Elementos de Economia Matematica Daniel Casas

Elementos de economı́a matemática
Daniel Ricardo Casas Hernández
5 de octubre de 2011
Índice general
1. Vectores y matrices 5
1.1. Vectores . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.1.1. Suma de vectores . . . . . . . . . . . . . . . . . . . . . 9
1.1.2. Producto escalar . . . . . . . . . . . . . . . . . . . . . 10
1.1.3. Norma de un vector . . . . . . . . . . . . . . . . . . . 11
1.2. Matrices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
1.2.1. Suma de matrices . . . . . . . . . . . . . . . . . . . . 17
1.2.2. Producto de matrices . . . . . . . . . . . . . . . . . . 19
1.3. Determinantes . . . . . . . . . . . . . . . . . . . . . . . . . . 26
1.4. Menores principales y menores de una matriz cuadrada . . . . 30
1.5. Regla de Cramer . . . . . . . . . . . . . . . . . . . . . . . . . 34
1.6. Matriz inversa . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
1.7. Modelo input-output de Leontief . . . . . . . . . . . . . . . . 43
1.8. Valores y vectores propios de matrices . . . . . . . . . . . . . 46
1.9. Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 50
2. Funciones 52
2.1. Funciones de una variable independiente . . . . . . . . . . . . 52
2.2. Funciones de varias variables independientes . . . . . . . . . . 56
2.2.1. Función lineal . . . . . . . . . . . . . . . . . . . . . . . 57
2.2.2. Función Cobb-Douglas . . . . . . . . . . . . . . . . . . 59
2.2.3. Función tipo CES . . . . . . . . . . . . . . . . . . . . 59
ÍNDICE GENERAL 3
2.2.4. Función tipo Leontief . . . . . . . . . . . . . . . . . . 61

2.3. Dominio de funciones . . . . . . . . . . . . . . . . . . . . . . . 64
2.4. Curvas de nivel . . . . . . . . . . . . . . . . . . . . . . . . . . 66
2.5. Funciones homogéneas . . . . . . . . . . . . . . . . . . . . . . 73
2.6. Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 76
3. Derivadas 78
3.1. Introducción . . . . . . . . . . . . . . . . . . . . . . . . . . . . 78
3.2. Análisis marginal de funciones de varias variables . . . . . . . 82
3.3. Derivadas parciales . . . . . . . . . . . . . . . . . . . . . . . . 83
3.4. Elasticidad parcial . . . . . . . . . . . . . . . . . . . . . . . . 85
3.5. Funciones homogéneas . . . . . . . . . . . . . . . . . . . . . . 90
3.6. Derivadas parciales de orden superior . . . . . . . . . . . . . . 91
3.6.1. Gradiente y matriz hessiana . . . . . . . . . . . . . . . 93
3.6.2. Matriz Hessiana orlada . . . . . . . . . . . . . . . . . 98
3.7. Regla de la cadena . . . . . . . . . . . . . . . . . . . . . . . . 99
3.8. Derivada direccional . . . . . . . . . . . . . . . . . . . . . . . 100
3.9. Diferencial . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 101
3.10. Derivada implı́cita . . . . . . . . . . . . . . . . . . . . . . . . 104
3.10.1. Tasa marginal de sustitución . . . . . . . . . . . . . . 106
3.11. Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 108
4. Optimización 109
4.1. Funciones cóncavas, convexas, cuasicóncavas, cuasiconvexas . 109
4.2. Óptimos libres . . . . . . . . . . . . . . . . . . . . . . . . . . 113
4.3. Optimización con restricción . . . . . . . . . . . . . . . . . . . 119
4.3.1. Multiplicadores de Lagrange . . . . . . . . . . . . . . . 119
4.3.2. Condiciones de Kuhn-Tucker Karush . . . . . . . . . . 130
4.4. Aplicaciones . . . . . . . . . . . . . . . . . . . . . . . . . . . . 136
4.4.1. Modelos del consumidor . . . . . . . . . . . . . . . . . 137
4.4.2. Dualidad . . . . . . . . . . . . . . . . . . . . . . . . . 142
4.5. Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 145
5. Integrales 146
5.1. Integral definida . . . . . . . . . . . . . . . . . . . . . . . . . 147
5.2. Integrales indefinidas . . . . . . . . . . . . . . . . . . . . . . . 157
5.2.1. Métodos de sustitución . . . . . . . . . . . . . . . . . 158
5.2.2. Integral por partes . . . . . . . . . . . . . . . . . . . . 162
5.2.3. Fracciones parciales . . . . . . . . . . . . . . . . . . . 165
5.3. Integrales impropias . . . . . . . . . . . . . . . . . . . . . . . 170
4 ÍNDICE GENERAL
5.4. Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 172

Capı́tulo 1
Vectores y matrices
Cualquier alusión a matrices es una referencia a un objeto repartido en filas

y columnas, sin embargo, no se deben confundir con las tablas; las ma-
trices son objetos matemáticos que suelen ser utilizados para representar
relaciones entre dos conjuntos de informaciones: uno el de las filas y otro el
de las columnas. En el presente capı́tulo se espera desarrollar para el lec-
tor una introducción a la teorı́a de matrices, la cual es fundamental, entre
otros temas, para fortalecer los conocimientos de econometrı́a. Los vectores
y matrices son temas desarrollados en libros de álgebra lineal, en el presente
capı́tulo se presentará una introducción al álgebra de vectores y matrices,
determinantes, valores propios de matrices, ası́ como algunas aplicaciones
pertinentes a la relación entre economı́a y matemáticas. En estadı́stica y
econometrı́a las matrices usualmente se utilizan para representar conjun-
tos de datos de una encuesta y desarrollar con esta representación algunos
análisis y conclusiones de los datos recogidos.
1.1. Vectores
Los vectores son objetos matemáticos creados en el siglo XIX por el
matemático irlandés Sir William Hamilton (1805-1865), y han sido utilizados
para representar fuerzas, trabajos, en general propiedades con dos caracte-
rı́sticas particulares: dirección (sentido) y magnitud.
6 CAPÍTULO 1. VECTORES Y MATRICES
Definición 1.1. Un vector es un conjunto de números reales ordenados en

una fila o una columna; en esta presentación se representan a los vectores
como columnas:  
x1
 
 x2 
x =  . .
 
 .. 
 
xn
Si un vector es una columna

de números, entonces x′ representa a la fila
con los mismos números, x′ = x1 , x2 , . . . , xn .
Un vector x (independiente de ser fila o columna) representa una fle-

cha con punto inicial en (0, . . . 0) y punto final (x1 , x2 , . . . , xn ); se distingue
la notación de los puntos y de los vectores, los puntos son representados
por paréntesis () redondo,

mientras que los vectores son representados por
paréntesis rectangulares .
Los números reales que hacen parte de un vector son las componen-
tes
del vector, ası́ x2 representa la segunda componente del vector x =

x1 , x2 , . . . , xn y en general xk es la componente k-ésima.
El orden en un vector es un caracterı́stica importante

que permite no
confundir

las componentes correspondientes del vector; ası́, 1, 2 es distinto
a 2, 1 ,
3
0
0 1 2 3
aunque los dos vectores tienen los mismos números, están en ubicaciones
distintas. La representación gráfica de los vectores de dos componentes se
hace en el plano cartesiano R2 , en donde la flecha desde el punto (0, 0) (que
corresponde con
el ′origen del espacio R2 ) y el punto (x1 , x2 ), es asignado al
vector x1 , x2 = x . R2 ha sido usado para representar al conjunto

de todos
los puntos (x1 , x2 ) como al conjunto de todos los vectores x1 , x2 .
Ejemplo 1.1.

El vector 3, 4 se representa en el plano como una flecha que avanza 3 en
1.1. VECTORES 7
la dirección horizontal y 4 en la vertical:

5
0
0 1 2 3 4 5
Definición 1.2. Dos vectores x, y son iguales, solamente si los números

′
en las componentes ′ correspondientes

son iguales, es decir los vectores x =
x1 , x2 , . . . , xn , y = y1 , y2 , . . . , yn son iguales, solo si xi = yi para todo
i = 1, 2, . . . , n; es decir, si
x 1 = y1 ,
x 2 = y2 ,
..
.
x n = yn .
Los vectores no solamente inician en el origen del plano cartesiano, un

vector también puede iniciar en un punto x = (x1 , x2 ) y finalizar en un
punto y = (y1 , y2 ); este vector se nota como −
→
xy.
Ejemplo 1.2.
Sea x = (1, 2), y = (4, 1) el vector −
→ se representa como:
xy
3
0
0 1 2 3 4 5
Para los puntos x, y, el vector − → es equivalente con el vector y − x que

xy

tiene punto inicial en el origen, de tal manera que y−x = y1 −x1 , y2 −x2 . En
general para dos puntos (x1 , x2 , . . . , xn ), (y1 , y

2 , . . . , yn ) en Rn el vector con

punto incial en x y punto final en y es y − x = y1 − x1 , y2 − x2 , . . . , yn − xn .
Ejemplo 1.3.
Para el vector con punto inical en x = (2, 1) y punto final en y = (4, 4), el
vector −
→ = y − x =
2, 3.
xy
5
0
0 1 2 3 4 5
y′

En el espacio de tres dimensiones, el vector = y1 , y2 , y3 corres-
ponde a la flecha que une el punto origen del espacio (0, 0, 0) con el punto
(y1 , y2 , y3 ).
Ejercicio 1.1. Representar en el espacio correspondiente los vectores o pun-

tos:

−1, 2 .
(−4, −3).

1, −2, 3 .
(−1, 2, −3).
Definición 1.3. Dado un vector x′ = x1 , x2 , . . . , xn y un número real α

(también conocido como escalar), el producto

por escalar es la multiplicación
del vector x′ por el escalar α, es decir αx′ = αx1 , αx2 , . . . , αxn .

Por la propiedad conmutativa del producto de números reales x′ α =

αx′ . El producto por escalar representa gráficamente un nuevo vector en la
dirección del vector inicial x′ , pero con longitud distinta.
1.1. VECTORES 9
Definición 1.4. Dos vectores x′ , y′ son paralelos si existe un escalar α tal

que x′ = αy′ .
Ejemplo 1.4.

Los vectores 1, 2 y 2, 4 son paralelos, porque 2 1, 2 = 2, 4 .
5
0
0 1 2 3 4 5
1.1.1. Suma de vectores

Definición

1.5. Dados dos vectores con la misma cantidad de componen-
tes x′ = x1 , x2 , . . . , xn , y′ = y1 , y2 , . . . , yn la suma entre estos vectores

está dada por
x ′ + y ′ = x 1 + y1 , x 2 + y2 , . . . , x n + y n .

Ejemplo 1.5.
Para los vectores x′ = 1, 2 , y′ = 3, 1 , la suma x′ + y′ = 4, 3 . La

representación gráfica de esta suma de vectores es

3
0
0 1 2 3 4
Ejemplo 1.6.
Si x′ = 1, 2, 3
, y′ = −1, 0, 4 entonces x′ + y′ = 0, 2, 7 . Además x′ − y′ =

x′ + (−y′ ) = 2, 2, −1 .

El vector 0 = 0, 0, . .
. , 0 es el módulo de la suma de vectores, porque
′

cualquier vector x = x1 , x2 . . . , xn sumado con 0 da como resultado el
vector x′ . La suma es conmutativa, es decir x′ + y′ = y′ + x′ . También es
asociativa porque x′ + (y′ + z′ ) = (x′ + y′ ) + z′ .
La suma de vectores y el producto por escalar se relacionan a través de
las siguientes propiedades:
• (x′ + y′ )α = αx′ + αy′ .
• (α + β)x′ = αx′ + βx′ .
1.1.2. Producto escalar

Tal vez una razón para que se llamé producto escalar es que el resultado
de multiplicar dos vectores generé como resultado un escalar (un número
real).
Definición 1.6. Para dos

vectores con la misma cantidad de componentes
x′ = x1 , x2 , . . . , xn , y′ = y1 , y2 , . . . , yn el producto escalar es

n
X
′ ′
x ·y = x i yi = x 1 y1 + x 2 y2 + · · · + x n yn .
i=1
Ejemplo 1.7.
El producto escalar de x′ = 1, −2, 13 con y′ = 8, 1, −2 es

1 16
x′ · y′ = (1)(8) + (−2)(1) + ( )(−2) = .
3 3
Ejemplo 1.8.
Si p′ = p1 , p2 , . . . , pn representa
el vector de precios

de n bienes que consu-
′

me una unidad económica y x = x1 , x2 , . . . , xn las cantidades de bienes o
n
servicios correspondientes de consumo, entonces p′ · x′ =
P
pi xi es el gasto
i=1
realizado por la unidad económica en los bienes o servicios x1 , x2 , . . . , xn .
Ejemplo 1.9.
Si x′A es la cesta de los factores que consume una empresa A, x′B es el
consumo (en el mismo orden) de la empresa B y p′ es el vector de precios
1.1. VECTORES 11
para los correspondientes factores, entonces p′ (x′A + x′B ) es el vector de

costos de las empresas A y B en los factores correspondientes.
El producto escalar satisface las siguientes propiedades para los vectores x,

y de igual tamaño y α un número real.
• x · y = y · x (conmutativa)
• x · (y + z) = x · y + x · z
• (αx) · y = α(x · y) = x · (αy)
• x·x≥0
Definición 1.7. Dos vectores x′ , y′ son perpendiculares si x′ · y′ = 0.
Ejemplo 1.10.
Los vectores x′ = 3, 1 , y′ = −1, 3 son perpendiculares, porque x′ ·y′ = 0.

4
0
-2 -1 0 1 2 3 4
1.1.3. Norma de un vector

La magnitud o longitud de un vector tiene nombre particular, se conoce
como la norma del vector. La norma representa la distancia entre el punto
inicial y el punto final del vector.
Definición 1.8. Para un vector x′ = x1 , x2 , x3 , . . . , xn la norma de x′ es

q
k x′ k=k x k= x21 + x22 + · · · + x2n ,
y representa la distancia desde el punto (x1 , x2 , . . . , xn ) al origen.
Ejemplo 1.11.
√ √
Para el vector 1, 2 = x′ , la norma es k x′ k= 12 + 22 = 5. La magnitud

√
del vector x′ es 5, es decir
√ que la distancia desde el origen (0, 0) al punto
final del vector (1, 2) es 5.
Para vectores que no están anclados en el origen, sino que tienen un

punto inicial x = (x1 , x2 , . . . , xn ) y un punto final y = (y1 , y2 , . . . , yn ), la
norma del vector −
→ es
xy
k−→ k= p(y − x )2 + (y − x )2 + · · · + (y − x )2 .
xy 1 1 2 2 n n
Ejemplo 1.12.
Para x = (1, 2), y = (4, 1) la norma del vector −
→ es
xy
k−→ k= p(4 − 1)2 + (1 − 2)2 = √10.

xy
Un vector x es unitario si ||x|| = 1. Sin embargo, cualquier vector tiene

asociado un vector unitario que comparte la misma dirección; este vector
1
unitario se obtiene de multiplicar ||x|| por el vector x.
Ejemplo 1.13.
D E
1 √1 , √2 , √3
El vector x′ = 1, 2, 3 tiene como vector unitario ′

||x|| x = 14 14 14
.
x′
Para verificar esto, la norma de ||x|| es
′ 2 2 2 !1/2
x 1 2 3
||x|| =
√ + √ + √ = 1.
14 14 14
Ejemplo 1.14.
de x′E= 2, −3 se obtiene de ||x′ || =

El vector unitario en la dirección
√ ′
D
(4 + 9)1/2 = 13 y ||xx′ || = √213 , √−313
.
Algunas propiedades de la norma de un vector son:
i) ||x|| ≥ 0 para cualquier vector x.
ii) ||αx|| = |α|||x|| para cualquier vector x y número real α.

1.2. MATRICES 13
iii) ||x + y|| ≤ ||x|| + ||y||
La propiedad iii) se conoce como la desigualdad triangular y se interpreta

como que la distancia más corta entre dos puntos es una recta.
Ejercicio 1.2.
Hallar α y β tal que αx′ = βy′ , si x′ = 4, 2 , y′ = 3, −5 .

Son x′ = 2, 5 y y′ = 4, −5 paralelos?

Para los vectores x′ = 1, −1, 3 , y′ = α, 2, −2 :

Hallar 2x′ − 3y′ .

Hallar el valor de α para que y′ · x′ = 10.
Hallar el valor de α para que x′ − y′ = 5, −3, 5 .

Un vector w′ es combinación lineal de vectores x′ , y′ si existen α y β

números ′ ′ ′

reales
tales que w

= αx + βy . Hallar α y β de tal manera
que 1, 3 = α 4, −5 + β −1, 0 .
1.2. Matrices
Una matriz es un objeto matemático que usualmente se usa para reflejar
la relación entre dos conjuntos de informaciones; es decir, es un conjunto
de informaciones numéricas ordenadas en filas y columnas, tal que cada
elemento (o celda) es la sı́ntesis de la interacción de dos caracterı́sticas o
propiedades. Por tener esta naturaleza tan particular ha sido utilizada para
representar modelos económicos, encuestas, etc.
Definición 1.9. Una matriz es un arreglo o conjunto A de números reales

distribuidos en filas y columnas; la componente aij es un número ubicado
en la fila i y columna j. Ası́, una matriz A de n filas y m columnas es
representada por el conjunto de números
 
a a12 a13 · · · a1m
 11 
a a a · · · a 
 21 22 23 2m 
 
A= a
 31 a 32 a 33 · · · a .
3m 
 .. .
.. .
.. .
.. 
 . 
 
an1 an2 an3 · · · anm
Los elementos de la matriz son tomados de algún conjunto de números, lo

cual determina su naturaleza, por ejemplo, números positivos, números ente-
ros o números reales. Las matrices se notan usualmente con letras mayúscu-
las y sus componentes con letras minúsculas (en este libro las componentes
de las matrices serán números reales).
Ejemplo 1.15.
Sea aij un número real, para i = 1, 2, 3, . . . , n y j = 1, 2, 3, . . . , m; al

arreglo de números
 
a a12 a13 · · · a1m
 11 
a a22 a23 · · · a2m 
 21 
 
 a31
A= a32 a33 · · · a3m 

 .. .. .. .. 
 . . . . 
 
an1 an2 an3 · · · anm
se denomina matriz de tamaño n × m.
Ejemplo 1.16.
En la matriz
 
a11 a12 a13
 
A=
 a 21 a 22 a 23


a31 a32 a33
la componente a32 está ubicada en la fila 3 y la columna 2. La componente

a12 está ubicada en la fila 1 y la columna 2.
Ejemplo 1.17.
Construir una matriz 5 × 2 tal que:

0,
 si i < j,
A = [aij ] = −3j, si i = j,

2(i + j), si i > j.

1.2. MATRICES 15
Entonces
 
−3 0
 
6 −6
 
A= 8 10  .
 
 
 10 12 
 
12 14
Definición 1.10. Una matriz es cuadrada si tiene igual número de filas

que de columnas.
Ejemplo 1.18.
" # " #
1 2 1
A= es una matriz cuadrada de 2×2; B = no es matriz cuadrada.
3 1 2
Definición 1.11. Las componentes de la forma aii forman la diagonal

principal de la matriz cuadrada.
Ejemplo 1.19.
Sea
" #
5 −7
A=
8 4
una matriz cuadrada de 2 × 2; las componentes de la diagonal principal son

5 y 4: a11 = 5 y a22 = 4.
Definición 1.12. Una matriz es diagonal si todas las componentes aij ,

con i 6= j son cero.
Ejemplo 1.20.
 
x 0 0
 
A=
 0 y 0  es una matriz diagonal de 3 × 3.

0 0 x
Definición 1.13. Una matriz es triangular inferior si aij es cero, para

todo i < j.
Ejemplo 1.21.
" #
0 0
B= es una matriz triangular inferior.
1 0
Definición 1.14. Una matriz es triangular superior si aij es cero, para

todo i > j.
Ejemplo 1.22.
Sea  
" # 0 0 0
0 3  
A= , B= −7 0 0.
0 0  
9 −3 0
A es triangular superior y B es triangular inferior.
Ejercicio 1.3.
1. Para qué valores de a, b, c y d se cumple que:

" # " #
3 a−1 a 2c
= .
2a b b+1 a+d
2. Hallar la matriz A3×3 definida por:



 −1, ∀ i = j,
i

A = [aij ] = j , ∀ i < j,
 j ,


∀ i > j.

i+2
Definición 1.15. El producto de un número real α por una matriz An×m
se obtiene de multiplicar α por cada componente o elemento de la matriz.
Ejemplo 1.23.
" #
a11 a12 a13
Sea A = y β ∈ R (β es un escalar), entonces
a21 a22 a23
" #
βa11 βa12 βa13
βA = .
βa21 βa22 βa23
1.2. MATRICES 17
Ejemplo 1.24.
" #
1 −2
Sea A = ,
3 4
" # " #
−3(1) −3(−2) −3 6
−3A = = .
−3(3) −3(4) −9 −12
Como el producto de números reales es conmutativo entonces βA = Aβ.

Además, como el producto de números reales es distributivo con respecto a
la suma, entonces
(α + β)A = αA + βA.
(A + B)α = Aα + Bα.
1.2.1. Suma de matrices

Definición 1.16. Dadas dos matrices de igual tamaño An×m y Bn×m . La
suma de A con B se obtiene de sumar las componentes de cada una de las
matrices en la misma ubicación.
Si A = [aij ] y B = [bij ] entonces A + B = [aij + bij ] para todo i, j; la

matriz A + B es nuevamente de tamaño n × m. Ası́, la suma de matrices
solo es posible cuando las matrices involucradas tienen el mismo tamaño.
Ejemplo 1.25.
" # " #
1 −2 2 −3
Sea A = ,B= , entonces
3 4 5 1/2
" # " #
1 + 2 −2 − 3 3 −5
A+B = = .
3 + 5 4 + 1/2 8 9/2
Ejemplo 1.26.
" # " #
a b x y
c d z w
" #
a+x b+y
A+B = .
c+z d+w
" #
a−x b−y
A − B = A + (−B) = .
c−z d−w
Ejemplo 1.27.
Sea " # " #
1 −2 −2 4 5
A= y B= ,
3 4 1 −4 −6
la suma A + B no es posible, porque el tamaño de las matrices es distinto.
Si los componentes de una matriz son números reales, entonces la suma

de matrices hereda propiedades de la suma de números reales como: con-
mutatividad, asociatividad, existencia de módulo, existencia de inverso; es
decir, para matrices A, B, C, del mismo tamaño:
A + B = B + A.
A + (B + C) = (A + B) + C.
A + 0 = A.
A + (−A) = 0.
La matriz con todas las componentes iguales a cero es el módulo de la suma.
Ejemplo 1.28.
" # " #
1 −2 2 −3
Sea A = ,B= , entonces:
3 4 5 1/2
" #
3 −5
A+B =B+A= ,
8 29
" # " # " #
1 −2 0 0 1 −2
A+0= + = ,
3 4 0 0 3 4
" # " #
1 −2 −1 2
A + (−A) = + = 0.
3 4 −3 −4
Además " #
c+4 −2c − 6
cA + 2B = .
3c + 10 4c + 1
1.2. MATRICES 19
Ejemplo 1.29.
" # " # " # " #
1 2 x+y 2(x + y) x 2x y 2y
(x + y) = = + = xA + yA,
3 4 3(x + y) 4(x + y) 3x 4x 3y 4y
" #
1 2
donde A = .
3 4
A continuación, algunas propiedades de la suma de matrices.
Proposición 1.1.
A + B = B + A.
A + (B + C) = (A + B) + C.
A + 0 = A. Donde 0 representa a la matriz con 0 en cada una de las
componentes y tiene el mismo tamaño que A.
Para toda matriz A existe la matriz −A = (−1)A tal que A+(−A) = 0.
α(A + B) = αA + αB tal que α ∈ R.
(α + β)A = αA + βA tal que α, β ∈ R.
1.2.2. Producto de matrices

El producto de matrices es una función curiosa en matemáticas, porque es
una operación no conmutativa. Para multiplicar dos matrices se requiere una
condición particular con respecto al tamaño de cada uno de los factores. El
producto de A con B se puede realizar si A es de tamaño m × n y la matriz
B de tamaño n × p. Es decir, que la cantidad de columnas de A es igual a la
cantidad de filas de B. Esta caracterı́stica limita la posibilidad del producto
conmutativo en general.
Definición 1.17. Sea An×m y Bm×p matrices. La componente ij (cij ) de

la matriz producto AB = C es
m
X
cij = aik bkj = ai1 b1j + ai2 b2j + ai3 b3j + · · · + aim bmj .
k=1
El tamaño de la nueva matriz C es n × p; es decir, el tamaño de C = AB

es la cantidad de filas n de la primera matriz A y la cantidad de columnas
p de la segunda matriz B.
Ejemplo 1.30.
" # " #
a b m n p
Sea A2×2 = y B2×3 = .
c d w x y
" #
am + bw an + bx ap + by
(AB)2×3 = .
cm + dw cn + dx cp + dy
Las componentes de la fila uno de A se multiplican con las componentes

de la columna uno de B para formar la componente c11 de la matriz producto
C = AB.
La componente c23 del producto AB se obtuvo como el producto de las
componentes de la fila dos de A y las componentes de la columna tres de B.
Ejemplo 1.31.
" #
h i w
Sea B1×2 = a b y C2×1 = .
v
h i
(BC)1×1 = aw + bv .
" #
wa wb
(CB)2×2 = .
va vb
Ejemplo 1.32.
" # " #
2 6 −1 3
Sea A = yB= matrices 2 × 2, entonces
1 5 2 −6
" # " #
10 −30 1 9
AB = y BA = ;
9 −27 −2 −18
por lo tanto no siempre AB = BA.
Ejemplo 1.33.
1.2. MATRICES 21
" # " #
2 6 1 0 −1
1 5 2 1 0
" #
14 6 −2
AB = ;
11 5 −1
mientras que BA no se puede calcular, ya que el tamaño de las matrices no

lo permite.
Definición 1.18. La matriz identidad In×n es una matriz cuadrada, con

1 en los elementos de la diagonal principal y 0 en todos los elementos fuera
de la diagonal.
 
1 0 ··· 0

0 1 .. 
0 .
In×n =  . .
 
 .. 0 . . . 0
 
0 ··· 0 1
Ejemplo 1.34.
 
  1 0 0 0
" # 1 0 0  
1 0   0 1 0 0
I2×2 = . I3×3 =
0 1 0 . I4×4 = .
  
0 1 0 0 1 0
0 0 1  
0 0 0 1
La matriz identidad es el módulo del producto de matrices; es decir, para

cualquier matriz An×m el producto An×m Im×m = An×m . Mientras que el
producto por la identidad del lado izquierdo es: In×n An×m = An×m .
Ejemplo 1.35.
" #
2 6
Si A = , entonces
1 5
" # " # " #
2 6 1 0 2 6
AI = · = .
1 5 0 1 1 5
Los sistemas de ecuaciones lineales se pueden representar como produc-

to de matrices, de tal manera que la cantidad de ecuaciones determina la
cantidad de filas de la matriz y la cantidad de incógnitas el de columnas.
Ejemplo 1.36.
Un sistema de ecuaciones lineales
2x + 3y = 7,
−4x + 5y = 8,
se puede representar como el siguiente producto de matrices

" #" # " #
2 3 x 7
= .
−4 5 y 8
Ejemplo 1.37.
El sistema de ecuaciones
x − 2y + 4z = 3,
2x − 5z = 8,
se representa matricialmente como:

 
" # x " #
1 −2 4 
y  = 3 .

2 0 −5   8
z
Ejercicio 1.4.
  
h i 8 2 0 x
 
1. Hallar x y  4 3 1 y .
z   
−2 1 2 z
  
h i a f g x
 
2. Hallar x y z  b e h  y 
  
.
c d i z
 
" # −2 5
−1 1 3  
3. Sea B = yC= 3 4 . Calcular BC y CB.
0 2 5  
2 4
1.2. MATRICES 23
4. Hallar el valor de x que satisfaga la ecuación:

  
h i 1 2 0 x
 
x 1 4  2 0 1  1  = [0].
 
0 1 4 4
5. Sea
 
" # " # 1 2
2 3 −1 4 2  
A= , B= y C=
2 1.
4 −5 0 3 1
−1 −1
Hallar AB, BC, CA.

" #
a b
6. Sea A = , probar que A2 = (a + d)A − (ad − bc)I2×2 .
c d
7. Una matriz cuadrada se llama idempotente si AA = A2 = A. Probar

que la matriz  
2 −2 −4
 
A= −1 3 4
1 −2 −3
es idempotente.
8. Hallar A3 en el ejercicio anterior.
9. Bajo qué condiciones, si
" # " #
a b c d
A= y B= ,
c d −d c
se cumple que AB = BA.

" #
1 2
10. Hallar todas las matrices que conmutan al multiplicarlas por: .
2 3
Definición 1.19. Sea A una matriz cuadrada. La transpuesta de A (AT )

se obtiene de cambiar las filas de A por columnas en AT ; es decir, si una
componente de A está en la fila i y la columna j entonces este elemento
estará en la fila j y la columna i de AT . Si A = [aij ], entonces AT = [aji ].
Ejemplo 1.38.
" #
a b e
Sea P = , entonces
c d f
 
a c
PT = 
 
b d .

e f
Ejemplo 1.39.
Si
 
1 −3 0
 
M =
−3 4 5,
8 5 −2
entonces
 
1 −3 8
MT = 
 
−3 4 5.
0 5 −2
La transpuesta de una matriz A es una transformación que relaciona una

matriz A con otra matriz AT , de tal manera que las columnas de A son las
filas de AT y viceversa, las filas de A son las columnas de AT . A continuación
se muestran algunas propiedades de las transpuestas.
Proposición 1.2.
(AT )T = A.
(AB)T = B T AT .
(A + B)T = AT + B T .
Ejemplo 1.40.
1.2. MATRICES 25
" # " #
a b c −1
Sea A = yB= .
2 5 1 d
" # " #
T a 2 T T a b
A = , (A ) = = A.
b 5 2 5
" # " #
ac + b −a + bd T ac + b 2c + 5
AB = , (AB) = = B T AT .
2c + 5 −2 + 5d −a + bd −2 + 5d
" # " #
a+c b−1 T a+c 3
A+B = , (A + B) = = AT + B T .
3 5+d b−1 5+d
Ejercicio 1.5.
" # " # " #
2 6 −1 3 2 0
Para las matrices A = , B = y C = , hallar
1 5 2 −6 0 1
((AB)T C + (BAT )C T )T .
Definición 1.20. Una matriz A es simétrica si A = AT .
Ejemplo 1.41.
" #
2 6
La matriz A = es simétrica porque A = AT .
6 5
Definición 1.21. La traza de una matriz cuadrada A es la suma de las

componentes de la diagonal principal.
n
X
tr(A) = aii .
i=1
Ejemplo 1.42.
" #
a11 a12
Sea A = , entonces tr(A) = a11 + a22 .
a21 a22
Ejemplo 1.43.
" #
2 9
Sea A = , entonces tr(A) = −3.
2 −5
Proposición 1.3. tr(A) = tr(AT ).
Las componentes de la diagonal principal no cambian al comparar la matriz

A y su transpuesta AT .
Ejercicio 1.6.
1. ¿Para qué valores de w las matrices

 
w w2 + 4 −8
 
A= 4w 2 w 2 − 1 ,
 
−8 w − 1 −1
 
1 2−w −8
 
B= w 2 2 w 2 + 1
 
−8 w + 1 −1
son simétricas?
 
