‫الــــباب الــــثاني‬

‫‪ 2.1‬المدخل الرياضي لإلنتاج والتكاليف‪.‬‬

‫‪ 2.2‬المشتقات العليا‪.‬‬
‫‪ 2.3‬النهايات العظمى والصغرى للدوال‪.‬‬
‫‪ 2.4‬التمييز بين النهايات العظمى والصغرى للدوال‬
‫‪ 2.5‬التعظيم و التدنية الغير مقيدة & ‪Unconstrained Maxima‬‬
‫‪Minima‬‬
‫أ ) في حالة الدوال ذات المتغير الواحد‪:‬‬
‫‪( -1‬الشرط األساسي)‪Necessary Condition :‬‬
‫‪( -2‬الشرط الكافي ) ‪Sufficient Condition‬‬
‫أ) سالبة إذا كانت قيمة ‪ Y‬هي الكبرى‬
‫ب) موجبة إذا كانت قيمة هي الصغرى‬
‫ج) في حالة الدوال ذات المتغيرات المتعددة‬
‫‪ 2.6‬التعظيم و التدنية المقيدة ‪Constrained Maxima &Minima‬‬
 ‫مــدخـل رياضــــي لإلنـــــتاج والــــــتكاليف‬
‫‪dy‬‬ ‫الـــــمشتقات الــــــعليا‪:‬‬
‫)‪y  f ( x‬‬
‫‪ ،‬هي‬ ‫للـــدالة‬‫‪dx‬‬ ‫غالبا ً ما تكون المشتقة األولى ‪First Derivatives‬‬ ‫•‬
‫أيضا دالة أخرى للمتغير ‪ . x‬وفي هذه الحالة يمكن أن نجري عملية التفاضل على المشتقة األولى‬
‫ونحصل على ما يسمى بالمشتقة الثانية ‪ .Second Derivatives‬بالمثل إذا كانت المشتقة الثانية‬
‫هي أيضا دالة للمتغير ‪ ،x‬فإنه يمكن الحصول منها على المشتقة الثالثة وهكذا‪.‬‬
‫وعادة نرمز إلى المشتقات األولى والثانية والثالثة والرابعة‪...‬الخ‪ ،‬بواحدة من الطرق التالية‪:‬‬ ‫•‬
‫•‬
‫الطريقة األولى‪dy d 2 y d 3 y d 4 y :‬‬
‫‪,‬‬ ‫‪2‬‬
‫‪,‬‬ ‫‪3‬‬
‫‪,‬‬
‫‪dx‬‬ ‫‪dx‬‬ ‫‪dx‬‬ ‫‪dx 4‬‬

‫‪y , y , y ‬‬ ‫الطريقة الثانية‪:‬‬ ‫•‬

‫‪y1 , y 2 , y 3‬‬ ‫الطريقة الثالثة‪:‬‬ ‫•‬

‫)‪f ( x), f  ( x), f ( x‬‬ ‫الطريقة الرابعة‪:‬‬ ‫•‬

‫•‬
‫النهايات الــعـظـمـى والــصـغـرى للـدوال‬
‫‪Y‬‬

‫‪x‬‬

‫شكل رقم (‪ )2.3‬الــــقيمة الحــــــرجـــــــــــة‬

 ‫يــمكن الــتمييز بين الــنهايات الــعظمى والــصغرى‬
‫للــدوال الــتي تــعترضنا بالــطرق الـــتالية‪:‬‬
‫اوالً‪ :‬أحـصل على المـشتقتين األولى‬
‫‪dy‬‬
‫‪d2y‬‬
‫‪dx 2‬‬ ‫‪ ،‬والثانية‬ ‫‪dx‬‬
‫•‬
‫‪dy‬‬
‫ثانيا‪ :‬ضع ‪ ، dx  0‬وحـل الـمعادلة لتحصل على القيم الحرجة‪ ،‬وغالبا ما‬ ‫•‬
‫تكون عندنا قيمة واحدة حرجة‪.‬‬
‫ثالثا‪ :‬إذا كانت ‪ ddxy‬سالبة تكون للدالة نهاية عظمى عند القيمة الحرجة‪.‬‬ ‫•‬
‫‪2‬‬

‫‪2‬‬

‫موجبة‪ddxy‬تكون للدالة نهاية صغرى عند القيمة الحرجة‪.‬‬ ‫أما إذا كانت‬
‫‪2‬‬

‫‪2‬‬

‫مع مالحظة أنه يطلق على نقط النهايات العظمى والصغرى اسم " نقط‬ ‫•‬
‫الرجوع"‪.‬‬
‫كما قد ال تكون للدالة نهاية عظمى أو صغرى عند النقطة التي تكون‬ ‫•‬
‫‪ ،‬و تسمى هذه نقطة‬ ‫‪ ،‬ويحدث ذلك عندما تكون‬ ‫فيها‬
‫‪2‬‬
‫‪d y‬‬
‫‪0‬‬
‫اإلنقالب‪.‬‬
‫‪dy‬‬
‫‪dx‬‬
‫‪0‬‬
‫‪dx 2‬‬
 ‫الــتعظيم والــتدنية الــغير مـــقيدة ‪Unconstrained‬‬
‫‪Maxima & Minima‬‬
‫)‪y  f ( x‬‬
‫أ ) في حالة الدوال ذات المتغير الواحد‪:‬‬ ‫•‬
‫يوجد شرطان للحصول على قيمة المعظمة‬ ‫•‬
‫‪ Maximization‬أو التدنية ‪:Minimization‬‬
‫‪( -1‬الشرط األساسي) ‪ : Necessary Condition‬وفيه‬ ‫•‬
‫يجب أن تكون المشتقة األولى عند تلك القيمة‬
‫(حدية)‪ Stationary‬تساوي صفر‬
‫‪dy‬‬
‫‪ f `( x )  0‬‬
‫‪dx‬‬

‫‪( -2‬الشرط الكافي ) ‪ :Sufficient Condition‬وفيه يجب‬ ‫•‬

‫أن تكون المشتقة الثانية‪:‬‬
‫‪d  dy  d y‬‬
‫‪2‬‬

‫‪‬‬ ‫‪‬‬
‫‪dx  dx ‬‬ ‫‪dx‬‬
‫‪ f ( x)  0‬‬
‫‪2‬‬
‫أ) سالبة إذا كانت قيمة ‪ Y‬هي الكبرى‪:‬‬ ‫•‬
y
0
x

2 y
0
x 2
‫‪f ( x)  0‬‬
‫``‬ ‫ب) موجبة إذا كانت قيمة ‪ Y‬هي الصغرى‬

‫‪Y‬‬

‫)‪f(x‬‬

‫‪2 y‬‬
‫‪0‬‬
‫‪x 2‬‬

‫‪f `` ( x)  0‬‬

‫‪y‬‬
‫‪0‬‬
‫‪x‬‬

‫‪X‬‬

‫شكل رقم (‪ )2.6‬التعظيم والتدنية الغير مقيدة عندما ‪ Y‬موجبة‬

 ‫هذا ويسمى الشرط األول بــــــ‪FIRST ORDER CONDITION (FOC) :‬‬
‫ويسمى الشرط الثاني بــــــــ‪SECOND ORDER CONDITION (SOC) :‬‬
‫في الجدول التالي يمكن أن نلخص هذه الشروط في الحالة العامة للدوال ذات المتغيرين ‪Conditions‬‬
‫)‪for (Extreme) Stationary Value of y= f(x1, x2‬‬

‫جدول رقم (‪ ) 2.1‬الشروط العامة للدوال ذات المتغيرين في حالة التعظيم والتدنية الغير مقيدة‬

‫‪Minimum‬‬ ‫‪Maximum‬‬ ‫‪Condition‬‬

‫‪(FOC)First Order‬‬
‫‪f1=f2=0‬‬ ‫‪f1=f2=0‬‬ ‫‪Condition‬‬
‫(‪)Necessary Condition‬‬
‫((الشرط األساسي))‬

‫‪(SOC)Second Order‬‬
‫‪f11>0, f22>0‬‬ ‫‪f11<0, f22<0‬‬ ‫‪Condition‬‬
‫‪f11.f22 > (f12)2‬‬ ‫‪f11.f22 > (f12)2‬‬ ‫(‪)Sufficient Condition‬‬
‫(الشرط الكافي)‬
y ( x)   x 2 y ( x)  x 2
dy dy
 2 x  0  2x  0
dx dx
d2y d2y
 2 20
dx 2 dx 2
‫) ‪y  f ( x1 , x2 ,, xn‬‬ ‫‪ )2‬الــدوال ذات الـــمتغيرات الـــمتعددة‪:‬‬
‫في هذه الحالة فإن الشروط السابقة تعمم على (‪ )n‬متغير وليس متغيرين فقط‪ ،‬لذلك يجب إستعمال المصفوفات لكتابة الشرط الكافي(الثاني)‬
‫)‪Conditions for (Extreme) Stationary Value of y= f(x1, x2,…,xn‬‬
‫جدول رقم (‪ )2.2‬الشروط العامة للدوال ذات أكثر من متغيرين في حالة التعظيم والتدنية الغير مقيدة‬

‫‪Minimum‬‬ ‫‪Maximum‬‬
‫‪Condition‬‬
‫‪f1=f2=…=fn= 0‬‬ ‫‪f1=f2=…=fn= 0‬‬ ‫‪(FOC) First Order Condition‬‬
‫)‪(Necessary Condition‬‬
‫)) لاــشرط اـألساسي((‬

‫|‪,H1|>0, |H2|>0‬‬ ‫|‪,H1|<0, |H2|>0‬‬ ‫‪(SOC) Second Order Condition‬‬

‫|‪…,H3|>0, |H4|>0‬‬ ‫|‪…,H3|<0,|H4|>0‬‬ ‫(‪)Sufficient Condition‬‬
‫(الشرط الكافي)‬
 ‫ماهي |‪ |H‬؟‬
‫• | |‪H‬تسمى محددة هيسيان “‪”Hessian Determinant‬أو‬
‫باختصار بسيط فقط فإن هيسيان عبارة عن مصفوفة‬
‫‪ Matrix‬أفرادها عبارة عن المشتقات الثانية للدالة المعطاة‪.‬‬
‫• إفرض ) ‪ y  f ( x1 , x 2‬أن من هذه الدالة فإن‬
‫‪ Hessian‬يكتب كالتالي‪:‬‬
‫‪d2 f‬‬ ‫‪d2 f‬‬
‫‪dx12‬‬ ‫‪dx1 dx 2‬‬ ‫‪fx1 x1‬‬ ‫‪fx1 x 2‬‬ ‫‪f 11‬‬ ‫‪f 12‬‬
‫‪H ‬‬ ‫‪‬‬ ‫‪‬‬
‫‪d2 f‬‬ ‫‪d2 f‬‬ ‫‪fx 2 x1‬‬ ‫‪fx 2 x 2‬‬ ‫‪f 21‬‬ ‫‪f 22‬‬
‫‪dx 2 dx1‬‬ ‫‪dx 22‬‬
 ‫‪Y  f ( x1 , x2 , xn‬‬ ‫فلو فرضنا أن لدينا ‪ n‬متغير في الدالة أعاله‬

‫فإن هيسيان يصبح‬

‫‪f 11‬‬ ‫‪f 12‬‬ ‫‪‬‬ ‫‪f 1n‬‬

‫‪f 21‬‬ ‫‪f 22‬‬ ‫‪‬‬ ‫‪f 2n‬‬
‫‪H ‬‬
‫‪‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪‬‬
‫‪f n1‬‬ ‫‪f n2‬‬ ‫‪‬‬ ‫‪f nn‬‬

‫من هذا الـ هيسيان يمكن كتابة ال ‪ Principal Minors‬للهيسيان اعاله كالتالي (قارن مع الجدول السابق)‪:‬‬

‫‪H1‬‬ ‫‪‬‬ ‫‪f 11 ,‬‬

‫‪f 11‬‬ ‫‪f 12‬‬
‫‪H‬‬ ‫‪2‬‬
‫‪‬‬ ‫‪,‬‬
‫‪f‬‬ ‫‪21‬‬
‫‪f‬‬ ‫‪22‬‬

‫‪f 11‬‬ ‫‪f 12‬‬ ‫‪f 13‬‬

‫‪H‬‬ ‫‪3‬‬
‫‪‬‬ ‫‪f 21‬‬ ‫‪f 22‬‬ ‫‪f 23‬‬
‫‪f 31‬‬ ‫‪f 32‬‬ ‫‪f 33‬‬
 ‫مثال‪:‬‬
‫دالة الربح ‪ Profit Function‬نعلم أن الربح = الدخل – التكلفة‬

‫•‬
‫‪C  r1 x  r2 x2  ....‬‬ ‫‪R  P*Q‬‬ ‫‪RC‬‬

‫) ‪  P.Q  C (Q‬‬

‫)‪  P.Q  C (Q‬‬

‫الشرط األساسي ‪First Order Condition‬‬

‫ويتطلب أن تكون المشتقة األولى صفراً‪:‬‬
‫‪d‬‬ ‫‪dC‬‬
‫‪ P‬‬ ‫‪0‬‬
‫‪dQ‬‬ ‫‪dQ‬‬
‫‪ P  MC  0‬‬

‫‪P=MC‬‬ ‫لتعظيم الربح‬

 ‫الشرط الكافي ‪Second Order Condition‬‬
‫وفـيه يـجب أن تـكون الــمشتقة الــثانية ســالبة‪:‬‬

‫‪d ‬‬
‫‪2‬‬
‫‪d C‬‬ ‫‪2‬‬

‫‪2‬‬
‫‪‬‬ ‫‪0‬‬ ‫‪‬‬ ‫‪2‬‬
‫‪‬‬ ‫‪0‬‬
‫‪dQ‬‬ ‫‪dQ‬‬
‫) ‪d ( MC‬‬
‫‪OR‬‬ ‫‪0‬‬
‫‪dQ‬‬
‫مــاذا يــعني هذين الـــشرطين في حالة مـــعظمة‬
‫الــــربح؟‬
‫‪ -1‬الـشرط األسـاسي يجب فيه أن تكون التكاليف الحدية )‪Marginal Cost (MC‬‬
‫مساوية للسعر ‪ ،Price‬فعلى هذا األساس فإنه يوجد نقطتين وليس نقطة واحدة‬
‫تتساوى عندها التكاليف الحدية بالسعر وهما ‪ x‬و‪ .y‬وهذا يعني أن هناك نـقطتين‬
‫لـتعظيم الــربح‪ .‬غير أن أحدهما (‪ )Y‬يكون عندها ()‪ )Average Cost (AC‬أكبر‬
‫من (‪ )MC‬وهذا يعني أن هناك خسارة‪،‬‬
‫• فــما هــو الــــــحل؟‬
‫‪ -2‬الشرط الكافي وفيه يجب أن تكون المشتقة الثانية سالبة لكي نحصل على اكبر ربح‬
‫ممكن‪ ،‬أو بمعنى آخر يجب أن تكون المشتقة األولى للتكاليف الحدية موجبة‬
‫(متزايدة)‪ .‬من هنا يتضح أنه فقط نقطة (‪ )x‬هي التي تفي بالشرطين في نفس‬
‫الوقت‪ ،‬في حين نقطة (‪ )Y‬ال تفي إالّ بالشرط األول وليس الثاني‪.‬‬
 ‫‪$‬‬
‫‪MC‬‬

‫‪P=MC‬‬ ‫‪AC‬‬
‫‪P=MC‬‬

‫‪Y‬‬ ‫‪X‬‬ ‫‪P‬‬

‫‪Q‬‬

‫شكل رقم (‪ :)2.8‬نقطتين لتعظيم الربح نقطة (‪ )x‬هي التي تفي بالشرطين في نفس الوقت‪ ،‬في حين نقطة (‪ )Y‬التفي إالّ‬
‫بالشرط األول‪.‬‬
‫الـــتعظيم والـــتدنية الـــمقيدة ‪Constrained Maxima &Minima‬‬

‫في هذا النوع من المسائل تظهر معادلة (أو معادالت ) أخرى تقيد قيمة (أو قيم) عوامل‬
‫اإلنتاج (أو غيرها)‪ .‬فالمستهلك مثالً عادة يعظم دالة منفعته بشرط أال ّ يتجاوز‬
‫مايصرفه على السلع دخله المحدد‪ ،‬فهنا معادلة الدخل تعتبر المقيد لمعظمة دالة‬
‫المنفعة‪.‬‬

‫‪max‬‬ ‫) ‪U  u ( x1 , x 2‬‬
‫‪M  P1 x1  P2 x 2‬‬ ‫‪Subject to‬‬
‫لـحل هذا الـنوع من الـمسائل يــتم اإلســتعانة بــطريقة الجــــــــــــرانج ‪ LAGRANGE MULTIPLIER APPROACH‬كالتالى‪:‬‬

‫) ‪L  U ( x1 , x2 )   ( M  P1 x1  P2 x2‬‬
‫الحظ أنه في التعظيم الغير مقيد (محدود) فإن المعادلة التي نأخذ منها المشتقات هي‬
‫نفسها المعادلة األساسية في حين أنه في التعظيم المقيد فإن هذه المعادلة تتغير إلى‬
‫مايسمى بـ "معادلة الجرانج" ‪.LAGRANGIAN FUNCTION‬‬
‫إذاً فــإن الـــشرطين األســــاسي والــــكافي هما‪ )1(:‬الـــشرط‬
‫األســــاسي ‪:FOC‬‬

‫‪d‬‬ ‫‪du‬‬
‫‪1 ‬‬ ‫‪‬‬ ‫‪ P1  0‬‬
‫‪dx1‬‬ ‫‪dx1‬‬
‫‪d‬‬ ‫‪du‬‬
‫‪2 ‬‬ ‫‪‬‬ ‫‪ P2  0‬‬
‫‪dx2‬‬ ‫‪dx2‬‬

‫‪d‬‬
‫‪ ‬‬ ‫‪ M  P1 x1  P2 x2  0‬‬
‫‪d‬‬
 ‫الشرط الكافي ‪SOC‬‬
‫يجب أن نكوّ ن مايسمى بـ هيسيان المحدود “‪ ”Bordered Hessian‬ويرمز له بالرمز ‪،‬‬
‫والتي هي عبارة عن مصفوفة أفرادها المشتقات الثانية من معادلة الجرانج لكل عامل‬
‫متغير (‪ )xi‬ومضروب الجرانج “‪.”λ‬‬
‫‪ dl1‬‬ ‫‪dl1‬‬ ‫‪dl1 ‬‬
‫‪‬‬ ‫‪‬‬
‫‪ dx1‬‬ ‫‪dx2‬‬ ‫‪d   ‬‬ ‫‪ 12  1 ‬‬
‫‪11‬‬
‫‪ dl2‬‬ ‫‪dl2‬‬ ‫‪dl2  ‬‬ ‫‪‬‬
‫‪H ‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪‬‬
‫‪d  ‬‬
‫‪21‬‬ ‫‪22‬‬ ‫‪2 ‬‬
‫‪dx1‬‬ ‫‪dx2‬‬
‫‪‬‬ ‫‪ ‬‬ ‫‪‬‬‫‪ 1   2‬‬ ‫‪0 ‬‬ ‫‪‬‬
‫‪‬‬ ‫‪dl‬‬ ‫‪‬‬ ‫‪dl‬‬ ‫‪‬‬ ‫‪dl‬‬ ‫‪‬‬ ‫‪‬‬
‫‪‬‬
‫‪ dx1‬‬ ‫‪dx2‬‬ ‫‪d ‬‬ ‫‪‬‬

‫‪‬‬
‫‪0‬‬
‫دائما‬ ‫‪1‬‬ ‫وفيه يجب مالحظة أن‬
 ‫إذاً من ‪ FOC‬يمكن كتابة هيسيان المحدود “‪ ”Bordered Hessian‬ويرمز له بالرمز‬
‫للمسألة أعاله (أي تعظيم دالة المنفعة) كالتالي‪:‬‬

‫‪ U 11‬‬ ‫‪U 12‬‬ ‫‪ P1 ‬‬

‫‪MU i‬‬
‫‪H   U 21‬‬ ‫‪U 22‬‬ ‫‪‬‬
‫‪ P2 WHERE : U IJ ‬‬
‫‪x j‬‬
‫‪ P1‬‬ ‫‪ P2‬‬ ‫‪0 ‬‬

‫بعد ذلك فإن ال ‪SOC‬ينص على أن يكون ال كالتالي‪:‬‬

‫‪H‬‬ ‫‪1‬‬
‫‪ 0,‬‬ ‫‪H 2  0, H 3  0‬‬

‫حيث‪:‬‬
‫‪U 11 U 12 P1‬‬ ‫‪U 11 U 12‬‬
‫‪H 3  U 21 U 22 P2‬‬ ‫‪H2 ‬‬ ‫‪H 1  U 11‬‬
‫‪U 21 U 22‬‬
‫‪P1‬‬ ‫‪P2‬‬ ‫‪0‬‬
‫لكي يسهل علينا كتابة جدول شروط التعظيم والتدنية المقيدة سوف نكتب الصيغة العامة للهيسيان‬
‫المحدد في حالة معادلة تقييد واحدة فقط‪:‬‬

‫‪Max‬‬
‫) ‪y  f ( x1 , x 2 ,, x n‬‬
‫‪.‬‬ ‫‪ST‬‬
‫‪g  f ( x1 , x2 ,, xn )  0‬‬

‫‪Lagrangian Function‬‬
‫]) ‪l  f ( x1 , x2 ,, xn )  [ g ( x1 , x2 ,, xn‬‬

‫‪FOC L1 = 0,‬‬ ‫‪L2=0‬‬ ‫‪,…,‬‬ ‫‪Ln = 0,‬‬ ‫‪Lλ =0‬‬

 :‫ يمكن كتابة الهيسيان المحود كتالي‬FOC ‫من ال‬

11 12  1n 1

 21  22  2n 2
H      
‫ ى‬1 ‫ ى‬2   nn  n
 1  2   n  
 :‫شــروط الــــنهايات الــمقيدة‬
‫) الشروط العامة للدوال ذات أكثر من متغيرين في حالة التعظيم والتدنية المقيدة‬2.3( ‫جدول رقم‬ •

Minimum Maximum Condition

)FOC(First Order Condition

L1=L2=…=Ln=Lλ= 0 L1=L2=…=Ln=Lλ= 0
)Necessary Condition(
))‫((الشرط األساسي‬

SOC(Second Order condition)

H2  0 H 3  0 H 4  0 )Sufficient H 3  0( H 4  0
H 2  0Condition
)‫(الشرط الكافي‬