 Sistemas de ecuaciones lineales ..................................................................... 44
2
Análisis Cuantitativo Curso 2010
3.3.1 Introducción............................................................................................ 44
3.3.2 Matriz aumentada ................................................................................... 49
3.3.3 Método básico para resolución de sistemas de ecuaciones .................... 49
3.3.4 Eliminación gaussiana ............................................................................ 52
3.4 Matrices y operaciones matriciales................................................................. 56
3.4.1 Definición ............................................................................................... 56
3.4.2 Suma de matrices.................................................................................... 56
3.4.3 Producto de una matriz por un escalar.................................................... 57
3.4.4 Producto de matrices .............................................................................. 57
3.4.5 Dos matrices importantes ....................................................................... 58
3.4.6 Matriz transpuesta................................................................................... 59
3.4.7 Reglas de la aritmética matricial ............................................................ 59
3.4.8 Inversión de matrices.............................................................................. 60
3.4.9 Relación entre invertibilidad de matrices y sistemas lineales ................ 61
3.4.10 Determinantes......................................................................................... 61
3.4.11 Propiedades de la función determinante................................................. 62
3.4.12 Regla de Cramer ..................................................................................... 63
3.4.13 Ejemplo de cálculo de la inversa de una matriz. .................................... 65
3.4.14 Ejemplo de aplicación de la Regla de Cramer........................................ 66
3.5 Matriz Insumo – Producto e Inversa de Leontief ........................................... 68
3.5.1 Introducción............................................................................................ 68
3.5.2 Cuadro de transacciones interindustriales .............................................. 68
3.5.3 Modelo cerrado con n sectores ............................................................... 69
3.5.4 Modelo abierto........................................................................................ 70
3.5.5 Modelo cerrado (opcional) ..................................................................... 72
3.5.6 Planificación de requerimientos de producción en el modelo abierto
(opcional)................................................................................................................ 73
3.6 Ecuación cuadrática........................................................................................ 77
3.7 Inecuaciones ................................................................................................... 79
3.8 Programación lineal........................................................................................ 80
3.8.1 Introducción............................................................................................ 80
3.8.2 Inecuaciones lineales con dos variables ................................................. 80
3.8.3 Sistemas de inecuaciones lineales con dos variables.............................. 80
3.8.4 Problemas de optimización de una función sujeta a restricciones ......... 82
3.8.5 Forma geométrica ................................................................................... 82
3.8.6 Forma algebraica .................................................................................... 84
3.8.7 Casos especiales ..................................................................................... 85
4 Funciones de una variable e introducción a los métodos de optimización............. 88
4.1 Definiciones.................................................................................................... 88
4.2 Derivada.......................................................................................................... 88
4.2.1 Interpretación geométrica ....................................................................... 88
4.2.2 Continuidad y derivabilidad ................................................................... 91
4.2.3 La importancia de la derivada en el estudio de las funciones ................ 93
4.2.4 Derivada de la función compuesta.......................................................... 95
4.2.5 Derivada segunda ................................................................................... 96
4.2.6 Teoremas ................................................................................................ 98
4.2.7 Tabla de derivadas ................................................................................ 100
5 Funciones del área económico-administrativa ..................................................... 101
5.1 Introducción.................................................................................................. 101
Funciones de costo, ingreso y beneficio................................................................... 101
3
Análisis Cuantitativo Curso 2010
4
Análisis Cuantitativo Curso 2010
Números naturales
Estudiantes de una clase
Departamentos integrantes de un país
En general se utilizan las letras mayúsculas para designar a los conjuntos y letras
minúsculas referise a sus elementos. Si a es un elemento de un conjunto A se escribe
a ∈ A que no es otra cosa que decir a pertenece A o a es un elemento de A . Si a no
es un elemento del conjunto A se escribe a ∉ A y se lee a no pertenece a A o a no es
elemento de A . Algunos conjuntos dada su importancia tienen una notación propia, por
ejemplo:
Existen distintas maneras de definir un conjunto. La forma más simple, pero que no
siempre es posible, es por extensión, es decir listando todos los elementos del conjunto
separados por comas y encerrando todo entre llaves. La otra forma es por comprensión.
A = {1,2,3,4} , B = {a, e, i, o, u}
Sin embargo esta forma de nombrarlos no es del todo práctica en el caso de conjuntos
compuestos por muchos elementos. En esos casos se hace más útil la descripción de un
conjunto por comprensión, es decir enunciando una propiedad de los elementos que lo
integran:
5
Análisis Cuantitativo Curso 2010
Los diagramas de Venn son un modo gráfico frecuentemente utilizado para representar
conjuntos. Un conjunto se representa con una línea curva cerrada, y sus elementos con
puntos en el interior. Por ejemplo, el diagrama de Venn para el conjunto A es:
1 21 2
3
3 4
4
Una de las propiedades más útiles de los diagramas de Venn es que dan una forma
gráfica de visualizar las relaciones entre conjuntos, por ejemplo, en la siguiente figura
se representa que todo elemento del conjunto B , es también elemento del conjunto A .
1.1.2 Subconjuntos
Se dice que dos conjuntos son iguales si tienen exactamente los mismos elementos.
Se dice que dos conjuntos son disjuntos si no tienen ningún elemento en común. Por
ejemplo, los conjuntos A = {1,2,3} y B = {4,5} son disjuntos.
6
Análisis Cuantitativo Curso 2010
Los intervalos de números reales son conjuntos particulares para los cuales se ha
desarrollado una notación particular, así como también una interpretación geométrica de
los mismos.
Por ejemplo, el conjunto definido como: {x / 0 < x < 1} representa a todos los reales
entre 0 y 1, y también puede asociarse al segmento de recta con origen en 0 y fin en 1,
sin contar los extremos. Este conjunto también puede identificarse con la siguiente
notación: (0,1) , indicando los paréntesis curvos que el intervalo no contiene los
extremos.
Otro ejemplo puede ser el conjunto {x / 0 ≤ x ≤ 1} , a diferencia del ejemplo del párrafo
anterior, este conjunto incluye a los extremos del segmento anteriormente definido. Este
conjunto también puede identificarse con las siguiente notación: [0,1] , indicando los
paréntesis rectos que el intervalo contiene los extremos.
En general, dados dos números reales a y b que cumplan la relación a < b , la notación
(a, b ) se refiere al intervalo abierto (sin incluir los extremos), y la notación [a, b] se
refiere al intervalo cerrado (incluyendo los extremos).
7
Análisis Cuantitativo Curso 2010
Conjunto universal
1.1.5 Cardinalidad
1.1.6 Relaciones
A B
Ernesto Mónica
Juan
Pedro Daniela
Ana
Paula Sergio
Eugenia
Víctor Julia
Facundo
Una función es un tipo especial de relación en la cual a cada elemento del conjunto de
partida le corresponde uno y solo un elemento del conjunto de llegada.
8
Análisis Cuantitativo Curso 2010
En el caso del ejemplo anterior, la relación definida no es función, dado que a cada
elemento del conjunto A le corresponden dos elementos del conjunto B . En cambio si
la relación se hace al revés, es decir, se vincula a los elementos del conjunto B con los
del conjunto A por la relación hijo de, esta relación efectivamente es una función.
f : A → B ⇔ ∀x ∈ A∃! y ∈ B / y = f ( x)
Inyectivas
Sobreyectivas
Biyectivas
Unión
Intersección
Diferencia
9
Análisis Cuantitativo Curso 2010
1.2.2 Unión
A U B = {x / x ∈ A o x ∈ B}
A⊂ B ⇒ AU B = B
A Uφ = A
AU A = A
1.2.3 Intersección
A I B = {x / x ∈ A y x ∈ B}
10
Análisis Cuantitativo Curso 2010
A⊂ B ⇒ AI B = A
A Iφ = φ
AI A = A
1.2.4 Diferencia
A − B = {x / x ∈ A y x ∉ B}
A∆B = ( A − B ) U ( B − A) = ( A U B ) I ( A I B )'
11
Análisis Cuantitativo Curso 2010
1.2.6 Complemento
A' = {x / x ∈ Ω y x ∉ A}
12
Análisis Cuantitativo Curso 2010
A U B = B U A
A I B = B I A conmutativa
A∆B = B∆A
( A U B) U C = A U ( B U C )
( A I B) I C = A I ( B I C ) asociativa
( A∆B)∆C = A∆( B∆C )
A U ( B I C ) = ( A U B) I ( A U C )
A I ( B U C ) = ( A I B) U ( A I C ) distributiva
A I ( B∆C ) = ( A∆B) U ( A∆C )
AU B = A + B − AI B
Altura y peso
Presión arterial y presión venosa
Latitud y longitud de un lugar dado
Temperatura y sensación térmica
Etc.
Si bien en los ejemplos mencionados todos los elementos que forman pares ordenados
pertenecen a un mismo conjunto, esta condición no es necesaria. Por ejemplo, un par
ordenado de elementos que no pertenecen a un mismo conjunto pueden ser nombre y
altura de una persona.
Del mismo modo que se definen los pares ordenados, pueden definirse las ternas
ordenadas, por ejemplo, para localizar un punto en el espacio es necesario dar su latitud,
longitud y altura, por lo cual se necesitan tres datos para identificar cada punto del
espacio. Estos conceptos también pueden asociarse a n dimensiones. Por ejemplo, el
movimiento de un avión en el aire necesita para describirse cuatro datos, la altura, la
latitud, la longitud, y el tiempo, dado que para quedar definido completamente la
posición es necesario saber en qué momento el avión se ubicó en ese lugar.
13
Análisis Cuantitativo Curso 2010
En símbolos, A × B = {(a, b) / a ∈ A y b ∈ B} .
Ejemplo:
Si A = {1,2} y B = {3,4,5,6}, A × B = {(1,3), (1,4), (1,5), (1,6), (2,3), (2,4), (2,5), (2,6)} y
B × A = {(3,1), (3,2), (4,1), (4,2), (5,1), (5,2), (6,1), (6,2)}
AxB 3 4 5 6
1 (1,3) (1,4) (1,5) (1,6)
2 (2,3) (2,4) (2,5) (2,6)
BxA 1 2
3 (3,1) (3,2)
4 (4,1) (4,2)
5 (5,1) (5,2)
6 (6,1) (6,2)
Es fácil notar la relación entre el cardinal del producto cartesiano de dos conjuntos A y
B y el cardinal de los conjuntos A y B .
A× B = A * B
Los ejes cartesianos son dos rectas perpendiculares, una de las cuales representa el eje
de las abscisas y el otro el eje de las ordenadas. En ambas rectas se representan los
números reales y el punto de intersección de ambas corresponde al origen de
coordenadas, es decir, el 0 de ambos ejes. En general, se suele notar al eje de las
abscisas con la letra x y al eje de las ordenadas con la letra y . Dos rectas que se
cortan determinan un plano, y habiendo definido el origen como el punto de
intersección de las dos ejes, cada punto del plano queda identificado por una dupla, su
abscisa y su ordenada, también llamadas coordenadas del punto. Análogamente, cada
dupla se corresponde con un punto del plano.
14
Análisis Cuantitativo Curso 2010
Ejes cartesianos
Los conjuntos de duplas por lo tanto pueden representarse en el eje cartesiano. Por
ejemplo, sean los conjuntos:
{
A = ( a, b ) ∈ N × N / b = a 2 } B = {( x, y ) ∈ R × R / y = x + 3}
40
6; 36
35
30
25 5; 25
20
4; 16
15
10
3; 9
5
2; 4
1; 1
0
0 1 2 3 4 5 6 7
10
0
-6 -4 -2 0 2 4 6
-2
-4
15
Análisis Cuantitativo Curso 2010
Supongamos que una persona dispone de cuatro corbatas las cuales utiliza para ir a
trabajar cada día de la semana. Se asume que cada día de la semana va con una corbata
diferente y que el viernes va sin corbata a trabajar. Las corbatas son de diferentes
colores: amarilla, roja, verde y azul. En caso de desearse saber cuántas opciones
diferentes tiene para elegir, debe calcularse la cantidad de permutaciones posibles (en la
siguiente sección se profundizará en el tema), pero dado lo acotado del problema, se
puede realizar un estudio caso a caso para evaluar todas las posibilidades.
Por ejemplo, si el día lunes elige la corbata amarilla, para el día martes tendrá tres
posibilidades: roja, verde o azul. Una vez que eligió la corbata del día martes, por
ejemplo la roja, el día miércoles tendrá solamente dos posibilidades, o la verde o la azul.
Después de haber elegido qué corbata lleva el miércoles, la corbata del día jueves estará
determinada.
Es posible listar las diferentes permutaciones recorriendo todas las trayectorias posibles
a través del “árbol” desde la primera posición hasta la última. Por medio de este proceso
se obtiene la siguiente lista:
16
Análisis Cuantitativo Curso 2010
1 – amarillo
2 – rojo
3 – verde
4- azul
Diagrama de árbol
17
Análisis Cuantitativo Curso 2010
1.5 Combinatoria
1.5.1 Introducción
2! = 2*1
6! = 6*5*4*3*2*1
En general:
n! = n*(n-1)*…*2*1
Si bien el factorial tiene sentido en el campo de los naturales, resulta conveniente definir
el factorial de 0, dado que será de gran utilidad para avanzar posteriormente en la teoría.
Se define 0! como:
0! = 1
Este resultado que puede parecer un poco extraño tiene su explicación y no contradice
ninguna de los resultados que se encontrarán más adelante.
Permutaciones
Combinaciones
Arreglos
Permutaciones con repetición
Combinaciones con repetición
Arreglos con repetición
1.5.2 Permutaciones
Supongamos que se tienen 4 bolas de billar de distinto color cada una, una roja, una
azul, una amarilla y una violeta. Las mismas se introducen en una urna y se sacan una a
una, sin reponer la bola extraída de la urna hasta que la urna quede vacía. ¿De cuántas
formas posibles se puede ir dando la sucesión de aparición de las bolas?
18
Análisis Cuantitativo Curso 2010
Pn = n!
P4 = 4!= 4 * 3 * 2 *1 = 24
En el caso de conjuntos de números enteros del tipo {1,2,...n} al notar una permutación
se escribirá ( j1 , j2 ,... jn ) , donde j1 es el primer entero de la permutación, j2 , etc. Se
dice que ocurre una inversión en la permutación siempre que un entero mayor precede a
uno menor. Se puede obtener el número total de inversiones que ocurren en una
permutación de la siguiente forma:
1.5.3 Combinaciones
1
En alguna bibliografía puede encontrarse que las combinaciones de n elementos tomados de m se
n
denota C . Cualquiera de las dos formas de notación es válida, lo importante es tener claro
m
conceptualmente a qué se refiere la expresión.
19
Análisis Cuantitativo Curso 2010
n!
C nm =
m!(n − m)!
11! 11! 11 * 10 * 9
C113 = = = = 165
3!*(11 − 3)! 3!*8! 3 * 2 *1
1.5.4 Arreglos
Supongamos que en el caso del ejemplo anterior, los subconjuntos de tres elementos no
se consideran iguales en la medida que los elementos de dichos subconjuntos no estén
ordenados de la misma forma. Por ejemplo, si los subconjuntos se forman extrayendo de
a una las camisetas, un subconjunto posible es sacar primero la camiseta N° 1,
posteriormente la camiseta N° 2 y finalmente la camiseta N°3. Este subconjunto no es el
mismo que uno que se formara si primero se saca la camiseta N°2, luego la N°3 y
finalmente la N°1, a diferencia de lo que sucedía con las combinaciones.
En este caso se dice que estamos frente a arreglos2 de n elementos tomados de m y se
denota Anm . La cantidad posible de arreglos de n elementos tomados de m se calcula
de la siguiente forma:
n!
Anm =
(n − m)!
Se puede pensar que los arreglos como permutaciones de las combinaciones de los m
elementos, por lo cual:
n! n!
Anm = Pm * C nm = m!* =
m!*(n − m)! (n − m)!
11! 11!
A113 = = = 11 * 10 * 9 = 990
(11 − 3)! 8!
2
En alguna bibliografía a los arreglos se los denomina variaciones.
20
Análisis Cuantitativo Curso 2010
Hasta ahora se han presentado casos en que todos los elementos de los conjuntos son
diferentes entre si. Puede suceder que no todos los elementos del conjunto sean
diferentes, sino que haya algunos que sean iguales entre si. Por ejemplo, sea un conjunto
definido por extensión de la siguiente forma: {1,2,4,4} . ¿Cuántos números de 4 cifras
diferentes se pueden formar con los elementos del conjunto?
n!
P' = m
∏j!
k =1
k
En el caso del conjunto del ejemplo, los números diferentes de 4 cifras que se pueden
formar con todos los elementos del conjunto son 12 en total:
1244, 1424, 1442, 2144, 2414, 2441, 4124, 4142, 4214, 4241, 4412, 4421
21
Análisis Cuantitativo Curso 2010
4!
P' = = 12
2!
4!
P' = =6
2!*2!
En este caso son dos los elementos que están dos veces.
Si el conjunto fuera {1,4,4,4} , los números diferentes de 4 cifras que se pueden formar
con todos los elementos del conjunto son:
4!
P' = =4
3!
A = {0,1,2,3,4,5,6,7,8,9}
00
01 11
02 12 22
03 13 23 33
04 14 24 34 44
05 15 25 35 45 55
06 16 26 36 46 56 66
07 17 27 37 47 57 67 77
08 18 28 38 48 58 68 78 88
09 19 29 39 49 59 69 79 89 99
22
Análisis Cuantitativo Curso 2010
(n + m − 1)!
CRnm = C nm+ m −1 =
m!*(n − 1)!
En este caso el orden de los subconjuntos importa, y los hace diferentes. Retomando el
ejemplo del conjunto A = {0,1,2,3,4,5,6,7,8,9} , la cantidad de arreglos de dos elementos
que se pueden formar es sencilla de calcular, son todos los números de dos dígitos, que
pueden ser ordenados desde 00 a 99, es decir 100 arreglos en total ( 10 2 ). Si los arreglos
se tomaran de tres dígitos, la respuesta es la cantidad de números que hay entre 000 y
999, es decir, 10 3 . En general, los arreglos con repetición de un conjunto de n
elementos tomados de grupos de m es:
ARnm = n m
23
Análisis Cuantitativo Curso 2010
2 Introducción a la probabilidad
2.1 Definición
Por ejemplo, suponiendo que el experimento aleatorio es tirar un dado una sola vez, y el
evento del cual se quiere hallar la probabilidad es que salga un 4, la probabilidad del
evento será:
24
Análisis Cuantitativo Curso 2010
1
P[E ] =
6
3
Otro evento puede ser que salga un número par al lanzar el dado. En ese caso P[E ] =
,
6
dado que existen 3 casos favorables (que salga 2, 4 o 6) y sigue habiendo 6 casos
posibles.
En el caso del ejemplo, el espacio muestral está dado por los números 1, 2, 3, 4, 5 y 6.
Ejemplo: supongamos que se lanza una moneda 100 veces en total, contando la cantidad
de caras y números de acuerdo a lo ilustrado en la siguiente tabla:
25
Análisis Cuantitativo Curso 2010
26
Análisis Cuantitativo Curso 2010
Suponiendo ahora que la moneda se lanza dos veces, en este caso las posibilidades que
se tienen son:
Cara – Cara
Cara – Número
Número – Cara
Número – Número
Es decir, Ω = {CC , CN , NC , NN } .
2.4.1 Axiomas
27
Análisis Cuantitativo Curso 2010
El ejemplo del dado ilustra la propiedad expresada por la regla especial de adición. Sea
el experimento del lanzamiento de un dado. El espacio muestral Ω = {1, 2, 3, 4, 5, 6} y
sean A y B dos eventos tales que A es obtener menos de 2 puntos y B obtener más de
más de 4 puntos.
