Matemática para Economistas

Tópicos Esenciales de Análisis Matemático II

Marco Spinelli – [email protected]

Índice

1. Funciones de varias variables

1.1. Funciones de dos o más variables
1.2. Representación geométrica de las funciones de varias variables
1.3. Derivadas parciales en dos variables
1.4. Derivadas parciales de funciones en varias variables

2. Técnicas de estática comparativa

2.1. La regla de la cadena
2.2. Derivadas de funciones definidas implícitamente
2.3. Derivadas de funciones definidas implícitamente por sistema de ecuaciones
2.4. Funciones homogéneas de dos variables

3. Optimización en varias variables

3.1. Optimización en dos o más variables
3.2. Puntos óptimos locales

4. Optimización restringida
4.1. El método de los multiplicadores de Lagrange
4.2. Condiciones suficientes

Introducción

Dentro de esta nota de clase se desarrollan tópicos de Análisis Matemático II que resultan muy
importantes para el abordaje de las unidades siguientes de la materia Matemática para Economistas.
De hecho, su conocimiento se da por sentado para el desarrollo didáctico de esta última.

1. FUNCIONES DE VARIAS VARIABLES

La descripción de los fenómenos económicos requiere de la inclusión de numerosas

dimensiones y factores de manera simultánea, por lo que las funciones utilizadas incorporan
más de una variable.
1.1 Funciones de dos o más variables

Se define una función de dos variables como

Definición 1.2.1
Una función 𝑓 de dos variables 𝑥 𝑒 𝑦, con dominio 𝐷 es una regla que asigna un número
específico 𝑓(𝑥, 𝑦) a cada par ordenado (𝑥, 𝑦) en 𝐷.
Ejemplo 1.2.1

𝑓(𝑥, 𝑦) = 3𝑥 + 2𝑦

Definición 1.2.2
Una función 𝑓 de 𝑛 variables 𝑥1, … , 𝑥𝑛 con dominio 𝐷 es una regla que asigna un número
específico 𝑓(𝑥1 , … , 𝑥𝑛 ) a cada n-vector (𝑥1, … , 𝑥𝑛 ) en 𝐷

Ejemplo 1.2.2

𝑓(𝑥1 , … , 𝑥𝑛 ) = 𝑎1 𝑥1 + 𝑎2 𝑥2 + ⋯ + 𝑎𝑛 𝑥𝑛 + 𝑏

Nota: El dominio suele asumirse dentro de la disciplina económica como todos los valores no
negativos de cada variable, es decir, 𝑥𝑖 ≥ 0.

1.2 Representación geométrica de las funciones de varias variables

Curva de Nivel
Extrapolación en dos dimensiones de un gráfico de tres dimensiones. El mismo representa la
fórmula
𝑧 = 𝑓(𝑥, 𝑦)

El gráfico en su aspecto tridimensional parece ser cortado horizontalmente por planos

paralelos al plano 𝑥𝑦. Para cada valor de 𝑧, se tiene una curva de nivel de 𝑓.

1.3 Derivadas parciales en dos variables

En el estudio económico, frecuentemente se busca analizar como evoluciona alguna variable

de interés frente a cambios en variables que la determinan. Por ejemplo, si se consideran los
beneficios de una firma, puede interesar conocer como evolucionan ante modificaciones de
las cantidades de bienes producidos o del precio que se cobra por ellos. Matemáticamente,
como evoluciona la función 𝑓(𝑥, 𝑦) ante cambios en 𝑥 o 𝑦.

Definición 1.3.1
𝜕𝑧
A partir de 𝑧 = 𝑓(𝑥, 𝑦), se denomina derivada parcial de 𝑧 o 𝑓 con respecto a 𝑥, , a la
𝜕𝑥
derivada de 𝑓(𝑥, 𝑦) con respecto a 𝑥, cuando 𝑦 permanece constante.

