RESPOSTA DO EXERCCIO: De acordo com o observado na teoria descrita no contedo abaixo podemos concluir que a sequncia das funes

com os grficos correta aparece na letra b. (Glauber Freitas Marcos - Otimizao distncia)
UNIVERSIDADE FEDERAL DO RIO GRANDE DO SUL UFRGS DEPARTAMENTO DE ECONOMIA CURSO DE CINCIAS ECONMICAS DISCIPLINA: TEORIA MICROECONMICA II Primeiro Semestre/2001 Professor: Sabino da Silva Porto Jnior Estgio Docncia: Rafael Tiecher Cusinato.

Notas de aula nmero 1: Otimizao

Rafael Tiecher Cusinato.

A. Estrutura de um problema de otimizao Todo problema de otimizao consiste em trs elementos: 1. Variveis de escolha: so as variveis cujos valores timos devem ser determinados. Por exemplo: ( i ) Uma firma quer saber qual nvel de produto deve produzir para obter o lucro mximo possvel. Neste caso, o produto a varivel de escolha. ( ii ) Uma firma quer saber qual quantidade de trabalho, capital e insumos que deve usar para produzir determinado nvel de produto ao mnimo custo possvel. ( iii ) Um consumidor deseja comprar uma cesta de bens que ele tenha condies de adquirir e que lhe deixe na melhor situao. Aqui, as variveis de escolha so as quantidades dos bens. 2. Funo objetivo: fornece uma especificao matemtica da relao entre as variveis de escolha e a varivel que desejamos maximizar ou minimizar. Assim, seguindo os exemplos do item 1, as funes objetivos podem tomar a forma de relacionar: ( i ) lucro ao nvel de produto. ( ii ) custo quantidade de trabalho, capital e insumos.

( iii ) um indexador da satisfao do consumidor s diferentes quantidades de bens que ele pode comprar. Em ( i ) e (iii ), as funes devem ser maximizadas e em ( ii ), minimizada todas em respeito as suas respectivas variveis de escolha. 3. Conjunto vivel: uma parte essencial de qualquer problema de otimizao a especificao exata de quais alternativas esto disponveis para o tomador de decises. O conjunto de alternativas disponveis chamado de conjunto vivel. H trs maneiras no qual um conjunto vivel pode ser especificado: (a) Por enumerao direta, i.e., por uma proposio que afirme: as alternativas so A, B, C... (b) Por uma ou mais desigualdades que define diretamente um conjunto de valores alternativos para as variveis de escolha. (c) Por uma ou mais funes ou equaes que defina um conjunto de valores alternativos. Podemos resumir que um problema de otimizao formado pelas variveis de escolha, funo objetivo e conjunto vivel. O problema escolher a melhor alternativa do conjunto vivel. Em geral, a teoria permite a representao do problema em uma procura pelo mximo ou mnimo da funo objetivo em respeito s variveis de escolha e sujeito restries.

B. Solues: questes e conceitos A soluo de um problema de otimizao tal que o vetor de valores da varivel de escolha est no conjunto vivel e fornece o mximo ou o mnimo da funo objetivo sobre o conjunto vivel. A partir de agora, utilizaremos o exemplo de uma maximizao cuja funo objetivo f (x1, x2, ..., xn) = f (x). Denotaremos o conjunto vivel dos vetores por S. Ento, a soluo para o problema um vetor de variveis de escolha x * que possui a seguinte propriedade: f (x*) f (x) x, x* S (1)

(O smbolo significa para todo.)

Solues globais vs locais: uma soluo global aquela que satisfaz a condio (1). Naquele ponto, a funo objetivo toma um valor que no excedido em qualquer outro ponto dentro do conjunto vivel. , portanto, a soluo que procuramos. Por outro lado, uma soluo local satisfaz a condio: f (x**) f (x) x N** S (2)

onde N** um conjunto de pontos na vizinhana de x**. Unicidade da soluo: a soluo no necessariamente nica, possvel que haja mais de um mximo global. Soluo interior vs de fronteira: na figura 1, os pontos x = 0 e x = x 0 so pontos de fronteira, enquanto todos os outros pontos no conjunto S so pontos de interior. Uma soluo interior um ponto interior que satisfaz a condio (1). Uma soluo de fronteira um ponto de fronteira que satisfaz a condio (1). A distino importante pois pequenas mudanas em uma restrio geralmente no afetam uma soluo interior o ponto timo continua o mesmo. Porm, tendem a afetar uma soluo de fronteira.

Dizemos que uma restrio est ou ativa quando h uma soluo de fronteira sob a fronteira definida pela restrio em questo. Uma restrio no est ativa ou no-ativa quando a soluo for interior ou quando a soluo de fronteira mas a soluo est sob a fronteira de outra restrio. Continuidade da funo objetivo: uma funo y = f(x) contnua se no h cortes no grfico, ou seja, intuitivamente, se podemos desenh-la sem tirar a caneta do papel. Na figura 2, as funes desenhadas em (b) e (c) no so contnuas, enquanto que (a) contnua.

Concavidade da funo objetivo: na figura 3, temos os grficos de quatro tipos de funes. Uma funo com uma curvatura do tipo mostrado em (a) chamada de funo cncava. Em (b) temos uma funo convexa e em (c), uma funo que no cncava nem convexa.

Quando uma funo for diferencivel, podemos expressar a concavidade pela condio f (x) < 0 e a convexidade por f (x) > 0.

Funes quase-cncavas Dado uma funo y = f (x1, x2, ..., xn) = f (x), podemos escolher algum nmero c e fazer: f(x)=c (3)

Podemos dizer que (3) define o contorno da funo f (x) e que o conjunto de valores de x que satisfaz (3) o conjunto dos contornos. A continuidade dos contornos definida da mesma maneira que a continuidade da funo e pode ser pensada como a inexistncia de cortes, brechas ou pulos no grfico. A continuidade de uma funo e a de seus contornos esto intimamente relacionados pode ser mostrado que a continuidade da funo implica a continuidade de seus contornos. Analisaremos agora, a concavidade dos contornos. Restringiremos nossas atenes s funes com derivadas f1, f2 positivas. A figura 4 ilustra a concavidade dos contornos destas funes. Escolha dois pontos sobre o mesmo contorno tal como x e x na figura. Ou seja, f (x) = f (x) = c. Escolha qualquer ponto da linha reta que liga x e x tal como x* na figura. Ento, dizemos que o contorno cncavo se: f (x*) f (x) = f (x) = c (4)

Em palavras, uma combinao convexa de qualquer dois pontos de um contorno fornece valores pelo menos to altos quanto da funo e, portanto, est sob o mesmo contorno ou sob um contorno mais alto. Uma funo cujos contornos satisfazem esta definio dita funo quase-cncava. As funes cujo contornos so mostrados em (a) e (b) da figura 4 so quase-cncavas enquanto a mostrada em (c) no .

Podemos fazer uma distino observando (a) e (b) da figura acima. Em (a), para qualquer dois pontos do contorno, a linha que liga eles estar sempre acima do contorno e nunca sob o contorno. Tal funo chamada de estritamente quase-cncava. No caso de (b), podemos encontrar pontos em que a linha que os une ficar sob o contorno e, portanto, apesar desta funo ser quase-cncava, ela no estritamente quase-cncava. Em um problema de otimizao, dado f1, f2 > 0, quanto mais alto o contorno alcanado, maior o valor da funo objetivo. Portanto, maximizar a funo objetivo equivalente a encontrar o contorno mais alto possvel. Propriedades do conjunto vivel No-vazio: um conjunto no-vazio se contm pelo menos um elemento. Um problema de otimizao s tem soluo se o conjunto vivel for no-vazio. Fechado: um conjunto fechado se todos os pontos de sua fronteira so elementos do conjunto. Portanto, o conjunto de nmeros do intervalo 0 x 1 fechado enquanto os conjuntos definidos nos intervalos 0 < x < 1 e 0 x < 1 no so. Limitado: um conjunto limitado quando no possvel ir adiante para o infinito em qualquer direo mantendo-se dentro do conjunto. Assim, o conjunto de nmeros x do intervalo 0 < x < 1 limitado, enquanto o conjunto x 0 no-limitado. Note que as definies de conjunto fechado e limitado so diferentes: o conjunto definido por 0 < x < 1 limitado mas no fechado; o conjunto de valores x 0 no-limitado mas fechado.

Convexidade: um conjunto convexo se para cada par de pontos que pertencem ao conjunto, podemos lig-los com uma linha reta e esta linha fica completamente dentro do conjunto. Portanto, os conjuntos de (a) da figura 5 so convexos enquanto os de (b) no so convexos. Quando qualquer dois pontos da fronteira de um conjunto convexo so ligados por uma reta que, exceto em seus pontos terminais, esto no interior do conjunto, ento o conjunto estritamente convexo.

C. Existncia de solues Teorema da existncia: Um problema de otimizao sempre tem soluo se: ( i ) a funo objetivo contnua ( ii ) o conjunto vivel no-vazio, fechado e limitado. D. timo local e global Teorema: Um mximo local sempre um mximo global se: ( i ) a funo objetivo quase-cncava ( ii ) o conjunto vivel convexo.

E. Unicidade da soluo Teorema da unicidade: Dado um problema de otimizao no qual o conjunto vivel convexo e a funo objetivo quase-cncava, a soluo nica se: ( i ) o conjunto vivel estritamente convexo ou ( ii ) a funo objetivo estritamente quase-cncava ou ( iii ) ambos

F. timo de interior e de fronteira Em geral, a soluo de um problema de otimizao que um ponto interior do conjunto vivel no afetada por pequenas mudanas nas fronteiras do conjunto. Por outro lado, uma soluo de fronteira dever ser sensitiva mudanas em pelo menos uma restrio. Nas partes (a) e (b) da figura 6, o conjunto vivel est inicialmente na rea 0ab. Em (a), temos um timo interior em x* e em (b) e (c), temos timo de fronteira tambm denotado por x*. A soluo (a) no afetada por pequenas mudanas na restrio por exemplo, para ab. Em (b), a mudana para ab afeta a soluo e em (c), uma mudana da restrio cd tm efeito sobre a otimizao, mas o mesmo no ocorre para pequenas mudanas em ab, como ilustrado. A ausncia de resposta da soluo (a) mudanas devido a existncia de um ponto de saciedade em x* no qual a funo objetivo atinge o mximo. A ocorrncia de um ponto de saciedade no interior do conjunto vivel claramente uma condio necessria para existir um mximo interior. Portanto, podemos caracterizar um mximo de fronteira como um mximo em que no existe um ponto de saciedade. Uma classe deste tipo de mximo quando a funo objetivo monotonicamente crescente; i.e., fi > 0, onde fi a i-sima derivada parcial da funo. Neste caso, a soluo estar necessariamente sob a fronteira superior do conjunto vivel.

As partes (b) e (c) da figura 6 mostram dois tipos de timos de fronteira. Em (b), existe apenas uma fronteira superior e, dado a suposio que c 2 > c1, a mudana na fronteira modifica o timo. Em (c), conjunto vivel inicial dado pela rea 0ceb definida pelas duas desigualdades lineares fracas. O timo inicial na fronteira em x *. Neste ponto, a restrio definida pela linha ab satisfeita. Esta restrio efetivamente inoperante na soluo e, portanto, esta restrio no-ativa. Uma vez que sabemos onde a soluo est, uma restrio no-ativa pode ser deixada de fora de qualquer anlise que esteja interessada em movimentos pequenos nas vizinhanas do timo. Seguidamente, isto permite uma simplificao da anlise. G. Localizao do timo A condio necessria para o ponto x* = (x1*, x2*, ..., xn*) alcanar o mximo da funo f (x) quando no h restries fi (x*) = 0 i = 1, 2, ..., n (5)

isto , cada derivada parcial da funo, avaliada em x*, deve ser zero. Quando h restries garantindo a inadimissibilidade de quantidades negativas, i.e., xi 0 para i = 1,2,...,n, temos as seguintes condies necessrias: fi (x*) 0 Mtodo de Lagrange Quando h restries funcionais, devemos utilizar o mtodo dos multiplicadores de Lagrange. Suponha o problema da maximizao da funo objetivo f (x1,x2) sujeito restrio funcional g (x1,x2) b. Na figura 7, o problema est colocado na forma grfica. xi* 0 xi* fi (x*) = 0 i=1,2,...,n (6)

Neste caso, devemos montar a funo lagrangeano: L (x1, x2, ) = f (x1, x2) [ g (x1, x2) b ] (7)

E, a partir de sua diferenciao, temos as condies necessrias para maximizao: f1 - *g1 = 0 f2 - *g2 = 0 g (x1*, x2*) b = 0 Interpretao do multiplicadores de Lagrange (*) Em economia, as derivadas so usualmente designadas pelo termo marginal. Assim, * pode ser pensado como a mudana marginal no valor otimizado da funo objetivo com respeito mudanas na restrio. (8)

H. Generalizao adicional Suponha que queremos o maximizar o problema na forma geral: Max f (x) s. a. g j (x) bj

x0

( j=1,..., m )

(9)

Desta forma, temos a funo lagrangeano: L (x, ) = f (x) j [ g j (x) bj ] As condies necessrias so: fi j* g i j 0; b gi (x*) 0; xi* 0; i* 0; xi* Li = 0 i* Li = 0 ( i=1, ..., n ) ( j=1, ..., m ) (11) (12) (10)

Resumo

do

captulo 2, optimization, de GRAVELLE, H & REES, R.

Microeconomia. London, Longman, 1981.