SlideShare una empresa de Scribd logo
1 de 12
Optimización de funciones 
Dirección de Formación Básica
Optimización de funciones 
Habilidades a desarrollar 
Al terminar el presente tema, Usted estará en la capacidad 
de: 
1) Resolver problemas de optimización de funciones 
reales de variable real haciendo uso de la derivada.
Optimización de funciones 
Ejemplo. La ecuación de demanda para el producto de un fabricante es 
푝 = 
80 − 푞 
4 
, 0 ≤ 푞 ≤ 80 
donde 푞 es el número de unidades y 푝 es el precio por unidad. ¿Para qué valor de 푞 se 
tendrá un ingreso máximo? ¿Cuál es el ingreso máximo? 
Resolución 
Sea 퐼 el ingreso total, el cual es la 
cantidad por maximizar. Como 
Ingreso = (precio)(cantidad) 
se tiene 
퐼 = 푝푞 = 
80 − 푞 
4 
∙ 푞 
퐼(푞) = 
−푞2 
4 
+ 20푞 
donde 0 ≤ 푞 ≤ 80. Se establece 퐼′ 푞 = 0 
퐼′ 푞 = − 
1 
2 
푞 + 20 = 0 
− 
1 
2 
푞 = −20 
푞 = 40 
0 40 80 
Signo 
de 퐼′ 푞 
Comportamiento 
de 퐼 푞 
+ − 
La cantidad que permite el máximo 
ingreso es 푞 = 40. 
El máximo ingreso es 퐼 40 = 400
Optimización de funciones 
Ejemplo. La función de costo total de un fabricante está dada por 
퐶 = 퐶 푞 = 
푞2 
4 
+ 3푞 + 400, 
donde 퐶 es el costo total de producir 푞 unidades. ¿Para qué nivel de producción será el 
costo promedio por unidad un mínimo? ¿Cuál es ese mínimo? 
Resolución 
La cantidad a minimizar es el Costo 
promedio 퐶푃. La función de Costo 
promedio es 
퐶푃 = 
퐶(푞) 
푞 
se tiene 
퐶푃 = 
푞2 
4 
+ 3푞 + 400 
푞 
퐶푃 푞 = 
푞 
4 
+ 3 + 
400 
푞 
Vamos a obtener los valores críticos, se 
resuelve 퐶푃′ = 0 
퐶푃′ 푞 = 
1 
4 
− 
400 
푞2 = 0 
1 
4 
= 
400 
푞2 
푞 = 40 
0 40 +∞ 
Signo de 퐶푃′ 푞 
Comportamiento 
de 퐶푃 푞 
− + 
La cantidad que permite minimizar el 
costo promedio es 푞 = 40. 
El costo promedio mínimo es 퐶푃 40 = 23
Optimización de funciones 
Extremos absolutos en un intervalo cerrado. 
Si una función 푓 es continua en un intervalo cerrado 
[푎; 푏], puede demostrarse que entre todos los valores 
de 푓(푥) de la función de 푥 en [푎; 푏], debe haber un 
valor máximo (absoluto) y un valor mínimo 
(absoluto). Esos dos valores se llaman valores 
extremos de 푓 en ese intervalo. Esta importante 
propiedad de las funciones continuas se llama 
teorema del valor extremo.
Optimización de funciones 
Teorema del valor extremo. 
Si una función es continua en un intervalo cerrado [푎; 푏], entonces 
la función tiene tanto un valor máximo como un valor mínimo en 
ese intervalo. 
Máximo absoluto 
푎 푥1 푥2 푏 푥 
푦 
Máximo absoluto 
푎 푥1 푏 푥 
푦 
Mínimo absoluto 
Mínimo absoluto
Optimización de funciones 
Procedimiento para encontrar los extremos absolutos de una función 풇 
que es continua en [풂; 풃]. 
Paso 1. Encontrar los valores críticos de 푓. 
Osea, los valores de 푥 tal que 푓′ 푥 = 0. 
Paso 2. Seleccione los valores críticos que pertenecen al intervalo [푎; 푏] 
Paso 3. Evaluar 푓(푥) en los puntos extremos 푎 y 푏, y en los valores 
críticos sobre ]푎; 푏[. 
Paso 4. El valor máximo de 푓 es el mayor de los valores encontrados en el 
paso 3. El valor mínimo de 푓 es el menor de los valores encontrados en el 
paso 3.
Optimización de funciones 
Ejemplo. Un artículo en una revista de sociología afirma que si ahora se iniciase un 
programa específico de servicio de salud, entonces al cabo de 푡 años, 푛 miles de personas 
ancianas recibirán beneficios directos, donde 
푛 = 
푡3 
3 
− 6푡2 + 32푡, 0 ≤ 푡 ≤ 12 
¿Para qué valor de 푡 el número de beneficiados es máximo? 
Resolución 
Se establece 푑푛 푑푡 = 0, se tiene 
푑푛 
푑푡 
= 푡2 − 12푡 + 32 = 0 
푡 − 4 푡 − 8 = 0 
푡 = 4 ó 푡 = 8 
Como el dominio de 푛 es el intervalo 
cerrado [0; 12], el valor máximo absoluto 
de 푛 debe ocurrir en 푡 = 0, 4, 8 ó 12 
푛 0 = 
03 
3 
− 6(02) + 32 0 = 0 
푛 4 = 
43 
3 
− 6 42 + 32 4 = 
160 
3 
푛 8 = 
83 
3 
− 6 82 + 32 8 = 
128 
3 
푛 12 = 
123 
3 
− 6 122 + 32 12 = 96 
Así, se tiene un máximo absoluto en 푡 = 
12.
Optimización de funciones 
Recordemos que una herramienta que permite clasificar los puntos 
críticos es el criterio de la segunda derivada. 
CRITERIO DE LA SEGUNDA DERIVADA. 
Sea 푓 una función tal que 푓′ 푐 = 0 y con una segunda derivada 
definida en 푐. 
• Si 푓′′ 푐 < 0 entonces 푓(푐) es un máximo relativo de 푓. 
• Si 푓′′ 푐 > 0 entonces 푓(푐) es un mínimo relativo de 푓. 
Observaciones: 
1) El criterio no es concluyente en el caso que 푓′ 푐 = 0 y 푓′′ 푐 = 0. Se deberá 
usar el criterio de la primera derivada. 
2) El criterio no puede usarse en el caso que la segunda derivada no exista en 푐. 
3) Una de las bondades de este criterio es que permite clasificar los puntos 
críticos con sólo evaluar la función segunda derivada en los números críticos, a 
diferencia del criterio de la primera derivada que se debía evaluar la primera 
derivada a la izquierda y derecha del punto crítico y entre los puntos críticos 
vecinos.
Optimización de funciones 
Ejemplo 
El costo total de producir 푞 unidades de un artículo está dada por 퐶 푞 = 1000 + 300푞 + 
1 
푞2. Si la ecuación de demanda está dada por 푝 = 200 − 0,1푞, calcule las unidades que 
20 
deberá de producir a fin de obtener la máxima utilidad. 
Resolución 
Primero se debe de conseguir la 
función utilidad 푈 = 퐼 − 퐶. 
Derivamos 
푈′ 푞 = − 
3 
10 
푞 + 100 
Se usa el criterio de la 
segunda derivada para 
clasificar el posible 
extremo 
푈′′(푞) = − 
3 
10 
Como 푈′′ es siempre 
negativa, así lo es en el 
número crítico. 
En este caso, como 퐼 = 푝푞 se 
tendrá 
퐼 = 200 − 0,1푞 푞 
Con ello, la utilidad es 
푈 = 퐼 − 퐶 
Se plantea 푈′ = 0 para 
conseguir los puntos 
críticos 
Por tanto en 푞 = 
1000 
3 
se 
alcanza un máximo 
relativo y por existir un 
único, éste es absoluto.. 
퐼 = 200푞 − 0,1푞2 
푈(푞) = − 
3 
20 
푞2 + 100푞 − 1000 
− 
3 
10 
푞 + 100 = 0 
푞 = 
1 000 
3
Optimización de funciones 
Ejemplo 
El costo total de producir 푞 unidades de un artículo está dada por 퐶 푞 = 5000 + 4푞 + 
1 
2 
푞2. Calcule las unidades que deberá de producir a fin de obtener el mínimo costo 
promedio por unidad. 
Resolución 
Primero debemos obtener el 
costo promedio. Este se calcula 
dividiendo el costo total entre 푞. 
Despejando 푞 
− 
5000 
푞2 = − 
1 
2 
10000 = 푞2 
Eliminamos la solución 
negativa pues carece de 
sentido. 
퐶 ′′(푞) = 
10 000 
푞3 
Al evaluar tenemos 
퐶 ′′ 100 = 
10 000 
10 3 > 0 
Entonces en 푞 = 100 se 
alcanza un mínimo 
relativo. 
퐶 푞 = 
퐶(푞) 
푞 
= 
5000 
푞 
+ 4 + 
1 
2 
푞 
Ahora se calcula la derivada de 퐶 
퐶 ′(푞) = − 
5000 
푞2 + 
1 
2 
Planteamos 퐶 ′ 푞 = 0 para 
encontrar los valores críticos 
− 
5000 
푞2 + 
1 
2 
= 0 
±100 = 푞 
Usaremos el criterio de la 
segunda derivada 
Se concluye que cuando 
se producen 100 
unidades tendremos el 
costo promedio mínimo.
Derivadas de ecuaciones paramétricas 
Bibliografía 
• [1] Arya, Jagdish C. (2009) Matemática aplicada a la Administración. 
Ed 5. México, D.F. Pearson. 
• [2] Haeussler, Ernest F. (2008). Matemática para Administración y 
Economía. Ed 12. Pearson Educación.