" # " # 1 2
2 3 −1 4 2  
2. Sea A = ,B= yC= 2 . Calcular
1
4 −5 0 3 1 
−1 −1
a) ((BC)T − 2A)T
b) B T C T
c) A2 + BC
3. Una matriz T
" Anxn #es ortogonal si A A = In . Para qué valores de p y q
p −q
la matriz es ortogonal.
q p
1.3. Determinantes
Los determinantes son una transformación (relación) entre el espacio de
matrices cuadradas y los números reales; el determinante de una matriz
1.3. DETERMINANTES 27
cuadrada es un número real. Los determinantes son útiles para hallar la

inversa de una matriz cuadrada, determinar la independencia lineal de un
conjunto de vectores, hallar la solución de un sistema de ecuaciones lineales.
Dada una matriz A notaremos el determinante de A como |A|.
Definición 1.22. El determinante |A| de una matriz cuadrada A es una

transformación del espacio de matrices cuadradas en el conjunto de números
reales. Al calcular el determinante de una matriz cuadrada se obtiene como
resultado un número real.
Sea A una matriz de tamaño 1 × 1, A = [a11 ], entonces |A| = a11 . Para

una matriz de tamaño 2 × 2,
" #
a11 a12
A= ,
a21 a22
entonces
|A| = (−1)1+1 a11 |a22 | + (−1)1+2 a12 |a21 | = a11 a22 − a12 a21 .
Dada una matriz 3 × 3:
 
a11 a12 a13
 
A=
 a 21 a 22 a 23
,

a31 a32 a33
entonces:

a a a a a a
22 23 21 23 21 22
|A| = (−1)1+1 a11 +(−1)1+2 a12 +(−1)1+3 a13

a32 a33 a31 a33 a31 a32
= a11 a22 a33 − a11 a23 a32

− a12 a21 a33 + a12 a23 a31
+ a13 a21 a32 − a13 a22 a31 .
Para una matriz A de tamaño n×n
 
a11 a12 · · · a1n
 
 a21 a22 · · · a2n 
A= . ,
 
 .. .. .. 
 . . 

an1 an2 · · · ann
el determinante de A se define como
n
X
|A| = (−1)1+k a1k |A1k | ,
k=1
donde |A1k | es el determinante de la submatriz obtenida a partir de la matriz

A, eliminando la fila 1 y la columna k; es decir

a
22 · · · a2n

. ..
|A| = (−1)1+1 a11 ..

.

an2 · · · ann

a a · · · a
21 23 2n

a31 a33 · · · a3n
+ (−1)1+2 a12 . .. + · · ·

.. ..
. .


a
21 · · · a2n−1

. ..
· · · + (−1)1+n a1n ..

. .

an1 · · · ann−1
El anterior desarrollo de la matriz se hizo a través de la primera fila,

sin embargo, pudo desarrollarse por cualquier otra fila o columna. Dado que
los elementos de la fila o columna elegida para desarrollar el determinante
multiplican los determinantes de las submatrices, será preferible elegir la fila
o columna con más ceros.
Ejemplo 1.44.
" #
2 −4
Sea A = , el determinante de la matriz A es
−3 7
|A| = (2)(7) − (−3)(−4) = 2.

1.3. DETERMINANTES 29
Ejemplo 1.45.
Sea la matriz  
7 2 9
 
B=
 −4 5 −3,

1 0 −4
el determinante de la matriz B es

5 −3 −4 −3 −4 5
|B| = 7 + (−2) + 9

0 −4 1 −4 1 0
= 7(−20) + (−2)(16 + 3) + 9(−5) = −223.
Ejemplo 1.46.
 
−2 0 0
 
La matriz A =   0 6 0 es diagonal. El determinante de una matriz

0 0 1
diagonal es igual al producto de las componentes de la diagonal principal,
|A| = (−2)(6)(1) = −12.
Ejemplo 1.47.
Sea  
1 0 0 0
 
 0 −5 0 0
B=
 
3

 0 2 0
 4 
− 12 e2 1 −3
una matriz triangular inferior, entonces el determinante de B es igual al
producto de los elementos de la diagonal principal,
|B| = (1)(−5)(2)(−3) = 30.
Proposición 1.4. A continuación se enuncian algunas propiedades de los

determinantes:
|AB| = |A| |B|.
Para cualquier k ∈ N, k 6= 0 entonces Ak = |A|k .

Si en la matriz A hay una fila o columna con todos los elementos

iguales a cero entonces |A| = 0.
T
A = |A|.
Si la matriz A tiene dos filas o dos columnas iguales entonces |A| = 0.
Para una matriz An×n , |λA| = λn |A| .
Ejercicio 1.7.
Si |A| = 2 y |B| = 3. Hallar
1. 3AT B

2. A2 B T

a b x y
Para las matrices A = yB= comprobar que |A| · |B| =

c d z w
|AB|
1.4. Menores principales y menores de una matriz

cuadrada
Definición 1.23. Sea A una matriz cuadrada de tamaño n × n, el menor
principal de orden k es el determinante de la submatriz
 
a11 · · · a1k
 . .. 
Ak =  .
 . . 

ak1 · · · akk
Ejemplo 1.48.
" #
2 3
Para la matriz B = los menores principales de B son B1 = |2| = 2,
−1 2
B2 = |B| = 4 + 3 = 7.
1.4. MENORES PRINCIPALES Y MENORES DE UNA MATRIZ CUADRADA31
Ejemplo 1.49.
Para la matriz
 
2 −3 1
 
C=
 4 5 −2,

3 −4 −1

2 −3
los menores principales son: C1 = |2| , C2 = = 22, y C3 = |C| = −51.

4 5
Definición 1.24. Para una matriz cuadrada A de tamaño n × n el menor

de orden k es el determinante de la submatriz que resulta de eliminar n − k
filas y columnas con el mismo ı́ndice (es decir, fila uno y columna uno o fila
2 y columna 2).
Para hallar los menores de orden k hay que eliminar n−k filas y columnas
con el mismo ı́ndice, al eliminar n−1 filas y columnas sólo queda un elemento,
de donde hay n menores de orden uno y corresponden con los elementos de la
diagonal principal; al hallar los menores de orden dos, se eliminan n − 2 filas
y columnas de n filas y columnas que tiene la matriz, es decir se obtienen
n n!

n−2 = (n−2)!2! menores de orden dos; en general hay que elegir n − k
filas y columnas de n filas y columnas que tiene la matriz, entonces hay
n n!
n−k = (n−k)!k! menores de orden k.
Ejemplo 1.50.
" #
2 3
Para la matriz A = los menores son:
−1 2
(
2
Â1 = , Â2 = 7.
2
Ejemplo 1.51.
 
1 2 3
 
Para la matriz A = 
 3 0 2 , los menores principales de A son:

1 0 1
A1 = |1| = 1,

1 2
A2 = = −6,

3 0
A3 = |A| = 4 − 6 = −2.
Los menores de orden k (k=1,2,3) de la matriz A son:


1

Se eliminan 3-1=2 filas y columnas, luego Â1 = 0

1


1 2

= −6,




 3 0








 1 3
Se elimina n-2=1 fila y columna, luego Â2 = = −2,


 1 1









 0 2
= 0.


0

1
Al eliminar n-3=0 filas y columnas, se obtiene Â3 = |A| = −2
Ejemplo 1.52.
 
1 0 1 0
 
1 2 0 1
Para la matriz C =   , los menores principales son:
 
3 0 0 1
 
0 4 0 1
1.4. MENORES PRINCIPALES Y MENORES DE UNA MATRIZ CUADRADA33
" #
1 0
C1 = |1| = 1 C2 = =2
1 2
 
1 0 1
 
C3 = 
1 2 0 = −6
 C4 = |C| = 2.
3 0 0
Los menores de la matriz C son:



 1

2
Cˆ1 = Cˆ4 = |C| = 2.


 0

1

0 1
= 0,




 2

0 1



 0 1

 

0 0 1 = 0,

 


 

  2
4 0 1 1

 

= −2,

 

 





 4 1

 

 1 



 1 0 



 
3 0 1 = −3, 2 0
 
=0

 

 
0 0 1 0 0

 

 
Cˆ3 = Cˆ2 =

 


 1 0 0 
 1 0
= 1,

 

2 1 = −2
 
1 0 1

 


 




 0 4 1





 






 1 1
= −3,

 

1
0 1 3 0

 


 

 
1 2 0 = −6,

 


 


 
3 0 0
 1 0



= 2.



1 2
Ejercicio 1.8.
Hallar las menores y menores principales de las matrices:

1 −6
A= .

1 2

−1 8 1

B = 1 2 0 .

3 1 −2
 
2 0 2 0
 
2 1 0 2
C= .
 
−3 0 0 1
 
0 −1 0 4
1.5. Regla de Cramer

La regla de Cramer es un método para resolver sistemas de ecuaciones
lineales usando determinantes de matrices. Sea A una matriz cuadrada de
n × n, B una matriz de n × 1 y Xn×1 una matriz de n variables
     
a11 · · · a1n b1 x1
 . . .  . 
. ..  , B =  ..  , X =  ..  ,

A=  . ···     
an1 · · · ann bn xn
entonces AX = B es un sistema de n ecuaciones lineales con n incógnitas.
Ejemplo 1.53.
" # " # " #
a11 a12 b1 x1
Si A = ,B= yX = , el sistema AX = B está dado
a21 a22 b2 x2
por
a11 x1 + a12 x2 = b1
a21 x1 + a22 x2 = b2 .
La solución del sistema AX = B consiste en hallar los valores de xi que

satisfacen cada una de las ecuaciones. El método de Cramer halla la solución
del sistema, ası́
det[A/B]
xi = ,
|A|
1.5. REGLA DE CRAMER 35
donde det[A/B] significa, el determinante de la matriz que resulta de re-

emplazar la columna de B en la columna de los coeficientes de la variable
xi .
Para el ejemplo 1.53 se tiene que:

b a a
11 b1

1 12

b2 a22 a21 b2
x1 = , x2 = .
a a a a
11 12 11 12

a21 a22 a21 a22
Si el sistema es de tres ecuaciones con tres incógnitas
a11 x1 + a12 x2 + a13 x3 = b1
a21 x1 + a22 x2 + a23 x3 = b2
a31 x1 + a32 x2 + a33 x3 = b3 .
Matricialmente es expresable como
AX = B,
    
a11 a12 a13 x1 b1
    
 x2  = b2  .
a21 a22 a23     

a31 a32 a33 x3 b3
Por lo tanto, la solución usando el método de Cramer es:

b a a

1 12 13

b2 a22 a23

b3 a32 a33
x1 =
|A|

a b a

11 1 13

a21 b2 a23

a31 b3 a33
x2 =
|A|

a11 a12 b1

a21 a22 b2

a31 a32 b3
x3 = ,
|A|
en donde |A| es el determinante de la matriz A.
Ejemplo 1.54.
Para el siguiente sistema de ecuaciones,
x + 2y = 1,
3x − 5y = 2,
la solución, usando el método de Cramer es:

1 2 1 1

2 −5 9 3 2 1
x= = , y= = .
1 2 11 1 2 11

3 −5 3 −5
Ejemplo 1.55.
Para el sistema de ecuaciones,
2x − 3y = 1,
4z + 2x = 2,
z − y = 0,
se obtienen las soluciones:

1 −3 0 2 1 0 2 −3 1

2 0 4 2 2 4 2 0 2

0 −1 1 0 0 1 0 1 0
x= = −5, y = = −1, z = = 4.
2 −3 0 2 −3 0 2 −3 0

2 0 4 2 0 4 2 0 4

0 −1 1 0 −1 1 0 −1 1
Ejercicio 1.9.
Resolver el siguiente sistema de ecuaciones para las variables b y c;

todas las demás expresiones son constantes.
0 = rb − c − nb
0 = ac − bd + m.
1.6. MATRIZ INVERSA 37
Hallar dY y dC en el siguiente sistema de ecuaciones,
dY − h′ (r)m′ (M )dM = dC + dG
f ′ (Y − T )dY − dC − f ′ (Y − T )dT = 0.
Hallar la solución del sistema de ecuaciones,
2x = 7
3x − 2y = 12.
Usando el método de Cramer, hallar la solución del sistema,
x + 2y + 3z − 6 = 0,
4y − 5z = 3x,
y + 3z = 2x + 4.
1.6. Matriz inversa

La matriz inversa de una matriz dada es útil para resolver ecuaciones
que involucran matrices, ya que la matriz inversa de una matriz cuadrada
A siempre tiene el mismo tamaño de A.
Definición 1.25. Dada una matriz cuadrada A, la matriz inversa A−1

de A es una matriz cuadrada que cumple
AA−1 = A−1 A = I.
Para una matriz cuadrada

" #
a b
A=
c d
de tamaño 2×2, la inversa A−1 se obtiene de resolver el sistema de ecuaciones

AA−1 = I; donde x, y, z, w son las incognitas, ası́
" #" # " #
a b x y 1 0
= .
c d z w 0 1
Es decir,
ax + bz = 1,
cx + dz = 0,
ay + bw = 0,
cy + dw = 1.
Usando la regla de Cramer obtenemos:

1 b

0 d d
x= = ,
a b ad − cb

c d

a 1

c 0 −c
z= = ,
ad − cb ad − cb
−b
y= ,
ad − cb
a
w= .
ad − cb
De donde " #
1 d −b
A−1 = ,
ad − cb −c a
es decir, " #
1 d −b
A−1 = .
|A| −c a
Ası́, una condición necesaria para que A−1 exista es que |A| 6= 0.
Ejemplo 1.56.
" # " #
2 −3 1 1/2 3
Sea A = , entonces A−1 = .
4 1/2 13 −4 2
Para matrices de tamaño superior, la obtención de la matriz inversa

requiere un proceso más largo, por ello se dan algunas definiciones que per-
mitan obtenerla.
Definición 1.26. Una matriz cuadrada A es singular si el determinante de

A es cero, |A| = 0. Ası́, una matriz es no singular si |A| 6= 0.
Definición 1.27. Dada una matriz cuadrada A, el cofactor |Aij | de A es

el producto de (−1)i+j con el determinante de la submatriz Aij de A, donde
Aij se obtiene de eliminar la fila i y columna j de A.
Ejemplo 1.57.
Sea  
a11 a12 a13
 
A=
a21 a22 a23  ,

a31 a32 a33
la submatriz A11 es " #
a22 a23
A11 = ,
a32 a33
la cual se ha obtenido de eliminar la fila 1 y la columna 1, de la matriz A.
La submatriz A32 es " #
a11 a13
A32 = .
a21 a23
Los cofactores correspondientes son:
|A11 | = (−1)1+1 (a22 a33 − a23 a32 ) = a22 a33 − a23 a32 ,
|A32 | = (−1)3+2 (a11 a23 − a13 a21 ) = −(a11 a23 − a13 a21 ) = −a11 a23 + a13 a21 .
Ejemplo 1.58.
Para la matriz  
1 −2 3
 
A=
4 5 ,
−1
0 2 1
las submatrices A11 y A23 son:
" # " #
5 −1 1 −2
A11 = y A23 = .
2 1 0 2
Los correspondientes cofactores son:
|A11 | = 7 y |A23 | = −2.
Definición 1.28. Dada una matriz cuadrada A, la matriz de cofactores de

A se obtiene como:  
|A11 | |A12 | |A13 |
 
Ã = 
|A21 | .
|A22 | |A23 |
|A31 | |A32 | |A33 |
Definición 1.29. Dada una matriz cuadrada A, la matriz adjunta de A es

la transpuesta de la matriz de cofactores Ã. Será notada como Adj(A).
Si  
a11 a12 a13
 
A=
a21 a22 a23  ,

a31 a32 a33
entonces
 T
|A11 | |A12 | |A13 |
 
Adj(A) = 
 |A21 | |A22 | |A23 |  .

|A31 | |A32 | |A33 |
Es decir,  
|A11 | |A21 | |A31 |
 
Adj(A) = 
|A12 | |A22 | |A32 | .

|A13 | |A23 | |A33 |
Ejemplo 1.59.
" #
1 2
Sea A = , entonces
3 −5
h i h i h i h i
A11 = −5 , A12 = 3 , A21 = 2 , A22 = 1 .
|A11 | = (−1)1+1 (−5) = −5,

|A12 | = (−1)1+2 (3) = −3,
|A21 | = (−1)2+1 (2) = −2,
|A22 | = (−1)2+2 (1) = 1.
La matriz de cofactores es
" #
−5 −3
Ã = .
−2 1
Y la matriz adjunta de A es
" #T " #
−5 −3 −5 −2
Adj(A) = = .
−2 1 −3 1
Definición 1.30. Para una matriz cuadrada A, con |A| 6= 0, la matriz inversa
(A−1 ) de A existe y es
1
A−1 = Adj(A).
|A|
Ejemplo 1.60.
" # " #
1 2 1 −5 −2
Sea A = , entonces A−1 =− .
3 −5 11 −3 1
Ejemplo 1.61.
 
1 2 3
 entonces |A| = 20; de donde A−1 existe.
 
Si A = 
 −3 4 5
−2 1 3
 T
 
 4 5 −3 5 −3 4 
−
 
 
 1 3 −2 3 −2 1 
 
 
 
 
 2 3 1 3 1 2
Adj(A) = − −
 

 1 3 −2 3 −2 1
 
 
 
 
 2 3 1 3 1 2 
−
 
 
 4 5 −3 5 −3 4 
 
 T  
7 −1 5 7 −3 −2
   
=
−3 9 −5 = −1 9 −14 .
 
−2 −14 10 5 −5 10
 
7 −3 −2
1 
A−1 =

−1 9 −14 .
20  
5 −5 10
A continuación se presentan algunas propiedades de la inversa de una

matriz. Sea A una matriz cuadrada con |A| 6= 0, entonces:
(A−1 )−1 = A
(AB)−1 = B −1 A−1
(AT )−1 = (A−1 )T

1 −1
(αA)−1 = A
α
1.7. MODELO INPUT-OUTPUT DE LEONTIEF 43
Ejercicio 1.10.
1. Dar dos matrices A, B y verificar las siguientes propiedades:
a) (AB)−1 (B −1 A−1 ) = I
b) (AT )−1 (AT ) = I
2. Dada la matriz At definida por:

 
1 3 2
 
At = 
2 5 ,
t 
4 7 − t −6
hallar los valores de t, para los cuales At tiene inversa.
3. Si t = −3, en la matriz del ejercicio anterior, hallar todos los valores

de X que verifican la siguiente ecuación:
 
11
 
 3 .
A−3 X =  
6
4. Para que valores de w la matriz A tiene inversa.

 
1 w −8
 
A=
−w 2 .
w − 1
8 w−1 −1
1.7. Modelo input-output de Leontief

El modelo de Leontief describe una economı́a de industrias relacionadas en-
tre sı́; cada una produce un solo bien usando un proceso productivo. La
relación entre las industrias existe porque para producir un bien se utili-
zan como insumos los productos de otras industrias. La demanda de bienes
está dividida entre las industrias que requieren productos para usarlos co-
mo insumos y quienes los requieren para consumo y comercio, esta última
será llamada demanda externa.
Sea xi la producción del bien (o servicio) i en un determinado perı́odo

de tiempo; sea aij el número de unidades del bien i que se necesitan para
producir una unidad de j, es decir,
xi
aij = ,
xj
ya que cada cociente representa la cantidad de numerador por cada unidad
de denominador.
Ası́, aij xj es el número de unidades del bien i necesarias para producir
xj , es decir, aij xj es la demanda que hace la industria j del bien i, y
n
X
aij xj
j=1
es el total de la demanda del bien i utilizado en las industrias 1, 2, . . . , n. Si

di es la demanda externa, entonces
n
X
di + aij xj
j=1
es la demanda total del bien i. La relación de equilibrio entre oferta y de-

manda del bien i está dada por
Demanda = Oferta
n
X
di + aij xj = xi . (1.1)
j=1
De la ecuación (1.1), se obtiene el sistema de ecuaciones que relaciona a

todas las industrias 1, 2, 3, . . . , n. Ası́
x1 = d1 + a11 x1 + a12 x2 + · · · + a1n xn

..
.
xn = dn + an1 x1 + an2 x2 + · · · + ann xn .
Es decir
−d1 = (a11 − 1)x1 + a12 x2 + · · · + a1n xn

..
.
−dn = an1 x1 + an2 x2 + · · · + (ann − 1)xn .
1.7. MODELO INPUT-OUTPUT DE LEONTIEF 45
Matricialmente es representable como

 
  a11 − 1 a12 ··· a1n  
−d1   x1
 .   a21 a22 − 1 · · · a2n 
 ..  =   ...  .

  ..
 .. .. 
 . . . 
  
−dn xn

an1 an2 · · · ann − 1
Si  
a11 a12 · · · a1n
 
 a21 a22 · · · a2n 
A= . ,
 
 .. .. .. 
 . . 

entonces el sistema queda expresado como
d = (A − I)x,
donde x, d son los vectores columna:

   
x1 −d1
 .   . 
 ..  y  .. 
   
xn −dn
respectivamente.
Para hallar las cantidades de producción x de cada industria que deter-
minan el equilibrio general, entonces
x = (A − I)−1 d.
Ejemplo 1.62.
Supongamos que x1 es la producción de pescado, x2 la producción de madera
y x3 la producción de barcos; si para producir una tonelada de pescado se
requieren los servicios de a barcos, entonces
x3
= a;
x1
si para producir una tonelada de madera se requieren b toneladas de pescado
para alimentar a los trabajadores de esta industria, entonces
x1
= b.
x2
Si además suponemos que para construir un barco pesquero se necesitan

c toneladas de madera, entonces
x2
= c.
x3
El sistema que relaciona a las tres producciones, sin incluir las demandas
externas a estas tres industrias, está dado por:
x3 = ax1
x1 = bx2
x2 = cx3 .
Si suponemos que los barcos sólo son necesarios para la industria pes-
quera entonces el sistema es:
x3 = ax1
x1 = bx2 + d1
x2 = cx3 + d2 .
Es decir:     
a 0
−1 x1 0
    
−1 b 0  x2  = −d1  .
    
0 −1 c x3 −d2
De donde las cantidades de producción que equilibran la oferta y la
demanda son:    −1  
x1 a 0 −1 0
     
x2  = −1 b 0  −d1  .
     
x3 0 −1 c −d2
1.8. Valores y vectores propios de matrices

Los valores y vectores propios de una matriz forman parte de la solución
de un sistema de ecuaciones diferenciales lineales y determinan el tipo de
equilibrio del sistema.
Definición 1.31. Para una matriz cuadrada A, un número λ y un vector x

que satisface la ecuación A · x = λx se conocen como valor propio λ y vector
propio x de la matriz A, siempre que x 6= 0.
1.8. VALORES Y VECTORES PROPIOS DE MATRICES 47
El vector x se interpreta como una matriz de tamaño n × 1, por lo cual

el producto A · x genera un vector de tamaño n × 1. En perspectiva, parece
interesante la relación entre un número λ, una matriz A, y un vector x, ya
que al multiplicar la matriz por el vector se obtiene el mismo resultado de
multiplicar el número por el vector.
Para calcular el valor propio de una matriz dada A se tiene que
Ax = λx
Ax − Iλx = 0
(A − Iλ)x = 0
es un sistema de ecuaciones lineales, de las cuales es interesante una solución

distinta de la trivial x = 0, por lo tanto se requiere que la matriz (A − Iλ)
tenga rango incompleto,1 es decir que |A − Iλ| = 0 porque de lo contrario
habrı́a solución única e igual a cero.
Ası́, los valores propios de la matriz A son las soluciones de la ecuación
|A − Iλ| = 0 (también conocida como polinomio caracterı́stico). Conocido
el valor propio λi entonces el vector propio correspondiente se obtiene de
calcular xi que satisface (A − Iλi )xi = 0; cada valor propio tiene un vector
propio asociado, en realidad tiene muchos vectores propios asociados, porque
es un sistema con infinitas soluciones.
Ejercicio 1.11.
!
4
Verificar que λ = −2 es valor propio y es vector propio de la matriz
2
!
10 −18
.
6 −11
Ejemplo 1.63.
!
3 2
Para la matriz A = el polinomio caracterı́stico se obtiene de calcular
2 4
!
3−λ 2
el determinante de la matriz A − λI =
2 4−λ
1
El rango de una matriz es la cantidad de filas o columnas linealmente independientes.
Rango completo significa que todas las filas y columnas son liealmente independientes.
Ası́ los valores propios son las soluciones de la ecuación:
|A − λI| = (3 − λ)(4 − λ) − 4 = 0,
12 − 3λ − 4λ + λ2 − 4 = 0,
λ2 − 7λ + 8 = 0.
De donde √
7+ 17
λ1 =,
2
√
7 − 17
λ2 =
2
son los valores propios de la matriz A. Para hallar los vectores propios co-
rrespondientes se despeja x de la ecuación (A − Iλi )xi = 0 para cada valor
√ i
7+ 17
propio λi . Para λ1 = 2 se obtiene:
√ ! ! !
7 17
3− 2 − 2 2 x1 0
7
√
17
= ,
2 4− 2 − 2 x2 0
√
−1 17
− x1 + 2x2 = 0. (1.2)
2 2
√
1 17
2x1 + − x2 = 0. (1.3)
2 2
Como la condición es que no sea trivial la solución del sistema (A−Iλ)x = 0,

entonces habrá infinitas soluciones y el sistema de ecuaciones obtenido es
linealmente dependiente, por lo tanto de la ecuación (1.2)
4x2
x1 = √ .
1 + 17
! !
4
7+17 x1 √
El vector propio asociado con λ1 = = 1+ 17 x2 .
2 es
x2 1
Por cada número real x2 hay un vector propio asociado con λ1 , por lo tanto
si x2 = 1, entonces un vector propio es
! !
4
x1 √
1+ 17
= .
x2 1
1.8. VALORES Y VECTORES PROPIOS DE MATRICES 49
Por cada número real que reemplace a x2 hay un vector propio para λ1 √
. De
7− 17
manera analoga se obtiene el vector propio para el valor propio λ2 = 2 .
√ ! ! !
−1 17
2 + 2 2 x1 0
1
√
17
= ,
2 2 + 2 x2 0
√
−1 17
+ x1 + 2x2 = 0, (1.4)
2 2
√
1 17
2x1 + + x2 = 0. (1.5)
2 2
De (1.4)
−4x2
x1 = √ .
−1 + 17
! !
√ −4
7− 17 x1 √
−1+ 17
El vector propio asociado con λ2 = 2 es = x2 .
x2 1
Si x2 = 1, entonces el vector propio de λ2 es
! !
x1 √ −4
= 17−1 .
x2 1
Ejercicio 1.12.
!
4 2
Hallar los valores propios y vectores propios de la matriz .
3 3
Ejemplo 1.64.
!
a c
Para la matriz A = los valores propios se obtienen de |A − λI| = 0,
b d
es decir:
a − λ c
=0

b d − λ
(a − λ)(d − λ) − cb = 0
λ2 − (a + d)λ + ad − cb = 0
a + d = tra(A) y ad − cb = |A|
Luego los valores propios están en la solución de la ecuación cuadrática

x2 − tra(A) + |A| = 0 para cualquier matriz A.
Para una matriz diagonal o triangular superior o triangular inferior los

valores propios son los elementos de la diagonal principal.
Ejemplo 1.65.
!
2 0
Para la matriz A = los valores propios son λ1 = 2 y λ2 = −5
1 −5
porque el polinomio caracterı́stico es (λ − 2)(λ + 5) = 0.
1.9. Ejercicios
1. Escribir matricialmente el siguiente sistema de ecuaciones
x1 + 2x2 − x3 = 4,
2x3 − x1 = 5,
x2 − x3 + 3x1 = −3.
! !
2 5 3 −5
2. Verificar que la matriz es matriz inversa de .
1 3 −1 2
 
−4 2 a
 
3. Dar números a, b, c y d tales que la matriz 
 b d  sea simétri-
8
3 c 10
ca.
 
1 0 0
 
4. Hallar los valores propios y vectores propios de la matriz 
3 2 0.
2 1 −1
5. Hallar la solución del sitema de ecuaciones:
x − y = 8,
8 − z = y,
z − x + 1 = 0.
1.9. EJERCICIOS 51
!
4 2
6. Hallar todas las matrices que conmutan al multiplicarlas por .
2 8
7. Hallar los valores propios de las matrices:

!
2 5
i
1 3
!
2 0
ii
1 4
Capı́tulo 2
Funciones
Una función f es una relación entre dos conjuntos, de tal manera que un
elemento del dominio no está relacionado con dos elementos distintos del
rango. Las funciones son utilizadas para representar relaciones entre dos
conjuntos de informaciones o caracterı́sticas, o un proceso (transformación)
por el cual una información se obtiene con base en otra. Por ejemplo: la
relación entre el precio de un predio y la localización del mismo, o la relación
entre la rentabilidad del capital y la tasa de interés, o la relación entre el
precio y la demanda de alimentos.
2.1. Funciones de una variable independiente

Una función es una relación de un conjunto A en otro conjunto B; el con-
junto A se conoce como dominio de la función si todos los elementos de A
están relacionados con algún elemento de B (D(f ) = A); los elementos de
B relacionados con algún elemento de A forman un subconjunto conocido
como el rango de la función (R(f ) ⊆ B). Para que una relación sea función
es necesario que cada elemento del dominio esté relacionado sólo con un ele-
mento del rango, es decir que cada elemento del dominio no esté relacionado
con dos elementos distintos del rango.
Para nuestro interés, las funciones que se estudiarán son transformacio-
nes que relacionan subconjuntos de números reales. En general, las funciones
2.1. FUNCIONES DE UNA VARIABLE INDEPENDIENTE 53
se identifican con parejas ordenadas de números (x, y), donde la pareja indi-
ca que x está relacionada con y a través de una función; más especı́ficamente,
tenemos y = f (x) para notar que y es el resultado de la acción de la función
f en el número x.
Ası́, la función f es un conjunto de parejas ordenadas, el cual se nota
como f = {(x, y); y = f (x)} donde, si (x, y1 ) y (x, y2 ) están en la función,
entonces y1 = y2 ; de otra manera, en una función no hay dos parejas orde-
nadas con la primera componente igual y la segunda componente diferente.
La expresión y = f (x) tiene una interpretación muy valiosa en las apli-
caciones de las funciones, ya que nos muestra que y se obtiene con base en
el valor de x, o que, y depende del valor de x. Por esta razón y se conoce
como variable dependiente y a x como variable independiente.
Ejemplo 2.1.
y = f (x) = x es una función cuyas parejas ordenadas (x, y) tienen la primera
componente igual a la segunda; (0, 0), (1, 1), (−1, −1), (2, 2) son parejas
ordenadas de la función. El dominio de la función es el conjunto de números
reales, porque cualquier número real puede ocupar el lugar de la variable
independiente x; el rango de la función es el conjunto de números reales,
porque para cada número real x existe otro correspondiente en el lugar de
y.
Ejemplo 2.2.
x+2
y = f (x) =
(x − 1)(x + 3)
es una función definida para cualquier número real diferente de uno y menos
tres (x 6= 1 y x 6= −3). ¿Por qué? Si x toma el valor de c entonces
c+2
y = f (c) = .
(c − 1)(c + 3)
Si y = f (x) representa una función, entonces cualquier otra letra en la

expresión f (x) diferente de x es una constante.
Ejemplo 2.3.
y = f (x) = x + c es una función que asigna x + c a la variable dependiente y
para cada número real x; aquı́ c es una constante, y cada valor de c determina
una nueva función. Ası́ y = f (x) = x + 4 si c = 4; pero si c = −3, entonces
la función es y = f (x) = x − 3.
54 CAPÍTULO 2. FUNCIONES
Ejemplo 2.4.
Sea y = f (x) = 3x2 + 4x − 7 una función. Entonces:
f (x + 2) = 3(x + 2)2 + 4(x + 2) − 7;
f (m) = 3m2 + 4m − 7;
f (h + b) = 3(h + b)2 + 4(h + b) − 7.

