Capitulo 4-Optimizacion

MATEMTICAS PARA ECONOMISTAS
Carlos Orihuela Romero, MSc
CAPITULO 4: OPTIMIZACIN
Optimizacin es el proceso de hallar el mximo o mnimo relativo de una funcin, generalmente sin la ayuda de grficos. 4.1 Conceptos claves A continuacin se describir brevemente algunos conceptos necesarios para comprender apropiadamente el tema de optimizacin. 4.1.1 Funciones crecientes y decrecientes Se dice que una funcin f(x) es creciente (decreciente) en x=a, si en la vecindad inmediata del punto [a,f(a)] el grfico de la funcin crece (cae) al moverse de izquierda a derecha. Puesto que la primera derivada mide la tasa de cambio y la pendiente de una funcin, una primera derivada positiva en x=a indica que la funcin es creciente a; una primera derivada negativa indica que es decreciente. Grfico 4-1 Funcin creciente en x = a (Pendiente >0)
y y
Funcin decreciente en x = a (Pendiente <0)
x a a
f(a) > 0: funcin creciente en x = a f(a) < 0: funcin decreciente en x= a 4.1.2 Concavidad y convexidad Una funcin f (x) es cncava en x = a, si en alguna pequea regin cercana al punto [a, f(a)] el grfico de la funcin se ubica completamente debajo de su lnea tangente. Una funcin es convexa en x = a, si en un rea cercana a [a, f(a)] el grfico esta complemente arriba de su lnea tangente. Una segunda derivada positiva en x = a
81
denota que la funcin es convexa en x = a. Anlogamente, una segunda derivada negativa en x = a denota que la funcin es cncava en a. Grfico 4-2 Convexo en x=a f(a) > 0 f(a) > 0 f(a) < 0 f(a) > 0
x a
Cncavo en x=a f(a) > 0 f(a) < 0 y f(a) < 0 f(a) < 0
x a
a f(a) > 0: f(x) es convexo en x = a f(a) < 0: f(x) es cncavo en x = a 4.1.3 Extremo relativo
Un extremo relativo es un punto en el cual una funcin esta a un mximo o mnimo. Para ello, la funcin debe estar en un punto en el cual no esta creciendo ni decreciendo, y por ende, su primera derivada debe ser igual a cero o indefinida. Un punto en el dominio de una funcin donde la derivada iguala a cero o es indefinida es llamado punto o valor critico.
82
Grfico 4-3 Mnimo relativo en x=a f(a) = 0

y
Mximo relativo en x=a f(a) = 0

y
f(a) > 0
f(a) < 0
4.1.4 Puntos de inflexin Un punto de inflexin es un punto en el grafico donde la funcin cruza su lnea tangente y cambia de cncavo a convexo y viceversa. Los puntos de inflexin pueden ocurrir solo donde la segunda derivada iguala a cero o es indefinida. Es decir, f(a)=0. Grfico 4-4 f(a)=0 f(a) = 0
y y
f(a) = 0
y
f(a) < 0
y
f(a) > 0
x a
x a
f(a) = Nd f(a) > 0 f(a) < 0 f(a) = 0
x
x
83
4.2 Optimizacin sin restriccin 4.2.1 Funciones objetivo de una variable Sea la funcin: y = f(x), los pasos o condiciones para obtener el (los) mximo(s) o mnimo(s) relativo(s) sern:
1. Identificar los puntos crticos. Tomar la primera derivada e igualarla a 0,
dy =0 dx
2. Tomar la segunda derivada, evaluar los puntos crticos, y revisar los signos. Esta condicin es llamada condicin suficiente. Si un punto critico es a, entonces: f(a) < 0, la funcin es cncava en a, por ende un mximo relativo f(a) > 0, la funcin es convexa en a, por ende un mnimo relativo f(a) = 0, el test es inconcluso y es necesario realizar el test de las derivadas sucesivas: Si el primer valor diferente de cero de una derivada de orden superior, cuando se evala un punto critico es una derivada de grado impar (tercer, quinto, etc.) la funcin es un punto de inflexin. Si el primer valor diferente de cero de una derivada de orden superior, cuando es evaluado en un punto crtico es una derivada de grado par, entonces la funcin es un extremo relativo en a. Si esta derivada tiene valor negativo entonces la funcin es cncava en a (y por ende, es un mximo relativo). Caso contrario, la funcin es convexa y presenta un mnimo relativo en a. Ejercicio 76: Obtener el extremo relativo de la siguiente funcin: f(x) = -7x2 + 126x - 23 Solucin. Calculando la primera derivada e igualndola a 0: f(x)=-14x + 126 = 0 x = 9 (valor critico)
84
Tomando la segunda derivada y evaluando el valor critico: f(x) = -14, entonces f(9) = -14 < 0 es cncavo, mximo relativo.
Ejercicio 77: Obtener el extremo relativo de la siguiente funcin: f (x) = 2x4 16x3 + 32x2 + 5 Solucin. Calculando la primera derivada e igualndola a 0: f(x) = 8x3 48x2 + 64x = 0 f(x) = 8x( x 2 ) ( x 4) = 0 x=0, x=2, x=4 (puntos crticos)
Tomando la segunda derivada y evaluando los puntos crticos: f(x) =24x2 - 96x +64 f(0) =24(0)2 96(0) +64 = 64 f(2) =24(2)2 96(2) +64 = -32 f(4) =24(4)2 96(4) +64 = 64 >0 convexo, mnimo relativo <0 cncavo, mximo relativo >0 convexo, mnimo relativo
Ejerci 78: Obtener el extremo relativo de la siguiente funcin: f(x) = - ( x - 8 )4 Solucin. Calculando la primera derivada e igualndola a 0: f(x) = -4( x - 8 )3 = 0 x=8 (punto critico)
Tomando la segunda derivada y evaluando el punto crtico: f(x) = -12( x - 8 )2 f(8) = -12( 8 - 8 )2 = 0 f (x) = -24( x - 8 ) f (8) = -24( 8 - 8 ) = 0 test inconcluso Se requiere el test de derivadas sucesivas.
85
f (x) = -24 f (8) = -24 Ejercicio 79: Buscar la relacin entre: a) Producto total, b) Producto medio, y c) Producto marginal de la siguiente funcin de produccin: PT = 90K2 K3 Solucin. a) Condicin de 1er Orden para encontrar los valores crticos. PT = 90K 3K2 = 3K (60-K) = 0 Probar las condiciones de 2do Orden. PT = 180 6 K PT (0) = 180 PT (60) = -180 Comprobar puntos de inflexin. PT = 180 6 K = 0 K = 30 K < 30 PT > 0 (convexo) K > 30 PT < 0 (cncavo) Puesto que K = 30, PT = 0, hay un punto de inflexin en K=3 (convexo mnimo relativo) (cncavo, mximo relativo) K=0 y K=60 (valores crticos) <0 cncavo, mximo relativo
b)
Pmek =
PT = 90K K2 K
K=45 (valor critico) <0 (cncavo, mximo relativo)
Pmek = 90 2K = 0 Pmek = -2
c)
PMgk= PT = 180K - 3K2 PMgk = 180 6K = 0 K=30 (valor crtico)
86
PMgk = 6
<0
(cncavo, mximo relativo)
Grfico 4-5 PT
108000 91125
Pme mximo Pmg=0
54000
Pmg mximo
Pmg. Pme.
30
45
60
2700
Pmg.
Pme. 30 45 60
4.2.2 Funciones objetivo de dos variables