Más contenido relacionado

La actualidad más candente

Presentacion tasas de interes
Presentacion  tasas de interesPresentacion  tasas de interes
Presentacion tasas de interes
dicachic
 
Estadistica nuevo
Estadistica nuevoEstadistica nuevo
Estadistica nuevo
Sita Yani's
 
05. tasas presentacion final
05. tasas   presentacion final05. tasas   presentacion final
05. tasas presentacion final
Juan Chipana
 

La actualidad más candente (20)

Ejercicios finanzas para evaluacion privada
Ejercicios finanzas para evaluacion privadaEjercicios finanzas para evaluacion privada
Ejercicios finanzas para evaluacion privada
 
Presentacion tasas de interes
Presentacion  tasas de interesPresentacion  tasas de interes
Presentacion tasas de interes
 
Tarea 17 de probabilidad y estadistica con respuestas
Tarea 17 de probabilidad y estadistica con respuestasTarea 17 de probabilidad y estadistica con respuestas
Tarea 17 de probabilidad y estadistica con respuestas
 
Practica dirigida nº 7 resuelta
Practica dirigida nº 7 resueltaPractica dirigida nº 7 resuelta
Practica dirigida nº 7 resuelta
 
Estadistica nuevo
Estadistica nuevoEstadistica nuevo
Estadistica nuevo
 
Guiay taller aplicacionesdeladerivada
Guiay taller aplicacionesdeladerivadaGuiay taller aplicacionesdeladerivada
Guiay taller aplicacionesdeladerivada
 
Ejercicios unidad 3 mata
Ejercicios unidad 3 mataEjercicios unidad 3 mata
Ejercicios unidad 3 mata
 
Ejercicios resueltos
Ejercicios resueltosEjercicios resueltos
Ejercicios resueltos
 
Distribución de Probabilidad Discreta. Estadística, Douglas A. Lind, William ...
Distribución de Probabilidad Discreta. Estadística, Douglas A. Lind, William ...Distribución de Probabilidad Discreta. Estadística, Douglas A. Lind, William ...
Distribución de Probabilidad Discreta. Estadística, Douglas A. Lind, William ...
 