En este caso A y B son mutuamente excluyentes, por lo cual P[A U B ] = P[A] + P[B ] .
Calculando cada una de las probabilidades obtenemos:
1 2 3
A = {1} ⇒ P[A] = B = {5, 6} ⇒ P[B ] = A U B = {1, 5, 6} ⇒ P[A U B ] =
6 6 6
2.4.2 Teoremas
28
Análisis Cuantitativo Curso 2010
Sea A el evento niño obeso y B el evento un niño hace 2 o menos horas de ejercicio
físico por semana. Las probabilidades de ambos eventos son:
15
P[A] = = 0.33
45
24
P[B ] = = 0.53
45
Si la pregunta es, cuál es la probabilidad que un niño sea obeso condicionado a que el
niño hace menos de 2 horas de ejercicio físico por semana, la situación cambia, dado
que ahora:
10
P[ A | B ] = = 0.42
24
En este caso, A I B implica que el niño sea obeso y realice menos de 2 horas semanales
de ejercicio físico. En el ejemplo, el cálculo de la probabilidad de ese evento es sencillo:
29
Análisis Cuantitativo Curso 2010
P[ A I B ] 0.22
P[ A | B ] = = = 0.42
P[B ] 0.53
P[ A I B ]
P[ A | B ] =
P[B ]
Esta igualdad se puede demostrar fácilmente valiéndose de una herramienta como los
diagramas de árbol. A efectos de no extender mucho las ramas del árbol asociado al
experimento, consideraremos un ejemplo sencillo. Supongamos que se desea saber la
probabilidad que al lanzar un dado y una moneda salgan el número 3 y cara. Es claro
que ambos eventos son independientes, pudiéndose realizar primero uno, primero el
otro, o ambos simultáneamente, sin que por ello el resultado de uno afecte el resultado
del otro.
1
2
3
Cara
4
5
6
1
2
3
4
Número 5
6
30
Análisis Cuantitativo Curso 2010
Cara
1
Número
Cara
2
Número
Cara
3
Número
Cara
4
Número
Cara
5
Número
Cara
6
Número
Tal como puede visualizarse en ambos diagramas de árbol, la cantidad de casos posibles
es el cardinal del Universo de un experimento por el cardinal del Universo del otro
experimento (Producto Cartesiano).
El 50% de los estudiantes de la universidad tiene clases por la mañana, el 30% tiene
clases por la tarde, y el 20% tiene clases por la mañana y la tarde. Se escoge un
estudiante al azar. Calcular la probabilidad de:
a) Que tenga clases por la tarde dado que tiene clases por la mañana
b) Que tenga clases por la mañana dado que tiene clases por la tarde
31
Análisis Cuantitativo Curso 2010
0 .2
P[B | A] = = 0 .4
0 .5
0 .2
P[ A | B ] = = 0.67
0 .3
Bi I B j = φ i ≠ j
B1 U B2 ... U Bn = S
n
Tesis: P[A] = ∑ P[A Bi ]P[Bi ]
i =1
32
Análisis Cuantitativo Curso 2010
Demostración: dado que {Bi }i=1 es una partición de Ω , se puede escribir la siguiente
i =n
ecuación
A I S = A I ( B1 U B2 ... U Bn ) = ( A I B1 ) U ( A I B2 )... U ( A I Bn )
Ejemplo: hay cinco urnas numeradas de 1 a 5 y cada una de ellas contiene 10 bolas con
un número de bolas blancas igual al número de la urna. Se selecciona una urna al azar y
de ella se extrae una bola; hallar la probabilidad que la bola sea blanca.
Este ejemplo se puede considerar de la siguiente forma; hay dos eventos, el evento A
que corresponde a que la bola seleccionada sea blanca y Bi que equivale a que sea
escogida la urna i .
En este caso P[A Bi ] representa la probabilidad que la bola sea blanca dado que se
eligió la urna i .
i
P[A Bi ] =
10
Por otra parte, la probabilidad que una urna sea escogida es:
1
P[Bi ] = ∀i ∈ [1,5]
5
1 1 2 1 3 1 4 1 5 1
P[A] = + + + + = 0.3
10 5 10 5 10 5 10 5 10 5
33
Análisis Cuantitativo Curso 2010
Hipótesis: sea {Bi }i=1 una partición de un espacio muestral Ω con P[Bi ] > 0 y A un
i =n
evento de Ω .
P[A Bk ]P[Bk ]
Tesis: P[Bk A] = i =n
∑ P[A Bi ]P[Bi ]
i =1
P[A Bk ]P[Bk ]
P[Bk A] = ⇒ P[Bk A]* P[ A] = P[A Bk ]P[Bk ]
P[ A]
P[Bk I A] P[Bk I A]
* P[ A] = * P[Bk ] ⇒ P[Bk I A] = P[Bk I A]
P [ A] P[Bk ]
Ejemplo: se dispone de dos muebles (1 y 2) que tienen dos cajones cada uno. En un
cajón del mueble 1 se pone una moneda de plata y en el otro una moneda de oro. En el
mueble 2 se pone en los dos cajones monedas de oro.
Se escoge un mueble al azar y de éste se escoge un cajón también al azar. Si la moneda
encontrada resulta ser de oro, ¿cuál es la probabilidad que la moneda provenga del
mueble 2?
1 * 0 .5
P[B2 A] = = 0.67
1 * 0 .5 + 0 .5 * 0 .5
El Teorema de Bayes también puede ser visualizado desde una estructura de diagrama
de árbol. A continuación se muestra un ejemplo que ilustra como aplicar esta estructura
a problemas de probabilidad que se pueden resolver aplicando el Teorema de Bayes.
Supóngase que una marca de cigarrillos está en conocimiento de los siguientes datos
respecto de sus consumidores y segmentos:
De esta tabla se deduce que el 15% de la población pertenece al segmento alto (alto
poder adquisitivo), y en este segmento la participación de la marca es 12%, y así
sucesivamente con los otros segmentos.
34
Análisis Cuantitativo Curso 2010
P[A B1 ] = 0.12
P[A B2 ] = 0.16
P[A B3 ] = 0.11
P[B1 ] = 0.15
P[B2 ] = 0.6
P[B3 ] = 0.25
0.12 consume
B1
0.88 no consume
0.15
0.16 consume
0.6 B2
0.84 no consume
B3
0.89 no consume
Los caminos en color (rojo, verde y azul) son todas las ramas del árbol que concluyen
con sucesos que corresponden a consumidor. Por lo tanto este sería el nuevo Ω (dado
35
Análisis Cuantitativo Curso 2010
que solo interesan los consumidores). De estos tres posibles resultados, interesa aquel
en el cual el consumidor pertenece al segmento bajo (rama en azul).
La probabilidad que el consumidor pertenezca al segmento bajo es el producto de las
probabilidades de los tramos de la rama (0.25*0.11 en este caso).
La probabilidad que un consumidor cualquiera pertenezca al segmento más bajo es
entonces la probabilidad que suceda ese evento dividida la sumatoria de las
probabilidades de todos los otros posibles finales en los cuales el individuo es
consumidor (rojo, verde y azul).
0.0275
P[B3 A] = = 0.194
0.018 + 0.096 + 0.0275
Una urna contiene tres bolas negras y siete bolas blancas. Se efectúa el siguiente juego:
se extrae una bola, se observa su color y luego se devuelve a la urna con dos bolas
adicionales del mismo color. Si se realizan tres extracciones una a continuación de la
otra, ¿cuál es la probabilidad que en cada una de ellas se extraiga una bola negra?
3 5 7 1
P[ A1 I A2 I A3 ] = P[ A1 ]* P[A2 | A1 ]* P[ A3 | A1 I A2 ] = * * =
10 12 14 16
36
Análisis Cuantitativo Curso 2010
En particular, todos estos conjuntos pueden ser considerados subconjuntos del conjunto
R , cumpliéndose la siguiente cadena de inclusión:
N ⊂Z ⊂Q⊂ R
37
Análisis Cuantitativo Curso 2010
En el caso de la resta, dicha propiedad no se cumple. Por ejemplo, sean los naturales 4 y
6. Si se resta ambos números, el resultado es -2, que no pertenece al conjunto de los
naturales. Es por este motivo que surge un nuevo conjunto que incluye al conjunto de
los naturales. Este conjunto es el conjunto de los enteros, que se denota como Z . En
este conjunto están incluidos los naturales (enteros positivos), el 0, y los enteros
negativos (-1, -4, etc.).
En Z , tanto la suma como la resta son cerradas, dado que la suma o resta de cualquier
entero da como resultado otro entero.
El término ecuación significa igualdad. En general, toda ecuación de una variable puede
ser reducida a la forma:
f ( x) = 0
38
Análisis Cuantitativo Curso 2010
siendo f : R → R
En este momento es importante destacar, que la suma de una constante o una variable de
ambos lados de la ecuación no afecta el equilibrio de la misma. Este concepto también
es extensible a la resta, división y multiplicación. Por ejemplo, sea la ecuación:
a+d =b+c
a+d −b =b+c−b
es decir:
a+d −b = c
ax + b − b = 0 − b
es decir:
ax = −b
Multiplicar por una constante a ambos lados de la ecuación tampoco afecta el balance
1
de la misma, por lo tanto, multiplicando por la constante se obtiene:
a
1 1
ax = −b
a a
Resultando:
b
x=−
a
b
El valor de x que permite resolver la ecuación es x = − .
a
Esta es la solución general de toda ecuación de primer grado de una sola variable.
39
Análisis Cuantitativo Curso 2010
Este resultado puede tener interpretación gráfica que ilustra bastante sobre el mismo.
Sea el conjunto A = {( x, y ), x, y ∈ R / ax + b = y}. Este conjunto está conformado por
infinitas duplas, y puede representarse en el plano cartesiano mediante una recta.
