Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
DINAMICA EN ECONOMIA
PTIMIZACIN ESTTICA Y
/
DINAMICA EN ECONOMIA
Arsenio Pecha C.
Departamento de Matemticas
Facultad de Ciencias
Universidad Nacional de Colombia
Sede Bogot
Arsenio Pecha C.
Departamento de Niatemticas
Facultad de Ciencias
Universidad Nacional de Colombia
,,
Indice
Introduccin
VII
l. Conceptos bsicos
!.!. Lgica
1.2. Conjuntos
1.2.1. lgebra de conjuntos .
1.2.2. Propiedades del lgebra de conjuntos .
1.2.3. Conjuntos nu1nricos .
1.3. Topologa bsica de los nn1eros reales
1.4. Espacios vectoriales .
1.5. Topologa en el espacio .
2. Funciones
2.1. Relaciones .
2.2. Funciones
2.2.1. Curvas de nivel
2.2.2. Funciones homogneas y homotticas .
2.2.3. Funciones continuas .
2.3. Derivadas de funciones reales
2.3.1. Polinomio de Taylor
2.3.2. Diferenciales
2.4. Funciones lineales y fon11as cuadrticas
2.5. Derivadas parciales . . . .
2.5.1. Reglas de la cadena . . .
1
1
4
6
7
7
12
16
17
23
23
24
26
27
31
31
33
34
36
41
42
44
45
46
48
49
50
52
53
56
NDICE
IV
3. Grafos y contornos
3.1. Grafos
3.2. Conto1nos
4. Convexidad
4.1. Conjuntos convexos . . . . . . .
4.2. Funciones convexas y cncavas
4.2.1. Segunda derivada y convexidad
4.2.2. La funcin CD . . . . . . . .
4.3. Funciones cuasiconvexas y cuasicncavas .
4.3.1. La funcin CES .
. ...... .
63
63
67
71
71
74
81
83
87
95
5. Optimizacin no restringida
5.1. Argumento maxin1izador y rninimizador
5.2. Derivadas direccionales . . . . . . . . . .
5.3. :rvlximos y mnimos en varias variables .
101
101
108
110
6.
121
122
122
131
137
148
Optimizacin restringida
6.1. Restricciones de igualdad
6.1.1. Condiciones necesarias .
6.1.2. Condiciones suficientes .
6.2. Restricciones de desigualdad .
6.3. Relacin entre las funciones del consumidor
6.4. Teorema de la envolvente ..
6.5. Ecuacin de Slutsky .
6.6. Algunas funciones y sus duales
6.7. Separacin.
7. Dinmica discreta
150
163
166
170
173
173
180
183
187
7. l. Sucesiones , . .
7.2. Ecuaciones en diferencias
7.2.l. Eqttilibrio .
7.2.2. Estabilidad de soluciones
7.2.3. Ecuaciones de primer orden
189
7.2.4. Ecuaciones en diferencias lineales de orden n con coeficientes
constantes .
192
7 .2.5. Ecuacin homognea de segundo orden con coeficientes constantesl93
195
7.2.6. Comportamiento de la solucin .
7.2.7. Ecuaciones homogneas de orden n . . . .
198
7.2.8. Ecuaciones no homogneas con coeficientes constantes
199
203
7.3. Sistemas lineales de ecuaciones en diferencias
205
7.4. Sistemas no lineales
208
7.5. Un modelo de generaciones traslapadas.
211
7.6. iYlonopolista vs. entrante .
NDICE
8. Dinmica continua
8.1. Ecuaciones diferenciales
8.1. l. Ecuaciones diferenciales de primer orden .
8.1.2. La funcin de Cobb-Douglas
8.1.3. La funcin CES . . . . . . .
8.1.4. Ecuaciones lineales de orden n con coeficientes constantes
8.2. Sistemas de ecuaciones diferenciales . . .
8.2.1. Diagramas de fase
8.2.2. Sistemas de ecuaciones diferenciales lineales
....... .
8.3. La dinmica en economa
8.3.l. Los enfoques discreto y continuo de un modelo de Samuelson
8.3.2. Caso esttico . . . . . . . . .
8.3.3. Caso dinmico. Tien1po continuo
8.3.4. Caso dinmico. Tiempo discreto
213
213
217
219
220
224
228
228
230
241
241
241
243
245
247
249
252
263
...... 263
263
266
273
273
276
281
288
292
297
298
Respuestas y sugerencias
305
Bibliografa
317
Introduccin
El presente texto es el resultado de la depuracin, durante varios sen1estres, de las
notas de clase de los cursos de econon1a inaten1tica y en particular, los pri111eros siete
captulos, del curso de inatemticas III para la Facultad de Ciencias Econn1lcas de
VII
INTRODUCCIN
VIII
Captulo 1
Arsenio Pecha C.
Conceptos bsicos
1.1.
Lgica
Puesto que los resultados en matemtica son de la forma: si hiptesis, entonces tesis
(simblicamente, H :::::} T) i la lgica matemtica es el cimiento de todas las construcciones. En el clculo de proposiciones se estudian proposiciones que son
enunciados con un valor de verdad, es decir) de ellas se puede determinar si son verff
<laderas o falsas 1 . Las proposiciones atmicas son los enunciados ms simples con
sentido de veracidad. 1'Llueve" es una proposicin atmica, ya que dependiendo del
momento y lugar en el que se diga y de lo que se considere llover, es verdadera o falsa;
ubuenos dasn no es proposicin, de ella no se puede determinar su valor de verdad.
Las proposiciones moleculares estn formadas por proposiciones atmicas y conectivos que son las palabras no, y, 0 1 entonces y si y slo si. "Si Niara es alta,
rubia y viste bien, entonces llama la atencinn 1 es una proposicin molecular ya que
est compuesta de proposiciones atmicas (lVIara es alta, Mara es rubia JYiara viste
bien y }dara llama la atencin), conectadas por las palabras y y si entonces.
Toda proposicin se puede simbolizar por una frmula proposicional que est formada por letras que representan las proposiciones atmicas llamadas letras proposicionales y los smbolos V,/\, :::::} 1 ~que representan respectivamente los conectivos
binarios (conectan dos proposiciones o frmulas proposicionales) o, y) si entonces y
si y slo si, y el snbolo ' que representa al conectivo unitario no (niega una proff
posicin o frmula proposicional). La frmula proposicional que simboliza '1Si Nfara
es alta Yrubia, y viste bien, entonces llama la atencin'i es
1
(p /\ (q /\ r))
"'s
1La lgica difusa considera varios valores de verdad, p.e. se pueden considerar valores entre O y 1
donde O representa falso, 1 verdadero y 0,8 representa algo ms verdadero que falso, etc.
CAPITULO 1. CJUNCJt;.PTUo
2
p
V
V
q
V
~p
F
F
F V
F F
V
V
pVq
V
V
V
pi\ q
V
p"" q
V
F
F
F
liA01VU'>
V
V
bogotano slo si es colon1biano; una condicin suficiente para que Juan sea colo1nb1ano
es que sea bogotano; es necesario que Juan sea colo1nbiano para que sea bogotano;
boaotano
in1plica colo111biano.
0
La frnlula p # q es la abreviacin de (p ::::;} q) /\ (q =? p) y silnboliza la proposicin
p si y slo si q.
, .
V(a,b,p).
Las forn1as proposicionales bsicas del clculo de predicados son:
Todo A es B (universal positiva)
x tal que x es A y es B.
= 3x(~P(x))
\lx(~P(x))
L En la frase "El barbero de Sevilla afeita a todo aquel que no se afeita a. s mis1noj), el
sujeto es b: el barbero de Sevilla, la relacin A(x, y): x afeita a y y la sin1bolizacin:
\lx(~A(x,x) ""A(b,x)).
\lx(G(x)
* (P(x) V D(x))).
3x(G(x) /\
(~P(x)
/\ ~D(x)))
l. Simbolizar los siguientes enunciados en clculo de proposiciones (usar letras nicamente para las proposiciones at1nicas):
a)
b)
e)
d)
3. Usar las siguientes proposiciones: B(x, r): ('la bola con centro en x y radio r",
C(x,z): "x est contenido en z'' 1 D(u, v): ('u es distinto de v:' y P(s, t): "s pertenece
a tn, para simbolizar y encontrar las negaciones de las siguientes proposiciones:
a) Para todo x que pertenece a A, existe r tal que la bola con centro en :t Y
rado r est contenida en A.
b) Para todo r existe z que pertenece a la bola con centro en x y radio r, y x es
distinto de z.
1.2. CONJUNTOS
1.2.
Conjuntos
como conjunto referencial o universal. As, cuando nos referimos a los individuos
Juan, Pedro y f'>'lara se acepta como referencia alguna coleccin que contiene seres
humanos. Por costumbre el conjunto referencial se nota con las letras U o il, se usan
letras maysculas para notar conjuntos y minsculas para sus elementos (aunque a
par~ todo
propio de E
A e B.
A es igual a B (A= B) si y slo si A y B tienen los mismos elementos ,
\lx((x E A=>xE B)A(xE B
=?
x E A))
que equivale a
veces esto se transgrede cuando se habla de conjuntos que tienen como elementos otros
conjuntos, p.e. el conjunto de familias que a su vez estn formadas por individuos).
Los conjuntos se representan grficamente en los diagramas de Venn-Euler
esta~ en B Y B contiene algn elemento que no est en A, se dice que A es subco~ u:t0
\lx(x E A? x E B)
para todo elemento x, x est en A si y slo si est en B.
Si no existe relacin de igualdad ni contenencia entre A y B se dice que A y
B son no comparables (ne); esto equivale a que A no est contenido en B ni B
est contenido en A.
De la definicin de contenencia y la tabla de verdad de la implicacin se concluye
~ue: para todo conjunto A, 0 ~ A puesto que la proposicin (x E 0 =r x E A) es
s1e:11pr~ ve~~ade:a, el antecedente es falso (el vaco no tiene elementos) y la tabla de
la. implicac1on dice que si el antecedente es falso la implicacin es verdadera. De la
misma forma, es fcil ver que para todo A, A .;;; n.
Con la nocin de contenencia a partir de un conjunto A es posible construir otro
conjunto que est formado por todos los subconjuntos de l el conjunto de partes de
A o conjunto potencia de A,
)
= {x
Ejemplos
l. Si A= {1,3,5},
P (A) = {0, {l}, {3}, {5}, {l, 3}, {l, 5}, {3, 5}, {l, 3, 5) ).
O}
son: O y -~.
Ejercicios
l. Determinar si los siguientes pares de conjuntos son iguales:
a) {(x,y,z)lxy=z)y{(x,y,z)ly=;}.
\lx(x E A=? x E B)
1.2. CONJUNTOS
1.2.2.
Encontrar:
Idempotencias.
AUA=A
a) {(x,y) ly=2xl/3+5y1/2}.
AnA=A
Asociativas.
Au(BUC)=(AUB)UC
b) {(x,y,z) 1z=10xll2yll4}.
An (B ne)= (An B) ne
Conmutativas.
d) {(x,y,z,w) 1w<2xy- x -y
3z
}.
AnB=BnA
AUB=BUA
2
10}.
Distributivas.
A n (Bu C) = (AnB) u (A n C)
AU(BnC) = (AUB)n(AUC)
Identidades.
AU0=A
Anl=A
AUl=l
An=0
Complementos.
AnA' =
AUA'=l
' = l
l' = 0
(A')'= A
Leyes de De Morgan.
(AUB)'=A'nB'
1.2.1.
lgebra de conjuntos
(AnB)'=A'UB'
=B y
AnB=A.
Ejemplo
Con la aplicacin de estas propiedades es posible probar que A U (A n B) =A.
Au(AnB) = (Anl)U(AnB)
= (An(BUB'))u(AnB)
=((A n E) u (A nB)) u (A nB')
=(AnB)u(AnB')
AUB={xJxEAVxEB}
An(BUB')
=Anl
los elementos que estn en alguno de los dos conjuntos.
La interseccin del conjunto A con el B:
AnB={xjxEA/\xEB}
los ele1nentos que estn tanto en A como en B. A partir de estas operaciones bsicas
se definen las operaciones diferencia y diferencia sntrica entre los conjunto A y B:
A-B = AnB' y AL\.B = (AUB)- (AnB).
=A.
1.2.3.
Conjuntos numricos
N={0,1,2,3, ... }
son los nmeros de contar. Este es un conjunto infinito en el s~ntido de q~e es posible
encontrar una funcin biyectiva entre l y un~ de sus subconjuntos prop1os (p.e. los
nmeros pares), esto se puede ver como que tiene tantos elementos como _alguno de
sus subconjuntos propios. Un conjunto se dice contable o enumerable s1 se puede
poner en correspondencia uno a uno con el c_onjunto de los n~eros natura:es; por ,e:to
el conjunto de los naturales juega un papel importante. ~<lemas, es el conJunto ?,as1co
en la teora de ecuaciones en diferencias o en recurrenc1as cuya base es la noc1on de
sucesin. Estas ecuaciones sirven para modelar procesos dinmicos discretos, procesos
que tienen cambios en instantes igualmente espaciados del tiempo.
El conjunto de los enteros
z = {x 1 x o (-x)
es un conjunto enuroerable1 una funcin biyectiva entre los naturales y los enteros es
f(n) = {:},'
2 ,
1.2. CONJUNTOS
Los nmeros reales son todos los que tienen una expansin decimal infinita. Como
los racionales ex:presados en forma decimal tienen un perodo que se repite, entonces
deben estar contenidos en los reales y stos contienen adems otros nmeros que no
tienen perodo,
!ll.=QUil
donde I es el conjunto de los nmeros irracionales , todos los no expresables como fracciones o cuya expansin decimal no posee un perodo que se repite. 1r ::::: 3, 141592652...
es irracional ya que no existe un perodo que se repita; otro ejemplo importante de
si n es par
si n es impar
O.a21a22a23a24a25 ..
O.a31a32a33a34a35 .. .
O.a41 a42a43a44a45 .. .
esta asigna a los naturales pares los enteros negativos y a los impares los positivos.
Q= {
~ 1 p y q son enteros y q f O}
que son todos los nmeros que se pueden escribir como una fraccin.
,
A partir de la definicin se tiene que un nmero es racional si posee un periodo
decimal que se repite. Al dividir p entre q, el residuo solamente puede se~,o, l, ~, ... ,
q-1 (de lo contrario la divisin estar mal efectuada), puesto que la expans1on deClmal
resulta de repetir infinitas veces la divisin, entonces alguno de los valores entr~ O Y
q- l se debe repetir, por lo tanto el cociente se repite dando como r:sul.tado u~ periodo.
donde cada aij E {0, 1) 2, 3, 4, 5, 61 7, 8, 9}. Si es posible encontrar un nmero del intervalo que no est en el arreglo, el conjunto (O, 1) no es enumerable. Para mostrar
esto 1 sea
O.i"t11l22l133il44lt55 ..
donde lkk ::::: Osi akk E {1 1 2, 3,4 1 5, 6, 7,8) 9} y akk = 1 si kk:::;: O. Este nmero est en
el intervalo (0 1 1) y difiere de todos los listados, ya que la k-sima cifra decimal es
distinta a la del k-simo nmero de la lista.
Teorema 1.1. Entre cualquier par de nmeros reales hay un racional.
positivos es enumerable:
/
1/2
/
3/2
/
5/2
1/ /
1/3
2/3
/
1/4
/
3/4
5/4
j/ /
1/5
2/5
...
/
7/3
/
7/4
/
3/5
9/2
5/3
esto es, O < y - x de donde O < y~x. Por el principio arquimediano/2 existe un
nmero natural n, que satiface
/
7/2
4/3
x<y
4___.,. ...
2-3
0-1
/
9/4
/
4/5
////
/
6/5
_l_
y-x
...
< n,
...
OSnx-m<l<ny-nx
2Para cada x E JR, x > O existe n E N tal que n > x.
3Este mes la parte entera de nx que se nota fnx].
l.::t.
10
Los nmeros reales se pueden asociar con los puntos de una recta infinita y
intervalos, sus subconjuntos ms comunes, con segmentos de recta. Para a < b:
nx <m+ 1 <ny-nx+m.
[a, b] = {X E IR 1 a X s b} :
(a,b) = {x E IR 1 a< x <'b):
[a,b)={xEIRlaSx<b):
Intervalo cerrado)
Intervalo abierto,
Intervalo cerrado a izquierda y abierto a
derecha,
m+l
x<--<y.
n
m;:- 1
derecha.
Con R++ IR+, IR __ IL se denotan los intervalos infinitos (O,oo), [O,oo), (-oo,O) y
(-oo) O] respectivamente.
Los teoremas anteriores prueban que cualquier intervalo de nmeros reales es un
conjunto no enumerable y contiene nmeros racionales e irracionales.
El valor absoluto de un nmero real,
:_ < ~
bd
___
ad-be
lxl=
bd
ad-be
por
six2:0
S
X<
se usa para definir la distancia entre dos nmeros y para abreviar la escritura de
algunos intervalos. Sus propiedades son:
nad- nbc
< n, o en forma eqmvalente 1 <
bd
{x,-x,
ejemplo
l. la+bl S lal+lbl.
2. labl = lal lbl.
nad - nbc
O<I<l<
bd
al 1nultiplicar por bd en particular se tiene que
O<bdl<nad-nbc
d(a,b) = la-bl
al sumar nbc esta se convierte en
este concepto satisface las propiedades usuales para la distancia que se derivan de la
definicin y las propiedades del valor absoluto:
-nbd
d<
bdf+nbc
nbd
< ;
bdf +nbc
nbd
al despejar
~ - nbc
I = -'-~~-
bd
p
q
Ejercicios
l. Probar que cualquier intervalo es un conjunto no enumerable.
nbdp - nbcq
bdq
2. Probar que entre dos reales hay un irracional (esto concluye la prueba de que
cualquier intervalo contiene racionales e irracionales).
12
Otro conjunto de nmeros que ha alcanzado gran importancia en modelos matemticos para economa y finanzas es el conjunto de los reales no estndar
13
abierto mas grande contenido en el conjunto, por lo tanto, para cada conjunto A se
tienen las contenencias:
<C={a+biJa,bEI!<,
i =-1}
Ejemplos
(a,b)+(c,d)=(a+c,b+d) y (a,b)(c,d)=(ac-bd,ad+bc)
con esta aritmtica i est asociado con (0, 1) y cada real x = x + Oi con (x, O). En
z = (a, b) = a+ bi E <C: a es la parte real {a = Re(z)), b es la parte imaginaria
(b = Im(z)), Jzl = Ja 2 + b2 es el mdulo y a 8 tal que tan O=
con a ti O, se le
conoce como el argumento de z.
Si x es un punto de I 1 a< x
!,
1.3.
Vx E Ai 3r > Oi(x-r,x+r) ~A
alrededor de cada punto se puede encontrar un intervalo abierto contenido en A. Un
conjunto que no es abierto satisface la negacin de la definicin, esto es) existe algn
punto en el conjunto para el cual todos los intervalos centrados en l contienen puntos
del complemento del conjunto; en otros trminos,
ti 0.
<b
es abierto.
2. El conjunto 0 es abierto, se dice que satisface la definicin en forma vaca (no hay
elementos que nieguen la definicin)i por lo tanto, su complemento, es decir JR1 es
cerrado.
3. lR. es abierto puesto que contiene todos los intervalos) por tanto, 0 es cerrado.
4. La interseccin de dos conjuntos abiertos es uno abierto y la unin de cualquier
coleccin de conjuntos abiertos es uno abierto.
5. La unin de dos cerrados es uno cerrado y la interseccin de cualquier coleccin de
cerrados es un conjunto cerrado.
6. La interseccin de cualquier coleccin de conjuntos abiertos no necesariamente es
un conjunto abierto ya que por ejemplo la interseccin de todos los intervalos de
la forma ( - ~,
con n entero positivo es
*)
" -n'n
00
(x
r,x+r)nAt'0y (x-r,x+r)nA't'0.
Todo intervalo alrededor de x contiene puntos del conjunto y de fuera del conjunto.
La frontera del conjunto, Fr(A), es el conjunto de todos los puntos frontera de A.
1 ])
={O}
14
2. Todos los elementos del intervalo I = [a, b] son puntos de acumulacin de J, por lo
tanto I no tiene puntos aislados.
3. Todos los elementos del intervalo I = [a, b] son puntos de acumulacin de (a, b).
4. El intervalo [a, b] es cerrado y acotado, por tanto compacto. Pero el intervalo (a, b)
no es compacto, ya que no es cerrado.
enumerable es vaco.
5. nf[a,b] = nf[a,b)
sup(a, b) = b.
= nf(a,b] = nf(a,b) =a y
sup[a,b]
7. Si B = [2, 3) U {4, 5,6, 7), entonces Int (B) = (2, 3), Cl (B) = [2,3] U {4, 5, 6, 7},
Ac(B) = [2,3], Bes no conexo ya que Be (1,3) u (3,8), B n (1,3) = [2,3) y
Bnu(3,8) = {4,5,6, 7); y los puntos aislados de B son {4,5,6, 7).
Ejercicios
l. Determinar si el nmero 1,101001000100001. .. es racional.
2. Probar que O es el nico punto de acumulacin del conjunto
Cl(A) =A U Ac(A)
A=
{1,~,~'~' }
a) (2,3).
b) [2, 3].
e) Los nmeros naturales.
A<;;[-M,M].
e) {m+~ lmENynEZ++}
f) {m+~ [mEZynEZ++}
g) Los nmros irracionales.
Ejemplos
i,~, ~,
= sup[a,b) = sup(a,b] =
6. {ai b, C1 d} es cerrado y acotado, por lo tanto compacto, sus puntos son aislados y
es no conexo.
10. Fr(Il) = Fr(Q) = JR. Cada intervalo contiene racionales e irracionales) en particular
los intervalos de la forma (x - r, x + r) para todo x E lR. con r > O.
A= { 1,
15
. -}
11)
n --,00
n=l
ya que si r > O el intervalo (-r 1 r) contiene algn punto del conjunto. Por el
principio arquimediano1 para r > O existe n natural tal que n > ~, por lo tanto
O < ~ < r; este valor est en el conjunto y en el intervalo ( -r, r) y es distinto de
O. A no es abierto ni cerrado, es un conjunto acotado ya que A~ [-1, 1] pero no
es compacto, todos sus puntos son aislados, nf A = O y sup A = l.
5. Determinar si
es un conjunto cerrado.
l
n n
={O}
16
'
1
1.4.
1'
1
1
Espacios vectoriales
_1.5.
17
Topologa en el espacio
El espacio IR.n est formado por todos los vectores con n componentes reales, es decir 1
l. u tB v es un elemento de V.
xy = (x,y) = x,y;
Oen V
tal que u EB O= u
=l
la operacin ElJ).
d(x,y)
= J(x-y,x-y) = L(x,-y,)2
i=l
6. k u es un elemento de V.
7. (k + r). u= (k. u) ElJ (r u) (distributiva a la izquierda).
d ---------
b -------
10. 1 u= u (neutro).
Ejemplos
l. El conjunto
5. Los vectores propios que corresponden a un valor propio forman un espacio vecto-
rial.
Este conjunto est formado por los puntos cuya distancia al centro es 'menor que r 1
en la recta este conjunto es un intervalo abierto de longitud 2r alrededor de a, en el
plano es un crculo de radio r, en el espacio es una esfera de radio r, etc.
Un subconjunto A de R_n es aberto si y slo si para cada xo de A existe un r > O
tal que la bola con centro en x 0 y radio r est contenida en el conjunto
B,(xo) e A.
18
------------_A
,,
Xo;
\._p~-c~~;
,'
De la misma forma se hacen las analogas) usando bolas abiertas, con las definiciones de
puntos frontera, de acumulacin y las nociones de acotacin, compacidad y conexidad
dadas anteriormente para subconjuntos de n1neros reales.
Un punto es frontera de un conjunto si y slo si toda bola centrada en el punto
contiene puntos del conjunto y del complemento del conjunto,
.............
'
'
',
---
' i'
.......... .'
Las propiedades de los conjuntos abiertos y cerrados en Rn son las mis1nas que para
conjuntos de nmeros reales, esto es: la unin de cualquier familia de conjuntos abiertos es uno abierto, la interseccin de una coleccin finita de conjuntos abiertos es lillO
abierto, la unin de un nmero finito de conjuntos cerrados es uno cerrado, la interseccin de cualquier cantidad de conjuntos cerrados es uno cerrado, la interseccin o
unin de dos conjuntos compactos es uno compacto, la interseccin de un conjunto
acotado o compacto con cualquier otro es uno acotado o co1npacto y la unin de un
conjunto no acotado con cualquier otro es uno no acotado.
Ejemplos
l. El conjunto
{(x,y,z)lx+y+z=l,
x +z =1}
es acotado: los valores que pueden tomar las variables x y z estn acotados, dado
que la suma de sus cuadrados deben ser igual a L y es acotada puesto que al
20
1
1
!
es
a) {(x,y,z)l2x+y-z<l).
b) {(x,y,z) 1x2 -z2 5 2}.
e) {(x,y,z)!v<D
d) {(m+~,m-~)lmEZ,nEZ++}
e) UlnEZ++}x[O,l).
Ejercicios
l. Graficar cada uno de los siguientes conjuntos 1 y encontrar su frontera y sus puntos
de acumulacin:
no es acotado.
a) {(x,y)l[x2 +2x[5y,lxl51}.
b) { (x, y) l [Y2
y[ < x, IY - 21 5 1}
e) {(x,y)lx'+xy=y-1}.
2. Probar que los siguientes conjuntos son compactos y encontrar el sup e nf del
conjunto de valores que pueden tomar cada una de las variables involucradas en
cada conjunto:
21
Captulo 2
Funciones
El anlisis n1atemtico es el estudio del comportamiento de las funciones. Para ello
generalmente se analizan separadamente las funciones de una y varias variables. Las
funciones a su vez son un tipo especial de relaciones que provienen del producto
cartesiano entre conjuntos.
2.1.
Relaciones
23
2.2. FUNCIONES
CAPTULO 2. FUNCIONES
24
2.2.
Funciones
25
de A en B,
que se nota
.P(x)<;;B.
Las notaciones para este tipo de funciones son:
'f;:A~~B,
1j;:A"'1B
Y= f(x).
~ Rn y B ~ IR, la funcin es de variable vectorial a valor real conocida
como campo escalar o funcin de varias variables. Esta funcin, a cada
elemento del dominio de la forma x = (x 1,x2) :,xn) le asocia un nmero real
Si A
Y= f(x) =
Figura 2.2: Grfica una de correspondencia que a un nmero real le asocia un conjunto
de reales.
1
11
y2
Ejemplos
2
> 1) y rango
CAPTULO 2. FUNCIONES
26
2.2. FUNCIONES
27
4. f(x, y) = (x'y,x +y, e" In y) es un campo vectorial con dominio {(x, y) 1 y > O} Y
rango lR+ x B.2.
5. La grfica de la correspondencia
'lf;(x) =
{[~,~J,
[;;-, l],
para O<x<l
para x 2: 1
_,'el~-~--~
2
-1
-"
---------- /
__J
l
2
Figura 2.4: Curvas de nivel de f(x, y)= e-x'-y' y g(x, y)= x 2 - y2.
2.2.2.
2. 2.1.
Curvas de nivel
Esta ecuacin representa una recta cuando r = 1 y la grfica z = f(x 1 y) est generada
por rectas qJe pasan por el origen y sus curvas de nivel se desplazan de manera
uniforme. Si r #- 1 la grfica z
f (xi y) est generada por curvas de la forma
z = xr f(l, m), donde mes constante; esto produce curvas de nivel que se desplazan
en forma no uniforme. Si r > 1 la distancia entre las curvas de nivel (para valores
igualmente espaciados) se reduce y si 'r < 1 la distancia se ampla.
Ur..a funcin es homottica si es la composicin de una funcin creciente con una homognea de grado uno/ 1 . Esta definicin satisface que para x y y en el do1ninio de una
funcin homottica f se cumple que si f(x) = j(y) y t >O, entonces f(tx) = f(ty)/2.
1 0tra versin mas general la define como la composicin de una funcin creciente con una homognea de cualquier grado.
2Aunque Ja versin comunmente aceptada en los textos de economa es la dada inicialmente
algunos la han generalizado a esta ltima.
CAPTULO 2. FUNCIONES
28
2.2. FUNCIONES
29
considerar que los parmetros son variables constantes: con respecto al universo
la economa) son variables y con respecto a cada mundo, alguno de los proceso~
modelados, son constantes.
'11.__
'-._
' J\.___
3. La funcin f(x)
f(x) = g(h(x)).
'~
'~
f(x,y,z)
= xy'z' = g(h(x,y,z))
''
Figura 2.5: Curvas de nivel de una funcin homognea de grado 1 y de grado mayor
que 1 a alturas iguales. En la primera las curvas se desplazan de manera uniforme; en
la segunda estn cada vez mas cerca.
Esto indica que si dos combinaciones de insumos son indiferentes para la produccin1
tambin es indiferente si las combinaciones se incrementan en proporciones iguales.
De la forma anloga se interpreta para funciones de utilidad, costos, etc.
Ejemplos
1. La funcin
x+y-1
z = f(x, y)= x' +y'_ 1
tiene como dominio todos los puntos del plano !R2 , salvo aquellos cuyos valores x
e y hacen el denominador cero) es decir
Dom(!)= {(x,y) E 11.2 I x 2
+y2 ;l l}
este conjunto representa todo el plano sin el crculo cOn centro en el origen y
radio uno. Este tipo de funcin {de !R2 a IR) le asocia a cada punto de un plano
un nmero real.
2. f(x, y) = Axy' es homognea de grado a+ b ya que,
a) El dominio de F
b) F(-3,4).
c) F(l,y/x).
d) F(x/y, 1).
2. Si F
(~)
Jx:+Y
2
1
calcular:
a) F(l/2).
b) F(2).
c) F(t).
d) F(x).
3. Para cada una de las siguientes funciones:
a) F(x+y,~)=4x 2 -y 2 .
b) F(x-y,2x+y)=x 2 +3xy-5y2 .
a) F(l, 2).
b) F(2, 1).
c) F(s, t).
d) F(x, y).
4. Sean F(x, y) = 4x 2 + y 2 y G(x, y) = x 2
siguientes composiciones:
CAPITULO 2. FUNCIONES
30
a) F(G(x,y),y).
31
b) G(x,F(x,y))
a) f (x,y) = 2x+3y.
b) F(x,y) =
e) F(x
b) J,(x,y)=2x 2 -y.
!6y3 .
e) fs(x,y)=mn{2x,3y}.
x,_'12y>.
d) f.(x,y) = m.x{2x,3y}.
z) x+2u+3x
'y, - ijax2+2yz+z2.
d) F(x, y) =
e) fs (x,y) = mn{mx{2x,3y},mn{3x,2y}).
f) f5 (x, y) = m.x {m.x{2x, 3y}, mn{3x, 2y}}.
a2x/3y
g) f,(x,y) =x+y+mn{2x,3y).
xy
2x+3y
h) fs(x,y) =mn{y+x,2x+3y,x+3y}.
f(x, y)=
ax
+ by 2 +ex+ dy
2.2.3.
Funciones continuas
Una funcin f:
f3
para que
lm f(x) = f(a)
esto significa que el valor de f(x) est tan cerca a f(a) como se quiera, si x se toma
suficiente1nente cerca a a. Formalmente: Para cada e > O existe 6 > O (que puede
depender de) tal que si llx - ali < /i, entonces lf(x) - f(a)I < 'La definicin generaliza los conceptos de continuidad para funciones reales en
a) Homognea de grado l.
IT x~'
k=l
sea:
A~
2.3.
Una razn para que las derivadas sean de gran utilidad en econon1a es su relacin
con el concepto de marginalidad. Este concepto nde el ca1nbio de una variable de-pendiente, al incrementar la variable independiente correspondiente en una unidad
por ejemplo) el costo marginal es el cambio del costo producido por el incremento de
CAPTULO 2. FUNCIONES
32
33
2.3.1.
de q unidades es
Puesto que las funciones ms simples de evaluar son los polinomios, en el caso
c(q + 1) - c(q) =
c(q + 1) - c(q)
c(q + h) - c(q)
"'
lim f(a
+ h) - f(a)
h
h-0
existe, en cuyo caso su valor se denota por f' (a) 4f; (a) (la derivada de f en a).
La interpretacin geomtrica de la derivada1 en una variable, proviene de considerar
la secante a la curva y= f(x) que pasa por los puntos (a, f(a)) Y (a+ h,f(a + h))
cuya pendiente es
f(x) = f(a)
J'(a) = lm f(a
h-->O
Polinomio de Taylor
Donde
Cn+l)(c)
En,a(x) = (n+l)! (x-a)"+l
+ h) - f(a)
h
k!
k=O
Y= f(a)
+ J'(a)(x- a).
y= f(a)
Figura 2.6: Si h se acerca a cero, la secante se aproxima a
la tangente.
CAPTULO 2. FUNCIONES
34
35
1 "(a)(x-a)
y=f(a)+f'(a)(x-a)+-f
2
f(a+t.x) - - - - - - -
---------
Figura 2.7: Aproximacin de una funcin por su recta tangente y por una parbola.
grado k que aproxime la funcin; los valores del polinomio y funcin coinciden para
x = a, Jo mismo que las primeras k derivadas de la funcin y el polino1nio en ese
punto.
a+ilx
2.3.2.
