UNED. ELCHE. e-mail: imozas@elx.uned.

es
TUTORA DE MATEMTICAS AVANZADAS PARA LA ECONOMA https://www.innova.uned.es/webpages/Ilde/Web/index.htm

TEMA 1: OPTIMIZACIN SIN RESTRICCIONES EN VARIAS VARIABLES

CONVEXIDAD DE CONJUNTOS.-

Conjunto convexo Conjunto no convexo

Solucin.-
No lo es ya que se trata de la circunferencia de centro (0,0) y radio 1. Dos puntos de
ella, por ejemplo, son los de coordenadas (1, 0) y (1, 0), cuyo punto medio es (0,0) que no
pertenece a la circunferencia.

Solucin.-
Obviamente no lo es porque, por ejemplo, los puntos (0,0) y (1,1) pertenecen al
1 1
conjunto y sin embargo el punto medio , del segmento que determinan, no pertenece.
2 2

Solucin.-
Es un conjunto convexo pues el segmento comprendido
entre dos puntos cualesquiera de l, le pertenece integramente.

1/9
 UNED. ELCHE. e-mail: imozas@elx.uned.es
TUTORA DE MATEMTICAS AVANZADAS PARA LA ECONOMA https://www.innova.uned.es/webpages/Ilde/Web/index.htm

Solucin.-
El conjunto es la zona sombreada. No es convexo
porque, por ejemplo, el segmento de extremos
(1, 1) y (1, 1) no est ntegramente contenido en l.

Solucin.-
El conjunto no es convexo porque, por ejemplo, el
segmento que une los puntos (1, 0) y (1, 0) no est
contenido en l.

Solucin.-
Evidentemente no es convexo. Por ejemplo, el segmento que
une los puntos P(1, 1) y Q(1, 1) no est ntegramente contenido en
l.

2/9
 UNED. ELCHE. e-mail: imozas@elx.uned.es
TUTORA DE MATEMTICAS AVANZADAS PARA LA ECONOMA https://www.innova.uned.es/webpages/Ilde/Web/index.htm

Solucin.-
Es un conjunto convexo por tratarse de la interseccin de
los conjuntos convexos: {(x, y) 2 / 0 x 1, x2 y} y
x, y 2 / 0 x 1, y x .

CONVEXIDAD DE FUNCIONES.-

Grfica de funcin estrictamente cncava Grfica de funcin estrictamente convexa

Matriz Hessiana.-

3/9
 UNED. ELCHE. e-mail: imozas@elx.uned.es
TUTORA DE MATEMTICAS AVANZADAS PARA LA ECONOMA https://www.innova.uned.es/webpages/Ilde/Web/index.htm

EJERCICIOS

Solucin.-
2 0
El gradiente f = (2(x+1), 2y) de donde el hessiano: H = , cuya forma
0 2
cuadrtica asociada es definida negativa. Luego la funcin es cncava (estrictamente)

Solucin.-
ex 0
f e ,e , de donde el hessiano es
x y
cuya forma cuadrtica asociada
y
0 e
es definida positiva (pues ex > 0 y exy > 0), luego f(x,y) es estrctamente convexa

4/9
 UNED. ELCHE. e-mail: imozas@elx.uned.es
TUTORA DE MATEMTICAS AVANZADAS PARA LA ECONOMA https://www.innova.uned.es/webpages/Ilde/Web/index.htm

Solucin.-
e xy e xy
f e 2, e e 1 , de donde el hessiano: x y
xy xy y
, cuya forma cuadrtica
y
e e xy
e
asociada es definida positiva ya que los menores angulares H1 = ex+y > 0 y H2 = ex+2y > 0,
luego f es convexa (estrictamente).

Solucin.-
2a 0
Analicemos la forma cuadrtica asociada al hessiano . Se tiene:
0 2b
- Si a 0 y b 0 la forma cuadrtica es definida (o semidefinida) positiva. Luego la
funcin es estrictamente convexa (o convexa).
- Si a 0 y b 0 la forma cuadrtica sera definida (o semidefinida) negativa y f es
estrictamente cncava (o cncava).
- (Si a= b = 0, f(x,y) es simultneamente cncava y convexa).
Si ab < 0, la forma cuadrtica es indefinida y f no es ni cncava ni convexa.