15
10
0
-5,5 -5 -4,5 -4 -3,5 -3 -2,5 -2 -1,5 -1 -0,5 0 0,5 1 1,5 2 2,5 3 3,5 4 4,5 5 5,5
-5
-10
En la gráfica puede observarse que la recta que forma las duplas pertenecientes al
1
conjunto A intersectan el eje de las abscisas en el valor x = −0,5 = − . Ese valor es el
2
valor para el cual y = 0 .
En este caso, no resulta tan sencillo como en el caso de la ecuación de primer grado con
una incógnita despejar la variable x de un solo lado de la ecuación. Para ello es
necesario recurrir a una serie de pasos astutamente escogidos.
40
Análisis Cuantitativo Curso 2010
ax 2 + bx = −c
4a 2 x 2 + 4abx = −4ac
4a 2 x 2 + 4abx + b 2 = b 2 − 4ac
(2ax + b) 2 = 4a 2 x 2 + 4abx + b 2
Aplicando transitiva:
(2ax + b) 2 = b 2 − 4ac
2ax + b = ± b 2 − 4ac
Nótese que al aplicar raíz cuadrada, la ecuación pasa a tener dos soluciones, dado que el
resultado de elevar un número al cuadrado es igual a elevar su opuesto al cuadrado.
( x) 2 = (− x) 2
En este punto se está en una situación similar a la de la ecuación de primer grado, por
lo cual alcanza con despejar la variable x en ambas ecuaciones:
b 2 − 4ac
x1 = −b +
2a
b 2 − 4ac
x2 = −b −
2a
41
Análisis Cuantitativo Curso 2010
D = 0 2 − 4 *1 *1 = − 4
12
10
0
-4 -3 -2 -1 0 1 2 3 4
Parábola y = x 2 + 1
En caso que el valor del discriminante sea nulo, x1 = x 2 , y se dice que estamos en
presencia de una raíz doble. La intersección de la parábola con el eje de las abscisas se
da en un único punto.
En este caso, a = 1 , b = 0 y c = 0 .
D = 0 2 − 4 *1* 0 = 0 = 0
42
Análisis Cuantitativo Curso 2010
10
9
8
7
6
5
4
3
2
1
0
-4 -3 -2 -1 0 1 2 3 4
Parábola y = x 2
En el caso que el valor del discriminante sea positivo, las raíces del polinomio serán
dos y estarán en el campo R . Se dice que el polinomio tiene dos raíces reales.
D = 0 2 − 4 * 1 * (−1) = 4 = 2
0 2 − 4 * 1 * (−1)
x1 = −0 + =1
2 *1
0 2 − 4 * 1 * (−1)
x 2 = −0 − = −1
2 *1
La parábola se intersecta con el eje de las abscisas en dos puntos, (1,0) y (-1,0).
9
8
7
6
5
4
3
2
1
0
-4 -3 -2 -1 -1 0 1 2 3 4
-2
Parábola y = x 2 − 1
43
Análisis Cuantitativo Curso 2010
3.3.1 Introducción
Como se estudiara en secciones anteriores, una recta puede ser representada en el plano
cartesiano por una ecuación de la forma a1 x + a2 y = b . Esta ecuación es una ecuación
lineal en las variables x e y . En forma general, se define una ecuación lineal en las n
variables x1 , x2 ,..., xn como aquella que se puede expresar de la forma:
a1 x1+ a2 x2 + ... + an xn = b
Una ecuación lineal no comprende productos o raíces de variables. Todas las variables
se presentan únicamente a la primera potencia.
x1 + x2 = 6
2 x1 + 3x2 = 8
En este caso n = 2 y m = 2 .
No todos los sistemas de ecuaciones lineales tienen solución. Por ejemplo, el sistema de
ecuaciones
x1 + x2 = 4
2 x1 + 2 x2 = 7
44
Análisis Cuantitativo Curso 2010
a1 x + b1 y = c1
a2 x + b2 y = c2
x + y = 4
2 x + 2 y = 7
representa dos rectas paralelas, por lo cual no existe solución para el mismo, no existe
una dupla de reales que pueda satisfacer ambas ecuaciones.
10
2
y
0
-4 -2 0 2 4 6 8 10 12
-2
-4
-6
x
x+y=4 2x+2y=7
45
Análisis Cuantitativo Curso 2010
x + y = 6
2 x + 3 y = 8
es consistente, siendo la solución la intersección de las rectas determinadas por cada una
de las ecuaciones.
12
10
8
6
4
2
y
0
-4 -2 -2 0 2 4 6 8 10 12
-4
-6
-8
-10
x
x+y=6 2x+3y=8
El tercer caso posible es que ambas rectas sean en realidad la misma, lo que sucede por
ejemplo con el siguiente sistema de ecuaciones:
x + y = 1
4 x + 4 y = 4
En realidad en este caso ambas ecuaciones describen la misma recta, dado que son los
mismos pares ( x, y ) lo que satisfacen las ecuaciones. En este caso, existen infinitos
pares de puntos ( x, y ) solución de sistema de ecuaciones.
1. Compatible determinado
2. Compatible indeterminado
3. Incompatible (inconsistente)
46
Análisis Cuantitativo Curso 2010
Ejemplo:
x + y = 1
2 x + 3 y = 2
x + y = 1
2 x + 3 y = 2
3x + 2 y = 3
Esto gráficamente se puede visualizar como que las tres rectas que están involucradas
en el sistema pasan por el mismo punto (solución del sistema).
20
15
10
0
-15 -10 -5 0 5 10 15
-5
-10
-15
Ejemplo:
2 x + 3 y + z = 1
x + y + z = 1
Multiplicando la primera ecuación por (1) y la segunda por (-1) se elimina la variable
z , resultando:
x + 2y = 0 ⇒ x = −2 y
47
Análisis Cuantitativo Curso 2010
Es solución del sistema cualquier terna ( x, y, z ) del tipo (−2 y, y,1 + y ) , es decir, se
puede elegir arbitrariamente el valor de y y automáticamente quedan determinados los
valores de x y z .
Por ejemplo, la terna (-2,1,2) es solución del sistema, pero también lo es (0,0,1).
Se dice en este caso que el sistema tiene un grado de libertad, es decir, se puede elegir
arbitrariamente el valor de una de las variables y de todos modos el sistema tener
solución.
En general, no siempre sucede, si un sistema tiene n incógnitas y m ecuaciones va a
tener n − m grados de libertad.
Ejemplo:
x + y = 1
2 x + 3 y = 2
10 x + 2 y = 3
0
-2 -1 0 1 2
-1
-2
-3
48
Análisis Cuantitativo Curso 2010
El subíndice doble en los coeficientes de las incógnitas es una idea útil que se emplea
para establecer la ubicación del coeficiente del sistema. El primer subíndice del
coeficiente ai j indica la ecuación en la que se encuentra y el segundo indica la
incógnita que multiplica. Es posible abreviar con esta notación el sistema de ecuaciones
lineales mediante el uso de esta notación escribiendo únicamente el arreglo rectangular
de los coeficientes ai j , lo que se conoce como matriz aumentada del sistema. El
término matriz se utiliza para denotar un arreglo rectangular de números. Las matrices
surgen en muchos contextos y serán estudiadas detenidamente en futuras secciones de
este Capítulo.
Puesto que los renglones (líneas horizontales) de una matriz aumentada corresponden a
las ecuaciones del sistema asociado, estas tres operaciones corresponden a las
operaciones siguientes sobre los renglones de la matriz aumentada:
49
Análisis Cuantitativo Curso 2010
x + y + 2z = 9
2 x + 4 y − 3 z = 1
3x + 6 y − 5 z = 0
1 1 2 9
2 4 − 3 1
3 6 − 5 0
x + y + 2z = 9
2 y − 7 z = −17
3x + 6 y − 5 z = 0
1 1 2 9
0 2 − 7 − 17
3 6 − 5 0
x + y + 2z = 9
2 y − 7 z = −17
3 y − 11z = −27
1 1 2 9
0 2 − 7 − 17
0 3 − 11 − 27
Multiplicando la segunda ecuación por (3) y la tercera por (-2) y sumándolas se obtiene:
50
Análisis Cuantitativo Curso 2010
x + y + 2z = 9
2 y − 7 z = −17
z = 3
La nueva matriz aumentada queda:
1 1 2 9
0 2 − 7 − 17
0 0 1 3
x + y + 2z = 9
2 y = 4
z = 3
1 1 2 9
0 2 0 4
0 0 1 3
x + y + 2z = 9
y = 2
z = 3
La matriz aumentada:
1 1 2 9
0 1 0 2
0 0 1 3
x + y = 3
y = 2
z = 3
La matriz aumentada:
51
Análisis Cuantitativo Curso 2010
1 1 0 3
0 1 0 2
0 0 1 3
Por último, sumando a la primera ecuación la segunda multiplicada por (-1) se llega a:
x = 1
y = 2
z = 3
1 0 0 1
0 1 0 2
0 0 1 3
1 0 0 1
0 1 0 2
0 0 1 3
52
Análisis Cuantitativo Curso 2010
Si una matriz aumentada ostenta las tres primeras propiedades se dice que está en la
forma escalonada en los renglones.
0 1 − 2 0 1
1 0 0 4 1 0 0
0 1 0 7 , 0 1 0 , 0 0 0 1 3
0 0 0 0 0
0 0 1 −1 0 0 1
0 0 0 0 0
1 4 3 7 1 0 0
0 1 6 2 , 0 1 0
0 0 1 5 0 0 0
Resulta claro que es sencillo resolver un sistema de ecuaciones lineales cuando éste se
ha logrado escalonar. Es necesario entonces encontrar un procedimiento para escalonar
un sistema de ecuaciones lineales cualquiera. Este procedimiento se conoce como
eliminación Gauss-Jordan.
0 0 − 2 0 7 12
2 4 − 10 6 12 28
2 4 − 5 6 − 5 − 1
Paso 1: se localiza la columna que no conste completamente de ceros y que esté más a
la izquierda.
0 0 − 2 0 7 12
2 4 − 10 6 12 28
2 4 − 5 6 − 5 − 1
Paso 2: se intercambia el renglón superior con otro renglón si es necesario para llevar un
elemento diferente de 0 a la parte superior de la columna que se encontró en el Paso 1.
