Está en la página 1de 641

MATEMTICAS BSICAS PARA

ECONOMISTAS III

OPTIMIZACIN Y DINMICA
Con Notas Histri as y Contextos E onmi os

SERGIO MONSALVE
EDITOR

FACULTAD DE CIENCIAS
UNIVERSIDAD NACIONAL DE COLOMBIA

ii

Autores

Sergio Monsalve

Departamento de Matemti as
Universidad Na ional de Colombia, Bogot

mer zak

Fa ultad de E onoma
Universidad Externado de Colombia, Bogot

Con la olabora in de:

Gian arlo Romano

E onomista
Universidad Na ional de Colombia, Bogot

iii

La ien ia se ha onstruido para satisfa er


iertas ne esidades de nuestra mente;
ella nos des ribe.
Y aunque tiene ierta rela in on el mundo real,
esa rela in es muy, muy ompleja
Robert J. Aumann
(Premio Nobel de E onoma 2005)

iv

Presenta in general
Este libro es el resultado de varios aos de trabajo de los autores omo
profesores de matemti as y/o e onoma para nuestras Fa ultades de
Cien ias y Cien ias E onmi as de las Universidades Na ional (sedes
Medelln y Bogot), Externado de Colombia y Ponti ia Javeriana, y su
objetivo entral es exponer algunos de los elementos fundamentales del
lenguaje matemti o que deberan ser omunes a todos los estudiantes
de e onoma de nuestras po as. Pensando en esto, hemos optado por
es ribir el texto en uatro volmenes: en el volumen 0 (Fundamentos)
presentamos los requisitos matemti os que el estudiante debe llenar
para a eder ms modamente al orpus total; el volumen I onsiste
en las no iones bsi as del lgebra lineal; el volumen II en las no iones
bsi as del l ulo diferen ial e integral; y el volumen III en las no iones
bsi as de la teora de la optimiza in y de la dinmi a.
En ada uno de los uatro volmenes, hemos dividido los temas tratados a travs de le iones on un tratamiento matemti o riguroso y sin
referen ia a apli a in e onmi a alguna. Todas estas le iones presentan, adems, notas histri as que esperamos ayuden a trazar el devenir
de los on eptos matemti os que se desarrollan al punto. Por lo tanto, aquellos que onsideran que un urso de matemti as bsi as para
e onomistas debera ser slo eso y no un urso on apli a iones, estarn
aqu servidos. Sin embargo, para aquellos que dieren de esta postura metodolgi a y pedaggi a hemos tambin separado la se in nal
de asi todas las le iones para el  ontexto e onmi o . Pero sta no
es una se in ordinaria de apli a iones a la e onoma: es, por el ontrario, una aproxima in oherente a problemas entrales en la teora
e onmi a y una orienta in para el estudiante atento y dis iplinado.
Por ejemplo, en el volumen I apare en dis usiones sobre los modelos
v

vi
lineales fundamentales de la teora e onmi a: el modelo walrasiano de
Cassel, el modelo insumo-produ to de Leontief, el modelo de equilibrio
general de von Neumann, el modelo sraano, la teora de juegos de
von Neumann y Morgenstern, el modelo keynesiano lineal IS-LM, y el
anlisis de a tividades de Koopmans. En el volumen II se en uentran,
entre otras dis usiones, notas histri as y de ontexto del problema de
la ra ionalidad, de la revolu in marginalista y de la omunin entre
ra ionalidad y marginalismo; en el volumen III apare en tres de las visiones modernas ms importantes sobre el omportamiento e onmi o:
el modelo keynesiano IS-LM no-lineal de Hi ks, el modelo walrasiano
de Arrow y Debreu, y los modelos de intera iones e onmi as y so iales.
El objetivo en ada uno de estos anlisis es el problema e onmi o por
s mismo y las onse uen ias que el desarrollo lgi o de las hiptesis y
herramientas matemti as entregan para dis usin tanto a nivel teri o on eptual omo de polti a e onmi a. En ningn aso se entra en las
herramientas matemti as que estn siendo utilizadas.
En denitiva, este trabajo es una invita in a omenzar a entender el
poten ial y, sobre todo, los lmites de la herramienta matemti a tradi ional en la teora e onmi a; es una invita in a entender que las
matemti as tradi ionales estn mejor diseadas y adaptadas a ien ias
exa tas omo la fsi a, pero quizs no para el estudio de los fenmenos
so iales y e onmi os, y esto intentamos resaltarlo en el texto uando
presentamos numerosos ejemplos tomados de la fsi a, de la qumi a, o
de la biologa. Pero aunque estamos onven idos de que las matemti as son ms laras que ualquier otro lenguaje y de que en numerosas
o asiones muestran lo que no podra lograrse por introspe in, probablemente el verdadero aporte de ellas a las ien ias so iales y e onmi as
ni amente podr ser evaluado por las genera iones futuras. No antes;
y, por supuesto, no ahora. Slo que en ese amino no deberamos seguir
ni la moda del da, ni la aproba in o desaproba in de nuestros olegas.
En su lugar, nos debera preo upar al anzar ms y ms laras omprensiones de lo que su ede en los fenmenos e onmi os que enfrentamos
da a da, y si estas, u otras matemti as, son un me anismo apropiado
para lograrlo, habramos avanzado un paso ms en este propsito.
Una palabra nal. Algunos tienen la reen ia de que no hay manual
ni texto, por bueno que sea, que pueda relevarnos de la le tura de
los art ulos originales y de los textos lsi os; y que nadie debera

vii
permitirse que le uenten lo que di en los es ritos originales. Pero reemos que esta es una opinin, por lo menos, falaz. Claro est que es ideal
poder leer los textos originales y los lsi os. Sin embargo, el estudiante que apenas se insina en ualquier rea del ono imiento, requiere
de esquemas y de puntos de referen ia para poder avanzar on mayor
seguridad y onsisten ia; posteriormente, una vez haya adquirido ierta
madurez y entendimiento, es absolutamente ne esario que re urra, ahora
s, a los textos lsi os y a los originales. Un estudiante que omien e
por esta estrategia orrer, reemos, un menor riesgo de onfundirse o,
lo que sera fatal, de extraviarse denitivamente.
Por ltimo, ha sido un honor para quien esto es ribe, haber podido realizar en ompaa de su antiguo profesor de matemti as de la Universidad Na ional de Medelln, Fernando Puerta, los volmenes 0 y II de
este texto. Agrade emos al Departamento de Matemti as, y a la Es uela de E onoma de la Universidad Na ional de Colombia. Tambin a la
Fa ultad de E onoma de la Universidad Externado de Colombia, y al
Departamento de Matemti as de esta Universidad. De igual manera a
aquellos de los que re ibimos sugeren ias y omentarios: Diego Arvalo,
Julin Arvalo, Os ar Benavides, Catalina Blan o, Lina Caas, Angli a Chappe, Lola Coba, Luis Jorge Ferro, Jorge Gallego, Norma Gmez,
Carlos Augusto Jimnez, Cres en io Huertas, Norman Maldonado, Juliana Mon ada, Eduardo Mantilla, ngela Ospina, Diego Pardo, Sergio
Parra, Carolina Pelez, Lida Quintero, Aida Sofa Rivera, Diego Rojas,
Mar ela Rubio, Renata Sama , Alejandra Sn hez, Humberto Sarria,
Biviana Surez, Jennifer Taborda, Mara del Pilar Tejada, Ana Tamayo,
H tor Use he y Miguel Zrate. Un agrade imiento del editor al Ban o
de la Repbli a por su apoyo en la realiza in de estudios de e onoma
a nivel de do torado (University of Wis onsin-Madison y The Hebrew
University of Jerusalem). Tambin a Maribel Romero, Santiago Sierra,
Danny Sierra, Dora Milln y Nathalie Jimnez, por su pa iente trabajo
de digitar de nuestros dif iles manus ritos. Pero, por en ima de todo, a
nuestras familias que son el gran aliento y nuestra razn de ser.
Sergio Monsalve
Bogot D.C., febrero de 2008

viii

Nota del editor para el volumen III

El presente volumen es el ltimo de los uatro que onforma la ole in


Matemti as bsi as para e onomistas. En l, omo podra esperarse,
el le tor en ontrar un material ms avanzado que en el resto de la
obra, pero tambin ms er ano a las preo upa iones del e onomista en
forma in y, por supuesto, del profesional, pues las herramientas estn
mejor dispuestas para la dis usin de problemas e onmi os entrales.
Por lo anterior, el le tor quizs tendr que enfrentar este ltimo volumen
on mayor aten in y dis iplina dado que, seguramente, se en ontrar on
exigen ias propias de la materia que le obligarn, en numerosas o asiones,
a ser re ursivo, ingenioso y muy pa iente. Un buen momento para ultivar
o fortale er estas virtudes.
Es nuestra re omenda in, sin embargo, que este primer urso de optimiza in y dinmi a se haga sin apelar de manera extrema al formalismo
uando de estudiantes de pregrado se trate. Obviamente, para ursos o
seminarios superiores la exigen ia debera ser mayor. Por ejemplo, en
aquellos ursos slo debera enfatizarse en la orre ta omprensin de
los teoremas (sin demostra in, ex epto algunas ex ep iones a riterio
del do ente), en la apli a in ade uada de ellos a travs de ejemplos
ilustrativos, y en el entendimiento abal a travs de la elabora in de
numerosos ejer i ios. Por supuesto, todo esto enmar ado por una sele in apropiada del material del libro que se adapte a los espa ios y
tiempos a admi os. Esa es la metodologa que re omendamos siempre
para ursos de matemti as de pregrado en e onoma.
Varias adverten ias de nota in, no slo para este, sino tambin para los
tres volmenes anteriores. Los nmeros on expresin de imal se es riben
utilizando el punto (.) para separar la antidad entera de la de imal. No
se re urre a la nota in, tambin omn, de la oma (,). De otro lado,
utilizamos la nota in  para indi ar que una demostra in ha nalizado,
ix

x
la nota in N para indi ar que un ejer i io (o ejemplo) ha terminado, y
los asteris os para indi ar que un ejer i io propuesto puede ser dif il
( ( ) para los ejer i ios dif iles y ( ) para los muy dif iles).
Por ltimo, deseamos agrade er a todos aquellos que, a travs de versiones semestrales desde Febrero de 2003, ayudaron a que esta obra de
uatro volmenes, se onsolidara paso a paso, lentamente, a pesar de
los numerosos errores y rti as que surgieron sobre las primeras versiones, pero que on su pa ien ia y omprensin entendieron que esta era
una propuesta de onstru in ole tiva entre estudiantes y profesores,
que, obviamente, onllevaba un dif il pro eso. En parti ular, un agrade imiento a los estudiantes de E onoma de las Universidades Na ional,
Externado y Javeriana, que sufrieron los rigores de versiones preliminares, y que tanto ayudaron a orregir, ampliar, a larar y profundizar,
para intentar ha er de este trabajo uno a esible y mejor dispuesto a sus
ne esidades y requerimientos. Ojal lo hayamos logrado.

xi
Sergio Monsalve le dedi a este esfuerzo a
su profesor de matemti as Jairo Charris
A la memoria de Juan Alonso, Jorge Diego, Nan y y Adriana

xii

Prlogo a Matemti as Bsi as Para


E onomistas
Por: Eduardo Mantilla P.

En esta obra se re ogen las experien ias did ti as de los autores en


la enseanza de la Matemti a, espe ialmente en las arreras de ien ias e onmi as, tomando omo eje entral el trabajo de varios aos del
profesor Sergio Monsalve.
Los textos he hos a partir de los apuntes de lase tienen el en anto de
traslu ir la manera de trabajar del maestro. Su manera de enfo ar los
temas. Su parti ular manera de de ir las osas para ha erlas omprensibles a los estudiantes. Su manera de a er arse al ono imiento. A qu
le da prela in. Un texto he ho as es omo una radiografa del alma
pedaggi a del maestro. Por eso es tan importante que no se pierdan las
experien ias de quienes trabajan bien, para que otros las aprove hen e
inspirados en ellas adelanten su labor do ente y imenten su forma in
omo edu adores.
Esta obra reeja una manera de ha er las osas de manera atra tiva y
rigurosa y, en uanto a su ontenido, ompleta para las arreras de ien ias e onmi as. Sus autores logran darle unidad y sabor en un trabajo
dispendioso para ellos y til para quienes tienen a su argo asignaturas
de matemti as que aqu pueden sele ionar los temas que les sean ne esarios, on la seguridad de que estn bien tratados y que son a esibles
para los estudiantes.
Al ver la totalidad de la obra resaltan el enorme trabajo que signi para el profesor Monsalve y sus ompaeros re oger, ordenar y reelaborar
sus experien ias y presentarlas omo lo ha en. Para quien esto es ribe,
es espe ialmente atra tivo el manejo de los temas geomtri os que tan
buenos resultados dan desde el punto de vista formativo y para la omprensin general de la materia. La presenta in de modelos e onmi os
xiii

xiv
y las notas histri as son herramienta formidable para mostrar y dar un
ontexto al devenir de los on eptos matemti os y su utiliza in por
parte de la E onoma.
Los autores mere en feli ita iones y el re ono imiento de la omunidad
universitaria por haberse omprometido en tamaa tarea, y por la forma
uidadosa en que lo hi ieron. Por lo bien que les qued, y por lo til que
ser para las futuras promo iones de estudiantes. Ojal esta obra sea
probada por otros maestros que, en la pr ti a, son quienes que on su
fre uente utiliza in, ali an la ex elen ia de este tipo de trabajo.
Bogot, junio de 2007

ndi e general
1. Fun iones n avas, onvexas, uasi n avas y uasi-

onvexas

1.
2.
3.
4.
5.

Fun iones n avas y onvexas . . . . . . . . . . . . . . .


Propiedades fundamentales de las fun iones n avas . .
Fun iones uasi n avas y uasi onvexas . . . . . . . . . .
Propiedades fundamentales de las fun iones uasi n avas
Contexto e onmi o . . . . . . . . . . . . . . . . . . . . .
a)
Con avidad- onvexidad y marginalidad de re iente en la teora e onmi a . . . . . . . . . . . . . .
b)
Con avidad- onvexidad y rendimientos a es ala en
la teora de la produ in . . . . . . . . . . . . . .
)
Con avidad- onvexidad en la teora del onsumo .
d)
Breve nota sobre no- onvexidades . . . . . . . . . .
Ejer i ios omplementarios . . . . . . . . . . . . . . . . . . . .
2. Optimiza in estti a

1.
2.
3.
4.

5.

4
9
23
25
37
37
39
48
60
62
69

Planteamiento del problema . . . . . . . . . . . . . . . .


Optimiza in en onjuntos ompa tos:
el teorema de Weierstrass . . . . . . . . . . . . . . . . .
El mtodo de Lagrange . . . . . . . . . . . . . . . . . . .
El mtodo Kuhn-Tu ker . . . . . . . . . . . . . . . . . .
a)
El algoritmo (de) Kuhn-Tu ker . . . . . . . . . .
b)
Interpreta in de los multipli adores de Lagrange
y el teorema de la envolvente . . . . . . . . . . .
Optimiza in lineal: el mtodo simplex . . . . . . . . .
a)
El problema y su solu in gr a . . . . . . . . .
b)
El algoritmo simplex . . . . . . . . . . . . . . .
xv

. 70
.
.
.
.

73
75
90
92

.
.
.
.

108
113
115
121

xvi
)
El teorema de dualidad . . . . . . . . . . . . . . . 132
6.
Optimiza in en onjuntos onvexos: teoremas de separa in de Minkowski . . . . . . . . . . . . . . . . . . . . . . 141
a)
Apli a iones del teorema de separa in de Minkowski146
7.
Optimiza in en orresponden ias: el teorema del mximo 150
8.
Teoremas de punto jo . . . . . . . . . . . . . . . . . . . . 156
a)
Apli a iones de los teoremas de punto jo . . . . . 160
9.
Contexto e onmi o . . . . . . . . . . . . . . . . . . . . . 164
a)
Comportamiento e onmi o ra ional sin intera iones: algunos ejemplos . . . . . . . . . . . . . . . 165
b)
Cara tersti as generales de las fun iones del produ tor y onsumidor ra ional sin intera iones . . . 181
)
Comportamiento e onmi o ra ional sin intera iones: tradi in paretiana del modelo walrasiano 189
d)
Comportamiento e onmi o ra ional on intera iones: la teora de juegos lsi a . . . . . . . . . . 220
Ejer i ios omplementarios . . . . . . . . . . . . . . . . . . . . 236
3. Sistemas dinmi os

1.

2.

3.

4.

261

Sistemas dinmi os ( ontinuos) en una dimensin . . . . . 263


a)
Diagramas de fase unidimensionales . . . . . . . . 268
b)
Estabilidad unidimensional . . . . . . . . . . . . . 270
Sistemas dinmi os ( ontinuos) en dos dimensiones . . . . 278
a)
Diagramas de fase en dos dimensiones . . . . . . . 281
b)
Estabilidad en dos dimensiones . . . . . . . . . . . 286
)
Sistemas lineales ( ontinuos) en dos dimensiones . 287
d)
Solu in general para sistemas no-homogneos . . . 305
e)
Sistemas ( ontinuos) no-lineales en dos dimensiones 308
f)
El mtodo de Lyapunov . . . . . . . . . . . . . . . 312
Sistemas dinmi os (dis retos) en una dimensin . . . . . 320
a)
Diagramas de fase para sistemas dis retos autnomos unidimensionales . . . . . . . . . . . . . . . . 328
b)
Estabilidad en sistemas autnomos . . . . . . . . . 331
Sistemas dinmi os (dis retos) en dos dimensiones . . . . 336
a)
Estabilidad y diagramas de fase . . . . . . . . . . . 338
b)
Sistemas lineales (dis retos) en dos dimensiones . . 339
)
Solu in general para sistemas no-homogneos . . . 345
d)
Sistemas (dis retos) no-lineales en dos dimensiones 349

xvii
e)

El mtodo de Lyapunov para sistemas dis retos


bidimensionales . . . . . . . . . . . . . . . . . . . .
5.
Breve sobre i los lmite, puntos peridi os, bifur a iones
y aos . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
a)
Ci los lmites y K- i los . . . . . . . . . . . . . . .
b)
Bifur a in y aos . . . . . . . . . . . . . . . . . .
6.
Contexto e onmi o . . . . . . . . . . . . . . . . . . . . .
a)
El modelo IS-LM . . . . . . . . . . . . . . . . . . .
b)
El modelo Arrow-Debreu: la e onoma omo un sistema me ni o . . . . . . . . . . . . . . . . . . . .
)
La teora de intera iones: ha ia una visin de la
e onoma omo un sistema orgni o . . . . . . . .
d)
Nota nal: Sobre la mano invisible de Adam Smith,
el modelo Arrow-Debreu y los juegos pobla ionales
Ejer i ios omplementarios . . . . . . . . . . . . . . . . . . . .
4. Optimiza in dinmi a

1.

2.
3.
4.
5.

6.

7.

8.

353
358
359
362
370
371
384
408
424
427
439

Espa ios mtri os: la no in de distan ia en topologa . . 440


a)
No iones topolgi as fundamentales . . . . . . . . 443
b)
Espa ios mtri os ompletos . . . . . . . . . . . . . 453
)
Espa ios mtri os ompa tos . . . . . . . . . . . . 463
Espa ios de Bana h: lgebra en los espa ios mtri os . . . 471
Espa ios de Hilbert: lgebra y geometra en los espa ios
mtri os . . . . . . . . . . . . . . . . . . . . . . . . . . . . 477
Apli a iones a la teora de e ua iones diferen iales . . . . 483
El l ulo de varia iones lsi o . . . . . . . . . . . . . . . 486
a)
El problema del l ulo de varia iones lsi o . . . 489
b)
El problema de existen ia de solu iones . . . . . . 491
)
Condi iones de primer orden: e ua iones de Euler . 492
El problema de ontrol ptimo ( aso ontinuo) . . . . . . 501
a)
Solu in por el prin ipio del mximo (L. Pontryagin et al. (1961)) . . . . . . . . . . . . . . . . . . . 503
b)
Solu in por programa in dinmi a (Bellman (1957))521
El problema del ontrol ptimo ( aso dis reto) . . . . . . . 528
a)
Solu in por el prin ipio del mximo . . . . . . . . 529
b)
Solu in por programa in dinmi a . . . . . . . . 537
)
Programa in dinmi a esto sti a . . . . . . . . . 543
Contexto e onmi o . . . . . . . . . . . . . . . . . . . . . 550

xviii
a)

Sobre el problema de la onstru in de la fun in


de onsumo: Cmo se planean las de isiones individuales de onsumo y y mo onforman stas el
onsumo agregado de una e onoma? . . . . . . . . 550
b)
Breve sntesis . . . . . . . . . . . . . . . . . . . . . 582
Ejer i ios omplementarios . . . . . . . . . . . . . . . . . . . . 583
Bibliografa

591

Respuestas

611

ndi e alfabti o

619

Le in 1
Fun iones n avas, onvexas,
uasi n avas y uasi onvexas

Introdu in
Ya hemos dis utido en el volumen II (Cl ulo) sobre la importan ia de
la segunda derivada de una fun in. As omo el signo de la primera
derivada determina si la fun in es re iente o de re iente, el signo de la
segunda derivada determina el lado ha ia el ual se urvar la gr a de
la fun in. Por ejemplo, si la fun in es re iente y la segunda derivada
es positiva dentro de ierto intervalo, enton es la primera derivada re e
y la fun in tendr una forma omo la de la gura 1.a. De otro lado, si
la fun in es re iente y la segunda derivada es negativa en un intervalo,
enton es la primera derivada de re e, y la fun in tendr una forma omo
la de la gura 1.b. A una fun in omo la de la gura 1.a se le llama
fun in onvexa y a una omo la de la gura 1.b, fun in n ava.
Quizs fueron los griegos, ms de dos mil aos atrs, quienes omenzaron
a estudiar estas urvas que apare an ini ialmente en las formas ni as
(que son ortes de onos on planos en distintos ngulos). Hasta donde
se sabe, se presentaban tambin a menudo en los intentos por resolver los
famosos problemas de la geometra eu lidiana: la trise in del ngulo,
es de ir, dividir un ngulo dado en tres partes iguales, slo on regla
y omps; la uadratura del r ulo, es de ir, onstruir un uadrado de
rea igual a la de un r ulo dado, slo on regla y omps; entre otros.
Una vez obtenidas las urvas, los griegos ontinuaron estudindolas, en
parte por estar interesados en las formas geomtri as en general, y en
parte por haber des ubierto la posibilidad de utilizarlas para intentar
1

Matemti as para e onomistas III: Optimiza in y dinmi a

(a)

(b)
Figura 1:

En el panel (a) tenemos una fun in on segunda derivada positiva en un


intervalo; omo se observa,

> ,

por lo tanto, la pendiente re e.

En el

panel (b) apare e una fun in on segunda derivada negativa en un intervalo;


all,

< ,

por lo que la pendiente de re e.

 ontrolar la naturaleza. Por ejemplo, Apolonio [262-190 a.C. utilizaba


espejos n avos para ha er arder objetos olo ados en su fo o, pues un
espejo parabli o tiene la parti ularidad de que on entra la luz y el alor
en ese punto. Tambin di e la tradi in que Arqumedes [287-212 a.C.
onstruy un gigantes o paraboloide que utilizaba para on entrar los
rayos solares sobre los bar os romanos que asediaban su iudad (Sira usa)
y as poder in endiarlos. A tualmente, la posibilidad de on entrar la luz
se aprove ha, por ejemplo, en la onstru in de teles opios ree tores
(inventados por Newton); y omo el omportamiento de las ondas de
radio es similar al de los rayos luminosos, tambin se utilizan ree tores
parabli os para on entrar ondas de radio emitidas por fuentes dbiles
y onvertirlas en un haz intenso.
Ya posteriormente, en el Rena imiento, fue Galileo Galilei (1632) quien
primero entendi los prin ipios fundamentales que regulan el fenmeno
del movimiento urvilneo. Galileo se propona entender, en parti ular,
el omportamiento de los proye tiles. Y aunque el an, que se usaba
desde el siglo XIV, haba tenido mu hos perfe ionamientos, la teora del
movimiento de los proye tiles era de iente, ya que matemti os y fsi os
intentaban apli arle las equivo adas leyes del movimiento basadas en la

Le in 1: Fun iones n avas y uasi n avas

fsi a de Aristteles. Gra ias a Galileo (y tambin a Newton) hoy sabemos


que la traye toria de una piedra arrojada desde un borde de ierta altura
orresponde a un movimiento parabli o des rito fun ionalmente por

s(t) =

gt2
+ v0 t + s0
2

donde t es la variable tiempo; s(t) es la altura de la piedra en el tiempo


t; g 9.8m/seg2 es la a elera in onstante de los uerpos que aen;
v0 es la velo idad ini ial on que fue lanzada la piedra; y s0 es la altura
desde la que se hizo el lanzamiento (ver gura 2). Y, omo veremos, esta
urva s() es una fun in n ava.
Un siglo despus, y ya en el plano puramente analti o, podra de irse
que la primera investiga in detallada de urvas de orden superior (in luyendo all urvas n avas y onvexas) fue el libro de Leonhard Euler
de 1748 titulado Introdu tio in Analysis Innitorum. En el segundo volumen de este libro, Euler muestra la geometra analti a de estas urvas
en un lenguaje muy er ano al que apare e en los textos ontemporneos.
En parti ular, esta fue la primera vez que se estudiaron e ua iones artesianas para las tres ni as (elipse, parbola e hiprbola) uya geometra
tanto haba preo upado a los antiguos griegos lsi os y alejandrinos. Y
es desde este trabajo de Euler que se apuntala todo el estudio moderno
de las fun iones n avas y onvexas.
De las importantes no iones de on avidad y onvexidad (y sus generaliza iones) dis utiremos enton es en esta le in.

s(t)

s0

t
Figura 2: Tiro parabli o

Matemti as para e onomistas III: Optimiza in y dinmi a

1. Fun iones n avas y onvexas


A menos que se espe ique lo ontrario, en esta le in asumimos que C
es un onjunto onvexo1 , no-va o de Rn .
Deni in 1. (Fun in n ava)

Diremos que una fun in f : C R es n ava si, y slo si, para todo x,
y C , [0, 1], se umple que

f (x + (1 )y) f (x) + (1 )f (y)

(1)

Diremos, adems, que f () es estri tamente n ava si la desigualdad (1)


es estri ta para x 6= y , (0, 1).
As, geomtri amente, una fun in de dos variables es n ava si el segmento de re ta que une a dos puntos ualquiera, est por debajo del ar o
de la urva que los une (ver gura 3 a)).
Deni in 2. (Fun in onvexa)

Diremos que una fun in f : C R es onvexa si, y slo si, para todo
x, y C , [0, 1], se umple que

f (x + (1 )y) f (x) + (1 )f (y)

(2)

Diremos que es estri tamente onvexa si la desigualdad (2) es estri ta


para x 6= y , (0, 1).
La interpreta in geomtri a para dos variables es que el segmento de
re ta est por en ima del ar o de la urva que une a x y y (ver gura 3
b)).
1
y

Re ordemos que

[0, 1],

C Rn

es un onjunto onvexo si, y slo si, para todo

se tiene que tambin

x + (1 )y C

x, y C

(ver volumen I, le in 8).

Le in 1: Fun iones n avas y uasi n avas

(1

y)

f(

(a)y

f(

y)

(1

f(

(1

+
x)

)+

y)

(x

f(

y)

(b)

Figura 3:
Panel (a): Tpi a fun in n ava. Panel (b): Tpi a fun in onvexa.

Nota 1.

a) Dadas las deni iones anteriores, es laro que una fun in f () es


onvexa (estri ta) si, y slo si, f () es n ava (estri ta).
b) Observemos que la on avidad es una no in de onjunto ; es de ir,
una fun in puede ser onvexa en ierta regin de su dominio y n ava en otra (ver gura 4. a)).
) A partir de la deni in, tambin es laro que toda fun in estri tamente n ava es n ava, y que toda fun in estri tamente onvexa
es onvexa.
Ejemplo 1.

Probemos, mediante la deni in 1, que f (x) =


n ava en [0, ) (ver gura 4 b)).

x es estri tamente

Solu in.

Sean x, y 0, x 6= y y (0, 1). Enton es debemos mostrar que

f (x + (1 )y) > f (x) + (1 )f (y)


, lo que es equivalente,
p

x + (1 )y > x + (1 ) y

Si elevamos ambos lados de esta desigualdad al uadrado, tenemos que



x + (1 )y > 2 x + (1 )2 y + 2(1 ) x y

Matemti as para e onomistas III: Optimiza in y dinmi a

de la ual, reordenando trminos, obtenemos que


(1 )x + (1 )y > 2(1 ) x y

2
, lo que es lo mismo, x + y > 2 x y, ,
x y > 0, lo ual se

umple siempre, ya que hemos asumido x 6= y . Por lo tanto, f (x) = x


es estri tamente n ava en [0, ). 2 N
y

f (x)

b
x

x
Figura 4:

Panel (a): Fun in onvexa en

x0

[0, a] y n ava en [a, b].

Panel (b):

f (x) =

x,

es estri tamente n ava

Ejemplo 2.

Probemos que f (x1 , x2 ) = x1 x2 es n ava en R2+ , donde R2+ = {(x, y)


R2 | x 0, y 0}. Ser estri tamente n ava? (ver gura 5.a))
Solu in.

Tomemos x = (x1 , x2 ), y = (y1 , y2 ) R2+ , y [0, 1]. Enton es debemos


probar que
f (x + (1 )y) f (x) + (1 )f (y)
, lo que es equivalente, que

f (x1 + (1 )y1 , x2 + (1 )y2 ) f (x1 , x2 ) + (1 )f (y1 , y2 )


2

Aqu, y en los volmenes previos, el smbolo

est analizando, ha nalizado.

signi a que el ejemplo que se

Le in 1: Fun iones n avas y uasi n avas

Y esto es
p

(x1 + (1 )y1 )(x2 + (1 )y2 ) x1 x2 + (1 ) y1 y2


Si elevamos ambos lados de la desigualdad al uadrado, obtenemos

(x1 +(1)y1 )(x2 +(1)y2 ) 2 x1 x2 +(1)2 y1 y2 +2(1) x1 x2 y1 y2


y, realizando los produ tos de la desigualdad, llegamos a:

2 x1 x2 + (1 )x1 y2 + (1 )y1 x2 + (1 )2 y1 y2

2 x1 x2 + (1 )2 y1 y2 + 2(1 ) x1 x2 y1 y2

de lo ual obtenemos que

(1 )x1 y2 + (1 )y1 x2 2(1 ) x1 x2 y1 y2


Si = 0 = 1 esta desigualdad es ierta. Y si 6= 0, 1 enton es se
tiene que

x1 y2 + y1 x2 2 x1 x2 y1 y2

( x1 y2 y1 x2 )2 0

y esta desigualdad se umple siempre. Por lo tanto, tenemos que f (x) =

f (x1 , x2 ) = x1 x2 es n ava en R2+ . Sin embargo, obsrvese que esta


fun in no es estri tamente n ava pues la parte izquierda de la ltima
desigualdad podra ser ero, es ogiendo ade uadamente x = (x1 , x2 ) y
y = (y1 , y2 ). Por ejemplo, esto su ede si tomamos (x1 , x2 ) = t(y1 , y2 ),
para ualquier t > 0. La idea intuitiva aqu de por qu f (x1 , x2 ) =

x1 x2 es n ava pero no estri tamente n ava, es que la super ie


est onformada  n avamente  por re tas (o rayos) que parten del
origen (0, 0) (ver gura 5 a)). 3 N
Ejemplo 3.

Probemos que f (x1 , x2 ) = (x1 )2 + (x2 )2 es estri tamente onvexa en R2


(ver gura 5.b)).
3

Imagine el le tor mo se forma una super ie n ava uniendo slo varillas

re tas.

Matemti as para e onomistas III: Optimiza in y dinmi a

f(x,y)

f(x,y)

y
y

x
(a)

(b)

Figura 5:
En el panel (a), la fun in
2
2
fun in f (x, y) = x + y .

f (x, y) =

xy , x 0, y 0.

En el panel (b), la

Solu in.

Tomemos x = (x1 , x2 ) 6= (y1 , y2 ) = y R2 , y (0, 1). Enton es


debemos probar que




(x1 +(1)y1 )2 +(x2 +(1)y2 )2 < (x1 )2 + (x2 )2 +(1) (y1 )2 + (y2 )2
lo ual, al ulando los uadrados, es

2 (x1 )2 + (1 )2 (y1 )2 + 2(1 )x1 y1 + 2 (x2 )2 + (1 )2 (y2 )2 +

2(1 )x2 y2 < (x1 )2 + (x2 )2 + (1 )(y1 )2 + (1 )(y2 )2


, simpli ando, esto es equivalente a

2 (x1 )2 + (y1 )2 2(y1 )2 + 2 (y1 )2 + 2x1 y1 22 x1 y1 + 2 (x2 )2 +

(y2 )2 2(y2 )2 + +2 (y2 )2 + 2x2 y2 22 x2 y2 < (x1 )2 + (x2 )2 +


(y1 )2 (y1 )2 + (y2 )2 (y2 )2

y de nuevo simpli ando, arribamos a que

2 (x1 )2 (y1 )2 + 2 (y1 )2 + 2x1 y1 22 x1 y1 + 2 (x2 )2 (y2 )2 +


2 (y2 )2 + 2x2 y2 22 x2 y2 < (x1 )2 + (x2 )2

Le in 1: Fun iones n avas y uasi n avas

Agrupando trminos, obtenemos

2(1 )x1 y1 + 2(1 )x2 y2 < (1 )(x1 )2 + (1 )(x2 )2 +


(1 )(y1 )2 + (1 )(y2 )2

que es equivalente a

(1 )(x1 y1 )2 + (1 )(x2 y2 )2 > 0


y que, laramente, se umple, pues (0, 1) y x1 6= y1 x2 6= y2 .

Ejer i ios 1
1. Pruebe que si f () es n ava (estri ta), enton es tambin h(x, y) =
f (x) + f (y) es n ava (estri ta), para > 0.
2. Pruebe, utilizando la respe tiva deni in, que:
(a) f (x, y) = mn{x, y} es n ava para x > 0, y > 0. Ser
estri tamente n ava?
(b) f (x, y) = m
ax{x, y} es onvexa para x > 0, y > 0. Ser
estri tamente onvexa?
( ) Ser ierto que si una fun in f : R+ R+ es onvexa,
y f 1 () existe, enton es f 1 () es n ava? [Indi a in: Un
gr o de f () y f 1 () ayudara.

2. Propiedades fundamentales de las fun iones


n avas
Re ordemos que hemos asumido que, en adelante, C Rn es un onjunto
onvexo no-va o. Dado esto, los siguientes teoremas nos presentan las
propiedades bsi as de las fun iones n avas. El primero de stos nos
muestra que la deni in aparentemente algebrai a de fun in n ava
tiene una muy fuerte impli a in topolgi a:

10

Matemti as para e onomistas III: Optimiza in y dinmi a

ontinuidad)
Si f () es n ava en C , enton es es ontinua en el interior
de ir, no existen fun iones n avas dis ontinuas.
Teorema 1.

(Con avidad

de C . Es

Demostra in.

(Ver ejer i io omplementario 24 al nal de la presente le in).


Teorema 2.

n avas)

(Una ara tersti a importante de las fun iones

Si f : C R es n ava, el onjunto de nivel superior a , S =


{x C | f (x) }, es onvexo para todo R (ver gura 6 a)). La
re pro a no siempre es ierta (ver ejemplo 7 adelante).
Demostra in.

Si x, y S , enton es f (x) , f (y) . Como f () es n ava,


enton es para todo [0, 1],

f (x + (1 )y) f (x) + (1 )f (y)


+ (1 ) =

Luego, x + (1 )y S , lo que prueba que S es un onjunto onvexo.


Teorema 3.

avas)

(Condi in de primer orden de las fun iones n-

Sea f : C R ontinua en C y diferen iable on ontinuidad6 en el interior de C ; enton es, f () es n ava en C si, y slo si, para todo x, y ,
en el interior de C ,
(3)

f (x) f (y) f (y) (x y)


4

interior de un onjunto C Rn es el sub onjunto C C


puntos x C para los uales existe un r > 0 tal que la bola
entro en x, Br (x), est ontenida en C ; esto es, Br (x) C (ver

Re ordemos que el

onformado por los


abierta de radio

volumen II: Cl ulo).

El smbolo

se a ostumbra a olo ar al nal de las demostra iones de los

teoremas.

Es de ir, on primeras derivadas par iales ontinuas en

C.

11

Le in 1: Fun iones n avas y uasi n avas

En parti ular, en el aso de fun iones n avas de una sola variable,


tenemos que
f (x) f (y) f (y)(x y)

(ver gura 6 b))

(4)

Adems, en el aso general de n variables, f () es estri tamente n ava


si, y slo si, f (x) f (y) < f (y) (x y) para todo x, y , en el interior
de C , on x 6= y .
y

f (x)
B

C
A
x

(a)

(b)
Figura 6:

En el panel (a) se muestra el onjunto de nivel superior


onjunto onvexo (teorema 2).
on avidad  pendiente de

S ,

el ual es un

En el panel (b) se presenta la ondi in de

CD

pendiente de

AB 

(teorema 3).

Demostra in.

Probaremos ini ialmente el aso para una sola variable:


a) Supongamos que f () es n ava en C . Enton es, para (0, 1] y
x 6= y,

f ((x y) + y) = f (x + (1 )y)

f (x) + (1 )f (y) = (f (x) f (y)) + f (y)


lo ual impli a que

f ((x y) + y) f (y)
(x y) f (x) f (y)
(x y)

12

Matemti as para e onomistas III: Optimiza in y dinmi a

Dado que f () es diferen iable, tenemos que si 0,

f (y)(x y) f (x) f (y)


b) Si x, y estn en el interior de C , para [0, 1],

f (x) f (x + (1 )y) + f (x + (1 )y)(1 )(x y)


f (y) f (x + (1 )y) + f (x + (1 )y)()(y x)

y multipli ando la primera desigualdad por y la segunda por (1 )


y sumando, se obtiene que

f (x) + (1 )f (y) f (x + (1 )y)


y as, f () es n ava en C .
La demostra in para el aso general es ya asi inmediata pues basta
tomar la fun in F () f (y + (x y)) on < < 1 + para > 0
pequeo, y al ular F () para luego apli ar el aso de una sola variable:
En efe to, utilizando el resultado anterior en esta fun in tendramos que

F (1) F (0) F (0)(1 0)


que es equivalente a

f (x) f (y) f (y) (x y)


que era lo que queramos probar.
El aso de on avidad estri ta es similar.
Sin embargo, esta ondi in de primer orden para la no in de on avidad, aunque fundamental, no es la ms utilizada en las apli a iones. En
su lugar, era de esperarse, apare en las ondi iones de segundo orden,
pues stas son las que ara terizan la forma en que se  urva la fun in.
Veamos esto.

Le in 1: Fun iones n avas y uasi n avas

Teorema 4.

avas)

13

(Condi in de segundo orden de las fun iones n-

a) Si f () es dos ve es diferen iable on ontinuidad en el interior de C


y ontinua en C , enton es f () es n ava en C si, y slo si, para todo
x en el interior de C la matriz hessiana
 2
n
f
Hf (x) =
(x)
(5)
xi xj
i,j=1
es semidenida negativa; es de ir, si, y slo si, XHf (x)X T 0
para todo X Rn . 7
b) En parti ular, en el aso de fun iones de dos variables, tendremos que
f () es n ava en C si, y slo si, la matriz hessiana


A B
Hf (x) =
B C
satisfa e A 0 y AC B 2 0 para todo x en el interior de C .
) Y en el aso de fun iones de una sola variable (n=1), esta ondi in
es, simplemente, f (x) 0 para todo x en el interior de C (es de ir, las pendientes de las re tas tangentes a f () van de re iendo (ver
gura 7).
y

x
Figura 7: Re tas tangentes on pendientes de re ientes.

Ver volumen I (lgebra lineal), le in 8.

14

Matemti as para e onomistas III: Optimiza in y dinmi a

Demostra in.

[Primero demostramos ), y luego a); el literal b) queda omo ejer i io


para el le tor.
Demostra in de ):
i) Supongamos que f () es n ava en C . Por el teorema 3, tenemos
que para todo x en el interior de C y h su ientemente pequeo,

f (x) f (x + h) f (x + h)(h) y f (x + h) f (x) f (x)(h)


Luego,

f (x + h) f (x)
f (x + h)h f (x)h
= lm
h0
h0
h
h2
f (x + h) f (x) f (x + h) + f (x)
0
lm
= lm 2 = 0
2
h0
h0 h
h

f (x) = lm

ii) Por otro lado, si f (x) 0 para todo x enton es, tomando x, y C
jos pero arbitrarios en el interior de C , por el teorema de Taylor
(ver volumen II, le in 3), existe c (x, y) tal que

f (x) f (y) = f (x)(x y) +

f (c)
(x y)2
2!

Pero, por nuestro supuesto, f (c) 0, y as,

f (x) f (y) f (x)(x y)


Apli ando el teorema 3 obtenemos el resultado bus ado.
Demostra in de a):

i) Sea a C (interior de C ). Enton es, para h = (hi ) jo, tendremos

que a + h C si || es su iente pequeo (digamos || < para

> 0 pequeo). Si f () es n ava en C enton es F (t) f (a +


h) tambin es n ava en (, ), y as, por
la parte ) de este
2f
P


teorema, se tendr que F (0) =
hi hj 0, que es,
xj xi x=a
exa tamente, lo que queramos demostrar.

Le in 1: Fun iones n avas y uasi n avas

15

ii) Sean a, b C , y h b a. Como a, b son puntos interiores de X ,

existe un > 0 tal que a + h C para < < 1 + . Luego, de


nuevo por la parte ) de este teorema, se tiene que F (t) f (a+h)
P 2f
es n ava en (, 1 + ) ya que F () =
hi hj 0. Pero
xj xi
omo = (1 )0 + 1, a + h = (1 )a + b, F (0) = f (a), y
F (1) = f (b), la desigualdad (1)F (0)+F (1) F ((1)0+1)
se onvierte en (1 t)f (a) + tf (b) f ((1 t)a + tb) que es ierta

para todo t [0, 1], a, b C .

El siguiente teorema est en la misma dire in del teorema 4. Sin embargo, es muy importante espe i arlo porque har la adverten ia de
que, en el aso de la on avidad estri ta, ya la equivalen ia de resultados no se da, y en su lugar ni amente tenemos una impli a in. Los
ontraejemplos para mostrar que esto es as, son abundantes.

(Tpi a ara tersti a diferen ial de las fun iones


estri tamente n avas)
Teorema 5.

a) Si f () es dos ve es diferen iable on ontinuidad en el interior de C y


ontinua en C , enton es f () es estri tamente n ava si para todo
x en el interior de C , la matriz hessiana Hf (x) es denida negativa.
El re pro o no es ierto siempre.
b) En parti ular, en el aso de dos variables, tendremos que f () es estri tamente n ava si la matriz hessiana


A B
Hf (x) =
B C
2f
2f
2f
2f
,
B
=
=
,
C
=
, satisfa e A < 0 y
x2
xy
yx
y 2
AC B 2 > 0 para todo x en el interior de C (obsrvese que, en tal
situa in, tambin C < 0).

donde A =

) En el aso de fun iones de una sola variable, f () es n ava estri ta


si, y slo si, f (x) < 0 para todo x en el interior de C .

16

Matemti as para e onomistas III: Optimiza in y dinmi a

Demostra in.

La prueba de esta propiedad es similar a la del teorema 4, utilizando


la ondi in para on avidad estri ta del teorema 3. Sin embargo, es
ne esario mostrar un aso en el que el re pro o no sea ierto, omo
asegura el teorema, y para ello basta onsiderar el ejemplo tpi o de
fun in n ava estri ta para la ual A = B = C = 0 : f (x, y) = x4 y 4
en (0, 0).
Nota 2. (Propiedades de las fun iones onvexas)

Las propiedades fundamentales de las fun iones onvexas se obtienen


utilizando el he ho de que f () es onvexa si, y slo si, f () es n ava
y, utilizando los resultados de los teoremas anteriores. Un buen ejer i io
para el le tor sera es ribirlas expl itamente.
Ejemplo 4.

Es f il mostrar (ver gura 8) que:


(a) f (x) = ln(x) es estri tamente n ava para x > 0.
(b) Si > 0, g(x) = 1/x es estri tamente onvexa para x > 0.
pues apli ando dire tamente el teorema 5 ), obtenemos, en ada aso,
que:
(a) f (x) =

1
< 0 si x > 0.
x2

(b) g (x) =

(1 + )
> 0 si x > 0.
x2+

f (x) = ln x

g(x) =
x

(a)
Figura 8:

(b)
f (x) = ln x

1
, >0
x

g(x) = 1/x

17

Le in 1: Fun iones n avas y uasi n avas

Ejemplo 5.

Mostremos (ver gura 9) que la fun in f (x) = x on x > 0 y 0 es:


1. Cn ava si, y slo si, 0 1.
2. Estri tamente n ava si 0 < < 1.
3. Convexa si, y slo si, 1.

=4

=2

=1

= 0.5
= 0.3
1
1
Figura 9:

f (x) = x

x
on diferentes valores de

Solu in.

La segunda derivada de la fun in viene dada por

f (x) = ( 1)x2
(a) f () es n ava si, y slo si, f (x) 0; as que debemos tener
( 1)x2 0, lo ual se umple si, y slo si, 0 y 1 0;
esto es, uando 0 1.
(b) Para la on avidad estri ta ne esitamos que la desigualdad en (a) se
umpla estri tamente. Por un argumento similar al anterior, tenemos
que la fun in es n ava estri ta si 0 < < 1.
( ) Para que la fun in sea onvexa ne esitamos que f (x) 0, lo ual
se umple si, y slo si, 0 y 1 0; esto es, uando 1. N
Ejemplo 6.

Mostremos que la fun in f (x, y) = x y , on x > 0, y > 0; , > 0,


es:

18

Matemti as para e onomistas III: Optimiza in y dinmi a

(i) Cn ava si, y slo si, + 1.


(ii) Estri tamente n ava si, y slo si, + < 1.
(iii) Adems, mostremos que, en ningn aso, la fun in es onvexa.
Solu in.

Tenemos que

f
= x1 y ,
x

f
= x y 1
y

y la matriz hessiana est denida por




A B
Hf (x) =
B C
donde

A=

2f
2f
2
= x1 y 1
=
(

1)x
y
,
B
=
x2
xy
2f
C=
= ( 1)x y 2
y 2

i) As, Hf (x, y) es semidenida negativa si, y slo si,

a ) Cumple que
A=

2f
2f

0,
y
C
=
0
x2
y 2

es de ir, si 1 y 1.

b ) Y tambin debe umplir que


2f 2f

x2 y 2

2f
xy

2

es de ir,
h
ih
i h
i2
( 1)x2 y ( 1)x y 2 x1 y 1 0
, lo que es lo mismo,

( 1)( 1)x22 y 22 2 2 x22 y 22

Le in 1: Fun iones n avas y uasi n avas

19

( 1)( 1)

de lo ual obtenemos,

+ 1 0
que es equivalente a

+ 1
ii) Por lo anterior, las ondi iones de on avidad estri ta A < 0 y
AC B 2 > 0 se satisfa en si, y slo si, < 1 y + < 1; es de ir,
si, y slo si, + < 1 (puesto que hemos supuesto > 0 y > 0).
iii) Para que la fun in sea onvexa debe ser A 0, lo ual se umple
si, y slo si, 1. Adems, debe ser AC B 2 0, lo ual, hemos mostrado, se satisfa e si, y slo si, + 1. Pero estas dos
desigualdades no se pueden satisfa er simultneamente, dado que
, > 0. Por lo tanto, la fun in nun a es onvexa. N
Ejemplo 7.

De a uerdo on el ejemplo anterior, la fun in f (x, y) = x2 y 2 no es


n ava en R2++ = {(x, y) R2 | x > 0, y > 0} puesto que su suma
de exponentes (2+2=4) es mayor que 1 (ver gura 10.b)). Sin embargo,
para todo es alar R+ , el onjunto de nivel superior a ,
(
)
1/2


S = (x, y) R2++ | f (x, y) = (x, y) R2++ | y


x
es todava un onjunto onvexo.8 Esto demuestra que el re pro o del
teorema 2 es, en general, falso.
Solu in.

Para ver esto, supongamos que (x1 , y1 ), (x2 , y2 ) S ; es de ir, asumamos


1/2
1/2
que y1
y y2
; enton es
x1
x2

y1 + (1 )y2
8

1/2
1/2
+ (1 )
x1
x2

En esta deni in hemos asumido

tambin es onvexo.

0.

Si

< 0, S =

que, por va uidad,

20

Matemti as para e onomistas III: Optimiza in y dinmi a

f(x,y)

f(x,y)

(a)

(b)

Figura 10:
En el panel (a), la fun in
f (x, y) = x2 y 2 para x > 0, y

f (x, y) =
> 0.

= 1/2

xy .

En el panel (b), la fun in

1
+
x1
x2

= 1/2 (g(x1 ) + (1 )g(x2 ))


donde g(x) = 1/x. Pero sabemos (ejemplo 4 b)) que g(x) es estri tamente onvexa para x > 0; as que

1/2 (g(x1 ) + (1 )g(x2 )) 1/2 g(x1 + (1 )x2 )




1
1/2
=
x1 + (1 )x2
lo que es equivalente a (x1 , y1 )+(1)(x2 , y2 ) S , que es el resultado
bus ado. N
Dada la deni in de fun in n ava, podemos derivar sus propiedades
algebrai as:
Teorema 6.

(lgebra de fun iones n avas)

a) Si a R, y f () es n ava, enton es f () + a es n ava.


b) Si a R+ y f () es n ava, enton es a f () es n ava.

Le in 1: Fun iones n avas y uasi n avas

21

) Si f (), g() son fun iones n avas, enton es (f + g)() es n ava.


d) Si f (), g() son fun iones n avas, enton es (f g)() ni (f /g)()
son ne esariamente n avas.
e) Si f : C R es n ava estri ta y F : R R es estri tamente
montona re iente y estri tamente n ava, enton es (F f )() es
tambin n ava estri ta.
Demostra in.

a) Sea f () n ava, y denamos g() = f () + a; enton es

g(x + (1 )y) = f (x + (1 )y) + a

f (x) + (1 )f (y) + a

= (f (x) + a) + (1 )(f (y) + a)

= g(x) + (1 )g(y)

b) Sea a R+ y f () n ava, y denamos g() = a f (); enton es

g(x + (1 )y) = a f (x + (1 )y)

a [f (x) + (1 )f (y)]

= (a f (x)) + (1 )(a f (y))

= g(x) + (1 )g(y)
) Sean f (), g() fun iones n avas; enton es

(f + g)(x + (1 )y) = f (x + (1 )y) + g(x + (1 )y)

f (x) + (1 )f (y) + g(x) + (1 )g(y)

= (f + g)(x) + (1 )(f + g)(y)

d) Si f (x) = x y g(x) = x1/2 , vemos que ambas son n avas, pero


(f g)(x) = x3/2 no lo es. Por otro lado, si f (x) = x1/2 y g(x) = x,
enton es (f /g)(x) = x1/2 es onvexa.
e) Sean F () estri tamente re iente y estri tamente n ava, y f () estri tamente n ava; enton es

22

Matemti as para e onomistas III: Optimiza in y dinmi a

(F f )(x + (1 )y) = F [f (x + (1 )y)]

> F [f (x) + (1 )f (y)]

> F [f (x)] + (1 )F [f (y)]


El siguiente teorema es uno de los ms utilizados en las apli a iones,
ya que arma que si usted ya est seguro de que la fun in que va a
maximizar es n ava, enton es basta derivarla (si esto es posible) y
ha erla igual a ero. All apare ern enton es los puntos de mxima (si
existen).

Es f il optimizar fun iones n avas )

Teorema 7. (

Si f : C R es n ava y diferen iable on ontinuidad en el interior


de C , todo punto rti o (esto es, todo x en el interior de C tal que
f (x ) = 0) es un mximo global (o absoluto) (ver gura 11).
y

x
Figura 11:
Todo punto rti o

de una fun in n ava es un mximo global.

Demostra in.

Por el teorema 3, tenemos que si y C , y 6= x ,

f (y) f (x ) f (x )(y x ) = 0

Puesto que f (x ) = 0 (x es un punto rti o), enton es

f (y) f (x )

para todo y C

Por lo tanto, x es un mximo global.

23

Le in 1: Fun iones n avas y uasi n avas

Ejer i ios 2
1. Utilizando las ondi iones de segundo orden, determine las regiones
de sus dominios en donde las siguientes fun iones son n avas
(estri tamente) o onvexas (estri tamente):
(a) f (x) = x3
( ) f (x, y) = 3 ln(x + y),
x+y >1

(e) f (x, y) = 4 x + 2 y
x > 0, y > 0

(g) f (x, y) = x y 2
x > 0, y > 0

(b) f (x) = e2x /x, x 6= 0


(d) f (x, y) = x2 + y 2 1
(f) f (x, y) = x(y + 4)
x > 0, y > 0
(h) f (x, y) = ln x ey
x > 1, y > 0

2. Como ilustra in del teorema 1, muestre que


(
x2 si x (0, 1]
f (x) =
1
si x = 0
es onvexa en [0, 1], ontinua en (0, 1], pero dis ontinua en [0, 1].

3. Fun iones uasi n avas y uasi onvexas


Una pregunta bsi a, que trataremos de responder en esta se in, es,
para qu tipo de fun iones es ierto el re pro o del teorema 2; es de ir,
que S sea onvexo para todo R. La respuesta la en ontramos en las
fun iones uasi n avas, que fueron introdu idas por John von Neumann
en (1928). 9
Deni in 3. (Fun in uasi n ava (von Neumann (1928)))

Diremos que una fun in f : C R (donde, re ordemos, C es un sub onjunto onvexo no va o de Rn ) es uasi n ava si, y slo si, para todo
x, y C , [0, 1], se umple que
9

f (x + (1 )y) mn{f (x), f (y)}


Von Neummann, John (1928),

he Annalen.

Zur Theorie der Gessells haftspiele,

(6)
Mathematis-

24

Matemti as para e onomistas III: Optimiza in y dinmi a

Adems, diremos que f () es uasi n ava estri ta si, y slo si, para todo
x, y C , x 6= y , (0, 1), se umple

f (x + (1 )y) > mn{f (x), f (y)}

(7)

Deni in 4. (Fun in uasi onvexa (von Neumann (1928)))

Diremos que una fun in f : C R es uasi onvexa (estri ta ) en C si, y


slo si, f () es uasi n ava (estri ta) en C .
Una inmediata rela in entre las fun iones n avas y uasi n avas, la
en ontramos en el siguiente teorema:

(Con avidad uasi on avidad)


Toda fun in n ava (estri ta) es uasi n ava (estri ta); y toda fun in onvexa (estri ta) es uasi onvexa (estri ta).

Teorema 8.

Demostra in.

Sea f : C R una fun in n ava; enton es para todo x, y C ,


[0, 1],

f (x + (1 )y) f (x) + (1 )f (y)

mn{f (x), f (y)} + (1 ) mn{f (x), f (y)}

= mn{f (x), f (y)}

De manera similar, tenemos que toda fun in onvexa es uasi onvexa.


Las demostra iones bajo la ondi in estri ta son tambin similares.

Nota 3.

Que la ondi in de uasi on avidad es realmente un debilitamiento de


las ondi iones de on avidad, se ve en el he ho de que no toda fun in
uasi n ava es n ava (ver gura 12).

Le in 1: Fun iones n avas y uasi n avas

25

f (y)

f (x) = mn{f (x), f (y)}


x

Figura 12: Una fun in uasi n ava no- n ava.

Ejer i ios 3
1. Determine si las siguientes fun iones son uasi n avas (estri tas)
o uasi onvexas (estri tas) en el dominio indi ado:
a) f (x, y) = x2 + y 2 1, on x, y > 0

b) f (x, y) = mn{x, y}, on x, y > 0

) f (x, y) = ln x + ln y , on , > 0, x > 1, y > 1

4. Propiedades fundamentales de las fun iones


uasi n avas
Quizs la primera propiedad de las fun iones uasi n avas que debe
men ionarse es que, a diferen ia de las fun iones n avas, no toda fun in uasi n ava es ontinua omo se puede ver en la gura 13. Sin
embargo, s existe una rela in entre monotoni idad y uasi on avidad
para fun iones on dominio real que la expresamos formalmente en el
siguiente teorema 9.

26

Matemti as para e onomistas III: Optimiza in y dinmi a

Figura 13: Una fun in uasi n ava no- ontinua.

uasi on avidad)
Si C R, enton es toda fun in montona 10 (estri ta) es uasi n ava
(estri ta). Sin embargo, no toda fun in uasi n ava es montona.
Teorema 9.

(Monotoni idad

Demostra in.

Supongamos (sin prdida de generalidad) que f () es montona re iente.


Enton es, para x, y C , si x y , mn{f (x), f (y)} = f (y); y omo
x + (1 )y y , enton es por la monotoni idad de f (), se tiene que
f (x + (1 )y) f (y), que es lo que se quera probar. La demostra in
para el aso estri to es similar. Se deja omo ejer i io al le tor, mostrar
una fun in uasi n ava que no sea montona.
La prin ipal ara tersti a de las fun iones uasi n avas se tiene en el
siguiente resultado:
Teorema 10.

si n avas)

(Cara teriza in topolgi a de las fun iones ua-

Una fun in f : C R es uasi n ava si, y slo si, para todo R, el


onjunto de nivel
S = {x C | f (x) }
es un onjunto onvexo.

Demostra in.

a) Supongamos que f () es uasi n ava y probemos que S es onvexo.


Para esto, sean x, y S ; enton es f (x) , f (y) . Y as,
10

f (x + (1 )y) mn{f (x), f (y)} mn{, } =


Es de ir, re iente o de re iente.

Le in 1: Fun iones n avas y uasi n avas

27

Luego, x + (1 )y S .
b) Ahora supongamos que S es onvexo, y probemos que f () es uasi n ava. Para ello, denamos

= mn{f (x), f (y)}

on x, y C jos

Enton es f (x) y f (y) . Y, por la onvexidad de S , tenemos


que x + (1 )y S , y as,

f (x + (1 )y) = mn{f (x), f (y)}


que es la deni in de uasi on avidad.
Ejemplo 8. (Una lase espe ial de fun iones uasi n avas)

Todas las fun iones (Cobb-Douglas) f (x, y) = x y , on , > 0 son


uasi n avas estri tas en R2++ (ver gura 14), porque para todo 0,
el onjunto de nivel superior a ,
S = {(x, y) R2++ | f (x, y) } = {(x, y) R2++ | x y }
(
)
1/
2
= (x, y) R++ | y /
x
es un onjunto onvexo (la prueba de esto es similar a la del ejemplo 7).
En parti ular, observemos que si + > 1, enton es f () es uasi n ava
estri ta, pero no es n ava.
Ejemplo 9. (Una fun in uasi n ava y onvexa)

Existen fun iones uasi n avas que in lusive son onvexas (y no son
lineales): Si f (x) = x2 , x 0, enton es para 0,

S = {x R+ | x2 } = {x R+ | x }
es un intervalo y, por lo tanto, es un onjunto onvexo.
Teorema 11.

(lgebra de fun iones uasi n avas)

Si f (), g() son dos fun iones uasi n avas, enton es se umple que:
a) La fun in h() = f () + a, a R, es uasi n ava.

28

Matemti as para e onomistas III: Optimiza in y dinmi a

y
4
x y = 2.4

x y = 1.6

x y = 1

1
0
0
Figura 14:

para la fun in

f (x, y) = x y ; , > 0; x, y > 0.

b) La fun in h() = a f () es uasi n ava, si a 0.


) La fun in h() = f () + g() no es ne esariamente uasi n ava.
d) Ni la fun in h() = f () g(), ni h() = f ()/g() son ne esariamente
uasi n avas.
e) Si F () es estri tamente re iente, enton es la fun in ompuesta
(F f )() tambin es uasi n ava. Si adems f () es uasi n ava
estri ta, enton es (F f )() es uasi n ava estri ta.
Demostra in.

a) Si f (x + (1 )y) mn{f (x), f (y)}, enton es

f (x + (1 )y) + a mn{f (x), f (y)} + a


b) Si f (x + (1 )y) mn{f (x), f (y)}, enton es

af (x + (1 )y) a mn{f (x), f (y)} = mn{af (x), af (y)}


) La esen ia de la di ultad aqu radi a en que la fun in mn{x, y}
no es lineal. Por ejemplo, para x 0, sean f (x) = x2 y g(x) = x.
Enton es (f + g)(x) = x2 x no es uasi n ava, pues si x = 0, y = 1
y = 12 ,

(f + g)(x + (1 )y) =

1
< mn {(f + g)(0), (f + g)(1)} = 0
4

29

Le in 1: Fun iones n avas y uasi n avas

x
+
(1

y
)
x
x
(b)

(a)
Figura 15:

y = x2 , x > 0. En el
panel (b) se muestra que las ombina iones onvexas x + (1 )y , (0, 1)

En el panel (a) una fun in uasi n ava y onvexa

siempre obtienen un mayor valor uando la fun in es uasi n ava estri ta.

Sin embargo, f () y g() s lo son, pues f (x) = x2 (x 0) es uasi n ava estri ta (ver ejemplo 9 y gura 15.a)), y g(x) = x es lineal, y,
por lo tanto, uasi n ava.
d) Si f (x) = x, enton es f 2 (x) = x2 no es uasi n ava en R. De otro
6 0, que
lado, si f (x) = x3 y g(x) = x, enton es f (x)/g(x) = x2 , x =
no es uasi n ava.
e) Si f (x+(1)y) mn{f (x), f (y)} y F (z) F (w) si z w, enton es F (f (x+(1)y)) F (mn{f (x), f (y)}) = mn{F (f (x)), F (f (y))}.
Nota 4. (Una propiedad importante)

La deni in de uasi on avidad estri ta impli a, en parti ular, que si


f (x) = f (y) = on x 6= y , enton es f (x + (1 )y) > para todo
(0, 1). Es de ir, las ombina iones onvexas x + (1 )y , (0, 1),
tienen siempre mayor valor que los puntos x, y , uando estos dos estn
en la misma urva de nivel (ver gura 15.b)). N
Hasta aqu hemos espe i ado la uasi on avidad sin ha er referen ia a
la diferen iabilidad de las fun iones; sin embargo, si la fun in f () es
diferen iable (una o dos ve es) podemos ara terizar la uasi on avidad
mediante los teoremas siguientes:

30

Matemti as para e onomistas III: Optimiza in y dinmi a

Teorema 12.

si n avas)

(Condi in de primer orden de las fun iones ua-

Sea f : C R diferen iable en el interior de C . Enton es f () es uasi n ava (estri ta) en C si, y slo si, f (x) f (y) impli a
f (y)(x y) 0

(f (y)(x y) > 0)

Demostra in.

(Presentamos aqu la demostra in para fun iones de una variable; el


aso de ms variables es similar pues basta utilizar el tpi o re urso de
denir F () f (y + (x y)) on < < 1 + y > 0 pequeo, para
luego apli ar la ondi in demostrada en el aso de una sla variable).
a) Supongamos que f () es uasi n ava y que f (x) f (y). Enton es

f (x + (1 )y) f (y)
lo ual, para x 6= y , es igual a

f (x + (1 )y) f (y)
(x y) 0
(1 )(x y)
Dado que f () es diferen iable, tenemos que

f (x + (1 )y) f (y)
(x y) = f (y)(x y) 0
1
(1 )(x y)
lm

b) Supongamos que f (x) f (y) impli a f (y)(xy) 0 y probemos que


f () es uasi n ava. Sean x, y en el interior de C tales que f (x) f (y)
y denamos la fun in : [0, 1] R omo () = f (x + (1 )y) =
f ((x y) + y), la ual tambin es ontinua y diferen iable. Para
demostrar que f () es uasi n ava, debe ser que () (0) para
todo (0, 1). Supongamos, por el ontrario, que () < (0) para
algn (0, 1). Enton es podemos en ontrar 0 (0, 1) tal que
(0 ) < (0) y (0 ) < 0. Por la regla de la adena

(0 ) = f (0 (x y) + y)(x y) < 0
Y omo hemos supuesto que

(0) = f (y) f (0 (x y) + y) = (0 )

Le in 1: Fun iones n avas y uasi n avas

31

enton es, por hiptesis,

f (0 (x y) + y)0 (x y) 0
lo ual es una ontradi in.
La demostra in para las fun iones uasi n avas estri tas es similar.
As omo las fun iones n avas estn determinadas por iertas ondi iones sobre la matriz hessiana (teorema 4), tambin podra esperarse
que las fun iones uasi n avas tuvieran una ara tersti a similar. En
efe to, es as, y la orrespondiente matriz se ono e omo matriz hessiana
orlada. Cmo surge? Sabemos, por el teorema de la fun in impl ita
(ver volumen II: Cl ulo), que si y(x) dene lo almente una fun in a
partir de la urva de nivel f (x, y) = , enton es se tendr que, en esa
ve indad,
dy
f /x
=
dx
f /y
Y si a esta urva y(x) nos es posible al ularle la segunda derivada,
obtendremos que


d2 y
d f /x
=
=
dx2
dx f /y




f 2 f
2 f dy
f 2 f
2 f dy
+

+ 2
y x2
yx dx
x xy
y dx
=
 2
f
y
 2 2
 2 2
f
f
f
f f 2 f
f

2
+
y
x2
x y yx
x
y 2
=
 3
f
y

f
f

0


x
y

2
2
f
f
1
f
=  3

x x2
xy
f
f
2f
2 f

y


y yx y 2

32

Matemti as para e onomistas III: Optimiza in y dinmi a

f f
,
, dex y
terminarn qu tipo de on avidad- onvexidad tendrn las urvas de
nivel f (x, y) = y, de all, la on avidad- onvexidad del onjunto
Pare e laro que ondi iones sobre el determinante y sobre

S = {(x, y) C/f (x, y) }

que es el riterio que determina la uasi on avidad- uasi onvexidad de


f (). Es pre isamente a este determinante al que llamaremos (en el aso
2 2) el hessiano orlado (de orden 2) orrespondiente a f (, ).

Deni in 5. (Matriz hessiana orlada)

Dada f : C R, denimos, para r n, la matriz hessiana orlada de


orden r ( orrespondiente a f ()) omo la matriz

f
f
f
0

x1
x2
xr

2
2
2
f
f
f
f
x

2
x1 x2
x1 xr
x1
1

2
2
2
f
f
f
f
Dr = x

x2 xr
x22
2 x2 x1

. . . . . . . . . . . . . . . . . . . . . . . .

2
2
2
f
f
f
f

2
xr
xr x1
xr x2
x
r

Obsrvese que una fun in de n variables tiene n matri es hessianas


orladas D1 , D2 , . . . , Dn .

(Cara teriza in de segundo orden para las fun iones uasi n avas)
Teorema 13.

Supongamos que f () es dos ve es diferen iable on ontinuidad en C


Rn . Enton es:

a) Si las matri es hessianas orladas satisfa en (1)r | Dr |> 0 para


todo x en C , y todo r = 1, 2, . . . , n enton es f () es uasi n ava
estri ta en C .

b) En el aso de dos variables, tendremos que f (, ) es uasi n ava si


la matriz hessiana orlada

0 a c
a A B
c B C

33

Le in 1: Fun iones n avas y uasi n avas

donde a =

f
f
2f
2f
2f
,c=
,A=
,
B
=
,
C
=
, satisfa e
x
y
x2
xy
y 2

i) a > 0 y c > 0; , a < 0 y c < 0


ii) a2 C 2acB + c2 A 0
Demostra in.

[Presentamos slo la parte b) de la prueba. Para la parte a), remitiremos


al le tor al art ulo lsi o de Arrow y Enthoven (1961).11
Asumamos i) y ii), y probemos que f () es uasi n ava. Supongamos
que a y b son ambas positivas (el aso ambas negativas es similar). Por
el teorema de la fun in impl ita (ver volumen II: Cl ulo) de f (x, y) =
onstante= , podemos es ribir x = h(y) para ierta fun in dos ve es
diferen iable h(). Como de la ondi in ii) se tiene que B 0, enton es
h() es onvexa.
Sean (x0 , y0 ), (x1 , y1 ) dos puntos sobre la urva de nivel f (x, y) = ;
enton es x0 = h(y0 ) y x1 = h(y1 ). Tomemos (x2 , y2 ) = (1 )(x0 , y0 ) +
(x1 , y1 ) on [0, 1]. En tal aso

h(y2 ) (1 )h(y0 ) + h(y1 ) = (1 )x0 + x1 = x2


Luego

= f (h(y2 ), y2 ) f (x2 , y2 )
Por lo tanto, f (x0 , y0 ) = f (x1 , y1 ) impli a

f ((1 )(x0 , y0 ) + (x1 , y1 ))

= f (x2 , y2 ) f (h(y2 ), y2 ) =

= f (x0 , y0 )

que es la ondi in de uasi on avidad para este aso.

el mximo tal
Ahora supongamos que f (x1 , y1 ) > f (x0 , y0 ), y sea
que
f ((1 )(x0 , y0 ) + (x1 , y1 )) = f (x0 , y0 )
11

Arrow, Kenneth J. y Enthoven, Alain C. (1961),


E onometri a.

Quasi-Con ave Programming,

34

Matemti as para e onomistas III: Optimiza in y dinmi a

0 , y0 ) + (x
1 , y1 ). Si 0
enton es podemos
Sea (x2 , y2 ) = (1 )(x
es ribir
(1 )(x0 , y0 ) + (x1 , y1 ) = (1 t)(x0 , y0 ) + t(x2 , y2 )
.
donde t = /
Como f (x2 , y2 ) = f (x0 , y0 ) enton es tendremos que

f ((1 )(x0 , y0 ) + (x1 , y1 )) = f ((1 t)(x0 , y0 ) + t(x2 , y2 )) f (x0 , y0 )


, se tendr que
Y apli ando ontinuidad y la deni in de
f ((1 )(x0 , y0 ) + (x1 , y1 )) > f (x0 , y0 )
Y esto muestra que f (, ) es uasi n ava.
Ejemplo 10.

Probemos mediante el riterio del hessiano orlado del teorema anterior,


que la fun in f (x, y) = x y , , > 0, es uasi n ava en R2++ .
Solu in.

Aqu, a = x1 y , c = x y 1 , A = (1)x2 y , B = x1 y 1 ,
C = ( 1)x y 2 .
(a) En primer lugar, es laro que a > 0 y c > 0.
(b) Adems, se tiene que


2 

a2 C 2acB + c2 A = x1 y
( 1)x y 2




2 x1 y x y 1 x1 y 1 +

2 

+ x y 1
( 1)x2 y

= 2 ( 1)x32 y 32 22 2 x32 y 32

+ ( 1) 2 x32 y 32

= ( + )x32 y 32 < 0.

Por lo tanto, se tiene la uasi on avidad de f (, ).

Le in 1: Fun iones n avas y uasi n avas

35

f(x,y)

x
Figura 16: La fun in

f (x, y) = yex

Ejemplo 11.

Podemos probar que f (x, y) = yex (ver gura 16), es uasi n ava en
R2+ utilizando el riterio del hessiano orlado. En efe to: Aqu, a = yex ,
c = ex , A = yex , B = ex , C = 0, y vemos que:
(a) En primer lugar, a > 0 y c > 0.
(b) Adems,

a2 C 2acB + c2 A = 0 (yex )2 2 (yex ) (ex ) (ex ) + (ex )2 (yex )


= 2ye3x + ye3x = ye3x < 0

de tal forma que f (, ) es uasi n ava.

Ejer i ios 4
1. Utilizando el teorema de la presente le in que onsidere ms onveniente, determine ules de las siguientes fun iones son uasi n avas (estri tas) y uasi onvexas (estri tas) en el dominio espe i ado:

(a) f (x, y) = x + y , on x, y > 0


(b) f (x, y) = x2 + y , on x, y > 0
( ) f (x, y) = (x + y)3 , on x, y > 0

36

Matemti as para e onomistas III: Optimiza in y dinmi a

(d) f (x, y) = (x + y )1/ , on x, y > 0 y > 0


(e) f (x, y) = m
ax{3x, 4y}, on x, y > 0
2
2
(f) f (x, y) = x 12 + y 12 , on x, y > 0

(g) f (x, y) = (ln x) + (ln y) , on , > 0, x > 1, y > 1


(h) f (x, y) = x(y + 4), on x, y > 0
(i) f (x, y) = 100x 10x2 + 10xy , on x, y > 0

(j) f (x, y) = 200y 15y 2 + 10xy , on x, y > 0

2. Ser que la propiedad b) del teorema 11 es slo ierta para a 0?


Si es as, es riba un ejemplo en el que no sea ierto para a < 0. Si
no es as, enton es pruebe el resultado.
3. Construya una tabla on todas las fun iones estudiadas en esta le in y anal elas bajo los riterios de on avidad (estri ta), uasi on avidad (estri ta), onvexidad (estri ta) y uasi onvexidad (estri ta).

Le in 1: Fun iones n avas y uasi n avas

37

5. Contexto e onmi o
a)

Con avidad- onvexidad y marginalidad de re iente en


la teora e onmi a

De dis usiones previas (ver volumen II, le in 3) ha quedado laro que


la teora e onmi a onven ional est onstruida, en gran parte, sobre la
base de tasas marginales de re ientes que, omo veremos, estn ntimamente ligadas a la no in de on avidad (fun iones n avas): fun iones
de utilidad n avas, fun iones de produ in n avas, et . En ada uno
de estos asos, la justi a in es diferente.
Una fun in de utilidad n ava estri ta (y que tambin se a ostumbra
a asumir re iente) indi a que el agente mientras ms onsume, mayor
satisfa in obtiene, aunque este nivel de satisfa in es ada vez menos
intenso. El on epto de utilidad marginal de re iente fue quizs utilizado por primera vez por Ni holas Bernoulli (1713) y Daniel Bernoulli
(1738) quienes lo emplearan para resolver la paradoja de San Petersburgo
(ver volumen II: Cl ulo, le in 4). En sus ini ios, algunos e onomistas
omo Jeremy Bentham (1789)12 y Nassau Senior (1836)13 utilizaron la
idea, pues, sin duda, esta no in permita one tar los on eptos de deseo de las mer an as on la demanda efe tiva. Posteriormente, todos
los e onomistas marginalistas (Jevons, Marshall, Walras y Pareto, entre
otros) utilizaran re urrentemente esta fundamental no in sobre el omportamiento individual al momento de tomar una de isin de onsumo.
Por su parte, una fun in de produ in n ava estri ta (y tambin re iente) indi a que, mientras mayor sea el nmero de insumos utilizados,
mayor ser el nivel de produ in, aunque el rendimiento de la mquina
(por desgaste y otras limita iones) es ada vez menor. Esta idea, ono ida omo la Ley de los Rendimientos Marginales De re ientes o de la
Produ tividad Marginal De re iente (para evitar onfusiones on la idea
de rendimientos de re ientes a es ala) fue originalmente pensada, para
apli a iones a la e onoma de fa tores agr olas, por A.R.J. Turgot en
sus Observations de 1768, y por Thomas Robert Malthus en su Essay on
the Prin iple of Population de 1798. Posteriormente fue apli ada, ms
12

Bentham, Jeremy (1789),

gislation,
13

An Introdu tion to the Prin iples of Morals and Le-

Bato he Books, Kit hener.

