ANEXO 1

1) INTERPRETACIÓN DE UN GRÁFICO

Es una representación de una función, la cual a su vez es una descripción de alguna relación entre
variables: y = f ( x) Caso de funciones univariadas o univariantes, en donde “X” es la variable
independiente e “Y” es la variable dependiente (esto es que la función “y” solo depende de una
variable explicativa “X”).

Recordar la ecuación de la recta:

Y = m * X + b ; Donde "m" = pendiente y "b" es el intercepto en el ejeY
Si m  0  la pendiente es positiva lo que denota una relación directa entre las variables
Si m  0  la pendiente es negativa lo que denota una relación inversa entre las variables
La pendiente es la inclinación respecto de la horizontal (del eje horizontal).

Ejemplos: a) Y = 3* X + 2 Ecuación de grado 1, Función lineal, la representación gráfica será una

recta con pendiente positiva. La pendiente vale 3 y el intercepto en el eje Y (valor de Y cuando X es
igual a cero) es 2

GRÁFICO 1

12
9
6
3
Y

0
-4 -3 -2 -1 -3 0 1 2 3 4
-6
-9
X

Ecuación General de la recta que pasa por dos puntos:

(Y1 − Y0 )
(Y − Y0 ) = * ( X − X 0 ) : Donde los pares ordenados ( X 0 , Y0 ) ; ( X 1 , Y1 ) son los puntos
( X1 − X 0 )
por los que pasa la recta.

Ejemplos: a) Y = −2 * X + 6 Ecuación de grado 1, Función lineal, la representación gráfica será

una recta con pendiente negativa. La pendiente vale -2 y el intercepto en el eje Y es 6.
 GRÁFICO 2

12
10
8
6
4
Y

2
0
-3 -2 -1-2 0 1 2 3 4 5 6 7 8 9 10 11 12
-4
-6
X

Otro atributo importante que se debe rescatar de una representación gráfica es la Concavidad o
Convexidad. Para esto se debe definir un punto de referencia, adoptaremos durante este curso la
convención de siempre mirar desde abajo (desde el origen, par ordenado (0,0))

Gráfico
Función Función
Concava
3: Función Cóncava
Cóncava Función
Gráfico 4:Convexa
Función Convexa
Y=f(x) Y=f(x)

X X

Si miramos los gráficos anteriores notamos que la función cóncava presenta un punto máximo, la
convexa, un punto mínimo.

Para determinar la existencia de puntos máximos o mínimos (puntos críticos) emplearemos el

Método de Optimización Clásico, que consiste en lo siguiente:

1) Primer Paso: Obtener la primera derivada de la función original e igualar a cero, con esto se
determinan los puntos críticos (Candidatos a óptimos, sean mínimos o máximos). La propiedad que
se considera es que en el punto crítico la pendiente de la función original es cero, de allí que
igualemos a cero.

2) Segundo Paso: Obtener la segunda derivada de la función original, evaluar el punto crítico
encontrado, luego comparar con cero y determinar si se trata de un mínimo o máximo. El criterio es
el siguiente:

a) Segunda derivada mayor que cero implica que el punto crítico es un Mínimo
b) Segunda derivada menor que cero implica que el punto crítico es un Máximo
 NOTA: Recordemos que la derivada (variación) de una función no es otra cosa que la
pendiente de la función en un punto y, esto es, lo que aprovecharemos para optimizar.

La regla de derivación que aplicaremos (en gran parte del curso) es la siguiente: Para una
función univariada de la forma: y = a * xb
La derivada (la variación será): dy / dx = a * b * xb−1
El exponente “b” baja multiplicando al coeficiente “a” y se le reduce un grado a la función

Ejemplo: y = 3* x6 + 2* x3 + 5* x −1 − 3* x −1/ 2 + 7

Se debe aplicar la regla de derivación a cada uno de los sumandos de la función original.

