La optimización simultánea de la forma de la aeronave y el tamaño estructural interno para el vuelo transónico es excesivamente costosa. El análisis de la física dominante es caro, especialmente para aeronaves altamente flexibles, y la búsqueda de óptimos utilizando muestras de análisis puede escalar mal con el tamaño del espacio de diseño. Este artículo tiene un doble propósito que apunta a la reducción escalable del muestreo de análisis. En primer lugar, se explora un nuevo algoritmo para calcular derivadas de diseño vinculando analíticamente la definición del objetivo, la diferenciación de la geometría, la construcción de mallas y el análisis. El cálculo analítico de las derivadas de diseño permite el uso preciso de métodos de optimización más eficientes basados en gradientes. En segundo lugar, se evalúa la escalabilidad de un algoritmo multifidelidad para la optimización en dimensiones altas. Este método aprovecha un modelo multifidelidad durante la búsqueda de línea de optimización para una mayor reducción de costos de muestreo. La optimización multifidelidad se demuestra para casos de diseño aerodinámico y aeroelástico considerando tanto la forma como el dimensionamiento estructural por separado y en combinación con espacios de diseño que van desde 17 hasta 321 variables, lo cual sería inviable utilizando métodos típicos basados en modelos sustitutos. La optimización multifidelidad condujo consistentemente a una reducción en las evaluaciones de alta fidelidad en comparación con la optimización de una sola fidelidad para los problemas de forma aerodinámica, pero a menudo resultó en una penalización de costos para los casos que involucraban dimensionamiento estructural. Aunque el optimizador multifidelidad se aplicó con éxito a problemas con cientos de variables, los resultados subrayan la importancia de calcular los gradientes con precisión y motivan la extensión del enfoque a métodos de optimización restringidos.