Pecha, Arcenio - Optimizacion Estatica y Dinamica en Economia

PTIMIZACIN ESTTICA Y
DINAMICA EN ECONOMIA
PTIMIZACIN ESTTICA Y
/
DINAMICA EN ECONOMIA
Arsenio Pecha C.
Departamento de Matemticas
Facultad de Ciencias
Universidad Nacional de Colombia
Sede Bogot
PTlMlZACIN ESTTICA Y DINMICA EN ECONOMA
Arsenio Pecha C.
Departamento de Niatemticas
Universidad Nacional de Colombia
Unversidad Nacional de Colombia

Departamento de lvlatemticas
Segunda edicin, 2008

Bogot, Colombia
ISBN 978-958-958-719-1
Impresin: Pro--Offset Editorial S.A.

comercial@pro--offset.com
Bogot, Colombia
Diagramacin en Tu\T~: N!argoth Hernndez Quitin sobre originales del autor
Diseo de cartula: Andrea Kratzer
Catalogacin en la publicacin Universidad Nacional de Colombia

Pecha Castiblanco, Arsenio, 1959 Optimizacin esttica. y dinmica en economa / Arsenio Pecha C. - 2. ed. Bogot: Universidad Nacional de Colombia. Facultad de Ciencias, 2008
VIII, 325 p.
ISBN 97S..958-719-099-l
l. Optimizacin matem<itica 2. Economa matemtica
CDD-21 519.6 / 2008
A Diego Andrs, Santiago Augusto y Camilo Jos.
,,
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
2.5.2. Polino1nio de Taylor en varias variables
44
2.5.3. La matriz hessiana ..

2.5.4. Diferencial en varias variables .
45
2.6. Funciones especiales . . . .

2.6.1. Cobb-Douglas (CD)
2.6.2. Elasticidad de Sustitucin Constante (CES)
2.6.3. Leontieff .
2.6.4. TI:anslogartmica ..
2.7. Una generalizacin del teorema de Taylor
Ill
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
9. Optimizacin dinmica discreta

9.1. Nftodos de optimizacin esttica .
9.2. Programacin dinmica
247
249
252
10.0ptimizacin dinmica continua

10.L Clculo de variaciones . . . . .
10.1.l. Condiciones necesarias .
10.l.2. Condiciones suficientes .
10.2. Control ptimo . . .
10.2.1. Condiciones necesarias .
10.2.2. Condiciones suficientes .
10.2.3. Problemas con valor de salvamento .
10.2.4. Problemas con descuento . . . . .
10.2.5. Restricciones sobre la variable de control .
10.2.6. Programacin dinmica . . . . .
10.3. Crecimiento con dos tasas de preferencia intertemporal .
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
la Universidad Nacional de Colo1nbia, sede Bogot. Se ha querido presentar los ternas

abandonando la visin hacia la fsica o la ingeniera, con enfoque y aplicaciones a las
ciencias econn1icas, que sirvan de base a los cursos que requieren las herra111ientas
mate1nticas de optimizacin esttica y din1nica aqu presentadas.

Se han desarrollado ten1as que van un poco ins all de lo bsico, sin convertirse
en un libro para estudiantes de n1atemticas; se pretende seguir la idea de 1'1aurice
Allais: "... El rigor debe apuntar hacia la con1prensin del alcance de la hiptesis y
la interpretacin de los resultados. Jru11s debe convertirse en un pretexto paxa hacer
1naten1ticas por s 1nis1nas". Por eso es un tru1to infonnal, no se de1nuestran todos
los teore1nas, la teora se ilustra con ejeni.plos y al final de cada te1na se proponen
ejercicios de variada dificultad para ilustrar y n1ecanizar lo expuesto en cada seccin.
En los tres prin1eros captulos se presentan las bases sobre conjuntos, topologa,
funciones) grafos y contornos. El captulo cuatro est dedicado a la convexidad. En el
cinco y el seis se estudian la opthnizacin esttica no restringida y restringida, respectiva1nente, y se exponen los teoreinas n1s ilnportantes sobre optilnizacin esttica,
base de la ncroecono1na. Los captulos siete y ocho construyen las bases en procesos
dinmicos discretos y continuos para poder presentar, en el nueve y diez, los mtodos
bsicos de optinzacin diu1nica. En los ltimos se tratan los ten1as bsicos de opti1nizacin dinmica: clculo de variaciones, control ptin10 y progrru.11acin din111ica.
Aunque stos no hacen parte del curso de nlatemticas III, s lo son de Jos de econon1a
n1atemtica, adems de servir co1no referencia en ten1as de crecimiento econ1nico 1
inacroeconoma y poltica econmica. En la ltin1a seccin de los captulos siete, ocho
y nueve se presentan tres aplicaciones de la teora a inodelos econ1nicos de n1erca<lo,
generacionales y de(. enfoque de la dinmica en econon1a.
VII
INTRODUCCIN
VIII
es intrnseco a cualquier actividad humana, el texto puede co~tener errores.

01110
A :radezco a los profesores Vctor Ardila, Sergio lVIonsalve y Jorge David Aponte Y.
m~s estudiantes de semestres anteriores que han t~1;ido la ~aciencia de leer Y corregir
versiones preliminares de este texto, como tamb1en a quienes me hagan notar los
etrores que an queden por corregir.
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
donde las letras proposicionales tienen el significado: p: ivlara es alta, q: :tviara es

rubia, r: iviara viste bien y s: Mara llama la atencin.
Los valores de verdad para las frmulas proposicionales se encuentran dando valores de verdad a las letras proposicionales y usando las tablas de verdad para
las frmulas bsicas: no (negacin) o (disyuncin), y (conjuncin), si ... entonces
(implican):
1
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'>
no todos satisfacen la propiedad P equivale a que existe alguien que no satisface la

propiedad P y
~3xP(x)
V
V
En la hnplicacin p ::::} q, la proposicin p se llama el antecedente y q el ?ns~cuente.

Esta proposicin tiene varias formas de enunciarse: si p, entonces q; p solo s1 ~; P. es
condicin suficiente para q; q es condicin necesaria para p. Una forma mnemotecn1ca
para estas equivalencias es: si Juan es bogotano, entonces es colo1nbiano; Jua~1 es
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.
, .
Dos frn1ulas proposicionales f 1 y f2 son equivalentes (!1

f2) para la log1ca, s1
tienen la rnisma tabla de verdad. Si las fnnulas son equivalentes, la tabla de-f1 ~ !2
es una tautologa, esto es, para cada una de las posibles con1binaciones de valores de
verdad de las letras proposicionales el resultado de la tabla de verdad es V.
Otro nivel de la lgica es el clculo de predicados (o lgica de prin1er orden), en
el cuaL aden1s de los conectivos, se usan cuantificadores, sujetos, predicados Y
relaci~nes. Los cuantificadores son las palabras "para todo'' y c~existe" simbolizados
por V y 3 respectivan1ente. Sobre los sujetos recae la accin que describe el verbo Y
se simbolizan usando letras minsculas.
En la frase "Juan re'' el sujeto es Juan y se sin1boliza j: Juan. Lo que se dice de
un sujeto es el predicado y se silnboliza describiendo la accin en impersonal R(x): x
re. De esta forma la frase ccJuan ren queda simbolizada por R(j). Las acciones que
involucran a ms de un sujeto son relaciones y se sllnbolizan en forma silnilar a los
1
predicados. En la frase "el avin va de Bogot a Pars ,hay tres sujetos. a: a~in1 b:
Bogot y p: Pars1 y una relacin V(x, y, z): x va de y a z. La frase se s1mbohza por
V(a,b,p).
Las forn1as proposicionales bsicas del clculo de predicados son:
Todo A es B (universal positiva)
\lx(A(x) ""B(x)): para todo x; si x es A, x es B.

AJgn A es B (particular afirn1ativa)
3x(A(x) /\ B(x)): existe x tal que x es A y x es B.
Ningn A es B (universal negativa)
~3x(A(x) 11 B(x)): no existe
x tal que x es A y es B.
Algn A no es B (particular negatiya)

3x(A(x) /\ ~B(x)): existe x tal que x es A y no es B.
La negacin de las proposiciones cuantificadas obedece las siguientes equivalencias:
~lfxP(x)
= 3x(~P(x))
\lx(~P(x))
no existe alguien que satisfaga la propiedad P equivale a que ninguno satisface la

propiedad P. Ntese en particular que la fonna universal negativa es la negacin de
particular afirn1ativa y la particular negativa es la negacin de la universal positiva.
Ejemplos
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)).
2. La silnbolizacin de la proposicin "Todos los gerentes son profesionales o dueos

de empresa11 es
\lx(G(x)
* (P(x) V D(x))).
La negacin de esta proposicin es
3x(G(x) /\
(~P(x)
/\ ~D(x)))
algn gerente no es profesional ni dueo de la empresa.

Ejercicios
l. Simbolizar los siguientes enunciados en clculo de proposiciones (usar letras nicamente para las proposiciones at1nicas):
a) Si se aumentan los precios y se mantiene la publicidad, decrece la demanda.

b) Es necesaJ:io mantener los precios y au111entar la publicidad para que crezca
la de1nanda.
e) Para aun1entar la de1nanda es suficiente con bajar los precios y nlejorar la
calidad.
2. Simbolizar en clculo de predicados (identificar los sujetos y definir los predicados)
y encontrar la negacin de cada una de las siguientes proposiciones:
a)
b)
e)
d)
Todo gerente exitoso sabe de eco1101na, finanzas y administracin.

Algunos gerentes exitosos no han estudiado econorna ni ad1ninistracin.
Todo amigo de Juan y Pedro es amigo de 1ifara.
Ningn accionista es pobre.
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.
CAPTULO l. CONCEPTOS BSICOS
1.2. CONJUNTOS
1.2.
Conjuntos
Una de las nociones bsicas de la matemtica es la de conjunto, entendida como una

coleccin o lista de objetos bien definidos llamados elementos. Generalmente estos elementos se escogen con alguna referencia, y la coleccin de donde se extraen se conoce
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
x, si x est en A entonces x est en B. Cuando todos los elemento d A
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,
)
p(A) ={XI X<;;; A)
Figura 1.1: Diagrama de Venn-Euler para un conjunto A.
los elementos de este conjunto son a su vez conjuntos.

Los conjuntos se pueden definir de dos formas: por extensin o por comprensin;
en la primera se enumeran todos los elementos del conjunto) en la segunda se da la
propiedad que satisfacen todos los elementos.
A={l,3,5,7,9}
A= {x l x es un nmero hnpar entre O y 10}.
En general un conjunto se define por comprensin por una expresn de la forma
= {x
x ha.ce verdadera la proposicin p( x)).
En fonna compacta se escribe A = {x 1 p(x)}. De esta forma es posible definir el

conjunto vaco 0 = {x x f: x}: el conjunto de los elementos distintos de s mismos;
claramente el conjunto vaco no contiene ningn elemento, 0 = {}, ya que ninguno
satisface la propiedad x f:- x.
Si un elemento x est en un conjunto A, se nota x E A (x pertenece a A); si no)
x r/c A (x no pertenece a A).
Entre los conjuntos se definen las siguientes relaciones:
A es subconjunto de B,
Ejemplos
l. Si A= {1,3,5},
P (A) = {0, {l}, {3}, {5}, {l, 3}, {l, 5}, {3, 5}, {l, 3, 5) ).
2. Si A = {l, 0, {5}}, los elementos de A son 1, 0, y {5}. 5 no es elemento de A,

ya que no es lo mismo una bolsa con una manzana que la manzanai el corchete
en este.caso hace las veces de bolsa) los subconjuntos propios de A son 0, por ser
subconjunto de todo conjunto, y las combinaciones de elementos de A encerradas
en corchetes: {l}, {0}, {{5}), {1,0}, {l,{5}}, {0,{5}).
3. Los elementos del conjunto { x ! 2x2 + 3x =
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=;}.
b) {(x,y) 1 x :S y 2 } y {(x,y) 1 y'x :S y).

equivale a que todos los elementos de A estn en B
\lx(x E A=? x E B)
c) {(x,y) 1 x? y 2 } y {(x,y) 1 y'x? y).

d) {(x, y,z) 1 z = ln(xy)) y {(x, y, z) 1 z = lnx + lny).
CAPTULO 1. CONCEPTOS BSICOS
1.2. CONJUNTOS
1.2.2.
Encontrar:
Propiedades del lgebra de conjuntos
Las siguientes propiedades se prueban usando las propiedades de las proposiciones:

2. Dos elementos de cada uno de los siguientes conjuntos:
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.
c) {(x,y) l 10x112 y114 =1000}.

2
d) {(x,y,z,w) 1w<2xy- x -y
3z
}.
e) {(x,y,z)j2xy-x2 -y2 -3z2 :S5}.

f) { (x,y,z, w) 1 w = {/x 2 + 2y2 + 5z2 }
g) {(x,y,z) 1{/x2 +2y2 +5z2 2:
AnB=BnA
AUB=BUA
2
10}.
3. El conjunto de partes del conjunto {a, b, {a}}.
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.
4. Los elementos de p(p(p(0))).
(AUB)'=A'nB'
1.2.1.
Usando la definicin de contenencia se tiene que si A ~ B) entonces A U E
lgebra de conjuntos
Las operaciones bsicas para los conjuntos son:

El complemento del conjunto A:
A'= {x 1 ~(x E A)}
(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')
los elementos que no estn en A (pero estn en el conjunto referencial).

La unin de los conjuntos A, B:
=(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
De aqu en adelante todos los desarrollos se hacen exclusivamente en los conjuntos

numricos que se definen a continuacin.
Los naturales
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 natural}={ ... , -2, -1,0, 1,2, ... }
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
irraconal es el nmero e = 2, 7182818284 ....

El conjunto de los reales es un conjunto no enumerable, esto se prueba usando el
proceso de diagonalizacin de Cantor: Si el conjunto de los reales del intervalo (0 1 1)
fuera un conjunto enumerable, se podran escribir todos los nmeros en un arreglo de
la forma:
O.a11 a12a13a14a15 ..
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.
El conjunto de los racionales
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.
As 31141592141592141592... es racional puesto que 141592 se repite mdefirudamente.
E1 siguiente proceso de diagonalizacin muestra que el conjunto de los racionales
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.
Demostracin. Sean x y y nmeros reales con
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,
o en forma equivalente 1 < ny - nx.
Si m es el mayor entero que satisface la condicin,
...
mSnx < m+l/3

sumando -m,
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.
CAPTULO l. CONCEPTOS BASlUW
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:
en particular nx - m < 1 < ny - nx; sumando m,
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):
Co1no -nx:; -m, ny-nx $ ny-m y

nx < m+ 1 < ny-nx+m $ ny-m+m= ny
en particular nx
VVlVJ UlVJ u:-:>
< m + 1 < ny y dividiendo por n
Intervalo cerrado)
Intervalo abierto,
Intervalo cerrado a izquierda y abierto a
derecha,
(a,b] = {x E R 1 a< x S b}:
Intervalo abierto a izquierda y cerrado a
m+l
x<--<y.
n
m;:- 1
Como m y n son enteros
derecha.
es racional y se tiene el resultado.
Teorema 1.2. Entre cualquier par de nmeros racionales hay un irracional.
Demostracin. Sean %y -a nmeros racionales con
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,
:_ < ~
y sin perdida de generalidad sea bd > O.

b
ldades equ1va
. Je a O < -;a - d.e = b
ad-be d d d O<
La primera de estas des1gua
d e on e
Por el principio arquiroedianoi existe un n1nero natural n que satiface
bd
___
ad-be
lxl=
bd
ad-be
(O, 1) exste un irracional 1,
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
Puesto que en el intervalo

o, 11010010001 ... ,
{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
3. llal - lbll S la - bl.

La distancia entre dos nmeros reales a y b es
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:
nbc < bdl + nbc < nad

y multiplicando por
-nbd
l. d(a,b) 2: Oy d(a,b) =O si y slo si a= b.
d<
bdf+nbc
nbd
< ;
2. d(a, b) = d(b, a).
Para completar la prueba basta ver bd~t~bc es irracional, si por el contrario
bdf +nbc
nbd
al despejar
~ - nbc
I = -'-~~-
bd
lo que contradice que 1 es irracional.
3. d(a, b) S d(a, e)+ d(c, b).
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
1.3. TOPOLOGA BSICA DE LOS NMEROS REALES
13
~a clausura o adherencia de un conjunto A denotada por A o Cl(A) es el

co~Junto ~errado ms peq~eo que con~iene al conjunto y el interior es el conjunto
abierto mas grande contenido en el conjunto, por lo tanto, para cada conjunto A se
tienen las contenencias:
Int(A) <;;;A<;;; Cl(A)

el cual fuera de los reales contiene los infinitesimales y sus inversos que son infinitos,
sin embargo el tipo de aplicaciones en las cuales se utiliza estn fuera del alcance de
este texto.
El conjunto de los complejos
<C={a+biJa,bEI!<,
en particular si un conjunto A es abierto Int(A) =A y si es cerrado Cl(A) = A-1 y

para cualquier conjunto
Cl(A) = Int(A) U Fr(A).

Esto ltimo dice que para cerrar un conjunto se le debe unir su frontera.
i =-1}
Ejemplos
puede ser asociado a E.2 con las operaciones
(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.
l. El intervalo I = (a, b) es un conjunto abierto. Usando la definicin anterior se debe

probar que para cada x de I existe un r >O tal que (x - r,x + r) ~J.
Si x es un punto de I 1 a< x
!,
1.3.
Topologa bsica de los nmeros reales
Sea A un subconjunto de JR. Un punto x es un punto interior a A si y slo si existe

r > O tal que el intervalo centrado en x de radio r est contenido en A. El conjunto
de todos los puntos interiores de A se nota A o Int(A) y se le llama el interior de
A. Simblicamente:
x E Int(A) si y slo si 3r > O,(x-r,x+r) <;;;A.

Un conjunto A es abierto si y slo si todos sus puntos son interiores, es decir,
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,
3x E A, Vr > O,(x-r,x+r) nA'
ti 0.
Un conjunto es cerrado si y slo si su complemento es abierto. Con estas nociones un

conjunto de nmeros reales puede ser abierto 1 cerrado, abierto y cerrado o rii abierto
ni cerrado.
Un punto x est en la frontera del conjunto A si y slo si para todo r > O,
<b
y r se toma de la siguiente forma
r = mn{lx- al, lx-bl} = mn{x-a,b- x).

Para demostrar que I es abierto basta probar que (x-r,x+ r) ~ J1 para esto se
debe ver que todo elemento de (x - r, x + r) est en J. En otras palabras, se debe
mostrar que si y est en el intervalo (x - r 1 x + r) 1 entonces y est en el intervalo
(a,b). Sea y E (x-r,x +r), es decir que x-r <y< x+r (*);como r :S x- a
y r :S b - x, al reemplazar r en la desigualdad (*) por estos ltimos valores, esa
desigualdad se convierte en
x-(x-a)::; x-r <y <x+r sx+(b-x)

as, a < y
< by queda probado que I
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.
y el conjunto {O} es cerrado.
1 ])
={O}
CAPITULO 1. CONCEPTOS HAi:;](JUo
14
1.3. TOJ.-'OLO<JlA l:!Ai;lUA lJE LOS NUMEROS REALES
7. Int(N) = Int(Z) = Int(Q) = 0. Si algn x E lit fuese interior a cualquiera de estos

conjuntos 1 el conjunto contendra a un intervalo (x - r,x + r) para algn r > O.
Pero como cada uno de ellos es un conjunto enumerable no puede contener a un
intervalo, que es un conjunto no enumerable.
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.
8. El argumento anterior muestra que el conjunto de puntos interiores a un conjunto
enumerable es vaco.
5. nf[a,b] = nf[a,b)
sup(a, b) = b.
9. Int(Il) = 0. Puesto que cualquier intervalo, con ms de dos elementos, contiene un

racional no existe ningn intervalo (x - r, x + r) contenido en Il) por lo que este
conjunto no tiene puntos interiores.
= 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).
Un punto x es de acumulacin o punto lmite de un conjunto A si y slo si para

cada r >O,
(A- {x)) n (x-r,x +r) # 0.
8. Cualquier intervalo es conexo y la unin de intervalos disyuntos no es conexo.
Todo intervalo abierto alrededor de x contiene puntos de A distintos de x. El conjunto

de puntos de acumulacin de A se nota Ac( A) o A'. Si x es elemento de A pero x no
es punto de acumulacin de A, se dice que x es un punto aislado de A. Esta nocin
se conecta con las anteriores por medio de la ecuacin
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)
esto es) un conjunto cerrado contiene sus puntos de acumulacin.

Una cota inferior del conjunto A es un real a tal que a S x, para todo x E A
y una cota superior es un real b tal que x S b1 para todo x E A. La inenor de las
cotas superiores del conjunto A es el supremo del conjunto (sup A) y la mayor de
las cotas inferiores es el nfimo del conjunto (nf A). Si el conjunto no es acotado su
nf o sup pueden ser -oo o oo.
Un subconjunto A de fil;. es acotado si y slo si tiene cota superior e inferior, esto
equivale a que existe un A1 > O tal que
A=
{1,~,~'~' }
3. Determinar si los siguientes conjuntos son abiertos, cerrados, abiertos y cerrados o

ni abiertos ni cerrados; si son acotados y/o co1npactos, encontrar interior, frontera,
clausura, nf, sup y el conjunto de sus puntos de acumulacin.
a) (2,3).
b) [2, 3].
e) Los nmeros naturales.
A<;;[-M,M].
d) Los nmeros racionales.
Un subconjunto A de .IR. es compacto si y slo si es cerrado y acotado y es conexo

si no existen By C abiertos tales que BnC = 0, AnB # 0, AnC # 0 y A<;; BUC.
e) {m+~ lmENynEZ++}
f) {m+~ [mEZynEZ++}
g) Los nmros irracionales.
Ejemplos
1. O es un punto de acumulacin del conjunto
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
4. Probar que efectivamente
. -}
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
6. Probar que los intervalos cerrados son conjuntos cerrados.
7. Probar que un conjunto1 con sus puntos de acumulacin1 es cerrado.
8. Probar que la interseccin de dos conjuntos abiertos es uno abierto.
9. Probar que la unin de cualquier coleccin de conjuntos abiertos es uno abierto.
1.4.
1'
1
1
Espacios vectoriales
Un espacio vectorial es un conjunto V en el cual se define una operacin binaria($)

y otra entre los elementos del conjunto y los nmeros reales () (suma y producto por
escalar) que cumplen las siguientes propiedades:

Para u, v y w en el conjunto V y k y r nmeros reales.
1.5. TOPOLOGA EN EL ESPACIO
_1.5.
17
Topologa en el espacio
El espacio IR.n est formado por todos los vectores con n componentes reales, es decir 1
R.n = {x = (x1,x2 ... ,xn) j Xi es un nmero real para i
R. 2 es el conjunto de todos los vectores con dos componentes geomtricamente se

identifica con los puntos en un plano coordenado ya que sus elementos tienen dos
componentes generalmente asociadas con largo y ancho; IR. 3 se identifica con el espacio,
sus elementos tienen 3 componentes que se asocian con largo, ancho y alto. Paran > 3
se pierde la intuicin geomtrica; sin embargo, son usados, p.e. para indicar las posibles
cantidades de cada uno de los bienes demandados por un consumidor, o las distintas
cantidades de cada uno de los bienes disponibles en un mercado.
Para definir la nocin euclidiana de distancia en este espacio inicialmente se define
(xi,x 2 , .. 1 xn) y
el producto interno entre dos elementos x
y= (y,y,, .. .,yn) de IR",
l. u tB v es un elemento de V.
2. uffiv =vEBu (conmutativa).
xy = (x,y) = x,y;
3. u ElJ (v ew) =(u ElJ v) ElJ w (asociativa).

4. Existe un elemento
Oen V
tal que u EB O= u
= 1,2,3 ... ,n}.
=l
(O es llamado elemento neutro de
la operacin ElJ).
a partir de esto se define la distancia o norma por

n
5. Existe un elemento -u tal que u EB (-u) = O (-u es llamado elemento inverso

de u con respecto a la operacin EB).
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 ---------
8. k. (u ElJ v) = (k. u) ElJ (k v) (distributiva a la derecha).

9. k(r u)= (kr) u (asociativa).
b -------
10. 1 u= u (neutro).
Ejemplos
l. El conjunto
IR.n = {x = (x 1,x2 ,xn) 1 Xi es real para i = 1, 2 1 3 ... ,n}

junto con las operaciones matriciales de suma y producto por escalar es un espacio
vectorial (este espacio equivale a las matrices de tamao 1 x n).
2. C(R.): el conjunto de todas las funciones continuas en todos los nmeros reales con
la suma de funciones y el producto por escalar es espacio vectorial.
5. Los vectores propios que corresponden a un valor propio forman un espacio vecto-
rial.
El coricepto bsico que generaliza la idea de intervalo abierto alrededor de un punto

es el de ~ola abierta con centro en a= (a 1 , a2 , 1 Cln) y radio r dado por
B,(a) = {x 1 d(a,x) < r}
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
3. Las matrices de tamao n x m con la suma y producto por escalar usuales es un

espacio vectorial.
4. Las soluciones del sistema de ecuaciones lineales Ax = O, donde A es una matriz de
tamao n x m, con las operaciones usuales de matrices forman un espacio vectorial.
Figura L2: Distancia entre dos puntos.
B,(xo) e A.
18
------------_A
,,
Xo;
\._p~-c~~;
,'
Figura 1.3: xo es un punto interior al conjunto A.
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,
Figura 1.5: El conjunto A es acotado: est contenido en una bola

de radio l centrada en el origen.
.............
x E Fr(A) si y slo si \Ir> O, B,(x) n A ofa 0, y Br(x) n A' ofa 0.

A
'
'
',
---
' i'
Figura 1.6: El conjunto A es acotado: est contenido

en un rectngulo finito.
Figura 1.4: xo es un punto frontera del conjunto A.
Un subconjunto A de Rn es acotado si y slo si existe M tal que
En el plano esto significa que un conjunto es acotado si es posible encontrar una

bola de radio M que contenga al conjunto. Esto equivale a que independientemente
cada una de las variables involucradas en la definicin del conjunto estn acotadas,
geomtricamente esto equivale en el plano a que el conjunto est contenido en un
rectngulo finito en el espacio un conjunto es acotado si est contenido en un paraleleppedo finito.
Todas las noCiones topolgicas en el conjunto de los nmeros reales tienen su
equivalente en Rn para lo cual basta reemplazar la nocin de intervalo abierto por
el de bola abierta. x es punto de acumulacin del conjunto A si y slo si toda bola
centrada en x contiene por lo menos un punto de A distinto de x,
\Ir> O, (Bc(x)- {x}) n A# 0
.......... .'
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
despejar y en la ecuacin x +y+ z ::::: 1, y = 1- x- z. El supremo para el conjunto

de valores que pueden tomar las variables x y z es 1 y el nfimo es -1, y el supremo
e nfimo para los valores admisibles para la vriable y son 3 y -1 ya que como
-1:Sx:S1y-1:Sz:S1, entonces -2 :S x + z :S 2 de donde, -2 :S -(x+ z) :S 2
sumando 1 se tiene -15 1- (x + z) 5 3.
2. La frontera del conjunto
1
1
!

a) {(x,y,z) 1 xyz :'O l}.
b) {(K,L) 1KL~2: 1, K 2: O, L 2: O, a> O, f3 >O}.

e) {(x,y,z,w) 1 x 2 +z 2 -w 2 5 2}.
d) {(x,y,z)lx-2y+3z5x 2 +y 2 -100).
e) {(x,y,z)!y 2 -55x50,x2 +z2 2:l).
!) {(x,y,z) 1x+y+z=1, lxl 51}.

g) {(x,y,z)lx 2 y2 +z'5l).
{(x,y,z) 1x 2 +4y2 5 z < 4}
4. Encontrar la frontera de los conjuntos:
es
{(x,y,z) 1x 2 +4y 2 =z54}U{(x,y,z)1 x +4y 5 z = 4}
en cada uno de estos conjuntos una desigualdad se ha cambiado por igualdad y la

otra se ha convertido en menor igual. El interior es
2
e) {(x,y,z)IO<z<x2 +y2 52}.
{(x,y,z) 1 x +4y < z < 4}

en este las desigualdades son estrictas y la clausura es
2
a) {(x,y,z)l2x+y-z<l).
b) {(x,y,z) 1x2 -z2 5 2}.
{(x,y,z) 1x +4y 5 z 5 4}.

Este coiljunto es acotado ya que los valores admisibles para _las variables estn
acotados p.e. por: -5 :S x :S 5, -44 :S y :S 38 y -1 :S z :S 15. Si se quiere acotar

por los supremos e nfimos respectivos: -2 :S x S 2, -1 ::; y :S 1 y O :S z :S 4.
5. Encontrar los puntos interiores, frontera y de acumulacin de los conjuntos:
a) [3, 5) U {6, 7, 8).

b) {(x,y)lxy<l).
e) {(x,y,z)!v<D
d) {(m+~,m-~)lmEZ,nEZ++}
e) UlnEZ++}x[O,l).
Como el conjunto es cotado pero no es cerrado, no es compacto.

6. Mostrar que el conjunto
Ejercicios
{(x,y,z) 1x2 +3xy + y 2 5 2}
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}.
7. Probar que todo subconjunto finito de 1R es acotado.
b) { (x, y) l [Y2
8. Probar que los subconjuntos finitos de 1R no tienen puntos de acumulacin.
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:
a) {(x,y)lx 2 +2xy+2y 2 =l).

b) {(x,y,z) 1x+y+z=25, x2 +4z2 =16}.
e) {(x,y,z,w) 1x 2 +z2 +w2 = 2, y 2 +4z2 +9w2 = 39}.
d) {(x,y,z) 1x+2y+3z=1, 9x2 +16y2 5100}.
e) {(x,y,z)ly 2 -55x50,x2 +z 2 =l}.
!) {(x,y) 1PxX + PyY 5 I, x 2: O, Y 2: O, Px 2: O, Py 2: O, I 2: O}.
3. Determinar si los siguientes conjuntos son compactos:
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
Definicin 2.1. Sean A y B dos conjuntos no vacos, el producto cartesiano de

A y B es el conjunto
Ax B = {(x,y) i x E A, y E B}
formado por todos los pares ordenados con la primera componente en A y la segunda
en B.
El producto R x ~ = R. 2 representa todo el plano, pero no existen restricciones con
respecto a las escalas sobre los ejes.
Definicin 2.2. Sean A y B dos conjuntos no vacos, una relacin R de A en B es

un subconjunto de Ax B. El dominio de R, notado Dom(R), es el conjunto
{x 1 (x,y) E Rpara algn y E B}
y el rango de R, notado Ran(R), es el conjunto
{y 1 (x,y) E R para algn x E A}.

Las relaciones y funciones con nterpretacin econmica fuera del donnio y rango en
el sentido inatemtico tienen dominio y rango econmico, es decir, los valores para
los cuales tienen sentido las variables en su interpretacin econ1nica (cru1tidades,
precios, etc.). En esos casos se debe determinar la interpretacin de las variables;
as por ejemplo, para la de1nanda de un bien, (p, q), las variables slo puede tomar
valores no negativos; pero, si se acepta que el 1nodelo es la demanda de acciones en
un mercado financiero, p y q podran tomar valores negativos interpretados como
prstamos para el caso del precio o emisin de acciones para cantidades de1nandadas
negativas.
23
2.2. FUNCIONES
CAPTULO 2. FUNCIONES
24
2.2.
Funciones
Definicin 2.3. Sean A y B dos conjuntos no vacos, una funcin
25
Si A f;; ~n y B ~ JRm, la funcin es de variable y valor vectorial llamada campo

vectorial. A cada x = (xi,x2, ... ,xn) E A le asocia un elemento
de A en B,
que se nota
y= F(x) = (f1(x), f,(x), ... , fm(x)).

f:A~B
11
es un subconjunto de A x B en el que para cada elemento x de A existe un nico y

de B tal que (x,y) est en f.
La definicin anterior dice que toda funcin es una relacin que tiene como dominio
el conjunto A y como rango un subconjunto de B. La notacin usual para una pareja
que est en la funcin es y = f (x ); de esta forro~ una funcin es una regla que a cada
elemento x de un conjunto A (el dominio de la funcin) le asigna un nico elemento
y del conjunto B. As, una funcin puede ser vista como una forma de transformar
elementos, y es la razn para llamar a x variable independiente (se le puede asignar
cualquier valor del dominio) y a y variable dependiente (es el valor transformado por
la funcin). Las funciones se clasifican de acuerdo al conjunto de variables A y de
valores B en:
Como A y B pueden ser cualquier par de conjuntos las correspondencias

reales son funciones donde A ~ IR y B es una familia de subconjuntos de IR.
Estas asocian a un nmero real x un conjunto de reales
.P(x)<;;B.
Las notaciones para este tipo de funciones son:
'f;:A~~B,
1j;:A"'1B
Si A ~ R. y B ~ R, la funcin es de varable y valor real o funcin real; a cada

elemento x del dominio lo relaciona con un nmero real
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) =
f (x1, X2, ... , Xn).
Figura 2.2: Grfica una de correspondencia que a un nmero real le asocia un conjunto
de reales.
1
11
Funciones donde A es una coleccin de subconjuntos y B ~ IR, que a un sub~

conjunto lo relaciona con un nmero real, son usuales en la teora de medida y
probabilidad. La nocin de precios es una funcin de este tipo a cada canasta1
conjunto de bienes, le asocia un nmero no negativo, el precio de la canasta.
Las correspondencias como las grficas de las funciones de JR en lR se hacen sobre un

plano, las grficas de funciones definidas en subconjuntos de JR.2 con rango en IR. son
superficies en el espacio JR 3 (en general no fciles de graficar).
Figura 2.1: Grficas de las funciones f(x, y)
= e-(x'+y') y g(x, y)= x 2 -
y2
Ejemplos
2
L Y= f(x) = x +e' -ln(x-1) es una funcin real con dominio {x 1x

IR.
Si A ~ R. y B ~ Rm 1 la funcin es de variable real a valor vectorial llamada
c_urva en IRm. A cada t E A la relaciona con un elemento de la forma
C(t) = (x1(t),x2(t), ... ,xn(t)).
> 1) y rango
2. z = f(x,y) = e-(x'+y') es un campo escalar con dominio JR2 y rango {z 1zS1 ).

3. La funcin c(t) = (2t-1, t 2 +t) con dominio IR y rango {(x, y) 1y= Hx+l)(x+3)}
es la curva grfica de la ecuacin y= !(x + l)(x + 3).
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
que a cada x real positivo le asocia un intervalo su es la inostrada en la figur 2.3.
_,'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.
Funciones homogneas y homotticas
Una funcin es homognea de grado r si

1
Figura 2.3: Grficas de la correspondencia 'if;(x).
2. 2.1.
Curvas de nivel
Puesto que es difcil o i1nposible en algunos casos hacer la representacin grfica de

funciones definidas en subconjuntos del plano 1 el anlisis de las llamadas curvas de
nivel proporciona informacin sobre el comportainiento de la funcin. Una curva de
nivel es una expresin de la forma f(x, y) = k (k constante); esta curva es el resultado
f (Ax,J\x2, ... , AXn) = A" f (xi, X2, .. ., Xn) .

Cuando una funcin de produccin satisface esta condicin para r < 1, la funcin
tiene rendimientos decrecientes a escala. Esto significa que un incremento en las
cantidades de los insumos de produccin da co1no resultado un incremento menor en
la cantidad producida. Si se cumple la condicn con r = 1, la funcin tiene rendimientos constantes a escala, en este caso, un incremento en una proporcin de
todos los insumos produce un ncremento igual en la cantidad producida. De la misma
forma se tiene la nocin en el caso r > 1 que econmicamente representa rendimientos crecientes a escala, incrementos en las cantidades de todos los insumos
producen incrementos mayores en las cantidades de produccin.
Si la grfica de una funcin hon1og11ea z = f(x 1 y) de grado r se corta sobre la
recta y = mx, la curva resultante es:
de hacer un corte a la superficie a una altura k (en funciones de ms de dos variables se
z = f(x,mx) = f(l x,mx) = xrf(l,m).
habla de superficies de nivel o en general de contornos). Para el caso de una funcin

de produccin, una curva de nivel representa todas las combinaciones posibles de
insumos que producen una cierta cantidad de producto, llamada isocuanta; si la
funcin es de costos sus curvas de nivel se llaman isocostos y para una funcin de
utilidad representa las combinaciones de bienes que producen la misma satsfaccin,
isoutilidades.
Sobre las curvas de nivel se calcula la tasa marginal de sustitucin tcnica
{TlvfST) para funciones de produccin o tasa marginal de sustitucin entre bienes para funciones de utilidad que da la variacin de una variable para co1npensar un
cambio en la otra y seguir sobre la misma curva de nivel, esto es, si (xo, Yo) est sobre
la curva f(x, y)= k y la variable y se incrementa 6.y unidades, la TMST(x/y) da el
valor de la relacin ~: de donde se detennina la variacin de la otra variable x para
que (xo + 6.x, Yo+ 6.y) siga sobre la curva f(x, y)= k.
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.
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)).
x 2 +1 pa:ra x 2: O es homottica. Si g(z) = z 2 +1 y h(x) = x,
'~
'~
f(x,y,z)
= xy'z' = g(h(x,y,z))
como h homognea de grado uno, si a+ b+ e > 01 g es creciente y fes homottica.
''
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.
5. Si " > O, f(x, y) = (ax-P + by-P-;; es homottica. g(z) = z" es creciente,

h(x, y)= (ax-P + by-P)-;' es homognea de grado uno y f(x,y) = g(h(x, y)).
Ejercicios
l. Sea F(x, y) = :zJ~; 2 Encontrar:
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,
f(>.x,>.y) = A(>.x)(>.y)' = >.+'Axy' = >.+'J(x,y).

En esta funcin x y y representan las variables, stas pueden tomar distintos
valores que en economa pueden estar determinadas desde dentro del proceso modelado, variables endgenas) o desde fuera, variables exgenas. A, a y b son
los parmetros de la funcin ellos representan constantes que han de ser determinadas en el momento que la funcin sea usada para un modelo determinado.
Esto es, si se quiere usar este tipo de funcin para modelar la produccin de una
cierta fbrica se deben calcular los parmetros y mientras se use dentro del pro-ceso productivo los parmetros permanecen constantes; sin embargo, al aplicarla
a otro proceso de produccin deben calcularse nuevamente. Esta es la razn para
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 .
c) F(x/y,xy) = 3x3 + xy2

d) F(2x+y,x-3y) = 3x3 +3x2 y +xy 2 .
Determinar:
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:
9y 2 . Encontrar expresiones para las
CAPITULO 2. FUNCIONES
30
2.3. 1J1'Jlil VA1JA8 1J1'J FUNC.:1UN1':8 1IBAL1':8
10. Probar que si
a) F(G(x,y),y).
31
es ho1nognea de grado uno, entonces
b) G(x,F(x,y))
e) F(F(x, y), G(x, y)).

d) G(y2 ,x2 ).
e) G(x,y)-G(y,x).
para funciones g y h adecuadas.

11. Graficar dos curvas de nivel para cada una de las siguientes funciones:
!) F(x, 2y) - F(y, 2x).
a) f (x,y) = 2x+3y.
5. Encontrar el grado de homogeneidad para cada funcin:
a) F(x, y) = x 3 + 3x2 y + 5xy2
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
e) h(x ' y) = 200e2"1Y
g) f,(x,y) =x+y+mn{2x,3y).
xy
2x+3y
h) fs(x,y) =mn{y+x,2x+3y,x+3y}.
i) f 9 (x,y) = mn{x,2y} +mn{2x,3y}.
6. Imponer condiciones sobre los parmetros a, b, e y d de la funcin
f(x, y)=
ax
+ by 2 +ex+ dy
2.2.3.
Funciones continuas
Una funcin f:
para que sea homognea.

7. Qu condiciones deben cumplir a y
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.
b) Homognea de grado menor que l.

e) Homognea de grado mayor que 1.
8. Encontrar condiciones sobre los a's para que la funcin
n
IT x~'
k=l
sea homognea de grado l.

9. Encontrar condiciones para que la funcin
sea homognea de grado l.
JRn --; JR es continua en un punto a E Ac(A) si y slo si

x-a
sea:
f(x1,x,, ... ,xn) =A
A~
la que el significado es que la grfica de la funcin no se rompe ya sea porque no

est definida en el punto, el valor de la funcin en el punto difiere del lmite o la
- grfica tiene un salto en e1 punto. Una funcin es continua en un conjunto si lo es en
cada punto del conjunto.
Para funciones en varias variables, como en funciones realesi se tiene que la sun1a,
resta1 producto y co1nposicin de funciones continuas es una funcin continua y el
cociente de funciones continua es una funcin continua en los puntos donde la funcin
del denominador es no nula. De estos resultados se desprende que los polino1nios son
continuos en todo el espacio y las funciones racionales lo son en su <lonnio.
2.3.
Derivadas de fhnciones reales
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
32
2.3. DERIVADAS DE FUNCIONES REALES
33
una unidad en la produccin, esto es, si q es el nivel de produccin, el costo marginal
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)
"'
Definicin 2.4. La funcin f(x) es derivable en x =a si
lim f(a
P(x) = 5x4 +3x3 -12x2 +24x+1
los valores del costo marginal y el ltimo incremento se a~r~ximan s h es pr~m~ a

l. Puesto que la mecnica del clculo de las derivadas es facil, el concepto econom1co
de marginalidad se asocia al concepto matemtico de derivada.
+ 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
el valor del polinomio en a se puede evaluar de la siguiente forma:
P(a) = a(a(a(5a+3)-12) +24) + 1

esta expresin solamente requiere las operaciones suma y multiplicacin. La simplicidad del clculo justifica la existencia de la aproximacin de otro tipo de funcin por
un polinomio. Existen varias formas para la consecucin de un polinomio, una de ellas
es la de Taylor. El resultado que garantiza la existencia y el tamao del error en la
aproximacin por polinomios de Taylor es el siguiente:
Teorema 2.1. (Taylor) Sea f(x) una funcin derivable (n+ l) veces en un intervalo
abierto I que contenga a x = a. Entonces para cada x de I la funcin f se puede
expresar en la forma
f(x) = f(a)
f(a + h)- f(a) _ f(a + h) - f(a)

(a+h)-a h
Cuando h se acerca a cero 1 a + h tiende a a y la recta secante se acerca a la tangente

como muestra la figura 2.6. Por lo tanto, si la funcin es derivable,
J'(a) = lm f(a
h-->O
Polinomio de Taylor
+ .. + ~Cn)(a)(x - a)"+ En,a(x)

n.
Donde
Cn+l)(c)
En,a(x) = (n+l)! (x-a)"+l
+ h) - f(a)
h
+ J'(a)(x - a)+ ;/"(a)(x - a)'+ /"'(a)(x- a) 3
para algn e entre a y x.
representa la pendiente de la tangente a la curva y= f(x) en el punto (a, f(a)). Esta

interpretacin es la base de las aplicaciones de la derivada al trazado de grficas Y a
la optimizacin en una variable.
..(!-. Ck)(a)(x- a)k

__,
k!
k=O
es el polinomio de Taylor de grado n centrado en a, generado por la funcin f(x). En,a.

representa el error que se comete en la aproximacin de la funcin por el polinomio;
este error depende de a y n. Si x est cerca de a el valor de En a est cerca de cero .
. En economa es comn la aproximacin de primer grado, es decir,
Y= f(a)
+ J'(a)(x- a).
La grfica de este polinomio es la tangente a la grfica de la curva y = f (x) en el

punto x = a. Esto es) la aproximacin de primer grado de una funcin est dada por
su recta tangente.
El polinomio de segundo grado
y= f(a)
Figura 2.6: Si h se acerca a cero, la secante se aproxima a
la tangente.
+ f'(a)(x - a)+ ?.f"(a)(x- a) 2
aproxima la grfica de la funcin por una parbola) la grfica de la funcin y la

parbola coinciden en el punto (a, f (a)) y tienen tangentes coincidentes en ese punto
(prubese, como ejercicio, que as ocurre). Lo mismo se cumple para un polinomio de
34
2.3. DERIVADAS DE FUNCIONES REALES
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.
Cuando en este contexto se habla de aproximacin, se busca usar un polinomio

en lugar de una funcin no polinmica o en el caso de una funcin polinmica se
busca manejar un polinomio de grado menor. En otros trminos, el teore1na de Taylor
a+ilx
Figura 2.8: Aproximacin del incremento de una funcin por

su diferencial.
la funcin que determina las cantidades producidas de un cierto bien usando K

unidades de capital y L unidades de n1ano de obra, si los niveles de insumos usados
actualmente son K =l.000.000 y L = 64, la cantidad de producto es Q = 32 000
unidades.
,
El ca1nbio en la cantidad que producen 100 unidades adicionales de capital se
garantiza que localmente cualquier funcin se comporta como un polnomio.
encuentra calculando la pmduccin para K =l.000.100 y L = 64 que da un
2.3.2.
El resultado anterior se puede aproximar usando diferenciales en la forma
Diferenciales
Usando diferenciales es posible conseguir "buenas1i aproximaciones; el argumento que

se usa es el siguiente: Si 6.x ~ O, entonces
!ly
C.x
= f(x + L>x) C.x
f(x) "'lm f(x
C.Q = Q(K + L>K, 64) - Q(K, 64)"'
dQ~ 64) t.K
= 20 K-2/3542/3 C.K = 320 K-2/3 C.K
+ h)- f(x) = f'(x)
h~o
Reemplazando K por 1.000.000 y C.K por 100 se tiene,
transponiendo trminos
C.y"' f'(x)L>x
si !::i.x
incremento de 1,06663 unidades de producto.
= df(x)
O; el incremento de una funcin es prximo a la diferencial de la funcin 1

si el incremento de la variable independiente es prximo a cero. El incremento de la
funcin, !::i.f) representa el cambio de altura de la recta secante; la diferencial, df, es
el cambio sobre la recta tangente a la curva.
p;j
La diferencial y su aproximacin al incremento de una funcin es la justificacin del

uso de la derivada en el concepto de marginalidad. Econmicamente el concepto de
marginalidad es el incremento de una funcin producido por el incremento de una de
sus variables independientes en una unidad, f(x+ 1)- f(x). Usando la aproximacin
dada por la diferencial con C.x = 1, se tiene que f(x + 1) - f(x) "'f'(x).
C.Q = Q (1.000.100,64) - Q (1.000.000,64)"'
l. Sea
Q = Q(K,L)
= 20KfL~
(1.000.000)- 213 100
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 las funciones de demanda y oferta para un bien,
__ d-b_
a-e
(d-b) +b= ad-be

-.
a-e
a-e
P- --q=a - -
36
El cambio del punto de equilibrio producido por un incremento de Po unidades

en el precio de venta, se encuentra notando que este cambio de precio afecta el
parmetro b en ap0 unidades) es decir) ese parmetro cambia de b a b + apa. As,
considerando el punto de equilibrio como una funcin de b, se tiene que
dj!
-1
!1p"' -!1b = -!!,b
db
a- e
dq
-e
!1ij"" -M = -11b
db
a-e
2.4. FUNCIONES LINEALES Y FORMAS CUADRTICAS
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:
los costos totales son,
despus de calcular las derivadas indicadas y reemplazar el valor de 6.b se tiene

_
CT =costos fijos( CF) +costos vru:ables(CV)
-apo
1p"'1--
a-c
CF = 500.000
De la misma forma es posible analizar los cambios producidos por impuestos y

subsidios.
Usar dferenciales para estimar el cambio en el punto de equilibrio de un mercado con

oferta y demanda lineales, que produce un impuesto de %r sobre el precio de venta al
consumidor.
Funciones lineales y formas cuadrticas
En una variable la funcin ms simple de analizar es la funcin lineal. Para el caso de

varias variables, toma la forma
n
L(x) = L(xi, X2, ... , Xn) =
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
= (mi, m,, ... , m,,) (xi,Xz,. .. ,xn) + b

=mx+b
CV = 500(total producido)= 500(q1 + qz).
Reemplazando hasta dejar todas las expresiones en trminos de los precios, se llega
Ejercicio
2.4.
37
q(x)
= q(xi,Xz, ... , Xn) = L
L a,;xx;
i=l j=l
= a11xi
+ (a12 + a21)X1X2 + a22X~ + + annX~
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.
donde los aik son coeficientes reales.

Las ~ormas cuadrticas se pueden reesc1ibir en forma de producto matricial
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.
La empresa VV vende su producto en dos mercados y puede discriminar sus precios.

Las funciones de demanda son en el primer mercado
q, = 1.000 - 20p,
y en el segundo
q, = 200 - 5p,.
q(x) = xAxT
38
En una variable, el comportamiento de la funcin cuadrtica y = ax 2 es la base
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
2.4. FUNCIONES LINEALES Y FORMAS CUADRATlUAi!
Un menor principal primario es el determinante de la submatriz de tamaJ.1.o r x r que

resulta de eliminar n - r filas y columnas correspondientes (con igual ndice) de A.
Por ejemplo, los menores principales primarios de orden 2 de la inatriz
(~]-3
q(x) =xAxT
que deben inicialmente ser clasificadas para luego relacionar esa clasificacin con ciertos comportamientos.
Definicin 2.5. Una forma cuadrtica q( x) = xAi'" es:

J. Definida positiva si q(x) >O para todo x
3
6 82 5
1)
7
3
4 3 6
son:
f O,
l~1 ~I 1~3
2. Semidefinida positiva si q( x) ~ O para todo x,
il,
I~ ~I I~ ~I I~ ~I I~ ~I
Estos determinantes estn formados por dos entradas de la diagonal principal de la

matriz y las entradas silntricas a esas entradas de la misma fonna se encuentran los
menores principales primarios de orden 3.
3. Definida negativa si q( x) < O para todo x f O y

4. Semidefinida negativa si q( x) :S O para todo x.
Si una forma cuadrtica no es semidefinda positiva ni semidefinda negativa, se llama
no definida.
Ntese que las formas definidas son tambin semidefinidas 1 esto es, las formas
cuadrticas definidas son un subconjunto de las semidefinidas.
Ejemplos
Teorema 2.2. La forma cuadrtica q(x) = xAx1' 1 donde A es una matriz simtrica
de tamao n x n, es:
1. Definida positiva si y slo si lt1r > O para r = 1, 2i 3i ... , n.

2. Semidefinida positiva si y slo si Pr
3. Definida negativa si y slo si (-l)r Mr
l. La fonna
O parar= 1, 2, 3, ... , n.
> O parar = 1, 2, 3, ... , n.
4. Semidefinida negativa si y slo si (-l)r Pr

q1 (x,y,z)
= 4x
+4xy+3y +z
es cero si y slo si x = y = z
tanto, es definida positiva.
= (2x +y)
+2y
+z
= O; para cualquier otro valor es positiva. Por lo
= 4x2 -4xy+y2 +z2 = (2x-y) 2 +z2 es no negatva. Pero adems de

x = y = z = O existen otros valores que la hacen cero por ejemplo x = 1, y = 2)
2. q2 (x,y,z)
z = O. Por lo tanto, es semidefinida positiva.

La clasificacin de las formas cuadrticas usando la definicin anterior es) en general,
un excelente ejercicio de factorizacin. Para trasladar el problema a criterios matriciales simples es necesaria la siguiente definicin.
Definicin 2.6. Sea A una matriz n x n. El menor principal de A de orden r es
el determinante
a11
a12
a1r
a21
a22
a2r
ar
'7-2
arr
Un menor principal primario de A de orden r es un determinante de la forma
Pr =
a.ti
ij
aik
Ji
Jj
Jk
aki
kj
akk rxr
39
~O
parar= 1, 2, 3, ... in.
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
40
41
Ejercicios
Sus menores principales son
4'
2.5. DERIVADAS PARCIALES
4 2
= 12 - 4 = 8 )
2 3
que son todos positivos. Lo que indica que
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
L q,(x,y) = x 2 +y2 +xy.
2. q2(x, y, z) = x 2 + y2 + xy.
es definida positiva.
3. q,(x, y) = xy.
2. La matriz de q2(x,y,z) = 4x2 -4xy+y 2 +z es
4. q4 (x, y, z, w) = x 2 - 2xy + 3y2
+ 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
8. qs(x, y, z) = -x2 + 2xy + y2 - yz.
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
Los de segundo orden:

4
(3x - 2z) 2
7. q1(x,y,z) = -x2 +2xy-4y2 +3xz+6yz-9z 2.

4 -2
-2 1
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 '
Y el nico de tercer orden
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 ,
~=y+ z+y 2 z 3 i ~~ = x + z + z 2 + 2xyz3 , ~~=y+ x + 2yz + 3xy2 z 2 .
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) =
Por otra parte, si
43.
satisface la ecuacin
of
a
a )
-;-(x), ... , -;-(x) .
( -;-(x),
uX1
uX2
vXn
y g est definida por
El gradiente para la funcin del ejen1plo anterior es

2 2
'llf(x,y,z) =(y+ z + y2 z 3 ,x + z + z2 + 2xyz3 ,y+ x + 2yz+ 3xy z
2.5.1.
2.5. JJ.t:RlVAJJAS 1-'AK<.:lAL,J;;S
g(t) = -P f(tx) - f(x)

)
para t > O. Entonces 1 por la regla de la cadena1
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,
g'(t) = -pi-r-l f(tx)
k=l
Usando la ecuacin(*) de la forma

n
pf(tx) = L(txk)Dkf(tx)
8f dxn
k=l
- - - + -8xz
- .dtL' - + OXn
-dt-
dt - 8x dt
OX3 dt
en g'(t),
Usando gradiente,
g'(t) = -pi-r-l f(tx)
~~
&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.
Teorema 2.3. {Euler) Una funcin
f es homognea de grado p si y slo si

n
pf(x)
of
Xk
k=l
haciendo A = 1 se tiene el resultado.
k=l
La versin de este teorema en una funcin de produccin con rendimientos constantes

a escala dice que la suma de las cantidades de cada insumo por sus productividades
marginales es la produccin total.
Ejercicios
l. Encontrar el grado de homogeneidad para cada funcin y calcular en cada caso
xFx +yFy:
a) F(x,y)=x 3 +3x 2 y+5xy2 -16y3.
"'.1/zv"
e) F(x ' y)= Zx/3yJ ax+f3y

bx'y
Demostracin. Si fes homognea de grado p, f(Ax} = ).,P f(x), derivando la ecuacin

anterior con respecto a A se tiene:
d(),x.)
L Dkf(>.x)-f= L x,Dkf(>.x) =
b) F(x,y) =
= LXk&
k=l
f(tx) = t' f(x)
'"'J,l'), '"',>, ... , '"';;}')) .
La otra regla de la cadena se aplica cuando cada variable xi es a su vez funcin de

varias variables, Xi= Xi(t1, t2 1 t3, ... , tm) para :::::: 1,2, .. ., n, al hacer la con1posicin
y es una funcin de las m vaiiables ti, t2, t3, ... , tm. en este caso las derivadas parciales
se calculan por medio de
a OX1
+ -P- 1pf(tx) =O
en consecuencia ges constante y como g(l) =O, g(t) =O para todo t. As 1
= 'llf(g(t)) (g'(t)t = '\lf(g(t)). g'(t)
donde g(t) = (x1 (t), xz(t), . .. , Xn(t)) y g'(t) = (
Jy
+ -P I:xkDkf(tx)
p>,P-l f(x),
2. Calcular el grado de homogeneidad de la funcin
(x,y,z)
x+2y+3z
= {13 X z + 2yz +z z
44
2.5. DERNADAS PARCIALES
45
C9mo en el caso de una variable E es el error y el resto de la expresin es el polinomio

de Taylor de orden m alrededor de a en varias variables. La prueba de este teorema
se hace aplicando el teorema en una variable a la funcin g(t) = f(a + tx) en t =O.
El polinomio de primer grado se puede escribir en forma compacta como
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
c;l + p2C;2 + p3C;s.
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.
Polinomio de Taylor en varias variables
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-
cin, el desarrollo de Taylor de primer orden con error ahededor de a es:

1
f(x) = f(a) +V'f(a) (x - a)+
i=l
a;)(x - a).
&z.,,.Dz1
"'~'(e)
H(c) =
a't
Ox18x.,,.
(e)
a't
az,ax, (e)
f,f (c)
(c)
Esta matriz est compuesta de las segundas derivadas parciales de f calculadas en c.

Si se usa la representacin matricial el desarrollo de Tayor se reduce a
k=l =l
a2
&'J
L &x&J (a) (x; -a;)+ LL 2&x&x
~(e)
La siguiente extensin del teorema de Taylor es la herramienta fundamental en la
f (x) =f (a)+
&'J
ZL L &x &x. (c)(x, -
El ltimo trmino de esta expresin representa el error cometido en la aproximacin,

el c est entre x y a. Este error es una forma cuadrtica en x - a y la matriz asociada
se conoce como hessiana de la funcin f en el punto c
consecucin de las condiciones para encontrar y clasificar los ptimos en funciones de

varias variables, en el anlisis del equilibrio dinmico en casos no lineales y en general
en todo tipo de aproximaciones de funciones no polinmicas.
Teorema 2.4. (Taylor) Sea J(x) 1 con x= (x1 1 x2, ,xn), una funcin que posee
m + 1 derivadas continuas en un conjunto abierto de iRn que contiene al punto a =
(a1,a2, ,an) 1 entonces
(a)(x; - a;)+ E1,a (x)
(a)(x; - a,) (xk -ak)
f(x) = f(a) +V' f(a) (x - a)+
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,
l. Probar que el gradiente de una funcin lineal de varias variables

n
Em,a(x) =
L
k=l
L(x)
=m1X1
+m2X2
=mx+b
para algn
e E /311x-ajJ(a).
+ +mnXn +b
= (m11 m2, ... ,mn) (x1,Xz, ... ,xn) + b

es el vector V' L (x) = m.
46
El cambio en la cantidad que producen 5 unidades adicionales de capital y 2 de

1nano de obra se encuentra calculando la produccin para K = 405 y L = 10 que da
un incremento de 671.4 unidades de producto.El valor usando diferenciales es
2. Probar que el gradiente de una forma cuadrtica en n variables)

q (x) = anxi
2.5. DERIVADAS PARUiAL,f
+ a12X1X2 + + annX~
nl (Xll
~2
D.Q = Q(K + D.K,L + D.L) - Q(K,L)
a~~~
ann
""JQ(K,L) D.K, &Q(K,L) D.L
&K
'
Xn
&L
200
= ;-rc11211f3D.K + 3K1/21-2/3D.L.
es el vector \7 q (x)
Reemplazando K por 400, D.K por 5, L por 8 y D.L por 2 se tiene,
= 2xA.
D.Q = Q (405, 10) - Q (400, 8)
3. Probar que si q (x) = xAxT es una forma cuadrtica, entonces Hq = 2A.
""100(400)- 1! 2 (8) 1/ 35 +
4. Encontrar aproximaciones de primer orden y los errores correspondientes para

cada una de las funciones en los puntos indicados:
a) w
= -x -
b) w =
xy - xyz en el punto (1, 1, 1).
1.000
8.000
200
(400) 112 (8)- 213 2
2.000
= 2 0 + 1 2 = 50+-3- =
716,6
Con un error de aproximacin de 45,2.
2
3
ex +2Y 3z
+ en el punto (0,0,0).
Ejercicios
2.5.4.
Diferencial en varias variables
Las aproxilnaciones en varias variables, usando diferenciales, se hacen en la forma:
D.y = D.f(x)
=
= f(x +
D.x) - f(x)
f (x1 + D.x1, X2 + D.x2, , Xn + D.xn) - f (x,X2, , Xn)

f (x 1 + D.x, , Xn + D.xn) - f (X, X2 + D.x2, , Xn + D.xn) ,
uX1
D.x1
+ f(x 1, X2 + D.x2, , Xn + D.xn) - f

+ +
(xbx2, , Xn-1,Xn
+ 6.xn) - f
uxz
(xi, X2, ,Xn-l! Xn)
Ll.Xn
D.xn
""!!.f_D.x1 + !!.f_D.x, + !!.f_D.x3 + !!.f_D.xn

8x1
8x2
8x3
8xn
= 'Vf (x) D.x.
La ltima expresin es llamada la diferencial total de
f.
b) Diferenciar el sisteina y expresar dY en trminos de dT, dG y dr. Qu pasa
2. Estimar 1 usando diferenciales, el cambio en el punto de equilibrio de un mercado

de un bien que tiene oferta y demanda lineales, q = ap + b y qd = cp + ~
producido por:
a) Un incremento de $1.000 en el precio de venta al consumidor.

b) Un impuesto del 16 3 sobre el precio de venta al consumidor.
Si a= 20, b =-20.000, c = -15 y d =100.000.
e) Encontrar el punto de equilibrio para este caso.
d) Analizar el cambio del punto de equilibrio si el precio al consumidor se
incrementa en $200.
Ejemplo
Sea
a) Interpretar econmicamente las condiciones sobre C e I.

con Y si T crece? Qu pasa si G decrece?
(x1, x,, ,Xn + D.xn) ,
D.x2
l. Considrese el modelo macroeconmico Y= C+I +G, C = C(Y; T, r), J = I(Y, r)

donde Y es renta nacional, C el consumo, I inversin, G el gasto pblico, T ingreso
por impuestos, r tasa de inters, C y I son diferenciables, con Cy > O, Gr < O,
C, <O, ly > O, I, <O y Cy + ly < l.
Q = Q(K, L) = 200K>' L''
la funcin que determina las cantidades producidas de un cierto bien usando K uni-
dades de captal y L unidades de mano de obra, si los niveles de insu1nos usados

actualmente son K = 400 y L = 8, la cantidad de producto es Q =8.000 unidades.
e) Cul es el cambio que resulta de imponer un 16 3 de impuesto sobre el

precio al consumidor?
f) Disear un mecanismo para incre1nentar la cantidad de equilibrio en 10 %.

3. Usar diferenciales para estimar el cambio en el precio y la cantidad de equilibrio
en un mercado que tiene demanda q = ap 2 + bp +e y oferta q = ap + (3.
48
2.6. FUNCIONES ESPECIALES
49
a) Producido por un subsidio al productor del 103 del precio de venta.
2.6.1.
b) Un aumento de $1 sobre el precio de venta al consumidor.
Este tipo de funcin tiene la forma 1
Cobb-Douglas (CD)
e) Un au1nento de $k sobre el precio de venta al consumidor.
f(x)
= f(x1)X2
1 ,
Xn) =A
e) Un impuesto del r % sobre el pi-ecio de venta al consumidor.
f) Aplicar los resultados a un caso pruticular.
2.6.
Funciones especiales
Puesto que el comportamiento de funciones de varias variables, como en funciones

reales, est basado en las aproximaciones lineales y cuadrticas que garantiza el teorema de Taylor y dado que las funciones ms usadas para modelos en economa son
variaciones de estos tipos de aproximaciones (prxima seccin); se muestran algunas
de ellas, sus propiedades y grficas.
Si un proceso productivo que usa n insumos est modelado por una funcin f y
para la produccin es esencial el i-simo insumo, la funcin debe satisfacer
El grado de sustitucin o complementacin entre las variables x y y de una funcin

f(x, y) se mide por la elasticidad de sustitucin
b. %(x/y)
<J;; = b. %TlvJS(x/y)"
Si se usan diferenciales esta expresin se aproxima por

(!
''
f(x)
= f(xi,X2, ... , Xn) = L OkXk + b
x~k
= Ax~1 x~2
+ a2X2 + - + anXn + b =a X+ b
.x~n
con A > O. Es de las funciones de varias variables ms comunmente aplicadas en

economa. Los valores de f pueden representar la cantidad producida cuando se usan
Xk unidades del k-simo insumo; niveles de utilidad si Xk representa unidades de
consumo de ciertos bienes, costos de produccin cuando Xk representa el precio de un
insumo de produccin~ gasto cuando Xk es el precio del k-simo bien consumido, etc.
Para este tipo de interpretacin el dominio debe ser R.+..
En la funcin CD todas las variables satisfacen la propiedad de esencialidad. La
funcin es homognea de grado
O:k, esto es, una funcin tipo CD es homognea
de grado la suma de los exponentes de cada variable. El comportamiento marginal de
la funcin se deduce de las derivada parciales)
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
= AaK"-'LP = ' AK"V =a; Q

K
K
el producto marginal del capital es proporcin fija de la relacin producto capital.

De forma anloga) el producto marginal de una funcin tipo CD con respecto a cada
insumo es proporcin fija de la relacin producto insumo.
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
d) Un impuesto del 103 sobre el precio de venta al consumidor.
Ejercicios
L Comprobar la deduccin de las derivadas para la funcin CD.
50
51
De aqu1para que la funcin tenga valores marginales positivos,

Derivando y simplificando,
(; + l)f> f,xP+l - %+i(p+ l)xP
xx - a17
x 2P+ 2
acrf>xP
x'P+2
17
debe ser psitivo.
[(P;,;:+!) f,x-f(p+l) ]
acrli
[p + cr
~+l
xP+2
17
xP+l
= - - --acr--x-f(p+l)
acrf* [
1 3
Figura 2.9: Grficas de la funcin CES Q(K, L) = (2K- 1

Douglas Q(K,L) = 2K113 L 413 .
+ 3L-
/3r
21
= xP+2
' y Cobb=
M'f2f;+l [
xP+2
M'f2f;+l
=
2. Probar que la elasticidad de sustitucin entre cualquier par de variables para la
xP+Z
(p+cr)ax-P - r~(p+ J)
[(p+cr)ax-P-(p+l)(ax-P+by-P)]
wf2f+1
-'x'--P+-2- [(p + cr - p - l)ax-P - (p + l)by-P]
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
[(cr- l)ax-P - (p + l)by-P].
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
Elasticidad de Sustitucin Constante (CES)
t.1enos popular que la CD, tienen la forma
f(x) =
[~akXkprufp = [a1X~p + a2x;-P + +anx~Prufp
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 .
Es posible construir funciones tipo CES con un continuo de variables (funcionales) en

la forma
Shnplificando y transponiendo hasta despejar la derivada parcial,
+1
fx=al7-+1
XP
f(x) =
a(w)(x(w)rP dw
]-u/p
52
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
nula y en la segunda sustitutos perfectos con elasticidad infinita, existen funciones

tipo CES con cualquier grado de sustituibilidad entre sus variables.
A partir de estos tipos bsicos se crean funciones con elasticidad y complementariedades a gusto de quien hace el modelo. Algunos de estos tipos son:
Ejercicios
l. Encontrar la elasticidad de la funcin CES con respecto a la variable x.
en esta x y y, y x y z tienen elasticidad unitaria y entre y y z elasticidad
!p En
2. Probar que para la CES la elasticidad de sustitucin es constante y calcularla.
f(x,y,z) = (axy~ +bz+~)*'
2.6.3.
Leontieff
la elasticidad entre x y y es unitaria y entre x y z, y y y z es l-~-/3. Para
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
camisas (los parntesis[,] representan la parte entera).
f(x,y,z) =Ax (mn{ay,bz})~

y y z son compleinentarias y x y y, y x y z tienen elasticidad unitaria.
Fuera de los tipos descritos existen funciones con elasticidad variable (VES), en
estas la elasticidad depende de los valores de las variables.
Ejercicios
Encontrar funciones con variables x, y y z (una para cada caso) tales que:
l. x y y sean sustitutas perfectas;
z y y, z sean complementarias estrictas.
2. x y y sean esenciales; x, z y y, z sean complementarias estrictas.

3. La elasticidad de sustitucin entre x y y es a y entre x, z y y, z es 3.
2.6.4.
Translogartmica
Tomando logartmo a la funcin CD: sta se reduce a:

n
ln/(x) =lnA+ L"klnxk

Figura 2.11: La funcin de Leontieff f(x,y) = mn{ax,by} y la
translogartmica.
La funcin en varias variables es
k=l
esta expresin puede considerarse como una funcin lineal de logartmos. Una generalizacin de esta expresin es la funcin
n
lnf(x) =a.o+ :;a,lnx, + LLiklnx, lnxk

i=l
sta satisface la propiedad de esencialidad en cada variable y representa procesos en

los cuales las variables son complementarias estrictas. Entre las funciones Leontieff y
lineal, en la pritnera las variables modelan complementarios estrictos con elasticidad
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.
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
l. Encontrar el dominio e imponer condiciones sobre los parn1etros para que la

funcn cuasilineal:
f(x,y) =ax+lny'
sirva de modelo a procesos econmicos. Encontrar la elasticidad de la funcin con

respecto a cada variable y las elasticidades parciales de sustitucin.
2. Para cada una de las siguientes funciones de produccin con elasticidad de susti-
6. Una curva de nivel (isocuanta) 1 para la funcin de produccin Q = Q(L, K),

est representada por la expresin Q(L,K) = ci donde e es una constante) sobre
ella estn las distintas combinaciones de L (capital) y K (trabajo) necesarias
para producir una cantidad c. En esta curva, bajo ciertas condiciones sobre Q,
L es una funcin de K, L = L(K). Usar la regla de la cadena en la ecuacin
Q(L, K) =e para calcular ~~)la tasa inarginal de sustitucin tcnica del trabajo
por el capital. Aplicar los resultados a las funciones:
tucin variable 1 VES:

u Q(K1 L) = ( B~~:~L"")
55
3. Interpretar el grado de homogeneidad para el logaritmo de una funcin y encontrar

condiciones para que la translogartmica sea homognea.
ill
'
a) Q(L,K) = ALKP.
b) Q(L,K)=(aLP+(3KP) 11P
l/o. que se puede considerar como el cociente de una
Cobb-Douglas y una CES.
Q(K, L) = Ae'K/L K LP.

Q(K,L) = Ae6K+uLK 0 LP.
Q(K, L) = AK(l-p) [L + (p - l)KJ"'p / 3 .
11
Q(K,L)=(aK-+bL-Pr P.
a) Determinar el tipo de rendimientos a escala (que debe depender de los
parmetros involucrados).
b) Bajo qu condiciones, si las hay) las funciones tienen rendimientos constantes a escala?
e) Calcular la productividad marginal del trabajo en funcin de los niveles de
produccin, capital y trabajo.
d) Comprobar que estas funciones son tipo VES.

3Revankar, Nagesh S. (1971). "A class ofvariable elasticity of substitution production functions",
Econometri.ca, Vol. 39, No. 1, enero.
7.
e representa el costo promedio de una firma que usa dos insun1os de produccin,
K y L, a precios r y w respectivamente y tiene una produccin de Q = Q(K,L)

unidades.
a) Calcular las derivadas parciales de primer orden de C.

b) Detenninar las condiciones bajo las cuales las derivadas parciales de prhner
orden son cero.
e) Encontrar las derivadas parciales de segundo orden de
d) Aplicar los resultados a la funcin C(I{, L) =
.:./!."L":L
C.
donde la funcin de
produccin es Cobb-Douglas con rendimientos constantes.
8. II(K, L) = pQ(K, L)-(rK +wL) representa el beneficio a corto plazo de la firma

del ejercicio anterior.
a) Calcular las derivadas parciales de primer orden de il.

b) Determinar las condiciones bajo las cuales las derivadas parciales de primer
orden son cero.
e) Encontrar las derivadas parciales de segundo orden de II.
56
2.7. UNA GENERALIZACIN DEL TEOREMA DE TAYLOR
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:
9. Calcular las derivadas parciales de la funcin transloga1itmica:

n
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;,,_
10. Para la funcin de produccin

0
es la matriz hessiana orlada de f; lik es el cofactor correspondiente a las derivadas

con respecto a las variables ik de f en I, fxi representa la derivada parcial de f
con respecto a
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
jH1] es el determinante de , es siempre uno. Esta ES mide el
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
Una generalizacin del teorema de Taylor
La funcin Cobb-Douglas (CD) generalizada

n
f(x) = f(x1,X2, ,xn) =A
Il x~'
k=l
f (g (x1), g, (x2), ... ,g, (x,))
es una buena herramienta en la estimacin de funciones de produccin. Sin embargo,

esta forma funcional impone restricciones importantes y poco realistas al proceso
4
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
Demostracin. De la definicin de E2 (x)) se nota que {*) equivale a probar que
'
f (x) =
2.7. UNA GENERALIZACION DEL TEOREMA DE TAYLOR
(t C<kXkp')-'
, (g o f) (x) - (g o f) (a) - d(rf)(a)(g(x)

- g(a))
1 d?(g o f)
9
hm
=
(a).
2
x-o
(g(x) - g(a))
2 d2 g
k=l
que generaliza la CES 1 la ES es variable y est dada por

Para lo cual se aplica la regla de L 1H6pital y se reemplaza la definicin de d(~:f) en
el linite,
(g o!)' (x) - d(gof)(a)g'(x)

l1n
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)
+ d(gd; f) (a)(g(x) - g(a)) + ~ d'~,; f) (a)(g(x) - g(a)) 2
= ]ln
2(g(x) - g(a))g'(x)
(g o!)' (x) - (so[)'(a)g'(x)

9 (a)
x-a
2(g(x)- g(a))g'(x)
Al simplificar y aplicar nuevainente la regla de L'I6pita1 en el ltllno lmite) se obtiene
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
, (g o!)' (x)g'(a)- (go f)'(a)g'(x)

1lffi
x-a
2(g(x) - g(a))g'(x)g'(a)
= lm (g o f)" (x)g'(a) - (g o f)'(a)g"(x).
x-a 2g'(a) [g"(x)(g(x) - g(a)) + (g'(x)) 2 i
Escribiendo en trminos de la segunda derivada de la funcin g o f con respecto a la
funcin g,
_l_~
2g'(a) dx
((g g'f)') (a)= 2 d?(gd o!)

(a).
g
1
Lo que prueba el resultado.
El teorema anterior no slo es susceptible de generalizar en el grado del polinomio

(orden de derivabilidad de las funciones), sino tambin a varias variables.
Teorema 2.6. Si las funciones
f y g tienen derivadas de orden n en el sentido
por la ecuacin:
d(g o f)
(g o f) (x) = (g o f) (a)+ cg-(a)(g(x) - g(a))
+ ~ d'~,; !) (a)(g(x) - g(a)) 2 + E 2 (x)
entonces
(g o f)(x) = (g o f)(a)
donde
91 dn(gof)
+ ~ d'~ ~ f) (a) (g(x) - g(a)) 2
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)
+ cg-(a) (g(x) - g(a))
(').
Demostracin. La prueba de este resultado se hace por induccin matemtica.
60
En el caso de que g sea la funcin logartmica y f(a)
transforma en:
2.7. UNA GENERALIZACIN DEL TEOREMA DE TAYLOR
61
> O, la expresin anterior se
~ak
In (f(x)) = ao + _, k! In (x) + En(x)
donde
k=l
as cualquier funcin positiva se puede representar por medio de un polinomio en

logaritmos.
En varias variables la forma que toma el desarrollo de orden 2, donde f debe ser
una funcin de n variables y g una funcin de una variable, es:
~ EJ(g o f)
(g o f)(x) = (g o f)(a) + _, - -_-(a) (g(x, - g(ili))
09i
i=l
EJ2( f)
L
g; (a)(g(x; - g(a;))(g(x; - g(a
2
8gi 9J
+-
1 ))
+ E2(x).
i,j=l
La conclusin del teorema en varias variables establece que
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
L ilij In (x;) + 2a;; ln (x;).

j=l
De la expansin se deduce que la translogartmica, ms que una fonna funcional, es

un desarrollo de Taylor generalizado, aplicable a cualquier funcin que satisfaga las
hiptesis del resultado anterior. Por lo tanto, estos polinomios en logaritmos no tienen
propiedades especficas, sino que pueden ser impuestas a sus parmetros para que la
funcin resultante cumpla con las especificaciones que se requiera ([By C]). De esta
forma 1 se pueden imponer condiciones sobre los parmetros de la translogartmica
para lograr rendimientos constantes a escala, cambio tcnico neutral de -Hicks, monotonicidad y otras restricciones. Del teorema expuesto se deduce que existe ms de
una representacin en polinomios de funciones; la escogencia de alguna de ellas depende del proceso a modelar y determina a su vez las propiedades que las funciones
involucradas deben satisfacer.
Ejercicios
y g son del mismo tipo que
las impuestas al caso de una variable (f debe ser una funcin dos veces diferenciable
l. Probar, usando diferenciales, que la elasticidad de sustitucin para una funcin

f(x, y) definida por
en una vecindad de a y g una funcin dos veces derivable en vecindades de ai y

/(a), con g'(at) y g"(ai) no nulas para todo i = 1, 2, ... n; las derivadas parciales con
respecto a 9i significan derivar con las definiciones del teorema anterior con respecto
a g calculada en la i-sima componente de x:
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:LQ.fj lnxi lnxj
i=l
se puede aproximar por
(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.
2. lVlostrar que las siguientes funciones son aproximaciones de primer orden en el

sentido del teorema anterior:
n
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-
terminadas por el comportamiento de las funciones f(x,y) = x 2 -y y g(x, y)= lxl+y

usadas para definirlo.
3.1.
Grafos
Definicin 3.1. Sea f: A<;; !Rn

El grafo de f es el conjunto:
~!R.
G = {(x,y) 1 f(x) =y}

el epgrafo, grafo superior o supergrafo de
es el conjunto
GS = {(x,y) 1 f(x) S y}
y el hipgrafo, grafo inferior o subgrafo de
f es
GI = {(x,y) 1f(x)2: y).

Con esta definicin el grafo superior y el grafo inferior contienen al g:rafo1 y si la
funcin f est definida en un subconjunto de IR.n entonces los conjuntos Gf, GS y
GI son subconjuntos de Ax IR~ R_n+ 1 . De esta forma los grafos superior e inferior,
y el grafo de una funcin definida en los nmeros reales, es un subconjunto de puntos
del plano. El grafo es el conjunto de puntos que forman su grfica, el grafo superior
es la porcin del plano fonnada por la grfica y los puntos que estn encima de la
grfica y el inferior la grfica y el conjunto de puntos bajo la grfica.
63
CAPTULO 3. GRAFOS Y CONTORNOS
64
3.1. GRAFOS
65
2. El conjunto {(x,y) 1y2: x 2 } es cerrado ya que la funcin g(x) = x 2 es continua

en IR y el conjunto es el grafo superior de g.
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).
5. 1vfuchos conjuntos se pueden interpretar como grafos, supergrafos y subgrafos de

funciones adecuadas. El conjunto
{(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,y,z) 1 y -yz < -x S y +z -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.
Demostracin. Sean f : A i;;; Rn ......, IR. continua y A cerrado. Probar que GS es

cerrado equivale a mostrar que su complemento, GS'j, es abierto. Sea (a, b) E G/
esto significa que f(a) > b. La aplicacin del teoreJila del valor medio para funciones
continuas a f alrededor de a garantiza que existe > O tal que para x E B( a) n A,
f(x) > ~ (f(a) + b). Sean r = mn {o,~ (f(a) + b)} y (x, y) E Br(a, b), de aqu,
xEBr(a) <;:; B;(a) y y E (b-r,b+r),entoncesf(x) > ~(f(a)+b) yy <b+r<
b+ ~ (f(a) - b) ~ (f(a) + b), de donde y< f(x), lo que implica que (x, y) E G'}, de
esta forma GSJ es abierto y GS es cerrado. Las otras partes se dejan como ejercicio
al lector.
O
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 )
n {(x,y,z) 1X2 yz-y 2 =(Gh-Gh)nGSk
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 )
Una forn1a de interpretarlo es Hdespejar11 la variable y en medio de las desigualdadeso
{(x,y,z,w) 1 x+w 2
z3 <y'.". x +z2 +w3
z3 }
= {(x,y,z,w) 1 x+w 2 -z3 <y)

2
n{(x,y,z.w) 1 y S x+z +w 3 -z3 )
= ({(x,y,z,w) 1 x+w2 -z 3 Sy)

- { (x,y,z,w) 1 x + w2 - z3 =y}) nGia
=(GSp-Gp)nGia
donde las funciones F y G estn defindas por F(x, z, w)
G(x,z) w) = x + z +w
2
x+w 2 -z 3 y
66
3.2. UUNTUH.NU3
5. Interpretar los siguientes conjuntos como grafos y determinar si son cerrados y /o

acotados:
Otra interpretacin es "despejar" la variable x en medio de las desigualdades:
{(x,y,z,w) 1 w 2
z 3 -y< -x S z +w
= {(x,y,z,w) 1y+z3
z -y)
2
-w2 >x2:: y+z3 -z -w
= { (x, y, z, w) 1 y+ z 3 -w
A= {(K,L) l 5K 2 L 5 2 200, OS K S 50)

}
B = {(x,y,z) l 5x2 +3y2 S 2z)

C = {(x, y) 1 Pxx + Pyy S !, x 2 O, y 2 O}
> x}
n {(x,y,z,w) 1 x ~ y+z3
=(GI-G)nGS9 .
67
z2 -w3 )
= {(K,L) 1mn{2K,3L)2 6}
E= {(K,L) l 5K-l, 2 +s1-i.2 = 500, K >O, L >O}
Con f(y,z,w) =y+z3 -w2 y g(y,z,w) =y +z 3
z2 -w3 .
F = { (x, y) 1 x2 - 9y 2 = 9).
6. Sea f : A S:: IR"
Ejercicios
IR. Probar que:
a) Si A es compacto y fes continua, entonces G es co1npacto.
l. Sean
A= { (x, y) l [y
y[ S x, IY + 21 S 1}.
b) GS y GI son conjuntos no acotados (por lo tanto no compados).
= {(x, y) l [x2 +xi S y -1, !xi S 1}
7. Probar que el grafo y el grafo inferior de una funcin contnua definida en un

conjunto cerrado son conjuntos cerrados.
a) Graficar, encontrar los puntos de acumulacin y la frontera de cada conjunto.

8. Encontrar una funcin discontinua para la cual su grafo superior sea cerrado.
b) Determinar si cada conjunto es compacto.

e) Describir cada conjunto en trminos de grafos 1 supergrafos y subgrafos.
2. Sean
g(x) =
x - x',
3.2.
Otros conceptos que ayudan a determinar el con1portamiento de funciones y conjuntos

son los contornos.
f(x) =X+ 5.
Graficar los siguientes conjuntos y detenninar si son cerrados, acotados y compactos.
a) GS,nGI.
Definicin 3.2. Sean f : A S JR.n ---> lR y k un nmero real. El contorno de f a

nivel k es el conjunto
C(k) = { x E IRn 1 f(x) = k ).
(Ntese que ste es un conjunto de nivel, para funciones de dos variables es una curva
de nivel} el contorno superior de f a nivel k es
b) GI, n GS.
CS(k) = {xE IRn 1 f(x)
3. Sean
2
g(x,y) = x +x-y,
f(x, y)=
Determinar si los siguientes conjuntos son cerrados

a)
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 .
Determinar si los siguientes conjuntos son ce1Tados, acotados y co1npactos.
a) GS, nGI.
b) GI9 n GS.
k)
CI(k) = {x E IRn 1 f(x) S k)

es el contorno inferior de
as, n GI.
a nivel k.
Estos conjuntos estn formados por las proyecciones de la grfica de la funcin al

dominio (por lo tanto son subconjuntos del do1ninio de la funcin): el contorno es
la proyeccin de los puntos de la funcin que se encuentran a altura k, el contorno
superior es la proyeccin de los puntos que se encuentran a altura mayor o igual que
k Y el inferior es el de los puntos que se encuentran a altura inenor o igual que k.
Co1no en los grafos se tiene el siguiente resultado:
Teorema 3.2. Si f es una funcin continua definida en un conjunto cerrado, entonces

C(k), CS(k) y CI(k) son conjuntos cerrados.
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) 1 y2 +x-yz <O :S x+y2 + z 2 -yz}

={(x,y,z)iy2 +x
yz<O}n{(x,y,z)IO:Sx+y 2 +z2 -yz}
=({(x,y,z)ly'+x-yz:SO}-{(x,y,z)ly2 +x
=
yz=O})
n {Jx,y,z) 1 O:S x+y 2 +z 2 -yz}

(CI(O)- C(O)) n CS9 (0)
donde f(x, y, z) = y2 + x - yz y g(x, y, z) = x + y2 + z 2
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
i IY' -yl :S x, iy+21:S1}.
E= { (x, y) 1 lx' +xi :S y - 1, lxl :S 1}.

Describir cada conjunto en trminos de contornos.
blanca.
2. Sean
g(x) = x- x 2 ,
Demostracin. Sean
f:
A~ JRn - JR continua y A cerrado. Para probar que CS(k)
es cerrado se tienen los siguientes casos:

l. k
> f(x) para todo x
f(x)=x+5.
Graficar los siguientes conjuntos y determinar si son cerrados, acotados y compactos.
A, en este caso CS(k) = 0 que es un conjunto cerrado.
2. k < f(x) para todo x E A, entonces CS(k)
a) CS9 (0) n CJ(5).
A que es cerrado.
3. k est en el rango de f, en este caso basta ver que D = CI(k) - C(k) es

abierto. Sea z E D, entonces J(z) < k. Por el teorema del valor medio para
funciones continuas, existe r > O tal que para toda x en Br(z) n A, f(x) < k;
lo que prueba el resultado.
b) CI9 (5) n CS(O).

3. Sean
g(x,y) = x2 +x-y,
f(x,y)
= x-y.
Graficar los siguientes conjuntos y determinar si son cerrados y/o acotados.
a) CS9 (1) n CI(2).
Los otros casos se dejan como ejercicio para el lector.
b) CI9 (1) n CSj(2).
Ejemplos
l. Si f(x) = x 3 - x, C(O) =
{-1, O, 1), CS(O) = [-1, O] u l,co).
2. El conjunto { (x, y) : + xy + 5y S 3} es el contorno inferior a nivel 3 de la

funcin f(x, y)= x 2 + xy + 5y2 .
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).
3. El conjunto del ejemplo 5 de la seccin anterior
{(x,y,z) 1 y2 +x < yz :S x+y
Determinar si los siguientes conjuntos son cerrados, acotados y compactos.
+z2 }
b) CI9 (0) nCS(O).
70
5. Interpretar los siguientes conjuntos como contornos:

A= {(K,L) l 5K0 2 L" 2 200, OS K S 50}
B = {(x,y,z) l 5x2 +3y2 S 2z}
C= {(x,y) 1 Pxx+Pyy SI, x 2 O, y? O}
D = {(K,L) 1mn{2K,3L}2 6}
E= {(K,L) l 5K-"2 +3L- 1" = 500, K >O, L >O}
Captulo 4
F={(x,y)lx 2 -9y 2 =9).

6. Sean
f(x, y)= x 2 + xy +y+ 5,
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.
9. Sea f : A ~ Rn ........ JR. Probar que si A es compacto y

contornos de f son compactos.
f es continua, entonces los
10. Probar que si q es una forma cuadrtica definida positiva y k >O, entonces Clq(k)
La importancia de la convexidad en optimizacin radica en qu criterios necesarios

para encontrar los ptimos de una funcin se convierten en suficientes. Si se conoce,
p.e., que una funcin es convexa en un conjunto convexo A y tiene un punto crtico
interior a Ai entonces en ese punto tiene un mnimo y sus mximos los tomar sobre la
frontera del conjunto; as, una condicin necesaria se convierte en suficiente. Adems
de las aplicaciones en optimizacin) en economa la convexidad da consistencia a la
construccin de algunas teoras: en la del consumidor el conjunto de canastas de
bienes elegibles debe ser convexo; si es posible elegir un par de canastas, debe ser
posible e,legir cualquier canasta que contenga cantidades de bienes entre esas dos; en
la del productor el conjunto de cantidades producidas es convexo as como tambin las
cantidades de insumos de produccin} si un fabricante puede producir dos cantidades
de un bien, puede producir cualquier cantidad entre esas dos.
es acotado.
4.1.
Conjuntos convexos
Un conjunto convexo es aquel en el que al unir cualquier par de puntos por un

segmento de rectal ste queda totalmente contenido en el conjunto. Un conjunto es
estrictamente convexo si el segmento salvo los puntos extremos est contenido
en el interior del conjunto y un conjunto es no convexo si es posible encontrar
un par de puntos del conjunto tales que algn punto del segmento que los une no
est contenido en el conjunto. Usando la interpretacin geomtrica de la su1na de
vectores, la formalizacin de esta nocin es:
Definicin 4.1. Un conjunto A ~ lRn es convexo s para cada par de elementos
:z:,yE A y>. E [O,lj,
>.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+.$x-y) =
4.1. CONJUNTOS CONVEXOS
73
Ejemplos
l. Sean (x, y) y (s, t) elementos de { (x, y) 1 x 2 + x S y} porladefinicin del conjunto
>.x+ (1-.$y
con .\ en el intervalo [Oi l]i es el segrnento de recta que une x y y partiendo de y

(cuando.\ = O) y finalizando en x (cuando.\= l); la expresin .\x + (1 - .\)y se
lla1na una combinacin convexa de x y y. As, la definicin de conjunto convexo
es la formalizacin de la nocin intuitiva: un conjunto es convexo cuando al conectar
cualquier par de puntos del conjunto por un segrnento de recta, ste queda totaln1ente
contenido en el conjunto. Ntese que esta definicin puede ser generalizada a subconjuntos de espacios vectoriales, para lo cual basta usar las operaciones definidas en el
+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.
[.\x + (1- .\)s] 2 + .\x + (1- .\)s

= .\2 x 2 + 2.$1 - .$xs + (1- .\) 2 s2 + .\x + (1 - .\)s
.\u +{!-.1.)v
haciendo uso de la desigualdad 2ab S a 2 + b2 se tiene

.\
x + 2.$1- .$xs + (1 - >.)2s2 + .\x + (1- .\)s
2 2
S .\2 x 2 + .$1 - .A)(x 2 + s 2 ) + (1 - .$ 2 s 2 + .\x + (1- .\)s
+ 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).
Un conjunto A es no convexo si existen un par de puntos x, y E A_ tales que al urrlos

por un segmento de recta, ste no queda totahnente contenida en el conjunto, esto es,
existe.\ E (O, 1) tal que
>.x+ (1- .\)y" A.
A2 s2 + (1- 2A+ A2 )s2
= .Ax 2 + (1 - .\)s2 + .\x + (1 - .\)s
=.$x2 +x) +(1-.$ (s 2 +s)

S .Ay+ (1-.\)t
que prueba que el conjunto es convexo.
2. Para probar que el conjunto { (x, y) 1 x 2 + x S y} es estrictamente convexo, sean

(x, y) y (s, t) dos elementos distintos del conjunto y O<.\< l. (x, y) f (s, t) si y
slo si x ::fa s, o x = s y y ":fa t.
a) Si x -:fas, 2xs < x 2
+ s2 que reemplazado en la prueba del ejemplo anterior
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.
3. El conjunto { (x, y) 1 x 2 + x =y} no es convexo porque (O, O) y (1, 2) son elementos

del conjunto, pero ~(O, O)+ ~(l, 2) = (!, 1) no es elemento del conjunto ya que
[~]-' + = ~ -: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.
74
4.2. FUNCIONES CONVEXAS Y CONCAVAS
75
Teore1na 4.1. Sean A y B subconjuntos convexos de JR., entonces
AnB,
A+B={u+vluEA,
vEB),
kA={kuluEA)
y AxB
son conjuntos convexos
Demostracin. Sean u y v elementos de A n E, u y v son elementos tanto de A como

de B. Si A y B son conjuntos convexos) >..u+ (1 - ,\)v estar en A y en B para cada
.\E {O, 1]; por lo tanto, !-u+ (l - !-)v E A nB. En conclusin, si A y B son conjuntos
convexos, entonces A n B es un conjunto convexo.
El resto de la prueba se deja como ejercicio.
O
Figura 4.3: Funciones estrictamente convexa y estrictamente

cncava.
Ejercicios
l. Probar que un subconjunto de lR. es convexo si y slo si es un intervalo.
2. Terminar la prueba del teorema anterior.
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
Figura 4.4: Funcin convexa.
{(x,y)lx2 +3y 2 Sxy+5}

es convexo.
5. Hacer los ajustes necesarios al ejercicio anterior para probar que el conjunto es
estrictamente convexo.
6. Determinar si el conjunto
).f(x) + (1 - !-) f(y) -
{(x,y) 1 x 3 +3y S xy}
(.\x + (1 - >.)y)
esta expresin es:
es convexo.
4.2.
Si en la definicin anterior la desigualdad se satisface en forma estricta para O< ,\ < 1

y valores de x y y distintos, se dice que la funcin es estrictamente
convexa o estrictamente cncava segn sea el caso. Ntese que para determinar
si una funcin es convexa o cncava se debe encontrar el signo de
No negativa s y slo si la funcin es convexa1

No positiva si y slo si la funcin es cncava,
Funciones convexas y cncavas
Geomtricamente, una funcin convexa con dominio en un conjunto convexo es

aquella en la cual la recta secante que une los puntos (x, f(x)) y (y, f(y)) est sobre
la grfica de la funcin entre esos puntos, y es cncava si la secante est bajo la
grfica de la funcin entre esos puntos. Como en el caso de conjuntos convexos, no es
difcil probar que la siguiente definicin formaliza la nocin intuitiva.
Definicin 4.2. Sean A ~ R." un conjunto convexo y
slo si para todo x, y de A y .\ E [O, 1],
f :A
_, R;
f (.\x+ (1- .\)Y) S .\f(x) + (1- .\) f(y)

Y f es cncava si
es convexa si y
f:. y si y slo si la funcin es estrictamente convexa,

Negativa para O < A < 1 y x f:. y si y slo si la funcin es estrictamente cncava.
Positiva para O < A < 1 y x
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
.\f(x) + (1- J-)f(y) - f(.\x + (1- .\)y)

para todo x, y reales y>. entre Oy l. Reemplazando el valor de la funcin: el signo
de la expresin anterior equivale al signo de
.$ax 2 + bx + c) + (1- >.)(ay 2 +by+ e)

f (.\x+ (1-.$ y)?: !-f(x) + (1- .\) f(y).
- [a(.\x + (1 - >.)y) 2 + b(.\x + (1 - .\)y)+ c]
76
= aA.x 2 +bA.x+A.c+a(l - A)y 2 +b(l-A.)y+c(l -A.)

-
bA.x - b(l - A.)y - c
simplificando los trminos comunes,
=A.ax'+ a(l -A)y
2 2
2 2
a(A. x + 2A.(1-A.)xy + (1-A.) y
3. Si f es una funcin convexa (cncava) y k < 01 entonces kf es una funcin

cncava (convexa).
4- Sea f es una funcin de variable y valor real. Las propiedades con respecto a
composicin se resumen en la siguiente tabla:
o
al factorzar y simplificar se obtiene sucesivamente
=a (A.x 2 + (1- >.)y2

2
=a [(A. -A. )x
2
[x
>.2 x 2
2A.(1- >.)xy + ((1- >.) - (1-A.)
f
f
2xy + y J
= aA.(l - A.)(x - y) 2
= a(A -A. )
f
f
2A.(l - A)xy- (l -A.) 2 y 2 )]

2
77
2. Si f es una funcin convexa (cncava) y k > O, entonces kf es una funcin

convexa {cncava).
desarrollando,
- a(A. 2 x2 + 2A.x(l - A.)y + (1 - A.) 2 y2 )
4.2. FUNCIONES CONVEXAS Y CNCAVAS
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)
2. Probar que la funcin lineal en n variables
para todo x, y en el dominio de g y O ::; ,\ ::; L Si f es creciente y est definida

en un conjunto convexo que contiene el rango de g,
L(x) = L:mkXk +b = m1X1 +m2x2 + ... +mnXn +b=m x+ b

k=l
f [g (>.x + (1 - A.) y)) S f [A.g(x) + (1- A) g(y)).

Si, adems, f es convexa)
3. Terminar la prueba del teore1na anterior.
f [>.g(x) + (1 - A.) g(y)J S V [g(x)J + (1 - A.) f fg(y)).

Conectando las desigualdades anteriores,
f fg (>.x + (1- >.)y)] S V [g(x)] + (1- A) f [g(y)J.

Esto es, si f y g son convexas
f o g es convexa.
es creciente, entonces la funcin compuesta
Teorema 4.2. Sean A <; Rn, B <; 1R conjuntos convexos,
f :E
5. Probar que si
f es homognea de grado uno) entonces f es convexa 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).
1. Estrictamente convexa si y slo si es definida positiva.