EJERCICIOS DE DISTRIBUCIÓN HIPERGEOMETRICA
EJERCICIOS DE DISTRIBUCIÓN HIPERGEOMETRICAEJERCICIOS DE DISTRIBUCIÓN HIPERGEOMETRICA
EJERCICIOS DE DISTRIBUCIÓN HIPERGEOMETRICA
 
Unidad 9. interes compuesto-GONZALO REVELO PABON
Unidad 9. interes compuesto-GONZALO REVELO PABONUnidad 9. interes compuesto-GONZALO REVELO PABON
Unidad 9. interes compuesto-GONZALO REVELO PABON
 
577544365.u04 poisson - ejercicio resuelto
577544365.u04   poisson - ejercicio resuelto577544365.u04   poisson - ejercicio resuelto
577544365.u04 poisson - ejercicio resuelto
 
tarea 1, ejercicios de probabilidad con respuestas
tarea 1, ejercicios de probabilidad con respuestastarea 1, ejercicios de probabilidad con respuestas
tarea 1, ejercicios de probabilidad con respuestas
 
Prueba de hipotesis
Prueba de hipotesisPrueba de hipotesis
Prueba de hipotesis
 
Ejercicios resueltos competencia perfecta
Ejercicios resueltos competencia perfectaEjercicios resueltos competencia perfecta
Ejercicios resueltos competencia perfecta
 
Prueba de hipotesis sobre la media con varianza desconocida
Prueba de hipotesis sobre la media con varianza desconocidaPrueba de hipotesis sobre la media con varianza desconocida
Prueba de hipotesis sobre la media con varianza desconocida
 
05. tasas presentacion final
05. tasas   presentacion final05. tasas   presentacion final
05. tasas presentacion final
 
56581501 tareas-resueltas-de-macroeconomia
56581501 tareas-resueltas-de-macroeconomia56581501 tareas-resueltas-de-macroeconomia
56581501 tareas-resueltas-de-macroeconomia
 
Ejercicios Propuesto: Laboratorio 2 / Estadística Aplicada
Ejercicios Propuesto: Laboratorio 2 / Estadística AplicadaEjercicios Propuesto: Laboratorio 2 / Estadística Aplicada
Ejercicios Propuesto: Laboratorio 2 / Estadística Aplicada
 
Elaboración de tablas de frecuencia, estadística
Elaboración de tablas de frecuencia, estadísticaElaboración de tablas de frecuencia, estadística
Elaboración de tablas de frecuencia, estadística
 

Similar a Optimizacion de funcion

UNIDAD N°3.pptx derivadas parciales matemáticas
UNIDAD N°3.pptx derivadas parciales matemáticasUNIDAD N°3.pptx derivadas parciales matemáticas
UNIDAD N°3.pptx derivadas parciales matemáticas
jpdidio
 
Programacion Lineal
Programacion LinealProgramacion Lineal
Programacion Lineal
marthyn1989
 
Aplicaciones de la derivada segunda parte
Aplicaciones de la derivada segunda parteAplicaciones de la derivada segunda parte
Aplicaciones de la derivada segunda parte
angiegutierrez11
 

Similar a Optimizacion de funcion (20)

Zoom de ae ia-dom1 07 de junio del 2020
Zoom de ae ia-dom1 07 de junio del 2020Zoom de ae ia-dom1 07 de junio del 2020
Zoom de ae ia-dom1 07 de junio del 2020
 
Sesion 13 Mate pa negocios.pptx
Sesion 13 Mate pa negocios.pptxSesion 13 Mate pa negocios.pptx
Sesion 13 Mate pa negocios.pptx
 
PROBLE~1.PDF
PROBLE~1.PDFPROBLE~1.PDF
PROBLE~1.PDF
 
Trabajo final programación lineal
Trabajo final programación linealTrabajo final programación lineal
Trabajo final programación lineal
 
S17.s1 - Material.pdf
S17.s1 - Material.pdfS17.s1 - Material.pdf
S17.s1 - Material.pdf
 
UNIDAD N°3.pptx derivadas parciales matemáticas
UNIDAD N°3.pptx derivadas parciales matemáticasUNIDAD N°3.pptx derivadas parciales matemáticas
UNIDAD N°3.pptx derivadas parciales matemáticas
 
Cap2.ppt
Cap2.pptCap2.ppt
Cap2.ppt
 
Algoritmos especiales
Algoritmos especialesAlgoritmos especiales
Algoritmos especiales
 
Algoritmo voraces
Algoritmo voracesAlgoritmo voraces
Algoritmo voraces
 
Sesión 04 2015 II
Sesión 04 2015 IISesión 04 2015 II
Sesión 04 2015 II
 
Programacion lineal
Programacion linealProgramacion lineal
Programacion lineal
 
Programacion Lineal
Programacion LinealProgramacion Lineal
Programacion Lineal
 
S02.s1 - tema matematica para negocios inecuaciones
S02.s1 - tema matematica para negocios inecuaciones S02.s1 - tema matematica para negocios inecuaciones
S02.s1 - tema matematica para negocios inecuaciones
 
Aplicación de las derivadas en la economia
Aplicación de las derivadas en la  economiaAplicación de las derivadas en la  economia
Aplicación de las derivadas en la economia
 