53
Análisis Cuantitativo Curso 2010
Paso 4: se suman los múltiplos apropiados del renglón superior a los renglones de abajo,
de modo que todos los elementos debajo del 1 principal se conviertan en ceros.
1 2 − 5 3 6 14
0 0 − 2 0 7 12
0 0 5 0 − 17 − 29
1 2 − 5 3 6 14
7 El primer renglón de la submatriz se multiplicó por
0 0 1 0 − 2 − 6 0.5, a efectos de introducir un 1 principal
0 0 5 0 − 17 − 29
1 2 − 5 3 6 14 Se sumó -5 veces el primer renglón al segundo de
7 ella misma para introducir un cero debajo del 1
0 0 1 0 − − 6 principal en la submatriz
2
0 0 0 0 1
1
2
54
Análisis Cuantitativo Curso 2010
1 2 − 5 3 6 14 Se cubrió el renglón superior de la submatriz y se
7 regresó una vez más al Paso 1
0 0 1 0 − − 6
2
0 0 0 0 1
1
2
1 2 − 5 3 6 14
7 Se multiplicó el primer (y único) renglón de la nueva
0 0 1 0 − 2 − 6 submatriz por 2, a efectos de introducir un 1
principal
0 0 0 0 1 2
55
Análisis Cuantitativo Curso 2010
3.4.1 Definición
Una matriz es un arreglo rectangular de números. Los números del arreglo se conocen
como elementos de la matriz.
1 0 0 4 1 2 − 5 3 6 14
0 1 0 7 , 7
0 0 1 0 − 2 − 6
0 0 1 −1 0 0 5 0 − 17 − 29
Las matrices tienen tamaños diferentes, siendo éste especificado por el número de filas
y columnas que posee. La primer matriz del ejemplo tiene 3 filas y 4 columnas, por lo
cual se dice que es una matriz de 3x4, o de dimensión 3x4. Del mismo modo, la segunda
matriz tiene 3 filas y 6 columnas, por lo cual se dice que es una matriz de 3x6. El primer
número indica las filas y el segundo las columnas.
En general, si A es una matriz, se usará aij para denotar el elemento que está en la fila
i y la columna j de A . Una matriz genérica de 4x3 se escribe:
Una matriz de nxn se denomina matriz cuadrada de orden n , y se dice que los
elementos a11 , a22 , …, a nn están en la diagonal principal de A .
Para poderse sumar dos matrices es necesario que éstas tengan la misma dimensión.
56
Análisis Cuantitativo Curso 2010
bij = αaij
Utilizando el producto de una matriz por un escalar se puede realizar la operación resta
de matrices:
A − B = A + (−1) * B
Para poder realizarse el producto de matrices es necesario que éstas cumplan ciertas
condiciones en cuanto a sus dimensiones. Sea una matriz A de dimensión mxr y otra
matriz B de dimensión rxn ; la matriz producto C = A * B es una matriz de dimensión
mxn cuyos elementos se determinan de la siguiente forma:
r
cij = ∑ aik * bkj
k =1
4 1 4 3
1 2 4
A=
2 6 0 , B = 0 − 1 3 1
2 7 5 2
12 27 30 13
C = A* B =
8 − 4 26 12
57
Análisis Cuantitativo Curso 2010
AX = B
Una matriz cuyos elementos son todos 0 se denomina matriz nula y se denota 0.
Toda matriz de dimensión nxn cuyos elementos en la diagonal principal son 1 y los
demás 0 se denomina matriz identidad y se denota como I n .
58
Análisis Cuantitativo Curso 2010
La matriz nula y la matriz identidad tienen especial relevancia porque son neutras ante
las operaciones de suma y producto respectivamente.
A+0 = A
AI = A
La matriz nula desempeña el papel del 0 en los números reales y la matriz identidad el
papel del 1.
aijt = a ji
( At ) t = A
( A + B )t = At + B t
(kA)t = kAt siendo k cualquier escalar
( AB )t = B t At
Una matriz transpuesta en el caso de las matrices cuadradas, puede ser visualizado como
una simetría de los elementos no pertenecientes a la diagonal principal de la matriz.
Suponiendo que los tamaños de las matrices son tales que es posible efectuar las
operaciones indicadas, son válidas las reglas que siguen de la aritmética matricial:
59
Análisis Cuantitativo Curso 2010
A+ B = B + A
( A + B) + C = A + ( B + C )
A( BC ) = ( AB)C
A( B + C ) = AB + AC
( B + C ) A = BA + CA
A( B − C ) = AB − AC
( B − C ) A = BA − CA
α ( B + C ) = αB + αC
α ( B − C ) = αB − αC
(α + β )C = αC + βC
(α − β )C = αC − β C
(αβ )C = α ( β C )
α ( BC ) = (αB)C = B(αC )
Teorema: todo sistema de ecuaciones lineales no tiene solución, tiene exactamente una
solución, o tiene infinitas soluciones.
AX 1 = B
AX 2 = B
A( X 1 − X 2 ) = 0
A( X 1 + kX 0 ) = AX 1 + A(kX 0 ) = AX 1 + k ( AX 0 ) = B + k 0 = B + 0 = B
Con este procedimiento se encontró otra solución al sistema lineal original, y como k
puede tomar cualquier valor en R , se demuestra que el sistema tiene infinitas
soluciones.
Si A es una matriz cuadrada cualquiera y si es posible hallar una matriz B tal que
AB = BA = I , entonces se dice que A es invertible y B es la inversa de A .
60
Análisis Cuantitativo Curso 2010
( BA)C = IC = C
1. AB es invertible
2. ( AB ) −1 = B −1 A−1
An = A * A * ... * A
A0 = I
A − n = ( A −1 ) n
A r A s = A( r + s )
( Ar ) s = Ars
Si A es una matriz invertible de nxn , para cada matriz B nx1 el sistema de ecuaciones
AX = B tiene exactamente una solución: X = A−1B .
A−1 AX = IX = X = A−1B
3.4.10 Determinantes
El determinante de una matriz es una función que asocia a una matriz un número. La
función determinante tiene aplicaciones importantes en la teoría de los sistemas lineales,
permite obtener una fórmula explícita para la inversión de una matriz.
a a
A = 11 12
a21 a22
61
Análisis Cuantitativo Curso 2010
En general, una matriz Anxn tiene n ! productos elementales. Estos son los productos de
la forma a1 j1 a2 j2 L anj n donde los ji son una permutación del conjunto {1,2,..., n}. Se
denomina producto elemental con signo tomado de A a un producto elemental
a1 j1 a2 j2 L anj n multiplicado por +1 o -1. Se utiliza el +1 si es una permutación par y -1 si
es una permutación impar3.
det( A) = a11a22 a33 + a12 a23a31 + a13a21a32 − a13a22 a31 − a12 a21a33 − a11a23a32
Como regla nemotécnica, y solo aplicable al caso de matrices de 3x3, det( A) puede ser
calculado de una forma sencilla del siguiente modo:
En esta sección se listan las propiedades de la función determinante para una matriz A
de dimensión nxn .
1. det( A) = det( At )
2. det(kA) = k n det( A) siendo k un escalar
3. Si A , A' y A' ' son matrices de dimensión nxn que difieren únicamente en un
solo renglón, por ejemplo el r-ésimo, y que es posible obtener el r-ésimo renglón
3
Repasar Capítulo 1, sección Combinatoria.
62
Análisis Cuantitativo Curso 2010
1
det( A−1 ) =
det( A)
Si A es una matriz cuadrada, el menor del elemento aij se denota por M ij y se define
como el determinante de la submatriz que resulta de eliminar de A la i-ésima fila de la
j-ésima columna. El número (−1)i + j M ij se denota por Cij y se conoce como cofactor
del elemento aij .
3 1 − 4
A = 2 5 6
1 4 8
5 6
M 11 = = 16
4 8
63
Análisis Cuantitativo Curso 2010
C11 = (−1)1+1 * M 11 = 16
En general, para una matriz 3x3:
det( A) = a11a22 a33 + a12 a23a31 + a13a21a32 − a13a22 a31 − a12 a21a33 − a11a23a32
det( A) = a11 (a22 a33 − a12 a32 ) + a21 (a13a32 − a12 a33 ) + a31 (a12 a23 − a13a22 )
Las expresiones que están entre paréntesis son los cofactores C11 , C21 y C31 .
1
Teorema: si A es una matriz invertible A−1 = adj ( A) .
det( A)
64
Análisis Cuantitativo Curso 2010
det( Ai )
xi =
det( A)
En donde las Ai son las matrices que se obtienen de reemplazar los elementos de la i-
ésima columna de A por los elementos de la matriz B .
2 − 2 1
Sea la matriz A = − 1 1 1
− 1 3 5
det( A) = −6
1 1 −1 1
C11 = = 1 * 5 − 1 * 3 = 2 C12 = − = −((−1) * 5 − 1 * (−1)) = 4
3 5 −1 5
−1 1 −2 1
C13 = = −1 * 3 − 1 * (−1) = −2 C21 = − = −((−2) * 5 − 1 * 3) = 13
−1 3 3 5
2 1 2 −2
C22 = = 2 * 5 − 1 * (−1) = 11 C23 = − = −(2 * 3 − (−2) * (−1)) = −4
−1 5 −1 3
−2 1 2 1
C31 = = ( − 2) * 1 − 1 * 1 = − 3 C32 = − = −(2 * 1 − 1 * (−1)) = −3
1 1 −1 1
2 −2
C33 = = 2 * 1 − (−2) * (−1) = 0
−1 1
2 4 − 2
13 11 − 4
− 3 − 3 0
65
Análisis Cuantitativo Curso 2010
2 13 − 3
adj ( A) = 4 11 − 3
− 2 − 4 0
2 13 − 3
−1 1
A = − 4 11 − 3
6
− 2 − 4 0
3x + 2 y − z = 7
4 x − y − z = 6
x + y + z = 4
3 2 − 1 7
A = 4 − 1 − 1 B = 6
1 1 1 4
3 2 −1
det( A) = 4 − 1 − 1 = −15
1 1 1
Para hallar x :
7 2 −1
det( Ax ) = 6 − 1 − 1 = −30
4 1 1
66
Análisis Cuantitativo Curso 2010
det( Ax ) − 30
x= = =2
det( A) − 15
3 7 −1
det( Ay ) = 4 6 − 1 = −15
1 4 1
det( Ay ) − 15
y= = =1
det( A) − 15
3 2 7
det( Az ) = 4 − 1 6 = −15
1 1 4
det( Az ) − 15
z= = =1
det( A) − 15
67
Análisis Cuantitativo Curso 2010
3.5.1
3.5.2 Introducción
La Matriz Insumo – Producto (MIP) es una herramienta analítica que permite describir
el comportamiento de una economía en base a la teoría del álgebra lineal, utilizando en
particular los sistemas lineales.
Este desarrollo tiene como peculiaridad que permitió al economista W. Leontief obtener
el Premio Nobel.
Demanda intermedia
Ventas/Compras Agro Ind. Serv. Total de ventas
Agro x11 x12 x13 3
∑x
j =1
1j
3
Ind. x21 x22 x23 ∑x
j =1
2j
Total 3 3 3
∑x
i =1
i1 ∑x
i =1
i2 ∑x
i =1
i3
Cada elemento xij dentro del casillero central de la matriz representa en valor monetario
las compras de empresas del sector j a empresas del sector i . Cuando los subíndices
68
Análisis Cuantitativo Curso 2010
Es importante destacar que para que esta tabla tenga sentido los xij deben ser valores
monetarios a efectos que tenga sentido realizar las sumas (cuarta fila y cuarta columna).
Lo expresado anteriormente implica que además de conocer las unidades físicas
intercambiadas entre los sectores, es necesario disponer de los precios unitarios
correspondientes a esos bienes a fin de expresar cada transacción en su valor monetario.
Demanda intermedia
por sector
Ventas/Compras 1 2 3 … n Total de ventas
1 x 11 x 12 x 13 K x1n n
∑x
j =1
1j = X1
n
2
x21 x 22 x23 K x2 n ∑x
j =1
2j = X2
M M
M
n x n1 x n 2 x n 3 K xnn ∑x
j =1
nj = Xn
Total n 3
∑ xi1
i =1
K ∑x
i =1
in
69
Análisis Cuantitativo Curso 2010
xij
aij =
Xj
M M M M
an1 L L ann
Por lo tanto, a partir de la definición de los coeficientes aij podemos utilizar la siguiente
notación matricial:
X = AX
70
Análisis Cuantitativo Curso 2010
Sectores
Ventas/Compras 1 2 … N Demanda final Total de ventas
1 x11 x12 x1n Y1 X1
2 x21 x22 x2 n Y2 X2
M M M M
M
xn1 xn 2 xnn Yn Xn
N
n
X i = ∑ aij xij + Yi
j =1
O bien:
X = AX + Y
El sector demanda externa puede estar constituido por varios sectores a la vez, por
ejemplo, consumidores finales (familias), sectores de inversión, gobierno, etc.
Yi = Ci + I i + Gi
Y1 C1 I1 G1
Y C I G
2 = 2 + 2 + 2
M M M M
Yn Cn I n Gn
Retomando la ecuación:
71
Análisis Cuantitativo Curso 2010
X = AX + Y
X = ( I − A) −1Y
Donde la matriz ( I − A) se denomina Matriz Tecnológica o Matriz de Leontief y la
matriz ( I − A) −1 Matriz Inversa de Leontief, o Matriz de Requerimientos Directos e
Indirectos por Unidad de Demanda Final.
∑a
i =1
ij <1
También se puede establecer que puesto que el valor de producción (1 peso) debe ser
totalmente absorbido por el pago a todos los factores de la producción, o sea la
diferencia que falta para llegar a 1 peso es recibida como pago por los trabajadores.
X = AX
Es decir:
( I − A) X = 0
72
Análisis Cuantitativo Curso 2010
1. ¿Qué nivel de producción debe alcanzar cada una de los sectores de una
economía para satisfacer la demanda total de ese producto?
2. ¿En qué magnitud debe variar el nivel de producción ante un cambio en la
demanda final o sector exógeno para que satisfaga la demanda total?
Valor
Demanda Producto
Agro Industria Servicios Consumo Inversión producto
Ventas/Compras interna nacional
(1) (2) (3) (5) (6) bruto
(4=1+2+3) (7=5+6)
(8=4+7)
Agro 650 160 200 1010 380 110 490 1500
Industria 450 350 150 950 825 225 1050 2000
Servicios 350 440 300 1090 1035 875 1910 3000
Venta de insumos 1450 950 650 3050
Asalariados 540 310 290
No asalariados 1090 550 670
Valor agregado 1630 860 960 3450
Valor bruto producido 3080 1810 1610 6500
73
Análisis Cuantitativo Curso 2010
13 2 1
30 25 15
3 7 1
A=
10 40 20
7 11 1
30 50 10
13 2 1 17 2 1
− −
1 0 0 30 15 15 30 15 15
3 1 3 1
I − A = 0 0 −
7 33
1 = − −
0 10 40 20 10 40 20
0 1 7 11 1 7 11 9
− −
30 50 10 30 50 10
1499
det( I − A) =
4000
1463 13 59
2000 150 1000
4000 169 89 29
( I − A) −1 =
1499 600 180 600
517 43 887
2000 300 2000
Una vez obtenida la Matriz Inversa de Leontief comprobamos los cálculos con los datos
en donde se debía verificar que para una demanda final dada por el Vector de Producto
Neto, formada a su vez por consumo e inversión, la producción bruta total debe
satisfacer tanto los requerimientos directos como indirectos. De este modo se busca
responder la primer pregunta:
X ( 0) = ( I − A) −1Y ( 0 )
1463 13 59
2000 150 1000 490
4000 169 29
1050
89
X =
1499 600 180 600
517 43 887 1910
2000 300 2000
74
Análisis Cuantitativo Curso 2010
1500
X = 2000
3000
C (1) = C ( 0) + ∆C
Y (1) = Y ( 0) + ∆C
Para el ejemplo:
380 760
C (1)
= 2C (0)
= 2 825 = 1650
1035 2070
2595.49
X (1)
= 3507.60
4802.54
75
Análisis Cuantitativo Curso 2010
76
Análisis Cuantitativo Curso 2010
ax 2 + 2bxy + cy 2 + dx + ey + f = 0
ax 2 + 2bxy + cy 2
Resulta claro que toda ecuación cuadrática tiene una forma cuadrática asociada, mas
no es recíproca esta afirmación. Por ejemplo, la forma cuadrática x 2 + 6 xy + 2 y 2 puede
tener asociada la ecuación cuadrática x 2 + 6 xy + 2 y 2 + x + y + 1 = 0 o la ecuación
cuadrática x 2 + 6 xy + 2 y 2 + 4 x + 6 y + 7 = 0 .
El tipo de cónica que queda definida por la ecuación cuadrática dependerá del valor de
los coeficientes de la misma.
x2 y2
+ =1
k 2 l2
x2 y 2 y2 x2
− = 1 o − =1
k2 l2 k2 l2
77
Análisis Cuantitativo Curso 2010
Elipse o círculo.
Hipérbola
Parábola
Como puede observarse, el signo de los coeficientes que multiplican los términos x 2 e
y 2 determinan el tipo de cónica.
78
Análisis Cuantitativo Curso 2010
3.7 Inecuaciones
Una inecuación, como su propio nombre lo dice, es una desigualdad (in prefijo
negativo, ecuación igualdad). En las ecuaciones, las soluciones, cuando existían, eran
determinados valores de las incógnitas. En el caso de las inecuaciones, lo que se
obtienen no son valores sino regiones o intervalos.
La importancia de las inecuaciones está dada porque son éstas las que en muchos casos
determinan la amplitud del dominio de las funciones de R → R .
x +1 > 3
x>2
Son solución de la inecuación todos aquellos valores que cumplan con esa condición.
En este caso la solución es una semirrecta, pero pueden plantearse inecuaciones cuyo
resultado sean regiones.
79
Análisis Cuantitativo Curso 2010
3.8.1 Introducción
ax + by < c
ax + by > c
ax + by ≤ c
ax + by ≥ c
Para resolver inecuaciones, hay que representar gráficamente en el plano la recta dada
por la ecuación lineal asociada a la inecuación y marcar una de las dos regiones en que
dicha recta divide al plano. La recta divide al plano en dos regiones, una de las cuales es
la solución de la inecuación. Para saber cuál región es la solución existen dos
procedimientos:
80
Análisis Cuantitativo Curso 2010
Ejemplo:
2 x + 3 y ≥ −3
2 x − y − 9 ≤
2 x − 5 y − 5 ≥ 0
2 x + 3 y = −3 Recta r
Recta s
2 x − y = 9 Recta t
2 x − 5 y = 5
2 x + 3 y = −3
2 x − 5 y = 5
81
Análisis Cuantitativo Curso 2010
F ( x, y ) = Ax + By
a1 x + b1 y ≤ c1
a x + b y ≤ c
2 2 2
M M M
a m x + b m y ≤ c m
Los puntos del plano que cumplen el sistema de desigualdades forman un recinto
convexo acotado (poligonal) o no acotado, llamado región factible del problema.
Todos los puntos de dicha región cumplen el sistema de desigualdades. Se trata de
buscar, entre todos esos puntos, aquel o aquellos que hagan el valor de F ( x, y ) máximo
o mínimo, según sea el problema.
Los puntos de la región factible se denominan soluciones factibles. De todas esas
soluciones factibles, aquellas que hacen óptima (máxima o mínima) la función objetivo
se llaman soluciones óptimas.