Solucin.-
2 6x 1
f(x, y) = 2x y 3x 2 ,2 y x , de donde el Hessiano: cuya forma
1 2
cuadrtica asociada no es semidefinida ya que depende de x. Luego f no es convexa (ni
cncava) en 2.

OPTIMIZACIN SIN RESTRICCIONES.-

Extremos relativos de funciones de n variables.-

5/9
 UNED. ELCHE. e-mail: imozas@elx.uned.es
TUTORA DE MATEMTICAS AVANZADAS PARA LA ECONOMA https://www.innova.uned.es/webpages/Ilde/Web/index.htm

Condicin suficiente para la existencia de ptimos locales.-

6/9
 UNED. ELCHE. e-mail: imozas@elx.uned.es
TUTORA DE MATEMTICAS AVANZADAS PARA LA ECONOMA https://www.innova.uned.es/webpages/Ilde/Web/index.htm

EJERCICIOS

Solucin.-
El beneficio es la ganancia menos el coste, siendo la ganancia = 16q1 + 12q2 + 20q3.
Luego el beneficio:
B = 16q1 + 12q2 + 20q3 q12 2q 22 3q32 2q1 q3 25
El gradiente B 16 2q1 2q 3 , 12 4q 2 , 20 6q 3 2q1 = (0, 0, 0), de donde se obtiene la
solucin q1 = 7, q2 = 3 y q3 =1.
2 0 2
2 0
El hessiano : 0 4 0 , cuyos menores angulares son 2 < 0, =8>0y
2 0 6 0 4

2 0 2
0 4 0 32 < 0, luego la forma cuadrtica asociada es definida negativa, por lo que B
2 0 6
es una funcin cncava y por tanto la solucin hallada q1 = 7, q2 = 3 y q3 =1 corresponde a un
mximo.

7/9
 UNED. ELCHE. e-mail: imozas@elx.uned.es
TUTORA DE MATEMTICAS AVANZADAS PARA LA ECONOMA https://www.innova.uned.es/webpages/Ilde/Web/index.htm

Solucin.-
x 0
3x 2 4 x 0 4
x

f 3x 2 4x , 3y 2 8y 0,0
3
2 y 0

3y 8y 0 8
y
3

Los candidatos a extremo son los puntos: 0,0, 0, 8 , 4 ,0 y 4 , 8 . El

3 3 3 3
6x 4 0
Hessiano es H = . Estudiemos la forma cuadrtica asociada al hessiano de
0 6 y 8
cada punto:
4 0
H ( 0, 0 ) Definida positiva f tiene un mnimo relativo en (0, 0)
0 8
4 0 8
H Indefinida f no tiene extremo relativo en 0, .
0 8
8
( 0, )
3 3
4 0 4
H 4 Indefinida f no tiene extremo relativo en ,0 .
( ,0)
3 0 8 3
4 0 4 8
H Definida negativa f tiene un mximo relativo en ,
0 8
4 8
( , )
3 3 3 3

Solucin.-
f
2x 2 y 0
x
El sistema
f admite como solucin todos los puntos del plano x = y.
2x 2 y 0
y
2 2
En el hessiano H = se cumple que h1 = 2 y h2 = H = 0, luego estamos en el caso
2 2
dudoso. Ahora bien, observamos que la funcin f(x,y) = (x y)2 0 y es cero si y solo si x = y.
Luego en cada punto del plano x= y existe un mnimo global (y local). No existen mximos.

8/9
 UNED. ELCHE. e-mail: imozas@elx.uned.es
TUTORA DE MATEMTICAS AVANZADAS PARA LA ECONOMA https://www.innova.uned.es/webpages/Ilde/Web/index.htm

Solucin.-
B
20 4 x 2 8x1 0
x
La solucin del sistema 1 es x1 = 7 y x2 = 9. La forma cuadrtica
B
26 4 x1 6 x 2 0
x 2
8 4
asociada a la matriz hessiana H = es definida negativa luego B es cncava y por
4 6
tanto el punto (7, 9) es el mximo global.

Solucin.-
x1 0

El gradiente f x1 , x 2 2x1 ,10x 2 4 0,0 2.
x

2
5
2 0
La forma cuadrtica asociada a la matriz hessiana H = es definida negativa
0 10
2
luego el punto 0, es un mximo local.
5
Tambin, por ser la matriz hessiana definida negativa, la funcin f(x1, x2) es
estrictamente cncava, luego el mximo es global.

9/9