Está en la página 1de 110

Mdulo 1

ANLISIS
MATEMTICO DE LA
OPTIMIZACIN

Copyright 2005 by South-Western, a division of Thomson Learning. All rights reserved.

Matemtica de la Optimizacin
Muchas teoras econmicas empiezan con el
supuesto de que un agente econmico quiere
encontrar el valor ptimo de alguna funcin
consumidores buscan maximizar utilidad
empresas buscan maximizar utilidad

Este captulo introduce a las matemticas que


se emplean en estos problemas
2

Maximizacin de una funcin de una


variable
Ejemplo: Administrador de una firma desea
maximizar beneficios
f (q)

Utilidad mxima
* ocurre en q*

*
= f(q)

q*

Cantidad
3

Maximizacin de una funcin de una


variable
El admimistrador posiblemente intentar variar q para
ver dnde se obtienen los beneficios mximos
un incremento de q1 a q2 produce un aumento en

0
q

*
2

= f(q)

q1

q2

q*

Cantidad
4

Maximizacin de una funcin de una


variable
Si el producto se incrementa ms alla de q*, las utilidades
disminuirn
un incremento de q* a q3 conduce a una cada en

0
q

*
= f(q)
3

q*

q3

Cantidad
5

Derivadas
La derivada de = f(q) es el lmite de /q para
cambios muy pequeos en q

d df
f (q1 h) f (q1 )

lim
dq dq h 0
h

El valor de este ratio depende del valor de


q1
6

Valor de una derivada en un punto


La evaluacin de la derivada en el punto q =
q1 puede ser denotado
d
dq q q

En nuestros ejemplos previos,


d
0
dq q q
1

d
0
dq q q
3

d
0
dq q q *

Condicin de primer orden para un


mximo
Para que una funcin de una variable to
alcance su valor mximo en algn punto, la
derivada en ese punto debe ser cero

df
dq

0
q q*

Condiciones de segundo orden


La condicin de primer orden (d/dq) es una
condicin necesaria para un mximo, pero no es
una condicin suficiente

Si la funcin de utilidad tuviese forma de


u, con la condicin de primer orden se
obtendra q* donde se minimizara

q*

Cantidad
9

Condiciones de segundo orden


Esto puede significar que para que q* sea
un ptimo,
d
0 para q q *
dq

d
0 para q q *
dq

Por lo tanto, en q*, d/dq debe ser


decreciente
10

Segundas derivadas
La derivada de una derivada se denomina
segunda derivada
La segunda derivada puede denotarse por
d 2 d 2 f
o 2 o f " (q)
2
dq
dq

11

Condiciones de segundo orden


La condicin de segundo orden para un
mximo (local) es
d
f " (q ) q q * 0
2
dq q q *
2

12

Reglas para hallar derivadas


db
1. Si b es una constante, entonces
0
dx

d [bf ( x)]
2. Si b es una constante, entonces
bf ' ( x)
dx
dx b
3. Si b es constante, entonces
bx b 1
dx
d ln x 1
4.

dx
x

13

Reglas para hallar derivadas


da x
x
5.
a ln a para cualquier constante a
dx
un caso especial de esta regla es dex/dx = ex

14

Reglas para hallar derivadas


Supongamos que f(x) y g(x) son dos
funciones de x y f(x) y g(x) existe
Entonces
d [f ( x ) g ( x )]
6.
f '(x) g'(x)
dx
d [f ( x ) g ( x )]
7.
f ( x )g ' ( x ) f ' ( x )g ( x )
dx
15

Reglas para hallar derivadas


f ( x)

d
g ( x)
f ' ( x) g ( x) f ( x) g ' ( x)

8.