dy / dx = 3*6* x6−1 + 2*3* x3−1 + 5*(−1)* x −1−1 − 3*(−1/ 2)* x −1/ 2−1 + 0
(el último sumando es 0 porque) 7 = 7* x0  al aplicar derivadas  7*0* x0−1 = 0
Ordenando la derivada:
dy / dx = 18* x5 + 6* x 2 − 5* x −2 + 3/ 2* x −3/ 2

EJEMPLO DE OPTIMIZACIÓN: Supongamos la siguiente función: (PARÁBOLA)

y = x2 + 1
dy
= 2* x
dx
Por lo tanto: 2 x = 0  x = 0 ( Candidato a óptimo )
d2y
Segunda derivada : 2 = 2  0 ; Condición de Mínimo
dx
Por lo tanto, en X = 0 existe un punto mínimo. Se muestra el gráfico.

GRÁFICO 5

6
5
4
3 Y
Y

2
1
0
-3 -2 -1 0 1 2 3
X
OTRO EJEMPLO: Encontrar los puntos críticos para: y = 1/ 3* x3 − 1/ 2* x2 − 6* x + 2

Por lo tanto: dy / dx = 1/ 3*3* x3−1 − 1/ 2*2* x 2−1 − 6*1* x1−1 + 0

dy / dx = x 2 − x − 6 Igualando a cero:
x 2 − x − 6 = 0 Es una ecuación de segundo grado
Esta ecuación tiene una solución particular
a * x 2 + b * x + c = 0 Con los datos de nuestra ecuación a = 1 ; b = -1 ; c = -6
(−b  b 2 − 4* a * c )
x=
2* a
1  (−1) 2 − 4*1*(−6) 
En nuestro caso quedará: x =
 
2*1
1  1 + 24  1  25 
x=   x=  
2 2
1 5 1+ 5 1− 5
x=  x1 = =3 ; x2 = = −2
2 2 2
Por lo tanto: x1 = −2 y x2 = 3 Estos puntos son candidatos a óptimos

Vamos con la Segunda derivada:

d 2 y / dx 2 = 2* x 2−1 − 1* x1−1 + 0
Ordenando : d 2 y / dx 2 = 2* x − 1
Ahora, evaluamos la segunda derivada:
d2y
( x =−2) = 2*(−2) − 1 = −5 ; Condición de máximo
dx 2
d2y
( x =3) = 2*(3) − 1 = 5 ; Condición de mínimo
dx 2

GRÁFICO 6

7,00

2,00
Y

-5 -4 -3 -2 -1
-3,00 0 1 2 3 4 5 6

-8,00

-13,00
X
OTRO CONCEPTO IMPORTANTE: DERIVADA PARCIAL

Se trabaja con derivadas parciales cuando se desea obtener la derivada de una función que no es
univariada, es decir la función depende de más de una variable explicativa, por ejemplo:
U = X a *Y b
En este caso U depende no sólo de X, también depende de Y, por lo tanto, se debe tratar de
encontrar los impactos en U al variar marginalmente tanto X como Y. La regla de derivación es
exactamente la misma sólo cambia la nomenclatura de la escritura.

Si deseamos determinar el impacto en U al variar “X”, debemos asumir que “Y” permanece
constante y viceversa.

U
= a * X a −1 * Y b
X Y=constante

U
= b * X a * Y b−1
Y X=constante

Estas dos expresiones representan la variación de U al variar marginalmente (o en una unidad)

tanto X como Y respectivamente. Por lo tanto, si se quiere determinar la variación total en U al
variar en forma conjunta X e Y se deben sumar y ponderar por los cambios netos de X e Y, esto es:
 U   U 
dU =   * dX +  Y  * dY
 X
Y=constante X=constante

Con el tipo de función anterior:

dU = a * X a −1 *Y b * dX + b * X a *Y b−1 * dY

Ejemplo:
U = 3* X 2 * Y 3
 U X = 3* 2* X 2−1 * Y 3 = 6* X * Y 3 (Diferenciado respecto de X)
 U Y = 3*3* X 2 * Y 3−1 = 9* X 2 * Y 2 (Diferenciado respecto de X)
dU = 6* X * Y 3 * dX + 9* X 2 * Y 2 * dY (Diferencial Total)
Resolución de Sistema de Ecuaciones Lineales

1. REDUCCIÓN: Mediante operaciones básicas entre filas vamos eliminando sistemáticamente

variables, hasta llegar a la mínima expresión.