Diferenciales
h~o
transponiendo trminos
C.y"' f'(x)L>x
si !::i.x
= df(x)
l. Sea
Q = Q(K,L)
= 20KfL~
32
= 30
En este caso el valor real del incremento es 1,06663 y el aproximado usando
diferenciales es 1.06666 lo que representa un error de aproximacin de 0,00003.
2. ~os cambios en los. puntos de equilibrio entre curvas de demanda y oferta producidos por las variaciones de precios se pueden analizar con esta teora.
Sean qd = ap + b y q = c:p
el punto de equilibrio es
Ejemplos
3 0
__ d-b_
a-e
P- --q=a - -
CAPTULO 2. FUNCIONES
36
dq
-e
!1ij"" -M = -11b
db
a-e
Esta empresa incurre en unos costos variables de produccin de $500 por unidad de
producto y sus costos fijos son de $500.000. Los beneficios de la empresa, ingresos
menos costos,
II=I-CT
dependen de los precios de venta, ya que:
-apo
1p"'1--
a-c
CF = 500.000
L mkXk + b
'
II(pi, pz) = p 1(1.000 - 20pi) + pz(200 - 5pz)
- 500(1200 - 20p1 - 5pz) - 500.000.
En este ejemplo, se nota que los demandantes del primer mercado son ms susceptibles
a los cambios de los precios (esto se nota comparando las pendientes de las curvas
de demanda); a su vez, los demandantes del segundo mercado) a precios cero, tienen
menores niveles de demanda que los del primer mercado (trminos independientes de
las ecuaciones de demanda).
En una variable, el comportamiento de la funcin cuadrtica y = ax2 es la base
de las aplicaciones de la segunda derivada al trazado de grficas y al proceso de optimizacin; en varias variables a este tipo de funciones se las llama formas cuadrticas
y son polinomios de segundo grado en varias variables, que tienen la forma
k=l
= m1x1 +m2x2
+ +mnxn +b
Reemplazando hasta dejar todas las expresiones en trminos de los precios, se llega
Ejercicio
2.4.
37
q(x)
L a,;xx;
i=l j=l
= a11xi
donde mi para i
1) 2, in son nmeros reales. En dos variables su grfica es un
plano) en ms variables su representacin se conoce como hiperplano. As como en
una variable las m 1s representan las pendientes del hiperplano con respecto a cada
variable.
Ejemplo
donde A = (aij) es una matriz de tamao n x n que se puede tomar simtrica. Esto
es, para referirse a formas cuadrticas se puede de dos maneras: la matricial xAxT y
la polinmica a11x1 + (a12 + a21)X1X2 + ... + annX~. Por lo tanto) para identificarlas
basta con la matriz asociada A; aunque hay infinitas matrices asociadas, en adelante
se usa la matriz simtrica.
El inters al analizar formas cuadrticas est en conseguir resultados que den
informacin local sobre el comportamiento de una funcin a partir de sus segundas
derivadas.
q, = 1.000 - 20p,
y en el segundo
q, = 200 - 5p,.
q(x) = xAxT
CAPTULO 2. FUNCIONES
38
para la prueba del teorema que conecta las nociones de segunda derivada, convexidad
y concavidad. En varias variables este papel lo hacen las formas cuadrticas
(~]-3
q(x) =xAxT
que deben inicialmente ser clasificadas para luego relacionar esa clasificacin con ciertos comportamientos.
3
6 82 5
1)
7
3
4 3 6
son:
f O,
l~1 ~I 1~3
il,
I~ ~I I~ ~I I~ ~I I~ ~I
Ejemplos
Teorema 2.2. La forma cuadrtica q(x) = xAx1' 1 donde A es una matriz simtrica
de tamao n x n, es:
l. La fonna
O parar= 1, 2, 3, ... , n.
= 4x
+4xy+3y +z
es cero si y slo si x = y = z
tanto, es definida positiva.
= (2x +y)
+2y
+z
2. q2 (x,y,z)
a12
a1r
a21
a22
a2r
ar
'7-2
arr
Pr =
a.ti
ij
aik
Ji
Jj
Jk
aki
kj
akk rxr
39
~O
Una forma cuadrtica es definida positiva si y slo si todas las entradas de la diagonal
principal de su matriz de representacin son positivas y todos los menores principales
son positivos. Es definida negativa si y slo si todas las entradas de la diagonal principal son negativas y los menores principales tienen signos intercalados: el de orden
2 positivo) el de orden 3 negativo) etc. De la misma forma se determina si la forma
es semidefinida pero examinando los menores principales primarios: para que sea serr.idefinida positiva las entradas en la diagonal son no negativas y todos sus menores
primarios de la matriz deben ser no negativos; para que sea semidefinida negativa las
entradas de la diagonal de la matriz deben ser no positivas, los menores pfimarios de
orden 2 deben ser no negativos, los de orden 3 no positivos: etc.
Tainbin se pueden usar valores propios para clasificar formas cuadrticas (ver,
por ejemplo, [B y S]). La forma cuadrtca es definida positva s y slo si todos los
valores propios de A son positivosj la forma cuadrtica es se1nidefinida positiva si y
slo si son no negativos la forma es definida negativa si y slo si son negativos, etc.
Sin embargo) este procedimiento puede ser difcil ya que encontrar los valores propios
implica solucionar una ecuaCin de grado igual al orden de la matriz de representacin,
problema que en general no siempre es posible solucionar analticamente.
Ejemplos
l. La matriz de la formaq 1 (x 1 y,z) = 4x 2 +4xy+3y2 +z2 es
) .
24 32 o
(o o 1
CAPTULO 2. FUNCIONES
40
41
Ejercicios
4'
4 2
= 12 - 4 = 8 )
2 3
o o
Q1
Clasificar las siguientes formas cuadrticas en definidas positivas, negativas, se1nidefinidas positivas, negativas o no definidas.
4 2
2 3
o=
12 - 4 = 8
2. q2(x, y, z) = x 2 + y2 + xy.
es definida positiva.
3. q,(x, y) = xy.
+ 2yz + 2z2 -
4zw + 4w 2 .
5. qs(x, y, z) = x 2 + y2 + 3xz.
6. q5(x, y, z) = -(x - 2y) 2
Sus menores principales son
o o
(y - 2z) 2
o =o
1
2.5.
que son no negativos, as que q2 no es definida positiva ni negativa, por lo tanto
se deben examinar los menores principales primarios para determinar si la forma
cuadrtica es semidefinida positiva o negativa. Los menores primarios de primer
orden son:
4,
1 y 1
(3x - 2z) 2
1-2
l~ ~l = 1 -
-211 = 4-4= O,
-2
1
o o
Para una funcin de varias variables y = f (x 1 , x2, X3, . .. , xn) el concepto de marginalidad se extiende a cada una de las variables x1 1 x2, X3, .. . , Xn, ste mide el cambio
de la variable dependiente y si una de sus variables independientes se incrementa. Lo
mismo que en el caso de una variable es posible justificar la aproximacin del comportamiento marginal de y con respecto a Xi por la derivada parcial de f con respecto
a Xi definida por:
O= L '
4
-2
Derivadas parciales
o
o =o
1
Todos los menores primarios son no negativos, por lo tanto la forma es semidefinida positiva.
3. La forma q3 (x, y, z) = 4x2 - 3xy - 5y 2 + 2xz + 4z2 es no definida ya que en la
diagonal de su matriz de representacin
Para funciones de produccin en dos variables, p.e. capital y trabajo, estas derivadas
miden las productividades marginales del capital y el trabajo. El clculo de este tipo
de derivadas no involucra reglas nuevas, solamente se deben manejar las variables
con respecto a las que no se deriva como constantes. Las notaciones usuales para la
derivada de la funcin f con respecto a la i-sima variable son:
,Dij y fi;,.
Z!i
a!2Jxk,
Las notaciones
ik, Dikf, denotan la segunda derivada parcial de f con
respecto a xi y a Xk- El proceso de clculo se efecta derivando primero con respecto
a la variable
y luego el resultado con respecto a la variable Xii es decir, a~2Jxk =
Xk
a~;
(:!k).
Ejemplo
Si
hay nmeros positivos y negativos.
f(x, y, z) = xy + yz + xz + yz 2 + xy2z 3 ,
CAPTULO 2. FUNCIONES
42
Al vector formado por las derivadas parciales de una funcin f de varias variables,
se lo conoce co1no el gradiente de la funcin y se usa la siguiente notacin:
'11 f(x) =
43.
satisface la ecuacin
of
a
a )
-;-(x), ... , -;-(x) .
( -;-(x),
uX1
uX2
vXn
y g est definida por
2.5.1.
Reglas de la cadena
Para funciones de varias variables existen dos versiones de la regla de la cadena. Una
para el caso en que y= f(x1,x2 1 X3, ... ,xn) donde cada una de las variables Xi es a
su vez funcin de otra variable t, esto es, Xi = xi(t) para = 1, 2, ... , n. En este caso,
al hacer la co1nposicin w resulta ser una funcin nicamente de la variable t y se
tiene la siguiente regla para encontrar su derivada:
dy
8f dx1
1
8f dxz
8f dx,
k=l
pf(tx) = L(txk)Dkf(tx)
8f dxn
k=l
- - - + -8xz
- .dtL' - + OXn
-dt-
dt - 8x dt
OX3 dt
en g'(t),
Usando gradiente,
~~
&f OXz
aj OX3
8f OXn
- - - + - - . L - - + &xn
-&tk
-.
&tk - OX1 Jtk OXz Jtk ' OX3 at,
Ntese el contraste en las dos fnnulas, en la primera se usan d para denotar derivadas en una variable, en la segunda todas son 8 ya que all solamente hay derivadas
parciales.
pf(x)
of
Xk
k=l
k=l
Ejercicios
l. Encontrar el grado de homogeneidad para cada funcin y calcular en cada caso
xFx +yFy:
"'.1/zv"
d(),x.)
L Dkf(>.x)-f= L x,Dkf(>.x) =
b) F(x,y) =
= LXk&
k=l
a OX1
+ -P- 1pf(tx) =O
Jy
+ -P I:xkDkf(tx)
p>,P-l f(x),
(x,y,z)
x+2y+3z
= {13 X z + 2yz +z z
CAPTULO 2. FUNCIONES
44
45
3. Probar que si
0
ax yf ) '
f(x, y)= ( ex'+ dyP
entonces
(x)
&J
= f (a)+ L &x
i=l
4. Probar que si una funcin es homognea de grado r, sus derivadas parciales son
homogneas de grado r - 1.
5. Sea
C'(p1,p2,p3, q) = q
[A (PfPi-~r + Bp~] ~
una funcin de costo que depende de los precios (p 1 , p2, p3) de tres insumos y la
cantidad, q, que se produce. Calcular y simplificar todas las derivadas parciales
de C* y PI
6. Usar el teorema de Euler para probar que si f es una funcin de dos variables
homognea de grado 1,
y
xx = --fxy
X
2.5.2.
este desarrollo se usar para conseguir condiciones sobre el comportamiento del plano
tangente a la grfica de una funcin en los puntos ptimos y en la linealizacin de
sistemas dinmicos no lineales.
2.5.3.
La matriz hessiana
Usando el gradiente V'f(a) = (%!,(a), /t(a), ... /t;(a)) para simplificar la nota-
i=l
a;)(x - a).
&z.,,.Dz1
"'~'(e)
H(c) =
a't
Ox18x.,,.
(e)
a't
az,ax, (e)
f,f (c)
(c)
k=l =l
a2
&'J
L &x&J (a) (x; -a;)+ LL 2&x&x
~(e)
f (x) =f (a)+
&'J
2(x -
a)H(c)(x - af.
Ntese qy_e la expresin de la derecha es una funcin lineal ms una forma cuadrtica
en x - a.
Ejercicios
donde,
Em,a(x) =
L
k=l
L(x)
=m1X1
+m2X2
=mx+b
para algn
e E /311x-ajJ(a).
+ +mnXn +b
CAPTULO 2. FUNCIONES
46
+ a12X1X2 + + annX~
nl (Xll
~2
a~~~
ann
&K
'
Xn
&L
200
= ;-rc11211f3D.K + 3K1/21-2/3D.L.
es el vector \7 q (x)
= 2xA.
""100(400)- 1! 2 (8) 1/ 35 +
a) w
= -x -
b) w =
1.000
8.000
200
2.000
= 2 0 + 1 2 = 50+-3- =
716,6
2
3
ex +2Y 3z
+ en el punto (0,0,0).
Ejercicios
2.5.4.
D.y = D.f(x)
=
= f(x +
D.x) - f(x)
uX1
D.x1
(xbx2, , Xn-1,Xn
+ 6.xn) - f
uxz
Ll.Xn
D.xn
f.
Ejemplo
Sea
D.x2
la funcin que determina las cantidades producidas de un cierto bien usando K uni-
CAPTULO 2. FUNCIONES
48
49
2.6.1.
Cobb-Douglas (CD)
f(x)
= f(x1)X2
1 ,
Xn) =A
2.6.
Funciones especiales
''
f(x)
x~k
= Ax~1 x~2
+ a2X2 + - + anXn + b =a X+ b
.x~n
LZ=l
Si la funcin y sus variables representan cantidades, para que los valores marginales
sean positivos ai > O para i = 1) 2, ... , n y para que los valores marginales sean
decrecientes O:i :S 1 para i = 1, 2, ... , n, estas son las condiciones neoclsicas usuales.
Usando diferenciales, la aproximacin de la elasticidad de la funcin con respecto a
la variable i-sima es,
EJ-x
'
b.%f
= -~%xi
f:;f
T
b.f X;
8f X;
f X;
= -.
= --"' - =a-~
.6.x f
Jxi f
ixi f -
a
i
X;
esto es, los exponentes representan las elasticidades de la funcin con respecto a cada
variable.
Para el caso de una funcin de produccin que use dos insumos: capital y trabajo,
la CD es
Q(K,L) =.4KLP.
Para esta funcin
Qx
k=l
= a1X1
k=l
d(x/y) fy(x,y)/f,(x,y)
x/y d [fy(x, y)/ f,(x, y)J"
Para funciones de produccin, si este valor es cero los insumos son estrictamente
complementarios y a mayor valor existe ms sustitucin entre ellos; en funciones de
utilidad se tiene una interpretacin similar con respecto a los bienes de consumo.
Geomtricamente la elasticidad mide la curvatura de las curvas de nivel de la funcin:
a mayor elasticidad las curvas de nivel son mas rectas y a menor las curvas tienden a
ser de la forma de ngulo recto (L).
Los modelos ms simples son los lineales, funciones lineales, estos representan
procesos para los cuales las variables independientes son perfectamente sustitutas y
no son esenciales:
rr
n
Ejercicios
L Comprobar la deduccin de las derivadas para la funcin CD.
CAPTULO 2. FUNCIONES
50
51
xx - a17
x 2P+ 2
acrf>xP
x'P+2
17
[(P;,;:+!) f,x-f(p+l) ]
acrli
[p + cr
~+l
xP+2
17
xP+l
= - - --acr--x-f(p+l)
acrf* [
1 3
+ 3L-
/3r
21
= xP+2
' y Cobb=
M'f2f;+l [
xP+2
M'f2f;+l
=
xP+Z
(p+cr)ax-P - r~(p+ J)
[(p+cr)ax-P-(p+l)(ax-P+by-P)]
wf2f+1
CD es uno.
3. Probar que para la funcin F(x,y) g(h(x,y)) con h homognea de grado uno,
la elasticidad de sustitucin est dada por:
hxhy
Uxy
2.6.2.
. >+1
(p + cr)a-;p - f(p + !)
= hhxy
Mf2~+1
xP+z
Esta ltima expresin debe ser negativa, para que los rendimientos marginales de la
funcin sean decrecientes, por esto: <Y ::; 1 y p > -1.
rc========i
it=--------1
f(x) =
con ai > O para i = 11 2, ... , n y dominio lRJ:.. Como la CD las n variables pueden
representar insumos de produccin, precios o Cantidades consumidas de ciertos bienes
y f la cantidad producida, el costo) gasto, la utilidad directa o indirecta. La CES es
homognea de grado a y sus variables no satisfacen la condicin de esencialidad.
Para encontrar el comportainiento marginal de la funcin en el caso de dos variables se deriva implcitamente la ecuacin,
Figura 2.10: Curvas de nivel de Q(K,L) = (2K-11s + 3L-11sr
y Q(K,L) =
2K1/s L'i'.
con respecto a la variable x
P-'-1
-;
"
x = -pax -p-1 .
+1
fx=al7-+1
XP
f(x) =
a(w)(x(w)rP dw
]-u/p
52
CAPTULO 2. FUNCIONES
estas inodelan procesos que tienen un continuo de bienes o insumos: la utilidad que
produce consumir una bebida, el uso de un insumo de produccin liquido. Este tipo
de funciones han sido usadas en modelos de econo1na urbana como casos lmite de
produccin sobre una ciudad lineal.
53
Ejercicios
l. Encontrar la elasticidad de la funcin CES con respecto a la variable x.
!p En
2.6.3.
Leontieff
Este tipo de funcin sirve como modelo para las cantidades producidas de un bien
que requiera insumos estrictamente complementarios, p.e. la produccin de ropa que
requiere tela, hilo, botones y mano de obra; si alguno de los insumos falta no se puede
producir: si para hacer una camisa se necesita 1,2 metros de tela, 10 metros de hilo,
10 botones y dos horas de mano de obra y hay disponibles 250 metros de tela) 11.342
metro:; de hiloi 2.753 botones y 41,5 horas de mano de obra1 entonces se pueden hacer
, {[250]
[11.342]
[2.753] [41,5]}
1,2 '
10
' 10 ' 2
mm
2.6.4.
Translogartmica
k=l
esta expresin puede considerarse como una funcin lineal de logartmos. Una generalizacin de esta expresin es la funcin
n
k=l i=l
conocida como translogartmica, esta es una funcin lineal ms una forma cuadrtica
en logartmos. Como se muestra en la prxima seccin esta funcin produce mejores
aproximaciones que la CD.
CAPTULO 2. FUNCIONES
54
'
'
'
'
,,
"
:L
o
' --------'
Figura 2.12: Curvas de nivel de una funcin tipo Leontieff y de una translogartmica.
4. Una compaa tiene un contrato para su1uinistrar 36.500 unidades de su produccin este ao. El costo de almacenamiento anual es de 10 u.m. por unidad;
el contrato permite la escasez con un costo por unidad faltante de 15 u.in. y
la iniciacin de una partida de produccin cuesta 15.000 u.m. Si las rdenes de
produccin se cumplen sin demora y la de1nanda sigue una tasa constante, determinar el costo promedio como una funcin de la frecuencia de produccin y de la
cantidad producida en cada partida de produccin.
5. Dada la funcin de produccin Q(L, K), las isocuantas son expresiones de la forn1a
Q(L) !{)=e (donde e es una constante); sobre ella estn localizadas las distintas
combinaciones de capital y trabajo con las que se pueden elaborar e de unidades
de producto. Trazar las grficas de las isocuantas de la funcin
Q (L, K)
= 5Ll/3 Kl/3
para e= 1,2 1 3.
Ejercicios
f(x,y) =ax+lny'
55
ill
'
a) Q(L,K) = ALKP.
b) Q(L,K)=(aLP+(3KP) 11P
7.
e representa el costo promedio de una firma que usa dos insun1os de produccin,
.:./!."L":L
C.
donde la funcin de
CAPTULO 2. FUNCIONES
56
d) E..xiste algn parecido entre las partes b) de este ejercicio y del anterior?
rodelado, una de ellas es que la elasticidad de sustitucin (ES) entre factores, definida
por:
lny
I: X;fx;
j=l
= a0 + Lailnxi + LI:"aiklnxilnxk.
i=l
CTik
XiXk
k=l i=l
,
Hik
lllI
donde,
y escribirla en tnninos de la funcin y Xk) esta derivada representa la productividad marginal del k-simo insumo y al escribirla en trminos
de la funcin y la variable se est expresando esa productividad marginal como
funcin del nivel de produccin y las cantidades de insumos.
con respecto a
57
Xk
H=
(l.
f,,
fx,
J )
x1x1
x1x2
x1Xn
x,
::v_X
x2x2
x2Xn
x,,_x
xnX2
x,,_:r;,,_
que generaliza la CES 4 : (si los Pk son todos iguales apesta funcin se reduce a
la CES).
a) Imponer restricciones sobre los parmetros para que la funcin tenga rendimientos crecientes.
b) Encontrar el producto marginal con respecto al k-simo insumo en funcin
de las cantidades de producto e insumos.
11. Para la funcin
n
y=
f(x)
= ( I; okx;-"
Xj
efecto en la cantidad demandada del i-simo insumo debida al cambio en el precio del
j-simo (Allen). Hicks define o'tra1 la elasticidad de complementariedad relacionada
con las funciones duales (Ver captulo 6)) que mide el efecto en el precio de un factor,
producido por el cambio en la cantidad demandada de otro. La definicin implica que
si la funcin es doblemente diferenciable, la ES es simtrica fS y KJ.
Puesto que la funcin CD tiene ES unitaria para cualquier par de factores) en esta
tecnologa los factores son sustitutos; este hecho deja por fuera otro tipo de interaccin
entre factores de produccin. Como respuesta a estos limitantes surgi la funcin CES
(elasticidad de sustitucin constante),
)-1/p
k=l
probar que:
a) f k =
b)
r /!J;. y1+p
Uk P (x1<)i+.1>1;;
= i;p fkf,, si k f s.
e) fkk = k (l+P
Y
2.7.
que permite que la ES entre pares de factores difiera de la unidad. En esta forma
funcional las elasticidades de sustitucin son idnticas para cualquier par de factores.
Uzawa[U] prueba que la CES generalizada es la nica forma funcional para la cual se
cumple esta condicin.
La solucin total a los problemas de restriccin requiere formas funcionales para la
funcin de produccin que sean lo suficientemente simples como para permitir una fcil
estimacin y no impongan excesivas restricciones sobre los parmetros econmicos.
La funcin CES es un paso a la solucin, aunque todava es demasiado restrictiva.
Otras formas funcionales permiten elasticidades distintas entre algunos pares de
factores, aunque aun constantes. Uza,va(U], lv1cFadden11cF] y Sato[Sa] estudian algunas de estas formas funcionales, ellas son composiciones de las funciones CES y CB
en la forma
l+")
Xk
Il x~'
k=l
Guilkey, David K. y C. A. Knox Lovell (1980). "On the fiexibility of the translog approximation",
International Economic Review, Vol. 21, No. 1, febrero.
.,
donde los vectores de x representan una particin de los n insumos. En este tipo de
funciones los insumos se dividen en familias con comportamiento similar. Guilkey y
Lovell[G y L] determinan que para la funcin
CAPITULO 2. FUNCIONES
58
59
'
f (x) =
(t C<kXkp')-'
k=l
x-a
Fuera de las construcciones mostradas hasta aqu, hay otras como la de Revankar[RJ,
en las que se presentan otras generalizaciones de la CES y la CD en dos variables con
Teorema 2.5. Sean f una funcn dos veces derivable en una vecndad de a, y g una
funcin dos veces derivable en vecindades de a y f(a), con g'(a) y g"(a) distintas de
cero. Si se define el error E 2 (x) de aproximacin de la funcin (go f)(x) (g compuesta
de f calculada en x) por el polnomo de segundo grado
(go f) (<k)
= ]ln
2(g(x) - g(a))g'(x)
x-a
2(g(x)- g(a))g'(x)
ES no simtrica.
El desarrollo de un nuevo tipo de funciones, la de Diewer y la translogartmica,
fue considerado por los economistas como la solucin apropiada a los problemas planteados: no ilnponer restricciones al proceso modelado ni a la ES entre los factores y
as mismo facilitar la estilnacin. Dichas soluciones no dan formas funcionales sino
que hacen un desarrollo para toda funcin.
El resultado fundainental para el desarrollo en funciones CD 1 CES, translogartmicas y de Die\vert 1 es la generalizacin de la frmula de Taylor a la composicin de
funciones que describe el siguiente
dg
_l_~
2g'(a) dx
por la ecuacin:
d(g o f)
(g o f) (x) = (g o f) (a)+ cg-(a)(g(x) - g(a))
entonces
(g o f)(x) = (g o f)(a)
donde
91 dn(gof)
d(gof)(a)= (gof)'(a)
dg
g'(a)
y
d ((fog)'(x))
d (g o f) (a)= 1
s'(x) (a).
d2 g
g'(a)
dx
+ ... + n.1
gn
(a)(g(x) - g(a))
+ En(x)
donde
lm
En(x)
=O.
x-a (g(x) - g(<k))n
Entonces,
lim
E,(x)
=0
x-o (g(x) - g(a) 2 )
d(g o f)
(').
CAPTULO 2. FUNCIONES
60
En el caso de que g sea la funcin logartmica y f(a)
transforma en:
61
~ak
donde
k=l
EJ2( f)
L
g; (a)(g(x; - g(a;))(g(x; - g(a
2
8gi 9J
+-
1 ))
+ E2(x).
i,j=l
E2(x)
_O
ti m
2x-a llg(f(x)) - g(f(a))ll
aqu las barras indican la norma en Rn.
Las restricciones que se deben imponer a las funciones
m; = ili
+2
las impuestas al caso de una variable (f debe ser una funcin dos veces diferenciable
EJ(g o f) (a)
&g;
8(gof) (a)
= ax;g(x;)
8x.
Como en el caso de una variablei la conclusin que se deriva se interpreta como que el
error E 2 (x) cometido en la aproximacin es pequeo cuando x est cerca de a. Esta
es la razn para que generalmente se use el polinomio sin el error como una buena
aproximacin al valor de la funcin go f en cercanas del vector a. El teorema garantiza
que si la distancia entre a y x es pequea, el error cometido en la aproximacin tambin
lo es. 5
Si g es la funcin logartmica y a tiene todas sus componentes positivas, se obtiene
la aproximacin al logaritmo de una funcin mediante un polinomio en el logaritmo
de sus variables en la forma clsica de la funcin translogartmica:
n
n n
lnf(x)::::::: ao + l::ai lnxi +
i=l
(a)
i::::::l j=l
En este caso el teorema asegura que este desarrollo vale en una vecindad del vector
a, en este sentido se dice que la aproximacin es local. Para esta funcin Guilkey y
Lovell[G y L] encuentran que la ES es:
5El resultado hace que la funcin sea localmente igual al polinomio.
I1 x~"
a) f(x) =A
(CD).
k=l
b) f(x) =
(t
,
akxkP)-; (CES).
k=l
e) f(x) -_
n
a+ I:k~i
akxk
funcin de Diewer).
n
n
1/2 1/2)
+ I:,~
1 I:;~i a;;X; x1
(Una versin de la
Captulo 3
Grafos y contornos
Las definiciones bsicas de conjuntos abiertos 1 cerrados, compactos, convexos (como
otras) no son en general fciles de inanejar. Por ejemplo, determinar si el conjunto
A= { (x, y) E !R2 1 x 2
y S 4,
!xi+ y S
5}
es abierto y convexo con slo las definiciones, puede convertrse en un dificil proble1na algebraico. Las nociones de grafos y contornos y los resultados que conectan el
co1nportamiento de stos y las funciones que los determinan sin1plifican la solucin de
proble1nas de este tipo. En el caso anterior las propiedades del conjunto A estn de-
3.1.
Grafos
~!R.
es el conjunto
GS = {(x,y) 1 f(x) S y}
y el hipgrafo, grafo inferior o subgrafo de
f es
63
64
3.1. GRAFOS
65
3. El conjunto {(x,y,z) J z S 2x + 5y- 4x2 +xy-y2 } es el grafo inferior de la funcin continua f(x, y) = 2x+5y-4x 2 +xy-y2 i por lo tanto es un conjunto cerrado.
4. El conjunto { (x, y, z) J z > 2x + 5y - 4x 2 + xy - y2 ) es el complemento del grafo
inferior de la funcin f(x,y) = 2x+5y-4x 2 +xy-y2 que es una funcin continua
en JR2 , por lo tanto el conjunto es abierto (su complemento es cerrado).
{(x,y,z) 1 y 2 +x < yz
S x+y2 +z 2 }
es igual a:
{ (x, y, z) 1 y 2
+ x -yz <O :S x + y2 + z 2 -
yz}
> x 2 yz-y 2 - z 2 )
={(x,y,z) 1yz-y 2 > x) n {(x,y,z) 1x2 yz-y 2 -z2 )
= ({(x, y, z) 1 yz - y 2 2 x} - {(x, y,z) J yz -y2 = x})
={(x,y,z) I yz-y 2
Figura 3.1: El grafo es la superficie formada por los puntos que satisfacen
la ecuacin z = f (x, y), el epgrafe o grafo superior de f es el grafo junto
con el conjunto de todos los puntos que estn encima de la grfica, y el
hipgrafo o grafo inferior es el grafo junto con el conjunto de los puntos
bajo Ja grfica.
Teorema 3.1. Si fes una funcin continua definida en un conjunto cerrado, entonces
G, GS y GI son conjuntos cerrados.
Ejemplos
l. El conjunto { (x, y, z) i x 2 + xy + 5y 2 ::; z} es un conjunto cerrado ya que el conjunto es el grafo superior de la funcin h(x, y) = x2 + xy + 5y 2 que es contnua y
est definida para todo x, y, esto es, su dominio es R. 2 que es cerrado.
z2 )
donde las funciones h y k estn definidas por h(y, z) = yz - y 2 y k(y, z) = yz y 2 - z 2 . Aqt las funciones se han tomado en las variables y y z porque el conjunto
permite "despejarn (dejar sola) la variable x en medio de las desigualdades.
6. El ejemplo anterior permite una interpretacin del conjunto en trminos de grafos;
otros, como el siguiente) permiten varias interpretaciones.
{(x,y,z,w) 1 x
+ w2
<y+ z 3 S x + z 2 +w3 )
{(x,y,z,w) 1 x+w 2
z3 }
G(x,z) w) = x + z +w
2
x+w 2 -z 3 y
66
3.2. UUNTUH.NU3
{(x,y,z,w) 1 w 2
z 3 -y< -x S z +w
= {(x,y,z,w) 1y+z3
z -y)
2
= { (x, y, z, w) 1 y+ z 3 -w
> x}
n {(x,y,z,w) 1 x ~ y+z3
=(GI-G)nGS9 .
67
z2 -w3 )
= {(K,L) 1mn{2K,3L)2 6}
z2 -w3 .
F = { (x, y) 1 x2 - 9y 2 = 9).
Ejercicios
l. Sean
A= { (x, y) l [y
y[ S x, IY + 21 S 1}.
2. Sean
g(x) =
x - x',
3.2.
f(x) =X+ 5.
a) GS,nGI.
b) GI, n GS.
3. Sean
2
g(x,y) = x +x-y,
f(x, y)=
Contornos
X -
y/o acotados.
b) GI9 n GS.
4. Sean
g(x,y,z) = x+ 3y-3x2
z2 ,
f(x,y,z) =x-2y+z 2 .
a) GS, nGI.
b) GI9 n GS.
k)
as, n GI.
a nivel k.
68
3.2. CONTORNOS
69
puede ser interpretado como contornos; para esto basta restar yz a todos los
trminos de las desigualdades para convertirlo en
=({(x,y,z)ly'+x-yz:SO}-{(x,y,z)ly2 +x
=
yz=O})
yz.
Ejercicios
l. Sean
A= {(x,y)
Figura 3.2: La grfica de la funcin f se corta a altura k y se proyecta al plano xy. El contorno superior de f a nivel k corresponde
a la regin gris y el contorno inferior de f a nivel k a la regin
blanca.
2. Sean
g(x) = x- x 2 ,
Demostracin. Sean
f:
f(x)=x+5.
A que es cerrado.
f(x,y)
= x-y.
Ejemplos
l. Si f(x) = x 3 - x, C(O) =
x2
4. Sean
g(x,y,z) = x + 3y - 3x2 - z2 ,
f(x, y, z) = x - 2y + z 2 .
a) CS,(O) n CI(O).
+z2 }
70
Captulo 4
g(x, y, z) = z - y - xz
Convexidad
escribir el conjunto
A= { (x, y, z) 1 x 2 + xy S z - y - 5 S xz}
en trminos de los grafos y/o contornos de f y g.
7. Terminar la prueba del ltimo teorema de esta seccin.
8. Encontrar una funcin discontinua que tenga todos sus contornos superiores cerrados. Una funcin que tenga todos sus contornos superiores cerrados se llama
semicontinua superiormente.
10. Probar que si q es una forma cuadrtica definida positiva y k >O, entonces Clq(k)
es acotado.
4.1.
Conjuntos convexos
>.a:+ (1->.)yE A.
Un conjunto A ~ lRn es estrictamente convexo s para cada par de elementos x, Y E A
Y>. E (O, 1),
>.x+ (1 - >.)y E int(A).
71
CAPTULO 4. CONVEXIDAD
72
Si x y y son dos elementos (vectores) en JR.n, x - y es el vector que une los extremos
de x y y en la direccin de y a x, y
y+.\(x-y) =
73
Ejemplos
>.x+ (1-.\)y
+x
Sy
s 2 + s S t.
Probar que .\(x, y)+ (1 - .\)(s, t) est en el conjunto, para OS.\ S l, equivale a
que (.\x + (1- .\)s, .Ay+ (1- .\)t) satisface la condicin que define al conjunto, es
decir:
[>.x + (1 - .A)s] 2 + .\x + (1- .\)s S .\y+ (1- .\)t.
Desarrollando el trmino de la izquierda de la desigualdad:
espacio.
.\u +{!-.1.)v
2 2
+ Ax 2 - A2 x 2 + As 2 +AX+ (1 - .\)s
= A2 x 2
Figura 4.1: En un conjunto convexo estricto los segmentos de recta que unen
dos puntos del conjunto, salvo los puntos1 estn en el interior del conjunto. En
un conjunto convexo esos segmentos estn en el conjunto (pueden coincidir con
las fronteras planas).
muestra que
[.\x + (1- .\)s] 2 + .\x + (1 - .\)s <.\y+ (1- .\)t
esto es .\(x, y)+ (1 - .\)(s, t) est en el interior del conjunto.
x = s y y # t, se puede suponer sin perder generalidad que
y< t. Como (x, y) y (x, t) son elementos del conjunto, basta ver que .\(x, y)+
(1 - .\)(x, t) = (x, .Ay+ (1 - .A)t) es punto interior lo que se sigue de la desigualdad .\y+ (1 - .\)t < t y el ejemplo anterior.
b) Si
Figura 4.2: Conjunto no convexo: El segmento de recta que
conecta dos puntos del conjunto no est totalmente contenido en el conjunto.
En los reales los conjuntos convexos son los intervalos, en el plano y el espacio son
conjuntos sin "entradasn co1no muestra la figura 4.1.
[~]-' + = ~ -:fa l. Ntese que los puntos en la frontera o cerca de ella son los
candidatos naturales para probar que un conjunto no es convexo.
CAPTULO 4. CONVEXIDAD
74
75
AnB,
A+B={u+vluEA,
vEB),
kA={kuluEA)
y AxB
Ejercicios
l. Probar que un subconjunto de lR. es convexo si y slo si es un intervalo.
3. Encontrar conjuntos para mostrar que en general la unin de dos conjuntos convexos no es uno convexo.
4. Probar usando la definicin que el conjunto
estrictamente convexo.
6. Determinar si el conjunto
(.\x + (1 - >.)y)
es convexo.
4.2.
f :A
_, R;
es convexa si y
Ejemplos
l. Para determinar el comportamiento de la funcin f(x) = ax 2 +bx+c con respecto
a convexidad y concavidad se examina el signo de
CAPTULO 4. CONVEXIDAD
76
2 2
2 2
=a [(A. -A. )x
2
[x
>.2 x 2
f
f
2xy + y J
= aA.(l - A.)(x - y) 2
= a(A -A. )
f
f
77
desarrollando,
convexa creciente
cncava creciente
convexa decreciente
cncava decreciente
g convexa
convexa
g cncava
cncava
convexa
cncava
Demostracin. Se deja como ejercico. Las partes sobre composicin que faltan por
O
probar son dnticas al ejemplo 2 anterior.
ya que (1-A) - (1- >..) 2 = ,\ - >.. 2 . Esta ltima expresin es claramente mayor
o igual a cero si y slo si a > O, ya que O ::; ). ::; 1: por lo que O ::; 1 - ,\ y
todo cuadrado es no negativo. Por lo tanto, la funcin f (x) = ax 2 + bx + e es
estrictamente convexa s y slo si a > O y es estrictamente cncava s y slo si
a< O.
2. Si g es convexa,
Ejercicios
l. Usar la definicin para probar que las siguientes funciones son convexas:
a) f(t) =
ltl
b) g(x,y)=4x 2 -3xy+5y2 .
g (A.x + (1- A.) y) S A.g(x) + (1 - A.) g(y)
f :E
5. Probar que si
y slo si
f(x +y) S f(x) + f(y) (!es subaditiva) y fes cncava si y slo si f(x +y) 2
f(x) + f(y) (!es superaditiva).
-+
IR y g : A -+JE:
convexa (cncava).
1. Si
CAPTULO 4. CONVEXIDAD
78
79
2.
3. Si
4- Si
5.
f(x) S: Y Y f(u) S: v.
Si
= .\(1- >.)q (x - y)
f es convexa,
Ejemplo
>.(x, y)+ (1- >.)(u, v) = (>.x + (1- >.)u, ,\y+ (1- >.)v)
est en GSf.
Por otra parte, si GS es convexo y (x,y), (u,v) estn en G e GS,
f(t)=t 3 y
g(x,y)=2x 2 -3xy+5y2.
f(x) =y y f(u) =v
+4y2
L(x,y) =2x-5y+3
es lineal, por lo que se puede considerar convexa. Como la suma de funciones convexas
es convexa y
entonces para O$
>. $ 1,
Lo que prueba que CI(k) es un conjunto convexo, esto es, la tercera parte del teoO
rema.
El teorema tambin es aplicable a los grafos y contornos sin la frontera.
CAPTULO 4. CONVEXIDAD
80
Ejemplos
cin h(x) y)= x 2 +xy+5y2 es convexa, es una fonna cuadrtica definida positiva,
81
= x2 es Convexa
inferior de la funcin f(x 1 y)= 2x+5y-4x2 +xy-y 2 que es una funcin cncava;
es la suma de una funcin lineal (que se puede considerar cncava) y tma forma
i;:uadrtica definida negativa (que es cncava).
4. Si
4.2.1.
el conjunto
GS,
por lo tanto
{(x,y) 1 mx{f(x),g(x)} :S y}
= {(x,y)
y cada uno de estos conjuntos son los grafos superiores de funciones convexas, por
lo tanto son convexos: y como la interseccin de conjuntos convexos es convexa,
el conjunto GS,w es convexo. Esto prueba (por aplicacin del teorema anterior)
que la funcin 1VJ es una funcin convexa.
Teorema 4.5. Si g(x) es dos veces derivable y g11 (x) es positiva (negativa) en un
intervalo I abierto, entonces ges convexa (cncava) en J.
Ejemplo
La funcin
Ejercicios
f(t) =e'
es una funcin convexa y creciente ya que su primera y segunda derivadas son posi~
tivas. La forma cuadrtica
q(x,y) = 5x 2
2. Probar que si
xy+y 2
El desarrollo de Taylor de primer orden con error para una funcin g( x) que sea dos
veces derivable alrededor de un punto x = a es
+ t(u -v)) y
es convexa. La funcin
f(s) 2: f(t)
+ f'(t)(s -t).
g(t)=lnt
es creciente y cncava, su derivada es positiva y su segunda derivada es negativa1 y la
funcin
L(x,y) = 2x+y-5
es lineal por lo que se puede considerar cncava. Nuevamente por composicin
CAPTULO 4. CONVEXIDAD
82
W = { (x, y)
ln(2x +y - 5) 3
83
4. El conjunto
2; ~~d: 1> 1}
2
es convexa.
El siguiente teorema1 que generaliza a varias variables y cuya demostracin se basa
Ejercicio
Ejemplos
g(x) = akxkP,
Xk
k=l
= _<J_-ufp-1
J"(t)
4.2.2.
La funcin CD
J(x,y) = Axy~,
= <7(<7; Pl-ufp-2.
x >O,
con
y> O y A> O
es,
Si !l.<
O la funcin es creciente y si cr(cr + p) >O la funcin es convexa.
p
3. Las derivadas de segundo orden de la funcin T(x, y)
Txy = 3y2 y Tyy = 6xy. Su hessiana
o(o-l)J(x,y)
2,
3y2)
6xy
es definida positiva si xy > Oy l2xy-9y4 > O, sin embargo la funcin slo puede
ser convexa en un conjunto convexo y el conjunto definido por esas desigualdades
no es convexo, as que T es convexa en cualquier subconjunto convexo de
A={(x,y)!xy>O,
12xy-9y4 >0}.
4x-3y >o}
4x
3y3 >o}.
H(x, y) =
o~f("",,y)
xy
/l(/l-1) >O,
Y IH(x,y)I ~O
IH(x,y)I =
o:Jf:(~, y) (1 X
o: - /l) ? O
es convexa si y slo si
a/l(l - o: - /3)
? O.
Y fes cncava si y slo si la matriz hessiana es semidefinida negativa para todo (x, y)
que equivale a
CAPTULO 4. CONVEXIDAD
84
f(x,y)=Axyfiz',
con x>O,
y>O,
z>O y A>O
2. Sean
f(x,y)
interpretar el conjunto
A= {(x, y, z) 1x 2 + xy S: z -y - 5 S: xz}
85
y g y determinar si el conjunto es
donde, A > Oy
11
Xi
> Opara i
= 11 2, ... , n son:
1::-
[0 1 1] para i
= 1, 2, 3
1 ,
ny
J) F = {(K, L) I (K-i, 2 + L- 1
l2,/x 2
+y 2
g) G={(x,y)
S:x-y+l}.
h) H = {(x,y,z) l l2x+zl S: J5y+8xz}.
4. Determinar si cada funcin es convexa o cncava sobre la regin indicada.
= l, 2, ... , n, y
+a2++an :S l.
Por lo tanto, una funcin tipo Cobb-Douglas bajo las condiciones neoclsicas usuales
es cncava si y slo si es homognea de grado menor o igual a uno.
Ejemplos
l. f(x,y,z) = x 112 y 2 z 113 con x,y,z 2: O: no es convexa ni cncava.
Xiy,z
> i es convexa.
a) f(x,y) = ,/x
+ y-2.
d) f(x,y) = x (y +4).
Ejercicios
a) A={(x,y)llv2
yjs;x,jy+2IS:l}.
6. Sean
g(x 1 y 1 z) = x + 3y-3x 2
z2 1
J(x, y, z) = x - 2y + z 2 .
a) GS9 nGI.
b) GI9 n GS.
86
7. Sea
Sea a un punto del intervalo, como ste es abierto existen e y d en I tales que
e < a < d. Si se quiere mostrar que f es continua en a se debe ver que
lm f(x) = f(a)
x-a
a) {(x,y,z,w) 1 w = g(x,y,z)}.
b) {(x,y,z) 1g(x,y,z)=1000}.
8. Sea
f :S
Para esto considrese inicialmente e < a < x < d, y sean me, mx y md las pendientes
de las rectas que pasan por los puntos (a,f(a)) y (c,f(c)), (a,f(a)) y (x,f(x)), y
(a, f (a)) y (d, f (d)). La prueba anterior muestra que la relacin entre estas pendientes
es
f(x) - f(a)
me Smx =
Sma.
x-a
Multiplicando la igualdad por x - a > O,
(a x) 2
f (x)=-bx
o equivalentemente,
f(a)
lm f(x) = J(a).
.,
Teorema 4. 7. Si. una fu ncion
continua en I.
X->a+
lm f(x)
X-->a-
= f(a)
f( ) - f(x)
(1- A) (f(z) - f(x)) - (1- A) (f(z) - f(x))
yy-x
S
y-x
- (>.x+(l >.)z) x
=
4.3.
1
di te de la secante de la recta que pasa por (x,f (x)), (y, f (y)) es menor
esto
es,que
a pen
que la
pasaen
por (x, f( x )) 1 (z, f(z)). Con un argumento similar se prueba que
f es cuasiconvexa
Si lIB,:c_.a f(x)
llU.,,-..a h(x) =L.
1
i
CAPTULO 4. CONVEXIDAD
88
Con esta definicin toda funcin convexa es cuasiconvexa y toda funcin cncava es
cuasicncava. Como en el caso de funciones cncavas y convexasj para que la definicin
tenga sentido el dominio debe ser un conjunto convexo y de la ns1na forma que all si
x f. y 1 ), "f. O, 1 y las desigualdades estrictas, entonces la funcin es estrictamente
cuasconvexa o estrictamente cuascncava, segn sea el caso.
89
.Ejemplos
l. Es de notar que la suma de funciones cuasi convexas (cuasicncavas) no es cuasi
convexas (cuasicncavas). Para ver esto sean J(x) = x3 y g(x) = -x ambas
+ g)(x)
'
.lu +{l-A.)v
Cualquier funcin montona es cuasiconvexa o cuasicncava. S h es montona creciente, sin prdida de generalidad sean x '.:'.y para O'.:'. ), '.:'. 1, x '.:'.AX+ (1 - >,)y'.:'. y
como h es creciente,
= f C(xf
f : A - JR
f creciente
f decreciente
= f(x)
f(y) (x +y))
de donde
g cuasconve:ca
cuasconvexa
cuasicncava
= f (f(x)
y g : A - R:
= f ( f(x) + f(y) x +
g cuasicncava
cucisicncava
cuasiconvexa
f :A - R y k
2.
en el rango de
f.
vV
CI(k)
= {x
f(x) S k)
Ejemplos
l. La funcin Cobb Douglas F(x, y) = AxyP con A > O, a > O, f3 > O, x
y 2: Oes cncava si y slo si a + {3 :=:; 1 en otro caso es cuasicncava ya que
{
{
k}
1
=CSa
x'+~+'y'++':::
f3
(x,y)
k
(A)
(:A)
B = {(x,y) 1 x2 +3y 2 S k3 }
que es el contorno inferior de la funcin g(x, y) = x 2 + 3y2 a altura k3 Como la
funcin g es convexa sus contornos inferiores son convexos, por lo tanto el conjunto
B es convexo, pero como ste es igual al conjunto A, entonces A es un conjunto
convexo lo que implica que la funcin f es cuasiconvexa.
}
' }
1+0-+.B
Como en el caso de convexidad y concavidad existe un criterio diferencial para determinar si una funcin es cuasiconvexa o cuasicncava, ste involucra la matriz hessiana
orlada de la funcin:
o Ji
fz
fn
z
iz
,,
ln
n)
2n
nl
n2
nn
H = .!'
(
donde
a
"
=x1+a+i3y1+a+e.
s k}
[( -Ak)~]
G(x,y)
\/x2 +3y2
::: O y
l+o+J
'
El teorema anterior se puede extender a funciones estrictamente cuasiconvexas y cuasicncavas: una funcin es estrictamente cuasiconvexa si y slo si sus contornos inferiores son estrictamente convexos y una funcin es estrictamente cuasicncava si y
slo si sus contornos superiores son estrictainente convexos.
{ex, y)
=k
lo que prueba que >-u+ (1 - >-)v est en CI(k), esto es, CI(k) es convexo.
perio~es son convexos, CSa [ (*) 1++t.l] = CSp(k), y por la aplicacin del teorema
Teorema 4.10. Si todos los menores principales de orden mayor o igual a dos de la
anterior F es cuasicncava.
CAPTULO 4. CONVEXIDAD
93
Ejemplos
f(t) =
fy
fxy
fyy
x
xx
fyx
!!l
0:(ei-l)f
X~
opj
y
xy
!J1
91J..t.
::z:y
fi(fi-l)f
-:.--
!'
-xy fJ"
"
X
0:(0:-l)
1
>
1
.
g(>.u + (1- A)v) - >.g(u) + (1-A)g(v)
ofi
y
Si
afJJ' O
- "fJ
xZyZ
"-1
fJ
afJJ
x2 y2
afJ3
"
f(>.u + (1-A)v)
)..f(u) + (1- >.)f(v)
-g(+.>.-u-:-+"(1---c),:;-)v') 2 Ag(u) + (1 - A)g(v)"
(-I) fJ fJ-1 + fJ
afJ13
l)fJ)) = 22(" + fJ).
xy
Como bajo las condiciones neoclsicas usuales a > Oy f3 > Ola funcin en esas
= -x2y2
fJ-1
x-4.
p(/-1)
03.
sacando factores comunes f) ~ y { de la primera, segunda y tercera filas respectivamente, el determinante equivale a
Vt
h( )= f(u) >k
g(u) -
'
de donde,
f(u) 2 kg(u),
f(v) 2 kg(v)
por lo tanto,
f(>.u + (1- >.)v)
Af(u) + (1- >.)f(v)
h(Au + (1- >.)v) = g(>.u + (I - >.)v) 2 ),g(u) + (1->.)g(v)
lo que prueba que h(>.u+ (1->.)v) E CSh(k) por lo tanto CSh(k) es convexo
que equivale a que hes cuascncava. Esto es> el cociente de una funcin cncava
no negativa con una convexa positiva es una funcin cuasicncava.
6. Sean f una funcin cuasicncava definida en un conjunto convexo A. Si u Y v
estn en A y>. en (O, 1), sin prdida de generalidad, sea f(u) 2 f(v) de donde,
+ >.(u-v)) 2 f(v)
de aqu
f(v+>.(u-v))-f(v) 2 O
al multiplicar por
,\
con
Xi
-:--;==;;===;e
ij2x- 3
+ 5y- 3
11. Encontrar, si existen, los valores de r para los que las funciones
e) s(x,y,z) = y2 - Fz, x 2 O, z 2 O.
d) F(K,L) = mx{2K,3L}.
r',
9. Sea:
F( x, y) =
a) Q(K,L) = 5K,2L", K 2 O, L 2 O.
b) f(x,y) = 5x2 + 3y2 - 2y.
2. Sean
z' +y -
es cuasicncava.
Ejercicios
l. Clasificar las siguientes funciones en convexas 1 cncavas, cuasiconvexas o cuasicncavas:
4y2 -
a) cuasiconvexas,
b) cuasicncavas.
12. Encontrar condiciones sobre f y g para que
a) f / g sea cuasiconvexa.
b) f g sea cuasiconvexa.
e)
f g sea cuasicncava.
4.3.1.
La funcin CES
f(x,y) = (axr
+ byr)' 1'
xa (cuasicncava).
esta funcin est definida en lRi+ El clculo de las derivadas para esta funcin se
escribe en la forma
Derivando implcitamente,
ss-l fx = arxr-1
CAPTULO 4. CONVEXIDAD
96
97
de donde,
x
ar
= -Xr-I
1-s
s
y por simetra,
br(l-s)xyr-l
1
b(r - s)y' + as(r - l)x'
r-2
s4
s4
,J
2 2
- " ( 2 2,
)' +by
a x +2ab(x y
Xi
'
s4
xx =
s [(r- l)x'-
ar
=:
=a;
=
2 1
/ -'
s'
1 1
ar
xr- 2 12s
2'
[(r
[ax'+ by']
-']
l)f'+ ar(l,-s)x']
s 2: O,
Con las dos primeras condiciones los trminos de la diagonal son no negativos y con
el ltimo el determinante de la hessiana es no negativo. Estas condiciones se resumen
en:
fyy
br
2
= -,;Y'1- 2 ' [b(r s
. r 2: s, s 2: O y r 2: 1) de donde r 2: 1 y r 2 s 2 O.
1
r-s:SO,
s(r-l):SO y s(r-s)(r-1)2:0.
98
1
Para hacer el anlisis de cuasiconvexidad o cuasiconcavidad se debe calcular el
determinante de la matriz hessiana orlada)
arxr-l 1-s
o
arxr-1 1-s
arxr-Z f
'
,,'
,,
abr2(l-s)(xyy-111-Zs
brt/'-l 1-s
br'(
xy
abrz(l-s)(:yr-1 1-zs
'
byr-1
-sa(r-s)x" +bs(r-l}yr)
br(l-s)xyr-1 -s
ar(l-s):r-ly-s
1-sb(r-s)yr +as(r-l)x"'J
'
s4
-axr (b(r - s)yr + as(r - l)xr)]
abr 3 (xy)r- 23- 4'
-~___,~- [-a2 s(r-l)x2r -2abs(r- l)(xyY -b2 s(r- l)y2r]
s
ab 3 (
1)( )r-23-4'
r s r - s:y
[a2x2r
abr3 s(r -
l)(xy)r- 2 3 - 4 '
----~---- [axr
abr3 s(r
s'
- l)(xyt-
J'-
+ 2ab(xy)r + b2y2r]
+ byr]2
s'
f es cuasiconvexa cuando:
a) r<Oys>O,
b) O<r<lys<O,
e) r>lys>O;
f es cuasicncava cuando:
a) r <O y s <O,
b) O<r<lys>O,
e) r>lys<O.
Ejercicios
1. Probar que la funcin
es cuasicncava en A.
4. Encontrar las condiciones ms generales sobre los parmetros para que cada una
de las siguientes funciones, con dominio lR~+,
ft
f(x,y,z) =x(yP+zP)'
g(x, y, z) = (xyfi + z+fi)P
h(x,y,z) = (mn{x,y}) zP
k(x,y,z) = ((mn{x,y})P +zP)"
F(x,y,z)
b) Cncava.
rs(l - r)
2.
a)
'
1.
axr-1
y
=a
bryr-1 1-s
1 - 25 fa(r-s)x,.. +bs(r-l)yr)
e) Cuasiconvexa.
d) Cuasicncava.
Captulo 5
Optimizacin no restringida
Las aplicaciones ms importantes de las derivadas en una variable son el trazado de
grficas 1 y en varias variables la bsqueda de puntos ptimos, mximos y mnimos,
para problemas restringidos y no restringidos.
En este captulo se desarrolla la teora para encontrar los ptimos (mximos y
mnimos) de una funcin. Si el proceso de optimizacin se efecta sobre todo el dominio de la funcin, se habla de optimizacin no restringida, y si se hace sobre un
subconjunto del dominio, llamado conjunto de restricciones1 la optimizacin es restringida.
5.1.
Sean J una funcin con dominio sobre el conjunto A ~ i'Rn y valores en los nmeros
reales, D ~ A el conjunto de restricciones. Los problemas de optimizacin buscan
los valores donde la funcin f i llamada funcin objetivo 1 alcanza sus valores mximo
y mnimo, esto es,
Maximizar f(x) sujeto a que x E D
y
l_,li.l.1. Ul.JV
102
u.
~------
---~-
Existen versiones de los conceptos anteriores cuando la funcin objetivo Yel conjunto
de restricciones depende de los valores de un vector de parmetros e en la formal
8 = (p,,p,, u),
f(x, 8) =
PxX
+ PyY
mn r K
+ wL sujeto a Q(K, L) 2: q.
para el problema de maximizar la utilidad con una restriccin presupuesta! el problema a solucionar es
objetivo son
X= (K,L),
8 = (r,w,q)'
y f(x,8) = rK +wL.
Las demandas condicionadas son
x=(K,L),
8=(P,r,w),
D(8)={{K,L)IQ(K,L):2:q}
y /(x,8) = rK +wL.
Las demandas marshallianas son
8={p,,p,,m),
D(8)=1R~
f(x,8)=II(K,L).
D(8)}
y la funcin de beneficio es
105
104
17
40
15
30
10
20
5
10
-3
'
-2
-5
2.
Ejemplos
l. La funcin
25 = 3 ( x + 5)'
f(x) = 3x2 + 5x - 2 = 3 ( x2 + 5
-x + -25) - 2 - 3- -49
3
M
M
6
~
tiene un mnimo global en x
2. Sea g(x)
= 3x + 2;
argmn{f(x) 1x E IR}=
{-0.
mx{g(x) 1xE[-2,5J}=17,
49
(-5) = -12
f(x)?. f
argmx{f(x) 1xE!!!:)=0,
=by x
= a,
mx{g(x) 1xE[a,b))=3b + 2,
4. Para
-5
h(x)=
3x~2,
17,
six:S-2
s -2<xS5
six>5
5.
o
k(x)=
2~ 2 +4x+3,
{ 10,
si x < -2
si -2<xS1
si X> 1
[a,b]
wv
k'(x) =
{'
Si X< -2 O X> 1
4x+4, si -2<x<l
k"(x)
{'
si x < -2 o x > 1
4) si -2<x<l
-2
-1
L Si b :S -2 1 la funcin es constante en A 1
argmx{k(x) 1x E [a,b]} = argmn{k(x) 1x E [a,b]} = [a,b] y
mx{k(x) 1x E [a,b]} = mn{k(x) 1x E [a,b]} =O.
2. Si a S -2 < b <o
argmx{k(x) 1xE[a,b]}=0
argmn{k(x) 1x E [a,b]} =[a, -2]
mx{k(x) 1x E [a,b]} no existe y
mn{k(x) 1 x E [a, b]} =O.
4. Si a S -2 y b > 1
argmx{k(x) 1x E ja,b]} = (l,b]
argmn{k(x) 1x E [a, b]) =[a, -2]
mx{k(x) 1x E [a, b]) = 10 y mn{k(x) 1x E [a, b]) =O.
5. Si-2<a<b<-l,
argmx{k(x) 1x E ja,b]} ={a}
argmn{k(x) 1x E [a,b]} = {b}
mx{k(x) 1x E [a, b]) = 2a2 + 4a + 3 y
mn{k(x) 1xEja,b]}=2b2 +4b+3.
8. Si-2<a<-lyb>l,
argmx{k(x) 1x E [a,b]} = (1,b]
argmn{k(x) 1x E [a,b]} = {-1}
mx{k(x) 1xE[a,b]}=10 y
mn{k(x) 1x E [a,b]} =l.
-3
3. Si a S -2 y OS b S 1
argmx{k(x) 1x E [a,b]} = {b}
argmn{k(x) 1x E ja, b]) =[a, -2]
mx{k(x) 1xE[a,b]}=2b2 +4b + 3 y
mn{k(x) 1 x E [a,b]} =O.
9. Si-lSa<bSl,
argmx{k(x) 1x E [a,b]) = {b)
argmn{k(x) 1x E [a, b]) ={a}
mx{k(x) 1x E [a, b]) = 2b2 + 4b + 3 y
mn{k(x) 1xEja,b]}=2a2 +4a+3.
108
109
Ejercicio
Determinar
argmx{f(x) 1 x E I},
mx{f(x) 1 x E I},
argrrn{!(x) 1 x E I}
y
mn{f(x) 1 x E I)
para:
o
f(x) =
si
X< -2
x2 si
{1
-2:Sx:Sl
si x>l
Si el conjunto I es:
l. (-3, 1].
2. [-1,3).
Definicin 5.4. Sea f : A ~ .IR.n -r IR., A abierto, XQ un elemento de A y v un vector
unitario de Rn. La funcin f es derivable en el punto XQ en la direccin del vector v
si
5.2.
Derivadas direccionales
En esta seccin se encuentran las condiciones necesarias y suficientes que debe satisfacer una funcin en varias variables para que alcance un extremo en algn punto.
la funcin tiene un mnimo en ese punto y los mximos sobre la frontera del conjunto.
La convexidad o concavidad convierten ciertas condiciones necesarias en suficientes.
h-0
~(:ro)
La versin en varias variables del teorema que da las condiciones necesarias para
Definicin 5.3. Una funcin f definida en un subconjunto abierto A de IR:n es diferenciable en un punto a de A si
f(x) = f(a)
a)
para todo x en alguna bola Br( a), donde V f (a) es el vector gradiente y
lm Ea(x- a)= O.
x-a
En dos variables esto significa que la superficie z = f(x, y) tiene plano tangente
en el punto (a,f(a)) = (a,b,f(a,b)) y que cerca de este punto la funcin se puede
aproximar por el plano tangente:
z = f(a)
+ vf(a). (x -
a)= f(a,b)
Para funciones de dos variables esta derivada mde la pendiente de la recta tangente
a la funcin en el punto x 0 en la direccin del vector v. Cuando la direccin v es la
de un eje coordenado1 es la conocida deriva-da parcial de la funcin con respecto a la
variable que corresponde al eje.
lll.
llU
5.3.
Ejemplos
!. Las derivadas parciales de la funcin
x = 2(x- I)
(y 2 +y) +2x,
2(x-I)(y2 +y)+2x=O
(x-1) 2 (2y+l)=O.
La segunda ecuacin es cero si y slo si x = 1 y= -1/2. x = 1 no produce
solucin ya que al ser reemplazado en la primera ecuacin lleva a x = 01 lo que
es imposible (x no puede tomar dos valores simultneamente). Al reemplazar
y = -1/2 en la primera ecuacin
2(x- l)(; -
zl + 2x =
-2(x -1) + 2x = x +
2
2 =O
(-1/3, -1/2).
2. Para una firma que usa dos insumos K, L a precios ri w por unidad respectivamente, el costo promedio es
C=rK+wL
Q(K,L)
donde Q = Q(K,L) es la funcin de produccin. Las condiciones que se deben
satisfacer para minimizar el costo promedio son:
&C rQ(K,L)-(rK+wL)QK(K,L)
8K =
(Q(K, L))2
=O
&C = wQ(K,L) - (rK +wL)QL(K,L) =O
8L
(Q(K,L))2
estas ecuaciones equivalen a
rQ(K,L)
= (rK +wL)QK(K,L)
r
;;; =
QK(K,L)
QL(K, L).
Las cantidades de insumos que el productor debe usar para minimizar su costo promedio son aquellas para las cuales la relacin entre las productividades
marginales es igual a la relacin entre los precios de los insumos de produccin.
112
3. Si el productor vende su producto a P por unidad 1 los beneficios estn dados por
113
f y
tiene un mnimo en a.
tiene un mximo en a.
IT(>.K,>.L)
= PQ(>.K,>.L)
= P>.Q(K,L)
(r>.K +w>.L)
(r>.K + w>.L) = >.IT(K, L).
J..->oo
),......,.oo
La ltima parte del teorema dice que cuando H(a) es semidefinida, la aproximacin
por una forma cuadrtica es localmente "muy planai', y a partir de la matriz hessiana
no se pueden sacar conclusiones sobre el comportamiento del punto crtico.
Ejemplos
l. El nico punto crtico de f(x,y)
fyy = 2 (x - 1)
PQx(K, L)
= r,
PQL(K,L) =w
esto es, las condiciones necesarias (de primer orden) para minimizar el costo
promedio y para maximizar el beneficio en el corto plazo son las mismas.
Ejercicio
Cul es el precio de venta por unidad producida para maximizar el beneficio?
Definicin 5.5. Si a es un punto crtico de f pero f no tiene un mximo ni un
mnimo en a1 se dice que f tiene un punto de silla en a.
La prueba del teorema que da las condiciones suficientes para encontrar los ptimos
de una funcin en varias variables est basada en el teorema 7 del captulo anterior 1
que a su vez depende del desarrollo de Taylor:
1))
H(-~,-D = (~ ~)
Como los menores principales de esta matriz son positivos, en el punto (-1/3, -1/2)
la funcin tiene un mnimo local.
2. Las derivadas parciales de la funcin f(x, y) = (1 - x 2 - y2 )
213
+ 1 son
-4y
-4x
fx = 3(1-x2-y2)1/3
r
Qx(K,L)
=
w QL(K,L)
La combinacin de insumos que produce el mayor beneficio son las soluciones del
sistema de ecuaciones 1
iJII
aL =PQL(K,L)-w=O.
f son
iJII
aK = PQx(K,L)-r =O,
fy
= 3(1-x'-y')''
Los puntos crticos son los que hacen cero estas derivadas y tambin aquellos para
los cuales las derivadas no estn definidas:
2
-4 (3-x 2 -3y2 )
xx = 9 (1- x' - y2)4/3
-8xy
fxy = fyx = g (l _ x2 -y2)4/3
-4 (3-3x 2 -y2 )
fvv = 9 (1 - x 2 - y2 ) 413
114
110
(O, O) ya que las segundas derivadas no estn definidas en los otros puntos crticos.
La matriz
acrK-p-l
Q-,-1
Qx =
Para clasificar los otros puntos se debe examinar la funcin cerca de cada punto.
2
Para esto basta observar que si {x'\y*) es un punto crtico para el que (x'") +
2
(y') = 1, entonces
w
o en forma equivalente)
2 2/3
- (y') )
:S (1- x 2 -y2 )
213
+1=
+ 1 =O+ 1=1
f(x,y)
para todo (x,y). De lo anterior se concluye que la funcin tiene mnimos globales
en todos los puntos que satisfacen la condicin: x 2 + y 2. = 1, es decir 1
despejando la fraccin L / K,
!: = (_!'::_) ,,
K
L=
(:VY+>' K
o K=
(:), L
PQL =
aw
Las condiciones suficientes para que el punto crtico sea argumento maximizador,
la matriz hessiana de la funcin Il debe ser definida negativa1 como
LP+l
Pbcr
LP+l
Pbcr
Pbcr
(a(!:)~' +b);+
cr
=w.
Ll-u
se tiene
PQ-'-1Q
-
L -_
-p bL-p-1
l-q
Pba
p
.e.+1
(a(!:);+r +b)"
116
117
Il'
,:,
,
L=L(P,r,w)=
= Il'(P,r,w) = PQ' -
[ ( br)
Pb"
_,_
'+1
(a(:W)H' +b)' W
;!ir +b]
=P a aw
[
c:)H''
~ [Pb"]
'~' - (r (w)
,~, +w)
w
br
,~,
y al reemplazar en K 1
K=K(P,r,w)=
(rK' +wL')
Pb"
L'
y
~>
br ) '+' +w=a,,+1b,,+1r,,+1w,,+1+w
' .=
'
r aw
(
k yi
son las funciones de demanda de factores de la empresa, ellas determinan las cantidades de factores que se han de usar para maximizar el beneficio.
Ntese que esas demandas estn en funcin de los precios (precios de los insumos
de produccin y precio de venta del producto). Si se reemplazan esas funciones
II"' = P
bP+1
P+1)
b);+'> (ap+1rp+1
' ' + bP+fwp+1
, -'-)
- (W
Esta funcin es tipo CES en los precios de los insumOSj esto muestra un comportamiento dual entre la funcin de produccin y la funcin de beneficio de la
empresa. Si Q es CES en cantidades de insumos de produccin) entonces II* es
CES en los precios de esos insumos.