Para que una funcin como z = f (x,y) tenga un mnimo o mximo relativo, tres condiciones deben ser satisfechas: 1. Las derivadas parciales de primer orden deben simultneamente ser iguales a cero. Ello indica que en un punto dado (a,b) llamado punto critico, la funcin no esta creciendo ni decreciendo con respecto a los ejes principales sino a una superficie relativa.
87
2. Las derivadas parciales de segundo orden deben ser negativas cuando ellas son evaluadas en el punto critico (a,b) para un mximo relativo y positivas para un mnimo relativo. Ello asegura que la funcin es cncava y movindose hacia abajo en relacin a los ejes principales en el caso de un mximo relativo y la funcin es convexo y movindose hacia arriba en relacin a los ejes principales en el caso de un mnimo relativo. 3. El producto de las derivadas parciales de segundo orden evaluadas en el punto crtico deben exceder el producto de las derivadas parciales cruzadas tambin evaluadas en dicho punto. Esta condicin adicional es necesaria para evitar un punto de inflexin o punto de silla (ver grfico 4-6). En resumen: Condicin necesaria Primer orden Segundo orden*
crticos que hubieren.
Mximo fx = fy = 0 fxx , fyy < 0 y fxx , fyy > (fxy)2
Mnimo fx = fy = 0 fxx , fyy > 0 y fxx , fyy < (fxy)2
Nota: las derivadas parciales de segundo orden son evaluadas en el punto critico (a,b) o los puntos
En la situacin que fxx fyy < (fxy)2, cuando fxx y fyy
tienen el mismo signo, la funcin
esta en un punto de inflexin. Caso contrario, la funcin estar en un punto de silla. Si fxx fyy = (fxy)2 entonces se requerira mayor informacin.
Grfico 4-6 Mnimo Mximo
y x
88
Punto de Silla
Ejercicio 80: En la siguiente funcin encontrar los puntos crticos y determinar si stos son mximos o mnimos relativos, puntos de inflexin o puntos de silla: f(x, y) = 3x3 5y2 225x + 70y + 23 Solucin. Calculando la primera derivada e igualndola a 0: fx = 9x2 225 = 0 fy = -10y + 70 = 0
Resulta: x = 5, y = 7 . Entonces los puntos crticos sern: (5,7) y (5,-7) Las segundas derivadas (sin evaluarlas o testearlas) fxx = 18 x Evaluando el punto crtico (5,7): fxx ( 5, 7 ) = 18 (5) = 90 Cumple fxx ( 5, 7 ). fyy ( 5, 7 ) > [ fxy(5,7) ]2 ? fyy ( 5, 7 ) = -10 90. (-10) < [ 0 ]2 (no cumple!) fyy = -10 fxy = fyx = 0
Entonces este punto crtico no es ni mximo ni mnimo. Puesto que fxx y fyy (evaluadas en este punto crtico) tienen signo diferente, se concluye que este punto es un punto de silla.
89
Evaluando el punto crtico (-5,7) fxx ( -5, 7 ) = 18 (-5) = -90 Cumple fxx ( -5, 7 ). fyy ( -5, 7 ) > [ fxy(-5,7) ]2 ? fyy ( -5, 7 ) = -10 -90. (-10) > 0 (Si cumple!)
Dado que se cumple fxx ( -5, 7 ). fyy ( -5, 7 ) > [ fxy(-5,7) ]2 y adems, fxx, fyy < 0 entonces el punto en anlisis es un mximo. Ejercicio 81: En la siguiente funcin encontrar los puntos crticos y determinar si stos son mximos o mnimos relativos, puntos de inflexin o puntos de silla: f (x,y) = 3x3 +1.5y2 18xy +17 Solucin. Calculando la primera derivada e igualndola a 0 (condicin de primer orden): fx= 9x2 18y = 0 fy= 3y 18x = 0 y= x2 y = 6x
Donde x = 0, x = 12, y = 0, y = 72. As, los puntos crticos son: (0,0) y (12,72) Calculando las segundas derivadas: fxx = 18x Evaluando el punto crtico (0,0) fxx = ( 0, 0 ) = 18 (0) = 0 Cumple que fxx ( 0, 0 ). fyy ( 0, 0 ) > [ fxy(0,0) ]2 ? fyy = ( 0, 0 ) = 3 0.3 < ( -18 )2 (No cumple) y fyy fyy = 3 fxy = fyx = -18
Entonces este punto crtico no es ni mximo ni mnimo. Puesto que fxx inflexin. Evaluando el punto crtico (12,72)
(evaluadas en este punto crtico) tienen signos iguales entonces es un punto de
90
fxx = ( 12, 72 ) = 18 (12) = 216 Cumple que fxx( 12, 72 ).fyy( 12, 72 ) > [ fxy(12,72) ]2 ?
fyy = ( 12, 72 ) = 3 216.3 > ( -18 )2 (Si cumple!)
Dado que se cumple fxx ( 12, 72 ). fyy ( 12, 72 ) > [ fxy (12,72) ]2 y adems, fxx , fyy > 0 entonces el punto en anlisis es un mnimo relativo.
4.2.3 Funciones objetivo con ms de dos variables

Considerando una funcin de tres variables z = f ( x1, x2, x3 ) cuyas derivadas parciales primeras son f1, f2 y f3 y las derivadas parciales segundas fij ( 2z / xixj ) ; con i, j=1, 2, 3. Conforme al teorema de Young se sabe que fij = fji .Como en los casos anteriores, para tener un mximo o un mnimo de z es necesario que dz = 0 para valores arbitrarios de dx1, dx2 y dx3, no todos nulos. Ya que el valor de dz es ahora dz = f1dx1 + f2dx2 + f3dx3. Ya que dx1, dx2 y dx3 son no nulos, la nica forma de garantizar que dz = 0 es f1 = f2 = f3 = 0. En otras palabras, lo mismo que en el caso de dos variables. Generalizando para 3 o ms variables, el test de determinante para un extremo relativo en este caso ser: Condicin necesaria Primer orden Segundo orden* Mximo f1 = f2 = f3 = .. = fn = 0 H1 < 0; H2 > 0; H3 < 0;..;(-1)n Hn > 0 Mnimo f1 = f2 = .. = fn = 0 H1, H2,..,Hn>0
Donde Hn es el determinante de la matriz Hessiana (simtrica). Hessiano (simtrico) Es simplemente una matriz conformada por derivadas de segundo grado. Esta matriz es utilizada para testear mximos o mnimos en funciones con n variables. En general, el hessiano ser: H1 = f11
f11 f12 f21 f22 H= . . fn1 fn2
... f1n ... f2n ... . ... fnn
Donde los Menores sern
H2 =
f11 f12 f21 f22