Ejemplo 1.3.1

𝑓(𝑥, 𝑦) = 𝑥 3 𝑦 + 𝑥 2 𝑦 2 + 𝑥 + 𝑦 2

𝜕𝑓(𝑥, 𝑦)
= 3𝑥 2 𝑦 + 2𝑥𝑦 2 + 1
𝜕𝑥

Si una vez que se encuentran estas derivadas parciales de primer orden, se vuelven a derivar
con respecto a alguna de las dos variables, se pueden obtener las derivadas parciales de
segundo orden, 𝜕 2 𝑧/𝜕𝑥 2 , , 𝜕 2 𝑧/𝜕𝑦 2 y , 𝜕 2 𝑧/𝜕𝑥𝜕𝑦 .

1.4 Derivadas parciales de funciones en varias variables

Como se mencionó con anterioridad, las funciones económicas utilizan frecuentemente más
de dos variables, por lo que se debe extender el concepto de derivada parciales para incluir
estas funciones.

Definición 1.4.1
𝜕𝑓
Partiendo de 𝑧 = 𝑓(𝑥1 , 𝑥2 , … , 𝑥𝑛 ), entonces 𝜕𝑥 es la derivada de 𝑓(𝑥1, … , 𝑥𝑛 ) con respecto a
𝑖
𝑥𝑖 cuando el resto de las variables 𝑥𝑗 (𝑗 ≠ 𝑖) permanecen constantes, 𝑑𝑥𝑗 = 0.

Ejemplo 1.4.1
Consideremos una función de producción agrícola 𝑌 = 𝐹(𝐾, 𝐿, 𝑇), donde 𝑌 es el número de
unidades (soja, maíz, etc.) que se produce, en función del capital invertido 𝐾, el trabajo 𝐿 y la
tierra 𝑇. Entonces, 𝜕𝑌/𝜕𝐾 es el rendimiento marginal del capital, que mide el ratio de cambio
en el producto 𝑌 ante cambios en el capital invertido 𝐾, si se siguen utilizando las mismas
cantidades de trabajo y tierra, 𝐿 𝑦 𝑇.

En específico, si la función 𝐹 es del tipo Cobb-Douglas

𝐹(𝐾, 𝐿, 𝑇) = 𝐴𝐾 𝛼 𝐿𝛽 𝑇 𝛾 , 𝛼, 𝛽, 𝛾 > 0

Los productos marginales son entonces

𝐹𝐾 = 𝐴𝛼𝐾 𝛼−1 𝐿𝛽 𝑇 𝛾
𝐹𝐿 = 𝐴𝛽𝐾 𝛼 𝐿𝛽−1 𝑇 𝛾
𝐹𝑇 = 𝐴𝛾𝐾 𝛼 𝐿𝛽 𝑇 𝛾−1

Según los signos de las derivadas parciales de segundo orden, se pueden conocer como se
comportan los productos marginales, en concreto si son crecientes, constantes o
decrecientes.

𝐹𝐾𝐾 = 𝐴𝛼(𝛼 − 1)𝐾 𝛼−2 𝐿𝛽 𝑇 𝛾

Tambien, al hacer las derivadas de segundo orden cruzadas, se puede conocer si los factores
son complementarios, es decir, si una unidad adicional de alguno de estos incrementa el
producto marginal de otro.

𝐹𝐾𝐿 = 𝐴𝛼𝛾𝐾 𝛼−1 𝐿𝛽 𝑇 𝛾−1

Definición 1.4.2 – Diferencial de una función

Para una función 𝑓(𝑥1 , 𝑥2, … , 𝑥𝑛 ), se define a su diferencial como la sumatoria siguiente

𝑑𝑓 = 𝑓𝑥1 𝑑𝑥1 + 𝑓𝑥2 𝑑𝑥2 + ⋯ + 𝑓𝑥𝑛 𝑑𝑥𝑛

Si a dicha expresión se la vuelve a diferenciar, se obtiene el diferencial segundo de 𝑓

𝑑 2 𝑓 = 𝑑(𝑑𝑓) = 𝑑(𝑓𝑥1 𝑑𝑥1 + 𝑓𝑥2 𝑑𝑥2 + ⋯ + 𝑓𝑥𝑛 𝑑𝑥𝑛 )