Miop u1 ea
Miop u1 eaMiop u1 ea
Miop u1 ea
 
Derivadas
DerivadasDerivadas
Derivadas
 
Aplicaciones de la derivada segunda parte
Aplicaciones de la derivada segunda parteAplicaciones de la derivada segunda parte
Aplicaciones de la derivada segunda parte
 
Optimización de Sistemas y Funciones: Método de Lagrange
Optimización de Sistemas y Funciones: Método de LagrangeOptimización de Sistemas y Funciones: Método de Lagrange
Optimización de Sistemas y Funciones: Método de Lagrange
 
APLICACIONES DE LA DERIVADA A LA RESOLUCIÓN DE PROBLEMAS EMPRESARIALES
APLICACIONES DE LA DERIVADA A LA RESOLUCIÓN DE PROBLEMAS EMPRESARIALESAPLICACIONES DE LA DERIVADA A LA RESOLUCIÓN DE PROBLEMAS EMPRESARIALES
APLICACIONES DE LA DERIVADA A LA RESOLUCIÓN DE PROBLEMAS EMPRESARIALES
 
MAXIMOS Y MINIMOS DE UNA FUNCIÓN.pdf
MAXIMOS Y MINIMOS DE UNA FUNCIÓN.pdfMAXIMOS Y MINIMOS DE UNA FUNCIÓN.pdf
MAXIMOS Y MINIMOS DE UNA FUNCIÓN.pdf
 

Último

Derivadas- sus aplicaciones en la vida cotidiana
Derivadas- sus aplicaciones en la vida cotidianaDerivadas- sus aplicaciones en la vida cotidiana
Derivadas- sus aplicaciones en la vida cotidiana
pabv24
 
Flores Galindo, A. - La ciudad sumergida. Aristocracia y plebe en Lima, 1760-...
Flores Galindo, A. - La ciudad sumergida. Aristocracia y plebe en Lima, 1760-...Flores Galindo, A. - La ciudad sumergida. Aristocracia y plebe en Lima, 1760-...
Flores Galindo, A. - La ciudad sumergida. Aristocracia y plebe en Lima, 1760-...
frank0071
 
El Genoma Humano, Características, Definición, ETC
El Genoma Humano, Características, Definición, ETCEl Genoma Humano, Características, Definición, ETC
El Genoma Humano, Características, Definición, ETC
J0S3G4LV1S
 
Althusser, Louis. - Ideología y aparatos ideológicos de Estado [ocr] [2003].pdf
Althusser, Louis. - Ideología y aparatos ideológicos de Estado [ocr] [2003].pdfAlthusser, Louis. - Ideología y aparatos ideológicos de Estado [ocr] [2003].pdf
Althusser, Louis. - Ideología y aparatos ideológicos de Estado [ocr] [2003].pdf
frank0071
 
IAAS- EPIDEMIOLOGIA. antisepcsia, desinfección, epp
IAAS-  EPIDEMIOLOGIA. antisepcsia, desinfección, eppIAAS-  EPIDEMIOLOGIA. antisepcsia, desinfección, epp
IAAS- EPIDEMIOLOGIA. antisepcsia, desinfección, epp
CatalinaSezCrdenas
 

Último (20)

Enfermeria_Geriatrica_TeresaPerezCastro.doc
Enfermeria_Geriatrica_TeresaPerezCastro.docEnfermeria_Geriatrica_TeresaPerezCastro.doc
Enfermeria_Geriatrica_TeresaPerezCastro.doc
 
LIPIDOS y ACIDOS NUCLEICOS Y TODOS SUS SILLARES ESTRUCTURALES
LIPIDOS y ACIDOS NUCLEICOS Y TODOS SUS SILLARES ESTRUCTURALESLIPIDOS y ACIDOS NUCLEICOS Y TODOS SUS SILLARES ESTRUCTURALES
LIPIDOS y ACIDOS NUCLEICOS Y TODOS SUS SILLARES ESTRUCTURALES
 
SESION 3º caracteristicas de los seres vivos.pdf
SESION 3º caracteristicas de los seres vivos.pdfSESION 3º caracteristicas de los seres vivos.pdf
SESION 3º caracteristicas de los seres vivos.pdf
 
Pelos y fibras. Criminalistica pelos y fibras
Pelos y fibras. Criminalistica pelos y fibrasPelos y fibras. Criminalistica pelos y fibras
Pelos y fibras. Criminalistica pelos y fibras
 
LOS PRIMEROS PSICÓLOGOS EXPERIMENTALES (1).pdf
LOS PRIMEROS PSICÓLOGOS EXPERIMENTALES (1).pdfLOS PRIMEROS PSICÓLOGOS EXPERIMENTALES (1).pdf
LOS PRIMEROS PSICÓLOGOS EXPERIMENTALES (1).pdf
 
El Gran Atractor, la misteriosa fuerza que está halando a la Vía Láctea.pptx
El Gran Atractor, la misteriosa fuerza que está halando a la Vía Láctea.pptxEl Gran Atractor, la misteriosa fuerza que está halando a la Vía Láctea.pptx
El Gran Atractor, la misteriosa fuerza que está halando a la Vía Láctea.pptx
 
Derivadas- sus aplicaciones en la vida cotidiana
Derivadas- sus aplicaciones en la vida cotidianaDerivadas- sus aplicaciones en la vida cotidiana
Derivadas- sus aplicaciones en la vida cotidiana
 
hipotalamo hipofisis clase de endocrinología
hipotalamo hipofisis clase de endocrinologíahipotalamo hipofisis clase de endocrinología
hipotalamo hipofisis clase de endocrinología
 
Flores Galindo, A. - La ciudad sumergida. Aristocracia y plebe en Lima, 1760-...
Flores Galindo, A. - La ciudad sumergida. Aristocracia y plebe en Lima, 1760-...Flores Galindo, A. - La ciudad sumergida. Aristocracia y plebe en Lima, 1760-...
Flores Galindo, A. - La ciudad sumergida. Aristocracia y plebe en Lima, 1760-...
 