¿Por qué f (x) = 3x2 + 4x − 7 es función?
La gráfica es el dibujo de la función en el plano cartesiano; si una función

es un conjunto de parejas ordenadas, entonces al representar las primeras
componentes de dichas parejas en el eje horizontal, y las segundas com-
ponentes en el eje vertical,1 obtenemos un conjunto de puntos en el plano
cartesiano; todas las parejas ordenadas obtenidas determinan el dibujo o la
gráfica de la función.
Las parejas ordenadas se obtienen de tabular los valores para la va-
riable dependiente y después de asignar valores arbitrarios a la variable
independiente x.
Ejemplo 2.5.
Si la función es y = f (x) = x + 4, al dar valores para x se generan los valores
correspondientes para y; al suponer que la variable independiente x toma
los valores {−2, −1, 0, 1, 2}, entonces los números correspondientes para la
variable dependiente y son:
x -2 -1 0 1 2
y 2 3 4 5 6
Al tomar una mayor cantidad de valores para x obtenemos una repre-
sentación más completa de la gráfica.
x -2 -3/2 -1 -1/2 0 1/2 1 3/2 2

y 2 5/2 3 7/2 4 9/2 5 11/2 6
Al tomar todos los números reales que hacen parte del dominio de la
función obtenemos la figura 2.1.
1
En algunos casos la variable independiente es representada en el eje vertical y la
variable dependiente en el eje horizontal; por ejemplo, en la representación de la función
de demanda, los precios son ubicados en el eje vertical y las cantidades en el eje horizontal,
aunque los precios determinan a la cantidad de demanda.
2.1. FUNCIONES DE UNA VARIABLE INDEPENDIENTE 55
7 y
−6 −5 −4 −3 −2 −1 1 2 3
−1
Figura 2.1
Ejemplo 2.6.
y = f (x) = x2 es una función que asigna a cada número real x su cuadrado
y = x2 . En la siguiente tabulación se muestran algunas parejas ordenadas
de la función.
x -3 -2 -1 0 1 2 3 4
y 9 4 1 0 1 4 9 16
Como cualquier número real puede ser elevado al cuadrado, entonces

el dominio de la función y = f (x) = x2 es el conjunto de números reales;
el rango de la función son los números reales no negativos (los números reales
positivos y el cero), porque un número real elevado al cuadrado nunca da
como resultado un número negativo.
−5 −4 −3 −2 −1 1 2 3 4 5
−1
−2
Figura 2.2
Ejercicio 2.1.
Hallar el dominio y el rango, y representar graficamente cada una de las
siguientes funciones:
y = f (x) = x3 .
x
y = g(x) = x−1 .
y = h(x) = ln x.
y = 3(2)x .
2.2. Funciones de varias variables independientes

En economı́a una función representa usualmente la relación de una informa-
ción en términos de una variable que la determina. La información determi-
nada es la variable dependiente y la que determina es la variable indepen-
diente. La función que representa la demanda que hacen los consumidores
de un bien o servicio Q, con base en el nivel de precio P del bien o servicio
está dada por Q = f (P ); la cantidad demandada del bien Q está determi-
nada por el precio P del bien en el mercado correspondiente. Otro ejemplo
es la función de costo en el que incurre una empresa C = g(Q); el costo
C está determinado por la cantidad de producción Q en un momento de-
terminado, es decir, para cada cantidad de producción hay un costo asociado.
En los casos anteriores y otros que se presentan en la teorı́a económica,

una sola información (variable independiente) no es suficiente para determi-
nar a la variable dependiente; por lo tanto, las funciones de varias variables
son útiles para representar el comportamiento de los agentes económicos.
Una cantidad demandada Q de un bien suele depender del precio del bien
P1 , del precio de un sustituto P2 , como también del ingreso del consumidor
m: Q = D(P1 , P2 , m). Otro caso es la función de producción, en donde las
cantidades de bienes producidos Q dependen de las cantidades de mano de
obra L y la cantidad de capital K: Q = f (L, K). Las funciones de varias
variables también se han empleado para representar funciones de utilidad,
en donde la utilidad o satisfacción U de un consumidor se obtiene con base
en las cantidades de consumo xi que realice: f (x1 , . . . , xn ) = U . Por ejemplo,
si x1 representa el consumo en alimentación, x2 el consumo en vestuario, x3
el consumo en diversión, entonces la satisfacción o utilidad del consumidor
se representa como una relación entre las cantidades x1 , x2 , x3 y U , que se
suele expresarse a través de la función f (x1 , x2 , x3 ) = U .
2.2. FUNCIONES DE VARIAS VARIABLES INDEPENDIENTES 57
En economı́a, algunas funciones están determinadas por informaciones

adicionales a las variables independientes, las cuales se conocen como paráme-
tros; estos parámetros son constantes respecto a las variables de la función.
Por ejemplo, una función como y = f (x1 , x2 ) = ax1 + xb2 tiene a x1 y x2
como variables independientes, y como variable dependiente, a y b como
parámetros.
Una función de varias variables es una relación entre el conjunto de

puntos o n-tuplas de Rn y el conjunto de números reales R. El conjunto Rn
representa el producto cartesiano de Rn veces (Rn = R × R × · · · × R n
veces). En particular R2 = R × R es el conjunto de parejas ordenadas (a, b),
con a y b números reales –el orden de la pareja ordenada es fundamental,
por tanto (a, b) es diferente de (b, a)–.
Ejemplo 2.7.
Si f (x1 , x2 ) = x1 + x2 entonces f (1, 2) = 1 + 2 = 3. Es decir, la pareja

(1, 2) está relacionada con el número 3.
3 4 3 4 4

Si g(x, y) = ln(xy), entonces g 2, 3 = ln 2 3 = ln 2 = ln (2).
ex1 + ln (x1 · x2 ) e1 + ln 2
Si h(x1 , x2 , x3 ) = , entonces h(1, 2, 3) = .
x1 + x2 + x3 6
El objetivo del presente capı́tulo son las funciones de R2 en R. En eco-

nomı́a, los parámetros de las funciones son conocidos como variables exóge-
nas, ya que no son controlados por el modelo; las variables independientes se
conocen como variables endógenas dado que determinan de manera directa
al modelo. A continuación se presentan algunas funciones de varias variables
de uso frecuente en teorı́as económicas.
2.2.1. Función lineal

La función lineal es un polinomio de varias variables, de tal manera que
todas las variables independientes tienen potencia igual a uno. Suponga-
mos inicialmente dos variables independientes x1 y x2 , entonces la expresión
general será:
y = f (x1 , x2 ) = a1 x1 + a2 x2 + b
Para el caso de n variables independientes, la expresión de la función

lineal es:
n
X
y = f (x1 , . . . , xn ) = ai xi = a1 x1 + a2 x2 + · · · + an xn + b.
i=1
La representación gráfica de una función lineal y = f (x) es una lı́nea

recta; para el caso de dos variables independientes y = f (x1 , x2 ) la grafica
es un plano.
Ejemplo 2.8.
La función z = f (x, y) = x + y + 1 es lineal y está representada en la figura
2.3
z
(−3.77,−3.77,8.54)
y
x
(3.77,3.77,−6.54)
Figura 2.3
Ejemplo 2.9.
La función de costo que asume una empresa al producir un bien o servicio es
lineal. Por lo general una empresa es una unidad económica que transforma
insumos en bienes o servicios con el uso de algunos factores de producción.
Si suponemos que la empresa utiliza mano de obra L y capital K para
obtener un bien, y además suponemos que el precio de la mano de obra

es w (salario) y el del capital es r (renta del capital), entonces el costo de
producción está dado por la función
C = f (L, K) = wL + rK + CF.
Donde CF representa los costos fijos de la empresa, es decir una información

independiente de L y K, por lo tanto constante respecto a L y K.
2.2.2. Función Cobb-Douglas

La función Cobb-Douglas es utilizada con frecuencia como modelo para re-
presentar funciones de producción, utilidad en micro y macroeconomı́a. Tal
vez se deba el nombre al economista Paul Douglas y el matemático Charles
Cobb quienes la usarón en algunos artı́culos desde 1928 hasta 1934, para al-
gunas representaciones funcionales de la producción de Estados Unidos. Este
tipo de funciones ha sido un modelo a través del cual se representa la utili-
dad de los consumidores, la producción de las empresas, etc. Dependiendo
de los valores de los exponentes de las variables independientes (parámetros)
se determinan informaciones como la elasticidad o el tipo de concavidad de
la función. Inicialmente se presenta la función para dos variables indepen-
dientes x1 y x2
y = f (x1 , x2 ) = Axa1 xb2 .
El caso general para n variables independientes es:

n
xai i = A(xa11 xa22 · · · xann ).
Y
y = f (x1 , . . . , xn ) = A
i=1
Ejemplo 2.10.
La función Cobb-Douglas z = f (x, y) = x0,5 y 1,5 está representada en la
figura 2.4
2.2.3. Función tipo CES

La función tipo CES (Constant Elasticity Substitution) es otra función con
la que se representa el comportamiento de los agentes económicos. Primero
se presentará la expresión para dos variables x1 y x2 :
y = f (x1 , x2 ) = A (xa1 + xa2 )b/a

Figura 2.4
La expresión general para n variables es:
n
!b/a
= A (xa1 + xa2 + · · · + xan )b/a .
X
y = f (x1 , . . . , xn ) = A xai
i=1
Ejemplo 2.11.
Una función de producción tipo CES para dos factores de producción está
dada por:
Q = f (K, L) = 10(K 2 + L2 )1/2 ;
K es la cantidad de capital necesario para producir Q unidades, y L es la

cantidad de mano de obra; A es el coeficiente tecnológico de producción de
la empresa.La gráfica de ésta función está en la figura 2.5
x y
Figura 2.5
2.2.4. Función tipo Leontief
El operador mı́nimo (min) busca el mı́nimo (el más pequeño) entre un con-
junto de informaciones,
(
a si a ≤ b,
min{a, b} =
b si a ≥ b.
La gráfica de la función z = min{x, y} se muestra en la figura 2.6
La función tipo Leontief para dos variables independientes relaciona a la

variable dependiente y con el mı́nimo entre g(x1 , x2 ) y h(x1 , x2 ), para todos
Figura 2.6
lo valores posibles de x1 y x2 .
y = f (x1 , x2 ) = min{g(x1 , x2 ), h(x1 , x2 )}

(
g(x1 , x2 ) si g(x1 , x2 ) ≤ h(x1 , x2 ),
=
h(x1 , x2 ) si g(x1 , x2 ) ≥ h(x1 , x2 ).
Ejemplo 2.12.
(
4x1 si 4x1 ≤ 3x2 ,
y = f (x1 , x2 ) = min{4x1 , 3x2 } =
3x2 si 4x1 ≥ 3x2 .
La imagen de la pareja (1, 2) se obtiene al sustituir x1 por uno (1) y a
x2 por dos (2), de donde:
y = f (1, 2) = min{4, 6} = 4 porque 4 ≤ 6;
y = f 32 , 49 = min 83 , 34 = 34 porque 43 ≤ 83 .

x y
Figura 2.7. y = f (x1 , x2 ) = min{4x1 , 3x2 }
Ejemplo 2.13.
(
x1 + x2 si x1 + x2 ≤ 2 − x2 ,
y = f (x1 , x2 ) = min{x1 + x2 , 2 − x2 } =
2 − x2 si x1 + x2 ≥ 2 − x2 .
y = f (2, 3) = min{5, −1} = −1;

y = f (−2, 5) = min{3, −3} = −3.
Ejercicio 2.2.
12 9

1. Sea f (x1 , x2 ) = min{4x1 , 3x2 }. Hallar f 43 , 36 .
2. Sea f (x1 , x2 ) = Axa1 xb2 . Hallar f (at, 7 + ln 3), f (4m, 3m).
3. Probar que si f (x1 , x2 ) = A (xa1 + xa2 )b/a entonces f (tx1 , tx2 ) = tb f (x1 , x2 ).
4. Usar winplot para representar graficamente las siguientes funciones:

z = f (x, y) = y 2
√
y = f (x1 , x2 ) = x1 x2
z = f (x, y) = x2 + y 2
2.3. Dominio de funciones

Si una función es un conjunto de parejas ordenadas, el dominio es el
conjunto de primeros elementos en cada una de las parejas ordenadas de
la función. Para funciones escalares definidas de Rn en R, el dominio es un
subconjunto de Rn , formado por las primeras n componentes de todas las
n + 1 tuplas de la función.
Definición 2.1. Para una función f : Rn → R, el dominio de f es el

conjunto D(f ) = {(x1 , x2 , ..., xn ) ∈ Rn ; f (x1 , x2 , ..., xn ) ∈ R}, es decir, es el
conjunto de n-tuplas ordenadas de Rn para las cuales existe una imagen a
través de la función.
Ejemplo 2.14.
Para la función y = f (x1 , x2 ) = x1x+x
1
2
el dominio es D(f ) = {(x1 , x2 ) ∈
2
R ; x1 + x2 6= 0}. Graficamente el dominio de la función son todos los puntos
del plano menos la lı́nea recta x1 + x2 = 0.
Ejemplo 2.15.
√
El dominio de la función z = x − y + 2 es el conjunto {(x, y) ∈ R2 ; x − y +
2 ≥ 0}; graficamente corresponde con la parte de abajo de la recta y = x + 2
en el plano R2 . Ver figura 2.8
Para una función Cobb-Douglas el dominio es el conjunto de números

reales positivos, ya que las variables económicas se restringen a números no
negativos, porque se suponen que los precios, las cantidades de consumo y
las cantidades de factores de producción no son negativos.
Ejemplo 2.16.
El dominio de la función ln(x21 + x2 − 3) es el conjunto de puntos en el plano
cartesiano que están por encima de la parabola x2 = 3 − x21 . Ver la figura
2.9
2.3. DOMINIO DE FUNCIONES 65
y
4
−5 −4 −3 −2 −1 1 2 3 4 5
−1
−2
−3
−4
Figura 2.8
x2
3
x1
−5 −4 −3 −2 −1 1 2 3 4 5
−1
−2
−3
−4
−5
Figura 2.9
Las funciones lineales tienen como dominio, todo el conjunto de puntos

del plano cartesiano, ya que cualquier punto (x1 , x2 ) tiene una imagen a
través de la función.
Ejercicio 2.3.
Hallar el dominio y la representación gráfica para las funciones:

2x1 + 3x32
y = f (x1 , x2 ) = p
(1 − x2 )(x1 + 3)
ln(xy)
z = g(x, y) = (x+2)(x−1)
√
x+w
y = f (x, w) = x−4
1−x1 −x2
y= x2 +x1
2.4. Curvas de nivel

Para graficar funciones de n variables independientes necesitamos un espacio
de n + 1 dimensiones, lo cual es complicado de imaginar, y peor aún de
representar; para representar gráficamente una función de varias variables
se hace uso de las curvas de nivel; si la función es de tres variables (dos
variables independientes y una dependiente) y = f (x1 , x2 ), el espacio para
graficar la función es de tres dimensiones, y la curva de nivel generada es
una gráfica en dos dimensiones.
Definición 2.2. Dada una función de varias variables f (x1 , x2 , . . . , xn ) = y,

una curva de nivel para la función se obtiene al fijar una de las variables,
bien sea dependiente y, o independiente xi .
Supongamos una función de dos variables independientes y = f (x1 , x2 );

si fijamos la variable dependiente y = y0 (y0 constante), se obtiene una re-
lación entre las variables independientes x1 y x2 para el nivel de variable
dependiente escogido y = y0 . También se puede fijar alguna de las variables
independientes xj , obteniendo una relación entre la dependiente y las res-
tantes variables independientes xi , es decir, si se fija x1 = x̄1 entonces la
curva de nivel es la relación y = f (x̄1 , x2 ) = f (x2 ) porque x1 es constante.
Ejemplo 2.17.
Sea y = f (x1 , x2 ) = 4x1 + 2x22 ; si y = 5 entonces la curva de nivel y = 5 es
4x1 + 2x22 = 5; la anterior ecuación es una relación entre las variables x1 y
x2 cuya representación gráfica es una parábola (ver gráfica 2.10). Si y = 15
entonces la curva de nivel y = 15 es 4x1 + 2x22 = 15 que es otra parábola.
Ejemplo 2.18.
Las curvas de nivel se pueden obtener también al fijar una de las variables
independientes. Para la función f = f (x1 , x2 ) = 4x1 + 2x22 , al suponer que
2.4. CURVAS DE NIVEL 67
x2
4
y=15
2
y=5
1
x1
−5 −4 −3 −2 −1 1 2 3 4 5
−1
−2
−3
−4
Figura 2.10
x1 = 1, entonces la curva de nivel obtenida es 4 + 2x22 = y; la relación ahora

es entre las variables y, x2 ; la gráfica es nuevamente una parábola (ver figura
2.11).
y
8
5
y=4+x^2
x2
−5 −4 −3 −2 −1 1 2 3 4 5
Figura 2.11
Supongamos una función de utilidad para un consumidor: f (x1 , x2 ) = U .

Si U está fija en U0 obtenemos una relación entre las variables x1 y x2 , es
decir una relación entre las cantidades de consumo x1 , x2 para obtener un
nivel fijo de utilidad U0 . Si U cambia de U0 a U1 entonces se obtiene una
nueva relación entre las cantidades de consumo x1 y x2 para lograr el nivel
de satisfacción U1 . En la teorı́a del consumidor, f (x1 , x2 ) = U0 es la curva
de indiferencia para el consumidor y refleja la relación entre las cantidades

consumidas x1 , x2 y un nivel fijo de satisfacción U0 . Estas curvas de nivel en
particular se conocen como curvas de indiferencia o isocuantas.
Ejemplo 2.19.
Sea f (x1 , x2 ) = x1 x2 = u una función de utilidad. Si u = 10 entonces
x1 x2 = 10, de donde x2 = 10/x1 . La ecuación x2 = 10/x1 representa una
relación entre la cantidad de bienes x1 y x2 para obtener 10 unidades de uti-
lidad; es una relación decreciente, porque a medida que aumenta el consumo
de x1 entonces disminuye el consumode x2 , es decir, se sustituye el consumo
de un bien por el otro al mantener un nivel de satisfacción constante (ver
figura 2.12).
x2
10
u=15
u=10
x1
−10 10
−10
Figura 2.12
Si u = 15 entonces la curva de nivel será 15 = x1 x2 ; es decir x2 = 15/x1

representa la combinación de las cantidades de bienes que se consumen para
lograr una utilidad de 15 unidades de satisfacción (ver figura 2.12).
Sea f (K, L) = Q una función de producción. La variable dependiente Q

representa las cantidades de bienes o servicios producidos por una empresa;
K es la cantidad de capital utilizado para producir Q unidades; L es la
cantidad de mano de obra utilizada para producir Q unidades. Si al fijar la
cantidad de producción en Q = Q0 , entonces se obtiene la relación entre los
factores K y L para lograr el nivel de producción Q0 . Esta curva de nivel es
conocida como isoproducto o curva de producción de largo plazo, porque en
el largo plazo los factores K y L son variables. El capital se entiende como

las máquinas, la planta donde está instalada la empresa, los vehı́culos para
movilizar las mercancı́as, etc.; este factor varı́a por deterioro, por cambios
tecnológicos, lo cual hace que el factor capital K se mantenga constante en el
corto plazo. Supongamos que se fija K = K0 , es decir, se produce utilizando
una cantidad de capital constante, de donde se obtiene una relación entre
la mano de obra L y la cantidad de producción Q, Q = f (L). Esta curva de
nivel refleja la relación de producción de corto plazo.
Ejemplo 2.20.
Sea Q = f (K, L) = (K a + La )b/a una función de producción tipo CES. Al
suponer que a = 2 y b = 1, la curva de nivel que se obtiene fijando el nivel
de producción Q = 3 (es decir que la producción es de 3 unidades en un
perı́odo de tiempo fijo) es
3 = (K 2 + L2 )1/2 ,
de donde
9 = K 2 + L2 .
La anterior ecuación corresponde con una circunferencia con radio 3 y centro

en el origen (ver figura 2.13).
L
4
−5 −4 −3 −2 −1 1 2 3 4 5
−1
−2
−3
−4
Figura 2.13
En general, para cualquier nivel de producción Q0
Q0 = (K 2 + L2 )1/2
(Q0 )2 = K 2 + L2 .
La relación de factores para producir Q0 , es una circunferencia con centro

en (0, 0) y radio Q0 .
En curva de nivel (Q0 )2 = K 2 + L2 se puede expresar el capital (K) en
términos de la mano de obra (L) para lograr una producción de Q0 unidades
del bien o servicio. Por ejemplo
K 2 = Q20 − L2 .
√
Si Q0 = 10 entonces K 2 = 100−L2 , es decir K = 100 − L2 . La cantidad de
capital en función de la mano de obra necesaria para producir 10 unidades. Si
se contratan ocho unidades de mano de obra (L = 8), entonces es necesario
K 2 = 100 − 64 = 36; de donde K = 6 unidades de capital son necesarias
para producir 10 unidades del bien en cuestión con L = 8.
También pudo fijarse K = 5 unidades de capital y la curva de nivel
será Q0 = (25 + L2 )1/2 ; ahora la producción depende de la mano de obra.
Este ejemplo representa usualmente una relación de corto plazo porque el
capital es fijo.
Ejercicio 2.4.
I Representar gráficamente las curvas de nivel de las siguientes funcio-

nes:
1. y = f (x1 , x2 ) = 3x1 − 4x2

1/2
2. y = f (x1 , x2 ) = x1 x32
3. y = f (x1 , x2 ) = a1 x1 + a2 x2
II Hallar algunas curvas de indiferencia o isoproducto, según el caso,

para cada una de las siguientes funciones:
1. U (x, y) = 3x1/2 y 1/2

3/2 5/2
2. U (x1 , x2 ) = 2x1 x2
3. f (K, L) = 10(K 2 + L2 )1/4
Ejemplo 2.21.
Supongamos una función tipo Leontief
(
x1 si x1 ≤ x2 ,
y = f (x1 , x2 ) = min{x1 , x2 } =
x2 si x1 ≥ x2 .
Si y es una constante (por ejemplo y = 1), entonces la curva de nivel

está dada por:
1 = x1 si x1 ≤ x2 o 1 = x2 si x1 ≥ x2 .
Para determinar la región del plano en la que x1 ≤ x2 , entonces se grafica

x1 = x2 , lo cual corresponde con la identidad en el plano cartesiano (es
decir, la lı́nea que pasa por los puntos (0, 0), (−5, −5), (1, 1), etc.). Si el
eje horizontal es x1 entonces x1 ≤ x2 corresponde a la parte superior de la
lı́nea x1 = x2 en el plano cartesiano, es decir el punto (0, 5) satisface que
0 ≤ 5, por lo tanto pertenece a la región que está por encima de la identidad
x1 = x2 . Ası́, en la parte superior de la lı́nea x1 = x2 se tiene que 1 = x2 y
en la parte superior de la identidad se tendrá que 1 = x1 (ver figura 2.14).
x2
4
y=3
3
y=1
1
x1
−5 −4 −3 −2 −1 1 2 3 4 5
−1
−2
−3
−4
Figura 2.14
Ejemplo 2.22.
Se hallarán algunas curvas de nivel de la función
y = f (x1 , x2 ) = min{3x1 + x2 , 2x1 }.

Para ello fijamos y en seis (y = 6), de donde se obtiene

(
3x1 + x2 si 3x1 + x2 ≤ 2x1 ,
6=
2x1 si 3x1 + x2 ≥ 2x1 .
Se halla la lı́nea 3x1 +x2 = 2x1 , es decir, x1 = −x2 que separa el plano en
dos regiones: R1 = {(x1 , x2 ); 3x1 + x2 ≤ 2x1 } y R2 = {(x1 , x2 ); 3x1 + x2 ≥
2x1 } (ver figura 2.15).
y
3
1
x
−4 −3 −2 −1 1 2 3 4 5 6 7 8
−1
−2
−3
−4
−5
−6
−7
−8
Figura 2.15
En la región R1 se tiene 6 = 3x1 + x2 , lo cual corresponde con una lı́nea

recta con pendiente −3 que pasa por los puntos (0, 6) y (2, 0). Para R2 se
tiene que la curva de nivel es una lı́nea x1 = 3. Las curvas de nivel en las
dos regiones están representadas en la gráfica 2.15.
Ejercicio 2.5.
Hallar algunas curvas de nivel de cada una de las siguientes funciones y
representarlas gráficamente:
1. y = min{2x1 , 3x2 }
2. z = min{3x, x − y}
3. z = max{x1 , x2 }
4. Para la relación y = max{x1 , x1 − x2 }, hallar las curvas de nivel co-
rrespondientes con y = 3, y = 10.
2.5. FUNCIONES HOMOGÉNEAS 73
2.5. Funciones homogéneas

La homogeneidad de una función de varias variables tiene una interpretación
interesante en economı́a, y está asociada con el tipo de rendimientos a escala
de la variable dependiente con respecto a las variables independientes.
Definición 2.3. Una función de varias variables y = f (x1 , x2 , . . . , xn ) es

homogénea de grado λ si, y sólo si,
f (mx1 , mx2 , . . . , mxn ) = mλ f (x1 , . . . , xn ) = mλ y
para todo m > 0.
En otras palabras, una función es homogénea de grado λ si al multiplicar

cada variable independiente xi por una constante m se obtiene un factor mλ
de la variable dependiente y.
Ejemplo 2.23.
Sea f (x1 , x2 ) = x1 + x2 . Puesto que f (tx1 , tx2 ) = tx1 + tx2 = t1 · f (x1 , x2 ),
la función es homogénea de grado uno.
Ejemplo 2.24.
x1 + x2
Una función como f (x1 , x2 ) = no es homogénea, porque
2x21 − 3x2
mx1 + mx2 m(x1 + x2 ) x1 + x2

f (mx1 , mx2 ) = 2 = 2 =
2
2m x1 − 3mx2 m(2mx1 − 3x2 ) 2mx21 − 3x2
6= mr f (x1 , x2 ).
Ejemplo 2.25.
Sea f (K, L) = K a Lb .
f (mK, mL) = (mK)a (mL)b = ma K a mb Lb = ma mb K a Lb = ma+b f (K, L).
Por tanto la función es homogénea de grado a + b.
Ejemplo 2.26.
√ K 2 + L2

La función G(K, L) = KL · ln es homogénea de grado uno,
KL
porque
√ (λK)2 + (λL)2

G(λK, λL) = λK λL · ln
λK λL
√
λ 2 (K 2 + L2 )

= λ2 KL · ln
λ2 KL
√
2
K + L2

= λ KL · ln = λ · G(K, L).
KL
Económicamente una función homogénea muestra el comportamiento

de la variable dependiente al multiplicar las variables independientes por
una misma constante; si todas las variables independientes se multiplican
por una constante positiva (es decir, todas las variables independientes se
cambian en el mismo factor), la homogeneidad muestra qué pasa con la
variable dependiente respecto al factor (se amplı́a, se reduce o se mantiene
igual). Si r es uno (r = 1) la homogeneidad de la función indica que al
cambiar en alguna proporción m las variables independientes, la variable
dependiente cambia en la misma proporción. Si r es mayor que uno (r > 1)
entonces las variables independientes cambian en m y la variable dependiente
en mr (la cual es mr > m para m > 0 y r > 1).
Ejemplo 2.27.
Sea f (K, L) = Q una función de producción homogénea de grado uno, luego
f (λK, λL) = λ · f (K, L) = λ · Q. Si λ = 2, entonces f (λK, λL) = f (2K, 2L)
es la producción utilizando el doble de factores K y L. Por ser homogénea
de grado uno entonces f (2K, 2L) = 2f (K, L) = 2Q. Al duplicar los factores,
la producción se duplica. Pero si λ = 3 entonces al triplicar los factores, se
triplica la producción. Ası́, la producción cambia en la misma proporción en
la que cambian los factores.
Ejemplo 2.28.
Si la función de producción es homogénea de grado dos, entonces:
f (2K, 2L) = 22 f (K, L) = 4Q.
Es decir, al duplicar los factores (capital K y mano de obra L) la produc-

ción se multiplica por cuatro (se cuadruplicó). Por lo tanto la producción
aumentó en mayor proporción que aquella en la que cambiaron los factores.
Esta caracterı́stica de las funciones está asociada con los rendimientos

2.5. FUNCIONES HOMOGÉNEAS 75
a escala de una función. Supongamos una función f homogénea de grado

n > 0,
Si n = 1, entonces los rendimientos son constantes.
Si n > 1, entonces los rendimientos son crecientes.
Si n < 1, entonces los rendimientos son decrecientes.
Que una función tenga rendimientos crecientes (decrecientes) significa
que la variable dependiente cambia en mayor (menor) proporción que aquélla
en la que cambian todas las variables independientes; los rendimientos cons-
tantes indican que tanto la variable independiente como la dependiente cam-
bian en la misma proporción.
Ejemplo 2.29.
Una función de costo C(K, L) = wL + rK es homogénea de grado uno,
es decir, tiene rendimientos constantes a escala, por lo tanto, si todos los
factores cambian en alguna proporción (por ejemplo el doble), entonces el
costo cambia en la misma proporción (se dobla el costo).
Ejemplo 2.30.
Una función CES, y = f (x1 , x2 , x3 ) = A(xα1 + xα2 + xα3 )β es homogénea de
grado αβ ya que:
β
f (tx1 , tx2 , tx3 ) = A (tx1 )α + (tx2 )α + (tx3 )α
β
= A tα (xα1 + xα2 + xα3 ) = tαβ f (x1 , x2 , x3 ) = tαβ y.
Si todas las variables independientes xi se multiplican por una constante
t > 0 entonces la variable dependiente y queda multiplicada por tαβ . Si
αβ > 1, entonces tαβ > t, por tanto y tiene rendimiento creciente a escala.
Si αβ = 1 tendrá rendimiento constante.
Ejemplo 2.31.
m
La función de demanda x1 = es homogénea de grado cero en
β 1 p1 + β 2 p2
precios e ingresos, porque:
m
x1 (tp1 , tp2 , tm) = .
β 1 p1 + β 2 p2
Esto significa que si se incrementan los precios y el ingreso en la mis-
ma proporción (por ejemplo la inflación), entonces la demanda se mantiene
constante (igual que antes).
2.6. Ejercicios
1. Hallar el grado de homogeneidad de f (x, y) = x2 y + 2xy 2 + 5y 3 .
2. Sea
3x21 + 5x1 x2

y = f (x1 , x2 ) = .
4x2 − 8x1
Determinar si y = f (x1 , x2 ) es homogénea. Qué tipo de rendimientos
tiene la función. Interpretar económicamente el anterior resultado.
3. Hallar el grado de homogeneidad de la función de producción:

√
3K 2 − LK
F (K, L) = .
2L2 + KL
Determinar el tipo de rendimientos a escala.
4. Si y = f (x) es homogénea de grado m y x = g(z) es homogénea de

grado n. Probar que w = f (g(z)) es homogénea y calcular el grado de
homogeneidad.
5. Si z = f (x, y) es homogénea de grado n, probar que
∂2f ∂2f 2
2∂ f
x2 + 2xy + y = n(n − 1)f (x, y).
∂x2 ∂x∂y ∂y 2
6. Si f (x, y) = z es homogénea de grado h, demostrar que fx′ (tx, ty) =

tn−1 fx (x, y).
7. Sea 2
x + y2
p
3
G(x, y) = xy ln .
xy
Determinar el grado de homogeneidad de la función y el tipo de ren-
dimientos.
n n
xai i es homogénea de grado
Q P
8. Probar que y = f (x1 , . . . , xn ) = A ai .
i=1 i=1
9. Suponga que g(x, y) = z es una función homogénea de grado uno.

Probar que
g(x, y)
f (x, y) = a ln
x
es función homogénea de grado cero.
2.6. EJERCICIOS 77
10. Dada una función de utilidad Cobb-Douglas

1/3
u = f (x1 , x2 ) = x21 x2 ,
hallar el dominio, curvas de nivel (suponer que u = 100) y represen-

tarlos graficamente.
11. Dada una función de producción
Q = f (K, L) = 10(K 2 + L2 )1/4 ,
hallar el dominio, algunas curvas de nivel (suponer K = 10). Cuando

K es constante en una función de producción se tiene una relación de
corto plazo.
Capı́tulo 3
Derivadas
Con las derivadas de funciones de varias variables se continúa la presentación

de los instrumentos necesarios para desarrollar los procesos de optimización
en economı́a, los cuales son un soporte fundamental de las teorı́as económi-
cas; sin embargo, no es el único fin, ya que conceptos como elasticidad y cam-
bio marginal también son desarrollados con base en derivadas. El presente
capı́tulo se inicia con una breve introducción a las derivadas de funciones de
una variable independiente, como preparación para estudiar las derivadas
de funciones de varias variables desarrolladas en secciones posteriores.
3.1. Introducción
Las derivadas de funciones es uno de los temas fundamentales del cálculo
y tiene una amplia cantidad de aplicaciones en economı́a; la derivada es
una transformación de funciones en funciones, es decir, la derivada de una
función da como resultado otra función.
función f (x) −→ DERIVADA −→ función f ′ (x)
Dada una función y = f (x), la derivada y ′ = f ′ (x) contiene información
sobre el cambio de la variable dependiente y, al cambiar la variable indepen-
diente x; por ejemplo, si conocemos la función de demanda Q = f (P ) de un
consumidor que
3.1. INTRODUCCIÓN 79
depende del precio P , la derivada Q′ = f ′ (P ) representa el cambio en la

cantidad de demanda Q al cambiar el precio P ; estos cambios no son siem-
pre constantes, dependen posiblemente del nivel de precios.
Dada una función y = f (x) se tiene que f (x + h) − f (x) representa el
cambio en la variable dependiente cuando la variable independiente se altera
en h unidades; el cociente
f (x + h) − f (x) f (x + h) − f (x)
=
(x + h) − x h
compara el cambio de la variable dependiente por unidad de cambio en la

variable independiente. Cuando el cambio h se hace muy pequeño entonces
el anterior cociente es la derivada de la función para cada valor de x en el
que exista el cociente, es decir:
f (x + h) − f (x)
y ′ = f ′ (x) = lim
h→0 h
cuando el lı́mite existe.
Esta definición con base en el lı́mite de funciones es complicada, y para
aproximarnos al objetivo del presente trabajo vamos directamente al cálculo
de derivadas y a la interpretación de las mismas.
Hay varias maneras de notar la derivada de una función, hemos utili-
zado hasta ahora y ′ = f ′ (x), sin embargo existen también las siguientes
expresiones:
dy df (x)
y ′ = f ′ (x) = = .
dx dx
Para una función y = f (x), la derivada de la función cuando x es igual a
m está dada por f ′ (m) e indica el cambio en y cuando la variable x cambia
en una pequeña (muy pequeña) cantidad en las vecindades de m.
f (m + h) − f (m)
f ′ (m) = lim .
h→0 h
El signo positivo de la derivada de una función indica que al aumentar la
variable independiente, la dependiente también aumenta; en caso contrario,
si el signo es negativo, al aumentar la variable independiente entonces la
variable dependiente disminuye.
Si f ′ (x) > 0 entonces la función es creciente.