Senior, Nassau (1836),

An Outline of the S ien e of Politi al E onomy,

Ri hard Grin and Company.

London:

38

Matemti as para e onomistas III: Optimiza in y dinmi a

generalmente, a otros fa tores de produ in, por Johann Heinri h von


Thnen (1826)14 , y otros. Pero la ima del on epto se en uentra en el
trabajo de John Bates Clark (1889, 1891, 1899)15 16 17 y en el de Philip
H. Wi ksteed (1894)18 .
La rela in entre on avidad y marginalidad de re iente de la utilidad
o de la produ tividad se puede es ribir formalmente. Asumamos que
podemos representar la utilidad o la produ in por medio de una fun in
dos ve es diferen iable on ontinuidad F : C R on C R2 un
onjunto onvexo, abierto y no-va o. Ntese que on la hiptesis de
onvexidad de C , asumimos que los bienes son perfe tamente divisibles19 ,
de tal forma que tenga sentido hablar de ambios innitesimales en el
onsumo o en la produ in de los mismos. As, podemos representar
la utilidad o la produ tividad marginal del bien xi (i = 1, 2) omo la
F
derivada par ial
. Claramente, un signo positivo de esta derivada
xi
onrmara que el aumento de la antidad de xi aumenta el nivel de
utilidad o de produ in. Por otro lado, la hiptesis de utilidad o de
2F
produ tividad marginal de re iente del bien xi se es ribe
< 0, y
x2i
la de la utilidad o la produ tividad marginal no- re iente del bien xi se
2F
es ribe
0.
x2i
Teorema 14.

(Con avidad estri ta marginalidad de re iente)

Sea F : C R una fun in de utilidad o de produ in, dos ve es diferen iable on ontinuidad, donde C R2 es abierto, onvexo y no va o.
a) Si la fun in de utilidad o de produ in es n ava estri ta, enton es
tiene utilidades o produ tividades marginales de re ientes.
14
15

Der Isolirte Staat..., Vol 1.


Possibility of a S ienti Law of Wages,

Von Thnen, Johann Heinri h (1826),


Clark, John Bates (1889),

Publi ations

of The Ameri an E onomi Asso iation.

16

Clark, John Bates (1891),

terly Journal of E onomi s.

17

Clark, John Bates (1899),

terest and Prots,


18

Quar-

The Distribution of Wealth: A Theory of Wages, In-

New York: Ma millan.

Wi ksteed, Philip H. (1894),

tribution,
19

Distribution as Determined by a Law of Rent,

An Essay of the Co-ordination of the Laws of Dis-

London: London S hool of E onomi s.

Ver volumen I (lgebra lineal), le in 8.

39

Le in 1: Fun iones n avas y uasi n avas

b) Si C R, la fun in de utilidad o de produ in es n ava estri ta


si, y slo si, tiene utilidad o produ tividad marginal de re iente.
Este teorema es una impli a in dire ta del teorema 5, y nos permite
rela ionar utilidades o produ tividades marginales de re ientes y on avidad. Sin embargo, omo se puede indu ir f ilmente, no siempre la
existen ia de utilidades o produ tividades marginales de re ientes impli a la on avidad de la fun in de utilidad o de produ in. Por ejemplo,
la fun in F (x, y) = x2/3 y 2/3 tiene marginalidades de re ientes, aunque
no es n ava. Aun as, por una apli a in dire ta del teorema 13, se
tiene el siguiente resultado:
Teorema 15.

(Marginalidad de re iente y uasi on avidad)

Sea F : C R una fun in de utilidad (o de produ in) montona


re iente en ada uno de sus argumentos, y dos ve es diferen iable on
ontinuidad, donde C R2 es abierto, onvexo y no va o. Si la fun in
2F
tiene utilidades (o produ tividades) marginales de re ientes y
0,
xy
enton es la fun in de utilidad (o de produ in) es uasi n ava estri ta.
Sin embargo, es f il ver que no toda fun in uasi n ava tiene marginalidades de re ientes. Por ejemplo, la fun in F (x, y) = x2 y 3 es uasi n ava, pero no tiene marginalidades de re ientes.
b)

Con avidad- onvexidad y rendimientos a es ala en la


teora de la produ in

El on epto de rendimientos a es ala para fun iones de produ in, aunque apare i aqu y all en la historia del pensamiento e onmi o, slo
fue denido on pre isin por Alfred Marshall (1890)20 en el ontexto de
las e onomas de es ala al expli ar por qu stas ambiaban por razones
te nolgi as o de pre ios. Sin embargo, el on epto tambin sera estudiado posteriormente por Knut Wi ksell (1900,1901,1902)21 , 22 , 23 , Philip
20
21

Wi ksell, Knut (1900),

bution,
22

Prin iples of E onomi s, London: Ma millan.


Marginal Produ tivity as the Basis for E onomi Distri-

Marshall, Alfred (1890),


Ekon Tidskrift.

Wi ksell, Knut (1901),

Kegan Paul Ltd.

23

Wi ksell, Knut (1902),

Kegan Paul Ltd.

Le tures on Politi al E onomy,

Vol 1, Routledge and

Le tures on Politi al E onomy,

Vol 2, Routledge and

40

Matemti as para e onomistas III: Optimiza in y dinmi a

H. Wi ksteed (1910)24 , Piero Sraa (1926)25 y John Hi ks (1932,1936)26 ,


27
, entre otros.
Aunque una fun in de produ in parti ular puede exhibir slo uno de
los tres tipos espe  os de rendimientos a es ala, es omn (desde las
Le tures on Politi al E onomy (vol. I y II)(1901,1902) de Wi ksell) en ontrar des rip iones que muestran fun iones de produ in que tienen
diferentes rendimientos a es ala para diferentes niveles de produ in:
uando una rma produ e pequeas antidades puede mostrar rendimientos re ientes a es ala debido a que un aumento en su tamao podra
ha er un uso ms e iente de los re ursos a travs de la espe ializa in;
pero si produ e grandes antidades enfrentara rendimientos de re ientes
ya que un aumento en el tamao de la empresa hara, probablemente, el
trabajo ms ompli ado (ver gura 18).
Pero la justi a in e onmi a para los diferentes rendimientos a es ala
no resulta ser algo simple. A un nivel muy elemental, se justi an los rendimientos re ientes a es ala apelando a algn argumento de divisin del
trabajo omo armaba Adam Smith (1776)28 : Si agregamos ms mano de
obra y ms mquinas en un pro eso produ tivo, ada trabajador y ada
mquina podra espe ializarse en un sub-propsito parti ular del pro eso, ha indolo on mayor pre isin en un menor tiempo. Y, en general,
es orriente en ontrar el argumento de que los rendimientos re ientes a
es ala apturan, de una u otra forma, la idea de progreso te nolgi o.
Esto lo en ontramos expl itamente en el trabajo de Allyn Young (1928)29
y Ni holas Kaldor (1966)30 y, en general, en toda la teora del re imiento endgeno moderna. Se ha e laro que los rendimientos a es ala no son
slo un problema de es ala : son a er a de ambios de t ni as y de las
24

Wi ksteed, Philip H. (1910),

Ma millan.

25

26

Hi ks, John (1932),

nomi a.

27
28

Hi ks, John (1936),

E o-

Marginal Produ tivity and The Prin iple of Variation,

E o-

Mr. Keyness Theory of Employment, E onomi Journal.


Investiga in sobre la Naturaleza y Causas de la Riqueza

Smith, Adam (1776),

de las Na iones,

29

Fondo de Cultura E onmi a, Mxi o.

Young, Allyn (1928),

In reasing Returns and E onomi Progress, E onomi Jour-

nal.

30

London:

The Laws of Returns under Competitive Conditions,

Sraa, Piero (1926),

nomi Journal.

The Common Sense of Politi al E onomy,

Kaldor, Ni holas (1966),

UK,

Cambridge, UK.

Causes of the Slow Rate of E onomi Growth in the

41

Le in 1: Fun iones n avas y uasi n avas

razones de su emergen ia.

y
4
3
2
1
x

0
0

Figura 17: Fun in de produ in segn Wi ksell (1901, 1902).

A ontinua in presentaremos una perspe tiva no-marginalista desde


donde se han estudiado los rendimientos a es ala, y que se entra en
el problema del tipo de es ala.
Deni in 6. (Conjunto de produ in)

Denimos un plan de produ in omo un ve tor y de la forma y =


(y1 , . . . , yn ) Rn tal que ada yi identi a unto del i-simo bien se ha
utilizado en ese plan. Si yi < 0, el bien se ha empleado omo insumo en
el plan de produ in; si yi > 0, el bien es un produ to nal del plan;
y si yi = 0 el bien no se ha utilizado en el plan. Al onjunto Y Rn
de todos los planes de produ in disponibles, lo llamamos onjunto de
produ in.
Para poder utilizar los onjuntos de produ in en la elabora in de
una teora de la produ in es ne esario dotarlos de iertas propiedades
matemti as. A lo largo de esta se in supondremos que los onjuntos
de produ in Y son sub onjuntos no-va os de Rn tales que si y Y
y z y , enton es z Y ; 31 es de ir que, dadas iertas antidades de
insumos, siempre es posible produ ir menos, que lo que se produ ira on
aquellas antidades.
31

En la literatura moderna, a un onjunto on esta ara tersti a se le denomina

 omprehensivo.

42

Matemti as para e onomistas III: Optimiza in y dinmi a

Produ to

Produ to

(a)

Y
Insumo

Produ to

Insumo
(b)

Insumo
( )

Figura 18:
En el panel (a): Un onjunto de produ in on rendimientos re ientes a
es ala. En el panel (b): Un onjunto de produ in on rendimientos de re ientes a es ala. En el panel ( ): Un onjunto on rendimientos onstantes a
es ala.

Ahora: dado un plan de produ in y en un onjunto de produ in


Y , ambiar la es ala de opera in es multipli ar y por un nmero nonegativo . Aumentar la es ala es permitir a ser mayor que 1; y disminuirla es permitir a ser menor que 1.
Deni in 7. (Rendimientos a es ala para onjuntos de produ in)

Dado un onjunto de produ in Y , diremos que:


a) Y tiene rendimientos re ientes a es ala si se tiene que uando y Y ,
enton es y Y para todo 1 (ver gura 18.a).
b) Y tiene rendimientos de re ientes a es ala si se tiene que uando
y Y , enton es y Y para todo 0 1 (ver gura 18.b)).
) Y tiene rendimientos onstantes a es ala si se tiene que uando y Y ,
enton es y Y para todo 0 (ver gura 18. ). As, Y tiene rendimientos onstantes a es ala si, y slo si, tiene rendimientos re ientes
y de re ientes a es ala.
Los siguientes teoremas estable en la onexin dire ta entre el on epto
de ambio de es ala y el de onvexidad del onjunto de produ in Y .

43

Le in 1: Fun iones n avas y uasi n avas

Teorema 16.

Si Y es onvexo y 0 Y (posibilidad de no-a in), enton es Y tiene


rendimientos de re ientes a es ala.
Demostra in.

Supongamos que Y es onvexo y 0 Y . Para y Y y [0, 1] se tiene,


por la onvexidad de Y , que y + (1 )0 Y ; es de ir, y Y para
todo [0, 1].
Teorema 17.

Y es un ono 32 on vrti e en 0 si, y slo si, Y tiene rendimientos


onstantes a es ala.
Demostra in.

Si Y es un ono on vrti e en 0, es de ir, si Y satisfa e que para todo y


Y , 0 se tiene que y Y , enton es Y tiene rendimientos onstantes
a es ala. Asimismo, si Y tiene rendimientos onstantes a es ala, para
todo y Y y 0 se tiene y Y . En parti ular, 0 y = 0 Y y, por
lo tanto, Y es un ono on vrti e en 0.
Como vimos en la se in anterior, es usual estudiar la teora de la produ in ha iendo uso de fun iones de produ in. A ontinua in rela ionamos los on eptos de onjunto de produ in y de fun in de produ in. Para ello supondremos, en adelante, que el onjunto de produ in
Y es un sub onjunto no-va o y errado de Rn .
Deni in 8. (Fun in de produ in)

Si Y Rn es un onjunto de produ in de n 1 insumos y un slo


produ to, podemos des ribir ada plan de produ in en Y omo un
ve tor de la forma (y, z) on z = (z1 , z2 , . . . , zn1 ), de forma
que diferen iemos el produ to y de los insumos z . Con esto, podemos
denir la fun in de produ in f (z) aso iada al onjunto de produ in
Y que denota la mxima produ in posible para ada nivel de insumos
z = (z1 , . . . , zn ), es de ir, para ada z denimos

32

f (z) = m
ax{ y | (y, z) Y }
Y Rn y 0 Y
que y Y .

Re ordemos (ver volumen I: lgebra lineal) que un onjunto

un ono ( on vrti e en 0) si para ada

yY

se tiene

es

44

Matemti as para e onomistas III: Optimiza in y dinmi a

As, la fun in de produ in est determinada por la frontera superior


del onjunto de produ in (ver gura 19).
Es laro que, bajo nuestras hiptesis, la fun in de produ in puede ser
dis ontinua y no diferen iable. Sin embargo, si el onjunto de produ in
es onvexo, podemos asegurar, al menos, la ontinuidad de la fun in de
produ in:
Teorema 18.

La fun in de produ in aso iada al onjunto de produ in Y es n ava, si, y slo si, Y es onvexo (ver gura 19). Por lo tanto, todo onjunto
de produ in onvexo tiene aso iada una fun in de produ in ontinua.
y
f (z)

z
Figura 19:
Fun in de produ in n ava aso iada a un onjunto de produ in onvexo.

Demostra in.

Supongamos que Y es onvexo; enton es para todo (0, 1), y (y, z),
(y , z ) Y , tenemos que (y, z)+(1)(y , z ) Y . En parti ular,
esto es vlido para (y, z), (y , z ) en la frontera superior del onjunto
de produ in, es de ir on y = f (z) y y = f (z ). Pero en ese aso,
f (z + (1 )z ) f (z) + (1 )f (z ) por deni in de fun in de produ in. Como esta ltima desigualdad tambin se umple (trivialmente)
para = 1 y = 0, la fun in de produ in es n ava.
Por otro lado, supongamos que la fun in de produ in es n ava y
sean (y, z), (y , z ) Y , (0, 1). Por deni in de on avidad y de

Le in 1: Fun iones n avas y uasi n avas

45

la fun in de produ in, sabemos que

f (z + (1 )z ) f (z) + (1 )f (z ) y + (1 )y 0;
por lo tanto, (y, z) + (1 )(y , z ) Y ; es de ir, Y es onvexo.
De los teoremas 16 y 18, obtenemos, inmediatamente, el siguiente resultado:
Corolario 1.

Si la fun in de produ in f () aso iada al onjunto de produ in Y es


n ava y satisfa e f (0) = 0, enton es Y tiene rendimientos de re ientes
a es ala.
Despus de estudiar el on epto de es ala en onjuntos de produ in, nos
orresponde ahora estudiar este on epto para fun iones de produ in,
y rela ionarlo on la no in de on avidad de stas. Comen emos por las
deni iones bsi as:
Deni in 9. (Rendimientos a es ala para fun iones de produ in)

Sea f : D R, donde D R o D R2 , una fun in tal que si x D


se tiene que x D para todo 0. Enton es diremos que f ():
a) Tiene rendimientos de re ientes a es ala si, y slo si, para todo 1,

f (x) f (x)
b) Tiene rendimientos onstantes a es ala si, y slo si, para todo 1,

f (x) = f (x)
) Tiene rendimientos re ientes a es ala si, y slo si, para todo 1,

f (x) f (x)
De la deni in 9 es inmediato el siguiente resultado:

46

Matemti as para e onomistas III: Optimiza in y dinmi a

Teorema 19.

Sea f : D R, donde D R D R2 , una fun in de produ in tal


que si x D se tiene que x D para todo 0; enton es, f () tiene
rendimientos onstantes a es ala si, y slo si, f () tiene rendimientos
re ientes y de re ientes a es ala.
Ejemplo 12.

Veamos un par de ejemplos de fun iones de produ in y sus rendimientos a es ala:


a) La fun in de produ in f (x) = ln(x + 1) para x 0, tiene rendimientos de re ientes a es ala pues ln(x + 1) ln(x + 1) para
ualquier 1. En efe to: la anterior desigualdad es equivalente
a (x + 1) x + 1, que es una onse uen ia dire ta del teorema
binomial de Newton (ver volumen 0 (Fundamentos) y volumen II
(Cl ulo)).
b) La fun in de produ in f (x) = ex para x 2 tiene rendimientos
re ientes a es ala pues ex (ex ) ondu e, uando 6= 1, a que
1
1
x ln 1 , y esto es ierto ya que 2 ln( 1 ) para todo > 1.
1
La di ultad, aqu, radi a en que si 0 x < 2 enton es x ln 1
puede no tenerse para algunos 's. N
Y ahora rela ionamos los rendimientos a es ala en los onjuntos de produ in on los rendimientos a es ala en las fun iones de produ in
mediante el siguiente importante teorema:

(Fun in de produ in, rendimientos a es ala, y


onjuntos de produ in)

Teorema 20.

Sea Y Rn un onjunto de produ in de una te nologa que produ e un


ni o bien y utilizando insumos z Rn1
+ ; y sean, adems,
Z = {z Rn1
| (y, z) Y }
+

y f : Z R la fun in de produ in aso iada a Y . Enton es:

a) f () tiene rendimientos re ientes a es ala si, y slo si, Y tiene rendimientos re ientes a es ala.
b) f () tiene rendimientos onstantes a es ala si, y slo si, Y tiene rendimientos onstantes a es ala.

Le in 1: Fun iones n avas y uasi n avas

47

) f () tiene rendimientos de re ientes a es ala si, y slo si, Y tiene


rendimientos de re ientes a es ala.
Demostra in.

Claramente, Y = {(y, z) Rn | y f (z)}. Luego:


a) Supongamos que f () tiene rendimientos re ientes a es ala y sea
(y, z) Y y probemos que tambin (y, z) Y para 1. En
efe to, omo (y, z) Y , enton es y f (z) y, por tanto, y f (z)
para todo 0. Pero omo f (z) f (z) para todo 1 por
hiptesis, enton es y f (z) y esto signi a que (y, z) Y para
todo 1. Por otro lado, si suponemos que Y tiene rendimientos
re ientes a es ala, enton es (f (z), z) Y para todo 1. Pero
por deni in de fun in de produ in, f (z) f (z).
b) Supongamos que f () tiene rendimientos onstantes a es ala y sea
(y, z) Y y probemos que tambin (y, z) Y para todo 0.
En efe to, omo (y, z) Y , enton es y f (z) y, por tanto, y
f (z) para todo 0. Pero omo f (z) = f (z) para todo 1
por hiptesis, enton es y f (z) y esto signi a que (y, z) Y
para 1. Si 0 1, enton es 1 f (z) = f ( 1 z) = f (z), por lo
tanto, f (z) = f (z) y, as, y f (z) para todo 0 1. Por
esto, (y, z) Y para todo 0. Por otro lado, si suponemos que
Y tiene rendimientos onstantes a es ala, enton es para todo 0 si
(f (z), z) Y , tendremos (f (z), z) Y ; es de ir, f (z) f (z);
luego, 1 f (z) f ( 1 z); es de ir, f (z) f (z); de lo ual, f (z) =
f (z) para todo 1.
) Supongamos que f () tiene rendimientos de re ientes a es ala, y sea
(y, z) Y . Probemos que (y, z) Y para todo 0 1.
Por deni in, y f (z); y, por hiptesis, tenemos que f ( 1 z)
1
f (z); por lo tanto, y f (z) f (z) para todo 0 1.
Por otro lado, si Y tiene rendimientos de re ientes a es ala, enton es
1
1
f (z) f ( z) para todo 1, por lo ual, f (z) f (z) para
todo 1.
Y el siguiente es uno de los resultados entrales de esta se in:

48

Matemti as para e onomistas III: Optimiza in y dinmi a

Con avidad

Teorema 21 (

al a).

rendimientos de re ientes a es-

Sea f : D R una fun in de produ in y f (0) = 0. Si f () es n ava


enton es f () tiene rendimientos de re ientes a es ala.
Demostra in.

Es onse uen ia dire ta del orolario 1 y del teorema 20.


Nota 5. (Mitos en la teora bsi a de la produ in)

Aunque la on avidad de la fun in de produ in ( on f (0) = 0) impli a


rendimientos de re ientes a es ala, la rela in entre las no iones de rendimientos a es ala y on avidad- onvexidad no es inmediata. Invitamos
al le tor a dar ejemplos que ilustren las siguientes arma iones:
a) Los rendimientos de re ientes a es ala de una fun in de produ in,
no impli an su on avidad. [Indi a in: f (x) = ex para x 0
b) La onvexidad de la fun in de produ in, no impli a un tipo parti ular de rendimientos a es ala. [Indi a in: f (x) = ex para x 0
) Los rendimientos re ientes a es ala de una fun in de produ in no
impli an su onvexidad. [Indi a in: Una fun in Cobb-Douglas on
suma de exponentes mayor que 1, podra servir (ver ejemplo 6)
)

Con avidad- onvexidad en la teora del onsumo

Ya habamos armado en el volumen II (le in 3) que, en los 1930's,


los e onomistas onsideraban que la teora de la utilidad mostraba seales de esterilidad, pero que su resurgimiento vino de la mano de Hi ks
y Allen (1934)33 on su teora ordinal de la satisfa in. A su vez, una
de las prin ipales preo upa iones de los aos 1940's y 1950's se entraba alrededor de los problemas funda ionales que onlleva la teora de
la ele in bajo una fun in de utilidad; en parti ular, sobre qu omportamientos bsi os de un onsumidor dan origen a que sus ele iones
se reali en de tal forma que pare iera que estuvieran regidos por una
fun in de utilidad. Las respuestas a esta pregunta provinieron de varios
frentes.
33

Hi ks, John y Roy Allen, (1934),

E onomi a.

A Re onsideration of the Theory of Value,

Le in 1: Fun iones n avas y uasi n avas

49

Quizs el primero en dis ernir sobre esto, fue el matemti o del grupo
Bourbaki, Samuel Eilenberg, en 1939 . Pero fueron von Neumann y Morgenstern (1944)34 quienes, basndose en el trabajo de Eilenberg, daran
las primeras ondi iones sobre preferen ias de un onsumidor, para que
ste eligiera bajo una fun in de utilidad. A este trabajo le siguieron
lari a iones y simpli a iones que daran forma a lo que hoy ono emos omo los fundamentos de la teora del onsumidor y, en general,
de la ele in. Entre ellos, apare en Arrow (1951)35 , Herstein y Milnor
(1953)36 , Debreu (1954)37 y, de forma importante e inuyente, Savage
(1953-54)38 , quien en The Foundations of Statisti s sealara on laridad los axiomas que produ en distribu iones de probabilidad subjetivas
y, as, fun iones de utilidad esperada.
i)

Sobre la existen ia de una fun in de utilidad bajo ertidumbre

a) En primer lugar, asumimos que todo onsumidor sele iona sus planes
(o anastas) de onsumo dentro del espa io artesiano de mer an as
Rn+ = {x Rn /x 0} donde n es el nmero de mer an as disponibles en el mer ado. Notamos a este onjunto, llamado onjunto
de onsumo del onsumidor, mediante X , y asumiremos enton es que
ste es un sub onjunto no-va o, errado y onvexo de Rn+ .
b) En segundo lugar, asumimos tambin que este onsumidor tiene un
riterio de sele in entre los diversos planes de onsumo en X , que
est estru turado de la siguiente forma:
Dados dos planes de onsumo x1 , x2 X , stos son siempre omparables mediante ierta rela in denida sobre X , la ual notamos 4,
tal que,
x1 4 x2

x2 4 x1
(*)
34

Von Neumann y Morgenstern (1944),

Prin eton.

35

Arrow, Kenneth J. (1951),

Risk-Taking Situation,
36

E onometri a.

Debreu, Gerard (1954),

Fun tion,
38

Alternative Approa hes to the Theory of Choi e in

E onometri a.

Herstein, Israel y John Milnor (1953),

Utility,
37

Theory of Games and E onomi Behavior,

An Axiomati Approa h to Measurable

Representation of a Preferen e Ordering by a Numeri al

en "Mathemati al E onomi s", E onometri So iety Monographs.

Savage, Leonard J. (1954),

The Foundations of Statisti s, John Wiley, New York.

50

Matemti as para e onomistas III: Optimiza in y dinmi a

La primera rela in se lee omo x1 es a lo ms tan deseado omo x2 ;


y la segunda se lee x2 es a lo ms tan deseado omo x1 .
Para que opere omo una rela in de preferen ia, adems de asumir
que es una rela in ompleta (es de ir, que ualesquiera dos planes de
onsumo sean omparables a la manera de (*)); tambin asumimos
que 4 es reexiva (es de ir, x1 4 x1 para todo x1 X ) y que es
transitiva (es de ir, si x1 4 x2 y x2 4 x3 , enton es x1 4 x3 para
todo x1 , x2 , x3 X ). Todos estos supuestos ha en de 4 un preorden
ompleto sobre X . 39
Adems, si su ede que x1 4 x2 y x2 4 x1 , enton es diremos que los
planes x1 y x2 son indiferentes, y es ribimos x1 x2 . Y si se da el
aso que x1 4 x2 pero no que x2 4 x1 , enton es diremos que x2 es
(estri tamente) preferido a x1 , y lo notaremos por x1 x2 , o bien
x2 x1 . Puede observarse que la rela in denida sobre X por
(llamada rela in de indiferen ia ) es una rela in reexiva, transitiva
y, adems, simtri a (es de ir, x1 x2 impli a x2 x1 para todo
x1 , x2 X ); y, por lo tanto, es una rela in de equivalen ia sobre X
que genera lases disyuntas de equivalen ia40 : para un x1 X jo,
su lase de equivalen ia, que en este ontexto llamaremos una lase
de indiferen ia (Edgeworth (1881)41 ), es el onjunto

[x1 ] = {x X | x x1 }
As, un plan de onsumo x X ualquiera, pertene e a su lase de
indiferen ia, y a ninguna otra. En otras palabras, se ha parti ionado
el onjunto de onsumo X en lases disjuntas de indiferen ia, omo
se muestra en la gura 20.
) Ahora que hemos partido el onjunto de onsumo en lases disjuntas de indiferen ia a travs de la rela in ordinal 4 entre planes de
onsumo, la pregunta es: Ser posible aso iar, on ada lase de indiferen ia, un nmero, de tal forma que si una lase es preferida a
otra, el nmero de la primera ser mayor que el nmero de la segunda? En otras palabras, dado un preorden ompleto sobre el onjunto
39
40
41
Co.

Ver volumen 0: Fundamentos.


Ver volumen 0: Fundamentos.
Edgeworth, Fran is Y. (1881),

Mathemati al Psy hi s,

London: Kegan Paul and

51

Le in 1: Fun iones n avas y uasi n avas

de onsumo X , existir una fun in re iente u : X R tal que


u(x1 ) u(x2 ) si, y slo si, x1 4 x2 ; y u(x1 ) = u(x2 ) si, y slo si,
x1 x2 ? La existen ia de una fun in ardinal de utilidad para la rela in ordinal dada no puede siempre asegurarse. Es importante una
hiptesis adi ional que, adems, garanti e que la fun in de utilidad
sea analti amente d til, es de ir, que sea ontinua.
Para anar nuestra dis usin establez amos enton es lo que entenderemos por fun in de utilidad :
bien 2

lase de
indiferen ia
de x

bien 1
Figura 20: Curvas de indiferen ia sobre

R2+ .

Deni in 10. (Fun in de utilidad)

Una fun in de utilidad ( ontinua) sobre el onjunto de onsumo X


preordenado por 4, es una fun in ontinua u : X R tal que
a) x1 4 x2 si, y slo si, u(x1 ) u(x2 ).

b) x1 x2 si, y slo si, u(x1 ) = u(x2 ).


Con esta deni in tenemos el siguiente teorema:
Teorema 22. (Existen ia de la fun in de utilidad (Eilenberg

(1941)

Si para todo x X , los onjuntos


{x X | x 4 x }

{x X | x < x }

(*)

son errados en Rn+ , enton es existe una fun in de utilidad sobre el


onjunto X preordenado por 4.

52

Matemti as para e onomistas III: Optimiza in y dinmi a

Demostra in.

Ver Debreu (1959).42


Nota 6. (Orden lexi ogr o)

Un ejemplo de preorden ompleto que no puede representarse mediante una fun in de utilidad es el orden lexi ogr o 43 en R2+ . ste
es, por deni in, (a, b) (a , b ) si (i) a < a (ii) a = a y b < b .
Veamos esto ms laramente: Supongamos que u() es una fun in de
utilidad que representa las preferen ias lexi ogr as. Enton es, para
ada x1 , x2 R+ on x1 > x2 , se tiene que

u(x1 , 2) > u(x1 , 1) > u(x2 , 2) > u(x2 , 1)


Adems, para ada x R+ podemos en ontrar un ra ional r(x) tal
que u(x, 2) > r(x) > u(x, 1) 44 . As, se tiene que si x1 > x2 enton es

r(x1 ) > u(x1 , 1) > u(x2 , 2) > r(x2 )


y, por lo tanto, la fun in r(x) as denida de los reales a los ra ionales se ha onstruido de tal manera que es uno-a-uno (pues es
estri tamente re iente). Pero, esto es una ontradi in, ya que la
ardinalidad de R es mayor que la de Q (ver volumen 0: Fundamentos). Un ejer i io aqu para el le tor es probar que, en este aso, los
onjuntos (*) arriba en el teorema 22 no son errados en R2+ .
ii)

Sobre la onvexidad de las preferen ias

Quizs por razones de ndole ms matemti a que e onmi a, se asumen iertas ara tersti as de onvexidad sobre las preferen ias. Veamos
ules son.
Deni in 11. (Convexidad de las preferen ias)

Sean x1 , x2 X on x1 6= x2 , para (0, 1),


42

Debreu, Gerard (1959),

mi Equilibrium,
43
44

The Theory of Value, An Axiomati Analysis of E ono-

Yale University Press, New Haven and London.

Es de ir, el orden del di ionario.


Esta es una apli a in de la propiedad de densidad de los nmeros ra ionales

(ver volumen 0 (Fundamentos), le in 4).

53

Le in 1: Fun iones n avas y uasi n avas

a) Si x2 < x1 , enton es x2 + (1 )x1 < x1 ( onvexidad dbil de 4)


(ver gura 21.a)).
b) Si x2 x1 , enton es x2 + (1 )x1 x1 ( onvexidad de 4) (ver
gura 21.b)).
) Si x2 x1 , enton es x2 + (1 )x1 x1 ( onvexidad estri ta de 4)
(ver gura 21. )).
Bien 2

Bien 2

Bien 2

x2
x2

x2
x1

x1

x1

(a)

Bien 1

(b)

Bien 1

( )

Bien 1

Figura 21:

4 on onvexidad dbil. En el panel (b) unas


panel ( ) unas preferen ias 4 on onvexidad

En el panel (a) unas preferen ias


preferen ias

4 onvexas. En

el

estri ta.

Teorema 23.

Si los onjuntos
{x X | x 4 x },

{x X | x < x }

son errados, enton es para la rela in de preferen ia 4 se umple que:


onvexidad estri ta = onvexidad = onvexidad dbil
Demostra in.

Ver Debreu (1959).45


Y, nalmente, one tamos los on eptos de onvexidad de las preferen ias on una no in ya familiar para nosotros: la de uasi on avidad de
la fun in de utilidad.
45

Debreu, Gerard (1959),

mi Equilibrium,

The Theory of Value, An Axiomati Analysis of E ono-

Yale University Press, New Haven and London.

54

Matemti as para e onomistas III: Optimiza in y dinmi a

Teorema 24. (Convexidad de preferen ias y uasi on avidad)

Sea u() una fun in de utilidad para 4 ( uya existen ia est garantizada
por las ondi iones del teorema 22); enton es:
a) 4 es onvexa dbil si, y slo si, u() es uasi n ava.
b) 4 es onvexa estri ta si, y slo si, u() es uasi n ava estri ta.
Demostra in.

a) Supongamos que 4 es onvexa dbil, enton es x < y impli a x +


(1 )y < y . Como u() es fun in de utilidad, de estas dos rela iones se tiene que u(x) u(y) impli a u(x + (1 )y) u(y) =
mn{u(x), u(y)}. Por lo tanto, u() es uasi n ava. Por otro lado, si
suponemos que u() es uasi n ava, enton es u(x + (1 )y)
mn{u(x), u(y)}. Y, as, u(y) u(x) impli a u(x + (1 )y) u(y)
y omo u() es fun in de utilidad, esto equivale a que y 4 x impli a
x + (1 )y < y .
b) Es similar a a).
Notemos el signi ado e onmi o de esta hiptesis. Ya habamos observado que toda fun in uasi n ava estri ta u(x) tiene la propiedad
de que si u(x) = y u(y) = , donde x, y R2 , y > 0, enton es
u(x + (1 )y) > , (0, 1); es de ir, ualquier ombina in estri ta
de los planes de onsumo x, y es siempre mejor (en trminos del nivel
de utilidad) que ualquiera de los dos planes x, y . En otras palabras,
un onsumidor on una fun in de utilidad uasi n ava es aquel que
no se espe ializa en ningn tipo de produ to : siempre preere ombinar.
De he ho, un arro de supermer ado argado on mltiples produ tos
des ribe tal omportamiento de onsumo.
iii)

La fun in de utilidad esperada

Ya hemos visto mo se modela la ele in de los onsumidores y produ tores uando stos tienen plena ertidumbre sobre los efe tos de las
a iones que toman. Vamos ahora a analizar mo un agente ra ional
puede tomar de isiones bajo riesgo. Para entender el tipo de problemas
al que nos enfrentamos, supongamos que se nos ofre e la oportunidad de
parti ipar en el siguiente juego de azar: se lanza una moneda (que suponemos no est argada) hasta que salga una ara, y si esto o urre en el

Le in 1: Fun iones n avas y uasi n avas

55

n-simo lanzamiento, se nos promete un pago de 2n1 monedas. Cunto


estaramos dispuestos a pagar para parti ipar en tal juego? Sabemos que
el  valor a tuarial  del juego es igual al valor esperado de los pagos del
mismo, E(w); es de ir
E(w) =

 n
X
1
i=1

n1

1X
=
2
i=1

 n
1
2n =
2


1
(1/2) 2 + (1/4)22 + (1/8)23 + . . . =
2

Por lo tanto, si valoramos el juego por su valor a tuarial, deberamos


estar dispuestos a pagar ualquier antidad nita de dinero para tener el
dere ho a jugar. Sin embargo, un po o de introspe in nos deja ver que,
en general, nadie estar dispuesto a pagar ms all de ierta antidad
nita determinada.46 Esta es, pre isamente, la ya men ionada Paradoja
de San Petersburgo , debido a que ontravena lo que en esa po a se rea
era una forma orre ta de valorar una a in riesgosa. As, la Paradoja
de San Petersburgo mostraba que el valor a tuarial no era siempre una
gua del omportamiento de los agentes en situa iones de riesgo.
Una propuesta para solu ionar esta paradoja fue presentada por Gabriel Cramer y por Daniel Bernoulli en 1723 y 1738, respe tivamente.
Ellos proponan que los agentes podran valorar este tipo de situa iones
utilizando lo que Bernoulli denomin expe tativas morales, que puede interpretarse omo la utilidad esperada del dinero para el agente, y que en
el aso de este juego es

E(u) =

 n
X
1
i=1

u(2n1 ) = (1/2)u(1) + (1/2)u(2)+

(1/4)u(22 ) + (1/8)u(23 ) + . . .
Si se supone, tal omo lo hizo Bernoulli, que u(x) = ln x para ierto
> 0, enton es E(u) < , pues, por el riterio de la razn para series
46

El le tor puede ha er el siguiente ejer i io mental: Imagine que en vez de una

moneda de oro se le diera un billete de $10,000, unto estara dispuesto a pagar


por ese juego? Seguramente no ms de $20,000 o $30,000.

56

Matemti as para e onomistas III: Optimiza in y dinmi a

innitas (ver volumen II, le in 4), se tiene que

 n+1
1
n ln 2
1
1 n
2
= <1
lm  n
= lm
n
n
2
n

1
2
1
(n 1) ln 2
2
Ms an: se puede mostrar (podra ha erlo el le tor?), que si la utilidad marginal es de re iente, enton es en este juego siempre se tiene que
E(u) < , quedando as resuelta la paradoja.

La teora de Cramer y Bernoulli ha sido in orporada omo una de las


prin ipales formas de modelar la ele in de agentes bajo in ertidumbre,
y se ono e omo la teora de la utilidad esperada ( on probabilidades
objetivas), que fuera axiomatizada por primera vez por John von Neumann and Oskar Morgenstern (1944)47 (y, posteriormente, por Leonard
J. Savage (1954)48 ) y que presentamos a ontinua in.
iv)

La no in de lotera

Al modelar la ele in bajo riesgo, el primer problema que se presenta


es mo representar las ele iones que se toman y sus onse uen ias o
resultados, ya que en la teora de ele in bajo ertidumbre, ele iones
y resultados se tratan de forma indiferente, por lo ual podemos hablar
en ese aso ni amente de resultados, y el onjunto de ele in bajo
ertidumbre omo el onjunto de resultados.
Deni in 12. (Lotera)

Sea X = {1, . . . , n} el onjunto de resultados y

(X) = {(p1 , . . . , pn ) [0, 1]n / p1 + + pn = 1}


el onjunto de todas las distribu iones de probabilidad que asignan probabilidad pi al elemento xi X . El onjunto (X) es el onjunto de
loteras y a un elemento p (X) se le llama lotera.
47

Von Neumann, John y Morgenstern, Oskar (1944),

nomi Behavior,
48

Theory of Games and E o-

Prin eton University Press, Prin eton.

Savage, Leonard J. (1954),

The Foundations of Statisti s,

New York: Wiley.

Le in 1: Fun iones n avas y uasi n avas

57

Supondremos que los agentes al tomar de isiones bajo riesgo elegirn


aquella lotera uyos resultados preeran a los de las dems loteras, es
de ir, al igual que en el aso bajo ertidumbre, supondremos que los
agentes tienen una rela in de preferen ia, 4, sobre las loteras.
Nota 7.

Vemos que (X) es un onjunto onvexo, y que si ex (X) representa


el elemento que asigna probabilidad 1 al resultado x X , enton es todo
elemento p (X) se puede representar omo

p=

n
X

pi exi

i=1

Por lo tanto, toda lotera se puede representar omo una ombina in


lineal de loteras de las uales ono emos el resultado on erteza. Es por
esto que podemos interpretar una lotera omo una ombina in lineal
de resultados que se ono en on erteza.
Ejemplo 13.

(a) Sea X = {cara, sello} el onjunto de resultados de lanzar una moneda. Enton es el onjunto de loteras es el simplex unidimensional

(X) = {(p, 1 p) / 0 p 1}
y ( 15 , 45 ) es un ejemplo de lotera .
(b) Sea X = {$100, $200, $500} el onjunto de resultados de un proye to de inversin; enton es el onjunto de loteras es el simplex de
dimensin 2,

(X) = {(p, q, 1 p q) / 0 p 1, 0 q 1}

v)

Existen ia de la fun in de utilidad esperada

A diferen ia del aso bajo ertidumbre, vemos que la fun in de utilidad


esperada satisfa e una ondi in muy importante:

58

Matemti as para e onomistas III: Optimiza in y dinmi a

Deni in 13. (Fun in de utilidad esperada)

Sea X = {1, . . . , n} el onjunto de resultados, (X) el espa io de loteras


aso iado a ste y U : (X) R una fun in de utilidad sobre X . Si
para todo p, q (X), [0, 1], U () satisfa e

U (p + (1 )q) = U (p) + (1 )U (q)


enton es diremos que U () es una fun in de utilidad esperada sobre el
espa io de loteras (X).
Con esta deni in se tiene que

U (p) =

n
X

pi U (exi )

i=1

es de ir, que la utilidad de una lotera no es ms que el valor esperado de


las utilidades de los resultados bajo ertidumbre. Es por esto que si u()
representa la fun in de utilidad del agente bajo ertidumbre, se suele
es ribir
n
X
U (p) =
pi u(xi )
i=1

Al igual que en el aso de ele in bajo ertidumbre, la existen ia de


la fun in de utilidad debe estable erse a partir de supuestos sobre la
rela in de preferen ia 4 denida sobre el onjunto de loteras.

(Existen ia de la fun in de utilidad esperada (I.


Herstein y J. Milnor (1953)))
Teorema 25.

Sea X = {1, . . . , n} el onjunto de resultados, (X) el espa io de loteras


aso iado a ste y, adems, 4 una rela in de preferen ia denida sobre
(X). Si se satisfa en las siguientes ondi iones:
i) (X) est ompletamente ordenado por 4.

49

ii) Para todo p, q, r (X), los onjuntos


{ R | p 4 q + (1 )r}, y, { R | q + (1 )r 4 p}

son errados.
49

Es de ir, para todo

enton es

p4r

p, q, r (X)

se tiene: i)

(ver volumen 0: Fundamentos).

p4q

q 4 p;

ii) Si

p4q

q 4 r,

59

Le in 1: Fun iones n avas y uasi n avas

iii) Si p, q (X), p q , enton es para todo r (X) se tiene 12 p +


1
1
1
2 r 2 q + 2 r.
Enton es existe una fun in de utilidad esperada que representa estas
preferen ias; es de ir, existe U : (X) R tal que para todo p, q
(X), [0, 1], U () satisfa e
U (p + (1 )q) = U (p) + (1 )U (q).
Demostra in.

Ver I. N. Herstein y J. Milnor (1953) 50 . Para otras demostra iones de la


existen ia de una fun in de utilidad esperada, vase John von Neumann
y Oskar Morgenstern (1944)51 Peter C. Fishburn (1994)52 .
Teorema 26.

Sea U : (X) R una fun in de utilidad esperada; enton es, V :


(X) R es una fun in de utilidad esperada si, y slo si, existen
> 0 y R tales que V (p) = U (p) + .
A este tipo de fun iones de utilidad esperada se les ono e omo fun iones
de utilidad tipo von Neumann-Morgenstern (vN-M) .
Demostra in.

Elijamos p, q (X) tales que p < r < q para todo r (X). Si


p q enton es toda fun in de utilidad esperada es onstante, y se tiene
inmediatamente el resultado. As que supongamos p q . Como U () es
una fun in de utilidad esperada enton es, si V (p) = U (p) + ,

V (s + (1 )t) = U (s + (1 )t) + = U (s) + (1 )U (t) +


= U (s) + + (1 ) U (t) +

= V (s) + (1 )V (t)

y, por lo tanto, V () es una fun in de utilidad esperada.


50

Herstein, Israel N. y John Milnor (1953),

Utility,
51

An Axiomati Approa h to Measurable

E onometri a.

Von Neumann, John y Oskar Morgenstern (1944),

mi Behavior,
52

dam.

Prin eton.

Fishburn, Peter C. (1994),Utility

Theory of Games and E ono-

and Subje tive Probability,

Elsevier: Amster-

60

Matemti as para e onomistas III: Optimiza in y dinmi a

Por otro lado, supongamos que U () y V () son fun iones de utilidad


esperada. Sea r (X) y elijamos r [0, 1] tal que

U (r) = r U (p) + (1 r )U (q)


es de ir,

r =

U (r) U (q)
U (p) U (q)

Como U () es una fun in de utilidad esperada, enton es r r p + (1


r )q . Pero omo hemos supuesto que V () tambin representa las mismas
preferen ias, debe ser que

V (r) = r V (p) + (1 r )V (q) = r V (p) + (1 r )V (q)



= r V (p) V (q) + V (q)

U (r) U (q)
=
V (p) V (q) + V (q)
U (p) U (q)

U (q) V (p) V (q)
V (p) V (q)
=
U (r) + V (q)
U (p) U (q)
U (p) U (q)
= U (r) +
donde

V (p) V (q)
=
U (p) U (q)


U (q) V (p) V (q)
= V (q)
U (p) U (q)

En adelante, asumiremos que todas las fun iones de utilidad son del tipo
von Neumann-Morgenstern, es de ir, satisfa en las ondi iones de los
teoremas 25 y 26.

d)

Breve nota sobre no- onvexidades

La teora e onmi a onven ional, omo quizs el le tor lo haya per ibido, se basa prin ipalmente en la hiptesis de rendimientos a es ala
de re ientes o onstantes. Pero, laramente, los rendimientos re ientes
a es ala s existen en las e onomas reales. De he ho, existe un volumen
apre iable de literatura sobre estos me anismos que data, por lo menos,
de los tiempos de Alfred Marshall. La teora del omer io interna ional, la

Le in 1: Fun iones n avas y uasi n avas

61

e onoma del desarrollo, la e onoma regional, la e onoma de alta te nologa, et . son asos en los que estas teoras se apli an on relativo xito.
A estos me anismos se les ono e on distintos nombres: rendimientos
re ientes, ausalidad a umulativa, r ulos virtuosos, no- onvexidades,
efe tos de trifur a in, et . Los orgenes varan: ostos jos muy altos,
efe tos de aprendizaje, efe tos de oordina in, efe tos de expe tativas,
efe tos de red, et .
Un ejemplo notable de rendimientos re ientes son los produ tos on alta
te nologa impli ada en donde los ostos de investiga in y diseo son
muy altos, donde los pro esos de produ in pueden mejorarse a travs
de aprendizaje y donde pertene er a una red de estndares te nolgi os
es fundamental. Sin duda, las e onomas de alta te nologa son e onomas en las que los me anismos de rendimientos re ientes surgen muy
naturalmente, pero no los de rendimientos de re ientes.
Sin embargo, la di ultad onsiste en que la teora e onmi a moderna
tiene un desarrollo sesgado ha ia las t ni as que se adaptan bien on
los rendimientos de re ientes. Normalmente, los modelos que impli an
no- onvexidades obligan tratamientos formales mu ho ms sutiles, ompli ados y he hos a la medida de la situa in a la mano. No existe an
una  aja de herramientas para estos modelos, aunque la teora de juegos ( lsi a y no- lsi a), junto on las t ni as de dinmi a ualitativa,
y teora de la probabilidad, han omenzado a abrir el espa io. Este es
parte del reto para los aos que vienen53 . Pero, al nal, lo que debe entenderse es que el fenmeno de los rendimientos re ientes a es ala no es
una anomala de la teora e onmi a estndar, sino un omplemento.

53

Ver Arthur, Brian, Steven Durlauf y David A. Lane (1997),

an Evolving Complex System II,


Wesley Longman, New York.

The E onomy as

SFI Studies in the S ien es of Complexity, Addison

62

Matemti as para e onomistas III: Optimiza in y dinmi a

Ejer i ios omplementarios


1. Indique una fun in uasi n ava que no sea montona ( re iente
o de re iente).
2. Pruebe que toda fun in onvexa y n ava, es un hiperplano que
no ne esariamente pasa por el origen.
3. Ser que toda fun in que es uasi onvexa y uasi n ava es enton es un hiperplano que no ne esariamente pasa por el origen?
4. Pruebe que si f () y g() son onvexas ( n avas) en C , enton es
m
ax{f (), g()} tambin es onvexa ( n ava) en C . Qu pasa on
mn{f (), g()}?
5. Anali e ules de las siguientes fun iones son n avas (estri tas),
onvexas (estri tas), uasi n avas (estri tas), uasi onvexas (estri tas):
(a) f (x, y) = x + y ; > 0; 0 < < 1; x, y > 0
(b) f (x, y) = x + ln y ; x, y > 1
( ) f (x, y) = 3xy y 3 + 1

(d) f (x, y) = 3x2 + y 2 1


6. Si

f (x) =

x2
si x < 0
ln(x + 1) si x 0

Ser f () n ava (estri ta)? onvexa (estri ta)? uasi n ava


(estri ta)? uasi onvexa (estri ta)?
7. Pruebe que

(
2 si x 6= 0
f (x) =
0 si x = 0

es uasi onvexa. Ser estri tamente uasi onvexa? Ser onvexa?


8. Ya habamos estudiado, en el volumen II (Cl ulo), la fun in CES
1

f (x, y) = A [x + y ]

63

Le in 1: Fun iones n avas y uasi n avas

(donde x, y 0, , 0, < 1, 6= 0, A > 0) omo fun in de utilidad y de produ in. Bajo qu ondi iones es,
esta fun in, n ava (estri ta), onvexa (estri ta), uasi n ava
(estri ta) uasi onvexa (estri ta)?
9. La fun in CRRA

1
1
x
f (x) =
1

ln x

si 6= 1
si = 1

on x > 0, > 0, al igual que la fun in CARA

1
f (x) = ex

on x > 0, > 0, tambin fueron estudiadas en el volumen II


(Cl ulo) omo fun iones de utilidad. Bajo qu ondi iones son
estas fun iones n avas (estri tas), onvexas (estri tas), uasi n avas (estri tas) y uasi onvexas (estri tas)?
10. Utilizando el teorema 7, en uentre el valor mximo de P (x, y) =
x2 y 2 + 22x + 18y 102, para x > 0, y > 0.
11. Ser ierta, falsa o in ierta la siguiente arma in?: Puesto que
la suma de dos fun iones n avas es una fun in n ava, enton es la fusin de dos empresas on rendimientos de re ientes a
es ala debe resultar en otra, tambin on rendimientos de re ientes
a es ala . Explique.
12. (*) El teorema 11e) asegura, en parti ular, que si f () es n ava y F () estri tamente re iente, enton es (F f )() es uasi n ava. Muestre que si f () es n ava y F () es montona ualquiera, enton es (F f )() es uasi n ava. [Sin embargo, Kenneth
J. Arrow and Alain C. Enthoven (1961)54 onstruyen un ejemplo
en el que la arma in re pro a de este teorema no es ierta:

1
h(x, y) = (x 1) + (1 x)2 + 4(x + y) 2 es uasi n ava, pero no
es la transforma in montona de ninguna fun in n ava (mostrar esto ltimo podra ser un gran reto aun para el le tor aventajado y por ello re omendamos onsultar la ita bibliogr a).
54

Arrow, Kenneth J. y Alain C. Enthoven (1961),

E onometri a.

Quasi-Con ave Programming,

64

Matemti as para e onomistas III: Optimiza in y dinmi a

13. (a) Ser que un punto rti o de una fun in uasi n ava es de
mxima global?
(b) Ser que un mximo lo al de una fun in uasi n ava es
un mximo global? [Indi a in: Tome f (x) = [[x]] 55 Y si la
fun in es uasi n ava estri ta?
14. En R2 onstruya onjuntos de produ in:
(a) Convexos.
(b) No- onvexos.
( ) Con rendimientos de re ientes a es ala.
(d) Con rendimientos onstantes a es ala.
(e) Con rendimientos re ientes a es ala.
15. Existen iertas fun iones de produ in para las uales podemos
ara terizar f ilmente el tipo de rendimientos a es ala que presentan; stas se ono en omo fun iones homogneas .
Re ordemos (ver volumen 0: Fundamentos) que una fun in f :
D R es homognea (de grado ) si, y slo si, existe un R+
tal que
f (tx) = t f (x)
donde para todo t > 0 y x D se tiene que tx D .
Algunos ejemplos de fun iones homogneas son:

(a) Si f (x) = x, x 0, enton es

f (tx) =

1
tx = t x = t 2 f (x)

para todo t > 0. As, f () es homognea de grado 1/2.


(b) Otro ejemplo es la fun in lineal f (x, y) = x + y , x, y R;
aqu,
f (tx, ty) = tx + ty = t(x + y) = tf (x, y)
para todo t > 0. As, f (, ) es homognea de grado 1.
55

[[x es la parte entera de

(ver volumen 0: Fundamentos).

Le in 1: Fun iones n avas y uasi n avas

65

( ) Ahora onsideremos la fun in f (x, y) = xy , x, y R; aqu,

f (tx, ty) = (tx)(ty) = t2 xy = t2 f (x, y)


para todo t > 0. As, f (, ) es homognea de grado 2.
x
(d) Finalmente, onsideremos la fun in f (x, y) = , x, y R,
y
y 6= 0; aqu,
tx
x
f (tx, ty) =
= = f (x, y)
ty
y
para todo t > 0 y, as, f (, ) es homognea de grado 0.

(e) Quizs no sobre advertir que no todas las fun iones son homogneas. Tomemos, por ejemplo, la fun in ln x. Podra el
le tor dar otro ejemplo?
Asuma f : D R+ on D R+ D R2+ no va os, y pruebe
que:
a) Si f () es homognea de grado on 0 < < 1, enton es f ()
tiene rendimientos de re ientes a es ala.
b) Si f () es homognea de grado = 1, enton es f () tiene rendimientos onstantes a es ala.
) Si f () es homognea de grado > 1, enton es f () tiene rendimientos re ientes a es ala.
16. Para las siguientes fun iones determine si son homogneas y, en
aso de que lo sean, su grado de homogeneidad:
(a) f (x) = ln x
x
( ) f (x, y) =
y
x2
(e) f (x, y) =
+ xy
5

(b) f (x) = (x + 3)2


(d) f (x, y) = (x + y)2
(f) f (x, y) = ex+y

17. Para las siguientes fun iones, si es posible, determine el tipo de


rendimientos a es ala que presentan; si lo onsidera ne esario, en
ada aso restrinja el dominio en donde se presenta el tipo de rendimiento:

66

Matemti as para e onomistas III: Optimiza in y dinmi a

(a) f (x) = ln(x + 1)


( ) f (x) = x2
(e) f (x, y) = xy

(b) f (x) = x n on n N.
(d) f (x, y) = x + y
(f) f (x) = 1 ex

18. Ser que si una fun in de produ in es onvexa y f (0) = 0,


enton es tiene rendimientos re ientes a es ala?
19. Ser que los rendimientos marginales de re ientes impli an o son
impli ados por los rendimientos a es ala de re ientes?
20. (*) Muestre que si C Rn+ es un ono onvexo y f : C R es
homognea de grado 1 y uasi n ava, enton es f () es, de he ho,
n ava.
21. (a) Una expli a in intuitiva sobre por qu la suma de dos fun iones uasi n avas no ne esariamente es uasi n ava, se en uentra en la teora del onsumidor. Si dos onsumidores preeren ( ada uno independientemente) la ombina in a la espe ializa in, enton es uando estos dos onsumidores ha en
sus ompras omo un ni o agente, podra ser que se espe ializaran en algn tipo de produ to. El ejemplo de la pareja en
el que a la mu ha ha le gusta slo el pollo y el queso en su
pizza, pero al mu ha ho slo le gusta el pollo y los hampiones, los obligara, en aso de enar juntos, a es oger la pizza
slo on pollo, muestra bien lo que queremos expli ar. Aun
as, abe men ionar que en ningn aso armamos que la fun in agregada de utilidad sea siempre la suma de las fun iones
de utilidad de ada uno de los agentes. Slo que este ejemplo
justi a el resultado uando esto s pueda tenerse. Podra el
le tor dar otro ejemplo que ilustre el punto anterior?
(b) En 1982, los ganadores del premio Nobel en e onoma, Gerard Debreu (ganador en 1983) y Tjalling Koopmans (ganador
en 1975), presentaron el siguiente resultado:56 Si f = f1 + f2
es uasi n ava en C , donde f1 y f2 son dos fun iones no onstantes, enton es alguna de las dos fun iones es n ava
56

Debreu, Gerard, y Tjalling C. Koopmans (1982),

si onvex Fun tions,

Additively De omposed Qua-

en Mathemati al Programming: S ienti Papers of Tjalling C.

Koopmans (1985), Springer Verlag.

Le in 1: Fun iones n avas y uasi n avas

67

estri ta en C . Cmo podemos apli ar esto al problema de agrega in de la teora del onsumidor?
La generaliza in a n fun iones f1 , f2 , . . . , fn , todas ellas no onstantes, es que si f = f1 + f2 + . . . + fn es uasi n ava,
enton es a lo ms una de ellas no es n ava estri ta. Podramos de ir, a partir de esto, algo a er a de los me anismos de
onsumo en general?
22. Considere las siguientes hiptesis sobre una familia de onjuntos
de produ in {YjP
}nj=1 y del onjunto de produ in agregado de
la e onoma, Y = nj=1 Yj :
i) Yj es errado

ii) Y es errado
(posibilidad de no-a in )

iii) 0 Yj , 0 Y

iv) Y (R+ ) = 0

(imposibilidad de produ in gratuita )

v) Y (Y ) = {0}

(irreversibilidad )

(aditividad )

vi) Yj + Yj Yj

vii) Yj es onvexo.
viii) Rn+ Y

(libre disponibilidad de insumos )

(a) Interprete e onmi amente ada una de las anteriores arma iones.
(b) (*) Pruebe que si se umple la ondi in de onvexidad para Y ,
ste es errado, y se satisfa e la ondi in de libre disponibilidad (viii) arriba), enton es Y Rn+ Y (ver Debreu (1959)57 ).
Interprete el signi ado e onmi o de este resultado.
23. Pruebe que los onjuntos

{x R2+ | x 4 x },

{x R2+ | x < x }

para el orden lexi ogr o, no son errados en R2+ .


57

Debreu, Gerard (1959),

mi Equilibrium,

The Theory of Value: An Axiomati Analysis of E ono-

Yale University Press, New Haven and London.

68

Matemti as para e onomistas III: Optimiza in y dinmi a

24. [Demostra in del teorema 1. Este ejer i io, para el le tor aventajado, onsiste en seguir uidadosamente la demostra in del teorema 1:

Sea x C ualquiera, y {xk }


k=0 tal que xk x uando k .
Adems, sea > 0 y K tal que para todo k K , ||xk x|| <
(sabemos que tal K existe, ya que xk x), y sea tambin A =
{y C | |y x| = }. Enton es, para todo k K existen yk A y
k [0, 1] tales que xk = k x + (1 k )yk ; y dado que xk x y
|yk x| = , enton es k 1. Por la on avidad de f (),
y as

f (xk ) = f (k x + (1 k )yk ) k f (x) + (1 k )f (yk )


lm nf f (xk ) f (x)

58

(*)

De manera similar, podemos elegir zk A y k [0, 1] tales que


x = k xk + (1 k )zk . Por un argumento similar, tenemos que
f (x) = f (k xk + (1 k )zk ) k f (xk ) + (1 k )f (zk )

de tal forma que

(**)

f (x) lm sup f (xk )


k

De las dos desigualdades (*) y (**) se tiene que


lm nf f (xk ) f (x) lm sup f (xk )
k

y sabiendo que
lm sup f (xk ) lm nf f (xk )
k

se tiene, enton es, que


f (x) = lm sup f (xk ) = lm nf f (xk )
k

y, por lo tanto, lmk f (xk ) = f (x) y, as, f () es ontinua en x.



58

Dada una su esin de nmeros reales {an }, supongamos que existe un nmero
A tal que: i) Para ada > 0 existe un entero N > 0 tal que n > N impli a
an < A + . ii) Dados > 0 y m > 0 existe un entero n > m tal que an > A .
Enton es A se llama el lmite superior de {an }, l
m supn an . El lmite inferior
de {an } se dene omo l
mnf n an = lm supn an . (ver volumen II
(Cl ulo), le in 1, para una deni in alternativa.)

Le in 2
Optimiza in estti a

Introdu in
El anlisis matemti o, en todas sus ramas, provey a la fsi a y a la
te nologa on potentes mtodos para la solu in de problemas de mu has
lases. Ya hemos estudiado el primero en surgir: en ontrar la tasa de
ambio de una magnitud uando sabemos mo depende esta magnitud
del tiempo (derivada); y en ontrar el rea de guras urvilneas y el
volumen de slidos (la integral). Adems de esto, el anlisis matemti o
ha mostrado mtodos para en ontrar el mximo y el mnimo de valores
de una magnitud bajo ondi iones dadas. Con estas reglas es posible
determinar, por ejemplo, la forma de una isterna ilndri a que, para un
volumen dado, tendr la super ie ms pequea y, por lo tanto, requerir
de la mnima antidad de material para onstruirla: la isterna debe
igualar su altura al dimetro de la base. Estos mtodos tambin nos
permiten determinar la forma de la urva a lo largo de la ual un uerpo
debe rodar para aer, en el mnimo tiempo posible, de un punto a otro
(esta urva se llama la i loide ).
Pero el anlisis matemti o no slo nos entrega mtodos para resolver
problemas parti ulares. Tambin nos da reglas generales para la formula in matemti a de leyes uantitativas de las ien ias. Las leyes generales de la me ni a no podran formularse matemti amente sin re urso
a on eptos del anlisis matemti o, y sin tal formula in no seramos
apa es de resolver los problemas de la me ni a. En la misma forma,
las leyes de la ondu in del alor, la propaga in de la luz a travs de
distintos medios fsi os, las rea iones qumi as, las leyes del ele tromagnetismo, y mu has otras, simplemente no podran tener una formula in
69

70

Matemti as para e onomistas III: Optimiza in y dinmi a

matemti a sin los on eptos del anlisis. Y es slo omo resultado de


esta formula in, que podemos apli ar estas leyes a una gran variedad
de asos on retos.
La motiva in para al ular mximos y mnimos es profunda, pues numerosos fenmenos naturales muestran lo que se ono e omo un prin ipio del mnimo o prin ipio del mximo. Es orriente en ontrar que la
naturaleza, al llevar a abo un a in, utili e la mnima antidad de energa ne esaria para su eje u in. Por ejemplo, es omn observar que la
traye toria de una part ula o de una onda en movimiento se ompleta siguiendo la traye toria ms orta o en el menor tiempo posible. O
ambos.
Un famoso ejemplo de esta e onoma del omportamiento fsi o lo des ubri Hern de Alejandra en el siglo I d.C. l en ontraba que la igualdad
de los ngulos de in iden ia y reexin formados por un rayo de luz que
al anza a un espejo plano, se debe a que sigue la traye toria ms orta
posible. Mil seis ientos aos ms tarde, Fermat mostrara que tambin
un prin ipio del mnimo rega el pro eso de refra in de la luz. Y otros
ejemplos importantes han surgido en me ni a, ele trodinmi a, relatividad, y fsi a unti a.
La bsqueda de propiedades de mximo y mnimo ha jugado un papel
importante en el desarrollo de la ien ia moderna, e in luso se ha redo
que, para las leyes fsi as, los prin ipios del mnimo y del mximo son su
a eso natural, y hasta en o asiones en la historia se ha bus ado a travs
de ellos el prin ipio uni ador de todas las ien ias.

1. Planteamiento del problema


Una tpi a (y muy omn en la pr ti a) ara teriza in de problemas
de optimiza in es en ontrar valores extremos de una fun in f (x, y)
restringida a un sub onjunto bien espe i ado de R2+ :
Maximizar

f (x, y)

sujeta a

g(x, y) 0
x0
y0

(KT)

71

Le in 2: Optimiza in estti a

f (x, y)

g(x, y) 0

Figura 1: El problema de optimiza in

donde f, g : R2+ R son fun iones diferen iables. Aqu a f (, ) se le


ono e omo fun in objetivo, y a g(, ) omo fun in restri in. A este
problema lo llamaremos, en adelante, problema (KT) (ver gura 1).
Ejemplo 1.

En el problema
Maximizar
sujeta a

xy
3x + 4y 5
x0
y0

tenemos que f (x, y) = xy , y g(x, y) = 5 3x 4y .


Ejemplo 2.

En el problema
Maximizar
sujeta a

x+y
2

x + y2 1
x0
y0

tenemos que f (x, y) = x + y , y g(x, y) = 1 x2 y 2 .

72

Matemti as para e onomistas III: Optimiza in y dinmi a

De manera semejante, los problemas de minimiza in de una fun in,


sujeta a una restri in fun ionalmente bien espe i ada, tambin estn
onsiderados de esta forma, puesto que el problema
Minimizar

f (x, y)

sujeta a

g(x, y) 0
x0
y0

es equivalente al problema
Maximizar
sujeta a

f (x, y)

g(x, y) 0
x0
y0

Ejer i ios 1
1. En los siguientes ejer i ios, identique f (x, y) y g(x, y) en la formula in (KT):
a)

Minimizar
sujeta a

(x1)2 + y 2
y x2 + 1

b)

Minimizar
sujeta a

x0
) Minimizar
sujeta a

y0

3x+7y
1
x3 + y 3 3 100

e) Minimizar
sujeta a

5x+2y

7x + 9y 15
x0
y0

3x + 4y 12
x0

d) Maximizar
sujeta a

x0
y0

x2 y 2

y0
yex

2x + 8y 50
x0

f) Minimizar
sujeta a

y0

3x 3 +5y 3
x+y 2
x0
y0

Le in 2: Optimiza in estti a

73

2. Optimiza in en onjuntos ompa tos:


el teorema de Weierstrass
En la le in 1 del volumen II, habamos estable ido que si f : [a, b] R
es una fun in ontinua, enton es sta al anza un valor mximo y un
valor mnimo, ambos globales (ver gura 2). Este teorema, fundamental
en la teora de la optimiza in de fun iones de una sola variable, se puede
generalizar as:
Teorema 1.

(Teorema de Weierstrass)

Si f : S R, on S R2 ompa to (es de ir, errado y a otado),


es ontinua, enton es al anza un valor mximo y uno mnimo, ambos
globales.
Demostra in.

Sea R = f (S) R; omo S es ompa to (es de ir, errado y a otado),


enton es R tambin es ompa to y, as, existen a, A R tales que a =
mn R y A = m
ax R; luego, a = f (x0 , y0 ) y A = f (x1 , y1 ) para iertos
puntos (x0 , y0 ), (x1 , y1 ) S .
Este es, quizs, el resultado bsi o de la teora de la optimiza in matemti a y aqu lo utilizaremos ampliamente. En parti ular, si S =
{(x, y) R2+ | g(x, y) 0} es ompa to, y la fun in objetivo f (x, y)
es ontinua, enton es el problema (KT) siempre tendr solu in. Esto lo
utilizaremos de manera re urrente en el trans urso de la presente le in.
Ahora: Puesto que ya ono emos ondi iones para la existen ia de solu iones al problema (KT), sera muy onveniente, en este punto, preguntarnos por su uni idad. El siguiente teorema da ondi iones su ientes
para esto:
Teorema 2.

(Un teorema de uni idad)

Si el onjunto S = {(x, y) R2+ | g(x, y) 0} es onvexo, y f (x, y) es


estri tamente uasi n ava, enton es toda solu in de (KT) es ni a.
Demostra in.

Supongamos que (x0 , y0 ) y (x1 , y1 ) son dos solu iones distintas al problema (KT), y que, por lo tanto, f (x0 , y0 ) = f (x1 , y1 ). Enton es, para

74

Matemti as para e onomistas III: Optimiza in y dinmi a

f (x)
mximo global

mnimo global

b
Figura 2:

Mximo y mnimo global de una fun in ontinua sobre un onjunto ompa to.

ualquier (0, 1), se tendr que f (x0 + (1 )x1 , y0 + (1 )y1 ) >


f (x1 , y1 ), dado que f () es uasi n ava estri ta. Adems, omo S es
onvexo, laramente se tiene que (x0 + (1 )x1 , y0 + (1 )y1 ) S .
Por lo tanto, (x1 , y1 ) no puede ser solu in al problema (KT) y, por ende,
slo puede existir una ni a solu in.

Ejer i ios 2
1. En los siguientes ejer i ios determine si se umplen las ondi iones
para existen ia de la solu in al problema dado. Si existe, permite
el teorema 2 garantizar que esta solu in es ni a?
a)

Maximizar (x1)2 + y 2
sujeta a

y x2 + 1

x0
y0

b) Minimizar
sujeta a

x2 + y 2
3x + 4y 12
x0
y0

75

Le in 2: Optimiza in estti a

) Minimizar
sujeta a

3x+7y d) Maximizar
1
x2 + y 2 3 1
sujeta a
x0

e)

y0

Maximizar

5x+2y

sujeta a

7x + 9y 15

f)

yex
2x + 8y 50
x0
y0

Maximizar

3x 2 +5y 2

sujeta a

x+y =2

x0

x0

y0

y0

[Indi a in: Dibuje el problema, y re uerde que el he ho de que el onjunto de restri in no sea ompa to no impli a, automti amente, que
la solu in no exista.

3. Optimiza in on restri iones de igualdad:


el mtodo de los multipli adores de Lagrange
El mtodo de los multipli adores de Lagrange es la t ni a tradi ional para resolver expl itamente problemas de optimiza in restringida uando
las fun iones objetivo y de restri in son diferen iables on ontinuidad
en R2++ . Este mtodo se entra en la solu in espe  a del problema
Maximizar
sujeta a

f (x,y)
g(x, y) = 0

(L)

x>0
y>0
donde la restri in es de igualdad estri ta. En adelante, a este problema
lo denotaremos por (L).
Con el objeto de entender ul es la idea bsi a del mtodo de los multipli adores de Lagrange (Lagrange (1788)), tratemos de resolver el problema
siguiente:

76

Matemti as para e onomistas III: Optimiza in y dinmi a

=1

= 0.5
= 0.1
0
0

1
(a)

1
(b)

Figura 3:
Panel(a): Curvas de nivel

xy =

para distintos

's.

Panel(b): Restri in

3x + 4y = 5, x, y > 0.

Maximizar
sujeta a

xy
3x + 4y = 5
x>0
y>0

En estos problemas de optimiza in restringida, a menudo las urvas


de nivel son de una gran ayuda visual para identi ar la ubi a in de
las solu iones en el plano. Re ordemos que, en el primer uadrante del
plano, las urvas de nivel (iso uantas) de la fun in f (x, y) = xy , son

hiprbolas ha ia el origen: para > 0, xy = equivale a y =


(ver
x
gura 3.a)).
Y la restri in del problema es que se deben satisfa er las ondi iones
3x + 4y = 5, x, y > 0 (ver gura 3.b)). Es de ir, debemos bus ar sobre
el segmento de re ta de la gura 3.b), el punto (x , y ) (ambos mayores
que ero) que haga f (x, y) lo ms grande posible. Si superponemos la
gura 3.a on la gura 3.b y observamos la dire in de re imiento de
las urvas de nivel, en ontramos la gura 4.
Gr amente, un punto omo (x , y ) en la gura 4 resuelve nuestro problema. Cmo hallarlo? Lagrange en ontr que, pre isamente en (x , y ),

77

Le in 2: Optimiza in estti a

y
y

f
f = g

Figura 4: Curvas de nivel y re ta de restri in.

los ve tores gradientes f (x , y ) y g(x , y ) son paralelos ! Y que esto


slo o urre all, omo se ve en la gura 4 uando omparamos el omportamiento de los gradientes f y g en los puntos (x , y ), y, por
ejemplo, (
x, y). Esto es, existe un es alar tal que

f (x , y ) = g(x , y ).

(1)

Y en honor del des ubridor de esta importante ondi in, al nmero


se le llama multipli ador de Lagrange . 1
Deni in 1. (Condi iones de primer orden (CPO) de Lagrange)

Si f () y g() son fun iones diferen iables on ontinuidad en R2++ , y


R, denimos las ondi iones de primer orden del problema de Lagrange (L) de la siguiente forma:

f (x, y) = g(x, y)
g(x, y) = 0

El trmino multipli ador de Lagrange fue a uado slo hasta 1919 por Gillie A.

Larew en su art ulo

of Variations,

Ne essary Conditions in the Problems of Mayer in the Cal ulus

publi ado en Transa tions of the Ameri an Mathemati al So iety.

78

Matemti as para e onomistas III: Optimiza in y dinmi a

, equivalentemente,

g
f
= ,
x
x

f
g
= ,
y
y

g(x, y) = 0

(CPO)

Y ahora nos preguntamos undo fun iona bien el mtodo de Lagrange;


es de ir, undo las solu iones al problema de optimiza in que tenemos
a mano, realmente estn entre las solu iones en ontradas por el mtodo.
La respuesta la en ontramos en el siguiente teorema:
Teorema 3.

(Multipli adores de Lagrange (Lagrange (1788)))

Supongamos que f : R2++ R y g : R2++ R tienen derivadas par iales


ontinuas. Si (x , y ) R2++ resuelve el problema
Maximizar
sujeta a

f (x, y)
g(x, y) = 0

(L)

x>0
y>0

enton es existe un nmero 6= 0 tal que




f (x ,y ) = g (x ,y )
siempre y uando
Demostra in.


g (x ,y ) 6= 0

Por el teorema de la fun in impl ita (le in 3, volumen II) se tiene, de g(x, y) = 0, que alrededor de (x , y ) existe una ni a fun in
diferen iable y(x) tal que g(x, y(x)) = 0 y que, adems,

dy
g/x
=
dx
g/y
en esa ve indad. Ahora: de la ondi in que surge de maximizar f (x, y(x))
en (x , y ), obtenemos que, en (x , y ),

df =

f
f
dx +
dy = 0
x
y

79

Le in 2: Optimiza in estti a

Luego, en (x , y ),


 
g 1 f g 1
=
x
y y
 
f g 1
Llamemos
. As, en (x , y ),


y y
f
x

(x ,y )

f
f
=
x
y

g
y

1

g
g
=
x
x

(2)

f
f
=
y
x

g
x

1

g
g
= .
y
y

(3)

y, de manera similar,

De (2) y (3) se obtiene que


o, lo que es igual,

f f
,
x y

g g
,
x y



f (x ,y ) = g (x ,y )

Nota 1. (Deni in de lagrangiano)

Existe una forma equivalente de resolver el problema (L). Denamos su


lagrangiano, L(), omo la fun in L : R++ R++ R R denida
por L(x, y, ) = f (x, y) g(x, y). Enton es el problema de optimizar
L(x, y, ) nos ondu e al problema (L). En efe to: Las ondi iones de
primer orden para optimizar L() son

L
f
g
=

= 0,
x
x
x
2

L
f
g
=

= 0,
y
y
y

L
= g(x, y) = 0

Aunque la idea fundamental es de Lagrange (M anique

Analytique

(1788)), el

trmino Lagrangiano fue a uado, al pare er, por Samuel Zahl en 1962 en el art ulo

 A Deformation Method for Quadrati Programming


the Royal Statisti al So iety.

que apare i en el Journal of

80

Matemti as para e onomistas III: Optimiza in y dinmi a

y esto es,

f
g
= ,
x
x

f
g
= ,
y
y

g(x, y) = 0

o, de forma ms simple,

f () = g();

g() = 0

que son las ondi iones de solu in del problema (L).


Ejemplo 3.

Resolvamos el problema
Maximizar
sujeta a

xy
3x + 4y = 5
x>0
y>0

utilizando las ondi iones de primer orden de Lagrange (ver gura 5).
Solu in.

Aqu, f (x, y) = xy , g(x, y) = 3x + 4y 5. Ambas fun iones tienen


derivadas par iales ontinuas; luego, por el teorema 8, si (x , y ) resuelve
este problema de optimiza in, enton es existe un es alar 6= 0 tal que

f (x , y ) = (y , x ) = (3, 4) = g(x , y )
, equivalentemente, un 6= 0 tal que

x = 4,

y = 3

Pero omo 3x + 4y = 5, enton es 3(4) + 4(3) = 5. Y as, =


onsiguiente,

5
24 .