Schuster, Nicole. - La metrópolis y la arquitectura del poder ayer hoy y mana...
Schuster, Nicole. - La metrópolis y la arquitectura del poder ayer hoy y mana...Schuster, Nicole. - La metrópolis y la arquitectura del poder ayer hoy y mana...
Schuster, Nicole. - La metrópolis y la arquitectura del poder ayer hoy y mana...
 
Mapa-conceptual-de-la-Seguridad-y-Salud-en-el-Trabajo-3.pptx
Mapa-conceptual-de-la-Seguridad-y-Salud-en-el-Trabajo-3.pptxMapa-conceptual-de-la-Seguridad-y-Salud-en-el-Trabajo-3.pptx
Mapa-conceptual-de-la-Seguridad-y-Salud-en-el-Trabajo-3.pptx
 
El Genoma Humano, Características, Definición, ETC
El Genoma Humano, Características, Definición, ETCEl Genoma Humano, Características, Definición, ETC
El Genoma Humano, Características, Definición, ETC
 
Althusser, Louis. - Ideología y aparatos ideológicos de Estado [ocr] [2003].pdf
Althusser, Louis. - Ideología y aparatos ideológicos de Estado [ocr] [2003].pdfAlthusser, Louis. - Ideología y aparatos ideológicos de Estado [ocr] [2003].pdf
Althusser, Louis. - Ideología y aparatos ideológicos de Estado [ocr] [2003].pdf
 
Homo Ergaster. Evolución y datos del hominido
Homo Ergaster. Evolución y datos del hominidoHomo Ergaster. Evolución y datos del hominido
Homo Ergaster. Evolución y datos del hominido
 
Musculos Paraproteticos, protesis, musculos
Musculos Paraproteticos, protesis, musculosMusculos Paraproteticos, protesis, musculos
Musculos Paraproteticos, protesis, musculos
 
Glaeser, E. - El triunfo de las ciudades [2011].pdf
Glaeser, E. - El triunfo de las ciudades [2011].pdfGlaeser, E. - El triunfo de las ciudades [2011].pdf
Glaeser, E. - El triunfo de las ciudades [2011].pdf
 
CASO CLÍNICO INFECCIONES Y TUMORES.pptx
CASO CLÍNICO INFECCIONES Y TUMORES.pptxCASO CLÍNICO INFECCIONES Y TUMORES.pptx
CASO CLÍNICO INFECCIONES Y TUMORES.pptx
 
Origen y evolución del hombre, teorías..
Origen y evolución del hombre, teorías..Origen y evolución del hombre, teorías..
Origen y evolución del hombre, teorías..
 
IAAS- EPIDEMIOLOGIA. antisepcsia, desinfección, epp
IAAS-  EPIDEMIOLOGIA. antisepcsia, desinfección, eppIAAS-  EPIDEMIOLOGIA. antisepcsia, desinfección, epp
IAAS- EPIDEMIOLOGIA. antisepcsia, desinfección, epp
 
PRESENTACION PRE-DEFENSA PROYECTO I.pptx
PRESENTACION PRE-DEFENSA PROYECTO I.pptxPRESENTACION PRE-DEFENSA PROYECTO I.pptx
PRESENTACION PRE-DEFENSA PROYECTO I.pptx
 