Ejercicios
l. Encontrar y clasificar los extremos (mximos, mnimos y puntos de silla) de las
funciones
a) f(x,y)=x 2 -y 2 +xy.
(x + 3y -1) -10.
3
e) f(x, y)= (2x + 3y - 12) - 5.
2
b) f(x,y) =
g) f(x,y)=(a-x)(a-y)(x+y-a).
h) f(x, y)= (x - a)(y - b)(x +y - e).
i)
j)
k)
l)
m)
/3 -
f(x,y,z)=l+x 3 +xz+yz 2 .
z2 .
de precios.
e) Las condiciones sobre las funciones de demanda para que el precio no discri-
+ z-.')
minado (maximizador del beneficio) sea el promedio de los precos discriminados (que maximizan el beneficio). Interpretar los resultados.
s) f(x,y,z,u)=x+;+~+~+~t) f(x,y,z)=(x+y-2)(x+y-3)+z 2 .
2. Considerar una firma que usa dos insumos K) L a precios r, w por unidad resdonde Q Q(K, L) es la
pectivamente, tiene costo promedio C(K, L)
= ';J:)ct,
funcin de produccin.
a) Mostrar que las condiciones de segundo orden para minimizar son las mismas que para la maximizacin del beneficio a corto plazo. (Ayuda: tenga en
8. Probar que una funcin estrictamente cuasicncava (cuasiconvexa) solo puede tener un mximo (mnimo) sobre un conjunto convexo. Ayuda: Supngase que el
mximo (mnimo) no es nico y considrese el valor de la funcin 'n las combinaciones convexas de de ellos.
Captulo 6
Optimizacin restringida
En este captulo se encuentran las condiciones necesarias y suficientes que deben
cumplir los ptimos de una funcin f(x) sobre un conjunto de restricciones de la
forma
An {x j g,(x) =O para i = 1,2, ... ,m; h,(x) SO para k = !, 2, ... ,p}
en el punto a en la direccin de v,
,
9 (t)
df(a+tv)
dt
= - (a+tv)v1+- (a+tv)v2
0 X1
=Vf(a+tv)v.
8X2
Y si t =O,
g'(O)=Vf(a)v
++- (a+tv)vn
0 X-n
6.1.
Restricciones de igualdad
En esta seccin se encuentran las condiciones que satisfacen los ptimos de una funcin
f(x) sobre un conjunto de la forma
en dos variables stos estn formados por todos los puntos del plano que satisfacen
una ecuacin de la forma f (x 1 y) = constante, donde f es una funcin de dos variables;
esto es,
El problema
2
Mnimo de x +(y - 1)
df(r(t))
-d-t- = \! f(x1(t),x,(t), .. -, xn(t)) (x; (t), x;(t), ... , x~(t)) =O.
sujeto a 2x 2 + y = -4
se puede convertir en uno de una variable (despejando y en la restriccin y reemplazndola en la funcin objetivo): minimizar la funcin
f(x)
Y haciendo t = to,
+ 42 y f"(O) =
Como res arbitraria, lo anterior prueba que Vf(a) es normal a C(k). En otros
trm.nos 1 para una funcin diferenciable los vectores tangentes a la superficie de
nivel son perpendiculares al gradiente. Con este resultado y el teorema 5.1 es posible
describir la solucin geomtrica del problema
Maximizar f(x, y, z)
sujeto a g(x, y, z) =O
h(x,y,z) =O
arg min{f(x,y) =x2 + (y-1) 2 l 2x 2 +y= -4} = {(0,-4)}
y
6.1.1.
Condiciones necesarias
C(k) = {x 1 f(x) = k)
124
CAPTULO 6.
OPTIMIZACIN RESTRINGIDA.
125
C<?n esta funcin auxliar un problema restringido se puede ver como no restringido
ya que sus condiciones de,primer orden equivalen a las condiciones necesarias que
dan el teorema anterior. Estas proporcionan un sistema de n + m ecuaciones con
n + m incgnitas) resultante de igualar a cero todas las derivadas parciales (con respecto a las x y a las,\) del lagrangiano. Entre las soluciones de este sistema estn los
puntos que solucionan el problema restringido. La aplicacin del teorema implica no
solamente la consecucin de los valores de las variables sino tambin la de los multiplicadores que satisfacen el sistema de ecuaciones resultante. La condicin de que matriz
problema.
El lagrangiano tambin se puede tomar en la forma
+ I;>'k9k(x).
k=l
y gi para i
E!g (a))
( E!x.
J
mxn
las condiciones necesarias producen los mismos valores para las variables del problema,
pero los multiplicadores tienen signos opuestos a los que se encuentran usando signo
negativo entre la funcin objetivo y la combinacin de restricciones) esto hace que se
deba tener especial cuidado a1 hacer uso del valor de los multiplicadores. Los valores
de las variables solucin del sistema, que dan las condiciones necesarias del problemai
no se afectan porque las restricciones al estar igualadas a cero no se alteran al ser
multiplicadas por menos uno.
Ejemplos
tiene rango m, entonces existen .\1 1 .\2, - .. 1 .\m {llamados multiplicadores de Lagrange) tales que
\lf(a) = I;.\Vg,(a).
i=l
tiene sus puntos ptimos, se igualan a cero las derivadas parciales de su lagrangiano
L(x,y,>.)
\lf(a)- I;\Vg,(a) =O
= xy-x-2y-1+>.(x-2y)
que son:
i=l
f.;= x-2y
Lx =y-1+>.,
~ &g,
&xk (a)- _,;ax (a)= O, para k = 1,2, ... ,n.
E!f
i=l
y-1 + \
L~ forma mnem?tcnica de usar el teorema anterior es construir la funcin lagrang1ana o lagrang1ano para el problema
L .\kgk(X1, X2, . ..
k=l
=O
x-2-2\ =0
{
X - 2y
=
Xn).
1
1:.:::0
4. x = O, y = O, z :fa O, w
f(x,y,z,w)
= x2 + y2 sujeta a x 2 + z 2 +w 2 = 4,
y2 + 2z +3w
=9
es
4)
.Cx = 2x + 2x.\1,
lz = 2zA + 4z.\2,
ly = 2y + 2y>.,,
lw = 2w>.1 + 6w>.z,
2x+2x.\ 1 =O
2y+2y>., =o
2z.\1 + 4z.\2 = O
2w.\1 + 6w.\2 =O
x 2 +z2 +w2 =4
y 2 +2z2 +3w2 = 9
2x(l + >. 1 ) =O
2y(l + >-2) = o
2z(>. 1 + 2>.2 ) =O
2w(.\1 + 3>.z) =O
= O, z
x 2 +z2 +w2 =4
l(K, L, .\)
y2 +2z2 +3w2 =9
= rK + wL + .\(q -
AK" LP)
y=O .\2=-l
z =O .\1 = -2.\z
w =O .\1 = -3.\2
J[, =w-.\AK"LP-l
8L
x 2 +z2 +w2 =4
y2 +2z 2 +3w2 =9
Cada una de las cuatro primeras ecuaciones del ltimo sistema se satisfacen si se
cumple alguna de las dos condiciones. Los puntos que ellas proporcionan deben
ser examinados para determinar si satisfacen las dos ltimas ecuaciones: puesto
que x, z y w no pueden ser simultneamente cero y y, z y w tampoco se pueden
anular simultneamente, entonces entre x, z y w alguna por lo menos debe ser no
nula, lo mismo que entre y, z y w. Se debe examinar cada una de las posibilidades
y reemplazarlas en las ltimas dos ecuaciones:
l. x '/:- O, .\1 = -1 1 y -.:/: O, .\2 = -1, z = Oy w = O. Las ltimas ecuaciones son
x 2 = 4, y 2 = 9 de donde x = 2 y y = 3. Esto produce las cuatro soluciones
(2, 3, 0,0).
.\AaK- 1IJ3
.\A(JKLP-1
transponiendo trminos,
aL
(JK
CAPTULO 6.
128
OPTIMIZACIN RESTRINGIDA
129
que coinciden con las elasticidades de la funcin de produccin con respecto a las
cantidades de insumos1
)] ;;+,,
q (
)] ;;+,,
q ( aw
(3r
L'=L'(r,w,q)= [ A
_ aw
K , = K'( rwq ) - [' '
(3r A
] ;;+,, ( -aw
{3r) o'-
-(3r
aw
[1] ;;+,, ( :: )
=aw
- [(3r A
o'--1
1(::)-Pi ;;+,,
=[
stas son las funciones de demanda condicionada de factores y representan las cantidades de insumos que se deben elegir para minimizar los costos. La
funcin de costo se encuentra reemplazando estos valores en la funcin objetivo:
xh(px,Pyi u)1
yh(px,Py1 u)
.. . .
.. .. ..
.
..
a+/3 ()'"'"
-...._--",A r<>+tiw<>+t1
....lL
-'-
...
xh
ac.+13 {3<>+13
esta ltima expresin es una funcin Cobb-Douglas en los precios de los insumos
K y L. Esto indica que si la funcin de produccin es Cobb-Douglas, la funcin de
costo ptimo tambin debe ser de ese tipo. Ntese que la funcin de produccin
es homognea de cualquier grado (no se han impuesto restricciones sobre los
parmetros) y la funcin de costo es homognea de grado 1 en los precios de los
insumos.
Si en particular la funcin de produccin tiene rendimientos constantes a escala
(a + (3 = 1), la funcin de costo es
C'
= C'(r,w,q) = a~P
(1) r"wP
q)
8C' w
(3 ()
<wc = aw C' = a (3P A r
_ 8C* r _ a (
a-l 13 r _ aC* r _
C" - af3!3 A r
w C* - -r-C* - a
Tr
P-l w
aC' w
c =-;;;- c = (3
sujetoa U(x,y)=(axP+byP)>=u.
La restriccin de este problema equivale a
axP+byP=u~
130
Para encontrar la funcin de gasto se reemplazan los valores encontrados en la
funcin objetivo:
Minimizar
PxX
+ PyY
e= e(p,.py,u) = G(x',yh)
su lagrangiano es
=Px
= Px -
\apxp- l
Cy = Py - \bpyp-1
::, +b]=f
(-bp,),:, [a (bp")'
bp ),::, +bl=f ui
+py [a (ap:
apy
apy
U"
]f '
uc:.
Py =\bpyp-1
haciendo el cociente de las ecuaciones,
Px = AapxP-l = axP-l
Py
\bpyP 1
byP-1
y el segundo,
(=')p-l
b y
=~
As,
bp,
apy'
-=
(bp") ,e,
apy
X=
(bp") ,e,
-
apy
y.
[(Pyb)
p.'.'..l (
-1
_p_
-1
_e_)] =f u>
aHpi-' +b"FYp;-
Esta funcin es tipo CES en los precios, esto es 1 existe un comportamiento dual
entre la utilidad y el gasto.
Los ejemplos anteriores ilustran la dualidad existente entre produccin y costo, y
utilidad y gasto para funciones tipo CES y CD. En el captulo anterior se mostr, para
el caso CES, la dualidad entre beneficio y produccin; queda por probar qu costos y
gastos CES o CD determinan produccin y utilidad CES o CD 1 respectivamente.
6.1.2.
Reemplazando para encontrar el valor de x,
X h_
-
(bpx)'C'
[a (bp")"",
b]=J' U"".
apy
apy
.1
Condiciones suficientes
Las condiciones suficientes para problemas de optimizacin con restricciones de igualdad estn dadas por la hessiana orlada del problema o hessiana del lagrangiano 1
formada por las segundas derivadas parciales del lagrangiano con respecto a las variables del problema y los multiplicadores. Esta matriz se puede escribir en cualquiera
de las formas
CAPTULO 6.
132
OPTIIvIIZACIN RESTRINGIDA
133
y
8xj
E& )
8x;8xi
&'t.
o
(
j'lc.
8x;8xj
8xJ
. ..
. .. .
8g-
(n+m)x(n+m)
'')
La submatriz de ceros resulta de las derivadas parciales de segundo orden del la,.
(n+m)x(n+m)
son:
LKK=-AQKK
[,LL = -AQLL
LKL = -AQKL
[,K> = -QK
[,LK = -AQLK
LL> = -QL
1Vf POk
=-A QK
QL
-QK
->.QKK
-AQLK
QK
QKK
QLK
-QL
-AQKL
-\QLL
QL
QKL
QLL
= ->.liq(K,LJ/
O
(
9x
9y
9x
xx + A9xx
fyx + Agyx
9y
)
xy + Agxy
fyy + Agyy
fxy
fyy
Para que el punto 1 (K*, L*, >.*),que satisface el teorema de Lagrange sea un mni-
+ A9xy
9x)
9y
9y
+ >.gyy
IH.c (K*,L*,A*)\
!HQ
Ejemplos
l. Para clasificar el punto crtico de
n=2.A
o
IH(2, !, O)I = 1
1 -2
1
-2 = -4.
Por lo tanto,
Para la clasificacin de los puntos crticos en algunos problemas, como el del ejemplo
2 anterior, es posible usar el siguiente
'
'
''
' ____ I
';...l\
\
'
',
',
'-..,
1
1
El teorema garantiza que una funcin continua definida sobre un conjunto cerrado y
acotado alcanza sus extremos (mximo y mnimo).
XM
Ejemplo
'
En el problema
= 4, y2 +2z2 + 3w 2 = 9
Para el problema
-2 :S X :S 2,
Cyy = Uyy
Lx>. = -Px
o
jHc(x,y,>,)
-p,
= -p,
u,,
-py
Uyx
(Py Px)
-Vs :S W :S Vs.
{(2,3,0,0)}
-py
U,v
Uyy
-2 :S Z :S 2 y
lxx = Uxx
-3 :S y :S 3,
Uyy
Px
Uxy)
(-U.,
Uyx -Uvv
sea. definida positiva., esto es, la matriz hessiana de U es definida negativa que
equivale a U cncava. En conclusin si U es cncava el punto que satisface el
teorema de Lagrange es argumento maximizador.
y2 +2z2 +3w2 = 9}
= {(0,0,Vs,1)}
= 4,
y2 +2z2 +3w2 = 9) = 13
CAPTULO 6.
136
OPTIMIZACIN RESTRINGIDA
a) xy 2 sujeto ax+ 2y = 2.
a) U(x, y) = xy.
O.
b) U(x,y) =xy'.
e) U(x, y)= (x 2 +y 2 )
h) x 2 + y2 sujeto a x 2 + z 2 +w 2 = 4, y2 + 2z 2 + 3w 2 = 9.
j) x
2x + 2y
= 4, 2x -
= ].
3y + 4z
+ z + z sujeto ax +y+ z =
6.2.
1, 2x - y - z = 5.
k) x +y+ z sujeto a x 2 + y 2 + z 2 = 4.
l) xyz sujeto a x +y+ z
2
= 5, xy + xz + yz = 8.
m) x + 2y - z sujeto a 2x - y = O, x + z = 6.
n) x 2 +y2 +z2 sujeto a x 2
e) U(x,y) =ax+lny.
= 2, x +y+ z = O.
i) x - y+ z sujeto a x 2 + y 2 + z 2
112
f) z sujeto a x 2 + y 2
137
y2 = L
2. Solucionar el problema:
Minimizar x 2 + y 2 sujeto a (x - 1) 3
y2 =O
4. El modelo
= L,
K 1 + Kz
=K
representa el valor total de produccin de dos bienes sujeta a restricciones de capital y trabajo. K y L son las cantidades de insumos disponibles y los subndices
representan las partes de cada insumo usadas en cada producto. Usar las condiciones de primer orden para encontrar la forma de repartir los recursos disponiblesi
capital y trabajo) para maximizar el valor total de produccin en funcin de a,
{3, K y L si las funciones de produccin son:
a) CES.
b) Cobb-Douglas.
5. Encontrar las funciones de demanda marshallianas del consumidor y la utilidad
indirecta para cada una de las siguientes funciones de utilidad:
Restricciones de desigualdad
= -Mximo de ( - f).
.k 2 O y kgk( a)
La matriz
= O,
para k = 1, 2, ... , m.
(E2.i.) #(I)xn est formada por los gradientes de las funciones. 9i. para i E. I,
J:i;j
esto es, las funciones que definen los contornos que forman las restncc1ones activas
en el punto que soluciona el problema. Las ltimas condiciones _del teorema se llaman
condiciones de holgura complementaria con ellas se determinan las restricciones
activas: si un multiplicador es positivo) la restriccin correspondiente est activa.
Nuevamente el lagrangia.no del problema:
m
{, (x,)
k=l
s; 4,
y 2 s; x,
&f,
&f,
.k- (a)= O para k = 1,2, .. . ,m con .k 2 O, y (a) SO.
8.k
&.k
x2 O y2 O
el gradiente de fes (1, 1), la regin definida por las restricciones es convexa, ya que
las funciones g(x, y) = x 2 + y2 y h(x, y) = y2 - x son convexas y las restricciones
son contornos inferiores. As, el mnimo de la funcin est en (O, O) y el mximo en
( (vTi -
1)/2,
J(vTi - l)/2) que son los puntos ms alejados del conjunto en contra
y a favor del vector gradiente de la funcin (1, 1). Como en el caso de restricciones de
igualdad 1 las condiciones necesarias para encontrar las soluciones del problema:
Maximizar f(x)
sujeto a g (x) 2 O
g,(x) 2 O
gm(x) 2 O
estn dadas en el siguiente teorema:
f y 9k> para k = 1,2,. .. ,m, funciones diferenciables en un conjunto abierto no vaco A ~ _IRn. Si a es es el m:timo de
la funcin f sobre el conjunto
\!f(a) = I;;lg;(a)
i::::::l
k::::::l
8{,
.
&f,
.k- (a)= Opara k = 1, 2, ... , m con .k 2 O, y -;--(a) 2 O.
8.k
u.k
El teorema de Karush-Kuhn-Tucker, como el de Lagrange, da condiciones necesarias
para la solucin de problemas de optimizacin restringida. Por esta razn, la aplicacin de esos teoremas puede producir varios puntos crticos; determinar cul es la
solucin requiere la aplicacin de condiciones de segundo orden; sin embargo, cuando
la funcin objetivo es convexa o cuasiconvexa y las restricciones forman un conjunto convexo las condiciones de minimizacin se convierten en suficientes, Y lo mismo
ocurre par~ problemas que tienen funciones objetivo cncavas o cuasicncavas _en problemas de maximizacin. Para la formalizacin de estos resultados veri por ejemplo,
Sundaram[Su].
Ejemplos
l. Para aplicar el teorema al problema
#(I)xn
x2
10)'
s; O,
x 2 2 YY 2 O
ste se convierte a maximizacin: cambiando el signo a la funcin objetivo, multiplicando la primera restriccin por -1 y tomando la segunda restriccin en
CAPTULO 6.
OPTIMIZACIN RESTR.Il'VGIDA
sujeto a- (y - x 2 -10) 2: O, x -
2 2: Oy y 2: O.
.y
= -2y -
3 1 (y - x 2
Imposible para
-2x + 6x (y- x 2
= x 2 + 10, x = 2, y = O.
.x =
141
-10) + ,,
10) 2 + ,
L 2 = x-2
.,
= - (y - x 2 - 10) 3
L,s =y.
-Mximode -C(K,L)=-rK-wL
sujeto a aK 2: q,
bL 2: q,
K 2: O,
L 2: O.
Su lagrangiano es:
wL + (aK - q) + ,(bL-q)
= -rK -
+ ,K + 4L.
f)[.
&K
la tabla
= -r+a1 + ,,
f)[.
oL = -w + b,
+ 4
y los puntos que satisfacen las condiciones necesarias son las solucines del siste-
,
,
ma:
o o o + o + + +
o o + o + o + +
o + o o + + o +
-r+a + , =0
-w+b,+4=0
1 (aK -q) =O, 1 2: O, aK -q 2: O
2 (bL - q) =O, , 2: O, bL - q 2: O
3 K = O, , 2: O, K 2: O
,4L = O, 4 2: O, L 2: O
Si /11 = Oi 2
Puesto que K y L no pueden ser cero, la funcin tiene insumos esenciales para
la produccin (si alguno es cero no se puede producir), entonces s = 4 = O.
Reemplazando estos valores en las dos primeras restricciones y despejando, i = ~
y 2 = 1f. De la tercera y cuarta ecuaciones, K* = ! y L * :;:;;; t. El costo ptimo
es el valor de la funcin objetivo calculada en K* y L*,
c -
C'(r 1 w ~-a
q) - r-q
+ w-qb = q (r-a+b-w)
3. Para minimizar el costo de producir por lo menos q unidades usando dos insumos
K y L mediante una funcin de produccin lineal, se debe solucionar el problema:
Minimizar C(K,L) = rK + wL
sujeto a aK + bL 2 q,
K 2 O,
L 2 O.
El lagrangiano es
&f.
&K = -r + a. 1 + .,,
&f.
&L = -w + b. 1 + JJ.s-
C' = C'(r,w,q) = qa
Si 1 >0, 2 >Oy s =O;K* =0,L* = i 1 = ~,2=r-a*. Como
1
en el caso anterior, para que esta combinacin sea solucin se necesita que
r - a~ > O; esto equivale a que la pendiente de la curva de indiferencia
del costo (isocosto) es menor a la pendiente de la restriccin aK + bL = q
(isocuanta). En este caso,
+ /112 = O
-w + b. + .3 = o
.(aK + bL - q) =O, ., 2 O, aK + bL- q 2 O
.,K = O, .2 2 O, K 2 O
.,L =O, .3 2 O, L 2 O
Como en el primer ejemplo de esta seccin, la tabla
.
fJ.2
.3
o o o + o + + +
o o + o + o + +
o + o o + + o +
e= C"(r,w,q) = q
a
Si 1 > 01 z > O y
aK +bL= q.
K* = K*(r,w,q) =
aw
w
C = rK +wL = bK +wL = ;(aK +bL)
esto indica que las curvas de indiferencia del costo y la restriccin son rectas
paralelas, lo que equivale a que la pendiente de la isocosto (-:!ii) es igual
a la pendiente de la isocuanta (-%). La solucin es cualquier punto sobre
esa recta, para cada O ::; K* ::; ~ 1 el valor de L * est dado por la ecuacin
L * = g-~K* y en este caso el costo ptimo es
C' = C'(r,w,q) =
=
[,;J,
si~=
~.
si*>~
O,
si![<;
=E:..
b , si~=?;
L*=L*(r,w,q)=
~,
si~>~
b'
si~<;
q'f, si;=3*
C*=C*(r,w,q)=rK*+wL*=
q~,
si*>;
qb,
si*< ;i
=qmn{~,}.
Que es una funcin de tipo Leontieff en los precios de los insumos.
4. Para solucionar el problema de minimizar el gasto al consumir dos bienes x Y Y
a precios Px y Py respectivamente, cuando se quiere alcanzar una utilidad u Y la
funcin es U(x,y) = mx{ax, by}, se debe solucionar el problema:
Minimizar PxX + PvY sujeto a mx{ ax, by} =u,
x 2: O, Y 2.: O
by
S: u, x 2: 01 Y 2: O
144
145
su lagrangiano es
su lagrangiano es
+ 4 y.
+ z (AK(bT)P - q).
-px - a1 + 3 = O
-py-b2+, o
1(u-ax)=O, 12'.0, u-ax2:0
z(u-by) =O, z 2: O, u- by 2: O
3X
= 01
,y = O,
2: ,
, 2: O,
LL = -w + 1a(JAK(aL)P-l =O
Ly = -s + 2b(JAK(bT)P-l =O
2:
y 2: O
/13
(AK(aL)fi -q) =O
, (AK(bT)P - q) =O.
Puesto que los multiplicadores no pueden ser nulos ya que los precios de los
factores de produccin son exgenos, el sistema a resolver es
AK (mn{aL,bT})P
= q.
b,
mn{aL,bT} =
'
C~ 0 )'
(-q-)''
aL>
- AK0
(--)''
bT>
- AK0
que equivale a
aAK 0 - 1(aL)P + 20tAK 0 - 1(bT)P = r
a(JAK(aL)P- 1 = w
,b(JAK(bT)P- 1 = s
AK(aL)P = q
AK(bT)P = q.
El cociente de las dos ltimas ecuaciones da
elevando a potencia (3
(aL)P
AK(aL)P 2: q
(bT)~
- AK0
transponiendo
AK(bT)P 2: q.
zb(bT)~- 1
w
s
(bT)~
> _q_
AK(bT)P 2: q
lnv
(~bTL)P-1 --1-~
as
1
o 1 as
(bT)fi
que equivale a
bT = aL=
(-q
)".'
AK
0
En la tercera
H
s
b/3AK0 (bT)fi- 1
s
(AK)-,bj3AK0 -q-
aj3(AK0
1.
f;J
)'
q-,-
r = 1aAK- 1 (aL)fi
= (,
+ 2 aAK"- 1 (bT)P
+ z)aAK"- 1 (aL)fi
= c/3(AK:)t
(w s) aAK'- q (w s) aqtI
= ;;_- + ; j3 (AK)t q';;' AK = ;;_- + b j3At K"'ll-
De los ejemplos 2 y 3 anteriores se nota nuevamente la dualidad que existe entre las
funciones de produccin (restricciones) y el costo (objetivo) ptimo: a una funcin de
produccin lineal en las cantidades de insumos le corresponde una funcin de costo
ptimo Leontieff en los precios de los insumos, y a una funcin de produccin tipo
Leontieff en las cantidades de insumos le corresponde una funcin de costo ptimo
lineal en los precios de los insumos.
El ltimo ejemplo ilustra la dualidad en un caso mas general. En l la funcin
de produccin es una Cobb-Douglas compuesta una Leonteff, en cantidades, el costo asociado es una funcin tipo Cobb-Douglas compuesta una lineal, en los precios
correspondientes .
Ejercicios
L Encontrar los extremos de las funciones sujeto a las restricciones dadas:
de donde
K"t' =
(~ + ~) ~ (i))
a
b r/3 A
despejando K
K' =
'
La funcin de costo es
+~
(1) t + ~ (1) )
!) Mnimo de x + z sujeto a
= (K')-> [r(K')o/
9, x +y S l.
C*
:;
b) Mximo de x + y sujeto a x 2 + y 2 S 4, y 2 ?: x.
g) ptimos de x
+ 2y
=1
x?: O, y 2: O.
+ y :S 4, O 2: 2x +y+ 3z 2: 2.
sujeto a x 2 + y 2 :S 1, 2y :S 1+x,x+2y :S l.
2
x2
+y +w
2
:S 16, y2
+4z +9w
2
:S 36.
CAPTULO 6.
148
OPTIMIZACIN RESTRINGIDA
Q(K, L,T)
149
U(x,y)=u
= mn{aK,ALT~}
= rK +wL+ sT sujeta a
mn{aK,ALT~}
---
= q.
---=--==========~~~==
Px x+py;:::;m_
a) Jvlnimo de X - y+ Z sujeto a x2 + y 2 + z 2 ~ 41 2x - 3y + 4z = 1, X 2: 1
z 2: o.
b) 11nimo de x - y + z sujeto a x 2 + y 2 + z 2 = 4, 2x - 3y + 4z :S 1, y 2: O,
z 2: o.
6. Encontrar las cantidades q1 y q2 que deben ser producidas por una empresa
en dos perodos para maximizar el beneficio, si los costos variables unitarios
asociados son ci y c2 respectivamente, el costo de capacidad instalada es C
por unidad de producto1 es decir) si se quiere producir q unidades el costo de
instalacin de la planta es Cq y los ingresos son In (q1q2).
6.3.
En teora del consumidor existe una relacin importante entre las funciones de dew
manda marshallianas y hicksianas y entre las funciones de gasto y utilidad indirecta;
estas relaciones se encuentran al solucionar uno de los siguientes problemas:
Maximizar U(x, y) sujeto a PxX + PyY = m.
(1)
(2)
y el valor ptimo es
= xM (p,,py. m)
yh (p,, Py. V (p,, Py. m)) = YM (p,, Py. m)
xh
y usar el valor de la solucin como restriccin del otro y observar que los valores
obtenidos como solucin deben coincidir (figura 6.4). Al solucionar (1) se encuentran
las funciones de demanda marshallianas y la funcin de utilidad indirecta1 esto es) los
valores de las variables que solucionan el problema son: xhl (px~Pyi m) y yM (Px,Py, m)
150
CAPTULO 6.
OPTIMIZACJUN Kl>0'lli11"..i1111l.
151
6.4.
.am).
g(x'(a),a) =O
Teorema de la envolvente
aki
&f'
&
donde las x son variables y las a son parmetros, la solucin determina los valores
ptimos de cada variable como una funcin de las a,
&x'
I:Ix.8 , +!a,
i=l
(2)
1
Al reemplazar estos valores en la funcin objetivo se encuentra el valor ptimo de la
funcin,
Si se quiere evaluar el cambio de este valor ptimo debido al crunbio de uno de los
a, se debera solucionar otro problema del mismo tipoj sin embargo, el teorema de la
envolvente garantiza que esto no es necesario y asegura que basta derivar parcialmente
el lagrangiano con respecto al parmetro que cambia sin considerar que las variables
en el ptimo son funciones implcitas de los parmetros.
f'(a) = f(xj( a),x2( a), ... , x~( a); ai, a2, ... , am)
x; +A9x; =O
ar
-&a = a,
k
+ Aga,
ar.
= -& .
ak
o
El teorema anterior tiene una amplia gama de aplicaciones econmicas en la teora
del productor y el consumidor.
CAPTULO 6.
152
OPTIMIZACIN RESTRINGIDA
153
En particular
Ejemplos
1. :tviinimizar los costos de un productor sujetos a su restriccin de produccin 1
>.)
= 1 2) ... , n
1
y el costo mnimo,
Por otra parte, puesto que el ptimo satisface las condiciones de primer orden)
=l
8
8 X
"x
' Q()
. 12
xip=A
- p,q parai=
, , ... ,n
8C'(p, q)
8p
sumando entre 1 y n)
x;(p, q)
8C'(p,q) =>-'(
8q
p,q
'( ) ~ 8C'(p,
q)
e'( p,q ) = ~
L,PiXi p,q =Pi
f) .
i=l
i=l
Pi
esto es, segn el teorema de Euler, C* es homognea de grado uno en los precios de
los insumos. El lema de Shephard muestra que la funcin de costos es creciente con
respecto a todas sus variables y con las propiedades de homogeneidad del costo
que las funciones de demandas condicionadas son homogneas de grado cero en
los precios de los insumos.
A partir de la definicin es fcil probar que la funcin de costos es cncava en
precios: para el caso de dos insumos sean Ki 1 Li las demandas condicionadas
correspondientes a los niveles de precios r1 i W1 i K2, L2 a los niveles de precios
ri, Wz y K3, L3 a los niveles de precios >.r1 + {1- >.)r2, AW + (1- >.)wz. Esto
significa que para cualquier combinacin factible K y Li
C*(r1 1 W1,q) =r1KI +w1L~ ::S r1K +w1L
C*(r2, w2, q) = r2KZ + w2L; ::S r2K + w2L.
esto es, el costo marginal y el costo promedio son iguales a >..* 1 por lo tanto >..* es
constante y el costo C* es lineal en q. En resumen, si la funcin de produccin
tiene rendimientos constantes a escala, el multiplicador de .Lagrange es constante
y
es lineal en q.
Puesto que los problemas de minimizacin del costo para el productor y del gasto
para el consumidor son idnticos, todas las deducciones sobre el Comportamiento
del costo y las funciones de demanda condicionada de factores tienen su equivalente en el gasto y las demandas hicksianas.
2. Maximizar el beneficio del productor
n
II(x) = PQ(x)
p,x,
i=l
CAPTULO 6.
154
OPTIMIZACIN RESTRINGIDA
Xk
155
- [C>-r1 + (1 -
>-h)K, +
(J-w 1 + (1 - !-)w2)L3]
Aplicando el teorema al lagrangiano, que para este caso coincide con la funcin
objetivo, se tiene el lema de Hotelling,
/Jll'(P, p)
aP
Q(P,p),
"
oll'(P,p) ___ (P )
aPi
Xi
i=l
,p.
En consecuencia la funcin de beneficio es creciente en el precio de venta y decreciente en los precios de los insumos. Reemplazando en TI"',
ll'(P )
,p
= p&IT'(P,p)
/JP
.;:-.
