Microeconomía I

Universidad Adolfo Ibáñez

Elementos Básicos de la Optimización

(Capítulo 2 - Nicholson)

Pilar Jano, PhD.

Primer semestre 2018
Elementos Básicos de Optimización
• Teoría Económica y el comportamiento optimizador
 Estudiantes quieren aprender al máximo (y también maximizar la
nota).
 Un conductor quiere minimizar el tiempo de manejo desde la casa
al trabajo.
 Gerente Comercial busca maximizar ventas.
 Gerente de RRHH quiere minimizar la rotación de personal.
 SII quiere minimizar la evasión tributaria.
• En esta parte revisaremos los conceptos matemáticos
básicos necesarios para analizar estos problemas.
 Pendiente y derivada.
 Maximización (y minimización).

2
Elementos Básicos de Optimización
• En economía las relaciones entre variables se pueden
expresar a través de funciones.
 Relación entre precio de un producto y la cantidad que los
consumidores quieren comprar.
 Relación entre tasa de interés y actividad económica (PIB) e
inflación (IPC).
 Relación entre tipo de cambio y exportaciones e importaciones.
• Supondremos que conocemos las representaciones de
dichas relaciones (funciones).
• ¿Cómo podemos determinar el punto óptimo (máximo o
mínimo) que permite alcanzar nuestro objetivo?

3
 Pendiente y derivadas
𝒚 = 𝒇(𝒙)
f(x) y = f(x)
• Pendiente: muestra el cambio
de la función y1  30
∆𝑦 𝑦1 − 𝑦0
= =
30 − 5
=
25 y
= 2,5
∆𝑥 𝑥1 − 𝑥0 13 − 3 10 y0  5
x
x0  3 x1  13 x
• Para cambios infinitesimales
usamos el concepto de
derivada:
Δ𝑦 𝑑𝑦 𝑑𝑓 𝑥
= = = 𝑓 ′ 𝑥 = 𝑓𝑥
Δ𝑥 𝑑𝑥 𝑑𝑥

4
Pendiente y derivadas
• La función de costos de una empresa es: 𝑐 = 200 + 5𝑞

Si la producción (𝑞) inicial es 100.

1. ¿Cuál es el costo total de producción?
2. ¿En cuánto se incrementa el costo si se duplica la
producción?
3. ¿Cuál es la pendiente de la función de costos?
4. ¿Qué significa?

5
Pendiente y derivadas
• ¿Qué pasa si la función no tiene una
pendiente constante?
f(x)
• Entre los puntos A y B: B
20
y 20  10 10 C
   1,25 18
x 10  2 8
• Entre los puntos A y C: A
10
y 18  10 8
  2
x 62 4
• Hay múltiples pendientes
dependiendo del punto de 2 6 10 x
comparación.
• Aproximación usando el concepto de
derivada.
• Pendiente en el punto A es la
pendiente de tangente en ese punto. 6
Reglas de la Diferenciación
df ( x)
Constante : f ( x)  a  f ( x)  0
dx

Polinomio : f ( x)  ax n df ( x) n 1
 f ( x)  anx
dx

df ( x) 1
Logaritmo Natural : f ( x)  ln x  f ( x) 
dx x

df ( x)
Funcion Exponencial : f ( x)  e x  f ( x)  e x
dx

7
Reglas de la Diferenciación
Suma : f ( x)  g ( x)  h( x)  f ( x)  g ( x)  h( x)

y  x  4x 2

Producto : f ( x)  g ( x)h( x)  f ( x)  g ( x)h( x)  g ( x)h( x)

y  (1  x)(2  x)

g ( x) g ( x)h( x)  g ( x)h( x)
Cuociente : f ( x)   f ( x) 
h( x ) h( x ) 2
x
y
(1  x) 8
Maximización de Funciones con 1 Variable
• Para encontrar el máximo de la
función:
• Condición de Primer Orden
(CPO)
𝑓(𝑥) Max.
dy
 f ( x)  0 global
dx

x*  arg max f ( x)

x* 𝑥

9
 Maximización de Funciones con 1 Variable
• Ejemplo:
y  f ( x)  2  4 x  4 x 2 𝑓(𝑥)
𝑦∗ = 3
• Condición de Primer Orden
(CPO)
f ( x)  0
4  8x  0
x*  1 / 2
𝑥 ∗ = 0,5 𝑥
y ?
*

 2  41 / 2  41 / 2
2

y*  3
10
Maximización de Funciones con 1 Variable

• CPO es una condición necesaria pero no suficiente.

max
𝑓(𝑥) global

max
local punto
inflección

min
local
𝑥

11
 Maximización de Funciones con 1 Variable
• Segunda derivada:
max
 Concepto: mide la 𝑓(𝑥) global
curvatura de la función
(cuan rápido cambia la max
pendiente). local punto
inflección