Si f ′ (x) < 0 entonces la función es decreciente.
80 CAPÍTULO 3. DERIVADAS
Esto se obtiene de suponer que h > 0 y comparar f (x + h) con f (x),
si f (x + h) − f (x) > 0 entonces f (x) se incrementa al aumentar x.

si f (x + h) − f (x) < 0 entonces f (x) disminuye al incrementar x.
Para calcular derivadas de funciones se asumen los siguientes resultados,

obtenidos de la aplicación de la definición de derivada:
Si f (x) = c, entonces f ′ (x) = 0.
Si f (x) = c xn , entonces f ′ (x) = c n xn−1 .
c
Si f (x) = c ln(x), entonces f ′ (x) = si x 6= 0.
x
Si f (x) = c ex , entonces f ′ (x) = c ex .
Proposición 3.1.
Si f (x) = c h(x) entonces f ′ (x) = c h′ (x), con c constante.
Si f (x) = g(x) + h(x) entonces f ′ (x) = g ′ (x) + h′ (x).
Si f (x) = g(x)h(x) entonces f ′ (x) = g ′ (x)h(x) + g(x)h′ (x).
g(x) g ′ (x)h(x) − g(x)h′ (x)

Si f (x) = entonces f ′ (x) = 2 .
h(x) h(x)
Ejemplo 3.1.
y = f (x) = x, entonces y ′ = f ′ (x) = 1.
y = f (x) = 8, entonces y ′ = f ′ (x) = 0.
y = f (x) = 4x2 + 5, entonces y ′ = f ′ (x) = 8x.
1 −1/2
y = f (x) = 3x1/2 + 2x3/5 , entonces y ′ = f ′ (x) = 3

2x +
2 53 x−2/5 .

3.1. INTRODUCCIÓN 81
Ejemplo 3.2.
1
Si f (x) = x2 ln(x) entonces f ′ (x) = 2x ln(x) + x2

x .
3x + 5 2
Si f (x) = entonces f ′ (x) = 3(x − 2x) − (2x − 2)(3x + 5) .
x2 − 2x (x2 − 2x)2

Proposición 3.2. Cuando f (x) es una función compuesta f (x) = g h(x) ,
es decir una función dentro de otra función, entonces
f ′ (x) = g ′ h(x) h′ (x).

Este resultado se conoce como regla de la cadena.
Ejemplo 3.3.
y = f (x) = ln(x3 + e2x ), entonces
1
f ′ (x) = (3x2 + 2e2x ).
x3 + e2x
2 +ln(x2 )
y = f (x) = e2x+5x , entonces

′ 2x+5x2 +ln(x2 ) 1
f (x) = e 2 + 10x + 2 (2x) .
x
Ejercicio 3.1.
1. Calcular la derivada de las siguientes funciones:
a) f (x) = 5x0,56
3
b) f (x) = √
x x
x−5
c) f (x) = 1,34
2x − x0,32
g(x)
d) y = f (x)
2. Sea f ′ (x) = 3x2 + 4, hallar f (x).
3. Sea f (c) = g c2 · h(c) , hallar f ′ (c).

3.2. Análisis marginal de funciones de varias va-

riables
Aunque las funciones representan relaciones entre dos informaciones, no
basta con dos variables para representar algunas relaciones en economı́a,
y es necesario trabajar con funciones que involucran más de dos variables.
En la presente sección se desarrolla una breve introducción al cálculo de
derivadas para funciones de más de una variable independiente. Dada una
función de varias variables f (x1 , x2 , . . . , xn ) = y estamos interesados en estu-
diar el comportamiento de la variable dependiente y cuando cambia alguna
de las variables independientes xi ; en particular, en economı́a es importante
el cambio de y por cada unidad adicional de alguna de las variables inde-
pendientes xi .

el cambio de y por cada unidad adicional de xi está dado por la diferencia
f (x1 , . . . , xi + 1, . . . , xn ) − f (x1 , . . . , xi , . . . , xn ).
Se está comparando el valor de la variable dependiente después de alterar

la variable independiente xi en una unidad. Este cambio de y por cada
unidad adicional de xi se conoce como la cantidad marginal de y respecto a
xi .
En particular para funciones de dos variables independientes el cambio
de y por cada unidad adicional de x1 está dado por
f (x1 + 1, x2 ) − f (x1 , x2 ).
Ejemplo 3.4.
Dada una función de utilidad f (x1 , x2 ) = U que depende del consumo de dos
bienes x1 y x2 , se quiere saber cómo se altera la utilidad U si se incrementa en
una unidad el consumo del bien x1 , es decir comparar la utilidad al cambiar
el consumo en una unidad.
f (x1 + 1, x2 ) − f (x1 , x2 ) = U M ax1
Esta diferencia U M ax1 refleja el cambio en la utilidad si se incrementa en

una unidad el consumo del bien x1 y se define como la utilidad marginal del
bien x1 .
3.3. DERIVADAS PARCIALES 83
Ejemplo 3.5.
Si f (x1 , x2 ) = x1 + x2 , entonces
f (x1 + 1, x2 ) − f (x1 , x2 ) = x1 + 1 + x2 − (x1 + x2 ) = 1.
Lo cual significa que la utilidad aumenta en una unidad si se incrementa en

uno el consumo del bien x1 .
Ejemplo 3.6.
Sea Q = f (K, L) = K 1/2 L1/2 una función de producción, el producto mar-
ginal de la mano de obra L está dado por:
f (K, L + 1) − f (K, L) = K 1/2 (L + 1)1/2 − K 1/2 L1/2 .
K 1/2 (L + 1)1/2 − L1/2 es la producción marginal respecto a la mano de

obra L.
Si se utilizan cuatro unidades de capital y cuatro de mano de obra (K =
4, L = 4), entonces la producción es
f (4, 4) = 41/2 41/2 = 4.
Ahora, si se utiliza una unidad adicional de mano de obra se produce

√
f (4, 5) = 41/2 51/2 = 2 5 ≈ 4,472.
Por tanto, el cambio en la producción por una unidad adicional de mano de

obra es aproximadamente 0, 472 unidades.
3.3. Derivadas parciales

La derivada parcial de una función de varias variables es una transformación
lineal a través de la cual se obtiene el cambio de la variable dependiente si se
altera alguna de las variables independientes en una mı́nima expresión. Sin
embargo para hallar derivadas parciales se calcula el cambio de la variable
dependiente con respecto a la variable independiente en cuestión, suponiendo
que las demás variables se mantienen constantes. Para una función y =
f (x1 , x2 ), la derivada parcial de y con respecto a xi , se supone que las
variables diferentes a xi son constantes. La derivada parcial para funciones
de varias variables están dadas por la siguiente definición.

la derivada parcial de f con respecto a xi es
∂y f (x1 , . . . , xi + h, . . . , xn ) − f (x1 , . . . , xn )
yx′ i = fx′ i = = lim ,
∂xi h→0 xi + h − xi
si el lı́mite existe, entonces la derivada existe.
Ejemplo 3.7.
Para la función y = f (x1 , x2 ) = x1 x2 la derivada parcial de y con respecto
∂y
a x1 está dada por yx′ 1 = ∂x 1
= x2 ; en la que se supone que x2 es constante
y el cálculo de la derivada parcial es similar al de las derivadas de funciones
dy
de valor real; de la misma forma que si y = 5x, entonces y ′ = dx = 5.
Una función de varias variables es derivable si existen todas las deri-

vadas parciales, es decir si existe cada uno de los lı́mites que definen las
derivadas parciales.
Ejemplo 3.8.
Sea y = x1 + 2x2 , entonces yx′ 1 = 1, yx′ 2 = 2.

1 1
Sea y = ln(x1 x2 ), entonces yx′ 1 = x2 = .
x1 x2 x1
1
yx′ 2 = .
x2
Sea y = xx1 2 , entonces y = ex2 ln(x1 ) ; por lo tanto

x2 ln(x1 ) x2
′
yx 1 = e = xx1 2 −1 x2 .
x1
yx′ 2 = ex2 ln x1 (ln x1 ) = xx1 2 (ln x1 ).
Sea y = Axa1 xb2 , entonces yx′ 2 = Abxa1 xb−1

2 .
yx′ 1 = Aax1a−1 xb2 .

a
Sea y = A(x1−a + x−a2 )
−b
, entonces
a
−a − ab −1
yx′ 2 = A − (x−a
1 + x2 ) (−ax2−a−1 ).
b
−a −a −a
yx′ 1 = A( )(x1 + x−a
2 )
b
−1
(−ax1−a−1 ).
b
3.4. ELASTICIDAD PARCIAL 85
Ejemplo 3.9.
Sea U = f (x1 , x2 ) = x1 x2 la función de utilidad para un consumidor
promedio, Ux′ 1 = x2 representa el cambio en la utilidad por cada unidad
adicional de consumo en x1 ; es decir, que cada unidad adicional de consumo
en x1 produce un cambio en el nivel de satisfacción del consumidor igual a
la cantidad de consumo del otro bien x2 . Si x2 = 5 entonces Ux′ 1 = 5. La
utilidad de consumir (2, 3) es U = 6; cuando el consumo es (2, 3), entonces
Ux′ 1 = x2 = 3. La satisfacción (utilidad) cambia en 3 unidades, si el consumo
de x1 pasa de 2 a 3 unidades.
Ejercicio 3.2.
Hallar todas las derivadas parciales para las funciones a continuación:
1. y = ex1 x2
2. y = x21 + 5x1 x2 − 3x23 x1

p
3. y = x21 + 2x1 x2
4. y = ln(x21 + x1 x2 )
x1 + x1 x2
5. y =
ex 1 x2
Conocido el cálculo de las derivadas, ahora se presenta el significado
y la interpretación para las funciones utilizadas en economı́a. Dada una
dy
función y = f (x), la derivada y ′ = dx representa el cambio de la variable
dependiente
y al cambiar la variable independiente x en unamuy pequeña
′ ′ dy f (x+h)−f (x)
cantidad recuerde que y = f (x) = dx = limh→0 (x+h)−x .
Sin embargo, en economı́a el cambio en una pequeña cantidad para la
variable independiente no es claro, por lo tanto, la aproximación más cer-
dy
cana con sentido es el cambio por unidad; ası́ y ′ = dx es el cambio de y
por cada unidad adicional de x; esto coincide con el cambio marginal de y
∂y
con respecto a x que presentamos en la sección ??. En economı́a, yx′ 1 = ∂x i
representa el cambio de y por cada unidad adicional de xi , suponiendo que
las demás variables independientes están constantes.
3.4. Elasticidad parcial

La elasticidad es una información sobre el nivel de sensibilidad de una va-
riable con respecto a otra. Se diferencia de la información marginal por las
unidades en que se mide: mientras la información marginal hace referencia

a los cambios de una variable por cada unidad adicional de otra (o la última
unidad), la elasticidad mide la relación entre los cambios porcentuales.
Definición 3.3. Dada una función de varias variables f (x1 , x2 , . . . , xn ) = y

derivable y no nula, la elasticidad xi de y (también se lee como la elasticidad
de y con respecto a xi ) es el cambio porcentual de la variable dependiente y
por cada uno por cien adicional de xi .1
∆y
y xi ∆y xi ∂y xi xi
Elxi y = ∆xi
= = = yx′ i = fx′ i
xi
y ∆xi y ∂xi y y
El signo de la elasticidad depende de la derivada Fx′ i , ya que en economı́a

las variables son no negativas (xi ≥ 0, y ≥ 0 usualmente). Si Fx′ i > 0 es
porque un incremento en xi produce un aumento de y; en caso que Fx′ i < 0,
la relación será opuesta, es decir, si se incrementa xi , entonces y disminuye.
Ejemplo 3.10.
Dada la función de producción Q = F (K, L) = 100K 0,3 L0,7 , la elasticidad
capital K de la producción Q está dada por
′ K K 30K 0,3 L0,7

ElK Q = FK = 30K −0,7 L0,7 · = = 0,3.
Q 100K 0,3 L0,7 100K 0,3 L0,7
Si una empresa produce F (K, L) = Q unidades, la elasticidad capital K
de la producción Q (o la elasticidad de la producción con respecto al capital)
es 0,3, es decir, por cada uno por cien de capital que se utilice, la producción
Q aumenta en 0,3 por cien. Si la empresa utiliza 1000 unidades de capital,
y decide aumentarlo en uno por cien (diez unidades adicionales de capital),
entonces la producción aumenta en 0,3 por cien (0,3 %).
El parámetro para clasificar las elasticidades es la unidad: si el cambio

porcentual de la variable dependiente es mayor, menor o igual al cambio
porcentual de la variable independiente.
Si | Elxi y| > 1 entonces y es elástica respecto a xi .
Si | Elxi y| = 1 entonces y tiene elasticidad unitaria con respecto a xi .
Si | Elxi y| < 1 entonces y es inelástica respecto a xi .
1
En general, un cociente ab significa la cantidad de numerador por cada unidad de
denominador; la elasticidad Elxi y significa el cambio porcentual de la variable dependiente
por cada unidad porcentual adicional de la variable independiente.
De acuerdo con la definición, si la relación es elástica entre y y xi entonces

∆y
y > ∆xxi ; si xi cambia en uno por cien entonces y cambia en más de uno por
i
cien; si y cambia en mayor porcentaje que xi entonces y es sensible respecto

a xi porque un cambio pequeño en xi produce un cambio mayor en y.
La elasticidad unitaria significa que las variables dependiente e indepen-
diente tienen los mismos cambios porcentuales ∆y ∆xi
y = xi , mientras que en
la relación inelástica, el porcentaje en el que cambia la variable dependien-
te es menor que el porcentaje en el que cambia la variable independiente
∆y ∆xi
y < xi ; si y cambia en menor porcentaje que xi entonces y es poco sensi-
ble respecto a xi porque un cambio grande en xi produce un cambio pequeño
en y.
Ejemplo 3.11.
Sea Q = f (K, L) = K 1/2 L1/2 una función de producción, la relación del
capital y la producción es inelástica, y la variable dependiente tiene baja
sensibilidad con respecto a la variable independiente.
1 −1/2 1/2
2K L K 1
ElK Q = = .
K L1/2
1/2 2
Existen casos extremos asociados a la elasticidad; si Elxi y = 0 enton-
ces indica que cualquier cambio de la variable independiente xi no produce
cambios en y, es decir y es insensible a los cambios de xi . Este caso se conoce
como perfectamente inelástico; si Elxi y es muy grande (por ejemplo tiende
hacia el infinito) entonces con un cambio pequeño de la variable indepen-
diente xi se logra un gran cambio en la variable dependiente, es decir que y
es muy sensible a los cambios de xi , o perfectamente elástica.
Ejemplo 3.12.
Supongamos una función de demanda
m
x1 =
3p1 + 4p2
donde p1 es el precio del bien x1 y p2 el precio de un sustituto; m es el
ingreso del consumidor; la elasticidad precio de la demanda es
−3p1
Elp1 x1 = .
3p1 + 4p2
Como p1 < 3p1 + 4p2 (porque los precios son cantidades no negativas)
entonces la relación es inelástica. El signo negativo significa que se cumple
la ley de demanda (a mayor precio, menor demanda). La demanda cambia

en una menor proporción que el cambio proporcional de los precios, es de-
cir, la demanda tiene baja sensibilidad al cambio de precios. La elasticidad
ingreso de la demanda es unitaria Elm xi = 1, es decir, cambios en algún por-
centaje del ingreso producen cambios en la demanda del insumo del mismo
porcentaje.
Ejercicio 3.3.
En el ejemplo 3.12 hallar la elasticidad con respecto al precio del sustituto
(p2 ) e interpretar el resultado.
Ejemplo 3.13.
En equilibrio suponemos que el ingreso total IT de una empresa es igual al
gasto total GT de los consumidores que demandan lo que produce la empre-
sa. IT = GT = P · X; P es el precio del bien y X la cantidad demandada
del bien producido por la empresa. Si el bien cumple la ley de demanda y
se incrementan los precios, ¿qué pasa con el ingreso?
Al cumplir la Ley de demanda, el incremento de precios reduce la deman-
da; pero ¿el ingreso aumenta o baja? Eso depende del tamaño del cambio
que tenga la demanda con respecto al precio, es decir, qué tan sensible es
la demanda con respecto al precio. Supongamos que la demanda es elástica
respecto al precio ElP X = 20 %, entonces al incrementar el precio, la de-
manda disminuye en mayor porcentaje que el cambio del precio, por tanto
el ingreso cae. Si la elasticidad precio fuera unitaria el ingreso no cambia
porque el incremento del precio reduce la demanda en la misma proporción,
luego se compensa y mantiene el ingreso igual.
Existe una definición de elasticidad utilizada en modelos de regresión

logarı́tmicos, la cual sirve para interpretar los coeficientes de las regresiones
de este tipo. Sea f (x1 , x2 , . . . , xn ) = y una función de n variables indepen-
dientes, entonces
d ln(y)
Elxi y = .
d ln(xi )
Para probar la equivalencia con la anterior definición tenemos que:
1
d ln(y) y dy xi dy
= 1 = = Elxi y.
d ln(xi ) xi dxi y dxi
En los modelos de regresión lineal logarı́tmicos con una variable depen-

diente y y una independiente x, se obtiene una expresión como:
ln(y) = a + b ln(x)
en la cual
d ln(y)
b=
d ln(x)
Por tanto b es la elasticidad x de y, lo cual indica que el incremento de x en

100 % genera un incremento de 100 b %.
Ejemplo 3.14.
Supongamos una función de demanda del bien x que depende del precio px
de x, el precio de un sustituto py y del ingreso m del consumidor.
am
x(px , py , m) = .
bpx + cpy
La elasticidad de la demanda respecto al precio del sustituto es
− amc
py
x′py· py (bpx + cpy )2 −cpy
Elpy x = = = .
x am bpx + cpy
bpx + cpy
La relación de la demanda con el precio del sustituto es inelástica si
−bpy
−1 < < 1,
bpx + cpy
por lo tanto, siempre es inelástica.
Ejercicio 3.4.
1. Hallar la elasticidad de y con respecto a x en la función: y = x1,45 z 0,25 w.
2. Sea Q = f (K, L) = A(K b + Lb )1/b una función de producción. Hallar

la elasticidad de Q con respecto a L.
3.5. Funciones homogéneas

Del capı́tulo anterior tenemos que una función f es homogénea si
f (λx1 , . . . , λxn ) = λm f (x1 , . . . , xn )
para todo λ > 0.

Ahora ampliaremos esta definición con la ayuda de las derivadas par-
ciales, particularmente a través del conocido teorema de Euler, el cual se
enuncia a continuación.
Dada una función f (x) = y de Rn en R. Si f es homogénea de grado m
entonces:
n
X
mf = xi fx′ i = (x1 fx′ 1 + x2 fx′ 2 + · · · + xn fx′ n ).
i=1
Particularmente una función homogénea de grado uno tiene la propiedad

de ser expresada como una suma de derivadas parciales.
f (x1 , . . . , xn ) = fx′ 1 x1 + fx′ 2 x2 + · · · + fx′ n xn .
Ejemplo 3.15.
Sea Q = f (K, L) = AK α Lβ . Sabemos que es homogénea de grado α + β.
Verificamos la ecuación de Euler.
′
fK = αAK α−1 Lβ ,
fL′ = βAK α Lβ−1 ,
de donde:
′
KfK + LfL′ = αAK α−1 Lβ K + βAK α Lβ−1 L
= (α + β)AK α Lβ
= (α + β)Q.
Ejemplo 3.16.
Sea U = f (x1 , x2 ) = A(xα1 a + xα2 )β . Sabemos que es una función homogénea
de grado αβ, de la ecuación de Euler se obtiene:
fx′ 1 = Aβ(xα1 + xα2 )β−1 αxα−1

1 ,
fx′ 2 = Aβ(xα1 + xα2 )β−1 αxα−1

2 ,
3.6. DERIVADAS PARCIALES DE ORDEN SUPERIOR 91
de donde:
x1 fx′ 1 + x2 fx′ 2 = Aβ(xα1 + xα2 )β−1 αxα−1

1 x1 + Aβ(xα1 + xα2 )β−1 αxα−1
2 x2
= αβA(xα1 a + xα2 )β−1 (xα1 a + xα2 )
= αβU.
Una caracterı́stica propia de las funciones homogéneas de grado m y

derivables es que la primera derivada es homogénea de grado m − 1. Este
resultado se obtiene de la ecuación de Euler.
Ejercicio 3.5.
Determinar si la función f (x, y) = x2 y − y 3 + x3 es homogénea y verificar la

ecuación de Euler. ¿Qué tipo de rendimientos tiene la función?
3.6. Derivadas parciales de orden superior
Dada una función derivable dos veces y = f (x1 , x2 , . . . , xa ), las segundas

derivadas nos dan información sobre los cambios de la primera derivada con
respecto a cada una de las variables independientes. Si la derivada está aso-
ciada con la velocidad (el cambio del espacio con respecto al tiempo) la
aceleración está asociada con la segunda derivada.
En economı́a esta aceleración indica la velocidad del cambio de la in-

formación marginal, es decir, si f (x1 , x2 ) = y es una función de utilidad,
entonces sabemos que fx′ 1 es la utilidad marginal con respecto al bien x1 ;
fx′′1 x1 indica la magnitud del cambio de la utilidad marginal con respecto a
la cantidad de consumo del bien x1 .
Definición 3.4. Dada una función derivable y = f (x1 , x2 , . . . , xn ),

∂nf
∂xni
es la n-ésima derivada de f con respecto a xi .
∂nf
∂xi ∂xjn−1
indica la n-ésima derivada de f , de las cuales una derivada es con respecto
a xi y n − 1 veces con respecto a xj .
∂f
Como ∂x i
= fx′ i = f1′ para las derivadas de orden superior se tiene
∂2f ′′
= fx′′j xi = fji .
∂xi ∂xj
∂2f
El orden de la derivada en la expresión ∂xi ∂xj es primero con respecto a xj
y después con respecto a xi .
Ejemplo 3.17.
2/3
Sea y = f (x1 , x2 ) = x1 x32 + 3x1 + 4x2 entonces,
2 −1/3 2/3
fx′ 1 = f1′ = x1 x32 + 3, fx′ 2 = f2′ = 3x1 x22 + 4,
3
2 −4/3 2/3
fx′′1 x1 = f11
′′
= − x1 x32 , fx′′2 x2 = f22
′′
= 6x1 x2 ,
9
−1/3 2
fx′ 1 x2 = f12
′′
= 2x1 x2 .
Ejemplo 3.18.
Sea Q = f (K, L) = 21 (K 2 + L2 )−3/2 .
′ 3 3
fK = − (K 2 + L2 )−5/2 2K = − (K 2 + L2 )−5/2 K;
4 2
′′ 15 3
fKK = (K 2 + L2 )−7/2 2K 2 − (K 2 + L2 )−5/2 .
4 2
Ejercicio 3.6.
Hallar todas las derivadas parciales de primer y segundo orden de las si-
guientes expresiones:
1. f (x, y) = 4x3 y + 32 xy 1/2
√
2. f (w, m) = 2w − 5y + m
3.6.1. Gradiente y matriz hessiana

Definición 3.5. Dada una función y = f (x1 , x2 , ..., xn ) el gradiente de la
función es el vector de derivadas parciales de la función
∇f = f1′ , f2′ , ..., fn′ fi′ = fx′ i

donde
Ejemplo 3.19.
2/3 7/5
Para la función y = f (x1 , x2 ) = 10x1 x2 el gradiente es
D 20 E
−1/3 7/5 2/3 2/5
∇f = x1 x2 , 14x1 x2 .
3
Ejemplo 3.20.
Para hallar el gradiente de la función y = f
(x1 , x2 ) = x21 x2 + x32 x1 + 5 en el
punto (1, 2), ∇f se calcula primero. ∇f = 2x1 x2 + x32 , x21 + 3x 2

2 x1 ; luego
se evalúa el gradiente en el punto correspondiente ∇f (1, 2) = 8, 13 .
Un tipo particular de matrices que serán útiles en el desarrollo de la

optimización, concavidad y convexidad de funciones de varias variables es
la matriz Hessiana.
Definición 3.6. Para una función f (x1 , x2 , ..., xn ) = y, definimos la matriz

Hessiana como:
 
′′
f11 ′′
f12 ′′
f13 ′′
. . . f1n
 ′′ ′′ ′′ ′′ 

 f21 f22 f23 . . . f1n
 
 en donde fij′′ representa la segunda derivada parcial
 ′′ ′′ ′′ ′′ 
H =  f31 f32 f33 . . . f3n
 
 . . . . . 
 
′′
fn1 ′′
fn2 ′′
fn3 ′′
. . . fnn
de la función f, primero con respecto a la variable i y después con respecto

a la variable j.
Ejemplo 3.21.
Sea f (x1 , x2 ) = 3x21 + 4x1 x2 + 5x22 .
fx′ 1 = f1′ = 6x1 + 4x2 ; ′′

f11 = fx′′1 x1 = 6
fx′ 2 = f2′ = 4x1 + 10x2 ; fx′′2 x2 = f22
′′
= 10
fx′′1 x2 = f12
′′
= 4; fx′′2 x1 = f21
′′
= 4.
Ası́, la matriz Hessiana H de la función f es:
" #
6 4
H=
4 10
Ejemplo 3.22.
Para hallar la matriz hessiana de la función f (x1 , x2 ) = x21 x2 +2x1 x2 −4x22 +
8x1 en el punto (2, 1) primero se halla la matriz hessiana:
" #
2x2 2x1 + 2
H=
2x1 + 2 −8
Luego se evalúa la matriz en el punto
" #
2 6
H(2, 1) =
6 −8
Ejemplo 3.23.
Para la función f (x1 , x2 ) = xa1 x21−a la matriz Hessiana es:
" #
a(a − 1)x1a−2 x21−a a(1 − a)x1a−1 x−a 2
H=
a(1 − a)x1a−1 x−a2 −a(1 − a)xa1 x2−a−1
Definición 3.7. Dada una matriz H de tamaño n × n, definimos el menor

principal de orden k al determinante de la submatriz

f ′′ f ′′ . . . f ′′
11 12 1k
′′
f21 f22 . . . f ′′
′′

2k
Hk = . . . .

. . . .

′′
f ′′ . . . f ′′

f
k1 k2 kk
Es decir, para la matriz Hessiana H de tamaño nxn los menores principales

de orden 1, 2 y 3 son:

′′ ′′ ′′
f f f
11 12 13

f ′′ f ′′
′′ 11 12 ′′ ′′ ′′
H1 = |H1 | = |f11 |; |H2 | = ; |H3 | = f21 f22 f23 .

′′
f21 ′′
f22 ′′ ′′ ′′

f31 f32 f33
Ejemplo 3.24.
Para la función f (x1 , x2 ) = 3x21 + 4x1 x2 − 5x22 , la matriz Hessiana H es
" #
6 4
[H] = .
4 10

6 4
Los menores principales son: |H1 | = 6, |H2 | = = 60 − 16 = 44

4 10
Ejemplo 3.25.
Para la función f (x1 , x2 ) = xa1 x21−a los menores principales son:
|H1 | = a(a − 1)x1a−2 x21−a

|H2 | = a2 (a − 1)2 x12a−2 x2−2a − a2 (1 − a)2 x12a−2 x2−2a
Definición 3.8. Dada una matriz A de tamaño nxn, los menores de orden
k son todos los determinantes de las submatrices que se obtiene de eliminar
n-k filas y columnas con el mismo ı́ndice de la matriz A.
Ejemplo 3.26.
Supongamos una matriz B de 3x3.
 
b11 b12 b13
 
B= b21 b22 b23  ,

b31 b32 b33
los menores de orden uno se obtiene de eliminar todas las combinaciones de

3 − 1 filas y columnas con el mismo ı́ndice; si eliminamos las filas y colum-
nas 1 y 2, el menor de orden uno es B̂1 = |b33 |. Si eliminamos las filas y
columnas 1 y 3, el menor de orden uno es B̂1 = |b22 |. Si eliminamos las filas
y columnas 2 y 3, el menor es B̂1 = |b11 |. Luego los menores de orden uno

|b11 |

son: B̂1 = |b22 | .

|b33 |

Los menores de orden dos se obtienen de eliminar 3 − 2 filas y colum-

nas. Si eliminamos la fila y columna uno (1), el menor de orden dos es el
determinante de la submatriz

b
22 b23

B̂2 = ;
b32 b33
si eliminamos la fila y columna dos (2) entonces

b
11 b13

B̂2 = .
b31 b33
Si eliminamos la fila y columna tres (3) el menor es

b
11 b12

B̂2 = .
b21 b22

b b23


 22



 b32 b33








 b b13
11
Por tanto los menores de orden dos son: B̂2 = .

 b31 b33








 b b12


 11
b

b22

21
El menor de orden tres B̂3 es igual al determinante de la matriz B, por que
se eliminan 3-3 filas y columnas. B̂3 = |B| .
Ejemplo 3.27.
" #
′′
f11 ′′
f12
La matriz Hessiana de f (x1 , x2 ) es H = .
′′
f21 ′′
f22
(
′′
f11
Los menores de orden uno son Ĥ1 = ′′
.
f22
′′ |.
El menor de orden dos es Ĥ2 = |f22
Ejemplo 3.28.
Supongamos la función f (x1 , x2 , x3 ) = x1 x2 + 2x2 x3 + 3x23 + 5x1 x3 − 4x21 .
La matriz Hessiana correspondiente es
 
−8 1 5
 
H= 1 .
0 2
5 2 6

6

Los menores de orden uno son: Ĥ1 = 0

−8

Los menores de orden 2 son


 0 2
= −4





 2 6








−8 5
Ĥ2 = = −48 − 25 = −73


 5 6









 −8 1
 1 0 = −1



Por último el menor de orden tres es el determinante de la matriz Hessiana

Ĥ3 = |H| = 46.
Ejercicio 3.7.
Hallar los menores y menores principales de la matriz hessiana de las fun-
ciones:
f (x, y) = 2x − 3y 2 + 5xy.
√
f (x1 , x2 ) = 2x1 − 3x2 .
f (K, L) = 10(k 2 + L2 )1/2

3.6.2. Matriz Hessiana orlada

Es otro tipo especial de matriz necesario para determinar si una función
es cuasi-cóncava o cuasi-convexa. Una variante especial de esta matriz es
útil para clasificar los puntos crı́ticos en las optimizaciones con restricciones
que son resueltas usando el método de los multiplicadores de Lagrange.
Definición 3.9. Dada una función y = f (x1 , x2 , ..., xn ), la matriz Hessiana

orlada D es
 
0 f1′ f2′ f3′ . . . fn′
 
 f ′ f ′′ f ′′ f ′′ . . . f ′′ 
 1 11 12 13 1n 
 ′ ′′ ′′ ′′ ′′ 
donde fij′′ = fx′′i xj .