f11 f12 f23 f33 f13
H3 = f21 f22 f31 f32
Y as sucesivamente.
91
Para el caso de una matriz hessiana del orden 3 x 3, los menores pueden denotarse como:
H = f21 f22 f31 f32
f11
f12
f23 f33
f13
H1 = f11
H2 =
f11 f12 f21 f22
H3 = H Ejercicio 82: Hallar los valores extremos de z = - x13 + 3x1 x3 + 2x2 - x22 - 3x32 Solucin. Las derivadas parciales son: f1 = - 3x12 + 3x3 f2 = 2 - 2x2 f3 = 3x1 - 6x3
Ahora, haciendo f1 = f2 = f3 = 0, los puntos crticos sern: (0, 1, 0) y (0.5, 1, 0.25). Reemplazando tales puntos en la funcin original z, se tiene que z = 1, y z = 17 16 , respectivamente. Las derivadas parciales de segundo orden dispuesta ordenadamente en el hessiano:
H=
6x1 0 3
0 2 0
3 0 6
1. Usando (0, 1, 0), el hessiano es:
H1 = 0 H2 = 0 H3 = 18
H = 0 2 0 3 0 6
No concuerda con ninguna de las dos test. Entonces es necesaria mayor informacin. 2. Usando (1/2, 1, 1/4) el hessiano es:
92
3 H= 0 3
0 2 0
3 0 6
H1 = -3 H2 = 6 H3 = -18
Cumple el test, entonces, el punto z = 17 16 es mximo. Ejercicio 83: Utilizar el criterio del Hessiano con el ejercicio 81. Solucin. En el ejemplo 81 se obtuvieron los puntos crticos (0, 0) y (12, 72), ahora analizaremos la segunda derivada con el criterio del Hessiano. Las segundas derivadas: El hessiano ser: fxx = 18x fyy = 3 fxy = fyx = -18
H=
fxx fyx
fxy fyy
H=
18x 18 18 3
1. Evaluando el hessiano para el punto (0,0):
H=
18(0) 18 3 18
H1 = 18(0) = 0 H2 = 18(0) x 3 (-18) (-18)= -324
Puesto que H1 = 0 y H2 < 0 entonces el punto no es mximo ni mnimo. Es un punto de silla o de inflexin (revisar los criterios). 2. Evaluando el hessiano en el punto (12,72):
H=
18(12) 18 18 3
H1 = 18(12) = 216 H2 = 18(12) x 3 (-18) (-18)= 324
Dado que H1 > 0 y H2 > 0, el punto es un mnimo. Cuando se utiliza el criterio del hessiano para funciones de dos variables es necesario resaltar lo siguiente:
93
La matriz hessiana ser de orden 2:
H=
fxx fyx
fxy fyy
Para el caso de un mximo, el hessiano requiere inicialmente que: H1 < 0, o lo que es igual fxx < 0 Adems, se requiere que H2 > 0 , o lo que es igual: fxx fyy - fyx fxy > 0 Recordando que fxy = fyx, tal expresin puede quedar como: fxx fyy > (fxy)2 Dado que fxx < 0, para que la expresin (iii) sea vlida, es necesario que: fyy < 0 (iv) (iii) (ii) (i)
Entonces, para que el punto critico sea un mximo se requiere que se cumpla (i), (iii) y (iv), condiciones de suficiencia conforme a la seccin 4.2.2. Note que la multiplicacin de las segundas derivadas parciales debe ser positiva (fxx fyy segunda derivada debe ser negativa. Para el caso de un mnimo, el lector puede fcilmente demostrar que las condiciones sealadas en el punto 4.2.2 igualmente coinciden con el criterio del hessiano (simtrico). Por qu?. En realidad, el hessiano (simtrico) es el caso general para optimizacin funciones de cualquier orden. 4.3 Optimizacin con restriccin 4.3.1 Funciones con igualdades Se plantea un nuevo problema, el de optimizar una funcin sujeta a una restriccin de igualdad: > 0) ya que cada
94
Maximizar
f (x1, x2) (una constante),
Sujeto a g(x1, x2) = k
Para encontrar la solucin a este nuevo tipo de problema, se debe formar una nueva funcin F que debe ser formada por (1) estableciendo la restriccin igual a cero, (2) multiplicndolo por (el multiplicador de Lagrange) y (3) sumando el producto a la funcin original: F(x1, x2, ) = f(x1, x2) + [ k - g(x1, x2)] Aqu, F(x1, x2, ) es llamada la funcin Lagrangiana, f(x1, x2) es la funcin objetivo u original, y g(x1, x2) es la restriccin. Puesto que la restriccin es siempre igual a cero, el producto [ k - g(x1, x2)] tambin es igual a cero y la suma de tal trmino no cambia el valor de la funcin objetivo. Los valores crticos x0, y0 y 0 (para los cuales la funcin es optimizada) son obtenidos tomando las derivadas parciales de F (con respecto a cada una de las simultneamente: F1(x1, x2, ) = 0 F2(x1, x2, ) = 0 tres variables independientes) e igualndolas a cero. Es decir,
(x1, x2, ) = 0
Donde F1 expresa una derivada parcial F/ x1 Ejemplo: Considere el siguiente problema con tres variables de decisin (x, y, z), donde la ecuacin G(.) = c (es una constante) y determina un conjunto de
restricciones para (x, y, z), en el espacio, el cul es funcin V (x1, y, z ) para puntos (x, y, z) sobre la superficie SG.
Maximizar Sujeto a V ( x, y, z ) G ( x, y, z ) = c
una superficie y lo
denotaremos por SG. El problema es determinar el valor ms grande de la
(1)
Solucin: Paso 1: formar el lagrangiano.

L = V (x, y, z ) [G (x, y, z ) c] (2)
95
Paso 2: Por las condiciones de primer orden tomar las derivadas parciales. Lx = Ly = Lz = 0
(3)
Paso 3: La solucin a este problema es mostrado en la grfico (4-7) por el punto

P* = ( x*, y*, z* ) sobre la superficie SG donde la funcin objetivo V (x1, y, z ) consigue ser mximo. Considere tambin que el volumen V (.) pasa por P* y es tangente a la superficie de restriccin SG. Grfico (4-7)
V = V(x ,y ,z )
SG
Ejercicio 84: Considerar el siguiente ejemplo: Maximizar 2x 3y + z Sujeto a Solucin. Paso 1: formamos el lagrangiano para este problema L = 2x 3y + z - (x2 + y2 + z2 - 9) Paso 2: Por las condiciones necesarias de primer orden x2 + y2 + z2 = 9
96
L = 2 - 2 x = 0 x L = -3 - 2 y = 0 y L = 1 - 2 z = 0 z L = - x2 - y2 - z2 + 9
Paso 3: Resolver el sistema de ecuaciones: De la ecuacin (1) y (2) 2 - 2 x = 0 = 1/x Igualando se obtiene: De la ecuacin (1) y (3) 2 - 2 x = 0 = 1/x Igualando se obtiene: z = x/2 1 - 2 z = 0 = 1/2z y = - 3x/2
(1) (2) (3) (4)
-3 - 2 y = 0 = -3/2y (en funcin de x) (a)
(en funcin de x) (b)
Luego reemplazamos (a) y (b) en la restriccin
3x x x + + =0 2 2
2
x = 3 2 7
Resulta en dos soluciones: x1 = 3 2 7 = 1.6 x2 = 3 2 7 = -1.6 Notamos sin embargo que: V (x1, y1, z1)= 42/ 14 = 11.22 V (x2, y2, z2)= -42/ 14 = -11.22 y1 = -9 / 14 = -2.41 y2 = 9 / 14 = 2.41 z1 = 3 / 14 = -0.8 z2 = -3 / 14 = -0.8
97
Por lo tanto, el punto mximo es ( x1, y1, z1 ) y el punto mnimo es ( x2, y2, z2 ). El problema y la solucin son retratados en la siguiente grfico (4-8).
z 11
Grfico (4-8)
V* = 11.22 = 2x 3y + z
x 2 + y 2 + z2 = 9
3 4 y
(x1,y1,z1 ) = (1.6, 2.4,0.8)
Ejercicio 85: Considere una economa de recurso basada en que cada obreros (L) puede optar por cosechar rboles madereros (T) o pescar (F). Suponga que la economa exporta tanta madera como peces y se enfrentan a precios mundiales constantes significados PT y PF respectivamente. La siguiente curva de transformacin son combinaciones tcnicamente eficientes de madera, peces y trabajo G( T, F, L ) = T2 + F2 / 4 L = 0 Suponga que PT = $ 500 / TM, PF = $ 1000 / TM y L = 1700 es el nmero de las horas disponibles asignados entre cosechar rboles madereros o pescar. Resolver el problema de optimizacin esttico que trata de maximizar el valor de la cosecha sujeto a la funcin de transformacin.
98
Solucin. Paso1: Formamos el problema de maximizacin. Maximizar Sujeto a Paso 2: Formamos el lagrangiano. L = 500T +1000F - ( T2 + F2 / 4 - 1700 ) Paso 3: Por las condiciones de primer orden V = 500T + 1000F T2 + F2 / 4 = 1700
L = 500 2 T = 0 T L = 1000 0.5 F = 0 F L = -T2 + F2 / 4 - 1700