2
dx
[ g ( x)]
dado que g ( x) 0

16

Reglas para hallar derivadas


Si y = f(x) y x = g(z) y si existen f(x) y
g(x), entonces:
dy dy dx df dg
9.

dz dx dz dx dz

Se denomina la regla de la cadena. La regla


de la cadena nos permite estudiar cmo una
variable (z) afecta otra variable (y) a travs
de su influencia sobre alguna variable
intermedia (x)
17

Reglas para hallar derivadas


Algunos ejemplos de la regla de la cadena
incluyen
de ax
de ax d (ax )
10.

e ax a ae ax
dx
d (ax ) dx

d [ln( ax )] d [ln( ax )] d (ax )


11.

ln( ax ) a a ln( ax )
dx
d (ax )
dx
d [ln( x 2 )] d [ln( x 2 )] d ( x 2 ) 1
2
12.

2 2x
2
dx
d(x )
dx
x
x18

Ejemplo de maximizacin de utilidad


Suponga que la relacin entre utilidad y producto es
= 1,000q - 5q2
La condicin de primer orden para un mximo es
d/dq = 1,000 - 10q = 0
q* = 100
Dado que la segunda derivada es siempre -10, q =
100 es un mximo global

19

Funciones de varias variables


La mayora de los objetivos de los agentes
econmicos dependen de varias variables
existen trade-offs (disyuntivas)
La dependencia de una variable (y) sobre una serie
de otras variables (x1,x2,,xn) se denota por

y f ( x1, x 2 ,..., xn )
20

Derivadas
La derivada parcial de y con respecto a x1 se
denota por
y f
o
o f x1 o f1
x1 x1

Se entiende que al calcular una derivada


parcial, todas las dems xs se mantienen
constantes
21

Derivadas parciales
Una definicin ms formal de la derivada
parcial es
f
x1

x 2 ,...,x n

f ( x1 h, x 2 ,..., x n ) f ( x1, x 2 ,..., x n )


lim
h 0
h

22

Calculando derivadas parciales


1. If y f ( x1 , x2 ) ax12 bx1 x2 cx22 , entonces
f
f1 2ax1 bx2
x1

f
f 2 bx1 2cx2
x2
2. Si y f ( x1 , x2 ) e ax1 bx2 , entonces
f
f
ax1 bx2
f1 ae
y
f 2 be ax1 bx2
x1
x2

23

Calculando derivadas parciales


3. Si y f ( x1 , x2 ) a ln x1 b ln x2 , entonces
f
a
f
b
f1
y
f2
x1
x1
x2
x2

24

Derivadas parciales
Las derivadas parciales son la expresin
matemtica del supuesto ceteris paribus
muestra cmo los cambios en una variable
afectan algunos resultados cuando otras
influencias se mantienen constantes

25

Derivadas parciales
Debemos tener en cuenta cmo estn
medidas las variables
Si q representa la cantidad de gasolina
demandada (medida en billones de litros) y p
representa el precio en dlares por litro,
entonces q/p medir el cambio en la demanda
(en billones de litros por ao) para un cambio
en el precio de un dlar por litro
26

Elasticidad
Las elasticidades miden el efecto
proporcional del cambio en una variable
sobre otra
La elasticidad de y con respecto a x es

ey , x

y
y x y x
y

x x y x y
x

27

Elasticidad y forma funcional


Suponga que
y = a + bx + otros trminos

En este caso,

ey , x

y x
x
x

b b
x y
y
a bx

ey,x no es constante
es importante notar el punto en el cual la
elasticidad va a ser computada
28

Elasticidad forma funcional


Supongamos que
y = axb

En este caso,
ey , x

y x
x
b 1

abx b b
x y
ax

29

Elasticidad y forma funcional


Supongamos que
ln y = ln a + b ln x

En este caso,
ey , x

y x
ln y

b
x y
ln x

Las elasticidades pueden calcularse a travs


de la diferenciacin logartmica
30

Derivada parcial de segundo-orden


La derivada parcial de una derivada parcial
se denomina derivada parcial de segundoorden
(f / x i )
2f

fij
x j
x j x i

31

Teorema de Young
Bajo condiciones generales, no importa el
orden en el cual se realiza la diferenciacin
parcial para evaluar las derivadas parciales
de segundo orden

fij f ji

32

Uso de las parciales de


segundo-orden
Las parciales de segundo-orden juegan un papel
importante en muchas teoras econmicas
Una de las ms importantes es la parcial de
segundo orden de la misma variable, fii
muestra cmo la influencia marginal de xi sobre y
(y/xi) cambia a medida que se incrementa xi
un valor de fii < 0 indica rendimiento maginal
decreciente

33

Diferencial total
Supongamos que y = f(x1,x2,,xn)
Si todas las xs varan en una pequea
cantidad, el efecto total sobre y ser
f
f
f
dy
dx1
dx 2 ...
dx n
x1
x 2
xn

dy f1dx1 f2dx 2 ... fn dx n


34

Condicin de primer orden para un


mximo (o mnimo)
Una condicin necesaria para un mximo (o mnimo)
de la funcin f(x1,x2,,xn) es que dy = 0 para cualquier
combinacin de cambios pequeos en las xs
La nica forma de que esto sea cierto es si

f1 f 2 ... f n 0

Un punto en el que esta condicin se verifica se


denomina punto crtico
35

Encontrar un mximo
Supongamos que y es una funcin de x1 y x2
y = - (x1 - 1)2 - (x2 - 2)2 + 10
y = - x12 + 2x1 - x22 + 4x2 + 5
Condiciones de primer orden implican que

y
2 x1 2 0
x1
y
2 x 2 4 0
x 2

x1* 1
*
x2 2
36

Frontera de posibilidades de produccin


Ejemplo anterior: 2x2 + y2 = 225
Puede re-escribirse: f(x,y) = 2x2 + y2 - 225 = 0
Dado que fx = 4x y fy = 2y, la disyuntiva de coste
de oportunidad entre x e y es
dy
fx
4x 2x

dx
fy
2y
y
37

Teorema de la funcin implcita


No siempre ser posible resulver funciones
implcitas de la forma g(x,y)=0 para funciones
explcitas de la forma y = f(x)
los matemticos han derivado las condiciones
necesarias
en muchas aplicaciones econmicas, estas
condiciones son las mismas que las condiciones de
segundo orden para un mximo (o mnimo)
38

El teorema de la envolvente
El teorema de la envolvente considera cmo el
valor ptimo de una funcin en particular
cambia cuando un parmetro de esa funcin
cambia
La forma ms simple de verlo es mediante un
ejemplo

39

El teorema de la envolvente
Supongamos que y es una funcin de x
y = -x2 + ax

Para valores diferentes de a, esta funcin


representa una familia de parbolas invertidas
Si a a asignamos un valor especfico, entonces
y es una funcin de x solamente y el valor de x
que maximiza y puede calcularse
40

V
alo0
r1deaV
alo
r10
d
e
x
*
V
a
l
o
r
d
e
y
*
0
/
2
1
/
4
2
1
1
3
3
/
2
9
/
4
4
2
4
5
5
/
2
2
5
/
4
6 3 9

El teorema de la envolvente

Valores ptimos de x e y para valores alternativos de a

41

El teorema de la envolvente
A medida que a aumenta,
el valor mximo de
for y (y*) se incrementa

La relacin entre a
ey
es cuadrtica

42

El teorema de la envolvente
Supongamos que estamos interesados en
cmo y* cambia a medida que a cambia
Hay dos formas de hacer esto
calculamos la pendiente de y directamente
mantenemos x constante en su valor ptimo y
calculamos y/a directamente

43

El teorema de la envolvente
Para calcular la pendiente de la funcin,
debemos resolver para el valor ptimo de x
para cualquier valor de a
dy/dx = -2x + a = 0
x* = a/2

Sustituyendo, obtenemos
y* = -(x*)2 + a(x*) = -(a/2)2 + a(a/2)
y* = -a2/4 + a2/2 = a2/4
44

El teorema de la envolvente
Por lo tanto,
dy*/da = 2a/4 = a/2 = x*

Pero, podemos ahorrar tiempo utilizando el


teorema de la envolvente
Para cambios pequeos en a, dy*/da puede ser
computado manteniendo x en x* y calculando y/
a directamente de y
45