Optimizacion de funcion

  • 1. Optimización de funciones Dirección de Formación Básica
  • 2. Optimización de funciones Habilidades a desarrollar Al terminar el presente tema, Usted estará en la capacidad de: 1) Resolver problemas de optimización de funciones reales de variable real haciendo uso de la derivada.
  • 3. Optimización de funciones Ejemplo. La ecuación de demanda para el producto de un fabricante es 푝 = 80 − 푞 4 , 0 ≤ 푞 ≤ 80 donde 푞 es el número de unidades y 푝 es el precio por unidad. ¿Para qué valor de 푞 se tendrá un ingreso máximo? ¿Cuál es el ingreso máximo? Resolución Sea 퐼 el ingreso total, el cual es la cantidad por maximizar. Como Ingreso = (precio)(cantidad) se tiene 퐼 = 푝푞 = 80 − 푞 4 ∙ 푞 퐼(푞) = −푞2 4 + 20푞 donde 0 ≤ 푞 ≤ 80. Se establece 퐼′ 푞 = 0 퐼′ 푞 = − 1 2 푞 + 20 = 0 − 1 2 푞 = −20 푞 = 40 0 40 80 Signo de 퐼′ 푞 Comportamiento de 퐼 푞 + − La cantidad que permite el máximo ingreso es 푞 = 40. El máximo ingreso es 퐼 40 = 400
  • 4. Optimización de funciones Ejemplo. La función de costo total de un fabricante está dada por 퐶 = 퐶 푞 = 푞2 4 + 3푞 + 400, donde 퐶 es el costo total de producir 푞 unidades. ¿Para qué nivel de producción será el costo promedio por unidad un mínimo? ¿Cuál es ese mínimo? Resolución La cantidad a minimizar es el Costo promedio 퐶푃. La función de Costo promedio es 퐶푃 = 퐶(푞) 푞 se tiene 퐶푃 = 푞2 4 + 3푞 + 400 푞 퐶푃 푞 = 푞 4 + 3 + 400 푞 Vamos a obtener los valores críticos, se resuelve 퐶푃′ = 0 퐶푃′ 푞 = 1 4 − 400 푞2 = 0 1 4 = 400 푞2 푞 = 40 0 40 +∞ Signo de 퐶푃′ 푞 Comportamiento de 퐶푃 푞 − + La cantidad que permite minimizar el costo promedio es 푞 = 40. El costo promedio mínimo es 퐶푃 40 = 23
  • 5. Optimización de funciones Extremos absolutos en un intervalo cerrado. Si una función 푓 es continua en un intervalo cerrado [푎; 푏], puede demostrarse que entre todos los valores de 푓(푥) de la función de 푥 en [푎; 푏], debe haber un valor máximo (absoluto) y un valor mínimo (absoluto). Esos dos valores se llaman valores extremos de 푓 en ese intervalo. Esta importante propiedad de las funciones continuas se llama teorema del valor extremo.
  • 6. Optimización de funciones Teorema del valor extremo. Si una función es continua en un intervalo cerrado [푎; 푏], entonces la función tiene tanto un valor máximo como un valor mínimo en ese intervalo. Máximo absoluto 푎 푥1 푥2 푏 푥 푦 Máximo absoluto 푎 푥1 푏 푥 푦 Mínimo absoluto Mínimo absoluto
  • 7. Optimización de funciones Procedimiento para encontrar los extremos absolutos de una función 풇 que es continua en [풂; 풃]. Paso 1. Encontrar los valores críticos de 푓. Osea, los valores de 푥 tal que 푓′ 푥 = 0. Paso 2. Seleccione los valores críticos que pertenecen al intervalo [푎; 푏] Paso 3. Evaluar 푓(푥) en los puntos extremos 푎 y 푏, y en los valores críticos sobre ]푎; 푏[. Paso 4. El valor máximo de 푓 es el mayor de los valores encontrados en el paso 3. El valor mínimo de 푓 es el menor de los valores encontrados en el paso 3.
  • 8. Optimización de funciones Ejemplo. Un artículo en una revista de sociología afirma que si ahora se iniciase un programa específico de servicio de salud, entonces al cabo de 푡 años, 푛 miles de personas ancianas recibirán beneficios directos, donde 푛 = 푡3 3 − 6푡2 + 32푡, 0 ≤ 푡 ≤ 12 ¿Para qué valor de 푡 el número de beneficiados es máximo? Resolución Se establece 푑푛 푑푡 = 0, se tiene 푑푛 푑푡 = 푡2 − 12푡 + 32 = 0 푡 − 4 푡 − 8 = 0 푡 = 4 ó 푡 = 8 Como el dominio de 푛 es el intervalo cerrado [0; 12], el valor máximo absoluto de 푛 debe ocurrir en 푡 = 0, 4, 8 ó 12 푛 0 = 03 3 − 6(02) + 32 0 = 0 푛 4 = 43 3 − 6 42 + 32 4 = 160 3 푛 8 = 83 3 − 6 82 + 32 8 = 128 3 푛 12 = 123 3 − 6 122 + 32 12 = 96 Así, se tiene un máximo absoluto en 푡 = 12.
  • 9. Optimización de funciones Recordemos que una herramienta que permite clasificar los puntos críticos es el criterio de la segunda derivada. CRITERIO DE LA SEGUNDA DERIVADA. Sea 푓 una función tal que 푓′ 푐 = 0 y con una segunda derivada definida en 푐. • Si 푓′′ 푐 < 0 entonces 푓(푐) es un máximo relativo de 푓. • Si 푓′′ 푐 > 0 entonces 푓(푐) es un mínimo relativo de 푓. Observaciones: 1) El criterio no es concluyente en el caso que 푓′ 푐 = 0 y 푓′′ 푐 = 0. Se deberá usar el criterio de la primera derivada. 2) El criterio no puede usarse en el caso que la segunda derivada no exista en 푐. 3) Una de las bondades de este criterio es que permite clasificar los puntos críticos con sólo evaluar la función segunda derivada en los números críticos, a diferencia del criterio de la primera derivada que se debía evaluar la primera derivada a la izquierda y derecha del punto crítico y entre los puntos críticos vecinos.
  • 10. Optimización de funciones Ejemplo El costo total de producir 푞 unidades de un artículo está dada por 퐶 푞 = 1000 + 300푞 + 1 푞2. Si la ecuación de demanda está dada por 푝 = 200 − 0,1푞, calcule las unidades que 20 deberá de producir a fin de obtener la máxima utilidad. Resolución Primero se debe de conseguir la función utilidad 푈 = 퐼 − 퐶. Derivamos 푈′ 푞 = − 3 10 푞 + 100 Se usa el criterio de la segunda derivada para clasificar el posible extremo 푈′′(푞) = − 3 10 Como 푈′′ es siempre negativa, así lo es en el número crítico. En este caso, como 퐼 = 푝푞 se tendrá 퐼 = 200 − 0,1푞 푞 Con ello, la utilidad es 푈 = 퐼 − 퐶 Se plantea 푈′ = 0 para conseguir los puntos críticos Por tanto en 푞 = 1000 3 se alcanza un máximo relativo y por existir un único, éste es absoluto.. 퐼 = 200푞 − 0,1푞2 푈(푞) = − 3 20 푞2 + 100푞 − 1000 − 3 10 푞 + 100 = 0 푞 = 1 000 3
  • 11. Optimización de funciones Ejemplo El costo total de producir 푞 unidades de un artículo está dada por 퐶 푞 = 5000 + 4푞 + 1 2 푞2. Calcule las unidades que deberá de producir a fin de obtener el mínimo costo promedio por unidad. Resolución Primero debemos obtener el costo promedio. Este se calcula dividiendo el costo total entre 푞. Despejando 푞 − 5000 푞2 = − 1 2 10000 = 푞2 Eliminamos la solución negativa pues carece de sentido. 퐶 ′′(푞) = 10 000 푞3 Al evaluar tenemos 퐶 ′′ 100 = 10 000 10 3 > 0 Entonces en 푞 = 100 se alcanza un mínimo relativo. 퐶 푞 = 퐶(푞) 푞 = 5000 푞 + 4 + 1 2 푞 Ahora se calcula la derivada de 퐶 퐶 ′(푞) = − 5000 푞2 + 1 2 Planteamos 퐶 ′ 푞 = 0 para encontrar los valores críticos − 5000 푞2 + 1 2 = 0 ±100 = 푞 Usaremos el criterio de la segunda derivada Se concluye que cuando se producen 100 unidades tendremos el costo promedio mínimo.
  • 12. Derivadas de ecuaciones paramétricas Bibliografía • [1] Arya, Jagdish C. (2009) Matemática aplicada a la Administración. Ed 5. México, D.F. Pearson. • [2] Haeussler, Ernest F. (2008). Matemática para Administración y Economía. Ed 12. Pearson Educación.

Notas del editor

  1. Tema: Optimización de funciones. Dirección de Formación Básica
  2. Habilidades a desarrollar Al terminar el presente tema, Usted estará en la capacidad de: Resolver problemas de optimización de funciones reales de variable real haciendo uso de la derivada.
  3. Ejemplo. La ecuación de demanda para el producto de un fabricante es 𝑝= 80−𝑞 4 , 0≤𝑞≤80 donde 𝑞 es el número de unidades y 𝑝 es el precio por unidad. ¿Para qué valor de 𝑞 se tendrá un ingreso máximo? ¿Cuál es el ingreso máximo? Resolución Sea 𝐼 el ingreso total, el cual es la cantidad por maximizar. Como Ingreso=(precio)(cantidad) se tiene 𝐼=𝑝𝑞= 80−𝑞 4 ∙𝑞 𝐼(𝑞)= − 𝑞 2 4 +20𝑞 donde 0≤𝑞≤80. Se establece 𝐼 ′ 𝑞 =0 𝐼 ′ 𝑞 =− 1 2 𝑞+20=0 − 1 2 𝑞=−20 𝑞=40 En el intervalo ]0; 40[ se observa que el signo de I’(q) es positivo, por tanto, I(q) es creciente. En el intervalo ]40; 80[ se observa que el signo de I’(q) es negativo, por tanto, I(q) es decreciente. Como la función I(q) sube a la izquierda de q = 40, pero baja inmediatamente a la derecha de este, entonces en q = 40 se alcanza un máximo relativo. La cantidad que permite el máximo ingreso es 𝑞=40. El máximo ingreso es 𝐼 40 =400
  4. Ejemplo. La función de costo total de un fabricante está dada por 𝐶=𝐶 𝑞 = 𝑞 2 4 +3𝑞+400, donde 𝐶 es el costo total de producir 𝑞 unidades. ¿Para qué nivel de producción será el costo promedio por unidad un mínimo? ¿Cuál es ese mínimo? Resolución La cantidad a minimizar es el Costo promedio 𝐶𝑃. La función de Costo promedio es 𝐶𝑃= 𝐶(𝑞) 𝑞 se tiene 𝐶𝑃= 𝑞 2 4 +3𝑞+400 𝑞 𝐶𝑃 𝑞 = 𝑞 4 +3+ 400 𝑞 Vamos a obtener los valores críticos 𝐶𝑃′=0 𝐶𝑃′ 𝑞 = 1 4 − 400 𝑞 2 =0 1 4 = 400 𝑞 2 𝑞=40 En el intervalo ]0; 40[ se observa que el signo de I’(q) es negativo, por tanto, I(q) es decreciente. En el intervalo ]40; + infinito[ se observa que el signo de I’(q) es positivo, por tanto, I(q) es creciente. Como la función CP(q) decrece a la izquierda de q = 40, pero crece inmediatamente a la derecha de este, entonces en q = 40 se alcanza un mínimo relativo. La cantidad que permite el mínimo costo promedio es 𝑞=40. El mínimo costo promedio es 𝐶𝑃 40 =23
  5. Extremos absolutos en un intervalo cerrado. Si una función 𝑓 es continua en un intervalo cerrado [𝑎;𝑏], puede demostrarse que entre todos los valores de 𝑓(𝑥) de la función de 𝑥 en [𝑎;𝑏], debe haber un valor máximo (absoluto) y un valor mínimo (absoluto). Esos dos valores se llaman valores extremos de 𝑓 en ese intervalo. Esta importante propiedad de las funciones continuas se llama teorema del valor extremo.
  6. Teorema del valor extremo. Si una función es continua en un intervalo cerrado [𝑎;𝑏], entonces la función tiene tanto un valor máximo como un valor mínimo en ese intervalo. De la figura de la izquierda se observa que el valor mínimo y el valor máximo de la función, se hallan para valores que se encuentran en el interior del intervalo cerrado [a; b]. Observe que el Mínimo absoluto es f(x_1) donde x_1 es un valor interior del intervalo cerrado [a; b] Observe que el Máximo absoluto es f(x_2) donde x_2 es un valor interior del intervalo cerrado [a; b] De la figura de la derecha se observa que el valor mínimo se encuentra para el extremo “a” del intervalo cerrado [a; b], en tanto, el máximo se encuentra para valor interior del intervalo cerrado [a; b]. Observe que el Mínimo absoluto es f(a) donde a es el extremo izquierdo del intervalo cerrado [a; b] Observe que el Máximo absoluto es f(x_1) donde x_1 es un valor interior del intervalo cerrado [a; b]
  7. Procedimiento para encontrar los extremos absolutos de una función 𝒇 que es continua en [𝒂;𝒃]. Paso 1. Encontrar los valores críticos de 𝑓. Osea, los valores de 𝑥 tal que 𝑓 ′ 𝑥 =0. Paso 2. Seleccione los valores críticos que pertenecen al intervalo [𝑎;𝑏] Paso 3. Evaluar 𝑓(𝑥) en los puntos extremos 𝑎 y 𝑏, y en los valores críticos sobre ]𝑎;𝑏[. Paso 4. El valor máximo de 𝑓 es el mayor de los valores encontrados en el paso 3. El valor mínimo de 𝑓 es el menor de los valores encontrados en el paso 3.
  8. Ejemplo. Un artículo en una revista de sociología afirma que si ahora se iniciase un programa específico de servicio de salud, entonces al cabo de 𝑡 años, 𝑛 miles de personas ancianas recibirán beneficios directos, donde 𝑛= 𝑡 3 3 −6 𝑡 2 +32𝑡, 0≤𝑡≤12 ¿Para qué valor de 𝑡 el número de beneficiados es máximo? Resolución Se establece 𝑑𝑛 𝑑𝑡 =0, se tiene 𝑑𝑛 𝑑𝑡 = 𝑡 2 −12𝑡+32=0 𝑡−4 𝑡−8 =0 𝑡=4 ó 𝑡=8 Como el dominio de 𝑛 es el intervalo cerrado [0; 12], el valor máximo absoluto de 𝑛 debe ocurrir en 𝑡=0, 4, 8 ó 12 𝑛 0 = 0 3 3 −6( 0 2 )+32 0 =0 𝑛 4 = 4 3 3 −6 4 2 +32 4 = 160 3 𝑛 8 = 8 3 3 −6 8 2 +32 8 = 128 3 12 = 12 3 3 −6 12 2 +32 12 =96 Así, se tiene un máximo absoluto en 𝑡=12.
  9. Recordemos que una herramienta que permite clasificar los puntos críticos es el criterio de la segunda derivada. CRITERIO DE LA SEGUNDA DERIVADA. Sea 𝑓 una función tal que 𝑓 ′ 𝑐 =0 y con una segunda derivada definida en 𝑐. Si 𝑓 ′′ 𝑐 <0 entonces 𝑓(𝑐) es un máximo relativo de 𝑓. Si 𝑓 ′′ 𝑐 >0 entonces 𝑓(𝑐) es un mínimo relativo de 𝑓. Observaciones: El criterio no es concluyente en el caso que 𝑓 ′ 𝑐 =0 y 𝑓 ′′ 𝑐 =0. Se deberá usar el criterio de la primera derivada. El criterio no puede usarse en el caso que la segunda derivada no exista en 𝑐. Una de las bondades de este criterio es que permite clasificar los puntos críticos con sólo evaluar la función segunda derivada en los números críticos, a diferencia del criterio de la primera derivada que se debía evaluar la primera derivada a la izquierda y derecha del punto crítico y entre los puntos críticos vecinos.
  10. Ejemplo El costo total de producir 𝑞 unidades de un artículo está dada por 𝐶 𝑞 =1000+300𝑞+ 1 20 𝑞 2 . Si la ecuación de demanda está dada por 𝑝=200−0,1𝑞, calcule las unidades que deberá de producir a fin de obtener la máxima utilidad. Resolución Primero se debe de conseguir la función utilidad 𝑈=𝐼−𝐶. En este caso, como 𝐼=𝑝𝑞 se tendrá 𝐼= 200−0,1𝑞 𝑞 𝐼=200𝑞−0,1 𝑞 2 Con ello, la utilidad es 𝑈=𝐼−𝐶 𝑈(𝑞)=− 3 20 𝑞 2 +100𝑞−1000 Derivamos 𝑈 ′ 𝑞 =− 3 10 𝑞+100 Se plantea 𝑈 ′ =0 para conseguir los puntos críticos − 3 10 𝑞+100=0 𝑞= 1 000 3 Se usa el criterio de la segunda derivada para clasificar el posible extremo 𝑈 ′′ (𝑞)=− 3 10 Como 𝑈′′ es siempre negativa, así lo es en el número crítico. Por tanto en 𝑞= 1000 3 se alcanza un máximo relativo y por existir un único, éste es absoluto..
  11. Ejemplo El costo total de producir 𝑞 unidades de un artículo está dada por 𝐶 𝑞 =5000+4𝑞+ 1 2 𝑞 2 . Calcule las unidades que deberá de producir a fin de obtener el mínimo costo promedio por unidad. Resolución Primero debemos obtener el costo promedio. Este se calcula dividiendo el costo total entre 𝑞. 𝐶 𝑞 = 𝐶(𝑞) 𝑞 = 5000 𝑞 +4+ 1 2 𝑞 Ahora se calcula la derivada de 𝐶 𝐶 ′ (𝑞)=− 5000 𝑞 2 + 1 2 Planteamos 𝐶 ′ 𝑞 =0 para encontrar los valores críticos 5000 𝑞 2 + 1 2 =0 Despejando 𝑞 − 5000 𝑞 2 =− 1 2 10000= 𝑞 2 ±100=𝑞 Eliminamos la solución negativa pues carece de sentido. Usaremos el criterio de la segunda derivada 𝐶 ′′(𝑞)= 10 000 𝑞 3 Al evaluar tenemos 𝐶 ′′ 100 = 10 000 10 3 >0 Entonces en 𝑞=100 se alcanza un mínimo relativo. Se concluye que cuando se producen 100 unidades tendremos el costo promedio mínimo.
  12. Bibliografía [1] Arya, Jagdish C. (2009) Matemática aplicada a la Administración. Ed 5. México, D.F. Pearson. [2] Haeussler, Ernest F. (2008). Matemática para Administración y Economía. Ed 12. Pearson Educación.