Paso 4: Resolvemos el sistema de ecuaciones -De la ecuacin (1) 500 2 T = 0 = 250/T -De la ecuacin (2) 1000 2 F = 0 = 2000/F - Igualamos (a) y (b) y obtenemos F en funcin de T.
(1) (2) (3)
(a)
(b)
(c)
250 2000 = F = 8T T F
Luego reemplazamos (c) en la restriccin (3).
T +
2
( 8T )2
4
= 1700
99
Las soluciones son: T = 10 F = 80
= 25
Por lo tanto, la economa debe asignar la fuerza de trabajo disponible para producir 10 toneladas mtricas de madera y 80 toneladas mtricas de peces. El valor marginal (precio sombra) de una unidad adicional de trabajo es $25/horas. Hessiano Orlado Ahora, para determinar si los valores crticos corresponden a un mximo o mnimo, es necesario utilizar el criterio del Hessiano Orlado. Este tipo de hessiano se aplica para el caso de optimizacin de funciones con restricciones. En general, cuando la funcin objetivo toma la forma de F = F ( x1, x2,. Xn) sujeta a g( x1, x2,. Xn) = k, el Hessiano Orlado ser de la forma siguiente:
0 g1 H = g2 ... gn
g1 g2 F11 F12 F21 F22 ... ... Fn1 Fn2
... gn ... F1n ... F2n ... ... ... Fnn
H2 g1 g2
F21 F22
F11 F12
g1
g2
0 g1 g2 g1 F11 F12 H3 g2 F21 F22 g3 F31 F32
g3 F13 F23 F33
Condicin necesaria Primer orden Segundo orden
Mximo
Mnimo
= F1 = F2 = .. = Fn = 0
n
= F1 = .. = Fn = 0
H2 > 0 ; H3 < 0 ; H4 > 0 ;..; (1) Hn > 0
H 2 , H3 ,..., H n < 0
Ejercicio 86: Optimizar la funcin sujeto a una restriccin. Maximizar z = 4x2 + 3xy + 6y2 Sujeto a Solucin. Paso 1: Formar el lagrangiano, pero primero establecemos la restriccin igual a cero, sustrayendo las variables de la constante: x + y = 56
100
56 x y Multiplicar esta diferencia por y sumar el producto de ambos a la funcin objetivo a fin de formar la funcin Lagrangiana Z. Z = 4x2 + 3xy + 6y2 + ( 56 x y ) Paso 2: Calcular las derivadas parciales de primer orden, igualarlas a cero y resolverlas simultneamente. Zx = 8x + 3y - = 0 Zy = 3x + 12y - = 0
= 56 x y
Paso 3: Resolviendo las derivadas parciales se obtiene x = 36 y = 20
= 348
Luego substituyendo tales valores crticos en la funcin objetivo Z = 4 (36)2 + 3 (36)(20) + 6(20)2 + (348)( 56 - 36 - 20 ) Z = 9744 Paso 4: Ahora es necesario corroborar si el punto critico obtenido es mximo o mnimo local. Para ello, se formular el Hessiano Orlado y luego se proceder a analizar los test respectivos. El Hessiano Orlado requiere derivadas de segundo orden: Zxx = 8 Zyy = 12 Zxy = 3
Ordenando estos valores apropiadamente en el Hessiano Orlado:
0 1
1
y calculando su determinante
H= 1 8 3 1 3 12
101
H = H2 = 0(1)2
8 3 1 3 1 8 + 1(1)3 + 1(1)4 = 14 3 12 1 12 1 3
As el punto (36, 20) es un mnimo relativo.
4.3.2 Funciones con desigualdades

Algunos problemas econmicos requieren condiciones de desigualdades, por ejemplo cuando se desea maximizar la utilidad sujeta a gastar no ms que x soles o minimizar costos sujeto a producir no menos que x unidades de produccin. En estos casos se utiliza la programacin cncava (llamada as porque tanto la funcin objetivo como la restriccin son funciones asumidas cncavas) es una forma de programacin no lineal diseada para optimizar funciones sujetas a restricciones de desigualdad. Las funciones convexas no son excluidas ya que el negativo de una funcin convexa es una funcin cncava. Normalmente, el problema de optimizacin se establece en el formato de problema de maximizacin, no obstante, la programacin cncava puede adems minimizar una funcin mediante la maximizacin del negativo de la funcin convexa. Dado un problema de maximizacin sujeto a una restriccin de desigualdad con la siguiente funcin objetivo cncava diferenciable, Maximizar f ( x1, x2 ) Sujeto a g ( x1, x2 ) As, la funcin Lagrangiana correspondiente ser: F( x1, x2, ) = f( x1, x2) + g( x1, x2) Las condiciones suficientes y necesarias de primer orden para la maximizacin, llamadas condiciones de Kuhn-Tucker son: siendo x1, x2 0
F = fi (x i ,x 2 ) + gi (x1,x 2 ) 0 x i
F = g(x1,x 2 ) 0
xi 0
102
xi
Fi =0 x i
F =0
Donde las condiciones en (c) son llamadas condiciones complementarias, significando que tanto x como f '(x) no pueden ser -simultneamente- cero. Puesto que una funcin lineal es cncava y convexa, aunque no estrictamente cncava o estrictamente convexa. En las condiciones de Kuhn-Tucker la restriccin es siempre expresada como ms grande o igual que cero. Esto significa que a diferencia de las restricciones de igualdad que son establecidas igual a cero, el orden de la sustraccin es importante en programacin cncava. Para el mximo en F, una solucin interior (Figura a) f(x) = 0 y x>0
Para el mximo en G, una solucin de frontera (Figura b) f(x) = 0 y x=0
Para el mximo en H o J, ambas soluciones de frontera (Figura c) f(x) < 0 y x=0
Todas las posibilidades para un mximo en el primer cuadrante pueden ser resumidas como: f(x) 0 x0 y x f(x) = 0
Los cuales son reconocibles como parte de las condiciones de Kuhn-Tucker. Notar que tales condiciones automticamente excluyen un punto como K en (a) el cual no es un mximo, porque f(K) > 0. Cabe mencionar que la expresin x f(x) = 0 significa que al menos una de las dos cantidades debe tomar el valor cero.
103
Grfico 4-9 Condicin (a) Condicin (b) Condicin (c)
F K
H f(x) J
f(x)
f(x) f(x) x x x
El problema entonces se reduce a probar las 8 diferentes posibilidades:

>0 >0
x>0 x=0
y>0 y>0
=0 =0
x>0 x=0
y>0 y>0
>0 >0
x>0 x>0
y=0 y=0
=0 =0
x>0 x=0
y=0 y=0
Normalmente, las posibilidades encerradas en el recuadro son las ms comunes. Por ello, es sugerible que sean las primeras en ser probadas. Ejercicio 87: Maximizar la funcin de beneficio sujeto a una restriccin de produccin. Maximizar : = 64x 2x2 + 96y - 4y2 - 13 Sujeto a : x + y 36 Solucin. Paso 1: Formamos la funcin Lagrangiana
= 64x 2x2 + 96y - 4y2 - 13 + (36 x y)