D=  f2 f21 f22 f23 . . . f2n 
. .. .. .. .. .. 
 .. . . . . . 
 
fn′ fn1
′′ ′′
fn2 ′′
fn3 ′′
. . . fnn
Ejemplo 3.29.
Sea f (x, y) = 2x2 + 5xy − 7x − 8y 2
 
0 4x + 5y − 7 5x − 16y
 
D= 4x + 5y − 7 4 5 

5x − 16y 5 −16
Ejemplo 3.30.
Sea f (x1 , x2 ) = xa1 xb2
 
0 ax1a−1 xb2 bxa1 xb−1
x
 
a−1 b a−2 b
D= ax1 x2 a(a − 1)x1 x2 abx1a−1 xb−1
2


a b−1 a−1 b−1 a b−2
bx1 x2 abx1 x2 b(b − 1)x1 x2
Ejercicio 3.8.
Hallar la matriz Hessiana orlada de las funciones
z = 3x2 + 2y.
f (x, y) = 2x − 3y 2 + 5xy.
3.7. REGLA DE LA CADENA 99
3.7. Regla de la cadena

La regla de la cadena es un método para calcular la derivada de una función
compuesta; en funciones de varias variables, cada variable independiente
puede estar dependiendo de una o muchas variables adicionales que afectarán
también a la variable dependiente de la función. Por ejemplo, en una función
de producción f (K, L) = Q, la mano de obra L depende del tiempo t, el
salario w y la tasa de interés r, es decir L = g(t, r, w); el capital depende
del tiempo t, la tasa de interés r y el salario w: K = h(t, r, w). Por tanto, la
producción depende indirectamente del tiempo t, la tasa de interés r, y el
salario w. Ası́, la regla de la cadena es un método para calcular y analizar el
cambio de la variable dependiente (producción) con respecto a los cambios
que pueda tener cada una de las variables: salarios w, tiempo t o tasa de
interés r.
Definición 3.10. Dada una función de varias variables y = f (x1 , x2 , . . . , xn ),

∂y
tal que xi = gi (w1 , . . . , wm ); la derivada de y con respecto a wk , ∂w k
, está da-
da por:
∂y ∂x1 ∂x2 ∂xn
= fx′ 1 + fx′ 2 + · · · + fx′ n
∂wk ∂wk ∂wk ∂wk
Lo cual indica el cambio de y respecto a wk ; si wk cambia, entonces cada una
de las variables xi cambia; al cambiar cada una de las variables xi entonces
y cambia.
Ejemplo 3.31.
Sea Q = f (L, K) una función de producción; estamos interesados en de-
terminar los cambios de la producción en el tiempo; los cambios del tiempo
afectan a la mano de obra L y al capital K, lo que a su vez incide en cambios
en la producción. Por tanto, si L = h(t, w) y K = g(t, w) son función del
tiempo (t) y el salario (w), entonces:
∂Q
= fL′ L′t + fK
′
Kt′ .
∂t
Por otro lado, el cambio en la producción al cambiar el salario está dado
por:
∂Q
= fL′ L′w + fK
′
Kw′ .
∂w
∂Q
Si K no depende de los salarios, Kw′ = 0, entonces ∂w = fL′ L′w .
Ejemplo 3.32.
4w
Sea Q = f (x, y, z) = x2 + xy − z 1/2 y 2 ; x = 2wt, y = , z = e3t−w .
w+t
∂Q ∂x ∂y ∂z
= fx′ + fy′ + fz′
∂w ∂w ∂w ∂w
1/2 4t 1
= (2x + y)(2t) + (x − 2z y) + z −1/2 y 2 e3t−w .
(w + t)2 2
Ejercicio 3.9.
dy
1. Calcular para y = f (x, w), x = e2t , w = 1 − e−4t .
dt
∂z
2. Sea z = y 2 + 5x − xex(y−2) tal que x = tw, y = 5t. Hallar cuando
∂t
t = 1 = w.
3.8. Derivada direccional

Las derivadas parciales están asociadas con el cambio de la variable de-
pendiente cuando cambia una de las variables independentes y suponiendo
que las otras variables independientes están constantes. La derivada direc-
cional calcula el cambio en la variable dependiente cuando las variables
independientes (todas) se -mueven- en la dirección de un vector unitario.
Definición 3.11. Para la función y = f (x1 , x2 , ..., xn ) y el vector unitario

w
w (en caso de que w no sea unitario, recuerde que ||w|| es unitario en la direc-
ción de w) la derivada direccional de y en la dirección de w es Dw y = ∇f.w
Ejemplo 3.33.
Para la
función y = f (x1 , x2 , x3 ) = x1 x2 − x21 x32 − 8x1 x3 , el
gradiente
es
3 2 2
∇f = x2 − 2x1 x2 − 8x
3 , x1 − 3x1 x2 , −8x1 . El vector w = 1, 0, −1 no
w
es unitario, pero ||w|| = √12 , 0, √−1
2
si lo es. Entonces
w x2 − 2x1 x32 − 8x3 + 8x1
Dw y = ∇f · = √ .
||w|| 2
Ejemplo 3.34.
Hallar la derivada direccional de la función 2

y = f (x1 , x2 ) = 8x1 +4x1 x2 −3x2
en es punto (2, −1) y la dirección w = −1, 2 .
3.9. DIFERENCIAL 101
w

−1
, √25 es unitario en

Como w no es vector unitario, entonces ||w|| = √
5

la dirección de w. El gradiente de
la función es ∇f =
16x 1 +
4x2 , 4x1 −
−1 √2

3 . Además ∇f (2, −1) = 28, 5 , por lo tanto Dw y = √

5
, 5 28, 5 =
√
−28+10 −18 −18 5
√
5
= √
5
= 5 .
Ejemplo 3.35.
Para f (x1 , x
D2 , x3 ) E= x1 x2 x3 , la derivada de la función en la dirección del
vector v = 1, 2, 2 se obtiene con:

∇f = x2 x3 , x1 x3 , x1 x2 ,
* +
v 1 2 2
= , , ,
||v|| 3 3 3
x2 x3 2x1 x3 2x1 x2
Dv f = + + .
3 3 3
Ejemplo 3.36.
1/2

La derivada de f (x1 , x2 ) = x1 + x2 x1 + 5 en la dirección de v = 3, 4 ,
calculada en el punto (1, 0) es

3 4 1 −1/2
Dv f = ∇f (1, 0) · , ; ∇f = x + x2 , x1 ;
5 5 2 1

1 3 4 11
∇f (1, 0) = , 1 ; Dv f (1, 0) = + = .
2 10 5 10
3.9. Diferencial
Para algunas ecuaciones es necesario calcular la derivada total y no la parcial
con respecto a alguna variable particular; es decir, reflejar los cambios de
una variable en términos de la variación de todas las variables de la ecuación.
Definición 3.12. Dada una función y = f (x1 , x2 , . . . , xn ), el diferencial de

y o la derivada total de y es:
dy = fx′ 1 dx1 + · · · + fx′ n dxn .

Ejemplo 3.37.
Sea y = 7x + 2x2 − 8. El diferencial de y es:
dy = 7dx + 4xdx = (7 + 4x)dx.
Ejemplo 3.38.
Si Q = f (L, K) la derivada total de Q es
dQ = fL′ dL + fK
′
dK.
Es decir, Q cambia (dQ 6= 0) si L cambia (dL 6= 0) y f cambia por

cambios de L (fL′ 6= 0) o si K cambia (dK 6= 0) y fK ′ 6= 0. dQ no es la
derivada de la producción con respecto a alguna variable en particular, sino

de cualquiera en general.
Supongamos que el ingreso de una economı́a se distribuye entre consumo

C, inversión I y gasto público G, donde T son los impuestos y r la tasa de
interés nominal. El consumo C depende del ingreso disponible (Y − T ); la
inversión depende de la tasa de interés r; el gasto público depende de los
impuestos T .
Y = C(Y − T ) + I(r) + G(T ).
La derivada total de Y es:
dY = C ′ (dY − dT ) + I ′ dr + G′ dT.
Despejando dY se obtiene:
dY (1 − C ′ ) = I ′ dr − C ′ dT + G′ dT.
Es decir:
1 1
dY = ′
(I ′ dr − C ′ dT + G′ dT ) = (I ′ dr + (C ′ + G′ )dT ).
1−C 1 − C′
Lo cual indica que el ingreso cambia si dr y dT son diferentes de cero, es
decir, si r y T cambian; de la ecuación anterior es claro que si r y T son
constantes, entonces el ingreso no cambia (dY = 0). Si estamos interesados
en el cambio del ingreso por unidad adicional en el impuesto, con la tasa de
interés constante, se obtiene que:
dY 1
=− (C ′ + G′ ).
dT 1 − C′
3.9. DIFERENCIAL 103
Ejemplo 3.39.
4x2
Sea y = f (x1 , x2 , x3 ) = 3x21 + . La derivada total dy está dada por:
3x3
4 4x2
dy = 6x1 dx1 + dx2 − 2 dx3 .
3x3 3x3
Si suponemos que x2 y x3 son constantes, entonces dx2 = dx3 = 0, por tanto
dy = 6x1 dx1
de donde
∂y
= 6x1 ,
∂x1
es decir
∂y
= fx′ 1 = 6x1 .
∂x1
Ejemplo 3.40.
Sea y = f (x1 , x2 ) = xa1 xb2 , la derivada total es:
dy = ax1a−1 xb2 dx1 + bxa1 xb−1

2 dx2 .
Al suponer que y es constante, entonces dy = 0, luego:
ax1a−1 xb2 dx1 = −bxa1 xb−1

2 dx2
ax1a−1 xb2 dx2

− a b−1
=
bx1 x2 dx 1
dx2 ax2
=− .
dx1 bx1
Ejercicio 3.10.
Calcular el diferencial dy de cada de las siguientes expresiones:
1. y = x2 + xy
2. y = exy
3. y = f (x1 , x2 ) = xa1 x21−a

3.10. Derivada implı́cita

La derivada implı́cita es un caso particular de la derivada total, ya que
abarca los cambios entre un par de variables independientes, suponiendo que
todas las demás variables se mantienen constantes. En algunas ecuaciones
la variable dependiente no está expresada explı́citamente en términos de las
variables independientes, por ejemplo, y 2 x + ln xy = 5 es una ecuación en la
que la variable y no se puede expresar en términos de la variable x, como
tampoco x en términos de y. Sin
embargo,
necesitamos hallar el cambio de
dy
y con respecto a la variable x dx .
Definición 3.13. Dada una función de n variables independientes

y = f (x1 , x2 , . . . , xn )
para la cual existen todas las derivadas parciales, la derivada total de y es:
dy = fx′ 1 dx1 + fx′ 2 dx2 + · · · + fx′ n dxn .
Dada una expresión y = f (x1 , x2 , . . . , xn ), la derivada total de y (dy) es

una expresión que refleja el cambio de y en función de los cambios de cada
una de las variables independientes, es decir, dy está repartido en muchos
cambios y la acumulación de dichos cambios dxi explica a dy. Si x1 cambia,
y todas las demás no cambian (dxi = 0 para cada i = 1, 2, 3, . . . , n) entonces
dy = fx′ 1 dx1 , lo cual corresponde con la derivada parcial de y con respecto
a x1 .
dy = fx′ 1 dx1
dy
= fx′ 1
dx1
Al suponer que y, x3 , . . . , xn son constantes, entonces dy = dx3 = · · · = 0;
la derivada total queda como:
0 = fx′ 1 dx1 + fx′ 2 dx2 .
−fx′ 1 dx1 = fx′ 2 dx2 .
dx1
Despejando se obtiene:
dx2
dx1 f′
= − x′ 2 .
dx2 fx 1
Sólo si x1 y x2 no son constantes.
3.10. DERIVADA IMPLÍCITA 105
Definición 3.14. En general, para la función f = f (x1 , . . . , xn ), tenemos

que la derivada implı́cita de xi con respecto a xj es:
dxi fx′
= − ′j .
dxj fx i
Suponiendo que dxk = 0 = dy, para todo k = 1, 2, . . . , n, k 6= i y k 6= j.
Ejemplo 3.41.
dy
Sea f (x, y) = y 2 x + ln(xy) = 5; hallar . La diferencial total de la ecuación
dx
f (x, y) = 5 es:
fx′ dx + fy′ dy = 0.
Entonces
2 1 1
y + dx + 2yx + dy = 0.
x y
Despejando se obtiene:
1
dy y2 +
=− x.
dx 1
2yx +
y
Ejemplo 3.42.
dy
Sea y 2 + xz + z 2 = c. Si = 0 entonces
dx
dz F′ z
= − x′ = − .
dx Fz x + 2z
Cuando F (x, y, z) = y 2 + xz + z 2 − c.
Ejercicio 3.11.
dx
1. Sea xyz + xy − z 1/3 x = 1, hallar .
dz
dx dx
2. Sea ex+y = xyz, hallar y .
dy dz
dx
3. Sea z = y 2 + 5x − xex(y−2) . Hallar cuando x = 1, y = 2.
dy
3.10.1. Tasa marginal de sustitución

Para una función de utilidad U (x1 , x2 ) = U , donde x1 y x2 son las cantidades
de consumo a través de las cuales se logra la satisfacción U , la derivada
implı́cita es:
dx1 U′
= − x′ 2 .
dx2 U x1
dx1
dx2 representa el cambio en la cantidad de x1 cuando x2 se incrementa
para mantener un nivel constante de utilidad (dU = 0). A continuación se
introduce una definición relacionada con la derivada implı́cita y un contexto
importante en economı́a: la tasa marginal de sustitución de x1 por x2 .
Definición 3.15. Dada una función de utilidad que refleja el nivel de satis-
facción de un consumidor, la razón a la que se sustituyen las cantidades de
consumo de dos bienes manteniendo el nivel de satisfacción constante es la
Tasa Marginal de Sustitución (TMS). Por tanto, la TMS es la cantidad
de x2 que se sacrifica por cada unidad adicional de x1 , en un nivel constante
de satisfacción o utilidad.
Ux′ 1
TMS21 = .
Ux′ 2
dx2
Luego TMS21 = − .
dx1
Si la utilidad es constante entonces dU = 0; para la función de utilidad

dU = 0 representa una curva de nivel (o curva de indiferencia). La tasa
marginal de sustitución dx
dx2 es la pendiente de la recta tangente en cada uno
1
de los puntos de la curva de indiferencia (ver gráfica 5.2).
Ejemplo 3.43.
Otro caso similar ocurre en el ambiente del productor. Si Q = f (K, L) es
la función de producción de una empresa, para Q constante − dKdL es la tasa
marginal de sustitución técnica (TMST), e indica la cantidad de capital (K)
por la que se sustituye cada unidad de mano de obra (L) para mantener la
producción constante.
dK f′
TMST = − = L
′ .
dL fK
3.10. DERIVADA IMPLÍCITA 107
x2
8
x1
1 2 3 4 5 6 7 8 9
Figura 3.1
Ejemplo 3.44.
Sea Q = f (K, L, t) = AK α Lβ e−rt .
dK f′ AβK α Lβ−1 e−rt βK

TMST = − = L
′ = = .
dL fK AαK α−1 Lβ e−rt αL
Ası́, la tasa marginal de sustitución técnica de K por L es proporcional a

la cantidad de capital por unidad de mano de obra o capital per cápita, K L .
Ejemplo 3.45.
1/3 4/3
Sea U (x1 , x2 ) = 100x1 x2 . La tasa marginal de sustitución de x1 por x2
es:
400 1/3 1/3
dx1 U′ 3 x1 x2 4x1
TMS12 = − = x′ 2 = = .
dx2 U x1 100 −2/3 4/3 x2
3 x1 x2
Si x1 = 2 y x2 = 4 entonces:
dx1 4(2)
TMS12 (2, 4) = − (2, 4) = = 2.
dx2 4
Significa que por cada unidad adicional de consumo en el bien x2 se dejan

de consumir 2 unidades de x1 para mantener la utilidad constante.
Ejemplo 3.46.
Dada la función de producción Q = f (K, L) = (K α + Lα )β/α ,
β
β α α α −1 (αLα−1 ) α−1
f′ α (K + L )

dK L
TMSTKL =− = L
′ = β = .
dL fK β α α α −1 (αK α−1 ) K
α (K + L )
Significa que al aumentar la mano de obra L entonces el capital K dis-

L α−1

minuye en K unidades.
Las funciones con rendimiento constante a escala tienen una caracterı́sti-

ca especial, su tasa marginal de sustitución es función de las cantidades
relativas de factores. Es decir,

L
TMSKL = f .
K
3.11. Ejercicios
1. Sea y(f (x1 , x2 ) = xa1 x21−a . Hallar TMS12 y TMS21 suponiendo que y
es constante.
2. Sea q = f (K, L) = A(K 2 + L2 )1/3 . Hallar TMSLK y TMSKL .
3. La función de utilidad de Juan es U (x, y) = 100(x2 + y 2 )1/3 . Hallar

la tasa a la que sustituye y por cada unidad adicional de x, cuando
(x, y) = (2, 5).
Capı́tulo 4
Optimización
La optimización de funciones es un proceso a través del cual se obtienen los

valores extremos (máximos o mı́nimos) de la variable dependiente de una
función, en particular se trabajará con funciones derivables de varias varia-
bles. En economı́a es usual maximizar o minimizar funciones, por ejemplo
en la teorı́a del consumidor se maximiza la utilidad dada una restricción pre-
supuestal, ası́ como minimizar el gasto para lograr un nivel de satisfacción
conocida. A continuación se presentan tres métodos para hallar las variables
independientes (puntos crı́ticos) en donde hay candidatos para que exista un
máximo o un mı́nimo de la variable dependiente. En primer lugar se estu-
diará un método para obtener valores extremos (máximos o mı́nimos) libres,
luego óptimos (máximos o mı́nimos) que satisfacen una restricción del do-
minio, en el cual se usa el método de los multiplicadores de Lagrange, y por
último una mezcla de óptimos libre y con restricción. Esta sección se inicia
con algunas definiciones que conducen al logro de los objetivos propuestos.
4.1. Funciones cóncavas, convexas, cuasicóncavas,

cuasiconvexas
La clasificación de las funciones es fundamental para determinar el tipo
de valor extremo que puede existir en una función. Si una función es cóncava
110 CAPÍTULO 4. OPTIMIZACIÓN
y tiene algún punto crı́tico en el interior del conjunto dominio, entonces el

punto crı́tico es máximo, por ejemplo.
Definición 4.1. Una función es C 2 si cada una de las segundas derivadas

existe.
Definición 4.2. Para cualquier x ∈ Rn y r > 0 la bola abierta Br (x) con

centro en x y radio r está formada por los puntos y de Rn tales que
p
(x1 − y1 )2 + (x2 − y2 )2 + · · · + (xn − yn )2 < r.
Ası́, una bola Br (α) es un subconjunto de R2 formado por los puntos ‘dentro’
de la circunferencia de radio r, o los puntos en el cı́rculo de radio r sin incluir
el borde.
Definición 4.3. Dado un subconjunto A ⊆ Rn , α es un punto interior de

A si existe alguna bola con centro en α y radio r > 0 que este contenida en
A. Es decir, α es punto interior de A si
(∃Br (α))(Br (α) ⊂ A).
Que un punto pertenezca a un conjunto no significa que el elemento sea

punto (elemento) interior al conjunto.
Definición 4.4. Un subconjunto A ⊆ Rn es abierto si todos sus puntos son

interiores.
Definición 4.5. Sea A ⊆ Rn , una función f definida de A en R (f : A →

R2 ), tal que f es C 2 y A es un conjunto abierto. La función f es estrictamente
cóncava si (−1)k |Hk | > 0
Ejemplo 4.1.
Sea f (x, y) = −x2 − y 2 ; la función f es C 2 y está definida para toda pareja
(x, y) en ℜ2 ; el dominio de la función es abierto y convexo; la matriz Hessiana
de la función es:
" #
−2 0
H=
0 −2
Si |H1 | = −2 y |H2 | = 4, entonces (−1)1 |H1 | = 2 > 0 y (−1)2 |H2 | = 4 > 0.
De donde, la función f es estrictamente cóncava.
4.1. FUNCIONES CÓNCAVAS, CONVEXAS, CUASICÓNCAVAS, CUASICONVEXAS111
Figura 4.1
Ejemplo 4.2.
La función f (x1 , x2 , x3 ) = ex1 +x2 +x3 no es estrictamente cóncava porque
 
ex1 +x2 +x3 ex1 +x2 +x3 ex1 +x2 +x3
|H1 | = ex1 +x2 +x3 > 0 dado que H = 
 
x1 +x2 +x3 ex1 +x2 +x3 ex1 +x2 +x3 
e 
ex1 +x2 +x3 ex1 +x2 +x3 ex1 +x2 +x3
Definición 4.6. Sea f una función C 2 y definida en un dominio abierto y

convexo:
• f es estrictamente convexa si |Hk | > 0, para todo k = 1, 2, 3, ..., n.
• f es cóncava si (−1)k |Ĥk | ≥ 0 , para todo k = 1, 2, 3, ..., n.
• f es convexa si |Ĥk | ≥ 0, para todo k = 1, 2, 3, ..., n.
Ejemplo 4.3.
Para f (x1 , x2 , x3 ) = 5x21 + x23 − 3x1 x3 + 4x22 ,
 
10
0 −3
 
la matriz Hessiana es H=
 0 8 0 ;

−3 0 2
|H1 | = 10 > 0, |H2 | = 80 > 0, |H3 | = 88 > 0.
Por lo tanto la función es estrictamente convexa; además la función es con-

vexa porque:
 
10 > 0
 80 > 0

|Ĥ1 | = 8 > 0 |Ĥ2 | = 11 > 0 |Ĥ3 | = 88 > 0.
 
2 > 0, 16 > 0,
 
Ejemplo 4.4.
Para la función de producción Cobb-Douglas f (K, L) = K 1/4 L1/2 , definida
en ℜ2+ , es decir las cantidades de factores son no negativos.
" #
−3 −7/4 1/2 1 −3/4 −1/2
16 K L 8K L
La matriz Hessiana de la función es H= 1 −3/4 −1/2 −1 1/4 −3/2
8K L 4 K L
(
3
− 16 K −7/4 L1/2 ≤ 0 1 −3/2 −1
Los menores de H son |Ĥ1 | = |Ĥ2 | = K L ≥ 0.
− 14 K 1/4 L−3/2 ≤ 0 32
Por tanto la función es cóncava. ¿Será estrictamente cóncava ?
Ejercicio 4.1.
Sea f (x1 , x2 ) = Axa1 xb2 A > 0, x1 ≥ 0, x2 ≥ 0. Hallar los valores de a y b
para que la función sea:
i) Convexa
ii) Cóncava
iii) Estrictamente cóncava
iv) Estrictamente convexa.

4.2. ÓPTIMOS LIBRES 113
Proposición 4.1. Sea f una función C 2 de A en ℜ(f : A → ℜ); A es conjun-

to convexo y abierto. Si la función f es cuasicóncava entonces (−1)k |Dk | ≥ 0.
|Dk | son los menores principales de la matriz hessiana orlada.
Este enunciado nos da una condición necesaria para las funciones cuasicónca-
vas, sin embargo no es suficiente. Usando la contra reciproca de la implica-
ción tenemos que:
Si (−1)k |Dk | < 0 entonces la función no es cuasicóncava.
Que tampoco es una definición pero nos da una condición para estudiar la
caracterı́stica de las funciones, un enunciado más fuerte para determinar si
una función es cuasicóncava es el siguiente.
Proposición 4.2. Si (−1)k |Dk | > 0 para todo r = 1, 2, ..., n y para todo
x ∈ A entonces f es cuasicóncava.
Proposición 4.3. Sea f una función de A en ℜ, A ⊆ ℜn . Si una función f

es monótona creciente entonces es cuasicóncava y cuasiconvexa.
Ejemplo 4.5.
Hallar para que valores de b la función f (x, y) = Axy b es cuasicóncava.
A > 0, x > 0, y > 0.
4.2. Óptimos libres

En esta parte se presenta un método para hallar máximos o mı́nimos de
funciones de dos variables independientes sin restricción del dominio de la
función; para ello las funciones deben ser derivables.1
Definición 4.7. Dada una función y = f (x1 , x2 ) derivable, los puntos crı́ti-
cos de la función son parejas (x̂1 , x̂2 ) tales que:
fx′ 1 (x̂1 , x̂2 ) = 0 y fx′ 2 (x̂1 , x̂2 ) = 0.
Es decir, son puntos en el dominio de la función para los cuales todas las
derivadas parciales son iguales a cero.
Un caso particular son las funciones de valor real y = f (x) para las cuales
los puntos crı́ticos son valores de x̂ tales que f ′ (x̂) = 0.
1
Las funciones y = f (x1 , x2 ) son derivables si existen todas las derivadas parciales.
Ejemplo 4.6.
Sea Q = f (K, L) una función de producción. Las empresas buscan maxi-
mizar los beneficios que obtienen de producir algunos bienes o servicios.
Suponemos que la empresa produce un solo bien o servicio Q, P es el precio
al que vende cada unidad de Q. Si C = g(K, L) es la función de costo para
la producción de Q, entonces la función de beneficio es ingreso menos costo.
Q
(K, L) = pQ − g(K, L) = pf (K, L) − g(K, L).
Para
Q hallar el máximo beneficio buscamos los puntos crı́ticos de la fun-
ción , Q′ Q′
′ ′ ′ ′
L = pfL − CL = 0 y K = pfK − CK = 0.
Es decir
pfL′ = CL′ y ′
pfK ′
= CK .
En los puntos crı́ticos el ingreso marginal respecto a la mano de obra (L)
y el capital (K) son iguales a los costos marginales respectivos.
Las condiciones necesarias para maximizar los beneficios son:
pfL′ = CL′ y ′
pfK ′
= CK .
Esto significa que el cambio en el ingreso y el costo deben ser iguales por
cada unidad adicional contratada de cada factor.
Ejemplo 4.7.
Sea y = f (x1 , x2 ) = x21 + 3x1 x2 + 8x22 − 3x1 + 9x2 . Los puntos crı́ticos son
puntos para los cuales
fx′ 1 = 2x1 + 3x2 − 3 = 0 y fx′ 2 = 3x1 + 16x2 + 9 = 0.
Es decir, son puntos que solucionan el sistema de ecuaciones:
2x1 + 3x2 − 3 = 0, (4.1)

3x1 + 16x2 + 9 = 0. (4.2)
La solución del sistema se puede obtener por cualquier método conocido,

aquı́ se usará la eliminación; multiplicando la ecuación (4.1) por −3 y la
ecuación (4.2) por 2 se tiene:
−6x1 − 9x2 + 9 = 0,
6x1 + 32x2 + 18 = 0.
Sumando verticalmente se obtiene:

23x2 + 27 = 0
27
x2 = − .
23
Reemplazando en (4.1) se obtiene:

27
2x1 + 3 − = 3,
23
81
2x1 = 3 + ,
23
75
x1 = .
23

75 27
Luego (x1 , x2 ) = ,− es un punto crı́tico de la función ya que:
23 23

177 27 177 27
fx′ 1 ,− =0 y fx′ 2 ,− = 0.
23 23 23 23
Ejemplo 4.8.
Sea y = ln(x1 x2 ). Las derivadas parciales son:
x2 1 1
yx′ 1 = = ; yx′ 2 = .
x1 x2 x1 x2
Esta función no tiene puntos crı́ticos porque yx′ 1 6= 0 y yx′ 2 6= 0 para todo
(x1 , x2 ) ∈ R2 .
Los puntos crı́ticos de una función son puntos en los que el cambio de
la variable dependiente respecto a cada una de las variables independientes
es nulo; sin embargo, geométricamente significa que la pendiente de la recta
tangente en el punto crı́tico es cero, es decir, la lı́nea tangente a la gráfica
en el punto crı́tico es horizontal con respecto a los ejes de las variables
independientes.
Si las derivadas parciales son nulas en los puntos crı́ticos de una función,
se han obtenido los lugares en donde puede ocurrir un cambio en el signo
de la derivada (no siempre ya que en y = x3 la función es creciente). Si en
un punto la derivada es cero puede estar reflejando que pasa de creciente a
decreciente o viceversa. Ası́, la existencia de puntos crı́ticos es una condición
necesaria para la obtención de puntos en los cuales hay máximos o mı́nimos
de la variable dependiente.
Proposición 4.4. Si una función y = f (x1 , x2 ) tiene un máximo o un

mı́nimo en (x̂1 , x̂2 ), entonces
f1′ (x̂1 , x̂2 ) = 0 y f2′ (x̂1 , x̂2 ) = 0.
Los puntos crı́ticos son importantes para hallar los puntos en donde hay
un valor óptimo.
Proposición 4.5. Dada una función y = f (x1 , x2 ), en (x̂1 , x̂2 ) hay un máxi-
mo para la función si f (x̂1 , x̂2 ) ≥ f (x1 , x2 ) para todo (x1 , x2 ) en el dominio
de la función. Análogamente, dada una función y = f (x1 , x2 ), en (x̂1 , x̂2 )
hay un mı́nimo para la función si f (x̂1 , x̂2 ) ≤ f (x1 , x2 ).
Ahora que se tienen los puntos crı́ticos de una función se consideran al-
ternativas para determinar si en los puntos crı́ticos hay un máximo o un
mı́nimo para la variable dependiente. A continuación encontramos algunas
definiciones que contribuyen con el fortalecimiento conceptual de la optimi-
zación de funciones.
Definición 4.8. Dada una función y = f (x1 , x2 ), en un punto (x̂1 , x̂2 ) hay
un máximo global si f (x̂1 , x̂2 ) ≥ f (x1 , x2 ), para todo (x1 , x2 ) en el dominio
de la función.
Definición 4.9. Dada una función y = f (x1 , x2 ), en un punto (x̂1 , x̂2 ) hay
un mı́nimo global si f (x̂1 , x̂2 ) ≤ f (x1 , x2 ), para todo (x1 , x2 ) en el dominio
de la función.
Definición 4.10. Sea S un subconjunto del dominio de una función

y = f (x1 , x2 ) en el cual (x̂1 , x̂2 ) ∈ S. En (x̂1 , x̂2 ) hay un máximo local si
f (x̂1 , x̂2 ) ≥ f (x1 , x2 ), para todo (x1 , x2 ) ∈ S.
Definición 4.11. Sea S un subconjunto del dominio de una función

y = f (x1 , x2 ) en el cual (x̂1 , x̂2 ) ∈ S. En (x̂1 , x̂2 ) hay un mı́nimo local si
f (x̂1 , x̂2 ) ≤ f (x1 , x2 ), para todo (x1 , x2 ) ∈ S.
Proposición 4.6. Dada una función y = f (x1 , x2 ), el determinante de la

matriz hessiana es |H| = f11 ′′ f ′′ − f ′′ f ′′ ; si (x̂ , x̂ ) es un punto crı́tico, se
22 12 21 1 2
dice que en (x̂1 , x̂2 ) hay:
′′ (x̂ , x̂ ) < 0, f ′′ (x̂ , x̂ ) < 0 y H(x̂ , x̂ ) > 0.
Un máximo, sı́ f11 1 2 22 1 2 1 2
′′ (x̂ , x̂ ) > 0, f ′′ (x̂ , x̂ ) > 0 y H(x̂ , x̂ ) > 0.

Un mı́nimo, si f11 1 2 22 1 2 1 2
Un punto de silla, si H(x̂1 , x̂2 ) < 0.
En el caso de que H(x̂1 , x̂2 ) = 0, puede ser cualquiera de los tres pero
el criterio no alcanza para determinar, es necesario hacer un análisis en la
vecindad del punto crı́tico.
Ejemplo 4.9.
Para hallar el óptimo de la función f (x, y) = 4x − 3x2 − 3xy − 2y 2 − 5y + 158,
se calculan los puntos crı́ticos.
fx′ = 4 − 6x − 3y = 0,
fy′ = −3x − 4y − 5 = 0.
De resolver el sistema se obtiene:

14 31
y=− , x= .
5 15
31 14

Entonces el punto crı́tico es 15 , − 5 . Para clasificar el punto crı́tico se
′′ , f ′′ , f ′′ y H. Ası́
halla fxx yy xy
′′ ′′ ′′
fxx = −6, fyy = −4, fxy = −3, H = 15.
31 14

Por tanto, en el punto crı́tico 15 , − 5 hay un máximo con valor .
Ejemplo 4.10.
Para la función y = f (x1 , x2 ) = x21 x32 (6 − x1 − x2 ) se hallarán los puntos
crı́ticos y se determinará si corresponden a máximos, mı́nimos o puntos de
silla.
Primero hallamos los puntos crı́ticos:
f1′ = 2x1 x32 (6 − x1 − x2 ) + x21 x32 (−1) = 0
x1 x32 (12 − 3x1 − 2x2 ) = 0;
f2′ = 3x21 x22 (6 − x1 − x2 ) − x21 x32 (−1) = 0
x21 x22 (18 − 3x1 − 4x2 ) = 0.

x1 = 0, x2 = 0 determinan conjuntos de puntos crı́ticos, es decir, puntos

como (0, x2 ) y (x1 , 0) son puntos crı́ticos para cualquier x1 y x2 números
reales.
Otros puntos crı́ticos son los que satisfacen las siguientes ecuaciones:
12 − 3x1 − 2x2 = 0 y 18 − 3x1 − 4x2 = 0.
Es decir:
12 − 3x1 − 2x2 = 0
−18 + 3x1 + 4x2 = 0
−6 + 2x2 = 0
x2 = 3 y x1 = 2
Por tanto, los puntos crı́ticos son: (2, 3), (0, 0), (0, x2 ) y (x1 , 0).
Ahora hallamos las segundas derivadas para clasificar los puntos crı́ticos:
′′
f11 = 2x32 (6 − x1 − x2 ) − 2x1 x32 − 2x1 x3 = x32 (12 − 6x1 − 2x2 ),
′′
f22 = 6x21 x22 (6 − x1 − x2 ) − 3x21 − 3x1 x22 = 3x21 x22 (14 − x1 − x2 ),
′′
f12 = 6x1 x22 (6 − x1 − x2 ) − 2x1 x22 − 3x21 x22 = f21
′′
= x22 x1 (36 − 9x1 − 8x2 ).
Para el punto crı́tico (x1 , x2 ) = (2, 3) se tiene:

′′
f11 = −162 < 0 y H = (162)(144) − (108)2 = 11664 > 0.
Ası́, en el punto crı́tico (2, 3) hay un máximo.

