MICROECONOMA I

LAS
MATEMTICAS DE
LA OPTIMIZACIN
Integrantes: Josu Erazo
Mara Sol Proao
Jossua Silva
Maximizacin de una funcin en una
variable

Supngase que el administrador de una empresa quiere maximizar

las ganancias que obtendr de la venta de un bien determinado.

Supngase tambin que las ganancias () que obtenga

dependern exclusivamente de la cantidad (q) que venda de ese
bien. Matemticamente,

= f(q)
 Si se parte de la ganancia q1, las ganancias de las ventas serian 1.

Esto indica que las ganancias han aumentado debido al

incremento de q, quedara expresada de manera formal como

>o >

 Derivadas

Usted sabe que el limite de para variaciones muy pequeas de q

se llama derivada de la funcin, = f (q)

Observe que el valor de este cociente depende claramente del

punto que se elija.
 Valor de la derivada en un punto

El valor de la derivada en el punto q = 1 se escribira

En otras ocasiones, nos interesa el valor para todos los valores posibles

de q, y entonces no se menciona de manera explicita ningn punto
concreto para el calculo de la derivada.
 Condicin de primer orden para el
mximo

Para que la funcin de una variable alcance su valor mximo en un

punto, la derivada en ese punto (si existe) debe ser cero.
Condiciones de segundo orden
 Segundas derivadas

Por tanto, la condicin adicional para que q* represente un mximo

(local) es:

donde la notacin nos recuerda, que se debe calcular esta segunda

derivada para el punto q*.
 Reglas para el clculo de derivadas

1. Si b es constante, entonces

2.

3.
Supngase ahora que f (x) y g(x) son dos funciones de x y que existen
f(x) y g(x). Entonces
4.

5.

6.

7. Si y = f (x) y x = g(z) y si tanto f(x) como g(z) existen, entonces

 Funciones con varias variables

En estas circunstancias, el hecho de que esta variable (y) dependa

de una serie de otras variables (x1, x2, . . . , xn) se escribe
y = f (x1, x2, . . . , xn).
 Derivadas Parciales

Por desgracia, con una funcin de varias variables, la idea de la

derivada no esta bien definida.
Las pendientes direccionales se denominan derivadas parciales. La
derivada parcial de y respecto a (es decir, en direccin a) x1 se
escribe:
 Una definicin algo mas formal de la derivada parcial es:
Clculo de las derivadas parciales

Si y = f (x1, x2) = a x12 bx1x2 + cx22, entonces:

y
Derivadas parciales y el supuesto de
ceteris paribus

Muestran como los cambios de una variable afectan un resultado,

cuando todas las dems influencias se mantienen constantes.

Si se utilizan derivadas parciales, entonces podra representarse la

pendiente de esta curva mediante / p para indicar los supuestos
ceteris paribus que estamos aplicando.
Derivadas parciales y unidades de
medida

Las variables que se emplean en economa por lo general se

refieren a magnitudes reales y, por tanto, nos debe interesar la
forma de medirlas.

Los economistas han optado por adoptar una forma diferente, sin
utilizar unidades de medida, para evaluar los efectos cuantitativos.
 Elasticidad: una definicin general

La elasticidad de y con relacin a x (denotada como eyx) se define como

Ntese que, independientemente de como se midan y y x las unidades

de medida se cancelan, porque aparecen tanto en un numerador como
en un denominador.
 Derivadas parciales de segundo
orden

La derivada parcial de una derivada parcial es directamente anloga a

la segunda derivada de una funcin de una variable y se llama derivada
parcial de segundo orden. Se escribira como:

 Teorema de Young

No importa el orden que se siga al hacer una diferenciacin parcial

con objeto de calcular derivadas parciales de segundo orden. Es
decir, fij = fji

Para un par de variables xi, xj. Este resultado se conoce, a veces,

como el teorema de Young.
 Maximizacin de funciones con
varias variables

Supngase que este agente quiere encontrar un conjunto de x que maximice el

valor de y = f (x1, x2, . . . , xn). El agente podra considerar la posibilidad de cambiar
solo una de las x, por decir x1 al tiempo que mantiene constantes todas las dems.
 Diferencial total