En general, un problema de programación lineal puede tener una, infinitas o ninguna
solución. Lo que si se verifica es la siguiente propiedad:
Si hay una única solución óptima, ésta se encuentra en un vértice de la región factible, y
si hay infinitas soluciones óptimas, se encontrarán en un lado de la región factible.
Es posible que no haya solución óptima, pues cuando el recinto es no acotado, la
función objetivo puede crecer o decrecer indefinidamente.
En este caso se representa el vector director de la recta que viene dada por la ecuación
de la función objetivo F ( x, y ) = Ax + By , que hay que maximizar o minimizar.
El vector director de la recta Ax + By viene dado por v = (− B, A) . Además, como lo
único que nos importa es la dirección del vector y no su módulo (longitud), podemos
dividir a las coordenadas del vector si los números son muy grandes, puesto que
vectores con coordenadas proporcionales tienen la misma dirección.
82
Análisis Cuantitativo Curso 2010
Posteriormente, se trazan rectas paralelas a este vector que pasen por los vértices de la
región factible (si es acotada), o por todo el borde de la región factible (cuando no es
acotada) y se observa en qué vértice la función F se hace máxima (o mínima) sin más
que tener en cuenta cuál de las rectas tiene mayor (o menor) ordenada en el origen, es
decir, qué recta corta en un punto mayor o menor al eje y .
2 x + 3 y ≥ −3
2 x − y − 9 ≤ 0
2 x − 5 y − 5 ≥ 0
El método consiste en trazar paralelas al vector que pasen por los vértices anteriores
(dibujo en negro).
Se observa gráficamente que de las tres paralelas trazadas, la que corta al eje y en un
punto mayor es la que pasa por el punto (5,1) , que por tanto será la solución óptima al
problema de máximos planteado.
83
Análisis Cuantitativo Curso 2010
En el ejemplo anterior lo que se debe hacer es hallar los vértices de la región factible,
que consiste en resolver los sistemas lineales que resultan de levantar una de las
restricciones en este caso.
84
Análisis Cuantitativo Curso 2010
Sustituyendo se obtiene:
En algún caso la región factible puede no estar acotada, p. ej.: maximizar la función
g ( x, y ) = 3 x + 4 y sujeta a las restricciones:
x + y ≥ 14
2 x + 3 y ≥ 36
4 x + y ≥ 16
x − 3 y ≥ 0
2 40
Los vértices son: A = , , B = (6,8) y C = (12,4)
3 3
Si se aplica el método geométrico, debería trazar paralelas al vector director por los
vértices, pero como la región en no acotada, dichas rectas son cada vez mayores al
trazarlas sobre los puntos de la recta t, que son soluciones factibles. Por tanto el
problema no tiene solución.
85
Análisis Cuantitativo Curso 2010
Otra posibilidad se presenta cuando el vector aplicado en dos vértices de la región corta
el eje de las ordenadas en el mismo punto.
Ejemplo:
x + y ≥ 5
y ≤ x + 3
3 y − x ≥ −1
y + 2 x ≤ 16
4 y − x ≤ 22
86
Análisis Cuantitativo Curso 2010
Es decir, como buscamos el valor mínimo, todos los puntos comprendidos entre A y
E sirven, es decir, hay infinitas soluciones.
A: g (1,4) = 15
B: g (2,5) = 21
C: g (6,4) = 30
D: g (7,2) = 27
E: g (4,1) = 15
Observamos que el valor mínimo se toma en A y en E , y por tanto en todos los puntos
comprendidos entre ellos, es decir, hay infinitas soluciones.
87
Análisis Cuantitativo Curso 2010
4.1 Definiciones
Una función es una operación que transforma el valor numérico de una variable
(variable independiente) en un valor numérico de otra (variable dependiente).
Ambas variables, pueden pertenecer al campo de los números reales, los enteros, etc.
Cuando una función f transforma reales en reales se denota f : R → R . A lo largo del
curso nos centraremos en este tipo de funciones.
El codominio de una función son los valores que puede asumir la variable dependiente
al aplicarse el operador funcional.
4.2 Derivada
Recibe el nombre de recta secante cualquier recta que pase por dos puntos diferentes de
una curva. En la figura se observa una recta secante (en azul) a la curva que representa
gráficamente la función f (x) (en verde).
88
Análisis Cuantitativo Curso 2010
y − y0 f ( x) − f ( x0 )
ms = =
x − x0 x − x0
Como la pendiente de una recta es igual a la tangente del ángulo que forma la recta con
la parte positiva del eje de las abscisas, y como θ es ese ángulo para la recta secante,
entonces:
m s = tan θ
89
Análisis Cuantitativo Curso 2010
Ejemplo.
f ( x) − f ( x0 ) f (3) − f (1) 9 − 1
ms = = = =4
x − x0 3 −1 3 −1
y − y 0 = ms ( x − x0 )
y − 1 = 4( x − 1) ⇒ y = 4 x − 3
lim θ = α
Q →P
f ( x) − f ( x0 )
lim tg (θ ) = lim = tg (α )
x → x0 x − x0
x → x0
90
Análisis Cuantitativo Curso 2010
f ( x) − f ( x0 )
mt ( x0 ) = lim
x − x0
x → x0
f ( x) − f ( x0 )
f ' ( x0 ) = lim
x − x0
x → x0
f ( x + h) − f ( x )
f ' ( x) = lim
h
h →0
Puede suceder que el límite no exista para algún x dado, y en ese caso se dice que la
función f no es derivable en ese punto.
x + h +1− x +1 h
f ' ( x) = lim = lim = 1
h h
h →0 h →0
El dominio de f ' ( x) está dado por el dominio de f (x) con excepción de los puntos en
los cuales el límite que define f ' ( x) no tiene sentido.
f ( x) − f ( x0 )
f ' + ( x0 ) = lim
x − x0
x → x0+
91
Análisis Cuantitativo Curso 2010
f ( x) − f ( x0 )
f ' − ( x0 ) = lim
x − x0
x → x0−
f ' ( x0 ) existe si y solo si las derivadas laterales existen y son iguales entre sí en x = x0 .
1 − x si x ≥ 1
f ( x) = 2
x − 1 si x < 1
f ( x) − f (1) 1− x
f ' + ( x) = lim = lim = −1
x −+ 1 x +− 1
x →1 x →1
f ( x) − f (1) x2 −1 ( x + 1)( x − 1)
f ' − ( x) = lim = lim = lim = lim x −+ 1 = 2
x −− 1 x −− 1 x − −1 x →1
x →1 x →1 x →1
92
Análisis Cuantitativo Curso 2010
f ( x 0 + h) − f ( x 0 )
f ' ( x0 ) = lim
h
h →0
f ( x 0 + h) − f ( x 0 ) > 0 ⇒ f ( x 0 + h) > f ( x 0 )
Como conclusión podemos decir que el signo positivo o negativo de la derivada de una
función f para un valor de x nos permite asegurar si la función f es creciente o
decreciente.
93
Análisis Cuantitativo Curso 2010
La pregunta inmediata que surge es: ¿qué podemos decir del comportamiento de una
función cuando su derivada es 0?
La respuesta a esta pregunta no es tan sencilla ni general como cuando el signo de las
derivadas es positivo o negativo. En general, si la función f es derivable en el entorno
de x 2 , podemos decir que la función f ' es continua en dicho punto. Intuitivamente se
puede afirmar que en ese caso pueden suceder dos cosas:
El segundo caso es más complejo y particular que el primero y requiere del estudio de la
derivada segunda de f , lo cual se realizará más adelante.
94
Análisis Cuantitativo Curso 2010
Máximo
f’(x)>0 f’(x)<0
X2
mínimo
f’(x)<0 f’(x)>0
X2
y = f ( x) = x + 2
x = g (u ) = u 3
y = f ( x) = x + 2 = g (u ) + 2 = u 3 + 2
95
Análisis Cuantitativo Curso 2010
Composición de funciones
Es importante notar que el dominio de la función f es el codominio de la función g .
y = f ( x) = x + 2
x = g (u ) = u 3
y = h(u ) = f ( g (u )) = u 3 + 2
h' (u ) = 3u 2
Sea f una función derivable en un intervalo I , podemos afirmar que ∃ f ' continua
en I . Asumiendo que f ' es continua y derivable en dicho intervalo I . Bajo estas
hipótesis tiene sentido estudiar el comportamiento de la función derivada de f ' , a la
cual se denominará f ' ' .
Una forma sencilla de encarar el problema es definir g / g = f ' ⇒ g ' = f ' ' .
96
Análisis Cuantitativo Curso 2010
f ' ( x + h) − f ' ( x )
f ' ' ( x) = lim
h
h →0
En este caso valen todas las propiedades estudiadas para la derivada primera, es decir:
97
Análisis Cuantitativo Curso 2010
f'
f''
Positiva Negativa
f creciente f decreciente
Positiva
Concavidad positiva Concavidad positiva
f creciente f decreciente
Negativa
Concavidad negativa Concavidad negativa
4.2.6 Teoremas
4.2.6.1 Rolle
∃ por lo menos un número real c tal que a < b < c y f ' (c) = 0 .
98
Análisis Cuantitativo Curso 2010
4.2.6.2 Lagrange
f (b) − f (a )
∃ c ∈ (a, b ) / f ' (c) =
b−a
99
Análisis Cuantitativo Curso 2010
En esta sección se presenta una tabla de derivadas inmediatas. Esta tabla será de gran
utilidad para dos propósitos, el cálculo de integrales y el cálculo de derivadas de
funciones más complejas.
f (x) f ' ( x)
k 0
kx k
kx n knx n −1
Ln x 1
x
ex ex
ax Ln a a x
100
Análisis Cuantitativo Curso 2010
5.1 Introducción
En esta sección se realizará una presentación de las tres funciones básicas del área
económico-administrativa a saber: costo total ( CT ), ingreso (Y ) y beneficio ( B ).
Estas funciones se presentarán desde una perspectiva interna de la empresa, es decir, no
se realizarán hipótesis acerca del comportamiento del mercado. Posteriormente se
definirán algunos conceptos vinculados a estas tres funciones respecto de los mercados,
los cuales son herramientas fundamentales para las decisiones de quienes deben decidir
acerca de la planificación de una empresa.
CT (q ) = CF + CV (q )
P. ej., supóngase el caso de una empresa que produce conserva de tomate. Dentro de los
costos fijos de la empresa se pueden mencionar: salarios y aportes a la seguridad social
de los empleados, alquiler del local, alquiler de la maquinaria, costos fijos de luz, agua y
teléfono, etc. Entre los costos variables en cambio se pueden mencionar: costo total de
tomates usados para hacer conservas, pago de horas extras del personal, costos de
empaque, etc.
101
Análisis Cuantitativo Curso 2010
CF = 10000
CV (q ) = 2 * 30 * q + 0.5 * 10 * q + 5 * q + 1.5 * 40 * q = 130q
CT (q ) = 10000 + 130q
25000
20000
15000
10000
5000
0
1 11 21 31 41 51 61 71 81 91
Cantidad de envases
102
Análisis Cuantitativo Curso 2010
La fábrica no es propietaria de los equipos, por los cuales debe pagar todos los meses $
40000, y el alquiler de la planta y el predio aledaño es de $ 70000 al mes.
¿Cuál es la función de costos de esta empresa?
Nuevamente para calcular la función de costo es necesario separar los costos fijos de los
variables.
Los costos fijos están dados por los costos de alquiler de los equipos, los sueldos y los
costos de alquiler del predio aledaño, mientras que los costos variables son los de
materias primas (en este caso la madera).
Resulta entonces:
La incidencia de los costos fijos en el costo total dependerá del sector en cuestión. P. ej.
una empresa del sector petrolero tendrá costos fijos muy elevados, dado que las
inversiones en la maquinara adecuada para la explotación de los pozos petroleros son
muy elevadas, y los costos operativos tendrán una incidencia menor.
Una situación similar se presenta con las compañías de transporte aéreo, dado que el
costo de un vuelo (combustible, servicio de abordo, etc.) es despreciable respecto del
costo de las inversiones en aviones.
En cambio, una industria como la del teletrabajo presenta costos fijos bajos (costos de
disponibilidad de Adsl principalmente), y en cambio si presenta altos costos en el pago
de honorarios a los trabajadores, más aún si estos son altamente calificados.
En los ejemplos anteriores se presentaron casos en los cuales la función de costo total es
lineal con la cantidad producida, esta situación no es necesariamente así siempre, en
general la función de costos tiene comportamientos no lineales.
Otro concepto importante es el costo medio ( CMe(q ) ), el cual se define a partir del
costo total y la cantidad producida, y representa el costo promedio de cada unidad que
se produjo. Por su propia definición el costo medio se calcula como:
CT (q )
CMe(q ) =
q
Esta función es una hipérbola, en la medida que la cantidad producida aumente el costo
medio disminuirá. Se dice en este caso que el aumento en la producción “licua” los
costos fijos, y por lo tanto en la medida que se produzca mayor cantidad, menor
incidencia tendrán éstos en el costo medio de la empresa.
103
Análisis Cuantitativo Curso 2010
25000
20000
15000
10000
5000
0
1 11 21 31 41 51 61 71 81 91
q
Costo total Costo medio
A pesar de no ser muy usado, otro concepto que también se definirá es el de costo
medio variable CVMe(q ) , el cual como su propio nombre lo dice se define como:
CV (q )
CVMe(q ) =
q
CMg (q ) = CT ' (q )
CMg (q ) = 130
La curva de costos ha sido objeto de muchos análisis por parte de economistas a lo largo
de la historia. Uno de los que más analizó esta curva fue Alfred Marshall quien
104
Análisis Cuantitativo Curso 2010
Sea una empresa que fabrica automóviles. Su función de costos totales es la siguiente:
CF = 100000
CV = 2q 3 − 400q 2 + 30000q
100000
CMe(q ) = 2q 2 − 400q + 30000 +
q
4
Bucheli, M. Las escuelas Neoclásicas.
105
Análisis Cuantitativo Curso 2010
7000000
6000000
5000000
4000000
3000000
2000000
1000000
0
1
9
17
25
33
41
49
57
65
73
81
89
97
105
113
121
129
137
145
153
161
169
177
185
193
q
Costos totales
140000
120000
100000
80000
60000
40000
20000
0
1
9
105
113
121
129
137
145
153
161
169
177
185
193
17
25
33
41
49
57
65
73
81
89
97
La función de ingreso representa la facturación total que tiene la empresa por la venta
de su producción. Bajo el supuesto que logra colocar toda la producción a la venta, y
que todas las unidades se venden al mismo precio (lo cual puede ser discutible porque
en muchas ocasiones existen promociones, descuentos por compras de grandes
cantidades, etc.), el ingreso se calcula:
Y (q) = p * q
106
Análisis Cuantitativo Curso 2010
q
Y = ∑ pj
j =1
La función de beneficio queda definida como la diferencia entre los ingresos totales y
los costos totales, y representa la ganancia neta de la empresa.
BT (q ) = Y − CT (q )
Al igual que con el costo, se define el beneficio marginal ( BMg (q ) ) como el beneficio
producido por vender una unidad más. Este concepto será fundamental para decidir el
nivel de producción de la empresa, dado que la función de beneficio es la función que se
desea maximizar desde el punto de vista económico.
5.2.1 Demanda
Ley de la demanda
107
Análisis Cuantitativo Curso 2010
Existen otras variables diferentes del precio de bien que afectan la demanda De un bien
o servicio. Por ejemplo, la demanda de botas para la lluvia va a estar influida por
factores climáticos, el ingreso de los consumidores, los gastos en publicidad de las
empresas, etc. Las variables que afectan a la demanda y que no son el precio de bien se
conocen como determinantes de la demanda.
En la siguiente gráfica se ilustra como influyen los determinantes de la demanda en el
comportamiento de la curva de demanda.
La función de demanda del bien X describe cuanto del bien X será comprado para
diferentes precios del bien X y de los bienes relacionados, diferentes niveles de
ingreso, y valores alternativos de cualquier otra variable que afecte su demanda.
Formalmente, QXd representa la cantidad demandada del bien X , PX el precio del bien
108
Análisis Cuantitativo Curso 2010
que afectan la demanda del bien X . Por lo tanto, la función de demanda puede ser
escrita como:
QXd = QXd ( PX , PY j , M , H i )
5
Levenfeld, G., de la Maza, S. Matemática de las operaciones financieras y la inversión.
109
Análisis Cuantitativo Curso 2010
Inicialmente se está dispuesto a pagar más dinero (en este caso $ 4 el primer litro).
Conforme el corredor consume más agua, la cantidad que está dispuesto a pagar va
disminuyendo, es decir conforme se mueve hacia abajo en la curva de demanda.
Observe que cuando ya se consumió un litro, solo se está dispuesto a pagar menos de $
4 por el siguiente litro.
En el caso que el precio del agua fuera $ 3 el litro, el consumidor pagaría $ 6 por dos
litros de agua, cuando la satisfacción que ésta le produciría sería de $ 8. El consumidor
está obteniendo un excedente de $ 2. Este “extra” se le conoce como excedente del
consumidor (beneficio que los consumidores obtienen cuando compran un bien, y que
no tienen que pagar por él). Este índice es importante para quien decide la política de
precios en una empresa porque mide dice cuanto dinero extra estarían dispuestos a
gastar los consumidores dada la cantidad de bienes que están comprando.
El excedente del consumidor es el área arriba del precio pagado por cada unidad del
bien, y debajo de la curva de demanda, como se lustra en amarillo en la siguiente
gráfica.
110
Análisis Cuantitativo Curso 2010
Excedente de consumidor
5.2.3 Oferta
Curva de oferta
Las variables que afectan la posición de la curva de oferta son llamados determinantes
de la oferta, algunos ejemplos son: precios de los insumos, nivel de tecnología, número
de empresas en el mercado, impuestos, expectativas de los productores. Cuando una o
más de estas variables cambian, la posición de la curva de oferta cambia, es decir, la
curva se mueve.
111
Análisis Cuantitativo Curso 2010
La curva de oferta de una empresa está estrechamente asociada a los costos de la misma,
dado que es la curva de costo marginal a partir del punto en que el costo marginal
supera a la curva de costos medios variables6. La curva de oferta del mercado, o curva
agregada, es la sumatoria de las ofertas de todas las empresas del sector, es decir, es una
curva que se va a estar más corrida hacia la derecha que la curva de cada una de las
empresas participantes del mercado.
Así como los consumidores desearían que el precio fuera lo más bajo posible, los
productores desean que el precio sea lo más alto posible. La curva de oferta muestra la
cantidad que los productores desean producir a cada uno de los diferentes precios. De
manera alternativa, la curva de oferta indica el precio que la empresa tendría que recibir
para producir una unidad adicional del bien.
6
Bucheli, M. Las escuelas Neoclásicas.
112
Análisis Cuantitativo Curso 2010
Excedente de productor
113
Análisis Cuantitativo Curso 2010
6 Referencias
Hernández Saborío. Elise. Revisista digital de matemática, educación e Internet.
Revista de Matemática, Instituto Tecnológico de Costa Rica. Capítulo 2.
Patricia Kysbie y Alejandro Tiraboschi. Elementos de lógica y teoría de
conjuntos.
Isabel María Elena Fernández y Celia Rodríguez Alfama. Cálculo de primitivas.
Lincoln L. Chao. Estadística para las ciencias administrativas. Mc Graw Hill.
Howard Anton. Introducción al álgebra lineal. Limusa.
Jorge Oviedo. Matriz de Insumo – Producto y La Inversa de Leontief – Cálculo
por medio de Maple, Matemática, Gauss, Matlab y Macros en Excel.
Bucheli, M. Las escuelas Neoclásicas
Levenfeld, G., de la Maza, S. Matemática de las operaciones financieras y la
inversión
http://www.paginasprodigy.com/mgomez17/Capitulo%202.pdf
114