En el punto crı́tico (x1 , 0) se tiene:
′′ ′′ ′′
f11 = 0, f22 = 0, f12 = 0,
lo cual indica que el criterio no determina el tipo de punto crı́tico. Ana-

lizaremos la vecindad de los puntos (x1 , 0); por ejemplo en (x1 , −1): f1′ =
x1 (3x1 − 14), cuyo significado depende de x1 ; si x1 ∈ 0, 14 ′
3 , f1 < 0, y
14 ′

si x1 ∈ (−∞, 0) ∪ 3 , ∞ , entonces f1 > 0. Ahora, en (x1 , 1) ocurre que
f1′ = x1 (10 − 3x1 ) de tal manera que f1′ > 0 si x1 ∈ 0, 10
3 y f1′ < 0 si
10
x1 ∈ (−∞, 0) ∪ 3 , ∞ . De donde no es máximo ni mı́nimo, es una inflexión
a través del eje x1 .
Para resolver un problema de minimizar una función y = f (x1 , x2 ) el

método es igual, salvo que:
minimizar y = maximizar − y.
4.3. OPTIMIZACIÓN CON RESTRICCIÓN 119
Ejercicio 4.2.
1. Los beneficios anuales (en millones de dólares) de una empresa están

dados por:
P (x, y) = −x2 − y 2 + 22x + 18y − 102.
Donde x es la cantidad invertida en investigación (en millones de dóla-
res), y donde y es el gasto en publicidad (también en millones de dóla-
res). Hallar los valores de x y de y que maximizan los beneficios y el
beneficio máximo.
2. Una empresa produce a través de la siguiente relación:
f (K, L) = (K a + La )b .
Si p es el precio del bien producido por la empresa, w el salario y r la

renta del capital, entonces el beneficio de la empresa es:
(K, L) = p(K a + La )b − wL − rK.

Q
Hallar el beneficio máximo y las cantidades de factores que utiliza

(demandas de factores).
3. Hallar los puntos crı́ticos y clasificarlos para la función:
f (x, y) = 560x + 520y − 2x2 − 2xy − 2y 2 .
4.3. Optimización con restricción

4.3.1. Multiplicadores de Lagrange
Los multiplicadores de Lagrange son un método por el cual se hallan los
puntos en los que la variable dependiente es óptima (máxima o mı́nima)
para un subconjunto del dominio de la función. El problema consiste en
hallar el máximo (mı́nimo) de y = f (x1 , x2 ) tal que (x1 , x2 ) ∈ S y S es
subconjunto del dominio de la función f .
max (min) y = f (x1 , x2 ) s. a. (x1 , x2 ) ∈ S

tal que S = (x1 , x2 ); g(x1 , x2 ) = c .
c es una constante, por tanto g(x1 , x2 ) = c es una curva de nivel en el

dominio de la función.
Este método de optimización es muy utilizado en economı́a para hallar

las condiciones a través de las cuales algunas funciones son óptimas dada
una restricción en el dominio de la función objetivo o función que se va a
optimizar. Por ejemplo, un problema usual en microeconomı́a consiste en
maximizar la utilidad (satisfacción) de los consumidores, los cuales logran
satisfacción consumiendo algunas cantidades de bienes o servicios; sin em-
bargo, la máxima satisfacción por consumir está determinada por una res-
tricción presupuestal la cual indica que el gasto en los bienes que consume
no puede superar el ingreso del consumidor. Dada una función de utilidad
u = f (x1 , x2 ) el objetivo es
max u = f (x1 , x2 ) s. a. p1 x1 + p2 x2 ≤ m.
En donde p1 es el precio del bien o servicio x1 , p2 es el precio para x2 y

p1 x1 + p2 x2 es el gasto realizado en los bienes o servicios x1 y x2 ; m es el
ingreso del consumidor.
Con los multiplicadores de Lagrange resolvemos el problema cuando el
gasto es igual al ingreso p1 x1 + p2 x2 = m. Para las condiciones de Kuhn-
Tucker-Karush (un método de programación no lineal) queda el problema
con la desigualdad.
Para resolver el problema general de multiplicadores de Lagrange
max y = f (x1 , x2 ) s. a. g(x1 , x2 ) = c
se construye la función de Lagrange.
L = f (x1 , x2 ) − λ[g(x1 , x2 ) − c].
λ es el multiplicador de Lagrange, y la función de Lagrange relaciona a la

función objetivo con la(s) restricciones.
La siguiente etapa del método es hallar los puntos crı́ticos para L. Los
puntos crı́ticos para L son los valores de x1 y x2 tales que todas las deri-
vadas parciales de L son cero y se satisfacen las restricciones; las siguientes
ecuaciones son conocidas como condiciones de primer orden CPO.
L′x1 = 0,
L′x2 = 0,
g(x1 , x2 ) = c.
Si el problema de optimización tiene dos restricciones entonces:
max y = f (x1 , x2 ) s. a. g(x1 , x2 ) = c y h(x1 , x2 ) = d.

La función de Lagrange es
L = f (x1 , x2 ) − λ1 [g(x1 , x2 ) − c] − λ2 [h(x1 , x2 ) − d].
Las condiciones de primer orden CPO son:
L′x1 = 0,
L′x2 = 0,
g(x1 , x2 ) = c,
h(x1 , x2 ) = d.
Las CPO son un sistema de ecuaciones; las soluciones de las CPO son
los puntos crı́ticos del problema de optimización con restricción.
Ejemplo 4.11.
La función de utilidad de Marı́a la bandida es u = f (x, y) = x2 y 1/2 . El
precio de x es p1 , el precio de y es p2 . Marı́a pretende maximizar la utilidad,
pero tiene una restricción presupuestal: sólo puede gastar en los bienes x, y
su ingreso m. p1 x + p2 y = m. Ası́ el problema de Marı́a se puede resumir
como:
Maximizar u = f (x, y) = x2 y 1/2 sujeto a p1 x + p2 y = m.
La función de Lagrange es:
L = x2 y 1/2 − λ(p1 x + p2 y − m).
Las condiciones de primer orden son:
L′x = 2xy 1/2 − λp1 = 0. (4.3)

L′y = 12 x2 y −1/2 − λp2 = 0. (4.4)
p1 x + p2 y = m. (4.5)
De (4.3) y (4.4) se obtiene
2xy 1/2 p1 4y
1 2 −1/2 = = .
2x y
p2 x
Por tanto
4yp2
x= . (4.6)
p1
Reemplazando en (4.5) se tiene:

4yp2
p1 + p2 y = m;
p1
m
y= .
5p2
Reemplazando en (4.6)
4m
x= .
5p1

4m m
El valor máximo de f (x, y) = x2 y 1/2 está en el punto 5p1 , 5p2 y es
2 1/2
4m m 4m m
f 5p ,
1 5p2
= 5p 1 5p2 .
Ejemplo 4.12.
Sea u(x1 , x2 ) = x1 x2 la función de utilidad de un consumidor. El precio de
los bienes x1 y x2 es 8 y 5 respectivamente; el gasto en x1 y x2 es 8x1 + 5x2 .
Al suponer que el consumidor maximiza la utilidad que genera el consumo
de x1 y x2 , tal que el gasto en los bienes es igual al ingreso m = 200 unidades
monetarias.
El problema se reduce a:
max u(x1 , x2 ) = x1 x2 s. a. 8x1 + 5x2 = 200.
L = x1 x2 − λ(8x1 + 5x2 − 200).
Las condiciones de primer orden correspondientes son:
L′x1 = x2 − 8λ = 0, (4.7)
L′x2 = x1 − 5λ = 0, (4.8)
8x1 + 5x2 = 200. (4.9)
De (4.7) y (4.8) igualando λ

x2 x1
= .
8 5
Luego 5x2 = 8x1 , es decir,
8
x2 = x1 .
5

8
8x1 + 5 x1 = 200;
5
de donde
200 25
x1 = = .
16 2
Luego

8 25
x2 = = 20.
5 2
Ası́, las cantidades x1 = 25

2 y x2 = 20 hacen que la utilidad del consumi-
dor sea máxima y satisfaga la restricción presupuestal. La utilidad máxima
es V = 20 25 2 = 250.
Ejemplo 4.13.
Ahora suponemos una empresa que produce Q unidades usando la tecnologı́a
Q = f (K, L) = KL. Suponemos que el precio por unidad de Q es 100. Por
tanto, los ingresos de la empresa son 100Q es decir I = 100KL. De otro lado,
si los costos de producción están
Q dados por C = 3K+5LQ entonces el beneficio
que obtiene la empresa es = I − C, es decir = 100(KL) − (3K + 5L).
Suponemos que la empresa maximiza el beneficio dado que producirá
Q = Q0 unidades. Por tanto el problema de optimización es:
Q
max = 100(KL) − (3K + 5L) s. a. KL = Q0 .
La función de Lagrange para el presente problema es:
L = 100KL − 3K − 5L − λ(KL − Q0 ).
L′L = 100K − 5 − λK = 0, (4.10)

L′K = 100L − 3 − λL = 0, (4.11)
KL − Q0 = 0. (4.12)
Igualando λ en (4.10) y (4.11)
100K − 5 100L − 3
=
K L
100KL − 5L = 100LK − 3K
−5L = −3K; 5L = 3K
3
L = K.
5
3
KK = Q0 .
5
q
5
Luego K ∗ = ± 3 Q0 pero sólo nos interesan las cantidades de capital posi-
tivas, luego: r
∗ 5
K = Q0 .
3
La cantidad de mano de obra:
r
∗ 3
L = Q0 .
5
Con estas cantidades de factores se maximiza el beneficio. El beneficio
máximo es 100Q0 .
Algunos de los ejemplos planteados han mostrado caracterı́sticas de dos

ambientes importantes en microeconomı́a: la teorı́a del consumidor y del pro-
ductor; en cada uno de estos ambientes hay dos problemas de optimización
que sintetizan el comportamiento de cada uno de estos agentes económicos.
Los consumidores pretenden maximizar las utilidades que generan a través
del consumo dada la restricción presupuestal, ası́ como minimizar el gasto
para lograr un nivel de satisfacción fijo.
De la maximización de la utilidad se obtienen las funciones de demanda
marshallianas, las cuales representan las cantidades de consumo en función
de los precios pi de los bienes que generan satisfacción y el ingreso m del
consumidor:
x∗i (p1 , p2 , m).
Del segundo problema del consumidor se obtienen las funciones de de-
manda compensada (o Hicksiana), las cuales reflejan las cantidades de bienes
que hacen mı́nimo el gasto y logran un nivel fijo de satisfacción o utilidad;

estas funciones dependen de los precios y del nivel de satisfacción propuesto
xhi (p1 , p2 , ū).
Ejemplo 4.14.
Sea U = f (x1 , x2 ) = x1 x2 una función de utilidad Cobb-Douglas. El proble-
ma consiste en
max U = f (x1 , x2 ) = x1 x2 s. a. p1 x1 + p2 x2 = m.
La función de Lagrange está dada por:
L = x1 x2 − λ(p1 x1 + p2 x2 − m).
L′x1 = x2 − λp1 = 0,
L′x2 = x1 − λp2 = 0,
p1 x1 + p2 x2 = m;
de donde:
x2 = λp1 , (4.13)
x1 = λp2 , (4.14)
p1 x1 + p2 x2 = m. (4.15)
De (4.13) y (4.14) tenemos que:

x2 p1
=
x1 p2
p1 x 1
x2 = . (4.16)
p2
Reemplazando x2 en (4.15) se obtiene:

p1 x 1
p1 x 1 + p2 = m.
p2
Ası́,
m
x∗1 =
2p1
es la demanda marshalliana del bien x1 . Reemplazando en (4.16)

m
x∗2 =
2p2
es la demanda marshalliana del bien x2 .

La función de utilidad indirecta o utilidad máxima es:
m2
U (x∗1 , x∗2 ) = V (p1 , p2 , m) = x∗1 x∗2 = .
4p1 p2
Ejemplo 4.15.
Sea f (x1 , x2 ) = x1 x2 = ū la curva de nivel de la función de utilidad; pa-
ra hallar la función de gasto y las funciones de demanda compensadas se
resuelve:
min p1 x1 + p2 x2 s. a. xi x2 = ū.
Es decir:
max −p1 x1 − p2 x2 s. a. xi x2 = ū.
L = −p1 x1 − p2 x2 − λ(x1 x2 − ū).
L′x1 = −p1 − λx2 = 0,

L′x2 = −p2 − λx1 = 0,
x1 x2 = ū;
de donde:
ū = x1 x2 , (4.17)
−p1 = λx2 , (4.18)
−p2 = λx1 . (4.19)
De (4.18) y (4.19):
p1 x2
= .
p2 x1
Es decir
p1 x 1
x2 = .
p2
Reemplazando en (4.17):
x 1 p1 x 1
ū = .
p2
Luego:
1/2
p2 ū
xh1 =
p1
es la demanda compensada de x1 (sólo cantidades no negativas).
1/2
p1 p2 ū
xh2 = .
p2 p1
Es decir,
1/2
p1 ū
xh2 =
p2
es la demanda compensada de x2 .
La función de gasto óptimo es
G(p1 , p2 , ū) = p1 xh1 + p2 xh2
p2 ū 1/2 p1 ū 1/2

= p1 + p2
p1 p2
= (p1 p2 ū)1/2 + (p1 p2 ū)1/2 = 2(p1 p2 ū)1/2 .
Para los productores hay también dos problemas usuales: el primero

maximizar el beneficio (ingresos menos costos) de producir algún bien o
servicio, y el segundo minimizar los costos de producir algunas cantidades
fijas. A continuación se presenta un ejemplo del segundo problema.
Ejemplo 4.16.
Si L y K son las cantidades de factores utilizados para producir algún bien,
entonces wL + rK es el costo en el que se incurre, dado que w es el precio
de L y r el precio de K. La producción es constante Q0 .
min wL + rK s. a. AK m Ln = Q0 .
L = −wL − rK + λ(Q0 − AK m Ln ).
L′L = −w − λnAK m Ln−1 = 0, (4.20)

L′K = −r − λmAK m−1 n
L = 0, (4.21)
m n
AK L = Q0 . (4.22)
De (4.20) y (4.21) se tiene:
w nK m Ln−1 nL−1 nK
= m−1 n
= −1
= .
r mK L mK mL
Luego:
mw K
=
rn L
mwL
K= .
nr
Reemplazado en (4.22):
mwL m n

A L = Q0 .
nr
1
∗ Q0 rn m m+n
L = .
A mw
1
∗ mw Q0 rn m m+n
K = .
nr A mw
La función de costo mı́nimo es:
1 1
∗ ∗ ∗ Q0 rn m m+n mw Q0 rn m m+n
C = wL + rK = w + .
A mw n A mw
Ejercicio 4.3.
1. Supongamos que la función de utilidad de un consumidor es:
u(x, y) = xa y b .
Hallar las funciones de demanda para x, y que maximizan la utilidad,

dado que el consumidor tiene la siguiente restricción presupuestal:
2x + 3y = m.
2. La función de utilidad de un consumidor es:
u = f (x, y) = 100 − e−x − e−y .
Si la función de gasto está dada por px + qy y el ingreso es m, hallar

las cantidades de x y de y que hacen máxima la utilidad (o satisfacción
u) sujeta a la restricción presupuestal.
3. Maximizar y = f (x1 , x2 ) = (x21 + x22 )3/2 s. a. p1 x1 + p2 x2 = m.
4. Suponga que la función de utilidad de Julián Felipe es:
1/2 2/3
u = f (x1 , x2 ) = 100x1 x2 .
x1 es la cantidad de helado que consume Julián a siete pesos (7) por

unidad y x2 es la cantidad de colombinas, las cuales las consigue a
cuatro (4) pesos por unidad. Hallar las cantidades de helados y colom-
binas mensuales que maximizan la utilidad o satisfacción de nuestro
personaje si tiene disponible 56 pesos cada mes.
5. Supongamos que la función de utilidad de un consumidor es:
u(x, y) = a ln(x) + (1 − a) ln(y).
Hallar las funciones de demanda para x, y, que maximizan la utilidad,

dado que el consumidor tiene la siguiente restricción presupuestal:
p1 x + p2 y = m.
Donde p1 es el precio del bien x, p2 el precio de y, m es el ingre-

so del consumidor. Verificar que las funciones de demanda halladas
son homogéneas de grado cero, con respecto al precio y el ingreso.
Hallar la elasticidad de la demanda con respecto a p2 e interpretar
económicamente.
4.3.2. Condiciones de Kuhn-Tucker Karush

Para terminar el desarrollo de métodos de optimización de funciones de-
rivables con varias variables, se estudiará el caso en el que se calcula el valor
máximo o mı́nimo de una función objetivo f (x, y), restringuidas a puntos que
están en un conjunto representado por una región del plano; en este caso la
restricción no es una curva del plano como en el caso que se uso en el método
de los multiplicadores de Lagrange, ahora es una región acotada por curvas
derivables, por ejemplo: M = {(x, y) ∈ R2 ; g(x, y) ≤ m1 ∧ h(x, y) ≥ m2 }.
y
4
−5 −4 −3 −2 −1 1 2 3 4 5
−1
−2
−3
−4
Figura 4.2
Las condiciones de Kunh-Tucker-Karush (K-T-K) es un procedimiento

que estudia el comportamiento de la función objetivo de la optimización
sobre cada una de las fronteras de la restricción, activando o desactivan-
do el multiplicador de Lagrange correspondiente; una función objetivo tiene
un valor extremo en una región M acotada y cerrada de R2 ; el valor extre-
mo puede ser un punto interior o estar en la frontera del conjunto restricción.
Ya que minimizar una función f (x, y) es equivalente con maximizar

−f (x, y), solamente se desarrollará el problema de calcular el valor máximo
de la función objetivo.
Para hallar los puntos en los que hay un valor extremo de la función
objetivo y que el punto estacionario pertenezca al conjunto restricción M,
se plantea una función L que involucra a la función objetivo y las curvas
que bordean a la región que restringe el dominio de la función objetivo. Ası́,
para
max f (x, y) s.a. g(x, y) ≤ m1
la función L es
L = f (x, y) − λ[g(x, y) − m1 ].
o
L = f (x, y) + λ[m1 − g(x, y)]
Pero si la restricción está limitada por g(x, y) ≤ m1 y h(x, y) ≥ m2 entonces
L = f (x, y) − λ1 [g(x, y) − m1 ] − λ2 [m2 − h(x, y)].

La función L también se pude haber plantedo como
y
L = f (x, y) + λ1 [m1 − g(x, y)] + λ2 [h(x, y) − m2 ]
Los planteamientos son equivalentes y se obtienen los mismos puntos que
son candidatos de optimizar a la función objetivo y pertenercer a la restric-
ción.
Ahora la activación de las curvas que limitan la restricción se hacen

eliminando los parámetros λi ; Si λi = 0 para todo i, L se reduce a la función
objetivo y los extremos de L están en los mismos puntos que los extremos
de f ; el problema se reduce en calcular los extremos de la función f sin
restricción. Si alguna λi = 0 y λj 6= 0 entonces se activa la curva asociada
con λj y se desactiva la asociada con λi y el problema consiste en hallar
los extremos en las curvas activas y se usa el método de multiplicadores
de Lagrange. En sı́ntesis, para hallar el máximo de f (x, y) s.a. g(x, y) ≤
m1 , h(x, y) ≥ m2
L = f (x, y) − λ1 [g(x, y) − m1 ] − λ2 [m2 − h(x, y)].

Las condiciones de Kunh-Tucker Karush para la anterior función L son:
∂L
=0
∂xi
λ1 [g(x̂, ŷ) − m1 ] = 0
λ2 [m2 − h(x̂, ŷ)] = 0
λ1 ≥ 0 λ2 ≥ 0
g(x̂, ŷ) ≤ m1 h(x̂, ŷ) ≥ m2
Siempre y cuando las funciones f (x, y), g(x, y), h(x, y) sean derivables en
un conjunto abierto que contiene a la restricción.
Entonces si en un punto (x̂, ŷ) hay un máximo para la función objetivo

entonces se cumplen las condiciones K-T-K, es decir, que las condiciones
de K-T-K son necesarias para que haya un máximo de las función objetivo
f (x, y) en el punto (x̂, ŷ).
Ejemplo 4.17.
Para maximizar f (x, y) = x + y sujeto a x2 + y 2 ≤ 4, se puede identificar que
la restricción es un cı́rculo de radio 2 y centro en el origen, y que la función
objetivo no tiene puntos crı́ticos. La función L es
L = x + y − λ[x2 + y 2 − 4].
Las condiciones del máximo son:
L′ x = 0; 1 − 2λx = 0
L′ y = 0; 1 − 2λy = 0
λ(x2 + y 2 − 4) = 0
Luego
λ = 0 o x2 + y 2 = 4.
De tal manera que
λ≥0 y x2 + y 2 ≤ 4.
Si λ = 0 entonces 1 = 0 lo cual es una falacia, por lo tanto no es un resultado
viable para maximizar f (x, y).
Si x2 + y 2 = 4, entonces
1 = 2λx y 1 = 2λy
1 1
λ= , λ= .
2x 2y
Luego
x=y
x2 + x2 = 2x2 = 4
x2 = 2
√
x=± 2
√
Pero x = − 2 implica que λ = 2−1 √ lo cual no cumple la condición λ ≥ 0.
2
√ √
Entonces solamente ( 2, 2) √ es el√punto √
que cumple con las condiciones
K-T-K. El valor máximo es f ( 2, 2) = 2 2.
Ejemplo 4.18.
Para maximizar f (x, y) = x + y sujeto a x2 + y 2 ≤ 4, y ≥ 32 la función
L = x + y − λ1 [x2 + y 2 − 4] − λ2 [ 23 − y] y las condiciones del óptimo son:
L′x = 1 − 2λ1 x = 0
L′y = 1 − 2λ1 y + λ2 = 0
h3 i
λ1 [x2 + y 2 − 4] = 0 λ2 −y =0
2
3
λ1 ≥ 0, λ2 ≥ 0, x2 + y 2 ≤ 4, y≥
2
Hay 4 posibles alternativas:
i) λ1 = 0, λ2 = 0
3
ii) λ1 = 0, y= 2
iii) x2 + y 2 = 4, λ2 = 0
3
iv) x2 + y 2 = 4, y= 2
i) Si λ1 = 0, λ2 = 0 no hay posibilidad porque en L′x = 0 y L′y = 0 se

obtienen enunciados falsos.
ii) Si λ1 = 0, y = 23 , tampoco se obtiene una alternativa viable.

√ √
iii)√Si x√2 + y 2 =
√ 4, λ2 = 0 se√obtiene x̂ = 2, ŷ = 2. De tal manera
que f ( 2, 2) = 2 2, pero y = 2 ≤ 32 , luego no sirve.
3 9 7
iv) Para x2 + y 2 = 4, y = 2, se obtiene x2 = 4 − 4 = 4. Luego
√ √ √
7 7 − 7
x=± 2 ;sólo x = es posible porque con x =
2 2 , se tiene λ1 ≤ 0, lo
cual no cumple las condiciones K-T-K.
√ √
7
Si x = entonces λ1 = √17 , además si y = 23 , entonces λ2 = 3−√7 7 ≥ 0.
2
√ √ √
En el punto 27 , 23 , se tiene f 27 , 32 = 3+2 7 , luego el máximo de
la función f (x, y) = x + y sujeto a x2 + y 2 ≤ 4, y ≥ 23 está en el punto
√ √ √ √ √
(x̂ = 2, ŷ = 2), y el valor máximo es f ( 2, 2) = 2 2.
Ejemplo 4.19.
En el presente ejemplo se busca el valor máximo de 12 x − y sujeto a:
(
y − x ≥ e−x ,
x ≥ 0.
Entonces,
1
L = x − y − λ1 [e−x + x − y] − λ2 [−x].
2
De donde:
1
L′x = + λ1 e−x − λ1 + λ2 = 0,
2
L′y = −1 + λ1 = 0,
1 λ1 = 0 λ2 = 0
2 λ1 = 0 x=0
3 y − x = e−x λ2 = 0
4 y−x= e−x x = 0.
1. Si λ1 = 0, λ2 = 0, entonces −1 = 0, lo cual es una contradicción.
2. Si λ1 = 0, x = 0, entonces −1 = 0, que también es una contradicción.

3. Si e−x + x − y = 0, λ2 = 0, entonces λ1 = 1;
1 1
2 + e−x − 1 = 0 ; e−x = 2 ; −x = ln 1 − ln 2 ; luego x = ln 2.
1 1
e− ln 2 + ln 2 = y ; eln 2
+ ln 2 = y ; luego 2 + ln 2 = y
4. Si e−x + x − y = 0, x = 0; entonces λ1 = 1.
si 12 +λ1 −λ1 +λ2 = 0, entonces λ2 = −1

2 . No cumple las condiciones.
Por lo tanto el máximo es 21 (ln 2) − 21 − ln 2 = − 21 − 12 ln 2 = − 12 [1 + ln 2],

cuando x = ln 2, y = 21 + ln 2.
Ejemplo 4.20.
(
x2 + y 2 ≤ 5,
Max g(x, y) = x2 + 2y s.a
y ≥ 0.
L = x2 + 2y − λ1 [x2 + y 2 − 5] − λ2 [−y].
L′x = 2x − 2xλ1 = 0,
L′y = 2 − 2yλ1 + λ2 = 0.
Las condiciones de Kuhn-Tucker-Karush son:
1 λ1 = 0 λ2 = 0
2 λ1 = 0 y=0
3 y2 + x2 =5 λ2 = 0
4 y 2 + x2 = 5 y=0
1. Si λ1 = 0 y λ2 = 0 entonces 2x = 0 y 2 = 0, lo cual es contradicción.
2. Si λ1 = 0, y y = 0, entonces 2x = 0, λ2 = −2, que no cumple la

condición para λ (λ2 ≥ 0).
3. Si x2 + y 2 = 5, λ2 = 0, entonces
2x − 2xλ1 = 0, es decir 2x(1 − λ1 ) = 0 y 2 − 2yλ1 = 0.

√ √
Si x = 0, entonces y 2 = 5, luego y = ± 5; pero y = − 5 no
cumple las condiciones, por lo tanto no sirve.
√
De donde x = 0, y = 5, λ1 = √15 y λ2 = 0 cumplen todas las
condiciones del óptimo. De donde:
√ √
g(0, 5) = 2 5.
√
Si λ1 = 0, entonces y = 1. De donde x = ± 4 = ±2; x = −2 no
cumple las condiciones, entonces no sirve. Como x = 2 y y = 1, cumplen las
condiciones, entonces
g(2, 1) = 6.
4. Si x2 + y 2 = 5, y = 0, entonces 2x − 2xλ1 = 0, 2 + λ2 = 0; es decir

λ2 = −2, que no cumple las condiciones.
√ √
Como g(0, 5) = 2 5 ≤ g(2, 1) = 6 el máximo está en (2, 1).
Ejercicio 4.4.
1. maximizar f (x, y) = x2 + y 2 sujeto a x2 + y 2 ≤ 3, y ≤ 1, x ≥ 0.