Si se varan todas las x en una cantidad pequea, el efecto total en y ser la

suma de todos los efectos, tal y como se ha demostrado antes. Por tanto, la
variacin total de y se define como
 Condicin de primer orden para un
mximo

Una condicin necesaria para un mximo (o un mnimo) de una funcin f (x1,

x2, . . . , xn) es que dy = 0 para una combinacin de pequeas variaciones de
las x. Esto solo puede ocurrir si, en el punto considerado
 Condiciones de segundo orden

La intuicin indica que, para un mximo local, y debera decrecer en el

caso de variaciones pequeas de las x que se alejen del punto critico.

Esto implica necesariamente que se recurra a las derivadas parciales de

segundo orden de la funcin f.

Estas parciales de segundo orden se deben sujetar a ciertas restricciones

para que el punto critico calculado con la ecuacin sea un mximo local.
Funciones implcitas
Generalmente es un variable dependiente (y) en
funcin de una o ms variables independientes (x)

y = mx + b

De forma implcita:

y mx b = 0

f (x, y, m, b) = 0
Derivadas de las funciones implcitas

Se pueda calcular la derivada implcita dy/dx como el cociente de las

derivadas parciales de la funcin implcita, con signo negativo,
siempre y cuando fy sea diferente a 0.

Ejemplo:
= 2 2 + 2 = 225
2 2 + 2 225 = 0
4
= =
2
2

 Teorema de la funcin implcita

Condiciones para un punto (x*,y*) :

La funcin debe ser derivable al menos una vez

f(x*,y*)=cte

, )
( 0

El teorema de la envolvente
se refiere a cmo vara el valor
ptimo de una funcin determinada
cuando cambia un parmetro de la
funcin.

Ejemplo:
y*=-( ) +( )


y= + ax.

Calculamos la pendiente: y* =- +

= + x*= y*=

Valores ptimos de y y x para valores
alternativos de a en y= 2 + ax.

Valor de a Valor de x* Valor de y*

0 0 0

1 1 1
2 4
2 1 1

3 3 9
2 4
4 2 4

5 5 25
2 4
6 3 9
El atajo de la envolvente
Dice que se pueden calcular variaciones pequeas en

a, manteniendo x constante en su valor ptimo y calculando


simplemente directamente a partir de la funcin objetivo.

= x

Y para cada x* se tendr:

= x* =

El caso de muchas variables
= (1 , . , , ) = 1 , 2 , . . ,

1 2
=0 1 = + + + +
1 2

1 = 1 ()

2 = 2 =

= ()
 Maximizacin con
restricciones

En muchas situaciones es necesario que todas las x sean positivas. Este requisito se
presentara en el caso del problema que afronta el administrador que elige el nivel de
produccin que maximiza las ganancias, o sea que una produccin negativa no tendra
sentido.
El mtodo del multiplicador
lagrangiano

Valores que maximizan: Sujeto a una restriccin:

( , . , ) g( , . , )=0

= , . , + ( , . , )

multiplicador lagrangiano
 Interpretacin:

Resolviendo : = = .= =


= + =

.
.

= + = Como proporcin de costos a

beneficios:
= , . , =

=

Dualidad
Todo problema de maximizacin con restricciones trae
asociado un problema dual de minimizacin con
restricciones
Ejemplo
Maximizacin de salud:

= 12 + 21 22 + 42 + 5

Solo acepta una dosis diaria.

1 + 2 = 1 1 1 2 = 0

Entonces:

= 12 + 21 22 + 42 + 5 + (1 1 2 )
 Derivamos :

= 21 + 2 = 0
1

= 22 + 4 = 0
2

= 1 1 2 = 0

Por lo tanto:
1 =0 2 =1 =2
El teorema de la envolvente en
problemas de maximizacin con
restricciones
Sea:

= (1 , . , , ) g 1 , . , , = 0

Dependen de a

= 1 , . , , + (1 , . , , )
Resolviendo las condiciones de primer orden para valores
ptimos con restricciones se demuestra que:

= (1 . , )