1) 2 X + 5Y = 19
2) 3 X − Y = 3
Nos fijamos en una de las var iables y Multiplicamos por los coeficientes " cruzados ", formando
un nuevo par de ecuaciones. Supongamos me fijo en X , entonces multiplico 1) por 3 y 2) por 2.
1) 2 X + 5Y = 19 /*3  1) 6X + 15Y = 57
2) 3 X − Y = 3 /*2  2) 6X − 2Y = 6 Luego por ejemplo a la 2) le resto la 1)
6 X − 6 X − 2Y − (15Y ) = 6 − 57  −17Y = −51  Y = 3 Finalmente conocido Y , obtenemos X de
cualquiera de las ecuaciones precedentes. 2 X + 5*3 = 19  2 X = 4  X = 2. Basta verificar

2) Por Sustitución: Despejamos una variable en función de las otras y vamos reemplazando de
manera recursiva

1) 2 X + 5Y = 19
2) 3 X − Y = 3
Por ejemplo de la ecuación 2 despejamos Y como función de X
de 2) Y = 3 X − 3 ; " esto se reemplaza en 1) (en donde aparezca Y )"
1) 2 X + 5*(3 X − 3) = 19  2 X + 15 X − 15 = 19  17 X = 34  X = 2, luego nos devolvemos al reemplazo
inicial : Y = 3* 2 − 3 = 3;  Y = 3 Verificar ecuaciones

ECUACIÓN 1: 2X+5Y=19 ECUACIÓN 2: 3X-Y=3

Solución Sistema de Ecuaciones
16
X Y1 X Y2
15
0 3,8 0 -3
14
1 3,4 1 0 13
2 3 2 3 12
3 2,6 3 6 11
4 2,2 4 9 10
5 1,8 5 12 9
6 1,4 6 15 8
7
6
5
4
3
2
1
0
-1 0 1 2 3 4 5 6 7
-2
-3
-4

Y1 Y2
EJERCICIOS PROPUESTOS:

A) Grafique
1) Y = −2* X + 5
2) Y = X / 2 − 4
3) Y = ( X − 4) 2

B) Derive
1) Y = −2* X 3 + 5* X 3/ 2 + 6
2) Y = X 4 / 2 − 4* X −2
1
3) Y = * X 5 + 2* X −4 + 7 * X
5
C) Obtenga las derivadas parciales
1) Z = 2* X 3/ 2 * Y 4
2) Z = X 4 * Y 2
3) Z = X * Y 2

D) Encuentre los puntos óptimos (si es que existen)

1) Y = −2* X + 5
2) Y = X 2 − 4* X
1 3
3) Y = * X 3 − * X 2 + 2* X
3 2
 SOLUCIÓN EJERCICIOS PROPUESTOS
RECORDATORIO MATEMÁTICAS

A) Grafique
1) Y = −2 * X + 5
2) Y = X / 2 − 4
3) Y = ( X − 4) 2

SOLUCIÓN :
1) Y = −2* X + 5 ; Se trata de una función lineal, por lo tanto, son necesarios, a la vez de suficientes,
sólo dos puntos (para el llenado de la tabla hay que darse valores arbitarrios de X y calcular Y).

X Y
FUNCIÓN: Y=-2*X+5
-4 13
-2 9 14

0 5 12
10
2 1
8
4 -3
6
Y

4
2
0
-6 -5 -4 -3 -2 -1 -2 0 1 2 3 4 5
-4
X

SOLUCIÓN :
2) Y = X / 2 − 4 ; Se trata de una función lineal, por lo tanto, son necesarios, a la vez de suficientes,
sólo dos puntos.