+ _,P'
i=l
&IT'(P,p)
8
Pi
xf:1 = x~
(r1K1 + w1.Ei)
_.,
L'.(x,J-) = U(x)
+ !- ( m-
t,px)
2 P1Q(K,L)-(rK +w1L),
ll'(P,, r2, w2) = P2 Q ( R,, L2) - (r2K2 + w2L2)
Sean R1 , Z1 las demandas de factores correspondientes a la combinacin de precios P1, r1, w1 i ?2i Z2 las correspondientes a Pz, r2, w2 y Rs, Zs correspondientes
a J-P1 + (1 - J-)P2, Ar+ (1 - !-)r2, J-w 1 + (1 - !-)w,. Esto significa que
r,, w) = PQ (A\J1) -
(p, m) =
esto, segn el teorema de Euler, muestra que II* es homognea de grado uno en
todas sus variables, (P, p) y que las funciones de demanda de factores y de oferta
son homogneas de grado cero.
ll'(P1,
2 P2Q(K,L)-(r2K +w2L).
y al derivar con respecto al ingreso disponible
para cualquier K y L. En particular
/JV = !-.
om
de Roy1
156
157
DV
n
DV
n
(
n
)
3m+LPi3=>-m-p,>.x,=[>. m-p,x =O=OV
m
i=l
Pk
i=I
i=l
muestra que la funcin de utilidad indirecta es homognea de grado cero en (Pi m),
en consecuencia >.. es homognea de grado menos uno y las funciones de demanda
marshallianas son homogneas de grado cero. La funcin V es, adems, cuasiconvexa en p y cncava m: Sean
+ (1->.)p;J y :S m}.
A3
despejando e,
ni de A1, p;x
Para probar que V es cuasiconvexa en (pxiPy) basta con probar que sus contornos
inferiores son convexos, esto es,
para cada k ~O es convexo. Sean (p; 1 pt) y (p~,p;) en Clv(k), esto es,
v(p;,p~, m) :S k y
v(p;,p;, m) :S k
v,lfp
8 -'--1 aap-'i:
(appf!Z + bp+
y ) "
X
Z
ePx
= a+
ePz
=+ Vf'y
'-W) +"
a+/3 (ap-"
xYz
v,Ifp
-L-1
a/Jp"-B-1
xYz
= xh
= zh
v,lfp
-'--1
ep, =a+ /J (ap~pf! + p~+B) +" b(a + fJ)p~+B-l = yh.
estos son los valores mximos de la funcin U(x, y) sobre los conjuntos A 1 y A2
respectivamente. Como A3 ~ A1 U A2,
V(>.p;
+ (1->.)m2)
y se despeja Pv
CAPTULO 6.
158
OPTIMIZACIN RESTIDNGIDA
x =a+ f3
+b [(
(f3x
ap~ azPx
b(a+/3)(az)P
>-
e; = qaro:-I (wP + sP)-;= K*(r) w, s,q)
e:=
)+i-> Px]o+p};;h-1
a/3(/3x)P-lyl
159
l-a-e
=(1-a)qr(wP+sP)
'
wP-l =L'(r,w,s,q)
= (1 - a)qr" (wP
= aau 11P [a(/3x)P +b(
cr+/3
az
1
af3((3x) 8- y
b(a+/3)(az)P- 1 z
T'(r, w, s,q)
)~j/,] ':~;;'
si en este sistema se despeja q, en trminos de K 1 L y T, encontramos la funcin
de produccin. Haciendo el cociente entre L y T sin asteriscos,
(!:r
_TL = (1::8)p-1
Despejando u,
o w=
(L)""
T
s,
1
-!itl1L
u=
a+/3
- x )P
( -aa
[ a (/3x)p
a/3(/3x)B-ly
+b (
az
b(a + /3) (az) 8 1 z
)+P->]
p ";t!;; !
yentreKyT
K
(;:rp
(~rp (":,/r
a (~)P xo+P->z+lL +b (
a(wP + 8 P)
(1 - a)rsP- 1
despejando r
af3P
b(" + f3)aB
~~,ya~~,] p;'.;';'
reemplazando en K*
Esta ltima expresin es la fuhcin de utilidad. Es de notar que como la funcin
qa
)P Pl ';'
+8
(1 - a)K
.T
=qa [ (1-a)K
+l
CAPTULO 6.
OPTIMIZACIN RESTRINGIDA
161
J; = a
b)f>=),'.
e) xo. 8;k.
+ fyo.i
Jc;
4. S
a)
b)
; =
fb =
h0 (x',a).
),'g,(x',y',b).
8
8
c) hxa ( ,);) = ),' [9xb ( a~)
+ 9yb (';:)] + 9b (
t:)
5. Sea
Ejercicios
l. Solucionar el problema:
Mnimo de xy 2 sujeto a x + 2y = 2.
A partir de la solucin encontrada y con el uso de diferenciales y alguna forma
a) Q(K,L) = 2K +3L.
d) Q(K,L,T)=AK(aL-P+bT-P)-NP.
a) Mnimo de
xy 2
sujeto ax+ 2y = 3.
b) Mnimo de
xy 2
sujeto a x + y
b) Q(K,L) = 200KlLj.
c) Q(K,L) = mn{2K,3L}.
e) Q(K,L, T)
= 2.
= rrn{aK,ALT}.
= 4,
2x-3y +4z
=1
d) U(x,y,z)=A(mn{ax,by})zP.
e) U(x, y, z) =Ax+ (ayP + bzP) 1/P.
y> b.
CAPTULO 6.
162
OPTIMIZACION RESTRINGIDA
9. Encontrar las funciones de demanda de factores) demanda condicionada de factores, costo, oferta y produccin, si la funcin de beneficio es:
a) IT'(P,r,w ) =
b)
Il'( P,r,w,s )
14. Sea
V(p,,p., m) =
163
bm+apx
bpy
+ k.
P'
lOOJ"W"
Encontrar, si existen:
P'(+')
=r;:;;s
a) Las condiciones sobre los parmetros para que sta sea una funcin de utilidad indirecta genuina.
+ wf3 s'-13).
b) xM(Px:Py,m).
e) e(px,Py: u).
b) C'(r,w,q)=q-./r 2 +wz.
d) U(x, y).
15. Usar el teorema de la envolvente para probar que la elasticidad de sustitucin
f7KL para una funcin de producci Q(K.L) se puede expresar en trminos de la
funcin de costos en la forma,
e) C'(r,w,q)=w(l+q+ln(;,)).
d) C'(r,w,q)=q(ar+bw).
e) C'(r,w,q) =Aqr"w 1-
6.5.
Ecuacin de Slutsky
C'(r,w,q) = qmx{ar,bw}.
12. Encontrar condiciones sobre los parmetros para que las siguientes sean funciones de gasto y determinar las funciones de demanda hicksianas, marshallianas,
utilidad indirecta y utilidad asociadas con cada una:
-
Ap~pe
a) e(px,Py,u)-uP1+~
+ (bp~ + cp~)J.
El anlisis de la eleccin ptima del consumidor tiene en cuenta los precios de los
bienes de consumo y la cantidad de dinero disponible para su adquisicin; por esto
las variaciones en alguno de los precios o del ingreso determinarn variaciones en las
elecciones del consumidor.
Es natural pensar que ante el aumento en los precios de un bien, las cantidades
consumidas se deben reducir; sin embargo, Slutsky encontr que esta visin es demasiado simplista y que el consumidor responde de una manera ms compleja. La
ecuacin de Slutsky analiza la respuesta de los consumidores ante el cambio en el precio de alguno de los bienes consumidos. Esa ecuacin es la herramienta para explicar
cmo el consumidor debe tomar decisiones acerca de las variaciones en su ingreso y
su consumo para compensar un cambo de precios y mantener una utilidad.
Por simplicidad y sin prdida de generalidades supongamos que el consumidor elige
las cantidades de dos bienes x e y y que dispone de un ingreso m. En el 1nomento que
el consumidor hace su eleccin debe
Maximizar U(x,y) sujeto apxX+PyY
m(ap,,+bpy)
cp,,py
e} V(px,Py,m}=lnm-~In(p~+p~).
d) V(p X py1 m) = ap,,+byP;Py+cpv
m
=m
(1)
y la utilidad indirecta:
CAPTULO 6.
164
OPTIMIZACIN RESTRINGIDA
(2)
6.5.
ECUACIN DE SLUTSKY
165
De esta forma no slo cambian las funciones de demanda sino tambin su nivel de
satisfaccin a V' = V(p~,py, m). Estas nuevas cantidades pueden ser determinadas
usando el teorema de la envolvente en la solucin del problema (1). Usando diferenciales y el teorema de la envolvente 1 la variacin de la utilidad est dada por
(3)
partir de las soluciones de los problemas (1) y (3), esto es, e-I, xM' -xM e yM' -yM.
As la nueva demanda se obtiene al despejar UP.-f' en la ecuacin anterior:
a(&V
ar;; v)
Fr (p'
8px
la utilidad.
',
Px)
despejando
,'v['
(Px1Py1m)=x (px1Py.m)-
',
a(wav)
8pz 8m (p'
aPx
x-Px
M''
X (p,,py,m =X (p,,py,J)-(px-Px)
av a2 v
',
',
Px x+pyy=m
x'"
~~
P'x x+pY'=m
8m~-8pz8p,,8m
av
8m
Las ecuaciones que relacionan los cambios producidos estn dadas por la. ecuacin
de Slutsky que se puede determinar a partir de la solucin de los problemas (1) y el
siguiente:
(4)
Puesto que en la solucin del problema (1) la curva presupuestal debe ser tangente a la
curva de indiferencia de la utilidad (moviendo la curva de la utilidad), en el problema
CAPTULO 6.
166
OPTIMIZACION RESTillNGIDA
167
deriva del efecto de su precio en el costo. Por otra parte, esta teora permite calcular
los niveles de utilidad producidos por el problema (1) usado como restncc1on en el
problema (4) son iguales; la solucin de estos dos problemas determina las cantidades
demandadas iguales relacionadas por las ecuaciones
xh(p,,py, V) = xM (p,,py, e(p,,p., V))
La conexin entre una funcin y su dual viene dada por la solucin de un problema
restringido de la forma
Mnimo de C(x) =
LPiXi
sujeto a f(x) =y
i=l
8e
8 p,
esto produce
8px
ar:.
= xh = xM
8px
JxM
MaxM
8px
OPx
8M
JxM
Dpx
8xh
8px
-=--+x --.
conocido como funcin indirecta de costos o duaL En este proceso cada funcin de
produccin f(x) est asociada con una de costos dependiente de los precios de los
insumos (los p) y la cantidad producida (y), C" =O" (p,y). La solucin del problema
anterior implica la consecucin de los valores de las x* como funcin de los precios
y la cantidad a producir, xi = xi (p, y) para i = 1, 2, ... , n; stas representan las
demandas de insumos por parte del productor.
En el caso de una funcin de produccin tipo CD el problema anterior es:
Despejando,
M JxM
X
8M.
Pk
El estudio de funciones de produccin se ha limitado al estudio de funciones diferenciables, salvo la funcin de Leontieff. El tipo de funcin que se quiere, adems de
no presentar simetra en la ES, debe ser capaz de modelar los cambios tecnolgicos
producidos por la llegada de un nuevo tipo de insumo de produccin.
El estudio de la conexin entre las funciones de costos y produccin 1 dada por la
teora de dualidad, determina la tecnologa a partir del comportamiento de los costos.
Por este mtodo a partir de la forma y propiedades del costo se derivan la forma Y
propiedades de la produccin. As, la incidencia de un insumo en la produccin se
11 xfi
i=l
i=l
" - 'k
xk-
6.6.
i=l
1, 2, 3, ... ,n
ai
y los costos:
Esto prueba que el dual de una funcin de produccin CD en las cantidades de insumos
es CD en los precios, de la misma forma el dual de una funcin CES en las cantidades
de insumos es CES en los precios. Los resultados son susceptibles de generalizar a las
funciones encontradas por Uzawa, McFadden y Sato (IU], [McF] y [Sa]), es decir, si la
tecnologa de produccin es CES en familias de insumos y stas a su vez son CD en
CAPTULO 6.
168
OPTIMIZACIN RESTfilNGIDA
las cantidades 1 el costo deber ser CES en las familias de los precios y stas CD en los
precios. Puesto que la silnetra de la ES, para funciones doblemente diferenciables, se
Mnimo de
e, (x) = LPiXi
Mnimo de C2(u) =
=l
sujeto a f(x)
X
LPU;
j=l
2: y
2:
sujeto a g(u)
X
2: y
2:
G'(x(p,y),u(p',y))=A (
L(x,>.)
= LP;X; +>.(y - f
(x)) y L,(u,.A) =
i=1
u, (p; - g,(u)) =O
(y-g(u))=O
2:
,\ 2: O para k = 1,2, ... ,n;
2: o
2: Oparar= 1) 2, ... )m.
t=l
J-1
f(K,L)
= {~~:~:
+ pjuj
i=l
j=l
2: O,
2: O
C(p,p ,y)=
"
i=l
f=l
= LPiXi + L:pJui
2: y g(u) 2: y, x 2: O,
=,
,
b (yp" (p')')
equivale a
Mnimo de C(x, u)
cuya dual 1
YITPf' ) rr:';o;
'"'' +B ( YIJ(p't' ~
sujeto a f(x)
169
si
si
r-P<
La solucin econmica debe ser tul punto esquina de las restricciones. All estas condiciones equivalen a las condiciones de primer orden de la minimizacin de
esta definicin, en general asimtrca2 1 es ms adecuada, segn [B. y R]i para m:dir
los cambios en las cantidades demandadas determinadas por cambios de los precios.
l Las condiciones de la definicin se determinan a partir de la interseccin de las funciones com,
ponentes.
.,
2En [Kj se prueba que una funcin tiene ESM simtrica si y slo si es una transformacion monotona
de la CES.
CAPTULO 6.
170
OPTIMIZACIN RESTIDNGIDA
6. 7. SEPARACIN
171
Pkc:k
Pkc;;k
Ci - Ck
u-----ta
.,
y a partir de ella las ESM para la funcin del problema (3) anterior son
mientras que ax;u1;. = O"u,x = O; las cantidades demandadas de los factores de una
familia no se ven afectadas por los cambios en los precios de la otra. Este hecho ignora
que puede ser posible cambiar la dependencia de factores ya que la produccin, que
inicialmente usa slo una familia, podra sustituir todos sus factores a la otra familia.
A partir de estos resultados se deben analizar funciones que permitan sustitucin
parcial entre insumos, p.e. f(K,L,T) = mx{AKL3,BKuT6 }; en este caso se
escoge entre dos tecnologas que usan un insumo comn, y generalizar el estudio a
otros tipos de funciones.
H = CL(x)((u- a) a).
Ejercicio
Probar que si la tecnologa de produccin es CES en familias de insumos y stas a su
vez son CD en las cantidades, el costo deber ser CES en las familias de los precios y
stas CD en los precios.
6. 7.
Separacin
a= argmn{DA(x) ! x E A}.
El hiperplano buscado pasa por el punto a y es perpendicular al seg1nento de recta
que une u y a. Esto es,
H={xl (u
a)x=(u-a)-a}
l!u- all 2 - l!u- zll 2 = l!u - ali' - llu- [>.w+ (1- >.)a]ll 2
= llu- ali' - ll(u- a) - >.(w - a)]!!'
= 2>.(u- a) (w- a) ->.'llw- all 2 SO.
Snplificando ,\ en la ltima desigualdad,
2[L(w)-L(a)] SO
simplificando y transponiendo,
L(w) S L(a).
Por otra parte como u ~ A y A es compacto,
172
CAPTULO 6.
OPTIMIZACIN RESTPJNGIDA
o
Para probar que dos conjuntos disyuntos convexos compactos se pueden separar
basta aplicar el teorema anterior a un conjunto y un punto del otro.
Captulo 7
Dinmica discreta
En este captulo se estudian modelos que involucran variables dependientes del tiempo
y de valores de la misma variable en periodos anteriores, conocidas como variables
autorregresivas, y sistemas de variables que interdependen en el tiempo que vistas
en trminos vectoriales se denominan vectores autorregresivos.
El cmo los demandantes responden a los precios en una economa discreta (los
precios solamente cambian en ciertos intervalos de tiempo) depende de cmo fluye la
informacin y de quin modela el fenmeno. Si la informacin fluye .instantneamente
y la cantidad demandada en el momento t solamente depende del precio en t 1 entonces
la demanda es una funcin continua, Di = D(pt)- Si depende nicamente de ias
expectativas de los precios en t - 1 y los precios en t 1 la demanda es discreta, Dt =
D(pt,Pt-i)- De la misma formal los productores determinan las cantidades ofrecidas
para bienes que se producen instantnearnente 1 o la cantidad ofrecida depende de los
precios en t 1 t - 1, etc. As se encuentran, por ejemplo, las cantidades producidas
por el sector agrcola que estn determinadas por los precios del periodo anterior. Si
adems las cantidades son funciones lineales de los precios, entonces Dt = apt + b y
Ot = CJJt + d con valores adecuados para los coeficientes
El proceso de ajuste de los precios y las cantidades genera el llamado "proceso de
la telaraa1) para un precio y cantidad iniciales Po y qo. Si hay un exceso de demanda
en el primer periodo, los precios tendern a subir. Al incrementarse los precios, en el
prximo periodo los oferentes estarn dispuestos a incrementar la cantidad ofrecida,
lo que produce a su vez un exceso de oferta, forzando los precios a bajar 1 y as sucesivamente. Este proceso, dependiendo de las curvas de oferta y demanda, converge a
algn precio y cantidad de equilibrio, diverge o se queda en un ciclo. En este captulo se estudiar bajo qu condiciones este tipo de modelos convergen y qu significa
converger. Lo mismo se hace para modelos continuos en el siguiente captulo.
7.1.
Sucesiones
Definicin 7.1. Una sucesin de nmeros reales es una funcin cuyo dominio es un
conjunto infinito de naturales o enteros y su recorrido es un subconjunto de nmeros
reales. Se usa la notacin Xt para describir los valores de la sucesin, J(t) = Xt-
174
f(t)
= Xt
e;: N ~IR.
Generalmente se considera que las sucesiones tienen como dominio el conjunto de los
naturales pero tambin pueden definirse en subconjuntos de los enteros. Cuando se
Xt
"'
3.
Xzt =
txt + t + 1
+t
{ X2t+1 = tXt
con x1
4. Xt+l = kxt(l - Xt) (recurrencia de orden 1), ecuacin logstica. Esta sucesin fue
una de las bases de la teora del caos.
1.2
1
175
7.1. SUCESIONES
5. Si se hace una inversin de $e a una tasa constante del r 3 por periodo, la expre-
0.8
0.6
0.4
0.2
5
10
15
20
+(~l)t }-
Las sucesiones se pueden clasificar segn el comportamiento de sus trminos. La sucesin { Xt} es creciente si y slo si
Xt+ 1
Ejemplos
l. La sucesin {xt}
= {(t -
con Co =c.
f(t) = (t-100) 2 .
Si f (x) es una funcin creciente para todo x y x, = f (t) para todo t entero positivo (Xt
es la restriccin de una funcin de variable continua), entonces {xn} es una sucesin
creciente. De ronna anloga se define sucesin decreciente cambiando 2: por ::;. Una
sucesn creciente o decreciente se llama montona.
2. Los valores de {x1 } = { (31 )'} son {l, -1/3, 1/9, -1/27, ... ).
0.4
0.2
{14, ... }.
10
15
20
...
25
30
donde f define alguna funcin (campo escalar) y x 1 , xz, ... , Xk son valores conocidos
(valores iniciales).
Ejemplos
2: Xt para todo t.
Ejemplo
Con esta definicin la sucesin Xt = t 2 es montona creciente ya que
2
Xt+l
176
> Xt+l
Xt+2
y Xt+l
< Xti
Xt+2
< Xt+l
y Xt+l
Si
oscilante regular.
Si
Xt+rl < IXt+r -
> 1; constante, si r = 1 o r = O
decreciente, si O< r < lj oscilante regular, sir= -1; oscilante amortiguada, si
-1 < r < O, y oscilante explosiva, si r < -1.
lx1+2 -
177
la sucesin es oscilante.
Existe un criterio de clasificacin de sucesiones oscilantes que tiene en cuenta la
lxt+2 - Xt+il =
7.1. SUCESIONES
(la distancia entre dos trminos consecutivos decrece) 1 la sucesin es oscilante amor~
tiguada.
Y si
(la distancia entre dos trminos consecutivos se incrementa), la sucesin es oscilante
explosiva.
Otras clasificaciones tiles son:
Una sucesin es acotada superiormente si existe lvf > O, llamado cota superior1
tal que
(si todos los valores de la sucesin son menores que algn nmero real 1Vf). Ntese que
todo nmero mayor que !VI es una cota superior. De forma anloga se define acotada
inferiormente.
Una sucesin es acotada si lo es superior e inferiormente, es decir, si existe un
lmxt=L
Hoo
es decir si para todo'> O existe N >O (que depende de) tal que para todo t > N,
2. Sea So= 1, St+1 = St + rt+l, esta sucesin representa la suma de los t primeros
trminos de la sucesin del ejemplo anterior!
S1 =l+r+r2 ++r'()
para encontrar la forma explcita de esta sucesin se multiplica cada uno de los
trminos de (*) por r.
rSt = r
+r 2 + + rt + rt+I
M>Otalque
Jx, 1 < M para todo t
1 - rt+l
S,=---
(esto significa que todos los puntos de la sucesin estn entre los valores y = Jvf 1 y
y si r
y= -M).
= 1, St
= t
+ 1,
1-r
por lo tanto esta sucesin converge a l~r s y slo si
-l<r<l.
Ejemplos
1
l. { 2+{; 1 l
},
D, = D(y,) = a-bp,,
2. La sucesin {x,) = {(-1)'2'} es oscilante explosiva y no es aeotada.
3. La sucesin {x,) =
{(-1) 13-'}
O, = O (y,) = f3p, - a
en el periodo anterior,
Pt+r - Pt
= B[D, - O,] = 8 [a -
178
7.1. SUCESIONES
Pt+l
= Pt +e [a -
"!
p, l
p,
p, '
p, '
p,
en forma simplificada
Pt+1 = Apt + B
'
1 2 3 4 5 6
q, q4 G2
precios en todos los periodos, al iterar el proceso hacia atrs se tienen las Siguientes
equivalencias:
'
'
2 1
Pt = Ap,_, +B =A(APt-2 + B) + B
= A2 Pt-2 + AB + B = A2 (APt-3 + B) + AB + B
= A3 p,_3 + A2 B + AB + B = A3 (Ap,_, + B) + A2 B + AB + B
=
179
b) -1 < 1-0(b+ (3_) < O, los precios oscilan de forma amortiguada y convergen
B =f. 1, se obtiene
e) Si A = 1 - B(b + /3) = 1,
t-1
d) Si
A= 1-B(b+ /3)
B = B[a+a]
Po=--=p
1-A
se tiene
&[a+a]
) B[a+a]
Pt =A Po- 1- [1-B(b+ /3)] + B(b+/3)
t (
-A'(
_a+a) a+a
Po b+/3 + b+/3
=A' (po-i5) +p
donde p es el precio de equilibrio en el caso de que el mercado sea esttico. La
ecuacin dice que el precio en cada periodo es igual al precio de equilibrio ms
el valor del desajuste inicial distorsionado. La distorsin se da de acuerdo con
el comportamiento de la sucesin {[1- B(b + /3)]'}. Para analizar la convergencia
basta comparar los valores de 1 - B(b + 3) con los de r en el ejemplo 1 anterior:
a) Si O< 1 - B(b + /3) < 1, los precios decrecen hacia el precio de equilibrio.
+ 3,
Xo = 100
es
Xt
=2
3
3
(xo - -1-2
-) + - - = 2' (100 + 3) - 3 = 103 (2') - 3
1-2
180
Ejercicios
1. Encontrar los primeros 10 timinos de la sucesin definida por la recursin
X2t
{ X2t+1
con
X1
tXt
+t + 1
+t
= txt
=l.
181
a)
{3'sent}.
b)
{3'sen-ztir} .
e)
{e-'sen5t}.
f)
{:~~:}-
7.2.
.
.
.
Xn,t+l
Xt+4 -
2. Xt+2 = Xt+l + Xti es una ecuacin lineal homognea con coeficientes constantes
de segundo orden.
3.
Xt+z =
4. xt+i = kxt(l - Xt), es una ecuacin no lineal autnoma de primer orden con
coeficientes constantes.
5. La solucin de la ecuacin lineal no autnoma de primer orden
f2(t,Xt1Xt-l11Xt-k+1,a)
X2,t+l
Xt+l =
Ejemplos
Ecuaciones en diferencias
xl,t+ll
Xt+l =
...
fn
Este sistema puede ser lineal o no lineal, dependiendo de si las funciones involucradas
son o no lineales en las variables de estado.
1 Algunos autores usan rbita y trayectoria como sinnimos; sin embargo, para 11edio [NI y LJ
existe diferenciacin: la rbita es el conjunto {xt 1t=0,1,2 ... } y la trayectoria es {(t,xt) l t =
0,1,2' .. }.
182
+ bt = at (at-1Xt-l + bt-1) + bt
+ atbt-1 + bt
= tt-1 (at-2Xt-2 + bt-2) + atbt-1 + bt
= atat-lt-2Xt-2 + atat-lbt-2 + 0-tf>t-1 + bt
Xt+l = !LtXt
= atat-1Xt-1
6.
{ Yt+2 = xT+1
+ 5Yt-1
Xt+3 {
4Yt+2
+ t2 =
-Xt+i - 2t + 10 =O.
Equilibrio
7.
Xt+3
= Xt+1Yt + t 2
xr+2
183
+ 5Xt+1 + 2Yt+1+Yt-1+t+1 = 0
Xt
=X,
Los valores de las variables de estado Xt no cambian para t = 0, 1) 2, ... por lo que ese
valor es fijo e igual a X sta es la razn para que se hable del punto de equilibrio,
estado estable o punto fijo (steady state) de la ecuacin o el sistema.
Ejemplos
8. Si en el sistema
xt+2 -
+ Yt+l + Yt-l + 2 =O
{ Yt+2Xt+1
Zt = Xt+i, Wt = Yt+l
5xt+1=xi+6
equivale a
estn donde
Zt
Wt
Xt+l
= Xt+l
5x=x2 +6
= Yt+1
Zt+l -
3zf + 4yt + t - 1 =
Wt+lZt +Wt
+Yt-1 +2 =
la ltima ecuacin es
+ Wt+l + Yt + 2 =o
Wt+2Zt+l
Wt+1 1
que equivale a
x2 -5X+6=0.
De donde los puntos de equilibrio de la ecuacin son X = 3 y X .::::: 2_:
2. El nico punto de equilibrio de la ecuacin
Xt+2
esta se transforma en
= Xt+l
+ Xt
x = x+x == 2x.
3. Los equilibrios de
Xt+l
= zt
Yt+l =Wt
Xt+i
3zf + 4yt + t - 1 = 0
Vt+1Zt+l
+ Wt+l + Yt + 2 =o.
Xt)
Wt+l = Vt
Zt+l -
= kXt(l -
est o es, x- =
oy x- =
k-1
-;-
= kx(l -
x)
184
185
x3 = 4x+y
{ y=x 2 -4
x(t
01
en forma equivalente1
,x3 -4X-X2 +4 = 0
(-2, O).
5. El punto de equilibrio de la ecuacin
es X= O.
6. Las ecuaciones
Xt+l -
2t =
(t - 3') Xt - 1
Xt+l
Xt
+ bt
l
1
Si este conjunto es Rn se dice que el punto es globalmente asintticamente establei si no, el punto es localmente asintticamente estable.
Definicin 7.5. El punto fijo X es exponencialmente estable si y slo si exis;n
fJ >O y ii >O tales que: si ll:ro - xll < ii, entonces
O< a< 1,
llx, - xll
<;
ll:ro - xlln-"',
para t = 1, 2, ....
186
187
= at (xo -
X)+ X
converge a X. Adems,
x(t)
O, 1, 2, ...
lm
t-oo
llx, - xll
= O
sin importar cul sea el valor de xo, en este caso la ecuacin tiene un punto de
equilibrio globalmente exponencialmente estable y
DE(x) =JI!..
Figura 7.6: Punto de equilibrio exponencialmente estable.
7.2.2.
La estabilidad exponencial exige) adems de la convergencia, una velocidad exponencial de convero-encia. En este sentido es el tipo de estabilidad ms fuerte: un punto
exponencialro:nte estable es asintticamente estable y un punto asintticamente estable es lyapunovmente estable.
.
Un sisteina dinmico tiene un punto de equilibrio lyapunovmente estable s1 las
trayectorias que parten cerca del punto de equilibrio no se alejan del equi~ibro; el
punto es asintticamente estable si se acercan al equilibrio, y es exponencialmente
estable si se acercan en forma exponencial (muy rpido) al equilibrio.
Estabilidad de soluciones
Definicin 7.6. La solucin ip(t, :ro) del sistema xt+i = F(t, xt) es lyapunovmente
estable (o simplemente estable) si y slo si para cada <: > O, existe > O tal que si
ll:ro - x(;ll <ii, entonces ll'P(I, :ro) - <p(t, x(;)ll <'para t = 1, 2, ....
Ejemplo
Para la ecuacin
Xt+l = aXt
+b
17.5
15
12.S
Xt =
l. Si
a' (x 0 - x)
{ bt+xo
+ x,
si a 61
10
si a=l
x, = (-1)' (xo - x) + x
es tainbin oscilai1te; por lo tanto si x 0 est cerca de X, los valores sucesivos de
Xt para t = 1, 2, ... estarn cerca de X. En particular
o, 1, 2, ...
188
Definicin 7.7. La solucin <p(t,x.o) del sistema Xt+1 = F(t 1 a;) es asntticamente
estable si y slo si es estable y existe >O tal que s lJXo - xQll < , entonces
7.2.3.
189
Xt+J = f(xt)
es posible1 por medio de la grfica de la curva y = f (x), determinar el comportamiento
de los puntos de equilibrio, f(p) =p. Si xo = p, la sucesin Xt se vuelve constante,
es decir) Xt = p, para t = 11 2, 3, ... El anlisis de estos puntos es la versin discreta
de un diagrama de fase en el cual se grafica el comportamiento de la sucesin dada
por la recursin Xt = f(Xt-1). Al iterar esta recursin se encuentra sucesivamente
f.
Definicin 7.8. La solucin <p(t, :ro) del sistema Xt+i = F(t, x,) es exponencialmente
estable si y slo si existen A > O, a > O y > O tales que: si 11 Xo - "1) 11 < S, entonces
ll'l'(t,:ro)-<p(t,"1))11:SAe"',
para
t=l,2, ...
Figura 7.10: Comportamiento grfico de la ecuacin
Xt+l =
f(xt)
190
191
Ejemplos
Xt+i =
kx,(1- x,)
x = f(x)
= kx(I - x)
forman un k-ciclo o una rbita de periodo k. stos pueden ser atractvos o repul~
sivos, este co1nportamiento es similar al de los puntos de equilibrio.
El siguiente teorema que da el comportamiento de los puntos de equilibrio y los
ciclos de la ecuacin Xt+i = f(xt) est basado en el teorema de Taylor al aproximar
linealmente la funcin f(x) alrededor del punto de equilibrio de la ecuacin,
2. Para
Xt+i
= f(xt) y /
= g(x,) =xi -
para la cual el comportamiento del punto de equilibrio est detenninado por f'(X).
Xt+l
J'((k -1)/k) = 2- k
/'(O)= k y
Los 2-ciclos estn formados por los puntos que satisfacen la ecuacin
Xt
es oscilante
que no sean puntos de equilibrio. Los puntos que satisfacen la ecuacin son p = 3,
1
=
yp=
los dos primeros son puntos de equilibrio por lo
tanto el 2-cclo est formado por los dos segundos. Como
i+fl
P = -2, p
4- Si f'(X) <
-f21';
--2-
--2-
= 4 - - 2 - - 2 - = -20
el 2-ciclo { 1
6. Si f'(X)
-1 y xo est en una vecindad de X, la sucesin Xt converge a X en
forma oscilante amortiguada.
Ejercicios
l. Encontrar) si existen, las rbitas de la sucesin {cos ~ sen ~}.
2. Para la ecuacin
Xt+1
= kx,(1- x,).
Encontrar:
a) Los 2-ciclos.
y es repulsivo si
<1
192
3. Para la ecuacin
Xt+l =
2xi + 1
=xi+c
tiene:
193
para esto basta ver que cualquier combinacin lineal de soluciones es solucin, es
decir, si
y
8011 soluciones de la ecuacin, entonces
xi xr
es una solucin, con k1 y k1 constantes~ y que una base del espacio tiene tantas soluciones linealmente independientes como el orden de la ecuacin. Todas las posibles
soluciones de la ecuacin estn determinadas por todas las combinaciones lineales de
los elementos de una base. Por lo tanto, si 1 x~ :,xf son soluciones linealmente
independientes de una ecuacin, todas las posibles soluciones de la ecuacin estn
determinadas por todos los posibles valores de las constantes k1 , k2, ... ,km. Esto es
xi
a) Puntos de equilibrio.
d) 2-ciclos atractivos.
es una familia de soluciones. Una solucin se determina encontrando los valores de las
constantes k1 , k2, , _, , kn que se encuentran a partir de las condiciones iniciales.
5. Identificar el tipo de estabilidad que producen cada uno de los casos del teore1na
7.2.
7.2.5.
El sistema
7.2.4.
Puesto que toda ecuacin de orden n se puede reducir a un sistema lineal de n ecuaciones con n incgnitas y todo sistema lineal n x n se puede reducir a una ecuacin
de orden n, en este captulo solo se solucionan ecuaciones. Para encontrar la solucin
de una ecuacin lineal homognea de orden n con coeficientes constantes
+ a12Yt
a21 Xt + a22Yt
= a11Xt
=
en forma matricial
Xt+1 =
Axt,
donde
Xt
= (::)
A=
Nlultiplicando por
a21
(11
a12,
y transponiendo trrrnos,
o lo que es lo mismo)
Xt+2
-Tr(A)xt+l +!Al x, =O
194
195
.J
kiri + kzr~
= ki(a +i/3)' + k2 (a-i3)'
Xt =
la ecuacin caracterstica es
ar 2 +br+c=O
sus soluciones son
r=
-b~
2a
stas pueden ser reales o complejas dependiendo del discriminante, b2 - 4ac. Puesto que la ecuacin es de segundo orden el espacio solucin es un espacio vectorial
de dimensin 2 que est generado por las combinaciones lineales de dos soluciones
linealmente independientes:
l. Si b2 - 4ac
jp(cose - i sen&)]'
x,
donde C1 y c2 son nmeros reales que se determinan por las condiciones iniciales.
Ejercicios
2. Si
b2
l. Comprobar que la solucin para races reales iguales toma la fonna propuesta
en el texto.
x,
f"2
= a+i/3, la solucin
i/3)'
=1
b) Xt+2
+ Xti X = Xo =
+ 5Xt+l + 6Xt = .
Xt+2
+Xt+l
d)
Xt+z
a) Xt+2 = Xt+l
+xt
l.
=0, X1=1yXo=2.
X=
2 y Xo
= -1.
= (xo -
k2 y reemplazando en la segunda)
axt+2 + bxt+i
Entonces ki(r1)t
+ k2(r2)t
+ CXt = O.
de donde
7.2.6.
k = xo(a+i3)-x1 = xo _ axo-X1i.
2
2i3
2
23
De aqu)
_
k1 Es decir, k 1 =
Xo
_ (xo _ axo - x1 ) _ xo
2
23 2 - 2
axo - x1 .
23
k2 .
t.
Comportamiento de la solucin
196
197
es
Xt+2 -Tu(A)xt+l
+ IAlxt
=O
su polinomio caracterstico es
r 2 -Tu(A)r + IAI =O.
. .
+ r2)r + r1r2
l. Reales distintas cuando Tu(A) 2 > 4IAI. En este caso la solucin de la ecuacin es
=1 -
(r
(1 + r 1 )(1 + r;)
=1+
(r + r2) + r1r2
+ r2) + r1r2 =
.\
. . . . . . . . .L.
,. ....J
1 + Tr(A) + IAI
... .
..
=1-
Tu(A) + IAI
................
ya que el signo de 1-Tr(A) +]Al determina la posicin de las races con respecto
a 1: si es positivo ambas races estn al mismo lado de 1 (ambas son mayores que
1 o menores que 1) y si es negativo una est a la izquierda y la otra a la derecha
del; el signo de 1 + Tr(A) + IAI indica la posicin de las races con respecto a -1:
si es positivo ambas races estn al mismo lado de -1 y si es negativo hay una a
cada lado de -1; existen tantas posibilidades de combinacin de estos signos como
de las races con respecto a 1 y -1:
Figura 7.12: Una solucin de un sistema para el que Tu(A) 2 < 4IAI
y IAI < 1: el punto de equilibrio es globalmente exponencialmente
estable.
.. .
a) 1 + Tu(A) + IAI > O, 1 - Tr(A) + IAI > O y Tu(A) > 2 si y slo si r1 > 1
y r2 > l. En este caso ri y r son sucesiones estrictamente crecientes que
. ..':!.
.. ~;1''":~
)~,,..}......
.. ,,,,,....... 1 .
....
..
199
198
.
.... ... .........
. ..............
......
d) 1 + Tr(A) + IAI >O, 1 -Tr(A) + IAI <O si y slo si -1 < r < 1 Y r2 >l.
rt es convergente y r~ es divergente a oo; la ecuacin slo es estable cuando
k~ = o, es decir, la estabilidad depende de las condiciones iniciales (localmente
estable). El comportamiento de este equilibrio es conocido como punto de
silla.
e) l+Tr(A)+IAl<O,l-Tr(A)+b>Osiyslosir1<-ly-l<r2<1.rl
Figura 7.14: Comportamiento de las soluciones de un sistema para el que Tr(A) 2 < 4IAI y IAI = 1: el punto de
equilibrio es lyapunovmente estable, cada condicin inicial
produce una solucin casi-cclica.
Tr(A)
2
= - --
:::::-f2=o:+if3
3. Compleja (su conjugado tambin es raz) y ocurre solamente una vez (multiplicidad 1), por estas dos races (r = a + ib y f :::::- a ib) la solucin general
contiene los trminos: k1p'sen (tO) y k,p' cos (tO) donde p = .,/cr' + (3' y O es
el argumento de r 1 estos valores representan la longitud y el ngulo del nmero
complejo.
4. Compleja (su conjugado tambin es raz) y ocurre m veces (multiplicidad m),
por estas 2m races (r = a + ib y f = a - b) aparecen los trminos:
7.2.7.
Puesto que la solucin de una ecuacin lineal homognea de orden n est asociada a la
solucin de su ecuacin caracterstica y por el teorema fundamental del lgebra esta
ltima tiene exactamente n races complejas, estas races pueden ser reales o complejas
y si son reales pueden ser iguales o distintas. Dependiendo de esto la solucin general
de la ecuacin en diferencias contiene los siguientes trminos.
Si la raz r del polinomio caracterstico es:
l. Real y solamente ocurre una vez (multiplicidad 1), la solucin general contiene
un trmino de la forma krt.
2. Real y se repite m veces (multiplicidad m), la solucin general contiene los
trminos: k 1rt 1 k 2trt, k 3t 2rt, k 4t3rt, .. ., kmtm-lrt.
7.2.8.
at
(1)
CnXt+n
es solucin de la
es solucin de la ecuacin (1). Esta solucin particular tiene
la misma forma de la sucesin {at}: si {at} es constante 1 la solucin particular es
constante y su valor se determina reemplazando en la ecuacin (1); en este caso la
solucin particular es el punto de equilibrio de la ecuacin. Si {at} es un polinonllo
en t, la solucin es otro polinomio en t y sus coeficientes se calculan por reemplazo e
igualacin en la ecuacin (1). Cuando la sucesin {at} es rt y res raz de multiplicidad
k del polinomio caracterstico, la solucin particular es
xf
+ + Ck+itk+lrt
200
201
Ejemplos
1. Para encontrar la solucin de la ecuacin
Xt+2
-5Xt+l +
6Xt
= t 2 + t + 3(4)',
con
Xo
= 1yX=4.
que equivale a
r -5r+6=0
tiene como races r = 2 y r = 3, por lo que la solucin de la homognea es,
X~ = C (2)' + C2(3)'.
Xt+z
con
xo
= 2y
X=
xf = at + b + c(2)' + dt(2)'
porque (2)t hace parte de la solucin de la homognea. Para calcular los coeficientes
se reemplaza en la ecuacin
3),3,1,
53,
- -(3) + -t - 2t - - + -(4)
2
4
2
4 2
.
= -(2
2. La solucin de la ecuacin
xf+2
+ .
xf+ 2 -
= 2at - 3a + 2b
=
de la ltima igualdad a= l, b
solucin es
c2
2d(2)'
2t + 4(2)'
= ~, d =
=t'+t+3(4)'.
3
2t{2)' = C>(2)' + c2 (3)' + t + - - 2t(2)'.
2
xl' = ~t'
2
2t-
~ + ~{4)'
4
y
Xt
1
5 3
= C{2)' +c2(3)' + :{-2t- 4 + 2(4)'.
x, = -3(2)' +
~(3)' + t + ~ -
2t(2)'.
2D2
r1
O,= O (p,,Pt-i) = f3Pt - a+ 'Y (p, - Pt-i) 3. Solucionar las siguientes ecuaciones en diferencias:
Pt+l - Pt =
a) Xt+2 =Xt+l
e[D, - o,]
= 8(a+ a)
d) Xt+Z
Xo
2.
= -1.
en forma reducida,
Xo =
+ Bp, + CPt-i
b) Dar condiciones sobre los parmetros para que la ecuacin tenga soluciones
=O
e) Dar condiciones sobre los parmetros para que la solucin sea estable.
donde, c1 y c1 estn dadas por las condiciones iniciales. Como El trmino indepen-
7.3.
D
pf=i'i= l+B+c
Por lo tanto la solucin de la ecuacin es
xi+ 1 = a11x}
C1
= ci
c1
...
y c1 se soluciona el sistema,
(B - v'B
...
...
Xf+1 = (LrX[
+ C2
2 -
40) +e,
(B + VB
40)
+ a12X + - + a1nXf + b1
+ i+E+c
+ Q..,..2Xf + + annXf + bn
xf
Xt+1
...
donde
representa el estado de la k-sima variable en el momento t 1 para
k = 1, 2 1 , n. Usando matrices, el sistema se representa en forma con1pacta por
Ejercicios
l. Probar que la solucin particular de la ecuacin
...
= Axt+ B
Xt=xP+x~;;;::X+x~.
-e;:--~~~~~~~
204
a1
Xt
= Xt-1
x,
..n
an-1
A. Si esta matriz tiene valores propios distintos, el lgebra lineal garantiza que sus
vectores prop.io~ forn1an una basi: del. ;spacio J:Rn i por lo tanto, xo (el estado inicial)
se puede escnbir como una comb1nac1on de esos vectores propios,
7.4.
I;k,v,
a,
an-2
""
an
'
'
o a,
o o
an
an-1
an
""
On-1
On-2
a,
Sistemas no lineales
i=l
= Lkir;+ vi
x = f(x, y)
{ Y= g(x, iJ)
i=l
donde los 1 y los v son valores y vectores propios correspondientes a la matriz A. Estos
valores determinan el comportamiento de la solucin y como en el caso de ecuaciones
de orden n para que haya convergencia deben tener valor absoluto menor que uno.
se hace uso del teorema de Hartmfili-Grobman que garantiza que basta analizar los
puntos de equilibrio de la linealizacin del sistema. La aplicacin del teorema de Taylor
a las funciones f y gal rededor del punto de equlibrio, (X, y), da las aproximaciones:
o an
o o
Xo =
On-1
205
para que las races (valores propios) tengan parte real con valor absoluto menor que
uno.
g;(x,
tienen valor absoluto menor que uno si y slo si los n determinantes siguientes
b.1
I ~I
an
a,
D.,=
'
an
an-1
an
On-1
o a,o an
1
o a,
+ EJy_x,y
8f(- -)(Yt-Y-i
=y+ g; (x, Y)(x, - x) + ~(x, y)(y, - y)
-i
=ax. -i
206
(Zt+l) _(~!!.9..ax
W t+l
~)
~ (x,y-i (Z')w
- J(-x,y-i ("')
w,
2. J(l,O) =
fJy
207
soliciones de la ecuacin
r2
-Tr(J(x,y))r- [J(x,y)[ =O
l.
Ejemplo
= xf + Yl
Xt+l
{ Yt+l = XtYt - Yt
Ejercicios
l. Terminar el anlisis del comportamiento de los puntos de equilibrio del ejemplo
anterior, esto es examinar la jacobiana en los puntos (a+ 1, J-a2 - a).
2. La relacin entre la demanda, la oferta y los precios en un cierto mercado est dada
por:
{ Jj=xy-ay.
2y ) .
x-a
pf =
Pt-1
+ k(PN -
3. La empr~a W ajusta sus precios de acuerdo con la cantidad que tiene en inventaiio.
Si hay escasez los precios suben y si hay abundancia los precios bajan. El ajuste
de los precios se hace proporcionalmente a la diferencia entre el inventario en cada
periodo y un valor crtico de inventario T"'. Por otra parte, el inventario en cada
perodo es la diferencia entre la oferta y la demanda en el periodo anterior. Si
a.dems las funciones de oferta y demanda son funciones lineales de los precios
en el periodo correspondiente, encontrar ecuaciones que relacionen el inventario,
la demanda, la oferta, los precios para W y el punto de equilibrio analizando su
comportamiento.
4. Encontrar la solucin del sistema Xt+l
A es:
208
-1/4 -1/4)
( -5/8 1/8
a)
(3 -5)
G ~)
c)
1 -1
e)
b)
(,o: -1)
d)
(!4
J)
1/2 -1/5)
( 3/4 1
-2
~l)
+ Bt =
c;+
Wt,
l-8
U,=U(s,)=
ds,
8
- (1 - 8) (w, - s,)- 0 + 1 (1 - 8) ((1 + rt+1) s,)- (1 + rt+1) = 0
1-8
l+p
1-e
ci
= rk, -
c,, ko > Oy kr
s =
t
Wt
ci
Zt+J
yt = F(K,,L,)
1
Para K
1-e
Wt
=-
(F es neoclsica si
1+ p
1 + (1 + p)10 (1 + r,+JlB-1)/0
= O.
= ( 1 + Tt+1 ) 1/0
,_
1 8
1 ((1 + rt+1) s,) - - 1
+l+p
1-8
se convierte en
1)1-8
( Ct
-
+ rt+1)St,
Pt = 2 - 4u, - 0,11r,
1rt+1 - Ttt = k (Pt - nt)
{
Ut+l - Ut = a(p, -2)
U _
= (1
(w, - s,) 1- 0 - 1
7.5.
5. Usar algn programa computacional (por ejemplo Excel) para graficar el comportamiento de los sistemas del ejercicio anterior.
. .
'\"'"' lnCt
.
Ma.xumzar L. - ( l
)' su3eto a: kt+l - k,
t=O
+p
'1+p
Cf+1
)1-B
209
y,=
i'. = 1:.1) = 1) =
F (
F(k,,
f(k,)
1-e
210
Ejercicio
f,
7.6.
fJK,
y
L,
equivalen a
Tt
= f'(k,) -
O y Wt
= f(kt) -
Wt
Si dos empresas que ofrecen el mismo producto, una de las cuales es monoplica
hasta que otra deCide entrar en el mercado. Sean p = a - bq la funcin inversa de
demanda para el mercado, x la cantidad que el monopolio cubre en ese mercado, y y la
cantidad que cubre la firma entrante, G,-n e+ dx la funcin de costos del- monopolio
y Ce
a + (3y la funcin de costos de la firma entrante. Si en el moinento t = 01 el
monopolista determina las cantidades ofrecidas como solucin del problema:
=o
ktf'(k,)
x,
menos el consumo 1
Adems,
g
t
+ bt
= K
t,
(a+ (3y,)
;!t
t
(1 +r;)
[s,L, - (1 +
a-/3-bxQ
Y1 =
2b
Po+f3
p,=-2-
El comportamiento en los siguientes periodos para cada una de las empresas est determinado por lo acaecido en el periodo precedente. Por lo tanto, las cantidades y
precios en el periodo t + 1 estn determinados por la solucin de los problemas:
Para el monopolista:
que son
Kt+i = (1 + r)' K +
a+d
= - 2-.
Y>
= K1
Po
Kt+l
Kt+i::::::
Xt+l = 't;Xt
a-d
= 2b
Xt+l
Para el entrante:
i=l
i=l
1I1 (1 + r) +
Yt+l
[s,L, - (! +
Puesto que s y r son funciones de la produccin per cpita, la expresin para el capital
es funcin de la produccin per cpita y el tamao de la mano de obra, adems, la
poblac.in crece en funcin de una ecuacin logstic'a; As, el capital se reduce a una
expresin que solamente contiene la tasa de crecimiento de la poblacin, la produccin
per cpita y la poblacin inicial.
a-/3-bx;
2b
x;+, =
a-d-by;
2b
Pt+1
a+d+f3-p;
2
212
La solucin del sistema de cantidades y la ecuacin de precios determina las trayec- torias de cantidades y precios; si el entrante no es tomador de precios, son:
Captulo 8
los precios oscilan amortiguadamente alrededor de
Las cantidades,
x')
( Yt =ki
a+;+.s
(l)'
2 ( 1) +kz (-2l)' (1),T3b1(a+fJ-2d)
a+d-2fJ
-1
donde
k,=
a+d-2fJ
4b
Dinmica continua
2fJ-a-d
y
kz=
12b
Un ejemplo tangible de la dinmica en el que los demandantes y los oferentes ajustan sus cantidades demandadas y ofrecidas dependiendo del precio y de los cambios
en el nivel de precios, es el mercado financiero. En ste la informacin fluye '1casin
instantneamente1 las cantidades demandadas en cada momento t dependen del nivel
de precios en cada instante t y su tendencia en un intervalo de tiempo h1
D(t) = D
h)
~(t -
h)
p(t + h) - p(t)
=e h[D(t) -
O(t)]
p= :
=e [D (p(t),p(t)) -
O (p(t),p(t))].
8.1.
Ecuaciones diferenciales
Ejemplo
La figura 8.1 es la grfica de la ecuacin
x' = (x - l)(x + 2)x
x=
dx(t) =O
dt
,
para todo t.
-3
-1
Este concepto indica que las variables de estado estn fijas. Las nociones de estabilidad
son iguales al caso discreto, salvo la siguiente posible variacin en la definicin de
equilibrio exponencialmente estable
Definicin 8.1. El punto fijo X es eJ:;onencialmente estable s y slo s existen a: > O,
(3 > o y /j > o tales que: si llXo - xll < , entonces
xlle-~',
para
t >O.
En el caso de una ecuacin de primer orden autnoma (la variable de estado depende
del valor de la misma variable y no del tiempo)
x'
= f(x)
-2
-4
= [(x+ 2)x + (x -
= (3x2 + 2x -
216
217
"I
-:.<:,---(:---
-1
-2
-2
-4
-itv7
1)
4. - 1 3v'7
+ 2)x,
Ejercicios
I)(x
8.1.1.
f(x)dx = g(t)dt
6. O< x(O)
7. - 1
y f' existe
donde las dos funciones M y N son homogneas del mismo grado se llaman homogneas. 1v1ediante los cambios de variable x = ut t = vx se transforman en
separables. Al diferenciar la primera de estas ecuaciones se tiene dx = udt + tdu y al
reemplazar estas expresiones en la ecuacin anterior la convierten en
a) X=~=8x-x 4 .
As,
du
- / du +
(u-auT) u
2
auT- du _In u _ _
1_ dz
1-auT-l - () r-1
z
1
= ln(u) - -ln(z)
r-l
(LQ) -
r-lln l-a
ln
b) =!lj=9x-x3 .
(Q)T-1)
L
Q(
=In;
l-a
(Q)T-1)-"C'
L
!n(K) + c
Q( (Q)r-1)-"C'
;
;
I-a
=CK.
L)T-l
l=a ( -
finalmente 1
Qr-1 = aLr-1
(CLK)r-1
+ -Q
+ (CLK)'-1
Ejercicios
l. Hacer explcito el valor de C para la funcin CES.
d) 2xdt - tdx = O.
2
Vi.
W(p,P) = rr;(p)Il2(P)
y encontrar el grado de ho1nogeneidad de
IIi.
D(p) = 100 - kp
O(p)
= p-1000
e) (x + 3xt + t ) dt -t dx =O.
f) (x -t)dx = (4t- 3x)dt.
g) x'=ex+t.
2
224
8.1.4.
225
(r - r1)(r - r2) = r 2 - (r
+ r2)r + r1r2
axu+bx'+cx=O
entonces las soluciones de la ecuacin caracterstica satisfacen la condicin
forma un espacio vectorial de dimensin 2j su base est generada por dos funciones
linealmente independientes. Puesto que la funcin x = ert 1 para algn r i es mltiplo de
sus derivadas 1 entonces debe ser solucin de la ecuacini para esto se debe determinar
el valor de r) lo cual se logra reemplazando la funcin y sus derivadas en la ecuacin:
+r2 = -b
l. Si b2 > 4c las races son reales distintas y la solucin converge si las races son
negativas, lo que se tiene si y slo si e < O y b > O.
simplificando
ert.
cuando b >O.
ar 2 + br +e= O.
r2
diferencial es
2. Si
b2
3. Si b2 < 4ac, r 1 y
(1) es
r2
x(t) =
kier1t
f2 =
=
=
+ k2er2t
+ k,e(a-i~)t
et (k1ei/3t + k2e-i.Bt)
e' [k1 (cos(j3t) +i sen(j3t)) + k, (cos(j3t) - i sen(j3t))]
kie(a+i~)t
x"+bx'+cx=O
1 9
= cosB+isenB.
una solucin es de la forma x = erx. para algn r ya que para esta funcin la derivada
de orden k es x(k) = rkerx. Al reemplazar esta funcin y sus n primeras derivadas la
ecuacin se convierte en
a + if3. La solucin de
2. Si b2 = 4c las races son reales iguales con valor -b/2 y la solucin converge
ecuacin.
2. Si r 1 , r2 son races complejas conjugadas del polinomio caracterstico ar 2 +br+c =
O, r 1 = r2 = a+ i{3. Probar que si la solucin de la ecuacin ax"+ bx' +ex = Oes
x = k1 erit + k2 er2 t 1 las constantes deben ser complejas conjugadas.
El primer ejercicio prueba que las soluciones de una ecuacin diferencial lineal homognea forman un espacio vectorial que resulta ser de dimensin igual al orden de la
ecuacin. La solucin general no es otra cosa que un elemento arbitrario del espacio
generado por las soluciones 1 las funciones que se escogen para generarla no son por
tanto arbitraras. Se busca que esas funciones sean base de los espacios solucin) para
lo cual se deben tener tantas como la dimensin del espacio (orden de la ecuacin),
que sean adems linealmente independientes. Todo lo anterior se logra probando que
el determinante
J(t) g(t) 1
W(f(t),g(t)) = f'(t) g'(t)
Ejemplo
x(t) = Xh(t)
+ Xp(t)
x(t)
+ 1 veces
la solucin es:
su polinomio caracterstico
r2 -2r+2=0
Xp(t) = a+bt+ct 2
~ -.
La funcin que hace no homognea la ecuacin es 2 +3t + 5t2 , por lo tanto la solucin
particular debe ser de la nsma forma, esto es 1 un polinomio de segundo grado,
et sen(bt),
. Par~ la prueb~ del anterior resultado se puede consultar cualquier buen texto de ecuaciones
diferenciales, por ejemplo Simmons!Sim] o Boyce y DiPrima{B y D].
2a-2b+2c=2,
2b-4c = 3,
2c= 5.
9 13
52
Xp(t) = - + - t + -t .
2
2
2
El mtodo de variacin de parmetros supone que la solucin particular es combinacin lineal variable de las funciones que generan la solucin de la homognea.
Este mtodo da frmulas para la solucin particular (ver SimmonsfSim]_.o Boyce: Y
DiPrima[B y D]).
.
228
8.2.
229
y
f(x,y)=O
x = dx = F(x)
dt
8.2.1.
Diagramas de fase
(!) que indi~a que la trayectoria se mueve ha-Cia abajo. En los puntos de cruce d
las trayectona:5 solucin co_n .la grfica de g(x, y) = O las tangentes a las trayectori~
deben ser honz~ntales 1 all1 y = 01 en la grfica se indica con una recta horizontal
atravesada al grafico de g(x, y)= O (figura 8.5).
x=f(x,y)
{ y= g(x, y)
sirve para determinar el comportamiento de los puntos de equilibrio y de las trayectorias solucin del sistema con algunas condiciones iniciales.
En un diagrama de fase se trazan las curvas que son soluciones del sitema1 esto es,
se grafican las curvas formadas por los puntos (x( t), y( t)) de tal forma que los valores
de x = x(t) y y = y(t) satisfagan el sistema para t en algn intervalo. El sistema
geomtricamente describe el movimiento de una partcula en el plano: la ecuacin
X= J(x, y) determina el movimiento de la partcula con respecto al eje x) ya que X
representa el crecimiento de la variable x a medida que el tiempo crece; en la regin
donde X= f(xiy) > O la partcula se mueve en la direccin de crecimiento del eje
x y en la regin donde X = f(x 1 y) < O la partcula se mueve en la direccin hacia
donde el eje x decrece. De la misma forma'[= g(x, y) determina el movimiento de la
partcula en la direccin del eje y.
Para hacer el diagrama de fase en un sistema coordenado usual se traza la curva
f(x, y) =O y se determinan las regiones donde f(x, y) >O y f(x, y) <O; en la primera
la trayectoria solucin del sistema se mueve a la derecha, X > O, en la grfica esto se
indica por medio de una flecha hacia la derecha(-+). En la regin donde f(x,y) <O
la trayectoria debe moverse hacia la izquierda, lo que se indica con una flecha hacia
la izquierda (+--). Puesto que las trayectorias pueden atravesar la curva f (x, y) = O, si
lo hace, en el punto de cruce i = 01 es decir 1 en ese punto la tangente a la trayectoria
debe ser vertical; esto se indica en la grfica colocando una lnea vertical (figura 8.4).
Para determinar el crecimiento de la trayectoria solucin al sistema con respecto
al eje y se traza el contorno g(x, y) = O y se determinan los contornos superior e
inferior, esto es, la regin donde g(xi y) > O y g(x1 y) < O. En el contorno superior
la trayectoria se mueve en direccin al crecimiento del eje y 1 lo que se indica por
medio de una flecha hacia arriba (T) y donde g(x, y) < O por una flecha hacia abajo
g (x,y)=O
1
1j
.l
~e las tr~yectorias solucin del sistema y los puntos de equilibrio que estn en la
mtersecc1on de las curvas f(x, y) =O y g(x, y) =O; en esos puntos :i; =y= o (figura
8.6).
Las trayectorias solucin del sistema se trazan siguiendo el movimiento indicado
por las flechas Y el tipo de cruces encontrados en este proceso. En la figura 8. 7 se
muestran algunas trayectorias.
ZJl
yl
g(x.y)=O
f(x.y)=O
x=ax+by
{ iJ=cx+dy
(~:) = (~ ~) (~:)
que se reduce a
a-e r d-r
b 1 =(a-r)(d-r)-bc=r2 -(a+d)r+ad-bc
l
= r2
Figura 8. 7: Algunas trayectorias solucin del sistema.
8.2.2.
(r - r1)(r - rz) = r 2
es de la forma
ya que este vector de funciones tiene por derivada un mltiplo del mismo vector 1
(r1 + r2 )r + r 1r 2
por lo tanto,
'I\-(A)
x=Ax+B
x=Ax
'fr(A)r + IAI =O
El vector B determina la posicin del punto de equilibrio pero este vector no incide
en la estabilidad del sistema. Si B := Oel sistema es homogneo, en este caso el punto
de equilibrio est en el origen y por comodidad en el anlisis slo se estudia este caso.
= r + rz
l
1
~.
l~
~.
~
,,
1..'. .
.
..
l. Reales distintas, si y slo si 'I\-2 (A) > 4IAI. En este caso hay dos valores propios
distintos a los cuales les corresponden dos vectores propios linealmente independientesj a partir de stos es posible generar la solucin general del siste1na que
tiene la forma
= cer,t
( x(t))
y(t)
("11)
+ Czer,t ("'')
Vz
Vzz
232
233
a) r 1 >O y r 2 >O si y slo si JAJ y 1\(A) son positivos. Si los valores iniciales del
problema son distintos del punto de equilibrio, c1 o c2 distintos de cero 1 las
funciones exponenciales involucradas en la solucin crecen y las trayectorias
se alejan del pllllto de equilibrio; por este comportamiento el punto se conoce
como nodo inestable (figura 8.8).
3'
Y=O
x=O
-2
-s
simplificando ert,
< Oy
r2
sistema converja) los valores iniciales deben estar sobre la recta generada por
el vector propio correspondiente al valor propio negativo. Por esta razn la
recta generada por este vector se conoce como la senda de convergencia;
por este camino existe la nica posibilidad de convergencia del sistema, en
trminos de lgebra lineal la senda de convergencia es Gen{1J}. Si el valor
inicial del problema hace c2 'f. 01 esto es, se encuentra fuera de la senda de
convergencia, la solucin inicialmente puede acercarse al punto de equilibrio
pero luego de un cierto intervalo de tiempo divergir, puesto que valores
iniciales que tengan coeficientes distintos de cero para la exponencial positiva
llevan a la divergencia del sistema. Cuando el modelo contiene valores propios
con estas caractersticas 1 se dice que tiene un punto de silla (figura 8.9).
e) r 1 y r 2 son negativos si y slo si JAJ > Oy TR(A) <O, para cualquier valor del
(v+rw) = Aw
rtv = Atv
(A-rI)v=O
(A-rI)w=v
G&l)
c1e'' (
/4JAJ-'.Ir 2 (A)
e= ~V-~-2
.
+ iv 2
y V=
Ejemplos
1. La matriz de representacin del sistema
!'
x=3x+2y
{ y= -x
X1 +Xry
,. 1 r 2 - 3r
es ( _31 2) su polin.
om10 caractenst1co
0
, r =1
+ 2.
, tiene como rruces
X2
= ePt
(cos ( et)v2
+sen ( et) V )
- i -2
son soluciones de la ecuacin. Puesto que son soluciones reales linealmente independientes, cualquier solucin debe ser una combinacin lineal de ellas, esto es,
la solucin general es:
y(t)
( x(t))
1)
= k,et ( -1 + k,e"
(-2)
1
~2) . La solucin
y (
!1)
r
l
:i; =
{ f =
3x+2y+t
-x +et
xp(t))-(1t+b1 +c1e'+d1te')
( Yp(t) - a2t + b, + c2e' + d2te'
dado que et hace parte de la solucin del sistema homogneo. Si se reemplaza en
el sistema
-6
236
l!
Igualando coeficientes
' =
3b,
+ 2b2
3a1 + 2a, + 1 = O
c1 + d1 = 3c1 + 2c2
d, = 3d1+2d,
az = -b1
c2+d2=-c1+l
d, = -d.
= -!,
dz = 2 y
c1
+k2 (cos(4t)
+ 2tet
x=3x+y
{ y=x-y
(i !
1 - v'5
= 1 + /5, los
~ J5)
~ J5) .
'tl<J
as
o '
'
'
'
'
'
o
'
'
'
'
o
o
o o
o o o o
4. El sistema
x= 2x+y
{ y=-4x+2y
+ a1An-i + + an-1>- + an
con coefiientes reales y a0 > O tiene todas sus races con parte real negativa si y slo
si los menores principales de la matriz de Hurwitz
El punto de equilibrio es un punto de silla, la senda de convergencia (el espacio generado por el vector propio correspondiente al valor propio negativo) es
Gen { ( _
cos(4t) + ~ sen(4t))
3cos(4t) -4sen(4t)
cos(4t) ) + ~ ( sen(4t) )]
-4sen(4t)
4 4cos(4t)
Para sistemas de ecuaciones diferenciales lineales con ms ecuaciones es posible hacer el anlisis de estabilidad a partir del comportamiento de las races del polinomio
caracterstico, aunque es imposible resumir el comportamiento de la solucin en trminos de la traza y el determinante como en el caso de sistemas de dos ecuaciones con
dos incgnitas; sin embargo, el siguiente resultado da el comportamiento de los valores propios a partir de los coeficientes del polinomio caracterstico de la matriz de
coeficientes.
sistema es:
x(t)) = k,ec1-v'5)t (
1
( y(t)
-2 -
[(
2t (
- e
y (_2
x(t)) _e"
( y(t) -
3. Para el sistema
yr
x(O) =a - 2k2 + !
{ y(O) = -a+k2 +
~)
+ cz =l.
la matriz de representacin es
!4
237
!, b2 = -~ 1 di= -2
'=o
La solucin es a1 =O, az
b1 =
Por tanto la solucin del sistema es
1 8.2.
o
o
o
o
o
o
an-1
an-2
an
La matriz de Hurwitz contiene en la primera fila los coeficientes impares del polinomio
caracterstico 1 en la segunda los coeficientes pares 1 la tercera y la cuarta filas son
idnticas a la primera y la segunda antecedidas por cero, la quinta y la sexta son iguales
a la segunda y la tercera antecedidas por cero, etc. La diagonal (a1 1 a2,a3 1 ,an) 1
est formada por los coeficientes de la ecuacin salvo el coeficiente ao.
El comportamiento de un sistema no lineal de dos ecuaciones diferenciales con dos
incgnitas que se pueda reescribir en la forma
x =Ax+ H(x)
donde A es una matriz 2 x 2 x =
1
(~)
~2 , puede ser
2. En (-1,0), J(-1,0) = ( ~
~2)
del polinomo caracterstico son 2 y -2, por lo tanto esos puntos de equilibrio son
puntos de silla.
Ejercicios
H(x,y)
G(x, y)=
f'+y'
si (x, y)
f.
(O, O)
a)
(=t
-~l)
b)
(25
G ;)
e)
G~)
!)
i)
(~2 ~2)
j)
Este teorema o la aproximacin del sistema en los puntos de equilibrio por un sistema
lineal va la aplicacin del teorema de Hartman-Grobman da el comportamiento de
los puntos de equilibrio en sistemas no lineales. En sistemas no lineales este comportamiento lo establece el determinante y la traza de la matriz jacobiana, J.
m)
(~1 ~2)
-1)
-2
(~ ~)
G~1)
n)
e)
(31
g)
k)
o)
{ X= 5x+
1
5Y1
Y=
+ y2 { y= 2xy
=
x2
ax
~;)
0!.