Restricciones de
desigualdad
Ejemplo con dos variables

Ecuacin a maximizar = 1 , 2

Restricciones

1 , 2 0 Restriccin Principal
1 0
Variables econmicas no deben
2 0 ser negativas
Variables de Holgura

1 , 2 0 1 , 2 2 = 0
1 0 1 2 = 0
2 0 2 2 = 0

Las nuevas variables deben ir elevadas al

cuadrado para que sean siempre
positivas
Solucin con el mtodo de Lagrange

= 1 , 2 + 1 1 , 2 2 + 2 1 2 + 3 2 2

Multiplicadores lagrangianos
a cada restriccin
Puntos Crticos

L L
= 1 + 1 1 + 2 = 0 = 23 = 0
1

L L
= 2 + 1 2 + 3 = 0 = 1 , 2 2 = 0
2 1
L L
= 21 = 0 = 1 b2 = 0
2

L L
= 22 = 0 = 2 c 2 = 0
3
Condiciones de Segundo
Orden
Funciones con una variable

Funcin con una variable independiente =

Condicin necesaria para que la

= = 0
funcin alcance un valor mximo

= 2 = 2
Segunda
derivada 2 < 0 necesita disminuir
2 siempre es positivo por estar
2
< 0
al cuadrado
< 0 La condicin de segundo orden exige que la
funcin tenga una forma cncava
Funciones con dos variables

Funcin con dos variables

independientes
= 1 , 2

2 = 11 = 0
1
Condicin
= 1 = 0
1 necesaria para = 12 = 0
que la funcin 1 2
11 12 Matriz
= 2 = 0 alcance un 21 22
2 Hessiana
valor mximo = 21 = 0
2 1

= 22 = 0
22
Diferencial Total

= 1 1 + 2 2

2 = 11 1 + 12 2 1 + 21 1 + 22 2 2

2 = 11 d12 + 12 2 d1 + 21 1 d2 + 22 d22

2 = 11 d12 + 212 2 d1 + 22 d22 11 = 22

11 y 22 necesariamente deben ser negativas

para que 2 sea negativo
Funciones Cncavas

2 = 11 d12 + 212 2 d1 + 22 d22

Condicin 2
necesaria
11 22 12 >0

11 22 deben ser lo
suficientemente negativas
para contrarrestar los
efectos de 12
Funciones Cuasi cncavas

2 = 11 d12 + 212 2 d1 + 22 d22

Condicin necesaria

11 22 222 1 2 + 22 12 <0
Funciones Homogneas
Definicin

El comportamiento de todos o la mayor parte de sus argumentos

incrementa proporcionalmente.
Una funcin 1 , 2, , n es homognea de grado k si :

1 , 2 = 1 , 2,
Ejemplo

Determinar si la siguiente funcin es homognea y de ser as

indicar su grado: , = 2 + 2
, = 2 + 2

, = 2 2 + 2 2

, = 2 ( 2 + 2 )

Grado de la funcin homognea

Homogeneidad y derivadas

Si una funcin de grado k es homognea, entonces las

derivadas parciales de la funcin sern homogneas de
grado k-1
1, 1
=
1 1
1, 1 1
=
1 1
Ejemplo

, = 2 + 2

, = 2 2 + 2 2

1, 1
=
1 1
2 * = 2 2
1, 1 1
=
1 1
2 = 2
Teorema de Euler

Homogeneidad con respecto al factor de proporcionalidad.

1, 1,
1 1 = 1 + 2 +.+
1 2
1,

2( 2 + 2 )= 2 + 2

2( 2 + 2 )=2( 2 + 2 )
Funciones Homotticas

Sea f un campo escalar en 2 . Decimos que f es homottico si, para

cualesquiera dos puntos del dominio x e y y cualquier t > 0 se verifica:
f (x) = f (y) f (tx) = f (ty)

Por ejemplo, 1 , 2 = 1 21 , siendo (0, 1).

Sean x = (x1, x2) e y = (y1, y2) tales 1 21 = 1 21 .
Entonces es claro que 1 2 1 = 1 2 1
Grfico

Si f es homottico, cualquier rayo que parte del origen corta a las

curvas de nivel en puntos de igual pendiente.