𝜕(𝑓𝑥1 𝑑𝑥1 + 𝑓𝑥2 𝑑𝑥2 + ⋯ + 𝑓𝑥𝑛 𝑑𝑥𝑛 ) 𝜕(𝑓𝑥1 𝑑𝑥1 + 𝑓𝑥2 𝑑𝑥2 + ⋯ + 𝑓𝑥𝑛 𝑑𝑥𝑛 )
𝑑𝑥1 + ⋯ + 𝑑𝑥𝑛
𝜕𝑥1 𝜕𝑥𝑛

(𝑓𝑥1 𝑥1 𝑑𝑥1 + 𝑓𝑥2 𝑥1 𝑑𝑥2 + ⋯ + 𝑓𝑥𝑛𝑥1 𝑑𝑥𝑛 )𝑑𝑥1 + ⋯ + (𝑓𝑥1 𝑥𝑛 𝑑𝑥1 + 𝑓𝑥2 𝑥𝑛 𝑑𝑥2 + ⋯ + 𝑓𝑥𝑛𝑥𝑛 𝑑𝑥𝑛 )𝑑𝑥𝑛

𝑓𝑥1𝑥1 𝑑𝑥12 + 𝑓𝑥2 𝑥1 𝑑𝑥1 𝑑𝑥2 + ⋯ + 𝑓𝑥𝑛 𝑥1 𝑑𝑥1 𝑑𝑥𝑛 + ⋯ + 𝑓𝑥1 𝑥𝑛 𝑑𝑥1 𝑑𝑥𝑛 + 𝑓𝑥2𝑥𝑛 𝑑𝑥2 𝑑𝑥𝑛 + ⋯ + 𝑓𝑥𝑛𝑥𝑛 𝑑𝑥𝑛2

𝑓𝑥1 𝑥1 𝑑𝑥12 + 2𝑓𝑥2 𝑥1 𝑑𝑥1 𝑑𝑥2 + ⋯ + 2𝑓𝑥𝑛𝑥1 𝑑𝑥1 𝑑𝑥𝑛 + ⋯ + 2𝑓𝑥2 𝑥𝑛 𝑑𝑥2 𝑑𝑥𝑛 + ⋯ + 𝑓𝑥𝑛 𝑥𝑛 𝑑𝑥𝑛2
2. TÉCNICAS DE ESTÁTICA COMPARATIVA

Un problema central de la economía es analizar que ocurre con soluciones óptimas cuando
los parámetros o variables exógenas del problema cambian. Se trata así de analizar como
variables económicas, tales como nivel de producto, tipo de cambio, nivel de precios, entre
otras, responden a cambios en sus determinantes.

2.1 La regla de la cadena

Se utiliza para encontrar las derivadas de funciones compuestas; aquellas que son funciones
de una o más variables que son, a su vez, funciones de otras variables básicas. Algo
ampliamente utilizado es denotar a todas los variables como funciones del tiempo, por ende,
el output puede ser modelado como una función del trabajo y del capital, que son funciones
del tiempo. De esta manera, se puede intentar responder como evoluciona el output a
medida que avanza el tiempo.

Definición 2.1.1
Se dice que una función 𝑓 es compuesta de 𝑢 y 𝑣 a través de 𝑥 e 𝑦, si se cumple que 𝑓(𝑥, 𝑦),
𝑥 = 𝑥(𝑢, 𝑣) y 𝑦 = 𝑦(𝑢, 𝑣). Por lo tanto, 𝑓 = 𝑓[𝑥(𝑢, 𝑣), 𝑦(𝑢, 𝑣)]

Para funciones económicas que incorporan el tiempo, la notación matemática podría

entonces ser

𝑧 = 𝐹(𝑥, 𝑦)
𝑥 = 𝑓(𝑡), 𝑦 = 𝑔(𝑡)
𝑧 = 𝐹[𝑓(𝑡), 𝑔(𝑡)]

En dicho caso, una variación de 𝑡 provocaría cambios en 𝑓(𝑡) y 𝑔(𝑡) que, a su vez,
repercutirían en 𝑧. Para encontrar como 𝑡 afecta 𝑧, se utiliza la regla de la cadena siguiente

Si 𝑧 = 𝐹(𝑥, 𝑦), 𝑥 = 𝑓(𝑡), 𝑦 = 𝑔(𝑡), entonces

𝑑𝑧 𝑑𝑥 𝑑𝑦
= 𝐹𝑥 (𝑥, 𝑦) + 𝐹𝑦 (𝑥, 𝑦)
𝑑𝑡 𝑑𝑡 𝑑𝑡

Ejemplo 2.1.1
𝑑𝑧
Hallar 𝑑𝑡 si 𝑧 = 𝐹(𝑥, 𝑦) = 𝑥 2 + 𝑦 2 , 𝑥 = 𝑡 2 , 𝑦 = 2𝑡

𝐹𝑥 = 2𝑥, 𝐹𝑦 = 2𝑦, 𝑥𝑡 = 2𝑡, 𝑦𝑡 = 2

𝑑𝑧
= 2𝑥 . 2𝑡 + 2𝑦 . 2
𝑑𝑡
𝑑𝑧
= 4(𝑡 2 ) 𝑡 + 4(2𝑡)
𝑑𝑡
 𝑑𝑧
= 4𝑡 3 + 8𝑡
𝑑𝑡

Ejemplo 2.1.2
Un modelo de mercado de dos bienes donde tanto la demanda de uno como la del otro
dependen de los precios de ambos bienes que, a su vez, dependen del tiempo, puede
modelarse de la siguiente manera.

𝐷1 = 𝐷1 (𝑝1 (𝑡), 𝑝2 (𝑡)), 𝐷2 = 𝐷2 (𝑝1 (𝑡), 𝑝2 (𝑡))

Si en este modelo se buscara conocer la evolución de la demanda frente al paso del tiempo,
se tendría para la demanda del primer bien la siguiente derivada

𝑑𝐷1 𝜕𝐷1 𝑑𝑝1 𝜕𝐷1 𝑑𝑝2

= +
𝑑𝑡 𝜕𝑝1 𝑑𝑡 𝜕𝑝2 𝑑𝑡

Para un caso más general, donde las funciones son de 𝑛 variables

𝑧 = 𝐹(𝑥1, … , 𝑥𝑛 ), 𝑥1 = 𝑓1 (𝑡1 , … , 𝑡𝑚 ), … , 𝑥𝑛 = 𝑓𝑛 (𝑡1 , … , 𝑡𝑚 )

Se tiene una función compuesta de 𝑡1 , … , 𝑡𝑚 , para la cual se utiliza una regla de la cadena
como

𝜕𝑧 𝜕𝑧 𝜕𝑥1 𝜕𝑧 𝜕𝑥𝑛
= +⋯+ , (𝑗 = 1,2, … , 𝑚)
𝜕𝑡𝑗 𝜕𝑥1 𝜕𝑡𝑗 𝜕𝑥𝑛 𝜕𝑡𝑗

2.2 Derivadas de funciones definidas implícitamente

Definición 2.2.1
Considerando la ecuación 𝐹(𝑥1 , 𝑥2 , … , 𝑥𝑛 ) = 0, si en un entorno del punto 𝑃0 =
(𝑥10 , 𝑥20 , … , 𝑥𝑛0 ) que la satisface, y en el cual la función es diferenciable, se cumplen las tres
siguientes condiciones
1. 𝐹(𝑥10 , 𝑥20 , … , 𝑥𝑛0 ) = 0
2. 𝐹𝑥𝑖 ∀𝑖 = 1, … , 𝑛 , existe y es continua en un entorno del punto 𝑃0
3. 𝐹𝑥𝑗 (𝑥10 , 𝑥20 , … , 𝑥𝑛0 ) ≠ 0

La ecuación define a 𝑥𝑗 como función implícita del resto de las variables 𝑥𝑖 ∀𝑖 =

1, … , 𝑛 𝑐𝑜𝑛 𝑗 ≠ 𝑖

Sea 𝐹 una función de dos variables y considerando la ecuación

 𝐹(𝑥, 𝑦) = 𝑐 (2.2.1)

Donde 𝑐 es constante, se verifica que la ecuación (2.2.1) representa una curva de nivel de 𝐹.
Si (2.2.1) define a 𝑦 como una función 𝑦 = 𝑓(𝑥) de 𝑥 en un intervalo 𝐼, se tiene que

𝐹(𝑥, 𝑓(𝑥)) = 𝑐 ∀𝑥 ∈ 𝐼 (2.2.2)

Si 𝑓 es derivable, se puede indagar

acerca de la derivada de 𝑦 con
respecto a 𝑥.

Para hallar la respuesta, introducimos

una nueva función 𝑢(𝑥) =
𝐹(𝑥, 𝑓(𝑥)) ∀𝑥 ∈ 𝐼

Si derivamos 𝑢(𝑥) con respecto a 𝑥, se obtiene por regla de la cadena

𝑑𝑓(𝑥)
𝑢 ′ (𝑥) = 𝐹𝑥 + 𝐹𝑓(𝑥)
𝑑𝑥

Ahora bien, a partir de la ecuación (2.2.2), se sabe que 𝑢(𝑥) = 𝑐 para todo 𝑥 ∈ 𝐼, por lo que
su derivada debe ser igual a cero al ser una constante

𝑑𝑓(𝑥)
𝑢 ′ (𝑥) = 𝐹𝑥 + 𝐹𝑓(𝑥) =0
𝑑𝑥

De donde se puede despejar

𝑑𝑓(𝑥)
= −𝐹𝑥 /𝐹𝑓(𝑥)
𝑑𝑥

𝑑𝑦
= −𝐹𝑥 /𝐹𝑦
𝑑𝑥

Siempre que el cociente sea distinto a cero, 𝐹𝑦 ≠ 0. Este resultado es indiferente a si es

posible despejar 𝑦 como función de 𝑥 o no.

Ejemplo 2.2.1

𝐹(𝑥, 𝑦) = 𝑥 2 − 4𝑥𝑦 = 0
 𝑑𝑦 (2𝑥 − 4𝑦) 𝑥 − 2𝑦
=− = , 𝑥≠0
𝑑𝑥 (−4𝑥) 2𝑥

2.3 Derivadas de funciones definidas implícitamente por sistemas de ecuaciones

Definición 2.3.1
Un conjunto de 𝑛 variables 𝑥1 , 𝑥2, … 𝑥𝑛 que deben cumplir cierto conjunto de ecuaciones

𝑓1 (𝑥1, … , 𝑥𝑛 ) = 0
𝑓2 (𝑥1 , … , 𝑥𝑛 ) = 0
………………
𝑓𝑚 (𝑥1, … , 𝑥𝑛 ) = 0

Conforma un sistema de 𝒎 ecuaciones en 𝒏 variables. La relación existente entre 𝑛 y 𝑚

otorga los grados de libertad del sistema. En todo sistema hay 𝑛 − 𝑚 grados de libertad. Si
𝑛 < 𝑚, no hay solución para el sistema. Intuitivamente, tener un grado de libertad implica
poder fijar libremente el valor de una sola variable.

De la misma manera que en la sección anterior, un sistema de ecuaciones puede definir

implícitamente una o más variables como funciones del resto. Partiendo de un sistema como
el siguiente

𝑓1 (𝑥1, 𝑥2 , … , 𝑥𝑛 , 𝑦1 , 𝑦2 , … , 𝑦𝑚 ) = 0
𝑓2 (𝑥1 , 𝑥2, … , 𝑥𝑛 , 𝑦1 , 𝑦2 , … , 𝑦𝑚 ) = 0
…………………………
𝑓𝑚 (𝑥1 , 𝑥2 , … , 𝑥𝑛 , 𝑦1 , 𝑦2 , … , 𝑦𝑚 ) = 0

Donde las funciones 𝑓𝑗 son clase 𝐶 1 ∀𝑗 = 1, … , 𝑚

Si se tiene un punto (𝒙𝟎 , 𝒚𝟎 ) = (𝑥10 , 𝑥20 , … , 𝑥𝑛0 , 𝑦10 , 𝑦20 , … , 𝑦𝑚
0
) que lo satisface se pueden
expresar a las variables 𝑦1 , … , 𝑦𝑚 como funciones de las restantes 𝑥1, … , 𝑥𝑛 .

𝑦1 = 𝜙1 (𝑥1, … , 𝑥𝑛 ), … , 𝑦𝑚 = 𝜙𝑚 (𝑥1 , … , 𝑥𝑛 )

Tomando el sistema de ecuaciones y diferenciándolo totalmente se obtiene

 𝜕𝑓1 𝜕𝑓1 𝜕𝑓1 𝜕𝑓1
𝑑𝑥1 + ⋯ + 𝑑𝑥𝑛 + 𝑑𝑦1 + ⋯ + 𝑑𝑦 = 0
𝜕𝑥1 𝜕𝑥𝑛 𝜕𝑦1 𝜕𝑦𝑚 𝑚
𝜕𝑓2 𝜕𝑓2 𝜕𝑓2 𝜕𝑓2
𝑑𝑥1 + ⋯ + 𝑑𝑥𝑛 + 𝑑𝑦1 + ⋯ + 𝑑𝑦 = 0
𝜕𝑥1 𝜕𝑥𝑛 𝜕𝑦1 𝜕𝑦𝑚 𝑚

………………………………

𝜕𝑓𝑚 𝜕𝑓𝑚 𝜕𝑓𝑚 𝜕𝑓𝑚

𝑑𝑥1 + ⋯ + 𝑑𝑥𝑛 + 𝑑𝑦1 + ⋯ + 𝑑𝑦 = 0
𝜕𝑥1 𝜕𝑥𝑛 𝜕𝑦1 𝜕𝑦𝑚 𝑚

𝜕𝑓1 𝜕𝑓1 𝜕𝑓1 𝜕𝑓1

𝑑𝑦1 + ⋯ + 𝑑𝑦𝑚 = − 𝑑𝑥1 − ⋯ − 𝑑𝑥
𝜕𝑦1 𝜕𝑦𝑚 𝜕𝑥1 𝜕𝑥𝑛 𝑛
𝜕𝑓2 𝜕𝑓2 𝜕𝑓2 𝜕𝑓2
𝑑𝑦1 + ⋯ + 𝑑𝑦𝑚 = − 𝑑𝑥1 − ⋯ − 𝑑𝑥
𝜕𝑦1 𝜕𝑦𝑚 𝜕𝑥1 𝜕𝑥𝑛 𝑛

………………………………

𝜕𝑓𝑚 𝜕𝑓𝑚 𝜕𝑓𝑚 𝜕𝑓𝑚

𝑑𝑦1 + ⋯ + 𝑑𝑦𝑚 = − 𝑑𝑥1 − ⋯ − 𝑑𝑥
𝜕𝑦1 𝜕𝑦𝑚 𝜕𝑥1 𝜕𝑥𝑛 𝑛

Un sistema lineal de 𝑚 ecuaciones donde las incógnitas son 𝑑𝑦1 , … , 𝑑𝑦𝑚. Al resolverlo, se
encuentran las derivadas parciales de 𝑦1 , … , 𝑦𝑚 con respecto a 𝑥1 , … , 𝑥𝑚.
El sistema puede expresarse matricialmente como siempre que 𝑑𝑥𝑗 = 0 ∀𝑗 ≠ 𝑖

𝜕𝑓1 𝜕𝑓1 𝜕𝑓1

… 𝑑𝑦1 − 𝑑𝑥
𝜕𝑦1 𝜕𝑦𝑚 𝜕𝑥𝑖 𝑖
… … … … = …
𝜕𝑓𝑚 𝜕𝑓𝑚 𝜕𝑓𝑚
… [𝑑𝑦𝑚 ] − 𝑑𝑥
[ 𝜕𝑦1 𝜕𝑦𝑚 ] [ 𝜕𝑥𝑖 𝑖 ]

Y tendrá solución única siempre que el determinante Jacobiano

𝜕𝑓1 𝜕𝑓1
…
| 𝜕𝑦1 𝜕𝑦𝑚 |
… … … ≠0
|𝜕𝑓 𝜕𝑓𝑚 |
𝑚
…
𝜕𝑦1 𝜕𝑦𝑚

Sea distinto a cero; de hecho, esta es una de las condiciones para que las variables 𝑦1 , … , 𝑦𝑚
puedan ser expresadas como funciones de 𝑥1 , … , 𝑥𝑛.

Para hallar las derivadas parciales que se necesiten se puede seguir la regla de Cramer para
resolver sistemas de ecuaciones lineales como, por ejemplo, para calcular 𝜕𝑦1 /𝜕𝑥1
 𝜕𝑓1 𝜕𝑓1
− …
𝜕𝑥1 𝜕𝑦𝑚
| |
… … …
| |
𝜕𝑓𝑚 𝜕𝑓𝑚
𝜕𝑦1 − …
𝜕𝑥1 𝜕𝑦𝑚
=
𝜕𝑥1 𝜕𝑓1 𝜕𝑓1
…
𝜕𝑦1 𝜕𝑦𝑚
| |
… … …
| |
𝜕𝑓𝑚 𝜕𝑓𝑚
…
𝜕𝑦1 𝜕𝑦𝑚

2.3 Funciones homogéneas de dos variables

Definición 2.3.1
Una función 𝑓 de dos variables 𝑥 e 𝑦 definida en un dominio 𝐷 se llama homogénea de grado
𝑘 si, ∀(𝑥, 𝑦) ∈ 𝐷
𝑓(𝑡𝑥, 𝑡𝑦) = 𝑡 𝑘 𝑓(𝑥, 𝑦) ∀𝑡 > 0

Ejemplo 2.3.1
𝐹(𝑥, 𝑦) = 𝐴𝑥 𝑎 𝑦 𝑏
𝐹(𝑡𝑥, 𝑡𝑦) = 𝐴(𝑥𝑡)𝑎 (𝑦𝑡)𝑏 = 𝑡 𝑎+𝑏 [𝐴𝑥 𝑎 𝑦 𝑏 ]
𝐻𝑜𝑚𝑜𝑔é𝑛𝑒𝑎 𝑑𝑒 𝑔𝑟𝑎𝑑𝑜 𝑎 + 𝑏

Teorema de Euler
𝜕𝑓 𝜕𝑓
𝑓(𝑥, 𝑦) es homogénea de grado 𝑘 ⇔ 𝑥 𝜕𝑥 + 𝑦 𝜕𝑦 = 𝑘𝑓(𝑥, 𝑦)

Ejemplo 2.3.2
𝑈(𝑥1 , 𝑥2) = 3𝑥12 𝑥2
𝑈(𝑡𝑥1 , 𝑡𝑥2 ) = 3(𝑡𝑥1 )2 (𝑡𝑥2) = 𝑡 3 3𝑥12 𝑥2
𝐻𝑜𝑚𝑜𝑔é𝑛𝑒𝑎 𝑑𝑒 𝑔𝑟𝑎𝑑𝑜 3

3. OPTIMIZACIÓN EN VARIAS VARIABLES

Los problemas de optimización intentan maximizar o minimizar una función objetivo

𝑓(𝑥1, … , 𝑥𝑛 ), que puede encontrarse restringida (o no) por un conjunto de restricciones o
conjunto de oportunidades 𝑆 ⊂ ℝ𝑛 . En esta sección trataremos problemas con un conjunto
de restricciones vacío.
 3.1 Optimización en dos variables

Partiendo de la función 𝑧 = 𝑓(𝑥, 𝑦) ∈ 𝑆 ⊂ ℝ2, se observa que alcanza su punto de mayor

valor en el punto interior (𝑥0 , 𝑦0 ) de 𝑆. En dicho punto, ambas derivadas parciales de la
función son nulas, lo que indica que la función encuentra una meseta.

Teorema 3.1.1 – Condiciones de primer orden; dos variables

Una condición necesaria para que una función 𝑓(𝑥, 𝑦) diferenciable tenga un máximo o un
mínimo en un punto interior (𝑥0 , 𝑦0 ) de su dominio es que (𝑥0 , 𝑦0 ) sea un punto estacionario
de 𝑓, esto es,
𝑓1 (𝑥0, 𝑦0 ) = 0, 𝑓2 (𝑥0, 𝑦0 ) = 0

De las condiciones necesarias se establece un sistema de ecuaciones para encontrar todos

los puntos estacionarios y poder resolver el problema.

Ejemplo 3.1.1
max 𝜋(𝑥, 𝑦) = 15𝑥 + 9𝑦 − 0,04𝑥 2 − 0,01𝑥𝑦 − 0,01𝑦 2 − 4𝑥 − 2𝑦 − 500

𝜕𝜋 𝜕𝜋
= 15 − 0,08𝑥 − 0,01𝑦 − 4 = 0, = 9 − 0,01𝑥 − 0,02𝑦 − 2 = 0
𝜕𝑥 𝜕𝑦
 𝑥 ∗ = 100 , 𝑦 ∗ = 300

Definición 3.1.1
Sea 𝑓 una función de 𝑛 variables 𝑥1, … , 𝑥𝑛 definida en un dominio 𝑆 ⊂ ℝ𝑛 . Sea 𝒄 =
(𝑐1 , … , 𝑐𝑛 ) ∈ 𝑆. El punto 𝒄 será entonces un máximo global y 𝑓(𝒄) el valor máximo si se
verifica que
𝑓(𝒙) ≤ 𝑓(𝒄) ∀𝑥 ∈ 𝑆

Teorema 3.1.2 – Condiciones de primer orden; 𝒏 variables

Sea 𝑓 una función definida en un conjunto 𝑆 ⊂ ℝ𝑛 y sea 𝒄 = (𝑐1 , … , 𝑐𝑛 ) un punto interior
de 𝑆 en el que 𝑓 es diferenciable. Una condición necesaria para que 𝒄 sea un máximo o
mínimo para 𝑓es que 𝒄 sea un punto estacionario para 𝑓, esto es,

𝑓𝑖 (𝒄) = 0 ∀𝑖 = 1, … , 𝑛

3.2 Puntos óptimos locales

Definición 3.2.1
Se dice que un punto 𝑐 = (𝑐1 , … , 𝑐𝑛 ) es un máximo local de 𝑓 en 𝑆 si 𝑓(𝑥) ≤ 𝑓(𝑐) para todo
𝑥 ∈ 𝑆 suficientemente próximo a 𝑐. Más precisamente, la condición es que exista un número
positivo 𝑟 para el cual

𝑓(𝑥) ≤ 𝑓(𝑐) ∀𝑥 ∈ 𝑆 𝑐𝑜𝑛 ‖𝑥 − 𝑐‖ < 𝑟

Esta definición implica que una óptimo global es un óptimo local, pero no se da la recíproca.
4. OPTIMIZACIÓN RESTRINGIDA

El conjunto de restricciones comienza a contener ciertas expresiones que restringen la

libertad de elección a la hora de optimizar. Estas pueden tomar la forma de cuotas de
producción, limitaciones presupuestarias, entre otras.

4.1 El método de los multiplicadores de Lagrange

Se comienza con un problema donde se debe maximizar una función 𝑓(𝑥, 𝑦) cuando las
variables 𝑥, 𝑦 deben verificar una ecuación 𝑔(𝑥, 𝑦) = 𝑐.

𝑚𝑎𝑥 𝑓(𝑥, 𝑦) 𝑠. 𝑎. 𝑔(𝑥, 𝑦) = 𝑐

Para resolverlo, se utiliza el método de los multiplicadores de Lagrange, cuyo primer paso
consiste en armar la función lagrangiana

𝐿(𝑥, 𝑦) = 𝑓(𝑥, 𝑦) + 𝜆(𝑐 − 𝑔(𝑥, 𝑦))

Donde la variable incluida 𝜆 es una constante. La siguiente etapa requiere la derivación de

esta función con respecto a 𝑥, 𝑦 y 𝜆, igualándolas a cero

𝐿𝑥 = 𝑓𝑥 − 𝑔𝑥 𝜆 = 0

𝐿𝑦 = 𝑓𝑦 − 𝑔𝑦 𝜆 = 0

𝐿𝜆 = 𝑐 − 𝑔(𝑥, 𝑦) = 0

Estas tres ecuaciones conforman las CPO de este problema. Resolviendo este sistema de
tres ecuaciones de obtienen las incógnitas 𝑥, 𝑦 y 𝜆.

4.2 Condiciones suficientes