‫الــــباب الــــثاني‬

‫المدخل الرياضي لإلنتاج والتكاليف‪.‬‬

‫المشتقات العليا‪.‬‬
‫النهايات العظمى والصغرى للدوال‪.‬‬
‫التمييز بين النهايات العظمى والصغرى للدوال‬
‫التعظيم 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
‫التعظيم و التدنية المقيدة ‪Constrained Maxima &Minima‬‬
 ‫مــدخـل رياضــــي لإلنـــــتاج والــــــتكاليف‬

‫الـــــمشتقات الــــــعليا‪:‬‬
‫‪dy‬‬
‫أيضا دالة أخرى للمتغير ‪.x‬‬ ‫)‪ y، f (x‬هي‬ ‫للـــدالة‬ ‫‪dx‬‬ ‫غالبًا ما تكون المشتقة األولى ‪First Derivatives‬‬
‫وفي 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:‬‬
‫‪dy d 2 y d 3 y d 4 y‬‬ ‫الطريقة األولى‪:‬‬
‫‪, 2, 3, 4‬‬
‫‪dx dx dx dx‬‬
‫‪y , y , y ‬‬ ‫الطريقة الثانية‪:‬‬

‫‪y1 , y 2 , y 3‬‬ ‫الطريقة الثالثة‪:‬‬

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

‫النهايات الــعـظـمـى والــصـغـرى للـدوال‬

‫‪dy‬‬
‫‪0‬‬
‫‪dx‬‬

‫‪dy‬‬
‫‪0‬‬
‫‪dx‬‬
 dy
0
dx

dy
0
dx
 ‫‪dy‬‬
‫‪Y‬‬ ‫‪0‬‬
‫‪dx‬‬

‫‪x‬‬

‫شكل رقم (‪ )3-2‬الــــقيمة الحــــــرجـــــــــــة‬

dy dy
 
dx dx

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

‫مع مالحظة أنه يطلق على نقط النهايات العظمى والصغرى اسم " نقط الرجوع"‪.‬‬
‫‪dy‬‬
‫‪0‬‬
‫‪dx‬‬ ‫كما قد ال تكون للدالة نهاية عظمى أو صغرى عند النقطة التي تكون فيها‬
‫‪d2y‬‬
‫‪0‬‬
‫‪ ،‬و تسمى هذه نقطة االنقالب‪.‬‬ ‫‪dx 2‬‬ ‫ويحدث ذلك عندما تكون‬
 ‫الــتعظيم والــتدنية الــغير مـــقيدة ‪Unconstrained Maxima & Minima‬‬

‫)‪y  f ( x‬‬
‫) في حالة الدوال ذات المتغير الواحد‪:‬‬ ‫أ‬
‫يوجد شرطان للحصول على قيمة المعظمة ‪ Maximization‬أو التدنية ‪:Minimization‬‬

‫‪( -1‬الشرط األساسي) ‪ : Necessary Condition‬وفيه يجب أن تكون المشتقة األولى‬

‫‪dy‬‬
‫‪ f `( x )  0‬‬
‫‪dx‬‬
‫عند تلك القيمة (حدية)‪ Stationary‬تساوي صفر‬

‫‪( -2‬الشرط الكافي ) ‪ :Sufficient Condition‬وفيه يجب أن تكون المشتقة الثانية‪:‬‬

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

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

d2y
 2 y0
dx 2 2  0
x

f ``( x)  0

dy
y
 0
dx
x
 ‫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 (‪ ) 1-2‬الشروط 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
 ‫الــدوال ذات الـــمتغيرات الـــمتعددة‪:‬‬ ‫‪)2‬‬
‫) ‪y  f ( x1 , x2 ,, xn‬‬
‫في هذه الحالة فإن الشروط السابقة تعمم على (‪ )n‬متغير وليس متغيرين فقط‪ ،‬لذلك يجب استعمال 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
‫))الشرط األساسي((‬

‫|‪,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.‬‬

‫أفرض أن ) ‪y  f ( x1 , x 2‬من 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 أعاله 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
‫‪RC‬‬
‫وحيث أن‪:‬‬
‫‪R  P *Y‬‬
‫(‪ )1‬الدخل= المنتج*السعر‬
‫‪TC  p1 x1  p 2 x 2  ....‬‬ ‫(‪ )2‬التكلفة= عوامل اإلنتاج*أسعارها‬
‫• وباختصار‬
‫) ‪TC  TC (Y‬‬
‫وبالتعويض في معادلة الربح نحصل علي‪:‬‬ ‫•‬
‫) ‪  P.Y  TC (Y‬‬
‫الشرط األساسي ‪First Order Condition‬‬
‫ويتطلب أن تكون المشتقة األولى صفرًا‪:‬‬
‫‪d‬‬ ‫‪dC‬‬
‫‪P‬‬ ‫‪0‬‬
‫‪dY‬‬ ‫‪dY‬‬
‫‪P  MC  0‬‬

‫‪P=MC‬‬ ‫لتعظيم الربح‬

 ‫الشرط الكافي ‪Second Order Condition‬‬

‫وفـيه يـجب أن تـكون الــمشتقة الــثانية ســالبة‪:‬‬

‫‪d 2‬‬ ‫‪d 2C‬‬

‫‪ 0 ‬‬ ‫‪ 0‬‬
‫‪dY 2‬‬ ‫‪dY‬‬ ‫‪2‬‬

‫) ‪d ( MC‬‬
‫‪or‬‬ ‫‪ 0‬‬
‫‪dY‬‬
 ‫مــاذا يــعني هذين الـــشرطين في حالة مـــعظمة الــــربح؟‬

‫‪ -1‬الـشرط األسـاسي يجب فيه أن تكون التكاليف الحدية )‪ Marginal Cost (MC‬مساوية 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 إّال بالشرط‬

‫األول وليس الثاني‪.‬‬

 ‫‪$‬‬

‫‪MC‬‬

‫‪P=MC‬‬

‫‪P=MC‬‬
‫‪AC‬‬

‫‪Y‬‬ ‫‪X‬‬
‫‪P‬‬

‫‪Q‬‬

‫شكل رقم (‪ :)8-2‬نقطتين لتعظيم الربح نقطة (‪ )x‬هي التي تفي بالشرطين في نفس الوقت‪ ،‬في حين نقطة (‪ )Y‬التفي إّال‬
‫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 مثًال عادة يعظم دالة منفعته بشرط أّال يتجاوز مايصرفه على السلع دخله المحدد‪ ،‬فهنا معادلة‬

‫الدخل تعتبر المقيد لمعظمة دالة المنفعة‪.‬‬

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

‫) ‪L  U ( x , x )   (M  P x  P x‬‬
‫المعادلة التي ‪1‬نأخذ‪ 1‬منها المشتقات هي ‪2‬نفسها‪ 1‬المعادلة األساسية‬
‫الحظ أنه في التعظيم الغير مقيد (محدود) فإن ‪2 2‬‬
‫في حين أنه في التعظيم المقيد فإن هذه المعادلة تتغير إلى مايسمى بـ "معادلة الجرانج"‬
‫‪.LAGRANGIAN FUNCTION‬‬
 ‫إذًا فــإن الـــشرطين األســــاسي والــــكافي هما‪:‬‬

‫(‪ )1‬الـــشرط 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:‬‬

‫‪ ،H‬والتي هي‬ ‫يجب أن نكّو ن مايسمى بـ هيسيان المحدود “‪ ”Bordered Hessian‬ويرمز له بالرمز‬
‫عبارة عن مصفوفة أفرادها المشتقات الثانية من معادلة الجرانج لكل عامل متغير (‪ )xi‬ومضروب‬
‫الجرانج “‪.”λ‬‬

‫‪ dl1‬‬ ‫‪dl1‬‬ ‫‪dl1‬‬ ‫‪‬‬

‫‪‬‬ ‫‪‬‬
‫‪ dx1‬‬ ‫‪dx2‬‬ ‫‪d‬‬ ‫‪  11‬‬ ‫‪ 12‬‬ ‫‪ 1 ‬‬
‫‪ dl2‬‬ ‫‪dl2‬‬ ‫‪dl2‬‬ ‫‪ ‬‬
‫‪H ‬‬ ‫‪   21‬‬ ‫‪ 22‬‬ ‫‪ 2  ‬‬
‫‪dx1‬‬ ‫‪dx2‬‬ ‫‪d‬‬
‫‪‬‬ ‫‪ ‬‬ ‫‪  1‬‬ ‫‪ 2‬‬ ‫‪0 ‬‬
‫‪‬‬
‫‪ dl‬‬ ‫‪dl‬‬ ‫‪dl‬‬ ‫‪‬‬
‫‪‬‬
‫‪ dx1‬‬ ‫‪dx2‬‬ ‫‪d‬‬ ‫‪‬‬
‫‪‬‬
‫‪‬‬
‫‪0‬‬
‫دائما‬ ‫‪1‬‬ ‫وفيه يجب مالحظة أن‬
‫إذًا 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 ‬‬

‫‪H‬‬
‫كالتالي‪:‬‬ ‫بعد ذلك فإن ال ‪SOC‬ينص على أن يكون ال‬
‫‪H 1  0,‬‬ ‫‪H 2  0,‬‬ ‫‪H3  0‬‬

‫‪U 11 U 12 P1‬‬ ‫حيث‪:‬‬

‫‪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

‫‪:LagrangianFunctionis‬‬

‫]) ‪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 المقيدة‬3-2( ‫جدول رقم‬

Minimum Maximum Condition

)FOC(First Order Condition

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

Second Order condition)SOC(

H2  0 H3  0 H 4  0)Sufficient
H 2  0 Condition
H 3  0 (H  0
4
)‫(الشرط الكافي‬