El teorema de la envolvente
y/ a = x

Manteniendo x = x*
y/ a = x* = a/2

Es el mismo resultado obtenido anteriormente

46

El teorema de la envolvente
El teorema de la envolvente afirma que el cambio
en el valor ptimo de una funcin con respecto a un
parmetro de la funcin puede ser encontrado
diferenciando parcialmente la funcin objectivo
mientras se mantiene constante x (o varias xs) en
este valor ptimo

dy * y

{x x * (a)}
da
a
47

El teorema de la envolvente
El teorema de la envolvente puede extenderse al
caso donde y es una funcin de varias variables
y = f(x1,xn,a)

Encontrar un valor ptimo para y consistira en


resolver n ecuaciones de primer orden
y/xi = 0 (i = 1,,n)

48

El teorema de la envolvente
Valores ptimos para estas xs se determinaran
como una funcin de a
x1* = x1*(a)
x2* = x2*(a)

.
.
.

xn*= xn*(a)
49

El teorema de la envolvente
Sustituyendo en la funcin objectivo original
resulta en una expresin para el valor ptimo de
y (y*)
y* = f [x1*(a), x2*(a),,xn*(a),a]

Diferenciando resulta
dy * f dx1 f dx 2
f dx n f

...

da
x1 da x 2 da
xn da a
50

El teorema de la envolvente
Debido a las condiciones de primer orden, todos
los trminos excepto f/a son iguales a cero si las
xs estn en sus valores ptimos
Por lo tanto,

dy * f

{x x * (a)}
da
a
51

Maximizacin restringida
Qu ocurre si no son posibles todos los valores de
las xs?
puede ser que todos los valores de x tengan que ser
positivos
las elecciones de los consumidores estn limitadas por la
cantidad de poder adquisitivo disponible

Un mtodo para resolver problemas de


maximizacin restringidas es el mtodo del
multiplicador Lagrangiano
52

Mtodo del multiplicador


Lagrangiano
Supongamos que queremos encontrar los
valores de x1, x2,, xn que maximizan
y = f(x1, x2,, xn)
sujeta a una restriccin que permite utilizar
slo ciertos valores de las xs
g(x1, x2,, xn) = 0
53

Mtodo del multiplicador


Lagrangiano
El mtodo del multiplicador Lagrangiano
comienza con la siguiente expresin
L = f(x1, x2,, xn ) + g(x1, x2,, xn)
donde es una variable adicional
denominada multiplicador de Lagrange
Cuando la restriccin se mantiene, L = f
porque g(x1, x2,, xn) = 0
54

Mtodo del multiplicador


Lagrangiano
Condiciones de primer orden
L/x1 = f1 + g1 = 0
L/x2 = f2 + g2 = 0

.
.
.
L/xn = fn + gn = 0
L/ = g(x1, x2,, xn) = 0
55

Mtodo del multiplicador


Lagrangiano
Generalmente las condiciones de primer
orden pueden resolverse para x1, x2,, xn y
La solucin tendr dos propiedades:
las xs cumplirn con la restriccin
estas xs harn del valor de L (y por lo tanto de
f) tan grande como sea posible

56

Mtodo del multiplicador


Lagrangiano

El multiplicador Lagrangiano () tiene una


importante interpretacin econmica
Las condiciones de primer orden implican que
f1/-g1 = f2/-g2 == fn/-gn =
los numeradores miden el beneficio marginal que una
unidad ms de xi tendrn para la funcin f
los denominadores reflejan la carga agregada sobre la
restriccin de utilizar ms xi

57

Mtodo del multiplicador


Lagrangiano
En las elecciones ptimas para las xs, el ratio del
beneficio marginal de incrementar xi y el coste
marginal de incrementar xi sera el mismo para cada
x
es el ratio comn de coste-beneficio para todas
las xs
beneficio marginal de xi

coste marginal de xi
58

Mtodo del multiplicador


Lagrangiano
Si se relajase la restriccin en una pequea
cantidad, no importara que x est cambiando
El multiplicador Lagrangiano provee una
medida de cmo la relajacin dela
restriccin afectara el valor de y
provee un precio sombra para la
restriccin
59