Paso 2: Por las condiciones de Kuhn-Tucker
x = 64 4x - 0
y = 96 8y - 0
= 36 x y 0
104
x0 x ( 64 -4x - ) = 0
y0 y ( 96 8y - ) = 0
0 ( 36 x y ) = 0
Paso 3: Se testean o revisan las condiciones de Kuhn-Tucker, (a) Si , x, y > 0 entonces de las condiciones de Kuhn-Tucker llevan a: 64 -4x - = 0 96 8y - = 0 36 x y = 0
En forma de matriz,
4 0 1 x 64 0 8 1 y = 96 1 1 0 36
Usando la Regla de Cramer donde: A = 12 se obtiene que: Ax = 256 x= 21.33 Ay = 176 y = 14.67 A = -256
= -21.33
Lo cual no puede ser ptimo ya que < 0 y contradice las condiciones de KuhnTucker. (b) Si = 0 y x, y > 0 entonces 64 4x = 0 96 8y = 0 x = 16 y = 12
Esto da la solucin correcta: x = 16, y = 12 y = 0, lo cual es ptimo ya que no viola ninguna condicin de Kuhn-Tucker.
Ejercicio 88: Minimizar la funcin de costo, sujeto a una restriccin de igualdad. Maximizar : K = 5x2 80x + y2 32y Sujeto a : x + y 30
105
Solucin. Paso 1: Multiplicando la funcin objetivo por 1 y estableciendo el Lagrangiano, C = -5x2 + 80x - y2 + 32y + (x + y 30) Paso 2: Donde las condiciones de Kuhn-Tucker son, Cx = -10x + 80 + 0 x0 x( -10x + 80 + ) = 0 Cy = -2y + 32 + 0 y0 y(-2y + 32 + ) = 0
C = x + y 30 0
0
( x + y 30) = 0
Paso 3: Se testean o revisan las condiciones de Kuhn-Tucker, (a) Si = 0 x, y > 0 entonces de las condiciones de Kuhn-Tucker llevan a: Si = 0 entonces de x ( -10x + 80 + ) = 0 se tiene que: x =8, y = 16 Sin embargo, estos resultados violan C = x + y 30 0 ya que: 8 + 6 30 0. (b) Si > 0, x, y > 0 todas las primeras derivadas parciales son estrictas igualdades:
10 0 1 x 80 0 2 1 y = 32 1 1 0 30
Donde: A= 12 Y se obtiene que: A1= 109 x=9 A2= 252 y = 21 A3= 440
= 36.67
Lo cual dan la solucin ptima, ya que ninguna condicin de Kuhn-Tucker es violada.
106
4.4 Ejercicios resueltos Ejercicio 89: Maximizar la funcin de ingreso total IT = 32q q2 Solucin. Paso 1: CPO: (condiciones de primer orden) IT = 32 2q = 0 Paso 2: Evaluar la segunda derivada IT = -2 < 0 (cncavo, mximo relativo) q = 16 (valor critico)
As, el ingreso total mximo ser: IT(16) = 32(16) (16)2 = 256 Ejercicio 90: Maximizar la funcin de beneficio:
= - q3 / 3 - 5q2 + 200q - 326

Solucin. Paso 1: CPO (condiciones de primer orden)
= - q2 - 10q + 2000 = 0
(q + 50) (q 40) = 0 De donde los valores crticos son: q = -50 y q = 40 Paso 2: Evaluar la segunda derivada
= - 2q - 10 (40) = - 2 ( 40 ) 10 = -90 < 0

(50) = - 2 ( 50 ) 10 = 90 > 0
(cncavo , mnimo relativo) (convexo , mximo relativo)
Puesto que q = -50 es negativo no tiene significado econmico, el valor crtico negativo es descartado. Entonces el beneficio mximo ser cuando q = 40:
107
(40) = -
1 (40)3 5 (40)2 + 2000 (40) 326 = 50340.37 3
Ejercicio 91: Encontrar el nivel de produccin de cada bien a fin de maximizar el beneficio, si una firma produce dos bienes x e y; si la firma tiene la siguiente funcin de beneficio:
= 64x 2x2 + 4xy 4y2 +32y 14

Solucin. Paso 1: CPO (condiciones de primer orden)
x = 64 4x + 4y = 0 y = 4x 8y + 32 = 0
Paso 2: Resolver el sistema
x=40
y = 24
Paso 3: Calcular las segundas derivadas y asegurarse que ambas son negativas, como se requiere para un mximo relativo.
xx = -4
yy = -8
(si cumple!)
Paso 4: Tomar las derivadas cruzadas para asegurarse que xx yy > (xy )2 . Sabiendo que xy = yx = 4 ,
xx yy > (xy )2
(-4)(-8) > (4)2 36 >16 As, los beneficios son maximizados cuando x = 40 e y = 24 . En ese punto el beneficio es = 1650 . Ejercicio 92: Sea la funcin de demanda: P = 12.50e-0.005Q
108
a) Encuentre el precio y la cantidad que maximiza el ingreso total. b) Compruebe que realmente dicha cantidad y el precio maximizan P. Solucin. a) Primero formamos el ingreso total: I = PQ I = (12.50e-0.005Q )Q Luego por condicin de primer orden
Ya que:
dI = (12.50e-0.005Q)(1) + Q (-0.005)( 12.50e-0.005Q) dQ dI = (12.50e-0.005Q)(1-0.005Q) dQ dI = 0 Q = 200 P = 12.50e-0.005(200) =4.60 dQ
b) Comprobando (segunda derivada) I = (12.50e-0.005Q)(-0.05) + ( 1 - 0.005Q )( -0.005 )(12.50e-0.005Q) I = (-0.005) (12.50e-1)(1) = - 0.0625(0.36788)<0 Como I < 0 , entonces la funcin es maximizada Ejercicio 93: Dado la siguiente funcin: z = e (2x a) Encontrar los valores crticos b) Determinar si tales valores son mximos y/o mnimos. Solucin. a) zx = ( 4x 12 2y ) e (2x zy = ( -2x + 2y 4 ) e (2x
2 12x - 2xy + y2 4y) 2 12x - 2xy + y2 4y)
2 12x - 2xy + y2 4y)
109
Puesto que debe cumplirse: zx = zy = 0, entonces, x= 8 y y = 10 b) zxx = ( 4x 12 2y ) (4x 12 2y ) e (2x zyy = ( -2x + 2y 4 ) ( -2x + 2y 4 ) e (2x
2 12x - 2xy + y2 4y)
+ e (2x
2 12x - 2xy + y2 4y)
(4) (2) (-2)
2 12x - 2xy + y2 4y)
+ e (2x
2 12x - 2xy + y2 4y)
zxy = zyx = ( 4x 12 2y ) ( -2x + 2y 4 )e (2x Evaluando en x=8, y =10
2 12x - 2xy + y2 4y)
+ e (2x
2 12x - 2xy + y2 4y)
zxx = 0 + 4e 68 > 0 zyy = 0 + 2e 68 > 0 zxy = 0 - 2e 68 < 0 Se cumple que: zxx , zyy > 0 zxx , zyy > ( zxy )2
Es decir, 8e-76 > 4e-136. Por lo tanto el punto (8, 10) es mnimo. Ejercicio 94: Se tiene las siguientes funciones de demanda de una empresa y tambin su funcin de costos: Q1 = 520 10P1 Q2 = 820 20P2 C = 0.1 Q12 + 0.1 Q1 Q2 + 0.2 Q22 + 325 Obtenga la combinacin ptima de Q1, Q2 a fin de maximizar beneficios. Solucin. Paso 1: Despejamos las funciones de demanda en funcin de las cantidades. P1 = 520 - 0.1Q1 P2 = 140 - 0.01Q2 Paso 2: Formamos la funcin de beneficios
= P1Q1 + P2 Q 2 C
110
= ( 520 0.1Q1) Q1 + (410 0.05 Q2) Q2 - ( 0.1Q12 + 0.1 Q1 Q2 + 0.2 Q22 + 325 ) = 520Q1 0.2 Q12 + 410 Q2 0.25 Q22 - 0.1Q1 Q2 - 325
Paso 3: Para obtener el mximo es necesario que: 1 = 2 = 0
1 = 520 - 0.4Q1 - 0.1Q2 = 0 2 = 410 - 0.5Q2 - 0.1Q1 = 0