2. maximizar f (x, y) = x + y sujeto a x2 + y 2 ≤ 4, y ≥ 23 , x ≤ 65 .
3. minimizar f (x, y) = x2 + y 2 sujeto a x2 + y 2 ≤ 3, y ≤ 1, x ≥ 0.
4. maximizar f (x, y) = x + y sujeto a x2 + 3y 2 ≤ 9, 0 ≤ 2 − y, x ≥ 0.
5. maximizar f (x, y) = xey−x − 2ey sujeto a 0 ≤ y ≤ 1 + x2 , x ≥ 0.
4.4. Aplicaciones
La optimización de funciones ha sido uno de los instrumentos matemáti-
cos más utilizados en el desarrollo de modelos económicos. A continuación
se presenta un resumen de uno de los aspectos de la teorı́a del consumidor.
4.4. APLICACIONES 137
4.4.1. Modelos del consumidor

En gran medida, la teorı́a del consumidor se sintetiza a través de dos
modelos que representan en promedio a los agentes llamados consumidores
de una economı́a: (1) maximizar la utilidad o satisfacción, condicionada por
una restricción presupuestal, es decir, que el gasto en los bienes o servicios
no debe superar el ingreso y (2) minimizar el gasto en bienes o servicios para
lograr un nivel de satisfacción o utilidad fijo. Ası́, los consumidores son agen-
tes económicos que participan en el mercado haciendo demandas de bienes
o servicios para lograr algún nivel de satisfacción, utilidad, o felicidad (estos
son comportamientos promedio, lo cual no implica que el modelo sea para
representar a todos los individuos de una economı́a). La relación que refleja
este comportamiento es la función de utilidad o satisfacción que depende de
las cantidades de consumo de los bienes que producen satisfacción. Ası́:
U = f (x1 , x2 , · · · , xn )
es una función de utilidad, donde U es la utilidad y xi es la cantidad de

consumo por el bien o servicio i.
Los consumidores para lograr su satisfacción se enfrenta con una restricción
sobre las cantidades que pueden consumir: el gasto en los bienes o servicios
tiene el lı́mite de sus ingresos, es decir, si el gasto es
n
X
pi x i
i=1
y m es el ingreso del consumidor, entonces la restricción presupuestal es

n
X
pi xi ≤ m.
i=1
Un objetivo del consumidor consiste, en maximizar la satisfacción o utilidad

con su restricción presupuestal, es decir
n
X
max U = f (x1 , x2 , · · · , xn ) s.a pi xi ≤ m.
i=1
La función de Lagrange para resolver el problema de optimización es

n
X
L = f (x1 , x2 , · · · , xn ) − λ( pi xi − m).
i=1
De tal manera que las condiciones de primer orden son
fx′ i = λpi ; para cada; i = 1, 2, ..., n.
De donde
fx i pi
=
fx j pj
Lo cual indica que la condición del óptimo es: la tasa marginal de sustitución
de xi por xj es igual a la relación de los precios de los bienes respectivamen-
te.
De este problema se obtienen las cantidades de consumo o demandas de
bienes o servicios que maximizan la utilidad y cumplen la restricción pre-
supuestal; estas demandas se conocen como funciones de demanda Mar-
salianas y son función de los parámetros del problema: precios e ingreso.
x∗i (p1 , p2 · pn , m).
Al reemplazar las cantidades de consumo en la función de utilidad obtene-
mos la función de utilidad óptima V (p1 , p2 , · · · , pn , m), o función de utilidad
indirecta, la cual representa la satisfacción máxima del consumidor en térmi-
nos de los precios e ingreso.
Existe una relación entre las funciones de demanda Marshalliana y la
función de utilidad indirecta conocida como identidad de Roy, la cual in-
dica que:
Vp′i
= −x∗i (p1 , p2 , · · · , pn , m).
Vm′
Ejemplo 4.21.
Para la función de utilidad Cobb Douglas U = f (x1 , x2 ) = x1 x2 , el problema
consiste en hallar las cantidades de x1 y x2 que maximizan la utilidad U y
que son posibles de ser comprados, es decir, que están en la restriccion
presupuestal p1 x1 + p2 x2 ≤ m. El problema se suele sintetizar como:
M ax.; U = f (x1 , x2 ) = x1 x2 s.a p1 x1 + p2 x2 ≤ m.
L = x1 x2 − λ(p1 x1 + p2 x2 − m)
Para resolver el problema, las condiciones de primer orden C.P.O. son:
L′x1 = x2 − λp1 = 0
L′x2 = x1 − λp2 = 0
Y las condiciones de Kuhn-Tucker-Karush C.K-T-K son
(1) λ = 0
(2) p1 x1 + p2 x2 = m
Al suponer (1), es decir λ = 0, entonces x1 = 0 y x2 = 0. Lo cual implica

gasto nulo, utilidad nula. Al suponer (2), es decir p1 x1 + p2 x2 = m, entonces
(3) x2 = λp1
(4) x1 = λp2
(5) p1 x1 + p2 x2 = m
De (3) y (4) se obtiene que

x2 p1
=
x1 p2
de donde
p1 x 1
(6) x2 = .
p2
Reemplazando x2 en (5) se obtiene

p1 x 1
p1 x 1 + p2 ( ) = m.
p2
Las demandas Marshallianas de los bienes x1 y x2 son respectivamente

m
x∗1 =
2p1
m
x∗2 = .
2p2
Y, la función de utilidad indirecta es
m2
U (x∗1 , x∗2 ) = V (p1 ,2 , m) = x∗1 x∗2 = .
4p1 p2
Otro problema de optimización que enfrenta el consumidor es hallar las

cantidades de bienes o servicios a consumir que minimizan el gasto, dado un
nivel fijo de satisfacción que espera lograr, es decir
n
X
min pi xi s.a ū ≥ f (x1 , x2 , · · · , xn ).
i=1
De este problema se obtienen las demandas compensadas o hicksianas xhi y

la función de gasto G, las cuales son función de los parámetros del problema:
precios pi y el nivel de satisfacción a lograr ū. La función de Lagrange para
hallar el mı́nimo gasto es
n
X
ℓ= pi xi − λ(f (x1 , x2 , · · · , xn ) − ū).
i=1
Las condiciones de primer orden para obtener el optimo son
−pi = fx′ i para todo i=1,2,...,n.
De tal manera que

pi fx′
= ′i .
pj fx j
Es decir, la tasa marginal de sustitución de xi por xj es igual a la relación
de los precios correspondientes, o que la tasa marginal de sutitucion del bien
i por el bien j es la pendiente de la función de gasto.
De la función de gasto obtenemos una relación interesante conocida como
Lema de Shephard, la cual muestra una relación entre la función de gasto
y las funciones de demanda compensadas:
∂G
= xhi ,
∂pi
la cual se verifica directamente de la definición de la función de gasto.
Ejemplo 4.22.
Para la función de utilidad U = f (x1 , x2 ) = x1 x2 , una curva de nivel o
curva de indiferencia se obtiene fijando un valor ū de la variable dependiente:
U = ū = f (x1 , x2 ) = x1 x2 . Para hallar la función de Gasto y las funciones
de demanda compensadas se resuelve el siguiente problema de optimización:
min p1 x1 + p2 x2 s.a ū ≥ x1 x2 .
El cual es equivalente a resolver:
max −p1 x1 − p2 x2 s.a ū ≥ x1 x2 .
L = −p1 x1 − p2 x2 − λ(ū − x1 x2 ).
De donde las condiciones de primer orden C.P.O. son:

L′x1 = −p1 + λx2 = 0
L′x2 = −p2 + λx1 = 0.
Las condiciones de Kuhn-Tucker-Karush C.K-T-K para el presente desarro-
llo son
(1) λ = 0
(2) ū = x1 x2
Si se supone la condición (1) se obtiene:
p1 = 0
p2 = 0
De donde el gasto es cero.
Al suponer la condición (2) se obtiene:
(3) ū = x1 x2
(4) p1 = λx2
(5) p2 = λx1
De (4) y (5) se obtiene:
p1 x2
=
p2 x1
Es decir,
p1 x 1
x2 =
p2
Reemplazando en (3) se llega a:
x21 p1
ū =
p2
De donde las demandas Hicksianas o compensadas son
p2 ū 1/2

h
x1 = .
p1
p1 ū 1/2

h
x2 =
p2
La función de gasto óptimo es
G(p1 , p2 , ū) = p1 xh1 + p2 xh2 = 2(p1 p2 ū)1/2 .
4.4.2. Dualidad
Existen algunas ecuaciones que relacionan los dos problemas básicos de
la teorı́a del consumidor; son ecuaciones a través de las cuales se obtiene
las demandas compensadas a partir de las demandas Marshallianas, o se
obtienen la función de Gasto a partir de la función de utilidad indirecta; las
ecuaciones de dualidad son
(1) V (p1 , p2 , · · · , pn , G(p1 , p2 , · · · , pn , ū) = ū.
Si se sustituye el ingreso por el gasto en la función de utilidad indirecta se

obtiene la utilidad constante mı́nima, lograda en el modelo que minimiza el
gasto. Es decir, los óptimos de uno y otro problema coinciden. Por lo tanto
la segunda ecuación de dualidad que relaciona las funciones de valor óptimo
del consumidor es
(2) G(p1 , p2 , · · · , pn , V (p1 , p2 , · · · , pn , m) = m.
En condiciones óptimas el gasto es igual al ingreso, es decir, cuando la uti-

lidad máxima es la utilidad constante perseguida.
Además de las anteriores ecuaciones existen dos igualdades que relacionan
las funciones de demanda Marshallianas y Hicksianas, las cuales se presentan
acontinuación:
(3) x∗i (p1 , p2 , · · · , G(p1 , p2 , · · · , ū)) = xhi (p1 , p2 , · · · , ū).
:
(4) xhi (p1 , p2 , · · · , V (p1 , p2 , · · · , m)) = x∗i (p1 , p2 , · · · , m).
Ejemplo 4.23.
Para la función de utilidad indirecta V = p1m +p2 se puede obtener por la
ecuación (1)
G(p1 , p2 , ū)
V = = ū.
p1 + p2
De donde G(p1 , p2 , ū) = ū(p1 + p2 ).
Ejemplo 4.24.
Para la función de demanda Marshalliana x∗i = bp1am +cp2 y la función de gasto
G(p1 , p2 , ū) = (4p1 + 5p2 )ū, usando la ecuación (3) de dualidad se puede
obtener la demanda compensada:
x∗i (p1 , p2 , , G(p1 , p2 , ū)) = xhi (p1 , p2 , ū).

Por lo tanto
a(4p1 + 5p2 )ū
xhi = .
bp1 + cp2
Ejemplo 4.25.
α p2 β
Si la función de gasto es G(p1 , p2 , ū) = eū pa1 b , la función de utilidad
indirecta se obtiene usando la ecuación de dualidad (1):
p α p β
1 2
m = eV (p1 ,p2 ,m) .
a b
Despejando V (p1 , p2 , m) se obtiene
p −α p −β
1 2
V (p1 , p2 , m) = ln m .
a b
Las funciones de demanda compensada se obtienen usando el Lema de Shep-
hard en la función gasto G:
αeū p1 α−1 p2 β
G′p1 = xh1 = .
a a b
βeū p1 α p2 β−1
G′p2 = xh2 = .
b a b
Para hallar las demandas Marshallianas hay dos caminos: utilizar la ecuación
de dualidad (4), o usar la identidad de Roy. Para hallar la función x∗1 se
usará la ecuación de dualidad (4) y para hallar x∗2 la identidad de Roy.
α p1 α−1 p2 β V (p1 ,p2 ,m)
x∗1 = xh1 (p1 , p2 , V (p1 , p2 , m)) = e
a a b

∗ α p1 α−1 p2 β p1 −α p2 −β
x1 = m
a a b a b
mα p1 −1 mα

x∗1 = = .
a a p1
Y la segunda función de demanda Marshalliana es
Vp′2
−x∗2 =
Vm′
β 1
Vp′2 = Vm′ =
p2 m
Por lo tanto
mβ
x∗2 = .
p2
Ejemplo 4.26.
Si la función de utilidad indirecta de un consumidor es

a b ap2 + bp1
V (p1 , p2 , m) = m + =m ,
p1 p2 p1 p2
entonces
ūp1 p2
= m = G(p1 , p2 , ū).
ap2 + bp1
Aplicando el lema de Shephard a la función de gasto se obtienen los siguien-
tes resultados:
∂G ūp2 (ap2 + bp1 ) − būp1 p2 ap22 ū

= = = xh1 (p1 , p2 , ū).
∂p1 (ap2 + bp1 )2 (ap2 + bp1 )2
∂G ūp1 (ap2 + bp1 ) − aūp1 p2 ūp21 b

= = = xh2 (p1 , p2 , ū).
∂p2 (ap2 + bp1 )2 (ap2 + bp1 )2
ap22 m(ap2 + bp1 ) amp2

x∗1 (p1 , p2 , m) = 2
= .
(ap2 + bp1 ) p1 p2 (ap2 + bp1 )p1
bp21 m(ap2 + bp1 ) bmp1

x∗2 (p1 , p2 , m) = = .
(ap2 + bp1 )2 p1 p2 (ap2 + bp1 )p2
Un bien es normal si al incrementar el ingreso aumenta la demanda; por

lo tanto la derivada parcial de la demanda respecto al ingreso es positiva.
Como el cambio en la demanda es con respecto al ingreso, ha de ser la
función de demanda Marshalliana, es decir,
∂x∗i
> 0.
∂m
Un bien es giffen si al aumentar el precio aumenta la demanda, es decir si
∂x∗i
> 0.
∂pi
4.5. EJERCICIOS 145
Los bienes xi y xj son sustitutos si al aumentar el precio de uno aumenta la

demanda del otro, es decir:
∂x∗i
> 0.
∂pj
Dos bienes xi y xj son complementarios si al aumentar el precio de xi dis-
minuye el precio de xj
∂x∗i
< 0.
∂pj
4.5. Ejercicios
Capı́tulo 5
Integrales
La integral es una transformación entre funciones (como la derivada), y está

asociada básicamente con dos interpretaciones: por un lado, el área de una
región del plano R × R limitada por funciones continuas, y por otro, la
antiderivada de una función continua. La formalización de la integral es el
resultado de un proceso que inició Arquı́medes (278-212 a. C.) con el método
de exhaución para calcular el área de regiones no regulares como el cı́rculo,
impulsado con el desarrollo del cálculo en el que intervinieron inicialmente
Newton (1642-1727) y Leibniz (1646-1716).
Este capı́tulo se inicia con el estudio de la integral como área de una
región del plano R × R, procedimiento que se conoce como integral defi-
nida; luego se desarrolla la antiderivada o integral indefinida, para lo cual
se presentan tres métodos de integración: integral por sustitución, integral
por partes e integral por fracciones parciales; para finalizar se presenta la
integral impropia, con la cual se halla (cuando se puede) el área de alguna
región no acotada.
En economı́a, si la razón (tasa) de variación de la cantidad de dinero
con respecto al tiempo es conocida, entonces se puede hallar la cantidad
de dinero existente en cada momento del tiempo haciendo uso de las in-
tegrales; en general, del conocimiento de alguna tasa de variación de una
información podemos hallar funciones que determinan datos relevantes del
ambiente económico, con la posibilidad de estimar comportamientos a través
5.1. INTEGRAL DEFINIDA 147
del tiempo.
5.1. Integral definida

El objeto de esta sección es calcular el área de una región del plano cartesiano
a través de áreas de rectángulos que cubren la región inicial.
Definición 5.1. El número asignado al área de la región acotada por el eje

horizontal y = 0, la función f (x) ≥ 0, x = a y x = b (ver gráfica 5.1) es la
integral definida
Z b
f (x) dx.
a
8 y
1 2 3 4 5 6 7 8 9
Figura 5.1
Definición 5.2. Una función f acotada en [a, b] es integrable sobre [a, b] si

f es continua1 en [a, b].
Ejemplo 5.1.
La región acotada por x = 1, x = 5, y = 0, y = f (x) = 3, corresponde con
un rectángulo cuya área es: B = (5 − 1)(3) = 12 (ver gráfica 5.2).
1
Intuitivamente las funciones continuas son las que no tienen rupturas o huecos; las
funciones derivables son continuas.
148 CAPÍTULO 5. INTEGRALES
1 2 3 4 5
Figura 5.2
Por tanto, Z 5
B= 3 dx = 12.
1
Ejemplo 5.2.
En general podemos decir que:
Z b
c dx = c(b − a).
a
Es decir, el área de un rectángulo con base b − a y altura c es: c(b − a);
base × altura.
Definición 5.3. Una función es acotada en [a, b] si existe un número c ≥ 0

tal que |f (x)| ≤ c para todos los elementos x en [a, b].
Ejemplo 5.3.
Toda función constante y = f (x) = c es acotada. La función exponencial
y = f (x) = ex no es acotada en su dominio (−∞, ∞), sin embargo, en un
intervalo semiabierto (a, b] o [a, b) la función exponencial es acotada.
Ejemplo 5.4.
Sea y = f (x) = x la función identidad. Se está interesado en hallar el área
de la región A, la variable x está entre cero y b (0 < x < b) y la variable y

está entre cero y la función y = f (x) = x (0 < y < x) (ver gráfica 5.3).
8 y
1 2 3 4 5 6 7 8 9
Figura 5.3
El área A está dada por la integral:

Z b
b2
x dx = .
0 2
Lo cual corresponde con la fórmula geométrica del área de un triángulo:
base × altura
.
2
Antes de seguir adelante es necesario hacer énfasis en la notación usada
en las integrales definidas, lo cual será sintetizado en las siguientes igualda-
des. Z b Z b Z b
f (x) dx = f (y) dy = f (c) dc.
a a a
Esto muestra que dx en la primera integral representa la variable respecto
a la cual se está integrando, por tanto, cualquier otra expresión que aparezca
en la integral se supone como constante.
Ejemplo 5.5.
El área de la región M (ver gráfica 5.4), limitada por y = f (x) = x, y = 0,
x = a y x = b, está dada por:
Z b
b2 a2
x dx = − .
a 2 2
El área de la región M se obtiene de la suma de las áreas de los rectángu-

los con lados a y (b − a), y el área del triángulo con lados (b − a); ası́, la
suma de las áreas correspondientes es:
b2 − a2

(b − a)(b − a)
a(b − a) + = .
2 2
8 y
b7
a3
M
2
1 2 a3 4 5 6 b7 8 9
Figura 5.4
Proposición 5.1. A continuación presentamos algunas propiedades de la

integral definida. Sean f (x) y g(x) funciones integrables.
Z b Z b Z b
f (x) + g(x) dx = f (x) dx + g(x) dx.
a a a
Z b Z b
c f (x) dx = c f (x) dx.
a a
Z b
Z b Z b
c f (x) + h g(x) dx = c f (x) dx + h g(x) dx.
a a a
Ejemplo 5.6.
Z b Z b Z b
b2 a 2
(x + c) dx = x dx + c dx = − + c(b − a).
a a a 2 2
Ejemplo 5.7.
y y y
y 2 a2
Z Z Z
(t + 5) dt = t dt + 5 dt = − + 5(y − a).
a a a 2 2
Z x Z x Z x
(y + w) dt = y dt+ w dt = y(x−a)+w(x−a) = (y +w)(x−
a a a
a).
Z b Z t Z b
y dm dt = y(t − c) dt
a c a
b b
b2 a 2
Z Z
=y t dt − c dt =y − − c(b − a) .
a a 2 2
Proposición 5.2. Una función F (x) puede ser expresada como una integral
definida:
Z x
F (x) = f (t) dt.
a
Con f (t), una función integrable. Es decir, una integral definida es función
de los lı́mites de integración; la función F (x) es continua en [a, b].
Ejemplo 5.8.
Z y
(5t + 1) dt es una función en términos de y, porque:
1
y y y
y 2 12
Z Z Z
(5t + 1) dt = 5 t dt + dt = 5 − + (y − 1)
1 1 1 2 2
5 7
= y 2 + y − = F (y).
2 2
Existe una relación entre la integral y la derivada, lo cual va a permitir
hallar área de regiones complejas. Esto es tan importante que se conoce como
el primer teorema fundamental del cálculo. Aquı́ se presenta un enunciado
informal que representa dicha relación
Proposición 5.3. Sea f (x) una función integrable en [a, b]. Sea
Z x
F (x) = f (t) dt.
a
Si f es continua para c (a ≤ c ≤ b), entonces F es derivable en c y

F ′ (c) = f (c)
para c ∈ [a, b].
El anterior enunciado se puede interpretar como: si f es una función

continua en [a, b], entonces F es derivable en [a, b] y F ′ = f , esR decir, si f
es continua, entonces es la derivada de alguna función F (x) = f (t) dt tal
que F ′ = f .
Ejemplo 5.9.
√
Z p
Sea g(t) = 3x2 − 2x + 5 dx, entonces g ′ (t) = 3t2 − 2t + 5.
Ejemplo 5.10.
Z
Sea h(x) = e3x−5 dx, entonces h′ (x) = e3x−5 .
Éste es otro enunciado importante conocido como segundo teorema fun-

damental del cálculo, en el cual se continúa con la conexión entre integrales
y derivadas.
Proposición 5.4. Si f es integrable en [a, b] y F ′ = f para alguna función

F , entonces
Z b
f (t) dt = F (b) − F (a).
a
Ejemplo 5.11.
Z a
Sea h(y) = e3x−5 dx, entonces h′ (y) = e3a−5 − e3y−5 .
y
La anterior proposición permite contrastar las áreas halladas anterior-

mente con los cálculos desarrollados a través de las antiderivadas:
Z b
b2 − a 2
x dx = .
a 2
Rb
Es decir, que a través de a x dx estamos buscando una función F que al
2
derivarse genere F ′ = f = x; lo cual corresponde con F = x2 .
b
b
x2
Z
x dx = .
a 2 a
De tal manera que:
b2 a 2 b2 − a 2
F (b) − F (a) = − = .
2 2 2
Ası́, para un amplio conjunto de regiones en el plano cartesiano será po-
sible hallar el área a través de la integral indefinida.
Ejemplo 5.12.
Z b b
n xn+1 bn+1 − an+1
x dx = = para n 6= 1.
a n + 1 a n+1
Ejemplo 5.13.
Hallar el área de la región acotada por f (x) = x3 , g(x) = x2 entre x = 0 y
x = 1. Suponemos que B es el área de la región en cuestión (ver gráfica 5.5),
entonces:
Z 1 Z 1 Z 1 1 1
2 3 2 3 x3 x4 1 1 1
B= x − x dx = x dx − x dx = − = − =
0 0 0 3 0 4 0 3 4
12
1 y
Figura 5.5
para calcular el área de la región del plano comprendida entre las funciones
f (x) = x2 y g(x) = x3 como el área de la diferencia x2 − x3 porque f (x) es
mayor que g(x) en el intervalo [0, 1].
Ejemplo 5.14.
El área de Rla región acotada por t = 1, f (t) = 1/t se obtiene a través de
x
la integral 1 1t dt. Para calcular la integral es necesaria una función que al
derivarse produzca 1t . Una candidata es la función logaritmo natural (ver
gráfica 5.6), de donde:
Z x
1 x
dt = ln(t)1 = ln(x) − ln(1) = ln(x).
1 t
Ejemplo 5.15.
A continuación se calcula el área de la región acotada por las funciones
f (x) = x y g(x) = x2 .
Para empezar se calculan los puntos de intersección de las dos funciones;

como los puntos de intersección son comunes a las dos funciones, entonces
comparten las coordenadas, donde las segundas componentes son iguales, es
decir:
y = f (x) = x = g(x) = x2 .
x 1 2
Figura 5.6
De donde:
x − x2 = 0.
Por tanto:
x(1 − x) = 0.
x = 0 y x = 1 son las primeras componentes de los puntos de intersección

entre las funciones. Ası́, los puntos de intersección son (0, 0) y (1, 1). El área
de la región acotada por las dos funciones está dada por:
1 1 1
1 1
x2 x3 1 1 1
Z Z Z
2 2
(x − x ) dx = x dx − x dx = − = − = .
0 0 0 2 0 3 0 2 3
6
Ejemplo 5.16.
Z x
Si G(x) = f (t) dt y G′ (x) = f (x), se busca calcular:
a
′
1. G x2
′
2. G x3 + 2x
Usando el teorema fundamental del cálculo:

Z x Z x2
x2

1. Si G(x) = f (t) dt, entonces G = f (t) dt, de donde
a a
′
G x2 = G′ x2 2x = f x2 2x.

Z x Z x3 +2x
x3

2. Si G(x) = f (t) dt, entonces G + 2x = f (t) dt, de donde
a a
′
G x3 + 2x = G′ x3 + 2x 3x2 + 2 = f x3 + 2x 3x2 + 2 .

Una aplicación interesante de las integrales indefinidas es una medida

de bienestar que los consumidores obtienen por participar en un mercado
en condiciones de competencia perfecta; con base en una relación inversa de
demanda P = f (Q), donde el precio depende de la cantidad de demanda
(ya que, en la relación directa, la demanda es determinada por el precio), el
área de la región del plano comprendida entre la función de demanda y el
eje vertical, por encima del precio de mercado, se conoce como el excedente
de demanda.
Para dos precios P1 y P2 el área de la región P1 ABP2 representa el cambio
en el gasto por consumidor al participar del mercado (ver gráfica 5.7).
y
P2 A
P1 B
1 2
Figura 5.7
Si P0 es el precio de equilibrio de mercado (ver gráfica 5.8), entonces el

área 0CP0 es el excedente del consumidor.
5.2. INTEGRALES INDEFINIDAS 157
P
8
7
0
Po
2 C
1 2 3 4 5 6 7 8 9
Figura 5.8
El excedente del consumidor representa el beneficio que los consumidores

tienen por interactuar con los productores en un mercado, ya que los que
estaban dispuestos a pagar P1 por X1 unidades del bien, pagarı́an P0 y
consumen una mayor cantidad X0 .
Ejercicio 5.1.
10
5
Z
1. Calcular dx.
3 x5
2. Hallar el área de la región acotada (limitada) por las funciones y = x4 ,
y = x2 , entre x = 0 y x = 1.
3. Sea Qd = a − dP la función de demanda del bien Q, y Q0 = c + dP
la función de oferta. Hallar el excedente del consumidor. Si a, b, c, d
son positivos, determinar el cambio del excedente con respecto a la
pendiente de la demanda (d).
4. Hallar el área de la región acotada por las curvas: y 2 = 4x y 4x−3y = 4.
5. Hallar el área de la región acotada por: y = x − 1 y x = 3 − y 2 .
5.2. Integrales indefinidas

Se llaman integrales indefinidas aquéllas para las cuales no se han especifica-
do los valores de x entre los cuales se acota la función; la integral indefinida
está asociada con la búsqueda de antiderivadas de una función continua, es

decir, dada una función f (x) la integral indefinida busca una función g(x)
tal que g ′ (x) = f (x).
Gracias a los teoremas fundamentales del cálculo la relación entre inte-
gral y derivada es clara, por tanto se desarrollarán tres métodos para cal-
cular antiderivadas o integrales, éstos son: sustitución, partes y fracciones
parciales.
5.2.1. Métodos de sustitución

El método de integración por sustitución es el caso recı́proco de la regla de
la cadena para las derivadas, el cual se enuncia como:
Si f (x) = g h(x) entonces f ′ (x) = g ′ h(x) h′ (x).

Si integramos a ambos lados de la última igualdad obtenemos:

Z Z
f (x) dx = g ′ h(x) h′ (x) dx.
′

Al suponer la sustitución u = h(x) y du = h′ (x) dx, entonces

Z Z
f (x) dx = g ′ (u) du.
′
Gracias al teorema fundamental del cálculo obtenemos que:

Z Z
′
f (x) dx = f (x) + c1 y g ′ (u) du = g(u) + c2
de donde: Z
g ′ h(x) h′ (x) dx = f (x) + c.

La constante c (c = c1 − c2 ) está presente en todas las antiderivadas o

integrales indefinidas porque la derivada de una constante es cero.
Ejemplo 5.17.
3
Z
Para hallar dx se supone u = x + 1 y du = dx. Luego
(x + 1)3
3 du
Z Z Z
dx = 3 = 3 u−3 du
(x + 1)3 u3
3u−2 3(x + 1)−2 3
=− +c=− +c=− + c.
2 2 2(x + 1)2
Se ha supuesto u = x + 1 porque es la sustitución que hace posible el

desarrollo de la integral respecto a otras sustituciones.
Ejemplo 5.18.
x
Z
Para hallar √ dx. Al suponer u = x+1, se tiene x = u−1 y dx = du.
x+1
Por tanto
u−1 u 1
Z Z Z Z Z
du = du − du = u1/2 du − u−1/2 du
u1/2 u1/2 u1/2
2u3/2
= − 2u1/2 + c.
3
De reemplazar u por x + 1 se obtiene:
2(x + 1)3/2
− 2(x + 1)1/2 + c.
3
Ejemplo 5.19.
Z 2
x + 2x + 4
Para hallar dx se tiene que:
(x + 1)3
x2 + 2x + 4
Z 2
x + 2x + 1 + 3 (x + 1)2 + 3
Z Z
dx = dx = dx
(x + 1)3 (x + 1)3 (x + 1)3
(x + 1)2
Z Z
3 1 3
= + dx = + dx
(x + 1)3 (x + 1)3 x + 1 (x + 1)3
dx dx dx
Z Z Z
= +3 3
= ln(x + 1) + 3 + c.
x+1 (x + 1) (x + 1)3
dx
Z
Para hallar la integral ver ejemplo 5.17. Mientras que para hallar
(x + 1)3
dx
Z
sustituimos u = x + 1 y dx = du; de donde
x+1
dx du
Z Z
= = ln |u| + c = ln |x + 1| + c.
x+1 u
Ejemplo 5.20.
Si el costo marginal
√ de la mano de obra en la producción de un bien es
3 2
CMg (L) = L 1 + L , la función de costo tal que C(0) = 0, es
1
Z p Z p
3
C(L) = L 1+ L2 dL = 2LL2 1 + L2 dL.
2
Si se supone 1 + L2 = w tal que 2L dL = dw, entonces
1 1 1
Z p Z Z
2 1/2
2
L 1 + L 2L dL = (w − 1)w dw = (ww1/2 − w1/2 ) dw
2 2 2
1 1 1
Z Z Z
3/2 1/2 3/2
= (w − w ) dw = w dw − w1/2 dw
2 2 2

1 2 5/2 1 2 3/2 1 1
= w − w + K = w5/2 − w3/2 + K.
2 5 2 3 5 3
Es decir,
1 1
C(L) = (1 + L2 )5/2 − (1 + L2 )3/2 + K.
5 3
Usando la condición inicial C(0) = 0, entonces:
2
K= .
15
De donde:
1 1 2
C(L) = (1 + L2 )5/2 − (1 + L2 )3/2 + .
5 3 15
Para finalizar esta sección
R se usará el método de sustitución para calcular
integrales definidas. Si f (x) dx se puede desarrollar con el método de sus-
titución, se deben involucrar los lı́mites de la variable independiente en la
sustitución, porque son valores entre los cuales se toma a la variable inde-
pendiente; la sustitución al cambiar los lı́mites también cambia los lı́mites
de la nueva variable.
Ejemplo 5.21.
Z 3 p
Para hallar x 2x2 + 5 dx la sustitución propuesta es
1
u = 2x2 + 5
tal que:
du = 4x dx;
por tanto,
du
; x dx =
4
como x toma valores entre 1 y 3, entonces la nueva variable u toma valores
entre:
u = 2(1)2 + 5 = 7 y u = 2(3)2 + 5 = 23;
la integral después de la sustitución es:
23 23
u1/2 1
Z Z
du = u1/2 du,
7 4 4 7
de donde:
23
1 2 3/2 23 1 3/2

1
Z
1/2
u du = u = 23 − 73/2 ≈ 15,297.
4 7 4 3 7 6
Ejercicio 5.2.
x
Z
1. √ dx
1 − 4x2
Z
2. 3x + 4 dx
Z p
3. x5 1 + x2 dx
2x − 1
Z
4. dx
x2 − x + 8
ln(x + 2)
Z
5. dx
2x + 4
6. Hallar el valor de x para mantener la igualdad (ecuación):

x
2t − 2 2
Z
dt = ln x−1 .
3 t2 − 2t 3
√
x− x
Z
7. √ dx
x+ x
ln(x)
Z
8. √ dx
x
5.2.2. Integral por partes

Se conoce que la derivada de un producto está dada por:
(f g)′ = f ′ g + f g ′ .
Integrando a ambos lados de la anterior igualdad se tiene:

Z Z Z
(f g) = f g + f g ′ .
′ ′
Al aplicar el teorema fundamental del cálculo,

Z Z Z
(f g)′ = f g = f ′ g + f g ′ .
Lo cual corresponde con el método de integración

R ′ por partes, es decir, si
tenemos que hallar la integral de un producto f g en el que se distinguen
una función g y una función f ′ (derivada de otra f ), entonces
Z Z
f g = f g − f g ′ + c.
′
(5.1)
Ejemplo 5.22.
Z Z
Para resolver ln(x) dx no es evidente la expresión f ′ g. Sin embargo, si
f′ = 1 g = ln(x)
entonces:
1
f =x g′ = .
x
Usando la fórmula de la integral por partes (5.1), se tiene:
Z Z
ln(x) dx = 1 · ln(x) dx
1
Z Z
= x ln(x) − x dx = x ln(x) − dx = x ln(x) − x + c.
x
Ejemplo 5.23.
Z
Sea x2 ex dx. Si f = x2 y g ′ = ex , entonces f ′ = 2x y g = ex . Al reemplazar
en la fórmula (5.1) se obtiene:
Z Z
x e dx = x e − 2 xex dx + c.
2 x 2 x
Z
Para resolver xex dx se usa el método de partes nuevamente. Si f = x
y g ′ = ex , entonces f ′ = 1 y g = ex . Por tanto
Z Z
xe dx = xe − ex dx = xex − ex + c.
x x
Luego:
Z
x2 ex dx = x2 ex − 2 (xex − ex + c) = x2 ex − 2xex + 2ex + c.
En el caso de una integral definida que se pueda resolver por partes la

fórmula es: Z b Z b
b
f g ′ = f g a − f ′ g.
a a
Donde:
b
f g a = f (b)g(b) − f (a)g(a).
Ejemplo 5.24.
e2
1
Z
2
Para hallar ln(x) dx. Sea f = ln(x) y g ′ = ln(x), entonces f ′ = y
e x
g = x ln(x) − x. Para x 6= 0
e2 ie2 e2
x ln(x) − x
Z h Z
2
ln(x) dx = ln(x) x ln(x) − x − dx
e e e x
h 2 i e2 Z e2
= x ln(x) − x ln(x) − ln(x) − 1 dx
e e
2 2 Z e2 Z e2
2 2 2 2
= e ln(e ) − e ln(e ) − e ln(e) − e ln(e) − ln(x) dx + dx
e e
e2 e2
= 4e2 − 2e2 − e + e − x ln(x) − x e + xe = 2e2 − e.