Mtodo del multiplicador


Lagrangiano

Un valor alto de indica que y puede


incrementarse sustancialmente relajando la
restriccin
cada x tiene un alto ratio coste-benecio

Un valor bajo de indica que no hay mucho


que ganar al relajar la restriccin
=0 implica que la restriccin no es
vinculante (cambiando la restriccin no
cambia la solucin ptima)
60

Dualidad
Cualquier problema de maximizacin
restringida est vinculado con un problema
dual de minimizacin restringida que
enfoca la atencin sobre las restricciones
del problema original

61

Dualidad
Individuos que maximizan su utilidad sujeta a una
restriccin presupuestaria
problema dual: los individuos minimizan el gasto
necesario para lograr un nivel dado de utilidad

Las firmas minimizan el coste de los insunmos para


producir un nivel dado de producto
problema dual: las firmas maximizan el producto para
costes de insumos adquiridos

62

Maximizacin restringida
Supongamos que un agricultor tiene cierta
extensin de valla (P) y desea encerrar la forma
rectangular ms grande posible
Denotemos x como la extensin de un lado
Denotemos y como la extensin del otro lado
Problema: escoger x e y tal que se maximiza el
rea (A = xy) sujeta a la restriccin de que el
permetro es fijo en P = 2x + 2y
63

Maximizacin restringida
Configurando el multiplicador Lagrangiano
L = xy + (P - 2x - 2y)

Las condiciones de primer orden para un


mximo son
L/x = y - 2 = 0
L/y = x - 2 = 0
L/ = P - 2x - 2y = 0
64

Maximizacin restringida
Dado que y/2 = x/2 = , x debe ser igual a y
el campo sera cuadrado
x e y seran escogidos tal que el ratio de beneficios
marginales y costes marginales seran iguales

Dado que x = y e y = 2, podemos utilizar la


restriccin para mostrar que
x = y = P/4
= P/8
65

Maximizacin restringida
Interpretacin del multiplicador de Lagrange
si el agricultor estuviese interesado en conocer qu
campo adicional puede tener valla agregando un
metro adicional de valla, sugiere que puede
saberlo dividiendo el permetro presente (P) por 8
por lo tanto, el multiplicador Lagrangiano provee
informacin acerca del valor implcito de la
restriccin
66

Maximizacin restringida
Problema dual: escoger x e y para minimizar la
cantidad de valla requirida para rodear el
campo
minimizar P = 2x + 2y sujeta a A = xy

Configurando el Lagrangiano:
LD = 2x + 2y + D(A - xy)
67

Maximizacin restringida
Conditiones de primer orden:
LD/x = 2 - Dy = 0
LD/y = 2 - Dx = 0
LD/D = A - xy = 0

Resolviendo, tenemos
x = y = A1/2

El multiplicador Lagrangiano (D) = 2A-1/2


68

Teorema de la envolvente &


maximizacin restringida
Supongamos que queremos maximizar
y = f(x1,,xn;a)

sujeta a la restriccin
g(x1,,xn;a) = 0

Una forma de resolver sera fijando la


expresin para el Lagrangiano y resolver las
condiciones de primer orden
69

Teorema de la envolvente &


Maximizacin restringida
Alternativamente, puede demostrarse que
dy*/da = L/a(x1*,,xn*;a)

El cambio en el valor mximo de y que resulta


cuando a cambia puede encontrarse
diferenciando parcialmente L y evaluando la
derivada parcial en el punto ptimo
70

Restricciones con desigualdad


En algunos problemas econmicos no necesitamos
que las restricciones se cumplan exactamente
Por ejemplo, supongamos que buscamos
maximizar y = f(x1,x2) sujeta a
g(x1,x2) 0,
x1 0, and
x2 0
71

Restricciones con desigualdad


Una forma de resolver este problema es
introduciendo tres nuevas variables (a, b, y
c) que convierte las desigualdades en
igualdades
Para asegurar que se cumplen las
desigualdades, elevamos al cuadrado estas
nuevas variables para asegurar que sus
valores son positivos
72