2. Convexa si y slo si es semidefinida positiva.
-+
IR y g : A -+JE:
f y g son funciones convexas {cncavas), entonces f + g es una funcin
convexa (cncava).
4. Encontrar un ejemplo de funciones f convexa y decreciente y g convexa tales que

f o g sea convexa y un ejemplo para las que f o g sea cncava.
Teorema 4.3. La forma cuadrtica q( x) = xAi'" es:
Las propiedades operacionales sobre funciones convexas y cncavas se dan en el siguiente
1. Si
se puede considerar convexa o cncava.
3. Estrictamente cncava si y slo si es definida negativa.

4- Cncava si y slo si es semidefinida negativa.
78
4.2. FUNCIONES CONVEXAS Y CONCAVAS
79
Teorema 4.4. Sean A i;; R_n un conjunto convexo y f : A _,. R. Entonces
Demostracin. La convexidad o concavidad de q est determinada por el signo de

>.q(x) + (1 - >.)q(y) - q (>.x + (1 - >.)y).
1. fes convexa si y slo si GS es convexo.
La expresin anterior en trminos matriciales es
2.
es cncava si y slo si GI es convexo.
,\xAxT + (1-.\)yAyT - (>.x+ (1-.\)y)A(>.x+ (1-,\)yf.

Desarrollando y factorizando se obtiene sucesivamente
>.xAxT + (1- >.)yAyT - (>.x + (1 - ,\)y) A (>.xT + (1- >.)yT)

= ,\xAxT + (1- ,\)yAyT - ,\2 xAxT - ,$l - >.)xAyT
3. Si
4- Si
f es cncava CS(k) es un conjunto convexo.
5.
- .\(1- ,$yAxT - (1- .\) 2 yAyT
es convexa CI(k) es un conjunto convexo.
es lineal si y slo si todos sus grafos y contornos son convexos.
Demostracin. Sean (x, y), (u, v) en el grafo superior de f. Por definicin)
= (,\ - ,\2 )xAxT - .$1 - .$xAyT - ,$1 - ,$yAxT
+ [(1- ,\) - (1->.)2] yAyT
f(x) S: Y Y f(u) S: v.
= .$1- ,$ [xAxT - xAyT -yAxT + yAyTJ
Si
= .$1- >.) [xA (xT -yT) -yA (xT -yT)J

= .\(1- >.) (x - y) A (xT - yT) = .\(1 - .$(x - y) A (x - y)T
f(>.x + (1 - ,\)u) S: >.f(x) + (1 - >.)f(u) S: >.y+ (1- >.)v
= .\(1- >.)q (x - y)
de donde se obtiene el resultado.
f es convexa,
Ejemplo
puesto que O$ A $ l. De lo anterior se concluye que si f es convexa, su grafo superior

es convexo ya que la ltima igualdad implica que
>.(x, y)+ (1- >.)(u, v) = (>.x + (1- >.)u, ,\y+ (1- >.)v)
Para analizar la convexidad o concavidad de la funcin

3
F(x,y) = (2x2 - 3xy + 5y2 ) + x 2 + 4y2 + 2x- 5y +3
est en GSf.
Por otra parte, si GS es convexo y (x,y), (u,v) estn en G e GS,
esta se puede descomponer en:
H(x, y)= (2x2 - 3xy + 5y 2 )

que a su vez es la composicin de las funciones:
f(t)=t 3 y
g(x,y)=2x 2 -3xy+5y2.
La funcin f es creciente y convexa para t 2 Oy la funcin g es una forma cuadrtica

definida positiva, por tanto, estrictamente convexa; por una propiedad de composicin
anterior, H es convexa.
G(x, y)= x'
f(x) =y y f(u) =v
+4y2
es una forma cuadrtica definida positiva, lo que la hace convexa1 y
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,
>.(x, y)+ (1 - >.)(u, v) = (,\x + (1- ,\)u, >,y+ (1- >.)v)

es un elemento de GS, puesto que este conjunto es convexo, lo cual implica que
f(>.x + (1- >.)u) S: >.y+ (1- >.)v = ,\f(x) + (1- ,\)f(u)

con O5 A 5 1. Es decir, f es convexa. Esto prueba la primera parte del teorema.
Si fes convexa y x,y E CI(k) por definicin de contorno: f(x) S: k Y f(y) S: k
por la convexidad de f,
f(>.x + (1 - ,\)y) S: >.f(x) + (1 - >.)f(y) S: >.k + (1 - ,\)k = k.
F(x, y) = H(x, y)+ G(x, y)+ L(x, y)

entonces F es convexa.
El siguiente teorema es una herramienta de gran ayuda para determinar el com.portamiento1 con respecto a convexidad, de conjuntos a partir de la convexidad o
concavidad de las funciones y viceversa.
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.
80
Ejemplos
l. El conjunto { (x, y, z) 1 x 2 + xy + 5y 2 ~ z} es un conjunto convexo ya que la fun~

4. Probar que una funcin diferenciable
slo si para cada u y v en A
cin h(x) y)= x 2 +xy+5y2 es convexa, es una fonna cuadrtica definida positiva,
81
es convexa en el conjunto convexo A si y
f(u) 2: f(v) +V f(v) (u - v).
y el conjunto es su grafo superior.
2. El conjunto {(x,y) 1y2: x 2 } es convexo ya que la funcin g(x)

y el conjunto es el grafo superior de g.
3. El conjunto {(x,y,z) j z::; 2x + 5y -4x2
= x2 es Convexa
+ xy -y2 } es convexo ya que es el grafo
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
Ayuda: hacer g(t) = f(v
4.2.1.
el conjunto
GS,
por lo tanto
{(x,y) 1 mx{f(x),g(x)} :S y}
= {(x,y)
f(x) :S y) n {(x,y) 1 g(x) :S 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.
5. El conjunto { (x, y) : x 2 + xy + 5y 2 :::.; 3} es convexo ya que es el contorno inferior

x 2 + xy + 5y 2 , que es convexa ya que es forma
a nivel 3 de la funcin f (x, y)
cuadrtica definida positiva.
Segunda derivada y convexidad
g(x) = g(a) + g'(a)(x - a)+ g";c) (x - a) 2

para algn e entre x y a. Desarrollando la expresin anterior
g(x) = g";c) x 2 + (g'(a) - ag"(c))x + ( a'g;(c) - ag(a))
= {(x,y) 1 mx{f(x), g(x)) :S y}
es convexo puesto que mx{f(x), g(x)) :S y equivale a que f(x) :S y y g(x) :S y,
para x cercano de a y e entre x y a, esta igualdad dice que, cerca de x = a, la

funcin g(x) se comporta como un polinomio cuadrtico. Lo anterior prueba que si el
coeficiente de x2 es positivo, el polinomio es convexo: y si el coeficiente es negativo)
el polinomio es una funcin cncava. Por lo tanto queda probado el
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
l. Terminar la prueba del teorema anterior.
2. Probar que si
y g son cncavas, la funcin
xy+y 2
es definida positiva: por tanto convexa. Por la tabla de composicin
F(x, y) = f(q(x, y))= e'x'-xy+y'
m(x) = mn{f(x), g(x))

es cncava.
usar el ejercicio anterior.
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
y g son funciones convexas y
M(x) = mx{f(x), g(x))
+ t(u -v)) y
es convexa. La funcin
3. Probar que una funcin derivable

cadasytenI
es convexa en el intervalo I si y slo si para
f(s) 2: f(t)
+ f'(t)(s -t).
Ayuda: usar la definicin de convexidad en la forma
f(t + ),(s -t)) - f(t) :S >,(f(s) - f(t))

dividir por ),(s -t) y hacer),~ O.
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
G(x, y) = g(L(x, y)) = ln(2x +y - 5)
82
W = { (x, y)
ln(2x +y - 5) 3
83
4. El conjunto
es cncava y -3G es convexa. De lo anterior se concluye que
H(x, y)= F(x, y) - G(x,y) = e5" ' -xy+y'
2; ~~d: 1> 1}
2
es convexo porque la desigualdad que lo define 2x*+y2+1

x-u+ 5
2
2
2x + y + 1 por lo tanto,
es convexa.
El siguiente teorema1 que generaliza a varias variables y cuya demostracin se basa
en el teorema de Taylor, da las condiciones diferenciales suficientes para determinar
> 1 equivale ax-y+5 >
W = {(x,y) l 5 > 2x2 +y 2 -x+y+l}
la convexidad o cncavidad de una funcin,
Teorema 4.6. Si la matrz hessiana H(x) de f es semidefinida positiva (negativa)

para todo x en un conjunto abierto y convexo A, entonces f es convexa (cncaVa) en
A.
esto es, Y.V= CI2x2+y2-x+y(5) -C2x2+y2-x+y(5). Puesto que la funcin s(x,y)

2x 2 + y 2 - x + y + 1 es convexa, el conjunto VV es convexo ya que es el contorno
inferior de s a nivel 5.
Ejercicio
Ejemplos
Encontrar condiciones sobre p y a para que la funcin CES
1. Para determinar las condiciones sobre p para que la funcin

n
g(x) = akxkP,
Xk
> O,ak;:.:: O para k = 1,2) . .. ,n
k=l
sea convexa o cncava; basta examinar la derivada segunda de la funcin

h(z) = z-P para z >O.
Como h'(z) = -pz-p-l y h"(z) = -p(-p - l)z-P- 2 = p(p + l)z-P- 2. Esta
derivada segunda es positiva s p(p + 1) > O y negativa si p(p + 1) < O, por lo
tanto la funcin ges convexa si p E (-oo, -l)U(O,oo) y es cncava si p E (-1,0).
2. La funcin j(t) = t-crf P, para t >O) tiene como derivadas

J'(t)
= _<J_-ufp-1
J"(t)
4.2.2.
La funcin CD
La matriz hessiana para 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
= x2 + xy3 son: Txx =
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,
con Xk > O, nk 2: O para k

1, 2, ... , n, sea convexa o cncava. Basta tener en
cuenta que esta funcin es la composicin de las funciones f y g de los ejemplos 1 y
2 anteriores.
12xy-9y4 >0}.
Los conjuntos convexos ms grandes contenidos en A son:

3
{(x,y) 1 x,y >o,
4x-3y >o}
{(x,y) 1 x,y <o,
4x
3y3 >o}.
H(x, y) =
o~f("",,y)
xy
Esta matriz es semidefinida positiva para todo ( x, y) si y slo si
o:(o: -1) >O,
/l(/l-1) >O,
Y IH(x,y)I ~O
desarrollando el determinante de la matriz hessiana,
IH(x,y)I =
o:Jf:(~, y) (1 X
de donde se concluye que la funcin
o: - /l) ? O
es convexa si y slo si
o: < O o: > 1, J < O J > 1,
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
o < ' < 1, o < J < 1, y o:/l(l - o: - /ll ? o
84
con10 a > Oy f3 > O la ltima condicin se reduce a a+ fJ :S 1.

La funcin
f(x,y)=Axyfiz',
con x>O,
y>O,
z>O y A>O
2. Sean
f(x,y)
a,61'("' + ,6 + " -1)?: O
y es cncava si y slo si:
= x 2 +xy+y + 5, g(x,y,z) = z- xz -y.
interpretar el conjunto
A= {(x, y, z) 1x 2 + xy S: z -y - 5 S: xz}
es convexa si y slo si a, f3 y estn fuera del intervalo [O, lJ y satisfacen:

a,6(1- a- J)?: O,
85
en trminos de los grafos y Jo contornos de

convexo.
y g y determinar si el conjunto es
3. Determinar cules de los siguientes conjuntos son convexos:
a) A= {(x,y) j 5x2 + 3y2 S: 2y}.

b) B = {(K,L) j 5K2 L'?: 200, K?: O, L?: O}.
Estas condiciones para la funcin en n variables,
e) C = {(K,L) I mn{2K,3L}?: 6}.

d) D = {(x,y) 1 Pxx +Pyy S: l, x?: O, y?: O}.
donde, A > Oy
11
Xi
> Opara i
e) E={(x,y)jx2 -9y 2 =9}.
= 11 2, ... , n son:
fes convexa si y slo si a:i
1::-
[0 1 1] para i
= 1, 2, 3
1 ,
ny
J) F = {(K, L) I (K-i, 2 + L- 1
l2,/x 2
"r' ?: 1, K >O, L >O}.
+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.
f es cncava si y slo si O< ai _< 1 para i

C\'
= 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.
2. g(x, y,z) = x 112 y 114 z 1l 5 con x, y, z;::::: O, es c~cava.

3. h(x,y,z) =x- 2 y4 z- 1 con
Xiy,z
> i es convexa.
a) f(x,y,z) = Jx+y+z pa.rax+y+z >O.

b) f(x,y)=ln(xy)-x+yparax>O,y>O.
e) f(x, y) = (x + y)e"+Y para x +y> O.
d) f(x, y, z) = (xyz) 2 para todo x, y, z.
e) f(x,y)=x 2(y 2 +4)parax 2 +y2 :<;4.
5. Encontrar el mayor conjunto convexo donde cada una de las siguientes funciones
son convexas y el mayor conjunto convexo donde son cncavas:
a) f(x,y) = ,/x
+ y-2.
b) f(x,y) = (2x +y)e"-Y.

e) f(x,y) = (x- 2 +y- 2 )
2
d) f(x,y) = x (y +4).
Ejercicios
e) f(x,y)=x 3 -xy+3y3 +4.
l. Describir cada uno de los siguientes conjuntos en trminos de grafos y contornos

de funciones adecuadas y determinar si los conjuntos son convexos:
a) A={(x,y)llv2
yjs;x,jy+2IS:l}.
b) B= {(x,y) l l2x+vl S: J10+8xy}.

e) c = { (x, y) 1 xy-;r:i-;y'-l ?: 1}
6. Sean
g(x 1 y 1 z) = x + 3y-3x 2
z2 1
J(x, y, z) = x - 2y + z 2 .
Determinar si los siguientes conjuntos son o no convexos.
a) GS9 nGI.
b) GI9 n GS.
86
7. Sea
g(x,y,z) = {/x'+2y 2 +5z2 .
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
Determinar si los siguientes conjuntos son convexos:
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
g(>.) = f(>.x + (1 - >.)y).
a) Probar que si f es cncava entonces g es cncava.
b) Determinar si f convexa implica g convexa.

9_ 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,
(x - a)mc S f(x)- f(a) S (x - a)md
~ Rn --+IR., S es convexo. Definida por:
(a x) 2
f (x)=-bx
o equivalentemente,
f(a)
donde a y b son vectores fijos tales que b . x > Opara todo x E S.

a) Encontrar la matriz hessiana de
+ (x - a)mc S f(x) S f(a) + (x - a)md
de donde por la aplicacin del teorema del emparedado1 se concluye que
lm f(x) = J(a).
b) Determinar si la funcin es cncava o convexa.
.,
Teorema 4. 7. Si. una fu ncion
continua en I.
f es convexa en un intervalo abierto I' entonces es
. , Sean x < y < z elementos del intervalo, entonces existe

Demostracion.
O< A < 1 tal que y = >.x + (1 - >.)z, como f es convexa,
X->a+
De manera anloga se prueba que
lm f(x)
X-->a-
= f(a)
lo que concluye la prueba.
f(y) S Aj(x) + (1- A)f(z)

restando f(x) a cada trmino de la desigualdad,
f(y)- f(x) S >.f(x) + (1- >.)f(z) - f(x) = (1- A)[f(z)- f(x)]

multiplicando por 1/(y - x) sta se convierte en
f( ) - f(x)
(1- A) (f(z) - f(x)) - (1- A) (f(z) - f(x))
yy-x
S
y-x
- (>.x+(l >.)z) x
=
(l - >.) (f(z) - f(x)) _ (f(z) - f(x))

(1->.)(z x)
(z-x)
4.3.
Funciones cuasiconvexas y cuasicncavas
Adems de las funciones convexas y cncavas, las cuasiconvexa y cuasicncava juegan

un papel importante en optimizacin por dos buenas razones: son menos restrictivas
que las convexas y las cncavas y mantienen algunas de las buenas propiedades de
aqullas. Una funcin convexa sobre un conjunto convexo tiene mnimo interior y
mximos en la frontera del conjunto, lo mismo ocurre s la funcin es cuasiconvexa,
la unicidad del mnimo est garantizada si la funcin es estrictamente convexa o
cuasiconvexa. Resultados similares se tienen para funciones cncavas y cuasicncavas.
Definicin 4.3. Sean A ~ JRn un conjunto convexo y f : A ~ IR.
si para todo x, y de A y A E IO, !],
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(z) - f(x) < (f(z) - f(y))

z- X
(z -y)
la pendiente de la secante de la recta que pasa por (x, f(x)), (z, f(z)) es menor que
la que pasa por (y, f(y)), (z,f (z) ).
f es cuasiconvexa
f (>.x+ (l - >.)y) S mx{f(x),f(y)}

Y f es cuosicncava si
f (>.x+ (1 - >.)y) 2: mn{f(x), f(y)}

1
Si lIB,:c_.a f(x)
llU.,,-..a h(x) =L.
L, Imx-ag(x) = L y f(x) 5 h(x) 5 g(x) para todo x, entonces
1
i
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
4.3. FUNCIONES CUASICONVEXAS Y CUASICNCAVAS
.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
pueden considerarse cuasiconvexas o cuasicncavas, sin embargo (f

x3 - x no es ni cuasiconvexa ni cuasicncava.
+ g)(x)
2. Como f(t) = 3t5 + t 3 + 3t - 4 es creciente y g(x, y, z) = x2 - 2y + 3 es convexa

por tanto cuasiconvexa, entonces
F(x, y) = 3(x2 - 2y + 3) 5 + (x 2 - 2y + 3) 3 + 3(x2 - 2y + 3) - 4
'
es cuasiconvexa, ya que es igual a f(g(x,y)).

3. H(x 1 y, z) = \J4x-2 + 2y-3 + 7z- 1 definida en R!+ es cuasiconvexa; ya que es
la composicin de las funciones h(t) = t 1i 3 y k(x,y, z) 4x- 2 +zy- 3 +1z-', con
dominio Rt+ h es creciente y k es convexa lo que la hace cuasiconvexa.
.lu +{l-A.)v
Figura 4.5: Funciones estrictamente cuasiconvexa en una variable
y cuasiconvexa en dos variables.
4. Sea f: IR.f.+ - lR++ cuasiconvexa1 homognea de grado uno y sean x, y en IR.f.+,

u= /(~)x y v = /(~JY Entonces f(u) = f(v) = 1 y como fes cuasiconvexa
f(>.u + (1 - >.)v) '.:'. mx{f(u),f(v)} =l. En particular con>.= !(}~f(y),

Ejemplo
f(>.u + (1 - >.)v) = f (
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
mn{h(x),h(y)} = h(x) '.:'. h(>.x + (1- >.)y)

'.:'. h(y) = mx{h(x),h(y)}.
Teorema 4.8. Sean A
!Rn un conjunto conve:co1
f : A - JR
3. Sea f una funcin de de variable y valor real. La propiedades con respecto a

composicin se resumen en la siguiente tabla:
f creciente
f decreciente
Demostracin. Se deja como ejercicio.
= f(x)
f(x) + f(y) - f(x) 1 )

f(x) + f(y)
f(y)y
f(y) (x +y))
f(y/ (x +y) '.:'. 1
de donde
f (x+y) '.:'. f(x) + f(y)
2. Si f es una funcin cuasicncava y k > 01 entonces kf es una funcin cuasiconcava.
g cuasconve:ca
cuasconvexa
cuasicncava
= f (f(x)
y g : A - R:
1. S f es una funcin cuasconvexa y k > 0 1 entonces kf es una funcin cuasiconvexa.
~j(y) f(~) x + ( 1 - f(xf ~j(y)) f(~)y)
= f ( f(x) + f(y) x +
De la primera parte de la desigualdad se concluye que hes cuasicncava y de la segunda

que es cuasiconvexa. Un razonamento similar prueba el resultado para funciones
decrecientes.
Las propiedades operacionales para funciones cuasiconvexas y cuasicncavas estn
dadas por el
J(xf~j(y) u+ ( 1- f(xf ~j(y)) v)
y por el ejercicio 5 de la seccin 4.2 se tiene que la funcin es convexa. De forma

similar se tiene el resultado para funciones cuasicncavas.
As corno existen equivalencias entre la convexidad o concavidad de una funcin y la

convexidad de sus grafos superiores o inferiores, tarnbien existen equivalencias entre
la cuasiconvexidad o cuasiconcavidad de una funcin y la convexidad de sus contornos
stas estn dadas en el
Teorema 4.9. Sean A ~ lRn un conjunto convexo1
Entonces
g cuasicncava
cucisicncava
cuasiconvexa
f :A - R y k
1. fes cuasiconve:ca si y slo si CI(k) es convexo.
2.
es cuascncava s y slo s CS1(k) es convexo.
en el rango de
f.
vV
Demostracin. Sean f tal que para todo ki en el rango de f el conjunto
CI(k)
= {x
f(x) S k)
J(>-x + (1 - >-)y) S f(y) S mx{f(x),f(y))

para O:; ,\ ::; 11 esto es fes cuasiconvexa. Lo que prueba una parte de la equivalencia
de la primera parte del teorema.
Si para todo x, y en el dominio de f y O :S >. ::; 1 se cumple que
f(h + (1 - >-)y) S mx{f(x),f(y)). Sean k en el rango de f y u, ven CI(k),
por definicin f(u) S k y f(v) S k, usando la desigualdad que satisface f,
J(>-u + (1 - >-)v) S mx{f(u), f(v)) S mx{k, 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
Figura 4.6: Una funcin es cuasicncava si y slo si sus contornos

superiores (regin negra) son convexos.
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.
Esta funcin es cncava ya que l+~+/3
s k}
este conjunto es equivalente a:
[( -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.
(x,y) (x"yP) Ha+;;:
{ex, y)
=k
lo que prueba que >-u+ (1 - >-)v est en CI(k), esto es, CI(k) es convexo.
+ 3y2 es cuasiconvexa ya que su contorno inferior a nivel

A=
es convexo 1 x y y en el dominio de la funcin y sin prdida de generalidad supngase

que f(x) ::; f(y). Como los contornos inferiores son convexos y x 1 y estn en el
contorno inferior de fa nivel f(Y)i entonces ..\x+ {1-.\)y est en el contorno inferior
de fa nivel f(y), lo que implica
CSp(k) = { (x, y) 1 AxyP;;:
2. La funcin f(x, y) = {/x 2

k es:
+ l+~+.$ < 1 por lo tanto sus contornos su~
El criterio est dado por el siguiente teorema.
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.
matriz hessiana orlada f(x) de
son negativos para todo x en un conjunto abierto y
convexo Ai entonces f es cuasiconvexa en A. Y si los menores principales de orden

mayor o igual a dos de la matriz hessiana orlada tienen signos alternados, entonces
la funcin es cuasicncava.
Cuando la funcin es de dos variables el resultado se reduce a calcular el determinante
de la matriz hessiana orlada, si su valor es negativo la funcin es cuasiconvexa y si es
positivo la funcin es cuasicncava.
93
3. Si fes creciente y ges cuasiconvexa, h(x) = J(g(x)) es cuasiconvexa. Sean x y y

tales que g(x)
:S
g(y). Como g es cuasiconvexa, para
O:S A :S 1, g(>.x + (1 - >.)y) :S mx{g(x),g(y)} = g(y). Como fes creciente,
f (g(>.x + (1 - A)y)) :S /(g(y)) = mx{f(g(x)), f(g(y)))
esto es, h es cuasiconvexa.

4. La funcin
H(x,y,z) = {/x' - xy +y2 + 5z2 - x -4
Ejemplos
es cuasiconvexa ya que H = f o g donde
L El determinante de la hessiana orlada de la funcin
f(t) =
f(x, y)= Ax 0yfi

es
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)
al transponer los trminos en esta desigualdad
1
>
1
.
g(>.u + (1- A)v) - >.g(u) + (1-A)g(v)
ofi
y
Si
f es una funcin cncava no negativa en A,
factorizando ; y ~ de la segunda y tercera columnas,
afJJ' O
- "fJ
xZyZ
"-1
fJ
afJJ
x2 y2
afJ3
multiplicando trmino a trmino las desigualdades anteriores
"
f(>.u + (1-A)v)
)..f(u) + (1- >.)f(v)
-g(+.>.-u-:-+"(1---c),:;-)v') 2 Ag(u) + (1 - A)g(v)"
I" " 1I"
Sea h = 1g y u y ven CSh(k), entonces
(-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
f(h + (1 - >.)v) 2 Af(u) + (1- A)f(v)
fJ-1
desarrollando por los cofactores de la primera fila,
((-l)(a(fJ -1) - afJ) + (afJ - (a
aplicaciones es siempre cuasicncava.

2. La suma de funciones cuasiconvexas o cuasicncavas no necesariamente es cuasiconvexa o cuasicncava, para ver esto sean f(x) = x3 y g(x) = -x estas funciones son cuasiconvexas o cuasicncavas ya que son montonas, pero h( x) = x -x
no es cuasiconvexa ni cuasicncava. Los co~tornos superior e inferior a nivel O
de h son: [-1, O] U [I, oo) y (-oo, -1] U [O, I] respectivamente y ninguno de estos
conjuntos es convexo.
x-4.
g (>.u+ (1-A)v) :S >.g(u) + (1- >.)g(v)
p(/-1)
5. Sean g una funcin convexa positiva en un conjunto convexo A, entonces para

todo u y ven A y), en [O, 1],
03.
g(x,y,z) = x2 -xy+y2 +5z2
La funcin f es creciente y g es la suma de una forma cuadrtica definida

positiva y una funcin lineal, ambas convexas, lo que la hace convexa y por lo
tanto cuasiconvexa.
sacando factores comunes f) ~ y { de la primera, segunda y tercera filas respectivamente, el determinante equivale a
Vt
h( )= f(u) >k
g(u) -
'
h(v) = f(v) > k

g(v) -
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)
> >.kg(u) + k(l ->.)g(v)

- -A7-'g7( u-)-+'(17"_-;c),):-g'(v,.-'")
= k[>.g(u) + (1- >.)g(v)] = k
>.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,
f(>.u + (1- >.)v) = f(v
+ >.(u-v)) 2 f(v)
6. Probar que una forma cuadrtica no definida no es cuasiconvexa n cuasicncava.

7, Determinar si la funcin
F(x,y) = {/5x2 + 3y2

es convexa) cncava> cuasiconvexa o cuasicncava.
8. Probar que la funcin
H(x,y,z) = {/xy- 3x2
de aqu
f(v+>.(u-v))-f(v) 2 O
al multiplicar por
f(v + >.(u-v))- f(v) >O.

>.
Al hacer >. --i- Oy aplicar los ejercicios 3 y 4 de la pgina 80
lm f(v+>.(u-v))-f(v) =\lf(v)(u-v)20.
>.--o
,\
f(x,y) = (x- 3 +y- 3 )'

con x, y> O. Encontrar, si existe, el valor de r para que la funcin sea: convexa
cncava1 cuasiconvexa pero no convexa y cuasicncava pero no cncava.
10. Determinar si la funcin tipo CES
con
Xi
-:--;==;;===;e
ij2x- 3
+ 5y- 3
y > O) es convexa, cncava, cuasiconvexa o cuasicncava.
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}.
conx,y z >O, son:

1
r',
e) H(K, L) = (5K- 1 " + 3L- 12

K >O, L >O.
J) g(x,y) = x 2 - 9y2.
g) h(x,y,z)=e'-lnyz,y>O,z>O.
h) G(x, y)= P,x + PyY
g(x,y,z) = x+3y-3x2 - z2,
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.
f(x,y,z) = x-2y+ z2.
b) f g sea cuasiconvexa.
e)
f g sea cuasicncava.
Determinar si los siguientes conjuntos son o no convexos.
a) CS9 (1) n CI(l).

b) CI9 (1) n CS(l).
4.3.1.
La funcin CES
Por comodidad con el manejo de las derivadas se considera la funcin en la forma
f(x,y) = (axr
3. Encontrar dos funciones cuasiconvexas (cuasicncava) cuya suma sea cuasiconve~
+ byr)' 1'
xa (cuasicncava).
4. Encontrar dos funciones cuasiconvexas (cuasicncava) cuya suma sea cuasicncava

(cuasiconvexa),
5. Probar que si f es decreciente y g es cuasiconvexa (cuasicncava) 1 fo g es cuasicncava (cuasiconvexa).
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
96
97
de donde,
x
ar
= -Xr-I
1-s
s
abr 2 (xy)'- 2 f'- 4' la(r - s)x' + bs(r - l)y'

s4
ar(l-s)x'- 1 y
y por simetra,
br(l-s)xyr-l
1
b(r - s)y' + as(r - l)x'
abr 2 (xyy-z J'- 4'

[(a(r s)x' + bs(r- l)y') (b(r - s)y' + as(r- l)x')
s4
-abr2(1- s) 2 (xy)'j
br2(
2-4x
2
xy
[ab(xy)'((r-s) 2 +s2(r-1) 2 r'(l-s) )
r-2
Derivando fx con respecto a Yi
s4
abr 2 s(r- s)(r- l)(xyy-
s4
Derivando fx con respecto a
+s(r - s )(r - 1) (a2 x ' + b y") J

abr2(xvr-2 2-x
---'---'~,~-[2s(r - s)(r- l)ab(xy)' + s(r- s)(r -1)
s
(a2 x 2' + b2 y") J
2 2
,J
2 2
- " ( 2 2,
)' +by
a x +2ab(x y
abr 2 s(r - s)(r - l)(xyy- 2 2 -
Xi
'
s4
xx =
s [(r- l)x'-
ar
=:
=a;
=
2 1
/ -'
s'
1 1
x- [(r-1)/,_, +x(l- s)-'; x-

x-21-2,
ar
xr- 2 12s
2'
[(r
abr 2 s(r - s)(r- l)(xy)'-2 p-z,
+x'- 1 (1- s)r' fx]
[ax'+ by']
-']
l)f'+ ar(l,-s)x']
La funcin es convexa si y slo si su matriz hessiana es semidefinida positiva para

todo (x 1 y) E lR.;+i para que esto se cumpla los coeficientes de xr y yr en la diagonal
de la matriz y el determinante deben ser no negativos, por lo tanto,
[s(r - !)(ax'+ by')+ ar(l - s)x']

r
= ~ x'- 2 1 - " [a(r - s)x' + bs(r - l)y'].
s 2: O,
s(r - 1) 2: O y s(r - s)(r - 1) 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:
Nuevamente por simetra,
fyy
br
2
= -,;Y'1- 2 ' [b(r s
s)y' + as(r - l)x'].
Usando estos resultados para construir la matriz hessiana,
. r 2: s, s 2: O y r 2: 1) de donde r 2: 1 y r 2 s 2 O.
1
2. r 2 s s ::SO y r :S 1, de donde) s :Sr :S 1 y s :SO.

1
La funcin es cncava si y slo si la matriz hessiana es semidefinida negativa en IR~+,

esto esi los trminos de la diagonal son no positivos y su determinante es no negativo,
lo que equivale a
Para determinar si la funcin es convexa o cncava se deben analizar los menores de
esta matriz) en particular se debe calcular su determinante,
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
'
r-2 a-4, [2abr(l - s)(xyy - byr (a(r - s)xr + bs(r- l)yr)
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'
de donde se concluye que:
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
J(x,y) = exy-x'-Y' + (2x 2 -2xy+2y2 +ir'

es cuasicncava.
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)
= [xo: +yf3 +zi]P
G(x,y,z) = [x 0 yfi +z"J'

sea:
Convexa.
b) Cncava.
rs(l - r)
2.
h(x) = (f(x)) (g(x))P
a)
'
La funcin es cuasiconvexa si la ltima expresin es negativa en lR~+ y cuasicncava

si es positivaj paxa esto basta deterronar el signo de
1.
3. Probar que si f y g son funciones cncavas no negativas sobre un conjunto A

(A C lRn) convexo y a 1 /3 son nmeros positivos 1 entonces
bryr-2 1-zsb(r:.s)yr +as(r-l)xr]
axr-1
y
=a
bryr-1 1-s
1 - 25 fa(r-s)x,.. +bs(r-l)yr)
2. Comparar los resultados de esta seccin, sobre el co1nportan1iento de la CES 1 y

los obtenidos por medio de composicin.
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.
Argumento maximizador y minimizador
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
Minimizar f(x) sujeto a que x E D

O en fqrma breve)
mx{f(x) 1 x E D} y min{f{x) 1 x E D}
El conjunto de puntos de D donde la funcin alcanza su mximo se conoce como
conjunto de maximizadores de f sobre D y se nota
argmx{f(x) 1 x E D}
= {x' E D 1 f(x') 2: f(x) para todo x E D}
es decir 1 los argumentos que maximizan la funcin sobre el conjunto D. De la misma

forma se define
argmn{f(x) 1 x E D} = {x, E D 1 f(x,) :<; f(x) para todo x E D}.
l_,li.l.1. Ul.JV
102
u.
V.l ..1..uvJ.J..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
el vector de parmetros, el conjunto de restricciones y la funcin objetivo son
8 = (p,,p,, u),
D(8) = {(x, y) 1 U(x, y) 2: u),
f(x, 8) =
PxX
+ PyY
argmx{f(x,8) 1x E D(8)} o argmx{f(x,8) 1x E D(8)}

X
Las demandas hlcksianas son

en la segunda son esplcitas las variables.
Ejemplos de aplicacin se encuentran en la teora del productor y el consumidor:
Si Q(K, L) es la cantidad producida al usar cantidades K, L de dos insumos a precios
-unitarios r, w respectivamente y el productor est interesado en minimizar el costo
variable total de producir por lo menos q unidades, se debe solucionar el problema
mn r K
{ (xh(8),yh(8))} = a.rgmn{f(x, 8) 1x E D(8)}

y la funcin de gasto es
e(8) = mn{f(x, 8) 1 x E D(8)}
+ wL sujeto a Q(K, L) 2: q.
El vector de variables, el de parmetros, el conjunto de restricciones y la funcin
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)'
D(8) = {(K,L) 1Q(K,L)2: q)
mx U(x, y) sujeto a p,x + PyY S m, x 2: O, y 2: O

el vector de parmetros, el conjunto de restricciones y la funcin objetivo son
y f(x,8) = rK +wL.
Las demandas condicionadas son
x=(K,L),
8=(P,r,w),
{(K'(8),L'(8))} = argmn{f(x,8) 1x E D(8)}

y la funcin de costo es
D(8)={{K,L)IQ(K,L):2:q}
y /(x,8) = rK +wL.
Las demandas marshallianas son
C'(8) = mn{f(x, 8) 1x E D(8)}.
{ (xM (8), yM (8))} = argmx{f{x, 8) 1x E D(8)}
Para el problema de maximizar el beneficio del productor el problema a solucionar es

y la funcin de utilidad indirecta es
mx!I(K,L) = PQ(K,L) - rK -wL sujeto a K 2: O, L :2: O

el vector de variables, el de parmetros 1 el conjunto de restricciones y la funcin
objetivo son
8={p,,p,,m),
D(8)=1R~
f(x,8)=II(K,L).
Las demandas del productor son
{ ( K(8), L(8))} = argmx{f(x, 8) 1 x
V(8) = mx{f(x, 8) 1x E D(8)}.

Definicin 5.1. Sea una funcin y D un conjunto contenido en el dominio de J.
La funcin tiene un mximo global, o absoluto, en el punto a (a E D) sobre el
conjunto D, si f(a) 2: /(x) para todo x de D.
De manera anloga se define mnimo global 1 para lo cual basta invertir la desigualdad:
D(8)}
y la funcin de beneficio es
!I'(8) = mx{f(x, 8) 1x E D(8)}.

Si U(x, y) es la utilidad que produce el consumo de cantidades x, y dos bienes a
precios Px Py respectivamente y el consumidor est interesado en minimizar el gasto
de recibir por lo menos un nivel de utilidad u) debe solucionar el problema
1
mnpxx + PyY sujeto a U(x, y) 2: u
f(a) S /(x) para todo x de D.

Definicin 5.2. Sean f una funcin y D un conjunto contenido en el dominio de la
funcin. La funcin tiene un mximo local en el punto a (a E D), si existe r >O
tal que f(a) 2: f(x) para todo x en el conjunto B, (a) n D.
Esta ltima definicin dice que en una vecindad de a el mximo valor que alcanza la
funcin fes f(a); esto es, si x est cerca de a, el valor de la uncin en x es menor o
igual al valor de la funcin en a. Aquellos puntos candidatos a ser mximos o mnimos
se les conoce como puntos crticos, en una variable son los puntos donde la derivada
de la funcin es nula o no existe.
105
5.1. ARGUMENTO MAXlMIZADOR Y MINIMIZADOR
104
17
40
15
30
10
20
5
10
-3
'
Fgura 5.1: y= 3x2 + 5x
-2
-5
Figura 5.2: y= h(x).
2.
a) Si b::; -2, la funcin es constante en el intervalo [a,bL por lo tanto,
Ejemplos
argmx{h(x) 1x E [a,bj} = argmn{h(x) 1x E [a,bj} = [a,bj
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
= - ~ ya que para todo x real
2. Sea g(x)
= 3x + 2;
mx{h(x) 1 x E [a, b]}
argmn{f(x) 1x E IR}=
argmx{h(x) 1 x E [a,b]} = {b}

argmn{h(x) 1x E [a, bj} = [a, -2J
mx{h(x) 1xE[a,bj}=3b+2, y
mn{h(x) 1x E [a,b]} = -5.
{-0.
sobre los nmeros reales la funcin no alcanza mximo ni
mnimo. Sobre el intervalo [-2 1 5] la funcin tiene mximo en x = 5 y mnimo en

x = -2, por lo tanto,
e) Si -2 ~ a ~ 5 < b, la funcin es creciente en el intervalo [a, 5] con valor

mnimo en x = a y es constante en {5, bJ donde alcanza su valor mximoi por
lo tanto,
argmx{g(x) 1x E [-2, 5]} = {5}

argmn{g(x) 1x E [-2,5]} = {-2}
argmx{h(x) 1x E [a,b]} = (5,bj

argmn{h(x) 1x E [a,b]) ={a)
mx{g(x) 1xE[a,b]}=17, y
mn{g(x) 1 x E [a, b]} = 3a + 2.
mx{g(x) 1xE[-2,5J}=17,
mn{g(x) 1x E [-2,5]} = -4.
3. La funcin lineal g(x) = 3x + 2 tiene mximo y mnimo en x

respectivamente) sobre el intervalo {a, b]
argmx{g(x) 1x E [a,b]} = {b},
= mn{h(x) 1 x E [a, b]} = -5.
b) Si a < -2 :S b < 5, la funcin es constante en [a, -2] y toma su valor mnimo

en todo el intervalo. En (-2 1 b) la funcin es creciente y alcanza su mximo
en x := b; as,
49
(-5) = -12
f(x)?. f
argmx{f(x) 1xE!!!:)=0,
=by x
= a,
d) Si a > 5, la funcin es constante en el intervalo [a, b]i por lo que
argmn{g(x) 1x E [a,b]} ={a}
argmx{h(x) 1x E [a,b]} = argmn{h(x) 1x E [a,bj}
mx{g(x) 1xE[a,b))=3b + 2,
mn{g(x) 1 x E [a, b)) = 3a + 2.
4. Para
-5
h(x)=
3x~2,
17,
six:S-2
s -2<xS5
six>5
sobre el ntervalo [a, bj pueden suceder varias posibilidades:
mx{g(x) 1 x E [a, b]}
5.
o
k(x)=
= mn{h(x) 1 x E [a, b]} = 17.
2~ 2 +4x+3,
{ 10,
si x < -2
si -2<xS1
si X> 1
[a,b]
wv
La derivada de la funcin es:
k'(x) =
{'
Si X< -2 O X> 1
4x+4, si -2<x<l
Esta funcin no es derivable en x = 1 y x = -2. Los puntos crticos de la funcin

son
PC = (-oo, -2] U [1,oo) U {-1)
La funcin es creciente en el intervalo (-1, 1), en este intervalo k' es positiva,
decreciente en (-2, -1), ah k' es negativa, y constante en (-oo, -2] U (l,oo), en
estos puntos la derivada de k es cero. La segunda derivada de la funcin es
k"(x)
{'
si x < -2 o x > 1
4) si -2<x<l
La segunda derivada no existe en x = 1 y x = -2. Los posibles puntos de inflexin

son
PPI = (-oo, -2] U [l,oo)
de los cuales los nicos que se pueden considerar puntos de inflexin son x = 1 y
x = -2, ya que la funcin es convexa en el intervalo (-2, 1), pues en este intervalo
k" es positiva. En (-oo, -2) U (1, oo) la funcin se puede considerar convexa o
cncava; si se considera cncava entonces x = 1 y x = -2 son puntos de inflexin.
Para determinar los conjuntos arg mx) arg mn y los valores del mximo y mnimo
de esta funcin sobre el conjunto A= [a1 b], se deben analizar varios casos:
10
8
-2
-1
Figura 5.3: y= k(x).
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.
6. Si -2 <a< -1, -1SbS1 y la+ ll ?c lb+ ll

argmx{k(x) 1x E ja,b]} ={a}
argmn{k(x) 1x E [a,b} = {-1)
mx{k(x) 1xE[a,b]}=2a2 +4a+3 y
mn{k(x) 1x E [a,b]) =l.
7. Si-2<a<-l,-1SbSlyla+llSlb+ll
argmx{k(x) 1x E ja,b]} = {b)
argmn{k(x) 1x E [a, b]} = {-1}
mx{k(x) 1 x E [a,b]} =2b2 +4b+3 y
mn{k(x) 1x E [a, b]} =l.
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.
10. Si -1 < a S 1 y b > 1

argmx{k(x) 1x E [a,b]} = (1,b]
argmn{k(x) J x E ja,b]} ={a)
mx{k(x) J x E [a,b]} = 10 y
mn{k(x) 1xEja,b]}=2a2 +4a+3.
11. Si a > 1, la funcin es constante en A:
argmx{k(x) J x E ja,b]} = argmn{k(x) J x E [a,b]} = [a,b] y
mx{k(x) 1x E ja,b]} = mn{k(x) 1xE[a,b]}=10.
CAPTULO 5. OPTIMIZACIN NO RESTRINGIDA
108
109
5.2. DERIVADAS DIRECCIONALES
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
Figura 5.4: El plano tangente a la superficie z = f(x, y) en el

punto (a,b,f{a,b)).
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
3. [a, b] donde -2 <a< O < b <l.
5.2.
Derivadas direccionales
lm f(Xo + hv) - f(Xo)

h
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.
Aqu, como en una variable, el conocimiento de la convexidad de una funcin sobre un

conjunto cerrado y la existencia de un. punto crtico interior al conjunto implican que
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
existe. El valor de este lmite se llama derivada direccional y se nota f'(Xo; v) o
~(:ro)
La versin en varias variables del teorema que da las condiciones necesarias para
la existencia de un extremo, necesita de la nocin de diferenciabilidad dada por la

siguiente
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)
+ \lf(a) (x- a)+ llx- al!Ea(x-
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)
+ :~ (a,b)(x- a)+ :~(a,b)(y -b).
El error cometido en la aproximacin es Eca.,b)(x - a, y - b) que depende de (a) b) y

(x,y).
Figura 5.5: f'(x 0 ;v) es la pendiente de la tangente a la superficie z =

f(x) en el punto Xo en la direccin del vector v.
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.
Mximos y mnimos en varias variables
Si se hace u = x - a y v = ll~ll u en la definicin de diferenciabilidadi entonces
x = a+u =a+ llullv Y
Ejemplos
!. Las derivadas parciales de la funcin
x = 2(x- I)
f(a + llullv) = f(a) +'V f(a) llullv + llullEa(u)
f (x, y) = (x - 1)2 (y 2 + y) + x 2 son:
(y 2 +y) +2x,
y los puntos crticos estn donde
despus de transponer J(a),
2(x-I)(y2 +y)+2x=O
f(a + llullv) - f(a) ='V f(a) llullv + llullE.(u)

multiplicando por ll~l I,
f(a + lluliv) - f(a) ='V!( ) v + E.(u)

llull
(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
Si llull tiende a cero,
lm J(a + llullv) - f(a) ='V f(a). v + lm E.(u).

llull-0
llull
l!ull-0
Lo que prueba que si una funcin en varias variables es diferenci"a.ble en un punto,
entonces en ese punto existen las derivadas direccionales en cualquier direccin, y
adems que
J'(x;v) ='V f(x) v

esto es) la derivada direccional de la funcin es el producto interno entre el vector
gradiente de la funcin calculado en el punto y el vector direccin. Usando el coseno
del ngulo formado por dos vectores se tiene,
f'(x;v) = 'Vf(x) V= ll'Vf(x)ll llvllcose.

Esta expresin tiene su valor mximo si la direccin forma un ngulo de O radianes
con el vector gradiente; por esta razn se tiene el siguiente
Teorema 5.1. Dada una funcin f : A ~ JR.n -+ 1R diferenciable en un punto x de
A, la direccin en la que la funcin crece lo mximo posible es la direccin del vector
gradiente y en la que decrece lo mximo es la direccin opuesta al gradiente.
La esencia del teorema anterior est en que dice cmo ir a los mximos y los
mnimos. Ntese que este teorema tambin sirve como prueba de las condiciones
necesarias de primer orden, ya que si se est en el mximo o mnimo, no existe
direccin hacia donde mejorar el valor de la funcin. Ahora bien, esto slo ocurre
si el gradiente de la funcin es ceroj las condiciones necesarias estn dadas en el
siguiente corolario:
Corolario 5.1. Si una funcin f tiene un mximo o un mnimo en a= (a 1 , a2 , . ., an)
y f es diferenciable en a, todas las derivadas direccionales de f en a son cero. Esto
es 'V f(a) =O, y por tanto g~ (a)= O para i = !, 2,. .., n.
En dos variables, el resultado dice que el plano tangente en los mximos y mnimos
debe ser paralelo al plano xy.

Como en el caso de una variable, los puntos crticos de una funcin en varias
variables estn donde las derivadas parciales sean todas cero o no existan. Si la funcin
tiene valores extremos, los toma en el conjunto de puntos crticos.
2(x- l)(; -
zl + 2x =
-2(x -1) + 2x = x +
2
2 =O
y despejando, x = -1/3. As la funcin solamente tiene un punto crtico: (x, y)=
(-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) =O

wQ(K,L) - (rK + wL)QL(K,L) =O
luego de transponer los trminos negativos,
rQ(K,L)
= (rK +wL)QK(K,L)
wQ(K,L) = (rK +wL)QL(K,L)

al hacer el cociente entre estas dos expresiones y simplificar i
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.
CAPTULO 5. OPTiivIIZACIN NO RESTRINGIDA
112
3. Si el productor vende su producto a P por unidad 1 los beneficios estn dados por
IT(K,L) = PQ(K,L)- (rK +wL).

Si la funcin Q(K1 L) es homognea de grado uno (tiene rendimientos constantes
a escala), Q(>.K, >.L) = >.Q(K, L), la funcin de beneficio es homognea de grado
uno:
113
5.3. MXIMOS Y MNIMOS EN VAIDAS VARIABLES
.Teorema 5.2. Si a es un punto crtico de
f y
1. H(a) es definida positiva, entonces
tiene un mnimo en a.
2. H(a) es definida negativa, entonces
tiene un mximo en a.
3. H( a) es no definida, entonces f tiene un punto de silla en a.

4. H(a) es semidefinida, el criterio no decide.
IT(>.K,>.L)
= PQ(>.K,>.L)
= P>.Q(K,L)
(r>.K +w>.L)
(r>.K + w>.L) = >.IT(K, L).
Si adems, existe una combinacin de insumos (Ko) Lo) para la que

IT(Ko, Lo) >O) es posible alcanzar cualquier nivel de beneficio ya que,
lrn IT(>.Ko, >.Lo)= lm .\II(Ko, Lo)= oo.
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)
segundas derivadas parciales de
En este caso el argumento maximizador es vaci.
fyy = 2 (x - 1)
Este sistema equivale a
PQx(K, L)
= r,
PQL(K,L) =w
el valor de la productividad marginal de cada insumo de produccin debe ser igual

a su precio. Haciendo nuevamente el cociente entre las dos ecuaciones,
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)
2(y 2 +y+l) 2 (x - 1)(2y +

H(x,y)= ( 2(x-1)(2y+l)
2(x - 1) 2
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
fxx = 2 (y 2 +Y) + 2 = 2 (y +Y+ 1)

fyx = fxy ;= 2(x -1)(2y + 1)
4. Si la funcin de produccion no es homognea de grado uno y los beneficios estn

dados por
IT(K,L) PQ(K,L)- (rK +wL).
iJII
aK = PQx(K,L)-r =O,
= (x-1) 2 (y 2 +y) +x2 es (-1/:,-1/2). Las
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
PC= {(0,0)} U {(x,y) 1 x 2 +y =1}.
Las segundas derivadas son
-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
La matriz hessiana solamente sirve para determinar el comportamiento del punto
simplificando y transponiendo trminos,
(O, O) ya que las segundas derivadas no estn definidas en los otros puntos crticos.
La matriz
acrK-p-l
Q-,-1
Qx =
Reemplazando en el cociente de las condiciones necesarias,

es definida negativa) de donde la funcin tiene un mximo local en el punto (O, O).
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)
f(x', y')= ( 1 - (x')
2 2/3
- (y') )
:S (1- x 2 -y2 )
213
+1=
:u= (~)-p-1 = (~r+l
+ 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
argmn{f(x,y) 1 (x, y) E JR 2} = { (x, y) 1 x 2 + y2 = 1}

de donde
y
mn{f(x,y) 1 (x,y) E !R!2 } =l.
L=
3. En los ejemplos de la seccin anterior se encontraron las condciones necesarias

para maximizar el beneficio de una empresa que usa insumos K y L a precios r
y w respectivamente y vende cada unidad de su producto a P)
(:VY+>' K
o K=
(:), L
Al reemplazar esta expresin en la condicin PQL(K1 L) = w,
PQL =
II(K,L) = PQ(K, L) - (rK +wL).
aw
Las condiciones suficientes para que el punto crtico sea argumento maximizador,
la matriz hessiana de la funcin Il debe ser definida negativa1 como
Pbcri-p-l Pbcr [ (aK-P + bL-P)-;;"] E.+1

"
"
= -~~-~7"--~Q-,-l
LP+l
Pbcr (aK-P + bL-P)-t- 1
Pbcr
Pbcr
( [(~~ii, irp +bi-p)
LP+l
Pbcr
(a(';:'.'),-:;', L-P + bL-P)
las condiciones suficientes se cumplen si la funcin de produccin es cncava.
LP+l
Pbcr
=---(a(!:)p~l +b)+l L-P-ffLfJ+1
4. Si la empresa produce con tecnologa CES,
derivando implcitamente la ecuacin:
Q_, = aK-P + bL-P
Pbcr
(a(!:)~' +b);+
cr
=w.
Ll-u
Despejando L en la ltima igualdad,
se tiene
PQ-'-1Q
-
L -_
-p bL-p-1
l-q
Pba
p
.e.+1
(a(!:);+r +b)"
CAPTULO 5. OPTIMIZACIN NO RESTfilNGIDA
116
5.3. MXIIvIOS Y MNIMOS EN VAfilAS VAfilABLES
117
La funcin de beneficio de la empresa es el valor ptimo de II, esto es,
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"
Examinando separadamente los trminos de la expresin anterior)
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
en Q) se encuentra la funcin de oferta de la empresa, esto es, las cantidades
Reemplazando estas expresiones en II*,
que se deben producir para maximizar el beneficio:
II"' = P
b) ,~, , _,_ + , w , ] ~ [Pb"]

-;;- ,:,
[(W (
aP+i r p+1
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.
4. Probar que la matriz hessiana de f(x, y)= ax 2 + by4 es semidefinida en el punto

crtico (0,0) y que si:
(x + 3y -1) -10.
3
e) f(x, y)= (2x + 3y - 12) - 5.
2
b) f(x,y) =
a) a= b = 1) la funcin tiene un mnimo.
d) f(x,y) = x -3xy+ 5x-2y+6y +8.
b) a = b = -1, la funcin tiene un mximo.
e) j(x,y) =el+"' -y.

'
e) a = -1 y b = 11 la funcin tiene un punto de silla.
f) f(x,y) = (x -y)(xy -1).
5. Analizar el comportamiento de los puntos crticos de la funcin

f(x,y) =(y - ax') (y -bx2 ), con b >a> O.
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)
6. Un productor que vende en dos mercados tiene demandas q1 = b - ap 1 y q2 =
f(x,y,z)=x 2 +y2 +z2 +xy+4.
/3 -
f(x,y,z)=l+x 3 +xz+yz 2 .
a) Los precios que maximizan el beneficio.
f(x,y,z) = 4x2 +4xy3 +3y2 -z3 +z 2 .

f(x,y,z) = 2x2 y-4x 2 -y2 +yz- z3
f(x,y,z) = 2x 3 +xy2
2
n) f(x, y, z) = e-x +e-Y
apz por su producto. Si e son los costos variables unitarios1 encontrar:
b) El cambio en el beneficio que produce una prohibicin a la discriminacin
z2 .
de precios.
5x2 + 2y2 -8xz + z 2 .
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.
) f(x, y, z) = x4 + y4 + z4 + 4x + 4y + 32z +l.

o) f(x,y,z) = ax 3 +axy-bx2 +2y2 - cxz+z2 .
p) f(x,y,z) = x 3 +y3 + z3 -9xy-9xz+27x.
q) f(x, y,z) = z2 (2y - 4) - x 2 (x + 1) + (x -y)y.
r) f(x, y, z) = 2x3 + 2y2 + z2 + 2xy + xz + yz + z - l.
7. Encontrar las funciones de beneficio, oferta y demanda de un productor que usa

tecnologa CD y probar que la funcin de beneficio de la empresa es CD en los
precios de los insumos. Esto muestra la dualidad existente entre produccin y
beneficio cuando la tecnologa es CD.
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
cuenta que en el corto plazo el precio de venta de la produccin es constante.)
b) Probar que kQK + kQi

Q*. Por qu esta ecuacin no es el teorema
de Euler aplicado a Q? (Si lo fuera, toda funcin de produccin tendra
rendimientos constantes a escala).
e) Solucionar el problema si se produce con tecnologa CD y CES.

3. Una compaa tiene un contrato para suministrar 36.500 unidades de su produccin este ao. El costo de almacenamiento anual es de 10 u.ro. por unidad;
el contrato pennite la escasez con un costo por unidad falt&J.te de 15 u.m, La
iniciacin de una partida de produccin cuesta 15.000 u.m. Si las rdenes de
produccin se cumplen sin demora y la demanda sigue una tasa constante, determinar el costo promedio como una funcin de la frecuencia de produccin y de la
cantidad producida en cada pru.tida de produccin, y a partir de ella encontrar el
costo promedio mnimo.
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}
donde A e lRn es el dominio de f y hk y 9i son funciones reales con dominio en lRn,

Una solucin factible es un punto que satisfaga las restricciones, esto es) un elemento
del conjunto de restricciones. El problema busca el valor ptimo de la funcin f sobre
el conjunto de soluciones factibles.
En el captulo anterior se defini el concepto de derivada direccional para una
funcin f : A ~ R.n --i. 1R de varias variableS, en un punto a de A, en la direccin del
vector unitario v de IR". Usando la funcin g(t) = f(a + tv) para t variable real se
tiene que si g es derivable en t =O,
g'(O) = lm g(h)-g(O) = lim f(a+hv)- f(a)

h-o
h
h-o
h
es la derivada direccional de
en el punto a en la direccin de v,
g'(O) = f'(a; v).

En dos variables, f'((a,b); (a,3)) es la pendiente de la recta tangente a la superficie
z = f(x,y) en el punto (a,b,f(a,b)) en la direccin del vector (a,3).
Usando la regla de la cadena para calcular la derivada de g
,
9 (t)
df(a+tv)
dt
= ;J(a +tvi,a2 +tv2, ... ,an +tvn)
= - (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
esto es, la derivada direccional de la funcin en un punto a en la direccin del vector

v es el producto interno entre el vector gradiente de la funcin calculado en el punto
y el vector direccin. Esta es otra 1nanera de ver las derivadas direccionales base de
la conclusin del teorema 5.1 que es de los mas importantes en optimizacin.
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,
{(x,y) 1 f(x,y) =e}.

Los contornos para funciones de tres o ms variables tambin se conocen como conjuntos de nivel. Cuando la funcin es de dos variables el contorno forma una curva
de nivel, cuando es de tres variables forma una superficie de nivel, etc.
Sean a un elemento de C(k) y r(t) = (x 1 (t),x 2 (t), ... ,xn(t)) una funcin tal que
r(t) E C(k) para todo ten un intervalo 1 y de forma que r(to) =a para algn to E J.
En particular se tiene que
An {x 1 g,(x) =O parai = 1,2, ... ,m).
f(r(t)) = f (x1(t),x2(t), ... ,xn(t)) = k
El problema
2
Mnimo de x +(y - 1)
Usando la regla de la cadena para encontrar la derivada de esta funcin, se obtiene

que
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,
\! f (x1 (to), x2(to), .. . , Xn(to)) (x; (to), x;(to), . .. , x~ (to))
= \/f(a) (x;(to),x;(to), . .. ,x~(to)) =O.
= x2 + (-2x2 -4 -1) = 4x4 + 2lx 2 + 25.
La solucin se encuentra con los nltodos expuestos en el captulo de aplicaciones de

la derivada a la optimizacin en una variable. Su derivada
J'(x) = 16x 3 + 42x = 2x (8x 2 + 21)

es cero cuando x =O. Adems, f"(x) = 48x 2
que f tiene un mnimo en x = O; por lo tanto:
+ 42 y f"(O) =
42 >O, lo que indica
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
mn{f(x,y) = x 2 + (y-1) 2 l 2x2 +y= -4} = 25.

En problemas ms complejos no siempre es posible hacer un reemplazo en la forma
anterior, ya sea por el nmero de variables involucradas o por la dificultad o imposibilidad de eliminar variables 1nediante el despeje en las restricciones. Un resultado
que da condiciones necesarias para solucionar este tipo de problemas es el teorema de
Lagrange) la base de su razonamiento es el teorema anterior y el comportamiento del
gradiente sobre los contornos.
6.1.1.
Condiciones necesarias
En el captulo 2 se definieron los contornos definidos por
C(k) = {x 1 f(x) = k)
teniendo en cuenta que las restricciones g(x 1 y, z) = O y h(x, Y: z) = O describen dos

superficies en el espacio tridimensional. Una solucin factible para este problema es un
punto de coordenadas (x 1 y 1 z) que satisface las restricciones; en este caso) el conjunto
de todas ellas forma una curva (la interseccin de las dos superficies que fonnan las
restricciones). Para encontrar el mximo de f se examina la superficie f(x,y,z) = k
para distintos valores de k hasta encontrar el ms grande. Si para kJy la funcin f
toma un valor mximo local en un punto P = (x*, y\z*) 1 la superficie f = k1w y la
curva C deben ser tangentes; si no fuera as f podra seguir creciendo al moverse en
la direccin del gradiente.
Puesto que el gradiente de las restricciones es normal a cada superficie de nivel y por
lo tanto a la curva C, y el gradiente de f en Pes norn1al ala superficie f(x1 Y:Z) = kJ...I1
entonces en ese punto el gradiente de f debe ser combinacin lineal de los gradientes
de g y h.
\! f(x", y', z') = >. 1\! g(x', y', z") + >.2 \lh(x', y', z')
El argumento anterior da las condiciones necesarias para la solucin de este tipo de

problemas y se formaliza en el siguiente teorema:
124
CAPTULO 6.
OPTIMIZACIN RESTRINGIDA.
6.1. RESTfilCCIONES DE IGUALDAD
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
( ~(a)) mxn tenga rango m
es conocida como cualificacin de restricciones, si
esta condicin no se cumple el teorema no es aplicable. La cualificacin garantiza que

el espacio vectorial generado por los gradientes de las restricciones tenga dimensin
m y pueda generar el gradiente de la funcin objetivo en el punto que soluciona el
problema.
El lagrangiano tambin se puede tomar en la forma
Figura 6.1: Las curvas de nivel de f se mueven en direccin del gradiente

hasta alcanzar el ltimo punto P sobre la curva C.
L(x; , \,, ... , m) = f(x)
+ I;>'k9k(x).
k=l
Teorema 6.1. {Lagrange) Si f tiene un extremo local en a sobre el conjunto

An {xi g;(x) =O parai = 1,2, ... ,m}
donde A es un s~bconj~nto abierto no vaco de JH;.n y las funciones

1, 2, ... , m son diferenciables en A, y si la matriz
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
l. Para encontrar los puntos donde la funcin
f(x,y) = xy-x-2y-1 sujeta a x-2y =O
\lf(a) = I;.\Vg,(a).
i=l
tiene sus puntos ptimos, se igualan a cero las derivadas parciales de su lagrangiano
La condicin del teorema se puede transformar en

n
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+>.,
que a su vez equivale a que
Lo que produce el sistema
~ &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
Ntese que la ltima ecuacin es la restriccin del problema original) en ella

x
2y. En la primera y = 1 - ,\ 1 reemplazando estos valores en la segunda
.C(x; A1, A2, 1 Am) = f (x1, X2, -Xn) -
L .\kgk(X1, X2, . ..
k=l
=O
x-2-2\ =0
{
X - 2y
=
Xn).
1
2y-2-2\ = 2(1->.)-2-2\ = -4.\ =O de donde.\= O, y= 1, x = 2. Hasta

aqu falta determinar si este punto es un mximo o un mnimo.
1:.:::0
4. x = O, y = O, z :fa O, w
2. El lagrangiano para encontrar los ptimos de la funcin
f(x,y,z,w)
= x2 + y2 sujeta a x 2 + z 2 +w 2 = 4,
y2 + 2z +3w
=9
es
.C(x, y, z, w, .\1, .\2) =x2 + y 2 + .\1 (x2 + z 2 + w
4)
+ >.2 (y 2 + 2z2 + 3w2 - 9)

sus derivadas parciales son:
.Cx = 2x + 2x.\1,
lz = 2zA + 4z.\2,
ly = 2y + 2y>.,,
lw = 2w>.1 + 6w>.z,
.C>.. 1 =x 2 +z 2 +w2 -4,
l;, = y2 +2z2 +3w 2 -9 .
Al igualar a cero estas derivadas se encuentran los sistemas equivalentes:
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. Las ecuaciones z 2 = 4, 2z2 = 9 no tienen solucin.
5. x = O, y f O, .\2 = -1, z f O, .\1 = 2 y w = O. Las ltimas ecuaciones

son z2 = 4, y 2 + 2z 2 = 9, de donde z = 2 y y = l. Las soluciones son
(O, 1, 2, O).
6. x = O, y
solucin.
= O, z
= O, w =J. O. Las ecuaciones w2 = 41 3w2 = 9 no tienen
7. x = O, y = O, z f O, w f O, y .\2 = .\1 = O. Las ecuaciones z 2 + w2 = 4,

2z2 + 3w2 = 9 tienen como solucin z = ../3 y w = 1. Esto produce
nuevamente cuatro soluciones para el sistema (O, O, J3, 1).
8. x = O, y '/:- O, .\2 = -1, z = O, w
y2 + 3w 2 = 9 no tienen-.solucin.
O, y .\1 = 3. Las ecuaciones w 2 = 4,
3. Para encontrar el costo mnimo de producir q unidades usando insumos K y

L a precios r y w por unidad, respectivamente1 por medio de una funcin tipo
Cobb-Douglas se debe solucionar el problema:
Minimizar C(K,L) =rK +wL
sujeto a Q(K,L) = AK"LP = q.
El lagrangiano para este problema es:
x 2 +z2 +w2 =4
l(K, L, .\)
y2 +2z2 +3w2 =9
= rK + wL + .\(q -
AK" LP)
las derivadas parciales

x=O .\1 =-1
f)[, = - .\A K"- 1LP

fJK
r
a
,
y=O .\2=-l
z =O .\1 = -2.\z
w =O .\1 = -3.\2
J[, =w-.\AK"LP-l
8L
Los valores que solucionan el problema satisfacen el sistema:
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).
Haciendo el cociente de la primera ecuacin sobre la segunda

r
w
despejando,
K= awL
(jr
reemplazando en la ltima ecuacin del sistema,
2. x f O, .\1 = -1, y= O, z f O, .\2 = 1/2, y w =O. Las ecuaciones x 2 +z2 = 4,

2z2 = 9 no tienen solucin.
3. x # O, .\1 = -1, y = O, z = O, w # O, y .\2 = 1/3. Las ecuaciones x 2 +w 2 = 4;
3w 2 = 9 tienen como solucin x = 1 y w = /3. Las cuatro soluciones del
sistema son: (1, O, O, ,/3).
.\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
de donde los valores de la solucin del problema son:
)] ;;+,,
q (
)] ;;+,,
6.1. RESTRICCIONES DE IGUALDAD
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:
4. Las funciones de demanda hicksianas
xh(px,Pyi u)1
yh(px,Py1 u)
determinan las cantidades de bienes que debe demandar un consumidor si quiere

minimizar el gasto y satifacer un cierto nivel de utilidad u estas funciones se
encuentran como solucin del problema:
1viinimizar PxX + PyY sujeto a U(x, y)= u.
x, y representan las cantidades y Px y Py los precios. El valor ptimo de la funcin

U(x,y)~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
objetivo es la funcin de gasto,
e(p,,py, u)= PxXh + PyYh

En particular, si la funcin de utilidad es tipo CES se debe solucionar el problema:
Minimizar G(x, y) = PxX + PyY
cuyas elasticidades son

Ero~
Figura 6.2: Las curvas de nivel de PxX+PyY se mueven en direccin

contraria a la del gradiente hasta alcanzar el ltimo punto sobre
la curva U(x, y)= u.
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:
y el problema a resolver equivale a
Minimizar
PxX
sujeto a axP + byP = u;.
+ PyY
e= e(p,.py,u) = G(x',yh)
su lagrangiano es
=Px
sus derivadas parciales,

.lx
= Px -
\apxp- l
Cy = Py - \bpyp-1
::, +b]=f
(-bp,),:, [a (bp")'
bp ),::, +bl=f ui
+py [a (ap:
apy
apy
U"
]f '
bpx)'C' +Py] [a_(bp,)2c;

apy
+b
[Px (apy
uc:.
las condiciones necesarias,

El primero de estos factores equivale a
Px = AapxP-l
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,
transponiendo trminos a fin de despejar una variable,
bp,
apy'
-=
(bp") ,e,
apy
X=
(bp") ,e,
-
apy
y.
[(Pyb)
Reemplazando en la restriccin a fin de despejar el valor de y 1
p.'.'..l (
-1
_p_
-1
_e_)] =f u>
aHpi-' +b"FYp;-
= (aP:.\pfr +bp-:. \p;~ 1 ) p~ u~.
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
6.1. RESTRICCIONES DE IGUALDAD
133
y
8xj
E& )
8x;8xi
&'t.
o
(
j'lc.
8x;8xj
8xJ
. ..
. .. .
8g-
(n+m)x(n+m)
mn{f(x,y) =xy- x-2y- l I x-2y =O}= -3.
'')
2. En la solucin del problema
La submatriz de ceros resulta de las derivadas parciales de segundo orden del la,.
grangiano con respecto a los multiplicadores.

Los determinantes de orden k x k que se obtienen de ella eliminando filas y colum~
nas correspondientes (si se elimina la fila p se elimina la columna p) sin que se afecte la
submatriz de ceros se llaman menores principales orlados de orden k (IVIPOk). A
partir de estos lvlPOk se consiguen las condiciones suficientes dadas por el siguiente
teorema:
Teorema 6.2. Si los
MinimizarC(K,L)=rK+wL sujetoa Q(K,L)=q.
(n+m)x(n+m)
evaluados en un punto que cumple las condiciones

necesarias tienen signo (-l)k-m para k = 2m + 11 2m + 2, ... in + m, la funcin
tiene un m:ximo en ese punto. Y si los Jvf POk evaluados en un punto que cumple
las condiciones necesarias tienen signo (-1) m para k = 2m + 1, 2m + 21 , n + m,
Las segundas .derivadas del lagrangiano

C(K,L,>.) = rK + wL + )..(q- Q(K, L))
son:
LKK=-AQKK
[,LL = -AQLL
LKL = -AQKL
[,K> = -QK
[,LK = -AQLK
LL> = -QL
1Vf POk
El determinante de la matriz hessiana del problema,

0
lic.(K,L,>-)1 = -QK
-QL
la funcin tiene un mnimo en ese punto.

Para problemas en dos variables con una restriccin
=-A QK
QL
f(x, y) sujeta a g(x, y)= O,

la hessiana orlada, ! es cualquiera de las matrices
-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
mo el valor del determinante
9y
(K*, L*)I es positivo ya que q, K* y L* representan cantidades de

a que
producto e insumos respectivamente, y en las condiciones necesarias se tiene que
).. > O. Para que esta ltima condicin se cumpla basta con que la funcin Q sea
cuasicncava, de esta forma los valores que satisfacen las condiciones necesaras
del teorema de Lagrange son los argumentos minimizadores del problema.
+ >.gyy
Como m = 1, n = 21 k solamente puede ser 3 y k - m = 2. Para determinar si en un

punto que satisface las condiciones de primer orden la funcin tiene un mximo o un
mn~mo 1 se debe encontrar el determinante d~ la matriz hessiana en el punto crtico.
Si IHJ > Ola funcin tiene un mximo y si IHI < O la funcin tiene un mnimo.
IH.c (K*,L*,A*)\
debe ser negativo lo que equivale
!HQ
3. Las funciones de demanda roarshallianas
Ejemplos
l. Para clasificar el punto crtico de
f(x,y) =xy-x-2y- l sujeta a x-2y =O

encontrado anteriormente 1 se calclilan las derivadas de segundo orden del lagrangiano: lxx = O, lxy = 1, lxA = 1, lyy = O, lyA = -2, l>.>. = O, m = 1 y
n=2.A
o
IH(2, !, O)I = 1
1 -2
1
-2 = -4.
Por lo tanto,
arg min{f(x,y) =xy-x-2y- l J x-2y =O}= {(2,1)}
determinan las cantidades de bienes .que debe demandar un consumidor si quiere

maximizar su utilidad dada una restriccin presupuestal; esas funciones son la
solucin del problema:
Maximizar U(x, y) sujeto a PxX + PyY = m.
x, y representan las cantidades, Px y Py los precios, U la funcin de utilidad y m

el ingreso disponible. El va.lor de U ptimo se conoce como funcin de utilidad
indirecta y se nota
Para la clasificacin de los puntos crticos en algunos problemas, como el del ejemplo
2 anterior, es posible usar el siguiente
Teorema 6.3. (Weierstrass) Sea f una funcin real continua en un subconjunto

A de JIRn compacto; entonces existen a y b en A tales que
'
'
''
' ____ I
';...l\
\
'
',
',
'-..,
f(a) :S f(x) :S f(b) para todo x E A.
1
1
El teorema garantiza que una funcin continua definida sobre un conjunto cerrado y
acotado alcanza sus extremos (mximo y mnimo).
'', ::~::~~1-:.-::-:.~..;.;.;.;.;-:,_-:,_ ---.;:..;:.;:.;:.;:.;:.;:.;:.;:.;:.;:=~

Px x+pyy=m
XM
Ejemplo
'
En el problema
Figura 6.3: Las curvas de nivel de U se mueven en direccin del

gradiente hasta alcanzar el ltimo punto sobre la curva Pxx+pyy =
m.
f(x,y,z,w) = x 2 +y2 sujeta ax 2 +z 2 +w2
= 4, y2 +2z2 + 3w 2 = 9
el conjunto de restricciones es compacto ya que es cerrado y los valores de las variables

estn acotados:
Para el problema
-2 :S X :S 2,
Maximizar U(x, y) sujeto a p,x + PvY = m
l(K, L, ),) = U(x, y)+ >,(m - p,x - PvY)

son:
Lxy = Uxy
Cyy = Uyy
Lx>. = -Px
arg max {x 2 +y2
El determinante de la matriz hessiana del problema,
o
jHc(x,y,>,)
-p,
= -p,
u,,
-py
Uyx
(Py Px)
-Vs :S W :S Vs.
x2 +z2 +w2 = 4, y2 + 2z 2 +3w2 = 9}
{(2,3,0,0)}
-py
U,v
Uyy
= PxPyUyx + PxPyUxy - p;Uxx - p;Uyy

=
-2 :S Z :S 2 y
La funcin objetivo J(x, Yi z 1 w) = x2 + y2 es continua. Por lo tanto, la funcin tiene

extremos en el conjunto definido por las restricciones; puesto que el teorema de Lagrange gener 16 puntos crticos, en alguno de ellos debe estar el mximo y el mnimo.
Al reemplazar cada uno de los puntos en la funcin objetivo: !(2,3,0,0) = 13,
f(l,0,0,Vs) = 1, f(0,1,2,0) = 1 y f(O,O,VS,1) =O. De donde se encuentraque
Las segundas derivadas del lagrangiano
lxx = Uxx
-3 :S y :S 3,
arg min{x2 +y 2 J x 2 +z2 +w2
Uyy
mx{x 2 +v' I x2 +z2 +w2 = 4,
Px
Si j.Hc (xM,yM,>,M)j >O el punto, (xM,yM,>,M), que satisfa<0e el teorema de

Lagrange es un argumento maximizador. Pero esta condicin, segn las igualdades
anteriores, equivale a que la forma cuadrtica (en los precios) PxPyUyx+PxPyUxyp~Uxx - p;Uyy sea definida positiva que equivale a que la matriz
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)}
(-U., !xy ) (p)

Uyx
= 4,
y2 +2z2 +3w2 = 9) = 13
mn{x' +v' I x'+z' +w' = 4, v' +zz' +3w' = 9) =o

Para este caso, la aplicacin del teorema de Weiertrass, en vez del examen de la
matriz hessiana orlada, simplifica el proceso de clasificacin de los puntos crticos. Sin
embargo, clasificar los otros puntos en mximos o mnimos locales requiere la matriz
hessiana orlada.
Ejercicios
l. Encontrar y clasificar los extremos (mximos y mnimos) de las funciones, sujeto
a las restricciones dadas:
CAPTULO 6.
136
6.2. RESTRICCIONES DE DESIGUALDAD
a) xy 2 sujeto ax+ 2y = 2.
a) U(x, y) = xy.
b) x 3 + 2xy + x 2 sujeto ax+ y
O.
b) U(x,y) =xy'.
e) x +y+ z sujeto a x 2 + y2 = 11 2x + z =l.

2
e) U(x, y)= (x 2 +y 2 )
d) x-y+z sujeto ax +y +z =l.
6. Encontrar las funciones de demanda hicksiana y la funcin de gasto asociada a

cada una de las funciones de utilidad del ejercicio anterior.
g) x 2 + (y-1)' sujeto a 2x2 +y+4 =O.
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
d) U(x, y)= (x + y)'1.
e) x 2 y sujeto a 3x2 + 3y2 + 6y = 5.
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
geomtricamente. Mostrar que el teorema de Lagrange no se puede aplicar a este
caso. Por qu?

3. Encontrar los puntos que satisfacen las condiciones necesarias para la solucin del
problema:
tvfximo de axT + ~ xDxT sujeto a AxT = b
como una funcin de a, b, A y D. a y x son vectores 1 x n, bes un vector m x 1,

A y D son matrices m x n y n x n respectivamente.
4. El modelo
z = aQ1(L1,K1) + f!Q2(L2,K2) sujeto a L 1 + Lz
= 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
En la seccin anterior se encontraron las condiciones para solucionar problemas con

restricciones de igualdad. Ese tipo de restricciones para dos variables representa una
curva en el plano y para tres variables una superficie en el espacio. Una restriccin de
desigualdad en dos variables, g(x, y) ::; 01 representa una porcin del plano limitada
por la curva g(x, y) = O. Un punto para el que g(a, b) < O se llama interior a la
restriccin y si g(a, b) =O, el punto es frontera. De la misma forma 1 los puntos que
satisfacen la restriccin g(x, y) z) :::;o generan una porcin del espacio tridimensional
limitada por una superficie. El conjunto de puntos factibles est formado por los
puntos que satisfacen todas las restricciones, en este caso es la interseccin de las
regiones determinadas por cada una de las restricciones. Cuando un punto factible
satisface la igualdad en una restrccin, se dice que la restriccin est activa; en caso
contrario, la restriccin est inactiva.
El hecho de que una restriccin est o no activa en la solucin de un problema
juega un papel importante, si por ejemplo se est solucionando un problema de maximizacin del beneficio de una empresa que tiene restricciones de mano de obra, espacio
de bodega disponible y maquinaria y en la solucin la nica restriccin activa es la
de bodega, entonces eso indica que la manera de mejorar los beneficios de la empresa
es ampliando la bodega. Si en la solucin hay dos restricciones activas, por ejemplo,
el espacio para almacenamiento y la mano de obra, para mejorar el valor objetivo es
necesario relajar las restricciones activas 1 esto es, ampliando la bodega y aumentando
la mano de obra. Si para el caso la solucin es interior (ninguna restriccin est activa)1 es posible reducir las restricciones y seguir manteniendo el valor de la funcin
objetivo. El comportamiento de las soluciones se enmarca en el llamado anlisis de
sensibilidad donde se determinan las variables y variaciones que afectan las soluciones de un problema de optimizacin; para hacer este tipo de anlisis existen una
gran cantidad de herramientas computacionales, tal vez la ms accesible es Solver de
Excel, en la cual es posible solucionar problemas de optimizacin restringida y hacer
el anlisis de sensibilidad con base en la solucin all encontrada.
En la solucin de problemas restringidos basta considerar slo uno de los tipos de
problema, ya sea el de maximizacin o el de minimizacin, pues
Mnimo de
= -Mximo de ( - f).
Por esta razn aqu solamente se examinan problemas de maximizacin. Adems de

los resultados que dan los teoremas, el comportamiento de la funcin objetivo y las
restricciones ayudan en la solucin de este tipo de problemas. As por ejemplo, una

funcin objetivo convexa con un punto crtico interior y un conjunto factible convexo
tiene mnimo en el punto y mximo en la frontera.
~Algunos problemas en dos variables se pueden solucionar grficamente; para esto
se localiza la regin definida por 13.s restricciones (conjunto de puntos factibles). Para
determinar los puntos _donde la funcin objetivo alcanza sus ptimos se examina
el comportamiento de su gradiente. Si el gradiente es cero en puntos interiores, el
comportamiento de su hessiana determina el comportamiento de la funcin objetivo
en ellos. Si el gradiente no es cero en los puntos interiores, su direccin indica hacia
dnde moverse para alcanzar los ptimos (que se alcanzarn en puntos frontera). El
mximo se encuentra en el punto del conjunto de puntos factibles ms alejado del
origen siguiendo la direccin del gradiente, y el mnimo en el punto ms alejado en
contra de la misma direccin.
.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,)
L .k9k (x,Xz, ...xn)
= f (x 1 ,x,, ... xn)
k=l
resume el resultado del teorema en la forma:

Ejemplo
&f, (a)= O paraj = 1,2, ... ,n

axj
Para encontrar los ptimos de
f(x,y) = x+y sujeto ax 2 +y2
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,
Si las restriciones del problema son no negativas (de forma 2: O) el lagrangiano es

m
,(x,.) = f(X,Xz, ... xn)
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
Teorema 6.4. (Karush-Kuhn-Tucker) Sean
An {x 19k(x) SO para k = 1,2, ... ,m},

:i;J
tiene rango #(I). Entonces existen reales 1 , 2, ... , m tales que

n
\!f(a) = I;;lg;(a)
i::::::l
k::::::l
y las condiciones de holgura complementaria se transforman en
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 ~ {li 2,, .. 1 m} es el conjunto de las restricciones activas en a y la matriz(?-)
+ I;.kgk(x,Xz, ... xn)
#(I)xn
Mnimo de f(x, y)= x 2 + y2

sujeto a (y
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
Si 1 > O, 2 > O y , = O; y = x 2 + 10, x = 2. De donde y = 14 y la

segunda ecuacin se reduce a 3 = 2y = 28 en contra de 3 = O.
la forma equivalente x - 2 2: O (el teorema solamente aplica para este tipo de

desigualdades).
Si 1 > O, 2 > O y s > O; y

cualquier y.
-Mximo de - f(x, y)= -x2 - y2

3
sujeto a- (y - x 2 -10) 2: O, x -
2 2: Oy y 2: O.
[. (x,y, 1,,,,) = -x2 - y2 - (y - x 2
-10) 3 + , (x- 2) +,y
.y
= -2y -
3 1 (y - x 2
Imposible para
2. Encontrar el costo mnimo de producir q unidades usando como insumos capital

K y trabajo L mediante una funcin de produccin Leontief, es decir, encontrar:
tiene como derivadas parciales:
-2x + 6x (y- x 2
= x 2 + 10, x = 2, y = O.
Por lo tanto, la solucin del problema es: x = 2, y = O, = O, , = 4 y , = O,

resultado de la primera combinacin examinada anteriormente.
El lagrangiano para este problema,
.x =
141
-10) + ,,
10) 2 + ,
L 2 = x-2
.,
= - (y - x 2 - 10) 3
L,s =y.
Las condiciones de primer orden producen el sistema de ecuaciones
Mnimo de C(K,L) = rK +wL

sujeto a mn{ aK, bL} = q.
El problema se lleva a la forma:
-Mximode -C(K,L)=-rK-wL
sujeto a aK 2: q,
-2x+6x 1 (y-x 2 -10) +,=O

2
-2y- 3 1 (y- x 2 -10) + 3 =O
3
(y-x 2 -10) =O
,(x-2) =0
,y=O
bL 2: q,
K 2: O,
L 2: O.
Su lagrangiano es:
wL + (aK - q) + ,(bL-q)
= -rK -
+ ,K + 4L.
Sus derivadas parciales son:
Las ltimas tres ecuaciones equivalen a 1 = O o y =

+ 10, 2 = O o x = 21
y 3 = O o y = O. Para encontrar la solucin se deben analizar 8 combinaciones:
1 = O, > O ; y 2 = O, 2 > O, y 3 O, s > O, que se pueden visualizar en
x2
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
De las cuales si 1 = 2 = Oi la primera ecuacin se reduce a x = O, pero sta

no satisface la primera restriccin. Por lo tanto 1 se desechan las dos primeras
combinaciones de la tabla. Las seis combinaciones restantes son:
> O y 3 = O; x = 2. Reemplazando en la segunda ecuacin

-2y =O, de donde y= O, y de la primera ecuacin 2 = 2x = 4
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*,
Si 1 > O, 2 = O y 3 = O; y = x 2 + 10. Reemplazando en la primera

ecuacin x =O que no es factible (no satisface la segunda restriccin).
Si i = O, 2 > Oy 3 > O; x = 21 y = O. La primera ecuacin se reduce a
2 = 2x = 4 y la segunda a 2 = 2y = O, contrario al hecho que 3 > O. Por
lo tanto, esta combinacin no genera solucin.
Si i > O, 2 = O y 3 > O; y = x 2 + 10 y y = O que es imposible para
cualquier y.
c -
C'(r 1 w ~-a
q) - r-q
+ w-qb = q (r-a+b-w)
Esta funcin es lineal en los precios de los insumos.
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,L,.i, .,,.,) = -(rK + wL) + . 1 (aK + bL - q) + . 2K + .3L
Si 1 = O y 2 > O y 3 > O; K = L = O, que no satisface la restriccin de

produccin.
Si 1 > O, 2 = O y s > O; 1 = ~ en la primera condicin, s = w - b~
en la segunda, L * = O en la ltima y K* = ~ en la tercera. Para que esta
combinacin sea solucin es necesario que w - b~ > O (los multiplicadores
son no negativos) o 1 > ~; esto indica que la pendiente del isocosto es mayor
que la pendiente de la isocuanta.
El costo ptimo es
r
sus derivadas son
&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,
La solucin del problema satisface las condiciones:

-r + a1
+ /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.
> O; K = L = O, que no satisface la condicin
En resumen las demandas condicionadas del productor son:

E
K* = K*(r,w,q) =
ayuda a determinar la solucin.

1 y 2 no pueden ser simultneamente cero porque al reemplazar en la primera
ecuacin del sistema., el nico valor de r que la soluciona es r = Oy r es exgeno
al problema con valor, en general, no nulo. De la misma forma 1 y 3 no pueden
ser nulos a la vez porque la segunda ecuacin slo se satisface si w = O y w es
exgeno y distinto de cero; esto elimina las posibilidades 1, 2 y 3 de la tabla.
a
Si 1 > O, 2 = O y 3 = O; 1 = ~ en la primera ecuacin, 1 = ~ en la

segunda y aK +bL = q en la tercera. Esta combinacin es solucih solamente
cuando ~ = ~. Si se cumple esta relacin, la funcin de costo es
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) =
=
(aK' +bL') = (aw +bq-:K')

~(aK'+q-aK')=q~
b
b
[,;J,
si~=
~.
si*>~
O,
si![<;
=E:..
b , si~=?;
L*=L*(r,w,q)=
~,
si~>~
b'
si~<;
y los valores para el costo ptimo se resumen en
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
Este problema se replantea en la forma:

:h1inimizar PxX + PyY sujeto a ax ::;: u,
by
S: u, x 2: 01 Y 2: O
144
145
su lagrangiano es
su lagrangiano es
L,(x, y, 1 , ,,s,4) = -pxx - PyY +(u - ax)+ 2(u - by)+ ,x
+ 4 y.
L,(K,L,T,1,z) = -rK -wL- sT + 1 (AK(aL)P -q)
+ z (AK(bT)P - q).
Las condicones de primer orden son las soluciones del sistema:
-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,
Las condicones necesaras son
LK = -r + 10tAK- 1(aL/ + z0tAK 0 - 1(bT/ =O
LL = -w + 1a(JAK(aL)P-l =O
Ly = -s + 2b(JAK(bT)P-l =O
2:
y 2: O
/13
y las condiciones de holgura complementara son
En este sistema 3 y 4 son distintos de cero ya que si alguno es cero -Px -a 1 =O

-py - b 2 = O, que es imposible porque los precios, los coeficientes a y b y los
multiplicadores son no negativos. De las ltimas condiciones 1 x = y = O, que no
es una solucin factible cuando u > O por lo tanto el teorema de Karush-KuhnTucker no produce solucin en este caso.
(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
5. Para encontrar los costos asociados a la funcn de produccin

Q(K,L,T)
-r + 10tAK 0 - 1(aL)P + z0tAK 0 - 1 (bT)fi =O

-w + a(JAK(aL)P- 1 =O
-s + ,b(JAK(bT)P-l =O
AK(aL)P - q =O
AK(bT)P - q =O
AK (mn{aL,bT})P
se debe solucionar el problema

Minimizar rK + wL + sT sujeto a AK (rrn{aL,bT}l
= q.
Para aplicar el teorema la restriccin del problema se transforma sucesivamente

en
(mn{aL,bT})P = Aq
K
al elevar a potencia
b,
mn{aL,bT} =
'
C~ 0 )'
esta equivale al par de desigualdades
(-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
(aL)fi > _q_

- AK
AK(aL)P 2: q
(bT)~
- AK0
transponiendo
de donde aL = bT. El cociente de la segunda y tercera da

1 a(aL)P- 1
AK(bT)P 2: q.
Por lo que el problema a resolver es
zb(bT)~- 1
w
s
usando la relacin anterior
-Maximizar -rK -wL - sT

sujeto a AK(aL)fi 2: q,
(bT)~
> _q_
AK(bT)P 2: q
lnv
(~bTL)P-1 --1-~
as
1
o 1 as
= 2 bw. Despejando en la ltima ecuacin

= (aL)fi = Ai
(bT)fi
que equivale a
bT = aL=
(-q
)".'
AK
0
En la tercera
H
s
b/3AK0 (bT)fi- 1
s
(AK)-,bj3AK0 -q-
= b/3 (AK) ) q'Y
y de forma anloga, usando la segunda ecuain)

1 =
aj3(AK0
1.
f;J
)'
q-,-
Al reemplaza lo anterior en la primera ecuacin
r = 1aAK- 1 (aL)fi
= (,
+ 2 aAK"- 1 (bT)P
+ z)aAK"- 1 (aL)fi
= c/3(AK:)t
q'Y + b/3(AK:)t q'-.'-) aAK-' Ai
(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
a) Mximo de -x 2 -y2 + 2xy + 10 sujeto a x 2 + y2
b r/3 A
despejando K
K' =
'
La funcin de costo es
=rK'+w~ (A(I'))t +s~ (A(I'))t

= (K')->
=
+~
(1) t + ~ (1) )
[r (~ +i) ~ (1) ) +~ (1) t +~ (1) \l
(1), (K'J- [(~+i)~+~+L]
d) Mnimo de x 2 - y sujeto a (y - x 2 - 10) 3 :S O, x 2: O, y 2: O.

e) Mnimo de x+y+z sujeto a x 2 -y2 =1, 2x+z
!) Mnimo de x + z sujeto a
= C* (r,w,s,q) = rK* +wL* + sT*
= (K')-> [r(K')o/
9, x +y S l.
e) Mximo de -x 2 - 3y 2 + 3xy + x +y sujeto a 2x +y :S 2,

-x +y+ 1 :S 0, x 2: 0, y 2: 0.
[(~ +i) r~]~ (1)"+fi.
Puesto que L, T, y z estn en funcin de K basta reemplazar en la ecuacin

correspondiente para encontrar sus valores.
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
h) ptimos de xy+z sujeto a 7x+2y 214, 2x+7y 214,

x+y+z :S 12.
i) ptimos de xy + x +y sujeto a 2x + 3y :S 12, 3x + 2y 2: 6 y x - y :S 6.

j) ptimos de x 2 + y2 sujeto a xy :S 1, x +y :S 4.
k) ptimos de xy2 sujeto a x 2
+y +w
2
:S 16, y2
+4z +9w
2
:S 36.
l) ptimos de xy sujeto a y :S 4 - x', x 2: O, y 2: O.

2, Resolver los problemas del ejercicio anterior usando la herramienta Solver de
EXCEL, y comparar con las soluciones encontradas manualmente.
CAPTULO 6.
148
6.3. RELACIN ENTRE LAS FUNCIONES DEL CONSUMIDOR
3. Minimizar el costo de producir q unidades usando como insumos capital Ki

trabajo L y tecnologa T mediante la funcin de produccin
Q(K, L,T)
149
U(x,y)=u
= mn{aK,ALT~}
es decir, solucionar el problema

Minimizar C(K,L,T)
= rK +wL+ sT sujeta a
mn{aK,ALT~}
---
= q.
---=--==========~~~==
4. 1'1inimizar el costo de producir q unidades usando como insumos capital K,
trabajo L y tecnologa T mediante la funcin de produccin

Q(K,L,T) = mn{aK,(aLP + bTP)'i}
Px x+py;:::;m_
Figura 6.4: Si la solucin de uno de los problemas (1) y (2) se

toma como restriccin del otro) las soluciones coinciden.
es decir, solucionar el problema

Minimizar C(K,L, T) = rK +wL + sT
sujeta a mn{aK,(aLP+bTP)'i} =q.
5. Combinar los teoremas de Lagrange y Karush-Kuhn-Tucker para solucionar los
problemas:
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.
Relacin entre las funciones del consumidor
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)
Minimizar p,x + PvY sujeto a U(x, y)= u.
(2)
y el valor ptimo es V (px,Py) m); si el ltimo valor se usa en la restriccin de (2)i

ste se transforma en
Minimizar PxX + PvY sujeto a U(x, y)= V (p,,pY> m).

Los valores de las variables de la solucin son:
y el valor ptimo es
e (p,,pY> V (p,,pY> m)).

Puesto que las soluciones por ambos caminos deben ser las mismas) se deben cumplir
las siguientes igualdades:
= xM (p,,py. m)
yh (p,, Py. V (p,, Py. m)) = YM (p,, Py. m)
xh
(p,,pY> V (p,,py, m))
e bx.Py. V (p,,pY> m)) = m.

De la misma forma 1 si se soluciona (2) los valores de las variables son: xh (PxiPy) u) y
e (pxiPy 1 u). Usando este valor
en la restriccin de (l)j ste se transforma en
yh (px,Pyi u) y el valor ptimo es la funcin de gasto
Maximizar U(x,y) sujeto a PxX + PyY =e (pz,py, u)

el valor de las variables en la solucin son:
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)
y el valor objetivo ptimo es
150
CAPTULO 6.
OPTIMIZACJUN Kl>0'lli11"..i1111l.
151
Nuevamente las soluciones deben ser iguales, por lo tanto,
donde a es un vector de parmetros y x es el vector de variables de decisin, entonces
xM (p.,py, e (px,Py, u))= x' (px,P,J, u)
~~~ :~ l(x;,x, ,x~;a;,a,,
YM (px,py, e (p.,py, u)) = Yh (px,Py, u)
V (px,Py. e (px,Py, u))= u.
Demost~acin. La prueba requiere la regla de la cadena y las condiciones de primer
orden. Si el vector x'(a) =(xi(a), x;(a), ... , x~(a)) soluciona el problema,
Estas igualdades permiten conocer el gasto a partir de la utilda.d indirecta y las

demandas hicksianas a partir de las demandas marshallianas o, en forma recproca,
conocer la demanda indirecta a partir del gasto y las demandas marshallianas a partir
de las hicksianas. La interrelacin entre todas estas funciones, as como las encOntradas
en la teora del productor, son parte del tema de la siguiente seccin.
6.4.
.am).
Mximo de f(x,a) sujeto ag(x,a) =O

en particular satisface la restriccin
g(x'(a),a) =O
Teorema de la envolvente
derivando parcialmente esta igualdad con respecto a
El resultado ms importante del anlisis de sensibilidad es el teorema de la envol~

vente, que determina cmo encontrar los cambios del valor ptimo de una funcin
cuando alguno de los parmetros involucrados en el problema varan. En el caso de
un problema con restricciones de igualdad 1 el cual se soluciona con la ayuda de la
funcin lagrangiana1 el teorema garantiza que este cambio es igual a la derivada de la
lagrangiana con respecto a ese parmetro.
Al solucionar un problema de la forma:
aki
Por otra parte, usando la regla de la cadena para derivar la ecuacin
r(a) = f(x;(a),x;(a), .. ,x~(a))
Mximo de /(x1, x2 1... , Xnia, a2, ... 1am)
con respecto a ak,
sujeto a g(x1,X2, ... ,xn; a1, a2, ... ,am) =O
&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)
multplicando (1) por.\ y sumando a (2) se tiene,
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.
Puesto que el punto ptimo satisface las condiciones de primer orden,
Teorema 6.5. (Envolvente) Sea
para cada i = 1, 2, ... , n.
f'(a) = f(xj( a),x2( a), ... , x~( a); ai, a2, ... , am)
x; +A9x; =O
ar
-&a = a,
k
el valor de la funcin objetivo para el problema
Mximo de f(x., a)= f(x1,X2, ... , Xn; a1 1 a2, ... ,am)

sujeta a g(x, a) = 9(x1, xz, ... ,xn;a, a2, ... , am) =O
+ 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
6.4. TEOREMA DE LA ENVOLVENTE
153
En particular
Ejemplos
1. :tviinimizar los costos de un productor sujetos a su restriccin de produccin 1
C*(r1,W1 1 q) ::S r1K3 +w1L3

C*(r2,w2,q) ::S r2K3 +w2L3
Mnimo de C(x) = LPiXi sujeto a Q(x) = q.

i=l
La solucin a este problema da las cantidades ptimas de factores que el productor

debe usar como funciones de los precios de los insumos y la cantidad a producir
(funciones de demanda condicionada de factores),
xk = xk(p, q) = xk(p,pz, ... ,pn q) para k

1
multiplicando la primera de estas desigualdades por A, la segunda por {!

sumando
>.)
>.C'(r, w,q) + {1- >.)C'(r2, w2, q)

:::; [(>.r1 + {1- >.)r2JK3 + [>.w1 + {1- >.)w2]L3
= C'(>.r1 + {1- >.)r2, >.w1 + (1- >.)w2,q).
= 1 2) ... , n
1
y el costo mnimo,
e= C'(p,q) = C(x;(p,q),x;(p,q), ... ,x~(p,q)).
Por otra parte, puesto que el ptimo satisface las condiciones de primer orden)
El teorema de la envolvente aplicado al lagrangiano

n
C(x, >.) = LPiXi + >.(q - Q(x))
multiplicando la ecuacin anterior por x{
=l
8
8 X
"x
' Q()
. 12
xip=A
- p,q parai=
, , ... ,n
al derivar con respecto al precio del i-simo insumo,
8C'(p, q)
8p
= ;. 88XQ (p,q) parai = 1,2, ... ,n
sumando entre 1 y n)
x;(p, q)
conocido como el lema de Shephard. Y al derivar con respecto a la cantidad,
8C'(p,q) =>-'(
8q
p,q
Si la funcin Q tiene rendimientos constantes, por el teorema de Euler, la ecuacin

anterior se convierte en
C'(p,q) = >.'(p,q). q
Reemplazando estas expresiones en C*,
'( ) ~ 8C'(p,
q)
e'( p,q ) = ~
L,PiXi p,q =Pi
f) .
i=l
i=l
en este caso se tiene que
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
donde P es el precio del producto, Q la funcin de produccin y Pk es el costo del

k-simo insumo de produccin. La solucin proporciona las cantidades de insumos
J-1l'(P1, r, w1) + (1 - J-)11' (P,, r 2 , w 2 )
que el productor debe usar (funciones de demanda de factores),
Xk
= Xk(P, p)' = Xk(P,p1,P21 ... ,Pn) para k = 11 2) ..
155
2 [>-P1 + (l - J-)P2] Q ( R,,Z,)
- [C>-r1 + (1 -
y la cantidad que debe ofrecer (funcin de oferta del productor) 1
>-h)K, +
(J-w 1 + (1 - !-)w2)L3]
= 11' (AP + (1 - >-)P2, AT + (1-
i-)r,, AW1 + (1- ,\)w2).
Q(P, p) = Q(x1(P, p),x2(P,p), ... 'Xn(P,p))

Lo que prueba que la funcin de beneficio es convexa en precios.
en funcin del precio de venta y los costos de los insumos.

3. Maximizar la utilidad del consumidor sujeto a una restriccin presupuesta!,
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),
"
Maximizar U(x) sujeto a LPiX = m
oll'(P,p) ___ (P )
aPi
Xi
i=l
,p.
donde Pk es el precio del k-simo bien de consumo Xk y m es la cantidad de

dinero disponible. La solucin da las cantidades de bienes ptimas de consumo
como funciones de los precios y la cantidad de dinero disponible (funciones de
demanda marshallianas),
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)
_.,
El teorema de la envolvente aplicado al lagrangiano
L'.(x,J-) = U(x)
+ !- ( m-
t,px)
al derivar con respecto a los precios de los bienes de consumo, produce:
2 P1Q(K,L)-(rK +w1L),
ll'(P,, r2, w2) = P2 Q ( R,, L2) - (r2K2 + w2L2)
xf:l (p 1 ,p2 , ... ,pn, m) para k = 1, 2,
V= V(p,m) = U(xf'(p,m),xf(p,m), .. ,x~I(p,m)).
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) =
y la utilidad mxima (funcin de utilidad indirecta),
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
ll'(P,,r1,w1) 2 P1 Q (R,,Z,)- (r1R, +w1Z,)

ll'(P,, r2, w,) 2 P2Q ( R,, Ls) - (r2Ks + w2Ls)
/JV = !-.
om
De estas ecuaciones se concluye que la funcin de utilidad indirecta es.,ci<oiertte<

en el ingreso y decreciente en los precios de los bienes de comumo~_
Si se hace el cociente de las igualdades anteriores se llega a la identidad
multiplicando la primera de estas desigualdades por)., la segunda por (1 '--A) Y

sumando
de Roy1
CAPTULO 6. OPTIIYIIZACIN RESTRINGIDA
156
Al reemplazar las derivadas parciales de V para aplicar el teorema de Euler y

usar la restriccin del problema,
157
con a, b1 p y u positivos. Usando las igualdades de la seccin anterior,
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
A,= {(x,y) 1 p;x + p;y :S m}
A1 = {(x,y) 1 p;x +p;y :S m},
Aplicando el lema de Shephard:
A,= {(x,y) 1 (>.p; + (1->.)p;] x + [>.p;
+ (1->.)p;J y :S m}.
A1 U A2 ya que si (x, y) es elemento de A3 pero no es elemento de A1

+ p;y > m y p;x + p~y > m. lVIultiplicando la primera de estas
desigualdades por A, la segunda por (1 - >.) y sumando, [>.p; + (1 - >.)p;;] x +
[>.p; + (1 - >.)p;] y> m en contra de (x, y) E A3 .
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.
Para encontrar la funcin de utilidad, en este sistema de ecuaciones se despeja u

en trminos de xh, yh y zh sin que aparezca ningn precio. Haciendo el cociente
entre xh y zh,
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 - >.)p;, >,p~ + (1 - >.)p;, m) :S k.

En el cociente entre yh y zh se reemplaza esta ltima relacin
Lo que prueba el resultado.

Para mostrar que la funcn es cncava se usan los conjuntos
B1 = {(x,y) 1 Pxx + PyY :S m1},

y
B, = {(x,y) 1 PxX + PyY :S >.m1

un proceso similar prueba que B1 U B2
+ (1->.)m2)
Bs y que la funcin es cncava en m.
4. Si la funcin de utilidad indirecta por el consumo de tres bienes a precios Px, Py

y Pz con un ingreso m es
y se despeja Pv
CAPTULO 6.
158
OPTIMIZACIN RESTIDNGIDA
Reemplazando Py y Pz en xh, sin tomar en cuenta las h por simplicidad,

ul/p {
x =a+ f3
+b [(
(f3x
ap~ azPx
b(a+/3)(az)P
Para las demandas condicionadas se usa el lema de Shephard:
>-
e; = qaro:-I (wP + sP)-;= K*(r) w, s,q)
e:=
+ 3P) l-~-<> pwp-1
(1- cx)qr' (wP

p
)+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)
e;= (1- a)qr' (wP + sP)!::;-e psp-1

p
= (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
+ sP) >-~- sP-l =
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)
' ' sP-1

(1- a)qr (wP + sP)-,-
(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
de gasto es una CES compuesta de una CD en precios, la funcin de utilidad tiene

la misma forma en cantidades.
Para encontrar las funciones de demanda marshallianas existen dos caminos: usar
las demandas hicksianas y las identidades de la seccin anterior o usar la identidad
de Roy.
5. Si el costo de producir q unidades cuando se usan insumos K, L y Ta precios r,

w y s respectivamente es
qa
['(r~J''c, +l)sT]o-1 [((i:.)

(1 - a)K
)P Pl ';'
+8
- ["((f);;'c, +1)T]o-1 [(i:.)':, l] ';

- qa
(1 - a)K
.T
=qa [ (1-a)K
Y se quieren encontrar las funciones de: demanda de factores, demanda condiciO"

nadas, produccin y beneficio.
]o-1 [(L) ,:, ]';+o-l

T
+l
CAPTULO 6.

a)
despejando q se encuentra la funcin de produccin
161
J; = a
b)f>=),'.
e) xo. 8;k.
+ fyo.i
Jc;
4. S
r(a, b) = mx{f(x, y)+ h(x, a) I g(x, y, b) =O}.

Probar:
a)
b)
; =
fb =
h0 (x',a).
),'g,(x',y',b).
8
8
c) hxa ( ,);) = ),' [9xb ( a~)
+ 9yb (';:)] + 9b (
t:)
5. Sea
A partr de esta se encuentra el beneficio y las demandas de factores.
f'(k) = mx{f(xi,Xz, ... , Xn) 1 g(x1,X2, ... ,xn) = k}.

Probar que si f y g son funciones homogneas del mismo grado) entonces f* (k)
es lineal en k, es decir, J*(k) = ak, donde a es una constante, y concluir que el
multiplicador de Lagrange para el problema es constante.
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
6. Encontrar las funciones de demandas condicionadas y los costos ptimos 1 si la

funcin de produccin es:
adecuada del teorema de la envolvente, hallar una aproximacin a la solucin

de cada uno de los siguientes problemas. Comparar esta aproximacin con la
solucin de cada variacin del problema; esta solucin se puede encontrar usando
el teorema de Lagrange, la herramienta Solver de Excel o cualquier otro programa
a) Q(K,L) = 2K +3L.
que solucione problemas de optimizacin no lineal:
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}.
7. Encontrar las funciones de demandas hicksianas y de gasto) si la funcin de utilidad es
c) Mnimo de 2xy2 sujeto a x + 2y = 2.
U(x,y) = ,/x3 +y3 .
d) Mnimo de xy2 sujeto a -x + 2y = 2.

2. Hacer lo mismo que el ejercicio anterior 1 esto es, encontrar la solucin de
ptimos de x-y+z sujeto ax 2 +y2 +z 2
= 4,
2x-3y +4z
=1
y a partir de sta aproximar las soluciones de:
a) ptimos de x+y+z sujeto a x 2 +y2 +z 2 = 4, 2x-3y+4z =l.

b) ptimos de x +y+ z sujeto a x 2 +y2 + z 2 = 3, 2x-3y+ 2z =l.
c) ptimos de x+y+z sujeto a x 2 +y2 + 2z2 = 4, 2x-3y+3z =-l.
d) ptimos de x+y+2z sujeto a x 2 +y 2 + 2z2 = 4, 2x-2y+4z =l.

3. Sea
r(a,k) = mx{f(x,y,a) 1 g(x,y) = k}

donde x y y son variables y a y k son parmetros. Probar:
Ayuda: los contornos superiores de esta funcin no son convexos.

8. Encontrar las funciones de demandas hicksianasi marshallianas, de gasto y utilidad indirecta, si la funcin de utilidad es:
a) U(x, y)= mn{ax +by, cy + dy}, con %> ;.

b) U(x,y) = aln{x- xo) + bln{y -yo), con x > xo y y> YO
c) U(x, y)= (x - a)(y -
bJ8 con x >a y
d) U(x,y,z)=A(mn{ax,by})zP.
e) U(x, y, z) =Ax+ (ayP + bzP) 1/P.
f) U(x, y, z) = [(mn{ax, by})'+ bzP]l/p.

g) U(x,y,z) = [Ax 0 y8 +bzo+PJ'.
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 )
6.5. ECUACION DE SLUTSKY
14. Sea
V(p,,p., m) =
163
bm+apx
bpy
+ k.
P'
lOOJ"W"
Encontrar, si existen:
P'(+')
=r;:;;s
e) II* (P, r, w, s) = pl-cx (r'
a) Las condiciones sobre los parmetros para que sta sea una funcin de utilidad indirecta genuina.
+ wf3 s'-13).
b) xM(Px:Py,m).
Donde P es el precio de venta y r, w y s son los precios de los insumos.
e) e(px,Py: u).
10. Encontrar las funciones de demanda compensada y la produccin asociadas con

cada una de las siguientes funciones de costo:
a) C'(r,w,q) = -.,lrwe'.
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-
f) C'(r, w,q) = q (arP + bwP) 1 /P_

11. Determinar, si es posible, la funcin de produccin asociada a
donde, r y w son los precios de los insumos K y L respectivamente.
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+~
b) e(px,Py.U) = umn{apx,bPy}c) e(px,Py:Pn u) = Aup~ (a{;+ bp~)~d) e(px,Py,Px, u)= u [apx
+ (bp~ + cp~)J.
e) e(px,Py1Pz, u) :; u (ap':~ + &r;) <T.

13. Para cada una de las siguientes funciones de utilidad indirecta
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
Encontrar: xM (px,py, m), e(px,Py, u) y U(x, y).
=m
(1)
La solucin de este problema proporciona las demandas marshallianas:
y la utilidad indirecta:
CAPTULO 6.
164
Si el precio del bien x cambia a p~ y el consumidor no quiere (o no puede) cambiar

su nivel de ingreso, deber solucionar el problema:
Maximizar U(x, y) sujeto a rlxx + PyY = m.
(2)
Esto le proporciona las nuevas funciones de demanda:

X
M' =X Jvl' (p;r.,py,m

'
)i
6.5.
ECUACIN DE SLUTSKY
165
sufre un cambio de pendiente esto se ve reflejado en un giro sobre su interseccin

con respecto al eje y. La nueva curva presupuestaria no es tangente a la curva de
indiferencia) por lo tanto, no determina un nuevo nvel de consumo ptimo y debe
ajustarse el nivel de gasto (ingreso) para hacer que vuelva a ser tangente a la curva
de indiferencia de la utilidad y de esta forma producir las nuevas demandas ptimas.
Para esto necesita resolver el problema
YM' -_ yM' (p'X' pYl m) .
Minimizar p~x + PyY sujeto a U(x, y)= V
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)
La solucin de este problema proporciona las de1nandas xh = xh(px,Py, V)~ yh =

yh(px,Py, V) y la cantidad de gasto (nuevo ingreso) necesario para conservar el viejo
nivel de utilidad V.
El gasto necesario para conservar el nivel de utilidad es el resultado de reemplazar
las cantidades demandadas en la funcin objetivo que da el nuevo valor del gasto
e= e(p,,p,, V) = p~xh(Px.Py, V)+ pyyh(p,,p., V).

El cambio en el ingreso y los cambios en las cantidades demandadas se determinan a
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:
V(px,Py, m) = V(p,,p., m) - >.M (px,Pyo m)xM (px,Py, m)(px - Px)

Para que no haya variaciones en la utilidad, el ltimo producto debe ser cero. Puesto
que hay cambio de preciosi el ltimo trmino es no nulo; el multiplicador y la demanda
en general son distintos de cero; el multiplicador porque representa la variacin de la
utilidad ante cambios en la capacidad adquisitiva {ingreso) y la demanda porque no
se est analizando un caso particular.
De la misma forma se determinan las variaciones en las cantda_des demandadas.
Usando diferenciales y el lema de Roy, la variacin en las cantdades del bien x es
a(&V
ar;; v)
Fr (p'
8px
Grficamente, al cambiar el precio la curva presupuestal cambia su pendiente girando

sobre el eje y puesto que se hizo una variacin del precio del bien x; si no se altera el
gasto) se debe mover la curva de utilidad hasta alcanzar la nueva curva presupuestaria
como en la figura 6.5. Si se quiere conservar el nivel de utilidad se debe mover la
curva presupuestaria (lnea punteada) hasta alcanzar la vieja curva de indiferencia de
la utilidad.
',
Px)
despejando
,'v['
(Px1Py1m)=x (px1Py.m)-
',
a(wav)
8pz 8m (p'
aPx
x-Px
Despus de desarrollar las derivadas segundas de la funcin de utilidad,

av a2 v
M''
X (p,,py,m =X (p,,py,J)-(px-Px)
av a2 v
',
',
Px x+pyy=m
x'"
~~
P'x x+pY'=m
Figura 6.5: Si el precio del bien x cambia de Px a p~, las cantidades

demandadas cambian de xlv1 , y1Vf a x!v', yM'.
8m~-8pz8p,,8m
av
8m
de forma anloga se encuentra la demanda de yM'.

En conclusin, s el consumidor no cambia su gasto 1 no slo se vern afectadas sus
demandas por cada uno de los bienes sino tambin la utilidad alcanzada.
Si el consumidor no quere cambiar su nivel de utilidad, dada por la solucin
del problema (1) ante un cambio de precio del bien x, la restriccin presupuestaria
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:
Minimizar PxX +PyY sujeto a U(x, y)= V.
(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
6.6. ALGUNAS FUNCIONES Y SUS DUALES
167
(4) se debe tener la misma condicin (moviendo la curva de indiferencia pr:su?,uestal )i
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
la ES mediante la aplicacin del lerna de Shephard (JU]) que la transforma en
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
derivando la primera de stas con respecto al precio Px se tiene,
Mnimo de f(x,a) sujeto a h,(x,a) =O 9k(x,a)::; O

donde i = 1, 2, ... , m, k = 1, 2, ... ,p; x representa las variables y a los parmetros.
En el caso de costo y produccin el problema es
n
Mnimo de C(x) =
LPiXi
sujeto a f(x) =y
i=l
Para determinar el comportamiento de

solucin del problema:
8e
8 p,
se aplica el teorema de la envolvente a la
Minimizar PxX + PvY sujeto a U(x) y) =u
El punto de equilibrio proporciona las cantidades ptimas de inswnos en funcin de

los parmetros (precios de los inswnos), xi = x (p,y) para i = 1,2, _.. , n, que al ser
reemplazados en la funcin objetivo determinan el costo ptimo
O"= O" (p,y) = C(x" (p,y))
esto produce
8px
ar:.
= xh = xM
8px
reemplazando en la ecuacin (*) se encuentra la ecuacin de Slutsky,

Oxh
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.
La ecuacin se compone del efecto sustitucin donde se mantiene un ingreso constante

cambiando el precio de Px y el efecto renta, en la cual el precio se mantiene constante
variando la renta.
las demandas por insumos:
Pk
Algunas funciones y sus duales
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.
l\1nimo de C(x) = LPiXi sujeto a y= a
(11_) Et~,"' rr" (Pi) Ek:; "' ,para k=

a
i=l
1, 2, 3, ... ,n
ai
y los costos:
C" = C(x" (p, y))= A (y
gpf') :;::,~, "'
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
deriva de la propia definicin. A partir de las funciones conocidas, es posible construir

fonnas funcionales que simulen una produccin que cambia la tecnologa al ingresar
un nuevo insU1110 al proceso productivo y de paso eliminan la doble diferenciabilidad.
Para esto, sean x y u vectores independientes de insumos y considrense los problemas:

n
Mnimo de
e, (x) = LPiXi
Mnimo de C2(u) =
=l
sujeto a f(x)
X
LPU;
6.6. ALGUNAS FUNCIONES Y SUS DUALES
los costos C1 y C2 . Por lo tanto, las demandas de factores encontrados para Ci y

CZ {conjuntan1ente), y C* son iguales. As, por el comportamiento de la funcin de
Leontief, C* es la suma de Ci y C2.
Aunque el resultado solamente es aplicable a los tipos de produccin con insumos
fuertemente separables, este tipo de funcin sirve de modelo para producciones en
las que la llegada de un nuevo insumo cambia el tipo de tecnologa; pata esto basta
adecuar las variables involucradas.
Si las funciones de produccin en el problema de encontrar C* son CD,
j=l
2: y
2:
sujeto a g(u)
X
2: y
2:
G'(x(p,y),u(p',y))=A (
sus lagrangianos son

n
L(x,>.)
= LP;X; +>.(y - f
(x)) y L,(u,.A) =
i=1
LPU; +(y- g(u))

j=l
respectivamente y las condiciones de primer orden:
Xk (Pk - Afk (x)) = 0,

.A(y-f(x))=O,
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
sujeto a mn {f(x),g(u)} =y,
2: O,
2: O
' { (yp(p')~) oiP ,
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
Ninimo de C(x, u)= L:PiXi
YITPf' ) rr:';o;
'"'' +B ( YIJ(p't' ~
y la ES entre insumos x o u depende de todos los precios, en contra del supuesto

implcito en la funcin sobre intensidad de uso de los factores. Este resultado que
generaliza el encontrado por Blackorby y Russell ([By R]) indica que la ES entre
factores x puede variar aun si los precios de los factores involucrados permanecen
constantes y solamente varan los precios de la otra familia. Puesto que la ES aun en
el caso anterior resulta simtrica, ya que la funcin C* es doblemente diferencia.ble.
Se examina una funcin definida a trozos 1 a partir de la CD; sta modela un cambio
estructural con los mismos insumos,
Por otra parte, para el problema
sujeto a f(x)
169
si
(*)(oW)-(+o) 2: (j)"W (f!? r-~'
si
(-l\)(o+P}-(+o) <:; (j)"+' (f!?
r-P<
es en general no diferenciable y su ES es no simtrica.

La solucin que proponen Blackorby y Russell ([B y R]) al comportamiento de la
ES es cambiar el concepto de elasticidad y usar el de Robinson-Morishima (ESM): el
cambio producido en la relacin de las cantidades de factores dividido por el cambio
producido en la tasa marginal de sustitucin1
que produce las condiciones de primer orden,
Xk (Pk -Afk (x)) =O,

u, (p~ - g,(u)) =O,
x 2: O, ,\ 2: O para k = 1, 2, ... , n
.A(y- f (x)) =O,

(y-g(u)) =O,
u 2: O, 2: O y r = 1, 2, ... , m.
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
Aplicando el lema de Shephard se tiene la expresin

M
aik
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.
Figura 6.6: El punto u y el conjuto A estn en lados opuestos del hiperplano H.
H es el contorno a nivel (a - u) a de la funcin
L(x) =(u- a)- x,

esto es,
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
Un resultado til en la prueba de algunos resultados en la teora econ1nica es el

teorema que garantiza que dos conjuntos convexos disyuntos se pueden separar por
un hiperplano. En R2 el teorema dice que los conjuntos se pueden separar por una
recta, en R.3 los conjuntos estn separados por un plano, para dimensiones mayores a
tres lo estn por hiperplanos.
El siguiente teorema prueba que se puede separar un punto de un conjunto convexo
y co1npacto.
Teorema 6.6. Sean A un subconjunto convexo y compacto de IR.n y u un punto en

el complemento de A {u ;f. A). Entonces existe un hiperplano que separa el punto u
del conjunto A.
Demostracin. Sea DA(x) =Jiu - xll Ia distancia de un punto x E A a u, como el

conjunto A es compacto el teorema de \i\Teierstrass garantiza que la funcin DA toma
su mnimo en algn punto de A. Sea
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}
Basta probar que u y los elementos de A estn en lados opuestos de H.

Como A es convexo y DA(a) = l!u-aJI::; DA(w) = llu-wl! para w E A, entonces
si z = >.w + (1- >.)a con O < >. < 1,
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(u- a) (w - a) - >.!lw - al! 2 SO

o en forma equivalente para O < >. < 1,
2(u - a) (w - a) - >-llw - ali'

= 2 [(u- a) w- (u- a) a] - >-l!w- al!'
= 2 [L(w) - L(a)] - >.Jlw - al! 2 SO.
Puesto que esta condicin se cumple para cualquier >.. suficientemente cerca a cero:
entonces
2[L(w)-L(a)] SO
simplificando y transponiendo,
L(w) S L(a).
Por otra parte como u ~ A y A es compacto,
O< llu- ali'= (u- a) (u- a)= (u-a) u- (u-a) a

= L(u) - L(a).
172
CAPTULO 6.
OPTIMIZACIN RESTPJNGIDA
Por lo tanto> de las desigualdades anteriores se tiene
L(w) :; L(a) < L(a).
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-
CAPTULO 7. DINMICA DISCRETA
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
aplican al comporta1niento de una variable de estado en el tiempo, t se considera como

la variable tiempo y
Xt
el valor de la variable de estado en el momento t. Se usa la
notacin {xt}w, o ms simplemente {xt}, para denotar los valores de la sucesin.
"'
2. Xt+z = Xt+i +xt, xo =X = 1, sucesin de Fibonacci; los trminos de la sucesin

son {l, 1, 2, 3, 5, 8, 13, ... }; para calcular un trmino se deben conocer los valores
de los dos inmediatamente anteriores (recurrencia de orden dos). De la inisma
forma se puede definir recurrencia de cualquier orden.
3.
Xzt =
txt + t + 1
+t
{ X2t+1 = tXt
con x1
= 1 (recurrenca de orden variable).
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-
sin que determina el capital acumulado en el periodo t es
0.8
0.6
C, = C,_, +rCt-1 = (1 +r)C,_,
0.4
0.2
5
10
15
El valor explcito de Ct es el capital alcanzado por la inversin despus de t

periodos.
20
Figura 7.1: Los primeros trminos de la sucesin {
+(~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.
100) 2 } es la versin discreta de la funcin continua
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
3. Para { x 1) = {l/t} los valores son { 1, .,/2, '713,
0.2
{14, ... }.
Los anteriores ejemplos muestran definiciones explcitas de sucesiones {si se conoce el

valor de tal reemplazar en la frmula se consigue el valor de Xt); pero fuera de stas
existen formas implcitas para definirlas, comnmente se denominan ecuaciones de
recurrencia o en diferencias; su forma general es
l. Xt+1=2xt+1, x 1 =l. Los trminos de la sucesin son {1,3,19, ... }, en esta

forma in1plcita para calcular Xt debemos de antemano conocer el valor de -xt-1
(recunencia de orden 1).
10
15
20
...
25
30
Figura 7.2: Grfico de una sucesin decreciente.
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
= (t+ 1)2 = t 2 +2t+1 > t = Xt
176
De otra forn1a 1 la derivada de la funcin f(x) = x 2 es f'(x) = 2x. Para x > O,

f'(x) >O y como x 1 = f(t), {x,) es una sucesin creciente.
Si al comparar tres trminos consecutivos de una sucesin, Xt) Xt+11 Xt+2, stos se
comportan de alguna de las siguientes formas:
> Xt+l
Xt+2
y Xt+l
< Xti
Xt+2
< Xt+l
y Xt+l
Si
lxt+r - x, para todo t
(la distancia entre dos trminos consecutivos permanece constante), la sucesin es
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.
5. En general la sucesin {rt} es: creciente) si r
> Xt para todo t
distancia entre sus trminos consecutivos:
lx1+2 -
177
Definicin 7.2. Una sucesin {xt} converge a L si y slo si
la sucesin es oscilante.
Existe un criterio de clasificacin de sucesiones oscilantes que tiene en cuenta la
lxt+2 - Xt+il =
7.1. SUCESIONES
xtl para todo t
(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
Xt < M para todo t
(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,
lx 1 -LI < '

Aqu se puede observar que todas las propiedades sobre lmites que se cumplen para
funciones, se cumplen para sucesiones y que, en particular, si una sucesin corresponde
a la versin discreta de una funcin continua de la que se conoce el lmite a infinito)
la sucesin converger a ese mismo lmite. Uno de los resultados ms importantes en
la teora de sucesiones es:
Teorema 7 .1. Una sucesin montona acotada es convergente.
Ejemplos
1. La sucesin {xt} = {rt} converge a cero si -1<r<1, y converge a 1 sir= l.

En cualquier otro caso la sucesin es divergente.
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
al restar esta ltima de (*) se tiene que
S,-rS, = (1-r)St = 1-r'+r.
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
},
representada en la figura 7.1, es oscilante amortiguada y acotada.
3. Para un mercado de un bien en el que las cantidades demandadas y ofrecidas

dependen del nivel de precios en cada periodo!
D, = D(y,) = a-bp,,
2. La sucesin {x,) = {(-1)'2'} es oscilante explosiva y no es aeotada.
3. La sucesin {x,) =
{(-1) 13-'}
es oscilante amortiguada y acotada.
4. La sucesin {xt) = { (-1)'} es oscilante regular y acotada.
O, = O (y,) = f3p, - a
y en el que el precio se ajusta en cada periodo de acuerdo con el exceso de demanda
en el periodo anterior,
Pt+r - Pt
= B[D, - O,] = 8 [a -
bp, - (f3p 1 - a)]
178
7.1. SUCESIONES
donde es un parmetro de ajuste. Si se quiere encontrar el comportamiento de

los precios en cada momento del tiempo 1 se debe encontrar Pt en forma explcita
en la siguiente ecuacin de recurrencia,
Pt+l
= Pt +e [a -
bp, - (f3Pt - a)]
"!
p, l
p,
= [1- &(b + f3))p, + B[a +aj
p, '
p, '
p,
en forma simplificada
Pt+1 = Apt + B
'
1 2 3 4 5 6
q, q4 G2
con A y B constantes adecuadas. Puesto que la recursin se satisface para los
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
Figura 7.3: Dinmica de la interaccin cantidades-precios, cuando el equilibrio es inestable.
A'p,_, +A3 B +A2 B+AB+B
= A'Pt-k + A'- 1 B + Ak- 2 B + + AB + B

si k
b) -1 < 1-0(b+ (3_) < O, los precios oscilan de forma amortiguada y convergen
= t en la ltima expresin y se usa la frmula del ejemplo 2 anterior para
hacia el precio de equilibrio.
B =f. 1, se obtiene
e) Si A = 1 - B(b + /3) = 1,
t-1
Pt = A'po +BAk =Po +Bt

k=O
que converge solamente cuando A = O, lo que equivale a que O= O. En este

caso los precios son constantes para todo t.
Reemplazando los valores
d) Si
A= 1-B(b+ /3)
B = B[a+a]
Po=--=p
1-A
se tiene
la sucesin es constante y por tanto converge.
&[a+a]
) B[a+a]
Pt =A Po- 1- [1-B(b+ /3)] + B(b+/3)
t (
e) Si 1 - B(b + /3) = -1, los precios oscilan en dos valores, Po y 2jj - Po
-A'(
_a+a) a+a
Po b+/3 + b+/3
J) Para los otros casos, 1- B(b + /3) < -1 o 1 - B(b
+ f3) > l; los precios

divergen en forma oscilante explosiva en el primer caso y creciente sin lmite
en el segundo.
=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.
4. Usando la deduccin anterior la solucin de la ecuacin lineal no homognea de

primer orden,
Xt+l = 2Xt
+ 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.
2. Encontrar una sucesin oscilante amortiguada que sea divergente.
7.2. ECUACIONES EN DIFERENCIAS
181
El orden de una ecuacin o un sistema es la mayor diferencia entre los subndices

de las variables de estado {k en el caso anterior). Si t no aparece como una variable en forma explcita, la ecuacin o el sistema es autnomo y dependiendo de los
coeficientes puede ser de coeficientes constantes o variables 1 y si hay trminos
independientes no es homogneo. La solucin de la ecuacin o el sistema de ecuaciones es una sucesin o sucesiones en forma explcita que satisfacen la ecuacin o
el sistema. La solucin de una ecuacn determina la trayectoria que sigue la variable de estado a partir de condiciones iniciales, esto es los valores de Xo En el
caso discreto la trayectoria es la sucesin formada por los valores de las variables de
estado 1 :
3. Toda sucesin oscilante explosiva es no acotada?

4. Clasificar las siguientes sucesiones:
a)
{3'sent}.
b)
{3'sen-ztir} .
e)
{e-'sen5t}.
en el caso continuo la trayectoria es la curva descrita por la funcin o funciones

solucin de la ecuacin o el sistema.
f)
{:~~:}-
Puesto que cualquier sistema se puede convertir en un sistema de primer orden

o en una ecuacin de orden igual nmero de ecuaciones del sistema lineal, con las
mismas caractersticas del sistema original en cuanto a homegeneidad, autonoma,
etc; en adelante solo se analizan sistemas de la forma:
5. Encontrar variables econmicas: autnomas, no autnomas) que haya pasado de

autno1nas a no autnomas y viceversa.
7.2.
En general, el estado de un sistema dinmico en un momento t depende de estados

anteriores: t - 11 t - 2, .. _; estos sistemas se modelan usando ecuaciones recurrentes
en las cuales se utiliza una 0 varias variables para describir el estado del sistema. Si
el sistema est regido por n variables en el momento t 1 se usa un vector Xt E Rn para
describir su estado en ese momento; por esta razn Xt se llama variable o variables
de estado dependiendo de si es una variable o un vector de variables. El modelo que
rige el estado de un sistema que depende de k periodos anteriores es una ecuacin de
la forma
G (t 1 xt+1, Xt, ... ,Xt-k+Ii a) =O
donde G es una funcin de varias variables y varios v-alores; esta expresin representa
un sistema de ecuaciones, tantas como el nmero de valores de la funcin G. Cuando
el sistema es cuadrado (n ecuaciones y n variables) y es posible despejar las variables
de estado en el ltimo periodo, el sistema tiene la forma
(Ji (t,x,,x,_,, ... ,x,_k+l)l
.
.
.
Xn,t+l
Xt+1 = 2xT + 11 es una ecuacin autnoma no lineal con coeficientes

constantes de cuarto orden.
Xt+4 -
2. Xt+2 = Xt+l + Xti es una ecuacin lineal homognea con coeficientes constantes
de segundo orden.
3.
txt + t + 1, es una ecuacin lineal no autnoma de segundo orden con

coeficientes variables.
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 =
F {t, Xt, a).
Ejemplos
Ecuaciones en diferencias
xl,t+ll
Xt+l =
...
fn
(t,Xt,Xt-1' .. ' ,Xt-k+l1a)
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
se encuentra hacendo un proceso inductivo hacia atrs
+ 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
7.2. J:XJUAUlUNl>:> l>N lJlFERENCIAS
Para convertir el sistema en una ecuacin se elimina una variable. Despejando en

la primera ecuacin
1
Yt = 4 (l-t-Xt+2 +3x;+ 1)
reemplazando en la segunda y simplificando
(3xl+3 - Xt+4-t+1) Xt+1+3xf+2 + 3xf 7.2.1.
6.
{ Yt+2 = xT+1
+ 5Yt-1
es un sistema no lineal, no autnomo, no homogneo de tercer orden.

3Xt+1 + 4yt
Xt+3 {
4Yt+2
+ t2 =
-Xt+i - 2t + 10 =O.
Equilibrio
est en equilibrio si y slo si

Xt+l
7.
Xt+3
Un sistema o ecuacin est en equilibrio cuando sus variables de estado no cambian de

valor a travs del tiempo) por esto el concepto de equilibrio no es aplicable a algunos
sistemas no autnomos, aquellos en los que la influencia explcitamente del tiempo no
permita que sus variables permanezcan estLicus. El vector de variables de estado Xt_
del sistema autnomo,
Xt+i = F (xt.a)
= Xt+1Yt + t 2
xr+2
183
+ 5Xt+1 + 2Yt+1+Yt-1+t+1 = 0
es un sistema lineal, no autnomo, no homogneo de cuarto orden.
Xt
para t = 0,1,2, ...
=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
3xr+1 + 4yt + t - 1 ::::: o
xt+2 -
+ Yt+l + Yt-l + 2 =O
{ Yt+2Xt+1
se hacen las sustituciones
Zt = Xt+i, Wt = Yt+l
1. Los puntos de equilibrio de la ecuacin
5xt+1=xi+6
equivale a
estn donde
Zt
Wt
Xt+l
= Xt =X. Al reemplazar X debe satisfacer la ecuacin
= 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
si se traslada un periodo. Reemplazando Vt =
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
es X = Oya que sta es la solucin de la ecuacin:
x = x+x == 2x.
y el sistema equivalente de primer orden es
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)
son las soluciones de la ecuacin,
Wt+l = Vt
Zt+l -
= kXt(l -
est o es, x- =
oy x- =
k-1
-;-
= kx(l -
x)
184
185
4. Los puntos de equilibrio (X, jj) del sisten1a
satisfacen las ecuaciones simultneas
x3 = 4x+y
{ y=x 2 -4
x(t
Eliminando f este sistema se reduce a la ecuacin
01
en forma equivalente1
Figura 7.4: Punto de equilibrio lyapunovmente estable.
,x3 -4X-X2 +4 = 0
que tiene como soluciones X = 11 X = 2 y X= -2 y los valores correspondientes

de j) son: -3, O y O. Por lo tanto, los puntos de equilibrio son (1, -3), (2, O) y
(-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
no tienen puntos de equilibrio.

Figura 7.5: Punto de equilibrio asintticamente estable.
Los puntos de equilibrio se clasifican en inestables, lyapunovmente estables,

asintticamente estables y exponencialmente estables.
Si el valor inicial de las variables de estado est en una vecindad del punto de equilibrio,
entonces los valores de la variable de estado convergern al punto de equilibrio. El
conjunto de valores iniciales x 0 para los cuales lmt->oo llxt - XI! = O, se conoce como
el dominio de estabilidad ( basin) de X y se denota
Definicin 7.3. El punto fijo X es lyapunovmente estable (o simplemente estable) si

y slo si para cada'> O, existe ii >O tal que si ll:ro - xll < ii, entonces llx, - xll <'
para t = 1)2) ....

Esto significa que si la variable de estado inicialmente est cerca del punto de equilibrio, a travs del tiempo la variable no se alejar1 esto es 1 los valores sucesivos de
la variable de estado seguirn cerca del equilibrio, aunque esa sucesin no converja al
punto de equilibrio.
Definicin 7 .4. El punto fijo X es asintticamente estable si y slo si es estable y
existe ii > O tal que si 11 Xo - xi! < ii, entonces
DE(x) = {xo ! Hoo

lm Jlx, - xi! =o}.
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
2. Si lal < 1, la sucesin {at} converge a cero y la solucin 1

Xt
= at (xo -
X)+ X
converge a X. Adems,
x(t)
llx, - xll :S lal' llxo - xll para t =
O, 1, 2, ...
por lo tanto se tiene estabilidad exponencial. Por otra parte, como
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
La estabilidad es un concepto que no solo es aplicable al comportamiento de los

puntos de equilibrio, esto es a sistemas o ecuaciones autnomos. Dado que en sistemas
no autnomos no existe concepto de equilibrio se ha generalizado el concepto de
estabilidad al comportamiento de la trayectoria solucin de la ecuacin o el sistema.
Puesto que la solucin de un sistema o ecuacin, Xt+l = F(t,xtta), depende de
las condiciones iniciales, xo, se usa la notacin rp(t,Xo) para la solucin, esta hace
explcita la dependencia de la trayectoria que siguen las variables de estado del valor
XQ. La estabilidad para soluciones puede clasificarse como en el caso de puntos de
equilibrio en lyapunov, asinttica y exponencialmente estable como tambin en local
y globalmente estable.
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
si a . li el punto de equilibrio es X = 1 ~ y si a = 1, no tiene punto de equilibrio.

En la seccin anterior se encontr que la solucin de la ecuacin es
17.5
15
12.S
Xt =
l. Si
a' (x 0 - x)
{ bt+xo
a = -1, como la sucesin { (-1
+ x,
si a 61
10
si a=l
)t} es oscilante regular la solucin
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
jjx, - xll = llxo - xll para t =
o, 1, 2, ...
En este caso X es un punto de equilibrio lyapunovmente estable.
Figura 7. 7: La solucin del sistema es lyapunov estable: si las condiciones

iniciales estn cerca, las soluciones estn cerca.
Esto significa que si las condiciones iniciales de las variables de estado estn cerca,
a travs del tiempo las variables no se alejarn, esto es, los valores sucesivos de las
variables de estado seguirn cerca.
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
lm ll'l'(t, :ro) - <p(t, "1))11 =O.

t->oo
7.2.3.
189
Ecuaciones de primer orden
Puesto que no existe un procedimiento general para encontrar la solucin de una

ecuacin de primer orden no lineal,
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
x, = f(x,_) = f(f(Xt-2)) = J(J(J(x,_,))) = = i'l(xo)

donde el parntesis cuadrado indica el nmero de veces que se compone
f.
Figura 7.8: La solucin del siste1na es asintticamente estable: variaciones

en el valor de la condicin inicial x{O) producen soluciones convergentes.
Si las condiciones iniciales para la variable de estado estn sufj_cientemente cerca,
entonces las trayectorias soluciones a partir de esos valores convei-gern. En este contexto tambin es posible hablar de domino de estabilidad as como de estabilidad
local y global.
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
Un sistema dinmico tiene una solucin lyapunovmente estable si las trayectorias

que parten cerca de ella no se alejan; la solucin es asintticamente estable si esas trayectorias se acercan, y es exponencialmente estable si se acercan en forma exponencial
(muy rpido). En otro caso la solucin es inestable.
Figura 7.9: Sistema inestable: leves variaciones en la condicin inicial

producen distorsiones en la solucin.
Xt+l =
f(xt)
Grficamente, a partir de un valor inicial xo se encuentra el valor de Xt para cualquier t.

Para esto se calculan todos los valores de la sucesin entre Oy t. X1 es el valor de f(xo)
que est en el cruce de la recta vertical que pasa por xo con la curva y= f(x), para
calcular x2 = f(x 1 ) se proyecta x 1 sobre el eje horizontali esto equivale a encontrar el
cruce de la recta horizontal que pasa por x 1 = f(xo) con la recta y= x. El valor de
x2 est en la interseccin de la recta vertical que pasa por x 1 con la curva y= f(x).
Iteraxido este proceso, para un valor inicial de Xo se encuentra el comportamiento
de la sucesin con respecto a los puntos de equilibrio; grficamente, estos puntos se
encuentran en la interseccin de la recta y= x con la curva y= f(x).
Para determinar el comportamiento de los puntos de equilibrio: se analiza la ecuacin con valores inciales tomados cerca de los puntos de equilibrio (como lo muestra
la figura 7.10). Los puntos de equilibrio pueden ser atractivos (asintticamente estables) o repulsivos. Un punto de equilibrio X es atractor si la sucesin converge a X
cuando el valor inicial est en una vecindad de X, xo E (X-1 X+) para algn > O.
Estos puntos son estables en el sentido que pequeas perturbaciones del sistema en
equilibrio lo conducen nuevamente al mis1no punto de equilibrio. En el caso que las
perturbaciones lo alejen del equilibrio, los puntos son repulsores o inestables.
CAPTULO 7. DINAMICA DISCRETA
190
Algunas sucesiones tienen, adems de los puntos de equilibrio, otros puntos de

inters. Un punto p es un punto peridico de orden k para la ecuacin Xt+ l =
f(xt), si k es el menor entero positivo para el que
p
191
Ejemplos
l. La sucesin definida por la ecuacin en recunencia de primer orden
= J(f(... (J(y)) ... )) = i'l(p)
Xt+i =
kx,(1- x,)
con k > 01 tiene sus puntos de equilibrio en las soluciones de la ecuacin
la sucesin retorna el valor p despus de k iteraciones.

El conjunto de los k puntos distintos {p, P1, ... , Pk-1}, tales que
x = f(x)
= kx(I - x)
que son x =O y x = (k-1)/k. Por otra parte, puesto que
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,
f'(x) = k(I - 2x),
2. Para
Xt+i
Por lo tanto, el comportamiento de la ecuacin Xt+l = f(xt) es aproximadamente

igual al de la ecuacin
x,+1 = f(X) + J'(x)(x, - x)
= f(xt) y /
= g(x,) =xi -
los puntos de equilbrio son los que satisfacen la ecuacin

x = g(x) = x 2
que son x = 3 y x = -2. Puesto que g'(x) = 2x, lg'(3)1 = 6 y 19'(-2)1 = 4,

entonces ambos son puntos de equilibrio repulsivos.
para la cual el comportamiento del punto de equilibrio est detenninado por f'(X).
Xt+l
J'((k -1)/k) = 2- k
entonces, dependiendo del valor de k, estos puntos sern atractores o repulsares.
f(x) "'f(x) + f'(x)(x - x).
Teorema 7.2. Si X es un punto de equilibrio para la ecuacin
/'(O)= k y
existe y es continua en X. Entonces
Los 2-ciclos estn formados por los puntos que satisfacen la ecuacin
1. Si O< f'(X) < 1 y xo est en una vecindad de X, la sucesin Xt es montona y

converge a X.
2. Si -1 < J'(X) <O y xo est en una vecindad de X, la sucesin

amortiguada y converge a X.
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
3. Si f' (X) > 1 y Xo =J. X est en una vecindad de X, la sucesin Xt diverge en

forma montona de X.
'(l+V21) g'(1-V2.l) 1+V211-V2.l
4- Si f'(X) <
-1 y xo =J. X est en una vecindad de X, la sucesin Xt diverge en

forma oscilante explosiva de X.
-f21';
--2-
--2-
= 4 - - 2 - - 2 - = -20
+fl, 1+fl} es atractivo
el 2-ciclo { 1
5. Si f'(X) = 1, f'(x) -1 cambia de positivo a negativo en X y x 0 est en una

vecindad a la derecha de X, la sucesin Xt converge en forma decreciente a X.
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
Si P,p,pz, ... ,Pk-1 forman un k-ciclo, ste es atractivo si
lf'(p)f'(y1)f'(y2 ... !'.Pk-1)1<1
Xt+1
= kx,(1- x,).
Encontrar:
a) Los 2-ciclos.
y es repulsivo si
lf'(y)f'(y1)f'(y2) J'(Pk-1)1 > !.
b) Los 3-ciclos y determinar si son atractivos o repulsivos.
<1
192
3. Para la ecuacin
Xt+l =
2xi + 1
encontrar y clasificar, si existen, los puntos de equilibrio y los ciclos de orden 2

y 3.
4. Encontrar los valores de e para los que la ecuacin

Xt+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.
b) Puntos de equilibrio estables.

e) 2-ciclos.
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.
6. Describir por medio de ecuaciones en recurencia el capital acumulado hasta

el mes t en una cuenta de ahorros que rinde r % mensual, si inicialmente se
invierten $v, cada mes se ahorra $e y semestralmente $b.
El sistema
7.2.4.
Ecuaciones en diferencias lineales de orden n con

coeficientes constantes
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
Ecuacin homognea de segundo orden con coeficientes

constantes
Xt+l
{ Yt+ 1
+ a12Yt
a21 Xt + a22Yt
= a11Xt
=
en forma matricial
Xt+1 =
Axt,
donde
Xt
= (::)
A=
y reemplazando en la segunda ecuacin,
Nlultiplicando por
llamada ecuacin caracterstica.

Se deja como ejercicio que el lector pruebe que la solucin de una ecuacin forma
un espacio vectorial (la dimensin de este espacio es igual al orden de la ecuacin);
a21
se reduce a una ecuacin despejando Yt en la primera ecuacin,
se asu1ne que la solucin es de la forma Xt = rt para algn r, ya que para sta

Xt+n = rt+n = rnxt (el valor en cualquier periodo es mltiplo de valor en el momento
t). El valor de r se determina reemplazando la solucin en la ecuacin,
esta ecuacin solamente se satisface si r es solucin de la ecuacin,
(11
a12,
y transponiendo trrrnos,
o lo que es lo mismo)
Xt+2
-Tr(A)xt+l +!Al x, =O
CAPITULO 7. DINAMICA DISCRETA
194
donde Tr(A) y jAj son respectivamente la traza y el determinante de la matriz A.

Esta ltima e.s un caso particular de la ecuacin en diferencias lineal con coeficientes
constantes de segundo orden,
7.2. 15<JUA<JlUN15!; 15N 1JlY15Hl5NC.:LAa
195
.J
donde p = a 2 + /3 2 es el mdulo y = arctan(J/a) es el argumento de la raz.

Usando el teorema de De Iv10ivre2, la solucin se convierte en
kiri + kzr~
= ki(a +i/3)' + k2 (a-i3)'
Xt =
= ki [p( cose+ i sen B)J' +Ir,
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&)]'
= k1 [p(cose + i sen 8)]' + k2 [p(cos(-8) + isen(-8))]'
> O las races son reales distintas y la solucin de la ecuacin es
p' [k1 (cos(tB) + i sen(tB)) + kz( cos(-t8) + i sen(-t8))]

p' [k1(cos(t8) + isen(tB)) + kz(cos(t8)-isen(t8))]
= p' [(k1 + kz) cos(t8) + i(k - kz) sen(t8)]
Como se mostr antes que k1 = k2) entonces k1 + k2 = 2Re( ki) y k1 - kz =

2iim(k1) por lo tanto k1 + kz y i(k 1 -k2) son dos constantes reales y la solucin
finalmente es
= p' [e cos(tO) + c2sen(t8)]
x,
donde C1 y c2 son nmeros reales que se determinan por las condiciones iniciales.
Ejercicios
2. Si
b2
= 4ac las races son iguales y la solucin es
l. Comprobar que la solucin para races reales iguales toma la fonna propuesta
en el texto.
2. Solucionar las siguientes ecuaciones en diferencias:

3. Si b2 -4ac < Olas races son complejas conjugadas, r 1 =
x,
f"2
= kir\ + kzr\ = k(a + i/3)' + kz(a -
= a+i/3, la solucin
i/3)'
Puesto que la solucin para cada t es real, en particular para t = O y t
=1
b) Xt+2
+ Xti X = Xo =
+ 5Xt+l + 6Xt = .
Xt+2
+Xt+l
d)
Xt+z
+ Xt+I + (1/4)x, =o,
a) Xt+2 = Xt+l
+xt
l.
=0, X1=1yXo=2.
X=
2 y Xo
= -1.
3. Probar que si (r1)t y (r2)t son soluciones de la ecuacin

despejando en la primera) k1 = x 0
= (xo -
k2 y reemplazando en la segunda)
k2)(a + iJ) + k2(a - iJ)
axt+2 + bxt+i
Entonces ki(r1)t
+ k2(r2)t
+ CXt = O.
es una solucin para cualquier valor de k1 y kz.
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 .
Llevando r1 = f2 = a + i/3 a forma polar

r1 = f2 =
o:.+if3 = p(cose + isenB)
t.
Comportamiento de la solucin
El anlisis de la estabilidad de los puntos de equilibrio de una ecuacin o un siste1na

se puede realizar sin encontrar la solucin, para esto se establece el comportamiento
de las races en funcin de los coeficientes o parmetros.
La ecuacin equivalente aJ sistema
Xt+1 = axt + byt
{ Yt+1 = CXt + d:yt
2(cose + isene)t =coste+ isent8.
196
197
es
Xt+2 -Tu(A)xt+l
+ IAlxt
=O
su polinomio caracterstico es
r 2 -Tu(A)r + IAI =O.
. .
Si las soluciones de la ecuacin caracterstica son r 1 y r2, entonces

(r - r 1)(r - rz) = r 2 - (r1
+ r2)r + r1r2
por lo tanto Tu(A)r = r + r2 y IAI = r,r,.

Puesto que las races son:
Figura 7.11: Trayectoria para un sistema en el que Tu(A) 2 > 4jAI,

1 +Tr(A) + IAI >O, 1-Tu(A) + IAI >O y -2 <Tu< 2: el punto
de equilibrio es globalmente exponencialmente estable.
l. Reales distintas cuando Tu(A) 2 > 4IAI. En este caso la solucin de la ecuacin es
(1- r 1)(1- r2)
=1 -
(r
(1 + r 1 )(1 + r;)
=1+
(r + r2) + r1r2
+ r2) + r1r2 =
.\
. . . . . . . . .L.
esta solucin es estable si y slo si las sucesiones ri y r~ son convergentes, para lo

cual se debe determinar si r 1 y r2 estn en el intervalo [-1 1 l]. Para esto basta con
determinar el signo de las expresiones
,. ....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''":~
_divergen a co y la ecuacin solo es estable cuando k1 = k2 = 01 esto es, en el

equlilibrio. el punto se conoce como nodo inestable.
)~,,..}......
b) l+Tu(A)+IAI >0, 1-Tr(A)+IAI >yTu(A) <-2siyslosir1 < -ly

r2 < -1. ri y ri son sucesiones oscilantes explosivas, por lo que la ecuacin
.. ,,,,,....... 1 .
es inestable y el punto de equilibrio es otra forma de nodo inestable.

c) 1 +Tr(A) + IAI >O, 1-1\(A) + IAI >O y -2 < Tu(A) < 2 si y slo si
-1 < r1 < 1 y -1 < r2 < l. ri y r son sucesiones convergentes, por lo tanto
la ecuacin es estable; puesto que la solucin involucra sucesiones de la forma
ci y la convergencia no depende de los valores de k1 y k 2 , se tiene que el
equilibrio es globalrnente exponencialmente estable y se conoce como nodo
estable.
....
..
Figura 7.13: Grfica de las soluciones de un sistema para el

queTr(A) 2 > 4IAI, l+Tr(A)+IAI > Oy 1-Tu(A)+IAI <O:
el punto de equilibrio es locahnente estable.
199
CAPITULO 7. lJlNAJVllGA VlbGKblA
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
es oscilante explosiva y r~ es convergente; la ecuacin slo es estable cuando

k1 = O. Otra variante de un punto de silla.
J) 1 + Tr(A) +!Al <O, 1-Tr(A) + b <O si y slo si r1 < -1 Y r2 > l. rl es
oscilante explosiva y r~ es creciente a oo; la ecuacin slo es estable cuando
k1 ;:;:: k 2 = O, esto es, en el equlilibrio. el punto de equilibrio es un nodo
inestable.
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.
2. Reales iguales, cuando Tr(A) 2 = 4IAI. Las ralees son

T1 =T2
Tr(A)
2
= - --
y la convergencia se desprende del valor de Tr(A). Si ITr(A)I < 2 la sclucin

converge y la ecuacin es globalmente exponencialmente estable (nodo estable)
sino es inestable (nodo inestable).

3. Complejas conjugadas, cuando Tr(A) 2 < 4IAI, por lo tanto
r1
:::::-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:
k1 p' sen(tO), k,p' cos(tO), kstp' sen(tO), k4 tp' cos(tB), ... ,

k2m-1 m-l p' sen(tB), k,mtm-l p' sen(tO).
y en forma polar r1 :::::- p(cos O+ i sen O) donde
p' = ,,z + (3 2 = r1i'1 = rr2 = IAI.

Para que la solucin converja, p debe ser menor que uno, esto es 1 IAI debe ser menor
que uno; en este caso nuevamente la ecuacin es globalmente exponencialmente
estable (espiral estable). Si p =O la ecuacin es lyapunovmente estable ya que
la solucin est en funcin de senos y cosenos y estas funciones estn acotadas por
1 (centro). Y si p >O el punto es inestable (espiral inestable).
7.2.7.
Ecuaciones homogneas de orden n
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.
Ecuaciones no homogneas con coeficientes constantes
La solucin de una ecuacin no homognea

CnXt+n
+ Cn-lXt+n-1 + ... + C1Xt+l + CoXt =
at
(1)
est formada por una solucin de la homognea asociada
+ Cn-1Xt+n-l +. + C1Xt+l + CoXt =

particular, es decir, Xt = xf + x~, donde x?
CnXt+n
y por una solucin

ecuacin anterior y
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
crt + c2trt + C3t 2rt + C4t 3rt
+ + Ck+itk+lrt
y nuevamente los e se determinan por reemplazo.
200
201

Para encontrar c1 y c2 se soluciona el sistema,
Ejemplos
1. Para encontrar la solucin de la ecuacin
Xt+2
-5Xt+l +
6Xt
= 1 = c,{2) 0 + c2(3) 0 +!O' - 2(0) - ~ + !(4) 0

1
1
1
2
X= 4 = c1{2) + c2(3) + !1 - 2(1) - ~ + !(4)
Xo
= t 2 + t + 3(4)',
con
Xo
= 1yX=4.
Inicialmente se soluciona la homognea asociada,
que equivale a
1 =c1 +c2- ~ +~ =c1 +c2+ ~

{ 4 = 2c1 +3c2 + ~ -2- ~ +6= 2c1 +3c2
Su. ecuacin caracterstica

2
r -5r+6=0
tiene como races r = 2 y r = 3, por lo que la solucin de la homognea es,
cuya solucin es c1 = ~ 1 c2 = - ~ y la solucin del problema, con condiciones

iniciales, es
Xt
X~ = C (2)' + C2(3)'.
Xt+z
xf = at2 + bt+ c+ d(4)'.

Para calcular los coeficientes se reemplaza en la ecuacin original,
-5xt+1 + 6x, = 2t + 4(2)',
con
xo
= 2y
X=
difiere de la del ejercicio anterior en la solucin particular, en esta tiene la forma
xf = at + b + c(2)' + dt(2)'
xl'+2 - 5xf+l + 6xf = t2 + t + 3{4)'
porque (2)t hace parte de la solucin de la homognea. Para calcular los coeficientes
se reemplaza en la ecuacin
lo que, sucesivamente, se convierte en

-
3),3,1,
53,
- -(3) + -t - 2t - - + -(4)
2
4
2
4 2
.
= -(2
2. La solucin de la ecuacin
La solucin particular es de la forma
xf+2
+ .
5xf+l + 6xf = a(t + 2) 2 + b(t + 2) + c + d(4)'+ 2

-5(a(t+1) 2 +b(t+1) +c+ d(4)'+ 1)
xf+ 2 -
+ 6 (at 2 + bt +c+ d(4)')
+ 6 (at + b + c(2)' + dt(2)')
= a(t 2 + 4t + 4) + b(t + 2) + c+ 16d(4)'

- 5 (a(t2 +2t+1) + b(t + 1) + c+ 4d(4)')
+ 6 (at 2 + bt+ e+ d(4)')

= (a-5a+6a)t 2 + (4a+b-10a-5b+ 6b)t
+ (4a+ 2b+c-5a-5b-5c+ 6c)
+ {16d - 20d + 6d)4'
= 2at2 + (-6a - 2b)t+ (-a -3b + 2c) + 2d(4)'
= 2at - 3a + 2b
=
de la ltima igualdad a= l, b
solucin es
c2
2d(2)'
2t + 4(2)'
= ~, d =
x,. = c1(2)' + c2 (3)' + t + 3-2 + c(2)' a- = -3 y
=t'+t+3(4)'.
5xf+i + 6xf = a(t + 2) + b + c(2)'+' + d(t + 2)(2)'+

- 5 (a(t + 1) + b + c(2)'+1+d(t+1)(2)'+1)
-2 y e puede tomar cualquier valor. La
3
2t{2)' = C>(2)' + c2 (3)' + t + - - 2t(2)'.
2
= ~ son la solucin del sistema
Al igualar coeficientes en la ltima ecuacin, 2a = 11 -6a-2b = 1, -a-3b+2c =O

y 2d = 3. De donde, a=!, b = -2, e=-~ y d =!,de donde
xl' = ~t'
2
2t-
~ + ~{4)'
4
resultante de reemplazar las condiciones iniciales en la solucin. Por lo tanto, la

solucin de la ecuacin es,
y
Xt
1
5 3
= C{2)' +c2(3)' + :{-2t- 4 + 2(4)'.
x, = -3(2)' +
~(3)' + t + ~ -
2t(2)'.
7.3. SISTEMAS LINEALES DE ECIJAClUNt;::; t;N V1~1"it1"1,c,rn0
2D2
3. Si el modelo de mercado las cantidades demandadas y ofrecidas dependen del nivel

y del incremento de los precios en el ltimo periodo 1
r1
2. Encontrar la solucin general de la ecuacin
Pt+i + [O(b - c - f3 + ') - l]p, + O(c- 'l)Pt-1 = B(a +a)
D, = D (p,,p,_i) =a - bp, + c (p, - Pt-i)

y describir las condiciones para que la solucin sea estable.
O,= O (p,,Pt-i) = f3Pt - a+ 'Y (p, - Pt-i) 3. Solucionar las siguientes ecuaciones en diferencias:
La ecuacin que rige los precios es
Pt+l - Pt =
+xt +t-3, X =Xo =l.

b) Xt+2+5xt+i +6x, = (-2)' +3'.
e) Xt+2 + Xt+l + Xt = t 2 + t + 1, X1 = 1 y
a) Xt+2 =Xt+l
e[D, - o,]
= O{a-bp, +c(Pt -Pt-i)- [f3Pt -a+7(p, -Pt-ilJl

(}es un parinetro de ajuste. Despus de transponer trminos la ecuacin anterior
equivale a
Pt+i + [O(b- c+f3+7)-l]Pt +O(c-'Y)Pt-i
= 8(a+ a)
d) Xt+Z
+ Xt+i + (1/4)x, = t(l/2)'' Xi = 2 y
Xo
2.
= -1.
4. Hicks en uno de sus escritos usa la siguiente ecuacin
Yt+z - (b + k)Y,+i + kY, = a(l + g)'
en forma reducida,
Pt+i + Bp, + Cpt-i = D

con B = O(b- e+ f3 +>) -1, C = O(c-7) y D = O(a +a). La solucin de la
ecuacin homognea asociada,
Pt+i
es
Xo =
+ Bp, + CPt-i
donde a, b, g y k son constantes.
a) Encontrar la solucin particular de la ecuacin.
b) Dar condiciones sobre los parmetros para que la ecuacin tenga soluciones
=O
reales distintas, reales iguales y complejas.
e) Dar condiciones sobre los parmetros para que la solucin sea estable.
pf = ci (B- -)B2 -4c)' + c2 (s + -.js2 -4c)'
donde, c1 y c1 estn dadas por las condiciones iniciales. Como El trmino indepen-
7.3.
Sistemas lineales de ecuaciones en diferencias
diente de la ecuacin es constante la solucin particular es su punto de equilibrio,

El modelaje de sistemas dinmicos que interactan se hace por inedia de sistemas de
ecuaciones en diferencias o diferenciales, dependiendo de si la dinmica es continua o
discreta3. Los sistemas ms simples') de solucionar son los lineales con coeficientes
constantes que tienen la forma
D
pf=i'i= l+B+c
Por lo tanto la solucin de la ecuacin es
xi+ 1 = a11x}
Para encontrar los valores de

Po
{ Pi
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
xr+ 1 = a21 x} + a22xf + + a2nXf + b2
+ i+E+c
resultante de reemplazar los valores iniciales de los precios en la solucin.
es el precio de equilibrio del modelo lineal esttico:
D(p) =a - bp y O(p) = {3p - a.
+ Q..,..2Xf + + annXf + bn
xf
Xt+1
Pt+i + [B(b- e+ f3 +') - l]p, + O(c - 'Y)Pt-i = O(a +a)
...
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
donde A es la matriz n x n de coeficientes, Xt es el vector de estado de las n variables

en t y B es el vector de trminos independientes. La solucin est for1nada por la
solucin particular (punto de equilibrio) y la solucin de la homognea,
Xt=xP+x~;;;::X+x~.
-e;:--~~~~~~~
3Ver las secciones 1 y 2 de Ja parte 1 del libro de Azariadis \Az].
204
7.4. SISTEMAS NO LINEALES
En el caso de que el sistema sea homogneo, B = O, la ecuacin matricial equivale
a1
Xt
= Xt-1
Si se itera esta ltna ecuacin hasta t =O, se encuentra
x,
..n
= Ax,_ 1 = A(Ax,_z) = A2 x1_ 2 = = A'x0
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
No siempre es posible encontrar la solucin analtica de un sistema no lineal)
i=l
Al reemplazar esta expresin en la solucin de la ecuacin se tiene sucesivamente

{
Xt+J = f(x,, Yt)

Yt+i = g(x,, Yt)
pero es fcil describir su comportamiento va la computacin de una buena cantidad

de trminos de la sucesin de valores que forman la trayectoria solucin en cualquier
programa que sirva para tales fines (por ejemplo EXCEL).
Para hacer el anlisis de los puntos de equilibrio de un sistema no lineal
= 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:
Por este mtodo el comportamiento de la solucin depende del comportamiento de

los valores propios de la matriz A. As, el anlisis de la convergencia o divergencia
de la solucn del problema solamente requiere los valores propios de la matriz de
coefi.cientes: E~te anlisis sin el clculo explcito de los valores propios se hace por
medio del s1gu1ente teorema que da condiciones sobre los coeficientes del polinomio
P(r) = aorn
o an
o o
son todos positivos.
Xo =
On-1
y el problema a solucionar se reduce a cmo calcular la potencia t-sima de la matriz
205
f(x, y)"" f(x, y)+ U(x, i)(x - x) + ~(x, y)(y - y)

{ g(x,y) "'g(x, y)+ g~ (x, y)(x - x) + ~(x, y)(y - y).
Reemplazando las condiciones de equilibrio,
+ arn-l + ... + n-lT + an
f(x, y) "'x + U(x, y)(x - x) + ~(x,Y)(y - )

{ g(x, y)"' y+
y)(x - x) + ~(x,y)(y - y).
para que las races (valores propios) tengan parte real con valor absoluto menor que
uno.
g;(x,
Teorema 7.3. {Schur) Todas las races de la ecuacin
Por tanto, basta analizar el sistema lineal,

8f(- -)( Xt-x-i
Xt+i=x+azx,y
{ Yt+i
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
haciendo las sustituciones1 Zt = Xt - X y Wt = Yt - fj el sistema equivalente es
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
-) Zt + 8f(Zt+l = &f(Bz x,y

By x,y Wt
{ Wt+l
8g (x,y Zt + l!.9.(8y x,y-)Wt
=ax. -i
CAPTULO 7. DLWMICA DISCRETA
206
este tiene punto de equilibrio en el origen y su representacin matricial es
(Zt+l) _(~!!.9..ax
W t+l
~)
~ (x,y-i (Z')w
- J(-x,y-i ("')
w,
7.4. SISTEMAS NO LINEALES

c) En cualquier otro caso (con la[ f 1), (0,0) es nodo inestable.
2. J(l,O) =
fJy
207
1 2a} Tr(J(l,O)) = 3- a, [J(l,O)[ = 2(1-a),
Tr2 (J(l, O)) - 4JJ(l, O)[= (3 - a) 2
La matriz J es la matriz jacobiana del sistema. La traza y el determinante de J deter-
8(1 - a)= (a+ 1) 2
nnan el comportamiento del punto de equilibrio del sistema linealizado. El teorema

de Hartman-Grobman garantiza que el comportamiento del sistema linealizado y el
no lineal son iguales si los valores caractersticos en el punto de equilibrio, esto es las
soliciones de la ecuacin
r2
-Tr(J(x,y))r- [J(x,y)[ =O
tienen mdulo distinto de uno, ]r]
las races son reales.

1 + Tr(J(l, O))+ [J(l, O)[ = 3(2 - a),
1 -Tr(J(l,O)) + [J(l, O)!= -a.
a) si -2 < 3- a< 2) 2- a> O y -a> O, (1,0) es nodo estable. Pero no

existe a que satisaga esas condiciones.
l.
Ejemplo
b) si 2 - a > Oy -a < O, o 2 - a < Oy -a > O; (1, O) es punto de silla. Esto

es, si O < a < 2.
Los puntos de equilibrio del sistema,
c) Si a> 2 o a< O, (1,0) es nodo inestable.
= 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).
satisfacen el par de ecuaciones,

X::::::X2+y2
2. La relacin entre la demanda, la oferta y los precios en un cierto mercado est dada
por:
{ Jj=xy-ay.
La segunda equivale a y(x - a - 1) =O, de donde, y= Oo x =a+ l. Reemplazando

y= O en la primera x = x', o x(x -1) =O da los puntos de equilibrio (0,0) y (1, O).
Reemplazando X :::::: a+ 1 en la primera, a+ 1 = a2 + 2a + 1 + y2 o fi 2 = -a2 - a:
que es un nrero rea1 1 si -1 .::;: a :.;_ O en cuyo caso iJ = J-a2 - a y los puntos de
equilibrio correspondientes son (a+ 1, v'-a2 - a). La matriz jacobiana del sistema
es
J(x,y) = ( 2x
y
2y ) .
x-a
D, = a+ bpt, con a > O y b < O,
Ot =e+ dpf, con d >O y pf precio esperado por los productores,
pf =
Pt-1
+ k(PN -
Pt-1), PN precio natural que se considera constante.
a) Encontrar exbresiones explcitas para la oferta) la demanda y los precios en

funcin de t. Es decir, solucionar el modelo.
b) Encontrar las condiciones para que exista convergencia en el 1nodelo.
Calculando en cada punto de equilibrio:

l. J(O,O) =
(~ ~a} Tr(J(O,O)) =-a, [J(O,O)[ =0,

Tr2 (J(O, O)) - 4[J(O, O)[ = a2
las races son reales. Como
1 + Tr(J(O,O)) + [J(O, O)[ = 1- a,
1 -Tr(J(O, O))+ [J(O, O)[= 1 +a
a) si -2 <a< 2, 1- a> O y 1 +a> O esto es, si -1 <a< l; (O, O) es nodo

estable.
b) si 1 - a > Oy 1 +a < O, o 1 - a < O y 1 +a > O; (O, O) es punto de silla.
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:
= Axt y analizar la convergencia si la matriz
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
7.5. UN MODELO DE GENERACIONES TRASLAPADAS
nace en el momento t recibe salarios Wt cuando joven y no recibe cuando viejo1 la

restriccin para su consumo est dada por
ci
-2
~l)
+ Bt =
c;+
Wt,
6. Una estimacin parcial del modelo de Phillips arroj el siguiente sistema:
l-8
U,=U(s,)=
ds,
7. Encontrar los valores del consumo Ct y el capital kt en cada periodo si se quiere

maximizar la utilidad total que produce el consumo en T periodos descontados a
una tasa p, se quiere gastar el capital ko >O) la funcin de utilidad es u(c) = lnc y
el capital est invertido en una cuenta que pagar 3 por periodo. Es decir 1 encontrar
Ct y kt para
8
- (1 - 8) (w, - s,)- 0 + 1 (1 - 8) ((1 + rt+1) s,)- (1 + rt+1) = 0
1-8
l+p
1-e
en trminos de los consumos

2
Ct+l
ci
= rk, -
c,, ko > Oy kr
s =
t
Wt
Un modelo de generaciones traslapadas
ci
Zt+J
yt = F(K,,L,)
1
> O y L > O, F tiene productos marginales positivos y decrecientes)
Para K
F tiene rendimientos constantes a escala y
a Los productos marginales se aproximan a cero si el insumo correspondiente se

aproxima a infinito, y se aproximan a infinito si el insumo se aproxima a cero,
condiciones de !nada)
en trminos per cpita,
Se asume una funcin de utilidad
1-e
Wt
=-
Si los productores tienen funciones de produccin neoclsica
(F es neoclsica si
xt+1 = 36 - sx; - 4y[

{ Yt+l
XtYt
1+ p
1 + (1 + p)10 (1 + r,+JlB-1)/0
= O.
8. Hacer el anlisis de los puntos de equilibrio del sistema
= ( 1 + Tt+1 ) 1/0
la tasa de ahorro ptima es
,_
1 8
1 ((1 + rt+1) s,) - - 1
+l+p
1-8
se convierte en
donde u es la tasa de desempleo, p es la tasa de inflacin y 7r es la tasa de inflacin

esperada. Encontrar el punto de equilibrio del sistema y determinar las condiciones
sobre a y k para que ese punto de equilibrio sea estable, si adems se sabe que
a>OyO<kSI.
1)1-8
( Ct
-
+ rt+1)St,
La condicin de primer orden

dU,
Pt = 2 - 4u, - 0,11r,
1rt+1 - Ttt = k (Pt - nt)
{
Ut+l - Ut = a(p, -2)
U _
= (1
valores de los consumos en la utilidad se tiene
(w, - s,) 1- 0 - 1
7.5.
Tt+I es la tasa de inters en el intervalo de tiempo [t, t + 1), St es el ahorro o crdito

en el periodo t. Los valores de los salarios y la tasa de inters estn dados) se deben
encontrar los consumos y el ahorro para maximizar la utilidad. Reemplazando los
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
donde fJ > O y p > O.

es el consumo de la generacin t cuando es joven y cf+ 1
el consumo cuando son viejos (la generacin dura 2 periodos). Si un individuo que
el beneficio del productor est dado por
rr, = F(K,, L,) -
w,L, - (r, + o)K,
CAPTULO 7. DINAMICA 1J10C:lili'l:A
210
f; es la tasa de depreciacin del capital. Esta expresin usando
l.b. MUl'VUl"'ULlZ:flA V.). l!tl'V-ll:Uil'Vlb
Ejercicio
f,
TI, = Ltf(k,) -w1 L, - (r, + o)K,
Encontrar el capital en la forma que lo enuncia el prrafo anterior.
las condicones de primer orden para maximizar el beneficio
7.6.
&TI, = Ltf'(k,)_.!_ - (r, +o)= O
fJK,
y
L,
-&TI, = f(k,) fJL,
equivalen a
Tt
= f'(k,) -
Ltf, (kt ) -K,-2

(L,)
O y Wt
= f(kt) -
Wt
Monopolista vs. entrante
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,)
Si se asume una economa cerrada donde la inversin agregada es igual al ingreso
mxTI = xo (a- bxo)- (e+ dxo)
x,
menos el consumo 1
estas cantidades y precios son
Adems,
Kt+l - K, = F(K,,L,) - e, - oK,

donde Ct = e} Lt -
c'f+ 1 Lt- l sustituyendo los consumos

i
g
t
+ bt
= K
t,
(a+ (3y,)
;!t
t
(1 +r;)
[s,L, - (1 +
r)si-lLi-1] (J}l + r))
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:
mxTI = Xt+l [a-b(xt+1 +y;)]- (c+dxt+l)
Si la tasa de inters es constante, rt = r para todo t,
que son
(1 + r,) + ~ [s,L, - (1 + r,)s,_,L,_,]
Kt+i = (1 + r)' K +
a+d
= - 2-.
Y>
(eje1nplo 5, seccin 7.2 de la pgina 181) aplicada a este caso,
= K1
Po
mxTI =y, [a - b (x 0+y1 )]
Por otra parte, la solucin de la ecuacin,
Kt+l
En t = 1 la firma entrante aprovecha la demanda residual, suponiendo que en el

nuevo periodo el monopolista se comportar como en el periodo precedente y entra
al mercado. Las cantidades y precios se determinan por la solucin de
Kt +wtLt +rtKt -ciLt -ctLt-1

= (1 + r 1)K, + w,L, - (w, - s,)L, - (1 + r,)s,_ 1L,_,
= s,L, + (1 + r,) (K, - s,_,L,_,)
= (1 + r,)K, + s,L, - (1 + r,)st-1Lt-1
Kt+i::::::
Xt+l = 't;Xt
a-d
= 2b
Xt+l
Para el entrante:
mxTI = Yt+i [a- b(x; +Yt+i)] - (a+ f3Yt+1)
i=l
i=l
1I1 (1 + r) +
Yt+l
[s,L, - (! +
r)s,_ 1L,_,](l + r)'-'
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.
Las cantidades y precios soluciones de los problemas son)

*
Yt+I
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 trayectorias 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
y convergen a este valor.
(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
~(t), p(t) - ~(t -
h)
y tambin la oferta depende de las mismas variablesi
O(t) =O [p(t), p(t) -
~(t -
h)
El comportamiento de los precios est determinado por el exceso de demanda en el

intervalo de tiempo de reaccin de los agentes por medo de la ecuacin:
p(t + h) - p(t)
=e h[D(t) -
O(t)]
donde (} es un parmetro de ajuste. Si el intervalo de reaccin tiende a cero la ecuacin

anterior se convierte en:
p= :
=e [D (p(t),p(t)) -
O (p(t),p(t))].
Esta ecuacin rige el comportamiento de los precios en cada instantej el determinar

los niveles de precios p = p(t) implica solucionar esta ecuacin diferencial.
8.1.
Ecuaciones diferenciales
Una ecuacin diferencial es aquella que contiene derivadas. La clasificacin de

ecuaciones diferenciales es similar a la de ecuaciones en recurrencia, esto es, en lineales,
no lineales, autnomas 1 no autnomas, homogneas y no homogneas, y tambin con
respecto al orden. El orden de una ecuacin es la mayor derivada que contenga. Un

sistema de ecuaciones diferenciales de orden n es una expresin de la forma
Ejemplo
La figura 8.1 es la grfica de la ecuacin
x' = (x - l)(x + 2)x
donde F es alguna funcin de varias variables y varios valores (campo vectorial).

La clasificacin de los sistemas o ecuaciones es similar al caso discreto. Un sistema
autnomo
x = F(t,x)
tomando los valores de x en el eje horizontal y los de x' en el eje vertical.
est en equilibrio si y slo si
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
lla:(t) - xll S llXo -
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)
los puntos de equilibrio estn en los valores para los que

x'=f(x)=O
en ellos la variable permanece constante a travs del tiempo. Para este tipo de ecuaciones el comportamiento cualitativo de la solucin) x = x(t), se hace por medio de
un diagrama de fase o de la grfica de la solucin.
Tornando a x como variable independiente y a x' como variable dependiente, la
grfica de x' = f(x) da el comportamiento de x' versus x. El crecimiento de la
solucin est determinado por el signo de la funcin f (x )- Si la grfica est sobre el
eje horizontal, la solucin x = x(t) es creciente, mientras que si la grfica est bajo el
eje 1 la solucin decrece. Los puntos de corte determinan los puntos de equilibrio del
sistema ya que en ellos x' = O, lo que indica que no hay crecimiento ni decrecimiento de
la solucin. Estos puntos de equilibrio pueden ser estables (atractores) o inestables
(repulsores) son estables si al perturbar el sistema ste tiende a volver al equilibrio,
en caso contrario son inestables. El siguiente ejemplo lustra el comportamiento.
-2
-4
Figura 8.1: x' = (x - l)(x + 2)x.

El comportamiento de la solucin de x' = (x - I)(x + 2)x viene dado por el comportamiento de la grfica. Los puntos de equilibrio son x = -2, x = O y x = l;
puesto que a la izquierda de -2 la grfica est bajo el eje 1 la solucin decrece en ese
intervalo y como a la derecha la grfica est sobre el eje, la solucin crece. As, si
el valor inicial del problema x(O) es mayor que -2, la funcin x(t), para t > O, es
creciente y por lo tanto se aleja de -2. Si x(O) es menor que -2, la funcin x(t), para
t > o) es decreciente y tambin se aleja de -2. Por lo tanto, X = -2 es un punto de
equilibrio inestable. De la misma forma se muestra que x = O es un punto estable; a
la derecha de este punto x = f(t) decrece y a la izquierda crece; esto significa que si
x(O) est cerca de O la solucin se acerca ax= O.
Este anlisis se puede reducir a indicar sobre la grfica de x' = f(x) el crecimiento
de la solucin pintando sobre ella flechas que indican si la funcin crece o decrece al
incrementarse el tiempo o sobre una recta localizar los puntos de equilibrio y mediante
flechas indicar el crecimiento del sistema. De cualquiera de estas formas es muy simple
determinar la naturaleza de los puntos de equilibrio. Para el ejemplo anterior la figura
8.2 muestra el comportamiento de la solucin y los puntos de equilibrio que se deducen
de la direccin de las flechas. Si los valores de x son menores que -2 o estn en el
intervalo (O) 1) la solucin decrece) si estn en el intervalo (-2i O) o son mayores que 1
la solucin crece. El punto de equilibrio x = O es estable y los puntos x = -2 Y x = 1
son inestables.
Con la informacin anterior y la que provee la segunda derivada se determina el
comportamiento de la solucin:
x" = x'(x + 2)x+ (x - l)x'x + (x - l)(x + 2)x'
= [(x+ 2)x + (x -
l)x + (x - l)(x + 2)]x'
= [(x + 2)x + (x - l)x + (x - l)(x + 2)](x - l)(x + 2)x
= (3x2 + 2x -
2)(x - l)(x + 2)x
CAPTULOS. DINMICA CONTINUA
216
8.1. ECUACIONES DIFERENCIALES
217
"I
-:.<:,---(:---
-1
-2
-2
-4
Figura 8.2: Crecimiento de la solucin y comportamiento de los puntos

de equilibrio de la ecuacin x' = (x - l)(x + 2)x.
-itv7
Esta segunda derivada es cero cuando x =

1 x = -2, x =O, x = 1 y su signo
determina donde la funcin x(t) es convexa o cncava. La funcin es convexa cuando
toma valores en (-2, -
13v'7) U (O, -l!v'7) U (1, oo) y es cncava cuando lo hace en
1)
(-oo, -2) u ( 13v'7,o) u ( 1tv'7,

La grfica de x(t), para t 2: O, depende del valor de x(O), para:
l. x(O)
Figura 8.3: Grfica de la solucin de la ecuacin x' = (x

dependiendo de la condicin inicial.
l. Probar el teorema 8.1.

2. Hacer el anlisis cualitativo grfico de la solucin de cada una de las siguientes
ecuaciones diferenciales:
a) x' = kx(T- x).
< -2, la funcin es decreciente y cncava.
b) x' = 2x(x + l)(x -4).
e) x' = (x 2 + l)(x2 -2).
< x(O) < - 1 3./7, la funcin es creciente y convexa.
4. - 1 3v'7
+ 2)x,
Ejercicios
2. x(O) = -2, la funcin es constante (x est en equilibrio).

3. -2
I)(x
8.1.1.
:; x(O) <O, la funcin es creciente cncava.
Ecuaciones diferenciales de primer orden
Las ecuaciones diferenciales ms "simples') de solucionar son las llamadas separables,

las cuales se pueden llevar a la forma
5. x(O) =O, la funcin es constante (est en equilibrio).
f(x)dx = g(t)dt
6. O< x(O)
7. - 1
< -i!v7, la funcin decrece y es convexa.

su solucin implcita resulta de integrar cada trmino de la ecuacin anterior) la
dificultad de su solucin depende de las funciones f y g.
Las ecuaciones que se pueden reescribir en la forma
;v'7 :; x(O) < 1, la funcin decrece y es cncava.
8. x(O) =1, la funcin es constante (est en equilibrio).
M(x, t)dx + N(x, t)dt =O
9. x(O) > 1, la funcin crece y es convexa.

De esta forma se encuentra la grfica de la solucin como alguna de las mostradas en
la figura 8.3) dependiendo del valor inicial.
Teorema 8.1. Si p es un punto de equilibrio para la ecuacin x = f(x(t))
y f' existe
y es continua en x =p. Entonces

1. Si f'(p) <O y xo est en una vecindad de p, pes un punto de equilibrio estable.
2. Si f'(p) >O y x 0 est en una vecindad de p, pes un punto de equilibrio inestable.
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
M(ut, t)(udt + tdu) + N(ut, t)dt =O

como las funciones son homogneas (de grado p),
tP M(u, l)(udt + tdu) + tPN(u, l)dt = 0
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
4. Encontrar la funcin de demanda en funcin de los precios que tiene elasticidad

lineal epq = ap+ b y determinar las condiciones sobre a y b para que esta elasticidad
est bien definida.
5. Determinar la funcin de demanda que tiene elasticidad constante para todo nivel
de precios.
donde z = 1 - aur- 1 Reemplazando z y u
ln
b) =!lj=9x-x3 .
(Q)T-1)
L
Q(
=In;
l-a
(Q)T-1)-"C'
L
6. Usar el teorema de la envolvente para probar que:
a) Si la funcin de produccin tiene rendimientos crecientes a escala la funcin

1
!n(K) + c
con e constante de integracin que en general depende de L, tomando exponencial en

la ltima igualdad,
Q( (Q)r-1)-"C'
;
;
I-a
=CK.
Para despejar Q se transponen trminos y se toma potencia (r -1)-sima,
de costos (ptimos) es cncava en cantida<lP.,s.
b) Si la funcin de produccin tiene rendimientos constantes a escala, la funcin

de costos es lineal en cantidades y
e) Si la funcin de produccin tiene rendhnientos decrecientes a escala, los costos
son convexos en cantidades.
d) Encontrar en cada caso la forma-de las funciones de costos y de demandas

condicionadas.
Ayuda: si la funcin de produccin es ho1nognea de grado a,
L)T-l
l=a ( -
finalmente 1
Qr-1 = aLr-1
(CLK)r-1
+ -Q
+ (CLK)'-1
El valor de C se encuentra usando otra de las condiciones sobre Q.
Ejercicios
l. Hacer explcito el valor de C para la funcin CES.
2. Solucionar las ecuaciones diferenciales:
a) 2t+3+ (2x-2)x' =O.

d:t;
tz-1
b) dt
= x2+1
c) 2t+4x+(2t-2x)x'=O.
d) 2xdt - tdx = O.
2
y encontrar el grado de homogeneidad de
Vi.
8. Probar que si la funcin de produccin es homognea de grado a:-, la funcin de

beneficio es multiplicativamente separable con respecto a los precios de los insun1os
y el precio de venta, esto es,
W(p,P) = rr;(p)Il2(P)
y encontrar el grado de ho1nogeneidad de
IIi.
9. Las funciones de oferta y demanda para un cierto bien son:
D(p) = 100 - kp
O(p)
= p-1000
donde k > O. Si la dnmica de los precios se determina por:
a) Pt+i - Pt = 8 [D(p, - Pt-1) - O(p,)]. Encontrar el punto de equilibrio y las
e) (x + 3xt + t ) dt -t dx =O.
f) (x -t)dx = (4t- 3x)dt.
g) x'=ex+t.
2
7. Probar que si la funcin de utilidad es homognea de grado a, la funcin de utilidad

indirecta es multiplicativamente separable con respecto a los precios y el ingreso,
esto es,
V(p,m) = V,(p)V,(m)
3. Hacer el anlisis de estabilidad local de las ecuaciones en cada punto de equilibrio
condiciones sobre k y () para que el n1odelo tenga un punto de equilibrio

estable.
b) p = e[D(p(t))-O(p(t))]. Encontrar el punto de equilibrio y las condiciones
sobre fJ y k para que sea estable.
c) Comparar las respuestas de las partes a) y b}.
CAPTULO 8. DINMICA CONTINUA
224
8.1.4.
Ecuaciones lineales de orden n con coeficientes

constantes
La solucin general de una ecuacin diferencial homognea lineal con coeficientes

constantes forma un espacio vectorial de dimensin igual al orden de la ecuacin. En
particular la solucin de la ecuacin lineal homognea de segundo orden
8.1. ECUACIONES DIFERENCL4LES
225
.el punto de equilibrio es x =O, de donde el comportamiento de la solucin con respecto

al equilibrio est dado por el
Puesto que las races de una ecuacin cuadrtica satisfacen la condicin
(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
y la estabilidad de la ecuacin queda determinada por sus coeficientes en la forma:
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.
Los valores de r deben satisfacer la ecuacin caracterstica)
cuando b >O.
ar 2 + br +e= O.
3. Si b2 < 4c las races son complejas conjugadas y la solucin converge cuando la

parte real de ellas es negativa1 es decir, cuando -b/2 <O.
Las posibilidades para las races son:

L Si b2
> 4ac, las races r 1 y
r2
son reales distintas y la solucin de la ecuacin
diferencial es
2. Si
b2
= 4ac, r 1 y r2 son reales iguales y la solucin de la ecuacin diferencial es
3. Si b2 < 4ac, r 1 y
(1) es
r2
son complejas conjugadas1 T1 =
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
=e"' [(k1 + k,) cos(j)t) + i (k 1 - k2) sen(j3t)]

=e' [c1 cos(j)t) + c2 sen(Jt)]
las constantes, c1 y c2, son reales.
Para la ecuacin
x"+bx'+cx=O
1 9
= cosB+isenB.
La solucin de ecuaciones diferenciales lineales con coeficientes constantes de orden n

se encuentra en forma anloga a la solucin de ecuaciones de segundo orden. Para la
ecuacin
anX(n)
+ an-IX(n-l) + ,+ O/].X11 + a1x' + aox =O
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
donde las constantes, ki y k1 son complejas conjugadas. Usando el teorema de

Euler 1 , esta solucin se convierte en
x(t) =
2. Si b2 = 4c las races son reales iguales con valor -b/2 y la solucin converge
factorizando y simplificando erx la ecuacin anterior se reduce a la ecuacin caracterstica

anrn + C!n-1rn-l + ... + a,zr 2 + a1r + ao =o
Las races de esta ecuacin dan los valores de r que sirven como exponentes en la
solucin de la ecuacin diferencial. Como en ecuaciones en recurrencia 1 la solucin
general es una combinacin lineal de las soluciones que proporcionan las races de la
ecuacin caracterstica.
Ejercicios
l. Probar que si dos funciones f(t) y g(t) son soluciones de una ecuacin diferencial
lineal homognea, entonces f(t) + g(t) y kf(t) tambin son soluciones de la misma
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)
La soluci?n general de una ecuacin no homognea se encuentra en forma anloga a

las ecuaciones en recurrencia, que es la solucin de la ecuacin homoo-nea
ms una
0
solucin particular
es no nulo para cada una de las soluciones encontradas2 .

A partir del teorema fundamental del lgebra, la forma de la solucin general de
una ecuacin diferencial lineal homognea con coeficientes constantes est determinada por las races de ecuacin caracterstica de la siguiente forma:
Ejemplo
x(t) = Xh(t)
+ Xp(t)
donde xp(t) se puede encontrar por el mtodo de coeficientes indeterminados o por

variacin de parmetros. En el primero se supone que la solucin particular tiene la
misma forma que la funcin que hace no homognea la ecuacin, pero no se conocen los
valores de los coeficientes, los cuales deben determinarse por reemplazo e igualacin.
Para encontrar la solucin de la ecuacin
x" -2x' +2x = 2+3t+5t2 .
l. Si todas las races son reales distintas, la solucin es:
Inicialmente se soluciona la homognea asociada

2. Si una raz real r se repite m
x(t)
+ 1 veces
x" -2x' +2x=0
la solucin es:
= kiert + kztert + k3t 2 ert + ... + kmtmert

+ otros trminos que dependen del
su polinomio caracterstico
comportamiento de las otras races.
tiene como races 1 + i y 1 - i. La solucin de la ecuacin homognea es:
r2 -2r+2=0
xh(t) = e'(k1 cost + k, sen t).

3. Si la raz r =a +ib es compleja (tambin su conjugad.a es raz) y no se repite, por
estas dos races (r y su conjugada) la solucin es de la forma:
x(t) = k 1 e' cos(bt) + k2 e' sen(bt)
+ otros trminos que dependen del
comportamiento de las otras races.
Xp(t) = a+bt+ct 2
~ -.
Para determinar los valores se reemplaza en la ecuacin,
Es decir) contiene una combinacin lineal de las funciones et cos(bt) y et sen(bt).

4. Si la raz r = a+ib es compleja (tambin su conjugada es raz) y se repite m veces,
por estas 2m races (r y su conjugada) la solucin es de la forma:
x(t) = k,e' cos(bt) + k;e' sen(bt) + k,te' cos(bt) + k;te' sen(bt)

+ + km-lm-le' cos(bt) + k;,._ 1tm- 1e' sen(bt)
+ otros trminos que dependen del comportamiento de las
otras races.
Esto es, contiene una combinacin lineal de: et cos(bt),
te' cos(bt), te' sen(bt), t 2 e' cos(bt), t'e' sen(bt), ... , t"- 1 e' cos(bt),
tk-leat sen(bt).
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].
2c- 2(b + 2ct) + 2 (a+ bt + ct2) = 2 + 3t + 5t2 .

Y se igualan los coeficientes de los polinomios resultantes,
2a-2b+2c=2,
2b-4c = 3,
2c= 5.
Por lo tanto 1 la solucin particular es
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]).
.
CAPTULO 8. DINIYIICA CONTINUA
228
8.2.
8.2. SISTEMAS DE ECUACIONES DIFERENCIALES
Sistemas de ecuaciones diferenciales
229
y
f(x,y)=O
1-1uchos problemas de la dinmica econmica se pueden modelar por medio de un

sistema simultneo de ecuaciones diferenciales autnomas de la forma:
x = dx = F(x)
dt
Donde x y F representan vectores; ste es un sistema de n ecuaciones diferenciales

con n incgnitas. El punto de equilibrio de un sistema es aquel donde las funciones
involucradas no tienen cambios con respecto al tiempo, es decir) donde sus derivadas
son nulas:
x= F(x) =O.
En algunos casos econmicamente es ms relevante el comportamiento de la solucin

con respecto a los puntos de equilibrio del sistema) que su solucin.
8.2.1.
Figura 8.4: El contorno f (x, y) = O determina las reiones donde la

trayectoria se mueve a la derecha o a la izqu~rda.
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).
El anlisis grfico de sistemas de dos ecuaciones con dos incgnitas
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
Figllra 8.5: El contorno g(x, y) = O determina las regiones donde la

.
trayectoria se mueve hacia arriba o hacia abajo.
Al reunir el comportamiento de los grficos anteriores se encuentra el crecimiento
~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
para determinar los valores de r y v se reemplaza x y su derivada en el sistema

original 1
simplificando ert,
rv=Av
esto indica que r y v son valor y vector propios correspondientes de la matriz A.
En la solucin de un sistema de dos ecuaciones lineales
x=ax+by
{ iJ=cx+dy