8y
h)
(~2
(~1
~1)
l)
G~)
(~2
-;!)
p)
(~ ~)
-:)
fix-fiy+5
3. Hacer el diagrama de fase para cada uno de los sistemas y analizar el comportamiento de los puntos de equilibrio usando la matriz jacobiana:
{ 2xy=O
(-2 1)
1 -2
tiene cuatro puntos de equilibrio (1, O), (-1, O), (O, 1) y (O, -1 ); stos son las soluciones
del sistema
x2 +y2 -1 =O
J(x,y) = (
&x
( 2 -1)
-4 2
Ejemplo
El sistema
d)
-5)
-1
(2x2y
3
a) {x=x -x-y
y=x-y
b)
{x=xy
{i:=x 2 -4-y
d)
{i:=y'-x-y
iJ=x-3y
f)
{x=x-y
y=4-y'
e)
iJ=4-x 2 -y
2
2y)
2x
e)
{=x -y
fJ = 4-xz -y2
iJ=4-x2-y2
240
4. El sisten1a
x=
-2y
{ fl=x+y 2 -y-6
x-y2
tiene dos puntos de equilibrio. Utilizar la jacobiana para analizar el comportamiento de los puntos de equilibrio y hacer los diagramas de fase correspondientes.
donde todos los coeficientes son positivos. Se supone que o.f3-f3 = bk. Determinar:
241
= p-2p+ 2p-2
b) Analizar el comportamiento del mercado si ocurre un desequilibrio del mercado en el mo1nento t = O que aparta los precios de su nivel de equilibrio,
tal que p(O) = 32 y p(O) = 35.
6. Analizar los puntos de equilibrio del sistema no lineal
x = 0,5x-y
{ fJ=3x-x 3 -2y
8.3.
La dinmica en economa
8.3.1.
Esta seccin examina el andamiaje matemtico necesario para con1parar las concepciones dinmicas en un modelo propuesto por fS, pp. 265 y ss.] para mostrar que los
procesos de ajuste son diferentes cuando se trabaja con tiempo continuo o discreto;
para ello Samuelson utiliza un modelo keynesiano bastante sencillo.
8.3.2.
Caso esttico
Considrese el sistema
C(r,Y)+l+a=Y
F(r, Y)-I = -/l
{
L(r,Y)=M
7. Trazar el diagrama de fase y analizar) por rnedio de la matriz jacobiana~ los puntos
de equilibrio del sisten1a:
{ y= x-y.
~ = a2 x - x 3 - y
8. Encontrar condiciones sobre el parmetro a para que los puntos de equilibrio del
sistema sean estables:
~ z:. x-x3 -ay
{ Y= x-y.
9. Una versin del modelo de Phillps para la interaccin entre la tasa de inflacin
y la tasa de desempleo es:
3Mientras que la pendiente de las curvas est determinada por la propensin marginal a consumir
y la eficiencia marginal del capital, Jos parmetros "o.:" y "/3" definen el punto de corte de la curva
con la vertical.
242
Con respecto a M 1
1
!
+ LyY1\1=1
1
1l
-1
Fy
Fy
Cy
-1
Fy
Fy
cy
'
u
C,.
Fr
Lr
CyFy
-
Fy
(~) = (
(~~) (
I~
1)
-1
("M)
YM
IM
()
-ty )
(l-Gy)Lr+GrLr
1 -G:: ;rFy )
GrFY - (Gy -l)Fr
IM
8.3.3.
1
.
:I
Siendo,
t.
Gr Gy-l
!:J.= Fr
Fy
Lr
Fy
y= I - [Y - G (r, Y) - a]
O=F(r,Y)-I+/3
{ O= L(r, Y)-M
1
-l
O
La propensin marginal a consumir es mayor que cero (Cy > O). La eficiencia marginal
del capital es positiva con respecto al ingreso (Fy > O) y negativa con respecto a la
tasa de inters (Fr < O). La demanda de dinero aumenta con el ingreso (Ly > O) Y
disminuye cuando la tasa de inters sube (Lr < O). La respuesta del consumo a las
variaciones de la tasa de inters es ms incierta. Si los intereses suben es probable
que aumente el ahorro, pero tambin puede presentarse un aumento del consumo si
la persona interpreta el alza de las tasas de inters como el comienzo de un proceso
inflacionario. Por consiguiente, el signo de Gr es desconocido.
1
I
~:
; _
r
1
_);}"
Y=B+Wr+TY
con B 1 W y T constantes. Despejando r en la tercera ecuacin del siste1na Y ree1nplazando en la anterior,
Y= B+
rL(O)
244
8.3.4.
Y=aY+b
245
a y b son constantes. Esta ltima es una ecuacin dfferencial lineal, cuya solucin es
Y=
-~ + Y(O)e'
a
=Yo+ a1e'
1
l
y reemplazando en
I-[Y-C(r,Y)-a) =a(Y-Yo)
Simplificando y ordenando trminos,
yt = Cy0ft-1 +A
A es una constante. La ecuacin es una ecuacin en diferencias de primer orden que
tiene como solucin
Yi =K(Cy,)'+B
Estas soluciones son idnticas a las de [S]. Para determinar las condiciones de estabilidad1 derivamos Y con respecto a t:
Y=a(Y-Yo)
Yi =C(r,yt_ 1 )+l
!l
ICY,I < 1
En el punto de expansin Yo la propensin marginal a consumir puede estar en el
rango que va desde menos uno a uno. Samuelson dice que la propensin marginal
a consumir no necesariamente tiene que ser positiva. En algunas circunstancias se
presenta desahorro y ello no es incompatible con el equilibrio.
Si la inversin es variable pero la tasa de inters se mantiene fija,
(Gr
Fr
Lr
y t; por
Cy
-1- a
Fy
Fv
~1)
C (f, Yi-1) - Yi + I, =O
F (r, Y,) - I, = O
Al reemplazar los desarrollos de Taylor de primer orden de C y F en las dos ecuaciones
anteriores se llega a
1
-1
t es
=b.+aLr
Cy, y,
D
Yt = --Ft-1 +
1- Yo
D es una constante que depende de los valores iniciales de cada una de las variables
involucradas. La solucin es
I, = F(Yo) +Fv, { K1 [1
~~Yor +E-Yo}
El equilibrio es estable si
~1
< l,
l-Fy
Captulo 9
Optimizacin dinmica
discreta
En econorra se presentan problemas como los siguientes: Cul debe ser el consumo
durante un intervalo para que la utilidad total a valor presente tenga el valor ms
grande posible? Cmo deben ajustarse en un cierto periodo las tasas de cambio) de
inters y de desempleo para que la inflacin baje a cierto nivel? En ellos se quiere
determinar cmo se deben manejar las variables de control para determinar el
comportamiento de otra u otras variables de estado. Este tipo de problemas se ajusta
a alguno de los siguientes tipos:
Optimizar
sujeto a x{a)
1T F(t,x(t),x(t))dt
Optimizar
= Xai
1T
x(a) = x 0 ,
x(T) =xr,
x(T) =xr
CyoLro
Y,
FyoLro -Lro - Lyo (Gro+ Fr 0 ) t-l
La solucin es
1
Cy,L,,
Yi=Ks[
F(t,x(t),u(t))dt
] +Q
Optimizar LF(t,x,,u,)
t=a
t=a
sujeto a
Xt+l
= f(t,xt, Ut)
La condicin de estabilidad es
1Fy Lr
0
0 -
Cv0 L,0
Lr0
Ly0 ( Cr0 + Fr 0 )
1< 1
Relacin entre, de una parte 1 los desplazainientos hacia arriba de la propensin marginal a consumir (") y de la eficiencia marginal del capital ((3) y, de otra parte, la
tasa de inters (r) y el ingreso (Y). Al comparar las soluciones y,sus condiciones de
convergencia, se observa que stas no coinciden.
con algunas condiciones para Xa y xr, cuando las variables sean discretas. El prim~ro
es un problema de clculo de variaciones1 el segundo de control ptimo .. En este tipo
de problemas se trata de conseguir las funciones x(t) y u(t) o las sucesiones Xt. Y Ut
para las que las integrales o sumas toman su valor mximo o nnimo. Estas func_1?nes
o sucesiones reciben el nombre de sendas ptimas para el problema. La func1on x
recibe el nombre de variable de estado y la u variable de control; se est interesado en
saber el comportamiento de x usando u para determinar ese co1uportamiento. Ntese
247
248
9.1.
,J
ptimo de Lf(t,x,,u,)
t=O
sujetoaxt+1=g(t,xt,Ut)
x(T)
249
xr)
l =
x(O)
Xt+i]
+f
t=O
J[,
- = fx, (O, xo, uo) + >.og,, (O, xo, ua)
0Xo
J[,
-& = xt (t,Xt,Ut) +>vg:r:t (tiXt,Ut)->-t-1,
Xt
J[,
- = ut (t,xt,Ut) +At9u (t,xt,Ut),
0u,
J[,
1
= xr (T,xr,uT)->.T-1
&XT
x(T)~------------
x(O)
x(O)
esto junto con las restricciones del problema es un sistema de 3 ecuaciones en recurrencia en las variables Xt, Ut y At En algunos problemas es posible eliminar la
variable Ut y usar tcnicas de optimizacin esttica no restringuida.
Ejemplos
pueden dar para a y x( a) en problemas definidos en el intervalo [a, T]; para cada una
de las posibilidades se deben encontrar condiciones de optimalidad sobre la funcin Y
las condiciones de transversalidad involucradas.
Para problemas discretos existen tres mtodos generales de solucin: optimiza~
cin esttica, programacin dinmica y control ptiino. El segundo aplica el principio
que una senda ptima debe estar formada de (sub)sendas ptimas y el ltimo es la
particularizacin del mismo mtodo usado en optimizacin dinmica continua.
1. Un monopolista cree que la cantidad qt que puede vender depende no solo del
precio Pt que l imponga, sino tambin del cambio de precio en:Ja forma:
.L p,q, - e (q,)J.
t=O
. .
d '\' lnc,
Ma:xnno e , - (
, !
)'
t=O
[, = Poqo -
,-p
t=l
ko >O y kr =O.
Despejando
se reduce a,
t=O
sujeto a
k0 > O y
)'
J +p
kr = O.
De esta forma el problema es no restringuido y puede ser resuelto por los inetodos
de optimizacin no restringuida. La derivada parcial de esta funcin con respecto
a la variable k, es
1+r
(1 + p)' [(1 +r)k, - kt+J
1
(! + p)t-1 [(! +r)k,_ 1 - k,]
Los valores del capital en cada perodo son los valores de la solucin de la ecuacin
recurrente que producen las condiciones necesarias para la inaximizacin, esto es)
la solucin de la ecuacin resultante de igualar a cero la derivada anterior:
1 +r
(1 + p)' [(! + r)k, - kt+1]
sustituir la restriccin
fJF
8k1
reemplazar en la tercera
Ct
(1 + p)'
1
[(! + r)k,_ 1 - k,]
al transponer trminos
(1 + r)(I + p)t-l [(! + r)k,_ 1 - kt] = (1 + p)' [(! + r)kt - kt+l]
simplificar,
-5(1
multiplicar
(1 + p )R2 - (1 + r)(2 + p )R + (! + r ) 2
=O
j
CAPTULO 9. OPTI1VIIZACIN DINMICA DISCRETA
252
y su solucin es
2(1 + p)
(1 +r) (2+p )l -2(1 +p) + (1 + p) 2 )
2
(l+r) (2+p /11-(1 +p)J )
2(1 + p)
(l+r)(2+pp)
2(1+p)
k1 =a1(l+r)'+a2
(1: :)'
]
'
Ejercicios
l. Terminar el ejemplo l.
a2
y encontrar
Ct
en el ejemplo 2.
9.2.
l1
!l
!i
l
lj
Xt+l
para t
=o! lj .. 'T- l
V(x,)= u,,Ill~+'
t+k
}
2:,f(j,x;,u;)+V(x,+k+i) .
J=t
J
[f(t,x,,u,)
U
-i)
+ V(Xt+i))
sujeto a
ptimos.
Este principio dice que una trayectoria ptima es escogida de manera ptima
en cada subescogencia: Sto es, la trayectoria debe ser ptima a partir de cualquier
momento. En trminos analticos para cada t = O, 1, 2, .. ., T
Xt
Programacin dinmica
Mximo de
2(1 + p)
253
para t =O, 1, ... , T-1 1 con xo, T y xr dados. Entonces Xt YUt satisfacen las ecuaciones
_J~f~(t~,x~1,_ucc_t) + dV (x1+1) Jg (t,x,, u,) =O.
8Ut
dxt+ 1
8ut
,
dV(x,) = of(t,x,,u,) + dV(x1+1)8g(t,x,,u,)
dxt
8xt
dxt+1
8xt
Xt+l = g (t, X, U)
Usando las sustituciones t = f (t,Xti Ut), gt = g (t,Xt, Ut),
las ecuaciones que dan las condiciones del teorema son
vt =V (xt)
V(= ~:t)
La solucin de esta ecuacin que es un caso particular del ejemplo 51 seccin 7.2
de la pgina 181 1 es
i1
1) ,
-1)
ut
o,
IJg, t+l-1) u,
V.'
t-1
l
l;
k,
j=-i+l
i::::O
= (1 +
r)'ko- ~ (J + r)'+l
V,)(l + p)'
i=
Ejemplos
= (1 +
r)'ko -
rr
V,)(l+p)'
~ 1
-- ( l+r )'.ko- ( l+r) t L,"'(l
i=O VD
T-1
d "'"""' lnc,
. .
M aximo
e __, -(--)-' sujeto a
t=O l+p
kt+1 =
(1 +r)kt
-Ct
= (1
+ r)' [ko - (
(1 + r)j
j=i+l
t-1 (1
)i+l
L
+ r . (1 + r)t-1-(i+l)+l
i=O
l. Para el problema
t-1
II (1 +rlj
= (1 +r)'ko- C
1
-
+p
)'
~) ]
vo (i- i!p)
r)
'[
(l+p)'-1]
ko - V,)p(l + p)t-1
(1 + r)'
[k , ( )t-1 - (1 + p)' + 1J
V,)p(l + p)t-1 o V0 p 1 + p
2. Una firma ha recibido una orden para producir Q unidades de su producto en
un plazo de T dias. La firma quiere planear su produccin para minimizar sus
V.'
t+l
1
= (1 + p)'c,,
V.'=~
t+1 (1 +r)
resolviendo la segunda
Xt
V:'
mn
VQ
L (au7 + bx,)
t=O
t+l - (l +r)'+1
sujeto a Xt+1 = Ut
reemplazandola en la primera y despejando
xo =O,
+ Xt
XT
= Q.
Ct
Ct=
(1 + r)'+1
V,)(l+p)''
2aUt
+ V(+1
oj
V(= b + Vf+1)
Xt+l
= Ut
+ Xt.
kt+l
= (1 + r)k, - e, = (1 + r)k, -
(1 + r)'+l
)'.
'o 1 + P
"'(
Vf =VQ-bt
usada en la primera permite despejar
V/+1
2a
Ut=---=
Ut,
256
x,
= x0 -
Xti
Para calcular
l
l
2a
V se usa la condicin XT = Q,
xr = bT(T + 1) _ VjT = Q
4a
2a
de donde se tiene
VT = bT(T+l) -Q
2a
4a
vT = bT(~ + l)
v =
2aQ,
b(T+ 1)
2aQ
Qt
Xt =
1 ,
xo -qot = B-qot.
xr=B-qoT=O
entonces qo = ~. Esto indica que el total de insumo debe ser repartido en partes
iguales en cada uno de los periodos de produccin.
4. La cantidad de un cierto bien almacenada en el momento inicial es A y lo que
se produzca en los prximos T periodos se vender a un precio p en el momento
T + 1. Los costos de almacenamiento y produccin son proporcionales a la tasa
de produccin, esto es, si se produce una cantidad u los costos son (cu )u = w 2 .
Se quiere maximizar el beneficio descontado a una tasa r por periodo, esto es
solucionar el problema
mx
T - 1 basta con
2aQ > O.
T -
3. Se dispone de una cantidad total E de cierto insumo que se puede usar en cualquiera de T periodos de produccin. Si se usa una cantidad Qt en el momento
t los beneficios generados por la produccin son 11 (qt) = qf, O < a < L Para
encontrar la distribucin del insumo con el propsito de maximizar el beneficio
total se debe solucionar el problema:
'\"""'
PXT+l
(1
sujeto a
Como, adems
2a
2: Opara t = O, 1, 2
b - Vj = b _ b(T + 1)
257
bt(t + 1) _ vt
4a
r)T+ 1
L.,
Xt+ 1 = Xt
+Ut,
t=O
cu,
(1 + r)'
para t = 0,1, .. . ,T, xo =A
t.
y de la ltima
mx 2)I(q,)
X1+1 = Xt
sujeto a
Xt+l
Xo
donde,
Xt
Xt -
=B
XT
t-1
i=O
+ (1 + r)'uo.
PXT+l
V (xr+i ) = (1 + r)T+l
si est determinado el valor de
de aqu
V (xr)
XT
= mx{f
(T,xr, ur) +V (xr+1)}
ur
, {
cu}
. {
cu}
PXT+l
V(xr) = ~~ - (l +r)T
= ~~
Sea
- (1
+ (l +r)T+l
+p(xr+ur)}
+ r)T
cz 2
h(z) = - (1 + r)T
(1 + r)T+l
.Cu, = -2aut +
p(xr+z)
(1 +r)T+ 1
2cz
p
1
h(z)=-(l+r)T+ {l+r)T+l =
"( )
8Xt+l
+ Vf+ 1 + i
1 u, =O,
{ , (q - u,) =O,
2c
=-(l+r)T < 0
...,. z
- ,,. =O
cuando z = 2c(l+r) y
+ i
J::i
vUt
= -2aut
como
8V(X1+1)
1 2: O,
Ut
2:
, 2: O,
Ut
:S q.
= {1 +r?Uo = 2c(i+r)
ur
de aqu
De la segunda ecuacin
uo = 2c{l + r)T+ 1
y
2c(l + r r-t+i
La produccin es inversamente proporcional al costo y creciente en cada periodo.
5. Supngase que en el ejemplo 2 la firma tiene una capacidad instalada que le
permite producir a lo mas q unidades diarias. Esto es, solucionar el problema
T-1
t=-0
Xt+l
Xo
Ut
b) i
Oi 2 >O y
Ut
,=o
x, =xr, + (t-T,)q
L (aui + bx,)
sujeto a
=xo =0
mn
Xt
+ Xt
XT
O:; Ut
= Q.
- mx
L (-aui - bx,)
t=O
-2aut + V!+ 1 =O
{ Xt+l = Xt + Ut.
Como la solucin en este caso es interior, al reemplazar el valor ptimo de
Ut en la ecuacin de HJB y derivar implcitamente
Vf = -b+ Vf+i
CAPTULO 9. OPTiiVIIZACIN DINMICA DISCRETA
260
Reen1plazando V/+ 1 = 2auti de la primera ecuacin del sistema, en el resultado de derivar la de HJB
Ut+l = Ut
su solucin es
u, = u:r,
+ -2a
+ 20 (t
1
Tr)
+ur,
l+
b [t(t - 1) Tr (Tr - -- 2
20
2
os
o,
si
t < Tr
Ut = ur1 + ~ (t -T1), si T1 S t < T2
{q
siT2StST
esto esi el da T1 + 1 se inicia la produccin y esta se realiza en forma creciente
hasta el da T2 - li de T2 en adelante se produce al mximo posible (al tope de
la capacidad instalada). La cantidad almacenada es
si O5 t < Tr
O,
x, =
xr,
{
XT,
De la construccin de Ut y
lidad del problema
Xt, UT1
XT
XT1
= XT, + (T -
Tz) q = Q
por lo tanto,
o,
u,=
siOSt<T1
,';;(t-Tr), siT1 St<T2
{q
siTzStST
O,
Xi=
fa (t -T1)(t -T XT,
+ (t-Tz)q
4a
b
xr, = - (Tz -Ti -1) (T2 -Ti).
4a
Para que la sucesin Ut sea no decreciente basta con
siOSt<T1
1), siT1::;t<T2
siT2StST.
ur,-1 =
b
20
Ejercicios
l. Encontrar V~ en el ejemplo 1 de la seccin 9.2 haciendo uso de la condicin
l)l
ll
b
x 1 = xr, + (t -T1) [ur, Tr
20
b
(T2 -T1 -1)
20
b
xr.-1 = - (Tz -Ti - 1) (T2 -Tr - 2)
ur,-1 =
+ -2a (t-Tr)
261
2aut-I = -b + 2aut.
Esta equivale a
Captulo 10
Optimizacin dinmica
continua
10.1.
Clculo de variaciones
10.1.1.
Condiciones necesarias
Para encontrar las condiciones necesarias que debe cumplir la funcin que soluciona
el problema
ptimo de
1T F(t,x(t),:i(t)) dt sujeto a
x(a) =
Xa x(T) = XT
con a y Xa fijos, se parte del supuesto de que se conoce x*(t) la solucin del problema
y se trata de encontrar las condiciones que esta funcin debe satisfacer. Si x* (t) y T"
son las variables de estado y el tiempo de terminacin que solucionan un problema
de clculo de variaciones, entonces la funcin
V(x(t)) =
1T F(t,x(t),:i(t))dt
alcanza su ptimo en x*) T*. La funcin x"' debe por lo tanto ser factible, esto es,
satisface las restricciones x*(a) = xo, x"'(T) = XT Como en el caso de optimizacin esttica, el procedimiento para encontrar las condiciones necesarias es alterar el
ptimo. Esto se logra usando una funcin fija h(t) no nula que satisfaga la condicin
h(a) =O de tal manera que la funcin x(t) = x'(t) + h(t) sea una solucin factible
para cada' real (ver grfica 10.1), !lT distinto de cero y T = T' + ,/lT, con esto se
busca encontrar las condiciones que debe satisfacer x"' y T" para que sean la solucin
al problema, esas condiciones deben ser independientes de h y D..T que de antemano
se fijan arbitrariamente no nulas. Si se reemplazan los x y T as construidos en V Y
se tiene en cuenta que x*, h y !:>..T son fijas (x* por ser ptilna y h y D..T porque se
fijaron previamente), se encuentra que la funcin V depende sola1nente del valor de E
en la forma
r+,t;T
264
265
u= D2F(t,x'(t),x'(t))
dv = h(t)dt
se tiene)
x +Eh
_ d[DzF(t,x'(t),i(t))]dt
dUdt
y
-h(t)
V-
As,
x(t) = x'(t)
+ <h(t) y T
= T'
+ <b.T.
es decir, una funcin de una variable real. Para determinar las condiciones que satisface
el ptimo de V(E) se usan las herramientas del clculo diferencial en una variable. La
hiptesis que x'" es la solucin del problema equivale a que V alcanza su ptimo en
E= O, entonces la condicin necesaria que debe satisfacer V(E) es
D2 F (t, x' (t), x'(t)) h(t)dt =D2F (T', x'(T'), x'(T')) h(T')
~~(O)= O
la
es
D F(
dV(<) = r+,"'raF(t,x'(t)+<h(t),x'(t)+<h(tJ) dt
Ja
BE
T*+<:AT
(b.T)
{3)
T"+.;..T
F _ d(F;)
+ F (- )lr+,,,,T (b.T)
X -
dt
De donde,
dV
{2)
t x t ,x t -
dt
dt
-;;;-(O)= la
+ F(t,x'(t),x'(t))lr (b.T)
=O.
(1)
Para escribir esta condicin, de primer orden, sin que se involucre la funcin h es
necesario transformar la integral,
se reduce a:
La ecuacin (3) debe independizarse de h. Para esto se hace
diferencial en la aproximacin:
x' (T'
= 1 y se utiliza una
b.xr = x (T'
+ b.T) -
x'(T') "'h(T')
+ x'(T')b.T
d'V
d=
Despus de asociar,
x(T) = xr:
t [Fxx (t, x' (t), x' (t)) h (t) + F,z (t, x (t), ;; (t)) h(t)h(t)
d V (O) = },
-;k2
L Si T y
_XT son fijos, D.xr y D.T son ambos cero. La ecuacn (4) se satisface, por
lo tanto no hay condiciones fuera de las dadas por las restricciones del problema.
+ Fz, (t, x' (t), x'(t)) h(t)h(t) + F (t, x" (t), '(t)) h2 (t)] dt
=
(F - xF,)lr =O.
4. Si T y xr son libres y x(T) toma valores sobre la grfica de la funcin g(T), esto
es, x(T) = g(T). Usando la diferencial para aproximar el valor del incre1nento,
10.1.2.
+ Fllr =o
ptimode
Xa.,
Fxx)
(h{t)) dt
Fxx Fxx (t,x~(t),(t)) h(t)
J.r (h(t)
ii(t)) Hj(t,x'(t),x"(t))
Gi:i)
dt
fx; (t,x,x)=
d[fx, (t,x,x)]
dt
.
para i=l, 2, .. .,n
y, para las condiciones suficientes, que la matriz Hf (t, x, X) sea definida positiva o
negativa segn la solucin sea un mnimo o un inximo, respectivamente.
Condiciones suficientes
Ejemplo
Si en el problema
a,
h(t)) (Fxx
(h(t)
{T
Ja
=
1T F(t,x(t),x(t))dt sujetoax(a)=x,yx(T)=xr
u(c) =ce>: con O< a< 11 descontada a una tasa . Si dispone de un capital inicial ko 1
desea gastar todo el capital en un intervalo de tien1po T en el cual el capital se halla
invertido a tasa de inters r. El problema es
Maximizar
lr e-t
(c(t))" dt
k(O) = ko
k(T) =O
268
rk-k
k(t) =
Maximizar
269
Despejando e en la restriccin,
e=
a1 exp (
-r t) +a2 exp(rt)
a -1
Los valores de las constantes a 1 y a2 se determinan con las condiciones k(O) y k(T).
Esta expresin y la correspondiente para c(t) dan los valores del capital y el consumo
en cada instante t del intervalo.
= ko
k(T) =O
sujeto a k(O)
Ejercicio
Usar las restricciones del problema para determinar los valores de las constantes a 1 )
(t,k,k)
a2 y la funcin de consumo
c(t).
A partir de la ecuacin (5) y la restriccin diferencial es posible hacer un diagrama de fase para encontrar el comportamiento de la interaccin entre el capital y el
consumo. La ecuacin (5) equivale a
=e-" (rk(t)-k(t)r
son
k)
a:-l
ll(rk-kr-'r
k,
esta
e= a-1
,_,e
{k = rk- c
se reduce a
e-ta(rk-k)"-
r=e- 0ta(rk-k)<Y-l
-e- 8toc(a
2
+ e-"a(a-1) (rk - k) a- k
e
(rk- k) r = S (rk - k) -
(a-
(5)
k=O
(ar - 2r + ) (ar - )
2(a-1)
"'"
La matriz de coeficientes tiene traza!:::.; +r y determinante !=-~r. Si la tasa de inters
es mayqr que la tasa de descuento, la traza y el determinante son positivos. Adems,
como
r+ r)
( a-1
2 -
rr
r-r)
4= ( a-1
a-1
Transponiendo nuevamente,
xdx = (-t+a)dt
integrando,
>O.
x2
-tz
x2 (0) = -0 2 + 2a(O) + 2b = 2b =O
de donde b = O. Por otra parte,
Ejercicio
x 2 (T)
Puesto que esta ltima ecuacin tiene dos incgnitas, una constante a de integracin y el instante T de terminacin del proceso, se hace uso de la condicin (4) de
transversalidad para conseguir otra ecuacin que permita encontrar los valores de esas
incgnitas, para el caso g(T) = T - 5, g' (T) = 1 y la condicin es
Ejemplo
En el problema
Optimos de
T Vl
+:i:'
---dt
((g'-:i:)F,+F)lr=
sujeto a x(O) = O
multiplicando por xv'l
x(T) = T-5
la condicin de transversalida<l x(T) = T - 5 hace que T y x(T) sean libres. La
2
ecuacin de Euler para F(t,x,X) = v' 1;z es
v1 + x'
---X-,-
:i;
-~~~x+
x 2 v'l +:i:2
x(l +') 3/ 2
_ = d(x:i:)
1
dt
esta ltima ecuacin es separble, transponiendo trminos 1
d(x:i:) = -dt
integrando)
+ X2 IT'
~;
dx
dt = -t+a
= (T -
2T2 -20T+25 =O
cuyas solucin es
T= lOM.
2
Ejercicios
1. Probar que otra forma para la ecuacin de Euler es:
d(f -:i:f;)
dt
, =
(T- 9)
xX = -t+a,
=O
T
-1 - 2z2 - 4 = -2 - .4 + xX
-l=X 2 +xx
simplificando 1
:i:(T) =
X l+x2
((1-:i:):i:+l+:i:)lr=O
2
+
X
x2 v'l + :i:2 x (1 + x')'I'
. Jf+12)1
((1-:i:) ~+--
+ (x(T)) 2 = 9
5)
produce
272
3. Solucionar el problema
Mximo
J,T e-
05
'
lT
273
ptimo
J,' [2x
+ xx + xi + 3xy + yi + y + 4 (x) +
(!il'] dt
[x (x - x) - x 2
2 (x - xJ'] dt,
sujeto a x{l) = 2.
ptimo /,T[x'+4xx+2(x)'jdt,
+ tx] dt,
sujeto a x(O) = l.
10.2.
e) T es libre y xr + T 2 = l.
Control ptimo
sujetoa x(O)=l.
1T F(t,x(t),u(t))dt
x(a) = Xa
x(T) =XT
si:
a) T = 2 y x(2) =l.
b) Tes libre y x(T) =l.
e) T 2 y x(2) es libre.
d) T es libre y 3xT + 4T = 10.
La variable x se llama variable de estado (son las variables que aparecen dervadas
en la restriccin) y u es una variable de control; la condicin terminal puede ser de
cualquiera de los tipos descritos en las condiciones de transversalidad.
Si en la restriccin es posible despejar u en funcin de x y su derivada, el problema
se puede convertir en uno de clculo de variaciones.
q=l-3p-p
y que su funcin de costos es
c(q) =q 2 -4q+20
dado que p(O) =Po y p(T) = PT Encontrar la poltica de precios para maximizar
los beneficios totales en el perodo [O, T],
10.2.1.
Condiciones necesarias
>.(t) (G(t,x(t),u(t))- x) =O
puesto que esta gualdad se satisface para todas las funciones x 1 u que sean factibles,
el problema es
sujeto a x(a) =
h dw =
>.(t)hdt = >.(t)h(t)l~+AT -
Xa.
>.(T' + Eb.T)h(T'
x(T) =xr
T +..T
>.(t)(t)h(t)
+ Eb.T) -
>.(a)h(a)
T+e..T
1
a
.\(t)h(t)dt
T"+e..T
1
a
.\(t)h(t)dt
Optimizar r [H(t,x,u,>.)->.x]dt
sujeto a x(a)
= Xa
x(T) =
dV
dE(O)
=
Para encontrar las condiciones necesarias (que sean independientes de las funciones
h y k que fueron involucradas como un medio para alterar los ptimos x* y u* y
as determinar qu propiedad deben satisfacer estas funciones x* y u*) basta con que
cada uno de los trminos involucrados en la ecuacin anterior sea igual a cero:
(Hx(t,x',u',>.)
Las condiciones de primer orden para optimizar el valor de V producen las condiciones necesarias para el problema de control; stas son idnticas al caso de clculo de
variaciones y resultan de la ecuacin )f (O)= O. Para esto se calcula inicialmente ~~
usando el teorema fundamental del clculo y la regla de Leibniz:
dE
Hx(t, x\ u\>..)=-..\,
Hu(t x* u* A)= O
1
de
T+..T
b.T
dV(O) =
d~
T*+t..T
Como desde el comienzo, h(t) y k(t) son funciones fijas no nulas, pero arbitrarias. Las
condiciones anteriores se convierten en las llamadas condiciones de Pontryagin,
dV =lT"+AT d [H(t,x'
T*+t..T
JT' [(
Xy
V(<)=
oj
[H - >. (x + ,A)J i
T+~..T
i:;r
276
XT
'
1. Si T y xr son fijos, D.xr y D..T son ambos cero. La ecuacin (6) se satisface, por
lo tanto no hay condiciones fuera de las dadas por las restricciones del problema.
2. Si Tes fijo y
277
.f condici?nes del mximo. De la segunda derivada se deducen las condicin que se deben
:,!
{[Hxx (t,x"(t)
1
J
E=
O y simplificar
Hlr=O.
uu
(h(t), k(t)f dt
(t,x*(t),u*(t),>.(t})
4. Si T y xr son libres y x(T) toma valores sobre la grfica de Ja funcin g(T), esto
es, x(T) = g(T). Usando la diferencial para aproximar el valor del incremento,
donde Hj es la matriz hessiana del harniltoniano del problema con respecto a las variables de estado x y de control u. De lo anterior se concluye que si H'f (t, x (t), u (t), .\(t))
es definida positiva la solucin encontrada es un mnimo para el problema y si es definida positiva es un mximo.
Cuando el problema tiene n variables de estado y m variables de control,
(H - .\g')lr =O
10.2.2.
(~xx ~xu)
ux
a.
Condiciones suficientes
Xa
y x(T) = xr,
la funcin hamiltoniana es
Para el problema
ptimo de 1T F(t,x(t),u(t))dt
con a1
Xa. 1
Ty
XT
Xa
y x(T) = xr,
dV = 1T
dc
a [H,(t,x'(t)+<h(t),u'(t)+<k(t),.\(t))h(t)
+Hu (t, x'(t) + eh(t), u' (t)
este junto con las correspondientes condiciones de transversalidad dan 18.s condiciones
necesarias de optimalidad. Las condiciones suficientes las d el la matriz hessana de
la funcin hamiltoniana.
Ejeicicios
1. Condicionar los valores de los parmetros para que u(c) = ac'l:'. sea una funcin
de utilidad neoclsica.
Ejemplo
Para encontrar el plan de consumo que maximiza la utilidad, u(c) = ln(c), descontada
a una tasa 61 si dispone de un capital inicial ko 1 y se desea gastar todo el capital en
un intervalo de tiempo T en el cual el capital est invertido a tasa de inters r. El
problema es
Maximizar
k(O) = ko
k(T) =O
>.(O)
1T e-" ln(c(t))dt
e(r-li)t
k(t) = rk(t) -
eCr-)t
k(t) - rk(t)
=-\(O)
k(t)
= ---e-xp--'("J-'_-'-rd"'t):--~-
__1_
(O)
J e-rt [eCr-)t] dt + b
e-rt
->fo J-"dt + b
e rt
=
= ert
e(r-)t
ert
>.(t) = -r>.(t)
S>.(O) + bert.
>.(t) = '~"
k(O) = S>.(O)
+ b = ko
e(r~)T
. d>.
>-=-=-r>.
dt
k(T) = S>.(O)
de la primera de estas ecuaciones,
transponiendo trminos,
d>.
-:\ =
-rdt
b = k, - S>.(O)
integrando,
+ berT = kr
ln>. = -rt+a
e(r-)T (
1 ) rT - erT ( -T - 1) + k erT
kr = S>.(O) + ko - S>.(O) e - S>.(O) e
o
c(t)
e-t
= >.(t) = >.(O)e-rt
e(r-t'i)t
>.(O)
kr - koerT =
erT (e-CT - 1)
>.(O) = S (kr - koerT)
280
Ejercicio
281
(~U?)=(~
dt
o2
-&
.l.=~
d(-%rn-) _
-lo) (~U?)
por lo tanto, las races de la ecuacin caracterstica son reales positivas diferentes y
el sistema es inestable.
e-U
-rC[tT
-"
10.2.3.
En problemas de la forma
Mxino de
-re
- ecur-czmc=
~
= rk(t)
F(t,x(t),u(t))dt+\O(T,x(T))
x(a) =
k(t)
lT
c(t)
{ = (r-o)c(t)
el comportamiento de este sistema entre Oy T se muestra en la fi~a 10.3, a partir
Xa,
x(T) =
XT-
la funcin r.p (Ti x(T)) se conoce como el valor de salvamento. este tipo de problemas
son tiles al modelar situaciones en las cuales in.fluye el horizonte temporal del proceso
y el estado en el cual terminan las variables: los beneficios que produce una mquina y
su valor de reventa (que depender del tiempo de uso y de su estado) 1 los ingresos que
genera una licencia para la explotacin de un recurso natural y el valor de la licencia
pr el recurso no explotado son ejemplos de aplicacin de este tipo de modelos.
Para aplicar la teora expuesta, en la ecuacin
1 ~\O(t,x(t))dt=\Q(T,x(T))-\O(a,x(a))
+ lT
+ ft
T
dt
k=O
i:=O
k
Mximo de
H (t, x, u,>.) = F (t, x(t), u(t)) + dt (\O (t, x( t) )) + >.(t)G(t, x(t), u(t))
f(t, x, u) + \Ot(t, X) + \Ox(t, x):i: + .l.(t)G(t, X, u)
= F{t, x, u) + \Ot(i, x) + \Ox(t, x)G(t, x, u) + >.(t)G(t, x, u).
282
<JA.t'l'l"Ul.iU lU.
Ejercicios
. d
.
i =A+ dt ('Px) =A+ 'Pxt + 'PxxX = \
+ 'Pxt + 'PxxG,
H,, = G =
Bajo la condicin
l{Jtx
Ejemplo
+ ryG, =
-i
H,, = G =
= -i + 'Pxt + 'PxxG
x.
Hx = F,
l. Comprobar que para las funciones que satisfacen las condiciones necesarias, del
ejemplo anterior, la tasa de crecimiento del capital con respecto al consumo es
menor que la tasa de inters para todos los niveles de consumo que satisfacen
e< rk. Qu se puede decir para los niveles de consumo que satisfacen e> rk'J
idnticas a las del problema sin valor de salvamento. Puesto que las condiciones anteriores no se alteran si
La formulacin clsica del modelo de crecimiento de Solow en el que se trata de maximizar la utilidad total descontada (a una tasa p) de la poblacin) en un cierto intervalo
de tiempo, conocida la utilidad per cpita que produce el consumo) u(c(t)). En l la
poblacin, que se considera igual a la fuerza de trabajo, crece a una tasa exgena
n; se produce con una funcin neoclsica F, esto es 1 usa como insumos esenciales
el capital agregado (K) y la fuerza de trabajo (L), tiene rendimientos constantes a
escala, productividades marginales positivas y decrecientes y satisface las llamadas
condiciones de Inada: cuando las cantdades de cada insumo son pequeas los rendimientos marginales son grandes y cuando las cantidades son grandes los rendimientos
son (muy) pequeos. La produccin se consume o se invierte y se supone que el capital
se deprecia a una tasa . Adems se dan unas ciertas condiciones iniciales sobre el
capital. En este tipo de problemas se trata de encontrar cul debe ser la forma de
consumir para solucionar el problema. Esta formulacin se traduce a:
Maximizar
es ahora
+ K(t)
K(O) = Ko
K(T) =Kr
de donde:
l. Si T es fijo y xr es libre,
dL
dt =nL,
2. Si T es libre y xr es fijo,
dL
-; =ndt
ln(L(t)) = nt +a,
o L(t) = L(O)en'.
284
285
F(AK,>.L) = >.F(K,L).
k
L(t)J(k)
5. Condiciones de !nada,
lm Fi = co, lm Fx = co, lm FL =O y lm Fx =O.
L->O
K->O
L-oo
K->oo
Estas condiciones en trminos per cpita: a partir del tipo de rendimientos a escala,
F(K,L)=F(L
lf
donde k = y f(k) = F(k, 1) son respectivamente el capita.1 y la funcin de produccin per cpita; de aqu se deduce que a se convierte en f(O) = O. Usando la ecuacin
anterior, la condicin e y la regla de la cadena,
Maximizar
j e<n-p)tu(c(t))dt
o
KK
(!')
8K
= f"(k)!!':._
= f"(k)~ <O
8K
L
'
como L >O, se deduce que f"(k) <O, as la funcin fes cncava. Las condiciones de
Inada se traducen en
k->O
sujeto a
k=
k->oo
la funcin per cpita crece "muy" rpido si k est cerca de cero y lentamente si k es
grande. Esto se traduce geomtricamente en que las tangentes a la grfica de f cerca
de cero son casi perpendiculares y lejos del origen son casi horizontales, por lo tanto,
la grfica de f debe tener la forma mostrada en la figura 10.4.
(n + J) k(t))
c=(n+6)k
c=f(k)
+ e(n-p)tu"(c)c]
u'(c)
= _-_
(f'k(t) - ( + p))
u"(c)
= O equivale a la de
e= f(k)- (n+)k.
k = f(k) - c(t)- (n + )k
{ = -;,~(~J) (f'k(t) - ( + p))
e
288
orden alrededor del punto de equilibrio (k, e). All el comportamiento del sistema se
deduce del comportamiento de su linealizacin por medio de un polinoipio de Taylor1
289
F,+G, p-fe
Fu+G. =0
{
G=x .
e -
u"(C}
uT p
(u"(E))
(c- e) - ;:,\%f"(k)(k - k)
H!j
que equivale a
_u (e)
u"{) J
"(e) f"(k)k
u"(C)
A partir de las condiciones sobre las funciones de produccin y utilidad, el signo del
determinante de la matriz de coeficientes es
u'(c) !"(-)
- u"(c)
Hfl =0
{ Hv=x.
donde
<o.
Por lo tanto, las races del polinomio caracterstico tienen signos opuestos y el punto
de equilibrio es un punto de silla.
10.2.4.
= p-fe
El propsito del gobierno es minimizar la prdida social (PS) definida como una
proporcin de las desviaciones del ingreso y la tasa de inflacin de sus valores ideales,
Y para el ingreso ideal y cero para la tasa de inflacin. Esto se representa por una
funcin de prdida de la forma
PS =a (Y -
i'f + b(p- 0)
=a (Y -
i'f + bp
J.T e-P'F(t,x(t),u(t))dt+<p(T,x(T))
x(a)
= Xa,
x(T)
= xr.
ajustes entre el valor esperado y el real. Esto es 1 la tasa de crecimiento de las expectativas de la inflacin se ajusta de acuerdo con la relacin
H.=G=x.
+ e-pt,
estas se convierten en
G=x
o< (3 s; 1
y que las expectativas sobre la tasa de inflacin crecen proporcionalmente a los des-
El hamiltoniano corriente es
cn a y b positivos. Se asume, adems, que el desfase entre las tasas de inflacin real
y esperada es proporcional al ingreso no satisfecho,
kT e-''PSdt
ir(O)
= "
r.(T) =
1T
1T e_,,
{a (Y
:Y)J'} dt
- Y) 2 +b (ir +a (Y -
z']
ir + dt
e-rt [ u-u---2-
ir = a/3 (Y - Y)
ir(O) = iro
ir(T) = irr
u= au(t) + fhr(t).
a) Encontrar el punto de equilibrio del sistema que dan las condiciones necesarias para solucionar el problema y analizar la estabilidad analtica y
grficamente.
4. El problema
mx
e- 0 "
Jk +ve] dt
k = Jk- e 0,2k,
sujeto a
k(O) = 1
J
00
puede ser interpretado como la maximizacin de una funcin de utilidad separable que depende del consumo y la riqueza) con una restriccin que relaciona el
crecimiento del capital con el consumo y su valor inicial. Encontrar la solucin
del problema y analizar los puntos de equilibrio.
5. Para el problema:
ptimo
+ b[a/3 (Y - Y) rn] }
1T [x + 4xu + 2u
2
dt,
sujeto a
x =u
x(O) = l.
Encontrar:
Ejercicios
2. Para el problema
00
Maximizar
je_,, (x-i (x + z)
b) T = 2 y x(2) = l.
e) Tes libre y x(T) =l.
d) T = 2 y x(2) es libre.
e) Tes libre y 3xr + 4T = 10.
dt
o
sujeto a i: =
az + /3
6. Para el problema:
ptimo
sujeto a
dt
292
b) T=4yx(4)=3.
e) Tes libre y x(T) = 3.
d) T = 4 y x(4) es libre.
e) Teslibreyxr+T2 =1.
/) Determinar si la solucin encontrada en cada caso es un mximo o un mnimo.
Ejemplos
i-
Una firma que ha recibido una orden para producir Q unidades de su producto en
un tiempo T quiere minimizar los costos compuestos de costos de produccin y
de almacenamiento. Los costos de produccin por unidad aumentan linealmente
con la tasa de producin) los costos unitarios de almacenamiento son constantes
y la planta de la empresa tiene una capacidad instalada capaz de producir q
unidades de producto por unidad de tiempo.
Sean x(t) el total en inventario y u(t) la tasa de produccin en el momento t,
el problema a solucionar es
mn
7. Sea
sujeto a
x(l) = 2.
OS: u(t) S: q.
Encontrar:
a) Las sendas de estado y control que satisfacen las condiciones de Pontryagin.
Determinar el sistema de ecuaciones para calcular las constantes de integra-
H,
cin si:
b) T
293
= 2 y x(2) = l.
= -b = -5.
m"x.u H
= -au2
bx + .\u sujeto a O S: u S: q
H)..=U=:i::.
e) T = 2 y x(2) es libre.
niano es
10.2.5.
1T F(t,x(t),u(t))dt
x(a)
= "'
x(T)
= XT y u E A.
-2au+>.+ -1"2 =O
1u=O
2 (q-u) =O.
.u =
son
Hx = -5.
mxuEAH
H,=x
dependiendo de las condiciones impuestas a la vaiiable de control 1 la segunda condicin implica la aplicacin de alguno de los teoremas de optimizacin restringida. Esta
condicin coincide con H1.J, = O cuando la solucin es interior o u no est restringida.
b) 1 = O, 2 > Oy u
\-.
de donde
u{t)
= ~ = bt+a
Za
Za
a=
de la segunda ecuacin y
2
~t+o
u{t) =
{
O,
si O :S t <
bt+o
Za'
si
q)
Q:
i;t2 + -i;;t + ,
si O :S t < -''
2
si - ~ S t S 9,-
qt+,
si
(3,
x(t) =
-''
")2
b (
4a -;
a (
")
+ 2a -; + 0 =
a2
l,- <tST.
mx
f3 =O y= Q- qT. x(t)
4ab
a2
+ 2ab + 0 =
30:2
4ab
es continua
- a
q2aq
-b
+0 =
+2a
(2aq b
) _
3C<
2
_
4ab-q
El hamiltoniano descontado es
+Q-
qT
2aq - a
_
b
+Q qT
H.{'= 1-E+ .
[4A-aJ = r-fl.
mxE gD = (1 -
Hf
sujetoa 0'.":E:Sl
= A,/Eh-ah =h.
bq) (Zaq -
3C<
1
2
3C<2
- 4ab (Zaq-a) - 4ab =Q-qT
(2aq - a}2 + 3a2 = 4ab(qT- Q)
,,2 - aqa + [a 2q2 - ab(qT-Q)] =
la condicin de optimalidad
") - 4ab = Q - qT
1
1
3a2
2
2
4ab (Zaq - ") - 2ab (2aq - a) - 4ab = Q - qT
- + ry1 A~
E
lE = -h + 2
y las de holgura complementaria
A> O.
+ 0 =O
_!'._ (2aq 4a
b
sujeto a
b (2aq
- ")' + 2a
" (Zaq
-")
4a
-b-b
ry2 =
296
297
Ejercicios
l. Analizar el caso ai,~bQ
De la ltima ecuacin
h(t) =
(A - {Je-,"')'
10.2.6.
e(r-a.)t
(t) ='Y
b) Si 1)1 = O y 1)2
> T en el ejemplo l.
Programacin dinmica
Para el problema
"
(f3-Ae~);;
Mximo de
= O, el sistema es
F(t,x(t),u(t))dt+<p(T,x(T))
1-E+ r~_ft-a]
-h+~fi=o
A./Eh-ah=h.
x(a) =
= r-t
Xa,
x(T) = xr.
En la segunda ecuacin
-u(s)
}t
al reemplazar en la primera
dt
= 1-
E+ '}_./Eh[~ {!__a]
2 y;:
2vh
~-/Eh.
+{
u(s)
'
dz
dt = (a+r)z
de donde
= mx
u(s)
{
{
t+,O.t
t+,O.t
-~ +ah = - A'
- - (1 + Be(a+r)t )
dt
2(a+r)
F(s,x(s),u(s))ds+<p(T,x(T))}
u(s)
F(s,x(s),u(s))ds
2 ~ 1 + Be(a+r)t
z = -v Eh=---A
a+r
tMt
t+.6.t
= mx
V(t,x,)=mx
u(s)
2
A~
2a
=l-E+-./Ei-1
----/Eh
Si z =
x(T) = xr
x(t) = x,,
h = _A
_ _ _ + --e(a+r)t
+ e-at .
B
2(a+r) a 2a+r
Al reemplazar en V (t,x,)
+ aV~;x,) 6.t+
aVi!~x,)G(t,x(t),u(t))t>.t}
mx
u(t)
H = UR exp [-
+ (y(k) -
CR - Cp - ryk)
{F (t, x(t), u(t)) + aV ~'t x,) + &Vit, x,) G(t, x(t), u(t))} =O
Xt
o en la forma
Xt
u(t)
la ecuacin de Hamilton-Jacobi-Bellman paJ:a el caso continuo. Esta es una ecuacin diferencial parcial cuya solucin 1 en general) no es simple salvo algunos casos
especiales, ver por ejemplo [Ka].
10.3.
H'R
(
Hk =>.(y' -ry) = - \
Sean dos funciones de utilidad, UR) up. La primera representa la utilidad de las
personas ricas y la segunda la de los pobres. De acuerdo con la usanza comn, la
utilidad depende del consumo. La utilidad de los ricos es funcin del consumo de los
ricos (cR). De la misma manera, la utilidad de los pobres depende del consumo de
Co1nbinando)
Que se convierten en
BR (cR (z))
>.expqeRdz) =u'R+8RUR
dz] dt
+ [up(cp(t))exp [- 8p(cp(z))dz] dt
>.(ry - y')
d>.
(
')
-=>.ry-y
dt
so1netido a la restriccin
dk
dt =y(k)-(cR+cp)-ryk
Las variaciones en el stock de capital son iguales al ingreso (y) menos el consumo
total (cR + cp) menos la tasa de crecimiento de la poblacin (ry) multiplicada por el
stock de capital. y(k) representa la funcin de produccin. k es el capital per cpita.
Co1uo es usual, y' > O, y" < O.
d>. (
')
-=ry-ydt
>.
Integrando
f (ry~y')dz+c
t
ln>. =
300
uR_, up > 0
>.,
Aexp(l(ry-y'+&R)dz) =u'+&RUR
la segunda se cumple si
ry -y'+ Bp =O
{ u'f,cp + &f.cpup + &pcpu'p =A exp (J~ (ry - y'+ &p) dz) (ry - y'+ &p)
y'= ry + &R =
Bj =0
{ e;, =O
que es equivalente a
u~+ORUR
a:R ('u.~+Onun)
y'+
e J_
"-y'+'R
r R - d:R [1n(u~+8nuR)]
f
, & )_
T-y'+Op
Cp- a!p(up+Opup) r-y + p - d;p[in(u/p+Opup)]
uP+Opup
R = L(cn,k)
cp = G(cp,k)
{
k = y(k) - (cp +GR) - ryk
k=y -
(CR
+ Cp) -
P,kt
El
* significa que
up + Bpup
+ &p
Reemplazando y factorizando,
_
CR { . _
P,
De manera similar,
uR + ORUR
La relacin entre L R y Gp es
Si
RL
~(ln(u\,+8pup))
PG
= d~R (ln(u'R+8RuR))
Lk
)
Gp
Gk
-1 y'(k')-ry
(CR
- cj)
cp - cp
k-k'
up + 8pu'p
-de (In(up+Bpup))= , +e
Up
pUp
Puesto que u" p <O, 8p >O, u' p > O, el denominador es positivo. As que el signo de
laJraccin ser positivo si -u11 p < pu' p. Y negativo s -u" p > 8pu1 p.
que equivale a
Lk (cj, k') =
-y" (k')
dfln(uR+BRttR)j
----~-- =
dcR
Gk(cj,,k') =
(c,,k)
En ambos casos el numerador es positivo, puesto que y"(k"') <O. As que los signos
de la fraccin siguen con las mismas pautas explicadas antes.
De las ecuaciones anteriores se sigue que:
Gk(cj,,k') = -y"(k')G,P(c',k')
que equivale a
Lk
LR
L,
e,
-y"(k')
dio(u;,+epup))
(c;,,k)
--~~_c,--dcR
Lk
G,
= Gp
LR
Gp
(y") 2
l,G, (2y" - 8)
O
)
L,G, + (L, + Gk) (y") 2 - 8
O
y" (Lk +e, - 8y")
L,G, (2y" - e)
tiene menores principales de orden par o impar todos positivos. Por lo tanto, basta
con analizar el determinante
= y"(Lk + G, -
Respuestas y sugerencias
: Ejercicios 1.1 Pgina 3.
; la. p: Aumentan los precios) q: se mantiene la publicidad y s: la demanda crece. (p A q) =>
S .
\fx((A(x,j) A A(x,p))
=?
A(x, m)).
SxS -j;;yOSyS
1mero real.
aconjunto no es acotado ya que la variable y puede ser cualquier nmero real.
1. Definida positiva.
3. No definida.
4. Definida positiva.
;y1 [In a+ a ln x + l ln y -
In f =
In (ex' + dyP) J
~y 2 = (x + ~y) 2 - ~yz.
derivar implcitamente con respecto a cada variable1 multiplicar cada derivada parcial
por la variable correspondiente y su1nar se tiene el resultado.
4. Aplicar el teorema de Euler.
6. Basta derivar la ecuacin xfx + yfy = f y despejar.
t 2 - {(0,0)}.
24
-zg.
y)
F ( 1- =
'x
2u
2xy
,,
x
--"------Fx
l+{~)2-x2;2-x2+y2(,y).
F(t) = F
G) .j:
=
12
vT+t2
K
lnQ =In A +S-;
stt,
+ alnK + llnL
QK
,j
-=-+Q L K
y luego simplificar.
y de aqu
es homognea de grado p,
f(>.x) = ).P f(x).
3.
2.
=l.
3. Si
308
RESPUESTAS Y SUGERENCIAS
309
Ejercicios 4.1 Pgina 74
3a.
GS9 n GI = { (x, y, z) 1 x 2 +X - y S z S x - y}
= { (x, y, z) 1 x
+x S
y+ z S x}
4. f(x)
= x 2 y f(x)
3x+y
}
e= { (x, y) 1 x y-x2 - 3Y' - 1 2 1
= { (x, y) l 3x +y S xy - x2 - 3y2 -
1}
= {(x,y) l 3x +y - xy + x + 3y S -!} = CI(-I),
5.
D = {(K,L) 1mn{2K,3L}2 6}
= {(K,L) l 2K 2 6}n{(K,L) l 3L 2 6}
= {(K,L) 1K23}n{(K,L)1L2 2} =GS ncs,,
donde /(L) = 3 y g(K) = 2.
-1,
Sl X;?.
l.
Jx
f(x, y) = Jy 2 -
vi - X y g(x,y) = IY + 21.
3a.
l -2 S y -
x S x 2 -1}
la. Cncava.
1c. Convexa.
1h. ConveXa y cncava.
3. f(x) = x + sinx, g(x) = x + cosx y f(x) + g(x) son cuasiconvexas.
7. Por lo menos cuasiconvexa.
8. Compuesta de cncava y creciente.
9. Basta determinar los valores de r para los que la funcin h(t) = tr) para t > O es
convexa1 cncava) creciente o decreciente y aplicar las propiedades de composicin.
S. f(x) = {x, si x S 1
X - 11 SI X> l.
aK 2: q,
~jercicios
As el problema a solucionar es
Minimizar C(K,L,T) = rK +wL+ sT
sujeta a aK - q 2: O,
-Maximizar - x +y - z
sujeta a 4 - x 2 - y 2 - z2 2: O,
2x 3y + 4z - 1 = O,
x2:0, z2:0Su lagrangiano es
bp,
V=
=-,
apy
1'1 (4 - x 2
y2
las restricciones
o,
Jt
2X
=O,
t2
2Z
= ,
2x
ALrP - q 2: o,
2: o,
2: O,
2: O,
4-
q,
3y + 4z = l,
2: O,
2: l
z 2 o,
+ bTP)';} =
x2 - y2 - z2
X
mn { aK, (aLP
z2 ) = O,
y la restriccin de gualdad
:ue equivalen a
aK - q 2:
= -l -2tZ + t2 + 4i< = 0,
mn{aK,AL"TP) = q,
AL'Tf3 2: q,
t3Z
l,
aK 2: q,
apy
Jt2X
+ i<(2x-3y +4z-1).
am _b+bln(bp,)
Px
z + 1'1(4- x2 -y2 - z2 ) +
[, = - X+ y -
~n
aLP + bTP - q~ 2: O.
.a.
~jercicios
+ bTP)'; 2: q,
la segunda se transforma en
(aLP
g(x, y)).
313
RESPUESTAS Y SUGERENCIAS
312
2. {2+(-1)'(1+~)}.
ar
ac
Ta = 8a (x~ ,y ,a,k)
= a (f(x, y, a)+ >.(k - g(x, y))) 1
8a
(x ,y ,a,k)
a( x ,y ,a, k) .
Oa
3b.
ar= ac
ak
ak
=>(x ,y ,a,k)
Si
f'
xf = c1 (-2)' + cz(-3)',
6c.
xf =
at(-2)' +b3'.
8c.
= ( 4a(t +
+6(at(-2)'+b3')
= (4-10 + 6)at(-2)' + (8- lO)a(-2)' + (9+15 + 6)b3'
= -2a(-2)' +30b3' = (-2)' +3',
de donde 1 a=-~ y b =
12b.
V=
x y
, { m b } Y U(x,y ) =-a
+-b.
mm ap,, Py
t
t
t(-2)'
x,=ci(-2) +cz(-3) - --+
3t
30
3'
30
tr
Ejercicios 7.4 Pgina 207
7. Ver el captulo 9.
),
1).
Como jJ(O, O)I = 1 - a2 <O, (O, O) es punto de silla. Para los otros
Ejercicios 8.1.3 Pgina 222
'iif
C' = ,\ IQKW
y por el teorema de la envolvente
A=
+ QLL'] = !.aq
el primer factor es negativo, por lo tanto si a2 > 3 los puntos son nodos estables:
2
las races del polinomio caracterstico son reales distintas negativas. Y si a < 3 los
puntos son espirales estables: las races del polinomio caracterstico son complejas
conjugadas con parte real negativa.
Ejercicios 10.1.2 Pgina 271
l. Basta con calcular d(fdZJ.J.
4a. x(t) = ae,/2' + be_,,r,,_
4b. El sistema a solucionar para encontrar a y b es
e;. De lo anterior
dC'
e =-o:q
dq
+ ;-l
que es una ecuacin diferencial separable, su solucin d los resultados del ejercicio.
Ejercicios 10.2.4 Pgina 290
Ejercicios 8.2.2 Pgina 239
2a.
Hf
Hf
7. Los puntos de equilibrio del sistema son las soluciones del sistema
{ HD
a2 x-x 3 -y= O
{ x-y= O,
= - x - z = r. - f;,
=
-x- z+a =O
= az+
/3 =
:i:,
eliminando z equivale a
= (r +a).- o
{ X=o: 2 -ax+f3.
J(x,y)= (
a -3x
1
-1)
-1
J(0,0)= ( a1
-1)
-1 ,
'
tr(J) - 4IJI = r2
jJ(O,O)I = 1- a2
Gen(~)-
Bibliografa
[A.z] Azariadis 1 Costas, Intertemporal Macroeconomics, Blackwell, Oxford, 1993.
[BJ Barbolla 1 R., E. Cerd y P. Sanz, Optimizacin. Cuestiones, ejercicios y aplicaciones a la economa, Prentice Hall1 Madrid1 2001.
[B y S] Barbolla y Sanz, P., 'Algebra lineal y teora de matrices, Prentice Hall, Madrid, 1998.
[B y C] Berndt y Christensen, 11The translog function and the substitution of equipment, structures 1 and labor in U.S. manufacturing 1962-68n 1 Jcurnal of Econometrics 1(1973), pp. 81-114.
[B y D] Boyce, W. y R DiPrima, Elementary differential equations and boundary
value problems, John Wiley & Sons, Inc., Singapur, 1992.
[B y R] Blackorby, C. y R. Russell, "Will the real elasticity of substitution please
stand up? (a comparison of the Allen/Uzawa and Morishlma elastcities) 11 , The
bridge, 2001.
[Ch] Chiang, Alpha, ]i.ftodos fundamentales de economa matemtica, 1vlcGraw-Hill,
1987.
[G-Pl] Gonzlez, Jorge Ivn y Arsenio Pecha, "La dinmica en economa, los enfoques
de Hicks y Samuelson1' 1 Cuadernos de economa 23, 1995, Universidad Nacional
de Colombia, Bogot.
[G-P2] Gonzlez, Jorge Ivn y Arsenio Pecha, "Tasa de equilibrio intertemporal, equilibrio y estabilidad)), Cuadernos de economa 32, 2000, Universidad Nacional de
Colombia, Bogot.
[G y
LJ Guilkey, D. K. y C. A. K. Lovell, "On the ftexibilitj of the translog approxmation11, Intemational Economc Review, Vol. 21, No.1, Febrero, 1980; pp.
137-47.
Addison-Wesley, 1965.
[NiuJ Murata Yasuo Mathematics for Stability and Optimization of Economic Sys1
[S] Samuelson, Paul A., Fundamentos del anlisis econmico, Ed. El Ateneo, Buenos
Aires, 1977.
!Sa] Sato 1 K., 1'A two-level constant-elasticity-of-substitution production function",
Rewiev of Economic Studies, 1967, pp. 201-18.
[S y K] Sato, R. y T. Koizumi, "On the elasticities of substitution and complementarity", Oxford Economic Papers 25, 1973, pp. 44-56.
[Se] Sengupta, Jati K. y Phillip Fanchon, Control Theory Methods in Economic, Kluber Academic Publishers, Norwell, 1997.
[Si] Silbelberg, Eugene, The Structure of Economics: a Mathematical Analysis,
McGraw-Hill, New York, 1990.
{Sim] Simmons, George F., Ecuaciones diferenciales, McGraw-Hill, iviadrid, 1993.
\Su] Sundarain, Rangarajan K.) A First Course in Optimization Theory, McGra\vHill1 Cambridge University Press, 1999.
[U) Uzawa, H., '~Production functions with constant elasticities of substitution Re1
',
Indice alfabtico
clausura, 13
k-ciclo) 190
compacto, 14
conexo, 14
contable o enumerable, 8
de restricciones, 101
infinito, 8
interior, 12
potencia, 5
referencial, 4
Bellman, 253
bola abierta, 17
clculo de predicados
cuantificadores, 2
predicados, 2
relaciones, 2
sujetos, 2
campo
escalar, 24
vectorial, 25
combinacin convexa, 72
complejo
argumento, 12
mdulo, 12
parte imaginaria1 12
parte real, 12
conjuntos
diferencia entre, 6
diferencia simtrica entre, 6
interseccin de, 6
no comparables, 5
relacin entre, 23
unin de, 6
correspondencias, 25
cota
inferior, 14
superior, 14
cualificacin de restricciones1 125
curva, 24
demanda
condicionada, 102
condicionada de factores, 128, 152
de factores, 116, 154
del productor, 102
hicksiana, 103, 129, 153
marshalliana1 1031 133, 155
derivada
de una funcin real, 32
direccional, 109, 121
parcial, 41
diagonalizacin de Cantor 1 9
diferenciabilidad, 108
distancia
en.IR, 11
en Rn, 17
dominio de estabilidad, 185
ecuacin
de Euler, 265
de Hamilton-Jacobi-Beilman, 253, 298
diferencial
exacta, 218
homognea, 217
lineal, 218
orden, 214
separable, 217
en diferencias
autnoma, 181
homognea, 181
lineal, 180
orbita de, 181
orden, 181
solucin de, 181
trayectoria de, 181
logstica, 175
recurrente, 180
elasticidad
con respecto a una variable, 49
de sustitucin, 48
epgrafo, 63
estado estable, 183
Euler, 42
frmulas
proposicionales, 1
proposicionales
equivalentes, 2
factor de integracin, 218
Fibonacci, 175
funcin
con elasticidad de sustitucin
constante (CES), 50
variable (VES), 54
continua, 31
cuasilineal, 54
de beneficio, 102, 117, 153
de Cobb y Douglas (CD), 49
de costo, 102, 128, 152
de Die\ver, 61
de gasto, 103, 129, 153
de Leontieff, 52
de oferta, 116, 154
principal, 38
principal orlado, 132
principal primario, 38
nmeros
complejos, 12
enteros 1 8
irracionales, 9
naturales, 7
racionales, 8
reales, 9
reales no estndar, 12
norma en rn;_n, 17
Routh-Hurwitz, 237
Schur, 204
sendas ptimas, 247
sistemas de ecuaciones en diferencias vase
ecuacin en diferencias 180
solucin
asintticamente estable: 188
exponencialmente estable, 188
factible, 121
lyapunovmente estable, 187
steady state, 183
subgrafo, 63
sucesin
acotada, 176
acotada
inferiormente, 176
superiormente, 176
convergente, 177
creciente, 175
decreciente, 175
montona, 175
oscilante, 176
oscilante
amortiguada, 176
explosiva, 176
regular, 176
supergrafo, 63
supremo, 14
sustitucin entre variables, 48
parmetro, 28
plano tangente, 108
Precios, 25
productividad
marginal
del capital, 41
del trabajo, 41
producto cartesiano, 23
proposiciones
atmicas, 1
moleculares, 1
punto
aislado, 14
asintticamente estable, 184
atractivo, 189, 214
crtico, 103
de acu1nulacin, 14
tablas de verdad, 1
de equilibrio, 183, 228
tasa
de silla, 112
marginal de sustitucin entre bienes,
exponencialmente estable, 185
26
fijo, 183
marginal de sustitucin tcnica, 26
frontera, 12
globalmente asintticamente estable)
valor absoluto, 11
185
valor de salvamento, 281
interior 1 12
variable
lhnite, 14
de control, 247
localmente asintticamente estable, 185
de estado, 174, 180, 247
lyapunovmente estable, 184
endgena,
28
repulsivo, 189, 214
exgenaj 28
rendimientos a escala) 27
Weierstrass, 135
restriccin
activa, 137
inactiva, 137