 Con: 𝑦 = 𝑓(𝑥), la segunda

derivada se denota: min
local
 dy 
d  2 2 𝑥
 
dx d y

d f ( x)
 f ( x)  f xx
2 2
dx dx dx

12
Maximización de Funciones con 1 Variable
Casos:
max
• Cóncava: f ( x)  0 𝑓(𝑥) global

• Convexa: f ( x)  0 max

punto
local
inflección
• Punto de inflexión y Recta:
f ( x)  0 min
local

• Condición de Segundo Orden 𝑥

(suficiente):
f ( x)  0  Máximo
f ( x)  0  Mínimo
13
Maximización de Funciones con 1 Variable
Ejemplo
y  f ( x)  2  4 x  4 x 2
𝑓(𝑥)
f ( x)  4  8 x 𝑦 ∗= 3

x*  1/2 y*  3

f ( x)  ?

f ( x)  8  0 𝑥 ∗= 0,5 𝑥

 f (x) cóncava

x* es un máximo
14
Funciones con 2 Variables
Ejemplo:
• 𝑦 = nota en Micro 1 del estudiante
• 𝑥1 = esfuerzo del estudiante (horas promedio de estudio)
• 𝑥2 = esfuerzo del profesor (horas promedio de preparación)
y  x11/ 2 x12/ 2
Horas Esfuerzo Profesor (𝒙𝟐)
1 2 3 4 5 6 7
1 1.0 1.4 1.7 2.0 2.2 2.4 2.6
2 1.4 2.0 2.4 2.8 3.2 3.5 3.7
Horas 3 1.7 2.4 3.0 3.5 3.9 4.2 4.6
Esfuerzo
Alumno 4 2.0 2.8 3.5 4.0 4.5 4.9 5.3
(𝒙𝟏) 5 2.2 3.2 3.9 4.5 5.0 5.5 5.9
6 2.4 3.5 4.2 4.9 5.5 6.0 6.5
7 2.6 3.7 4.6 5.3 5.9 6.5 7.0
Funciones con 2 Variables
• ¿Qué sucede con la nota si el esfuerzo del profesor aumenta
en 4 horas?
y  x11/ 2 x12/ 2

Horas Esfuerzo Profesor (𝒙𝟐)

1 2 3 4 5 6 7
1 1.0 1.4 1.7 2.0 2.2 2.4 2.6  y  1,5
2 1.4 2.0 2.4 2.8 3.2 3.5 3.7 y 1,5
Horas 3    0,375
1.7 2.4 3.0 3.5 3.9 4.2 4.6 x2 4
Esfuerzo
Alumno 4 2.0 2.8 3.5 4.0 4.5 4.9 5.3
(𝒙𝟏) 5 2.2 3.2 3.9 4.5 5.0 5.5 5.9  y  2,5
6 2.4 3.5 4.2 4.9 5.5 6.0 6.5
y 2,5
7 2.6 3.7 4.6 5.3 5.9 6.5 7.0    0,625
x2 4
• Respuesta: depende
Funciones con 2 Variables: Derivadas Parciales
y  f ( x1 , x2 )

• Derivada Parcial: cambio en la función (𝑦) cuando una de las

variables cambia y todas las demás permanecen constantes.
 En el ejemplo: cambio en la nota cuando el estudiante incrementa su
esfuerzo, manteniendo el esfuerzo del profesor constante.

y f ( x1 , x2 )
• Notación:   f x1  f1
x1 x1

• Para tomar la derivada parcial con respecto a una variable, por

ejemplo x1, debemos tomar a todas las otras variables como
constantes (ya sabemos derivar cuando hay una constante), es
decir, aplicamos las reglas de la derivación en funciones de una
variable.
17
Funciones con 2 Variables: Derivadas Parciales

10 x1
f ( x1 , x2 )  2 x1  3x2  x12 x2 f ( x1 , x2 ) 
x2

y y
 f1   f1 
x1 x1

y y
 f2   f2 
x2 x2

18
Funciones con 2 Variables: Derivadas Parciales

10 x1
f ( x1 , x2 )  2 x1  3x2  x x
2
1 2
f ( x1 , x2 ) 
x2

y y 10
 f1  2  2 x1 x2  f1 
x1 x1 x2

y y 10 x1
 f 2  3  x12  f2   2
x2 x2 x2

19
 Maximización de Funciones con 2 Variables
• Función: y  f ( x1 , x2 )

• ¿Cómo encontramos su máximo?

• Condiciones de Primer Orden

(CPO):
f1 ( x1 , x2 )  0 𝑦

f 2 ( x1 , x2 )  0

𝑥2
• Resolver un sistema de dos
ecuaciones con dos incógnitas 𝑥1
para encontrar:
  
argmax f x1 , x2  x1* , x2* 
20
 Maximización de Funciones con 2 Variables

• Ejemplo: y  8 x 2  4 x  z 2  1  xz

• Condiciones de Primer Orden son:

y y
0 0
x z

• Obtener óptimos:

21