Restricciones con desigualdad


g(x1,x2) - a2 = 0;
x1 - b2 = 0; and
x2 - c2 = 0

Cualquier solucin que obedece estas tres


restricciones de igualdad tambin cumplirn
con las restricciones de desigualdad
73

Restricciones de desigualdad
Podemos establecer el siguente
Lagrangiano
L = f(x1,x2) + 1[g(x1,x2) - a2] + 2[x1 - b2] + 3[x2 c2]

Con lo cual obtendremos ocho condiciones


de primer orden
74

Restricciones de desigualdad
L/x1 = f1 + 1g1 + 2 = 0
L/x2 = f1 + 1g2 + 3 = 0
L/a = -2a1 = 0
L/b = -2b2 = 0
L/c = -2c3 = 0
L/1 = g(x1,x2) - a2 = 0
L/2 = x1 - b2 = 0
L/3 = x2 - c2 = 0

75

Restricciones de desigualdad
De acuerdo con la tercera condicin, ya sea a o 1
=0
si a = 0, la restriccin g(x1,x2) se cumple exactamente
si 1 = 0, la disponibilidad de alguna holgura de la
restriccin implica que su valor para la funcin objetivo
es 0

Similares relaciones de complementariedad de


holguras (formadas por el conjunto de las
restricciones de menor o igual multiplicadas por su
correspondiente ) tambin se cumplen para x1 y x2
76

Restricciones de desigualdad
A estos resultados se los conoce como las
condiciones de Kuhn-Tucker
muestran que las soluciones para problemas de
optimizacin que involucran a restricciones con
desigualdades diferirn de problemas similares que
involucran restricciones con igualdades
no podemos equivocarnos trabajando principalmente
con restricciones con igualdades, hay que considerar las
desigualdades
77

Condiciones de segundo orden


funciones de una variable
Denotemos y = f(x)
Una condicin necesaria para un mximo es
que
dy/dx = f (x) = 0

Para asegurar que el punto es un mximo, y


debe ser decreciente para los movimientos
fuera de l
78

Condiciones de segundo ordenfunciones de una variable


La diferencial total mide el cambio en y
dy = f (x) dx

Para estar en un mximo, dy debe ser


decreciente para incrementos pequeos en x
Para ver los cambios en dy, debemos utilizar la
segunda derivada de y
79

Condiciones de segundo orden


funciones de una variable
d [f ' ( x )dx ]
2
d y
dx f " ( x )dx dx f " ( x )dx
dx
2

Notemos que d 2y < 0 implica que f (x)dx2 < 0


Dado que dx2 debe ser positivo, f (x) < 0
Esto significa que la funcin f debe tener una
forma ccava en el punto crtico
80

Condiciones de segundo orden


funciones de dos variables
Supongamos que y = f(x1, x2)
Las condiciones de primer orden para un mximo son
y/x1 = f1 = 0
y/x2 = f2 = 0

Para asegurar que el punto es un mximo, y debe


disminuir para movimientos en cualquier direccin
fuera del punto crtico
81

Condiciones de segundo orden


funciones de dos variables
La pendiente en la direccin x1 (f1) debe ser
decreciente en el punto crtico
La pendiente en la direccin x2 (f2) debe ser
decreciente en el punto crtico
Pero, se deben establecer condiciones sobre las
derivadas parciales cruzadas (f12 = f21) para
asegurar que dy es decreciente para todos los
movimientos a travs del punto crtico
82

Condiciones de segundo orden


funciones de dos variables
La diferencial total de y est dado por
dy = f1 dx1 + f2 dx2

La diferencial de esta funcin es


d 2y = (f11dx1 + f12dx2)dx1 + (f21dx1 + f22dx2)dx2
d 2y = f11dx12 + f12dx2dx1 + f21dx1 dx2 + f22dx22