De ambas ecuaciones: Q1 = 1152.63 Q2 = 589.47
Reemplazando ambos resultados en las funciones de precios respectivas: P1 = 520 - 0.1( 1152.63) = 404.74 Sea la funcin de beneficio: P2 = 410 - 0.05( 589.47) = 380.53
= 520Q1 0.2 Q12 + 410 Q2 0.25 Q22 - 0.1Q1 Q2 - 325

(1152.63, 589.47) = 420201.32
Ejercicio 95: Dado el siguiente problema de optimizacin Maximizar c = 3x +4y
Sujeto a 2xy = 337.5 a) Encuentre el(los) valor(es) crtico(s) de la siguiente funcin de costo. b) Demuestre matemticamente si la respuesta de a) es un mximo o mnimo. Solucin. a) Para encontrar los valores crticos de la fusin de costos, se proceder a resolver en tres pasos: Paso 1: Formar el Lagrangiano C = 3x +4y + ( 337.5 2xy) Paso 2: Por condicin de primer orden
111
Cx = 3 - 2 y = 0 Cy = 4 - 2 x = 0
(1) (2) (3)
C = 337.5 2xy
Paso 3: Resolver el sistema de ecuaciones, primero despejamos de (1) y (2) y lo igualamos para obtener y en funcin de x
3 - 2y = 0 4 - 2x = 0 (1) = (2)
1.5 ...(1) y 2 = ...(2) x 1.5 2 = y = 0.75x y x

=
Sustituyendo esto en la restriccin: x=15,y=11.25 y = 0.13 b) El hessiano Orlado ser:
C xx H = C yx gx
Definiendo: Cxx = 0
C yy gy
Cyy = 0
C xy
gx gy 0
Cxy = Cyx = -2
De la restriccin g (x, y) = 2xy, entonces gx= 2y y gy= 2x
2 2y 0 2 H = 0 2x 2y 2x 0
De donde H = H2 = 16xy . Dado que las 3 variables son positivas, entonces
H2 < 0 : C es minimizado!.
Ejercicio 96: Si se gastan x miles de dlares en mano de obra, y miles de dlares en equipo, la produccin de cierta fbrica ser Q ( x, y ) = 60x1/3y2/3 unidades. Si hay US$ 120 000 disponibles,
112
a) Cmo debe distribuirse el dinero entre mano de obra y equipo para generar la mayor produccin posible?. b) Demuestre si el resultado maximiza o minimiza la funcin. Solucin. a) Se proceder a resolver en 4 pasos: Paso 1: Formar el problema de optimizacin con restriccin de igualdad. Maximizar 60x1/3y2/3
Sujeto a x+y = 120000 Paso 2: La nueva funcin Lagrangiana L = 60x1/3y2/3 + ( 120000 x y ) Paso 3: Por condiciones de primer orden. Lx = 20x-2/3y1/3 - = 0 Ly = 40x1/3y-2/3 - = 0 (1) (2) (3)
L = 120 x y = 0
Paso 4: Resolver el sistema. De (1) despejamos De (2) despejamos Igualando (a) y (b) se obtiene y en funcin de x
= 20x-2/3y1/3 = 40x1/3y-2/3
(a) (b)
= 20x-2/3y1/3 = 40x1/3y-2/3
y = 2x x = 40000, y = 80000
b) Formamos nuestro Hessiano Orlado, primero hallamos las segundas derivadas Lxx = -40x-5/3y1/3 Lyy = -40x1/3y-5/3 Lxy = Lyx = 20x-2/3y-2/3
113
Luego reemplazamos en nuestro hessiano orlado y hallamos su determinante.
0 H= 1 1
1 40 5 3 1 3 x y 3 20 2 3 2 3 x y 3
1 20 2 3 2 3 x y 3 40 1 3 5 3 x y 3
H = H2 =
40 2 3 2 3 40 5 3 1 3 x x y y + x1 3 y 5 3 + 3 3
Fcilmente puede inferirse que toda la suma ser positiva, dado que x, y son positivos. Entonces H2 > 0 , por tanto estos valores maximizan la funcin. Ejercicio 97: Encuentre los valores ptimos del siguiente problema de optimizacin Minimizar Sujeto a C = 5x2 80x + y2 - 32y x + y 26
Solucin. Cambiando de signos en la restriccin para que el problema sea de maximizacin: Maximizar Cx = -10x + 80 + 0 x0 x (-10x + 80 + ) = 0 C = -5x2 + 80x - y2 + 32y + ( x + y 26 ) Cy = -2y + 32 + 0 y0 y (-2y + 32 + ) = 0
C = x + y -26 0
0 ( x +y 26 ) = 0
Testeando > 0 , x > 0 , y y > 0: -10x + 80 + = 0 -2y + 32 + = 0 Expresado en forma matricial:
10 0 1 x 80 2 1 y = 32 0 1 1 0 26
114
Sea el determinante principal A y aplicando Cramer: A = 12 De donde: A1 = 100 A2 = 212 A3 = 40
x=
A1 = 8.3 A
y=
A2 = 17.6 A
A3 = 3.3 A
Estos resultados satisfacen las condiciones de Kuhn-Tucker, por tanto son los valores ptimos. Ejercicio 98: Determine los valores ptimos para la maximizacin del beneficio. Maximizar Sujeto a Solucin. La funcin ser B = = 64x 2x2 + 96y -4y2 -13 + ( 27 x y ) Bx = 64 4x - 0 x0 x(64 4x - ) = 0 By = 96 8y - 0 y0 y (96 8y - ) = 0
= 64x 2x2 + 96y -4y2 -13

x + y 27
B = 27 x y 0 0 (27 x y) = 0
Probando con: , x,y > 0 (implica que debe solucionarse las siguientes ecuaciones): 64 4x - = 0 96 8y - = 0 27 x y = 0 Usando Cramer:
4 0 1 x 64 0 8 1 y = 96 1 1 0 27
Sea el determinante principal A y aplicando Cramer:
115
A = 12 De donde:
A1 = 184
A2 = 140
A3 = 32
x=
A1 184 = = 15.3 A 12
y=
A 2 140 = = 11.6 A 12
A 3 32 = = 2.6 A 12
Lo cual es la solucin optima porque cumple las condiciones de Kuhn-Tucker. Ejercicio 99: El departamento de investigacin de mercado determino que hay una relacin entre el precio y la cantidad: P = 12 2lnx ( 0 < x < 90 ) para un producto dado. Si cada unidad del producto cuesta S/. 3, determine la cantidad de tal producto que optimiza el beneficio de tal dpto. Compruebe si dicha cantidad maximiza o minimiza el beneficio. Solucin. Sea nuestra funcin de beneficio:
= IT - CT = ( 12 -2 lnx)x - 3x = 9x 2xlnx
Por condiciones de primer orden:
d 1 = 9 2x 2ln x dx x d = 7 2lnx dx d =0 dx
7 2lnx = 0
Resolviendo:
x = e 3.5
Tomando la segunda derivada de la funcin de beneficio.
(x) = -2/x (e3.5)
(es mximo)
Ejercicio 100: Compruebe formalmente y determine la cantidad que maximiza el beneficio. Si nos dan informacin sobre la forma funcional del ingreso total y costo total. IT = 15Q1 + 18Q2 CT = 2Q12 + 2Q1Q2 + 3Q22
116
Solucin. Sea nuestra funcin de beneficio:
= 15Q1 + 18Q2 - 2Q12 - 2Q1Q2 - 3Q22

Por las condiciones de primer orden.
= 15 - 4Q1 - 2Q2 = 0 Q1 = 18 2Q1 - 6Q2 = 0 Q2

De ambas expresiones se tiene que: Q1 = 2.7 y Q2 = 2.1 Dado que (Q1) = -4 , (Q2) = -6 y Q Q = -2 , se tiene que el punto que maximiza
1 2
el beneficio. Ejercicio 101: Sea: Funcin de Ingreso: Funcin de Costo: Determine: a) Funcin de beneficios b) La cantidad que maximiza el beneficio c) La condicin para que la funcin de beneficio tenga un mximo d) La condicin para que la funcin de beneficio tenga un mnimo e) Es posible establecer una(s) condicin(es) para que la funcin de beneficio tenga un punto de silla?. De ser cierto, cul(es) seria(n)? f) Es posible establecer una(s) condicin(es) para que la funcin de beneficio tenga un punto de inflexin?. De ser cierto, cul(es) seria(n)? Solucin. a) La funcin de beneficios se construir a partir de la diferencia de la funcin de ingresos menos la funcin de costo: aQ1 + bQ2 cQ12 + dQ1Q2 +eQ22
117
= aQ1 + bQ2 - cQ12 - dQ1Q2 - eQ22

b) Para hallar la cantidad que maximiza el beneficio se proceder a diferenciar la funcin de beneficios en funcin de cada una de las variables, en este caso ser en funcin de Q1 y Q2:
Q = a 2cQ1 - dQ2
1
Q = b dQ1 2eQ2
2
La condicin de primer orden ser: Q = Q = 0. Entonces;

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

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

Entonces: c, e < 0 y 4ce > d2 e) Debe cumplirse que:
Q1Q1 Q2Q2 > (Q1Q2 )2
Q1Q1 Q2Q2 < (Q1Q2 )2
(Q1Q1 > 0;Q2Q2 < 0) (Q1Q1 < 0;Q2Q2 > 0)
(que ambas derivadas difieran de signo). Entonces: bastara que c y e difieran de signo.
118
f)
Q1Q1 Q2Q2 < (Q1Q2 )2
(Q1Q1 , Q2Q2 > 0) (Q1Q1 , Q2Q2 < 0)
(que ambas derivadas tengan el mismo signo). Entonces: c y e deben tener el mismo signo y adems 4ce < d2 . Ejercicio 102: Si la funcin de utilidad de un consumidor es U(x, y) = xy, siendo x e y las cantidades consumidas de los bienes A y B, cuyos precios unitarios son 2 y 3 unidades monetarias, respectivamente, maximizar la utilidad de dicho consumidor sabiendo que no puede destinar ms de 90 unidades monetarias a la adquisicin de dichos bienes. Solucin. Formar nuestra restriccin a partir de los datos del enunciado: Maximizar Sujeto a Formamos el lagrangiano U = xy + ( 90 - 2x - 3y) Por condiciones de Kuhn-Tucker. (1a) (1b) (1c) Ux= y - 2 0 x0 x (y - 2x ) = 0 (2a) (2b) (2c) Uy = x - 2 0 y0 x (y - 2x ) = 0 (3a) (3b) (3c) U ( x, y ) 2x 3y 90
U = 90 - 2x - 3y 0
0
(90 - 2x - 3y) = 0
1. Probando si = 0 y x > 0, y > 0 Usando (1.a) y (2.a): x, y 0, lo cual no concuerda con (1.b) y (2.b) 2. Probando > 0 y x > 0, y > 0 Aplicando esto en (1c), (2c) y (3c): y - 2x = 0 y - 2x = 0 ( 90 - 2x - 3y ) = 0
119
Resolviendo este sistema 3x3: x = 22.5, y = 15, = 7.5 Lo cual satisface las condiciones de Kuhn-Tucker. Ejercicio 103: Encontrar los valores de x, y que optimizan el siguiente problema. Maximizar Sujeto a Solucin. Por el tipo de restriccin, es necesario transformar la funcin original en funcin cncava multiplicando por -1 tanto dicha funcin como la restriccin. Haciendo ello y formando el lagrangiano. C = -6x2 + 60x - y2 + 24y + ( x + y - 16 ) Por condiciones de Kuhn-Tucker. 6x2 - 60x + y2 - 24y x + y 16
(1a) (1b) (1c)
Cx= -12x + 60 + 0
(2a) (2b) (2c)
Cy= -2y + 24 + 0
(3a) (3b) (3c)
C = x + y - 16 0
x0 x (-12x + 60 + ) = 0
y0 x (-2y + 24 + ) = 0
(x + y - 16) = 0
1. Probando ,x , y > 0 Si esta condicin se cumple entonces de (1.c), (2c) y (3c): -12x + 60 + = 0 -2y + 24 + = 0 x + y - 16 = 0 De este sistema se obtiene que:
x=
34 114 108 y = = 5 5 5
Lo cual viola el supuesto (1b).
120
2. Probando = 0 x , y > 0 Usando (1c) y (2c): -12x + 60 = 0 -2y + 24 = 0 x=5 y = 12
Lo cual satisface todas las condiciones. Por lo tanto este es el punto (5, 12) que maximiza el problema de optimizacin. Ejercicio 104: Una firma enfrenta una funcin F ( x, y ) = 3x2 +5xy +6y2 y tiene una funcin de restriccin g ( x, y ) = 5x + 7y = 732. Determine FORMALMENTE que tipo de funcin es F (beneficio o costo?) Solucin. Paso 1: La funcin lagrangiana ser: E = 3x2 +5xy +6y2 ( 732 - 5x - 7y) Paso 2: Las condiciones de optimizacin: Ex = 6x + 5y 5 = 0 Ey = 5x + 12y - 7 = 0
E = 732 - 5x - 7y = 0
Resolviendo el sistema: x = 75 y = 51 = 141 Paso 3: El hessiano orlado ser:
E xx H = Eyx gx
Reemplazando los datos:
E xy E yy gy
gx gy 0
H = 5 12 7 5 7 0
el H 2 = 5 (35 -60) - 7 (42 - 25) = -244. Entonces E es minimizado. Se trata de una funcin de costo.
121
Ejercicio 105: Resuelva el siguiente problema de optimizacin formalmente que la solucin encontrada corresponde a un mximo. Maximizar Sujeto a Solucin. Ux = y + 1 6 = 0 Resolviendo el sistema: Uy = x - 2 = 0 U = xy + x 6x + 2y = 110
y demuestre
U = 110 - 6x -2y = 0
1 6 x 1 0 1 0 2 y = 0 6 2 0 110 0 H= 1 1 0
6 2
Del cual se tiene que:
x =9
1 2 y = 27 = 4 3 3
Donde H2 = 24 , entonces como
6 2
H2 > 0 , U es maximizado.
Ejercicio 106: Optimice la siguiente funcin: y = 3x12 5x1 - x1x2 + 6x22 - 4x2 - 2x2x3 + 4x32 + 2x3 - 3x1x3 a) Determine la coordenada del punto crtico b) Calcule el valor de la funcin en dicho punto c) Correspondera a una tpica funcin de costos o ingresos? d) Si la funcin fuera, y = 3x12 - 5x1 - x1x2 + ax22 - 4x2 - 2x2x3 + 4x32 + 2x3 - 3x1x3, Cul debera ser el valor de a para que no exista solucin nica (un nico punto critico)? Solucin. a) Por condicin de primer orden, obtenemos las derivadas parciales de la funcin (1). y1 = 6x1 - 5 - x2 - 3x3 y2 = -x1 + 12x2 - 4 - 2x3 y3 = 2x2 + 8x3 - 2 - 3x1 Por condicin de 1er Orden: y1 = y2 = y3 = 0 (se forman 3 ecuaciones lineales) (1)
Lo cual se puede resolver por matrices y determinantes:
122
6 1 3 x1 5 1 12 2 x = 4 2 3 2 8 x 3 2
A = 424 De donde: A1 = 440 x1 = 1.04 A2 = 196 x2 = 0.46 A3 = 108 x3 = 0.26
b) Reemplazar los valores obtenidos de a) en la funcin (1) para obtener el valor de y.