Ejemplo 5.25.
x2
Z
Calcular x ln(x) dx. Para esta integral se supone que: f ′ = x, f = ,
2
1
g ′ = y g = ln(x). Al aplicar la fórmula de la integral por partes (5.1) se
x
tiene que:
x2 ln(x) x x2 ln(x) x2
Z Z
x ln(x) dx = − dx = − + c.
2 2 2 4
Ejercicio 5.3.
Z
1. xe2x dx
Z
2. x2 ln(x) dx
Z
3. x3 ex dx
Z 1
4. x2 ex dx
0
3
1 2/x
Z
5. e dx
1 x2
5.2.3. Fracciones parciales

Una función f (x) es racional si es el cociente de dos polinomios P (x) y Q(x),
es decir,
P (x)
f (x) = .
Q(x)
Si el grado de P (x) es menor que el grado de Q(x) podemos deducir una
fracción parcial asociada; en caso contrario, se puede obtener la suma de
un polinomio y una función racional a través de la división de P (x) entre
Q(x).2
Ejemplo 5.26.
x x2
f (x) =
y g(x) =
x2 + 1 x2 + 1
son funciones racionales porque son razones entre polinomios; de la división
de polinomios y el teorema del factor se obtiene que:
x2
x+1
es expresable como:
1
x−1+ .
x+1
La integral de una función racional utiliza el método de fracciones par-
ciales, el cual transforma la función racional en expresiones simples; para
ello hacemos uso del teorema fundamental del álgebra: todo polinomio de
números reales es factorizable en polinomios de grado uno o dos.
P (x) = (x − c1 )(x − c2 )(c3 x2 + c4 x + c5 )

2 P (x) R(x)
= C(x) + , donde C(x) es el cociente de la división y R(x) el residuo; con
Q(x) Q(x)
números se tiene que 7/2 = 3 y queda 1 en el residuo; luego 7/2 = 3 + 1/2.
para cualquier polinomio P (x) de números reales, ya que algunos polinomios

cuadráticos no tienen números reales como raı́ces, sino números complejos.3
Ejemplo 5.27.
P (x) = x3 + x2 − 17x + 15 es expresable como producto de factores, ası́:
P (x) = (x − 3)(x + 5)(x − 1);
para verificarlo basta realizar el producto y obtener el polinomio. Este pro-

cedimiento en el que un polinomio se expresa en factores (productos) es
conocido como factorización.
Ejemplo 5.28.
R(x) = x4 + x3 − 5x2 + x − 6 es expresable como producto de factores, ası́:
R(x) = (x2 + 1)(x − 2)(x + 3).
En general un polinomio P (x) de números reales es expresable como

producto de factores lineales:
(x ± a)
y factores cuadráticos irreducibles:
(b1 x2 + b2 x + b3 ).
R(x)
Una función racional Q(x) = se puede expresar como:
P (x)
R(x) R(x)
Q(x) = =
P (x) (x + a1 )(x + a2 )(x2 + a3 x + a4 )
A1 A2 A3 x + A4
= + + 2 .
x + a1 x + a2 x + a5 x + a6
Aquı́ la parte interesante está en hallar las constantes: A1 , A2 , A3 , A4 ;

para ello construimos la suma de las fracciones; el numerador de la suma
se obtiene de un sistema de ecuaciones con igual cantidad de incógnitas y
ecuaciones.
3 2
√ Un polinomio como x + 1 no tiene raı́ces reales,
√ pero sı́ tiene raı́ces complejas: x =
± −1; la unidad imaginaria se representa por −1 = i. Por tanto x = ±i es la solución
de x2 + 1.
Ejemplo 5.29.
x+1 x+1
Sea Q(x) = = , entonces la fracción parcial
x2
− 8x + 15 (x − 3)(x − 5)
correspondiente es:
A1 A2
+ .
x−3 x−5
De donde:4
A1 (x − 5) + A2 (x − 3) x+1
= .
(x − 3)(x − 5) (x − 3)(x − 5)
Igualando términos semejantes:5
A1 x + A2 x − 5A1 − 3A2 = x + 1.
De donde:
(A1 + A2 )x = x
−5A1 − 3A2 = 1
Luego:
−5A1 − 3A2 = 1 (5.2)

A1 + A2 = 1 (5.3)
De (5.3) A1 = 1 − A2 . Reemplazando en (5.2) se tiene −5(1 − A2 ) − 3A2 = 1.

Luego, 2A2 = 6, es decir:
A2 = 3 y A1 = −2.
Por tanto:
x+1 x+1 2 3
= 2 =− + .
(x − 3)(x − 5) x − 8x + 15 x−3 x+5
Para resolver integrales las fracciones parciales son de mucha utilidad

ya que:
x+1 2 3
Z Z Z
dx = − dx + dx.
x2 − 8x + 15 x−3 x+5
4 a c ad + bc
+ = .
5
b d bd
Recuerde que los términos semejantes son las variables con la misma potencia.
Ejemplo 5.30.
t dx
Z Z
Para resolver dx = t usando fracciones parciales se
x(1 − x) x(1 − x)
tiene:
1 A B
= + .
x(1 − x) x 1−x
Por tanto, A(1 − x) + Bx = 1. Luego A − Ax + Bx = 1. Es decir,
A + (B − A)x = 1.
Igualando términos semejantes:
A=1
B−A=0
B=1
de donde:
Z
dx dx dx
Z Z

t =t + = t ln(x) + ln(1 − x) + c .
x(1 − x) x 1−x
Ejemplo 5.31.
3
Z
Para calcular dx, la fracción parcial asociada con la función
x2 + x − 6
racional es:
3 A1 A2
= + .
(x − 2)(x + 3) x−2 x+3
Resolviendo la suma de fracciones se obtiene:

3 A1 A2 A1 (x + 3) + A2 (x − 2)
= + = .
(x − 2)(x + 3) x−2 x+3 (x − 2)(x + 3)
Al igualar los numeradores se tiene:
3 = A1 x + 3A1 + A2 x − 2A2
3 = (A1 + A2 )x + 3A1 − 2A2 .
En el lado izquierdo de la ecuación se tiene:
3 = 0x3 + 0x2 + 0x + 3
entonces al igualar los términos semejantes:
3 = 3A1 − 2A2
0 = A1 + A2 .
De resolver el sistema se obtiene:
A1 = −A2 .
Luego:
3 = 3A1 − 2(−A2 ) = 3A1 + 2A2 = 5A1 .
Entonces:
3 3
A1 = y A2 = − .
5 5
3 3
3 5 5
= − .
x2 + x − 6 x−2 x+3
Por tanto,
3 3 dx 3 dx 3 3
Z Z Z
2
dx = − = ln(x − 2) − ln(x + 3) + c.
x +x−6 5 x−2 5 x+3 5 5
Ejercicio 5.4.
2x − 1
Z
1. dx
(x − 2)(x + 3)
7
Z
2. dx
x(x + 5)
5x + 3
Z
3. dx
x3 − 2x2 − 3x
4. Suponga que la inversión de una empresa está dada por:
A 1 − Debs
Z t
I= ds.
0 1 + CDebs
Todas las constantes son positivas. Hallar I usando la sustitución
x = CDebs .
5.3. Integrales impropias

Las integrales impropias surgen del incumplimiento de los supuestos de la
integral definida para función en un intervalo.
Ası́, si la función f (x) no está definida en c tal que c ∈ [a, b], entonces la
integral definida de f (x) en [a, b] se estudia a través de integrales impropias:
Z b Z c Z b
f (x) dx = f (x) dx + f (x) dx.
a a c
De tal manera que:

Z c Z h
f (x) dx = lim f (x) dx,
a h→c a
Z b Z b
f (x) dx = lim f (x) dx.
c m→c m
Un caso adicional que puede ser estudiado con las integrales impropias
es cuando la variable independiente se encuentra en un intervalo no acotado,
por ejemplo: [a, ∞) o (−∞, b].
Para éstas se define:
Z ∞ Z b
a b→∞ a
Z b Z b
−∞ a→−∞ a
La integral impropia es convergentes o no, si el lı́mite que la define es

convergente o no; si el lı́mite no existe la integral es divergente.
Dado que la integral impropia se obtiene de una integral
R ∞ definida, enton-
ces representa el área de una región no acotada; ası́, b f (x) dx es el área
de la región limitada por:
y = f (x), y = 0; desde x = b hasta cuando x → ∞.
Ejemplo 5.32.
Z ∞
Una función f (x) es una distribución de probabilidad si f (x) dx = 1;
−∞
Z ∞ Z b Z ∞
f (x) dx = f (x) dx + f (x) dx,
−∞ −∞ b
5.3. INTEGRALES IMPROPIAS 171
para cualquier número real b; luego:

Z b Z b
−∞ c→−∞ c
Z ∞ Z w
b w→∞ b
Por tanto f (x) es una función de distribución de probabilidad si:

Z b Z w
lim f (x) dx + lim f (x) dx.
c→−∞ c w→∞ b
Ejemplo 5.33.
Hallar el área de la región acotada por:
1
x = 1, f (x) = , y = 0.
x
El área de la región está dada por:
Z ∞
dx
1 x
es decir,
b
dx
Z
lim .
b→∞ 1 x
Por tanto:
lim ln(b) − ln(1) = ∞.
b→∞
No existe medida para el área de la región.
Ejemplo 5.34.
Hallar el área de la región acotada por:
1
f (x) = , x = 0, x = b.
x
El área está dada por:
b
dx
Z
,
0 x
es decir:
b
dx
Z

lim = lim ln(b) − ln(c) = −∞.
c→0+ c x c→0+
Luego no existe valor para el área de la región propuesta.
Ejemplo 5.35.
1 1
ln(x) ln(x)
Z Z
√ dx = lim √ dx
0 x b→0 b x
Debe ser claro que la función logaritmo no está definida en cero, ası́ como
tampoco la división por cero; por tanto esta integral es impropia, usando el
método de integral por partes:
f = ln(x), g ′ = x−1/2 , f ′ = x−1 y g = 2x1/2 .
Entonces:
1 1 1
ln(x)
Z Z 1 Z
−1/2 1/2
√ dx = x ln(x) dx = 2x ln(x) − 2 x1/2 x−1 dx

b x b b b
h i1
= −2b1/2 ln(b) − 2 2x1/2 = −2b1/2 ln(b) − 4 + 4b1/2 .
b
1
ln(x)
Z
√ dx = lim −2b1/2 ln(b) − 4 + 4b1/2 = −4.
0 x b→0
5.4. Ejercicios
∞
4
Z
1. dx
1 x3
∞
dx
Z
2.
3 3x − 2
∞
x2
Z
3. √ dx
1 2x3 + 5
Solución de ejercicios seleccionados
Ejercicio 2.2.
2. Sea f (x1 , x2 ) = Axa1 xb2 entonces
f (at, 7 ln 3) = A(at)a (7 + ln 3)b
y
f (4m, 3m) = A(4m)a (3m)b = A4a ma 3b mb = A4a 3b ma+b .
Ejercicio 2.3.
4. Dominio de
2x1 + 3x32
f (x1 , x2 ) = p
(1 − x2 )(x1 + 3)
está determinado por las parejas ordenadas (x1 , x2 ) tales que
(1 − x2 ) > 0 y (x1 + 3) > 0
o
(1 − x2 ) < 0 y (x1 + 3) < 0.
Por tanto
1 > x2 y x1 > −3
o
1 < x2 y x1 < −3.
Ejercicio 2.6.
n
xai i , entonces
Q
8. Sea y = f (x1 , . . . , xn ) = A
i=1
n
Y
y = f (wx1 , . . . , wxn ) = A (wxi )ai
i=1
n
xai i .
Y
= Awa1 xa11 wa2 xa22 · · · wan xann = wa1 +a2 +···+an A
i=1
9. Suponga que g(x, y) = z es una función

homogénea de grado uno.
g(x, y)
Probar que f (x, y) = a ln es función homogénea de grado
x
cero.
Para determinar si f es homogénea entonces:

g(λx, λy)
f (λx, λy) = a ln .
λx
Por hipótesis tenemos que
g(λx, λy) = λ g(x, y).
Por tanto

λ g(x, y) g(x, y)
f (λx, λy) = a ln = a ln .
λx x
Luego
f (λx, λy) = λ0 f (x, y).
Es decir, f (x, y) es homogénea de grado cero.
Ejercicio 3.1.
g(x)
= eg(x) ln f (x) . Por tanto:

1. d) y = f (x)
g(x)f ′ (x)

′
g(x) ′
y = f (x) g (x) ln(f (x)) + .
f (x)
2. Si f ′ (x) = 3x2 + 4, entonces f (x) = x3 + 4x + c.

5.4. EJERCICIOS 175
3. Si f (c) = g c2 · h(c) , entonces

f ′ (c) = g ′ c2 · h(c) 2c · h(c) + c2 · h′ (c) .

Ejercicio 3.2.
p
3. Sea y = x21 + 2x1 x2 entonces:
1 2 −1/2
yx′ 1 = x1 + 2x1 x2 (2x1 + 2x2 ),
2
1 2 −1/2
yx′ 2 = x1 + 2x1 x2 (2x1 ).
2
x1 + x1 x2
5. Sea y = entonces:
ex1 x2
(1 + x2 )ex1 x2 − x2 ex1 x2 (x1 + x1 x2 )
yx′ 1 = ,
(ex1 x2 )2
x1 ex1 x2 − x1 ex1 x2 (x1 + x1 x2 )
yx′ 2 = .
(ex1 x2 )2
Ejercicio 3.9.
∂z
2. Tenemos que = zx′ x′t + zy′ yt′ . Ası́:
∂t
zx′ = 5 − ex(y−2) − x(y − 2)ex(y−2) ,
zy′ = 2y − x2 ex(y−2) ,
x′t = w,
yt′ = 5.
De donde:
∂z
= w 5 − ex(y−2) − x(y − 2)ex(y−2) + 5 2y − x2 ex(y−2) .
∂t
Reemplazando t = 1 = w se obtiene:
∂z
= (5 − e3 − 3e3 ) + 5(10 − e3 ) = 55 − 9e3 .
∂t
Ejercicio 3.10.
3. Para y = xa1 x21−a entonces dy = ax1a−1 x21−a dx1 + (1 − a)x−a a

2 x1 dx2 .
Ejercicio 3.11.
3. Sea z = y 2 + 5x − xex(y−2) , entonces
dx zy′ 2y − x2 ex(y−2)
=− ′ =− .
dy zx 5 − ex(y−2) − x(y − 2)ex(y−2)
Cuando x = 1, y = 2 entonces
dx 4−1 3
=− =− .
dy 5−1 4
Ejercicio 3.12.
3. Sea U (x, y) = 100(x2 + y 2 )1/3 , entonces
100 2
dy U′ 3 (x + y 2 )−2/3 2x x
TMSyx = − = x′ = 100 2 2 −2/3
= .
dx Uy 3 (x +y ) 2y y
Si (x, y) = (2, 5) entonces
2
TMSyx = .
5
Por tanto, al pasar de consumir dos unidades de x a tres, esta unidad
adicional se sustituye por 52 unidades de y.
Ejercicio 4.2.
2. Una empresa produce a través de la siguiente relación:
f (K, L) = (K a + La )b .
Si p es el precio del bien producido por la empresa, w el salario y r la
renta del capital, entonces el beneficio de la empresa es:
(K, L) = p(K a + La )b − wL − rK.
Q
Para hallar el beneficio máximo y las cantidades de factores queQuti-

liza (demandas de factores), entonces las derivadas parciales de se
igualan a cero.
Q
d
= bp(K a + La )b−1 aK a−1 − r = 0, (1)
dK
Q
d
= bp(K a + La )b−1 aLa−1 − w = 0. (2)
dL
5.4. EJERCICIOS 177
De (1) y (2) se obtiene

K a−1 r
a−1
= .
L w
Luego
r a−1
K a−1 = L
w
r 1
a−1
K= L. (3)
w
Sustituyendo en (1):
a b−1
r a−1 a a r
bp L +L a La−1 − r = 0
w w
r a b−1 r
a(b−1) a−1
bpL 1+ a La−1 = r
w w
r a b−1 r
a(b−1) a−1 a−1
bpL L 1+ a =r
w w
r a b−1 r
ab−a+a−1 a−1
bpL 1+ a =r
w w
r a b−1 r
ab−1 a−1
bpL 1+ a =r
w w
r a b−1 w
Lab−1 1 +
a−1
=
w abp
w
r a 1−b
ab−1 a−1
L = 1+
abp w
1 1−b

w

ab−1
r a ab−1
a−1
L= 1+ .
abp w
Sustituyendo en (3):
1 1−b
r 1
w

ab−1
r a ab−1
a−1 a−1
K= 1+ .
w abp w
El beneficio máximo es
= p(K a + La )b − wL − rK,
Q
es decir:
Q
(K, L) =
"
r 1 1 a 1−b #a
a−1 w ab−1 r
a−1
ab−1
p 1+
w abp w
" 1 1−b #a !b
w

ab−1
r a ab−1
a−1
+ 1+
abp w
1 1−b

w

ab−1
r a ab−1
a−1
−w 1+
abp w
r 1 1 a 1−b
a−1 w ab−1 r
a−1
ab−1
−r 1+ .
w abp w
Ejercicio 4.3.
5. Maximizar
U (x, y) = a ln(x) + (1 − a) ln(y) s. a. p1 x + p2 y = m.
• Hallar las funciones de demanda x, y que maximizan la utilidad.

• Verificar que las funciones de demanda son homogéneas de grado
cero.
• Hallar la elasticidad de la demanda.
L = a ln(x) + (1 − a) ln(y) − λ(p1 x + p2 y − m).

a
L′x = − λp1 = 0, (4)
x
(1 − a)
L′y = − λp2 = 0, (5)
y
p1 x + p2 y = m. (6)
5.4. EJERCICIOS 179
De (4) y (5) igualando λ se obtiene:
a (1 − a)
=
xp1 yp2
ya que
ayp2 = xp1 (1 − a).
ayp2
x= . (7)
p1 (1 − a)
Reemplazando en (6) se obtiene:

ayp2
p1 + p2 y = m
p1 (1 − a)
ayp2
+ p2 y = m
(1 − a)

ap2
y + p2 = m
(1 − a)

ap2 + (1 − a)p2
y =m
(1 − a)
m(1 − a)
y= .
p2
Sustituyendo en (7)
ap2 m(1 − a) am
x= = .
p1 (1 − a) p2 p1
Sea
aλm am
x(λm, λp1 , λp2 ) = = λ0 = λ0 x(m,1 , p2 ),
λp1 p1
entonces la función de demanda x es homogénea de grado cero.
Sea
λm(1 − a)
y(λm, λp1 , λp2 ) = = λ0 y.
λp2
Entonces la función de demanda y es homogénea de grado cero.
(a − 1)mp2
yp′ 2 p2 p22
Elp2 y = = = −1.
y m(1 − a)
p2
Luego y tiene elasticidad unitaria respecto a p2 .
0 · p2
= 0.
Elp2 x =
x
Luego x es inelástica respecto a p2 .
Ejercicio 5.1.
1 1 1
x3 x5

2
Z Z
2 4
2. x dx − x dx = − = .
0 0 3 5 0 15
4
4 + 3y y 2 125
Z
4. − dy = .
−1 4 4 24
Ejercicio 5.2.
1. Para resolver
x
Z
√ dx
1 − 4x2
se plantea la sustitución
u = 1 − 4x2
para la cual se obtiene
du = −8x dx,
de donde
1
− du = x dx.
8
Introduciendo la sustitución en la integral se obtiene:

1 1 1
Z Z
√ x dx = √ − du
1 − 4x2 u 8
1 1
= − u1/2 + c = − (1 − 4x2 )1/2 + c.
4 4
5.4. EJERCICIOS 181
5.
ln(x + 2) 1
Z
2
dx = ln(x + 2) + c.
2x + 4 4
La integral puede resolverse por el método de partes y por sustitución.
6. Resolver:
x
2t − 2 2
Z
dt = ln x−1 .
3 t2 − 2t 3
Al resolver primero el lado izquierdo de la ecuación, por medio de la
sustitución
u = t2 − 2t,
tal que
du = (2t − 2) dt,
se obtiene:
2t − 2 du
Z Z
dt = = ln |u| = ln(t2 − 2t).
t2 − 2t u
Es decir:
Z x
2t − 2 x
2
dt = ln(t2 −2t)3 = ln(x2 −2x)−ln(9−6) = ln(x2 −2x)−ln(3).
3 t − 2t
Para resolver
x
2t − 2 2
Z
dt = ln x−1
3 t2 − 2t 3
se tiene entonces que:

2 2
ln(x − 2x) − ln(3) = ln x−1 .
3
Es decir:

2 2
ln(x − 2x) − ln x − 1 = ln(3)
3
 
 x2 − 2x
ln 
2
 = ln(3).

x−1
3
Aplicando antilogarı́tmo (o exponencial) a ambos lados, se tiene:
x2 − 2x
=3
2
x−1
3
x2 − 2x = 2x − 3
x2 − 4x + 3 = 0.
De donde: √
4± 16 − 12
x= ,
2
es decir
x1 = 1
x2 = 3.
7. √
x− x
Z
√ dx
x+ x
√
u= x
es decir,
u2 = x,
por tanto,
1
du = √ dx.
2 x
Reemplazando en la integral se tiene:
u2 − u u2 − u
Z
2
Z Z
2u du = 2 du = 2 (u − 2) + du,
u2 + u u+1 u+1
porque al dividir u2 − u entre u + 1 se obtiene u − 2 y el residuo es 2.

Ası́
u2 − u 2
= (u − 2) + .
u+1 u−1
5.4. EJERCICIOS 183
Entonces
Z 2 2
u −u u
2u du = 2 − 2u + 2 ln(u + 1) + c
u2 + u 2
2 √ 2 √ √
= x − 4 x − 4 ln x + 1 + c
2
√ √
= x − 4 x − 4 ln x + 1 + c.
8.
ln(x)
Z
√ dx.
x
Sea
f = ln(x) g ′ = x−1/2
1
f′ = g = 2x1/2 .
x
Entonces
ln(x) √ 1 1/2
Z Z
√ dx = 2 ln(x) x − 2x dx
x x
√
Z
= 2 x ln(x) − 2 x−1/2 dx
√
= 2 x ln(x) − 4x1/2 + c.
Ejercicio 5.3.
1 ′ x3
2. Sea f = ln(x), f ′ = , g = x2 , g = . Entonces
x 3
x3 1 x3 x3 ln(x) x3
Z Z
x2 ln(x) dx = ln(x) − dx = − + c.
3 x 3 3 9
4. Sea f = x2 , f ′ = 2x, g ′ = ex , g = ex . Entonces

Z 1 Z 1 Z 1
1 1
x2 ex dx = x2 ex 0 − 2xex dx = x2 ex 0 − 2 xex dx.
0 0 0
Utilizando el método de integral por partes nuevamente se tiene:

Z 1 Z 1
x 1
x
1
ex dx = xex − ex 0 .

xe dx = xe 0 −
0 0
Por tanto
Z 1 1
x2 ex dx = x2 ex − 2(xex − ex ) 0 .

0
5.4. EJERCICIOS 185
Ejercicio 5.4.
3. Se inicia con la fracción parcial
5x + 3 5x + 3 A B C
= = + +
x3 2
− 2x − 3x x(x − 3)(x + 1) x x−3 x+1
A(x − 3)(x + 1) + Bx(x + 1) + Cx(x − 3)
= .
x(x − 3)(x + 1)
De donde se obtiene el sistema de ecuaciones:
A+B+C =0
−2A + B − 3C = 5
−3A = 3.
De tal manera que

3 1
A = −1, B= , C=− .
2 2
Luego:
5x + 3 dx 3 dx 1 dx
Z Z Z Z
dx = − + −
x − 2x2 − 3x
3 x 2 x−3 2 x+1
3 1
= − ln |x| + ln(x − 3) − ln(x + 1) + c.
2 2
4. Suponga que la inversión de una empresa está dada por:

t
A(1 − Debs )
Z
I= ds.
0 1 + CDebs
Para hallar I se supone la sustitución x = CDebs , de donde
dx = CD bebs ds.
Es decir,
dx dx
ds = = .
b CDebs bx
Además
x
= Debs .
C
Entonces
A 1 − Cx A C x

C − C A (C − x)
Z Z Z
dx = dx = dx
(1 + x)b x (1 + x)b x Cb (1 + x)x
A C −x A C A x
Z Z Z
= dx = dx − dx
Cb (1 + x)x Cb (1 + x)x Cb (1 + x)x
A dx A dx
Z Z
= − .
b (1 + x)x Cb 1+x
Para resolver la segunda integral se tiene:

CDebt CDebt
A dx A
Z
= ln(1 + x)

Cb CD 1+x Cb CD
A
= ln(1 + CDebt ) − ln(1 + CD)
Cb
1 + CDebt

A
= ln .
Cb 1 + CD
Para resolver la primera integral se utilizan fracciones parciales,

1 A B Ax + B(1 + x)
= + = .
(1 + x)x 1+x x (1 + x)x
De donde
1 = (A + B)x + B.
Por tanto:
B=1
A = −1.
De donde:
bt
A CDe iCDebt

1 1 Ah
Z
− dx = ln(x) − ln(1 + x)
b CD x 1+x b CD
CDebt
A x
= ln
b 1 + x CD
CDebt

A A CD
= ln − ln .
b 1 + CDebt b 1 + CD
5.4. EJERCICIOS 187
De donde:
t
A(1 − Debs )
Z
I= ds
0 1 + CDebs
CDebt 1 + CDebt

A A CD A
= ln − ln − ln
b 1 + CDebt b 1 + CD Cb 1 + CD
A A
= ln(CDebt ) − ln(1 + CDebt )
b b
A A
− ln(CD) + ln(1 + CD)
b b
A A
− ln(1 + CDebt ) + ln(1 + CD)
Cb Cb

A
= ln(CDebt ) − ln(1 + CDebt )
b
− ln(CD) + ln(1 + CD)

1 1
− ln(1 + CDebt ) + ln(1 + CD)
C C
!
A (CDebt )(1 + CD)(1 + CD)1/C
= ln
b (1 + CDebt )(CD)(1 + CDebt )1/C
1+C
!
A ebt (1 + CD) C
= ln 1+C .
b (1 + CDebt ) C
Ejercicio 5.5.
∞
dx
Z
2. es divergente.
3 3x − 2
Ejercicio 4.2.
2.
  
h i a f g x
 
x y z  b e h y  =
  
c d i z
 
h i x
ax + by + cz f x + ey + dz gx + hy + iz y  =

z
ax2 + bxy + cxz + f xy + ey 2 + dyz + gxz + hyz + iz 2 .

" #
a b
6. Sea A = , se va a mostrar que:
c d
A2 = (a + d)A − (ad − bc)I2×2 .
Resolviendo ambos lados:

" #
a2 + bc ab + bd
A2 = ,
ac + cd bc + d2
" # " #
a b 1 0
(a + d)A − (ad − bc)I2×2 = (a + d) − (ad − bc)
c d 0 1
" # " #
(a + d)a (a + d)b ad − bc 0
= −
(a + d)c (a + d)d 0 ad − bc
" #
a2 + ad − ad + bc ab + bd
=
ac + cd ad + d2 − ad + bc
" #
a2 + bc ab + bd
= .
ac + cd bc + d2
De donde se comprueba la igualdad.

5.4. EJERCICIOS 189
7. Una matriz cuadrada A es idempotente si AA = A. Para probar que

 
2 −2 −4
 
A = −1 3
 4
1 −2 −3
es idempotente, entonces
 
4+2−4 −4 − 6 + 8 −8 − 8 + 12
 
AA = 
−2 − 3 + 4 2+9−8 4 + 12 − 12 

2+2−3 −2 − 6 + 6 −4 − 8 + 9
 
2
−2 −4
 
=
−1 3 4 = A.
1 −2 −3
8. Dada la matriz  
−2 −42
 
A=
 −1 3 4 ,

1 −2 −3
para hallar A3 , en el ejercicio 7 se probó que AA = A2 = A. Entonces
A3 = AAA = A2 A = AA = A.
Ejercicio 5.4.
1. Para que la matriz

 
a a2 − 1 −3
 
a + 1
 2 a2 + 4

−3 4a −1
sea simétrica, entonces
a2 − 1 = a + 1, (8)
2
a + 4 = 4a. (9)
Se tienen que cumplir (8) y (9) simultáneamente.

Resolviendo (8)
a2 − a − 2 = 0
entonces:
a1 = −1
a2 = 2.
Resolviendo (9)
a2 − 4a + 4 = 0
entonces:
a3,4 = 2.
Luego el único valor que cumple las dos ecuaciones es a = 2, para el

cual se tiene:  
2 3 −3
 
,
3 2 8

−3 8 −1
una matriz simétrica.
Bibliografı́a
Casas,D. (2007). Elementos de matemáticas para economı́a. Universidad del

Rosario.
Apostol, T. (1972). Calculus. (2 ed.). Editorial Reverté.
Barbolla, R.; Cerda, E., y Sanz, P. (2001). Optimización. Prentice Hall.
Chiang, A. (1987). Métodos fundamentales de economı́a matemática. (3 ed.).
McGraw-Hill.
Grossman, S. (1996). Álgebra lineal. (5 ed.). McGraw-Hill.
Hoffmann, L. y Bradley, G. (2001). Cálculo. (7 ed.). McGraw-Hill
Nicholson, W. (1997). Teorı́a microeconómica. (6 ed.). McGraw-Hill.
Pérez-Grasa, I.; Minguillón, E., y Jarne, G. (2001). Matemáticas para la
economı́a. McGraw-Hill.
Simon, C. y Blume, L. (1994). Mathematics for economists. W. W. Norton
& Company.
Sydsaeter, K. y Hammond, P. (1996). Matemáticas para el análisis económi-
co. Prentice Hall.
Thomas, G. y Finney, R. (1987). Cálculo con geometrı́a analı́tica, vol. 2
(6 ed.). Addison-Wesley Iberoamericana.
Debreu, G. (1973). Teorı́a del valor. Antoni Bosch, editor.
Novales, A. (1993). Econometı́a. (2 ed.). Mc Graw Hill.
Greene, W. (1999). Análisis econométrico. (3 ed). Prentice Hall.

Elementos de Economia Matematica Daniel Casas

Cargado por

Información del documentohacer clic para expandir la información del documento

Copyright:

Formatos disponibles

Elementos de Economia Matematica Daniel Casas

Cargado por

Información del documento

Descripción original:

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Elementos de Economia Matematica Daniel Casas

Cargado por

Copyright:

Formatos disponibles

Elementos de economı́a matemática

Daniel Ricardo Casas Hernández

2.2.4. Función tipo Leontief . . . . . . . . . . . . . . . . . . 61

5.4. Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 172

Cualquier alusión a matrices es una referencia a un objeto repartido en filas

Definición 1.1. Un vector es un conjunto de números reales ordenados en

Si un vector es una columna

Un vector x (independiente de ser fila o columna) representa una fle-

del vector, ası́ x2 representa la segunda componente del vector x =

El orden en un vector es un caracterı́stica importante

la dirección horizontal y 4 en la vertical:

Definición 1.2. Dos vectores x, y son iguales, solamente si los números

en las componentes ′ correspondientes

Los vectores no solamente inician en el origen del plano cartesiano, un

Para los puntos x, y, el vector − → es equivalente con el vector y − x que

general para dos puntos (x1 , x2 , . . . , xn ), (y1 , y

Ejercicio 1.1. Representar en el espacio correspondiente los vectores o pun-

Definición 1.3. Dado un vector x′ = x1 , x2 , . . . , xn y un número real α

(también conocido como escalar), el producto

Por la propiedad conmutativa del producto de números reales x′ α =

Definición 1.4. Dos vectores x′ , y′ son paralelos si existe un escalar α tal

1.1.1. Suma de vectores

está dada por

representación gráfica de esta suma de vectores es

• (x′ + y′ )α = αx′ + αy′ .

• (α + β)x′ = αx′ + βx′ .

1.1.2. Producto escalar

Definición 1.6. Para dos

para los correspondientes factores, entonces p′ (x′A + x′B ) es el vector de

El producto escalar satisface las siguientes propiedades para los vectores x,

• (αx) · y = α(x · y) = x · (αy)

Definición 1.7. Dos vectores x′ , y′ son perpendiculares si x′ · y′ = 0.

1.1.3. Norma de un vector

Definición 1.8. Para un vector x′ = x1 , x2 , x3 , . . . , xn la norma de x′ es

Para vectores que no están anclados en el origen, sino que tienen un

k−→ k= p(4 − 1)2 + (1 − 2)2 = √10.

Un vector x es unitario si ||x|| = 1. Sin embargo, cualquier vector tiene

Algunas propiedades de la norma de un vector son:

i) ||x|| ≥ 0 para cualquier vector x.

ii) ||αx|| = |α|||x|| para cualquier vector x y número real α.

iii) ||x + y|| ≤ ||x|| + ||y||

La propiedad iii) se conoce como la desigualdad triangular y se interpreta

Para los vectores x′ = 1, −1, 3 , y′ = α, 2, −2 :

Hallar 2x′ − 3y′ .

Un vector w′ es combinación lineal de vectores x′ , y′ si existen α y β

Definición 1.9. Una matriz es un arreglo o conjunto A de números reales

Los elementos de la matriz son tomados de algún conjunto de números, lo

Sea aij un número real, para i = 1, 2, 3, . . . , n y j = 1, 2, 3, . . . , m; al

se denomina matriz de tamaño n × m.

la componente a32 está ubicada en la fila 3 y la columna 2. La componente

Construir una matriz 5 × 2 tal que:

Definición 1.10. Una matriz es cuadrada si tiene igual número de filas

Definición 1.11. Las componentes de la forma aii forman la diagonal

una matriz cuadrada de 2 × 2; las componentes de la diagonal principal son

Definición 1.12. Una matriz es diagonal si todas las componentes aij ,

Definición 1.13. Una matriz es triangular inferior si aij es cero, para

Definición 1.14. Una matriz es triangular superior si aij es cero, para

1. Para qué valores de a, b, c y d se cumple que: