Ayudanta 1

Microeconoma I

Profesora: Evangelina Dardati.

Ayudante: Sebastin Olate Orellana.
Conceptos claves
A continuacin se describir brevemente algunos conceptos necesarios para comprender
apropiadamente el tema de optimizacin.
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.

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 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.
Preferencias convexas: se deriva del supuesto de convexidad de las cestas.. Lo que se puede
inferir del supuesto de convexidad es que el consumidor prefiere combinaciones que
supongan valores medios a combinaciones de cestas extremas. Son curvas convexas hacia el
origen, lo que significa que valoramos ms un bien cuanto ms escaso es. Cuando
disponemos en abundancia de un bien, estamos dispuestos a prescindir de una unidad a
cambio de poca cantidad del bien alternativo. Sin embargo cuando tenemos que renunciar a
1

algo que ya es escaso, solo mantendremos nuestro nivel de utilidad si cada unidad a la que
renunciamos la compensamos con cantidades crecientes del otro bien. Comprobamos que la
utilidad marginal es decreciente respecto a las dos variables (requisito para que las curvas
sean convexas y exista equilibrio).

Optimizacin sin restriccin

3. 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,

=0

2. Tomarla segunda derivada, evaluar los puntos crticos, y revisar los signos. Esta
condicin es llamada condicin suficiente. Si un punto crtico 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
2

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 1: Obtener el ptimo de la siguiente funcin:
( )
Solucin.
Calculando la primera derivada e igualndola a 0:
( )
(
)
Tomando la segunda derivada y evaluando el valor critico:
( )
( )
< 0 es cncavo, mximo relativo.
4. 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.
Ejercicio 2: Calcular las derivadas parciales para las siguientes funciones:
a)
b)

(
(

c)

)
)
)

( )

Optimizacin con restriccin

5.

Funciones con igualdades: Se plantea un nuevo problema, el de optimizar una funcin

sujeta a una restriccin de igualdad:

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:
(

Aqu, (
) es llamada la funcin Lagrangiana, f(x1, x2) es la funcin objetivo u original, y g
(
) 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
3

valores crticos
(para los cuales la funcin es optimizada) son obtenidos tomando las
derivadas parciales de F (con respecto a cada una de las tres variables independientes) e
igualndolas a cero. Es decir, simultneamente:

Donde F1 expresa una derivada parcial

Ejercicio 3: Considerar el siguiente ejemplo:

Solucin.
Paso 1: formamos el lagrangiano para este problema
(

Paso 2: Por las condiciones necesarias de primer orden:

Paso 3: Resolver el sistema de ecuaciones:

De la ecuacin (1) y (2)

Igualando se obtiene:

Igualando se obtiene:
restriccin:

(en funcin de x) (a). De la ecuacin (1) y (3)

(en funcin de x) (b). Luego reemplazamos (a) y (b) en la

Resulta en dos soluciones:

Notamos sin embargo que: