FUNCIÓN DE PRODUCCIÓN COBB-DOUGLAS

En economía, una función de producción representa la relación que existe entre la

cantidad producida en un proceso productivo y la cantidad de insumos utilizados en ese
proceso. Entonces tenemos que:

Q=f(L,K)

Donde Q es la cantidad de producto y L y K la cantidad de factores utilizados, por

ejemplo, trabajo y capital.

La función de producción Cobb-Douglas es un tipo de función de producción

ampliamente utilizada, debido a que, como veremos mas adelante, cumple con ciertas
condiciones que hacen que sea muy útil.

La forma de la función de producción Cobb-Douglas es la siguiente:

Q(K,L) = A L, β K, α

Donde:
- Q es la cantidad de productos
- L la cantidad de trabajo, por ejemplo, valor de horas de trabajo anual
- K la cantidad de capital, por ejemplo, valor de horas de trabajo de la maquinaria
- A,β y α son constantes positivas
- β y α son menores que 1

Gráficamente
Productividad Marginal

La productividad marginal es el cambio en la producción, ante cambios en la cantidad

de insumos. La productividad marginal es la derivada primera de la función de
producción respecto a algún insumo:

∂Q/∂L

En el caso de la función de producción Cobb-Douglas

∂Q/∂L = Aβ L, (β-1) K, α

Vemos que si L o K se incrementan, también lo hará la cantidad de producción. Esto

significa que el rendimiento marginal de los insumos es positivo. La productividad
marginal es positiva.

Gráficamente

Producto de L (K está fijo)

Producto Marginal de L

Elasticidad de la Producción

La elasticidad de la producción mide la variación porcentual de la producción ante

cambios en la cantidad de insumos utilizados.

(∂Q/Q) / (∂L/L) = (∂Q/∂L) / (Q/L)

Si la elasticidad es mayor que uno, la función de producción es elástica y viceversa. En

el caso de la función de producción Cobb-Douglas, la elasticidad de la producción se
puede medir fácilmente:

(∂Q/Q) / (∂L/L) = (∂Q/∂L) / (Q/L)

= [ Aβ L^(β-1) K^α ] / [ A L^β K^α / L ]

= [ Aβ L^(β-1) K^α ] / [ A L^(β-1) K^α ]

=β

Esto significa que la elasticidad de la producción respecto al trabajo es β. Este valor es

constante. Si β es igual a 0.20 y el trabajo se incrementa en un 10%, la producción
aumentará en un 2%.
De forma similar, puedes verificar que la elasticidad de la producción respecto al capital
es α.

Retornos a Escala

Mide la variación en la producción ante cambios similares en la cantidad de trabajo y

capital. Todos los factores se incrementan en la misma proporción. Si, ante un cambio
proporcional en todos los insumos, la producción aumenta mas que proporcionalmente,
hablamos de retornos crecientes a escala, y si aumenta menos que proporcionalmente,
hablamos de retornos decrecientes a escala.

En el caso de la función de producción Cobb-Douglas, multiplicamos la cantidad de

insumos por una constante c que mide la variación de los insumos. Y' representa el
nuevo nivel de producción:

Y' = A (cL)^β (cK)^α

= A c^β L^β c^α K^α

= A c^(β + α) L^β K^α

= c^(β+α) Y

Vemos que, ante un cambio de c en la cantidad de factores utilizados, la producción se

incrementa en c^(β+α).

Entonces:

Si:
(β+α) = 1 ; la función de producción tendrá retornos a escala constantes
(β+α) > 1 ; la función de producción tendrá retornos a escala crecientes
(β+α) < 1 ; la función de producción tendrá retornos a escala decrecientes

Resumiendo:

La función de producción Cobb-Douglas tiene:

- Productividad marginal positiva decreciente

- Elasticidad de producción constante e igual a β para el trabajo y α para el capital
- Rendimientos marginales decrecientes.
- Retornos a escala constantes, que dependen de la suma (β+α)
 LA GEOMETRÍA FRACTAL
La geometría fractal ofrece un modelo alternativo que busca una regularidad en las
relaciones entre un objeto y sus partes a diferentes escalas. Esta forma de regularidad
no precisa el encorsetamiento del objeto en otras formas geométricas que, aunque
elementales, no dejan de ser externas al mismo, sino que busca la lógica interna del
propio objeto mediante relaciones intrínsecas entre sus elementos constitutivos cuando
estos se examinan a diferentes escalas. De esta forma no se pierden ni la perspectiva
del objeto global, ni del aspecto del mismo en cada escala de observación. La geometría
fractal busca y estudia los aspectos geométricos que son invariantes con el cambio de
escala.

Desarrollo de la Geometría Fractal

Los orígenes de la geometría fractal se remontan a finales del siglo XIX y principios del
XX con la aparición en el campo de las matemáticas de conjuntos geométricos de
propiedades aparentemente paradójicas. En dichos conjuntos (curvas de Peano,
conjunto de Cantor...) parecía existir una discordancia entre su tamaño real y su
configuración espacial como conjunto de puntos.

Los ejemplos plantearon la necesidad de establecer una separación a la hora de estudiar

la medida del tamaño y el estudio de la forma o de las formas geométricas. Con esto
surgió lo que hoy se denomina teoría geométrica de la medida.

La teoría geométrica de la medida, tuvo su punto de arranque con la definición del

concepto de dimensión de Hausdorff, el cual establecía la distinción del tamaño de los
conjuntos paradójicos y que sentó sus bases con los trabajos de Besicovitch durante los
años 20 y 30 en los que estudió las propiedades geométricas de los conjuntos planos,
esto sería el prototipo de lo que hoy se llamamos fractales, siendo sus trabajos la base
de la geometría fractal. A partir de entonces muchos matemáticos continuarán el
estudio de este tipo de conjuntos.

Por otra parte, la exploración de los futuros x0, x1, ...., xn mediante las iteraciones de la
función F, se ve facilitada enormemente por el ordenador que nos va a permitir
aproximarnos a la geometría de estos conjuntos extraños.

LAS IMAGENES FRACTALES

Los sistemas dinámicos son una de las ramas de las matemáticas más desarrolladas
hoy en día, pero hasta la llegada de los ordenadores, el elevado número de cálculos
que implicaba su uso los hacían impracticables en la vida real. Actualmente, la
capacidad del ordenador para efectuar operaciones a gran velocidad permite
condensar millones de cálculos en resultados que podemos interpretar numérica o
visualmente. Benoit Mandelbrot fue el primero en utilizar los ordenadores para
producir representaciones gráficas de sistemas dinámicos en el plano complejo,
basándose en las fórmulas descritas por el matemático francés Gastón Julia a principio
de siglo.
Durante la década de los 80, los primeros estudiosos de los fractales comenzaron a
explorarlos por su valor estético, más que por su significación matemática. Mientras
que la matemática era la herramienta, el objetivo era el arte. Al ser las ecuaciones
fractales el elemento matemático más obvio, los artistas fractales experimentaron con
nuevas ecuaciones, introduciendo centenares de nuevos tipos fractales. Eligiendo
cuidadosamente parámetros para refinar el color, la forma y el encuadre, estos
pioneros introdujeron el concepto de arte fractal.

Después de 1995, prácticamente se había agotado la posibilidad de crear nuevos tipos

fractales de especial relevancia. Entonces la mayor innovación se produce no al
cambiar las ecuaciones fractales, sino al crear nuevas formas de colorear las
ecuaciones ya existentes. A medida que estos nuevos algoritmos de coloreado se
hacen más complejos, los artistas fractales regresan a las ecuaciones fractales más
simples y clásicas, ya que la flexibilidad de estos sofisticados algoritmos de color
proporciona, por sí misma, una mayor versatilidad y posibilidad de expresión artística
personal.

ALGORITMOS DE COLOR

Cada sistema dinámico produce una secuencia de valores z0, z1, z2, z3,... zn. Las
imágenes fractales se crean generando una de estas secuencias para cada píxel (punto
de la pantalla) en la imagen. Posteriormente, el algoritmo de color es el encargado de
interpretar la secuencia numérica para producir un color final que la represente.

The eyes of the beholders (Los ojos de los vigilantes) por Domenik Anuzzi.
Esta imagen constituye un ejemplo de cómo el uso de diferentes capas puede ser
utilizado para buscar y resaltar una determinada forma o efecto.

Típicamente, el algoritmo de color produce un único valor para cada píxel. Dado que
el color es interpretado en los ordenadores como un espacio tridimensional RGB (red,
green, blue), este valor unidimensional debe ser expandido para poder producir un
color. El método más común es la creación de una paleta, una secuencia de valores de
color 3D, definidos por una línea (denominada gradiente) que recorre el espacio
tridimensional.

La selección del gradiente es una de las decisiones artísticas más críticas al crear una
imagen fractal. Un gradiente de color puede enfatizar partes de la imagen u ocultar
otras. En casos extremos, dos imágenes fractales con los mismos parámetros pero
diferentes esquemas de color pueden parecer completamente diferentes.

Podemos efectuar una primera división entre los algoritmos de color: los que
producen valores discretos y los que producen valores continuos. Los valores discretos
muestran saltos o bandas en la transición del color. Hasta hace unos años esto no era
importante, ya que las tarjetas gráficas de 8 bits producían, en cualquier caso, un
escalonado en la imagen. Sin embargo la llegada masiva de las tarjetas gráficas de 24
bits hizo que los algoritmos continuos cobraran una especial preponderancia, ya que
permiten interpolar un color cualquiera del gradiente con la precisión deseada.

La creciente importancia de los algoritmos de color en las imágenes fractales ha

dado lugar a centenares de nuevos algoritmos, de entre los que podemos destacar los
que se detallan a continuación.

ALGORITMO DE TIEMPO DE ESCAPE

El algoritmo de tiempo de escape es uno de los más antiguos y para muchos

programas fractales la única opción disponible. Su simplicidad lo convierte en el
favorito de aquellos que se inician en la programación fractal, sin embargo, desde el
punto de vista artístico se considera menos importante, dado que produce valores
discretos y se ha visto ampliamente superado por los algoritmos de color continuos.

Este algoritmo está basado en el número de iteraciones necesario para determinar si

la secuencia iterada por el sistema dinámico tiende a infinito o no. Puede demostrarse
estrictamente que, cuando la órbita de cualquier valor z0, z1, z2, z3,... zn excede una
región frontera, R siempre diverge hacia el infinito. La forma y el tamaño mínimo de la
región R son, por supuesto, diferentes para cada fórmula fractal. La secuencia iterada
es interrumpida tan pronto como zn rebasa la región frontera R, entonces el valor de
coloreado para el algoritmo de tiempo de escape es simplemente la longitud de la
secuencia, esto es n.

Tradicionalmente, R se define como un círculo, centrado en el origen y con radio 2.

Esto viene dado porque en el conjunto de Mandelbrot está probado que tan pronto
como |z|>2 la iteración diverge. Y aunque matemáticamente R debe incluir un círculo
de radio 2 para verificar la divergencia de forma precisa, esto no ha impedido a
algunos artistas fractales experimentar con otros radios diferentes.

El algoritmo de tiempo de escape puede ser considerado como una medida no

euclídea de la distancia de un punto cualquiera z0 a la frontera del conjunto. El uso de
un valor discreto (el número de iteraciones es siempre un entero) produce una
apariencia de bandas similar a la de un mapa topográfico.

El uso creativo de los gradientes puede en algún caso sacar provecho de estas
bandas (también denominadas “rayado de tigre”) pero la mayoría de los artistas han
desarrollado algoritmos que ocultan este efecto. Claramente, el objetivo final es crear
funciones continuas para medir estas distancias. Aunque los algoritmos empleados no
proporcionan una distancia euclidiana exacta, sí que proporcionan una aproximación
aceptable utilizando valores continuos.

No todas las secuencias iteradas z0, z1, z2, z3,... zn tienden hacia infinito. Las órbitas
que no lo hacen, a menudo convergen en un solo punto o en un ciclo periódico.
Aunque la mayoría de las técnicas descritas anteriormente pueden aplicarse a estas
secuencias convergentes, requieren de ciertas modificaciones. El método más sencillo
consiste en buscar un cambio decreciente en la órbita de zn. Así, mientras zn converge
hacia un punto fijo, |zn–zn-1| tiende hacia cero. Una vez que esta diferencia rebasa una
tolerancia establecida, consideramos que el punto ha convergido suficientemente
hacia el atractor y lo coloreamos (puede ser de acuerdo al número de iteraciones o a
cualquier otro algoritmo).

ÁNGULO DE ESCAPE

Los algoritmos descritos anteriormente consideraban la magnitud de z y el número

de iteraciones. Si consideramos la magnitud z como una parte de las coordenadas
polares de zn, entonces parece lógico considerar también la otra parte –el ángulo de z–
como elemento para colorear. La familia de algoritmos de ángulo de escape cubre
todos aquellos algoritmos basados en el estudio del ángulo de zn.

El primer algoritmo sería la descomposición binaria. En este algoritmo, los valores

de zn que toman ángulos por encima del eje real (0-180º) toman un determinado color,
mientras que los que toman valores por debajo del eje real (180-360º) toman otro
radicalmente diferente.

Variaciones del esquema de la descomposición binaria pueden incrementar el

número de divisiones del plano. Por ejemplo, una descomposición cuaternaria podría
asignar un color diferente a los ángulos de zn correspondientes a cada cuadrante. El
incremento del número de divisiones del plano incrementa, lógicamente, el número de
colores a emplear.

Otro aspecto de la secuencia z0, z1, z2, z3,... zn que puede ser medido es la curvatura
entre iteraciones consecutivas. Una estimación rápida puede hacerse utilizando dos
puntos de la iteración. Otras variantes permiten utilizar el radio de la circunferencia
que pasa por los valores de tres iteraciones o el área del triángulo formado por tres
iteraciones. Estas últimas variantes recogen no sólo la curvatura de las iteraciones, sino
también la distancia entre ellas.

CAPTURA DE ÓRBITAS

Constituye sin duda la más amplia familia de algoritmos de color, dada la gran
versatilidad que muestra para la expresión artística. La idea básica consiste en elegir
una región del plano complejo (denotada por T) y estudiar la relación entre los valores
de zn y T. La región T es definida usualmente como una forma (generalmente de
cálculo simple como un punto, línea o círculo) y una distancia de tolerancia. Cualquier
iteración que caiga dentro de la distancia de tolerancia se considera “capturada”.

Las implementaciones primitivas del algoritmo de captura de órbitas simplemente

buscaban cualquier zn que cayera dentro de la región T, también denominada
“trampa”. Cuando se daba esta circunstancia se concluía la iteración y se coloreaba el
píxel de acuerdo a la distancia al centro de la región T. De ahí el término “trampa”; una
vez que la órbita cae en T, ésta es “atrapada” y la iteración finalizada.

Existen muchas variantes para este método. En primer lugar, la forma de la

región T puede variar y transformarse en figuras más complejas como elípses,
astroides, hipérbolas, curvas trigonométricas o curvas polares como espirales o
cardioides. Más lejos aún, estas trampas pueden distorsionarse o rotarse, incluso
incrementar su área con cada iteración.

Otro tipo de variantes trata la relación entre las distancias de cada valor znrespecto
a T. La implementación clásica, mencionada anteriormente, se detenía cuando un
valor zn caía dentro de la distancia de tolerancia T. Pero otras variantes pueden utilizar
el último valor zn en caer en la trampa, o el más cercano, o el más lejano, etc. E incluso
métodos más exóticos pueden combinar varias de estas distancias simultáneamente,
hasta el punto de hacer casi imposible predecir qué tipo de resultados se obtendrán.

Una variante de la captura de órbitas es el algoritmo de enteros gaussianos. Un

entero gaussiano es un número complejo cuyas componentes real e imaginaria son
ambas números enteros. El algoritmo calcula la distancia de cada zn al entero
gaussiano más cercano, y entonces se colorea basándose en la distancia menor
obtenida en la iteración.
Conceptualmente, este método es similar a una captura de órbitas, donde la
trampa T (un punto) se repite a lo largo del plano complejo en una malla regular
coincidente con los enteros gaussianos. Percibido de esta manera, está claro que esta
técnica puede ser extendida a cualquier otra forma T, con diferentes espaciados, e
incluso mallas no rectangulares, como las radiales o las triangulares.

FRACTALES MULTICAPA

Hoy en día la técnica más relevante de creación artística consiste en combinar

simultáneamente varios algoritmos como los descritos anteriormente. El resultado
final es un algoritmo mixto de enorme complejidad pero que genera imágenes de gran
belleza, que denominamos fractales multicapa y que constituyen la vanguardia del arte
fractal moderno. Las posibilidades de combinación son prácticamente infinitas y
amplían a límites insospechados el campo de expresión artística.

Esta nueva técnica dio lugar a que varios artistas fractales se unieran en una
exposición itinerante denominada “The Frontier between Art and Science”, que ha
sido presentada hasta el momento en España, Francia, Japón, Austria, Yugoslavia,
Alemania, Argentina, Brasil y Bélgica con obras de gran formato realizadas por Linda
Allison, Sylvie Gallet, Damien Jones, Mario Markus, Janet Parke, Kerry Mitchell,
Michael Field, Domenick Anuzzi, Iñigo Quilez, Klaus-Peter Kubik, Luke Plant, Javier
Barrallo, Mark Townsend, Earl Hinrichs y Sharon Webb.