X Y
-8 -8 FUNCIÓN: Y=-X/2-4
0 -4 6
4 -2 4
8 0 2
12 2 0
16 4 -12 -10 -8 -6 -4 -2-2 0 2 4 6 8 10 12 14 16 18 20
Y

-4
-6
-8
-10
X
SOLUCIÓN :
3) Y = ( X − 4) 2 ; Se trata de una función de segundo grado, por lo tanto, son necesarios pero no
suficientes, tres puntos. (A menos que obtengamos el punto crítico)

X Y
-4 64 FUNCIÓN: Y=(X-4)2
-2 36 70
0 16 60
2 4 50
4 0 40
6 4 30
Y 20
8 16
10
10 36
0
12 64
-14 -12 -10 -8 -6 -4 -2-10 0 2 4 6 8 10 12 14
-20
X

B ) Derive
1) Y = −2 * X 3 + 5 * X 3 / 2 + 6
2) Y = X 4 / 2 − 4 * X −2
3) Y = 1/ 5 * X 5 + 2 * X −4 + 7 * X
SOLUCIÓN :
1) Y = −2 * X 3 + 5 * X 3 / 2 + 6
dY
= −2 * 3* X 3−1 + 5 * 3/ 2 * X 3 / 2 −1 + 6 * 0 * X 0 −1
dX
dY
= −6 * X 2 + 15 / 2 * X 1/ 2
dX
2) Y = X 4 / 2 − 4 * X −2
dY
= 1/ 2 * 4 * X 4 −1 − 4 * ( −2) * X −2 −1
dX
dY
= 2 * X 3 + 8 * X −3
dX
3) Y = 1/ 5 * X 5 + 2 * X −4 + 7 * X
dY
= 1/ 5 * 5 * X 5 −1 + 2 * ( −4) * X −4 −1 + 7 *1* X 1−1
dX
dY
= X 4 − 8 * X −5 + 7
dX
C ) Obtenga las derivadas parciales
1) Z = 2 * X 3 / 2 * Y 4
2) Z = X 4 * Y 2
3) Z = X * Y 2
SOLUCIÓN
1) Z = 2 * X 3 / 2 * Y 4
Z Z
= 2 * 3/ 2 * X 3 / 2 −1 * Y 4  = 3* X 1/ 2 * Y 4
X X
Z Z
= 2 * 4 * X 3 / 2 * Y 4 −1  = 8 * X 3/ 2 *Y 3
Y Y
Z Z
Derivada Total de Z  dZ = * dX + * dY = 3* X 1 / 2 * Y 4 * dX + 8 * X 3 / 2 * Y 3 * dY
X Y
2) Z = X 4 * Y 2
Z Z
= 4 * X 4 −1 * Y 2  = 4 * X 3 *Y 2
X X
Z Z
= 2 * X 4 * Y 2 −1  = 2 * X 4 *Y
Y Y
Z Z
Derivada Total de Z  dZ = * dX + * dY = 4 * X 3 * Y 2 * dX + 2 * X 4 * Y * dY
X Y
3) Z = X * Y 2

Z Z
= 1* X 1−1 * Y 2  =Y2
X X
Z Z
= 1* 2 * X * Y 2 −1  = 2 * X *Y
Y Y
Z Z
Derivada Total de Z  dZ = * dX + * dY = Y 2 * dX + 2 * X * Y * dY
X Y
D) Encuentre los puntos óptimos ( si es que existen )
1) Y = −2 * X + 5
2) Y = X 2 − 4 * X
1 3
3) Y = * X 3 − * X 2 + 2 * X
3 2
SOLUCIÓN : Aplicaremos el método clásico de optimización, para la detección de los puntos críticos
1) Y = −2 * X + 5  Función de grado 1, por lo tanto, es derivable, pero no es optimizable, sólo admite
primera derivada.
dY d 2Y
= −2 *1* X 1−1 + 5 * 0 * X 0 −1 = −2  = 0 ( NO OPTIMIZABLE )
dX dX 2
REPRESENTACIÓN GRÁFICA DE LA FUNCIÓN : Y = −2 * X + 5
La línea recta no tiene puntos críticos, no es ni cóncava ni convexa.

X Y
-4 13 FUNCIÓN: Y=-2*X+5
-2 9 14
0 5 12
2 1 10
4 -3 8
6

Y
4
2
0
-6 -5 -4 -3 -2 -1 -2 0 1 2 3 4 5
-4
X

2) Y = X 2 − 4* X ( Parábola)
SOLUCIÓN : Aplicaremos el método clásico de optimización, para la detección de los puntos criticos
dY dY
2) = 2* X 2−1 − 4*1* X 1−1  = 2* X − 4 ; Igualando a "0" para encontrar el punto crítico.
dX dX
dY
= 0  2* X − 4 = 0  X * = 2 (Candidato a óptimo)
dX
d 2Y
= 2*1* X 1−1 = 2  0  Condición de Mínimo  La función original posee un mínimo e X * = 2.
dX 2

REPRESENTACIÓN GRÁFICA DE LA FUNCIÓN : Y = X 2 − 4 * X

X Y
-6 60 FUNCIÓN: Y=X2-4*X
-4 32 70
-2 12 60
0 0 50
2 -4 40
4 0 30
Y

6 12 20
10
8 32
0
10 60
-14 -12 -10 -8 -6 -4 -2-10 0 2 4 6 8 10 12 14
-20
X
Mínimo
 1 3
3) Y = * X 3 − * X 2 + 2 * X
3 2
SOLUCIÓN : Aplicaremos el método clásico de optimización, para la detección de los puntos criticos
dY 1 3 dY
2) = * 3* X 3−1 − * 2 * X 2 −1 + 2 *1* X 1−1  = X 2 − 3* X + 2 ; Igualando a "0" para
dX 3 2 dX
dY
encontrar los puntos críti cos  = 0  X 2 − 3* X + 2 = 0 : Ecuación cuadrática con solución
dX
−b  2 b 2 − 4 * a * c
particular : X = ; De la ecuación anterior  a = 1 ; b = −3 ; c = 2
2*a
−(−3)  2 (−3) 2 − 4 *1* 2 3  2 9 − 8 3  1
X= = =
2 *1 2 2
X 1 = 2 ; X 2 = 1  (Candidatos a óptimos )
d 2Y
2
= 2 * X 2 −1 − 3*1* X 1−1 + 2 * 0 * X 0 −1 = 2 * X 1 − 3* X 0 + 0 = 2 * X − 3
dX
d 2Y
( X 1 = 2) = 2 * 2 − 3 = 1  0 Condición de Mínimo  La función original posee un mínimo e X 1 = 2.
dX 2
d 2Y
( X 2 = 1) = 2 *1 − 3 = −1  0 Condición de Máximo  La función original posee un máximo e X 2 = 1.
dX 2

1 3
REPRESENTACIÓN GRÁFICA DE LA FUNCIÓN : Y = * X 3 − * X 2 + 2 * X
3 2
X Y dY/dX Y
-1 -3,83333333 6 FUNCIÓN: Y=1/3*X3-3/2*X2+2*X
dY/dX
0 0 2
1 0,83333333 0 8
2 0,66666667 0 6
3 1,5 2 4
4 5,33333333 6 2
Y

0
-2 -1 -2 0 1 2 3 4 5

-4
-6
X
Máximo Mínimo
 ACLARACIÓN

1) (a * X + b * Y ) 2 = (a * X + b * Y ) * (a * X + b * Y ) = (a 2 * X 2 + 2 * a * b * X * Y + b 2Y 2 )
( a + b) 2 = ( a 2 + 2 * a * b + b 2 )
Se lee: El cuadrado del primer término + el doble producto del primero por el segundo término +
el cuadrado del segundo término
2) Ecuación Cuadrática: A * X 2 + B * X + C = 0 : Dicha ecuación tiene una solución particular
−B  B2 − 4 * A * C
dada por : X =
2* A
Por ejemplo : Hallar las raices ( soluciones ) de : 2*X 2 − 4 * X − 6 = 0  A = 2; B = −4; C = −6
−(−4)  (−4) 2 − 4 * 2 * (−6) 4  (−4) 2 − 4 * 2 * (−6) 4  16 + 48 4  64
X = = = =
2*2 4 4 4
48
Por lo tanto: X =  X1 = 3 y X2 = − 1
4

ECUACIÓN CUADRÁTICA
10,0

6,0

2,0
Y

-3,0 -1,0 -2,0 1,0 3,0 5,0

-6,0

-10,0

SOLUCIONES

3) d 2Y / dX 2 = Este término representa la Segunda derivada de Y (la función Y = f ( x)) respecto de X

Se lee: "De dos Y a de X dos" (Es una nomenclatura o lenguaje de escritura para representar la
segunda derivada de la función original Y = f ( x) respecto de la variable independiente X).
"No es alguna función o término al cuadrado"
3 1 3 1
3 −1 1 −1
Ejemplo : Y = 5 * X 3 + 2 * X 2 − 4 * X 2 + 8  dY / dX = 5 * 3* X 3−1 + 2 * * X 2 − 4 * * X 2 + 8 * 0 * X −1
2 2
1 1 1 1
− 1 −1 1 − −1
dY / dX = 15 * X 2 + 3* X 2 − 2 * X 2  d 2Y / dX 2 = 15 * 2 * X 2 −1 + 3* * X 2 − 2 * ( − ) * X 2
2 2
1 3
3 − −
d 2Y / dX 2 = 30 * X + * X 2 + X 2
2
 ANEXO 2

MÉTODO PARA VERIFICACIÓN DE CONCAVIDAD (CONVEXIDAD) DE FUNCIONES

f ( x)
f ( x0 )

f ( x0 +  x1 )

 f ( x0 ) +  f ( x1 )

f ( x1 )

x0  x0 +  x1 x1 x
Para 0    1 y 0    1 y  +  = 1
1) Si f ( x0 +  x1 ) >  f ( x0 ) +  f ( x1 )  la función es cóncava
2) Si f ( x0 +  x1 ) =  f ( x0 ) +  f ( x1 )  la función no es cóncava ni convexa
3) Si f ( x0 +  x1 ) <  f ( x0 ) +  f ( x1 )  la función es convexa

EJEMPLO: Sea U = X * Y Debemos darnos valores de U y despejar Y = U

2 2
X2
PARA U = 1000 5000 10000
X Y1 Y2 Y3
2 15,8 35,4 50,0
4 7,9 17,7 25,0
6 5,3 11,8 16,7
8 4,0 8,8 12,5
10 3,2 7,1 10,0
Del gráfico se desprende que se genera un mapa de curvas convexas vistas desde el origen,
verifiquemos esto:

Tomando datos de la tercera columna de U=10.000 X Y

2 50
4 25
Sea  = 0, 4 ;  =0,6 ; Con  + =1
x0 = 2 ; x1 = 4 ; f ( xo ) = 50 ; f ( x1 ) = 25

f ( x0 +  x1 ) = f (0, 4 * 2 + 0,6 * 4) = f (3, 2) = 31,3

 f ( x0 ) +  f ( x1 ) = 0,4*50 + 0,6* 25 = 35

Por lo tanto:  f ( x0 ) +  f ( x1 ) >  f ( x0 ) +  f ( x1 ) => La función es convexa.

Sea  = 0,5 ;  =0,5 ; Con  + =1

x0 = 2 ; x1 = 4 ; f ( xo ) = 50 ; f ( x1 ) = 25

f ( x0 +  x1 ) = f (0,5* 2 + 0,5* 4) = f (3,0) = 33,3

 f ( x0 ) +  f ( x1 ) = 0,5*50 + 0,5* 25 = 37,5

Por lo tanto:  f ( x0 ) +  f ( x1 ) >  f ( x0 ) +  f ( x1 ) => La función es convexa.

Se observa que la conclusión no depende del valor de los valores asignados a  y  .