Figura 8.6: Indicaciones del crecimiento de las trayectorias solucin del

sistema.
se trata de encontrar los valores de las v y r que solucionen el sistema,
(~:) = (~ ~) (~:)
como el valor del vector v es no nulo, los valores de r se calculan solucionando la

ecuacin)
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.
'fr(A) V'fr2 (A) - 4 IAI

r1,r2=
En algunos casos la solucin de un sistema no lineal, como se ver ms adelante, se

puede aproximar por medio de sistemas linealesj por esto, inicialmente se analiza el
(r - r1)(r - rz) = r 2
son lineales, esto es, el sistema es de la forma:
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
que satisfacen la condicin
comportamiento de sistemas lineales. Un sistema es lineal si las funciones involucradas
La solucin de un sistema homogneo
'fr(A)r + IAI =O
As, los valores de r vienen dados por
Sistemas de ecuaciones diferenciales lineales
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
Estas races pueden ser:
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
donde r 1 y r2 son los valores propios de la matriz de coeficientes del siste1na,
"11 ) es un vector propio correspondiente a r1 y ("V2221 ) es un vector propio

(V12
correspondiente a r 2 . La convergencia de la solucin no slo depende de las races

sino tambin de los valores iniciales del problema:
232
8.2. SISTEMAS DE ECUACIONES DIFERENCIALES
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
Figura 8.9: El punto de equilibrio del sistema es un punto de silla.
reemplazando en el sistema original,
-s
(v + rw + rtv)e'' = A(w + tv)e''

Figura 8.8: Diagrama de fase para un sistema con un nodo inestable.
simplificando ert,
(v+rw) + rtv = A(w+tv)

b)
< Oy
r2
> O si y slo si JAJ < O. La solucin del sistema converge al
punto de equilibrio solamente cuando c2
= O; esto implica que para que el
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
punto inicial el sistema converge al equilibrio puesto que las exponenciales

involucradas convergen a cero. Este tipo de punto se conoce como un nodo
estable.
2. Reales iguales si y slo si Tr2 (A) = 4]Ai. En este caso slo hay un vector propio
y el espacio solucin tiene dimensin dos 1 por lo tanteo es necesario generar otra
solucin, esto se logra suponiendo una solucin de la forma
x = (w + tv)e''
y encontrando el vector VV. La derivada en este caso es

X= (v + rw + rtv)ert
igualando los coeficientes de este polinomio matricial,
(v+rw) = Aw
rtv = Atv
de donde los valores de v y w son las soluciones de los sistemas)
(A-rI)v=O
(A-rI)w=v
el primero produce el valor y vector propio del siste1na; ste se reemplaza en el

segundo y se despeja el vector w.
Para un sistema de dos ecuaciones con dos incgnitas la solucin es de la forma
G&l)
c1e'' (
~::) + c2e'' [ ( :::) + t ( ~:)]
El sistema converge para cualquier valor de las condiciones iniciales si y slo si

r <O (que equivale a '.Ir(A) <O), el punto de equilibrio es un nodo estable, y el
sistema diverge sir> O (nodo inestable).
3. Complejas conjugadas si y slo si Tr2 (A) < 4)Aj. Las raices se pueden escribir en
la forma r1 = f 2 = p + Bi, donde
p = Tr(A)/2 y
/4JAJ-'.Ir 2 (A)
e= ~V-~-2
.
Los vectores propios tambin son complejos conjugados 1 v = v 1

v1 - iv2. Por aplicacin de la frmula de Euler)
e(P+iB)t
= eP'e'" = eP' (cos(Ot) +isen(Ot))
+ iv 2
y V=
Dos soluciones linealmente independientes son:

x 1(t)
= elP+iB)t (v1 + iv 2) = eP' (cos(et) + isen( et)) (v1 + iv2)
x 2(t) = elp-iB)t (v -iv2) = eP' (cos(et) - isen(et)) (v1 - iv2).

Puesto que una combinacin lineal de soluciones es solucin, entonces:
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
- --- = eP' (cos(et)v1 - sen(et)v2)

2
y
, r =1
+ 2.
, tiene como rruces
y r = 2. Los vectores propios correspondientes son (

X1 -
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:
(~:\) = eP' [k1 (cos(et)v1 -
y(t)
( x(t))
el punto de equilibrio es un punto espiral atractivo o convergente. El

sistema es globalmente exponencialmente estable.
1)
= k,et ( -1 + k,e"
(-2)
1
2. Para solucionar un sistema no homogneo se procede como en ecuaciones, esto

es, la solucin es la suma de la solucin del sistema homogneo y la solucin
particular, la cual tiene la forma de los trminos que hacen no homognea la
ecuacin.
La solucin particular del siste1na
b) La solucin se aleja del punto de equilibrio si y slo si p > O, el punto de

equilibrio es un punto espiral repulsivo o divergente.
~2) . La solucin
El punto de equilibrio es un nodo inestable.
a) La solucin converge si y slo si pes negativo que equivale a Tr(A) < O
e) Cuando p = O la solucin del sistema a partir de una condicin inicial es

cclica ya que sola1nente involucra las funciones seno y coseno que son peridicas; en este caso el punto de equilibrio es un centro. El sistema es
lyapunovmente estable (figura 8.10).
y (
general del sistema es
sen(et)v2) + k2 (cos(et)v2 + sen(et)v1)].
Los valores de p producen tres tipos de puntos de equilibrio:
!1)
r
l
:i; =
{ f =
3x+2y+t
-x +et
(la solucin del sistema homogneo asociado se encontr en el ejemplo anterior)

tiene la forma
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
los coeficientes de la solucin pru-ticular son las soluciones de
Figura 8.10: El punto de equilibrio es un centro.
a1 + (c1 + d1)e' + d1te' = 3 (a. 1t + bi + c1e' + d1te')

+2 (a2t + b, + c2e' + d,te') + t
{ a + (c +d2)e' +d2te' = -(a1t+b1 +c,e' +d,te') +e'.
2
2
CAPITULO 8. DINivIICA CONTINUA
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) .
). Su polinomio caracterstico, r 2 -2r-4,

1
vectores propios correspondientes
La solucin general del
'tl<J
as
o '
'
~ ../5)}; este espacio corresponde a la recta y = -(2 + ../5)x.

2
'
'
'
'
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)
Teorema 8.2. (Routh-Hurwitz) El polinomio

P(.\) = aoAn
../5) + k e(l+v's)t ( -2 +1 ../5) .
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
(~) +sen(4t) G)) l
de donde k1 = 1 y k2 = ~ y la solucin del problema con condiciones iniciales es:
x(t)) _e"
( y(t) -
3. Para el sistema
a estos valores propios son: ( _ 2
x(O) = 1 y y(O) = 3, al reemplazar estos valores se encuentra:
cuando las condiciones iniciales son conocidas.
yr
cuyo polinomio caracterstico es r 2
Los valores de k1 y k 2 se encuentran usando condiciones iniciales. Si se sabe que
x(O) =a - 2k2 + !
{ y(O) = -a+k2 +
tiene co1no races r =
~)
4r + 8. Las races de este polinomio son: 2 + 4i y 2 - 4i y los vectores propios

correspondientes son:
+ cz =l.
donde o: = k1 + C1 es una nueva constante. Los valores de o: y kz se encuentran

como solucin del siste1na
la matriz de representacin es
!4
. est representado por la matriz (
237
(~i!O =e"[k1 (cos(4t) ()-sen(4t) (~))
!, b2 = -~ 1 di= -2
x(t) = ae' - 2k,e2' + ~ - 2te'

{ y(t) = -o:et +et+ kze 2 t - !t
SISTEMAS DE ECUACIONES DIFERENCIALES
Aplicando la frmula encontrada en el caso de races complejas, la solucin general

para el sistema es
'=o
La solucin es a1 =O, az
b1 =
Por tanto la solucin del sistema es
1 8.2.
son todos positivos.
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
(~)
y Hes una funcin de 1R a
~2 , puede ser
determinado por medio del siguiente

Teorema 8.3. Sea
l. En (1, O), J(l, O) =
(~ ~), su traza es 4 y su determinante es 4, las raices del
polinomio caracterstico son ambas 21 el punto de equilibrio es un nodo inestable.

2
2. En (-1,0), J(-1,0) = ( ~
~2)
su traza es -4 y su determinante es 4, las
races del polinomio caracterstico son ambas -2 y el punto de equilibrio es un

nodo estable.
~2) su traza es Oysu determinaute es -4, las races
3. En (O, 1), J(O, 1) = ( :

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)
s (x, y)= (O, O)
l. Encontrar la solucin del sistema X = Ax y analizar la convergencia si la matriz

A es:
a)
si G es continua en (O, O), entonces:
(=t
-~l)
b)
(25
G ;)
1. Si el punto de equilibrio de X= J x es estable! entonces el punto de equilibrio de

x= Jx+H(x) es estable, y
e)
G~)
!)
2. Si el punto de equilibrio de X = J x es inestable, entonces el punto de equilibrio

de x= Jx+H(x) es inestable.
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
para estudiar su comportamiento se analiza la traza y el determinante de la matriz

jacobiana,
ax
en cada uno de los puntos:
~;)
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
con las condiciones iniciales xo = 1 y yo = 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
2. Encontrar la solucin del sistema
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.
8.3. LA DINMICA EN ECONOMA

10. Otra versin del modelo de Phillips es:
ir(t) = J(p(t) -1(t))

p(t) =a - bu(t) + mr(t)
{
u(tJ = k(p(t) - 'Yl
donde todos los coeficientes son positivos. Se supone que o.f3-f3 = bk. Determinar:
a) La solucin del modelo, es decir, p(t), 1f(t) y u(t).

b) El punto de equilibrio 1 su tipo y su comportamiento con respecto a estabilidad.
5. Las ecuaciones para la de1nanda y la oferta son:

D(p) = 5p + 2p + 4p - 98
O(p)
241
= p-2p+ 2p-2
a) Hallar la solucin del inodelo) suponiendo que el mercado est en equilibrio

en cada momento.
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.
Los enfoques discreto y continuo de un modelo de

Samuelson
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:
1i-(t) = /l (p(t) - 1(t))

u(t) =a+ b1f(t) - ap(t)
{
u(t) = k(p(t) -'Y)
donde p es la tasa de inflacin, n es la tasa de inflacin esperada1 u es la tasa
de desempleo y todos los coeficientes son positivos. Se supone que (b - a)f3 = k.
Encontrar, si las hay, las condiciones de estabilidad del modelo y determinar su
comportamiento.
r es la tasa de inters, Y es el ingreso, I representa la inversin, C corresponde

a la funcin de consumo, F representa la eficiencia marginal del capital 1 L es la
funcin de preferencia por la liquidez, M es la cantidad de dinero. El parmetro o.
mide los desplazamientos hacia arriba de la propensin a consumir. f3 cuantifica los
desplazamientos hacia arriba de la eficiencia marginal del capita13 . El sistema tiene
tres ecuaciones y tres incgnitas (r, Y)!). Al reordenar la primera ecuacin y derivar
con respecto al parmetro a)
Crro + CyY0 -Y0 _:+-Ia = -1

Frra + FyYa -la - O
{
Lrra + LyYa =O
Con respecto al parmetro f3)
Crr~ + CyYfi - Y~ +I~ =O

FrTfi +FyYp -lfi = -1
Lrrfi + Ly Yfi = O
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
!
GrrM +GyYM -YM +IM =0

FrrM+FyYM-IM=O
LrTM
+ LyY1\1=1
En fonna matricial los sistemas se transforn1an en
1
1l
-1
Fy
Fy
Cy
-1
Fy
Fy
cy
'
u
C,.
Fr
Lr
CyFy
-
Fy
(~) = (
(~~) (
I~
A partir de los sistemas matriciales se tienen las soluciones:
1)
-1
("M)
YM
IM
()
-ty )
(l-Gy)Lr+GrLr
1 -G:: ;rFy )
GrFY - (Gy -l)Fr
IM
Puesto que el signo de Gr es incierto, [S] concluye que no es posible precisar si D. es

positivo o negativo. A rengln seguido duda que un modelo esttico como el presentado tenga la capacidad de explicar el comportamiento de la economa keynesiana. La
inversin (I) no es esttica. A travs del tiempo se va ajustando en funcin de la diferencia entre la inversin actual y la inversin deseada. Este hecho obliga a considerar
un esquema de anlisis de car-eter dinmico.
8.3.3.
Caso dinmico. Tiempo continuo
Expresando el sistema original en forma dinmica y en tiempo continuo se tiene:

La solucin de cada uno de los tres sistemas anteriores se obtiene premultiplcando
por la inversa de la matriz de coeficientes)
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
Al linealizar este sistema mediante la expansin en polinomio de Taylor de primer

orden de las funciones C) F y L) se obtiene:
y= I - [Y - {G(O) + ~~ (O)r+ ~~ (O)Y} - a]

= I - [1 + Gy (O)] Y - G (O) - Gr (O) r - a
F (O)+ Fr (O) r + Fy (O) Y - I + /3 =O
L (O) + Lr (O) r + Ly (O) Y - M = O
Despejando I en la segunda de estas ecuaciones y reemplazando en la primera,
Y= F(O) + Fr (O)r + Fy (O) Y+ /3- [l + Gy (O)]Y - G(O) -Gr (O)r - <>
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.
Al simplificar la ecuacin anterior se tiene:
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+
__!.__ [M -Ly (O)Y-L(O)] +TY
rL(O)
8.3. LA DINMICA EN ECONOMA
CAPTULO 8. DIN.4MICA CONTINUA
244
8.3.4.
esta ecuacin se reescribe
Y=aY+b
245
Caso dinmico. Tiempo discreto
Considerando la inversin como un parmetro independiente, se tiene
a y b son constantes. Esta ltima es una ecuacin dfferencial lineal, cuya solucin es
Y=
-~ + Y(O)e'
a
=Yo+ a1e'
Reemplazando esta expresin en la segunda y la tercera ecuaciones del sistema,
1
l
F(O) + F,. (O)r+Fy (O) [Yo +a1e"')-I +/3= O

{ L (O)+ Lr (O) r + Ly (O) [Yo+ a1e') M =O
Al despejar r de la primera de stas e I de la segundai las expresiones resultantes
toman la forma
r = r 0 + a2et
{ I = 1 + a3et
y reemplazando en
Yi = C (Yo)+ Cy, (Yi-1 - Yo)+ l
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
Al reemplazar en la primera ecuacin del sistema original,
Puesto que la tasa de inters es constante) C no depende der. Desarrollando C en

polinomio de Taylor
C (f, Yi) = C (Yi) = C(Yo) + Cy, (yt - Yo)
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
C(r,Y)- (1 +a)Y +I +aYo =-a
Donde K y B son constantes. Esta solucin es estable slo si
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,
Al reemplazarla por la primera del sistema, ste se convierte en
C(r,Y)-(1 +a)Y +I +aYo =-a

F(r,Y)-I = -/3
{
L(r,Y) =NI
La solucin es similar a la del caso esttico. Basta reemplazar la inversa de la matriz
de coeficientes por la inversa de la matriz
(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
C(Yo) +Cy, (Yi-Yo)-Y, +I, =O

F(Yo) +Fy, (Yi-Yo)-I, =O
Despejando la inversin en la ltima de stas y reempl~ando el resultado en la primera,.
C(Yo) +Cy, (Yi-Yo)-Yi +F(Yo) +Fy, (Yi-Yo) =O

Gr Cy -1- a
Fy
t; (a)= Fr
Fy
Lr
1
-1
De donde se sigue que el ingreso del perodo
t es
=b.+aLr
en el sistema de soluciones estticas. Las soluciones del sistema ofrecen un equilibrio

estable slo si a < O.
Cuando el sistema es estable, el aumento de la eficiencia marginal del capital (a)
se traduce en mayores tasas de inters y un ingreso ms alto. De la misma manera1
cuando la propensin n1arginal a consumir crece ([3), la tasa de inters y el ingreso
aumentan ([G-Pl]).
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
Sustituyendo este resultado en la expresin para I,
I, = F(Yo) +Fv, { K1 [1
~~Yor +E-Yo}
El equilibrio es estable si
~1
< l,
l-Fy
-11-Fyl <Cy < ll-Fvl.
Finalmente, considrese la situacin en la que ninguna de las variables est dada.
C(r1 , Yi-1)- Y,+ I, =O

F(r1 ,Yi)-I, =O
{
L (ri, Y,) - M, = O
Captulo 9
Optimizacin dinmica
discreta
Sustituyendo los desarrollos de C, F y Len las respectivas ecuaciones,
Co +Gro (r, - ro)+ Cy0 (Yi-1 - Yo) - Y,+ J, =O

Fo +F,0 (r,-ro) +Fv, (Yi-Yo)-I, =O
{
Lo + L,0 (r, - ro) + Ly, (Yi - Yo) - M = O
Reemplazando la inversin y la tasa de inters,
Co + C,0 (r, - ro)+ Cy0 (Yi-1 - Yo) - Yi + I,
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:
= Co + C,,L+ F,, [M -Lo - Ly0 (Yi - Yo)]+ Cv0 (Yi-1 - Yo)

ro
Optimizar
+ Yi (Fy0 -1) +Fo+ Fv,Yo
sujeto a x{a)
Despejando el ingreso del perodo t,
[Fv, -1- Lv, (C{:,+

Y,=
1T F(t,x(t),x(t))dt
Fr,)l Yi = -Cv Yi-1 + S
Optimizar
= Xai
1T
sujeto a x(t) = f(t,x(t), u(t)),
x(a) = x 0 ,
x(T) =xr,
x(T) =xr
CyoLro
Y,
FyoLro -Lro - Lyo (Gro+ Fr 0 ) t-l
en caso de que las variables involucradas sean continuas y

T
La solucin es
1
Cy,L,,
Yi=Ks[
F(t,x(t),u(t))dt
Fy0 Lr0 -Lr0
Ly0 (Cr 0 + Fr0 )
] +Q
Optimizar LF(t,x,,u,)
Optimizar LF (t, Xt+i, x,)
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
CAPTULO 9. OPTIMIZACIN DINMICA DISCRETA
248
que todo problema de clculo de variaciones se puede transformar en un problema de

control y si en el problema de control es posible eliminar las variables de control el
problema se reduce a clculo de variaciones.
En general.las condiciones x(a) y x(T) no necesariamente son constantes, pueden
ser libres o tomar valores en funcin de a T. Estas condiciones se conocen con
9.1. lvITODOS DE OPTIJ]!IJZACIN ESTTICA
9.1.
Para solucionar el problema de encontrar el
Mtodos de optimizacin esttica
,J
ptimo de Lf(t,x,,u,)
el nombre de condiciones de transversalidad. Para el caso en que el problema

est definido sobre el intervalo [O, T] y x(O) sea fijo, T y XT pueden ser: XT YT fijos,
xr fijo y T libre, XT libre y T fijo, y xr y T libres. Estas condiciones tambin se
t=O
sujetoaxt+1=g(t,xt,Ut)
para t=0,1, ... ,T-1 1
con alguna condicin sobre xo
x(T)
249
xr)
es posible usar tcnicas de optimizacin esttica restringida o no restringida. Luego

de igualar a cero las restricciones la funcin lagrangiana para el problema es:
T-1
l =
x(O)
L f (t, x,, u,)+ >.,[g (t,x,, u,) -
Xt+i]
+f
(T, XT, uT)
t=O
sus derivadas parciales son:

T
Figura 9.1: Comportamiento de la funcin x(t) cuando T y xr son fijos

y cuando T es fijo y xr es libre.
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
para t = ll2, ... ,T-1
para t =O, 1, ... ,T
= xr (T,xr,uT)->.T-1
&XT
x(T)~------------
x(O)
y las condiciones necesarias para la solucin del problema se pueden escribir en la

forma:
fx, (t, xo, uo) + Ao9x, (t, xo, uo) = O

xt(t,Xt1ut)+At9-xt(t,Xt.Ut)=>-t-I) para t=l, ... ,T-1
u 1 (t, Xt, Ut) + At9u 1 (t, Xt, Ut) =O, para t =O, 1, ... , T
xT (t, XT, UT) = AT-1
x(O)
Figura 9.2: Comportamiento de la funcin x(t) cuando Tes libre y XT

es fijo y cuando T y xr estn libres.
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:
q, = a-/yp, +o (p, -p,_ 1 )

para t = 1, 2, ... , t. Sus costos estn dado por
C(q,) = aqf-f3q, +7.
Dado que Po es conocido y se desea un precio PT al final de T periodos. Encontrar

la poltica de precios en los T periodos para maximizar los beneficios
T
.L p,q, - e (q,)J.
t=O
2. Un consumidor representativo recibe una utilidad u(c) = lnc por su consun10 y

dispone de un capital inicial ko > O invertido a una tasa de inters de r % por
perodo. Se quiere encontrar el consumo del individuo representativo en cada uno
de T perodos (T fijo) para maximizar la utilidad descontada a una tasa p por
perodo. Por lo tanto se quiere solucionar el problema:
T-1
El lagrangiano para el problema es
. .
d '\' lnc,
Ma:xnno e , - (
, !
)'
t=O
[, = Poqo -
e (qo) + L {p,q, - e (q,) +>.,a+ (5 -
b)p, - Pt-1 - q,]}.
,-p
sujeto a k.+1 = (! +r)k, - c,
t=l
para t = 0,1, ... ,T- I
ko >O y kr =O.
Las condiciones necesarias:

C" = qo - >.o = O
C,, =po -C' (qo) =po-2o:qo + /3 =O
Cp, = q, + (8 - b)>., - >.,+i =O, para t = !, 2, ... ,T
e,, =p, -C' (q,)->., = p,-2aq, + J->., =O, para t = 1,2, .. . ,T
junto con la restriccin dan los valores de precios y cantidades que optimizan el
problema. Despejar en la ltima ecuacin
Despejando
se reduce a,
q, + (8 - b)>., -8>.,+i = q, + (8 -b) (p, - 2o:q, + /3)

- (pt+ 1 - 2aq,+ 1 + /3)
= [1- 2et(5 - b)Jq, + (8 - b)Pt -Pt+i + 2aqt+ 1 + b(3 =O
~ )n [(J + r)kt - kH]
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
[! - 2a(5 - b)J q, + (5 - b)p, - Pt+1 + 2etqt+1 + b(3

= [l - 2a(5 - b)] [a+ (5 - b)p, - Pt-1] + (8 - b)p, - Pt+i
+ 2et[a+ (5-b)Pt+l -p,] + b(3
en la restriccin y reemplazndo en el valor objetivo el proble1na
Max1m1zarF(ko,k1, ... ,kr)= ,
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]
= [2a5(5 - b) - ]Pt+i + [(5 -b) (1- 2a + 2ab) - 2a + - bJ Pt
simplificar,
(1- 2a + 2ab)Pt-l + a(I -2a + 2ab) + b(3
(1 + r) [(! + r)kt-1 - k,] = (1 + p) [(1 + r)k, - kt+i]
= -(I-2a+2ab)p1+1 + [(5-b) (2-2a +2ab)-2a2 ]Pt
- (1- 2a + 2ab)Pt-l +a(! - 2a + 2ab) + b(3 =O

da la ecuacin a resolver. La ecuacin caracterstica correspondiente a la homognea es
-5(1
2a +2ab)r 2 + [(-b)(2-2a +2ab)-2a2 Jr

- (! - 2et + 2ab) =O.
El comportamiento de la solucin depende de las races y estas de los parmetros

de acuerdo a los resultados del captulo sobre dinmica discreta.
multiplicar
(! + r)'kt-1 - (1 + r)kt = (! + p)(I + r)kt - (! + p)kt+1

igualar a cero y trasladar un perodo
(1 + p)kt+z - (1 + r)(2 + p)kt+l + (1 + r) 2 k, =O.

La ecuacin caracterstica correspondiente es
(1 + p )R2 - (1 + r)(2 + p )R + (! + r ) 2
=O
j
CAPTULO 9. OPTI1VIIZACIN DINMICA DISCRETA
252
9.2. PROGRAMACIN DINMICA
Con esta notacin el problema se reduce a encontrar V (xo).

El principio de optimalidad de Bellman, segn CaputofCa], dice: Una poltica
ptima tiene la propiedad de que el estado inicial y la decisin inicial son las decisiones
y su solucin es
(1 +r)(2 + p) )(1 + r) 2(2 + p) 2 -4(1 + p)(l + r) 2

2(1 + p)
2
(1 + r)(2 + p) (1 + r) /1 + (1 + p)] - 4(1 + p)
2(1 + p)
(1 +r) (2+ p )1+2(1 +p) +(1 + p) 2 -4(1 +pJ)
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)
de donde, los valores de R son 1 + r y i!~. La solucin de la ecuacin recurrente

es
k1 =a1(l+r)'+a2
(1: :)'
]
'
donde 1 a 1 y a 2 se determinan con las condiciones ko y kr.
Ejercicios
l. Terminar el ejemplo l.
2. Calcular los valores de a 1 y
a2
y encontrar
Ct
en el ejemplo 2.
3. Solucionar el ejemplo 2 usando optimizacin restringida.

4. Solucionar el ejemplo 2 si la funcin de utilidad es u (Ct) = et con
O<a<l.
9.2.
l1
!l
!i
l
lj
L f (t, x,, u,)

t=O
Xt+l
= g (t, Xt, Ut)
para t
=o! lj .. 'T- l
con Xo 1 T y xr conocidos, a partir de Xt est definida por

T
V (x 1) = m~ 2:,J (j,x, u;).

j=t
V(x,)= u,,Ill~+'
t+k
}
2:,f(j,x;,u;)+V(x,+k+i) .
J=t
En particular para un perodo se tiene la ecuacin
V (x1) = mJ<l{f (t, X, u1) +V (X+)}.

u,
Esta es la versin discreta de la ecuacin de Hamilton-Jacobi-Bellman (HJB)

que da las condiciones de optimalidad del problema. Usando las condiciones necesarias
de ptimalidad
J
[f(t,x,,u,)
U
-i)
+ V(Xt+i))
Usando la restriccin la ecuacin es

f)j (t, x,, u1)
)u
dV (xt+1) Jg (t, X, u,)

= 0.
dX+
U
Si se reemplaza el argumento maximizador en V (xt), se deriva y se usa la restriccin

se tiene
dV(x 1) Jf(t,x,,ui) dV(x1+1)8g(t,x,,ut)
--=
+
.
dxt
8xt
dxt+1
8xt
Este proceso justifica parcialmente el
Teorema 9.1. Si
La funcin de valor del problema
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
y Ut son los argumentos maxi.mizadores interiores del problema

T
Programacin dinmica
Mximo de
permanentes que constituyen una poltica ptima considerando el estado resultante

desde la primera decisin. Esto es, todo proceso ptimo, esta formado por subprocesos
2(1 + p)
253
M:cimo de Lf(t,xt,Ut) sujeto axt+l =g(t,Xt 1 Ut)

t=O
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)
para t = 0,1 1 21 ,T.

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;
V.' - 8f, +V.' 8g,

t - 8xt
t+ 1 axt'
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 - (
para t = 01 11 ... 1 T- 1, con ko >O y kr =O. Las condiciones son

= (1 +
(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
La primera y segunda equivalen a
V.'
t+l
1
= (1 + p)'c,,
V.'=~
t+1 (1 +r)
costos compuestos de produccin y de almacenamiento. Los costos de produccin

por unidad aumentan linealmente con la tasa de producin, los costos unitarios
diarios de almacenamiento son constantes y la produccin se almacena al finalizar
cada da.
Sean
resolviendo la segunda
Xt
el total en inventario y Ut el total producido el da t

T-1
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
para t = 01 l, ... 1 T-1,
= Q.
Ct
Para este problema el sistema a resolver es
Ct=
(1 + r)'+1
V,)(l+p)''
2aUt
+ V(+1
oj
V(= b + Vf+1)
Xt+l
= Ut
+ Xt.
La solucin de la segunda ecuacin

Para encontrar kt se reemplaza ct en la tercera ecuacin que produjo la aplicacin
del teorema
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,
V,)-b(t+l) = ~t+ b-V,)

2a
Za
2a
CAPTULO 9. OPTIMIZACIN DINMICA DISCRETA
256
y este resultado aplicado en la ltima permte despejar
x,
= x0 -
Xti
~Vi{ - ~~k+ l) = - 21 [vt-b t,k]
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
Ut es una sucesin creciente, para que Ut
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
que uo 2: O, esto es,
2a
para todo t. La solucin de la ltima ecuacin con este valor de qt es
2: Opara t = O, 1, 2
b - Vj = b _ b(T + 1)
257
La solucin de esta ecuacin es
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
donde, Xt representa la cantidad acumulada hasta el momento
t.
El sistema a solucionar en este caso es,
de la primera y la segunda de estas ecuaciones se encuentra que
u,= (1 + r)Ut-1 = (1 + r)'uo
y de la ltima
mx 2)I(q,)
X1+1 = Xt
sujeto a
Xt+l
Xo
donde,
Xt
Xt -
=B
XT
qt para t =O, 11 ... , T- 1
Que tiene como solucin
t-1
x,=xo+ L(l+r)'uo=A+ ~ [1-(l+r)'].
representa la cantidad de insumo disponible en el momento t.
i=O
El sistema de ecuaciones a resolver para solucionar el problema son:

aqto-1 - V:'t+1 = O,
Despejando en la primera y reemplazando en la segunda
+ (1 + r)'uo.
Para determinar la cantidad a producir en cada periodo se debe calcular el valor

de uo.
Como
PXT+l
V (xr+i ) = (1 + r)T+l
si est determinado el valor de
de aqu
V (xr)
XT
la ecuacin de HJB para el periodo es
= mx{f
(T,xr, ur) +V (xr+1)}
ur
vr 111v11v.n.v1v1v v.uv.1111'l1v.n. u10v1w.:u..n
c..;Ari-1 U.LV !;:l.
El lagrangano para el problema de optimizacin es
que puesta en contexto es
, {
cu}
. {
cu}
PXT+l
V(xr) = ~~ - (l +r)T
= ~~
Sea
- (1
+ (l +r)T+l
Las condicin necesaria de optimalidad es
+p(xr+ur)}
+ r)T
cz 2
h(z) = - (1 + r)T
L(u,,,2) = -aui- bx, + V(x1+1) + 1u1 + , (q -u,)
(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
y las condiciones de holgura complementaria para cada t son
cuando z = 2c(l+r) y
+ i
J::i
vUt
-2au1 +V (Xt+i) Ju, + 1 - ,
= -2aut
como
8V(X1+1)
1 2: O,
Ut
2:
, 2: O,
Ut
:S q.
Existen tres posibilidades para que se cumplan estas condiciones:
h tiene su mximo en z = 2 cci+r), Esto es 1 ur = 2cci+r) es la produccin ptima

en en momento T. Por lo tanto)
a) 1 >O, 2 =O y Ut =O. El sistema a resolver es

Vf+ 1 + 1 =O
{ Xt+l = Xt
= {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
= q. En este caso el sistema es
-2aq + v:+l { Xt+l =Xt+q.
,=o
La solucin de la segunda ecuacin es
x, =xr, + (t-T,)q
L (aui + bx,)
sujeto a
=xo =0
esto es, si no se produce hasta el da t la cantidad acumulada es nula.
mn
Xt
+ Xt
XT
O:; Ut
:S q para t =O, 1, ... ,T- 1
= Q.
El valor objetivo puede ser transformado en

T-1
- mx
L (-aui - bx,)
t=O
Por lo tanto, para este problema la funcin de valor satisface la ecuacin
para algn valor de xy2 y T2 :$ t. En este caso se produce al nivel de la

capacidad instalada y se almacenan q unidades diariamente.
e) 1 = O, 2 = O. El sistema de ecuaciones que producen las condiciones de

optimalidad del problema es
-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,
+ (t -Ti) [ur, +fa (t -T -1)], si Ti 5 t < Tz

+ (t-T,)q
SI T, 5 t o;T.
De la construccin de Ut y
lidad del problema
Xt, UT1
XT
XT1
= Oy por las condiciones de transversa-
= 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
(Tz -T, -1) 5 q.
Ejercicios
l. Encontrar V~ en el ejemplo 1 de la seccin 9.2 haciendo uso de la condicin
kT = O y comprobar que la solucin coincide con la encontrada en el ejemplo 2

de la seccin 9.1.
l)l
Es natural suponer que la produccin es no decreciente, en caso contrario el costo

de almacenamiento no alcanza su mnimo, por lo tanto la produccin debe tener
la forma
ll
cuya solucin para t 2: T 1 es
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
Reemplazando se encuentra que
para T1 :S t. Al reemplazar este resultado en la segunda ecuacin del sistema

Xt+I =X
2aut-I = -b + 2aut.
Esta equivale a
2. Probar la conjetura, en los ejemplos 2 y 5, de que la produccin debe ser no

decreciente.
3. Encontrar los valores de T 1 y T2 ptimos en el ejemplo 5.
Captulo 10
Optimizacin dinmica
continua
10.1.
Clculo de variaciones
10.1.1.
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
V()= V (x(t)) =Ja
F (t,x'(t) + h(t),:i:'(t) + h(t) dt

263
CAPTULO 10. OPTIMIZACIN DINMICA CONTINUA
264
10.1. CLCULO DE VAfilACIONES
265
usando integracin por partes tomando
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,
Figura 10.l: Grfica de la solucin, x* y T\ y la variacin,
x(t) = x'(t)
+ <h(t) y T
= T'
+ <b.T.
D2F (t, x'(t),x'(t)) h(t)dt = DzF (t, x'(t), x'(t)) h(t)i~
_ r d [D2F (t,x'(t), :i;'(t))] h(t)dt

la
es decir, una funcin de una variable real. Para determinar las condiciones que satisface
por la condicin h(a) =O, impuesta ah, esta ecuacin se convierte en
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')
_ f d [DzF (t, x'(t), x'(t))] h(t)dt
~~(O)= O
la
(J.' f(x,t)dt) = J.'&f:t)dt
y el teorema fundamental del clculo, la derva<la de V con respecto a
es
Puesto que la funcin h es arbitraria) esta ltima ecuacin se satisface si:
D F(
dV(<) = r+,"'raF(t,x'(t)+<h(t),x'(t)+<h(tJ) dt
Ja
BE
'() .,( )) _ d[D2F(t,x'(t),x'(t))]

dt
T*+<:AT
(b.T)
D2F (t, x' (t), x'(t)) h(t)lr
+ F (t, x' (t), x' (tlllr (b.T) = O
{3)
La ecuacin (2) generalmente se escribe en la forma
T"+.;..T
[D1F ( ) h(t) + D2F ( ) h(t)] dt
F _ d(F;)
+ F (- )lr+,,,,T (b.T)
X -
dt
y se corioce como ecuacin de Euler. Usando la regla, de la cadena esta condicin
De donde,
dV
{2)
t x t ,x t -
+ F (t, x (t) + <h(t), x (t) + <h(tJ) 1

=la
dt
Al reemplazar este resultado en la ecuacin (1) y factorizar, se tiene
Usando la regla de Leibniz,
dt
-;;;-(O)= la
[n,F (t,x'(t),x'(t)) h(t) + D2F(t,x'(t),x'(t)) h(tl] dt
+ 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,
T" D2F (t, x'(t), x (t)) h(t)(t)dt
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.T) - x'(T') "'x'(T')b.T
y a partir de sta se desprende del grfico 10.l que:
b.xr = x (T'
+ b.T) -
x'(T') "'h(T')
+ x'(T')b.T
h(T') "'6.xr - x"(T')D.T

aplicando esta aproximacin a la ecuacin (3) eliminando los C'),
De la ecuacin ~~(O) = O se encuentran las condiciones necesarias de optirnalidad,

esto es, la ecuacin de Euler para este caso. Las condicin suficiente, de segundo
orden, que se deben satisacer para que el problema tenga un inximo o un inni1no
las d la segunda derivada
d'V
d=
Jat {[Fxx (t,x+,h,x'+,h) h+F,;()hl h
Despus de asociar,
+ [Fxx (- )h+Fx; ( )h] ii}dt

Al reemplazar ' = O y simplificar
Esta ecuacin produce cuatro condiciones de transversalidad sobre
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
=
2. Si Tes fijo y xr es libre, 6.T es cero, 6.xr f Oy la ecuacin (4) equivale a
(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,
6.xr = g(T + 6.T) - g(T) "' g' (T)D.T
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.
Ejemplo
Si en el problema
a,
h(t)) (Fxx
(h(t)
donde Hf es la matriz hessiana de la funcin f con respecto a las variables de estado

x y X. De la lti1na ecuacin se concluye que si Hf (t, x*(t), X*(t)) es definida positiva
la solucin encontrada es un innirno para el problema y s es definida positiva es un
mximo.
La generalizacin de los resultados a problemas que contienen varias variables
de estado, esto es, cuando la funcin involucrada en el problema es f (t,x,X) (x
representa el vector de las n variables de estado del problema) es, para las condiciones
necesarias, el siste1na de ecuaciones de Euler:
ree1nplazando en (4) con /:J.T -::f Ola ecuacin equivale a

((g' - ) F,
{T
Ja
=
3. Si Tes libre y xr es fijo, 6.x es cero, 6.T f O y (4) es en este cruio
1T F(t,x(t),x(t))dt sujetoax(a)=x,yx(T)=xr
T y xr son fijos la funcin V(c} es

V() =V (x(t)) =
Su derivada con respecto a
1T F (t, x'(t) + h(t), '(t) + ,ii(t)) dt.
Para encontrar el plan de consumo de un consun1dor que desea maximizar su utilidad,
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
sujeto a k(t) = rk(t) - c(t)
k(O) = ko
k(T) =O
CAPTULO 10. OPTIMIZACIN DINl'vIICA CONTLMUA
268
rk-k
k(t) =
reemplazando en el objetivo, el problema se reduce a
J,T e-" (rk(t) - k(t)) dt
Maximizar
269
con el signo positivo r 1 = r y con el negativo r2 = !:~ As la solucin a la ecuacin

de Euler es
Despejando e en la restriccin,
e=
10.1. CLCULO DE VARIACIONES
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 )
Las derivadas necesarias en la ecuacin de Euler para
(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)
F,_ = -e- 0ta (rk Fkk=-e-"a(a
a:-l
ll(rk-kr-'r
r(rk -k) = (rk -k) - (a-1) (rk- i<).

Reemplazando el valor de e despejado de la restriccin diferencial) e = rk ecuacin se convierte en
(a-l)c=(S-r)c
k,
esta
Esta ecuacin y la restriccin del problema original producen el sistema

La ecuacin de Euler
e= a-1
,_,e
{k = rk- c
se reduce a
e-ta(rk-k)"-
r=e- 0ta(rk-k)<Y-l
C = O corresponde al eje horizontal y k corresponde a la recta con pendiente r < 1 (r

es la tasa de inters); o en forma matricial,
-e- 8toc(a
2
+ e-"a(a-1) (rk - k) a- k
e
Simplificando factores comunes,
(rk- k) r = S (rk - k) -
(a-
l)rk +(a- l)k.
(5)
k=O
Ordenando y simplificando nuevamente,
(a- l)k- (ar- 2r + )k + (r - r 2 )k =O

=O
Las races de la ecuacin caracterstica correspondiente son
(ar- 2r + 5) /(ar- 2r + 5) 2 -4(a- l)(Sr - r')

r1 2 = _ _ _ _ __,V_-,,.,..._-:"C"____c.c._ _.:.
'
2(a-1)
_ (ar -2r + ) J(ar- 8) 2
2(a-1)
(ar - 2r + ) (ar - )
2(a-1)
Figura 10.2: Diagrama de fase para la interaccin entre el capital

y el consumo.
(t) (~{ ~) (~)

=
"'"
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.
Puesto que el intervalo de tiempo es finito, la trayectoria de la interaccin representa
x2
-tz
-2 = - 2 + at "-' b) x 2 = -t2 + 2at + 2b

Para calcular el valor de las constantes se reemplazan las condiciones iniciales1
la variacin del capital y el consumo en ese intervalo a partir de un capital inicial

positivo hasta agotar el capital y sus rendimientos.
x2 (0) = -0 2 + 2a(O) + 2b = 2b =O
de donde b = O. Por otra parte,
Ejercicio
x 2 (T)
Justificar los signos de la traza y el determinante en el ejemplo anterior.
= -T2 + 2aT = (T- 5) 2 .
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'
~;
= -1, - T +a = -x(T) = -(T - 5)
de donde a = 5. Reempla2ando este resultado en -T2 + 2aT
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
, =
2. Solucionar el ltimo ejemplo con la condicin terminal,
(T- 9)
xX = -t+a,
=O
T
(:i:-:i: 2 +1 + llr = (:i: + l)lr =o

usando la condicin xi: = -t + a
-1 - 2z2 - 4 = -2 - .4 + xX
-l=X 2 +xx
simplificando 1
:i:(T) =
-(1 +:i:2 ) = - (1 +:i:2 ) :i:2 +xx
X l+x2
((1-:i:):i:+l+:i:)lr=O
simplificando se tiene sucesivamente:
2
+
X
x2 v'l + :i:2 x (1 + x')'I'
. Jf+12)1
((1-:i:) ~+--
+ (x(T)) 2 = 9
y determinar si la solucin proporciona un mximo o un mnimo.
5)
produce
CAPTULO 10. OPTilVIIZACIN DINMICA CONTINUA
272
3. Solucionar el problema
Mximo
J,T e-
05
'
[!Ou(t)- u 2 (t)] dt,
sujeto a x(t) = 15 - x(t) - u(t),
x(O) = x(T) = 20,
4. Para el siguiente problema:
lT
10.2. CONTROL PTIMO
273
7. Encontrar la solucin del problema:

ptimo
por medio de clculo de variaciones y usar las condiciones de transversalidad para

encontrar los valores de las constantes de integracin.
ptimo
J,' [2x
+ xx + xi + 3xy + yi + y + 4 (x) +
(!il'] dt
con x(O) = 1, y(O) = 3, x{l) = 2 y y(l) =O.
8. Escribir las posibles condiciones de transversalidad para un problema con dos

variables de estado.
9. Para calcular el valor ptimo de:
[x (x - x) - x 2
2 (x - xJ'] dt,
J,r [x' + 4xx + 2(x)
sujeto a x{l) = 2.
a) Encontrar la solucin de la ecuacin de Euler.

Usar las condiciones de transversalidad para calcular las constantes de integracin de la funcin solucin, si:
b) T=4yx(4)=3.
e) Tes libre y x(T) = 3.
d) T = 4 y x(4) es lib1~.
5. Escribir y solucionar la ecuacin de Euler del problema:
ptimo /,T[x'+4xx+2(x)'jdt,
+ tx] dt,
sujeto a x(O) = l.
a) Encontrar la solucin de la ecuacin de Euler.

Determinar el sistema para calcular las constantes de integracin s:
b) Tes libre y x(T) =l.
e) Tes libre y (xT-1) 2 +T2 =l.
10.2.
e) T es libre y xr + T 2 = l.
Control ptimo
Los problemas de control son aquellos que se pueden llevar a la forma

Optimizar
sujetoa x(O)=l.
1T F(t,x(t),u(t))dt
sujeto a :i:(t),; G (t, x(t), u(t))
Usar las condiciones de transversalidad para calcular las constantes de integracin
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.
6. Un monopolista ha determinado que el nmero de unidades que puede vender

depende del precio y su tasa de cambio en la forma
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],
1T (pq - c(q)j dt.

Hacer el anlisis si T es fijo y libre lo mismo que si PT es fijo y libre.
10.2.1.
Si en el problema anterior a y Xa son valores fijos la solucin del problema requiere

encontrar x, u y T ptimos 1 para esto se usa el mismo procedimiento de la seccin
anterior 1 esto es, suponer la solucin y hacer una variacin para encontrar las condiciones que debe satisfacer. Inicialmente la restriccin del problema se transforma
en
G (t,x(t), u(t)) - x =O.
Si A(t) es cualquier funcin, sta hace el papel del multiplicador de Lagrange en los
problemas estticos restringidos y es conocida como funcin de coestado; al multiplicar
la igualdad anterior por A( t) se tiene que la restriccin se puede llevar a la forma
>.(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
Usando integracin por partes! w = .\, dv =

de la integral se transforma en
T* +et.T
Optimizar T [F(t,x(t),u(t)) +>.(t) (G(t,x(t),u(t))-x)]dt
sujeto a x(a) =
h dw =
>.(t)hdt = >.(t)h(t)l~+AT -
Xa.
>.(T' + Eb.T)h(T'
x(T) =xr
J..dt y v = h; el ltimo trmino
T +..T
>.(t)(t)h(t)
+ Eb.T) -
>.(a)h(a)
T+e..T
En este ltimo problema se ha eliminado la restriccin diferencial. El valor objetivo

se reescribe en la forma
1
a
.\(t)h(t)dt
T"+e..T
= >.(T' + Eb.T)h(T" + Eb.T) -
1T [F (t,x(t), u(t)) + >.(t) (G(t,x(t), u(t)) - :i)] dt
1
a
.\(t)h(t)dt
reemplazando esto en la expresin para ~~,
= 1T [H (t,x(t), u(t),>.(t)) - >.(t):i] dt

donde H = F + >.G es llamada la funcin hamiltoniana o hamiltoniano (esta
funcin juega en esta teora un papel parecido al Lagrangiano en optimizacin esttica
restringida). El problema se reduce a
Haciendo E =
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',>.)
[H(t,x'(t) + <h(t),u' +<k(t),>.(t))
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
Hu(t, x', u', >.)k(t) =O.
Hx(t, x\ u\>..)=-..\,
Hu(t x* u* A)= O
1
Estas ecuaciones junto con la restriccin se acostumbran a escribir en el sistema:
+ <h,u' +<k,>.)->. (x+ ,A)] dt
de
+ [H(t, x' +Eh, u'+ <k, >.) - >. (x + <h)] J
[Hx(" )h +Hu( )k - >.h] dt
T+..T
b.T
llamadas condiciones del mximo de Pontryagin De la ltima parte de la ecuacin
dV(O) =
d~
T*+t..T
+.\) h(t) =O,
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,
->.(t) (:i'(t) + ,h(t)) dt.
dV =lT"+AT d [H(t,x'
H,( ) + .\(t)) h(t) +H.(- )k(t) dt
+ [(H - >.x') b.T- >.hJlr =o
T*+t..T
JT' [(
Xy
Las condiciones necesarias se encuentran, como en el caso de clculo de variacionesi

suponiendo que se ha encontrado la solucin x'\ u* y T* y preguntando qu tipo de
condiciones deben satisfacer para esto; sean, adems 1 h y k dos funciones no nulas
fijas con h(a) = O, b.T (fijo) y <reales no nulos. De esta forma, si x( t) = x' (t) +eh(t ),
u(t) = u'(t)+<k(t) y T = T' +<b.T son soluciones factibles, el objetivo del problema
solainente depende de E en la forma
V(<)=
oj
[H - >. (x + ,A)J i
T+~..T
i:;r
[(H - >.x') b.T- >.h]lr =O

se deducen las condiciones de transversalidad, para esto se usa la aproximacin
h(T') "'L!.xr - :i'(T')b.T
276
encontrada en la seccin anterior que reemplazada en la ecuacin anterior la convierte

en
XT
es libre, D..T es cero, D..xr
:J: Oy la ecuacin (6) equivale a
Anterioi:mente de ~~(O) ;::::: Ose encontraron las condiciones necesarias de optimalidad 1
satisfuce~;a queTel problema tenga un mximo o un mnimo. Como

lk' =
'
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
:,!
De la ltima ecuacn 1 como en el caso del clculo de variacionesi se deducen cuatro

casos para las condiciones de transversalidad sobre x(T) = XT:
10.2. CONTROL PTIMO
{[Hxx (t,x"(t)
+ <h(t), u'(t) + <k(t),.\(t)) h(t)
+Hxu ( ) k(t)] h(t) + [Hux ( ) h(t) + Huu (. ) k(t)] k(t)} dt

Al reemplazar
1
J
E=
O y simplificar
~~(O)= 1T [H., (t,x'(t),u'(t), >.(t)) h2(t) + Fxu ( .. ) k(t)h(t)

+ Fux ("') h(t)k(t) + Fuu (" ) k2 (t)] dt
= 1T (h(t), k(t))
3. Si Tes libre y xr es fijo, lix es cero, liT f O y (6) es en este caso
Hlr=O.
uu
(h(t), k(t)f dt
(t,x*(t),u*(t),>.(t})
= 1T (h(t), k(t)) HH(t, x"(t), u'(t), .\(t))(h(t), k(t))T dt
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,
lixr = g(T + liT) - g(T) "'g' (T)liT

reemplazando en (6) con liT f O la ecuacin equivale a
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.
ptimo de T F(t,x(t), u(t))dt

sujeto ax= G (i,x(t), u(t)), x(a) =
Xa
y x(T) = xr,
la funcin hamiltoniana es
Para el problema
H (t,x(t), u(t), ,\(t))
ptimo de 1T F(t,x(t),u(t))dt
= F (t,x(t), u(t)) + L .\,(t)g, (t,x(t), u(t))

i=l
sujeto ax= G(t, x(t), u(t)), x(a) 7
con a1
Xa. 1
Ty
XT
Xa
y x(T) = xr,
las condiciones del mximo es el sistema
son fijos la funcin V( e:) es

V(<) = 1T [H (t,x'(t)
Hx, = -.\,, parai = 1,2,. . .,n

Huj =0 1
paraj = 1,21 ... 1 m
{
H>.; =Xi,
para i = 1,2, ... ,n.
+ <h(t), u(t) + <k(t), .\(t))
->.(t) ( x'(t) + <k(t))] dt.

y
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)
+ <k(t), .\(t)) k(t) - .\(t)h(t)] dt
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.
usando estos resultados en la primera,
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)
se convierte en una ecuacin lineal de primer orden,

.
1T e-" ln(c(t))dt
sujeto a k(t) = rk(t) - c(t)
e(r-li)t
k(t) = rk(t) -
eCr-)t
k(t) - rk(t)
=-\(O)
que tiene como solucin
J exp(f -rdt) [- ,,(0 Je(r-)t] dt + b
k(t)
= ---e-xp--'("J-'_-'-rd"'t):--~-
La variable de estado es k(t) y la variable de control es c(t), el hamlltoniano para este

problema es
H (t, k, c, >.) =e-" ln(c) + >. (rk - c)
__1_
(O)
J e-rt [eCr-)t] dt + b
e-rt
->fo J-"dt + b
y las condiciones necesarias son
e rt
=
Este par de ecuaciones y la restriccin producen un sistema de tres ecuaciones (en
= ert
este caso lineales) con tres incgnitas:
(b- >.~) j e-"dt)

(b + ;;(~))
e(r-)t
k(t) = rk(t) - c(t)

{
ert
>.(t) = -r>.(t)
S>.(O) + bert.
Usando las condiciones iniciales,
>.(t) = '~"
k(O) = S>.(O)
la segunda es una ecuacin diferencial separable,
+ 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,
j d: = ln>. = j -rdt = -rt+a,

despejando >.,
+ berT = kr
ln>. = -rt+a
reemplazando en la segunda y despejando A(O), que es desconocido hasta el momento,

se obtiene sucesivamente:
e(r-)T (
1 ) rT - erT ( -T - 1) + k erT
kr = S>.(O) + ko - S>.(O) e - S>.(O) e
o
>.(t) = e-rt+a = e-a.-rt = Ae-rt = >.(O)e-rt
a partir de sta se encuentra la solucin de todo el sistema. Despejando e en la ltima

ecuacin,
e-lit
c(t)
e-t
= >.(t) = >.(O)e-rt
e(r-t'i)t
>.(O)
kr - koerT =
erT (e-T -1)

S>.(O)
erT (e-CT - 1)
>.(O) = S (kr - koerT)
280
Ejercicio
10.2. CONTROL PTIMO
281
. La forma matricial del sistema
(~U?)=(~
Completar la solucin del ejemplo.

Ejemplo
Una alternativa en la solucin de problemas con una variable de control y una de
estado consiste en realizar un diagrama de fase del comportamiento de la solucin;
este diagrama muestra la interaccin entre las funciones que solucionan el problema.
Para el caso del problema anterior se debe convertir el sistema que da las condiciones
k(t) = rk(t) - c(t)

.l.(t) = -r.l.(t)
{
dt
proporciona el comportmiento del punto de equilibrio. Es relevante en este caso el

anlisis del comportamiento del punto de equilibrio?. La matriz de coeficientes tiene
traza) 2r - i determinante .r(r - ) que es positivo ya que la tasa de inters es mayor
que la tasa de descuento. Qu pasara si esto no fuese as? y como
(2r - o) 2 - 4r(r - o) = 4r2
4ro + o2 - 4r2 + 4ro =
o2
-&
.l.=~
k(t)_';; rk(t) - c(t)
d(-%rn-) _
-lo) (~U?)
por lo tanto, las races de la ecuacin caracterstica son reales positivas diferentes y
el sistema es inestable.
en un sistema que solamente involucre la variable de estado y la de control; para el

caso es fcil dado que basta reemplazar la ltima ecuacin en la segunda:
e-U
-rC[tT
= {k(t) ~;k(t~;; c(t)
-"
10.2.3.
Problemas con valor de salvamento
En problemas de la forma
Mxino de
-re
- ecur-czmc=
~
= rk(t)
F(t,x(t),u(t))dt+\O(T,x(T))
sujeto a :i:(t) = G(t,x(t), u(t))
x(a) =
Multiplicando y despejando en la segunda ecuacin:
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
se despeja \O (T, x(T)) y se reemplaza en el valor objetivo, as este es
k=O
Mximo de \O(a, x(a))
[F (t, x(t), u(t))
(\O (t, x(t)))] dt
como r.p (a, x(a)) es constante, no afecta su valor y se puede reducir a
i:=O
k
Mximo de
1T [F(t,x(t),u(t)) + ~ (\O(t,x(t)))l dt.
Figura 10.3: Interaccin entre el capital y el consumo.

La funcin harniltoniana para este problema es
de un valor inicial ko el capital crece hasta un punto en el que la curva de interaccin,
entre capital y consumo 1 corta la recta e = rk (donde el consilmo y el retorno de la
inversin del capital son iguales); a partir de ese punto el capital decrece hasta llegar a
cero. Por su parte 1el consumo crece desde un valor inicial cero hasta agotar el capital.
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.
UY.111\lllZlllilUl\' LJ11Vfi1V11VJ1. VVl\' .Lll\' Ufi
y las condiciones del mximo son
Ejercicios
Hx = Fx +'Ptx +<p,,G+<p,G, +>-Gx = - \

Hu= Fu +r.pxG1.L+ AGu =
{
H,, =G=x.
Reemplazando r = A+ 1Pxi y su derivada
. d
.
i =A+ dt ('Px) =A+ 'Pxt + 'PxxX = \
+ 'Pxt + 'PxxG,
la funcin hamiltoniana se convierte en
H(t, x, u, ry) = F(t, x, u)+ <p1(t, x) + ryG(t, x, u)

y las condiciones del mximo en
Hx = F, + 'Ptx + 'PxxG + ryG,

Hu=Fu+ryGu=O
H,, = G =
Bajo la condicin
l{Jtx
Ejemplo
= l.f':i;t, estas se reducen a

{
+ ryG, =
-i
Hu= Fu+ rGu =O
H,, = G =
2. Un individuo dispone de un capital k 0 invertido a una tasa de inters r y posee

bienes por k1 que se dispone a vender para gastar todo en un periodo de tiempo T;
sus estudios lo han llevado a concluir que su utilidad depende del consumo de dos
bienes, paseos (p) y buena comida (c) en la forma u(p, c) = aln(pc 2 ). Su propsito
es determinar cul debe ser el plan de consumo de los dos bienes y cundo debe
vender sus propiedades para gastar el capital que la transaccin produzca, dado
que la tasa de crecimiento de la renta de la tierra es Wi para maximizar su utilidad
a valor presente en ese intervalo. Examinar las posibles relaciones entre w y r.
= -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
H (t, x, u,>.) = F (t, x(t), u(t)) + ry(t)G(t, x(t), u(t))

el problema se puede solucionar con un hamiltoniano corriente y las condiciones usuales de optimalidad.
La ecuacin de donde se desprenden las condiciones de transversalidad
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
J,T e-pt L(t)u(c(t))dt
sujeto a F(K, L) = L(t)c(t) + k
+ K(t)
K(O) = Ko
K(T) =Kr
de donde:
l. Si T es fijo y xr es libre,
Las condiciones sobre la fuerza de trabajo producen la ecuacin diferencial separable:
dL
dt =nL,
2. Si T es libre y xr es fijo,
(F + ryG + 'Pt)lr =O.

3. Si T y xr son libres, y satisfacen la relacin x(T)
para aproximar el valor del incremento D..xr,
= g(T). Usando la diferencial
[F + ryG + 'Pt - (ry - 'Px) g'Jlr =O.
dL
-; =ndt
luego de integrar se obtiene
ln(L(t)) = nt +a,
o L(t) = L(O)en'.
CAPTULO 10. OPTI!vIIZACIN DINMICA CONTINUA
284
Las condiciones sobre la funcin de produccin F son:
285
10.2. CONTROL PTIMO

f(k)
l. Los insumos son esenciales,
F(K,O) = F(O,L) =O.

2. Rendimientos constantes a escala,
F(AK,>.L) = >.F(K,L).
k
3. Rendimientos marginales positivos,
Figura 10.4: La grfica de c = f(k).
La restriccin del problema F(K,L) = L(t)c(t)+K-SK(t) usaudo la ecuacin que

rige el crecimiento de la poblacin y la funcin de produccin per cpita se convierte
en
4. Rendimientos marginales decrecientes,
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
~,Ll) =LF(1,1) =LF(k,l)=Lf(k)
= L(t)c(t) + d(L(~tk(t)) + SL(t)k(t)

=
L(t)c(t) + ik(t) + L(t)k(t) + SL(t)k(t)
L(t)c(t) + nL(t)k(t) + L(t)k + SL(t)k(t)
luego de simplificar L(t) y transponer trminos,
k = f(t) - c(t) - (n + S)k(t)

El valor objetivo del problema es
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,
F = 8(F(K,L)) = 8(Lf(k)) = Lf'(k) 8k

K
8K
8K
8K
=; Lj'(k) ""'J'(k) >O,
J.T e-P'L(O)e"'u(c(t))dt = L(O) J.T e(n-p)tu(c(t))dt.

De esta forma el problema en trminos per cpita queda
T
Maximizar
j e<n-p)tu(c(t))dt
o
esto es, la funcin

condicin d,
f es creciente. Derivando nuevamente con respecto a k y usando la

F
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
lm J'(k) =coy lm J'(k) =O
k->O
sujeto a
f (k(t)) - c(t) - (n + S)k(t)

k(O) = ko
k(T) =kr
k=
k_ es la variable de estado 1 e la variable de control y el hamiltoniano es
H(t, k,c) = e(n-p)tu(c(t)) + >.(t) (f(k(t)) - c(t)
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.
Las condiciones necesarias son
. Hk = >.(t) (f'k(t) - (n +o)) = -~(t)

H, = e(n-p)tu'(c) ->.(t) =O
(n + J) k(t))
Sin el conocimiento explcito de las funciones involucradas 1 produccn y utilidad, es

imposible encontrar la solucin del sistema
c=(n+6)k
>,(t) (f'k(t) - (n+ )) = -~(t)

e(n-p)tu'(c) - A(t) =O
{
c=f(k)
k(t) = f(k) - c(t) - (n + )k(t)
que resulta de las condiciones necesarias y la restriccin diferencial. Sin embargo, es

posible determinar la interaccin entre las variables de estado y control (capital y consumo) va un diagrama de fase; para esto se debe eliminar .\. Por lo cual, desPejando
>.. en la segunda ecuacin,
), = e(n-p)tu'(c),
Figura 10.5: Las curvas c = f(k) y c = (n + )k.
derivando con respecto a t,

~
= (n- p)eCn-p)tu'(c) + e(n-p)tu"(c).
Reemplazando estas expresiones en la primera ecuacin del sistema,

e(n-p)'u'(c) (f'k(t) - (n+ ))
= - [Cn-p)eCn-p)tV:(c)
+ e(n-p)tu"(c)c]
Despejando Cse tiene sucesivamente

u'(c) (f'k(t) - (n + )) = -(n- p)u'(c)- u"(c)i:
u"(c)i: = -u'(c) (f'k(t)- (n + ) + (n- p))
i;
u'(c)
= _-_
(f'k(t) - ( + p))
Figura 10.6: La grfica de
u"(c)
= O equivale a la de
e= f(k)- (n+)k.
De esta forma el sistema se reduce a
k = f(k) - c(t)- (n + )k
{ = -;,~(~J) (f'k(t) - ( + p))
e
Puesto que k =O equivale a c = f(k) - (n + ) k, para trazar la grfica de k =O se

usa la grfica de c = f(k), descrita anteriormente, y la grfica de c = (n + )k que
representa una recta con pendiente (n + ). Como por las condiciones de Inada f' (k)
toma todos los valores positivos1 la recta e = (n + .6.)k interseca a la curva en dos
puntos, uno de ellos.es el origen. La diferencia de los valores de e= f(k) y e= (n+)k
describen la curva k = O. Esto se realiza encontrando la diferencia de las alturas de
las dos curvas que produce la grfica. Por otra parte, C= O en aquellos puntos donde
f' (k) = n + , esto representa una recta vertical ya que e puede tomar cualquier
valor y k solamente el valor donde se satisface la ecuacin f' (k) = n + . Al reunir
las dos grficas y hacer el anlisis de signos se tiene que el comportamiento de la
interaccin entre capital y consumo est dado en la figura 10.7. El punto de equilibrio
para este sistema es punto de silla del sistema. Analticamente este comportamiento
se encuentra linealizando el sistema por medio de polinomios de Taylor de primer
Figura 10. 7: Diagrama para la interaccin entre capital Y

consumo.
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
10.2. CONTROL PTIMO

-eliminando e-pt
F,+G, p-fe
Fu+G. =0
{
G=x .
k = f(k)- c- (n + 5)k + [f'(k) - (n+)] (k-k)- (e- e)

_ _ u'(e) [f'(k)-(n , 5)]- (u"(e))'-u'(e)u"(e) [f'(k-)-(' , ))
e -
u"(C}
uT p
(u"(E))
(c- e) - ;:,\%f"(k)(k - k)
Que se pueden escribir en la forma
H!j
que equivale a
k = [f'(k)- (n+5)] (k-k)- (e-e)

{ = -:;,'.\~f"(k)(k-k)
en forma matricial,
(k)e _(f'(k), ~ (n'"(k-)+ 5)

.
_u (e)
u"{) J
-1) (k) + ("-[f'fk_l-Ci:-1:5)] )

O
"(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
HD (t,x, u, A)= F (t,x(t), u(t)) + (t)G(t,x(t), u(t)).

es conocido como el hamiltoniano descontado. Este procedimiento simplifica el sistema
sin alterar la solucin 1 adems si F y G son autnomas este es un sistema autnomo.
Ejemplo
<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
Problemas con descuento
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
Muchos problemas en economa tienen la forma

Mximo de
J.T e-P'F(t,x(t),u(t))dt+<p(T,x(T))
sujeto a x(t) = G(t, x(t), u(t))
x(a)
= Xa,
x(T)
= xr.
H (t,x,u, !,) = e-Ptp (t,x(t), u(t)) + i,(t)G(t, x(t), u(t))
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" = e-pt F, + i,G0 = -.\
Si adems se toma una tasa de descuento r 1 el problema es
Hu= e-ptpu + AGu =O

Minimizar
H.=G=x.
Si se hace la sustitucin,\= e-Pt, ,\ = -pe-Pt
+ e-pt,
estas se convierten en
e-ptpx + e-PtGx = pe-pt- e-pt

e-Pt Fu + e-pt Gu = O
G=x
o< (3 s; 1
ir= (3(p- 7),
y las condiciones del mximo son
ir= " (Y - :Y)
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
sujeto ap-7' =a (Y -Y)

ir= (3(p- 7)
ir(O)
= "
r.(T) =
1T
Despejando p en la primera restriccin y reemplazando 1 el problema se transforma en

Minimizar
sujeto a
1T e_,,
{a (Y
3. El objetivo del gobierno es maximizar

00
: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
donde 7r es la tasa de inflacin 1 u el nivel de desempleo 1 la tasa natural de

desempleo (que se considera constante) y z la tasa de crecimiento de la oferta de
dinero y se supone que 1r = az + b) 7r(O) =no y existe una relacin tipo Phillips
ir(T) = irr
u= au(t) + fhr(t).
El hamiltoniano descontado para el problema es
a) Encontrar el punto de equilibrio del sistema que dan las condiciones necesarias para solucionar el problema y analizar la estabilidad analtica y
grficamente.
Las condiciones necesarias,
H[;' = (2b (ir+' (Y - Y))]= r,- ,

H{? = 2 ((o+ ab) (Y - Y)+ birJ + ,a/3 =O.
b) Determinar los cambios en la estabilidad si se presentan cambios en los

parmetros.
4. El problema
Al eliminar , despejando en la segunda ecuacin y reemplazando en la primera

ecuacin se transforma sucesivamente en
mx
2b(ir+a(Y-Y)) =- ~; [(a+ab) (Y-Y) +bir]
e- 0 "
Jk +ve] dt
k = Jk- e 0,2k,
sujeto a
k(O) = 1
- !:._ {-~ [(a+ab) (Y-Y) +birJ}

dt
a/3
=:/3 [(a+ab)(Y r(Y-YJ)+b(ir-rirJ]

= :/3
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:
{(a+ ab) (Y - r(Y - YJ)
ptimo
+ b[a/3 (Y - Y) rn] }
1T [x + 4xu + 2u
2
dt,
sujeto a
x =u
x(O) = l.
Encontrar:
Ejercicios
a) La solucin del sistema que producen las condiciones de Pontryagin.
L En el ltimo ejemplo, escribir el sistema en forma matricial, encontrar la solucin

correspondiente. Si T __, oo) encontrar los puntos de equilibrio y analizar su
comportamiento.
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: =
Las constantes de integracin si:
J) Determinar si la solucin encontrada en cada caso es un mximo o un mnimo.
az + /3
6. Para el problema:
a) Usar el hamiltoniano descontado para encontrar las condiciones necesarias de

optimalidad, reducirlas a un sistema en y i: y hacer el anlisis del sistema_
discriminando los casos para las distintas combinaciones de los parmetros-
ptimo
b) En caso de punto de silla encontrar la senda de convergencia del sistema.
sujeto a
f,T [x (u- x) - x2-2 (u- xJ

:i: =u x(l) = 2.
dt
292
a) Encontrar la solucin del sistema de Pontryagin.

Calcular las constantes de integracin de la funcin solucin si:
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
f,T [xu - x2 - 2u2 + (t 2 - 3t)u] dt

x = x+u,
sujeto a
x(l) = 2.
1T [au (t) + bx(t)] dt

2
sujeto a :i;(t) = u(t), x(O) =O, x(T) = Q,
OS: u(t) S: q.
Si se usa el mismo procedimiento de optimizacin restringida por desigualdades

el hamiltoniano es
H (x(t), u(t), .\(t)) = -au2(t) - bx(t) + .\(t)u(t)
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-
y las condiciones del mximo
H,
cin si:
b) T
293
10.2. .CONTROL PTIMO
= 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.
,\ = bt +a en la primera ecuacin. El lagrangiano para maximizar el hamilto-
d) Determinar si la solucin encontrada en cada caso es un ~ximo o un mnimo.
niano es
.(u,i,2) = -au2 -bx+>.u+1u+ ,(q- u)
las condiciones necesarias de optimalidad
10.2.5.
Restricciones sobre la variable de control
La generalizacin de las condiciones del mximo a problemas de la forma

Mximo de
1T F(t,x(t),u(t))dt
sujeto a x(t) = G(t, x(t), u(t))
x(a)
= "'
x(T)
= XT y u E A.
-2au+>.+ -1"2 =O
1u=O
2 (q-u) =O.
.u =
con 1 2: O, 2 2: O. 1 > O y 2 > O no es posible porque u no puede ser

simultneamente O y q. Las combinaciones posibles son:
a) 1 >O, u= O y 2 =O. De la primera ecuacin
1
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.
= -.\ = -(bt +a)> O
lo cual tiene sentido si y slo si t

condiciones del mximo x(t) = {3.
b) 1 = O, 2 > Oy u
< - ~ y de la tercera ecuacin de las

1
= q. En este caso la primera ecuacin se reduce a

2 = .\ - 2aq = bt + ' - 2aq.
\-.
de aqu 2 > O si y slo si t > 2

condiciones del mximo x(t) = q t +'Y-
De la tercera ecu~cin de las
de donde
u{t)
= ~ = bt+a
Za
Za
a=
de la segunda ecuacin y
2
x(t)= jbt :dt= :at +

2
~t+o
de la tercera de condicin del mximo.

Puesto que uno de los costos involucrados es el de almacenamiento es. natural
suponer que la tasa de produccin (u) es creciente, por lo tanto
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) =
-''
< t < Zaq-a

b-b
si Zaq-o < t < T
b
'
_
Por las condiciones x(O) =O y x(T) = Q,

puesto que u( t) lo es, por tanto,
")2
b (
4a -;
a (
")
+ 2a -; + 0 =
a2
2. El aprendizaje de una persona es proporcional a su capital humano h(t) y a

la fraccin de tiempo dedicado al trabajo 1 - E(t), este capital decae (medida
de olvido) a una tasa constante a 2: O y crece en funcin de la inversin en
educacin {esta funcin es creciente y cncava, raz cuadrada para este ejemplo)
que depende del capital invertido y del tiempo dedicado al estudio E{t). Se
desea maximizar el aprendizaje en el tiempo de vida [0 1 T] descontado a una
tasa r al momento de nacer:
l,- <tST.
mx
f3 =O y= Q- qT. x(t)
4ab
a$ O si y slo si a2q2 $ 4ab(qT - Q) - 3a2 q2 , esto es, aqzb+bQ $T. Si esta

ltima condicin no se cumple la produccin debe comenzar desde t = O.
u dice que en t = -% se debe comenzar a producir a una tasa constante hasta

alcanzar el mximo posible (en t = 2\-). De ah hasta la fecha de entrega
del pedido (t = T) se debe producir a la capacidad instalada. Por esto para
determinar el comportamiento de la produccin se debe encontrar el valor de o:
(debe ser negativo para que tenga sentido la solucin).
a2
+ 2ab + 0 =
30:2
4ab
es continua
- a
q2aq
-b
+0 =
+2a
(2aq b
) _
3C<
2
_
4ab-q
h(t) = AJE(t)h(t) - ah(t)

h(O) = ho >O, O:S E(t) :S 1,
El hamiltoniano descontado es
gD (h(t),E(t),(t)) = {1-E(t))h(t) + (t) [AJE(t)h(t)- ah(t)l

las condiciones del mximo son
+Q-
qT
2aq - a
_
b
+Q qT
H.{'= 1-E+ .
[4A-aJ = r-fl.
mxE gD = (1 -
E)h + [Av'Eh- ah] ,
Hf
sujetoa 0'.":E:Sl
= A,/Eh-ah =h.
El lagrangiano para la solucin del problema de maximizacin de HD es
esta se convierte sucesivamente en:

1
2
( "
4ab (Zaq - a) + 2ab -
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
al despejar en la primera y reemplazar en la segunda
_!'._ (2aq 4a
b
J.T e-"'(1- E(t))h(t)dt
sujeto a
b (2aq
- ")' + 2a
" (Zaq
-")
4a
-b-b
aq - Ja2q2 - 4 la2q2 - ab(qT - Q)]

2
aq - J4ab(qT- Q) - 3a2q2
2
producen dos casos para la solucin:
ry2 =
296
CAPTULO 10. OPTIMIZACIN DINLVITCA CONTINUA
10.2. . CONTROL PTIMO
297
A partir de estos casos se construye la solucin del problema de forma que E

sea continua, en esta construccin, como en el ejemplo anterior 1 se debe hacer
aliuna conjetura sobre el comportamiento de las funciones involucradas.
a) 7J1 =O, r2 >O y E= 1 de donde el sistema a resolver es
Ejercicios
l. Analizar el caso ai,~bQ
De la ltima ecuacin
h(t) =
(A - {Je-,"')'
2. Discutir la solucin encontrada en el ejemplo 2.
con esto se despeja de la primera ecuacin
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))
sujeto a ::(t) = G(t, x(t), u(t))
1-E+ r~_ft-a]
-h+~fi=o
A./Eh-ah=h.
x(a) =
= r-t
Xa,
x(T) = xr.
se defiine la funcin d valor por

V(t,x,) =mx { F(s,x(s),u(s))ds+<p(T,x(T))
En la segunda ecuacin
-u(s)
}t
sujeto a ::(s) = G(s,x(s),u(s))
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
F (s, x(s), u(s)) ds +V (t + llt,x(t + !lt))
F (s, x(s), u(s)) ds +V (t + !lt,x, + llx,))
Aproximando V por un polinomio de Taylor de primer orden
-~ +ah = - A'
- - (1 + Be(a+r)t )
dt
2(a+r)
F(s,x(s),u(s))ds+<p(T,x(T))}
u(s)
Con esto la ltima ecuacin del sistema
F(s,x(s),u(s))ds
= mx{F (t, x(t), u(t)) !lt +V (t + llt,x, + llx,))}
2 ~ 1 + Be(a+r)t
z = -v Eh=---A
a+r
tiene como solucin
tMt
t+.6.t
= mx
jv'Eii, esta se reduce a la ecuacin separable

'
V(t,x,)=mx
u(s)
2
A~
2a
=l-E+-./Ei-1
----/Eh
Si z =
x(T) = xr
para /lt >O. En particular V (T, xr) = <p (T, x(T)).
r'}_JE! _ !:_ ('}_./Eh)

A
x(t) = x,,
h = _A
_ _ _ + --e(a+r)t
+ e-at .
B
2(a+r) a 2a+r
El hamiltoniano para el proble1na es
Al reemplazar en V (t,x,)
V (t,x,) = mx{F (t,x(t), u(t)) 6.t +V (t,x,)

u(t)
+ aV~;x,) 6.t+
aVi!~x,)G(t,x(t),u(t))t>.t}
simplificar y dividir por D.-t
mx
u(t)
H = UR exp [-
+ (y(k) -
BR(cR (z)) dz]
+ up exp [- 8p (cp (z)) dz]
CR - Cp - ryk)
A es la variable de coestado, relacionada con la variable de estado k.
{F (t, x(t), u(t)) + aV ~'t x,) + &Vit, x,) G(t, x(t), u(t))} =O
Las condiciones de primer orden son:
Xt
o en la forma
&V~' x,) + mx {F (t,x(t), u(t)) + &Vit, x,) G(t,x(t), u(t))} =O

t
Xt
u(t)
al usar las derivadas del hamiltoniano el sstema es
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.
Crecimiento con dos tasas de preferencia

intertemporal
H'R
(
= u'Rexp (- f~BRdz) +uRexp (- f~ 8Rdz) eR-A =o
H" =u),exp (-fo 8pdz) +upexp (-fo 8pdz) 8p->. =O
Hk =>.(y' -ry) = - \
Transponiendo en las primeras ecuaciones
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)
stos (cp). Normalmente se supone que la tasa de preferencia intertemporal (8) es

constante para cada individuo.
La funcin objetivo es
UR (cR (t)) exp [-
Que se convierten en
BR (cR (z))
>.expqeRdz) =u'R+8RUR
dz] dt
>.exp (epdz) =u), +Bpup

\ =
+ [up(cp(t))exp [- 8p(cp(z))dz] dt
>.(ry - y')
La ltima ecuacin equivale a
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>. =
CAPTULO 10. OPTIMIZACIN DIKI.MICA CONTINUA
300
10.3. CRECIMIENTO CON DOS TASAS DE PREFERENCIA INTERTEMPORAL301
que se puede reescribir en la forma
OR, Op > O, ya que la tasa de preferencia intertemporal de los ricos y de los

pobres es positiva.
uR_, up > 0
por las propedades convencionales de la funcin de utilidad.
La primera igualdad se cumple si

Reemplazando
>.,
Aexp(l(ry-y'+&R)dz) =u'+&RUR
la segunda se cumple si
ry -y'+ Bp =O
Aexp (/ (ry-y' +&p)dz) = u'p +&pup

o
&p =y' -ry
derivando con respecto a t

y la tercera se cumple si
ufcR +&<CRUR +&RCRUR = Aexp (J~ (ry-y' + eR)dz) (ry-y' +&R)
y= (cR +cp) +ryk
{ u'f,cp + &f.cpup + &pcpu'p =A exp (J~ (ry - y'+ &p) dz) (ry - y'+ &p)
y'= ry + &R =
Se sigue1 entonces 1 que
R (uf+ 0/UR + 0RUR) =(u/+ 0RUR) (ry-y' + OR)

{ cp (u'f, +&'pup + &pu'p) = (u'p + &pup) (ry-y' + &p)
Bj =0
{ e;, =O
que es equivalente a
u~+ORUR
a:R ('u.~+Onun)
y'+
e J_
En el punto de equilibrio las tasas de preferencia intertemporal de los pobres y de

los ricos son iguales. El modelo nicamente es consistente con tasas de preferencia
intertemporal iguales. Esta condicin es muy restrictiva porque rechaza de plano la
existencia de las curvas de EngeL
Linealizando el sistema alrededor del punto de equilibrio,
"-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
Los cambios en el consumo de los ricos y de los pobres dependen de la productividad

marginal de k, de las respectivas tasas de preferencia intertemporal y de la utilidad
marginal.
Si L 1 G representan las funciones involucradas en las ecuaciones, el sistema 3 x 3
a analizar es
R = L(cn,k)
cp = G(cp,k)
{
k = y(k) - (cp +GR) - ryk
CR = L,R (cj,'k) fcR - cjJ + Lk (cj, k') fk - k.'J

p = G" (e,, k') fcp - e,]+ Gk (e],, k') [k - k)
{ k = (y'(k') - ry) [k - k') - [cR - cj] - [cp - e;]
donde
El punto de equilibrio est donde
p =(u',+ 0RUR) (ry - y'+ &R) =

R = (u'p + &pup)(ry -y'+ &p) =O
k=y -
(CR
+ Cp) -
P,kt
La ltima ecuacin equivale a
El
* significa que
up + Bpup
+ &p
y' =11+&j, =ry+e;,
Reemplazando y factorizando,
_
CR { . _
P,
la igualdad representa una situacin de equilibrio.

son diferentes de cero porque:
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'
Los valores propios de la matriz son las soluciones de

d
p
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
3 - (LR + Gp + 8)T 2 + (8(LR + Gp) + LRGP + L, + Gk)T

- (LkGP + LRGk + LRGp8) =O
Los signos se comportan de la misma manera que en la ecuacin anterior.

Es razonable pensar que cuando -u" p < Bpu1p, tambin -u'' R < fJRu 1R Y que
cuando -u" p > ()pu' p, tambin -u" R > eRu' R S esta condicin se cu1nple, esta
relacin siempre ser positiva: ~~ > O
Lk (cj, k') =
-y" (k')
dfln(uR+BRttR)j
----~-- =
dcR
Gk(cj,,k') =
y" (l, + G, - By")

= Gk
(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,
De acuerdo con el teorema de Routh-Hurwitz, el sistema dinmico es estable si la

matriz
-y"(k')
dio(u;,+epup))
(y") 2T3 + y"(Lk + Gk - 8y")T2 + (LkGk + (Lk + Gk)(y") 2 - 8)T

+ L,G,(2y" - 8) =O
(c;,,k)
--~~_c,--dcR
Lk
- -L, Gp-- =!2;.

eomo LR-7,
y",
G,
= Gp
LR
Gp
Antes se mostr que el miembro derecho de la igualdad es positivo. As que por

definicin GLk > O.
" linealizado se convierte en
El sistema
CR = LR (cR - cj) + L, (k - k')

cp = Gp (cp - cf.) + Gk(k -k')
{
k = -(cR - cj) - (cp - cj,) + (y'(k' - ~) (k - k')
(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 +e, - By")

L,Gk(2y" - e)
2
(y")
LkGk
+
(L, + G,)(y") 2 l
= y"(Lk + G, -
8y") [LkGk + (L, + Gk)(y") 2 -
8) - (y") 2 L,G,(2y" - 8).
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 .
. 2c. A(x, y): x es amigo de y; j: Juan, p: Pedro, m: Mara.
\fx((A(x,j) A A(x,p))
=?
A(x, m)).
Ejercicios 1.2 Pgina 5

la.
ld.
2a.
2g.
Noi en el primero la variable x puede tomar el valor O, en el segundo no.

No 1 (-1, -1, O) es elemento del primer conjunto pero no del segundo.
(O, O) y (O, 25).

(5, 50, 500) y (-100, 10, 1500).

!. No.
3e. No cerrado, no abierto, no acotado, no compacto, el interior es vaco, su frontera y
clausura es {m + ~ 1 m E N y n E Z++} U{ O} 1 el nf es O, no es acotado superiormente
y el conjunto de sus puntos de acumulacin es N.
3g. El conjunto no es cerrado ni abierto, no es acotado inferior ni superiormente, su interior

es vaco, su frontera, clausura y conjunto de puntos de acumulacion es lll.
5. Usar el principio arquimediano para probar que la unin es igual a (O, 1].
; 8. Sea x E A n B con A y B conjuntos abiertos) entonces existen r.4 > O y rs > O ta.les
que (x - TA,x + rA) e;; A y (x - rs,x + rs) e;; B. Sir= mn{rA,rs}, entonces
(x-r,x+r) e;; (x-rA,x+rA) y (x-r,x+r) e;; (x-rs,x+rs), por lo que
(x-r,x+r) ~ AnB 1 esto es AnB es abierto.
:icios 1.5 Pgina 20

2
'uesto que x2 + 2xy + 2y2 = x 2 + 2xy + y2 + y2 = (x + y) 2 + y = 1) los valores

ue puede tomar las variables son -1 S y S 1 y Dl S x +y S l. Despejando en la
;egunda condicin y usando la prilnera -2 S -l -y S x S 1- y::; 2.
SxS -j;;yOSyS
lo compacto ya que no es acotado, si x = O las otras variables pueden ser cualquier
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.
Ejercicios 2.5.1 Pgina 43

3. Al aplicar logartmo a la ecuacin,
;y1 [In a+ a ln x + l ln y -
In f =
(x,y,z) 1 z =O, x2 +y2 S 2} U {(x,y,z) 1OSzS2, x 2 +y2 = 2} U {(x,y,z) ! z =
In (ex' + dyP) J
:c2+Y21 x2+y2 S2}.

tSta ver que: x2 + 3xy + y 2 = x 2 + 3xy + ~y 2
~y 2 = (x + ~y) 2 - ~yz.
cicios 2.2.2 Pgina 29
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.
3. Incalmente mostrar que ~: = ~ y usar el ejercicio 6 de la seccin 2.5.1.
y)
F ( 1- =
'x
2u
2xy
,,
x
--"------Fx
l+{~)2-x2;2-x2+y2(,y).
F(t) = F
G) .j:
=
12
vT+t2

2a. La primera funcin es homognea de grado!?..,
por lo tanto si flQ > 1 tiene rendimientos
Q
crecientes 1 si !?..Q = 1 tiene rendiinientos constantes y s !?..Q < 1 tiene rendimientos
decrecientes. La segunda es homognea de grado f3 + a y la tercera es ho1nognea de
grado /3 + a si y slo si = a = O por lo tanto estas tienen rendimientos crecientes,
constantes o decrecientes si /3 +a > 11 j3 +a = 1 o j3 +a < l.
2c. El logaxtmo de Q(K,L) = Ae'i' KLP, la transforma en
'ara la funcin F(x-y,2x +y)= x 2 +3xy -5y 2 , seas= x-y y t = 2x+y1 se

debe despejar x y y en trminos de s y t y reemplazar en la funcin: Suamndo las
ecuaciones s+ t 3x o x =
y y = x- s = s!t - s = s+t3- 3s = t-32s. Por lo tanto,
K
lnQ =In A +S-;
stt,
+ alnK + llnL
su derivada implcita con respecto a K,
QK
,j
-=-+Q L K
y luego simplificar.
y de aqu
F(G(x, y), y)= 4(G(x,y)) 2 + y2 = 4 (x 2 - 9y2 )
+ y2 = 4x4 - 72x 2 y2 + 37y4 .
es homognea de grado p,
f(>.x) = ).P f(x).
3.
2.
Tomando logartmo a la ecuacin
oo a = b = o) en el prilner caso la funcin es homognea de grado 2 y en el

segundo de grado l.
= d=
=l.
:sto se desprende de: f(x, y)= f
3. Si
(x l,x;() = xf (!, ;;).
lnf{,\x) =pin>.+ lnf(x).
308
RESPUESTAS Y SUGERENCIAS
309
lb. Los conjuntos no son acotados, por tanto no son compactos.
3. Una recta y un crculo.

6. No.
le. A= GS donde /(y)= Jy 2 -yJ definida para IY + 21 S l.

i Ejercicios 4.2 Pgina 77
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)
=~con x >O, g(x)
= x 2 y f(x)
=~con x >O, g(x) =

l.
3x+y
}
e= { (x, y) 1 x y-x2 - 3Y' - 1 2 1
= { (x, y) l 3x +y S xy - x2 - 3y2 -
la ltima desigualdad solo se cumple para x = O, por lo tanto el conjunto es igual a

{(O,y,z) 1y+z =O} y este es cerrado y no acotado.
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.
S. f(x) = {x, si x < 1

X
-1,
Sl X;?.
l.
donde, f (x, y) = 3x + y - xy + x 2 + 3y2 . Esta funcin es convexa (es la suma de la

forma cuadrtica definida positiva -xy + x 2 + 3y2 y la funcin lineal 3x +y) por lo
que el conjunto es convexo.

3a. Convexo.
3e. No convexo.
3h. Convexo.
4a. Cncava.
4b. Cncava.
5e. Es convexa en
{(x,y) l I08xy 2 1, x >O, y> O}

y cncava en

l. A= CI(O) n CI,(l) donde
Jx
{(x,y) l I08xy 21, x <O, y< O}.
f(x, y) = Jy 2 -
vi - X y g(x,y) = IY + 21.
7. Los nicos grafos y contornos convexos son los de funciones lineales.
3a.

CS,(l)nCI(2) ={(x,y) l 1Sx 2 +x-y, x-y S2}
={(x,y)ll-x2 Sx-yS2}
= { (x, y)
l -2 S y -
x S x 2 -1}
= {(x,y) 1 x-2 S y S x 2 +x-l)
como la ecuacin x - 2 = x 2 + x - 1 no tiene solucin real el conjunto es vaco.
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.
5. D = {(K,L) 1mn{2K,3L}2 6} =CS(6) con f(K,L) = mn{2K,3L}.
S. f(x) = {x, si x S 1
X - 11 SI X> l.
1. f es la compuesta de una funcin decreciente con una convexa.

3. Aplicar logartmos.
. Descomponer en funciones sencillas y aplicar las propiedades, entre ellas el ejercicio 3,

o la matriz hessana.
equivale al par de desigualdades
aK 2: q,
~jercicios
5.1 Pgina 108
As el problema a solucionar es
Minimizar C(K,L,T) = rK +wL+ sT
sujeta a aK - q 2: O,
5.3 Pgina 117
(O, O) es punto de silla.

e. (O, O) es punto de silla.
i. (Oi O, O) es mnimo .
.t. Los puntos del conjunto {(x 1 y, O) 1 x +y= ~} son argumentos minimiza.dores.
i. (O, O) es punto de silla.
6.1.2 Pgina 135
-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
;. Las soluciones de problemas restringidos pueden ser comprobadas usando un programa

computacional. La herramienta Solver de Excel es una buena opcin en los problemas
numricos.
~. El punto que soluciona el problema no cualifica las restricciones.
)e.
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,
dan los valores ptimos del problema.
= f(x, y, a)+ i<(k -
2: O,
2: l
z 2 o,
3a. El lagrangiano para el problema es
+ bTP)';} =
x2 - y2 - z2
X
usar estas ltimas para construir el lagrangiano.
:1. Como en el ejercicio anterior la restriccin
mn { aK, (aLP
z2 ) = O,
y la restriccin de gualdad
:ue equivalen a
aK - q 2:
= -l -2tZ + t2 + 4i< = 0,
las de holgura complementaria
mn{aK,AL"TP) = q,
AL'Tf3 2: q,
t3Z
lx = -l -21x+ Jt2 +2>- =O,

ly = l-2 1 y-3i<= O,
l,
aK 2: q,
Las condiciones necesarias
apy
L Nuevamente Solver de Excel sirve para comprobar las soluciones.

3. Transformar la restriccin
Jt2X
+ i<(2x-3y +4z-1).
am _b+bln(bp,)
Px
z + 1'1(4- x2 -y2 - z2 ) +
[, = - X+ y -
B>jercicios 6.2 Pgina 147
~n
aLP + bTP - q~ 2: O.
5a. El problema en forma para aplicar los teoremas es
.a.
~jercicios
+ bTP)'; 2: q,
la segunda se transforma en
. argmx{f(x) 1 x E (-3,1]} = {l},

argmn{f(x) 1 x E (-3, ll} = (-3,-2) U {O},
mx{f(x) 1x E (-3, l]} = 1 y mx{f(x) l x E (-3, l]} =O.
. argmx{f(x) 1 x E [-1,3)} = (1,3],
argmn{f(x) 1x E (-1,3)} ={O}, mx{f(x) 1xE(-1,3)}=1 y
mx{f(x) 1 x E [-1,3)} =O.
~jercicios
(aLP
g(x, y)).
313
RESPUESTAS Y SUGERENCIAS
312
Segn el teore1na de la envolvente
2. {2+(-1)'(1+~)}.
ar
4. Basta reemplazar sen~ por (-1 )t+l y usar las definiciones.
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.

l. Las funciones seno y coseno tienen periodo 2n.
4a. Para los que la ecuacin x = x 2 +e tiene solucin, esto es, e ::; ~.
2
4c. Para los que la ecuacin x = (x 2 + c) +e tenga solucin que no satisfaga x = x 2 +e,
esto es, los valores de e para los que x2 + x + e + 1 = Otenga solucin: e .:S - ~.
ar= ac
ak
3c. Derivando la ecuacin
ak
l. Basta reemplazar y comprobar que se satisface la ecuacin.
=>(x ,y ,a,k)
J: = fa con respecto a k se tiene

a; a a &x &fa &y
&k=&k= &x &k+ &y 7Jk
Si
f'
son doblemente diferenciables
2b. Xt = C(-2) 1 + Cz(-3) 1.
1. El precio de equilib~io esttico es j5 = ~~Z y el dinmico satisface la ecuacin
p + [B(b- e+ f3 +'Y) - l]ii+ B(c-'Y)P = B(a +<>).

Equivalente a
[1 + B(b- e+ f3 +'Y) -1 + B(c-'Y)]p = [B(b- e+ f3 +'Y) +8(c-)]p

= B(b + f3)p = 8(a +a)
tiene la misma solucin.
3b. La solucin de la ecuacin homognea asociada es
xf = c1 (-2)' + cz(-3)',
de donde se tiene el resultado.

5. Seguir la misma idea del ejemplo l.
por lo tanto, la forma de la solucin particular es
6c.
xf =
at(-2)' +b3'.
Para encontrar los valores de a y b se reemplaza en la ecuacin,

xf+2 + 5xf+1 + 6xf = (a(t + 2)(-2)'+2 + b3'+2 )
+ 5 (a(t + 1)(-2)'+1 + b3'+1) + 6 (at(-2)' + b3')
8c.
= ( 4a(t +
2)(-2)' + 9b3 1) + 5 (-2a(t + 1)(-2)' + 3b3')
+6(at(-2)'+b3')
= (4-10 + 6)at(-2)' + (8- lO)a(-2)' + (9+15 + 6)b3'
= -2a(-2)' +30b3' = (-2)' +3',
lc. Q(K, L) = L + lnK.
de donde 1 a=-~ y b =
12b.
V=
x y
, { m b } Y U(x,y ) =-a
+-b.
mm ap,, Py
fo, y la solucin general de la ecuacin es
t
t
t(-2)'
x,=ci(-2) +cz(-3) - --+
3t
30
3'
= C(-2) 1 + c,(-3)' + t(-2)t-l +
30
Los valores de c1 y c2 se encuentran con las condiciones iniciales.
tr
(1 (Va' -1, Va'=l)) = 2(1- a
IJ (Ja'=l, Va'=l) 1= 2(a' -
7. Ver el captulo 9.
),
1).
Como jJ(O, O)I = 1 - a2 <O, (O, O) es punto de silla. Para los otros
tr2 (J) -4IJI = 4(1- a2 ) 2 -8(a2 -1) = 4(1- a )(3 - a
'iif
2a. La ecuacin es separable

= i'..~! o (2 - 2x )dx = (2t + 3)dt.
2g. Equivale a e-xa:x:::::: etdt.
.
3b. Los puntos de equilibrioson las soluciones de x(3 - x )(3 + x) = Oi esto es, x = O, x = 3
y x = -3. La derivada de f(x) = 9x - x3 , f'(x) = 9 -3x2 calculada en cada punto
de equilibrio determina el comportamiento de los puntos: J'(O) = 9 > O, x = O es
inestable; f'(3) = -18 <O, x = 3 es estable y f'(-3) = -18 <O, x = -3 es estable.
6. C"':::::: rK" + wL* por las condiciones necesarias de optimalidad r = AQK y w = AQL,
por lo tanto
Por la ayuda
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.
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
x(l) = ae,/2 + be-,/2 = 2

{ x(4) = ae,/24 + be-,/24 = 3.
'
9a. x(t) = ae7' +be-7'
+ ;-l
que es una ecuacin diferencial separable, su solucin d los resultados del ejercicio.
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.
reemplazando la segunda ecuacin en la primera esta se reduce a
a2 x - x3 - x = (a 2 - l)x - x3 = x ((a 2 -1) - x2 ) =O,

Para este sistema
los puntos de equilibrio son: (O, O),(va2
del sistema
J(x,y)= (
1, Ja2=1), para a2 > L La jacobiana
a -3x
1
-1)
-1
calculada en cada uno

2
J(0,0)= ( a1
+ 4(r + a)a = (r + 2a) 2 ?'.O,
por lo tanto el sistema tiene races reales y su punto de equilibrio es un nodo o un

punto de silla.
2b. Si a> O y (r + a)a >O, la senda de convergencia es
-1)
-1 ,
'
5a. x(t) = ae 7' +be_7' _
tienen traza y determinante

tr(J(O,O)) = a2 -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
American Economic Review, septiembre, 1989, pp. 882-88.

[Ca] Caputo, Michael R., Foundations of Dynamic Economic analysis, Cambridge
University Press, 2005.
[C] Carter, Michael, Foundations of Mathematical Economics, The lVIIT Press, Cam-
bridge, 2001.
[Ch] Chiang, Alpha, ]i.ftodos fundamentales de economa matemtica, 1vlcGraw-Hill,
1987.
[De La Fj De La Fuente, ngel, Mathematical Methods and Models for Economists,

Cambridge University Press, 2000.
[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.
[Ka] Kamien, Morton !, y Nancy L. Schwartz, Dinamic Optimization, North-Holland,

Amsterdam, 2000.
[Kr] Kreps, David M. 1 }lotes on the theory of choce1 \Vestvie\v Press, Boulder, 1988.
[K] Kuga, .K., <(On the symmetry of Robinson elasticities of substitution: the general
case", Rewiev of Economc Studies 46, 1979, pp. 527-31.
[L] Lainberti Peter J., Advanced Mathematcs for Economists: Statc and Dynamic
Optimization, Basil Blackwell, 1985.

[Lu] Luenberger, David G., Introducton to Linear and N onlinear Programmng,
Addison-Wesley, 1965.
[t-1] Madden, Paul, Concavidad y optimizacin en microeconoma, Alianza Editorial,

Madrid, 1987.
[McF] Me Fadden, D., uconstant elasticity of substitution production functionsn,
Rewiev of Economic Studies 31, 1963, pp. 73-83.
[M y L] Medio, Alfredo y Marji Lines, Nonlinear Dynamics: A Primer, Cambridge
University Press, 2001.
[Mo] Moore, James C., Mathematical methodsfor economic theory 11 Springer-Verlag
Berlin, 1999.
[NiuJ Murata Yasuo Mathematics for Stability and Optimization of Economic Sys1
tems, Academic Press 1 New York, 1977.
{Rj Revankar, N. S. "A class of variable elasticity of substitution production fun1
ctions'1, Econometrica, Vol. 39 1 No. 11 enero, 1971.
[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
',
wiev of Economic Studies 29, 1962, pp. 291-99.

[V] Varian, Anlisis microeconmico, Antoni Bosch Editor, Barcelona, 1992.
[Y] Yohe, G. VV. 1 Exercises and Applications for Microeconomic Analysis, Norton &
Company, New York, 1983.
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
anlisis de sensibilidad, 137

argumento
maximizador 1 101
rninimizador, 101
basin, 185
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
complementacin entre variables, 48

condiciones
de transversalidad, 248, 266, 276
del mximo de Pontryagin, 275

iniciales, 181
neoclsicas usuales1 49
conectvos, 1
conjunto
complemento, 6
abierto) 12
acotado, 14
adherencia, 13
cerrado, 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
de utldad indirecta, 103, 133, 155

de varias variables, 24
homognea, 27
homottica, 27
lagrangiana, 124
lineal, 48
objetivo, 101
real, 24
semicontinua, 70
subaditiva, 77
superaditiva, 77
gradiente, 42
hamiltoniano
corriente, 274, 288
descontado, 289
Hartrnan-Grobman, 205, 238
hessiana
del lagrangiano, 131
orlada, 91, 131
hipgrafo, 63
identidad de Roy, 155
nfimo, 14
insumos
esenciales, 48
intervalos, 11
iso
costos, 26
cuantas, 26
utilidades, 26
lagrangianoi 124, 139
lema
de Hotelling, 154
de Shephard, 152
letras proposicionales, 1
mnimo
global, 103
local, 103
mximo
global, 103
local, 103
marginalidad, 31
matriz jacobiana, 206, 238
menor
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

Pecha, Arcenio - Optimizacion Estatica y Dinamica en Economia

Enviado por

Dados do documento

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Pecha, Arcenio - Optimizacion Estatica y Dinamica en Economia

Enviado por

Direitos autorais:

Formatos disponíveis

PTIMIZACIN ESTTICA Y

PTlMlZACIN ESTTICA Y DINMICA EN ECONOMA

Unversidad Nacional de Colombia

Segunda edicin, 2008

Impresin: Pro--Offset Editorial S.A.

Catalogacin en la publicacin Universidad Nacional de Colombia

CDD-21 519.6 / 2008

A Diego Andrs, Santiago Augusto y Camilo Jos.

2.5.2. Polino1nio de Taylor en varias variables

2.5.3. La matriz hessiana ..

2.6. Funciones especiales . . . .

9. Optimizacin dinmica discreta

10.0ptimizacin dinmica continua

la Universidad Nacional de Colo1nbia, sede Bogot. Se ha querido presentar los ternas

mate1nticas de optimizacin esttica y din1nica aqu presentadas.

es intrnseco a cualquier actividad humana, el texto puede co~tener errores.

donde las letras proposicionales tienen el significado: p: ivlara es alta, q: :tviara es

no todos satisfacen la propiedad P equivale a que existe alguien que no satisface la

En la hnplicacin p ::::} q, la proposicin p se llama el antecedente y q el ?ns~cuente.

Dos frn1ulas proposicionales f 1 y f2 son equivalentes (!1

\lx(A(x) ""B(x)): para todo x; si x es A, x es B.

Algn A no es B (particular negatiya)

no existe alguien que satisfaga la propiedad P equivale a que ninguno satisface la

2. La silnbolizacin de la proposicin "Todos los gerentes son profesionales o dueos

La negacin de esta proposicin es

algn gerente no es profesional ni dueo de la empresa.

a) Si se aumentan los precios y se mantiene la publicidad, decrece la demanda.

Todo gerente exitoso sabe de eco1101na, finanzas y administracin.

CAPTULO l. CONCEPTOS BSICOS

Una de las nociones bsicas de la matemtica es la de conjunto, entendida como una

x, si x est en A entonces x est en B. Cuando todos los elemento d A

p(A) ={XI X<;;; A)

Figura 1.1: Diagrama de Venn-Euler para un conjunto A.

los elementos de este conjunto son a su vez conjuntos.

x ha.ce verdadera la proposicin p( x)).

En fonna compacta se escribe A = {x 1 p(x)}. De esta forma es posible definir el

2. Si A = {l, 0, {5}}, los elementos de A son 1, 0, y {5}. 5 no es elemento de A,

b) {(x,y) 1 x :S y 2 } y {(x,y) 1 y'x :S y).

c) {(x,y) 1 x? y 2 } y {(x,y) 1 y'x? y).

CAPTULO 1. CONCEPTOS BSICOS

Propiedades del lgebra de conjuntos

Las siguientes propiedades se prueban usando las propiedades de las proposiciones:

c) {(x,y) l 10x112 y114 =1000}.

e) {(x,y,z)j2xy-x2 -y2 -3z2 :S5}.

g) {(x,y,z) 1{/x2 +2y2 +5z2 2:

3. El conjunto de partes del conjunto {a, b, {a}}.

4. Los elementos de p(p(p(0))).

Usando la definicin de contenencia se tiene que si A ~ B) entonces A U E

Las operaciones bsicas para los conjuntos son:

A'= {x 1 ~(x E A)}

los elementos que no estn en A (pero estn en el conjunto referencial).

De aqu en adelante todos los desarrollos se hacen exclusivamente en los conjuntos

CAPTULO l. CONCEPTOS BSICOS

es natural}={ ... , -2, -1,0, 1,2, ... }

irraconal es el nmero e = 2, 7182818284 ....

El conjunto de los racionales

As 31141592141592141592... es racional puesto que 141592 se repite mdefirudamente.

E1 siguiente proceso de diagonalizacin muestra que el conjunto de los racionales

Demostracin. Sean x y y nmeros reales con

o en forma equivalente 1 < ny - nx.

Si m es el mayor entero que satisface la condicin,

mSnx < m+l/3

CAPTULO l. CONCEPTOS BASlUW

en particular nx - m < 1 < ny - nx; sumando m,