Por el teorema de Young, f12 = f21 y


d 2y = f11dx12 + 2f12dx1dx2 + f22dx22

83

Condiciones de segundo ordenfunciones de dos variables


d 2y = f11dx12 + 2f12dx1dx2 + f22dx22
Para que esta ecuacin sea indefectiblemente negativa
para cualquier cambio en las xs, f11 y f22 deben ser
negativas
Si dx2 = 0, entonces d 2y = f11 dx12
para d 2y < 0, f11 < 0

Si dx1 = 0, entonces d 2y = f22 dx22


para d 2y < 0, f22 < 0
84

Condiciones de segundo orden


funciones de dos variables
d 2y = f11dx12 + 2f12dx1dx2 + f22dx22

Si ni dx1 o dx2 son cero, entonces d 2y ser sin


ambigedad negativo slo si
f11 f22 - f122 > 0
las derivadas parciales de segundo orden (f11 y f22) deben
ser suficientemente negativas tal que compensan
cualquier tipo de efectos contratio de las derivadas
parciales cruzadas (f12 = f21)
85

Maximizacin restringida
Supongamos que queremos escoger x1 y x2
para maximizar
y = f(x1, x2)

Sujeta a la restriccin linear


c - b1x1 - b2x2 = 0

Podemos establecer el Lagrangiano


L = f(x1, x2) + (c - b1x1 - b2x2)
86

Maximizacin restringida
Las condiciones de primer orden son
f1 - b1 = 0
f2 - b2 = 0
c - b1x1 - b2x2 = 0

Para asegurar que tenemos un mximo, debemos


usar la diferencial total de segundo orden
d 2y = f11dx12 + 2f12dx1dx2 + f22dx22
87

Maximizacin restringida
Slo los valores de x1 y x2 que satisfacen la
restriccin pueden ser consideradas como
alternativas vlidas para el punto crtico
Por ello, debemos calcular la diferencial total de la
restriccin
-b1 dx1 - b2 dx2 = 0
dx2 = -(b1/b2)dx1

Estos son los cambios relativos permitidos en x1 y x2


88

Maximizacin restringida
Debido a las condiciones de primer orden que
implican que f1/f2 = b1/b2, podemos sustituir y
obtener
dx2 = -(f1/f2) dx1

Dado
d 2y = f11dx12 + 2f12dx1dx2 + f22dx22

podemos sustituir dx2 y tenemos


d 2y = f11dx12 - 2f12(f1/f2)dx12 + f22(f12/f22)dx12
89

Maximizacin restringida
Combinando trminos y reordenando
d 2y = f11 f22 - 2f12f1f2 + f22f12 [dx12/ f22]
Por lo tanto, para d 2y < 0, debe ser cierto que
f11 f22 - 2f12f1f2 + f22f12 < 0
Esta ecuacin caracteriza un conjunto de funciones
denominadas funciones cuasi-cncavas
cualquier par de puntos dentro del conjunto puede formar
una lnea introducida completamente en el conjunto

90

Funciones cncavas y cuasicncavas


Las diferencias entre las funciones cncavas
y cuasi-cncavas pueden ilustrarse con la
funcin
y = f(x1,x2) = (x1x2)k

donde las xs pueden tomar solamente


valores positivos y k puede tomar una
variedad de valores positivos
91

Funciones cncavas y cuasicncavas


No importa que valores toma k, esta funcin
es cuasi-cncava
Si la funcin es cncava o no depende del
valor de k
si k < 0.5, la funcin es cncava
si k > 0.5, la funcin es convexa

92

Funciones homogneas
Una funcin f(x1,x2,xn) es homognea de
grado k si
f(tx1,tx2,txn) = tk f(x1,x2,xn)
cuando una funcin es homognea de grado uno,
duplicando todos los argumentos duplica el valor
de la funcin
cuando una funcin es homogna de grado cero,
duplicando todos los argumentos deja la funcin
sin cambios
93

Funciones homogneas
Si una funcin es homognea de grado k, las
derivadas parciales de la funcin ser
homognea de grado k-1

94

Teorema de Euler
Si diferenciamos la definicin de
homogeneidad con respecto a la
proporcionalidad del factor t, obtenemos
ktk-1f(x1,,xn) x1f1(tx1,,txn) + + xnfn(x1,,xn)

Esta relacin se denomina teorema de Euler

95

Teorema de Euler
El teorema de Euler muestra que, para
funciones homogneas, hay una relacin
definida entre los valores de la funcin y
los valores de sus derivadas parciales

96

Funciones homotticas
Una funcin homottica es una que se
forma tomando una transformacin
monotnica de una funcin homognea
no tienen las propiedades de homogeneidad de
sus funciones subyacentes

97

Funciones homotticas
Tanto para funciones homogneas como
para las homotticas, las disyuntivas
implcitas entre las variables en la funcin
dependen solamente de los ratios de
aquellas variables, no de sus valores
absolutos

98

Funciones homotticas
Supongamos que examinamos la funcin implcita
de dos variables f(x,y) = 0
La disyuntiva implcita entre x e y para una
funcin de dos variables
dy/dx = -fx/fy
Si asumimos que f es homognea de grado k, sus
derivadas parciales sern homogneas de grado k1
99

Funciones homotticas
La disyuntiva implcita entre x e y es
dy
t k 1fx (tx, ty )
fx (tx , ty )
k 1

dx
t fy (tx, ty )
fy (tx, ty )

Si t = 1/y,
x
x
F ' fx ,1
fx ,1
y
y
dy

dx
x
x
F ' fy ,1
fy ,1
y
y

100

Funciones homotticas
La disyuntiva no est afectada por la
transformacin monotnica y permanece
una funcin solamente del ratio x e y

101

Puntos importantes a
considerar:
Utilizando matemticas tenemos una
forma conveniente para que los
economistas desarrollen sus modelos
las implicaciones de varios supuestos
econmicos pueden estudiarse a travs de
herramientas matemticas

102

Puntos importantes a
considerar:
Las derivadas se usan a menudo en
economa porque los economistas estn
interesados en cmo los cambios marginales
en una variable afectan a otras
las derivadas parciales incorporan el supuesto
ceteris paribus utilizando en muchos modelos
econmicos

103

Puntos importantes a
considerar:
Las matemticas para optimizacin es
una herramienta importante para el
desarrollo de modelos que asumen que
los agentes econmicos racionalmente
persiguen algunas metas
las condiciones de primer orden requieren
todas las derivadas parciales sean cero

104

Puntos importantes a
considerar:

La mayora de los problemas de


optimizacin econmica involucran
restricciones en las elecciones que los
agentes pueden realizar
las condiciones de primer orden para un
mximo sugieren que cada actividad puede
operar a un nivel en el cual el beneficio
marginal de la actividad es igual a su coste
marginal
105

Puntos importantes a
considerar:
El multiplicador Lagrangiano se emplea
para ayudar a resolver problemas de
maximization
el multiplicador Lagrangiano puede ser
interpretado como el valor implcito (precio
sombra) de la restriccin

106

Puntos importantes a
considerar:
El teorema de la funcin implcita ilustra
la dependencia de las elecciones que
resultan de un problema de optimizacin
sobre los parmetros del problema

107

Puntos importantes a
considerar:
El teorema de la envolvente examina
cmo las elecciones ptimas cambiarn
a medida que cambia el parmetro del
problema
Algunos problemas de optimizacin
pueden involucrar restricciones que son
desigualdades antes que igualdades
108

Puntos importantes a
considerar:
Condiciones de primer orden son
necesarias pero no suficientes para
asegurar un mximo o un mnimo
las condiciones de segundo orden que
describen la curvatura de una funcin deben
revisarse

109

Puntos importantes a
considerar:
Ciertos tipos de funciones ocurren en muchos
problemas econmicos
funciones cuasi-cncavas obedecen las condiciones
de segundo orden de problemas de mximo o
mnimo restringido donde las restricciones son
lineales
las funciones homotticas tienen la propiedad de
que las disyuntivas implcitas entre las variables
dependen solamente de los ratios de estas variables

110

También podría gustarte