y = 3(1.04)2 - 5(1.04) - (1.04)(0.46) + 6(0.46)2 - 4(0.46) - 2(0.46)(0.26) + 4(0.26)2 + 2(0.26) - 3(1.04)(0.26) y = - 3.26
c) Ser necesario el hessiano simtrico para averiguar si el punto obtenido corresponde a un mximo o mnimo, de lo cual se concluye que la funcin podra ser una tpica funcin de beneficios o costos, respectivamente. Para ello, se obtienen las segundas derivadas: y11 = 6 y21 = -1 y31 = -3 y12 = -1 y22 = 12 y32 = -2 y13 = -3 y23 = -2 y33 = 8
1 3 H = 1 12 2 3 2 8 6
1 3 8
d) Para que no exista un solo punto crtico entonces el determinante 1 2a 2 debe

3 2
ser cero. Entonces, det ( A ) = 2 (39a - 22) = 0 a = 22 / 39 Ejercicio 107: Sea el ingreso total, 15q1 + 18q2 el cual esta sujeto a un costo: 2q12 + 2 q1q2 + 3q22 a) Determine el nivel de produccin que maximiza/minimiza el beneficio b) Demuestre que ese nivel maximiza o minimiza el beneficio. c) Si el costo es 2q12 + 2 q1q2 + aq22, que requisito debe cumplir a para que exista un beneficio mximo? d) Sea la funcin de costo, bq12 + 2 q1q2 + aq22, que requisito debe cumplir a, b, para que esta funcin sea una funcin de beneficio? Solucin. a) La funcin de beneficio ser:
123
B = Ingreso Costo = 15q1+18q2 - 2q12 - 2q1 q2 - 3q22 Bq1 = 15 - 4q1 - 2q2 Bq2 = 18 - 2q1 - 6q2 Bq1q1 = -4 Bq2q2 = -6 Bq1q2 = Bq2q1 = -2
El punto crtico saldr de la condicin de primer orden: Bq1 = Bq2 = 0 de donde q1= 2.7 y q2= 2.1.
b) Debe probarse las condiciones para un mximo o minino en el hessiano simtrico:
4 2 H= 2 6
Se cumple que: Bq1q1 < 0 Bq2q2< 0 Bq1Bq2 - (Bq1q2)2 > 0 Entonces el punto es un mximo.
c) Sea la nueva funcin de beneficio: B = 15 q1 + 18 q2 2q12 - 2q1q2 aq22 Bq1 = 15 4q1 - 2q2 Bq2 = 18 - 2q1 - 6q2 Bq1q1 = -4 Bq2q2 = -2a Bq1q2 = Bq2q1 = -2
Es necesario hacer que Bq1 = Bq2 = 0 para obtener el punto crtico. Usando el criterio del determinante, se llega a que: a 1/2. Aplicando el criterio de hessiano simtrico: Para que el punto sea un mximo: Bq1q1 < 0 Bq2q2< 0 Bq1Bq2 - (Bq1q2)2 > 0 8a > 4 a > 1/2
4 2 H= 2 2a
De ambas condiciones se concluye que: a ] ,[ d) Solo se pide analizar esta funcin y convertirla en una funcin de beneficios. No construir una funcin de beneficios a partir de la funcin de ingreso. Anlogamente, usando el criterio de determinante (condicin para obtener un punto crtico) se llega a que ab 1. Usando el hessiano simtrico: b<0, a<0 y ab>1.
124

Capitulo 4-Optimizacion

Cargado por

Copyright:

Formatos disponibles

Capitulo 4-Optimizacion

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Capitulo 4-Optimizacion

Cargado por

Copyright:

Formatos disponibles

MATEMTICAS PARA ECONOMISTAS

Carlos Orihuela Romero, MSc

Funcin decreciente en x = a (Pendiente <0)

MATEMTICAS PARA ECONOMISTAS

Carlos Orihuela Romero, MSc

MATEMTICAS PARA ECONOMISTAS

Carlos Orihuela Romero, MSc

Grfico 4-3 Mnimo relativo en x=a f(a) = 0

Mximo relativo en x=a f(a) = 0

f(a) = Nd f(a) > 0 f(a) < 0 f(a) = 0

MATEMTICAS PARA ECONOMISTAS

Carlos Orihuela Romero, MSc

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

MATEMTICAS PARA ECONOMISTAS

Carlos Orihuela Romero, MSc

MATEMTICAS PARA ECONOMISTAS

Carlos Orihuela Romero, MSc

PMgk= PT = 180K - 3K2 PMgk = 180 6K = 0 K=30 (valor crtico)

MATEMTICAS PARA ECONOMISTAS

Carlos Orihuela Romero, MSc

(cncavo, mximo relativo)

4.2.2 Funciones objetivo de dos variables

MATEMTICAS PARA ECONOMISTAS

Carlos Orihuela Romero, MSc

Mximo fx = fy = 0 fxx , fyy < 0 y fxx , fyy > (fxy)2

Mnimo fx = fy = 0 fxx , fyy > 0 y fxx , fyy < (fxy)2

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

tienen el mismo signo, la funcin

Grfico 4-6 Mnimo Mximo

MATEMTICAS PARA ECONOMISTAS

Carlos Orihuela Romero, MSc

MATEMTICAS PARA ECONOMISTAS

Carlos Orihuela Romero, MSc

(evaluadas en este punto crtico) tienen signos iguales entonces es un punto de

MATEMTICAS PARA ECONOMISTAS

Carlos Orihuela Romero, MSc

fyy = ( 12, 72 ) = 3 216.3 > ( -18 )2 (Si cumple!)

4.2.3 Funciones objetivo con ms de dos variables

f11 f12 f21 f22 H= . . fn1 fn2

... f1n ... f2n ... . ... fnn

Donde los Menores sern

f11 f12 f21 f22

H3 = f21 f22 f31 f32

MATEMTICAS PARA ECONOMISTAS

Carlos Orihuela Romero, MSc

H = f21 f22 f31 f32

f11 f12 f21 f22

1. Usando (0, 1, 0), el hessiano es:

MATEMTICAS PARA ECONOMISTAS

Carlos Orihuela Romero, MSc

1. Evaluando el hessiano para el punto (0,0):

H1 = 18(0) = 0 H2 = 18(0) x 3 (-18) (-18)= -324

H1 = 18(12) = 216 H2 = 18(12) x 3 (-18) (-18)= 324

MATEMTICAS PARA ECONOMISTAS

Carlos Orihuela Romero, MSc

La matriz hessiana ser de orden 2:

MATEMTICAS PARA ECONOMISTAS

Carlos Orihuela Romero, MSc

f (x1, x2) (una constante),