Por

5
5
5
5
= ,
y = 3
=
24
6
24
8

Vemos que g(x , y ) = (3, 4) 6= (0, 0); por lo tanto, el punto (x , y )


satisfa e todas las ondi iones del teorema 8. Dado que este punto es la
ni a solu in a las CPO, debera
ser la solu in al problema.
En efe to:


puesto que el onjunto S = (x, y) R2+ | 3x + 4y = 5 es ompa to y la
x = 4

81

Le in 2: Optimiza in estti a

y
solu in

y =

5
8

x =

5
6

Figura 5: Solu in gr a del ejemplo 3.

fun in objetivo f (x, y) = xy es ontinua, por el teorema de Weierstrass


existe solu in al problema. Adems, omo en los extremos del onjunto
restri in, ( 53 , 0), (0, 54 ), la fun in no tiene su mximo (pues su valor
all es 0, y variando un po o x y y podemos obtener ms que 0), el valor
3
mximo de la fun in es f (x , y ) = x y = 56 58 = 25
N
48 .
Ejemplo 4.

Tambin podemos utilizar la t ni a de Lagrange para resolver el problema de optimiza in


Maximizar
sujeta a

x+y
2

x + y2 = 1
x>0
y>0

Solu in.

Aqu, f (x, y) = x + y , g(x, y) = x2 + y 2 1, y dado que ambas fun iones


tienen derivadas par iales ontinuas, bus amos un nmero 6= 0 tal que

f (x, y) = g(x, y)
Es de ir,

(1, 1) = (2x, 2y)


,

2x = 1,
3

2y = 1

Podra el le tor expli ar por qu en la solu in

(x , y )

se tiene

y < x ?

82

Matemti as para e onomistas III: Optimiza in y dinmi a

Es laro que 6= 0; y puesto que x2 + y 2 = 1, enton es

1
2

2

1
2

2

=1

Por lo tanto, 2 = 12 y tendremos que = 12 . Como debe ser x > 0,


y > 0, enton es la solu in a las CPO es

x = y =
2
yya
que sta es la ni a solu in a las CPO y satisfa e g(x , y ) =
2, 2 6= (0, 0), debera ser la solu in al problema, tal omo se ilustra
en la gura 6. En efe to: Puesto que el onjunto


S = (x, y) R2+ | x2 + y 2 = 1

es ompa to y f (x, y) = x + y es ontinua en S , por el teorema de


Weierstrass existe solu in al problema; adems, dado que en los extremos del onjunto, (0, 1) y (1, 0), la fun in objetivo f (x, y) no toma su valor mximo sobre
S, enton es el valor mximo es el previsto:

f (x , y ) = x + y = 2 + 22 = 2. 4 N

y
solu in

y =

2
2

x =

2
2

Figura 6: Solu in gr a del ejemplo 4.

Podra el le tor expli ar por qu

x = y ? Es de ir, ules de las ara tersti as

del problema ha en que las solu iones sean iguales?

83

Le in 2: Optimiza in estti a

Ejemplo 5. (Un problema geomtri o)

Para en ontrar, entre todos los re tngulos ins ritos en un r ulo de


radio R, el que tiene mayor rea, podemos representar el rea de un re tngulo omo el produ to (2x)(2y) de sus lados, donde x, y son nmeros
positivos que satisfa en a la e ua in x2 + y 2 = R2 (ver gura 7.a)). Este
problema se puede solu ionar onvirtindolo en el problema representado
en la gura 7.b. El problema es, enton es,
Maximizar

xy
2

x + y 2 = R2

sujeta a

x>0
y>0
Aqu, f (x, y) = xy , g(x, y) = x2 + y 2 R2 , y dado que ambas fun iones
tienen derivadas par iales ontinuas, queremos en ontrar un 6= 0 tal
que
f (x, y) = g(x, y)
Es de ir,

f (x, y) = (y, x) = (2x, 2y) = g(x, y)

As, y = 2x y x = 2y, por lo que x = y . Reemplazando esto en la


restri in g(x, y) = 0, tenemos que

(x )2 + (y )2 = 2(x )2 = R2
y, por onsiguiente,

2R
x =y =
2

Como g(x , y ) = ( 2R, 2R) 6= (0, 0) y esta es la ni a solu in a las


CPO, debe enton es ser (despus de apli ar el teorema de Weierstrass
y estudiar los valores de la fun in objetivo en los dos extremos de la
restri in) la solu in al
problema. As, el problema original se resuelve
on un uadrado de lado 2 R, que, por onsiguiente, tendr rea 2R2 .

Ejemplo 6. (Otro problema geomtri o)

Queremos en ontrar el diseo de un tanque ilndri o que ontenga V


litros de agua, pero que utili e la menor antidad de material en su
onstru in.

84

Matemti as para e onomistas III: Optimiza in y dinmi a

y =

solu in

2R
2

x =

2R
2

(b)

(a)
Figura 7:

En el panel (a): Re tngulos ins ritos en un r ulo de radio

R.

En el panel

(b): Transforma in y solu in gr a del ejemplo 5.

Solu in.

La antidad de material que se utiliza es igual a la suma de las reas


de la base y de la pared del tanque; esto es, r 2 + 2rh, donde r es el
radio del ilindro y h su altura. El volumen del tanque es r 2 h. As, el
problema es
Minimizar

r 2 +2rh

sujeta a

r 2 h = V
r>0
h>0

Aqu, f (r, h) = (r 2 + 2rh), g(r, h) = r 2 h V ; por lo tanto, se


satisfa en las ondi iones del teorema de Lagrange, de manera que las
solu iones (que existen por el teorema de Weierstrass, y no pueden ser
solu iones on r = 0 o h = 0) deben estar entre las solu iones de las
ondi iones de primer orden, las uales son

(2r + 2h, 2r) = (2rh, r 2 )


Esto es equivalente a

2r 2h = 2rh,

2r = r 2

85

Le in 2: Optimiza in estti a

lo que impli a que = 2r 6= 0; y as, r = h ; de esto, reemplazando en


la restri in, obtenemos
r
3 V

r =h =

Como se
satisfa e g(x , y ) 6= (0, 0), la antidad ptima de material a
3
usar es 3 V 2 . N
Ejemplo 7. (La ley de la refra in de la luz (Ley de Snell
(1627)))

Un punto mvil debe pasar de A a B (ver gura ??). En la traye toria


AM se mueve on velo idad v1 , y en la M B on velo idad v2 . Dnde
deberamos olo ar el punto M sobre la lnea horizontal DD para que
la traye toria de A hasta B pueda re orrerse lo ms rpido posible?
A

M
D

B
c
Figura 8: Ley de la refra in de la luz.

Solu in.

Sean , los ngulos des ono idos sealados en la gura 8; a y b las


longitudes ono idas de las perpendi ulares de los puntos A y B a la lnea
horizontal DD , respe tivamente; y c la distan ia horizontal ono ida
entre tales puntos. El tiempo requerido para re orrer el amino de A a
B est dado por la fun in

t(, ) =

a
b
+
v1 cos v2 cos

0 < , <

86

Matemti as para e onomistas III: Optimiza in y dinmi a

Se requiere enton es en ontrar el mnimo de la fun in t (, ) sujeta a


la rela in entre los ngulos

a tan + b tan = c
Aqu, la fun in objetivo t(, ) es ontinua, el onjunto restri in es
ompa to, y, por lo tanto, el problema umple las ondi iones del teorema
de Weierstrass para que tenga solu in. Adems, ninguna solu in est
en los extremos de la restri in, omo f ilmente puede omprobar el
le tor. As, dado que se umplen las ondi iones del teorema de Lagrange,
la solu in debe satisfa er las ondi iones de primer orden




a sen
b sen
a
b

,
=
,
v1 cos2 v2 cos2
cos2 cos2
Y esto, on un po o de lgebra, impli a que

sen
v1
=
sen
v2
que es, pre isamente, la ley de refra in de la luz. Segn esto, un rayo
de luz se refra tar en su paso de un medio a otro de tal forma que el
tiempo que trans urre de un punto en un medio, a otro punto en el otro
medio, es mnimo ! N
Ejemplo 8.

Resolvamos para , > 0, p1 , p2 > 0 jos,


Maximizar

x y

sujeta a p1 x + p2 y = M

x>0
y>0
Solu in.

Las ondi iones de primer orden (CPO) de este problema son:




x1 y , x y 1 = (p1 , p2 )
donde 6= 0. De all obtenemos que

y
p1
=
x
p2

87

Le in 2: Optimiza in estti a

y
Solu in

y =

M
(+)p2

x =

M
(+)p1

Figura 9: Solu in gr a del ejemplo 8.

De esta igualdad despejemos y :

y=

p1
x
p2

y reempla emos en la restri in, de forma que (ver gura 9)

x =

M
( + )p1

y =

M
( + )p2

y, por lo tanto,

Como se umple g(x , y ) = (p1 , p2 ) 6= (0, 0), y (x , y ) es la ni a


solu in de las CPO, ella es la solu in
al problema. Podemos

armar
2
esto, dado que el onjunto S = (x, y) R+ | p1 x + p2 y = M es ompa to, la fun in objetivo f (x, y) = x y es ontinua, y no es mxima
en los bordes del onjunto de restri in (teorema de Weierstrass). El
mximo aqu viene dado enton es por

 

M
M
M +

f (x , y ) =
=
.
( + )p1
( + )p2
( + )+ p1 p2
Vemos que este resultado generaliza el ejemplo 3.
Ejemplo 9.

Resolvamos el problema

88

Matemti as para e onomistas III: Optimiza in y dinmi a

Maximizar
sujeta a

xy
x + xy + y 3 = 1
x>0
y>0

Solu in.

En este aso f (x, y) = xy , g(x, y) = x+xy +y 3 1. Vemos que la fun in


objetivo es ontinua, y que el onjunto restri in {(x, y) R2+ / x+xy +
y 3 = 1} es ompa to, de tal forma que, por el teorema de Weierstrass,
el problema tiene solu in. Dado que el ptimo no puede estar en los
bordes del onjunto restri in, y omo, adems, las derivadas par iales
son ontinuas, la solu in debe estar entre las ondi iones de primer
orden, las uales vienen dadas por:

(y, x) = (1 + y, x + 3y 2 )
de lo ual se obtiene
o, lo que es equivalente,

y
1+y
=
x
x + 3y 2
3y 3 = x

Reemplazando en la restri in obtenemos 3y 4 + 4y 3 = 1, lo que impli a


que
y = 0.56 y as, x = 0.18
Dado que g(x , y ) 6= (0, 0), hemos en ontrado el punto ptimo.

Ejer i ios 3
1. En uentre el valor mximo de f (x, y) = xy sobre la elipse

x2
+
8

y2
= 1, asumiendo x > 0, y > 0. [Indi a in: Una gr a ayuda2
ra.

89

Le in 2: Optimiza in estti a

2. Utilizando el mtodo gr o, de ida si el problema de maximizar


f (x, y) = x3 + y 3 sobre la re ta x + y = 1 tiene solu in (asuma
x > 0, y > 0).
3. Resuelva analti amente los siguientes problemas de optimiza in:
(a)

Minimizar

x+y

sujeta a

( )

(e)

xy = 7

Maximizar
sujeta a

Maximizar
sujeta a

xy
x+y =7

x>0

x>0

y>0

x+ y

y>0
(d) Maximizar

9x + 2y = 5

Maximizar
sujeta a

(b)

sujeta a

3x + 8y
1

x2 + y2 = 1

x>0

x>0

y>0

y>0

x(y + 4)
2

x +y =7

(f)

Minimizar
sujeta a

3x 2y

2xy = 4

x>0

x>0

y>0

y>0

4. Cal ule los puntos sobre la urva x2 y = 2 ms prximos al origen.


5. En uentre el mximo volumen que puede ontener un tanque ilndri o on tapas, si se tiene una antidad A de material para
onstruirlo.
6. Entre los re tngulos on permetro jo, demuestre que el uadrado
es el de mayor rea.
7. (a) Entre todos los tringulos ins ritos en un r ulo dado, demuestre que el tringulo equiltero es el de mayor rea.
(b) Cul es el re tngulo de mayor rea ins rito en un r ulo?
( ) Y ul es el polgono regular de mayor rea ins rito en un
r ulo?

90

Matemti as para e onomistas III: Optimiza in y dinmi a

4. Optimiza in on restri iones de desigualdad:


el mtodo (de) Kuhn-Tu ker (1951, 1956) ,
5

Otra ara teriza in fundamental de problemas de optimiza in es bus ar valores extremos de una fun in f (x, y) uando existen restri iones
de desigualdad bien determinadas fun ionalmente dentro del dominio de
ele in. Un problema que apare e muy omnmente es, en su forma ms
simple, as:
Maximizar
sujeta a

f (x, y)
g(x, y) 0

(KT)

x0
y0

Y en lo que sigue mostraremos la aproxima in de Harold Kuhn [1925-


y Albert Tu ker [1905-1995 a este tipo de problemas, partiendo de las
t ni as de programa in lineal desarrolladas previamente por George
Dantzig y Ja k Laderman en 1947. Kuhn y Tu ker advirtieron la posibilidad y ne esidad de una generaliza in del mtodo lineal, bus ando
resolver, parti ularmente, problemas de utiliza in e iente de re ursos
uando las fun iones objetivo, y las restri iones, no eran ne esariamente
lineales. Veamos enton es algunos ejemplos ha ia los uales est expresamente dirigida la t ni a desarrollada por estos dos matemti os.
Ejemplo 10. (Solu iones de esquina)

Consideremos el siguiente problema,


Minimizar
sujeta a

x+y
2

x + y2 1
x0
y0

Kuhn, Harold W. y Albert W. Tu ker (1951), Pro eedings of the Se ond Berkeley Symposium on Mathemati al Statisti s and Probability: Nonlinear Programming,
University of California Press, J. Neyman (ed.), Berkeley.

Kuhn, Harold A. y Albert W. Tu ker (1956),

Systems,

Linear Inequalities and Related

Prin eton University Press, Prin eton, New Jersey.

91

Le in 2: Optimiza in estti a

Claramente, este problema es uno del tipo (KT) si ha emos f (x, y) =


(x + y) y g(x, y) = x2 + y 2 1. Es de ir, el problema puede es ribirse
omo
Maximizar

(x + y)

x + y2 1 0

sujeta a

x0
y0

Aqu podemos en ontrar las solu iones gr amente: stas son (1, 0) y
(0, 1) (ver gura 10). Y obsrvese que en ambos asos la restri in x2 +
y 2 1 se satisfa e on igualdad, pero que la solu in no es interior a
R2+ , omo se estudiaba en el mtodo de los multipli adores de Lagrange.
Estas solu iones se ono en omo solu iones de esquina borde (por
obvias razones), y el mtodo (de) Kuhn-Tu ker es til para hallarlas
analti amente, omo veremos ms adelante.

{(x, y) R2+ | x2 + y 2 1}

1
solu in

solu in

0
0

Figura 10: Solu in gr a del ejemplo 10.

Ejemplo 11. (Solu iones interiores a la restri in)

Consideremos el problema
Minimizar
sujeta a




1 2
1 2
x
+ y
2
2
x+y 5
x0
y0

92

Matemti as para e onomistas III: Optimiza in y dinmi a

que laramente se resuelve para x = y = 12 omo se ve en la gura 11.


Obsrvese que la solu in ni siquiera satisfa e la restri in
2 on igualdad,
2
ya que x + y < 5. En este ejemplo, f (x, y) = x 12 + y 12 y
g(x, y) = 5 x y . N

y
4
3
2
1
solu in

0
0

Figura 11: Solu in gr a del ejemplo 11

Y aunque, omo hemos visto, estos problemas son trivialmente resueltos,


existen abundantes situa iones en las que no es f il resolver el problema
geomtri amente y ne esitaremos de una herramienta ms sosti ada: el
mtodo de optimiza in de Kuhn-Tu ker.
a)

El algoritmo (de) Kuhn-Tu ker

Consideremos nuevamente la fun in lagrangiana (ahora extendida)

L : R+ R+ R R
denida por L(x, y, ) = f (x, y)g(x, y). Ya sabemos que las solu iones
al problema del lagrangiano
Maximizar

f (x, y)

sujeta a

g(x, y) = 0
x>0
y>0

(L)

93

Le in 2: Optimiza in estti a

estn dentro de las solu iones a las ondi iones de primer orden

f
g

=0
x
x
f
g

=0
y
y
g(x, y) = 0
x>0
y>0
La di ultad ahora es que el problema de Kuhn-Tu ker
Maximizar

f (x, y)

sujeta a

g(x, y) 0

(KT)

x0
y0

podra impli ar solu iones de esquina, o tambin interiores, a la restri in g(x, y) = 0. Si la solu in a (KT) es de esquina, digamos (0, y , )
on y > 0, R, enton es, siguiendo lo he ho para el problema lagrangiano, debemos tener que (0, y ) resuelve para ierto R
Maximizar
sujeta a

L(x, y, )
x0
y0

As, L(0 + x, y , ) L(0, y , ) para todo x > 0 (por qu slo


para x > 0 y no para x < 0?). Ahora: por el teorema de Taylor
(le in 3, volumen II),


L
2 L
(x)2


L(0 + x, y , ) = L(0, y , ) +
x
+
x (0,y )
x2 (x ,y ) 2
donde 0 < x < x. Y omo L(0 + x, y , ) L(0, y , ) enton es


L
2 L
(x)2
x
+
0
x (0,y , )
x2 (x ,y , ) 2

94

Matemti as para e onomistas III: Optimiza in y dinmi a

solu in
solu in

x
Figura 12:
En el problema (KT) las solu iones de esquina tienen pendiente negativa.

que dividiendo por x y tomando el lmite uando x 0, es



L
0
x (0,y , )



f
g

, lo que es igual, a

0.
x (0,y )
x (0,y )

As, mientras la primera derivada del lagrangiano on respe to a x se


anula si x > 0, en la esquina (x = 0) esta primera derivada es menor
o igual a ero (ver gura 12). En otra forma, el produ to de x y la

derivada del lagrangiano
! en (x , y , ) ( on respe to a x) siempre es

L
ero : x
= 0. De esta manera tendremos que
x
(x ,y , )




f
g

0 y x

x (x ,y )
x (x ,y )

!



f
g

=0
x (x ,y )
x (x ,y )

Es laro que el papel de x y de y es simtri o, as que por un razonamiento


similar tendremos que
!







f
g
g
f




0 y y

=0
y (x ,y )
y (x ,y )
y (x ,y )
y (x ,y )

Finalmente, para (x , y ) jos, maximizar L(x , y , ) requiere 0


(dado que g(x , y ) 0).

95

Le in 2: Optimiza in estti a

Este es, de forma heursti a, el origen de las ondi iones de primer orden
del problema de Kuhn-Tu ker (KT), que enseguida presentamos.
Deni in 2. (Condi iones de primer orden (CPO) (de) KuhnTu ker)

Si f (), g() son fun iones diferen iables on ontinuidad en R2+ y 0,


denimos las ondi iones de primer orden (CPO) del problema de KuhnTu ker (KT) de la siguiente forma:
(i)
(ii)

g
f

0;
x
x


g
f

= 0;
x
x
x

f
g

0;
y
y


f
g
y

= 0;
y
y

g(x, y) 0
g(x, y) = 0
(CPO)

Nota 2. (Kuhn-Tu ker generaliza Lagrange)

Obsrvese que si g 0, x > 0, y > 0, las CPO son equivalentes a

f
g
= ;
x
x

f
g
= ;
y
y

g() = 0

y stas no son ms que las ondi iones de primer orden del mtodo de
Lagrange.
Ahora nos preguntamos: ules son las ondi iones que garantizan que
dentro de las solu iones a las ondi iones de primer orden (CPO) siempre
estn las solu iones a nuestro problema de optimiza in? La respuesta
la en ontramos en el siguiente teorema:

(K-T=CPO)
Sean f () y g() uasi n avas y diferen iables on ontinuidad en R2+ .
Si (x , y ) resuelve el problema
Teorema 4.

Maximizar
sujeta a

f (x, y)
g(x, y) 0
x0
y0

enton es existe un 0 tal que (x , y ) satisfa e las ondi iones de


primer orden (CPO) siempre que se tenga alguna (y basta una) de las
siguientes ondi iones:

96

Matemti as para e onomistas III: Optimiza in y dinmi a

i) La fun in g() es onvexa en R2+ .


ii) La fun in g() es n ava en R2+ y existe un (
x, y) R2+ tal que
g(
x, y) > 0.
Demostra in.

Ver K J. Arrow, L. Hurwi z y H. Uzawa (1961).

Ejemplo 12.

Tomemos el problema
Maximizar
sujeta a

x+y
2

x + y2 1
x0
y0

e intentemos resolverlo mediante el mtodo de Kuhn-Tu ker, apli ando


el teorema 4.
Solu in.

En este aso, f (x, y) = x + y , g(x, y) = 1 x2 y 2 . Puesto que estas


fun iones son uasi n avas ( omo puede f ilmente veri arlo el le tor)
y g(x, y) = 1 x2 y 2 es n ava en R2+ , adems de que para (
x, y) =
(0.5, 0.5) se tiene g(
x, y) = 0.5 > 0, enton es, por el teorema 4, ualquier
solu in del problema de optimiza in (si existe) est entre las solu iones
de las ondi iones de primer orden:
(i)
(ii)

1 + (2x) 0;

x(1 + (2x)) = 0;

1 + (2y) 0;

y(1 + (2y)) = 0;

1 x2 y 2 0

(1 x2 y 2 ) = 0

Estudiamos uatro asos:


1. Si x > 0, y > 0, enton es, de (ii),

1
6= 0;
2x

1
6= 0
2y

lo que impli a x = y . Del he ho deque 6= 0,y de (ii), tenemos


que x2 + y 2 = 1; y as, x = y = 22 , = 22 .
Arrow, Kenneth J., Leonid Hurwi z y H. Uzawa (1961),

in Maximization Problems,

Constraint Quali ations

Naval Resear h Logisti s Quarterly.

97

Le in 2: Optimiza in estti a

1
6= 0 y as, x2 = 1
2x
x = 1. Sin embargo, no se satisfa e (i), pues 1 + (2 0) = 1  0.

2. Si x > 0, y = 0, enton es de (ii), =

3. Si x = 0, y > 0, enton es, de forma similar a lo analizado en el aso


anterior, obtenemos que no se satisfa e (i), pues 1+(20) = 1  0.
4. Si x = 0, y = 0, enton es de (ii), debe ser = 0, y no se satisfa e
(i). Por lo tanto, x = 0, y = 0 no es solu in a las ondi iones de
primer orden.
Dado que f (x, y) = x + y es ontinua, y el onjunto restri in es ompa to, por el teorema
f () al anza un mximo. Vemos que,
de Weierstrass

en 1., f (x , y ) = 2; en 2., f (x , y ) = 1; y en 3., f (x , y ) = 1. Por lo


tanto, entre 1., 2., y 3. se llega a que el valor mximo de f (x, y) = x + y
sujeta a las restri iones g(x, y) = 1 x2 + y 2 0, x 0, y 0, se
obtiene uando

2
2

x =y =
,
=
2
2

y el valor mximo es 2. N
Ejemplo 13. (Solu iones interiores, de nuevo)

Consideremos nuevamente el problema del ejemplo 11






1 2
1 2
Minimizar
x
+ y
2
2
sujeta a

x+y 5
x0
y0

y resolvmoslo ahora por el mtodo de Kuhn-Tu ker.


Solu in.

2
2
En este aso, f (x, y) = x 12 y 12 (para redu ir el problema
de minimizar a uno de maximizar) y g(x, y) = 5 x y (re urdese
que la restri in debe apare er en la forma g(x, y) 0). En este aso,
la fun in objetivo es n ava y, por lo tanto, uasi n ava. Adems, la
restri in es lineal; es de ir, onvexa y uasi n ava. Por el teorema 4,
las ondi iones de primer orden (CPO) son ne esarias para la solu in
de nuestro problema que, por el teorema de Weierstrass, tiene solu in

98

Matemti as para e onomistas III: Optimiza in y dinmi a

(puesto que el onjunto de restri in es ompa to, y la fun in objetivo


es ontinua). Las CPO son:




1
1
2 x
(1) 0;
2 y
(1) 0;
5xy 0
2
2

x (1 2x + ) = 0;

Estudiamos uatro asos:

y (1 2y + ) = 0;

(5 x y) = 0

1. Si x > 0, y > 0, enton es, de (ii), = 2x 1; y = 2y 1; lo que


impli a que x = y . Debemos onsiderar dos asos: = 0 y 6= 0.
(a) Si = 0, tenemos que x = y = 12 , = 0.
(b) Si 6= 0, de (ii), tenemos que x + y = 5; y as, x = y = 52 ,
= 4. Esta solu in no umple la ondi in 0 y, por lo
tanto, no puede onsiderarse.
2. Si x > 0, y = 0, enton es de (ii), = 2x 1 6= 0. Nuevamente,
debemos onsiderar dos asos: = 0 y 6= 0.
(a) Si = 0, enton es x = 12 . Luego, x = 12 , y = 0, = 0.
Pero esta solu in no puede
a eptarse ya que no satisfa e la

ondi in (i) 2 y 12 (1) 0.

(b) Si 6= 0, de (ii), x = 5. Luego, x = 5, y = 0, = 9. Esta


solu in tampo o puede a eptarse, ya que > 0.
3. Si x = 0, y > 0, enton es, de forma similar a lo he ho en el segundo
aso, obtenemos que este ter er aso no propor iona solu iones.
4. Si x = 0, y = 0, enton es = 0, pero esta solu in no satisfa e
(i).
2
2
De lo anterior, obtenemos que el valor mnimo de x 12 y 12
sujeta a las restri iones g(x, y) = 5 x y 0, x 0, y 0 se obtiene
(ver gura 11) en

x = 12 ,

y = 12 ,

= 0

Aqu, = 0 se debe a que la solu in es interior a la restri in (not


binding ) omo entenderemos mejor ms adelante. N

99

Le in 2: Optimiza in estti a

Nota 3. (Falla el mtodo de Kuhn-Tu ker?)

A la luz del mtodo de Kuhn-Tu ker (teorema 4), podra el le tor de ir


por qu en el ejemplo lsi o presentado por Arrow y Enthoven (1961)8 ,
Maximizar

xy

sujeta a

(1 x y)3 0

x0
y0

se tiene omo solu in x = y = 1/2, pero no existe ningn que satisfaga


las CPO en ese punto? N
Continuando on nuestra presenta in del mtodo de Kuhn-Tu ker, ahora nos podramos preguntar: Cundo es ierto el re pro o del teorema
4? Es de ir, si (x , y ) es una solu in de las (CPO), ser enton es que
tambin es una solu in al problema de optimiza in (KT)? Una respuesta est en el prximo teorema, pero antes mostremos, pre isamente,
un ejemplo en el que las CPO, por s mismas, no son su ientes para
resolver el problema KT. El aso lsi o, tambin presentado por Arrow
y Enthoven en 1961, es el de
Maximizar

(x1)3

sujeta a

2x0
x0

uyas solu iones de CPO arrojan x = 1, = 0, siendo la verdadera


solu in x = 2. Veamos enton es qu ondi iones sobre f (, ) y g(, ) se
requieren para que CPO KT.

(CPO = K-T)
Sean f () y g() uasi n avas y diferen iables on ontinuidad en R2+ .
Si (x , y , ) satisfa e las (CPO) y se umple alguna (y slo una es
su iente) de las siguientes ondi iones:


f
f
a)
<0
< 0;
x (x ,y )
y (x ,y )
Teorema 5.

Arrow, Kenneth J. y Alain C. Enthoven (1961),

E onometri a.

Quasi-Con ave Programming,

100

Matemti as para e onomistas III: Optimiza in y dinmi a


f
>0
x (x ,y )

f
>0
y (x ,y )

b)

y g(x, y) 0 para algn x > 0, y 0; o bien


y

g(x, y) 0

para algn x 0, y > 0;

) f |(x ,y ) 6= 0 y f (x, y) es dos ve es diferen iable en una ve indad de


(x , y );
d) f (x, y) es n ava;
enton es (x , y ) es solu in al problema de optimiza in (KT).
Demostra in.

Ver K. J. Arrow and A. C. Enthoven (1961).9


Ejemplo 14.

Resolvamos el problema
Maximizar
sujeta a

2x+3y
x+y 1
x0
y0

Solu in.

En este ejemplo, f (x, y) = 2x + 3y y g(x, y) = 1 x y . Dado que en


este aso se umple on las ondi iones de los teoremas 4 y 5 (ya que
tanto la restri in omo la fun in objetivo son lineales) las ondi iones
de primer orden nos entregan exa tamente las solu iones. Estas son:
(i)
(ii)

2 + 0;

x(2 + ) = 0;

3 + 0;

y(3 + ) = 0;

1xy 0

(1 x y) = 0

Analizamos uatro asos:


1. Si x > 0, y > 0, enton es de (ii), = 3 y = 2, lo ual es
imposible.
9

Arrow, Kenneth J. y Alain C. Enthoven (1961),

E onometri a.

Quasi-Con ave Programming,

101

Le in 2: Optimiza in estti a

2. Si x > 0, y = 0, enton es de (ii), = 2 y x = 1. Pero, de (i),


se tiene que = 2 no satisfa e 3 + 0.
3. Si x = 0, y > 0, enton es de (ii), = 3 y y = 1 y stas satisfa en
todas las ondi iones; por lo tanto, x = 0, y = 1, = 3 es una
solu in al problema.
4. Si x = 0, y = 0, enton es, de (ii), = 0, pero sta no satisfa e (i).
Vemos que el mximo se obtiene en

x = 0,

y = 1,

y es igual a 3 (ver gura 13.a)).

= 3

solu in

solu in

0
0

1
(a)

y
(b)

Figura 13:
En el panel (a), la solu in gr a del ejemplo 14. En el panel (b), la solu in
gr a del ejemplo 15.

Ejemplo 15.

Resolvamos, para y > 0 dado, el problema


Minimizar
sujeta a

4x2 + 2y 2
x + y = y
x0
y0

102

Matemti as para e onomistas III: Optimiza in y dinmi a

Solu in.

En este problema, tenemos f (x, y) = 4x2 2y 2 y g(x, y) = x + y y.


Vemos que la fun in objetivo es n ava y, por lo tanto, uasi n ava;
y la fun in restri in es lineal y, as, onvexa y uasi n ava. Es laro
que el problema satisfa e las ondi iones de los teoremas 4 y 5 y, por
lo tanto, las solu iones del problema son, a su vez, las solu iones a las
ondi iones de primer orden, las uales son:
(i)
(ii)

8x 0;

x (8x ) = 0;

4y 0;

y (4y ) = 0;

x + y y = 0

(x + y y) = 0

Analizamos tres asos (ya que el aso x = y = 0 no podemos onsiderarlo,


puesto que x + y = y > 0):
1. Si x > 0, y > 0, enton es, de (ii), = 8x 6= 0 y = 4y 6= 0; lo
que impli a y = 2x y, de nuevo, por (ii),

x =

y
,
3

y =

2
y
,
3

8
y
3

lo ual satisfa e todas las ondi iones; es de ir, es una solu in al


problema.
2. Si x > 0, y = 0, enton es, de (ii), = 8x 6= 0 y de la restri in,
x = y, y = 0, = 8
y . Sin embargo, esto no satisfa e (i) 4y
0, y por lo tanto, no es solu in.
3. Si x = 0, y > 0, enton es, de (ii), = 4y 6= 0 y de la restri in,
x = 0 y y = y, = 4
y ; lo ual no satisfa e (i) 8x 0, y
por lo tanto, no es solu in.
Por el anlisis anterior, tenemos que la ni a solu in es

x =
N

y
,
3

y =

2
y
,
3

8
y
3

103

Le in 2: Optimiza in estti a

Ejemplo 16.

Resolvamos el problema
Minimizar
sujeta a

2x+3y
x+y 1
x0
y0

Solu in.

En este problema, f (x, y) = 2x3y y g(x, y) = x+y 1. Notemos que,


en este aso, las fun iones umplen on las ondi iones del teorema 5,
aunque no on las del teorema 4 (por qu?); por lo tanto, las solu iones
de las CPO son las solu iones al problema de maximiza in.
Las ondi iones de primer orden son:
(i)
(ii)

2 0;

x(2 ) = 0;

3 0;

y(3 ) = 0;

x+y10

(x + y 1) = 0

Analizamos uatro asos:


1. Si x > 0, y > 0, enton es, de (ii), = 2 y = 3, lo ual es
imposible.
2. Si x > 0, y = 0, enton es, de (ii), = 2 y de la restri in x = 1.
Por lo tanto, x = 1, y = 0, = 2.
3. Si x = 0, y > 0, enton es, de (ii), = 3 y de la restri in y = 1.
Por lo tanto, x = 0, y = 1, = 3, lo ual no umple (i).
4. Si x = 0, y = 0, enton es no se umple (i).
Por lo tanto, el mnimo del problema se obtiene en

x = 1,
y es igual a 2 (ver gura 14.a)).

y = 0,
N

= 2

104

Matemti as para e onomistas III: Optimiza in y dinmi a

1
solu in

1
(a)

0
0

1
(b)

solu in

Figura 14:
En el panel (a) la solu in gr a del ejemplo 16. En el panel (b) la solu in
gr a del ejemplo 17.

Ejemplo 17.

Resolvamos para w1 , w2 > 0,


Minimizar
sujeta a

w1 x + w2 y
x y2 1
x0
y0

Solu in.

En este ejemplo, f (x, y) = (w1 x + w2 y), g(x, y) = x y 2 1. La


fun in objetivo es lineal y, as, n ava; adems, la restri in es una
fun in n ava, y para (
x, y) = (2, 0.5) se tiene que g(
x, y) = 0.75 > 0.
Enton es, ambas fun iones umplen on las ondi iones de los teoremas
1 y 5 y, por lo tanto, existe un mximo y las solu iones a las CPO son,
pre isamente, las solu iones del problema. Las ondi iones de primer
orden son, en este aso,
(i)
(ii)

w1 0;

x(w1 ) = 0;

Analizamos uatro asos:

w2 + 2y 0;

y(2y w2 ) = 0;

x y2 1 0

(x y 2 1) = 0

105

Le in 2: Optimiza in estti a

w2
1. Si x > 0, y > 0 enton es, de (ii), = w1 6= 0 y =
6= 0, lo
2y
w2
que impli a y =
, y sta no satisfa e y 0.
2w1
2. Si x > 0, y = 0, enton es, de (ii), = w1 6= 0, y nuevamente de
(ii), x = 1, y = 0, = w1 .
3. Si x = 0, y > 0, enton es, de (ii), =

y 2 = 1, lo ual no tiene solu in en R.

w2
6= 0, y as, de (ii),
2y

4. Si x = 0, y = 0, enton es, de (ii), = 0, pero sta no satisfa e (i).


El ptimo se en uentra en x = 1, y = 0, = w1 y es w1 (ver gura
14.b)). N
Ejemplo 18.

Resolvamos el problema
Minimizar

3x + 2y

sujeta a

xy 5
x0
y0

y
4
3

solu in

2
1
0
0

Figura 15: Solu in gr a del ejemplo 18.

106

Matemti as para e onomistas III: Optimiza in y dinmi a

Solu in.

En este problema f (x, y) = 3x 2y y g(x, y) = xy 5, y stas no umplen las ondi iones del teorema 4, ya que la restri in no es n ava
ni onvexa, aunque, omo se puede veri ar f ilmente, ambas fun iones
son uasi n avas. Por lo tanto, si alguna solu in de las CPO satisfa e alguna de las ondi iones adi ionales del teorema 5, ser solu in al
problema. Las ondi iones de primer orden son
(i)

3 y 0;

(ii)

2 x 0;

x(3 y) = 0;

y(2 x) = 0;

xy 5 0

(xy 5) = 0

Aqu slo hay un aso de estudio: x > 0, y > 0. De (ii), = x2 6= 0 y


= y3 6= 0; lo que impli a x = 23 y . Enton es, de (ii),

x =
Como

f
x (x ,y )

20 > 0, enton es

10
3 ,

y =

15
2

15
x, y) = (5, 5) se tiene que g(
x, y)
2 > 0, y para (

(x , y ) es solu in al problema (ver gura 15). N

Ejemplo 19.

Resolvamos el problema
Minimizar
sujeta a

7 y + x2

x+y 5
x0
y0

Solu in.

En este problema, f (x, y) = (7 y + x2) y g(x, y) = 5 x y . Dado que


la fun in objetivo es ontinua, y el onjunto de restri in es ompa to,
por el teorema 1 la fun in objetivo al anza un mximo global. Adems,
el problema satisfa e las ondi iones de los teoremas 4 y 5; por lo tanto,
las solu iones de las CPO son las solu iones al problema de optimiza in.
Estas ondi iones de primer orden son:
(i)
(ii)

2x + 0;

x(2x + ) = 0;

Analizamos uatro asos:

1 + 0;

y(1 + ) = 0;

5xy 0

(5 x y) = 0

107

Le in 2: Optimiza in estti a

solu in

4
3
2
1
0
0

Figura 16: Solu in gr a del ejemplo 19.

1. Si x > 0, y > 0 enton es, de (ii), = 2x 6= 0 y = 1, y esto


impli a que x = 12 , lo ual no satisfa e las ondi iones.
2. Si x > 0, y = 0 enton es, de (ii), = 2x 6= 0; y as, x = 5, y = 0,
= 10, lo ual no satisfa e 0, y, por lo tanto, no es solu in.
3. Si x = 0, y > 0 enton es, de (ii), = 1, y as, x = 0, y = 5, lo
ual satisfa e todas las ondi iones, y, por onsiguiente, es solu in
a nuestro problema.
4. Si x = 0, y = 0 enton es, de (ii), = 0, lo ual no satisfa e
1 + 0, as que no es solu in.
Del anlisis on luimos que

x = 0,

y = 5

es la solu in ptima al problema, y el mnimo de la fun in objetivo es


igual a 2 (ver gura 16). N
Ejemplo 20.

Resolvamos el problema
Maximizar
sujeta a

x(y + 4)
x2 + y 8
x0
y0

108

Matemti as para e onomistas III: Optimiza in y dinmi a

Solu in.

En este problema, f (x, y) = x(y + 4) y g(x, y) = 8 x2 y . Vemos que


la fun in objetivo es ontinua y el onjunto de restri in es ompa to;
por lo tanto, por el teorema de Weierstrass, existe un mximo global.
Adems, se umplen las ondi iones del teorema 4 (ambas fun iones son
uasi n avas y la restri in es onvexa), de tal forma que entre las
ondi iones de primer orden est la solu in al problema. Las CPO son
(i)
(ii)

y + 4 + 2x 0;

x(y + 4 + 2x) = 0;

x + 0;

y(x + ) = 0;

8 x2 y 0

(8 x2 y) = 0

Analizamos uatro asos:


1. Si x > 0, y > 0 enton es, de (ii), = y+4
2x 6= 0 y = x 6= 0, lo
y+4
2
2
que impli a x = 2 , y de (ii), x = 8 y . As, x = 2, y = 4,
= 2.
2. Si x > 0, y = 0 enton es, de (ii), = y+4
2x 6= 0, y nuevamente de

la ondi in (ii), x = 2 2, y = 0, = 12 , que no satisfa en


(i).
3. Si x = 0, y > 0 enton es, de (ii), = x = 0, y as de (i), y 4,
lo que no satisfa e la ondi in y 0.
4. Si x = 0, y = 0 enton es, de (ii), = 0; pero esto no satisfa e la
ondi in (i) y + 4 + 2x 0.
Vemos que 1. es la ni a solu in a las CPO y, por lo tanto, el ptimo
est en
x = 2,
y = 4,
= 2
y el valor mximo es 16 (ver gura 17).

b)

Interpreta in de los multipli adores de Lagrange y el


teorema de la envolvente

Hasta ahora pare iera que los multipli adores de Lagrange () son slo
parmetros onvenientes de ajuste para la solu in del problema tipo
Lagrange

109

Le in 2: Optimiza in estti a

y
9
8
7
6
5
4
3
2
1
0

solu in

Figura 17: Solu in gr a del ejemplo 20.

Maximizar
sujeta a

f (x,y)
g(x, y) = 0

(L)

x>0
y>0
Sin embargo, esto no es del todo ierto. Los valores de nos dan informa in muy valiosa sobre el ptimo al ual estn aso iados: miden ierta
sensibilidad del valor ptimo de la fun in objetivo f (x, y) on respe to
a iertas varia iones de la fun in g(x, y). Para verlo, es ribamos primero
(y de nuevo) las ondi iones de primer orden para un ptimo (x , y , )
( on x , y > 0) del problema (L):



f
g

=0

x (x ,y )
x (x ,y )



f
g

=0
(*)

y
y
(x ,y )

(x ,y )

g(x, y) = 0

Ahora: si nuestro problema de Lagrange es


Maximizar
sujeta a

f (x,y)
g(x, y) = a

a 6= 0

(L')

110

Matemti as para e onomistas III: Optimiza in y dinmi a

x>0
y>0
una pregunta legtima es: Cmo vara la nueva solu in on respe to
a la solu in original (x , y )? Para responder esto, supongamos que
x (a), y (a) son las nuevas solu iones. Enton es, sea

L(x(a), y(a), ) f (x(a), y(a)) [g(x(a), y(a)) a]

(**)

la fun in lagrangiana evaluada en fun iones diferen iables de la forma


x(a), y(a) , donde x(0) = x y y(0) = y . Derivando on respe to a a,
obtenemos

L
f x f y
g x
g y
=
+

+
a
x a y a
x a
y a
Evaluando en (x , y ), obtenemos que


L
=
a (x ,y )

!


x
f
g

+


x (x ,y )
x (x ,y ) a

!


g
y
f

+
y (x ,y )
y (x ,y ) a

Pero, de (*), los dos primeros trminos del lado dere ho de la ltima
igualdad se anulan, y esto arroja el resultado:

L
=
a (x ,y )

Y de la deni in de L() en (**), y


la solu in al problema (L'), es laro

L
=
a (x (a),y (a))
Por lo tanto,


del he ho de que x (a), y (a) es
que

f
a (x (a),y (a))


f
=
a (x (a),y (a))

111

Le in 2: Optimiza in estti a

As, el multipli ador es la tasa de ambio del valor mximo de la fun in


objetivo, on respe to a un ambio en el parmetro a de la restri in.
Esta e ua in de sensibilidad del problema del lagrangiano es una versin
del que se ono e tambin omo teorema de la envolvente (ver teorema
6).
La importan ia de la e ua in de sensibilidad se ve laramente en el aso
en que = 0. Es el aso del ejemplo 13, en donde la solu in al problema
es x = y = 12 y = 0. Aqu, esta nulidad del multipli ador signi a
que pequeas varia iones de la fun in g(x, y) = 5 x y no arrojar
ningn ambio en el valor del ptimo f ( 12 , 12 ) = 0. As, a mayor valor
absoluto de , mayor ser el ambio de la valora in en el ptimo al ual
est aso iado.
Nota 4.

Quizs no sobre a larar que en el problema de Kuhn-Tu ker, la e ua in


de sensibilidad es exa tamente la misma y la prueba es similar.
Pero aunque al anterior se le puede onsiderar un teorema de la envolvente, a ontinua in presentamos su versin ms ono ida y general,
e invitamos al le tor a su prueba, y a interpretarlo ade uadamente (ver
gura 18): Sean f (x, y, a) y g(x, y, a) fun iones diferen iables on ontinuidad sobre R3 , donde (x, y) R2 , a R, y onsideremos el problema
de mximo de Kuhn-Tu ker
Maximizar
sujeta a

f (x, y, a)
g(x, y, a) 0
x0
y0

Denamos la fun in de valor mximo omo F (a) = f (x(a), y(a), a) donde (x(a), y(a)) es el punto donde se resuelve el problema de optimiza in
para un valor de a parti ular.
Teorema 6.

(Teorema de la envolvente)

F (a)
L(x, y, )
=

a
a
(x(a),y(a))

donde L(x(a), y(a), ) es la fun in lagrangiana

L(x(a), y(a), ) f (x(a), y(a), a) [g(x(a), y(a), a)]

(**)

112

Matemti as para e onomistas III: Optimiza in y dinmi a

L(x(a), y(a), )

a
Figura 18: El teorema de la envolvente.


Una apli a in tpi a del teorema de la envolvente es la siguiente: Puesto
que para a, b, , Q > 0 antidades ono idas, el problema de optimiza in
Minimizar

ax + by

sujeta a

xy = Q
x>0
y>0

tiene omo solu in

x =

aQ
b

1/2

y =

bQ
a

1/2

enton es, si denimos C(a, b, Q) = ax + by , se tendr que

C(a, b, Q) = 2(ab)1/2 Q/2


y as, por el teorema de la envolvente (teorema 6), se tendr que

C
= (ab)1/2 Q 2 1
Q

113

Le in 2: Optimiza in estti a

Ejer i ios 4
1. Resuelva analti amente (utilizando los teoremas apropiados y en ontrando las solu iones expl itamente) e ilustre gr amente los
siguientes problemas:
a) Minimizar (x 1)2 + (y 2)2 b) Maximizar
sujeta a
y x2 + 1
sujeta a

x0

x2 y 2
3x + 4y 12
x0

y0

) Maximizar
sujeta a

d) Minimizar

yex
2x + 8y 50

sujeta a

x0

y0

5x+2y
7x + 9y 15
x0

y0

e) Minimizar
sujeta a

1
3

3x +5y

1
3

x+y =2

f) Maximizar
sujeta a

x0

y0
1

3 ln x+y 2
2x + 7y 90

y0

x0
y0

2. De todos los ptimos al ulados en esta le in 2, ul (o ules)


son ms sensibles a ambios en la respe tiva restri in? [Indi a in: apli ar el teorema de la envolvente.

5. Optimiza in lineal: el mtodo simplex


La optimiza in lineal (tambin ono ida omo programa in lineal 10 )
onsiste en optimizar una fun in lineal, restringida por fun iones lineales. Na i durante la Segunda Guerra Mundial, y despus de sta re era
rpidamente debido a los esfuerzos onjuntos de matemti os y estadsti os por resolver problemas on retos del ejr ito norteameri ano.
10

Trmino ste, a uado por Tjalling Koopmans en 1948.

114

Matemti as para e onomistas III: Optimiza in y dinmi a

El primer resultado general sobre programa in lineal apare i en la


tesis de maestra de William Karush de 1939, 11 aunque el premio Nobel
en E onoma (1975), Leonid V. Kantorovi h [1912-1986, tambin en
1939,12 haba propuesto modelos de programa in lineal para estudios
de planea in de produ in y un algoritmo de solu in. Sin embargo, los
trabajos de Karu h y Kantorovi h fueron ignorados en la Unin Soviti a
de enton es, y as permane ieron hasta la rea in del muy til mtodo
simplex de George B. Dantzig 13 [1914-2005.
Dantzig, a quien se le onsidera el padre de la programa in lineal junto on John von Neumann y el mismo Kantorovi h, trabaj durante y
despus de la Segunda Guerra Mundial en la Fuerza Area de los Estados
Unidos. Su objetivo era rear modelos matemti os pr ti os de planea in y programa in de asuntos de asigna in en las tropas (de all el
trmino militar (programa in) que se le da a esta rea de la optimiza in matemti a). De he ho, el origen mismo del mtodo simplex para
resolver problemas de optimiza in lineal surgi en la onforma in de
una dieta apropiada para estas tropas. Era un problema de 77 variables
que requiri de 120 das-hombre para resolverlo manualmente, utilizando
al uladoras de es ritorio: ha e un po o ms de 50 aos no haban los
su ientes desarrollos para resolver este problema en segundos, omo lo
ha emos hoy.
En los 1960's, on el advenimiento de hardwares, softwares, y algoritmos, mu hos problemas de programa in lineal pudieron ser resueltos
mediante el mtodo simplex en los primeros omputadores ono idos
hasta enton es. Durante ierto tiempo, Dantzig y sus olegas estudiaron
numerosas situa iones tomadas de la experien ia de la Segunda Guerra
Mundial, y mostraron que mu has de ellas podan ( on ierta aproxima in) onvertirse al formato que hoy ono emos de la programa in
lineal y que, adems, las solu iones mejoraban uando se pasaba de un
vrti e a otro del onjunto polidri o formado por las fun iones lineales de restri in, al anzando eventualmente la solu in ptima, y que
es la esen ia misma del mtodo simplex. Dantzig y su grupo (parti u11

Karush, William (1939),

ties as Side Constraints,

Minima of Fun tions od Several Variables with Inequali-

M. S . Dissertation, Department of Mathemati s, University

of Chi ago.

12

Kantorovi h, Leonid V. (1939),

ning and Organization,


13

The Mathemati al Method of Produ tion Plan-

Leningrad University Press.

Dantzig, George B. (1949),

Programming in a Linear Stru ture,

E onometri a.

115

Le in 2: Optimiza in estti a

larmente, Ja k Laderman) ontinuaron probando su mtodo simplex, y


en ontraban que, a pesar de las dudas ini iales, fun ionaba realmente
bien.
Con el desarrollo de los omputadores, Dantzig omenz enton es a soar on un laboratorio de optimiza in de sistemas , inspirado, adems,
en el trabajo monumental del e onomista (enton es soviti o) Wassily
Leontief on sus tablas insumo-produ to para la e onoma de los Estados Unidos (ver volumen I: lgebra lineal). Problemas de planea in
urbana, sistemas de transporte, diseo de me anismos ptimos en e ologa, biologa, medi ina, e onoma, et ., omenzaron a tener, por primera
vez en la historia de las matemti as, una posibilidad de tratamiento
analti o uni ado. Desde los 1960's, el mtodo simplex ha venido siendo
explorado exhaustivamente por numerosos investigadores, y estos ambios han transformado notablemente el que es, quizs, el ms so orrido
mtodo en la teora de la optimiza in matemti a.
a)

El problema y su solu in gr a

El problema entral de la optimiza in lineal es es oger valores no negativos de iertas variables que maximi en o minimi en una fun in lineal
(dada) sujeta a un onjunto (dado) de restri iones lineales. Es de ir, el
problema anni o de programa in lineal (PL) es resolver
Maximizar
sujeta a

c1 x1 + c2 x2 + + cn xn

a11 x1 + a12 x2 + + a1n xn b1

(PL)

a21 x1 + a22 x2 + + a2n xn b2


..
..
..
..
.
.
.
.
am1 x1 + am2 x2 + + amn xn bm
donde x1 0, x2 0, . . . , xn 0; y c1 , ..., cn ; a11 , ..., amn ; b1 , b2 , ..., bm
son onstantes. En forma matri ial, esto se puede es ribir as:
Maximizar

cT x

sujeta a

Ax b

x0

116

Matemti as para e onomistas III: Optimiza in y dinmi a

donde c = (ci )ni=1 , x = (xi )ni=1 , b = (bi )m


i=1 , A = (aij )i=1,...,m . Aqu x 0
j=1,...,n

signi a que xi 0 para todo i = 1, . . . , n. De la misma manera para


Ax b. Si x Rn satisfa e la restri in Ax b, se di e que x es
fa tible.
Claramente este es un aso parti ular del problema de optimiza in de
Kuhn-Tu ker en el que las fun iones objetivo y las restri iones son,
todas, lineales. Sin embargo, aqu estudiaremos un algoritmo de solu in
(mtodo simplex ), diferente del mtodo de Kuhn-Tu ker, que se adapta
mejor a este tipo parti ular de problemas 14 .
Ejemplo 21. (El problema de la dieta)

El problema de la dieta es lsi o en la literatura de la optimiza in


lineal, porque fue el primer problema e onmi o resuelto mediante este
mtodo. Al igual que mu hos otros modelos matemti os, ste omenz
siendo slo un ejemplo y un ampo de pruebas del mtodo de optimiza in lineal, pero termin teniendo inesperadas e importantes apli a iones
pr ti as.
El he ho entral del modelo es que una dieta ade uada debera satisfa er
iertas espe i a iones ( aloras, vitaminas, et .) y que esta alidad de la
dieta se mide sumando las alidades de estas omponentes. Un ejemplo
simple es este: Supongamos que slo tenemos tres elementos nutri ionales, 1 ( aloras ), 2 (vitaminas ), 3 (protenas ), on estndares mnimos
diarios de 700, 400 y 300 unidades, respe tivamente. Asumamos que hay
2 lases de alimentos x1 , x2 , y que hay una antidad onstante de ada elemento nutri ional en ada unidad de ualquiera de los alimentos.
Esta hiptesis es la que ha e que el problema se pueda analizar on el
instrumento de la optimiza in lineal, pues, en denitiva, la informa in se puede resumir en una tabla (matriz) omo la siguiente, donde aij
(i = 1, 2, 3; j = 1, 2) es el nmero de unidades del elemento nutri ional i
que est ontenido en el alimento j . All asumimos que a11 = 1, a21 = 2,
a31 = 1, y que a12 = 3, a22 = 1, a32 = 1 (de aqu, podemos de ir que el
alimento 2 tiene tres ve es ms aloras que el alimento 1, la mitad de
las vitaminas, y la misma antidad de protenas).
14

Debe advertirse, sin embargo, que la historia del pensamiento matemti o es

al revs: Kuhn y Tu ker se inspiraron en la programa in lineal de Dantzig para


desarrollar su mtodo dirigido a problemas de optimiza in no-lineal.

117

Le in 2: Optimiza in estti a

Alimentos
x1
x2

Estndares
mnimos

1 ( aloras)

a11

a12

b1 = 700

2 (vitaminas)

a21

a22

b2 = 400

3 (protenas)

a31

a32

b3 = 300

Para ompletar el problema, sean p1 , p2 los pre ios (de mer ado) por
unidad de los alimentos. Si x, y son las antidades a onsumir (en las
unidades ade uadas) de ada uno de los alimentos, enton es esta dieta
uesta
z = p1 x + p2 y
Asumamos p1 = 2 y p2 = 12. La pregunta que bus amos ontestar
es: Cmo onformamos una dieta que, umpliendo on los estndares
mnimos, resulte lo menos ostosa posible? Es de ir, debemos resolver,
para x, y ,
Minimizar
sujeta a

2x+12y
x + 3y 700
2x + y 400
x + y 200
x0
y0

Para ata ar este problema podemos, primero, re urrir al mtodo gr o:


De la gura 19, y on un po o de lgebra elemental, obtenemos que
la solu in es x = 700 unidades del alimento 1, y = 0 unidades del
alimento 2, y el osto de la dieta que satisfa e los estndares mnimos es
1400.
Pero tambin podemos en ontrar la solu in utilizando el mtodo de
Kuhn-Tu ker. Sabemos que el problema tiene solu in, y que sta se
en uentra entre las CPO, ya que se umplen las ondi iones del teorema
5. Las CPO son:

118

Matemti as para e onomistas III: Optimiza in y dinmi a

y
800
600
400
200
solu in

0
0

200 400 600 800

Figura 19: Solu in gr a del problema de la dieta.

(i)

2 1 22 3 0;
12 31 2 3 0;
x + 3y 700
2x + y 400 x + y 200

(ii) x(2 1 22 3 ) = 0; y(12 31 2 3 ) = 0;


1 (x + 3y 700) = 0; 2 (2x + y 400) = 0; 3 (x + y 200) = 0
Dado que x y y no pueden ser ero simultneamente, debemos analizar
ni amente tres asos:
1. Si x > 0, y > 0 enton es, de (ii), 1 + 22 + 3 = 2 y 31 + 2 +
3 = 12. Esto nos ondu e a tres situa iones:
(a) Si 1 = 0 enton es 2 = 10 y 3 = 22, y nuevamente por (ii),
x = 200, y = 0, lo ual no satisfa e y > 0 ni i 0.

(b) Si 2 = 0 enton es 1 = 5 y 3 = 3, que no satisfa e i 0.


( ) Si 3 = 0 enton es 1 = 22
5 y 2 =
i 0.

6
5,

lo ual no satisfa e

2. Si x > 0, y = 0 enton es, de (ii), 1 + 22 + 3 = 2. Y aqu


tenemos, nuevamente, tres asos:
(a) Si 1 = 2 = 0, enton es 3 = 2 y de (ii), x = 200, que no
satisfa e (i).
(b) Si 1 = 3 = 0, enton es 2 = 1, y de (ii), x = 200, y esto
no satisfa e (i).

119

Le in 2: Optimiza in estti a

( ) Si 2 = 3 = 0, enton es 1 = 2 y, de (ii), x = 700, y = 0.


(sta, sabemos, es la solu in. Puede de ir el le tor por qu?)
3. Si x = 0, y > 0, enton es de (ii), 31 + 2 + 3 = 12. Tenemos,
de nuevo, tres asos:
(a) Si 1 = 2 = 0, enton es 3 = 12 y de (ii), y = 200, que no
satisfa e (i).
(b) Si 1 = 3 = 0, enton es 2 = 12, lo que no satisfa e (i).
( ) Si 2 = 3 = 0, enton es 1 = 4, que no satisfa e (i).

Por lo tanto, la solu in es x = 700, y = 0, y el osto de la dieta es


1400, tal y omo lo habamos al ulado (ms simplemente) utilizando la
gura 19.
Ejemplo 22. (El problema del transporte (Dantzig (1947, 1949))

Otro de los problemas lsi os de programa in lineal es el problema del


transporte que onsiste en lo siguiente: Una ompaa ne esita enviar
ierto produ to desde m lugares a n destinos. Supongamos que ai unidades del produ to estn disponibles en el origen i-simo, on i = 1, . . . , m;
y se requieren bj unidades en el destino j , j = 1, . . . , n. Adems, supongamos que la antidad total disponible en los distintos orgenes iguala la
antidad total requerida en los distintos destinos; es de ir,
m
X
i=1

ai =

n
X

bj

j=1

Si el osto de enviar una unidad de produ to desde el origen i hasta


el destino j es cij , untas unidades del produ to deberan ser despa hadas entre ada par origen-destino, de tal manera que se minimi e el
osto total de transporte? Deniendo xij omo el nmero de unidades
del produ to que se despa han desde el origen i al destino j , podemos
formular este problema as:
Minimizar
sujeta a

m X
n
X
cij xij
i=1 j=1
n
X

xij = ai

j=1

120

Matemti as para e onomistas III: Optimiza in y dinmi a

m
X

xij = bj

i=1

xij 0

donde i = 1, . . . , n; j = 1, . . . , m.
Para simpli ar, supongamos que m = n = 2, que las unidades disponibles en los orgenes 1 y 2 son a1 = 5 y a2 = 2 respe tivamente, mientras
que las unidades requeridas en los destinos 1 y 2 son b1 = 4 y b2 = 3. Por
ltimo, supongamos que los ostos de transporte vienen determinados
por la siguiente tabla:

Origen 1
Origen 2

Destino 1

Destino 2

10
20

20
40

Todo esto nos lleva a que nuestro problema es


Minimizar
sujeta a

10x11 + 20x12 + 20x21 + 40x22


x11 + x12 = 5
x21 + x22 = 2
x11 + x21 = 4
x12 + x22 = 3
xij 0

Aqu, desafortunadamente, no podemos solu ionar gr amente, pues el


problema tiene ms de dos variables. Pero dado que existen uatro in gnitas y uatro restri iones, la solu in al problema debe estar entre las
solu iones al sistema de e ua iones lineales; por lo tanto, podemos utilizar el mtodo gaussiano de solu in (ver volumen I: lgebra lineal) para
en ontrar (si es posible) la solu in a nuestro problema. Tratemos primero de solu ionar el sistema, para lo ual restamos la ter era restri in
de la primera y la uarta de la segunda, de tal forma que obtenemos

x12 x21 = 1

x12 + x21 = 1

Le in 2: Optimiza in estti a

121

x11 + x21 = 4
x12 + x22 = 3
Vemos que la primera y la segunda igualdad son linealmente dependientes; por lo tanto, el sistema tiene la siguiente forma:

x11 = 4 x21
x12 = 1 + x21
x22 = 2 x21
Para que la solu in del sistema sea fa tible, es de ir, que umpla on
todas las restri iones del problema, debe ser 0 x21 2.
Por otro lado, tenemos que los ostos de transporte tienen el siguiente
orden c11 < c12 = c21 < c22 , de tal forma que lo menos e onmi o es
enviar desde el origen 2 al destino 2, y lo ms e onmi o es enviar del
origen 1 al destino 1. Por lo tanto, el plan ptimo debe enviar lo menos
posible del origen 2 al destino 2, y esto se logra tomando x21 = 2. De
esta forma,
x11 = 2,
x12 = 3,
x22 = 0
Vemos que este plan es fa tible y su osto es 120, que, a su vez, es el
mnimo osto de envo de produ tos entre los orgenes y destinos.

b)

El algoritmo simplex

Aunque el mtodo gr o puede ser til en problemas en dos dimensiones, no lo es para problemas de orden superior. Tambin vemos que el
mtodo Kuhn-Tu ker es demasiado engorroso en estos asos espe  os.
Por tal razn, debemos re urrir a otros mtodos de solu in, y una forma alternativa de ata ar el problema es el ya omentado mtodo simplex
desarrollado de Dantzig.
Para apli ar este mtodo, lo primero que se ha e es onvertir las desigualdades de las restri iones del problema (PL), en e ua iones. Para ello,
se utilizan iertas variables s = (s1 , . . . , sm ) 0, llamadas variables de
holgura, donde ada si se utiliza para asegurar que la i-sima restri in
se umpla estri tamente. As, nuestro problema (PL) se onvierte en

122

Matemti as para e onomistas III: Optimiza in y dinmi a

Maximizar
sujeta a

c1 x1 + c2 x2 + + cn xn

a11 x1 + a12 x2 + + a1n xn + s1 = b1

a21 x1 + a22 x2 + + a2n xn + s2 = b2


..
..
..
..
.
.
.
.
am1 x1 + am2 x2 + + amn xn + sm = bm
x1 0, x2 0, . . . , xn 0
s1 0, s2 0, . . . , sm 0

o, en forma matri ial,

cT x

Maximizar
sujeta a

Ax + Is = b
x0
s0

donde I = Im es la matriz identidad de tamao m m, y donde, sin


prdida de generalidad, suponemos b 0.
Ejemplo 23.

(a) El problema de programa in lineal


Maximizar
sujeta a

3x+2y
x + 2y 5

3x + 4y 8
2x + y 4
x0
y0

se puede es ribir, introdu iendo las variables de holgura s1 , s2 , s3 , de


esta forma:

123

Le in 2: Optimiza in estti a

Maximizar
sujeta a

3x+2y
x + 2y + s1 = 5
3x + 4y + s2 = 8
2x + y + s3 = 4
x0
y0

s1 0, s2 0, s3 0
(b) De forma similar, el problema
Maximizar
sujeta a

3x + 7y+10z
4x + y + 2z 3
7x + 3y + z 4
x + 5y + 4z 6
x0
y0
z0

lo podemos es ribir omo

Maximizar
sujeta a

3x + 7y + 10z
4x + y + 2z + s1 = 3
7x + 3y + z + s2 = 4
x + 5y + 4z + s3 = 6
x0
y0
z0

s1 0, s2 0, s3 0
introdu iendo las variables de holgura s1 , s2 , s3 .

124

Matemti as para e onomistas III: Optimiza in y dinmi a

Deni in 3. (Variables bsi as y no-bsi as)

Supongamos un sistema (PL) on restri iones de m e ua iones lineales on n variables, x1 , . . . , xn , donde n > m, y que, arbitrariamente, podemos elegir n m variables xm+1 , xm+2 , . . . , xn , de tal forma
que las restantes m variables x1 , . . . , xm se puedan expresar en trminos de ellas. Enton es a x1 , . . . , xm las llamaremos variables bsi as y a
xm+1 , xm+2 , . . . , xn las llamaremos variables no-bsi as.
Ejemplo 24.

(a) En el problema
Maximizar
sujeta a

3x+2y
x + 2y + s1 = 5
3x + 4y + s2 = 8
2x + y + s3 = 4
x0
y0

s1 0, s2 0, s3 0
tres variables bsi as en el sistema de restri iones son las variables
de holgura s1 , s2 , s3 , ya que podemos expresarlas omo

s1 = 5 x 2y

s2 = 8 3x 4y
s3 = 4 2x y
(b) De manera similar, en el problema
Maximizar
sujeta a

3x + 7y + 10z
4x + y + 2z + s1 = 3
7x + 3y + z + s2 = 4
x + 5y + 4z + s3 = 6
x0
y0

125

Le in 2: Optimiza in estti a

z0

s1 0, s2 0, s3 0

tambin tres variables bsi as en el sistema de restri iones son las


variables de holgura s1 , s2 , s3 , ya que podemos expresarlas omo

s1 = 3 4x y 2z

s2 = 4 7x 3y z
s3 = 6 x 5y 4z

Ahora que hemos onvertido el problema (PL) en un problema on restri iones de igualdad, podemos rees ribirlo omo un sistema de e ua iones de la siguiente forma:

a11 x1 + a12 x2 + + a1n xn + s1 = b1

a21 x1 + a22 x2 + + a2n xn + s2 = b2


..
..
..
..
.
.
.
.
am1 x1 + am2 x2 + + amn xn + sm = bm

c1 x1 + c2 x2 + + cn xn + 0s1 + + 0sm = f
o, en onveniente forma matri ial,

Ax + Is = b
T

c x + 0T s = f
donde f representa el valor de la fun in objetivo. Si pensamos en el
ve tor de variables omo (x, s) podemos representar este sistema por
medio de la tabla (o matriz) simplex , omo sigue:

a11

a12

a
a22
21

.
..
..

..
.
.

am1 am2

c1
c2

1 0

b1

0 1
.. ..
..
. .
.

0
..
.

b2
..
.

amn 0 0

bm

a1n
a2n
..
.
cn

0 0

126

Matemti as para e onomistas III: Optimiza in y dinmi a

"

A I

A los elementos de la ltima la de esta matriz que son diferentes de f ,


en adelante los llamaremos indi adores.
Ejemplo 25.

(a) El problema
Maximizar
sujeta a

3x+2y
x + 2y + s1 = 5
3x + 4y + s2 = 8
2x + y + s3 = 4
x0
y0

s1 0, s2 0, s3 0
lo representamos, enton es, por la matriz

1 2 1 0 0

3 4 0 1 0

2 1 0 0 1

3 2 0 0 0

(b) Asimismo, el problema

Maximizar
sujeta a

simplex

3x + 7y + 10z
4x + y + 2z + s1 = 3
7x + 3y + z + s2 = 4
x + 5y + 4z + s3 = 6
x0
y0
z0

s1 0, s2 0, s3 0

127

Le in 2: Optimiza in estti a

lo representamos por la

matriz simplex

1 0 0

0 1 0

0 0 1

7 10 0 0 0

Hagamos ahora una aproxima in al mtodo simplex: En primer lugar,


es laro que si en el problema (PL) se tiene que P
los indi adores ci son
menores iguales a ero enton es, para maximizar i ci xi , debe tomarse
x = 0 omo solu in optima. Pero si algn cj es positivo enton es se debe
asignar a la variable xj el mximo valor posible, es de ir, el valor de xj
debe permitir una asigna in fa tible a las restantes variables. Para esto
observemos que en la restri in

ai1 x1 + + aij xj + ain xn + si = bi

bi
, tomando las
aij
dems variables omo ero; pero puede su eder que al reemplazar este
valor en otra restri in donde akj > 0 se tenga que asignar valores no
permitidos a las dems variables. Por ejemplo en

donde aij > 0 el valor mximo que puede tomar xj es

4x + y + s1 = 8
2x + s2 = 1
si tomamos que el valor de x omo

8
4

= 2, enton es s2 = 3, y esto no es
bi
posible. Por lo tanto se debe tomar aquella e ua in donde el fa tor
aij
sea mnimo y aij > 0, dado que esto permitir una asigna in fa tible
en las dems e ua iones si este es el valor ptimo para la variable xj .
Despus de en ontrar la e ua in que permite una asigna in fa tible en
las variables del problema, podemos pasar a resolver esta e ua in para
xj , en ontrando que

xj =

1
[bi si ai1 x1 ai2 x2 aij1 xj1 aij+1 xj+1 ain xn ]
aij

128

Matemti as para e onomistas III: Optimiza in y dinmi a

y luego reemplazar esta expresin en las otras e ua iones, obteniendo el


nuevo sistema

a1j
bi a1j
si = b1
aij
aij
a2j
bi a2j
a21 x1 + a22 x2 + + a2n xn + s2
si = b2
aij
aij
..
..
..
..
.
.
.
.
1
bi
ai1 x1 + ai2 x2 + + ain xn +
si =
aij
aij
..
..
..
..
.
.
.
.
amj
bi amj
am1 x1 + am2 x2 + + amn xn + sm
si = bm
aij
aij
a11 x1 + a12 x2 + + a1n xn + s1

donde

aij = 1;

ahj = 0, h 6= i;
ahk = ahk

aik =

aik
, k 6= j
aij

aik ahj
, h 6= j , k 6= j
aij

y, por tanto, el nuevo f esta dado por


n
X
i

ci xi = (c1

ai1 cj
ai2 cj
ain cj
cj
cj
)x1 +(c2
)x2 + +(cn
)xn + bi si
aij
aij
aij
aij
aij

donde podemos repetir el pro eso anterior, hasta que los indi adores sean
menores o iguales a ero. 15
Segn lo anterior, el mtodo simplex onsiste en utilizar opera iones elementales entre las, hasta ha er que todos los indi adores sean nmeros
negativos o eros, ya que enton es se habr en ontrado el mximo f .
Para ha er de este pro eso uno algortmi o, Dantzig sugera seguir los
siguientes pasos:
15

En algunos asos no es posible llegar a este objetivo, signi ando la no existen ia

de una solu in.

Le in 2: Optimiza in estti a

129

Algoritmo 1. (Mtodo simplex (Dantzig (1947)))

Paso 1. En la tabla simplex elija entre las n 1 primeras olumnas, la


olumna j que tenga el mayor indi ador positivo. Si hay ms de
una olumna on el mismo valor, elija ualquiera de stas.
Paso 2. Para los elementos aij > 0 de la olumna j elegida anteriormente, dena el elemento pivote de la olumna j omo
 
bi
aij = arg mn
aij >0 aij
es de ir, el pivote es el elemento positivo de la olumna j de la
bi
matriz A que ha e que
sea mnimo.
aij

Paso 3. Una vez elegido el pivote aij , reali e opera iones elementales
sobre las las de la tabla simplex utilizando siempre transforma iones de la la i, hasta que el elemento pivote sea igual a 1,
y el resto de elementos de la olumna j (in luyendo el indi ador
de esa olumna) sean ero.
Paso 4. Verique que todos los indi adores sean no-positivos. En aso
dado, detngase; de lo ontrario, regrese al paso 1.
Si todos los indi adores son no-positivos, se habr al anzado el mximo
valor de f . El valor de las variables no-bsi as es ero, y el de las variables
bsi as est dado por el valor de la ltima olumna de la tabla simplex
en la la en que se puede despejar la variable bsi a. El valor ptimo f
est dado en la ltima entrada de la tabla simplex.
Ejemplo 26.

(a) Regresemos a la tabla simplex del ejemplo 25 a):

1 2 1 0 0
5

3 4 0 1 0

2 1 0 0 1

3 2 0 0 0
f

130

Matemti as para e onomistas III: Optimiza in y dinmi a

Entre las primeras 5 olumnas, la que tiene el mayor indi ador es la


olumna 1, as que el pivote estar en esa olumna. Cal ulamos

b2
8
= ;
a21
3

b1
= 5;
a11

b3
=2
a31

y por tanto, el pivote es a31 . Utilizando la ter era la, reali emos
ahora las siguientes opera iones la bsi as: dividimos la la 3 por
2; restemos la la 3 de la la 1; multipliquemos la la 3 por 3 y
restemos de la la 2; y, multipliquemos la la 3 por 3 y restemos de
la la 4. Obtenemos la siguiente tabla simplex:

3
2
5
2
1
2
1
2

1 0
0 1
0 0
0 0

12
32
1
2
32

3
2
2
f 6

Como hay un indi ador positivo, volvemos al paso 1. La olumna


on el mayor indi ador es la olumna 2, y el pivote es el elemento
a22 , ya que

b1
= 2,
a12

b2
4
= ,
a22
5

b3
=4
a32

Realizando opera iones elementales on la segunda la, obtenemos


la tabla simplex

0 0

0 1

1 0

0 0

1
0
0
0

35
2
5
15
15

2
5

35

9
5
4
5
8
5

65

4
5

32
5

Como todos los indi adores son no-positivos, hemos en ontrado el


ptimo, donde x = 85 , y = 45 , s1 = 95 , s2 = s3 = 0 y el valor

mximo es 32
5 . Pero, puesto que s1 6= 0, tendremos que la primera
restri in en el problema original se satisfa e estri tamente.

131

Le in 2: Optimiza in estti a

(b) La tabla simplex del ejemplo 25

4 1 2

7 3 1

1 5 4

3 7 10

b) es:

1 0 0
0 1 0
0 0 1
0 0 0

La olumna on el mayor indi ador positivo es la 3, y omo

b1
3
b2
b3
3
=
=4
=
a13
2
a23
a33
2
tenemos dos elementos que pueden ser el pivote. Tomemos el elemento a13 . Realizando opera iones bsi as entre las tenemos la siguiente
tabla simplex:

1
1
3
1
0
0
2
2
2
2

5
1
5
5
0

1
0

2
2
2

7 3 0 2 0 1
0

17 2 0 5 0 0
f 15

Ahora el mayor indi ador positivo est en la olumna 2, y el pivote


es a32 , ya que

b1
b2
b3
=3
=1
=0
a12
a22
a32
Utilizando de nuevo opera iones elementales entre las obtenemos la
siguiente tabla simplex:

19
5
3
0
1
0
0
6
6
2

65 0 0

7
5
5
1

6
6
6
2

7 1 0 2 0 1
0
3
3
3

11
2
37
0
0

15
3
3
3

Como todos los indi adores son no-positivos, tenemos que en el ptimo
3
x = 0, y = 0, z =
2
Adems, la segunda restri in del problema original se satisfa e
estri tamente, y el valor ptimo de la fun in es 15.

132
)

Matemti as para e onomistas III: Optimiza in y dinmi a

El teorema de dualidad

Ya vimos mo resolver un problema de de mximo utilizando el mtodo


simplex. Ahora queremos dar respuesta a dos interrogantes: Primero,
mo resolver un problema de mnimo utilizando el mismo mtodo; y,
segundo, mo ambia la solu in ptima ante ambios (pequeos) en
las restri iones. Para ello, rela ionamos el problema anni o (PL)

Maximizar

cT x

sujeta a

Ax b

(PL)

x0

(que, de ahora en adelante, llamaremos problema primal ) on el siguiente


problema dual (PD)
Minimizar

bT y

sujeta a

(PD)

A yc

y0

donde y Rm
+ , c y b son los mismos del problema primal.
Ejemplo 27.

(a) El problema dual del ejemplo 23 (a) es


Minimizar
sujeta a

5x + 8y + 4z
x + 3y + 2z 3
2x + 4y + z 2
x 0
y 0
z 0

(b) El dual del ejemplo 23 (b) es


Minimizar
sujeta a

3x + 4y +6z
4x + 7y + z 3

133

Le in 2: Optimiza in estti a

2x + y + 4z 10
x 0
y 0

z 0 N

El siguiente teorema nos muestra que el valor ptimo del problema dual
es mayor o igual que el valor ptimo del problema primal.
Teorema 7.

Si x Rn es fa tible en el problema primal y y Rm es fa tible en el


problema dual, enton es bT y cT x.
Demostra in.

Multipli ando en el problema primal las restri iones por y y multipli ando en el problema dual las restri iones por x, se obtiene y T Ax y T b,
xT AT y xT c. Es ribiendo de nuevo, tenemos bT y y T Ax cT x.
Y el prximo teorema nos da indi ios de que existe una rela in importante entre los problemas primal y dual:
Teorema 8.

Supongamos que x y y son fa tibles en el problema primal y dual


respe tivamente, y que cT x = bT y . Enton es x resuelve el problema
primal y y resuelve el problema dual.
Demostra in.

Como cT x = bT y cT x para todo x fa tible, enton es x resuelve el


problema primal. As mismo, omo bT y cT x = bT y , y resuelve el
problema dual.
Y as, arribamos a uno de los teoremas ms profundos de la optimiza in
estti a: es el teorema de dualidad, que muestra que el problema primal
y el problema dual estn ntimamente rela ionados.
Teorema 9.

(Teorema de dualidad)

Si el problema primal tiene solu in ptima nita, enton es el problema


dual tambin tiene solu in ptima nita, y los valores de ambas fun iones objetivo son iguales. Si el primal no tiene ptimo a otado, enton es
el dual no tiene solu in fa tible.

134

Matemti as para e onomistas III: Optimiza in y dinmi a

Demostra in.

(Ver teorema 13 adelante.)


As, utilizando el problema primal, todo problema de mnimo puede onvertirse en uno de mximo, el ual puede resolverse por el mtodo simplex
anteriormente estudiado. Una vez obtenida la solu in del problema de
mximo, por el teorema 13, el valor ptimo de la fun in objetivo en el
problema de mnimo es igual, y los valores ptimos de las variables en
el problema de mnimo son iguales al negativo de los indi adores de las
variables de holgura del problema de optimiza in.
Nota 5.

El teorema de dualidad (teorema 6), que es realmente sorprendente y


muy importante, fue primero notado (aunque no probado) por von Neumann en notas privadas que apare ieron antes de 1947.
Ejemplo 28.

Para que veamos lo fuerte que puede ser esta rela in primal-dual, onsideremos el problema
Minimizar
sujeta a

60x + 20y + 3z + 20w


3x + 6y z + 2w 4

4x + 2y + z + 5y4 2
x0
y0
z0

w0
Un anlisis dire to nos llevara a un problema en el espa io eu lidiano
de uatro dimensiones. Pero es posible es ribir este problema as:

Minimizar

60
20

[x, y, z, w]
3
20

135

Le in 2: Optimiza in estti a

sujeta a

3 4
 
6
2
4

[x, y, z, w]

1 1
2
2
5

x, y, z, w 0
Por lo tanto, el problema primal es

Maximizar

sujeta a

 
x
[4, 2] 1
x2


3 4  
60
6

2 x1

20
1 1 x2 3
2
5
20
x1 0,

x2 0

Y este problema primal s puede dibujarse en un plano bidimensional


omo en la gura 20. All, vemos que la solu in ptima o urre en x1 =
30/13, x2 = 40/13, y as z = x = 0.
De esta manera, el problema original se redu e a
 
20
Minimizar
[y, w]
20


6 2
sujeta a
[y, w]
[4, 2]
2 5

y 0,

w0

Cuya solu in y = 8/13, w = 2/13. Por lo tanto, el problema original


tiene omo solu in al ve tor (0, 8/13, 0, 2/13).

60


20
30/13

(0, 8/13, 0, 2/13) = (4, 2)


= 200/13
3
40/13
20

136

Matemti as para e onomistas III: Optimiza in y dinmi a

11
10
9
8
7
6
5
4
3
2
1
0

solu in

0 1 2 3 4 5 6 7 8 9 1011121314
Figura 20:

Ejemplo 29. (Problema de la dieta, de nuevo)

Volvamos al problema de la dieta


Minimizar

2x+12y

sujeta a

x + 3y 700
2x + y 400
x + y 200

x 0, y 0
El primal de este problema es

700x + 400y + 200z

Maximizar

x + 2y + z 2

sujeta a

3x + y + z 12

x 0, y 0, z 0
uya tabla simplex es

1 0

0 1

700 400 200 0 0

12

137

Le in 2: Optimiza in estti a

El mayor indi ador no-negativo est en la olumna 1 y el elemento pivote


es a11 , on lo ual obtenemos la siguiente tabla simplex:

0
5
2
3 1

0 1000 500 700 0

2
6
f 1400

Como todos los indi adores son no-positivos, ste es el ptimo del problema primal uyo valor ptimo es 1400 (tal omo habamos al ulado
gr amente). Adems, los negativos de los indi adores de las variables
de holgura son 700 y 0, de forma que en el problema original tendremos
que x = 700 y y = 0, omo habamos mostrado anteriormente.
Ejemplo 30. (El problema del transporte, de nuevo)

Tomemos, una vez ms, el problema del transporte


Minimizar
sujeta a

10x11 + 20x12 + 20x21 + 40x22


x11 + x12 = 5
x21 + x22 = 2
x11 + x21 = 4
x12 + x22 = 3
xij 0

que es el dual del problema


Maximizar
sujeta a

5x11 + 2x12 + 4x21 + 3x22


x11 + x21 = 10
x11 + x22 = 20
x12 + x21 = 20
x12 + x22 = 40
xij 0

Como en este problema las restri iones son e ua iones, no es ne esario


in luir variables de holgura; sin embargo, para poder re-interpretar el
resultado, es ne esario plantear el problema omo uno de desigualdades,

138

Matemti as para e onomistas III: Optimiza in y dinmi a

on lo ual la tabla simplex es

1 0 1 0 1 0 0 0

1 0 0

0 1 1

0 1 0

5 2 4

1 0 1 0 0
0 0 0 1 0
1 0 0 0 1
3 0 0 0 0

10

20

20

40

Realizando las opera iones usuales, obtenemos omo resultado

1 0

0 0 1 1 1 1
0

0 1 1 0 0
0
1

0 0 0 0 1 1 1

0 0 0 0 2 3 2

10

10

20

10

f 120

de donde, reinterpretando, obtenemos x11 = 2, x12 = 3, x21 = 2,


x22 = 0, y valor ptimo de la fun in es 120, omo habamos en ontrado
anteriormente, en el ejemplo 22. N
Finalmente, y de otro lado, mo ambian los valores de las solu iones
de un problema de programa in lineal uando hay pequeos ambios en
los parmetros de las restri iones? Para resolverlo, supongamos que x
es la solu in al problema primal
Maximizar

cT x

sujeta a

Ax b

x0

que x + x es solu in al problema primal


Maximizar

cT x

sujeta a

Ax b + b
x0

139

Le in 2: Optimiza in estti a

y que y es la solu in al problema dual de ada uno de los problemas


primales. Enton es, por el teorema 9,

cT x = bT y ,

y cT (x + x) = (b + b)T y

y, por lo tanto, cT x = bT y . Pero cT x no es ms que el ambio en


el valor ptimo de la fun in objetivo del problema original al ambiar
un po o el valor de las restri iones. Por lo tanto, podemos interpretar
(al igual que en el aso de los multipli adores de Lagrange) el valor de yi
omo el ambio en el valor de la fun in objetivo ante ambios (pequeos)
en el valor de bi .

Ejer i ios 5
1. En uentre los valores ptimos de los siguientes problemas lineales:
i)
ii)
iii)
iv)

Utilizando el mtodo gr o.


Utilizando el mtodo de Kuhn-Tu ker.
Utilizando el mtodo simplex.
Resolviendo el problema dual.
(a) Minimizar
sujeta a

5x7y

(b) Maximizar
sujeta a

3x + y 10
x + 3y 4

x0

y0

sujeta a

2x+5y

y0

(d) Minimizar

x4

sujeta a

y3

12x+42y
x + 2y 3
x + 4y 4

x + 2y 8

3x + y 3

x0

x0

y0

y0

2. Pruebe que la solu in del problema


Maximizar

3x y 10
x 3y 4

x0

( ) Maximizar

15x+2y

5x + 2y + z

140

Matemti as para e onomistas III: Optimiza in y dinmi a

sujeta a

x + 3y z 6
y+z 4

3x + y 7
x0
y0

es x = 73 , y = 0, z = 4, y el valor del problema es 47


3 . Adems,
muestre que la solu in del problema dual est en x1 = 0, y1 = 1,
z1 = 53 .
3. Pruebe que la solu in del problema
Minimizar

3x 2y + 5z

sujeta a

y + 2z 1
x+z 1

2x 3y + 7z 5
x0
y0

es x = 0, y = 23 , z = 1, y el valor del problema es 11


3 . Adems,
muestre que la solu in del problema dual es x1 = 0, y1 = 13 ,
z1 = 23 .
4. Una empresa tiene tres depsitos, los uales tienen 10, 000, 5, 000 y
16, 000 unidades de sus produ tos. El prximo mes deben enviarse
2, 000, 1, 000, 3, 000, 4, 500, 500, 600 y 950 unidades a siete
distintos alma enes. En uentre el plan de envo de menor osto,
si el osto unitario de envo de ada depsito a ada uno de los
alma enes viene dado por la siguiente tabla:
Destino 1

D2

D3

D4

D5

D6

D7

Origen 1

10

16

10

25

18

Origen 2
Origen 3

19
20

25
17

18
20

7
5

12
14

18
16

19
17

Le in 2: Optimiza in estti a

141

6. Optimiza in en onjuntos onvexos: teoremas de separa in de Minkowski


Ahora es laro que los mtodos de optimiza in estn basados en: i)
la estru tura topolgi a del onjunto sobre el que se optimiza, y ii) la
estru tura analti a (lineal, ontinua, et .) de la fun in objetivo. En esta se in profundizamos en una ara tersti a topolgi a del onjunto
de restri in, que ya haba sido estudiada: la onvexidad. Aqu desta aremos algo que se vislumbraba on los problemas de programa in
lineal: que iertas propiedades geomtri as de los onjuntos onvexos estn ntimamente one tados on la forma omo se resuelve problemas de
optimiza in sobre ellos.

Figura 21: Re ta tangente que separa

Re ordemos, en primer lugar, que en el l ulo diferen ial de una variable, uando se requera optimizar (maximizar o minimizar) una fun in
n ava estri ta (o onvexa estri ta) diferen iable, se re urra a en ontrar
los puntos en donde la re ta tangente era paralela al eje de abs isas (ver
gura 21). All notbamos que esta re ta tangente des ompona el plano
en dos semiplanos, uno de los uales ontena totalmente a la gr a de
la fun in. En dos variables su eda lo mismo on el plano tangente, y,
por supuesto, en varias variables on el hiperplano tangente.
En segundo lugar, re ordemos que uando intentbamos resolver problemas tpi os de optimiza in en dos variables, mediante el mtodo de
Lagrange o de Kuhn-Tu ker, en general nos en ontrbamos on que, en
el punto en que se resolva el problema, las dos gr as (la de restri in y la de objetivo) solamente se interse taban all, y lo ha an de tal
forma que se poda trazar una tangente por all que separaba a las dos
gr as (ver gura 22).

142

Matemti as para e onomistas III: Optimiza in y dinmi a

Figura 22: Optimiza in y separa in

El siguiente es uno de los teoremas ms profundos (y, por ello mismo,


ms simple) de la teora de optimiza in, que involu ra, pre isamente,
la no in de onvexidad. Los teoremas de existen ia de hiperplanos separadores estable en, bsi amente, que un onjunto onvexo y un punto
que no est en ste, pueden separarse mediante un hiperplano (ver gura 23); es de ir, on el onjunto onvexo de un lado y el punto del otro
lado. Veamos en qu onsisten estos dos teoremas entrales de la teora
de la optimiza in que, omo notaremos, son onse uen ia del teorema
de Wierstrass.
Teorema 10.

(1910))

Existen ia de hiperplanos separadores (Minkowski

Sea C un onjunto onvexo y errado en R2 , y sea p Rn . Enton es se


tiene uno (y slo uno) de los siguientes asos (ver gura 23):
a) p C .
b) Existe un hiperplano H de R2 que ontiene a p y tal que C est
totalmente ontenido en uno de los semiplanos abiertos determinados
por H . En tal aso, se di e que H es un hiperplano separador.
Demostra in.

Supongamos que p
/ C , y onsideremos la fun in sobre el onjunto
errado C dada por
f (x) = ||x p||

143

Le in 2: Optimiza in estti a

Como se puede probar f ilmente, esta fun in es ontinua y, utilizando onvenientemente el teorema de Weierstrass (teorema 1), tiene un
mnimo sobre C . Sea q un punto de C tal que

||q p|| ||x p||


para todo x C , y sea n = q p. Como p
/ C , enton es n 6= 0. Veamos
que el hiperplano que pasa por p y es perpendi ular a n satisfar nuestros
requerimientos; es de ir, que

H = {x R2 | (x p) n = 0}
es el hiperplano bus ado, y para ello vamos a probar que C est ontenido
en el semiespa io denido por la ondi in (x p) n > 0.

p
C

Figura 23: Un hiperplano separando un onjunto onvexo y un punto.

Sea q 6= q un punto ualquiera de C . Enton es, para todo t, on


0 < t 1, se tiene que

||q p|| ||(q p) + t(q q)||


y elevando esta desigualdad al uadrado se tiene que

(q p)2 (q p)2 + 2t(q p)(q q) + t2 (q q)2


Can elando y dividiendo por t, se obtiene que

0 2(q p)(q q) + t(q q)2

144

Matemti as para e onomistas III: Optimiza in y dinmi a

y ha iendo t 0 se obtiene que

0 (q p)(q q) = n(q p) + n(p q) = n(q p) n n


Pero omo n n > 0, enton es

n(q p) > 0
que era lo que queramos probar.
Y an podemos enun iar un resultado ms general:
Teorema 11.

(Otro teorema de Minkowski (1910))

Si C
es un onjunto onvexo y p est en la frontera de C 16 ,
enton es existe un hiperplano soporte de C en p; es de ir, existe un
hiperplano H tal que p H , y C est ontenido en uno de los dos
semiespa ios errados determinados por H (ver gura 24).
Rn

Demostra in.

Sea C la lausura de C . Es f il mostrar que C tambin es onvexo, y p


est en la frontera de C . Si es posible probar el teorema para C , enton es
laramente estaremos probndolo para C . Por lo tanto, podemos asumir
que C es errado. Ahora: para ada entero k > 2, en ontremos un punto
pk
/ C que est a una distan ia menor que k1 de p. Por el teorema 10
anterior, podemos en ontrar un punto qk sobre C uya distan ia a pk
sea mnima. Hagamos ahora nk = qk pk , y sea nk el ve tor unitario
(||nk || = 1) en la dire in de nk . La su esin de ve tores nk tiene un
punto lmite sobre la esfera de radio 1, digamos n , ya que la esfera es
un onjunto ompa to ( errado y a otado). Nuevamente, por el teorema
10 anterior, para todo x C y todo k,

x n k > pk n k
Y as, dividiendo a ambos lados por la norma de nk , se obtiene que para
todo k,
x nk > pk nk
16

La

frontera

de un onjunto

S , S ,

est denida omo el onjunto de puntos

que pertene en a la adheren ia de S y a la adheren ia del omplemento de S , es


, es el onjunto
de ir, S = S S C . Re ordemos tambin que la adheren ia de S , S
de lmites de su esiones de puntos de

(ver volumen II: Cl ulo).

145

Le in 2: Optimiza in estti a

Figura 24:

es el hiperplano soporte de

en

p.

Como n es un punto lmite de la su esin {nk }, y p es un punto lmite


de la su esin {pk }, se sigue, por ontinuidad de la fun in produ to
interior, que
x n > p n
y esto prueba el teorema.
Ejemplo 31.

Tomando, una vez ms, el ejemplo 5, supongamos que para x 0, y 0,


denimos
f (x, y) = xy, g(x, y) = x2 + y 2
(a) Al resolver el problema de optimiza in
Maximizar
sujeta a

f (x, y)
g(x, y) R2
x0
y0

mediante el mtodo de Kuhn-Tu ker, all en ontramos que la solu in era (x , y ) = ( R2 , R2 ). Podra el le tor ilustrar esto on una
gr a apropiada?
(b) Al bus ar una re ta de la forma A(x x ) + B(y y ) = 0 que
pasa por el punto (x , y ) y que lo separe del onjunto onvexo

{(x, y) R2+ /f (x, y) f (x , y )} = {(x, y) R2+ /xy

R2
}
2

146

Matemti as para e onomistas III: Optimiza in y dinmi a

Figura 25: Conjunto onvexo no-suave.

en ontramos que, omo (A, B) es un ve tor normal a la re ta, enton es podemos ha er

f
R
(x , y ) =
y
2

lo que nos lleva a que la e ua in de la re ta es x + y = 2R.


A=

f
R
(x , y ) =
x
2

B=

Nota 6.

El ejer i io anterior plantea el interrogante sobre el aso en el que la


frontera del onjunto onvexo no fuera suave en el punto que queremos
separar: Cmo al ularamos los respe tivos gradientes? (ver gura 25).
En estos asos, el l ulo diferen ial no nos puede ayudar a resolver el
problema de optimiza in, y es all donde los oe ientes que a ompaan
a las variables de la e ua in artesiana del hiperplano (es de ir, los
oe ientes del ve tor normal), vienen a jugar el papel de las respe tivas
derivadas par iales.

a)

Apli a iones del teorema de separa in de Minkowski

En prin ipio, y a diferen ia de los mtodos algortmi os de optimiza in


(Lagrange, Kuhn-Tu ker, simplex), el teorema de Minkowski est ms en
la tradi in del teorema de Weierstrass, en el sentido de que es un teorema de optimiza in de na des rip in teri a que no estara diseado

147

Le in 2: Optimiza in estti a

para apli a iones algortmi as on retas inmediatas. Sin embargo, es orriente utilizarlo omo poderosa herramienta para demostrar teoremas
lsi os de optimiza in que, ellos s, tienen un desarrollo algortmi o espe  o. Aqu ilustraremos lo anterior, probando el teorema del minimax
de von Neumann (ver volumen I (lgebra lineal), le in 8), y el teorema de dualidad (teorema 9 de la presente le in) para la programa in
lineal, que estudiamos previamente.
Teorema 12. (Minkowski minimax)
Para ualquier matriz Amxn , existen distribu iones de probabilidad p
Rn y q Rm tales que, en ellas, se da la igualdad

m
ax mn qApT = mn m
ax qApT
p

Demostra in.

a) Primero, notemos que para ualquier p Rn y q Rm , se tiene que

mn qApT qApT m
ax qApT
q

y, por lo tanto,

m
ax mn qApT mn m
ax qApT
p

b) Restara enton es demostrar que

mn m
ax qApT m
ax mn qApT
q

para iertos p Rn y q Rm . Para ello, sea

H = {x Rm /x = ApT para algnp Rn y ApT v1 e}


donde v1 = m
axp mnq qApT y e = (1, ..., 1) Rn . Observe que H es
onvexo y no va o, y, por el teorema de separa in de Minkowski (teorema 8), existe q Rm tal que q ApT v1 para todo p Rn . Y omo
mnq m
axp qApT m
axp q ApT , tendremos que

mn m
ax qApT v1 = m
ax mn qApT
q

que era lo que queramos mostrar.

148

Matemti as para e onomistas III: Optimiza in y dinmi a

teorema de dualidad)
Si el problema primal tiene solu in ptima nita, enton es el problema
dual tambin tiene solu in ptima nita, y los valores de ambas fun iones objetivo son iguales. Si el primal no tiene ptimo a otado, enton es
el dual no tiene solu in fa tible.
Teorema 13.

(Minkowski

Demostra in.

Primero demostremos la segunda proposi in del teorema. Para ello, supongamos que el problema dual no tiene solu in ptima nita; enton es
bT y < M para todo M > 0; pero, en tal aso, si x es fa tible en el
problema primal tendramos que cT x < M para todo M > 0, lo ual
laramente es imposible.
Ahora supongamos que el dual tiene solu in ptima nita de valor z 0 .
Denamos el onjunto

C = {(r, w) Rn+1 | r = tz bT y, w = tb AT y, y 0, t 0}
Como puede f ilmente veri ar el le tor, el onjunto C es un ono onvexo errado. Veamos que p = (1, 0)
/ C . Si w = t0 bAT y 0 = 0 on t0 > 0
0
y
y y 0 0, enton es y = 0 es fa tible en el problema dual y, por lo tanto,
t
r
0 bT y 0; es de ir, r 0. Por otro lado, si w = AT y 0 = 0
=
z
t0
on y 0 0 y bT y 0 = 1, y si y es una solu in fa tible del problema
dual, enton es y + y 0 es fa tible para todo 0 y, adems, podemos
obtener valores arbitrariamente pequeos de la fun in objetivo, lo ual
ontradi e nuestra hiptesis de que la solu in fa tible del dual es nita.
Por lo tanto, no puede existir tal y 0 , y as, p
/ C.
Dado que C es un ono onvexo y errado, y que p = (0, 1)
/ C , por el
teorema de separa in de Minkowski (teorema 10), existe un hiperplano
que separa p de C . As, existe un ve tor no-nulo (s, x) Rn+1 y una
onstante d tal que

s < d = nf {sr + xw}


(r,w)C

Como C es un ono, debe ser d 0; adems, puesto que (0, 0) C ,


tenemos que d 0. De esto on luimos que d = 0 y s < 0. Asumamos
que s = 1; enton es, por la desigualdad anterior, r + xw 0 para

149

Le in 2: Optimiza in estti a

todo (r, w) C que, de la deni in de C , impli a

(b Ax)y T tz 0 + tcT x 0
para todo y 0 y t 0. En parti ular, si t = 0, Ax b, es de ir, x
es fa tible en el primal. Si y = 0 y t = 1, enton es cT x z 0 que, por
el teorema 7, impli a cT x = z 0 ; y, a su vez, por el teorema 10, asegura
que x es un ptimo del problema primal. La demostra in re pro a es
similar y se deja al le tor omo ejer i io.

Ejer i ios 6
1. Halle, ilustrando on un dibujo ade uado, hiperplanos de soporte
para los siguientes onjuntos onvexos C y orrespondientes puntos
p en el plano:
(a) C = {(x, y) R2 | x 0, y x2 },

(b) C = {(x, y)
( ) C = {(x, y)

R2+ | y ln x, x
R2 | y ex + 1},

p = (1, 1)

1},

p = (2, ln 2)

p = (0, 2)

2. Ser que, en el teorema 11, el hiperplano de soporte es ni o?


Ilustre on un par ejemplos.
3. [Teorema de J. Farkas (1902) Pruebe, utilizando el teorema 11
de separa in de Minkowski, que si A una matriz n n dada y
b Rm , enton es una, y slo una, de las siguientes alternativas es
ierta:
(a) El sistema A x = b tiene una solu in x 0 (todas la omponentes mayores o iguales a ero).
(b) El sistema de desigualdades y T A 0 tiene una solu in y Rn
que satisfa e y b < 0.

( ) Geomtri amente, mo puede interpretarse esto desde la perspe tiva de las solu iones de un sistema de e ua iones lineales?
[Indi a in: el teorema de Minkowski se maniesta laramente
en la solu in de un problema de optimiza in de una fun in
lineal on restri iones lineales de desigualdad .

150

Matemti as para e onomistas III: Optimiza in y dinmi a

**4) Ser que el teorema de Minkowski impli a el teorema de Weierstrass?


**5) Es el teorema minimax un teorema de dualidad? Es de ir, teorema de dualidad teorema minimax ?

7. Optimiza in en orresponden ias: el teorema


del mximo
Nuestros mtodos hasta ahora estn destinados a la optimiza in de
fun iones ; es de ir, de rela iones en que a ada nmero se le asigna otro
nmero (y slo uno). Desde 1939, el grupo fran s Bourbaki desarroll el
on epto de orresponden ia ; es de ir, rela iones en las que a ada nmero se le asigna, ya no slo otro nmero, sino una ole in de nmeros.
Las situa iones reales en que esto puede su eder son mltiples, y el objetivo de esta se in es des ribir algunos resultados sobre optimiza in
bajo este tipo de estru tura. Entre ellos, quizs el resultado ms importante es el teorema del mximo, y para omprenderlo nos preparamos
ahora.
Deni in 4.

(Corresponden ia (Bourbaki (1939)))

17

Si S, T Rn , no-va os, enton es una orresponden ia de S en T es


una fun in
: S P(T )
donde P(T ) es el onjunto de partes de T (es de ir, todos los posibles
sub onjuntos de T ), y tal que, para todo s S , (s) 6= . 18
As, una orresponden ia de S en T , le asigna a ada s S un onjunto
no-va o (s) P(T ) (ver gura 26).
Las no iones de ontinuidad en fun iones de variables reales, se trasladan
a orresponden ias de la siguiente manera:
17
18

Bourbaki, Ni ols (1939),

lments de Mathmatique,

Ed. Hermann, Pars.

En o asiones, sin embargo, y si la nota in no permite onfusin, es ribiremos,

simplemente,

: S T.

151

Le in 2: Optimiza in estti a

onjunto
(s)

Figura 26: Corresponden ia

(s).

Deni in 5 (Continuidad en orresponden ias (Berge (1959))19 ).

i) Una orresponden ia : S P(T ) es semi- ontinua superiormente


en un punto s S si uando sn s y tn t on tn (sn ),
enton es t (s).
ii) Una orresponden ia : S P(T ) es semi- ontinua inferiormente
en un punto s S si sn s y t (s) impli a que existe una
su esin {tn } on tn (sn ) tal que tn t.
iii) Una orresponden ia : S P(T ) es ontinua si es semi- ontinua
superiormente e inferiormente.
Nota 7.

El le tor puede observar que si para ada s S se tiene que (s) es un solo elemento (es de ir, es una fun in), el on epto de semi- ontinuidad
superior es equivalente a la ontinuidad de la fun in .
Ejemplo 32.

(a) Sean S = T = [0, 5], y denamos


(
2
(s) =
[1, 3]
19

si x 6= 2.5
si x = 2.5

Berge, Claude (1959), Topologi al Spa es: In luding a Treatment of Multi-valued


Fun tions, Ve tor Spa es and Convexity, Dover Publi ations (1997).

152

Matemti as para e onomistas III: Optimiza in y dinmi a

(s)
4
3
2
1
2.5

5 s

Figura 27: Corresponden ia semi- ontinua superiormente

Esta orresponden ia (ver gura 27) es semi- ontinua superiormente,


dado que para toda su esin {sn } on sn [0, 5] tal que sn s
slo existe una ni a su esin {tn } tal que tn (sn ) y tn t : la
su esin {tn } = {2}, la ual onverge a t = 2, y, laramente, t (s).
Sin embargo, la orresponden ia no es semi- ontinua inferiormente,
ya que podemos tomar sn 2.5 y 3 (2.5), pero no existe una
su esin {tn } que satisfaga tn 3 tal que tn (sn ).

Cara teriza in de la semi- ontinuidad superior )

Teorema 14. (

La orresponden ia : S T es semi- ontinua superiormente sobre S


si, y slo si, su gr o
graf = {(s, t) S T | t (s)}

es errado en S T .
Demostra in.

a) Sean s S , sn s, tn t on tn (sn ); enton es (sn , tn ) (s, t).


Y, omo graf es errado, enton es (s, t) graf . Luego t (s) y,
as, es semi- ontinua superiormente.
b) Sean s S , sn s, tn t on tn (sn ). Enton es, omo es
semi- ontinua superiormente, se tendr que t (s) y, por lo tanto,
(s, t) graf ; es de ir, graf es errado.

153

Le in 2: Optimiza in estti a

onjunto
(s)

s
Figura 28: Una orresponden ia

S
(s)

on

graf

errado.

Ejemplo 33.

Sean S = [0, 10] y T = [0, 100], y denamos

(s) = [s2 , s2 + 1]
Veamos que esta orresponden ia es semi- ontinua superiormente mostrando que graf es errado.
Solu in.

Sea {(sn , tn )} una su esin en graf tal que (sn , tn ) (s, t). Veamos
que (s, t) graf . En efe to,

lm s2
n n
es de ir,

lm tn lm s2n + 1
n

s2 t s2 + 1

As que t (s) y, por lo tanto, (s, t) . Luego, graf es errado y,


por el teorema 14, es semi- ontinua superiormente. N
Ahora: dado s S , uno puede estar interesado en ara terizar los elementos (s) T que maximizan ierta fun in ontinua f : S T R;
y tambin puede estar interesado en ono er el omportamiento de la
orresponden ia de valores mximos, (s), de f () sobre (s). Una respuesta a estas dos preguntas est dada por el siguiente resultado muy
importante en el anlisis de orresponden ias:

154

Matemti as para e onomistas III: Optimiza in y dinmi a

Teorema 15.

(Teorema del mximo (Berge (1959)))

20

Con S , T Rn , si f : S T R es una fun in ontinua y : S


P(T ) es una orresponden ia ontinua en s S , enton es:
a) f : S R, denida por f (s) = max{f (s, t) | t (s)} es ontinua
en S .
b) : S P(T ), s (s) = arg max{f (s, t) | t (s)} es semi ontinua superiormente.
Demostra in.

a) Sea {sn } S tal que sn s S , y probemos que f (sn ) f (s).


i) Puesto que f (, ) es ontinua, enton es para todo t (s) jo,
se tiene que f (sn , t) f (s, t).

ii) Como : S P(T ) es semi ontinua inferiormente, enton es


para ada t (s) jo, existe una su esin tn (Sn ) tal que
tn t. Ahora: Dada la deni in de f (), existen su esiones
{n } y {m }, ambas tendiendo a 0, tales que

f (s, t) f (s) f (s, tn ) + n


Por lo tanto,

f (sn , t) f (sn ) f (sn , tn ) + n

f (sn , t) f (s, tn ) n f (sn ) f (s) f (sn , tn ) f (s, t) + n


El resultado se obtiene de i) y ii) uando ha emos n .
b) Notemos, en primer lugar, que

(s) = {t (s) / f (s, t) = f (s)}


Sea sn s on {sn } S , s T , y
n
, on
n (sn ), y probemos que
(s). En efe to, omo
n (sn ) y f (sn ,
n ) = f (sn ),

enton es, puesto que f () es ontinua, se tendr que f (sn ,


n )

f (s);
20

op. it.

155

Le in 2: Optimiza in estti a

n ) f (s,
). Por
y omo tambin f (, ) es ontinua, enton es f (sn ,

lo tanto, f (s,
) = f (s) y de aqu
(s), pues
(s) debido a
que () es semi ontinua superiormente.

Ejemplo 34.

Corroboremos el teorema del mximo en el aso en que S , T = R, (s) =


[2, 2] para todo s R, y f (s, t) = st:
a) f : R R, denida por

f (s) = m
ax{ st / t [2, 2]} = 2|s|

es ontinua en R.

b) : R R, denida por

2
(s) = arg m
ax{ st / t [2, 2]} = [2, 2]

si
si
si

s>0
s=0
s<0

es semi- ontinua superiormente.

Ejer i ios 7
1. En ada uno de los siguientes asos, determine si la orresponden ia
es semi- ontinua superior, semi- ontinua inferior o ontinua:
(a) : [0, 1] [0, 1]
s [0, s]

( ) : [2, 0] [2, 4]
s {s, s2 }
(e) : [0, 1]( [0, 1] denida por


[s, 1] si s 12 , 34
(s) =
0
en otro aso

(b) : [1, 1] [0, 1]


s (0, s2 ]

(d) : [2, 1] [0;


 1]
1
s 0,
s

[Indi a in: Un dibujo ayudara en ada aso.

156

Matemti as para e onomistas III: Optimiza in y dinmi a

2. Es riba formalmente y pruebe que si f es ontinua en el punto s y


es semi- ontinua superiormente (semi- ontinua inferiormente) en
el punto f (s) enton es = f es semi- ontinua superiormente
(semi- ontinua inferiormente).
3. Falso o verdadero:  Si : S T es semi- ontinua superiormente y C S es ompa to, enton es (C) = {t T / t
(c) para algn c C} es ompa to en T .
4. Dena si es posible apli ar el teorema del mximo en los siguientes
asos y, en aso de que sea as, llvelo a abo:
(a) : [0, 1] [0, 1] denida por (s) = [0, s], y f (s, t) = s2 t.

(b) : [0, 1]( [0, 1] denida por




[s, 1] si s 12 , 34
(s) =
0
en otro aso
1
y donde f (s, t) =
.
1+s+t

5. En uentra usted alguna rela in entre el teorema del mximo y


el teorema de la envolvente (teorema 6)?

8. Teoremas de punto jo


Los teoremas de punto jo son herramientas que estn profundamente
enraizadas en la naturaleza topolgi a y algebrai a de Rn . Estable en,
de he ho, interrela iones entre las no iones de onvexidad y ontinuidad,
y ayudan a redu ir, en ierta medida, los omportamientos no-lineales a
des rip iones lineales del problema bajo estudio.
Aunque ya en la le in 1 del volumen II (Cl ulo) habamos he ho
la primera aproxima in al on epto de punto jo y a su naturaleza
topolgi a, slo hasta ahora, que hemos reunido un a ervo su iente
de ono imientos, es posible entender a plenitud uno de los prin ipales
resultados.
Teorema 16.

(Teorema de punto jo de Brouwer (1912))

Supongamos que S es un sub onjunto no-va o, ompa to y onvexo en


Rn . Si : S S es una fun in ontinua, enton es () tiene al menos
un punto jo; es de ir, existe x es tal que (x ) = x (ver gura 29).

157

Le in 2: Optimiza in estti a

y=x

y
1
b

y = f (x)

Figura 29: Teorema de punto jo de Brouwer

Demostra in.

La dif il prueba de este teorema requiere on eptos y no iones de la


topologa algebrai a, que estn ms all de los objetivos de este texto.
Para el le tor interesado le sugerimos onsultar H. Nikaido (1968). 21
Ejemplo 35.

(Ejemplos de puntos jos)

a) Sea f : [0, 1] [0, 1] denida por f (x) = x2 . Enton es los puntos jos
se hallan resolviendo la e ua in x2 = x que nos lleva a dos puntos
jos: x = 0, x = 1.
b) Sea 2 el simplex unitario en R2 , es de ir, 2 = {(x1 , x2 ) R2+ /x1 +
x2 = 1}, (que es un onjunto no-va o, ompa to y onvexo) y denamos f : 2 2 mediante


4x1
3x2
f (x1 , x2 ) =
,
x1 + 3 x1 + 3
que es una fun in ontinua. Los puntos jos apare en al resolver la
igualdad


4x1
3x2
,
= (x1 , x2 )
x1 + 3 x1 + 3
la que nos lleva a




4x1
3x2
= x1 ,
= x2
x1 + 3
x1 + 3

21

Hukukane Nikaido (1968),

Press, New York.

Convex Stru tures and E onomi Theory,

A ademi

158

Matemti as para e onomistas III: Optimiza in y dinmi a

S
(s )

Figura 30: Teorema del punto jo de Kakutani

a (x1 )2 = x1 , x1 x2 = 0. Y as, los puntos jos son todos los puntos


de la forma (0, x2 ) para x2 [0, 1], y el punto aislado (1, 0).
El siguiente teorema lsi o de puntos jos es el teorema de Kakutani
que ahora se apli a a orresponden ias en lugar de a fun iones. Como
se ver adelante, este teorema es, de he ho, equivalente al teorema de
punto jo de Brouwer.
Teorema 17.

(Teorema de punto jo de Kakutani (1941))

Sea : S P(S), on S un sub onjunto no-va o, ompa to y onvexo


de Rn . Si es una orresponden ia semi- ontinua superiormente tal que
para todo s S , (s) es onvexo (y no-va o), enton es () tiene al
menos un punto jo, es de ir, existe s S tal que s (s ) (ver
gura 29).
Demostra in.

Como S es ompa to, dado > 0 podemos onstruir una ole in de m


bolas abiertas de radio , B (ai ), on ai S , y tales que (ver volumen
II (Cl ulo), le in 1)

m
[

i=1

B (ai )

159

Le in 2: Optimiza in estti a

Con esto, denimos la fun in : S S mediante la frmula

(x) =

m
X

wi (x) bi

i=1

donde bi (ai ) es jo, y wi (x) est dado por la frmula

m
ax{ k x ai k, 0}
wi (x) = Pm
ax{ k x aj k, 0}
j=1 m

Esta fun in satisfa e las ondi iones del teorema de punto jo de Brouwer (teorema 16), y, por lo tanto, existe un x S tal que (x ) = x .
Ahora: Como S es ompa to, podemos asumir que el onjunto de puntos jos {x } tiene una subsu esin onvergente {xn }(ver volumen II
(Cl ulo), le in 1). Sea x S su lmite uando n , y probemos
que x (x) mostrando que dist{x, (x)} = 0. Para ha erlo, denamos
el onjunto = (x) B (0) que es un onjunto abierto que ontiene
al onjunto (x), y probemos que x 2 para todo > 0 pues esto, inmediatamente, nos ondu e al objetivo requerido. En efe to: omo ()
es semi ontinua superiormente, enton es podemos en ontrar una bola
abierta B (x) tal que (B (x)) . Por lo tanto, para n grande se
tendr que si win (xn ) > 0,

kai n xk k ai n xn k + k xn x k<

+ =
2 2

As, ai n B (x) si win (xn ) > 0, y esto impli a que bi n (B (x)) .


Adems, omo
X
xn =
win (x) bi n

y es onvexo, se tendr que xn . Ha iendo n tender a innito


tendremos que
x 2
para todo , y esto naliza la prueba.

Con la demostra in del teorema 17, notamos que el teorema de Brouwer


impli a el teorema de Kakutani; y es laro que el teorema de Brouwer es
un aso espe ial del teorema de Kakutani. Por lo tanto, podemos armar
que:

160

Matemti as para e onomistas III: Optimiza in y dinmi a

Corolario 2.

Los teoremas de punto jo de Brouwer y Kakutani son equivalentes.


Ejemplo 36. (Ms ejemplos de puntos jos)

a) Sea : [0, 1] P([0, 1]) denida por (x) = [0, x2 ]. Esta orresponden ia satisfa e las ondi iones del teorema de punto jo de Kakutani (por qu es semi ontinua superiormente?). Por lo tanto, existe
x [0, 1] tal que x (x ) = [0, (x )2 ]. En efe to, x = 0 y x = 1
satisfa en esta ondi in.
x

b) Sea : [0, 1] P([0, 1]) denida por (x) = [0, e 21 ]. Esta orresponden ia tambin satisfa e las ondi iones del teorema de Kakutani
(por qu?). Para hallar los puntos jos, re urrimos a la ondi in
x
x (x ) = [0, e 21 ], y arribamos a que x = 0.
1
) Sea : [0, 1] P([0, 1]) denida por (x) = [0, 2x2 23 x3 12 x4 + 10
].
Tambin esta orresponden ia satisfa e las ondi iones del teorema de
Kakutani, y los puntos jos estn determinados mediante la igualdad

2
(x )4
1
2(x )2 (x )3
+
= x
3
2
10
es de ir, todos los puntos x de la unin de intervalos [0, 0.13][0.56, 0.91].
a)

Apli a iones de los teoremas de punto jo

Son numerosas las apli a iones de los teoremas de punto jo. Aqu slo presentamos dos, para mostrar la poten ia de estas herramientas: el
teorema del minimax y el teorema de Perron-Frobenius. En ellas ni amente sealaremos pautas de demostra in, dejando al le tor el trabajo
de ompletar los detalles.
a) Aunque el teorema minimax fue demostrado anteriormente utilizando el teorema de separa in de Minkowski (teorema 12), no debera sorprender que sea posible probarlo utilizando el teorema de punto jo de
Kakutani:
Dena K(p, q) = qApT para A = [aij ]mn , p en el smplex unitario de Rn , y q en el simplex unitario de Rm ; y luego dena las
orresponden ias

(q) = arg m
ax K(p, q),
q

(p) = arg m
ax K(p, q)
p

161

Le in 2: Optimiza in estti a

Dena la orresponden ia

f (p, q) = (q) (p)


y establez a que su dominio y su rango es n m .
Pruebe que esta orresponden ia satisfa e las hiptesis del teorema
de punto jo de Kakutani.
Por lo tanto, existen p y q tales que (p , q ) (q ) (p ). Es
de ir,
p (q ), q (p )
As, K(p, q ) al anza un mximo en p , y K(p , q) al anza un mnimo en q . Por onsiguiente, (p , q ) es un punto que satisfa e

m
ax mn qApT = mn m
ax qApT
p

b) Tambin es posible demostrar el teorema de Frobenius (1902) (o,


ms pre isamente, de Perron-Frobenius (Perron (1907))) que se haba
dis utido en la le in 7 del volumen I (lgebra lineal):
Teorema 18.

(Teorema de Perron (1907)-Frobenius (1903))

Sea A una matriz uadrada n n no-negativa (no-nula). Enton es, la


matriz A tiene algn valor propio no-negativo ( y no todos ero). Y, on el
mximo valor propio, est aso iado un ve tor propio uyas omponentes
son no-negativas (y no todas ero).
Estas son las pautas para su demostra in:
Sea L(A) = { R/ Ax x para algn x 0} y pruebe que
L(A) 6= y es a otado superiormente.
Sea (A) = sup L(A). Pruebe que (A) 0 y (A) L(A). As,
existe algn x 0 tal que Ax (A)x.
Sea = {x n / Ax (A)x} donde n es el simplex unitario
en Rn , y establez amos la fun in

f :

162

Matemti as para e onomistas III: Optimiza in y dinmi a

denida por

f (x) =

1+

donde A = [aij ], x = (xj ).

1
Pn

i,j=1 aij xj

(In + A)x

Por qu est bien denida esta fun in? [Indi a in: Pruebe que
Af (x) (A)f (x).
Pruebe que es ompa to y onvexo en Rn .
Pruebe que f () es ontinua.
Aplique el teorema de punto jo de Brouwer para garantizar la
existen ia de un x tal que f (x ) = x ; es de ir

1+
Pruebe que

Pn

i,j=1 aij xj

n
X

i,j=1

y que

(In + A)x = x

aij xj x = Ax

(A) =

n
X

aij xj

i,j=1

Ejemplo 37. 


5 4
a) La matriz
tiene omo valores propios 1 = 1, 2 = 6. As,
1 2
(A) = 6, y un ve tor propio
aso iado a este valor propio es [4, 1].

1 2 0
b) La matriz 2 2 2 tiene omo valores propios 1 = 1, 2 = 2,
0 2 3
3 = 5. As (A)
= 5, y un orrespondiente ve tor propio es [1, 2, 2].

0 1
) La matriz
tiene omo valores propios 1 = 2 = 0. As, (A) =
0 0
0, y un orrespondiente ve tor propio es [1, 0].

Le in 2: Optimiza in estti a

163

Ejer i ios 8
1. Podemos apli ar el teorema de punto jo de Kakutani en alguno de
los asos del ejer i io 1, Ejer i ios 7? Explique.
2. Podemos apli ar el teorema del mximo en alguno de los asos del
ejer i io 1, Ejer i ios 7? Espe ique.

164

Matemti as para e onomistas III: Optimiza in y dinmi a

9. Contexto e onmi o
A mediados del siglo XIX los e onomistas ompartan, en general, una
misma perspe tiva sobre la teora del valor y la distribu in. El valor
de un bushel de maz, por ejemplo, se rea que estaba determinado
por los ostos impli ados en produ ir ese bushel ; y el produ to de una
e onoma se distribua entre los diferentes grupos so iales de a uerdo on
los ostos impli ados por estos grupos en produ ir ese produ to. Esta
era, vagamente, la teora lsi a desarrollada por Adam Smith, David
Ri ardo, Thomas Robert Malthus, John Stuart Mill y Karl Marx.
Pero algunos per iban di ultades on esta aproxima in. Una de stas
era que los pre ios en el mer ado no ne esariamente reejaban el valor,
ya que las personas, a menudo, estaban dispuestas a pagar ms de lo
que un objeto vala. Las teoras lsi as que aso iaban el valor omo
una propiedad inherente de un objeto, gradualmente abrieron amino a
una perspe tiva en la ual el valor estaba aso iado on la rela in entre
el objeto y la persona que tiene el objeto. Varios e onomistas entre los
1870's y 1880's (William S. Jevons y Fran is Edgeworth en Inglaterra,
Lon Walras en Suiza e Irving Fisher en Estados Unidos) omenzaron
a basar el valor en la rela in entre ostos de produ in y elementos
subjetivos tales omo la oferta y la demanda. Enmar ado dentro de la
revolu in marginalista y el individualismo metodolgi o en e onoma
(ver volumen II, le in 3), a tal desarrollo se le denomin e onoma
neo lsi a, trmino ste a uado, al pare er, por Thorstein Veblen en su
The Pla e of S ien e in Modern Civilization and other Essays de 1919.
En este es enario, la e onoma neo lsi a se a ostumbraba a des ribir
as:
Toda e onoma se ompone de individuos de dos tipos : onsumidores y
produ tores.
a) Los onsumidores tratan de maximizar su satisfa in (utilidad ) de
onsumir bienes y servi ios, y lo ha en aumentando las ompras de
ada bien hasta que lo que ganan por una unidad adi ional de algn
bien sea equiparada on lo que tendra que entregar por obtenerla. De
forma similar, los individuos ofre en mano de obra a las rmas que
quieren emplearlos de tal modo que equiparan las ganan ias de ofre er
una unidad marginal de sus servi ios (e.d. el salario que re ibiran)

Le in 2: Optimiza in estti a

165

on la desutilidad de la mano de obra misma (posibilidades de o io).


As, los individuos eligen de a uerdo a la no in de marginalidad, y
esto produ e una teora de demanda de bienes y oferta de mano de
obra.
b) En forma similar, los produ tores intentan produ ir las unidades de
un bien de tal forma que el osto de produ ir una unidad marginal
sea equiparado al rendimiento que genera, y as se maximizan sus
bene ios. Las rmas tambin ontratan empleados de tal modo que
el osto de un ontrato adi ional sea equiparado on el valor del produ to que ese empleado adi ional produ ira.
A teoras basadas en estas hiptesis se les llama teoras neo lsi as. As,
en denitiva, para la e onoma neo lsi a, el sistema e onmi o es un
ampo de me ni a ra ional : los agentes son los tomos; la fun in objetivo es la fun in de energa ; y el objetivo es la optimiza in de la
energa. Atomi idad, fun iones objetivo y, sobre todo, optimiza in, son
las ara tersti as entrales de la teora neo lsi a. As, ligada a una ien ia exitosa, omo la Fsi a, la e onoma neo lsi a ha bus ado ha er de
la E onoma una ien ia tambin. Que lo haya logrado es un tema an
de debate.
a)

Comportamiento e onmi o ra ional sin intera iones:


algunos ejemplos

La divisin metodolgi a neo lsi a de una e onoma entre produ tores


y onsumidores ondujo, por tanto, a un anlisis detallado de ada uno
de estos se tores separadamente, y, en parti ular, de ada rma o onsumidor aisladamente ; es de ir, no existe intera in, ni entre pro esos
produ tivos, ni entre onsumidores, ni entre produ tores y onsumidores: los agentes de estos se tores e onmi os operan paramtri amente a
travs de seales del mer ado tales omo los pre ios, y no existe ninguna
intera in entre ellos que afe te sus de isiones e onmi as. Veamos esto
on ierto detalle.
i)

Comportamiento del produ tor ra ional (I): mnimos ostos

Ya sabamos (ver volumen II (Cl ulo)) que una de las formas de modelar
el omportamiento de los produ tores en teora e onmi a es por medio
del problema de mnimos ostos :

166

Matemti as para e onomistas III: Optimiza in y dinmi a

Minimizar
sujeta a

w1 x + w2 y
f (x, y) y0
x0
y0

donde w1 , w2 > 0 son los pre ios de los insumos x y y respe tivamente
(que son dados por el mer ado); y0 > 0 jo es la produ in mnima
requerida en el perodo e onmi o; y f (x, y) es una fun in de produ in
(o te nologa) que rela iona las antidades de los insumos x y y on una
antidad de produ in denida por la fun in f : R2+ R (ver gura
31).
Para asegurar la existen ia de una solu in a este tipo de problema de
produ in, slo ne esitaramos que el onjunto

S = {(x, y) R2+ / f (x, y) y0 }

fuera ompa to (ver teorema 1), ya que la fun in objetivo es lineal y, por
tanto, ontinua. Pero el onjunto S no es ompa to, y por eso re urrimos
a un tru o: Primero, denimos un onjunto S S , que s sea ompa to
y que mantenga la esen ia del problema e onmi o: Sea (x , y ) R2+
ualquiera, pero jo; el osto mnimo bus ado w1 x + w2 y debe ser
enton es menor o igual a w1 x + w2 y ; y si restringimos la aten in al
onjunto ompa to (ver gura 31)

S = {(x, y) R2+ | f (x, y) y0 , w1 x + w2 y w1 x + w2 y }

notamos que podemos utilizarlo omo onjunto ompa to para que el


problema del produ tor, ahora s, tenga solu in. Si la fun in de produ in es uasi n ava estri ta, enton es, podemos utilizar el teorema
2 de esta le in para asegurar que la solu in (x , y ) al problema del
produ tor es ni a.
De otro lado, notemos que si f (, ) es diferen iable on ontinuidad en
R2+ , el problema umple on las ondi iones del teorema 5, as que las solu iones de las ondi iones de primer orden de Kuhn-Tu ker son tambin
las solu iones del problema del produ tor. Estas ondi iones de primer
orden son:
f
f
(i)
w1
0;
w2
0;
f (x, y) y0
x
y

167

Le in 2: Optimiza in estti a

y
Costo mn.= w1 x + w2 y

f (x, y) = y0
x

x
Figura 31:

f
(ii) x w1
x

f
= 0; y w2
y

= 0; (f (x, y) y0 ) = 0

Adems, por el teorema de la envolvente (teorema 6), tenemos que, en


este ontexto, mide el ambio en los ostos ptimos uando se vara
la produ in mnima requerida; esto es, es el osto marginal.
Ejemplo 38. (Mnimos ostos on te nologa Cobb-Douglas)

Minimizar
sujeta a

w1 x + w2 y
x y y0
x0
y0

donde w1 , w2 , , > 0; y0 > 0 jo.


Solu in.

Las ondi iones de primer orden del problema del produ tor son
(i) w1 x1 y 0;

w2 x y 1 0;


(ii) x w1 x1 y = 0;

x y y0


y w2 x y 1 = 0


x y y0 = 0

168

Matemti as para e onomistas III: Optimiza in y dinmi a

x y = y0
x

Figura 32: Mnimos ostos on te nologa Cobb-Douglas.

Analizamos slo el aso x > 0, y > 0 (por qu?): Si x > 0, y > 0,


w1
w2
enton es, de (ii), = 1 = 1 6= 0, lo que impli a
x
y
x y
w2
y=
x y enton es, nuevamente de (ii),
w1

x=

w2
w2

y0+

Por onsiguiente, las demandas de fa tores y el osto marginal son

x =

y0+


1
w1 + +
y =
y0
w2


1
w1 w2 + +

=
y0
y0 w1

w2
w1

As, el produ tor produ e exa tamente y0 , y el osto mnimo de produ ir


al menos esa antidad es
" 


 # 1
w2 +
w1 +
y0+
C(w1 , w2 , y0 ) = w1
+ w2
w1
w2
A C(w1 , w2 , y0 ) se le ono e omo la fun in de ostos de la te nologa
Cobb-Douglas. Notemos que el problema del produ tor tiene solu in,

169

Le in 2: Optimiza in estti a

independientemente del tipo de rendimientos a es ala que presente la


fun in de produ in. N
Ejemplo 39. (Mnimos ostos on te nologa lineal)

En el problema de mnimos ostos


Minimizar
sujeta a

w1 x+w2 y
x + y y0
x0
y0

donde w1 , w2 , , > 0; y0 > 0 jo, las ondi iones de primer orden del
problema del produ tor son
(i)

w1 0;

w2 0;

x + y y0

(ii) x (w1 ) = 0; y (w2 ) = 0; (x + y y0 ) = 0


Analizamos tres asos:

w1
w2
a) Si x > 0, y > 0, enton es, de (ii), =
6= 0 y =
6=

w1
0, lo ual slo se umple si
( aso muy parti ular). Si se
=

w2
tiene esta ltima igualdad, enton es < 0, y de (ii) debe tenerse
x + y = y0 . Por lo tanto, ualquier ombina in de x, y que
satisfaga la restri in tambin satisfa e todas las ondi iones.
w1
y0
6= 0 y x = . Para que

w1

se umpla la ondi in (i) debe tenerse que


, y en este aso,
w2

b) Si x > 0, y = 0, enton es, de (ii), =

x =

y0
,

y = 0,

w1

w2
y0
6= 0 y y = . Para que

w1
se umpla la ondi in (i) debe tenerse que
, en uyo aso,

w2

) Si x = 0, y > 0, enton es de (ii), =

170

Matemti as para e onomistas III: Optimiza in y dinmi a

x = 0,

y =

y0
,

w2

As, la produ in ptima es y0 , y la fun in de ostos de la te nologa


lineal es
w

w1
2

y0 si

w2

C(w1 , w2 , y0 ) =

1 y0 si 1

w2
Las demandas ptimas son las orresponden ias

h y i
0

0,
x (w1 , w2 , y0 ) =

y0

y0

 y 
0

y (w1 , w2 , y0 ) =
0,

si

w1
<

w2

si

w1
=

w2

w1
>

w2

w1
si <

w2

si

si

w1

w2

si

w1
>

w2

(ver gura 33), y el osto marginal es

w
2

si

w1

w2

si

w1
>

w2

171

Le in 2: Optimiza in estti a

y0

y0

(a)

(b)
Figura 33:

Solu in gr a del problema del produ tor on te nologa lineal. En el panel
w1
w1

(a):
> w2 . En el panel (b): < w2 .

Ejemplo 40. (Mnimos ostos on te nologa CES)

En el problema de mnimos ostos


Minimizar

w1 x+w2 y
1

[x + y ] y0

sujeta a

x0
y0

donde w1 , w2 , , > 0; y0 > 0 jo, < 1, las ondi iones de


primer orden del problema del produ tor son:
(i) w1 [x + y ]

[x

w2
1
[x + y ] y0

+ y ]

x1

y 1

0;
0;



1
(ii) x w1 [x + y ] x1
= 0;


1
y w2 [x + y ] y 1
= 0;


1
[x + y ] y0 = 0

Analizamos tres asos:

172

Matemti as para e onomistas III: Optimiza in y dinmi a

1. Si x > 0, y > 0, enton es de (ii),

w1
[x + y ]

x1

w2
[x + y ]

y 1

6= 0

de lo ual resulta que

y=

w2
w1

1
1

y utilizando nuevamente (ii), obtenemos que

"

x = +

w2
w1

# 1

" 
# 1


1
w

1
y =
+
y0
w2

y0 ,

lo ual es equivalente a

1
1

1
1

1
1

1
1

1
1

w2

2. Si x > 0, y = 0, enton es de (ii), =

w1

x =
y =

w1

1
1

w2

1
1

1
1

w1

w1

w2

w2

 1

 1

y0
y0

y uyo osto es

C(w1 , w2 , y0 ) =

"

w1

1
1

1
1

# 1

y0

6= 0 y x =

y0

1 . As,

y0
w1
x = 1 , y = 0, = 1 , que umple todas las ondi iones, y

w1 y0
uyo osto es C(w1 , w2 , y0 ) =
1 .

w2
y0
3. Si x = 0, y > 0, enton es de (ii), = 1 6= 0 y y = 1 . As,

y0
w2

x = 0, y = 1 , = 1 , que umple todas las ondi iones, y

w2 y0
uyo osto es C(w1 , w2 , y0 ) =
1 .

173

Le in 2: Optimiza in estti a

y0
1/

y0
1/

y0
1/

(a)

(b)

y0
1/

( )

Figura 34:
Solu in gr a del problema del produ tor on te nologa CES. En el panel
(a):

  1

>

w1
w2 . En el panel (b):

  1

<

w1
w2 . En el panel ( ):

  1

w1
w2 .

La fun in de ostos de la te nologa CES es

  1
  1  1

w1 1
w2 1

+
y0

 1
  1
w1

w1
C(w1 , w2 , y0 ) =
y0
si

w2

  1
 1


w1
w2

y0
si


w2

si 0

>0

>0

y las demandas ptimas son


 1

1
1
1

1
1
1
1
1
1

w1

w1 +
w2
y0 ,
0

1



w1

y0
x (w1 , w2 , y0 ) =
si

>0
1

w2

 1

w1

si

>0
0
w2

174

Matemti as para e onomistas III: Optimiza in y dinmi a


 1

1
1
1

1
1
1

y0 ,
0
1 w2
1 w1 + 1 w2

 1


w1

y (w1 , w2 , y0 ) = 0
si

>0

w2

 1

w1

y0

si

>0
1
w2

ii)

Comportamiento del produ tor ra ional (II): mximos bene ios

Otro me anismo muy utilizado para modelar el omportamiento del produ tor ra ional es el supuesto de que maximiza bene ios, es de ir, se
asume que el produ tor resuelve el problema
Maximizar
sujeta a

p y w1 x w2 y

y = f (x, y)

x0
y0

donde y > 0 es el total de la produ in, p > 0 es el pre io de venta del


bien, w1 , w2 > 0 son los pre ios de los insumos utilizados en la produ in
y f (x, y) es la fun in de produ in (o te nologa). Notemos que este
problema es equivalente al problema
Maximizar
sujeta a

pf (x, y) w1 x w2 y
x0
y0

Por un tru o similar al utilizado anteriormente, podemos on entrar


nuestra aten in en un sub onjunto ompa to del onjunto restri in;
y si f (x, y) es ontinua, enton es el problema tendr solu in. Adems,
si f (x, y) es estri tamente uasi n ava, enton es, por el teorema 2, la
solu in ser ni a. Por ltimo, si suponemos que f (x, y) es diferen iable
on ontinuidad en R2+ , enton es el problema umple on las ondi iones

175

Le in 2: Optimiza in estti a

3 y
2

f (x, y)

f (x, y)

(a)

(b)

( )

Figura 35:
Solu in gr a del problema del produ tor que maximiza bene ios. En el
panel (a) la fun in de produ in dado el valor

y del

insumo

y.

En el panel

(b) las urvas isobene io. En el panel ( ) el punto ptimo, donde el ingreso
marginal es igual al osto marginal.

del teorema 5, y podemos en ontrar la solu in entre las solu iones de


f
f
w1 = 0,
w2 = 0.
las ondi iones de primer orden: p
p
x
y
Es usual analizar este problema gr amente utilizando una gura que
rela ione el nivel de produ in y y uno de los insumos x y . Para
ello, suponemos dado el nivel del otro insumo, por ejemplo y = y, y
dibujamos la fun in de produ in f (x, y) en el plano (x, y), donde
y = f (x, y) (ver gura 35.a)). As mismo, se pueden dibujar las diferentes
ombina iones de produ in y e insumo x, dado y, que obtienen el
mismo nivel de bene ios. A estas ombina iones las denominamos
urvas de isobene ios, y estn dadas por la e ua in

y =

w1
w2
+
x+
y
p
p
p

omo se muestra en la gura 35.b). Vemos que la urva de isobene io


ms alta se al anza en el punto donde sta es tangente a la fun in de
produ in; es de ir, donde

w1
f
=
p
x
que es la tradi ional ondi in de igualdad entre ingreso marginal (valor
del produ to marginal) y el osto marginal.

176

Matemti as para e onomistas III: Optimiza in y dinmi a

Ejemplo 41. (Mximos bene ios on te nologa tipo CobbDouglas)

El problema de ha er mximos los bene ios, en este aso, se puede


plantear as: Dados , , p, w1 , w2 > 0, + < 1,
Maximizar
sujeta a

pf (x, y) w1 x w2 y
f (x, y) = x y
x0
y0

Solu in.

Las ondi iones de primer orden para maximizar los bene ios on te nologa Cobb-Douglas son

px1 y = w1 ,

px y 1 = w2

de lo ual obtenemos que

w1
x
w2
Reemplazando en las ondi iones de primer orden, en ontramos las fun iones de demanda de fa tores :

 w  1  w  +1
1
1 +1
2
+1

x (p, w1 , w2 ) = p


 1

w 
1
w2 +1
1 +1
+1

y (p, w1 , w2 ) = p

y=

on fun in de oferta

f (x (p, w1 , w2 ), y (p, w1 , w2 )) = p

+
+1

y fun in de bene ios

(p, w1 , w2 ) = (1 ) p

1
+1

w 
1

w 
1

w2

w2

+1

+1

+1

+1

Por qu debemos asumir en este problema que + < 1? As, los rendimientos de la te nologa Cobb-Douglas deben ser onstantes o re ientes
a es ala. Qu su ede si + 1? N

177

Le in 2: Optimiza in estti a

Ejemplo 42. (Mximos bene ios on te nologa tipo lineal)

Dados , , p, w1 , w2 > 0,
Maximizar
sujeta a

pf (x, y) w1 x w2 y

x + y = f (x, y)
x0
y0

Solu in.

El problema de optimiza in del produ tor es equivalente a


Maximizar
sujeta a

p(x + y) w1 x w2 y
x0
y0

uya fun in objetivo es re iente en x si p > w1 , y en y si p > w2 .


As, las orresponden ias de demanda de fa tores son

si p > w1

x(p, w1 , w2 ) = [0, ) si p = w1

0
si p < w1

si p > w2

y(p, w1 , w2 ) = [0, ) si p = w2

0
si p < w2
la orresponden ia de oferta es

f (x(p, w1 , w2 ), y(p, w1 , w2 )) = [0, ]

y la orresponden ia de bene ios

(p, w1 , w2 ) = 0, ,

si p > w1 , , p > w2
si p = w1 , y , p = w2
si p < w1 , y , p < w2

es

si p > w1 , , p > w2
si p = w1 , y , p = w2
si p < w1 , y , p < w2

178

Matemti as para e onomistas III: Optimiza in y dinmi a

Ejemplo 43. (Mximos bene ios on te nologa tipo CES)

Dados , , , p, w1 , w2 > 0,
Maximizar

pf (x, y) w1 xw2 y
1

(x + y ) = f (x, y)

sujeta a

x0
y0

Solu in.

En este aso, las ondi iones de primer orden del problema del produ tor
son

p (x + y )

x1 = w1 ,

p (x + y )

y 1 = w2

de lo ual obtenemos

y=

 w 
1

1
1

w2

1
1

(*)

Dado que la fun in de produ in es homognea de grado 1 y, por lo


tanto, tiene rendimientos onstantes a es ala, la fun in de bene ios
es22
(p, w1 , w2 ) = 0
y, as, la es ala de opera in es indeterminada, de tal forma que las demandas de fa tores tambin son indeterminadas (ex epto por la rela in
entre fa tores expuesta en (*)). N

iii)

Comportamiento del onsumidor ra ional: el problema de


la mxima utilidad

Como advertimos antes en esta misma se in, al modelar el omportamiento del onsumidor nos basamos en la idea de que ste bus a su
22

Utilizamos el teorema de Euler (volumen II, le in 2), que arma que toda

fun in homognea

f (x, y)

de grado

f (x, y) =

satisfa e

f
f
x+
y
x
y

179

Le in 2: Optimiza in estti a

mxima utilidad restringido a su asigna in presupuestal, asumiendo que


el resto de la e onoma opera paramtri amente on respe to a l (o ella),
y que slo re ibe seales de pre ios omo mensajeros de informa in de
las a tividades de los otros agentes. Bajo esta visin, nuestro onsumidor
enfrenta el problema
Maximizar
sujeta a

u(x, y)
p1 x + p2 y M
x0
y0

donde p1 > 0 es el pre io por unidad del bien x; p2 > 0 es el pre io por
unidad del bien y , y ambos pre ios estn dados; M > 0 es su presupuesto;
y u(x, y) es la fun in de utilidad que rela iona el onsumo de x y y
on el nivel de satisfa in del individuo (ver gura 36). Para asegurar
la existen ia de una solu in al problema, por el teorema 1 basta que
la fun in de utilidad sea ontinua, ya que el onjunto S = {(x, y)
R2+ | p1 x + p2 y M } es ompa to. Si, adems, la fun in de utilidad
es uasi n ava estri ta, por el teorema 2 podemos asegurar que di ha
solu in es ni a, puesto que el onjunto

S = {(x, y) R2+ | p1 x + p2 y M }
es onvexo. Si la fun in de utilidad es, adems, diferen iable on ontinuidad en R2+ , enton es se umplen las ondi iones del teorema 5 y, as,
la solu in al problema estar entre las ondi iones de primer orden

u
u
+ p1 0;
+ p2 0;
p1 x + p2 y M
x
y




u
u
(ii) x
+ p1 = 0; y
+ p2 = 0; (M p1 x p2 y) = 0
x
y

(i)

Por el teorema de la envolvente (previo al teorema 6), tenemos que, en


este ontexto, mide el ambio en la utilidad (ptima) uando se vara
el presupuesto M ; esto es, es la utilidad marginal del presupuesto.

180

Matemti as para e onomistas III: Optimiza in y dinmi a

x
Figura 36: El problema del onsumidor ra ional.

Ejemplo 44. (Mxima utilidad tipo Cobb-Douglas)

x y

Maximizar
sujeta a

p1 x + p2 y M
x0
y0

donde los parmetros p1 , p2 , M, , son todos positivos.


Solu in.

Las ondi iones de primer orden del problema del onsumidor son
(i)
(ii)

x1 y + p1 0; x y 1 + p2 0; p1 x + p2 y M




x x1 y + p1 = 0;
y x y 1 + p2 = 0
(M p1 x p2 y) = 0

Analizamos ni amente el aso x > 0, y > 0 (por qu?). De esta manera,


de (ii),

x1 y
6= 0
p1

y as,

y=

=
p1
x
p2

x y 1
6= 0
p2

181

Le in 2: Optimiza in estti a

y nuevamente de (ii), obtenemos las fun iones de demanda del onsumidor

x (p1 , p2 , M ) =

M
,
p1 ( + )

y (p1 , p2 , M ) =

M
p2 ( + )

y nivel ptimo de utilidad

u(x (p1 , p2 , M ), y (p1 , p2 , M )) =


b)

M
p1 ( + )

 

M
p2 ( + )

Cara tersti as generales de las fun iones del produ tor y onsumidor ra ional sin intera iones

Las diversas fun iones estudiadas en el literal anterior, poseen iertas ara tersti as estru turales que nos permiten distinguir laramente undo
una fun in ualquiera proviene (o no) del omportamiento ra ional de
un produ tor o de un onsumidor. Veamos esto en ada uno de los asos
que hemos estudiado.
i)

Cara tersti as de la fun in bene io de un produ tor ra ional

La fun in de bene io asigna el mximo nivel de bene io de la rma


para ada nivel de pre io del produ to y los pre ios de los insumos (ver
gura 37). El primer estudio de la fun in de bene ios fue el trabajo
pionero de Harold Hotelling (1932)23 .
Teorema 19.

(Fun in de bene io (Hotelling (1932)))

Si la fun in : R3++ R, (p, w1 , w2 ), resuelve el problema de optimiza in del produ tor


Maximizar
sujeta a

pf (x, y) w1 x w2 y
x0
y0

donde p, w1 , w2 > 0, y f (, ) es una fun in de produ in ontinua


(arbitraria), enton es (, , ) satisfa e:
23

Hotelling, Harold (1932), Edgeworth's Taxation Paradox and the Nature of Demand and Supply Fun tions, Journal of Politi al E onomy.

182

Matemti as para e onomistas III: Optimiza in y dinmi a

(p, w1 , w2 )

w2

w1
Figura 37: Tpi a fun in bene io para un nivel de pre ios

dado.

a) (p, w1 , w2 ) 0 para todo p, w1 , w2 , es de ir, las rmas nun a eligen


trabajar on bene ios negativos.
b) (p, w1 , w2 ) es no de re iente en p y no re iente en w1 y w2 , es
de ir, que aumentos en el pre io del bien vendido nun a perjudi a los
bene ios de la rma, y que aumentos en los pre ios de los insumos
nun a mejoran los bene ios ptimos.
) (, , ) es homognea de grado 1 en (p, w1 , w2 ), es de ir, que aumentos propor ionales en todos los pre ios relevantes para la rma no
afe ta el nivel de bene io ptimo.
d) (p, w1 , w2 ) es onvexa en (p, w1 , w2 ).
Demostra in.

Ver ejer i io omplementario 34 al nal de esta le in.

Ejemplo 45.

Veriquemos que la fun in de bene io de la te nologa Cobb-Douglas

(p, w1 , w2 ) = (1 ) p

1
+1

w 
1

+1

umple on las propiedades del teorema anterior:

w2

+1

183

Le in 2: Optimiza in estti a

a) Aqu,

   w  +1
1
(p, w1 , w2 )
2
+1
1 w1 +1
=p
>0
p

 w  1  w  +1
1
(p, w1 , w2 )
1 +1
2
+1
= p
<0
w1

1
 w   w  +1
1
(p, w1 , w2 )
1 +1
2
+1
= p
<0
w2

b) Adems, para t > 0,


1
+1

(tp,tw1 , tw2 ) = (1 ) (tp)


= t (1 ) p

1
+1

= t (p, w1 , w2 )

w 
1

+1

 

tw1 +1 tw2 +1

 
w2 +1

) Por ltimo, es inmediato ver que la fun in es onvexa, utilizando el


teorema 4 de la le in 1.

Cara tersti as de la fun in de ostos de un produ tor


ra ional

ii)

La fun in de ostos (ver gura 38)y su anlisis se debe al famoso texto Foundations of E onomi Analysis de Paul A. Samuelson (1947)24 ;
y tambin a los trabajos de Ronald Shephard (1953). Veamos ules
ara tersti as la distinguen.
Teorema 20.

(Fun in de ostos (Samuelson (1947)))

Si la fun in C : R3++ R, C(w1 , w2 , y0 ), resuelve el problema de optimiza in del produ tor


24

Samuelson, Paul A. (1947),

versity Press, Cambridge.

Foundations of E onomi Analysis,

Cambridge Uni-

184

Matemti as para e onomistas III: Optimiza in y dinmi a

C(w1 , w2 , y0 )

w2
w1
Figura 38: Fun in de ostos para nivel de produ in

y0

dado.

Minimizar
w1 x + w2 y
sujeta a
f (x, y) y0
x0
y0

donde f (, ) es una fun in de produ in, enton es satisfa e:

a) C(w1 , w2 , y0 ) es no de re iente en w1 , w2 , y0 .

b) C(w1 , w2 , y0 ) es homognea de grado 1 en (w1 , w2 ), para y0 jo.


) C(w1 , w2 , y0 ) es n ava en (w1 , w2 ), para y0 jo.
Demostra in.

Ver ejer i io omplementario 35.


Ejemplo 46.

Veriquemos que la fun in de ostos de la te nologa lineal (ejemplo 39)


w

w1
2

y0 si <

w2

C(w1 , w2 , y0 ) =

1 y0 si 1

w2

185

Le in 2: Optimiza in estti a

satisfa e las propiedades del teorema 20 anterior:


a) Si w1 > w1 , enton es

w2

y0

C(w1 , w2 , y0 ) =

1 y0

si

w
1

w2

w
si 1

w2

= C(w1 , w2 , y0 )

w
2

y0

1 y0

si

w1

w2

si

w1

w2

Y de forma similar si w2 > w2 .


b) Adems, para t > 0,
tw
2

y0


C(tw1 , tw2 , y0 ) =

tw1 y0

si

w1

w2
=

w1
si

w2

w
2

t y0

t 1 y0

si

w1

w2

si

w1

w2

= t C(w1 , w2 , y0 )
) Sean (w1 , w2 ), (w1 , w2 ) R2++ y [0, 1]. Si se tiene que

w1
,
w2

w1

w2

enton es

C(w1 + (1 )w1 ,w2 + (1 )w2 , y0 ) =

w1 + (1 )w1
y0

w1
w
y0 + (1 ) 1 y0

= C(w1 , w2 , y0 ) + (1 )C(w1 , w2 , y0 ).
=

El aso on las desigualdades anteriores al revs es similar. Si

w1

w
1
w2

w2

186

Matemti as para e onomistas III: Optimiza in y dinmi a

enton es se tiene que

w1 + (1 )w1
,

w2 + (1 )w2

w1 + (1 )w1

w2 + (1 )w2

El primer aso impli a que

w1 + (1 )w1
y0

w1
w
w1
w
= y0 + (1 ) 1 y0 y0 + (1 ) 2 y0

= C(w1 , w2 , y0 ) + (1 )C(w1 , w2 , y0 ).

C(w1 + (1 )w1 ,w2 + (1 )w2 , y0 ) =

El otro aso es similar.


iii)

Cara tersti as de la fun in de demanda de un onsumidor ra ional

Aqu observaremos las ara tersti as que des riben una fun in de demanda uando sta proviene del omportamiento ra ional de un onsumidor (ver gura 39).
Teorema 21.

(Fun in de demanda)

Si las fun iones (x, y) : R3++ R2+ , (x(p1 , p2 , M ), y(p1 , p2 , M )), resuelven el problema de optimiza in del onsumidor
Maximizar
U (x, y)
sujeta a
p1 x + p2 y M
x0
y0

donde U (, ) es una fun in de utilidad ontinua, uasi n ava estri ta


y re iente en x y y , enton es:
a) x(p1 , p2 , M ), y(p1 , p2 , M ) son no re ientes en p1 y p2 ; y no de re ientes en M .
b) x(p1 , p2 , M ), y(p1 , p2 , M ) son homogneas de grado 0 en (p1 , p2 , M ).
) x(p1 , p2 , M ), y(p1 , p2 , M ) son n avas en M .

187

Le in 2: Optimiza in estti a

x(p1 , p2 , M )

p2

p1
Figura 39: Fun in de demanda para presupuesto

dado

d) x(p1 , p2 , M ), y(p1 , p2 , M ) son ontinuas.


Demostra in.

Ver ejer i io omplementario 36.


(Demandas de onsumidor tipo Cobb-Douglas)
Las fun iones de demanda de un onsumidor on fun in de utilidad
Cobb-Douglas son
Ejemplo 47.

x (p1 , p2 , M ) =

M
p1 ( + )

y (p1 , p2 , M ) =

M
p2 ( + )

Veamos que stas satisfa en las ondi iones del teorema anterior
a) Cal ulando las derivadas par iales on respe to a p1 , p2 y M tenemos
que

x (p1 , p2 , M )
M
= 2
<0
p1
p1 ( + )
y (p1 , p2 , M )
M
= 2
<0
p2
p2 ( + )
x (p1 , p2 , M )

=
>0
M
p1 ( + )

y (p1 , p2 , M )
=0
p1
x (p1 , p2 , M )
=0
p2
y (p1 , p2 , M )

=
>0
M
p2 ( + )

188
b)

Matemti as para e onomistas III: Optimiza in y dinmi a

x (p1 , p2 , M ) =

M
= x (p1 , p2 , M )
p1 ( + )

y (p1 , p2 , M ) =

M
= y (p1 , p2 , M )
p2 ( + )

) Ambas fun iones son lineales en M y, por lo tanto, n avas.


d) Es laro que son ontinuas en (p1 , p2 , M ) R3++ .

iv)

Cara tersti as de la fun in de utilidad indire ta de un


onsumidor ra ional

A diferen ia de la fun in de utilidad, la fun in de utilidad indire ta es


muy onveniente en la implementa in e onomtri a ya que sta depender de parmetros sus eptibles de ser medidos a travs de datos. Por
esta sola razn mere e tener un estudio parti ular.
Teorema 22.

(Fun in de utilidad indire ta)

Si la fun in v : R3++ R2+ , v(p1 , p2 , M ) = u(x(p1 , p2 , M ), y(p1 , p2 , M ))


es evaluada en las solu iones al problema de optimiza in del onsumidor
Maximizar u(x, y)
sujeta a p1 x + p2 y M
x0
y0
donde U (, ) es una fun in de utilidad ontinua, uasi n ava estri ta
y re iente en x y y , enton es satisfa e:
i) v(p1 , p2 , M ) es no re iente en p1 y en p2 ; y no de re iente en M .
ii) v(p1 , p2 , M ) es homognea de grado 0 en (p1 , p2 , M ).
iii) v(p1 , p2 , M ) es uasi onvexa en (p1 , p2 ).
iv) v(p1 , p2 , M ) es ontinua.

189

Le in 2: Optimiza in estti a

Demostra in.

Ver ejer i io omplementario 37.


Ejemplo 48.

Veriquemos que la fun in de utilidad indire ta de la fun in de utilidad


Cobb-Douglas

v(p1 , p2 , M ) =

M
p1 ( + )

 

M
p2 ( + )

satisfa e las ondi iones del teorema anterior:


i) Al derivar on respe to a p1 y p2 obtenemos:

v(p1 , p2 , M )

=
p1
p1

M
p1 ( + )

 

M
p2 ( + )

<0

v(p1 , p2 , M )
=
p2
p2

M
p1 ( + )

 

M
p2 ( + )

<0

ii) Adems,

v(p1 , p2 , M ) =

M
p1 ( + )

 

M
p2 ( + )

= v(p1 , p2 , M )

iii) La fun in de utilidad indire ta es una fun in uasi onvexa en


(p1 , p2 ) apli ando la deni in 4 de la le in 1.
iv) Esta fun in es, laramente, ontinua en R3++ .
)

Comportamiento e onmi o ra ional sin intera iones:


tradi in paretiana del modelo walrasiano

Despus del trabajo pionero de Walras (lments d onomie Politique Pure (1874)) sobre el equilibrio general e onmi o bajo ompeten ia
perfe ta, y antes del modelo-sntesis Arrow-Debreu ( Arrow y Debreu
(1954), Debreu (1959)) que estudiaremos en la prxima le in, la teora
se bifur en dos grandes es uelas:

190

Matemti as para e onomistas III: Optimiza in y dinmi a

i) La primera, ono ida omo la tradi in alemana, se dirigi, fundamentalmente, al problema matemti o de la existen ia del equilibrio general walrasiano. Esta lnea, inspirada por el modelo WalrasCassel apare ido en el texto de Gustave. Cassel de 1918 Theoretis he Sozialkomie (ver volumen I (lgebra lineal), le in 4), ontinu on los trabajos de Abraham Wald (1936) 25 , Karl S hlesinger
(1933)26 , y John von Neumann (1932) 27 (ver volumen I (lgebra
lineal), le in 6). De he ho, la primera prueba que se ono e sobre
la existen ia de un equilibrio ompetitivo, la obtuvo pre isamente
Wald (1936, 1951), aunque tambin von Neumann haba al anzado
a mostrar la existen ia de equilibrio en su modelo de re imiento de
1932.
ii) La segunda, ono ida omo la tradi in paretiana, tuvo su inspira in en el Manuel d'E onomie Politique (1906) de Pareto, quien
fuera alumno y su esor de Walras en la Es uela de Laussane (Suiza).
ste, aunque re ono a la teora pura formal (es de ir, los lments )
de Walras omo su prin ipal fuente de inspira in, una y otra vez
aseguraba que el resto del trabajo de su maestro era futil metafsi a. Este tipo de arma in de Pareto hara que se sesgara el
estudio de Walras slo a la teora pura, dejando de lado sus trabajos en e onoma polti a apli ada y so ial, que para l eran parte
integral de su obra, pero que hoy estn empezando a tener un mejor
re ono imiento.
Posteriormente John Hi ks profundizara este on epto uando armaba que si de estudiar el problema del equilibrio general planteado
por Walras se trataba, era mejor ir a Pareto o a Wi ksell que al propio Walras. De he ho, en el prlogo de Value and Capital de 1939,
Hi ks aseguraba que su propsito general era examinar la teora de
Pareto y apli ar despus esta teora del valor perfe ionada a aquellos problemas del apital que estaban fuera del al an e de Wi ksell
25

Wald, Abraham (1936),

mi s,
26

On Some Systems of Equations of Mathemati al E ono-

E onometri a (tradu in de 1951).


S hlesinger, Karl (1933),

Theory,

On the Produ tion Equations of E onomi Value


Pre ursors in Mathemati al E onomi s,

en Baumol, W. y S. Goldfeld (1968),

London S hool of E onomi s.

27

Von Neumann, John (1932),

A Model of General E onomi Equilibrium, Review

of E onomi Studies, Tradu in de 1946.

Le in 2: Optimiza in estti a

191

a ausa de la imperfe in de los instrumentos de que dispona.


Pareto y Hi ks fueron, sin duda, los pioneros de una orriente muy
inuyente en el pensamiento e onmi o del siglo XX: el estudio del
on epto de equilibrio general ompetitivo y su profunda rela in
on el problema del bienestar e onmi o. Slo que, en su propsito, no slo limitaron el pensamiento original walrasiano, sino que
apli aron y dis utieron sobre objetos de los que no tenan la seguridad de que existieran, pues, por ualquiera que sea la razn, los
problemas de existen ia del equilibrio general ompetitivo nun a estuvieron en su agenda de investiga in. Pareto (Manuel, 38), al
igual que Walras, se ontentaba on el argumento falaz de que si el
nmero de e ua iones es igual al nmero de in gnitas enton es la
existen ia de solu in estaba garantizada. Por su parte, Hi ks, impl itamente, argumentaba que la solu in debera existir basndose
en el signi ado e onmi o de las e ua iones 28 .
Esta visin paretiana-hi ksiana del trabajo original de Walras, sera
apuntalada tambin por la saga Bowley (1924) 29 , Hi ks y Allen
(1934) 30 , Lerner (1932)31 , Kaldor (1939)32 , S itovsky (1942)33 , y
los lsi os Trait d' onomie Pure de Allais (1943), Foundations of
Welfare E onomi s de Lange (1942), y el Foundations of E onomi
Analysis de Samuelson (1947) .
Una de las ventajas del sistema paretiano, es que es pedaggi amente
onveniente y su intui in gr a es muy simple a travs de tres herra28

Si el le tor onsidera que garantizar la existen ia de un objeto que umple ierta

ara tersti a, es un ejer i io importante pero sin onse uen ia alguna, lo invitamos a
onsiderar el siguiente muy sen illo ejemplo: Supongamos que existe un ni o nmero
natural que es el ms grande de todos los nmeros naturales. Enton es ese nmero

1, puesto que si otro nmero natural x > 1 fuera el ms grande, enton es, omo
x > x, ya x no sera el ms grande. Esta es una simple muestra de a qu on lusiones

es el
2

podemos llegar si omenzamos el argumento lgi o on una hiptesis que es falsa.

29

Bowley, Arthur L. (1924),

The Mathemati al Groundwork of E onomi s, Journal

of The Royal Statisti al So iety.

30

Hi ks, John y Roy Allen (1934),

E onomi a.

31

Lerner, Abba P. (1932),

tions in International Trade,


32
33

Kaldor, Ni holas (1939),


S itovsky, Tibor (1942),

E onomi Studies.

A Re onsideration of the Theory of Value,

The Diagrammati al Representation of the Cost CondiE onomi a

Welfare Propositions in E onomi s, E onomi Journal.


A Re onsideration of the Theory of Taris, Review of

192

Matemti as para e onomistas III: Optimiza in y dinmi a

mientas fundamentales: primero, las urvas de nivel (introdu idas por


Edgeworth en su Mathemati al Psy hi s de 1881); segundo, las ajas de
Edgeworth ( onfusamente vislumbradas por el mismo Edgeworth en su
obra magna de 1881, pero introdu idas en propiedad por Pareto en el
Manuel de 1906); y ter ero, las fronteras de posibilidades de produ in (introdu idas por Lerner (1932)). Y aunque on ellas se ilustran
laramente las ondi iones del equilibrio general, desafortunadamente, el
gran osto de esta aproxima in es que, en general, se apoya en fuertes
hiptesis de diferen iabilidad de las distintas fun iones empleadas.
i)

El modelo paretiano

Desde la perspe tiva a tual, el sistema paretiano podra des ribirse as:
a) Un onjunto de mer an as; es de ir,  osas valiosas e inter ambiables
(lments, 41).
b) Un mer ado de esas mer an as; es de ir, el lugar donde se ambian
las mer an as (lments, 41).
) Todos los agentes ( onsumidores y produ tores) responden a pre ios
tomados paramtri amente, es de ir, a pre ios dados por el mer ado,
justi ndose esto sobre la base de que no era posible ningn omportamiento manipulador dentro de una e onoma su ientemente
grande. Al respe to, Walras armaba que:

(...) Los mer ados mejor organizados desde el punto de


vista de la ompeten ia son aquellos en que las ventas y
las ompras se ha en mediante subasta, a travs de agentes
tales omo los agentes de ambio, orredores de omer io
o vo eadores que las entralizan, de tal forma que ningn
ambio tiene lugar sin que las ondi iones sean anun iadas
y ono idas y sin que los vendedores tengan la oportunidad
de rebajar sus pre ios y los ompradores de aumentarlos.
As fun ionan las bolsas de valores pbli os, las bolsas de
omer io, los mer ados de grano, de pes ado, et . Al lado de estos mer ados existen otros donde de la ompeten ia, aunque no tan bien organizada, fun iona todava de
una manera bastante ade uada y satisfa toria: tales son los

Le in 2: Optimiza in estti a

193

mer ados de frutas y legumbres, de volatera. Las alles de


una iudad donde se en uentran alma enes y panaderas,
arni eras, tiendas de ultramarinos, sastreras, zapateras,
onstituyen mer ados on una organiza in un po o ms
defe tuosa desde el punto de vista de la ompeten ia pero,
sin embargo, sta est presente de forma su iente. (...)
Supondremos siempre un mer ado perfe tamente organizado 34 desde el punto de vista de la ompeten ia, de igual
forma que en la me ni a pura se supone que las mquinas
se en uentran libres de rozamientos. (lments, 41)
Y, por su parte, Pareto de a:
 Si observamos la realidad, vemos que el tipo (I) [[de individuo 35 se en uentra donde hay ompeten ia entre los que
se onforman. Las personas on las uales ontratan pueden no estar en ompeten ia y no seguir en onse uen ia el
tipo (I). El tipo (I) es tanto ms neto uando la ompeten ia es ms extensa y perfe ta. Es pre isamente porque ada
da en la Bolsa de Pars hay mu has personas que ompran
y venden renta fran esa, que sera lo ura pretender modi ar las ondi iones de ese mer ado omprando o vendiendo
algunos fran os de renta. Evidentemente, si todos los que
venden (o ompran) se pusieran de a uerdo, podran efe tivamente modi ar esas ondi iones en prove ho suyo; pero
no se ono en unos a otros, y ada uno a ta por su uenta. En medio de esta onfusin, y de esta ompeten ia, ada
individuo no tiene otra osa que ha er, sino o uparse de sus
propios nego ios y bus ar mo satisfa er sus propios gustos, segn las diferentes ondi iones que pueden presentarse
en el mer ado. Todos los vendedores (o los ompradores) de
renta, modi an el pre io, pero lo modi an sin previo designio, y no es el n sino el efe to de su interven in.
(Manuel, 46, Cap. III)
34
35

Quizs de aqu proviene el trmino  ompeten ia perfe ta. (Nota del Editor).
Para Pareto, un individuo tipo (I) es aquel que ni amente bus a satisfa er sus

gustos. En su lugar, un individuo tipo (II) es el que bus a modi ar las ondi iones
del mer ado para sa ar ventaja, o para otro n ualquiera.

194

Matemti as para e onomistas III: Optimiza in y dinmi a

d) En este modelo tambin se asume que los onsumidores poseen dota iones de fa tores y desean onsumir bienes produ idos por las rmas,
que son las que organizan la produ in, demandando fa tores de los
onsumidores y ofre iendo bienes produ idos. El resto onsiste en que
los onsumidores es ojan la va de maximizar la utilidad, y los produ tores la va de maximizar el bene io (siendo esta ltima una de
las prin ipales ontribu iones de Pareto al sistema walrasiano). El
equilibrio se al anza uando se onsigue un onjunto de pre ios que
haga que en los mer ados de produ tos y de fa tores, la oferta y la
demanda se igualen.
e) Las ilustra iones gr as del sistema paretiano inevitablemente requieren redu irlo a una e onoma ompuesta por dos onsumidores,
dos produ tores, y dos fa tores (2 2 2). Es bsi amente all, donde
se desarrolla todo el modelo. En estas gr as se ilustra la situa in
en que los dos onsumidores bus an obtener satisfa in mxima por
onsumir lo que produ en las dos rmas, sabiendo que estn restringidos a un presupuesto determinado por el valor de los bienes de
apital que poseen y del trabajo que puedan ofre er. As, el apital
y el trabajo requerido para la produ in est en manos de los dos
onsumidores. Las empresas, siguiendo a Walras, son me anismos para organizar la produ in tomando los insumos de los onsumidores
y ofre indoles bienes nales. El equilibrio se al anza uando se en uentren unos pre ios que tengan la ara tersti a de ha er que las
rmas produz an exa tamente lo que los onsumidores ne esitan.
Se a ostumbra utilizar la siguiente nota in:
(a) Los onsumidores son A y B .
(b) Los fa tores son k y l (normalmente aso iados on apital (k ) y
trabajo (l ))36 .
( ) Los produ tores (rmas) son x y y . Aqu se a ostumbra a asumir
que ada rma produ e ni amente un bien mediante una fun in de
36

Sobre los fa tores de produ in, tanto Walras omo Pareto tienen otras divi-

siones metodolgi as y de razonamiento e onmi o. La presentada aqu es la ms


omnmente utilizada en la versin paretiana a tual, aunque la dis usin sobre la
onvenien ia de asumir la existen ia de una unidad bsi a de apital es un problema
an en dis usin.

195

Le in 2: Optimiza in estti a

produ in x = f x (kx , lx ) : R2+ R+ y y = f y (ky , ly ) : R2+ R+ .


(d) uA (xA , yA ) : R2+ R es la fun in de utilidad del agente A que
depende del onsumo de bienes (xA , yA ); y su dota in ini ial de
fa tores (es de ir, las antidades de fa tores (unidades de apital
y horas de trabajo) que el onsumidor A olo a a disposi in del
mer ado en el perodo bajo estudio) es wA = (kA , l A ).
(e) De manera anloga, el onsumidor B tiene su fun in de utilidad
uB (xB , yB ) : R2+ R, y su dota in ini ial wB = (k B , lB ).
Ahora:
i) La primera ondi in del sistema paretiano es la optimiza in por
parte de los onsumidores:
(a) Dados los pre ios px (del produ to x), py (del produ to y ), r
(del fa tor k) y s (del fa tor l), el onsumidor A se enfrenta al
problema
Maximizar
sujeta a

uA (xA , yA )
px xA + py yA rkA + slA
xA 0
yA 0

y, puesto que el modelo paretiano asume diferen iabilidad on


ontinuidad, monotoni idad estri ta y on avidad estri ta de
la fun in uA (, ), enton es podemos apli ar las ondi iones de
Lagrange 37 , que son, en este aso:

uA
= A px ;
xA
37

uA
= A py ;
yA

px xA + py yA = rkA + slA

Tradi ionalmente, se arma que Edgeworth (1877), en su

of Ethi s,

New and Old Methods

fue el primero en utilizar el mtodo de los multipli adores de Lagrange en

la teora e onmi a, Walras y Pareto, aunque bien dispuestos ha ia las matemti as


y advertidos por olegas de su existen ia, omitieron siempre su utiliza in, debido,
quizs, a su limitado ono imiento del l ulo diferen ial.

196

Matemti as para e onomistas III: Optimiza in y dinmi a

yA

yA

)
uA (xA , yA

xA

xA

Figura 40: El problema del onsumidor paretiano.

donde A es el multipli ador de Lagrange para el agente A. Obsrvese que, inmediatamente, se obtiene la ono ida ondi in

uA
px
xA
=
A
py
u
yA

(1)

que arma que la tasa marginal de sustitu in entre xA y yA es


px
(ver gura 40).
igual a la razn de pre ios de los bienes
py
(b) Para el onsumidor B , el problema es similar: ste se enfrenta
al problema
Maximizar
sujeta a

uB (xB , yB )
px xB + py yB rkA + slA
xB 0
yB 0

y on las mismas ondi iones sobre uB (xB , yB ) de monotoni idad y on avidad estri ta, las ondi iones de Lagrange, son, en
este aso:

uB
= B px ;
xB

uB
= B py ;
yB

px xB + py yB = rkB + slB

197

Le in 2: Optimiza in estti a

donde B es el multipli ador de Lagrange para el agente B . Y


se obtiene la respe tiva ondi in de sustitu in entre bienes en
equilibrio:
uB
px
xB
=
(2)
B
py
u
yB
( ) As, de (1) y (2),



uB
uA
xA (x ,y )
xB (x ,y )
px
A A

B B ;
=
=
py
uA
uB
yA (x ,y )
yB (x ,y )
A

(3)

es de ir, en equilibrio, las tasas marginales de sustitu in entre


los dos bienes sern las mismas para ambos agentes.
Advirtamos, de paso, que las demandas de los onsumidores, xi y
yi para i = A, B , son independientes de una multipli a in por
es alar de los pre ios, porque si stos ambian de (px , py , r, s) a
(tpx , tpy , tr, ts) para t > 0, la re ta presupuestal no se modi a para
ningn onsumidor y, por ende, las demandas de los onsumidores
no ambian. Es por esto que, en equilibrio, podemos es oger algn
pre io diferente de ero (a ste lo llaman numerario 38 ), y representar los otros pre ios en trminos de ste. As, es natural en ontrar
que, en equilibrio, las demandas se es riban en trminos de pre ios
relativos.
ii) La ter era ondi in de este tipo de e onoma es la optimiza in por
parte de los produ tores:
(i) Cada rma intenta maximizar sus bene ios sujeta a restri iones te nolgi as y de pre ios:
Para la rma que produ e x:
38

Trmino a uado por Auguste Walras, padre de Lon Walras.

198

Matemti as para e onomistas III: Optimiza in y dinmi a

Maximizar

px x rkx slx

x = f x (kx , lx )

sujeta a

kx 0
lx 0

y para la rma que produ e y :


Maximizar

py y rky sly

y = f y (ky , ly )

sujeta a

ky 0
ly 0

Nuevamente, el modelo paretiano asume diferen iabilidad on


ontinuidad, monotononi idad estri ta y on avidad estri ta
de las fun iones de produ in f x (.) y f y (.), lo que, a su
vez, impli a rendimientos de re ientes a es ala en ambas rmas. As, las ondi iones ne esarias de optimalidad para los
produ tos x y y son, respe tivamente,

r = px

f x
;
kx

s = px

f x
lx

(4)

r = py

f y
;
ky

s = py

f y
ly

(5)

de donde se obtiene la ono ida ondi in

f y
f x
ky
r
kx
= =
x
f
f y
s
lx
ly

(6)

que asegura que, en equilibrio, las tasas de las produ tividades


marginales de los fa tores son iguales a la tasa de sus respe tivos pre ios.39
39

Re ordemos que al o iente del lado izquierdo de (6) se le llama

de sustitu in t ni a.

tasa marginal

199

Le in 2: Optimiza in estti a

lx

px x rkx slx
lx

f x (kx , lx )
kx

kx

Figura 41: El problema de la rma paretiana.

iii) As, en ontrar un equilibrio walrasiano onsistir en hallar unos pre ios de mer ado px , py , r y s tales que las ondi iones

xA + xB = f x (kx , lx )

yA
+ yB
= f y (ky , ly )

kx + ky = kA + k B
lx

ly

(7)

= lA + lB

se satisfagan; es de ir, que se tengan las ono idas ondi iones walrasianas de oferta=demanda. Claramente, estos pre ios px , py , r y s y
, x , y , se al ulan utilizando las
asigna iones kx , lx , ky , ly , xA , yA
B
B
e ua iones de optimalidad (1), (2), (3), (4), (5) , (6) y (7) de arriba.

El problema general del equilibrio se es inde, en onse uen ia, en otros tres que onsisten: 1 En determinar el equilibrio
en lo que on ierne a los gustos; 2 En determinar el equilibrio en lo que on ierne a los obst ulos o en lo que on ierne a los produ tores; 3 En en ontrar un punto omn a esos
dos equilibrios, que formar un punto de equilibrio general. 
(Manuel, 90, Cap. III)

200

Matemti as para e onomistas III: Optimiza in y dinmi a

onsumidor

urva de ontrato
b

onsumidor

A
Figura 42: Caja de Edgeworth

ii)

La aja de Edgeworth: tpi a herramienta paretiana

Como dijimos antes, fue Pareto quien primero utiliz efe tivamente el
instrumento gr o ono ido omo la aja de Edgeworth para mostrar
la rela in que existe entre los equilibrios ompetitivos (o walrasianos)
y las asigna iones ptimas. Sin embargo, este formidable instrumento
tiene hoy dos versiones: una, para des ribir la interrela in entre los
dos onsumidores, y, otra, para des ribir la interrela in entre los dos
produ tores.
a) En el aso de los dos onsumidores, las dimensiones de la aja estn
determinadas por las antidades totales de las dos mer an as que
ellos ofre en en la e onoma: el lado de la aja mide f x (kx , lx ), y la
altura mide f y (ky , ly ) donde kx + ky = kA + k B y lx + ly = lA +
lB . El onsumidor A mide sus onsumos desde la esquina inferior
izquierda de la aja, y el onsumidor B mide sus onsumos desde
la esquina superior dere ha. As, un punto de la aja de Edgeworth
nos da ompleta informa in sobre la antidad de ada una de las
mer an as que demanda ada onsumidor: la antidad del bien x que
demanda el onsumidor A se mide desde la esquina inferior-izquierda
ha ia la dere ha, y la antidad del bien y se mide desde la esquina
inferior-izquierda ha ia arriba. La antidad del bien x que demanda
el onsumidor B se mide desde la esquina superior-dere ha ha ia la
izquierda, y la antidad del bien y se mide desde esa misma esquina
pero ha ia abajo. As, todo punto dentro de la aja identi a ambas
demandas por parte de los onsumidores.

201

Le in 2: Optimiza in estti a

ky
produ tor

lx
ly
frontera de posibilidades
de produ in

produ tor

kx
Figura 43:

En la gura 41, las interse iones tangen iales de las urvas de nivel
de las fun iones de utilidad de A y B , dan origen a una urva muy
importante, que en adelante llamaremos  urva de ontrato (Edgeworth (1881)) de la e onoma. Y su importan ia radi a en que estos
puntos de la urva son pre isamente aquellos pares (xA , yA ),(xB , yB )
que satisfa en la ondi in (3) de optimalidad para los onsumidores
A y B , respe tivamente.
b) En el aso de la interrela in entre los dos produ tores ,la aja de
Edgeworth tendr medidas kA + kB (lado) y lA + lB (altura). En la
gura 42 apare e una urva onformada por todas las interse iones
tangen iales de las urvas de nivel de las fun iones de produ in. A
esta urva se le llama frontera de posibilidades de produ in (Lerner
(1932)40 ) . Tambin en este aso, esta urva est onformada por
todos los pares (kx , lx ) y (ky , ly ) que satisfa en la e ua in (6) de
optimalidad en la produ in.
iii)

La ley de Walras (1874)

Notemos que en el modelo paretiano se tiene que

(px xA + py yA ) + (px xB + py yB ) = (rlA + skA ) + (rlB + skB )


y, por lo tanto,
40

(px , py ) (xA + xB , yA + yB ) = (r, s) (lA + lB , k A + kB )

op. it.

202

Matemti as para e onomistas III: Optimiza in y dinmi a

A esta igualdad, que Oskar Lange (1942) denomin ley de Walras, el propio fundador de la Es uela de Laussane le dio mu ha importan ia (lments, 206) pues la olo aba omo una de las ondi iones de equilibrio.
Ntese que esta restri in presupuestal arma que, en el agregado, la
valora in de la demanda iguala a la valora in de la oferta en trmino
de los pre ios vigentes. Y, quizs la observa in ms importante: De ella
se dedu e que si los mer ados de todas, menos una, de las mer an as
estn en equilibrio, enton es tambin lo estar el otro mer ado. Esta anota in aparentemente ino ua, tendra impli a iones profundas en teora
monetaria pues algunos reyeron que hara las ve es de vn ulo on la
enton es na iente teora keynesiana del dinero (ver Patinkin (1956) 41 ).
iv)

E onomas paretianas de inter ambio puro

Un aso parti ular muy importante del modelo paretiano son las e onomas de inter ambio puro. stas son e onomas en las que no existe
se tor produ tivo alguno (por lo tanto, la mano de obra no juega ningn
papel), y de lo que se trata es de que ada onsumidor inter ambie las
mer an as que son de su propiedad, on los otros onsumidores, dadas
sus preferen ias sobre ellas, y sus respe tivos presupuestos. Y la razn
por la ual este tipo de e onoma es fundamental en el modelo paretiano,
es que all se pueden ilustrar magn amente los prin ipales resultados
aso iados on el modelo general, mediante ajas de Edgeworth-Pareto.
Ejemplo 49. (Una e onoma de inter ambio puro)

Consideremos una e onoma de inter ambio puro (es de ir, sin se tor
produ tivo) onformada por dos mer an as x y y , y dos onsumidores
A y B donde las preferen ias estn representadas por las fun iones de
utilidad

uA (xA , yA ) = xA yA

uB (xB , yB ) = xB yB

y las dota iones de los onsumidores son

wA = (1, 2)

wB = (2, 2)

Aqu, el problema del onsumidor A sera enton es


41

Patinkin, Don (1956),

Money, Interest and Pri es,

Evanston Ill: Row, Peterson.

203

Le in 2: Optimiza in estti a

Maximizar

uA (xA , yA ) = xA yA

sujeto a

px xA + py yA = px + 2py
xA , yA 0

De las ondi iones de primer orden se obtiene que

yA
px
=
xA
py
px xA + py yA = px + 2py
Resolviendo estas dos e ua iones se obtienen las fun iones de demanda
del onsumidor A:

1 py
+
2 px
px
yA (px , py ) = 1 +
2py

xA (px , py ) =

El problema del onsumidor B es similar, y se obtienen sus fun iones de


demanda:
py
xB (px , py ) = 1 +
px
px
yB (px , py ) = 1 +
py
Las fun iones de ex eso de demanda sern, enton es,

2py
3

px
2
3px
zy (px , py ) yA (px , py ) + yB (px , py ) (wyA + wyB ) =
2
2py

zx (px , py ) xA (px , py ) + xB (px , py ) (wxA + wxB ) =

Observemos que las fun iones de demanda y de ex eso de demanda dependen ni amente de los pre ios relativos: si los pre ios se multipli aran
por un es alar positivo t, las demandas no se modi aran.
Las ltimas dos e ua iones satisfa en la orrespondiente ley de Walras ;
es de ir, para ualquier par de pre ios positivos px , py , se tiene que

3
3
px zx (px , py ) + py zy (px , py ) = 2py px + px 2py = 0
2
2

204

Matemti as para e onomistas III: Optimiza in y dinmi a

Por tanto, es su iente igualar a ero una de las fun iones de ex eso de
demanda para determinar los pre ios relativos de equilibrio. Por ejemplo,

zy (px , py ) =

3px
2=0
2py

sta impli a que la rela in de pre ios de equilibrio es

px
4
=

py
3
Reemplazando estos pre ios en las fun iones de demanda que en ontramos ms arriba, xi (px , py ), yi (px , py ) para i = A, B , llegamos a que el
ni o equilibrio walrasiano de esta e onoma ompetitiva es (tomando
omo numerario py = 1):

4
px = ,
3

py = 1,

xA =

5
,
4

yA
= ,
3

7
,
4

yB
=

7
3

yA

5/3

xB =

5/4

xA

Figura 6

Nota 8.

En general, el modelo paretiano de inter ambio puro permite las siguientes observa iones:
1. ni amente si el mer ado olo a los pre ios de equilibrio (o un
mltiplo es alar de ellos), podrn los dos onsumidores tener satisfe has sus demandas de bienes. Cualquier otro pre io los obligara
a tomar de isiones sub-ptimas.

Le in 2: Optimiza in estti a

205

2. Los pre ios de equilibrio son una onse uen ia de la riqueza y los
gustos de los agentes. Ms pre isamente, de las dota iones ini iales
y de las utilidades marginales de los agentes.
3. En general, las mer an as ms es asas tienen pre ios de equilibrio
ms altos.
4. En general, en un equilibrio walrasiano el ms ri o toma ventaja
de su posi in on respe to al menos favore ido.

 (...) la so iedad no es homognea, y los que no ierren


voluntariamente los ojos, deben re ono er que los hombres dieren mu ho los unos de los otros desde el punto
de vista fsi o, moral e intele tual.
A estas desigualdades propias del ser humano orresponden las desigualdades e onmi as y so iales, que se observan en todos los pueblos, desde los tiempos ms antiguos
hasta los tiempos ms modernos, y sobre todos los puntos del globo, de tal suerte que estando siempre presente
ese ar ter, se puede denir a la so iedad humana omo
una ole tividad jerrqui a. (Manuel, 2, Cap. VII)

v)

ptimos de Walras-Edgeworth-Pareto (1874, 1881, 1906)

Desde su primer libro sobre e onoma (L' onomie Politique et la Justi e )


publi ado en 1860, hasta su muerte en 1910, la preo upa in fundamental
de Walras fue el problema de la justi ia so ial. De he ho, su divisin entre
e onoma pura (positiva) y e onoma so ial (normativa) muestra bien
esto, y, abe notarlo, el propsito entral de sus lments fue ms el de
mostrar la posibilidad de formular un sistema e onmi o ra ionalmente
onsistente que umpliera las demandas de justi ia so ial.
En Thorie de la Propriet de 1896, Walras deni la justi ia en el inter ambio de bienes, en trminos de dos ondi iones: Primero, la total
libertad de ada individuo para bus ar su propia ventaja en el mer ado;
y segundo, la ompleta elimina in de ualquier oportunidad para que
un individuo se bene ie en el inter ambio a expensas de su ontraparte
o de ualquier otro. Sin duda, bajo esta mirada, el sistema de equilibrio
general walrasiano es profundamente moralista.

206

Matemti as para e onomistas III: Optimiza in y dinmi a

De he ho, Walras no rea que la ompeten ia perfe ta en un mer ado


fuera la mejor manera de generar la mxima suma de la satisfa in total
para la so iedad, sino que era un sistema diseado para eliminar bene io
alguno del inter ambio y de la produ in. Por ello, en equilibrio, nadie
se ha e ms ri o ni ms pobre; all, la ni a forma en que un individuo
se ha e ms ri o es mediante la forma in de apital a travs del ahorro,
y la ni a forma en que se ha e ms pobre es onsumiendo ms all de
sus ingresos: el slo inter ambio bajo ompeten ia perfe ta nun a tiene
efe tos de distribu in. Y esto no era por ondenar la natural bsqueda
de bene io en las a tividades e onmi as, sino para realizar la fun in
moral de no dar algo por nada. Pre isamente a este problema se refera
Walras uando, en lo que se ha dado en llamar el Teorema de la mxima
satisfa in so ial, armaba que

El inter ambio de dos mer an as en un mer ado regido por la


libre ompeten ia es una opera in por medio de la ual todos
los poseedores, tanto de una omo de dos mer an as, pueden
lograr la mayor satisfa in posible de sus ne esidades, on
la ondi in de entregar la mer an a que venden y re ibir la
mer an a que ompran en una propor in omn e idnti a.
42
(lments , 99)

La historia del pensamiento e onmi o no re ono e totalmente este aspe to so ial del pensamiento walrasiano, y tampo o ve en este teorema
el zumo de una ondi in de optimalidad so ial inherente al equilibrio
ompetitivo. En su lugar, y on la onrma in gr a de las ajas de
Edgeworth, han estable ido este mismo on epto alrededor de la siguiente deni in de Pareto (1906):

Diremos que los miembros de una ole tividad gozan, en ierta posi in, del mximum de ophelimite 43 , uando es imposible en ontrar un medio de alejarse muy po o de esta posi in, de tal suerte que la ophelimite de que gozan ada uno de
los individuos de esta ole tividad, aumenta o disminuye. Es
de ir que ualquier pequeo desplazamiento a partir de esta
posi in tiene ne esariamente por efe to aumentar la ophelimite de que gozan iertos individuos, y disminuir aquella
42
43

Esta propor in es la tasa marginal de sustitu in.

Ophelimite

es el trmino de Pareto para lo que hoy llamamos utilidad.

207

Le in 2: Optimiza in estti a

dela ual gozan otros; de ser agradable a unos y desagradable


a otros. (Manuel, 33, Cap.VI)
Esto se es ribe, ahora, as:
Deni in 6. (ptimo de Walras-Pareto)

Una asigna in fa tible [(xA , yA ), (xB , yB )] de una e onoma ompetitiva es un ptimo de Walras-Pareto ( ono ido omnmente omo ptimo
), (x , y )]
Pareto) si, y slo si, no existe otra asigna in fa tible [(xA , yA
B B
tal que ui (xi , yi ) ui (xi , yi ) para i = A, B , pero uj (xj , yj ) > uj (xj , yj )
para j = A j = B .
Es de ir, un ptimo de Pareto es una asigna in fa tible en la que ningn agente puede mejorar sin que el otro agente, pierda. Y una tpi a
ara teriza in marginalista de estos ptimos se en uentra en el siguiente
teorema, que, tambin hoy, es ribimos as:

(Cara teriza in de los ptimos de Pareto (Walras


(1874), Edgeworth (1881), Pareto (1906)))
Teorema 23.

Supongamos que las fun iones de utilidad


uA : R2+ R

uB : R2+ R

son uasi n avas estri tas, estri tamente re ientes en ada uno de sus
argumentos, y doblemente diferen iables on ontinuidad. Enton es, una
), (x , y )] en la aja de Edgeworth es ptima de
asigna in [(xA , yA
A A
Walras-Pareto (interior) si, y slo si, las tasas marginales de sustitu in oin iden all; es de ir, en este punto se tiene que
uB
uA
xA
xB
=
A
u
uB
yA
yB
Demostra in.

Al resolver en la aja de Edgeworth-Pareto (es de ir, on xA + xB =


+ y ) el problema que ara teriza a los
xA + xB y yA + yB = yA
B
ptimos de Walras-Pareto

208

Matemti as para e onomistas III: Optimiza in y dinmi a

Maximizar

uA (xA , yA )

sujeta a

uB (xB , yB ) = U
xA 0, xB 0

donde U es un nivel de utilidad jo para el agente B


su lagrangiano es

44

, obtenemos que

L = uA (xA , yA ) (uB (xB , yB ) U )


Y las ondi iones de primer orden nos ondu en a ondi iones su ientes
y ne esarias para el ptimo 45 :

uA
uB
=
xA
xA

uA
uB
=
yA
yB

El paso ha ia la on lusin del teorema es inmediato.


Es onveniente desta ar que las asigna iones paretianas, aunque ptimas
en un sentido muy parti ular, no son ne esariamente justas o equitativas, y esto lo veremos muy laramente en el siguiente ejemplo, en donde,
tpi amente, existen innitas de ellas, unas que favore en a un agente,
y otras que favore en al otro. Aqu se resalta ntidamente que e ien ia
y equidad tienen dos dire iones normativas no ne esariamente ompatibles.
Ejemplo 50.

Consideremos la e onoma de inter ambio puro de dos onsumidores A


y B, on fun iones de utilidad

uA (xA , yA ) = xA yA

uB (xB , yB ) = xB yB

y dota iones ini iales agregadas (3, 4).


Es ribiendo la orrespondiente ondi in de e ien ia paretiana, obtenemos que
44
45

Por qu es esto equivalente a la deni in 6 de ptimo de Walras-Pareto?


Qu teoremas de esta le in apli amos para ha er tal arma in?

209

Le in 2: Optimiza in estti a

yA

4xA
3

yA =

xA

Figura 44: Curva (re ta) de ontrato

uA
uB
yA
yB
xA
xB
=
=
=
A
B
xA
xB
u
u
yA
yB
o, lo que es equivalente,

yA =

yB
xB

xA =

4 yA
3 xA

xA

Y, de aqu, arribamos a la urva de ptimos de Walras-Pareto para esta


e onoma:

yA =

4xA
3

0 xA 3

Cabe advertirse que, adems de Walras, tambin Edgeworth (1881) se


adelant a Pareto en la no in de optimalidad que lleva su nombre:

Se requiere en ontrar un punto (xy) tal que, en ualquier dire in en la que demos un paso innitamente pequeo, P y
no aumenten a la vez, sino que uando uno aumente, el
otro disminuya. Puede demostrarse desde una diversidad de
puntos de vista que el lugar geomtri o del punto deseado es
dP d dP d

=0
dx dy
dy dx

210

Matemti as para e onomistas III: Optimiza in y dinmi a

uyo lugar geomtri o aqu proponemos denominar urva de


ontrato46 .(Mathemati al Psy hi s, Parte Segunda)
An as, dif ilmente el trmino ptimo de Pareto, podra tener una
posibilidad de ha er justi ia on Walras y Edgeworth quienes, sin ninguna duda, lo ante edieron. Por esto, en o asiones seguiremos llamando
ptimo de Walras-Pareto al tradi ional ptimo de Pareto, as omo
algunas ve es hemos llamado  aja de Pareto-Edgeworth a la ono ida
omo  aja de Edgeworth .
vi)

Los dos teoremas del bienestar

Existen dos rela iones muy importantes entre la optimalidad paretiana y


el equilibrio walrasiano. La primera formaliza, par ialmente, una reen ia largamente sostenida desde, por lo menos, el siglo XVIII de Adam
Smith, que armaba que la ompeten ia perfe ta  ondu a a un estado ptimo de la e onoma. El problema aqu era que se rea que tal
ptimo debera ontener riterios de justa distribu in de la riqueza y
del ingreso y, esa, no es una ara tersti a de los equilibrios ompetitivos. Por lo tanto, esta onexin entre equilibrio ompetitivo y ptimo se
aplaz hasta la apari in de la no in de ptimo de Pareto. sta, que
fue laramente visualizada por el mismo Walras, y expli itada por Pareto utilizando la aja de Edgeworth, asegura que, bajo las hiptesis del
modelo paretiano, el me anismo de pre ios asigna e ientemente (en el
sentido de Pareto).
Veamos este resultado en nota in a tual.

(Primer teorema de la e onoma del bienestar


(Walras (1874), Edgeworth (1881), Pareto (1906)))
Teorema 24.

Sean

ui : R2+ R

(xi , yi ) ui (xi , yi )

para i = A, B , fun iones de utilidad estri tamente re ientes. Si

x [(xA , yA
), (xB , yB
)],
46

Pareto, en su lugar, la llam

p (px , py )

lnea de los ambios (Manuel,

97, Cap. III).

211

Le in 2: Optimiza in estti a

), (x , y )] es una
es un equilibrio walrasiano, enton es x [(xA , yA
B B
asigna in ptima de Pareto.

Demostra in.

Supongamos que el equilibrio walrasiano no es ptimo de Pareto y obten ), (x , y ), (p , p )] un equilibrio


gamos una ontradi in. Sea [(xA , yA
x y
B B
walrasiano y supongamos que existe una asigna in [(xA , yA ), (xB , yB )]
en la aja de Pareto-Edgeworth tal que

uA (xA , yA ) > uA (xA , yA


)

uB (xB , yB ) uB (xB , yB
)

), (x , y )], (p , p )) es un equilibrio walraEnton es, dado que [(xA , yA


x y
B B
siano, satisfa e que

px xA + py yA > px wxA + py wyA ,

px xB + py yB > px wxB + py wyB

Sumando estas dos desigualdades se obtiene

px (xA + xB ) + py (yA + yB ) > px (wxA + wxB ) + py (wyA + wyB )


Y omo [(xA , yA ), (xB , yB )] est en la aja de Pareto-Edgeworth, enton es

px (wxA + wxB ) + py (wyA + wyB ) > px (wxA + wxB ) + py (wyA + wyB )


lo ual es una ontradi in.
Ejemplo 51.

Consideremos la e onoma de inter ambio puro del ejemplo 50, en el que


dos onsumidores, A y B, tienen fun iones de utilidad

uA (xA , yA ) = xA yA ,

uB (xB , yB ) = xB yB

y dota iones ini iales agregadas (3, 4). All en ontramos que la urva de
ptimos de Pareto para esta e onoma es

yA =

4xA
3

0 xA 3

Para ilustrar el primer teorema del bienestar, basta darnos uenta de


que la asigna in de equilibrio walrasiano (xA , yA ) = ( 54 , 53 ) est en esta
urva de ontrato.
N

212

Matemti as para e onomistas III: Optimiza in y dinmi a

El teorema anterior nos muestra la alidad normativa que tiene un equilibrio walrasiano: no es, ne esariamente, una asigna in ni equitativa ni
justa, pero satisfa e ierto riterio de e ien ia.
Pero este equilibrio no tendra la importan ia que se le ha dado, si no
fuera porque tambin apare e one tado on los problemas de la des entraliza in. El problema de asignar re ursos ptimamente mediante el
veh ulo de los pre ios, ha estado en el orazn de los estudios sobre la
des entraliza in de una e onoma. La sola hiptesis de que si los onsumidores y los produ tores resuelven sus problemas independientemente,
sin saber nada uno del otro, sino a travs del me anismo de informa in que son los pre ios, asegura una implementa in efe tiva del ptimo
previamente estable ido por las autoridades e onmi as, era y ontina
siendo, uno de los ms importantes problemas que enfrenta la e onoma
polti a. Un resultado as permita entrever la posibilidad de des entralizar las de isiones de los agentes de una e onoma entralizada a travs
de los pre ios.
El segundo teorema de la e onoma del bienestar que asegura que, bajo
ierta redistribu in de los re ursos, podemos ha er, de un ptimo de
Pareto, un equilibrio walrasiano, no pare e haber sido dete tado por
Walras, ni por Edgeworth. Quizs Pareto lo vislumbr, pero lo que s es
ierto es que nun a lo estable i on laridad:

 Para los fenmenos del tipo (I) 47 , uando el equilibrio


tiene lugar en un punto donde son tangentes las urvas de
indiferen ia de los ontratantes, los miembros de la ole tividad onsiderada gozan del mximo de ophelimite . (Manuel,
34, Cap. VI)
De he ho, al pare er las primeras ve es que se tiene registro expl ito de
este teorema es en los textos lsi os de Lange (1942)48 y Allais (1943)49 .

47
48
49

Es de ir, en ondi iones de ompeten ia perfe ta.

op. it.
op. it.

Le in 2: Optimiza in estti a

213

(Segundo teorema de la e onoma del bienestar


(Pareto(1906), Lange (1942), Allais (1943)))

Teorema 25.

Sean
ui : R2+ R

(xi , yi ) ui (xi , yi )

para i = A, B , fun iones de utilidad ontinuas, estri tamente re ien ), (x , y )] una asigna in ptima de
tes y uasi n avas. Sea [(xA , yA
B B
Pareto en la que ada agente tiene una antidad positiva de ada mer an a. Enton es existen unos pre ios px y py no-negativos tales que
), (x , y ), (p , p )] es un equilibrio walrasiano para las dota io[(xA , yA
x y
B B
, wB = x , wB = y . 50
nes ini iales wxA = xA , wyA = yA
x
y
B
B
Demostra in.

Debemos en ontrar un ve tor de pre ios no-negativos (px , py ) que soporte


la asigna in ptima de Pareto omo un equilibrio walrasiano. Sean

MA = (xA , yA ) R2+ | uA (xA , yA ) > uA (xA , yA


)


MB = (xB , yB ) R2+ | uB (xB , yB ) > uB (xB , yB


)

es de ir, MA es el onjunto de planes de onsumo que el onsumidor A


), y M es el onjunto de planes de onsumo que el
preere a (xA , yA
B
). Ya que las fun iones de utilidad son
onsumidor B preere a (xB , yB
estri tamente uasi n avas, enton es MA y MB son onjuntos onvexos.
Denamos ahora M MA + MB ; es de ir, M es el onjunto de todas
las ombina iones agregadas que pueden ser distribuidas entre los dos
onsumidores de tal forma que ambos mejoren su utilidad on respe to
a la asigna in ptima de Pareto. Observemos que M es un onjunto
onvexo, ya que es la suma de dos onjuntos onvexos.
50

Pareto, al pare er no muy laro del resultado que tena a la mano, arm sobre

esto:

Para los fenmenos (I) si existe un punto donde el sendero re orrido


por los individuos que ontratan es tangente a las urvas de indiferen ia
de esos individuos, ese es un punto de equilibrio. (Manuel, 112, Cap.

III)

214

Matemti as para e onomistas III: Optimiza in y dinmi a

+ y ). Como, por hiptesis, [(x , y ),


Sea w = (wx , wy ) = (xA + xB , yA
B
A A
)] es un ptimo de Pareto, enton es w
(xB , yB
/ M porque no existe
), (x , y )] que mejore la utilidad de amuna redistribu in de [(xA , yA
B B
bos onsumidores. Luego por el teorema de separa in de Minkowski
(teorema 10), existe (px , py ) 6= 0 tal que px x + py y px wx + py wy =
+ y ), para todo (x, y) M . Por lo tanto,
px (xA + xB ) + py (yA
B

px (x (xA + xB )) + py (y (yA
+ yB
)) 0

para todo (x, y) M .


Queremos ver que (px , py ) es un ve tor de pre ios de equilibrio:
i) Veamos primero que (px , py ) es no negativo: Sea e1 (1, 0). Ya que
las fun iones de utilidad son montonas re ientes estri tamente,
+
enton es (w + e1 ) M . As, px (1 + wx (xA + xB )) + py (wy (yA

yB )) 0, es de ir, px 0. Tomando e2 (0, 1) podemos mostrar


que tambin py 0.
ii) Veamos que, a estos pre ios, el onsumidor A maximiza su utilidad
), y el onsumidor B maximiza su utilidad en (x , y ).
en (xA , yA
B B
Es su iente ver que si ui (xi , yi ) > ui (xi , yi ), para i = A, B , enton es px xi + py yi > px xi + py yi . Veamos primero que si ui (xi , yi ) >
ui (xi , yi ), para i = A, B , enton es px xi + py yi px xi + py yi (es de ir, on desigualdad no estri ta): Si ui (xi , yi ) > ui (xi , yi ), enton es
sean

(xi , yi ) = (xi , yi );

(xj , yj ) = (xj , yj ) + (1 )(xi , yi )

donde es un nmero su ientemente pequeo. Ya que las fun iones


de utilidad de los onsumidores son montonas re ientes estri tamente y ontinuas, enton es [(xi , yi ), (xj , yj )] domina en el sentido
de Pareto a [(xi , yi ), (xj , yj )]. Por lo tanto, (xi + xj , yi + yj ) M .
As, px ((1 )xi + xj + xi ) + py ((1 )yi + yj + yi ) px (xi +
xj ) + py (yi + yj ), es de ir, px xi + py yi px xi + py yi .
iii) Debemos ver ahora que si ui (xi , yi ) > ui (xi , yi ), enton es px xi +
py yi > px xi + py yi . Ya vimos que px xi + py yi px xi + py yi y
debemos eliminar la posibilidad de la igualdad: Supongamos que
px xi + py yi = px xi + py yi para poder obtener una ontradi in.
Enton es
pxxi + py yi < px xi + py yi

215

Le in 2: Optimiza in estti a

para todo (0, 1). Ya que las fun iones de utilidad son ontinuas,
enton es existe (0, 1) tal que ui ( xi , yi ) > ui (xi , yi ); y as,
px xi + py yi px xi + py yi , lo ual impli a que px xi + py yi <
px xi + py yi , y esto es una ontradi in.
Ejemplo 52.

Para la e onoma de inter ambio puro entre los agentes A y B , donde

uA (xA , yA ) = ln xA + 2 ln yA ,

wA = (3, 4)

uB (xB , yB ) = 2 ln xB + ln yB ,

wB = (4, 3)

la urva de ontrato es

yA =

28xA
7 + 3xA

donde

0 xA 7

Si tomamos una asigna in Pareto-ptima ja ualquiera




28xA
28xA
(xA ,
), (7 xA , 7
)
donde
0 < xA 7
7 + 3xA
7 + 3xA

51

podemos ha er de ste un equilibrio walrasiano en ontrando un par de


28xA
pre ios (px , py ) tal que (xA ,
) maximi e las utilidades de A y B
7 + 3xA
sujetas a las respe tivas restri iones presupuestales

px x + py y = px xA + py (

28xA
)
7 + 3xA

para A

28xA
)
para B
7 + 3xA
que, obviamente, se van a satisfa er en el ptimo de Pareto es ogido (aqu
es donde se efe ta la anun iada redistribu in de la riqueza entre A y
B ). Es ribiendo la rela in de optimalidad tasa marginal de sustitu in
= rela in de pre ios, llegamos a que
px x + py y = px (7 xA ) + py (7

yA
px
=
2xA
py
51

Observe que ha emos

que es equivalente a
xA 6= 0

(Por qu?).

28xA
px
7 + 3xA
=
2xA
py

216

Matemti as para e onomistas III: Optimiza in y dinmi a

o, lo que es igual,

14
px
=
py
7 + 3xA
que es la rela in de pre ios de equilibrio que ilustra el segundo teorema
del bienestar. N
vii)

Equilibrio ompetitivo y nego ia in: el on epto de n leo de una e onoma

Uno de los elementos menos rebles del modelo paretiano es que slo
si los pre ios que rigen en el mer ado son los de equilibrio, tendremos
a los agentes satisfa iendo sus objetivos de manera ptima y, por tanto al anzando el ptimo (en el sentido paretiano). Sobre mo al anzar
este equilibrio si los pre ios originales son diferentes fue una de las ms
elebradas (y riti adas) de las ideas de Walras. El pro eso de ttonnement (tanteo) fue reado por el propio Walras en suslments, tratando
de mostrar mo era que se llegaba a la situa in de equilibrio slo por
movimientos de la oferta y demanda al ritmo de movimientos de los
pre ios:

Si la demanda es superior a la oferta, el pre io de di ha mer an a en trminos del numerario subir; si es la oferta la
que supera a la demanda, bajar. Qu debemos ha er para probar que la solu in teri a y la solu in del mer ado
son idnti as? Simplemente omprobar que el alza y la baja
[[de los pre ios son una forma de resolu in por ttonnement del sistema de igualdades de las ofertas y las demandas.
(lments, 125)
Esta es, en esen ia, la ono ida ley de la oferta y la demanda. Pero no es
laro que todos los dems parmetros (gustos, te nologa, et .) se puedan
suponer onstantes, mientras el sistema de pre ios ha e su trnsito ha ia
el equilibrio. Por ello, y on justa razn, el pro eso de ttonnement no
es un argumento poderoso para reer en e onomas ompetitivas onvergiendo al equilibrio. 52
52

Sobre el me anismo del

ttonnement

e onmi o de la prxima le in 3.

dis utiremos nuevamente en el  ontexto

217

Le in 2: Optimiza in estti a

Otra vertiente de este problema provino del mismo Edgeworth (1881).


Fu l quien introdujo la no in de urva de ontrato que tiene ms importan ia que la de una simple urva onformada por ptimos de Pareto.
Un sub onjunto de esta urva, despus llamada el n leo ( ore ) de la e onoma (M. Shubik (1959) 53 , omenz a ser estudiada por Edgeworth
para e onomas de inter ambio on dos mer an as y dos tipos de agentes
54
, en donde stos podan nego iar y re ontratar. Aunque de manera un
tanto onfusa, all mismo mostr un resultado extraordinariamente sorprendente e iluminador: Bajo ompeten ia perfe ta, tpi amente el n leo
se  ontrae ha ia el equilibrio ompetitivo, a medida que el nmero de
agentes (no de tipos) re e indenidamente.
Este resultado, y otros similares, abrieron un audal de pensamiento
sobre los problemas de forma in de pre ios para e onomas grandes,
ompletamente distinta a aquella de la igualdad entre oferta y demanda.
Planteaba que ierto tipo de nego ia in on posibilidades de re ontrata in permita la emergen ia de los pre ios y, por tanto, de los mer ados.
No ne esitaban asumir, a priori, la existen ia de ellos: stos surgan de
forma endgena del modelo.
Sobre esta otra aproxima in a los problemas del equilibrio general que
na e a partir de la teora de la  urva de ontrato de Edgeworth (1881),
dis utiremos un po o ms en la prxima le in 3.

viii)

Di ultades on el modelo paretiano

En la ara teriza in de sus ptimos, el modelo paretiano est profundamente enraizado en el uso de tasas marginales de sustitu in estri tamente positivas. Por lo tanto, podra reerse que tendramos problemas
on los teorema del bienestar uando las fun iones de utilidad o de produ in no sean diferen iables, o se anulen uando el agente no tiene
antidad alguna de esa mer an a. Sin embargo, veremos que esto no
es ne esariamente ierto. Ilustramos esto par ialmente en el siguiente
ejemplo.
53

Shubik, Martin J. (1959),

Edgeworth Market Games,

en Lu e y Tu ker (eds.),

Contribution to the Theory of Games IV, Prin eton University Press.

54

Mu hos agentes, pero slo de dos tipos, digamos, trabajadores y empresarios.

218

Matemti as para e onomistas III: Optimiza in y dinmi a

Ejemplo 53. (Di ultades on el modelo paretiano)

En la e onoma de inter ambio puro

uA (xA , yA ) = 3xA + 2 ln yA

wA = (2, 1)

uB (xB , yB ) = mn{xB , yB }

wA = (0, 1)

tenemos que:

a) Las fun iones de demanda respe tivas de los agente A y B son

xA =

4 py
+ ,
3 px

yA =

xB = yB =

2 px
3 py

py
px + py

Obviamente, en el l ulo de estas ltimas no podamos utilizar las


t ni as de optimiza in de Lagrange, ni tampo o rela iones de tasas marginales de sustitu in. En su lugar, tuvimos que re urrir al
siguiente argumento: Si xA > yA en el ptimo, enton es, dejando jo
yA , podemos redu ir un po o xA de tal forma que an estemos en
la misma urva de nivel de A que pasa por (xA , yA ), y esto ne esariamente ondu ira a un aumento en el nivel de utilidad de B pues
xB = 2 xA . El aso xA < yA es similar.
b) As, de la ondi in de equilibrio xA + xB = 2, tendremos que

py
4 py
+
+
=2
3 px px + py
y, de aqu, los pre ios de equilibrio emergen:

py
10 2
=
px
3
y tambin las asigna iones de equilibrio:

xA = yA
= 1.72

xB = yB
= 0.279

Note que, en equilibrio, la mer an a x es ms ostosa que la mer an a y ; y que, omo debera esperarse, ambos agentes salieron bene iados del inter ambio pues

uA (1.72, 0.279) > uA (2, 1)

uB (1.72, 0.279) > uB (0, 1)

219

Le in 2: Optimiza in estti a

) La urva de ontrato de este inter ambio es yA = xA .


d) El primer teorema del bienestar lo ilustramos notando que el equili = 1.72 = x est en la urva de ontrato.
brio ompetitivo yA
A
e) A su vez, el segundo teorema del bienestar lo ilustramos ha iendo,
para el agente A,
uA
px
xA
=
A
py
u
yA
en un punto ualquiera (xA , yA ) de la urva de ontrato, es de ir,
donde xA = yA para 0 < xA < 2. Por lo tanto, llegamos a que la
rela in de pre ios de equilibrio estar dada por

px
3
= xA

py
2
Por ejemplo, la asigna in paretiana equitativa (1, 1) tendra a
omo pre ios de equilibrio. N

px
py

3
2

Ha ia nales de la d ada de los 1940s, las de ien ias analti as del modelo paretiano abrieron un omps de posibilidades para entender, on
toda pre isin, ules podran ser las ondi iones mnimas bajo las uales
exista un equilibrio walrasiano, y en qu asos se podran tambin tener
los dos teoremas del bienestar e onmi o. Esta sntesis sera al anzada
por Koopmans (1951)55 (ver volumen I (lgebra lineal)) en el aso lineal, M kenzie (1954) 56 en un aso espe  o del omer io interna ional,
Arrow y Debreu (1954) 57 y, fundamentalmente, Debreu (1959)58 que,
en su momento, fue la ms ompa ta, oherente y sistemti a presenta in de las posibilidades y limita iones del modelo de equilibrio general
walrasiano. Sobre el modelo Arrow-Debreu dis utiremos en el ontexto
e onmi o de la le in 3.
55

Koopmans, Tjalling (1951),

York.

56

A tivity Analysis of Produ tion and Allo ation, New

M kenzie, Lionel (1954), On Equilibrium in Grahams Model of World Trade


and Other Competitive Systems, E onometri a.
57
Arrow, Kenneth y Gerard Debreu (1954), Existen e of an Equilibrium for a
Competitive E onomy, E onometri a.
58
Debreu, Gerard (1959), Theory of Value, Cowles Monographs: New Heaven.

220
d)

Matemti as para e onomistas III: Optimiza in y dinmi a

Comportamiento e onmi o ra ional on intera iones: la teora de juegos lsi a

En su ahora lsi o Re her hes sur les Prin ipes Mathmathiques de la


Thorie des Ri hesses de 1838, Cournot onstruy una teora de las rmas oligopolsti as que in lua la ompeten ia perfe ta y el monopolio
omo asos extremos. Al estudiar, en parti ular, el problema del duopolio, Cournot mostraba que la produ in ptima de una rma dependa
de la produ in de la otra, y que, al ha erlo, el administrador de ada rma asuma que la produ in de la otra permane era ja si l ambiaba
la produ in de su rma. Crti os desde las ms diversas vertientes ata aron esta hiptesis: la metodologa utilizada por Cournot en su anlisis,
no tena, en ese enton es, la su iente laridad on eptual.
El primer paso en el sentido de entender mo formalizar los problemas
de intera iones entre diferentes agentes, provino de John von Neumann
en su primera gran ontribu in a la teora de juegos. En su art ulo de
1928 59 sobre el tema, desarroll el teorema minimax para juegos de suma
ero (donde lo que obtiene un jugador, lo pierde el otro), en los que los
jugadores mueven se uen ialmente en el tiempo sin que ne esariamente
sepan ules fueron los movimientos previos de los otros jugadores. Esta
independen ia de movimientos hubiera sido dif il de modelar, sin la
no in de estrategia que von Neumann deniera, para ada jugador, omo
un plan ompleto que espe i a sus movimientos, omo onse uen ia de
la informa in al anzada hasta all. As, un jugador puede es oger su
estrategia antes de que el juego omien e, si ono emos las onse uen ias
de los otros jugadores. Esta no in de estrategia es lo que nos permite
a eptar hoy la hiptesis bsi a de Cournot de que los produ tores en
oligopolio toman sus de isiones independientemente.
Pero, ms all, von Neumann armaba que ualquier juego poda modelarse, matemti amente, on la siguiente estru tura: Un onjunto de
jugadores; un onjunto de estrategias para ada jugador; y una fun in
real de pagos para ada jugador dependiendo de las estrategias es ogidas
por los otros jugadores. Esta es la que llam la forma normal del juego.
Adems de esto, von Neumann agreg dos restri iones a su estru tura
de juego que limitaron severamente ualquier posibilidad de ha er su
59

Von Neumann, John (1928),

Annalen.

Zur Theorie der Gessellshaftspiele,

Mathematis he

Le in 2: Optimiza in estti a

221

teora la base para el estudio de intera iones generales en las ien ias
so iales y e onmi as: asumi que los pagos eran transferibles entre los
jugadores y que todos los juegos eran de suma ero (lo que ganaba un
jugador, lo perda otro), pues estas hiptesis se adaptaban bien al tipo
de solu in minimax que haba propuesto (ver volumen I, le in 8).
A pesar de esto, en la segunda edi in (1947) de Theory of Games and
E onomi Behavior, von Neumann y Oskar Morgenstern publi aran una
de las mximas ontribu iones a la teora de juegos. Re ono iendo la
ne esidad de estrategias aleatorias para poder probar la existen ia de
solu iones minimax en juegos de suma ero, von Neumann (1928)60 utiliz la tradi ional hiptesis (desde, por lo menos, el siglo XVIII de los
Bernoulli) de la toma de de isiones maximizando el valor esperado de los
pagos. Y fue la deriva in axiomti a del omportamiento de los agentes
que se omportan omo si hi ieran mxima la utilidad esperada, lo que
permitira extender sus resultados en juegos de suma ero a otro tipo de
estru turas.
A la luz de los trabajos de von Neuman y Morgenstern, el premio Nobel
en E onoma de 1994, John Nash (tambin en Prin eton), in lusive antes
de los 1950's vio, asi inmediatamente, que toda la estru tura de la teora
de juegos permita de una nueva dimensin: la de suma no- ero. En una
breve nota enviada en 1944 a los Pro eedings de la A ademia Na ional
de Cien ias de los Estados Unidos, y que fuera publi ada en 1950, Nash
daba la deni in general de equilibrio para un juego en forma normal
y probaba, on un argumento de punto jo ( omo von Neumann) que
para ualquier juego on nitos jugadores y estrategias, siempre deba
existir al menos un equilibrio en estrategias aleatorias. Posteriormente,
en 1951 (y omo resultado de su tesis do toral), Nash dio una des rip in
ms ompleta de su idea de equilibrio, e in lusive in luy una versin
del famoso juego del dilema del prisionero (Tu ker (1947)61 ). Pero, por
en ima de todo, fue all que Nash mostr que la teora de juegos era una
estru tura analti a uni ada que daba amino a toda lase de estudios
sobre oni to, nego ia in y oopera in.
Ahora entendemos que el omportamiento estratgi o de dos o ms agentes podra surgir uando los pagos que stos obtienen y, ms an, la de60
61

op. it.
Este juego surgi en una lase ordinaria de Tu ker en Stanford. No apare i en

ningn

journal,

originalmente.

222

Matemti as para e onomistas III: Optimiza in y dinmi a

isin de ada uno de ellos, depende de lo que stos esperan que sean
las de isiones de los dems. Despus de von Neumann y Morgenstern (e
inspirados en su trabajo) la teora de juegos modela esta situa in por
medio del on epto de juego en forma estratgi a (o forma normal).
Un juego en forma estratgi a est onformado bsi amente por tres
elementos:
a) Los jugadores (agentes).
b) Las estrategias disponibles.
) El pago que ada jugador re ibe por ada posible ombina in de
estrategias.
Identi ar a los jugadores y las estrategias disponibles para ada jugador
(tambin llamadas estrategias puras ) es el paso lave en la onstru in
del modelo. Para sele ionar la estru tura de pagos (o fun in de utilidad) se deben examinar ada una de las posibles ombina iones de estrategias disponibles para los jugadores, y determinar lo que re ibe ada
jugador en ada aso, asignndole ierto valor. Esta valora in numri a
se reere (dentro de la tradi in von Neumann-Morgenstern-Savage) a la
representa in numri a de un ordenamiento previo de las preferen ias
on respe to a las posibles ombina iones de estrategias en el juego.
Con base en las no iones de jugadores, espa ios de estrategias y fun iones
de pago, podemos enton es denir formalmente lo que es un juego en
forma estratgi a:
Deni in 7. (Juego nito en forma estratgi a (Borel (1921))62 ,
von Neumann (1928)))

i) Un juego nito en forma estratgi a (o normal) es una 3n-tupla

= (N, (Ci )iN , (ui )iN )


donde:
(a) N = {1, . . . , n} es el onjunto de jugadores;

62
Borel, mile (1921), La thorie du Jeux et las Equations Intgrales Noyau
Symtrique, Comptes Rendus Hebdomadaires des San es de l'A admie des S ien es,
Pars.

223

Le in 2: Optimiza in estti a

(b) Ci es el onjunto nito de estrategias puras para el jugador i N


(de all la ondi in de nitud del juego).
( ) ui : ni=1 Ci R es la fun in de pagos (utilidad) para el jugador
i N que asigna un pago (nmero real) a ada ombina in de
estrategias (c1 , . . . , cn ), donde el produ to artesiano ni=1 Ci =
C1 C2 ... Cn es el onjunto de estrategias onjuntas63 .
ii) Un juego nito en forma estratgi a = (N, (Ci )iN , (ui )iN ) es un
juego on informa in simtri a,64 o ompleta,65 si es ono imiento
omn ; es de ir, todos los jugadores ono en , ada uno sabe que
los dems ono en , ada uno sabe que los dems saben que ella
ono e , et .
La representa in ms tpi a de un juego es aquella que omprende slo dos jugadores que es ogen entre un nmero pequeo de estrategias
diferentes des ritas mediante una bimatriz. En la bimatriz, las eldas
ontienen los pagos de ada jugador para las posibles ombina iones de
estrategias.
Ejemplo 54. (El dilema del prisionero )
Uno de los juegos ms importantes de la teora de juegos lsi a es El
dilema del prisionero. El juego onsiste, en su versin estndar, en lo
siguiente: Dos sospe hosos de un delito son detenidos y ubi ados en eldas
diferentes de tal manera que no puedan omuni arse. La pena para el
delito son in o aos de prisin. La ni a forma en que las autoridades
pueden ondenar a los sospe hosos es ha iendo que al menos uno de ellos
onese. La des rip in del juego es la siguiente: si ambos sospe hosos
onesan, la senten ia ser de uatro aos de r el para ada uno. Si
ninguno de los dos onesa, la senten ia ser de tan slo un ao en la
r el para ada uno, dada la falta de pruebas para realizar una ondena.
Y si uno onesa y el otro no, el que onesa ser puesto en libertad por
63

Observemos mo la fun in de utilidad aptura la no in de intera in estra-

tgi a; es de ir, el pago que un agente re ibe al realizar su propia a in depende
tambin de las a iones de los dems.

64

Una interpreta in estndar subya ente a la deni in de un juego nito en forma

estratgi a on informa in ompleta es la de que el grupo de jugadores eligen sus


estrategias simultneamente; o se uen ialmente, pero sin que ninguno de los jugadores
sepa qu estrategia eligieron los adversarios, en el momento de ha er sus es ogen ias.

65

66

Trmino a uado por Dun an Lu e y Howard Raia (1957).

224

Matemti as para e onomistas III: Optimiza in y dinmi a

olaborar on la justi ia, mientras el otro ser senten iado a los in o


aos de prisin. El juego en su forma estratgi a es omo apare e en la
siguiente bimatriz:
Sospe hoso 2
Sospe hoso 1

C Confesar;

NC

-4,-4

0,-5

NC

-5,0

-1,-1

N C No Confesar

N
Todo juego en bimatriz es, a menos que, all mismo, se espe ique algo
distinto, un juego on informa in ompleta pero imperfe ta. La imperfe in en la informa in proviene de la hiptesis impl ita de que los
agentes toman sus de isiones, o bien simultneamente, o sin que ninguno onoz a la de isin del otro, hasta tanto ambas de isiones hayan
sido tomadas. La ompletitud en la informa in proviene de la hiptesis
de ono imiento omn del juego por parte de los jugadores.
Segn la teora de Nash, una forma on la que podemos resolver este
tipo de juegos est fundamentada en el siguiente prin ipio:

La ombina in de estrategias que los jugadores prede iblemente es ogern es aqulla en la ual ningn jugador podra
mejorar su pago es ogiendo unilateralmente una estrategia diferente, si supone que los otros siguen eligiendo la estrategia
previamente es ogida.
Este es el prin ipio del on epto-solu in que se ono e omo equilibrio
de Nash de un juego no- ooperativo, y que podemos presentar ms formalmente omo sigue:
Deni in 8. (Equilibrio de Nash (1950))

Sea = (N, (Ci )iN , (ui )iN ) un juego nito en forma estratgi a, donde
N es el onjunto de jugadores, Ci es el onjunto de estrategias puras de
ada jugador y ui () su fun in de pagos. Una ombina in de estrategias

225

Le in 2: Optimiza in estti a

puras c = (ci )iN es un equilibrio de Nash en estrategias puras para el


juego si, y slo si,
ui (ci , ci ) ui (ci , ci )
para todo ci Ci y para todo i N .
Ejemplo 55.

Resolviendo el dilema del prisionero (ejemplo 54) por equilibrios de Nash,


en ontramos que si el sospe hoso 1 ree que el sospe hoso 2 va a onfesar
(C), la mejor de isin que l puede tomar es tambin onfesar, on lo que
se quedara on un pago de 4. Si a su vez, el sospe hoso 2 ree que el
sospe hoso 1 va a elegir su estrategia onfesar, lo mejor que puede ha er
es onfesar y re ibir un pago de 4. De manera que el par de estrategias
( onfesar, onfesar ) es un equilibrio de Nash en estrategias puras del
juego y entrega a los jugadores un pago de 4 a ada uno.
Es importante desta ar aqu que en este juego es imposible al anzar, a
travs de estos prin ipios de solu in, la asigna in ooperativa resultante de la ombina in de estrategias (no onfesar (N C), no onfesar
(N C)), ya que los jugadores no tienen in entivos para mantenerse en
esta ele in. Cada uno de ellos ha e lo mejor que puede independientemente de lo que el otro jugador haga. Hara falta, en este aso, algn
me anismo externo que hi iera a los jugadores jugar ooperativamente,
ha iendo de esta ele in lo mejor para ellos. La moraleja es importante:
el on epto de equilibrio de Nash muestra que una so iedad podra, slo
a travs de in entivos individuales (es de ir, de manera inteligente pero
egosta), llegar a estados que no son ptimos so ialmente.67
Ejemplo 56.

(Juego de oordina in)

Consideremos el juego uyos pagos vienen dados por


Jugador 2
Jugador 1

67

10,10

0,0

0,0

1,1

Este es un ejemplo de mo las intera iones dire tas pueden llevar a situa iones

sub-ptimas en el sentido de Pareto, que no es lo que o urre uando los agentes, sin
intera tuar unos on otros, slo responden a seales de pre ios, omo vimos en la
se in anterior (primer teorema del bienestar).

226

Matemti as para e onomistas III: Optimiza in y dinmi a

El juego tiene dos equilibrios de Nash en estrategias puras: (D, D) e


(I, I ). Si el jugador 1 ree que el jugador 2 es oger su estrategia D ,
su mejor-respuesta a esta ele in es la estrategia D . De igual forma, si
el jugador 2 ree que el jugador 1 es oger su estrategia D , la mejorrespuesta a esta ele in es su estrategia D . Por lo tanto, (D, D) es un
equilibrio de Nash del juego que deja a ada uno de los jugadores on
un pago de 10. Ahora: si el jugador 1 ree que el jugador 2 elegir la
estrategia I , su mejor-respuesta es la estrategia I , y si el jugador 2 ree
que el jugador 1 es oger la estrategia I , su mejor-respuesta es tambin
es oger I . Enton es (I, I ) es otro equilibrio de Nash del juego que deja
a ada uno de los jugadores on un pago de 1. Obsrvese que para los
dos jugadores es mejor jugar el primer equilibrio porque los deja on un
pago ms alto.
Ejemplo 57 (

Tirar la moneda ).

Ya sabamos que en el juego tirar la moneda (mat hing pennies ), dos


agentes lanzan ada uno una moneda; si en ambas monedas apare e ara
o sello, el jugador 1 gana la moneda del otro; si dieren, es el jugador 2
el que la gana. Los pagos se ilustran en la bimatriz de la gura 45.
Jugador 2
Jugador 1

1,-1

-1,1

-1,1

1,-1

C ara
Figura 45: Juego de

S sello

tirar la moneda

Para intentar solu ionar este juego, tomemos, por ejemplo, el par de
estrategias (C, C); dado que el jugador 2 ree que el jugador 1 es oger
su estrategia C , lo mejor que ella puede ha er es es oger su estrategia S ,
lo que muestra que (C, C) no puede ser un equilibrio de Nash. De forma
similar, el par de estrategias (C, S) tampo o puede ser un equilibrio de
Nash ya que si el jugador 1 espera que 2 juegue S , lo mejor que ste puede
ha er es desviarse y jugar S . Por un argumento similar, se puede mostrar

227

Le in 2: Optimiza in estti a

que en las dems ombina iones de estrategias puras tambin existen


in entivos para desviarse unilateralmente por parte de algn jugador.
Esto indi a que no existe un equilibrio de Nash en estrategias puras para
este juego.
Sin embargo, omo nos lo ensearon von Neumann y Morgenstern, s
existe un equilibrio de otro tipo, ono ido omo equilibrio en estrategias
mixtas, en el que ada jugador adopta una estrategia asignndole ierta
probabilidad a ada una de las estrategias puras de los dems jugadores;
es de ir, ada jugador asume iertas probabilidades sobre las estrategias
puras que los otros jugadores es ogern.
Deni in 9. (Estrategia mixta)

i) En un juego nito en forma estratgi a = (N, (Ci )iN , (ui )iN ),


una estrategia mixta del jugador i es una distribu in de probabilidad sobre el onjunto de estrategias puras Ci . Al onjunto de
todas las estrategias mixtas del jugador i lo denotamos por i . Para i i y ci Ci , i (ci ) es la probabilidad que la distribu in
i le asigna a la estrategia ci . El soporte de una estrategia mixta
i es el onjunto de estrategias puras a las uales i le asigna una
probabilidad estri tamente positiva.
ii) Una estrategia mixta del juego es una ombina in de distribu iones
= (1 , 2 , . . . , n )
donde i i para todo i; es de ir,

n
Y

i=1

De a uerdo on la deni in anterior, es laro que el onjunto de las


estrategias mixtas ontiene al de las estrategias puras. En este aso,
ada i le asigna probabilidad 1 a ierta estrategia pura y probabilidad
0 a las dems estrategias.
Ejemplo 58. (Estrategias mixtas de

tirar la moneda )

En el juego de tirar la moneda, una estrategia mixta para el jugador 1 se

228

Matemti as para e onomistas III: Optimiza in y dinmi a

puede des ribir omo la asigna in de una probabilidad (p) a su estrategia C , y de una probabilidad (1 p) a su estrategia S . Esta estrategia
mixta para el jugador 1 se a ostumbra es ribir

p [C] + (1 p) [S]
Notemos que si p es igual a 1 se tiene la estrategia pura en la que se
juega C on erteza (gura 46). De forma similar, para el jugador 2
una estrategia mixta puede des ribirse ( omo se muestra en la gura 46)
omo la asigna in de probabilidades (q) y (1 q) para las estrategias C
y S respe tivamente. Se a ostumbra es ribir esta estrategia omo

q[C] + (1 q)[S]
Jugador 2
(q)

(1-q)

1, 1

1, 1

1, 1

1, 1

Jugador 1
(p)

(1-p)

Figura 46: Juego de

Tirar la Moneda

Deni in 10. (Utilidad esperada)

Sea = (N, (Ci )iN , (ui )iN ) un juego nito en forma estratgi a. Dado
un perl de distribu iones

= (1 , ..., n )

n
Y

i=1

la utilidad esperada del jugador i aso iada a este perl orresponde a la


siguiente expresin:

n
X Y

ui ()
j (cj )ui (c)
cC

j=1

229

Le in 2: Optimiza in estti a

De esta forma, la utilidad esperada de un jugador tiene la misma naturaleza que un valor esperado (matemti o); es de ir, orresponde a
una suma ponderada de todas las utilidades que puede al anzar el jugador, donde la pondera in de ada una de stas es la probabilidad de
o urren ia del resultado que genera tales pagos.
Ejemplo 59. (Utilidades esperadas de

tirar la moneda )

Consideremos el juego de tirar la moneda, tal omo se estable e en la


gura 45. En este juego, las utilidades esperadas de los jugadores 1 y 2
para ada una de sus estrategias son:

UE1 (C) = 2q 1, UE1 (S) = 1 2q, UE2 (C) = 1 2p, UE2 (S) = 2p 1.
Con esto, las utilidades esperadas por parti ipar en el juego son:

UE1 = 2p(2q 1) 2q + 1

UE2 = 2q(1 2p) + 2p 1

Deni in 11. (Equilibrio de Nash mixto)

En un juego nito en forma estratgi a Q


= (N, (Ci )iN , (ui )iN ), el
perl de estrategias mixtas = (i )iN ni=1 i es un equilibrio de
Nash si, para ada i N , la estrategia mixta i del jugador i es una
mejor-respuesta a las estrategias mixtas de los dems jugadores. Esto es,
es un equilibrio de Nash en estrategias mixtas para el juego si, y
slo si,

ui (i , i
) ui (i , i
) i i . i N
donde

(i , i
) = (1 , 2 , . . . , i1
, i , i+1
, . . . , n )

Como hemos visto, una estrategia mixta es una distribu in de probabilidad sobre las estrategias puras de un jugador. De esta forma, un
equilibrio de Nash en estrategias mixtas orresponde a una situa in en
la que al menos uno de los jugadores no se ve bene iado por desviarse
unilateralmente a jugar una estrategia pura u otra estrategia mixta.
Cuando un jugador sigue una estrategia mixta en un equilibrio de Nash,
debe ser indiferente entre las estrategias puras a las uales les asigna
probabilidad positiva: si no lo fuera, enton es aquella estrategia pura
que obtiene mayor utilidad esperada dominara a la estrategia mixta. El
siguiente teorema ilustra esta idea y nos permite, efe tivamente, al ular
equilibrios de Nash mixtos.

230

Matemti as para e onomistas III: Optimiza in y dinmi a

Teorema 26.

Si un jugador utiliza una estrategia mixta no degenerada (es de ir, que


asigna una probabilidad positiva a ms de una estrategia pura) en un equilibrio de Nash mixto, enton es es indiferente entre todas las estrategias
puras a las uales les ha asignado probabilidad positiva. La arma in
re pro a no es ierta.
Demostra in.

Ver Monsalve y Arvalo (eds.) (2005)


Ejemplo 60. (El

68

juego de oordina in, otra vez )

Consideremos, nuevamente, el juego de oordina in del ejemplo 56 que


otra vez presentamos en la gura 47, y en ontremos su equilibrio de Nash
mixto.
(q)

(1-q)

(p)

10,10

0,0

(1-p)

0,0

1,1

D Dere ha, I Izquierda


Figura 47: El

Juego de oordina in

Solu in.

Para omenzar, en ontremos las utilidades esperadas de ada uno de los


jugadores para ada una de sus estrategias. Si el jugador 1 ree que el
jugador 2 va a jugar su estrategia pura Dere ha (D) on probabilidad q
e Izquierda (I) on probabilidad 1 q , sus pagos esperados por jugar sus
estrategias Dere ha e Izquierda son, respe tivamente,

UE1 (D) = 10q + 0(1 q) = 10q

UE1 (I) = 0q + 1(1 q) = 1 q

De forma anloga, si el jugador 2 ree que el jugador 1 va a jugar su


estrategia Dere ha on una probabilidad p, y su estrategia Izquierda on
68

Monsalve, Sergio y Julin Arvalo (2005),

Universidad Externado de Colombia.

Un Curso de Teora de Juegos Clsi a,

231

Le in 2: Optimiza in estti a

una probabilidad 1 p, sus pagos esperados por jugar las estrategias


Dere ha e Izquierda, respe tivamente, son:

UE2 (D) = 10p + 0(1 p) = 10p

UE2 (I) = 0p + 1(1 p) = 1 p

Como se estable e en el teorema 26, ada jugador es oger la probabilidad on la que juega ada una de sus estrategias puras de tal forma que
su oponente sea indiferente al momento de elegir entre stas; es de ir,
la utilidad esperada de ada una de sus estrategias puras debe ser igual
para ada jugador. As, tenemos que

Jugador
10q = 1 q

q = 1/11

Jugador

10p = 1 p
p = 1/11

De esta forma, la solu in del juego indi a que ada uno de los jugadores
es oger su estrategia Dere ha on probabilidad 1/11 y su estrategia
Izquierda on probabilidad 10/11. El equilibrio de Nash en estrategias
mixtas es

= (1 , 2 ) = [(1/11, 10/11) , (1/11, 10/11)]


el ual ofre e a los jugadores pagos esperados, en equilibrio, de (0.9, 0.9),
que es inferior al pago en los equilibrios de Nash en estrategias puras
(10,10) y (1,1). Ntese, sin embargo, que una vez han sido elegidas las
probabilidades on las que ada uno de los jugadores elige ada posible
a in, ada uno de ellos es indiferente entre jugar su estrategia mixta, y
jugar una estrategia pura; esto es, los valores esperados de sus utilidades
son siempre 0.9 .
Estos resultados tienen un sentido profundo: Los dos equilibrios puros
los per ibimos en la vida otidiana de la alle uando notamos que todos
manejan por la dere ha y todos manejan por la izquierda son equilibrios que vemos, entre otros lugares, en la Europa ontinental y en Gran
Bretaa, respe tivamente. Son a uerdos t itamente en ontrados, es de ir, onven iones al anzadas a travs del tiempo. An as el equilibrio
a ve es por la dere ha, y a ve es por la izquierda no tiene un referente

232

Matemti as para e onomistas III: Optimiza in y dinmi a

laro en la realidad, y esto se desta ar uando veamos, en el  ontexto


e onmi o de la le in 3, que las so iedades van ex luyndolo evolutivamente omo posibilidad de a uerdo, a medida que trans urre el
tiempo. N
Ejemplo 61. (

Tirar la moneda, otra vez)

En el ejemplo 59 habamos visto que las utilidades esperadas de los jugadores en el juego de tirar la moneda vienen dadas por las siguientes
expresiones:

UE1 (C) = 2q 1,

UE2 (C) = 1 2p,

UE1 (S) = 1 2q

UE2 (S) = 2p 1

De a uerdo al teorema 26, se tiene que UE1 (C) = UE1 (S) y que UE2 (C) =
1
1
UE2 (S) y, por tanto p = y q = . As, el equilibrio de Nash mixto de
2
2
este juego es [(1/2, 1/2) , (1/2, 1/2)], y los pagos esperados, en equilibrio,
son de ero para ada jugador.
Este resultado permite entender un po o mejor el signi ado del on epto de equilibrio de Nash: [(1/2, 1/2) , (1/2, 1/2)] podra interpretarse,
no omo que esta estrategia vaya a ser realmente jugada, sino omo una
amenaza de jugar, on igual probabilidad, ualquiera de las dos estrategias: No slo jugar efe tivamente una estrategia, sino amenazar on
jugarla, es el omportamiento que da mejores pagos dadas las amenazas
del otro jugador 69 . N
El siguiente es uno de los resultados entrales de la teora de juegos lsi a. De he ho, las t ni as utilizadas por Nash en este teorema inspiraron
a K. Arrow y G. Debreu para al anzar la orrespondiente demostra in
de la existen ia de un equilibrio ompetitivo bajo ondi iones muy generales.
Teorema 27.

(1950))

(Teorema de existen ia de equilibrios de Nash

Todo juego nito en forma estratgi a tiene al menos un equilibrio de


Nash (en estrategias puras o mixtas).
69

Un arquero de ftbol, al momento de ser pateado un penalti, sabe muy bien

lo que debe ha er: para l, la mejor estrategia es


probabilidad, a un lado o al otro.

amenazar

on jugar, on igual

233

Le in 2: Optimiza in estti a

Demostra in.

Sea Q= (N, (Ci )iN , (ui )iN ) un juego nito en forma estratgi a, y sea
= ni=1 i . Enton es probemos los siguientes puntos:
1. es onvexo: Sean = (i ), = (i ) ; es laro que para
[0, 1], se tiene que + (1 ) = (i + (1 )i ). Aqu
Ci
, donde pcj es la probabilidad
podemos asumir que i = pcj j=1
P i
aso iada a la estrategia pura cj on C
j=1 pcj = 1, y pcj 0; de
 Ci
.
manera similar, para i = pcj
Enton es tendremos que:

j=1

i
(a) i + (1 )i = (pcj + (1 )pcj )C
j=1

(b) pcj + (1 )pcj 0 y


PCi
PCi
PCi

( )
j=1 (pcj + (1 )pcj ) =
j=1 pcj + (1 )
j=1 pcj = 1
y esto prueba la onvexidad del onjunto .

2. El onjunto es ompa to ya que i es ompa to (simplex unitario) para todo i N .


3. Ahora: Sea i : i , denida, para , por

i () = {i i / ui (i , i ) ui (i , i ) para todo i i }
y sea : denida por () = (1 (), 2 (), . . . , n ()). Si
probamos que i es semi ontinua superiormente y que para todo
, i () es no-va o y onvexo, enton es tiene un punto jo
(ver teorema de punto jo de Kakutani (teorema 17)); es de ir,
existe tal que ( ); esto es, i i ( ), y as,

ui (i , i
) ui (i , i
)

para todo i i ;

es de ir, es un equilibrio de Nash.


(a) Probar que i () es no-va o, es de ir, que el problema

m
ax ui (i , i )

i i

para i jo

tiene solu in, es inmediato por el teorema de Weierstrass.

234

Matemti as para e onomistas III: Optimiza in y dinmi a

(b) Demostremos que i () es onvexo. Si tenemos i , i i (),


enton es

ui (i , i
) ui (i , i )

ui (i , i
)

ui (i , i )

para todo i i
para todo i i

As, ui (i + (1 )i , i ) ui (i , i ), para todo i i .

( ) Probemos que el gr o de

graf () = {(, )| ()}


es errado. Sea (n , n ) graf () y (n , n ) (, ), donde
, , y debemos probar que (, ) graf (). Pero esto
, enton es, de
es inmediato, ya que si n,i
i

ui (n , i ) ui (i , i )
ui (n , i )

ui (i , i )

i i

i i ,

tendremos que i i (), y esto ompleta la demostra in.


Observemos que este teorema garantiza, para juegos on un nmero nito
de jugadores, la existen ia de, al menos, una ombina in de estrategias
tal que ninguno de ellos tensa in entivos unilaterales para ambiar su
propia estrategia. Es de ir, de que ada oni to tiene, en prin ipio,
una solu in, aunque sta pueda impli ar omportamientos aleatorios a
priori.
El le tor podra preguntarse aqu por qu si el teorema de Nash que
a abamos de presentar es apli able para ualquier onjunto nito de
jugadores, los ejemplos y apli a iones presentados, ni amente han involu rado a dos jugadores. Von Neumann y Morgenstern re ono an que
para tratar on juegos de ms de dos jugadores, debera re urrirse a una
metodologa diferente a la utilizada en juegos de dos jugadores ya que, en
aqullos asos, algunos jugadores podran formar alianzas que los bene iaran frente a ter eros jugadores. Esta es la teora de juegos oali ionales
(o ooperativos) que, paralelo a la teora de juegos no- ooperativos, ha
tenido un desarrollo propio muy fru tfero en el que se ha mostrado,

Le in 2: Optimiza in estti a

235

in lusive, que sus onexiones on la teora no- ooperativa son ompletamente naturales uando de juegos on mu hos agentes se trata 70 .
A pesar de su aspe to prometedor en los primeros aos 1950s, el impa to de la teora del equilibrio de Nash se dispers muy lentamente.
Al prin ipio, asi toda la aten in se entr en el anlisis de los juegos
oali ionales que tanto haban apoyado von Neumann y Morgenstern
desde su parti ular y estre ha perspe tiva de las intera iones. La literatura de los 1950's y 1960's as lo atestigua. Posteriormente, al res atar la
importan ia del trabajo de Nash, se fue entendiendo que la mirada tradi ional walrasiana de la e onoma (desde la teora de pre ios y mer ados
ompetitivos) tena serias limita iones.
Por ejemplo, problemas de intera in e onmi a donde los individuos
tienen diferente informa in, no aen on fa ilidad dentro de los argumentos tpi os de pre ios; la organiza in interna de una rma tampo o
est laramente abar ada en el esquema de pre ios y ompeten ia perfe ta; el problema del surgimiento del dinero omo instrumento nan iero
y de inter ambio ha estado por fuera de las aproxima iones lsi as de
los modelos de equilibrio general. In lusive en las po as de los grandes
debates a er a del so ialismo, pudo verse mo los modelos basados en
pre ios podan ser intiles para probar los defe tos y virtudes de una
e onoma entralizada. Tambin la rea in y opera in de las institu iones, que son un fa tor esen ial en el fun ionamiento de los mer ados
e onmi os, ae, regularmente, por fuera de los esquemas de la teora de
pre ios, et . La teora de juegos (y, en general, la teora de intera iones)
muestra un amino ms all de esta mirada. Hoy, la visin de la la teora
e onmi a, a la luz de estos avan es, omienza a ambiar.

70

Para el estudiante interesado en una buena introdu in a la teora de juegos

oali ionales, re omendamos Osborne, Martin y Ariel Rubinstein (1994),

in Game Theory,

MIT Press.

A Course

236

Matemti as para e onomistas III: Optimiza in y dinmi a

Ejer i ios omplementarios


1. En la se in de optimiza in no-lineal de la presente le in se
han estudiado problemas de optimiza in de dos variables y una
sola restri in. A ontinua in, se pide generalizar los resultados
presentados:
a) Es riba las ondi iones de primer orden para el problema de
Kuhn-Tu ker:
Maximizar
sujeta a

f (x, y)
g1 (x, y) 0
g2 (x, y) 0
x0
y0

b) Es riba los orrespondientes resultados de Lagrange y KuhnTu ker para el problema anterior.
) Similar al literal (b), uando hay 3 restri iones.
d) Similar al literal (b), uando las fun iones dependen de 3 variables x, y, z .
e) Generali e a m(> 3) restri iones y n(> 3) variables.
2. Halle los mximos y mnimos de la fun in denida sobre el onjunto de restri in S en ada uno de los siguientes asos:
a) f (x, y) = x3 + y 3 9xy + 27; S = [0, 4] [0, 4]
b) f (x, y) = x2 + 2y 3 x;

S = {(x, y) R2 | x2 + y 2 1}

) f (x, y) = 3+x3 x2 y 2 ;

S = {(x, y) R2 | x2 +y 2 1 x 0}

237

Le in 2: Optimiza in estti a

3. Resuelva analti amente (utilizando los teoremas apropiados y en ontrando las solu iones expl itamente) e ilustre gr amente los
siguientes problemas:
(a)
Maximizar
sujeta a

2x2 + 2xy 2y 2
3x + 4y 6
4y 2 x 6
x0
y0

(b)
Minimizar
sujeta a

4xy3x2 + y
x4
y5

x0
y0

( )
Maximizar
sujeta a

x y
ax + by M

x m1
y m2

x0

(Aqu, , , a, b, M, m1 , m2 son todos positivos).


4. Determine el punto sobre el plano x + 2y + 3z = 13 ms er ano
al punto (1, 1, 1).
5. Halle tres nmeros reales uya suma sea 9, y la suma de sus uadrados sea lo ms pequea posible.

238

Matemti as para e onomistas III: Optimiza in y dinmi a

6. En el problema
Maximizar
sujeta a

8x2 10y 2 +12xy 50x + 80y


x+y 1

8x2 + y 2 2
x0
y0

(a) Resuelva geomtri amente.


(b) Por qu el mtodo de Lagrange no fun iona aqu?
( ) Determine los valores ptimos de x y y utilizando el mtodo
de Kuhn-Tu ker.
7. Para qu valores de , , , el problema
Maximizar
sujeta a

x2 +xy
x2 + y 2
x0
y0

tiene solu in? En tal aso, ul es la solu in? Cundo es ni a?


8. Un grupo de 3 personas es propietario de un lote uadrado, y planean onstruir sus asas en l. Bus ando priva idad, tratarn de
que la distan ia entre los entros de las asas sea lo ms grande
posible. Dnde deberan onstruir sus asas?
9. Un vendedor debe omenzar su ruta de viaje en una iudad, visitar
otras 3 iudades, y regresar a la iudad de la que parti de tal forma
que la distan ia total re orrida se minimi e. Puede usted ha erle,
a este respe to, alguna re omenda in al vendedor?
10. Cal ule el mximo produ to posible de tres nmeros positivos x, y, z ,
si x + y + z 2 = 16.
11. En uentre (si existe) el punto de la regin de los (x, y, z) on x 0,
y 0, z 0; x2 xy + y 2 z 2 1, x2 + y 2 + z 2 = 1 ms er ano
al origen (0, 0, 0).

239

Le in 2: Optimiza in estti a

12. Halle los valores mximo y mnimo de f (x, y, z) = x2y +7z sobre
la esfera x2 + y 2 + z 2 30, si x > 0, y > 0.
13. Pareto en su Manuel de 1906 ( 3, Cap. II) arma que:

Se sabe, por ejemplo, que los alveolos de las abejas se


terminan en pirmide, y que on el mnimo de super ie, es de ir on el ms pequeo gasto de era, ha en el
mximum de volumen, es de ir que pueden ontener la
ms grande antidad de miel. Nadie supone, sin embargo,
que es as porque las abejas han resuelto por el empleo de
un silogismo y de las matemti as un problema de mximum.
Dis uta matemti amente la primera arma in, y reexione sobre
la segunda.
14. [Un problema geomtri o (J.J. Sylvester (1857)) Este problema
onsiste, en palabras del propio Sylvester, en en ontrar el ms
pequeo r ulo que ontenga un onjunto dado de puntos en el
plano. Supongamos que los puntos dados son a1 , a2 , . . . , am R2 ,
y que bus amos un r ulo de entro des ono ido x R2 y radio r >
0, tambin des ono ido. Se requiere que los puntos ai satisfagan
||ai x|| r para i = 1, . . . , m, y queremos es oger x y r tales que
r sea mnimo.
Para resolverlo podemos reemplazar las m desigualdades uadrti as por desigualdades lineales omo sigue. Introduz amos la in gnita
1
x0 = (r 2 ||x||2 );
2
enton es las m desigualdades son ahora

x0 + ai x bi

(i = 1, . . . , m)

donde bi = 12 ||ai ||2 , y el problema es


Minimizar
sujeta a

r2
x0 +ai x1 + ai x2 bi

240

Matemti as para e onomistas III: Optimiza in y dinmi a

, en otra forma,
Minimizar
sujeta a

2x0 + x21 + x22


x0 + ai x1 + ai x2 bi

Resuelva este problema, por el mtodo de Kuhn-Tu ker, slo para


el aso m = 2.
15. Una empresa tiene n produ tos que vende en el mer ado a pre ios
p1 , . . . , pn . Para la produ in de esos produ tos utiliza m insumos
diferentes, de los uales tiene un inventario Ai de ada uno; para
produ ir una unidad del produ to j requiere de aij unidades del
insumo i. El objetivo de la empresa es maximizar sus ingresos por
venta.
(a) Plantee el problema de la empresa en trminos del mtodo
simplex.
(b) Suponga que n = 4 y m = 6 y que

p1 = 2,

p2 = 4,

p3 = 1,

p4 = 8;

A1 = 150,

A2 = 170,

A3 = 70,

A4 = 95;

A5 = 200,

A6 = 90

y que la matriz de oe ientes

1 10

3 6

1 1

2 4

5 7

1 3

de produ in es

2 14

7 3

1 1

2 3

1 2

3 9

En uentre los niveles ptimos de produ in de ada produ to.


( ) Determine unto se demanda de ada insumo, y para ules
insumos existen sobrantes en el inventario.

241

Le in 2: Optimiza in estti a

(d) Determine ul insumo tendra mayores efe tos sobre el nivel


de ventas si se ambiara su nivel de inventarios.
16. Una empresa tiene a su disposi in dos te nologas para produ ir 2 bienes. La te nologa 1 requiere 10 unidades del insumo 1,
y 6 del insumo 2 para produ ir onjuntamente 15 y 20 unidades
de los produ tos 1 y 2, respe tivamente. De otro lado, la te nologa 2 requiere 5 unidades del insumo 1, y 9 del insumo 2 para
produ ir onjuntamente 12 y 8 unidades de los produ tos 1 y 2,
respe tivamente. Si los pre ios de los produ tos 1 y 2 son 10 y 7
respe tivamente; y de los insumos 1 y 2 son 1 y 3, respe tivamente,
determine los niveles de utiliza in de las diferentes a tividades, de
tal forma que la empresa maximi e sus bene ios.
17. D dos ejemplos e onmi os reales de te nologas on rendimientos
re ientes a es ala.
18. Cules son las ondi iones de primer orden de Kuhn-Tu ker para
el problema de distribu in de re ursos
Maximizar
sujeta a

f (x) + g(y) + h(z)


x + y + z b,
x0
y0
z0

donde b > 0, f (), g(), h() son fun iones n avas estri tas y
diferen iables on ontinuidad en R2+ ?
19. [Dixit (1990)) 71 . Cierta suma de dinero C est disponible para invertir en dos proye tos de inversin. Si x1 , x2 > 0 son las antidades
invertidas en los proye tos 1 y 2, respe tivamente, el rendimiento
esperado de este portafolio de proye tos es

1
1
[1 x1 1 x21 ] + [2 x2 2 x22 ]
2
2
para iertos 1 , 1 , 2 , 2 > 0.
71

Dixit, Avinash K. (1990),

Press.

Optimization in E onomi Theory,

Oxford University

242

Matemti as para e onomistas III: Optimiza in y dinmi a

El inversionista bus a maximizar este ltimo valor. Utilizando el


mtodo Kuhn-Tu ker, pruebe que:
1 2
a) Si C >
+
, una parte de C no se invierte.
1
2
b) Si

 

1 2
1
1
1 , 2 >
+
C
+
1
2
1 2
enton es todo proye to re ibir alguna inversin.

) Interprete estos resultados.


20. [Un onsumidor ra ionado Para p1 , p2 , M, k > 0, 0 < < 1,
resuelva el problema del onsumidor
Maximizar
sujeta a

ln x+ ln y
p1 x + p2 y M
xk
x0
y0

21. Para p1 , p2 , M, > 0, 0 < < 1, resuelva el problema del onsumidor


Maximizar
sujeta a

x + ln y
p1 x + p2 y M
x0
y0

22. Compare los resultados de los ejer i ios 20 y 21.


23. Para p1 , p2 , M, 0 < < 1, 0 < < 1, resuelva el problema de un
onsumidor on fun in de utilidad tipo CRRA
Maximizar
sujeta a

x1 1
y 1 1
+
1
1
p1 x + p2 y M
x0
y0

243

Le in 2: Optimiza in estti a

24. Para p1 , p2 , M, > 0, 0 < < 1, resuelva el problema de un


onsumidor on fun in de utilidad tipo CARA
Maximizar
sujeta a

1 x y
e
e

p1 x + p2 y M

x0
y0

25. Para , , > 0, px , py , pz , M > 0, resuelva el problema del onsumidor


Maximizar
sujeta a

x y z
px x + py y + pz z = M
x>0
y>0
z>0

26. Resuelva el problema de un onsumidor on fun in de utilidad


separable y uadrti a ; es de ir,
Maximizar
sujeta a

u(x) + u(y)
p1 x + p2 y M
x0
y0

donde u() es una fun in uadrti a del tipo u(z) = z z 2 ; y


p1 , p2 , M > 0, 0 < < 1.
27. [Pre ios sombra En o asiones, y para evo ar ierta onexin on
los pre ios del mer ado, a los multipli adores de Lagrange de un
problema de optimiza in (de onsumidores de produ tores) se les
denomina pre ios sombra. Note que, por el teorema de la envolvente expuesto en esta le in, el parmetro oin ide on el valor
marginal de los re ursos. Para ilustrar el papel que pueden jugar los
pre ios sombra en problemas de distribu in e iente de re ursos
es asos, onsidere el siguiente ejemplo de Dixit (1990) 72 :
72

op. it.

244

Matemti as para e onomistas III: Optimiza in y dinmi a

Supongamos que una e onoma tiene 300 unidades de mano de


obra, y 450 unidades de tierra, para produ ir trigo y arne. Cada
unidad de trigo requiere de 2 unidades de mano de obra y de una
de tierra; ada unidad de arne requiere de 1 unidad de mano de
obra y 2 de tierra. Por lo tanto, si x, y son el nmero de unidades
de trigo y arne que puede produ ir la e onoma, debemos tener
que

2x + y 300
x + 2y 450
(a) Dibuje el onjunto de planes (x, y) posibles para esta e onoma.
(b) Ser que la solu in tendr que ser x = 50, y = 200 (empleo
total de los re ursos)? Por qu?
Suponga ahora que la so iedad tiene un objetivo (o fun in
de bienestar so ial) denido por:

W (x, y) = ln x + ln y
donde , > 0, + = 1, son onstantes ono idas y que
trata de maximizar esta fun in.
( ) Es riba el problema de optimiza in de esta so iedad.
(d) Es riba el orrespondiente lagrangiano.
(e) Es riba las CPO de Kuhn-Tu ker para este problema.
(f) Pruebe que, en un ptimo, no es posible mantener ambos fa tores subutilizados.
(g) Pruebe que si 8/9 enton es x = 450, y = 225 es una
solu in.
(h) Pruebe que si 2/3 enton es x = 150, y = 300 es una
solu in.
(i) Pruebe que si 23 < < 8/9, se obtiene la solu in de utiliza in
total de fa tores: x = 50, y = 200.
(j) Cules son las solu iones ptimas?
(k) Conrme que ada pre io sombra (multipli ador de Lagrange)
en este problema es el efe to sobre el bienestar so ial de tener
una unidad adi ional de ese fa tor.

Le in 2: Optimiza in estti a

245

(l) Muestre que si un fa tor no est totalmente utilizado en un


ptimo, enton es su pre io sombra es ero.
(m) Conrme que un pre io sombra positivo signi a que un in remento marginal en disponibilidad del re urso afe tar positivamente la produ in.
28. [Un problema del anlisis de a tividades (Koopmans (1951)) En
el  ontexto e onmi o de la le in 8 del volumen I (lgebra
lineal), dis utamos el modelo de Koopmans de la existen ia de un
equilibrio ompetitivo y sus ara tersti as de bienestar. El presente
ejer i io plantea un problema on reto y simple del anlisis de
a tividades que Koopmans generaliz en su modelo pionero de
1951:
Existen n a tividades, A1 , A2 , , An a las que ierta rma puede re urrir, utilizando la oferta disponible de m re ursos (insumos), R1 , R2 , , Rm . Supongamos que bi es la oferta disponible
del re urso Ri ; que aij es la antidad del re urso Ri utilizado en
la a tividad Aj en ada unidad produ ida; y que cj es el valor neto de una unidad produ ida bajo la a tividad Aj . El objetivo de
la empresa es es oger ade uadamente los niveles de utiliza in de
las diferentes a tividades de tal manera que se maximi e el valor
de la produ in sujeto a los re ursos dados. Es de ir, la empresa ne esita en ontrar las intensidades xj 0 a que debe operar
las respe tivas a tividades
Pn Aj , de tal forma que maximi e el valor
total de la produ in j=1 cj xj sujeto a la ondi in de que las
antidades de re ursos utilizados en esta opera in no puede soP
brepasar la oferta, es de ir, nj=1 aij xj bi para i = 1, 2, ..., m.
El ejer i io aqu onsiste en que el le tor onstruya y resuelva un
ejemplo on reto de anlisis de a tividades on m = 3 y n = 2., e
interprete el resultado ade uadamente.
29. [Prueba de existen ia de equilibrios en el modelo de von Neumann
(1932) Utilizando el teorema minimax, podemos probar el teorema de existen ia de solu in ni a del modelo de von Neumann que
estudiamos en el volumen I (lgebra lineal), y que reprodu imos a
ontinua in. El ejer i io onsiste en que el le tor siga uidadosamente la prueba del teorema.

246

Matemti as para e onomistas III: Optimiza in y dinmi a

Consideremos una e onoma donde hay n bienes G1 , G2 , ..., Gn que


pueden produ irse mediante m pro esos P1 , P2 , ..., Pm . En ada
pro eso Pi (i = 1, 2, ..., m) se utilizan antidades ono idas aij (expresadas en unidades onvenientes) y se produ en las antidades
ono idas bij , de los respe tivos bienes Gj (j = 1, 2, ..., n). El pro eso, enton es, puede simbolizarse de la siguiente forma:

Pi =

n
X
j=1

aij Gj

n
X

bij Gj

j=1

Estos pro esos Pi (i = 1, 2, ..., m) sern utilizados on iertas intensidades xi (i = 1, 2, ..., m), lo que signi a que, para la produ in
total, las antidades de la e ua in (5) deben multipli arse por xi .
Aqu, xi = 0 signi a que el pro eso Pi no ser utilizado.
Luego se pregunta por aquellos estados en donde la e onoma se
expande sin ambio de estru tura; es de ir, donde las propor iones
x1 x2
xm1
de las intensidades
,
, ...,
igualan un fa tor omn :
x2 x3
xm

x1
x2
xm1
=
= ... =
=
x2
x3
xm
A ste, von Neumann lo llama el oe iente de expansin de la
e onoma. Las in gnitas del modelo son, enton es,
i) Las intensidades x1 , ..., xm de los pro esos P1 , ..., Pm ;
ii) El oe iente de expansin (o tasa de re imiento), , de la
e onoma;
iii) Los pre ios y1 , ..., yn de los bienes G1 , ..., Gn ;
iv) El fa tor de inters , donde asume que

y1
y2
yn1
=
= ... =
y2
y3
yn

Las e ua iones e onmi as son:

AT X B T X

(1)

247

Le in 2: Optimiza in estti a

x1
donde A = [aij ]mn , B = [bij ]mn y X = [x1 , ..., xm ]T y =
=
x2
xm1
x2
= ... =
.
x3
xm

(2)

AY BY
donde Y = [y1 , ..., yn ]T .

xm1
x1
Si tenemos en uenta la ondi in
= ... =
= y la
x2
xm
yn1
y1
ondi in
= ... =
= , enton es (1) y (2) onforman
y2
yn
un sistema de m + n desigualdades on m + n in gnitas. Pero
omo stas no son e ua iones sino desigualdades, el he ho de que
el nmero de ellas iguale el nmero de in gnitas, no onstituye
ninguna garanta de que el sistema pueda resolverse.
Teorema 28. (Minimax von Neumann)
Si aij +bij > 0 el modelo de von Neumann tiene una ni a solu in
= .

Demostra in.

Consideremos la fun in
m,n
X
yBy T
u(y, y ) =
=
bij yi yj
yAy T
T

i,j=1

m,n
X

aij yi yj

(3)

i,j=1

Observemos que la ondi in aij + bij > 0 garantiza que esta fun in est bien denida: Si el denominador es ero, el numerador es
positivo, y enton es podramos redenir la fun in u(, ) mediante
la fun in re pro a.
Utilizando (1) y (2) se tiene que

m
ax mn u(y, y T ) = ,
y

yT

mn m
ax u(y, y T ) =
yT

248

Matemti as para e onomistas III: Optimiza in y dinmi a

y, por el teorema minimax, = .

73

30. Para , > 0, suponga que un produ tor tiene una te nologa
Leontief denida por

f (x, y) = mn{x, y}
En uentre la fun in de ostos y las demandas de fa tores en este
aso. Note que esta fun in no es derivable, por lo ual, aparentemente, no podra utilizar los mtodos presentados en la presente
le in.
31. Podra

ln(1 + p)
w1 w2
ser una fun in de bene ios que proviene del omportamiento ra ional estndar?
(p, w1 , w2 ) =

32. Podra
1

C(w1 , w2 , y0 ) = (a1 w1 + a2 w2 + bw13 w23 ) y0


ser una fun in de ostos que proviene del omportamiento ra ional estndar? En aso armativo espe ique ules pueden ser las
ondi iones sobre los valores de a1 , a2 , b.
33. Podran

px
+1
py
py
y(px , py , M ) =
+1
px

x(px , py , M ) =

ser fun iones de demanda para un onsumidor ra ional estndar?


34. [Demostra in del teorema 19 (fun in de bene io) Seguir uidadosamente la siguiente prueba: Supongamos que (p, w1 , w2 ) resuelve el problema del produ tor.
73

Sin embargo, paradji amente, von Neumann re urri, on la misma forma funu(y, y T ), al teorema de punto jo de Brouwer para probar este teorema, y no

ional

al teorema del minimax del que l mismo ya tena una prueba desde 1928.

249

Le in 2: Optimiza in estti a

a) Si f (0, 0) 0, enton es el mximo del problema del produ tor


debe satisfa er (p, w1 , w2 ) (p, 0, 0) 0, ya que el produ tor puede elegir no produ ir.
b) Sean x , y los valores de x, y que resuelven el problema al pre io
p , y sean x , y los que lo ha en al pre io p . Enton es, por la
deni in de (p, w1 , w2 ), tenemos que

p f (x , y ) w1 x w2 y p f (x , y ) w1 x w2 y ,

p f (x , y ) w1 x w2 y p f (x , y ) w1 x w2 y .
Supongamos que p p ; enton es tenemos que

(p , w1 , w2 ) = p f (x , y ) w1 x w2 y
p f (x , y ) w1 x w2 y
p f (x , y ) w1 x w2 y
= (p , w1 , w2 )

De manera similar, si x , y son los valores de x, y que resuelven


el problema al pre io w1 ; y x , y los que lo ha en al pre io w1 ,
enton es

pf (x , y ) w1 x w2 y pf (x , y ) w1 x w2 y ,

pf (x , y ) w1 x w2 y pf (x , y ) w1 x w2 y
Supongamos que w1 w1 ; enton es

(p , w1 , w2 ) = pf (x , y ) w1 x w2 y

pf (x , y ) w1 x w2 y

pf (x , y ) w1 x w2 y
= (p , w1 , w2 )
Y de forma similar para w2 .
) Sean x , y los valores de x, y que resuelven el problema de optimiza in a los pre ios p , w1 , w2 , y sea t 0; enton es

(tp , tw1 , tw2 ) = tp f (x , y ) tw1 x tw2 y



= t p f (x , y ) w1 x w2 y
= t(p , w1 , w2 )

250

Matemti as para e onomistas III: Optimiza in y dinmi a

d) Sean x , y los valores de x, y que resuelven el problema del produ tor para p , w1 , w2 ; x , y los orrespondientes a p , w1 , w2 ;
y x , y los valores de x, y que resuelven el problema del produ tor para p + (1 )p , w1 + (1 )w1 , w2 + (1 )w2 .
Enton es,

(p + (1 )p , w1 + (1 )w1 , w2 + (1 )w2 )
= (p + (1 )p )f (x , y ) (w1 + (1 )w1 )x
= p f (x , y ) w1 x w2 y

(w2 + (1 )w2 )y

+ (1 ) p f (x , y ) w1 x w2 y

p f (x , y ) w1 x w2 y

+ (1 ) p f (x , y ) w1 x w2 y
= (p , w1 , w2 ) + (1 )(p , w1 , w2 ).

35. [Demostra in del teorema 20 (fun in de ostos) Seguir uidadosamente la siguiente prueba: Supongamos que C(w1 , w2 , y0 )
resuelve el problema de optimiza in del produ tor.
a) Sean x , y son los valores de x, y que resuelven el problema al
pre io w1 ; y x , y los que lo ha en al pre io w1 ; enton es

w1 x + w2 y w1 x + w2 y ,

w1 x + w2 y w1 x + w2 y .
Supongamos que w1 w1 . Enton es

C(w1 , w2 , y0 ) = w1 x + w2 y w1 x + w2 y w1 x + w2 y
w1 x + w2 y = C(w1 , w2 , y0 )

Y de forma similar para w2 .


b) Si x , y son los valores de x, y que resuelven el problema a los
pre ios w1 , w2 y t 0, enton es

C(tw1 , tw2 , y0 ) = tw1 x + tw2 y = t w1 x + w2 y

= tC(w1 , w2 , y0 )

) Dado que C(w1 , w2 , y0 ) es lineal en w1 , w2 , enton es es n ava.

251

Le in 2: Optimiza in estti a

36. [Demostra in del teorema 21 (fun iones de demanda) Seguir iudadosamente la siguiente prueba: Supongamos que (x(p1 , p2 , M ) y
(p1 , p2 , M )) resuelven el problema del onsumidor.
a) Sea S = {(x, y) R2+ | p1 x + p2 y M }, si St = {(x, y) R2+ |
tp1 x + tp2 y tM, t 0}, de ii) tenemos que S = St . Sea p1 >
p1 , y denamos t = p1 , t = p1 , St = {(x, y) R2+ | t p1 x +
1

t p2 y t M } y St = {(x, y) R2+ | t p1 x + t p2 y t M },
enton es tenemos que St St . Por lo tanto, dado que U (x, y)
es re iente en sus argumentos, x(p1 , p2 , M ) x(p1 , p2 , M ),
y(p1 , p2 , M ) y(p1 , p2 , M ). La prueba para p2 y M es similar.
b) Dado que la restri in p1 x + p2 y M , es igual a la restri in tp1 x + tp2 y tM para t 0, el problema del onsumidor se mantiene inalterado, si multipli amos (p1 , p2 , M ) por t,
de forma que x(tp1 , tp2 , tM ) = x(p1 , p2 , M ), y(tp1 , tp2 , tM ) =
y(p1 , p2 , M ).
) Sean M , M > 0, y supongamos que x(p1 , p2 , M ), y(p1 , p2 , M )
no son n avas. Enton es
p1 x(p1 , p2 , M ) + p2 y(p1 , p2 , M ) M

de lo ual,

p1 x(p1 , p2 , M ) + p2 y(p1 , p2 , M ) M ,

p1 x(p1 , p2 , M + (1 )M ) + p2 y(p1 , p2 , M + (1 )M )


< p1 x(p1 , p2 , M ) + p2 y(p1 , p2 , M )


+ (1 ) p1 x(p1 , p2 , M ) + p2 y(p1 , p2 , M )
M + (1 )M

Por lo tanto, en (x(p1 , p2 , M +(1)M ), y(p1 , p2 , M +(1


)M )) la restri in no se umple on igualdad. As, deben
existir x x(p1 , p2 , M + (1 )M ) y y y(p1 , p2 , M +
(1 )M ) tales que p1 x + p2 y M + (1 )M . Dado
que U (, ) es re iente en sus argumentos,

U (x , y ) U (x(p1 , p2 , M +(1)M ), y(p1 , p2 , M +(1)M )),

de tal forma que (x , y ) tambin debe ser solu in al problema


del onsumidor. Sin embargo, omo U (, ) es uasi n ava estri ta, la solu in del problema es ni a, y, por lo tanto, (x , y )

252

Matemti as para e onomistas III: Optimiza in y dinmi a

es la ni a solu in, lo ual ontradi e nuestra hiptesis de partida.


d) Sea S = R3++ , T = R2+ , f : S T R y : S T tal que a ada (p1 , p2 , M ) se le asigna el onjunto {(x, y) R2+ | p1 x+p2 y
M } y f (, (x, y)) = U (x, y). Vemos que tanto f () omo () son
ontinuas, y as, por el teorema 15 (teorema del mximo), las
orresponden ias x(p1 , p2 , M ) y y(p1 , p2 , M ) son semi- ontinuas
superiormente. Es laro, que si estas orresponden ias de demanda tienen un ni o elemento para ada (p1 , p2 , M ), es de ir,
son fun iones de demanda, enton es son ontinuas.
37. [Demostra in del teorema 19 (fun in de utilidad indire ta) Seguir uidadosamente la siguiente prueba: Supongamos que

v(p1 , p2 , M ) = U (x(p1 , p2 , M ), y (p1 , p2 , M ))


resuelve el problema de optimiza in del onsumidor
a) Esta propiedad se sigue del he ho de que U (, ) es re iente,
y de que x(p1 , p2 , M ), y(p1 , p2 , M ) son no re ientes en p1 , p2
y no de re ientes en M .
b) Se tiene por la homogeneidad de grado 0 de x(p1 , p2 , M ) y
(p1 , p2 , M ).
) Primero, si p1 p1 y p2 p2 , enton es v(p1 , p2 , M )
v(p1 , p2 , M ). Y, omo p1 + (1 )p1 p1 y p2 + (1 )p2
p2 , enton es v(p1 +(1)p1 , p2 +(1)p2 ) v(p1 , p2 , M ).

d) Se sigue inmediatamente a partir de la ontinuidad de las


fun iones U (, ), x(p1 , p2 , M ) y y(p1 , p2 , M ).
38. Considere la siguiente e onoma de inter ambio puro de dos mer an as y dos onsumidores, A y B , uyas fun iones de utilidad
son:
1

uA (xA , yA ) = (xA ) 3 (yA ) 2


uB (xB , yB ) = (xB ) 2 (yB ) 2
(a) En uentre el equilibrio si wA = (1/3, 2/3) y wB = (2/3, 1/3).
(b) Corrobore los dos teoremas del bienestar e onmi o.

253

Le in 2: Optimiza in estti a

39. Suponga que existen ni amente dos mer an as en una e onoma


de inter ambio puro y que la fun in de ex eso de demanda de la
mer an a x es:

zx (px , py ) =

100px + 200py
100
2px

(a) En uentre la fun in de ex eso de demanda de la mer an a y ,


zy (px , py ).
(b) Cal ule los pre ios de equilibrio.
40. Suponga que existen ni amente tres mer an as en una e onoma
y que las fun iones de ex eso de demanda de las mer an as x y h
son:

3py + 2ph
1
px
4py 2ph
zh (px , py , ph ) =
2
px
zy (px , py , ph ) =

(a) Muestre que estas fun iones son homogneas de grado ero en
px , py , ph .
(b) Puede utilizarse la ley de Walras para al ular la fun in de
ex eso de demanda de la mer an a x, zx (px , py , ph )?
( ) Cal ule los pre ios relativos de equilibrio, suponiendo que el
pre io de la mer an a x es el numerario.
41. Considere la siguiente e onoma ompuesta por dos mer an as y
tres onsumidores, A y B , uyas fun iones de utilidad y dota iones
ini iales son:
2
uA (xA , yA ) = x2A yA
1
2

1
3

uB (xB , yB ) = xB yB

wA = (1, 2)
wB = (3, 4)

(a) En uentre las fun iones de demanda individual y las fun iones
de demanda agregada.
(b) Verique la ley de Walras.
( ) Suponga que el ve tor de pre ios de equilibrio pertene e al
simplex unitario, y en uentre este ve tor.

254

Matemti as para e onomistas III: Optimiza in y dinmi a

(d) Corrobore los dos teoremas del bienestar e onmi o.


42. Como dijimos antes, la tradi in paretiana nun a se preo up por
el problema de la existen ia del equilibrio ompetitivo, a pesar de
que este on epto fue el entro de aten in on respe to a su propiedades e impli a iones. An as, enseguida mostraremos una de
las pruebas tpi as de existen ia en el aso de e onomas de inter ambio puro, y le pedimos al le tor seguirla on uidado. Esta
prueba ya tiene los elementos (teorema de punto jo de Brouwer,
formas fun ionales onvenientes, et .) que seran esen iales en la
prueba general de existen ia del modelo Arrow-Debreu que veremos en la le in 3. Cabe, en ualquier aso, advertir que estos
elementos provinieron, paradji amente, de la prueba de existen ia de equilibrios de Nash que fuera publi ada por el mismo John
Nash en 1950. Es de ir, la teora de existen ia de equilibrios walrasianos le debe mu ho a la teora de existen ia de equilibrios de
Nash.
Teorema 29.

Sean

(Existen ia de equilibrios walrasianos)


U i : R2+ R

(xi , yi ) U i (xi , yi )

para i = A, B , fun iones de utilidad ontinuas , montonas re ientes estri tamente y uasi n avas estri tas y (wxA , wyA ) y (wxB , wyB )
las dota iones ini iales de los onsumidores A y B , respe tivamente. Adems, supongamos que si pj = 0, enton es zj (px , py ) > 0 para
j = x, y . Enton es existe algn par de pre ios positivos (px , py ) tales que zx (px , py ) = 0 y zy (px , py ) = 0; es de ir, existe un equilibrio
walrasiano para la e onoma des rita por estas fun iones de utilidad y dota iones ini iales.
En efe to:
Habamos mostrado en el teorema 21 que las fun iones de demanda
de los agentes son ontinuas, de tal forma que tambin las fun iones de ex eso de demanda son ontinuas. Sea P = {(px , py )
[0, 1]2 /px + py = 1} y sea la fun in g : P P denida por

gx (px , py ) =

px + m
ax{0, zx (px , py )}
1 + m
ax{0, zx (px , py )} + m
ax{0, zy (px , py )}

Le in 2: Optimiza in estti a

gy (px , py ) =

255

py + m
ax{0, zy (px , py )}
1 + m
ax{0, zx (px , py )} + m
ax{0, zy (px , py )}

Vemos que (gx , gy ) P , ya que

gx (px , py ) + gy (px , py ) =

px + m
ax{0, zx (px , py )}
1 + m
ax{0, zx (px , py )} + m
ax{0, zy (px , py )}

py + m
ax{0, zy (px , py )}
1 + m
ax{0, zx (px , py )} + m
ax{0, zy (px , py )}

px + py + m
ax{0, zx (px , py )} + m
ax{0, zy (px , py )}
1 + m
ax{0, zx (px , py )} + m
ax{0, zy (px , py )}

=1
Como P es un onjunto no-va o, onvexo y ompa to, y g() es
una fun in ontinua, por el teorema del punto jo de Brouwer
(teorema 16), existe al menos un punto jo de g(), (px , py ) P .
Veamos que (px , py ) es un equilibrio walrasiano. Tenemos que el
punto satisfa e

px =

ax{0, zx (px , py )}
px + m
1 + m
ax{0, zx (px , py )} + m
ax{0, zy (px , py )}

py =

py + m
ax{0, zy (px , py )}
.
1 + m
ax{0, zx (px , py )} + m
ax{0, zy (px , py )}

de lo ual,


px m
ax{0, zx (px , py )} + m
ax{0, zy (px , py )} = m
ax{0, zx (px , py )}


py m
ax{0, zx (px , py )} + m
ax{0, zy (px , py )} = m
ax{0, zy (px , py )}.

Multipliquemos ambas e ua iones por zx (px , py ) y zy (px , py ) respe tivamente, obtenemos enton es


px zx (px , py ) m
ax{0, zx (px , py )} + m
ax{0, zy (px , py )} =

256

Matemti as para e onomistas III: Optimiza in y dinmi a

= zx (px , py ) m
ax{0, zx (px , py )}.

py zy (px , py ) m
ax{0, zx (px , py )} + m
ax{0, zy (px , py )} =
ax{0, zy (px , py )}.
zy (px , py ) m

Sumando ambas igualdades obtenemos



ax{0, zx (px , py )} + m
ax{0, zy (px , py )}
px zx (px , py ) + py zy (px , py ) m

= zx (px , py ) m
ax{0, zx (px , py )} + zy (px , py ) m
ax{0, zy (px , py )},
que por la ley de Walras es equivalente a

zx (px , py ) m
ax{0, zx (px , py )} + zy (px , py ) m
ax{0, zy (px , py )} = 0.
Si zx (px , py ) > 0 o zy (px , py ) > 0 se tiene que

zx (px , py ) m
ax{0, zx (px , py )} + zy (px , py ) m
ax{0, zy (px , py )} > 0;
por lo tanto, debe ser zx (px , py ) 0 zy (px , py ) 0. Ahora, si
zi (px , py ) < 0 para algn i = x, y , tendramos que pj > 0. Pero
enton es,

px zx (px , py ) + py zy (px , py ) < 0


ontradi iendo la ley de Walras. As, debe ser zx (px , py ) = 0 y
zy (px , py ) = 0.
43. [Equivalen ia entre equilibrios walrasianos y puntos jos . Ya sabemos (ver teorema 29) que el teorema de punto jo de Brouwer
garantiza la existen ia de un equilibrio walrasiano. Pero lo que podra sorprendernos ahora es que la arma in re pro a tambin es
ierta. Veamos esto:
Consideremos la siguiente versin del teorema de existen ia de equilibrios walrasianos, y que, aqu, llamaremos EEW :

257

Le in 2: Optimiza in estti a

Teorema 30.

(EEW (Nikaido
P (1956) ))
74

n p = 1} (simplex unitario en
Sea n = {p = (pj ) Rn+ /
j=1 j
n
R ), y sea un sub onjunto ompa to y onvexo de Rn . Supongamos, adems, que : n P () es una orresponden ia semi ontinua superiormente ( orresponden ia de ex eso de demanda)
que enva ada punto de n en un sub onjunto onvexo no-va o
de , y que, tambin p x 0 para todo x (p) (Ley Walras).
Enton es existe p n tal que

(p ) 0
Uzawa (1962)75 ha probado que tambin es ierto el teorema re pro o:

(Walras Brouwer)
El teorema EEW impli a el teorema de punto jo de Brouwer.
Teorema 31.

En efe to: sea f : n n una fun in que satisfa e las hiptesis


del teorema de Brouwer (teorema 16). Para p n denamos
: n n mediante la frmula

(p) =

f (p) p
p f (p)
kpk2

Dadas las hiptesis sobre f (), esta fun in () satisfa e las ondi iones del teorema EEW, omo el le tor puede f ilmente omprobar. En parti ular, note que la ley de Walras se satisfa e inmediatamente, dado que p (p) = 0 para todo p n . Por lo tanto,
existe p n tal que (p ) 0, que es

f (p ) p
p f (p )
kp k2

Pero, de he ho, por la ley de Walras, tenemos que

74

f (p ) p
p = f (p )
kp k2
Nikaido, Hukukane (1968),

Press.

75

rem,

Uzawa, H. (1962),

Convex Stru tures and E onomi Theory,

A ademi

Walras Existen e Theorem and Brouwer's Fixed Point Theo-

E onomi s Studies Quarterly.

258

Matemti as para e onomistas III: Optimiza in y dinmi a

Y si en esta igualdad ve torial sumamos sus omponentes, y re ordamos que p y f (p ) estn en n , enton es llegamos a que

por lo que, enton es,

f (p ) p
=1
kp k2
f (p ) = p

y esto demuestra el teorema de Brouwer. 


44. Cal ule todos los equilibrios de Nash (puros y mixtos) de los siguientes juegos en forma estratgi a:
(a)

A
B

C
1,1
0,2

D
2,0
4,4

(b)

A
B

C
3,2
1,1

D
1,7
4,1

45. [Teorema de Frobenius (Parte II) Existen varios resultados omplementarios al teorema de Frobenius (teorema 18). Son los siguientes:
a) Pruebe que si A B 0 enton es (A) (B). Aqu, A B
signi a que si A = [aij ] y B = [bij ] enton es aij bij .

b) Pruebe que In A tiene inversa no-negativa si, y slo si,


> (A). En parti ular, una matriz insumo-produ to In A
tendr inversa no-negativa si, y slo si, el mximo autovalor de
A es menor que 1. Esta ondi in es, enton es, equivalente a las
ondi iones Hawkins-Simon (ver volumen I ( lgebra lineal)).
) Pruebe, nalmente, que (A) = (AT ).
46. Ntese la validez de los siguientes esquemas:
teorema de teorema de teorema de von Neumann
Minkowski
minimax
( re imiento)
teorema de teorema de teorema de
Brouwer
Kakutani
minimax
Podra el le tor ampliar este esquema utilizando los resultados
de la presente le in? Qu posibles onexiones entre resultados
sugerira este esquema?

Le in 2: Optimiza in estti a

259

47. Reexione y ritique uidadosamente la siguiente arma in tentativa del editor: Es bien sabido que los tres teoremas: el de punto
jo de Brouwer, el de punto jo de Kakutani, y el de existen ia
de equilibrios ompetitivos, son equivalentes. Adems, el teorema
de punto jo de Kakutani impli a el teorema de existen ia de equilibrios de Nash. De esta manera, si supiramos que este ltimo
impli a el teorema de punto jo de Kakutani, podramos enton es
armar que los teoremas de existen ia de equilibrios ompetitivos
y de equilibrios de Nash, son equivalentes, y as la teora de juegos
lsi a no nos llevara ms all de donde nos ha llevado la teora
del equilibrio general ompetitivo .

260

Matemti as para e onomistas III: Optimiza in y dinmi a

Le in 3
Sistemas dinmi os

Introdu in
La gran importan ia de las e ua iones diferen iales (es de ir, de las e ua iones que involu ran derivadas) en el anlisis matemti o, se debe prin ipalmente al he ho de que la investiga in de mu hos problemas on retos en la fsi a, en la te nologa, en la biologa, y, en general, en las
ien ias, pueden entenderse mediante la solu in de tales e ua iones. Numerosos l ulos impli ados en la onstru in de maquinaria el tri a,
mputos de traye torias de proye tiles, estudios de la estabilidad de aeronaves en vuelo, pro esos de una rea in qumi a, diseo de artefa tos
ele trni os, evolu in de pobla iones, et ., se asimilan a la solu in de
e ua iones diferen iales.
Esta teora omenz a desarrollarse a nales del siglo XVII, asi simultneamente on la apari in del l ulo diferen ial e integral de Newton y
Leibniz. Por ejemplo, del estudio de las e ua iones diferen iales del movimiento de los uerpos elestes, Newton dedujo las leyes del movimiento
planetario previamente des ubiertas por Kepler de forma empri a. Pero, a pesar de que herramientas omo el l ulo de antiderivadas ofre an
ierta ayuda dire ta, pronto se re ono i que el problema de en ontrar
solu iones a estas e ua iones on derivadas no era f il. En parti ular, se
en ontr que las manipula iones y simpli a iones algebrai as apenas si
servan en asos muy espe iales. Por esta razn, pioneros del siglo XVII
omo Fermat, Newton y Leibniz tuvieron que entrarse en asos on retos, y dejaron al siglo posterior el desarrollo de t ni as y teoras ms
generales.
261

262

Matemti as para e onomistas III: Optimiza in y dinmi a

A omienzos del siglo XVIII, Ja ob Bernoulli es riba e ua iones diferen iales basadas en los prin ipios newtonianos para estudiar el movimiento
planetario. Tambin su hermano, Johann Bernoulli, modelaba fenmenos
fsi os utilizando e ua iones diferen iales y las resolva. A su vez, Ja opo
Ri ati (1752) estudiaba un tipo de e ua in muy parti ular que hoy
lleva su nombre. Y as, a prin ipios de ese siglo, aunque se haba logrado
reunir una ierta antidad de t ni as de solu in de lases espe  as
de e ua iones, todava no se tena una teora general.
Consolidar, generalizar, y rear mtodos nuevos y ms poderosos para
ata ar los problemas planteados en la solu in de e ua iones diferen iales
fue el trabajo de Leonhard Euler. Y una de las laves de su xito fue el
que Euler entendi el papel que podra jugar el on epto de fun in. Utilizando sus ono imientos sobre stas, desarroll diversos pro edimientos
generales para la solu in de mu has lases de e ua iones diferen iales.
Su trabajo tambin in luy el uso de mtodos numri os para hallar solu iones aproximadas a asi todo tipo de e ua iones. Fue, en denitiva,
el maestro onstru tor de la futura teora de las e ua iones diferen iales.
Posteriormente vendran otros matemti os a renar y extender las ideas
de Euler. En 1728, Daniel Bernoulli utilizaba los mtodos de Euler para
estudiar os ila iones me ni as. Tambin D'Alembert estudiaba y resolva e ua iones diferen iales par iales a lo largo de la lnea de Euler. Pero
adems, Lagrange, Lapla e y Fourier (entre mu hos), re ono ieron que,
en esta rea, Euler era el maestro de todos.
A omienzos del siglo XIX, Gauss y Cau hy, basados en teora y on eptos de fun iones on variable ompleja, utilizaban las e ua iones diferen iales omo palan a de entendimiento de la teora de las rbitas
planetarias, de la teora de la gravita in, y de la propaga in de ondas
sobre una super ie lquida. Tambin fue Cau hy quien, omo onse uen ia de los fundamentos lgi os del Cl ulo, dara bases matemti as
slidas a la teora de las e ua iones diferen iales. Sobre los fundamentos aportados por Gauss y Cau hy, dis urrieron los trabajos de mu hos
matemti os del siglo XIX.
Pre isamente ha ia mediados del siglo XIX apare eran los problemas de
sistemas de e ua iones diferen iales. El matemti o alemn Carl G. Ja obi [1804-1851 onvirti la teora de determinantes y transforma iones
lineales en una herramienta poderosa para resolver estos sistemas. Tam-

Le in 3: Sistemas dinmi os

263

bin A. Cayley, J.J. Sylvester y J. W. Gibbs, pioneros en el desarrollo


de lo que hoy llamamos lgebra lineal, propusieron (desde una perspe tiva similar a la de Ja obi) diversos mtodos lineales para la solu in de
problemas on retos en termodinmi a, ele tromagnetismo, me ni a y
astronoma, que involu raban e ua iones diferen iales.
Para nales del siglo XIX, se en ontraron abundantes apli a iones y desarrollos adaptados a stas, que requeran de avan es teri os ms profundos. Entre otros, en 1876, el matemti o alemn Rudolf Lips hitz (1876)
estable i algunos teoremas de existen ia para solu iones de e ua iones
diferen iales (ver le in 4), que le daran un aire de solidez teri a a
esta importante rea del anlisis matemti o. De esta po a data, pre isamente, el origen de la teora de los sistemas dinmi os atribuida a
Henri Poin ar [1854-1912, y que George D. Birkho [1884-1944, en la
primera mitad del siglo XX, estable era omo rea espe  a de la teora
de las e ua iones diferen iales.
Hoy en da, la teora de las e ua iones diferen iales y la teora de los
sistemas dinmi os estn en plena expansin y evolu in.

1. Sistemas dinmi os ( ontinuos) en una dimensin


Debido a la novedad, variedad de herramientas, on eptos, y mtodos,
no hay duda de que es pre isamente la obra de Poin ar el punto de origen de la teora de los sistemas dinmi os. Desde el omienzo, Poin ar
on ibi la teora ualitativa y la estabilidad de las e ua iones diferen iales on un ojo puesto en la me ni a elestial y, en parti ular, en la
estabilidad del sistema solar (entendida omo la estabilidad de traye torias planetarias). En su trabajo, Poin ar arti ul temas entrales que
ahora son de nuestro inters aqu: la teora ualitativa de las e ua iones
diferen iales (diagramas de fase); y el estudio de la estabilidad global o
lo al de las solu iones a travs de la no in de equilibrio.
Comenzamos enton es nuestra le in, deniendo los sistemas dinmi os
( ontinuos) ms elementales posibles: los sistemas en una dimensin.
Deni in 1. (Sistema dinmi o ontinuo en una dimensin)

Un sistema dinmi o ontinuo en una dimensin es una e ua in dife-

264

Matemti as para e onomistas III: Optimiza in y dinmi a

ren ial de la forma

(C1D)

x(t)

= f (x(t), t)

donde t es la variable tiempo ; x(t) : I A es una traye toria; x(t)

dx
; f : A I R es una fun in diferen iable on ontinuidad; el
dt
onjunto A R es abierto, no-va o; y I es un intervalo abierto de la
forma (a, +), donde a R {}, o de la forma (, a) donde
a R {}.
Deni in 2. (Qu es resolver este sistema dinmi o?)

= f (x(t), t) es en ontrar
Resolver un sistema dinmi o ontinuo x(t)
todas las posibles traye torias x(t) que satisfagan esta e ua in. A ada
una de tales traye torias x(t) se le ono e omo una solu in al sistema
dinmi o.
Ejemplo 1. (Sistema dinmi o lineal fundamental)

El sistema

x(t)

= c x(t)

(es de ir, f (x, t) = c x, on c onstante para todo t)

lo podemos resolver f ilmente mediante antideriva in1 , en ontrando


que todas las solu iones x(t) tienen la forma

x(t) = kect

para alguna onstante k R

De he ho, observemos que k = x(0). A esta, por razones evidentes, se


le llama la ondi in ini ial del sistema dinmi o. De manera que todas
las solu iones al sistema dinmi o lineal, tienen la forma (ver gura 1)

x(t) = x(0) ect

t (, )

Claramente,

lm x(t) = 0 si c < 0 ;

x(t) = x(0)

si

lm x(t) = + si c > 0 y x(0) > 0

lm x(t) = si c > 0 y x(0) < 0

t
1

Ver volumen II (Cl ulo), le in 4.

c=0

265

Le in 3: Sistemas dinmi os

x(t)

x(t)

x(0)

x(0)

aso c > 0

Figura 1: Solu iones al sistema

aso c < 0
x(t)

= cx(t)

para

x(0) > 0.

Ejemplo 2. (Un sistema dinmi o no-lineal)

El sistema

x(t)

= x(t)2

(es de ir, f (x, t) = x2 para todo t)

tambin es f il de resolver mediante la antideriva in: Puesto que, aqu,


R dx R
dx
dx
= x2 enton es, si x 6= 0, 2 = dt, y as,
= dt, y, por lo tanto,
dt
x
x2
x1 = t + k para algn k R. Luego, todas las solu iones x(t) (ver
gura 2) tienen la forma

x(t) =

1
t+k

para algn k R;

x(t) = 0 para todo t

donde la ondi in ini ial, para las solu iones del primer tipo, es x(0) =
1
si k =
6 0. En ualquier aso, notemos que lmt x(t) = 0.
k
Ejemplo 3.

Es f il observar, mediante una apli a in dire ta de antideriva in, que


el sistema

x(t)

=t

(es de ir, f (x, t) = t para todo x)

tiene omo solu iones

x(t) =

t2
+k
2

para alguna onstante k R

donde la ondi in ini ial es x(0) = k. Notemos que siempre se tiene que
lmt x(t) = + (ver gura 3).

266

Matemti as para e onomistas III: Optimiza in y dinmi a

x(t)

x(t)
x(0)

t = k

t
t = k

x(0)

aso k > 0

aso k < 0

Figura 2: Solu iones al sistema

x(t)

= x(t)2

x(t)

x(0)

Figura 3: Solu in al sistema dinmi o

t
x(t)

=t

Ahora: Al estudiar un sistema dinmi o, podran apare er iertas solu iones muy parti ulares que ayudan a entender este movimiento. A estas,
la Fsi a siempre las ha llamado equilibrios , y la teora de las e ua iones
diferen iales y, en parti ular, la de los sistemas dinmi os, tambin ha
adoptado este nombre.
Deni in 3. (Punto de equilibrio)

Un punto x A es un punto de equilibrio ( esta ionario) 2 del sistema


dinmi o ontinuo x(t)

= f (x(t), t) si, y slo si, f (x , t) = 0 para todo t.


Es de ir, x(t) = x para todo t I es una solu in que, al satisfa er
x(t)

= 0 para todo t, el sistema dinmi o, una vez al anzado el punto

x , permane er all por siempre.


2

Tambin llamado

punto jo.

267

Le in 3: Sistemas dinmi os

Ejemplo 4.

(a) Para el sistema dinmi o x(t)

= c x(t), el ni o punto de equilibrio,


si c 6= 0, es x = 0.
(b) Para el sistema dinmi o x(t)

= x(t)2 , el ni o punto de equilibrio

es tambin x = 0.
( ) Para el sistema dinmi o x(t)

= cx(t) + b, el ni o punto de equilibrio, on c 6= 0, es x = b/c .


(d) El sistema dinmi o x(t)

= x(t)2 + 1 no tiene equilibrios. De he ho,


mediante antideriva in es f il mostrar que la solu in general es
de la forma x(t) = tan(t + k) para k R.
(e) Para el sistema dinmi o x(t)

= x(t)2 1, los equilibrios son x = 1,


x = 1 (mltiples equilibrios). Mediante antideriva in se puede
mostrar que, adems de x = 1 y x = 1, todas las solu iones
estn dadas por las fun iones

x(t) =
para algn k R. Note que

lm x(t) = 1,

1 + e2t+k
1 e2t+k
lm x(t) = 1

N
El siguiente teorema arma que, en general, todo sistema dinmi o en
una dimensin (bajo las ondi iones de la deni in 1) tiene solu in
ni a, aunque slo sea lo al, es de ir, en un intervalo alrededor de un
tiempo t0 I :

(Existen ia y uni idad lo al de solu iones (R. Lips hitz (1876)))

Teorema 1.

Si x0 A y t0 I , enton es existe una ni a solu in x(t) al sistema


dinmi o x(t)

= f (x, t), denida en un intervalo abierto alrededor de t0


donde x(t0 ) = x0 .
Demostra in.

Ver teorema 13 (teorema de Pi ard), le in 4 (optimiza in dinmi a).

268

Matemti as para e onomistas III: Optimiza in y dinmi a

Ejemplo 5.

Por ejemplo, la solu in lo al de x(t)

= x(t)2 para t = 0 on x0 = 1, es
1
x(t) =
. Esta solu in no es global, es de ir, no est denida en
t1
todo (, ), pero s en (1, 1) que es un intervalo abierto alrededor
de t = 0.

a)

Diagramas de fase unidimensionales

Por deni in, resolver un sistema dinmi o x(t)

= f (x(t), t) es en ontrar
sus solu iones x(t). El primer mtodo para lograr esto es el analti o :
en ontrar solu iones expl itas al sistema omo hemos he ho en todos los
ejemplos hasta ahora propuestos. La di ultad es que esto no siempre
es posible, pues depende de qu tan simple sea la fun in f (x(t), t). El
segundo mtodo es el ualitativo : trazar des rip iones de las solu iones
sin tener expresiones expl itas de stas. Este mtodo se ono e omo el
de diagramas de fase del sistema dinmi o. Desafortunadamente, slo es
posible apli arlo onvenientemente uando el sistema es autnomo.
Deni in 4. (Sistema dinmi o autnomo)

= f (x(t), t) es autnomo si, y slo si,


Un sistema dinmi o x(t)
f (x(t), t) = f (x(t)) para todo t I
Es de ir, f (, ) no depende expl itamente de t; en otro aso, lo llamaremos no-autnomo.
Notemos que los sistemas dinmi os de los ejemplos 1 y 2 son autnomos,
mientras que el del ejemplo 3 es no-autnomo.

= f (x(t)) medianPara des ribir gr amente el sistema autnomo x(t)


te un diagrama de fase, simplemente dibujamos la fun in f () en un
diagrama x vs f (x) (= x)
. As, valores positivos de f () orresponden a
valores positivos de x , y esto signi a que x() es una fun in re iente.
Para indi arlo en la gr a, dibujamos e has en el sentido de t re iente. De la misma forma, valores negativos de f () orresponden a valores
negativos de x y, por tanto, x() es una fun in de re iente de t; y para
indi arlo, dibujamos e has en el sentido de t de re iente. Claramente,
los puntos de equilibrio sern las interse iones de f () on el eje X , es

269

Le in 3: Sistemas dinmi os

de ir, uando f = 0. As, en ontramos que las e has sealan la dire in


en que x(t) se mueve en el tiempo, y esto nos da una solu in ualitativa
del sistema dinmi o.
Ejemplo 6.

Al tratar de onstruir el diagrama de fase del sistema dinmi o del ejemplo 1, x(t)

= cx(t), c 6= 0, distinguimos dos asos: (a) c > 0, (b) c < 0.


Notamos enton es (bajo la ondi in k 6= 0) que si c > 0 tendremos
x(t) uando t ( aso a)); y que si c < 0, enton es x(t) 0
uando t ( aso b)) (ver gura 4). Re ordemos que, en este ejemplo,
las solu iones expl itas son de la forma x(t) = kect para k R.

aso c > 0
Figura 4: Diagramas de fase del sistema dinmi o

aso c < 0
x(t)

= cx(t),

on

c 6= 0.

Pero tambin podemos des ribir un sistema dinmi o on un diagrama


de fase unidimensional que es, sin duda, ms sen illo. La t ni a onsiste
aqu en que si x = x es un equilibrio del sistema dinmi o autnomo
x(t)

= f (x) enton es se estudian los signos de f (x) uando x es un po o


mayor que x , y uando es un po o menor que x . Si el signo es positivo,
enton es x > 0, es de ir, x re e, y las e has irn ha ia la dere ha; y si
es negativo, enton es x < 0, es de ir, x de re e, y las e has irn ha ia
la izquierda.
Por ejemplo, en lugar de las gr as bidimensionales de la gura 4, podramos dibujar, respe tivamente, los diagramas unidimensionales de la
gura 5, que son equivalentes y ms simples.

270

Matemti as para e onomistas III: Optimiza in y dinmi a

(a)

(b)

0
Figura 5: Diagramas de fase unidimensionales para

x(t)

= cx(t), c 6= 0.

x = 1

Figura 6: Diagramas de fase del sistema

x = 1

x(t)

= x(t)2 1.

Ejemplo 7.

Para onstruir los diagramas de fase del sistema dinmi o denido por
x(t)

= x(t)2 1, primero es ribamos el sistema as: x = x2 1 = (x


1)(x + 1). Por lo tanto, los puntos de equilibrio son x = 1 y x = 1. El
diagrama de fase orrespondiente es el de la gura 6: Si x > 1 enton es
x2 1 > 0 y las e has se dirigen ha ia la dere ha; si 1 < x < 1
enton es x2 1 < 0 y las e has se dirigen a la izquierda; y si x < 1
enton es x2 1 > 0 y las e has se dirigen ha ia la dere ha.
b)

Estabilidad unidimensional

Uno de los prin ipales objetivos de los sistemas dinmi os es estudiar


el omportamiento de sus solu iones er a de un punto de equilibrio.
Esto onstituye la llamada teora de la estabilidad. Quizs no sobre resaltar aqu que la importan ia del on epto de estabilidad para sistemas
dinmi os, radi a en el he ho de que en los l ulos impli ados en la
onstru in de una mquina el tri a, o en el estudio del vuelo de aeronaves, o de un pro eso qumi o, et ., que la dinmi a sea o no estable
determina en gran parte el xito o fra aso del pro eso analizado. La deni in bsi a de estabilidad para sistemas dinmi os en una dimensin

271

Le in 3: Sistemas dinmi os

Equ. asintt. estable

Equ. inestable

x
Equ. estable

Figura 7: Equilibrios estables e inestables.

es la siguiente:
Deni in 5. (Estabilidad)

i) Diremos que el punto de equilibrio x del sistema dinmi o x(t)

=
f (x(t), t) es estable si dado > 0 existen > 0 y t0 > 0 tales que
|x(t0 ) x | < impli a |x(t) x | < para todo t > t0 . En otro
aso, diremos que x es inestable (o no-estable ) (ver gura 7).
ii) Diremos que el punto de equilibrio x del sistema dinmi o x(t)

=
f (x(t), t) es asintti amente estable (o atra tor ) si es estable, y si
lmt x(t) = x (ver gura 7).
Es de ir, un equilibrio es estable si uando una solu in omienza er a
de este equilibrio, permane er siempre er a de l. Y, de la misma forma,
este equilibrio es asintti amente estable si uando una solu in omienza
er a de ste, enton es onverger all 3 .
Determinar la estabilidad de un equilibrio mediante esta deni in puede
ser ompli ado. Por ejemplo, puede ser que no sea posible en ontrar las
solu iones expl itamente. En el aso de los sistemas de una dimensin no
es, sin embargo, muy ompli ado estable erlo utilizando los diagramas de
fase, y el siguiente teorema onrma nuestra intui in dentro del gr o
ualitativo de los sistemas autnomos.
3

Existe tambin la no in de estabilidad asintti a global , signi ando esto que la


lmt x(t) = x se umple, independientemente

ondi in de estabilidad asintti a


de la ondi in ini ial

x(t0 ).

A la ondi in ii) de arriba, se le a ostumbra enton es a

llamar estabilidad asintti a

lo al .

272

Matemti as para e onomistas III: Optimiza in y dinmi a

x1

x2

x3

x4

x5

Figura 8:
Ejemplos de puntos de equilibrio estables e inestables. Los puntos de equili

brio x1 y x5 son asintti amente estables y se tiene f (x1 ) = 0 y f (x5 ) < 0.

Los puntos de equilibrio x2 , x3 , x4 son inestables on f (x2 ) = f (x4 ) = 0 y


f (x3 ) > 0.

Teorema 2.

(Criterio de estabilidad para sistemas autnomos)

Sea
un punto de equilibrio del sistema dinmi o autnomo x(t)

=
f (x(t)). Enton es (ver gura 8):
x

i) Si f (x ) < 0, enton es x es asintti amente estable.


ii) Si f (x ) > 0, enton es x es inestable.
iii) Si f (x ) = 0, el riterio no permite de idir.
Demostra in.

i) Si f (x ) < 0, enton es f () es positiva para x < x pero su ientemente er ano a x , y negativa para x > x pero su ientemente er ano
a x ; luego, un po o a la izquierda de x , x re e; y un po o a la dere ha
de x , de re e. Esto es su iente para garantizar que x es asintti amente estable.
ii) Garantizar que si f (x ) > 0, enton es x es inestable, es similar a lo
que hi imos en i).
iii) Que si f (x ) = 0 el riterio no permite de idir, lo vemos en los asos
f (x) = x2 y f (x) = x3 en x = 0.
Ejemplo 8.

(a) En el ejemplo 6, tenemos que f (x) = c x; luego f (x) = c y as:

x
273

Le in 3: Sistemas dinmi os

2
3

Figura 9: Diagramas de fase del sistema

2
3

x(t)

= x(x 1)(2 3x)

i) Si c < 0, enton es x = 0 es asintti amente estable.


ii) Si c > 0, enton es x = 0 es inestable (ver gura 4).
(b) En el ejemplo 1, tenemos que f (x) = x2 1; luego f (x) = 2x y el
omportamiento de los equilibrios, x = 1, x = 1, es
i) Como f (1) = 2(1) < 0, enton es x = 1 es asintti amente estable.
ii) Como f (1) = 2(1) > 0, enton es x = 1 es inestable (ver gura
6).
Ejemplo 9.

Determinemos los puntos de equilibrio de x(t)

= x(x 1)(2 3x), y


apliquemos el teorema 2 para estable er su estabilidad (ver gura 9).
En primer lugar, tenemos que los puntos de equilibrio son x = 0, x = 1
y x = 23 . Adems,

f (x) = (x 1)(2 3x) + x(2 3x) 3x(x 1)


(a) Como f (0) = 2 < 0, enton es x = 0 es asintti amente estable.

(b) Como f 23 = 23 > 0, enton es x = 23 es inestable.
( ) Como f (1) = 1 < 0, enton es x = 1 es asintti amente estable.

Los diagramas de fase de la gura 9 orroboran a), b) y ).


Ejemplo 10. (Desintegra in radia tiva)

La ley de la desintegra in radia tiva del elemento qumi o radio arma


que la tasa de desintegra in es propor ional a la antidad ini ial de

274

Matemti as para e onomistas III: Optimiza in y dinmi a

radio presente. Para averiguar la antidad de radio presente en ualquier


tiempo t posterior, notamos primero que si R(t) es la antidad de radio
no desintegrado en el tiempo t, enton es R es la tasa de desintegra in,
y omo sta es propor ional a R, enton es la e ua in de desintegra in
es
R = cR donde c > 0 es una onstante ono ida.
y ya sabemos que la solu in a este sistema dinmi o en una dimensin
es
R(t) = R(0) ect
donde R(0) es la antidad presente de la sustan ia qumi a al omienzo
del pro eso.
Nota 1.

Esta ley de la desintegra in no slo la satisfa en los fenmenos radia tivos. Por ejemplo, se en uentra la misma ley en el estudio del enfriamiento,
donde la tasa de de re imiento del alor de un objeto fsi o es propor ional a la diferen ia entre la temperatura del uerpo y la temperatura
del medio que lo rodea.
Ejemplo 11. (Data in por arbono radia tivo (Libby (1910)))

Si un hueso fsil tiene el 30 % de la antidad original de arbono 14


(6 C 14 ), ul es su antigedad?
En la atmsfera, la propor in del arbono radia tivo 6 C 14 y el arbn
omn es onstante, lo ual se umple tambin para los organismos vivos.
Cuando un organismo muere, esa la absor in de 6 C 14 al respirar y al
alimentarse. Por lo tanto, la edad de un fsil puede estimarse omparando
la propor in de arbono presente en el fsil on el de la atmsfera. Esta
es la idea del Data in por arbono radia tivo de W. Libby (premio Nobel
en Qumi a en 1910).
La vida media del arbono 14 es de 5,730 aos 4 y el modelo que rige la
antidad de arbono 14 en un fsil es y(t)

= cy(t) para todo tiempo t.


Sabemos que la solu in a esta e ua in es

y(t) = y(0) ect


4

La vida media es el tiempo despus del ual la sustan ia radia tiva 6 C

disminuido a la mitad su valor original.

14

ha

Le in 3: Sistemas dinmi os

275

donde y(0) > 0 es la antidad original de 6 C 14 . Puesto que, por deni in


de vida media,
1
y(0)e(5,730 )c = y(0)
2
enton es c = 0.000121. Finalmente, el tiempo despus del ual el 30 %
de la antidad original de 6 C 14 sigue presente, se al ula as:
30
y(0)e(0.000121 )t =
y(0)
100
y, de all,
t = 9, 950 aos
que es la antigedad del hueso, segn este modelo.
Ejemplo 12. (Ley de Torri elli)

Los experimentos de Evangelista Torri elli [1608-1647 (un dis pulo de


Galileo) indi an que el agua sale por el ori io inferior de un tanque
ilndri o ( omo el de la gura 10) on una velo idad
A
h = 26.56
h
(*)
B
donde h(t) es al altura del agua arriba de ori io en el tiempo t, B
es el rea de la base ir ular del tanque, y A es el rea del ori io.

El oe iente que apare e en la e ua in es igual a 0.6 2g , donde 0.6


es un fa tor de ontra in debido a que el ujo tiene una se in
transversal menor que el ori io y g = 980 m/seg2 es la a elera in de
la gravedad en la super ie terrestre. Para al ular la altura del agua
h(t) en ualquier momento t, notemos que este sistema dinmi o tiene
omo ni o equilibrio h = 0 (tanque va o) y, mediante antideriva in,
se en uentra que su solu in es
A
h(t) = h(0) 13.28 t
B
donde h(0) es la altura ini ial del nivel del agua. Ser h = 0 asintti amente estable? Es de ir, Si el tanque est va o y lo llenamos on un
po o de agua, se va iar de nuevo eventualmente? Bastara que el le tor
se onven iera de su respuesta observando el diagrama de la gura 10.
Pero podemos tambin apli ar el teorema ?? y, derivando el lado dere ho de la e ua in () on respe to a h y evaluando en valores positivos
er anos a h = 0, obtendremos siempre valores negativos, mostrando
que este equilibrio es, en efe to, asintti amente estable.

276

Matemti as para e onomistas III: Optimiza in y dinmi a

h(t)
Salida del agua
Figura 10: Ley de Torri elli.

Ejer i ios 1
1. Tomando los sistemas dinmi os de los ejemplos 6 y 7, ompare
el omportamiento de sus solu iones expl itas que apare en en un
gr o t vs. x(t), on el el orrespondiente diagrama de fase unidimensional del sistema dinmi o; es de ir, justique la des rip in
de ada diagrama, en trminos del otro.
2. Compruebe, mediante antidiferen ia in, que todas las solu iones
del sistema dinmi o

x(t)

= cx(t) + b,

c 6= 0

tienen la forma x(t) = kect (b/c).


3. (a) Compruebe, mediante antidiferen ia in, que todas las solu iones del sistema dinmi o

x(t)

= c(t)x(t) + b(t)
tienen la forma
R

x(t) = e

c(t)dt


Z
R
k + b(t)e

c(t)dt


dt ,

kR

(b) Con la frmula anterior, al ule las solu iones generales del
sistema dinmi o

2
x(t)

= x(t) + 5t2
t

277

Le in 3: Sistemas dinmi os

( ) Cal ule tambin las solu iones del sistema dinmi o

x(t)

2
x(t) t
t

4. Para los sistemas dinmi os (b) y )) del ejer i io anterior, en uentre, si existe, la solu in que satisfaga x(1) = 5. Es sta una
solu in global o lo al?
5. Dibuje los diagramas de fase unidimensionales de los siguientes
sistemas dinmi os autnomos:
(a) x = x (1 x) on > 0
(b) x = ax + bx
( ) x = ax3 ;

a 6= 0

(e) x = 2 + sen x

0 < b < 1,

(e ua in logsti a )

a 6= 0, > 0

(d) x = ln(x 1)
2

(f) x = x 3

6. Estudie el omportamiento de estabilidad de los equilibrios (si existen) de los sistemas dinmi os autnomos del ejer i io anterior.
7. Resuelva expl itamente mediante antidiferen ia in, en uentre los
equilibrios, y anali e la estabilidad on su orrespondiente diagrama de fase, en ada uno de los siguientes asos:

(b) x = 1 x
(a) x + (t + 1)x3 = 0
( ) x = x2 sen t
1

(e) x = 3x 2 12 x

(d) x = e2t cos x


x
(f) x =
t

8. Suponga que la pobla in de la Tierra ambia a una rapidez propor ional a la pobla in a tual, y asuma que en ierto instante
t = 0 de la historia, la pobla in era de 600 millones; y que 300
aos despus la pobla in era de 2,800 millones. En uentre la pobla in de la Tierra para el ao 2020. Si se supone que la Tierra
puede sostenerse a s misma on 2.5 1010 habitantes, undo
al anzara este lmite?

278

Matemti as para e onomistas III: Optimiza in y dinmi a

2. Sistemas dinmi os ( ontinuos) en dos dimensiones


En esta se in ampliamos la dis usin a los sistemas dinmi os ontinuos planares ; es de ir, en dos dimensiones. Y aunque las t ni as de
anlisis varan, los on eptos entrales se mantienen. Veamos esto.
Deni in 6. (Sistema dinmi o ontinuo en dos dimensiones)

Un sistema dinmi o ontinuo en dos dimensiones es un par de e ua iones diferen iales de la forma

x(t)

= f (x(t), y(t), t)
y(t)
= g(x(t), y(t), t)

(C2D)

dx
dy
, y(t)

=
, f : A I R,
dt
dt
g : A I R son fun iones diferen iables on ontinuidad, A R2
abierto no-va o, y I un intervalo abierto de la forma (a, +) on a
R {}, o de la forma (, a) on a R {}.

donde t es la variable tiempo, x(t)

Deni in 7. (Qu es resolver este sistema dinmi o?)

Resolver el sistema dinmi o en dos dimensiones


(C2D) es en ontrar

todas las traye torias posibles x(t), y(t) que satisfagan, simultneamente, lasdos e ua iones diferen iales. A ada una de estas traye torias
x(t), y(t) se le ono e omo una solu in del sistema dinmi o.
Ejemplo 13. (Sistema dinmi o lineal fundamental)

El sistema lineal, para a11 , a12 , a21 , a22 R,

x = a11 x + a12 y
y = a21 x + a22 y
(es de ir, f (x, y) = a11 x + a12 y , g(x, y) = a21 x + a22 y son fun iones
lineales) ser estudiado en detalle ms adelante. Por ahora, sin embargo,
y a guisa de ejemplo, el le tor podra mostrar que las traye torias

x(t) = e2t + e4t


y(t) = e2t e4t

279

Le in 3: Sistemas dinmi os

(donde x(0) = + , y(0) = son las ondi iones ini iales del
sistema dinmi o), son solu iones al sistema

x = 3x + y
y = x 3y

Ejemplo 14. (Un sistema dinmi o no-lineal)

El sistema dinmi o no-lineal

x = x y 2 ,

y=
y 2

(es de ir, donde f (x, y) = xy 2 , g(x, y) = y 2 son fun iones no-lineales)


tiene omo solu iones a
1

x(t) = ke t+L ,
y(t) =
1

donde x(0) = ke L , y(0) =


dinmi o. N

1
L

kR

1
t+L

L 6= 0

son las ondi iones ini iales del sistema

Ejemplo 15.

El sistema dinmi o

x =

1
+ y,
t

y = y 2

tiene entre sus solu iones a

x(t) = ln[t(t + k1 )] + k2 ,

y(t)=

1
t + k1

Deni in 8. (Punto de equilibrio)

Un punto (x , y ) es un punto de equilibrio ( esta ionario) 5 del sistema


dinmi o

x(t)

= f (x(t), y(t), t),

y(t)=

g(x(t), y(t), t)

si, y slo si,

f (x , y , t) = 0,
para todo t I .
5

Tambin llamado

punto jo,

g(x , y , t)= 0

aunque Poin ar los llamaba

puntos singulares.

280

Matemti as para e onomistas III: Optimiza in y dinmi a

= x , y(t)

= y para todo t I es
Observemos que, en este aso, x(t)
una solu in tal que x(t)

= 0 y y(t)
= 0; por tanto, si el sistema dinmi o
al anza el equilibrio, permane er all por siempre.
Ejemplo 16. (Equilibrio ni o)

Para el sistema dinmi o

x = 2x + y,

y = x 2y

el ni o punto de equilibrio es (x , y ) = (0, 0) que es donde 2x + y = 0,


x 2y = 0.
Ejemplo 17. (Equilibrios mltiples)

Para el sistema dinmi o

x = x2 + y 2 1,

y=
3 x (y 1)

los puntos de equilibrio son (x , y ) = (0, 1) y (x , y ) = (0, 1) que es


donde x2 + y 2 1 = 0, 3x (y 1) = 0.
Ejemplo 18. (Equilibrios mltiples)

El sistema dinmi o

x = x y,

y=
x2 y 2

tiene mltiples equilibrios: todos los puntos (x , y ) on x = y satisfa en las dos e ua iones x y = 0, x2 y 2 = 0.
Ejemplo 19. (Equilibrios mltiples)

El sistema dinmi o

x =

2x 3
,
y
2

y=

3y
2
2x

tiene mltiples equilibrios: todos los puntos (x , y ) 6= (0, 0) on x =


3
2x 3
3y
y satisfa en las e ua iones
= 0,
2 = 0.
4
y
2
2x
Al igual que en el aso de sistemas unidimensionales, en el aso de sistemas bidimensionales, tal y omo los estable imos en la deni in 6,
tambin tendremos un teorema de existen ia y uni idad:

Le in 3: Sistemas dinmi os

281

(Existen ia y uni idad lo al de solu iones (Lips hitz (1876)))


Teorema 3.

Si (x0 , y0 ) A, t0 I , enton es existe una ni a solu in (x(t), y(t)) al


sistema dinmi o
x(t)

= f (x, y, t)
y(t)
= g(x, y, t)

denida en un intervalo abierto alrededor de t0 donde x(t0 ) = x0 y


y(t0 ) = y0 .
Demostra in.

Ver teorema 14, le in 4 (Optimiza in dinmi a).


Para terminar esta se in estable emos la no in de sistema dinmi o
autnomo en dos dimensiones. Estos tendrn la virtud de permitir laras
des rip iones de la dinmi a mediante sus orrespondientes diagramas
de fase, omo veremos en la prxima se in.
Deni in 9. (Sistema autnomo)

El sistema dinmi o en dos dimensiones

x(t)

= f (x(t), y(t), t)
y(t)
= g(x(t), y(t), t)
es autnomo si, y slo si, f (x(t), y(t), t) = f (x(t), y(t)) y g(x(t), y(t), t) =
g(x(t), y(t)) para todo t. Es de ir, f (, ) y g(, ) no dependen (expl itamente) de t; en otro aso, lo llamaremos no-autnomo.
Observemos que los sistemas dinmi os de los ejemplos 13, 14, 16, 17,
18 y 19, son autnomos, mientras que el sistema del ejemplo 15 es noautnomo.
a)

Diagramas de fase en dos dimensiones

Un diagrama de fase en dos dimensiones es una herramienta gr a que,


similar a la utilizada en el aso unidimensional, nos permite visualizar y
tener una des rip in ualitativa de la dinmi a de un sistema bidimensional autnomo en su totalidad. En un plano artesiano x vs. y , ada

282

Matemti as para e onomistas III: Optimiza in y dinmi a

punto representar la posi in del sistema (x, y) en un momento dado del


tiempo. Adems de esto, dibujaremos e has en el sentido de t re iente:
una e ha ha ia el noreste indi a que tanto x omo y estn re iendo en
el tiempo; una e ha ha ia el sur indi ar que y est de re iendo, pero
que x se mantiene onstante; una e ha ha ia el noroeste indi ar que y
est re iendo, pero que x est de re iendo; et .
Ahora, dibujamos en el plano artesiano x vs. y , las urvas f (x, y) = 0
y g(x, y) = 0, y en ontramos los puntos de equilibrio omo sus interse iones. Con esto se ha dividido enton es el plano en varias regiones
que debern ser estudiadas de a uerdo al signo que all tengan f (x, y)
y g(x, y). De esta manera, por ejemplo, si en una regin f (x, y) > 0 y
g(x, y) < 0, enton es la e ha para x estar en dire in este y la e ha
para y estar en dire in sur, dando omo resultado que la dire in de
las e has en tal regin ser sureste, et . (ver gura 11). Veamos algunos
ejemplos que a laren este mtodo.

y(t)

f >0

x = f (x, y) = 0

g<0

g>0
f >0

f >0
g<0

y = g(x, y) = 0
g>0
f <0

x(t)
Figura 11: Diagrama de fase en dos dimensiones.

Ejemplo 20.

El diagrama de fase del sistema dinmi o

x = 2x + y

(= f (x, y))

y = x 2y

(= g(x, y))

lo onstruimos, sin ha er expl itas sus solu iones, de la siguiente forma:


(a) Primero, dibujamos en el plano los puntos (x, y) tales que f (x, y) =
0, es de ir, 2x + y = 0; y despus los puntos (x, y) tales que g(x, y) =

Le in 3: Sistemas dinmi os

283

0, es de ir, x 2y = 0; siendo su punto de interse in el ni o


equilibrio del sistema: (x , y ) = (0, 0) (ver gura 12).
(b) Luego observamos que se ha dividido el plano en uatro regiones:
regin I (primer uadrante), regin II (segundo uadrante), regin
III (ter er uadrante), y regin IV ( uarto uadrante), (ver gura
12).
i) En la regin I se tiene que

f (x, y) =2x + y > 0 y g(x, y)= x 2y < 0


ii) En la regin II se tiene que

f (x, y) = 2x + y < 0 y g(x, y)= x 2y < 0


iii) En la regin III se tiene que

f (x, y) = 2x + y < 0 y g(x, y)= x 2y > 0


iv) En la regin IV se tiene que

f (x, y) = 2x + y > 0 y g(x, y)= x 2y > 0


( ) En ter er lugar, dibujamos la e has:
i) En la regin I, puesto que f > 0 y x = f , enton es x re e,
y esto lo dibujamos on una e ha ha ia el este. De manera
similar, puesto que g < 0 y y = g, enton es y de re e, y esto
lo dibujamos on una e ha ha ia el sur. La dire in de la
dinmi a en la regin I ser enton es en la dire in sureste.
ii) En la regin II, puesto que f < 0 y g < 0, enton es x de re e,
y esto lo dibujamos on una e ha ha ia al oeste, y y tambin
de re e (y esto lo dibujamos on una e ha ha ia el sur). La
dire in de la dinmi a en la regin II ser, enton es, en la
dire in suroeste.
Los asos iii) y iv) son similares.
Ya on esta informa in, el diagrama de fase del sistema dinmi o apare er omo en la gura 12. N

284

Matemti as para e onomistas III: Optimiza in y dinmi a

y(t)
y = g(x, y) = 0

x(t)

x = f (x, y) = 0
Figura 12:
Constru in del diagrama de fase del sistema

x = 2x + y , y = x 2y .

Ejemplo 21. (E ua in de Lotka-Volterra)

Estimulado por el Essay on the Prin iple of Population (1798) de Thomas Malthus, quien armaba que las ne esidades de pobla in en expansin deba ex eder la oferta de re ursos naturales en algn punto
del tiempo, Pierre Verhulst (1838) publi lo que l llam la e ua in
logsti a para des ribir el re imiento de la densidad pobla ional. Esta
e ua in, re-des ubierta en 1920, fue re-es rita y ampliada dentro del
esquema predador-presa por el biofsi o norteameri ano Alfred Lotka
(1925)6 y el matemti o italiano Vito Volterra (1926)7 . Este modelo se
ono e hoy omo el modelo Lotka-Volterra.
La versin ontinua del modelo logsti o de Verhulst es la e ua in diferen ial
dN
r(k N )N
(*)
=
dt
k
donde r es la tasa mxima de re imiento pobla ional (o parmetro malthusiano ), k es la mxima pobla in sostenible, y N (t) es la antidad
N
de pobla in en el tiempo t. Si ha emos x =
, enton es la e ua in
k
diferen ial (*) es

dx
= rx(1 x)
dt
6

Lotka, Alfred (1925),

timore.

Volterra, Vito (1926),

Animali Conviventi,

Elements of Physi al Biology,

(e ua in logsti a )
Williams and Wilkins. Bal-

Variazioni e uttuazioni del Numero d'Individui in Spe ie

Mem. R. A ad. Naz. del Lin ei.

285

Le in 3: Sistemas dinmi os

uyas solu iones son de la forma

x(t) =
1+

1

.
1
1 ert
x(0)

Sin embargo, obsrvese que este modelo logsti o es para una sola espe ie,
y las ms interesantes dinmi as en el mundo biolgi o tienen que ver
on intera iones entre espe ies. El modelo Lotka-Volterra, pre isamente,
des ribe las intera iones de un predador y una presa en un e osistema.
Como slo onsideramos dos espe ies, el modelo slo involu rar dos
e ua iones: una que des ribe mo ambia la pobla in-presa, y la otra
que des ribe mo ambia la pobla in-predador. El modelo es

R = aR bRF = R(a bF )
F = ebRF cF = F (ebR c)
donde R(t) y F (t) son las antidades de presas y de predadores vivos en
el periodo t, respe tivamente; a es la tasa natural de re imiento de las
presas en ausen ia de predadores; c es la tasa natural de re imiento de
los predadores en ausen ia de alimento (presas); b es la tasa de mortalidad
de presas por en uentro on predadores; e es la tasa on que este pro eso
da origen a nuevos predadores.
Anali emos enton es el sistema dinmi o

R = R(a bF ),

F = F (ebR c)

a
c
En este aso, R = 0 si F = , y F = 0 si R = ; es de ir, el equilibrio
b
eb
c a
a
a
es ( , ). As, sobre la re ta F = , R(t) no vara, y si F < , enton es
eb b
b
b
a
R > 0; es de ir, R(t) aumenta; mientras que si F > , enton es R < 0; es
b
de ir R(t) disminuye. Esto lo dibujamos utilizando e has que sealan
a
a
al oeste para F >
y al este para F <
(ver gura 21). De forma
b
b
c
c
similar, si R =
, F (t) no vara; pero si R >
, enton es F > 0; es
eb
eb
c
de ir, F (t) aumenta; y si R < , enton es F < 0, y as F (t) disminuye.
eb
c
Esto lo dibujamos on e has que apuntan al norte uando R >
y al
eb
c
c a
sur uando R < . Claramente, el equilibrio ( , ) es inestable.
eb
eb b

286

Matemti as para e onomistas III: Optimiza in y dinmi a

F (t)
a
b

R = 0

c
eb

R(t)

Figura 13: Diagrama de fase del sistema de Lotka-Volterra.

El modelo Lotka-Volterra es la base de mu hos de los modelos que hoy


en da se utilizan en biologa matemti a para el anlisis de dinmi as de
pobla in. Desafortunadamente, en esta forma el modelo presenta algunos problemas importantes: ningn equilibrio es estable y, en su lugar,
los predadores y las presas re en y de re en li amente sin aanzarse
alrededor de ningn equilibrio. Y aunque esta i li idad s se observa
en la naturaleza, no es abrumadoramente omn. Al pare er, el modelo
Lotka-Volterra no es su iente para des ribir el fenmeno ade uadamente. Quizs falta ms informa in de ontexto. Para ms sobre este tipo de
modelos de evolu in de espe ies y otros de la biologa matemti a, invitamos al le tor al ex elente texto de J. D. Murray (2002), Mathemati al
Biology: I. An Introdu tion (Springer).
b)

Estabilidad en dos dimensiones

De forma similar a los on eptos de estabilidad y estabilidad asintti a


desarrollados para sistemas unidimensionales, en el aso de los sistemas
bidimensionales tenemos la siguiente deni in:
Deni in 10. (Estabilidad bidimensional lo al)

i) Diremos que el punto de equilibrio (x , y ) del sistema bidimensional



x(t)

= f x(t), y(t), t

y(t)
= g x(t), y(t), t

es estable si dado > 0 existen > 0 y t0 > 0 tales que ||(x(t0 ), y(t0 ))
(x , y )|| < impli a ||(x(t), y(t)) (x , y )|| < para todo t > t0 .
En otro aso, se dir que (x , y ) es inestable (ver gura 14).

287

Le in 3: Sistemas dinmi os

y(t)

y(t)

y(t)
(x , y )

(x , y )

Equ. estable

x(t)

x(t)
Equ. asint. estable

(x , y )

x(t)
Equ. inestable

Figura 14: Ejemplos de estabilidad e inestabilidad lo al.

ii) Diremos que el punto de equilibrio (x , y ) del sistema dinmi o


bidimensional


x(t)

= f x(t), y(t), t

y(t)
= g x(t), y(t), t

es asintti amente estable ( atra tor) (ver gura 14) si es estable


on

lm (x(t), y(t)) = (x , y )

Nota 2.

Obsrvese que ambas deni iones de estabilidad son lo ales : des riben
el omportamiento del sistema er a de un punto de equilibrio. Si un
equilibrio (x , y ) es estable para todas las ondi iones ini iales x(t0 ),
enton es diremos que es globalmente estable. En general, aunque deseable,
la ondi in de estabilidad global es dif il de al anzar.

Sistemas lineales ( ontinuos) en dos dimensiones

Como es ya ostumbre, al intentar des ribir un fenmeno, ini ialmente


bus amos su des rip in formal ms simple posible, es de ir, su estru tura lineal.

288

Matemti as para e onomistas III: Optimiza in y dinmi a

Deni in 11. (Sistema dinmi o lineal)

i) Un sistema dinmi o lineal homogneo (SDL) es un sistema de la


forma

x = a11 x + a12 y

(SDL)

y = a21 x + a22 y
o, en forma ms ompa ta,

z = Az,

donde

z = (x, y),



a11 a12
A=
a21 a22

(*)

ii) Un sistema dinmi o lineal es no-homogneo si es de la forma

x = a11 x + a12 y + b1
y = a21 x + a22 y + b2
o, en forma ompa ta,

z = Az + b,

 
b
b= 1
b2

Bus ando resolver el SDL, re ordemos que la solu in a la e ua in


z = az es de la forma z(t) = z0 eat . Podramos intentar una solu in
de este tipo asumiendo en el (SDL) que z = z0 et on z0 = (x0 , y0 ) omo
ondi in ini ial. Reemplazando esto en (*), tenemos

z = Az = A(z0 et )

z=
z0 et = (I)z0 et

Si igualamos ambas expresiones y dividimos a ambos lados por et en ontramos que


(A I)z0 = 0
Por lo tanto, podemos en ontrar solu iones del SLD de la forma z =
z0 et , si es un valor propio (o espe tro) de la matriz A y z0 es un ve tor
propio orrespondiente al valor propio . De he ho, podemos de ir an
ms:

289

Le in 3: Sistemas dinmi os

Teorema 4. (Solu iones del sistema lineal (Poin ar (1886)))

i) El onjunto de solu iones del sistema dinmi o lineal SDL es un


espa io ve torial 8 ; es de ir, la ombina in lineal de ualquier par
de solu iones del SDL tambin es una solu in del SDL.9
ii) Si la matriz A del sistema SDL tiene dos valores propios 1 , 2 distintos y no es una matriz diagonal,10 enton es la solu in general es
una ombina in lineal de las fun iones e1 t y e2 t y tiene la forma
x = c11 e1 t + c12 e2 t
y = c21 e1 t + c22 e2 t

donde el ve tor olumna (c11 , c21 )T es un ve tor propio aso iado a


1 , y el ve tor olumna (c12 , c22 )T es un ve tor propio aso iado a
2 ; y donde , R. 11
iii) Si la matriz A del sistema SDL slo tiene un valor propio y no es
una matriz diagonal, enton es la solu in general es una ombina in lineal de las fun iones et y tet , y tiene la forma
x = (c11 + c12 )et + c11 tet
y = (c21 + c22 )et + c21 tet

donde , R y


c11
(A I)
=0
c21

8
9

Subespa io del onjunto

FR

  
c12
c
(A I)
= 11
c22
c21

de todas las fun iones

h:RR

A esta ara tersti a de los sistemas dinmi os lineales se le ono e omo

de superposi in.
10
Si A es una matriz

(*)

prin ipio

diagonal, enton es el SDL en dos dimensiones se transforma

en dos SDL en una dimensin, y se pueden solu ionar dire tamente apli ando los
mtodos ya estudiados.

11

2
Aqu asumimos que si = a + ib (a, b R, i = 1) es un nmero omplejo,
et se al ular utilizando la frmula Euler eibt = cos(bt) + i sen(bt) y as,
= eat eibt (Ver volumen II: Cl ulo).

enton es
(a+ib)t

290

Matemti as para e onomistas III: Optimiza in y dinmi a

Demostra in.

i) Supongamos que



x1 (t)
,
z1 (t) =
y1 (t)



x2 (t)
z2 (t) =
y2 (t)

son solu iones al SDL. Veamos que, enton es, az1 (t)+bz2 (t) tambin
es solu in al sistema, para todo a, b R. Pero esto es inmediato,
ya que

d az1 (t) + bz2 (t)
= az1 (t) + bz2 (t) = aAz1 (t) + bAz2 (t)
dt
= A(az1 (t) + bz2 (t))
pues z1 (t) y z2 (t) satisfa en SDL.
ii) Utilizaremos el he ho de que A es una matriz diagonalizable y, por
tanto (ver volumen I (lgebra lineal), le in
ser des 7), puede

c
c
ompuesta omo A = CDC 1 , donde C = 11 12 es la matriz
c21 c22
generada por los ve tores propios ( olumna) orrespondientes a los
valores propios distintos 1 , 2 , y



0
D= 1
0 2
Denamos z = C 1 z . Enton es

z = C 1 z = C 1 Az = Dz
uya solu in es

 t
e 1
z (t) =
e2 t

Como z(t) = Cz (t), se obtiene el resultado bus ado.


iii) Si A slo tiene un valor propio, enton es por el teorema de des omposi in de Jordan (ver volumen I (lgebra lineal); le in
 7), existe

1
una matriz C tal que C 1 AC = J , donde J =
y C es la
0

291

Le in 3: Sistemas dinmi os

matriz de ve tores propios que satisfa e el sistema (*) en el teorema.


De forma similar a ii), denimos z = C 1 z , de lo ual obtenemos
 t

e + tet

z (t) =
et
Ejemplo 22. (Nodo)

Para en ontrar la solu in general a

x = 3x + y
vemos que:

y = x 3y


 
3
1 x
(x,
y)
=
1 3 y

(a) El ni o equilibrio del sistema dinmi o x = 0, y = 0 es x = y = 0.


(b) De a uerdo on el teorema 4, debemos en ontrar primero los valores
propios de la matriz


3
1
A=
1 3
o, equivalentemente, resolver

det(A I) = 0
que es

es de ir,



3
1
det
=0
1
3

y as, 1 = 2, 2 = 4.

(3 + )2 1 = 0

( ) Luego al ulamos los ve tores propios orrespondientes a ada valor


propio:
i) Para 1 = 2 tenemos que (c11 , c21 ) es un ve tor propio aso iado on 1 si, y slo si,

   
1
1 c11
0
=
1 1 c21
0
y omo slo ne esitamos un (c11 , c21 ) 6= (0, 0), enton es vemos
que c11 = c21 = 1 satisfa en bien el requerimiento.

292

Matemti as para e onomistas III: Optimiza in y dinmi a

y(t)

x = 0
y = 0

x(t)

Figura 15: El nodo del ejemplo 22.

ii) Para 2 = 4, tenemos que (c12 , c22 ) es un ve tor aso iado on


2 si, y slo si,

   
1 1 c12
0
=
1 1 c22
0
y vemos que c12 = 1, c22 = 1 satisfa en esta ondi in.
(d) Por lo tanto, de a uerdo on la parte (a) del teorema 4, la solu in
general, para , R, tiene la forma

x = e2t + e4t
y = e2t e4t
(e) Es siempre onveniente, de ser posible, una representa in gr a de
las solu iones mediante un diagrama de fase. Aqu, este se obtiene
si, en primer lugar, ha emos = 0 y 6= 0 es ualquiera. As
en ontramos que y = x es una solu in. La dire in de las e has
ha ia ero sobre la re ta y = x de la gura 15, lo determina el he ho
de que lm x(t) = lm e2t = 0. De la misma manera, si = 0
t0

t0

y 6= 0 es ualquiera, en ontramos que y = x es tambin una


solu in, y la dire in de las e has ha ia ero lo determina el he ho
de que lm x(t) = lm e4t = 0 = lm = e4t = lm y(t). Las
t

urvas uadrti as que apare en en la gura 15 surgen del he ho de


que

293

Le in 3: Sistemas dinmi os

(x + y)2 = 22 (x y)

12

Y las e has en dire in al origen surgen de que, en general, lm x(t) =


t

lm y(t) = 0 para todo , R. Al punto de equilibrio (0, 0) lo llat


maremos, en este aso, un nodo y es asintti amente estable.
Ejemplo 23. (Punto de silla)

Para en ontrar la solu in general de

x = 2x 4y
vemos que:

y = x 3y


 
2 4 x
(x,
y)
=
1 3 y

(a) En este problema el ni o equilibrio del sistema dinmi o es (0, 0).


(b) Los valores propios de la matriz


2 4
1 3
satisfa en la e ua in ara tersti a

( 2)( + 3) + 4 = 0
uyas solu iones son 1 = 1 y 2 = 2.
( ) Determinemos los ve tores propios de ada valor propio:
i) Para 1 = 1 el ve tor propio (c11 , c21 ) debe satisfa er la ondi in

   
1 4 c11
0
=
1 4 c21
0
lo ual se satisfa e en (c11 , c21 ) = (4, 1).

ii) Para 2 = 2 el ve tor propio (c12 , c22 ) debe satisfa er la ondi in



   
4 4 c12
0
=
1 1 c22
0
lo ual se satisfa e en (c12 , c22 ) = (1, 1).

12

X = e2t
Y = X 2.

Para obtener esta e ua in, es riba

luego resuelva para

Y,

y note que

Y = e4t

en el sistema original;

294

Matemti as para e onomistas III: Optimiza in y dinmi a

(d) Por lo tanto, por el teorema 4, la solu in general del sistema dinmi o es

x = 4et + e2t
y = et + e2t
para , R. La ompli ada dinmi a de la gura 16, surge del
he ho de que las solu iones x y y satisfa en la e ua in

272 = (x y)2 (4y x)


x = 0

y(t)

y = 0

x(t)

Figura 16: El punto de silla del ejemplo 23

Ejemplo 24. (Centro)

Para en ontrar la solu in general de

x = y
y = 4x

 
0 1 x
(x,
y)
=
4 0 y

observamos que:
(a) En este problema el ni o equilibrio del sistema dinmi o es (0, 0).
(b) Los valores propios de la matriz


0 1
4 0

satisfa en la e ua in ara tersti a

2 + 4 = 0
uyas solu iones son 1 = 2i y 2 = 2i.

Le in 3: Sistemas dinmi os

295

( ) Determinemos los ve tores propios de ada valor propio:


i) Para 1 = 2i el ve tor propio (c11 , c21 ) debe satisfa er la ondi in

   
2i 1
c11
0
=
4 2i c21
0
lo ual se satisfa e en (c11 , c21 ) = (1, 2i).

ii) Para 2 = 2i el ve tor propio (c12 , c22 ) debe satisfa er la ondi in



   
2i 1 c12
0
=
4 2i c22
0
lo ual se satisfa e en (c12 , c22 ) = (1, 2i).

(d) Por el teorema 4, la solu in general es de la forma

x = 1 e2it + 2 e2it
y = 21 ie2it 22 ie2it
para 1 , 2 C. Esto es equivalente a

x = 1 (cos 2t + i sen 2t) + 2 (cos(2t) + i sen(2t))


y = 21 i(cos 2t + i sen 2t) 22 i(cos(2t) + i sen(2t))
que es, a su vez, equivalente a

x = (1 + 2 ) cos 2t + (1 2 )i sen 2t

y = 2(1 + 2 )i sen 2t + 2(1 2 )i cos 2t

Tomemos 1 = 12 ( + i) y 2 = 12 ( i) on , R; enton es
podemos es ribir las solu iones omo

x = cos 2t + sen 2t
y = 2 sen 2t + 2 cos 2t
Notemos que estas solu iones satisfa en (2x)2 + y 2 = (2)2 + (2)2
que orresponden, para diferentes valores de y , a guras elpti as
(ver gura 17).

296

Matemti as para e onomistas III: Optimiza in y dinmi a

y(t) y = 0

x = 0

x(t)

Figura 17: El entro del ejemplo 24.

Ejemplo 25. (Espiral)

Para en ontrar la solu in general de

x = x + y
y = x y


 
1
1 x
(x,
y)
=
1 1 y

notemos que:
(a) En este problema el ni o equilibrio del sistema dinmi o es (0, 0).
(b) Los valores propios de la matriz


1
1
1 1
satisfa en la e ua in ara tersti a

(1 + )2 + 1 = 0
uyas solu iones son 1 = 1 + i y 2 = 1 i.
( ) Ahora determinemos los ve tores propios de ada valor propio:
i) Para 1 = 1 + i, el ve tor propio (c11 , c21 ) debe satisfa er la
ondi in

   
i 1
c11
0
=
1 i c21
0
lo ual se satisfa e en (c11 , c21 ) = (1, i).

297

Le in 3: Sistemas dinmi os

ii) Para 2 = 1 i, el ve tor propio (c12 , c22 ) debe satisfa er la


ondi in

   
i 1 c12
0
=
1 i c22
0
lo ual se satisfa e en (c12 , c22 ) = (1, i).

(d) Por el teorema 4, la solu in general es de la forma

x = 1 e(1+i)t + 2 e(1i)t
y = 1 ie(1+i)t 2 ie(1i)t
para 1 , 2 C. Esto es equivalente a

x = 1 et (cos t + i sen t) + 2 et (cos(t) + i sen(t))


y = 1 iet (cos t + i sen t) 2 iet (cos(t) + i sen(t))
que, a su vez, es lo mismo que

x = (1 + 2 )et cos t + (1 2 )iet sen t

y = (1 + 2 )et sen t + (1 2 )iet cos t

Si tomamos 1 = 12 ( + i) y 2 = 12 ( i) on , R, enton es
podemos es ribir las solu iones omo

x = et cos(t) et sen(t)

y = et sen(t) et cos(t)

para , R (ver gura 18).

y(t)

x = 0

x(t)
y = 0

Figura 18: La espiral del ejemplo 25.

298
i)

Matemti as para e onomistas III: Optimiza in y dinmi a

Clasi a in de los tipos de equilibrio

Ya hemos visto el omportamiento de varios sistemas parti ulares del


(SDL). A ontinua in presentamos la deni in formal de estos tipos
de omportamiento.
Deni in 12. (Tipos de equilibrios de sistemas dinmi os lineales)

Sea



a11 a12
A=
a21 a22

la matriz del sistema (SDL) y 1 , 2 sus valores propios.


i) Si 1 < 0 < 2 , enton es el sistema es un punto de silla .
ii) Si ambos valores propios tienen partes reales negativas, el sistema
es un valle :
(a) Si 1 = 2 = < 0 y A = I , el sistema es un fo o onvergente.
(b) Si 1 < 2 < 0, enton es el sistema es un nodo onvergente .
( ) Si 1 = 2 < 0, enton es el sistema es un nodo impropio onvergente .
(d) Si 1 = a + ib, 2 = a ib, a < 0, enton es el sistema es una
espiral onvergente .
iii) Si ambos valores propios tienen partes reales positivas, el sistema es
una fuente .
(a) Si 1 = 2 > 0 y A = I , el sistema es un fo o divergente .
(b) Si 1 > 2 > 0, enton es el sistema es un nodo divergente.
( ) Si 1 = 2 > 0, enton es el sistema es un nodo impropio divergente.
(d) Si 1 = a + ib, 2 = a ib, a > 0, enton es el sistema es una
espiral divergente.
iv) Si los valores propios son imaginarios puros, 1 = ib, 2 = ib,
enton es el sistema es un entro ( vrti e).

Le in 3: Sistemas dinmi os

299

Es laro, a partir de los ejemplos anteriores, que un sistema lineal puede


tener diferentes tipos de omportamiento en las ve indades de un equilibrio, dependiendo de sus valores propios. Para determinar bajo qu
ondi iones estamos en presen ia de uno o de otro tipo, podemos tambin utilizar un riterio que no exige nuestro ono imiento expl ito de
los valores propios. Para este efe to, onsideremos de nuevo el sistema
dinmi o lineal homogneo (SDL)

x = a11 x + a12 y
y = a21 x + a22 y
Aqu, la e ua in ara tersti a de la matriz de oe ientes


a11 a12
A=
a21 a22

(*)

es det(A I) = 0, donde R. Espe  amente,




a11
a12

det(A I) =
= 2 (a11 + a22 ) + det A = 0 (**)
a21
a22

Ahora: si p a11 + a22 = Traza(A), q det A, p2 4q tendremos


la igualdad

( 1 )( 2 ) = 2 (1 + 2 ) + 1 2
Al omparar esta on (**), observamos que p = 1 + 2 es la suma de
los valores propios de A, y q = 1 2 su produ to.
De a uerdo a lo anterior, es inmediato el siguiente teorema de lasi a in de los tipos de equilibrio:
Teorema 5.

(Clasi a in de uatro tipos de equilibrio)

Si en la matriz de oe ientes



a11 a12
A=
a21 a22

del sistema dinmi o lineal x = Ax, denimos p Traza(A) = a11 +a22 ,


q det A; p2 4q , enton es

300

Matemti as para e onomistas III: Optimiza in y dinmi a

i) Si q > 0 y 0, enton es (0, 0) es un nodo.


ii) Si q < 0, enton es (0, 0) es un punto de silla.
iii) Si q > 0 y p = 0, enton es (0, 0) es un entro.

>0

<0

Centro

iv) Si p 6= 0 y < 0, enton es (0, 0) es una espiral.


q
=0
=0
Espiral
Espiral
<0

Nodo

>0
Nodo

p
Punto de silla
Figura 19: Diagrama de tipos de equilibrio.

Ejemplo 26.

(a) En el sistema del ejemplo 22,



3
1
A=
1 3
as, p = a11 + a22 = 6, q = det A = 9 1 = 8, = p2 4q = 4.
Por el teorema 5, el equilibrio (0, 0) es un nodo.
(b) En el sistema del ejemplo 23,

A=



2 4
1 3

y as, p = a11 + a22 = 1, q = det A = 2, = p2 4q = 9. Por el


teorema 5, el equilibrio (0, 0) es un punto de silla.
( ) En el sistema del ejemplo 24,

A=


0 1
4 0

y por tanto, p = a11 + a22 = 0, q = det A = 4, = p2 4q = 16.


Por el teorema 5, el equilibrio (0, 0) es un entro.

301

Le in 3: Sistemas dinmi os

(d) En el sistema del ejemplo 25,



1
1
A=
1 1
y as, p = a11 + a22 = 2, q = det A = 2, = p2 4q = 4 < 0.
Por el teorema 5, el equilibrio (0, 0) es una espiral.
Pero, adems de esta lasi a in general de los tipos de equilibrio, existe
un riterio menos espe  o pero tambin muy til para determinar su
estabilidad:
Teorema 6.

(Criterio de estabilidad para sistemas lineales)

Si en la matriz de oe ientes



a11 a12
A=
a21 a22

del sistema dinmi o lineal x = Ax, denimos p Traza(A) y q


det(A), enton es:
i) Si p < 0 y q > 0, el equilibrio (0, 0) es asintti amente estable.
ii) Si p 0, y q > 0, el equilibrio (0, 0) es estable.
iii) Si p > 0 q < 0, el equilibrio (0, 0) es inestable.
Demostra in.

Este teorema es on lusin inmediata de la deni in 12 y del teorema


5.
Ejemplo 27.

(a) En el sistema del ejemplo 22,



3
1
A=
1 3
as, p = a11 + a22 = 6 y q = det A = 8. Por el teorema 6, el
equilibrio (0, 0) es asintti amente estable.

302

Matemti as para e onomistas III: Optimiza in y dinmi a

Estable

q
Asintti amente
Estable

Inestable

p
Inestable
Figura 20: Diagrama de riterios de estabilidad.

(b) En el sistema del ejemplo 23,



2 4
A=
1 3
as que p = a11 + a22 = 1 y q = det A = 2, y, por el teorema 6, el
equilibrio (0, 0) es inestable.
( ) En el sistema del ejemplo 24,


0 1
A=
4 0
as, p = a11 + a22 = 0 y q = det A = 4. Por el teorema 6, el equilibrio
(0, 0) es estable.
(d) En el sistema del ejemplo 25,



1
1
A=
1 1
as, p = a11 + a22 = 2 y q = det A = 2. Por el teorema 6, el
equilibrio (0, 0) es asintti amente estable.
Nota 3. (E ua in diferen ial ordinaria omo un sistema dinmi o)

Observemos que una e ua in diferen ial ordinaria de segundo orden de


la forma
d2 z
dz
+ b + cz = 0
dt2
dt

Le in 3: Sistemas dinmi os

303

es equivalente al sistema dinmi o lineal

x = bx + cz
z = x

dz
= z . Observemos que los valores propios de este sistema
dt
se en uentran resolviendo la e ua in ara tersti a 2 + b + c = 0 del
sistema dinmi o y, luego, se apli a el teorema ?? para en ontrar las
solu iones a la e ua in diferen ial ordinaria. As, toda la teora de los
sistemas dinmi os lineales on oe ientes onstantes abar a a la teora
de e ua iones diferen iales ordinarias de segundo orden on oe ientes
onstantes. Sobre esto volveremos ms adelante.
donde x

Ejemplo 28. (Un ejemplo lsi o: la dinmi a del resorte)

Consideremos un punto material de masa m movindose a lo largo del


eje horizontal x en un medio resistente (por ejemplo, en un lquido o en
un gas) bajo la inuen ia de la fuerza elsti a de un resorte a tuando
bajo la ley de Hooke ; es de ir, la fuerza elsti a del resorte a ta ha ia la
posi in de equilibrio y es propor ional a la desvia in on respe to de
sta, donde la posi in de equilibrio o urre en el punto x = 0. As,
la fuerza elsti a es igual a bx on b > 0 (a b se la ono e omo
oe iente de restitu in ). Asumamos tambin que la resisten ia al medio
dx
es propor ional a la velo idad del movimiento; es de ir, igual a a
dt
donde a > 0, y el signo menos seala que el medio resistente a ta en
ontra del movimiento. De la ley de Newton, que arma que el produ to
de la masa de un punto material y su a elera in es igual a la suma de
las fuerzas que a tan sobre ste, tenemos que

d2 x
dx
= bx a
2
dt
dt

(*)

es la e ua in que des ribe el movimiento x(t) del punto material en


ualquier instante del tiempo.
La e ua in diferen ial ordinaria de segundo orden on oe ientes onstantes dada por (*) puede redu irse a un sistema dinmi o lineal bididx
dz
mensional as: Sea z
; enton es (*) es equivalente a m
= bxaz ;
dt
dt

304

Matemti as para e onomistas III: Optimiza in y dinmi a

y, por lo tanto, el sistema lineal es

z=

x = z,

b
a
x z
m
m

Es f il mostrar que los valores propios de la matriz de oe ientes

a
son 1,2 = 2m

a2
4m2

b
m

b
m

a
m

y deberemos estudiar tres asos:

Caso 1 (a2

> 4mb).
En este aso, 1 , 2 < 0, 1 6= 2 . Por el teorema 6, las solu iones,
todas, tendern al punto de equilibrio x = 0 que es asintti amente
estable. Fsi amente, este aso o urre uando la resisten ia al medio es
su ientemente grande para poder evitar os ila iones. El punto material
no puede pasar a travs de la posi in de equilibrio x = 0 ms de una vez.
Despus, luego de al anzar la distan ia mxima desde el punto x = 0,
omenzar una lenta aproxima in a este punto de equilibrio, pero nun a
pasar de nuevo a travs de l.
Caso 2 (a2

= 4mb).
En este aso, 1 = 2 , ambas reales negativas. Nuevamente, por el teorema 6, las solu iones, todas, tendern al punto de equilibrio x = 0 que es
asintti amente estable. El movimiento del punto material ser similar
al del primer aso.
Caso 3 (a2

< 4mb).

q
q
a
b
a2
a
b
a2
En este aso, 1 = 2m
+ m
4m
i
y

2
2
2m
m 4m2 i son
nmeros omplejos. El punto material llevar a abo os ila iones a lo
largo del eje x (ms espe  amente, alrededor del punto de equilibrio):
omo a > 0, es de ir, omo el medio s ofre e resisten ia al movimiento
(aunque esta resisten ia es pequea (a2 < 4bm), enton es la amplitud de
la os ila in tender a ero y las os ila iones desapare ern.

305

Le in 3: Sistemas dinmi os

x
0
Figura 21: Dinmi a de un resorte.

d)

Solu in general para sistemas no-homogneos

Hasta ahora hemos estudiado sistemas homogneos del tipo

x(t)

= a11 x(t) + a12 y(t)


y(t)
= a21 x(t) + a22 y(t)

(1)

o, en forma ms ompa ta,

z = Az,

donde

z = (x, y),



a11 a12
A=
a21 a22

Sin embargo, en mu hos asos nos interesa en ontrar solu iones a sistemas no-homogneos de la forma

x(t)

= a11 x(t) + a12 y(t) + w1 (t)


y(t)
= a21 x(t) + a22 y(t) + w2 (t)

(2)

donde w1 () y w2 () son diferen iables fun iones arbitrarias. En forma


ms ompa ta, esto se puede es ribir omo

z = Az + w,
Teorema 7.

donde

z T = (x, y),

wT = (w1 , w2 )

(Solu in general a sistemas no-homogneos)

La solu in general al sistema

z(t)
= Az(t) + w(t)

(*)

es de la forma
z(t) = z g (t) + z p (t)

donde z g (t) es la solu in general al sistema dinmi o homogneo, y z p (t)


es una solu in parti ular de (*).

306

Matemti as para e onomistas III: Optimiza in y dinmi a

Demostra in.

Veamos, primero, que z(t) = z g (t) + z p (t) es solu in al sistema (*). En


efe to:

d g
(z (t) + z p (t)) = Az g (t) + Az p (t) + w(t)
dt
= A(z g (t) + z p (t)) + w(t) = Az(t) + w(t)

z(t)
=

ya que z g (t) es solu in al sistema homogneo y z p (t) es solu in parti ular a (*). Ahora: para ver que toda solu in al sistema (*) es de la forma
z g (t) + z p (t), supongamos que z1 (t) y z2 (t) son solu iones al sistema,
enton es tenemos que

d(z1 (t) z2 (t))


= z1 (t) z2 (t) = A(z1 (t) z2 (t))
dt
de forma que z1 (t) z2 (t) es una solu in z g (t) al problema homogneo.
As, z1 (t) = z g (t) + z2 (t), que es equivalente a lo que bus bamos 13 .
Ejemplo 29.

Para en ontrar la solu in general a

x = 2x + y + t
y = 2y + 1


   
2 1 x
t
(x,
y)
=
+
0 2 y
1

on ondi iones ini iales x(0) = 1 y y(0) = 0, omenzamos es ribiendo


la solu in general al sistema homogneo

xg (t) = e2t + te2t


y g (t) = e2t
Para en ontrar una solu in parti ular al sistema, es asi siempre onveniente bus arla similar a la fun in w(t); es de ir, en este aso, debe
tener la forma

xp (t) = m0 + m1 t
13

A aso este teorema no le re uerda al le tor la estru tura de las solu iones a un

sistema no-homogneo de e ua iones lineales? (ver volumen I: lgebra lineal). Por


qu ree el le tor que surge esta similitud?

307

Le in 3: Sistemas dinmi os

y p (t) = m2 + m3 t
donde m0 , m1 , m2 , m3 se pueden determinar as: Colo ando la solu in
parti ular xp (t), y p (t) dentro del sistema original x = 2x + y + t, y =
2y + 1, obtendremos que

m1 = 2(m0 + m1 t) + (m2 + m3 t) + t,

m3 = 2(m2 + m3 t) + 1

y as

m1 = 2m0 + m2 ,

m1 + m3 + 1 = 0

m3 = 2m2 + 1,

2m3 = 0

m1 = 1,

1
m2 = ,
2

Por lo tanto,

1
m0 = ,
4
Y as,

1
xp (t) = t,
4

y p (t) =

m3 = 0

1
2

de lo ual, la solu in del sistema no-homogneo es

x(t) = e2t + te2t t


y(t) = e2t

1
4

1
2

Adems, de las ondi iones ini iales tenemos que

1
=1
4
1
y(t) = = 0
2

x(0) =

As, = 54 , = 12 . Luego la solu in del sistema no-homogneo es

5
x(t) = e2t +
4
1
y(t) = e2t
2

1 2t
1
te t
2
4
1
2

308
e)

Matemti as para e onomistas III: Optimiza in y dinmi a

Sistemas ( ontinuos) no-lineales en dos dimensiones

Consideremos nuevamente el sistema dinmi o autnomo en dos dimensiones

x(t)

= f (x(t), y(t))
y(t)
= g(x(t), y(t))

(SDNL)

dado en la deni in 6, donde ahoraasumiremos que f (, ) y g(, ) no son


ne esariamente lineales. Sabemos, por el teorema 3, que el SDNL tiene
solu iones lo ales ni as. Sin embargo, no es mu ho ms lo que podemos
de ir: en ontrar solu iones analti as expl itas es un objetivo muy dif il
o imposible. Quizs lo primero que podramos ha er es en ontrar los
equilibrios (x , y ) del sistema resolviendo, simultneamente, f (x , y ) =
0, g(x , y ) = 0. Esto, en s mismo, puede ser un objetivo ompli ado,
pero no lo ser en los asos aqu presentados.
Ahora: al en ontrar un equilibrio (x , y ), es fundamental analizar la
dinmi a del sistema en er anas a l, y esto lo haremos on una t ni a
tpi a: aproximar un sistema no-lineal mediante uno lineal, en la ve indad
del equilibrio. Este es el intento por redu ir un problema ompli ado a
uno simple y manejable omo es el de los sistemas lineales. Para justi ar
el pro eso, omen emos re ordando la matriz ja obiana de f y g en
(x , y ) (ver volumen II: Cl ulo):

f
f
x
y (x ,y )
(x ,y )

J(f, g)|(x ,y ) =

g


x (x ,y ) y (x ,y )

formada por las primeras derivadas par iales de f (, ) y g(, ) evaluadas


en el punto (x , y ), y re ordemos tambin la expansin en series de
Taylor


f
f

f (x, y) =
(xx )+
(y y )+R1 (xx )+R1 (y y )
x (x ,y )
y (x ,y )



g
g

g(x, y) =
(xx )+
(y y )+R2 (xx )+R2 (y y )
x (x ,y )
y (x ,y )

309

Le in 3: Sistemas dinmi os

Con estos dos on eptos, onstruimos uno nuevo muy importante en la


teora de los sistemas dinmi os no-lineales:
Deni in 13. (Linealiza in de un SDNL)

Si (x , y ) es un equilibrio del SDNL, enton es su linealiza in alrededor


de (x , y ) es

x = a11 x + a12 y
y = a21 x + a22 y
donde

a11
a21


f
=
x (x ,y )

g
=
x (x ,y )

es de ir, x = Ax, donde


 
x
x=
,
y

a12

a22


f
=
y (x ,y )

g
=
y (x ,y )

A = J(f, g)|(x ,y )

Pero la uestin realmente importante es: qu se puede de ir a er a del


omportamiento dinmi o lo al del SDNL alrededor de (x , y ), basados
en el omportamiento de su linealiza in? El siguiente teorema es una
de las respuestas bsi as a esta pregunta:

(Teorema de linealiza in (Hartman (1963))


Grobman (1959)) )

14

Teorema 8.

15

Supongamos que (x , y ) es un equilibrio del SDNL tal que la matriz


ja obiana J(f, g)|(x ,y ) no tenga ningn valor propio on parte real nula
(es de ir, ningn valor propio de la ja obiana es de la forma = ib).
Enton es tenemos:
(a) Si (x , y ) es un equilibrio asintti amente estable de la linealiza in
del SDNL, enton es tambin es un equilibrio asintti amente estable
del SDNL.
14

Hartman, Philip (1963),

On the Lo al Linearization of Dierential Equations,

Pro eedings of the Ameri an Mathemati al So iety.

15

Grobman, D. (1959),

Dokl. Akad. Nauk.

Homeomorphisms of Systems of Dierential Equations,

310

Matemti as para e onomistas III: Optimiza in y dinmi a

(b) Si (x , y ) es inestable para la linealiza in del SDNL, enton es tambin es inestable para el SDNL.
Demostra in.

Ver P. Hartman (1963)16 .


El teorema de linealiza in arma que si ninguno de los valores propios de
la matriz ja obiana en equilibrio es un nmero imaginario puro, enton es
los sistemas lineal y no-lineal son equivalentes en trminos ualitativos ; es
de ir, los nodos, puntos de silla, espirales, et ., en el sistema lineal siguen
teniendo un omportamiento respe tivo similar en el modelo no-lineal.
Veamos algunas apli a iones de este teorema:
Ejemplo 30.

Consideremos el SDNL del ejemplo 17:

x = x2 + y 2 1 ( f (x, y)),

y = 3x(y 1) ( g(x, y))

uyos puntos de equilibrio son (x , y ) = (0, 1) y (x , y ) = (0, 1). Las


matri es ja obianas en estos puntos son, respe tivamente,




2x
2y
0 2
J(f, g)|(0,1) =
=
3(y 1) 3x (0,1)
0 0

J(f, g)|(0,1)




2x
2y
0 2
=
=
3(y 1) 3x (0,1)
6
0

Los respe tivos valores propios son, para J(f, g)|(0,1) : = 0 (multipli i
dad 2); y para J(f, g)|(0,1) : = 12. Luego el teorema de linealiza in nos da informa in lo al en el punto de equilibrio (0, 1), mas no
en el punto de equilibrio (0, 1). Para el punto (0, 1), la aproxima in
lo al es

x = 2y,

y=
6x

As, por el teorema 5, el punto (0, 1) es un equilibrio inestable de este


sistema lineal y, por tanto, tambin del SDNL original.
16

op. it.

311

Le in 3: Sistemas dinmi os

mg
m

Figura 22: Dinmi a del pndulo.

Ejemplo 31. (Ejemplo lsi o: dinmi a del pndulo)

Un pndulo matemti o es un punto material de masa m, suspendido de


una uerda de longitud l. Asumamos que todos los estados del pndulo
permane en en un plano. En la gura 22, la fuerza tendiente a re uperar
el pndulo a la posi in OA es la fuerza de gravedad mg a tuando sobre
el punto material. La posi in del pndulo en ualquier tiempo t est
dado por el ngulo . Supongamos que la dire in positiva de es en
el sentido ontrario a las mane illas del reloj. El ar o AA = l es la
distan ia movida por el punto material de la posi in de equilibrio A.
d(AA )
La velo idad de movimiento v =
estar dirigida a lo largo de la
dt
tangente al r ulo y ser

v=l

d
dt

Para estable er la e ua in de movimiento, des ompongamos la fuerza

de gravedad mg en dos omponentes Q y P , la primera de las uales est


dirigida a lo largo del radio OA y la segunda a lo largo de la tangente al

r ulo. La omponente Q no puede afe tar el valor numri o de la tasa


v , ya que laramente est balan eada por la resisten ia de la suspensin

A . Slo la omponente P puede afe tar el valor de la velo idad v . Esta


omponente siempre a ta ha ia la posi in de equilibrio A; es de ir,
ha ia un de re imiento de , si es positivo, y un re imiento si es

negativo. El valor de P es mg sen , y as la e ua in de movimiento

312

Matemti as para e onomistas III: Optimiza in y dinmi a

del pndulo es, de a uerdo a la ley newtoniana de movimiento,

dv
= mg sen
dt

d2
g
= sen
2
dt
l

(*)

Esta e ua in diferen ial ordinaria de segundo orden puede redu irse al


d
siguiente sistema dinmi o (deniendo x =
):
dt
g
= x,
x = sen
(**)
l
Para 's pequeos, el ni o punto de equilibrio es (0, 0). Ha iendo lineal
(**) alrededor de (0, 0) obtenemos el sistema dinmi o lineal

= x
g
x =
l

x)
(,
=

 
0 1
gl 0 x

Aqu, los valores propios de la matriz




0 1
gl 0
q
son 1,2 = gl i, y as las solu iones os ilarn alrededor del punto
de equilibrio estable (0, 0) que representan el movimiento pendular que
ono emos.
f)

El mtodo de Lyapunov

Otro de los teorema bsi os para el anlisis lo al alrededor de equilibrios


de un sistema dinmi o no-lineal fue estable ido por el matemti o ruso
Aleksandr M. Lyapunov [1857-1918 en 1892 en The General Problem of
Stability of Motion. Veamos en qu onsiste.
Teorema 9.

(Mtodo de Lyapunov (1892))

Supongamos que (x , y ) es un equilibrio del SDNL, y asumamos tambin


que, para ierto > 0, existe una fun in ontinua y diferen iable
V : B (x , y ) R

17

tal que
17

Re ordemos que

B (x , y )

es la bola abierta de entro en

(x , y )

y radio

313

Le in 3: Sistemas dinmi os

i) V (x , y ) = 0
ii) V (x, y) > 0 para todo (x, y) 6= (x , y )
iii)

dV (x(t), y(t))
0 para toda solu in lo al (x(t), y(t)) 6= (x , y ) del
dt
sistema no-lineal SDNL.

Enton es (x , y ) es estable. Si, adems, la desigualdad iii) es estri ta,


enton es (x , y ) es asintti amente estable.
A la fun in V (, ) se le ono e omo

fun in de Lyapunov.

Demostra in.

Ver Hirs h y Smale (1971)18 .


Nota 4.

Si la ve indad men ionada en el teorema de Lyapunov es todo el plano


R2 , enton es diremos que (x , y ) es global y asintti amente estable y,
as, todas las solu iones se aproximan a (x , y ) uando t . Por lo
tanto, sabremos que las solu iones son asintti amente estables, an sin
saber ules son. El problema aqu es que no existe un mtodo dire to
de obtener fun iones de Lyapunov para un sistema dinmi o espe  o,
aunque algunos problemas parti ulares podran sugerirla omo veremos
en los siguientes ejemplos.
Ejemplo 32.

Veamos si el sistema

x = 2y,

y=
x

tiene una fun in de Lyapunov en el equilibrio (0, 0) de la forma

V (x, y) = ax2 + by 2
Para ello, habra que en ontrar los valores de a y b que haran que, en
efe to, sta fuera una fun in de Lyapunov:
i) V (0, 0) = 0
18

Hirs h, Morris y Steven Smale (1974)

and Linear Algebra,

Dierential Equations, Dynami al Systems,

A ademi Press, New York.

314

Matemti as para e onomistas III: Optimiza in y dinmi a

ii) V (x, y) > 0 para todo (x, y) 6= (0, 0) si a, b > 0


iii) Adems, si (x, y) 6= (0, 0), enton es

dV
V =
= 2axx + 2by y = 2ax(2y) + 2by(x)
dt
lo ual satisfa e V = 0 uando a = 1 y b = 2; y, as, (0, 0) es estable.
Ejemplo 33. (Otro ejemplo lsi o: dinmi a de un resorte rgido)

Consideremos un punto material de masa m atado a un resorte que se


mueve en el eje x horizontal sin ninguna resisten ia, y que a ta bajo la
ley de Hooke ampliada, es de ir, la fuerza elsti a es igual a b(x + x3 ),
b > 0. En este aso, la e ua in que des ribe el movimiento x(t) del
punto material es

m
x = b(x + x3 ) ax,

a>0

Nuevamente, redu imos esta e ua in diferen ial ordinaria de segundo


orden a un sistema dinmi o ha iendo y = x :

x = y,

y=

b
(x + x3 ) ay
m

Este problema tiene una fun in de Lyapunov para el equilibrio (0, 0)


dada por
 2



my 2
x
x4
ax2
V (x, y) =
+b
+
+ xy +
, 19 > 0 pequeo
2
2
4
2
En efe to,
i) V (0, 0) = 0
ii) V (x, y) > 0 para (x, y) 6= (0, 0)
iii) Adems si (x, y) 6= (0, 0), enton es

V = my y + b(x + x3 )x + (xy
+ xy + xx)

19

sta es una fun in de energa del sistema.

315

Le in 3: Sistemas dinmi os



b
= (my + x) (x + x3 ) ay + b(x + x3 )y + y 2 + axy
m
b
= (x2 + x4 ) (am )y 2
m
< 0 para su ientemente pequeo
Por el teorema de Lyapunov, el equilibrio (0, 0) es asintti amente estable; es de ir, la masa, eventualmente, retornar al estado de reposo.
(Ser posible resolver este problema mediante linealiza in?)
Nota 5. (Sobre los valores propios en los sistemas dinmi os)

La apari in de valores propios de ierta matriz en las solu iones de


los sistemas dinmi os que hemos estudiado formalmente, ha estado,
t ita o expl itamente, en el fondo de mu hos problemas pr ti os de
la fsi a y las ien ias naturales desde por lo menos dos mil aos atrs.
Por ejemplo, los pitagri os (siglo VI a.C.) estudiaban la vibra iones de
una uerda, en ontrando que sonidos armni amente onsonantes son
produ idos uando la uerda se divide en iertas propor iones numri as
simples que, se puede mostrar, estn dire tamente rela ionadas on los
valores propios de ierta e ua in aso iada a la e ua in diferen ial de
propaga in de onda. Y este problema de propor iones numri as lo
extendan tambin a los metales, y a otros materiales.
Pero a pesar de estas bsquedas de armona en la naturaleza, slo hasta
el siglo XVII fue posible es ribir la primera e ua in diferen ial de onda
por parte de d'Alembert (1743), y omenzar a entender la importan ia
de los valores propios.

Ejer i ios 2
1. Compruebe que para ualquier , R,

x(t) = 4et + e2t ,

y(t)= et + e2t

satisfa en el sistema dinmi o

x = 2x 4y,

y=
x 3y

316

Matemti as para e onomistas III: Optimiza in y dinmi a

2. Compruebe que para ualquier , R,

x(t) = et cos(t) + et sen(t), y(t) = et sen(t) + et cos(t)


satisfa en el sistema dinmi o

x = x + y,

y=
x y

3. Utilizando la e ua in ara tersti a, resuelva las siguientes e ua iones diferen iales ordinarias:
(a) y + 3y + 5y = 0

(b) y 4y + 2y = 5

4. Resuelva expl itamente el sistema dinmi o (x,


y)
T = A[x, y]T + b,
donde


 


 
3 1
1
0 2
1
; b=
(b) A=
; b=
(a) A =
2 1
0
3 1
1


 


 
0
1
0
0 1
t
( ) A =
; b=
(d) A=
; b= 2
1 1
2 0
t
t
5. Apli ando los teoremas 5 y 6, lasique el tipo de equilibrio que es
(0, 0) y su estabilidad en ada uno de los uatro asos del ejer i io
anterior.
6. Dibuje el diagrama de fase del sistema

x = y,

y= (x + x3 )

al ulando ini ialmente sus puntos de equilibrio.


7. Supongamos que un para aidista ae desde un avin ha ia la Tierra
y el para adas se abre en el instante t = 0, uando la velo idad
del para aidista es v0 . En uentre la velo idad v(t) del para aidista
en ualquier tiempo t posterior, si ste se rige por la e ua in

mv = mg bv 2
donde m es la masa del hombre ms el equipo; g = 9.8 mt/seg2 es
la a elera in de la gravedad; y el trmino bv 2 ( on b > 0) es la
fuerza de resisten ia del aire que a ta en ontra del movimiento
del para aidista.

317

Le in 3: Sistemas dinmi os

8. Para el sistema dinmi o x = x, y = y , dibuje el diagrama de


fase, es riba la solu in general, y determine el tipo de equilibrio
que es (0, 0) y su estabilidad uando:
(a) , > 0
(b) < 0 <

( ) < 0 <
(d) , < 0

9. En uentre y lasique los puntos de equilibrio de las siguientes


e ua iones utilizando t ni as de linealiza in:
(a) x
+ (x2 1)x + x = 0

( asos: > 0, < 0, = 0)

+ x + sen(x) = 0
(b) x
( ) x
+ cos(x) = 0
(d) x
+ x + x = 0
(e) x
+ x + x = x3
...
(f) x = x

10. (Os ila in lineal de una part ula bajo la a in de un resorte,


de la resisten ia de un medio y de una fuerza peridi a ) Des riba
la dinmi a de la part ula de masa m uyo movimiento x(t) est
regido por la e ua in

d2 x
+ mw2 x = A cos(wt)
dt2

w > 0,

A 6= 0

11. (Hirs h y Smale (1974) 20 ) En uentre la fun in de Lyapunov para


el equilibrio (0, 0) en el sistema dinmi o

x = 2x y 2
y = y x2

y on luya sobre la estabilidad del equilibrio.


20

Hirs h, Morris y Stephen Smale (1974),

tems, and Linear Algebra,

Dierential Equations, Dynami al Sys-

A ademi Press, New York.

318
12.

Matemti as para e onomistas III: Optimiza in y dinmi a

(Solu in general a un sistema lineal de orden n)


a) Muestre que las solu iones al sistema dinmi o lineal

x = A x
donde A es una matriz n n de oe ientes onstantes, y b es
un ve tor de dimensin n, dependen de los valores propios de
A, y, siguiendo lo estudiado en esta se in para el aso n = 2,
des riba las solu iones espe  as en ada uno de los siguientes
asos:
i) Cuando todos los valores propios son reales y distintos.
ii) Cuando todos los valores propios son reales pero algunos
se repiten.
iii) Cuando algunos de los valores propios son omplejos.
b) Resuelva expl itamente el sistema

3 1

A= 5 2
2 3

x = Ax uando

4
2
2

) Considere la e ua in diferen ial ordinaria de orden n,

y (n) + a1 y (n1) + . . . + an y = 0

(*)

y es rbala omo un sistema dinmi o de la forma x = Ax


ha iendo

x1 = y ,

x2 = y = x1 ,

x3 = y = x2 , . . .

Seale la forma que deben tener las solu iones de esta e ua in diferen ial. Despus, en uentre la e ua in auxiliar de la
e ua in diferen ial (similar a lo que hi imos en el aso n = 2),
uyas solu iones seran los valores propios de A.
d) Dena las no iones de estabilidad y estabilidad asintti a para
sistemas lineales de orden n.
e) (Criterio de Routh-Hurwi z) Muestre que en el sistema dinmi o de orden n , x = Ax, la e ua in ara tersti a

det(A In ) = n + a1 n1 + a2 n2 + . . . + an = 0

319

Le in 3: Sistemas dinmi os

tiene todas sus rai es on parte real negativa si, y slo si, todas
las siguientes matri es tienen determinantes positivos :

a1 1 0 0 . . .
a3 a2 a1 1 . . .



a
1
1 = [a1 ],
2 = 1
n =
a5 a4 a3 a2 . . .
a3 a2
a7 a6 a5 a4 . . .
.
.
.
. ...

f) Utili e el riterio de Routh-Hurwi z para estable er una ondi in de estabilidad asintti a para x = Ax.
g) Sin al ular expl itamente los valores propios del sistema dinmi o x = Ax, de ida si la solu in x = 0 es asintti amente
estable o no, uando

3 1 4
A = 5 2 2
2 3 2
h) De ida sobre la verdad o falsedad de las siguientes arma iones
on respe to a la estabilidad del equilibrio x = 0 en el sistema
x = Ax:
i) x = 0 es globalmente estable si A es semidenida negativa.
ii) x = 0 es globalmente estable si A tiene todas sus entradas en la diagonal prin ipal, negativas; y todo el resto de
entradas, positivas.
iii) x = 0 es globalmente estable si A tiene sus menores prin ipales de orden impar, negativos; y los de orden par, positivos.
[Indi a in: Slo onsidere los asos n = 2 y n = 3, si el problema ini ialmente le pare e ompli ado.
i) Siguiendo las pautas de esta se in, extienda los resultados de
sistemas no-lineales de dimensin 2, a sistemas no-lineales de
dimensin n.

320

Matemti as para e onomistas III: Optimiza in y dinmi a

3. Sistemas dinmi os (dis retos) en una dimensin


A diferen ia de los sistemas dinmi os ontinuos, los sistemas dinmi os
dis retos des riben la evolu in de eventos a medida que pasa el tiempo
en forma dis reta, es de ir, omenzando en un punto x0 , el sistema genera
la su esin
x0 , f (x0 ), f (f (x0 )), f (f (f (x0 ))), . . .
donde f () es una fun in determinada. En nota in onveniente, esto se
es ribe
x0 , f (x0 ), f 2 (x0 ), f 3 (x0 ), . . .
donde f t (x0 ), para t = 0, 1, 2, . . . . , se llama la
t-sima itera in de x0
t
bajo f (). Al onjunto f (x0 ) | t = 0, 1, 2, . . . se le ono e omo la rbita (positiva) de x0 . Este pro eso iterativo es el que dene, en esta
situa in, el sistema dinmi o dis reto : Si llamamos xt f t (x0 ) para
t = 0, 1, 2, . . . , enton es

xt+1 = f t+1 (x0 ) = f (f t(x0 )) = f (xt )


Deni in 14. (Sistema dinmi o dis reto)

Un sistema dinmi o dis reto es una e ua in en diferen ias de la forma

xt+1 = f (xt , t)

para t = 0, 1, 2, . . .

donde x0 es dado, y f : A (N {0}) R, on A R no-va o, es una


fun in ontinua 21 dada.
Deni in 15. (Qu es resolver un sistema dinmi o dis reto?)

Dado x0 R, resolver un sistema dinmi o dis reto xt+1 = f (xt , t)


es en ontrar todas las posibles traye torias {xt }
t=1 que satisfa en esta
e ua in. A ada una de las traye torias se le ono e omo una solu in
al sistema.
21

Ms adelante se entender que los sistemas dinmi os dis retos pueden ser ex-

tremadamente omplejos, y que esta hiptesis de ontinuidad nos mantiene atados a


ierta regularidad que, as, logra que no sea an ms ompli ado el omportamiento
de estas dinmi as.

321

Le in 3: Sistemas dinmi os

xt

xt

xt

x0

x0

x0

aso c > 1

aso c = 1

t
aso c < 1

Figura 23: Traye torias del ejemplo 34.

Ejemplo 34. (Sistema dinmi o lineal fundamental)

El sistema dinmi o, on x0 dado,

(i.e. f (xt , t) = c xt )

xt+1 = c xt

puede resolverse f ilmente: Obsrvese que

xt+1 = c xt = c (c xt1 ) = c2 xt1


= c2 (c xt2 ) = c3 xt2 = . . .
= ct+1 x0
Es de ir, la solu in general es

xt = x0 ct
Si, por simpli idad, asumimos x0 = 1, enton es (ver gura 23):
(a) Si c > 1, xt uando t
(b) Si c = 1, xt = 1 para todo t = 1, 2, . . .
( ) Si c < 1, xt 0 uando t
Ejemplo 35. (Sistema dinmi o lineal fundamental)

El sistema

xt+1 = cxt + b

b 6= 0, c 6= 1

on x0 dado, puede resolverse, por re ursin, de manera similar: Obsrvese que

xt+1 = cxt + b = c (cxt1 + b) + b = c2 xt1 + bc + b

322

Matemti as para e onomistas III: Optimiza in y dinmi a

= c2 (cxt2 + b) + bc + b = c3 xt2 + bc2 + bc + b = . . .


= ct+1 x0 + bct + bct1 + . . . + bc + b
Es de ir, la solu in general del sistema es

xt = ct x0 + b

t1
X

ck = ct x0 + b

k=0

1 ct 
1c

Ejemplo 36. (Un sistema dinmi o no-lineal)

El sistema

xt+1 = x2t

on x0 dado, tambin es f il de resolver de manera re ursiva:


2
xt = (xt1 )2 = (xt2 )2 = (xt2 )4
4
= (xt3 )2 = (xt3 )8 = . . .
t

= (x0 )2

As, la solu in general (ver gura 24) es xt = (x0 )2 , para t = 1, 2, . . ..

xt

xt

xt

x0

x0

x0

aso |x0 | > 1

aso |x0 | = 1

t
aso |x0 | < 1

Figura 24: Traye torias del ejemplo 36.

Ejemplo 37.

El sistema

xt+1 = (t + 1) xt
on x0 dado, tiene omo solu iones

xt = txt1 = t(t 1)xt2

323

Le in 3: Sistemas dinmi os

= t(t 1)(t 2)xt3 = . . .

= t ! x0
donde t! = 1 2 3 (t 1) t.

22

Es de ir, la solu in general es

xt = t ! x0
Ejemplo 38. (Otro sistema dinmi o lineal)

Generalizando el ejemplo anterior, en ontramos que el sistema dinmi o


de la forma
xt+1 = c(t) xt ,
x0 dado
donde c(t) es una fun in ualquiera del parmetro de tiempo t, tiene
omo solu iones
!
t1
Y
xt =
c(i) x0
i=0

donde

t1
Y
i=0

c(i) = c(0) c(1) c(t 1)

El le tor puede, f ilmente, omprobar esto por indu in matemti a


(ver volumen 0 (Fundamentos)).
Ejemplo 39. (Sistema dinmi o lineal general)

Un sistema dinmi o que generaliza el del ejemplo anterior, es

xt+1 = c(t)xt + b(t),

x0 dado

donde c(), b() son fun iones ualquiera. ste tiene omo solu iones

xt =

t1
Y
i=0

c(i) x0 + b(t 1) +

t2
X
k=0

t1
Y

i=k+1

c(i) b(k)

omo el le tor puede omprobar mediante indu in matemti a y un


po o de pa ien ia.
22

Re uerde que

t!

se lee  t fa torial.

324

Matemti as para e onomistas III: Optimiza in y dinmi a

Ejemplo 40.

De a uerdo on el ejemplo 39, el sistema dinmi o lineal

xt+1 = 2xt + 3t ,

x0 =

7
8

tiene enton es omo solu in general,

xt =

t
7 t
3t X 2 i
(2 ) +
i( )
8
2
3
i=0

Ejemplo 41. (Desintegra in radioa tiva (de nuevo))

La ley de desintegra in de un elemento qumi o radioa tivo arma que


la tasa de desintegra in es propor ional a la antidad ini ial presente.
Averigemos la antidad del qumi o en ualquier tiempo t posterior.
Para ello, sea Rt la antidad de radio no desintegrado en el tiempo t. La
tasa de desintegra in estar dada por el valor (Rt+1 Rt ). Como sta
es propor ional a Rt , enton es

(Rt+1 Rt ) = cRt

donde 0 < c < 1 es ono ida;

es de ir,

Rt+1 = (1 c)Rt

y ya sabemos que la solu in a este sistema dinmi o dis reto es

Rt = (1 c)t R0
donde R0 es la antidad presente del qumi o
 al omienzo del pro eso.
Por ejemplo, en el aso del arbono 14 6 C 14 ya estudiado en el ejemplo
10, preguntbamos por la antigedad de un hueso fsil que tiene 30 % de
la antidad original de arbono 14, y obtenamos el l ulo de 9,950 aos
de antigedad. Si el anlisis lo ha emos desde los sistemas dinmi os
dis retos en ontramos lo siguiente: puesto que la vida media del arbono
14 es de 5,730 aos, enton es

1
R0
2
y as, c = 0.000121. Por lo tanto, la antigedad, t, del hueso segn este
modelo est dado mediante la e ua in
30
(1 0.000121)t R0 =
R0
100
(1 c)5,730 R0 =

325

Le in 3: Sistemas dinmi os

de donde se dedu e que t = 9, 950 aos, que oin ide on el tiempo


previsto en el modelo ontinuo (ver ejemplo 11).23
Ejemplo 42. (Inters simple, ompuesto y amortiza in)

(a) Si una suma ini ial de dinero S0 re ibe inters simple a la tasa r
por periodo de paso, la antidad de dinero en ualquier tiempo t (en
aos, meses, et .), St , estar regida por el sistema dinmi o dis reto

St+1 = St + rS0

t = 0, 1, 2 . . .

uya solu in es (ver gura 25 a))

St = S0 (1 + r t)

t = 0, 1, 2 . . .

En este aso, los intereses no generan nuevos intereses.


(b) La situa in es diferente uando la suma de dinero ini ial re ibe
inters ompuesto a la tasa i por periodo de paso. En tal aso, la
antidad de dinero en ualquier tiempo t, St , estar regida por el
sistema dinmi o dis reto

St+1 = St + iSt

t = 0, 1, 2 . . .

uya solu in es (ver gura 25 b))

St+1 = (1 + i)t S0

t = 0, 1, 2 . . .

Ahora los intereses s generan nuevos intereses.


( ) La amortiza in es el pro eso mediante el ual un prstamo se paga
a travs de una su esin de pagos peridi os, ada uno de los uales
se ompone de una parte que es pago de intereses y de otra parte
que es el pago del prstamo ini ial (o apital prin ipal).
Supongamos que St representa el apital prin ipal despus del pago Pt en el tiempo t, y asumamos tambin que la tasa de inters
ompuesto es i por periodo de pago. Aqu, el apital prin ipal St+1
(despus del pago Pt+1 ) es igual al apital prin ipal St (despus del
23

Adelante veremos que estos valores no siempre oin iden.

326

Matemti as para e onomistas III: Optimiza in y dinmi a

St

St

S0

S0
t

(a)

(b)
Figura 25:

En el panel (a), la traye toria de una antidad de dinero bajo inters simple. En el panel (b), la traye toria de una antidad de dinero bajo inters
ompuesto.

pago Pt ) ms el inters iSt in urrido durante el periodo t + 1, menos


el pago Pt+1 . Es de ir,
, lo que es igual,

St+1 = St + iSt Pt+1


St+1 = (1 + i)St Pt+1

Esta e ua in se puede resolver omo

St = (1 + i)t S0

t
X
(1 + i)tk Pk
k=0

donde S0 es la antidad de dinero ini ial (prstamo), y P0 = 0.


Si el pago se ha e en uotas jas Pt = T para todo t, enton es el
apital prin ipal en el tiempo t es

T
St = (1 + i)t S0 + (1 + i)t+1 1
i
Y si furamos a pagar el prstamo en, exa tamente, N pago iguales,
ul sera el pago en ada periodo? En este aso, ha emos SN = 0
y utilizando la e ua in anterior, obtenemos que los pagos deben ser

T =

i(1 + i)N
S0
1 (1 + i)N +1

327

Le in 3: Sistemas dinmi os

Deni in 16. (Punto de equilibrio ( esta ionario))

Un punto x R es un equilibrio 24 del sistema xt+1 = f (xt , t) si, y slo


si, f (x , t) = x para todo t = 1, 2, . . .
As, x es una solu in onstante del sistema, pues si xt = x para
algn t , enton es xt +1 = f (xt ) = f (x ) = x y tambin xt +2 =
f (xt +1 ) = f (xt ) = f (x ) = x , et . En otras palabras, el sistema,
una vez al anzado el punto de equilibrio, permane er all, por siempre.
Gr amente, un punto de equilibrio es aquel donde la gr a de f ()
interse ta la re ta y = x.
Ejemplo 43.

(a) El sistema dinmi o xt+1 = cxt , c 6= 0, del ejemplo 34, slo tiene un
equilibrio x = 0, pues f (x) = cx slo interse ta la re ta y = x en
ese punto.
(b) El sistema dinmi o xt+1 = (xt )2 del ejemplo 36 tiene omo ni os
equilibrios x = 0 y x = 1 pues f (x) = x2 slo interse ta la re ta
y = x en estos dos puntos.

tent map ))

Ejemplo 44. (La fun in arpa (

En el sistema dinmi o

xt+1 = T (xt )
donde

T (x) =

2x
para 0 x 12
2(1 x) para 12 < x 1

existen dos equilibrios x = 0 y x =

2
3

(ver gura ??).

Deni in 17. (Sistema autnomo)

El sistema dinmi o dis reto xt+1 = f (xt , t) es autnomo si, y slo si,
f (xt , t) = f (xt ) para todo t; es de ir, f (, ) no depende expl itamente
de t. En otro aso, lo llamaremos no-autnomo.
Vemos que los ejemplos 34, 35, 36 son autnomos, mientras que el ejemplo
37 es no-autnomo.
24

Tambin llamado punto esta ionario punto jo.

328

Matemti as para e onomistas III: Optimiza in y dinmi a

x
Figura 26: Fun in Carpa.

a)

Diagramas de fase para sistemas dis retos autnomos


unidimensionales

Ahora presentamos el mtodo ualitativo estndar de anlisis de un sistema dinmi o dis reto autnomo: los diagramas de fase. Ya en los modelos
ontinuos hemos mostrado su poder omo herramientas de anlisis para
ayudarnos a entender el omportamiento de las solu iones en las er anas de un punto de equilibrio. Aqu, a travs de los ejemplos, ilustramos
la t ni a de estos diagramas. En primer lugar, lo alizamos los puntos
de equilibrio en un diagrama on abs isa x y ordenada f (x) omo los
puntos de interse in de f (x) on la re ta y = x. Despus, ubi amos el
punto de ondi in ini ial (x0 , f (x0 )), el ual one tamos on el punto
(x1 , f (x0 )), donde x1 = f (x0 ) (es de ir, one tamos on la re ta y = x),
y este lo one tamos ahora on el punto (x1 , f (x1 )) en la gr a de f (x),
y as su esivamente. Las e has de la dinmi a del sistema estarn en la
dire in de la traye toria antes des rita (ver gura 27).

xt+1

xt+1 = xt

x0

x1

xt

Figura 27: Diagrama de fase para dos ondi iones ini iales distintas.

329

Le in 3: Sistemas dinmi os

xt+1 = xt

xt+1

x0

xt+1

xt+1 = xt

xt

x0 xt

Figura 28: Dos diagramas de fase del ejemplo 45.

Ejemplo 45.

El diagrama de fase del sistema, para x0 dado,

xt+1 = cxt

c 6= 0, 1

se debe estudiar en uatro asos:

c > 1,

c < 1,

0 < c < 1,

1 < c < 0

y esto queda omo ejer i io para el le tor. De he ho, en la gura 28 se


ilustran dos de esos asos. Cules son?
Ejemplo 46. E ua in logsti a (versin dis reta)

Sea xt la medida de una pobla in en el tiempo t. Si es la tasa de


re imiento de la pobla in de una genera in a otra, enton es

xt+1 = xt

>0

(ley de Malthus )

Si la pobla in ini ial es x(0) = x0 , enton es, por itera in simple, sabemos que
xt+1 = x0 t
es su solu in. Si > 1, enton es xt uando t ; si = 1,
enton es xt = x0 para todo t; y si < 1, enton es xt 0 uando
t , y la pobla in se extinguir eventualmente. Sin embargo, para
la mayora de las espe ies biolgi as ninguno de estos asos es vlido:

330

Matemti as para e onomistas III: Optimiza in y dinmi a

xt+1

x0

x = 0.6

xt

Figura 29: Diagrama de fase de la fun in logsti a dis reta on

= 2.5

realmente, las pobla iones re en hasta que al anzan un ierto lmite


debido a la es asez de re ursos y a la ompeten ia por los mismos. Esta
ompeten ia se a ostumbra a modelar omo propor ional a 1 xt . As,
se obtiene la e ua in logsti a dis reta (ver gura 29)

xt+1 = xt (1 xt )

>0

(e ua in logsti a )

donde est rela ionada on la tasa de fertilidad. A diferen ia de la


e ua in logsti a ontinua estudiada anteriormente, x = Ax(1 x),
uyas solu iones expl itas estn dadas por

x(t) =

1
1 + ceAt

para c R

la e ua in logsti a dis reta no tiene una solu in expl ita, ex epto para
algunos valores parti ulares de . Ms an, esta e ua in dis reta muestra una ri a y ompli ada dinmi a, que ontrasta dramti amente on
su homloga ontinua, omo veremos adelante. Es laro que los puntos
1
de equilibrio de la e ua in logsti a dis reta son x = 0 y x =
.

Ejemplo 47. (Telaraa)

El diagrama de fase del sistema xt+1 = axt + b donde b > 0, 0 < a < 1,
y x0 dado, es el de la gura 30. Obsrvese all mo, omenzando en x0 ,
vamos primero a la re ta y = ax + b, luego a la re ta y = x, y de nuevo
a la re ta y = ax + b, et . Este pro edimiento nos va llevando, en el
tiempo, al punto de equilibrio del sistema dinmi o, que es aquel en el
que las dos re tas, y = ax + b y y = x, se en uentran.

331

Le in 3: Sistemas dinmi os

xt+1
b

x0

x0

x =

xt

b
1+a

Figura 30: La telaraa

b)

Estabilidad en sistemas autnomos

Ahora estable emos los orrespondientes on eptos de estabilidad para


sistemas dinmi os autnomos dis retos en una dimensin.
Deni in 18. (Estabilidad)

i) Diremos que el punto de equilibrio x del sistema dinmi o autnomo xt+1 = f (xt ) es estable si dado
> 0, existen
> 0 y t0 > 0


tales que |xt0 x | < impli a f t (xt0 ) x < para todo t > t0
(ver gura 31). En otro aso, diremos que x es inestable .

ii) Diremos que el punto de equilibrio x del sistema dinmi o xt+1 =


f (xt ) es asintti amente estable (o que es un atra tor ), si es estable,
y si lmt xt = x (ver gura 32). Adems, si la ondi in de
estabilidad asintti a no depende del punto de partida xt0 , enton es
diremos que x es global y asintti amente estable .

xt
x +
x +
xt0
x
x
x

t
Figura 31: El equilibrio

es estable.

332

Matemti as para e onomistas III: Optimiza in y dinmi a

xt
x

+
xt0
x

t
Figura 32: El equilibrio

es asintti amente estable.

Regularmente, probar mediante la deni in que determinado sistema


es ( no) estable, es realmente dif il (si no imposible) debido a que
en ontrar solu iones expl itas no siempre es f il ( posible). Por ello
existen algunos riterios que nos ayudan en el propsito de determinar
la estabilidad de un equilibrio. El ms tpi o de ellos es el siguiente:
Teorema 10.

(Criterio de estabilidad)

Sea x un punto de equilibrio del sistema dinmi o autnomo xt+1 =


f (xt ) donde f () es ontinuamente diferen iable en una ve indad de x ;
i) Si |f (x )| < 1 enton es x es asintti amente estable.
ii) Si |f (x )| > 1 enton es x es inestable.
iii) De otro lado, si |f (x )| = 1 ne esitamos ms informa in para
de idir sobre la estabilidad del punto de equilibrio x ( omo veremos
ms adelante on los teoremas 11 y 12, y el ejemplo 49).
Demostra in.

[Slo probaremos i); la parte ii) queda omo ejer i io al le tor.


En primer lugar, si |f (x )| < M < 1 para ierto M > 0, enton es,
por la ontinuidad de f , existe un intervalo I que ontiene a x tal que
|f (x)| M < 1 para todo x I . Por el teorema del valor medio (ver
volumen II, le in 3) existe entre ualquier xt0 I y x tal que

|xt0 +1 x | = |f (xt0 ) f (x )| = |f ()||xt0 x | M |xt0 x |

Por indu in se tendr enton es que

|xt0 +t x | M t |xt0 x |

y, de all, omo |xt0 x | = enton es se tendr que lmt xt = x .

Le in 3: Sistemas dinmi os

333

Ejemplo 48.

Anali emos la estabilidad de los sistemas de los ejemplos 45-46:


(a) En el sistema xt+1 = cxt , f (x) = cx y f (x) = c. Si c 6= 0, el ni o
equilibrio es x = 0. Si c > 1, enton es este equilibrio es inestable; y
si c < 1 enton es es asintti amente estable.
(b) En el sistema xt+1 = (xt )2 , f (x) = x2 y f (x) = 2x. El equilibrio
x = 0 es asintti amente estable, puesto que f (x ) = 0 < 1. Pero
el equilibrio x = 1 es inestable, puesto que f (1) = 2 > 1.
( ) En el sistema xt+1 = axt + b, donde 0 < a < 1, b > 0, f (x) =
ax+b y f (x) = a. El ni o equilibrio es x = ab . As, el equilibrio
es asintti amente estable, ya que |f (x )| = a < 1.
(d) En el sistema xt+1 = xt (1 xt ) on > 0, f (x) = x(1 x) y
f (x) = (1 2x). Los equilibrios de la e ua in logsti a
 dis reta

1 = 2 .
son x = 0 y x = 1
. Vemos que f (0) = y f

Es de ir, x = 0 es asintti amente estable si < 1, e inestable en


otro aso; y x = 1
es asintti amente estable si 1 < < 3, e
inestable en otro aso. N

Los siguientes teoremas nos ayudan en el aso en que |f (x )| = 1:

(Estabilidad si f (x ) = 1)
Sea x un punto de equilibrio del sistema dinmi o autnomo xt+1 =
f (xt ) donde f () es tres ve es diferen iable on ontinuidad en una ve indad de x y f (x ) = 1:
Teorema 11.

i) Si f (x ) 6= 0, enton es x es inestable.
ii) Si f (x ) = 0 y f (x ) > 0, enton es x es inestable.
iii) Si f (x ) = 0 y f (x ) < 0, enton es x es asintti amente estable.
Demostra in.

[Slo probaremos i); las partes ii) y iii) quedan omo ejer i io al le tor.
Si f (x ) 6= 0 enton es la urva es n ava (f (x) < 0) o onvexa
(f (x) > 0) en una ve indad de x . Por ejemplo, si f (x ) > 0, enton es

334

Matemti as para e onomistas III: Optimiza in y dinmi a

f (x) > 1 en un intervalo de la forma (x , x +). Por un argumento similar al del teorema 10, es f il probar que x es inestable. Y si f (x ) < 0,
enton es f (x) > 1 en un intervalo de la forma (x , x ) y, nuevamente,
un argumento omo el del teorema 10 nos lleva a que x es inestable.
f (x ) = 1)
Sea
un punto de equilibrio del sistema dinmi o xt+1 = f (xt ) donde
f () es tres ve es diferen iable on ontinuidad 25 en una ve indad de x
y f (x ) = 1:
Teorema 12.

(Estabilidad si

i) Si 2f (x ) < 3 (f (x ))2 , enton es x es asintti amente estable.


ii) Si 2f (x ) > 3 (f (x ))2 , enton es x es inestable.
Demostra in.

Consideremos ini ialmente la ondi in

yt+1 = g(yt )

donde g(y) = f 2 (y)

(*)

Observemos que el punto de equilibrio x del sistema original xt+1 =


f (xt ) es tambin un equilibrio del sistema (*); y que si x es asintti amente estable (o inestable) on respe to al sistema (*), enton es tambin lo es on respe to al sistema original.
Ahora: notemos que
2

g (y) = f (f (y))f (y) y as g (x ) = f (x ) = 1. Luego apli amos el


teorema 11 y, al mostrar que


2


g (y) = f f (y)
= f (y) f f (y) + f f (y) f (y)

enton es g (x ) = 0. De esta manera, el signo de g (x ) determinar la


estabilidad asintti a o la inestabilidad de x . Pero

2
g (x ) = 2f (x ) 3 f (x )

y esto naliza la demostra in.

Ilustremos lo anterior mediante el siguiente ejemplo:


25

Es de ir, su ter era derivada es ontinua.

335

Le in 3: Sistemas dinmi os

Ejemplo 49.

Para en ontrar los puntos de equilibrio y su estabilidad en el sistema

xt+1 = x3t + xt

( f (xt ))

notamos primero que el ni o equilibrio es x = 0; adems f (x) =


3x2 + 1, luego f (0) = 1 y tambin f (0) = 0; pero f (0) = 6. Luego,
por el teorema 11, x = 0 es inestable. Podra el le tor omprobar
esto on un sen illo diagrama de fase, omenzando por dibujar la urva
f (x) = x3 + x y la re ta y = x?

Ejer i ios 3
1. Muestre que xt = 3t 2t3 , t = 0, 1, 2, . . ., satisfa e el sistema
dinmi o dis reto
xt+1 = 2xt + 3t
2. Muestre que xt = t! 2t , t = 0, 1, 2, . . . , satisfa e el sistema dinmi o
dis reto
xt+1 = (t + 1)xt + (t + 1)! 2t
3. Resuelva, por re urren ia, el sistema dinmi o dis reto

1
xt+1 = 2 + xt ,
2

x0 dado

4. En uentre la solu in de ada uno de los sistemas dinmi os dis retos:


(a) xt+1 = 5t xt ;
(b) xt+1 =
( ) xt+1

x0 = 2

1
2 xt ;

x0 = 1
t
=4+
xt ;
t+1

x0 = 3

5. Judith pide un prstamo de 50 millones al Ban o PrestaCasa a una


tasa de inters del 10 % anual. El Ban o le propone a Judith los
siguientes sistemas de pago:
(a) Pagar en 15 aos on uotas jas.

336

Matemti as para e onomistas III: Optimiza in y dinmi a

(b) Pagar la mitad del prstamo en 5 aos on uotas jas, y la


otra mitad en otros 10 aos on uotas jas.
( ) Tomar 5 aos de gra ia (esto es, no pagar ninguna uota por
5 aos dejando a umular intereses, y despus del periodo de
gra ia, pagar en 5 aos on uotas jas).
Cul es la uota anual en ada sistema? Cunto debe Judith en
el ter er ao? Y en el sptimo?
6. En los siguientes sistemas dinmi os, determine (si existen) los
puntos de equilibrio, anali e (si es posible, a travs de los teoremas
de la presente se in) su estabilidad, y dibuje las traye torias y
los diagramas de fase:
(a) xt+1 = x2t 4xt + 4

( ) xt+1 = xt + 1

(b) xt+1 = x3t xt


2xt
(d) xt+1 =
1 + xt

(e) xt+1 = ln(xt + 1)

(f) xt+1 = tan1 xt

4. Sistemas dinmi os (dis retos) en dos dimensiones


Si hemos omprendido lo que es un sistema dinmi o ontinuo en dos
dimensiones, la siguiente deni in podra ser natural.
Deni in 19. (Sistema dinmi o dis reto)

Dadas las ondi iones ini iales x0 , y0 , un sistema dinmi o (dis reto) en
dos dimensiones es un par de e ua iones en diferen ias de la forma

xt+1 = f (xt , yt , t)

(*)

yt+1 = g(xt , yt , t)
donde t es la variable tiempo, las fun iones f : A {N {0}} R,
g : B {N {0}} R son ontinuas, y A, B R2 .

337

Le in 3: Sistemas dinmi os

Deni in 20. (Qu es resolver este sistema dinmi o dis reto?)

Dadas las ondi iones ini iales (x0 , y0 ), resolver el sistema dinmi o (*)
es en ontrar todas las traye torias posibles (xt , yt ) que satisfagan simultneamente las dos e ua iones en diferen ias. A ada una de estas traye torias (xt , yt ) se le ono e omo una solu in al sistema dinmi o.
Ejemplo 50. (Sistema dinmi o lineal)

El sistema dinmi o dis reto lineal, para a11 , a12 , a21 , a22 R,

xt+1 = a11 xt + a12 yt


yt+1 = a21 xt + a22 yt
donde f (xt , yt , t) = a11 xt + a12 yt , y g(xt , yt , t) = a21 xt + a22 yt , ser
estudiado ms adelante.
Deni in 21. (Sistema autnomo)

El sistema dinmi o dis reto

xt+1 = f (xt , yt , t)
yt+1 = g(xt , yt , t)
es autnomo si, y slo si, f (xt , yt , t) = f (xt , yt ), g(xt , yt , t) = g(xt , yt )
para todo t = 1, 2 . . .. Es de ir, f (, ) y g(, ) no dependen expl itamente
de t.
Observamos que el sistema dinmi o lineal es autnomo.
Deni in 22. (Punto de equilibrio ( esta ionario))

Un punto (x , y ) es un punto de equilibrio ( esta ionario) del sistema


dinmi o

xt+1 = f (xt , yt , t)
yt+1 = g(xt , yt , t)
si, y slo si,

x = f (x , y , t),
para todo t = 1, 2, 3, . . . ,

y = g(x , y , t)

338

Matemti as para e onomistas III: Optimiza in y dinmi a

Observemos que, en este aso, xt = x , yt = y para t = 1, 2, 3,


es una solu in al sistema que, si ste la al anza, permane er all por
siempre.
Ejemplo 51. (Equilibrio ni o)

Para el sistema dinmi o

xt+1 = 2xt + yt
yt+1 = xt 2yt
el ni o punto de equilibrio es (x , y ) = (0, 0) (que es donde 2x + y = x,
x 2y = y ).
Ejemplo 52. (Mltiples equilibrios)

Para el sistema dinmi o

xt+1 = xt (yt 1)
yt+1 = yt2 xt

los puntos de equilibrio son (x , y ) = (0, 0) y (x , y ) = (0, 1) (que es


donde x(y 1) = x, y 2 x = y ).
a)

Estabilidad y diagramas de fase

Nuevamente arribamos a la no in de estabilidad, ahora en el ontexto


de los sistemas dinmi os dis retos en dos dimensiones. Debe advertirse,
sin embargo, que, aqu, los diagramas de fase no tienen la onnota in
des riptiva del aso ontinuo; aqu sern diagramas simples del desplazamiento de xt versus el desplazamiento de yt .
Deni in 23. (Estabilidad)

i) Diremos que el equilibrio (x , y ) del sistema dinmi o

xt+1 = f (xt , yt , t)
yt+1 = g(xt , yt , t)
es estable si dado > 0, existen > 0 y t0 > 0 tales que si
||(xt0 , yt0 ) (x , y )|| < , enton es ||(xt , yt ) (x , y )|| < para
todo t > t0 . En aso ontrario diremos que es inestable o no-estable.

339

Le in 3: Sistemas dinmi os

ii) Diremos que el equilibrio (x , y ) es asintti amente estable si es


estable, y si lmt (xt , yt ) = (x , y ). Si la estabilidad asintti a
no depende de ninguna ondi in ini ial (xt0 , yt0 ), enton es diremos
que (x , y ) es global y asintti amente estable.
La gura 33 ilustra i) y ii).

yt

yt

yt

(x , y )

(x , y )

xt
Eq. estable

xt
Equ. asint. estable

(x , y )

xt
Equ. inestable

Figura 33:
Ejemplos de estabilidad (paneles izquierda y mitad); e inestabilidad (panel
dere ha)).

b)

Sistemas lineales (dis retos) en dos dimensiones

Comenzamos nuestro anlisis fundamental de los sistemas dis retos en


dos dimensiones on los sistemas ms simples posibles: los sistemas lineales.
Deni in 24. (Sistema lineal dis reto)

i) Un sistema dis reto lineal y homogneo (SDisL) es un sistema de la


forma

xt+1 = a11 xt + a12 yt


yt+1 = a21 xt + a22 yt
o, en forma ms ompa ta,

zt+1 = Azt


a11 a12
T
donde zt = (xt , yt ) , A =
.
a21 a22

(SDisL)

340

Matemti as para e onomistas III: Optimiza in y dinmi a

ii) Un sistema dis reto lineal no-homogneo es un sistema de la forma

xt+1 = a11 xt + a12 yt + b1


yt+1 = a21 xt + a22 yt + b2
o, en forma ms ompa ta,

zt+1 = Azt + b
donde zt = (xt , yt

)T ,



a11 a12
A=
, b = (b1 , b2 )T .
a21 a22

De manera similar a lo que tenamos para el aso ontinuo, podemos


es ribir el siguiente teorema:
Teorema 13.

(Cara teriza in de solu iones)

i) Si la matriz A del sistema (SDisL) tiene dos valores propios reales


y distintos, enton es la solu in general tiene la forma
xt = c11 t1 + c12 t2
yt = c21 t1 + c22 t2

donde (c11 , c21 ) es un ve tor propio aso iado a 1 ; y (c12 , c22 ) es un


ve tor propio aso iado a 2 ; , R.
ii) Si la matriz A del sistema (SDisL) tiene un valor propio real repetido
(es de ir, de multipli idad 2), enton es la solu in general tiene la
forma
xt = (c11 + c12 )t + c11 tt1
yt = (c21 + c22 )t + c21 tt1

donde



c11
(A I)
=0
c21

y , R.

  
c12
c
(A I)
= 11
c22
c21

(*)

Le in 3: Sistemas dinmi os

341

iii) Si la matriz A del sistema (SDisL) tiene dos valores propios omplejos
1 = r(cos + i sen ), 2 = r(cos i sen )
enton es la solu in general tiene la forma

xt = c11 r t cos(t) + c12 r t sen(t)


yt = c21 r t cos(t) + c22 r t sen(t)

donde (c11 , c21 ) es un ve tor propio aso iado a 1 ; y (c12 , c22 ) es un


ve tor propio aso iado a 2 .
Demostra in.

i) Utilizaremos el he ho de que si A es una matriz no singular, enton es


puede ser des ompuesta omo A = CDC 1 , donde


c11 c12
C=
c21 c22
es la matriz generada por los ve tores propios ( olumna) orrespondientes a los valores propios 1 , 2 , y


1 0
D=
0 2
Apli ando esto, tenemos que

zt = Azt1 = . . . = At z0 = CDt C 1 z0
1 , enton es
Si c1
ij es la entrada ij de la matriz C

xt = c11 t1 + c12 t2
yt = c21 t1 + c22 t2
1
1
1
donde = c1
11 x0 + c12 y0 , = c21 x0 + c22 y0 .

ii) Si A tiene un slo valor propio (que tiene que ser real), enton es,
por el teorema de des omposi in de Jordan, existe una matriz C
tal que C 1 AC = J , donde


1
J=
0

342

Matemti as para e onomistas III: Optimiza in y dinmi a

y C es la matriz de ve tores propios que satisfa e el sistema (*) en el


teorema (ver volumen I (lgebra lineal), le in 7). Apli ando esto,
tenemos que
 t

tt1
t
t 1
zt = Azt1 = . . . = A z0 = CJ C z0 = C
C 1 z0
0
t
1 , enton es
Si c1
ij es el elemento ij de la matriz C

xt = (c11 + c12 )t + c11 tt1


yt = (c21 + c22 )t + c21 tt1
1
1
1
donde = c1
11 x0 + c12 y0 , = c21 x0 + c22 y0 .

iii) La demostra in es similar a la realizada en i); slo se reemplaza


1 = r(cos + i sen ), 2 = r(cos i sen ), y se apli an las reglas
de exponentes de omplejos bajo la frmula de Euler

eit = (cos + i sen )t = cos(t) + i sen(t)


Ejemplo 53. (Fo o inestable)

Resolvamos y hallemos el diagrama de fase del sistema




1 3
xt+1 = xt + 3yt

zt+1 =
z
1 1 t

yt+1 = xt + yt
yt

Figura 34: Fo o inestable del ejemplo 53.

xt

343

Le in 3: Sistemas dinmi os

yt

xt

Figura 35: Silla del ejemplo 54.

Solu in

(a) El ni o equilibrio del sistema es x = y = 0.

(b) Los valores propios de la matriz A son 1 = 1 + 3i, 2 = 1 3i;


, lo que es equivalente, (ver volumen 0: Fundamentos),

1 = 2 cos 3 + i sen 3 ,

2 = 2 cos 3 i sen 3

( ) Las solu iones (ver gura 34) son, enton es, de la forma

32t cos( t) 32t sen( t)


3
3

t
t
yt = 2 sen( t) 2 cos( t)
3
3

xt =

Ejemplo 54. (Silla)

Para onstruir el diagrama de fase del sistema

xt+1 = xt + yt
yt+1 = 0.25xt + yt

zt+1


1
1
=
z
0.25 1 t

344

Matemti as para e onomistas III: Optimiza in y dinmi a

notamos que:
(a) El ni o equilibrio del sistema es x = y = 0.
(b) Los valores propios de la matriz A son 1 = 1.5, 2 = 0.5, y sus
ve tores propios respe tivos son (2, 1) y (2, 1).
( ) Las solu iones (ver gura 35) son de la forma

xt = 2 (1.5)t + 2 (0.5)t
yt = (1.5)t (0.5)t
on , R.

El siguiente riterio nos ser de ayuda uando busquemos estable er la


estabilidad del equilibrio (0, 0) de un sistema lineal homogneo:
Teorema 14.

(Criterio de estabilidad)

En el sistema dinmi o lineal dis reto

xt+1 = a11 xt + a12 yt


yt+1 = a21 xt + a22 yt


a11 a12
la e ua in ara tersti a de la matriz de oe ientes A =
es
a21 a22
det(A I) = 0 donde R. Espe  amente,


a11

a
12
= 2 (a11 + a22 ) + det(A) = 0
det(A I) =
a21
a22

Sea = max{|1 |, |2 |} donde 1 , 2 son los valores propios de A, y ||


es el valor absoluto de si ste es un nmero real, y su mdulo (longitud)
si es un nmero omplejo. Enton es:
i) (0, 0) es un equilibrio asintti amente estable si, y slo si, < 1
ii) (0, 0) es un equilibrio inestable si, y slo si, > 1
iii) Si = 1 el riterio no permite de idir sobre la estabilidad de (0, 0).
Demostra in.

El teorema es onse uen ia dire ta del teorema 13 de ara teriza in de


las solu iones. La gura 36 ilustra asos parti ulares.

345

Le in 3: Sistemas dinmi os

yt

(a)

xt

yt

(b)

xt

Figura 36:
Panel (a): Nodo asintti amente estable
degenerado

(1 = 2 < 1).

Panel (b): Nodo

(1 < 2 = 1).

Ejemplo 55.

(a) En el sistema dis reto

xt+1 = xt + 3yt
yt+1 = xt + yt

los valores propios son 1 = 1 + i 3 y 2 = 1 i 3; as = 2 y, por


lo tanto, el equilibrio (0, 0) es inestable.
(b) En el sistema dis reto

xt+1 = xt + yt
yt+1 = 0.25xt + yt
los valores propios son 1 = 1.5 y 2 = 0.5; as, = 1.5 y, por lo
tanto, el equilibrio (0, 0) es inestable.
)

Solu in general para sistemas no-homogneos

Al igual que en el aso ontinuo, queremos ono er la solu in a un sistema dinmi o (dis reto) lineal no-homogneo, que, en este aso, tambin
ser resuelto por medio de la suma de una solu in parti ular del sistema
no-homogneo y la solu in general del sistema homogneo, tal omo se
expli a a ontinua in.

346

Matemti as para e onomistas III: Optimiza in y dinmi a

Teorema 15. (Solu in general a una e ua in no-homognea)

Si A(t) es una matriz 2 2, y B(t) es una matriz 2 1, enton es, la


solu in al sistema
zt+1 = A(t)zt + B(t)
(*)
es de la forma

zt = ztg + ztp

donde

t1
Y
ztg = [ A(i)]z0 ,

z0g = I

i=0

es la solu in al sistema dinmi o homogneo (es de ir, on B(t) = 0),


y
t1 Y
r
X
p
zt =
( A(i)) B(r)
r=0

i=0

es una solu in parti ular de (*).


Demostra in.

Queda omo ejer i io para el le tor. [Indi a in: Utili e re ursin (y pa ien ia)
Ejemplo 56.

Para resolver el sistema

xt+1 = 2xt + yt + t

x0 = 1

yt+1 = 2yt + 1

y0 = 1



 
2 1
t
omenzamos es ribiendo A(t) =
, B(t) =
. Sabemos, segn
0 2
1
el teorema 13, que la solu in general al sistema homogneo es
xgt = 2t + t 2t1 ,

ytg = 2t

Ahora: en general, no es pr ti o utilizar la frmula para ztg del teorema


15 anterior. Pero s notamos de esta frmula que la solu in parti ular
tiene la misma forma fun ional que B(t); es de ir,

xpt = m0 + m1 t

347

Le in 3: Sistemas dinmi os

ytp = m2 + m3 t
y se tratara enton es de hallar los oe ientes des ono idos m0 , m1 , m2 ,
y m3 . Por lo tanto, al satisfa er stas el sistema dinmi o, debe tenerse
que

m0 + m1 (t + 1) = 2(m0 + m1 t) + m2 + m3 t + t
m2 + m3 (t + 1) = 2(m2 + m3 t) + 1
lo ual impli a que

m0 = 0,

m1 = 1,

Y as, la solu in parti ular es

xpt = t

m2 = 1,

m3 = 0

ytp = 1

Por onsiguiente, la solu in general al sistema no-homogneo es

xt = xgt + xpt = 2t + t 2t1 t


yt = ytg + ytp = 2t 1

Por las ondi iones ini iales, tenemos que = 1 y = 2; on lo ual,

xt = (1 + t)2t t
yt = 2t+1 1

El le tor puede omprobar que estas solu iones satisfa en el sistema dinmi o dado.
Nota 6. (E ua in en diferen ias omo sistema dinmi o)

Obsrvese que una e ua in en diferen ias de orden 2 de la forma

xt+2 + p1 xt+1 + p0 xt = 0
se puede es ribir omo el sistema planar de e ua iones en diferen ias

xt+1 = yt
yt+1 = p1 yt p0 xt

y que, por tanto, puede resolverse en ontrando las solu iones a la e ua in auxiliar
2 + p1 + p0 = 0
que sern exa tamente los valores propios del sistema planar aso iado.
Ejemplo 57.

Resolvamos las siguientes e ua iones en diferen ias:

348

Matemti as para e onomistas III: Optimiza in y dinmi a

(a) xt+2 + 8xt+1 + 12xt = 0.

(b) xt+2 + 5xt+1 + 4xt = 0.

on ondi iones ini iales x0 = 1 y x1 = 3.


Solu in

(a) La e ua in en diferen ias xt+2 + 8xt+1 + 12xt = 0 es equivalente al


sistema lineal

xt+1 = yt
yt+1 = 8yt 12xt
que tiene valores propios 1 = 6 y 2 = 2, y as la solu in a la
e ua in en diferen ias es de la forma

xt = (6)t + (2)t
que bajo las ondi iones ini iales x0 = 1 y x1 = 3 nos lleva a

5
9
xt = (6)t + (2)t
4
4
(b) De forma similar, podemos probar que la solu in general a la e ua in en diferen ias xt+2 3xt+1 + 2xt = 0 on ondi iones ini iales
x0 = 1 y x1 = 3 est dada por

xt = 1 + (2)t+1
Ejemplo 58. (Un problema de transmisin de informa in)

Imaginemos que un sistema de seales slo tiene dos seales, S1 y S2 ,


diferentes ( omo, por ejemplo, puntos y rayas en la telegrafa). Los mensajes son enviados a travs de un anal despus de haber sido odi ados
en se uen ias de esta seal. Supongamos que S1 requiere t1 unidades de
tiempo para ser transmitido, y que S2 requiere t2 unidades. Sea Nt el
nmero de posibles se uen ias de mensajes de dura in t.
Consideremos primero aquellos mensajes de dura in t que terminan on
un S1 . Dado que S1 toma t1 unidades de tiempo para ser transmitido,
este ltima seal debe ser enviada a partir de tt1 . Pero, enton es, hasta
el momento t t1 hay Ntt1 posibles mensajes a los uales les podemos

349

Le in 3: Sistemas dinmi os

agregar la seal S1 . Por lo tanto, el nmero total de mensajes de dura in


t que terminan on S1 es Ntt1 . Pero, omo un mensaje debe terminar
en S1 o S2 , tenemos que

Nt = Ntt1 + Ntt2
Consideremos el aso parti ular uando t1 = 1 y t2 = 2; es de ir, uando
una seal toma el doble en ser transmitida que la otra. Enton es

Nt = Nt1 + Nt2
que podemos rees ribir en la forma estndar

Nt Nt1 Nt2 = 0
para t = 0, 1, . . .. Esta es una e ua in homognea en diferen ias on
e ua in auxiliar
2 1 = 0
uyas ra es son 1 =
general es de la forma

1
2

Nt =

5
2

y 2 =

1
2

!t
1
5
+
+
2
2

5
2 .

Por lo tanto, la solu in

!t
1
5

2
2

Dada la interpreta in de Nt , es usual suponer que N0 = 0 y N1 = 1,


on lo ual el nmero de posibles se uen ias de mensajes de dura in t
es
!t
!t
1
1
5
1
1
5
Nt =
+

2
2
5 2
5 2

d)

Sistemas (dis retos) no-lineales en dos dimensiones

Como ya podamos preverlo, resolver (o simplemente analizar la estabilidad de) sistemas dinmi os dis retos no-lineales es realmente un propsito dif il. Por esto, el mtodo de linealiza in es fre uentemente utilizado omo forma de anlisis de la estabilidad de un sistema dinmi o

350

Matemti as para e onomistas III: Optimiza in y dinmi a

(no-lineal). Fueron Lyapunov y Perron quienes originaron este me anismo al apli arlo al estudio de la estabilidad de solu iones de e ua iones
diferen iales.
Consideremos de nuevo el sistema dinmi o dis reto homogneo

xt+1 = f (xt , yt )
yt+1 = g(xt , yt )
donde f (, ) y g(, ) no son ne esariamente lineales. Por el teorema de
Taylor (ver volumen II: Cl ulo), podemos es ribir

f (xt , yt ) = f (x , y ) + f |(x ,y ) (xt x , yt y ) + Rf (xt , yt , x , y )


g(xt , yt ) = g(x , y ) + g|(x ,y ) (xt x , yt y ) + Rg (xt , yt , x , y )

donde f |(x ,y ) y g|(x ,y ) son los gradientes de f (, ) y g(, ) evaluados en (x , y ) respe tivamente. Todo esto puede es ribirse an ms
sintti amente as:

(f (x, y), g(x, y)) =


(f (x , y ), g(x , y )) + J(f, g)|(x ,y ) (xt x , yt y ) + (Rf , Rg )
A la omponente

(f (x , y ), g(x , y )) + J(f, g)|(x ,y ) (xt x , yt y )


la llamaremos la linealiza in del sistema no-lineal alrededor de (x , y ).

)
Sea A = J(f, g)|(x ,y ) ; si (A) = max{|1 |, |2 |} < 1 donde 1 , 2 son
los valores propios de A, enton es
Teorema 16. (Teorema de linealiza in (O. Perron (1929)))

lm

xt 0
yt 0

Rf
=0
||(xt , yt )||

lm

xt 0
yt 0

Rg
=0
||(xt , yt )||

Y, por lo tanto,
i) Si (x , y ) es un equilibrio asintti amente estable de la linealiza in
del sistema no-lineal, enton es tambin es un equilibrio asintti amente estable del sistema no-lineal.

351

Le in 3: Sistemas dinmi os

ii) Si (x , y ) es inestable para la linealiza in del sistema no-lineal,


enton es tambin es un equilibrio inestable del sistema no-lineal.
Demostra in.

Ver O. Perron (1929)

26

Ilustremos el teorema de linealiza in on un par de ejemplos:


Ejemplo 59.

Qu tipo de estabilidad tendr el equilibrio (0, 0) en el sistema no-lineal

ayt
1 + x2t
bxt
=
1 + yt2

xt+1 =

(= f (xt , yt ))

yt+1

(= g(xt , yt ))

donde a, b > 0 ? Para responderlo,


notemos primero que la matriz ja o

0 a
biana J(f, g)|(0,0) =
tiene valores propios 1 = ab, 2 = ab.
b 0
Luego:
(a) Si |ab| < 1 enton es (0, 0) es asintti amente estable para el sistema
no-lineal.
(b) Si |ab| > 1 enton es (0, 0) es inestable para el sistema no-lineal.
Puede el le tor intuir qu su eder si |ab| = 1 ?
Ejemplo 60. (E ua in logsti a de Pielou (1977))

Anali emos la estabilidad del equilibrio x = y =


dinmi o no-lineal

xt+1 =
26

xt
,
1 + xt

yt+1 =

27

1
del sistema

yt
1 + yt1

Perron, Oskar (1929), ber Stabilitt und asymptotis hes Verhalten der Integrale
von Dierential glei hungs systemen, Mathematis he Zeits hrift.
27
Pielou, Evelyn C. (1977), Introdu tion to Mathemati al E ology, Wiley, New
York.

352

Matemti as para e onomistas III: Optimiza in y dinmi a

donde > 1, > 0. 28 Obsrvese que aqu se asume, en la segunda


e ua in, un rezago de un tiempo.
Ini ialmente debemos redu ir el sistema a uno planar (es de ir, en las
variables xt+1 , yt+1 , xt , yt ). Para esto, sean

1
1
,
yt = yt

Enton es nuestro sistema no-lineal es ahora

xt ( 1)
xt1

yt ( 1)
yt1
x
t+1 =
yt+1 =
+ x
t1
+ yt1


1 1
El equilibrio
,
orresponde al nuevo equilibrio (0, 0). Y

ambiando ste a un sistema planar mediante xt = yt1 , yt = yt , obtendremos


xt = yt
yt ( 1)xt
yt+1 =
+ xt
Ahora linealizamos este sistema no-lineal
de (0, 0) mediante la

 alrededor
0
1
matriz ja obiana en (0, 0) que es A = 1
, y uyos valores propios
1

son
r
r
1
4 3
1
4 3
1 = +
,
2 =
2

(a) Si 4 3 < 0 enton es




1 1 r 3 4 r
1


(A) = |1 | = +
i = 1 < 1
2 2

x
t = xt

Luego, x = y =

1
tambin es asintti amente estable si > 43 .

(b) Si 4 3 0, tambin (A) < 1 y, por lo tanto, x = y = 1


es
asintti amente estable uando 43 .


1 1
As, el equilibrio
,
siempre es asintti amente estable, y

sta ser la predi in de la pobla in en el largo plazo para esta lase


de mariposas.
28

Un ejemplo de re imiento de una pobla in que puede modelarse mediante estas

e ua iones es la de ierto tipo de mariposas (Lu ila

Zuprina ).

353

Le in 3: Sistemas dinmi os

e)

El mtodo de Lyapunov para sistemas dis retos bidimensionales

Ya sabemos, por lo realizado on los sistemas dinmi os ontinuos, que


el mtodo de Lyapunov es una t ni a para investigar la naturaleza ualitativa de las solu iones sin al ular stas expl itamente. Es una de las
herramientas prin ipales de la teora de la estabilidad, y se trata de en ontrar ierta fun in que satisfaga parti ulares ondi iones alrededor de
un equilibrio, y esto ondu ir a determinar las ara tersti as de estabilidad de este ltimo, a pesar de no tener informa in alguna sobre las
solu iones expl itas del sistema dinmi o original.
Teorema 17.

(Mtodo de Lyapunov)

Supongamos que (x , y ) es un equilibrio del sistema dinmi o no-lineal


xt+1 = f (xt , yt )
yt+1 = g(xt , yt )

y asumamos tambin que existe una fun in Lyapunov V : R2 R tal


que
i) V (x , y ) = 0
ii) V (x, y) > 0 para todo (x, y) en una ve indad de (x , y ) on (x, y) 6=
(x , y ).
iii) V (x, y) = V (f (x, y), g(x, y)) V (x, y) 0 para todo (x, y) en una
ve indad de (x , y ) on (x, y) 6= (x , y ).
Enton es (x , y ) es estable; ms an: si la desigualdad en iii) es estri ta,
enton es (x , y ) es asintti amente estable.
Demostra in.

Ver ejer i io omplementario 23 al nal de la presente le in.


Ejemplo 61.

Consideremos el sistema dinmi o

xt+1 = yt ,

yt+1 =

xt
1 + yt2

354

Matemti as para e onomistas III: Optimiza in y dinmi a

on , > 0. Para estudiar la estabilidad de su equilibrio (0, 0), sea


V (x, y) = x2 + y 2 . Claramente V (0, 0) = 0, V (x, y) > 0 si (x, y) 6= (0, 0)
y adems,
2
V (xt , yt ) = x2t+1 + yt+1
x2t yt2


2
=

1
x2t (2 1)x2t
(1 + yt2 )2

Luego, si 1,enton es V (xt , yt ) 0 y, por lo tanto, (0, 0) es estable.


Desafortunadamente, debido a que el trmino (2 1)x2t es igual a ero
tambin uando xt = 0 (eje y ), el mtodo de Lyapunov nada nos di e
a er a de la estabilidad asintti a de (0, 0) y esta situa in es tpi a
en la mayora de los problemas en ontrados en apli a iones en ien ias e
ingeniera. Existen, por supuesto, mtodos alternativos, pero las t ni as
ne esarias para omprenderlas a abalidad, estn fuera del al an e de este
texto. Esto, di ho sea de paso, es el primer en uentro on un problema
dinmi o para el que las herramientas aprendidas aqu son insu ientes.
Pero, debemos de irlo, en el estudio de los sistemas dinmi os, que esto
su eda es ms la norma que la ex ep in, algo que omenzaremos a
entender en la prxima se in. 29
Ejemplo 62.

Consideremos el sistema

xt+1 = 2yt 2yt x2t ,

yt+1 =

1
xt + xt yt2
2

uyos tres equilibrios son

(0, 0),

!
2 2
,
,
2 2

!
2
2

,
2
2

y estudiemos la estabilidad en (0, 0). Para ello, tomemos la fun in


V (x, y) = x2 + 4y 2 . Enton es V (0, 0) = 0, V (x, y) > 0 si (x, y) 6= (0, 0) y

V (xt , yt ) = 4yt2 8yt2 x2t + 4yt2 x4t + x2t + 4x2t yt2 + 4x2t yt2 x2t 4yt2
29

El le tor interesado puede onsultar el magn o texto Gu kenheimer, John y

Philip Holmes (1983),

of Ve tor Fields,

Nonlinear Os illations, Dynami al Systems and Bifur ations

SpringerVerlag, New York.

355

Le in 3: Sistemas dinmi os

= 4x2t yt2 (x2t + yt2 1) 0


si x2t + yt2 1. Luego V es una fun in de Lyapunov alrededor de (0, 0)
y, por tanto, es un equilibrio estable. Qu su ede on los otros dos
equilibrios?
Ejemplo 63.

Consideremos el sistema

xt+1 = xt x3t yt2 ,

yt+1 = yt

uyo ni o equilibrio es (0, 0). Tomando la fun in de Lyupanov V (x, y) =


x2 + y 2 , obtenemos que

V (xt , yt ) = x4t yt2 (x2t yt2 2)


y as, V (xt , yt ) 0 si x2t yt2 2. Por el teorema 17, (0, 0) es un
equilibrio estable.

Ejer i ios 4
1. Cal ule los equilibrios de los siguientes sistemas dinmi os dis retos:
xt+1 = 3xt + 2yt
xt
xt+1 =
(b)
(a)
1 yt
yt+1 = xt + 5yt
yt
yt+1 =
1

xt

2 2
x
=
x

y
t+1
t
t
xt+1 = xt yt
( )
(d)
yt+1 = xt yt
y
= 3x + 2y
t+1

2. Determine la estabilidad del equilibrio (0, 0) en los siguientes sistemas dinmi os:
axt
1
(a)
(b)
xt+1 =
xt+1 = sen yt xt
1 + yt
2
yt
byt xt
yt+1 = 1
yt+1 =
+
x
t
1 + xt
4

356

Matemti as para e onomistas III: Optimiza in y dinmi a

3. En uentre todos los equilibrios del sistema


xt+1 = cos xt yt

yt+1 = xt

y evale, si es posible, on las herramientas estudiadas, la estabilidad de los mismos.


4. Determine la estabilidad de la solu in (0, 0) en la e ua in

1
xt+2 xt+1 + 2xt+1 xt + 0.5xt = 0
2
[Indi a in: Haga yt = xt+1 y anali e el sistema dinmi o resultante.
5. Pruebe que el equilibrio (0, 0) del sistema dinmi o

xt+1 = xt x3t yt2


yt+1 = xt

es (por lo menos) estable, utilizando la fun in de Lyapunov V (x, y) =


x2 + y 2 . Tambin ompruebe el resultado mediante linealiza in.
6. Pruebe que el equilibrio (0, 0) del sistema dinmi o

xt+1 = yt yt (x2t + yt2 )

yt+1 = xt xt (x2t + yt2 )

es asintti amente estable.


7. En uentre (mediante la e ua in auxiliar) la solu in general en
ada una de las siguientes e ua iones lineales en diferen ias:
(a) 2xt+2 5xt+1 + 2xt = 0

(b) xt+2 + 6xt+1 + 25xt = 0


( ) 3xt+2 6xt+1 + 4xt = 3

(d) xt+2 3xt+1 + 2xt = 1

8. Teniendo en uenta el teorema 15 y la nota 6, es riba la forma


general expl ita de las solu iones a la e ua in (no-homognea) en
diferen ias
xt+2 + p1 xt+1 + p0 xt = B(t)

357

Le in 3: Sistemas dinmi os

9. Para el sistema

xt+1 =

yt
,
1 + x2t

yt+1 =

xt
1 + yt2

en uentre los puntos de equilibrio y determine su estabilidad. [Indi a in: Use V (x, y) = x2 + y 2
10. (E ua in en diferen ias omo sistema dinmi o)
a) Muestre que las solu iones un sistema dinmi o dis reto zt+1 =
Azt + h(t) depende de los valores propios de la matriz n n, A.

b) Es riba las formas generales expl itas de estas solu iones.


) Pruebe que una e ua in en diferen ias de orden k,

(*)

xt+k + p1 (t)xt+k1 + + pk (t)xt = B(t)

siempre se puede redu ir a un sistema dinmi o de la forma

zt+1 = A(t)zt + h(t)


donde

A(t) =

0
0
0
..
.

1
0
0
..
.

0
1
0
..
.

..
.

0
0
0

pk (t) pk1 (t) pk2 (t)

h(t) =

z1 (t) = xt ,

z2 (t) = xt+1 ,

0
0
..
.

0
0
0
..
.
1
p1 (t)

B(t)
...,

zk (t) = xt+k1

d) Si pj (t) = pj para j = 1, 2, ..., k, en uentre las solu iones expl itas de la e ua in en diferen ias ().

358

Matemti as para e onomistas III: Optimiza in y dinmi a

e) Es riba las orrespondientes deni iones de estabilidad y estabilidad asintti a para el sistema dinmi o dis reto lineal.
f) Es riba ondi iones sobre los valores propios para la estabilidad
asintti a.
g) Es riba ondi iones de Lyapunov para la estabilidad asintti a.

5. Breve sobre i los lmite, puntos peridi os,


bifur a iones y aos
Matemti amente, la diferen ia esen ial entre los sistemas dinmi os lineales y los no-lineales, es lara. Cualquier dos solu iones de una e ua in
lineal pueden sumarse y se obtiene una nueva solu in; este es el prin ipio
de superposi in de los sistemas lineales. De he ho, es este prin ipio el
que ha e del anlisis de lo lineal algo sistemti o y sin omplejidades. En
ontraste, dos solu iones de una e ua in no-lineal no pueden sumarse
y obtener otra solu in (no se umple el prin ipio de superposi in); ni
siquiera es posible dividir el problema en sub-problemas, resolver estos
ltimos y luego pegar las solu iones de algn modo espe  o.
No es enton es una sorpresa el que no exista una t ni a analti a general para resolverlas. La fsi a tiene ejemplos que ilustran esta diferen ia
esen ial. Por ejemplo, uando el agua uye a travs de un tubo de ondu in a baja velo idad, su movimiento es laminar y su des rip in
matemti a es regular, prede ible y simple, en trminos analti os. Sin
embargo, uando la velo idad ex ede un valor rti o, el movimiento se
ha e turbulento, ompli ado, irregular y errti o, que es lo que ara teriza el omportamiento no-lineal.
Es posible aislar al menos tres ara tersti as que distinguen los fenmenos lineales de los no-lineales:
a) En primer lugar, el movimiento mismo es diferente desde un punto de vista ualitativo; un sistema lineal muestra, tpi amente, un
movimiento suave y regular en el espa io, y el tiempo puede des ribirse en trminos de fun iones que se  omportan bien. Los sistemas
no-lineales, sin embargo, a menudo muestran transi iones de un movimiento suave a uno ati o, errti o , tambin, a uno aparentemente
aleatorio.

Le in 3: Sistemas dinmi os

359

b) En segundo lugar, la respuesta de un sistema lineal a pequeos ambios en sus parmetros o a un estmulo externo es generalmente suave
y en propor in dire ta al estmulo; para los sistemas no-lineales, sin
embargo, un pequeo ambio en los parmetros puede produ ir una
diferen ia ualitativa enorme en el movimiento.
) Y, en ter er lugar, si se perturba un sistema lineal, ste normalmente
de aer; este fenmeno, ono ido omo dispersin, ha e que las ondas en los sistemas laminares amplios tiendan a desapare er a medida
que se alejan del punto de perturba in. En ontraste, los sistemas
no-lineales perturbados pueden mantener esta estru tura on alta perturba in por un largo tiempo, o an (teri amente) por siempre.
a)

Ci los lmites y K- i los

Para los sistemas dinmi os lineales, los puntos de equilibrio son los ni os atra tores. Sin embargo, los sistemas dinmi os no-lineales tienen
mu has ms posibilidades: por ejemplo, su omportamiento asintti o
puede ubi arse sobre un estado os ilante. Una ilustra in de esto es el
pndulo de un metrnomo que, independiente de sus ondi iones ini iales, naliza siguiendo un movimiento peridi o on la fre uen ia es ogida.
A tales atra tores se les ono e omo i los lmites (en el aso ontinuo)
y K - i los (en el aso dis reto), y veremos en seguida ejemplos de esto.
Mu ho ms exti os son los atra tores extraos, llamados as pre isamente debido a sus propiedades raras y no anti ipadas. El movimiento sobre
un atra tor extrao muestra la mayora de las propiedades aso iadas on
omportamientos aleatorios, aunque las e ua iones de movimiento sean
ompletamente determinsti as : el omportamiento aleatorio surge de
forma intrnse a de la dinmi a del sistema. Por ejemplo, aunque en periodos ortos es posible seguir la traye toria exa ta de ada punto ini ial,
en periodos largos, las pequeas diferen ias en la posi in original se ampli an enormemente, y, por tanto, son muy dif iles las predi iones de
su omportamiento de largo plazo.
Ejemplo 64. (Ci los lmites en sistemas ontinuos)

Existen sistemas fsi os tales que, para os ila iones pequeas, introdu en
energa al sistema, en tanto que, para os ila iones grandes, extraen energa del mismo. En otras palabras, las os ila iones grandes sern amortiguadas, mientras que las os ila iones pequeas sern ampli adas. La

360

Matemti as para e onomistas III: Optimiza in y dinmi a

intui in a partir de esto, es que el sistema debera tender a ierto omportamiento peridi o. Una e ua in que revela esta situa in, se presenta en el estudio de ir uitos el tri os en el va o: es la famosa e ua in
de van der Pol (1927):

y (1 y 2 )y + y = 0

(*)

on > 0 onstante, que orresponde al sistema dinmi o

x = (1 y 2 )x y
y = x

y uyo ni o punto de equilibrio es x= y = 0. Su linealiza in alre1 0


dedor de (0, 0) tiene matriz ja obiana
, uyos valores propios
1
son 1 = 1 y 2 = 1, as que ninguno de los riterios bsi os que hemos estudiado nos permite de idir sobre el omportamiento alrededor
del equilibrio (0, 0).
Afortunadamente, en este aso podemos, on un po o de manipula in
algebrai a en (*), mostrar que

y =

y
(1 y 2 ) + K

para alguna K R, y, por tanto, el diagrama de fase del sistema lu ir


omo en la gura 37. De all, laramente vemos que el equilibrio (0, 0)
es inestable, y que apare e un i lo lmite on forma asi ir ular para
= 0.1. Para > 0.1, el i lo lmite dejar de pare erse a un r ulo.
Ejemplo 65. (K-Ci los en sistemas dis retos)

Otro ejemplo de extraos omportamientos dinmi os se en uentra en


el lsi o sistema dinmi o dis reto xt+1 = T (xt ) ( ono ido omo fun in arpa ) donde

(
2x
para 0 x 12
T (x) =
2(1 x) para 12 < x 1
uyos puntos de equilibrio son x = 0 y x = 23 . Ahora: es f il veri ar

361

Le in 3: Sistemas dinmi os

k = 1/4

:


k=1

k = 5

k = 1

k = 5

R
1: R 
* ?
6
OO 9 ?
y 
K 9

i
k


Ci lo lmite

k=1

k = 1

Figura 37: Diagrama de fase de la e ua in de van der Pol.

que T 2 () = T T est dada por

4x

2(1 2x)
T 2 (x) =

4(x 12 )

4(1 x)

para 0 x <
para
para
para

1
4
1
2
3
4

1
4
1
2
3
4

x<
x<
x1

Los puntos de equilibrio de T 2 () son x = 0, x = 25 , x = 23 , y x = 45 ,


dos de los uales (x = 0, x = 23 ) son tambin
equilibrios

 de T ().
Obsrvese que T 25 = 45 y T 2 25 = T 45 = 25 ; es de ir, 25 , 45 es lo
que se llama 2- i lo para T () (ver gura 38), y x = 25 es lo que se llama
un punto peridi o de T (), on periodo 2. Obsrvese que x = 25 es un
equilibrio para T 2 (), mas no para T ().




Tambinse puede observar que 27, 47 , 67 esun 3- i lo ; es de ir, T 27 =
4
2 2 = T 4 = 6 y T 3 2 = T 6 = 2 . Ms an, utilizando
7, T
7
7
7
7
7
7
una buena al uladora de bolsillo se puede mostrar que T () tiene i los
de todo orden ! Esta es una ara tersti a ompartida por todos los sistemas dinmi os dis retos que tienen un 3- i lo (T.Y. Li and J.A. Yorke
(1975)30 ). Se ilustra on esto que la dinmi a de largo plazo no ne esariamente ondu e a uno de los puntos de equilibrio: puede resultar en un
K - i lo.
30

Li, T.Y. y J.A. Yorke (1975),

ti al Monthly.

Period Three implies Chaos,

Ameri an Mathema-

362

Matemti as para e onomistas III: Optimiza in y dinmi a

xt+1

xt+1
x

x
x
x

x0
(a)

x1 xt

x1 xt
(b)

Figura 38:
En el panel (a) el diagrama de fase de la fun in arpa; y en el panel (b) el
de su uadrado.

b)

Bifur a in y aos

 Caos determinsti o  es un trmino apli ado a todo omportamiento


aperidi o, irregular, imprede ible, y  aleatorio , en el desarrollo temporal de iertos sistemas no-lineales. En las ltimas uatro d adas este
 aos  ha sido observado en una in reble variedad de modelos matemti os no-lineales y en fenmenos naturales. De he ho, y esto es muy
sorprendente, aunque los pro esos son estri tamente determinsti os y todas las fuerzas son ono idas, pare iera omo si su omportamiento fuera
aleatorio.
Que un sistema gobernado por leyes determinsti as pueda exhibir omportamiento  aleatorio , va ontra toda intui in normal. Quizs sea porque nuestra intui in es inherentemente lineal ; de he ho, el aos determinsti o no puede o urrir en sistemas lineales. Ms probablemente, esto
es debido a nuestra visin de un universo me ni o newtoniano: si uno
ono e las posi iones y velo idades de todas las part ulas en el universo
y la naturaleza de las fuerzas entre ellas, enton es podramos onstruir
la arta de viaje del universo, para siempre.
Sin embargo, en el mundo real, el ono imiento exa to del estado ini ial
asi nun a es posible. No importa qu tan exa ta sea medida la velo idad de una part ula, siempre puede bus arse una medida an mejor. Y
aunque somos ons ientes de esto, en general asumimos que si las ondi iones ini iales de un mismo experimento realizado en dos sitios distintos

363

Le in 3: Sistemas dinmi os

son asi iguales, enton es las ondi iones nales sern asi las mismas.
Para sistemas lineales esta hiptesis puede ser orre ta. Pero para sistemas no-lineales esto es falso, y el resultado es, pre isamente, el aos
determinsti o.

xt+1

x0

Figura 39: Un

x1 xt
3- i lo

de la fun in arpa.

A pesar de que a prin ipios del siglo XX, Poin ar (1952)31 omprendi
esta posibilidad on toda pre isin, el aos determinsti o permane i
virtualmente inexplorado y des ono ido hasta los aos 1960's: Las semillas sembradas por Poin ar slo podan germinar on los avan es de
la matemti a experimental a travs de omputadores. En efe to: los
movimientos ompli ados y errti os de los sistemas ati os determinsti os slo omenzaron a entenderse mejor a travs de las omplejas
guras geomtri as de omputador aso iadas on estos movimientos: los
fra tales.
El trmino fra tal fue introdu ido por Benoit Mandelbrot en 1975 para
des ribir iertas formas fragmentadas irregulares on intrin adas estru turas en toda es ala 32 . El estudio de los fra tales se in orpor al uerpo
prin ipal de investiga in de los sistemas ati os uando se hizo laro que estos exti os objetos geomtri os apare an muy omnmente
31
32

Poin ar, Henry (1952),

S ien e and Method, New York.


The Fra tal Geometry of Nature,

Mandelbrot, Benoit (1983),

Freeman and Company.

New York: W.H.

364

Matemti as para e onomistas III: Optimiza in y dinmi a

en mu hos ontextos naturales y, en parti ular, en sistemas dinmi os


no-lineales on aos determinsti o.
La idea esen ial de los fra tales es la existen ia de estru turas similares
y no-triviales a toda es ala, as que los pequeos detalles estn referidos
dire tamente al objeto entero. T ni amente, esta propiedad se ono e
omo es alonamiento (s aling ) y ondu e a una aproxima in teri a que
permite la onstru in de detalles nos del objeto a partir de rudas
des rip iones generales. Una onse uen ia de esta invarianza de es ala
es que los objetos fra tales tienen dimensiones fra ionarias en lugar de
dimensiones enteras; es de ir, en lugar de ser lneas, reas o volmenes,
los fra tales se en uentran en alguna parte entre ellos. En el mundo
real, este es alonamiento slo o urre dentro de algn rango nito de
medidas. Por ejemplo, los opos de nieve vistos al mi ros opio son, slo
aproximadamente, fra tales. An as, el on epto de fra tal juega un
papel entral en esta teora.
Ejemplo 66. (Caos determinsti o en la e ua in logsti a)

Un prototipo notable del aos determinsti o y de las ompli a iones que


puede presentar un sistema dinmi o, est dado por la e ua in logsti a

xt+1 = xt (1 xt )

on > 0 (ver gura 40). Esta e ua in, aparentemente simple, es su ientemente sutil para apturar la esen ia de una lase ompleta de
fenmenos reales que van desde el anlisis de pobla iones biolgi as hasta el estudio de las transi iones a turbulen ia en gases y lquidos (por
ejemplo, el helio lquido). Sin duda, es el modelo ms simple que muestra
aos determinsti o.
El omportamiento de este sistema no-lineal depende rti amente del
parmetro de ontrol y exhibe en iertas regiones repentinos y dramti os ambios en respuesta a pequeas varia iones de ste. Estos ambios,
t ni amente llamados bifur a iones, muestran un ejemplo on reto de
la ara tersti a ya men ionada sobre el omportamiento de los sistemas no-lineales: pequeos ambios pueden produ ir enormes diferen ias
ualitativas en el movimiento.
Ya sabemos que el ms simple omportamiento asintti o (es de ir, uando t ) lo seala el l ulo de los puntos de equilibrio. En este aso
son x = 0 y x = 1 1 . El le tor puede mostrar que x = 0 es asintti amente estable si, y slo si, < 1 y, por supuesto, inestable si > 1.

365

Le in 3: Sistemas dinmi os

xt+1

xt
Figura 40: Fun in logsti a para diferentes valores de

Por el ontrario, x = 1 1 es asintti amente estable si, y slo si,


1 < < 3, e inestable si < 1 > 3. Esto podra sugerir que algo
interesante su ede uando al anza el valor 1.
De he ho, hay una bifur a in en el omportamiento asintti o de los
equilibrios, ya que uno de ellos (x = 0) pasa de estable a inestable,
mientras el otro (x = 1 1 ) pasa de inestable a estable. Esta bifur a in, que se ono e omo bifur a in trans rti a (ver gura 41), impli a
un inter ambio de estabilidad entre los dos puntos de equilibrio. En parti ular, si, digamos, = 0.99999, el equilibrio x = 0 es estable y ualquier
traye toria que parta de un punto er ano a l, tender, eventualmente,
a ese equilibrio. Pero si, digamos, = 1.0000001, el omportamiento
es diferente, y la traye toria, an partiendo del mismo punto ini ial, se
alejara ha ia el equilibrio x = 1 1 .

Una bifur a in ms interesante o urre uando = 3. Repentinamente,


en lugar de que la dinmi a se aproxime al equilibrio x = 1 1 = 23 , la
solu in de largo plazo os ila entre dos valores; es de ir, el modelo tiene
un 2- i lo! Esta bifur a in se ono e omo bifur a in tipo tenedor (ver
gura 42). Para al ular estos dos valores, iteramos la fun in f (x) =
x(1 x) dos ve es y bus amos sus puntos jos; as, resulta la e ua in
de grado uarto

(f f )(x) = 2 x(1 x)[1 x(1 x)] = x


que se satisfa e uando x = 0 (equilibrio inestable), x = 1
brio inestable para > 1), y apare en otras dos solu iones:

(equili-

366

Matemti as para e onomistas III: Optimiza in y dinmi a

x
x = 1

Figura 41:
Bifur a in trans rti a en la e ua in logsti a. Las lneas punteadas indi an las regiones de inestabilidad y las lneas slidas indi an las regiones de
1

estabilidad: Si < 1, x = 0 es estable; si > 1, x = 1


es estable.

+1
1 p
+
( + 1)( 3)
2
2
+1
1 p
x2 =

( + 1)( 3)
2
2
x1 =

Observemos que esta expresin es real slo para 3, que es uando


omienzan a apare er los dos 2- i los.
Es posible ontinuar de esta forma y bus ar para qu valores del parmetro podemos tener 3- i los. Sin embargo, algo de trabajo omputa ional on la itera in f 3 (x) = x no nos arroja ningn resultado. Pero,
si bus amos 4- i los mediante la itera in f 4 (x)
= x, en ontramos (mediante omputador) que apare en uando 1 + 6 < < 3.544090 . . . ; y
uando 3.547090 . . . < < 3.564407 . . . apare e un 8- i lo, y este pro eso de bifur a in ontinua indenidamente. As se forma una su esin
{n } donde 0 = 3, 1 = 3.449499, 2 = 3.544090, 3 = 3.564407,
. . ., y se puede mostrar que esta su esin onverge al valor de Feigenbaum = 3.57. Es de ir, notablemente, todos estos i los de periodos
2, 4, 8, 16, 32, . . . , 2n , . . . , o urren en la regin nita de por debajo del
valor = 3.57 (ver gura 43).
Es todava mu ho lo que se puede aprender de este simple ejemplo. Aqu,
el me anismo mediante el ual el sistema ambi de un movimiento re-

367

Le in 3: Sistemas dinmi os

x
2
3

Figura 42:

> 3:

un equilibrio estable
1

en un 2- i lo ms un punto jo estable x = 1 .

Bifur a in tipo tenedor para

x =

2
3 se bifur a

1+

6 3.54409

Figura 43: Diagrama de bifur a in.

gular a uno ati o fue el de las bifur a iones doblando el periodo (es
de ir, mediante una su esin de i los lmites on periodos re ientes on
2n , tambin llamadas bifur a iones de as ada ). Sin embargo, sta no es
la ni a forma en que los sistemas no-lineales pasan del movimiento regular al movimiento ati o. Se han identi ado mu has otras rutas tales
omo re imiento intermitente o no-periodi idad en el re imiento de los
periodos de los i los.
Ahora: qu su ede uando > 3.57? Por en ima de la dinmi a es turbulenta: La e ua in logsti a muestra onjuntos de atra in
mu ho ms omplejos que los puntos jos y los i los lmite que apare en
por debajo de . All s apare en K - i los para ualquier orden K .

368

Matemti as para e onomistas III: Optimiza in y dinmi a

3.57

Figura 44: Regiones Cati as

Cada uno de estos onjuntos de atra in es lo que hemos llamado un


atra tor extrao. Ms all del valor rti o , la e ua in logsti a ahora s presenta aos determinsti o. Y aunque este ompli ado omportamiento aperidi o laramente motiva el nombre de aos, realmente
tiene la ara tersti a ru ial de sensible dependen ia a las ondi iones
ini iales que ha e que su omportamiento de largo plazo parez a aleatorio? Para estudiar este problema, uno debe observar mo dos puntos,
ini ialmente er anos, se separan, a medida que se ha en itera iones de
la fun in del sistema dinmi o. T ni amente, esto puede ha erse al ulando el exponente Lyapunov , denido por

= lm
t

ln

df t (x)
dt

donde f t() denota la t-sima itera in de f (). Se sabe que siempre


existe y que es independiente de x para la mayora de las ondi iones
ini iales. Un valor > 0 indi a que puntos ini iales er anos se separan
exponen ialmente a una tasa . Por ejemplo, el exponente Lyapunov
de la e ua in logsti a apare e en la gura 44. Las regiones ati as
son aquellas en las que > 0. Obsrvese que slo apare en regiones
ati as uando > 3.57 . Las regiones para > 3.57 en las que
< 0 orresponden a las llamadas ventanas peridi as que apare en en
la gura 44. N
Ejemplo 67 (Solu in analti a para = 4).
Para el valor parti ular = 4, hagamos, en la e ua in logsti a, xt =

369

Le in 3: Sistemas dinmi os

sen2 t . Enton es se obtiene


sen2 t+1 = 4 sen2 t (1 sen2 t ) = 4 sen2 t cos2 t = sen2 (2t )
de donde

t+1 = 2t
y su solu in es t = 0 2t . Notemos que su exponente de Lyapunov es
f ilmente al ulable:


ln 0 2t
ln 0 t ln 2
= lm
= lm
+
= ln 2 0.693 > 0
t
t
t
t
t

Ejer i ios 5
1. Pruebe que el exponente de Lyapunov de la fun in arpa es, tambin, ln 2.
2. Muestre que la e ua in yt+1 = (yt )2 + c puede transformarse en la
2
e ua in logsti a xt+1 = xt (1 xt ) on c = . [Indi a in:
2
4
Tome y = x + 12 .
3. En la e ua in logsti a, muestre que x = 0 es un punto jo inestable para = 1.
*4. Sea b un punto de periodo K de f (); enton es, pruebe que:
(a) b es estable si es un punto jo estable de f K ().
(b) b es asintti amente estable si es un punto jo asintti amente
estable de f K ().
( ) b es inestable si es un punto jo inestable de f K ().

370

Matemti as para e onomistas III: Optimiza in y dinmi a

6. Contexto e onmi o
Slo hasta ha e in o d adas (o un po o ms), los modelos dinmi os
no-lineales no tenan mayor impa to en el desarrollo de la teora e onmi a. In lusive estas herramientas eran des ono idas, o onsideradas
irrelevantes. Los primeros sistemas dinmi os en e onoma apare ieron,
en modelos bien desarrollados, durante los aos 1950's y 1960's on los
trabajos de Ri hard Goodwin [1913-1996. All, l estudiaba el problema
de la existen ia de os ila iones persistentes, determinsti as y endgenas
en el i lo e onmi o dentro de la tradi in keynesiana y de Cambridge (UK). Sin embargo, estos trabajos no tuvieron su iente inuen ia,
en su momento, para garantizar el despegue de las teoras no-lineales.
In lusive, asi ualquier esfuerzo en este sentido era ondu ido a la manera de un sistema dinmi o lineal on, en el mejor de los asos, alguna
ara tersti a esto sti a.
A pesar de esto, en los ltimos treinta aos, mu hos e onomistas han
venido mirando las distintas variables e onmi as bajo la hiptesis de
que una por in relevante de ellas podra expli arse omo un fenmeno
dinmi o no-lineal, reado por la intera in de fuerzas de mer ado, te nologas, preferen ias, et . En los 1980's hubo una explosin de modelos
on dinmi as no-lineales que intentaban expli ar la evidente irregularidad de variables ma roe onmi as tales omo el PIB, las tasas de inters,
las tasas de desempleo, et ., mirando la posibilidad de que la sola nolinealidad pudiera dar origen a estos omportamientos, sin que hubiera
rastro alguno de aleatoriedad.
Quizs el primer art ulo en este sentido fue el de Benhabib y Day (1981)
quienes estudiaban onsumo, inter ambio y a umula in en modelos de
genera iones traslapadas (Samuelson (1958)33 34 ). Otro art ulo pionero on aquella orienta in es el de Dana y Malgrange (1984)35 quienes
33

Samuelson, Paul (1958), An Exa t Consumption-Loan Model of Interest with or


without the So ial Contrivan e of Money, Journal of Politi al E onomy.

34

Los modelos de genera iones traslapadas son modelos ompetitivos de dos tipos

de agentes (jvenes y viejos) en los que el omer io slo puede darse entre agentes de
distinto tipo.

35

Dana, R.A. y P. Malgrange (1984),

a Growth Cy le Model,
An ot.

The Dynami s of a Dis rete Version of

Analizing the Stru ture of E onometri Models, Ed. J.P.

371

Le in 3: Sistemas dinmi os

estudiaban i los e onmi os; tambin Day(1982;1983)36 37 , quien en ontraba i los irregulares en modelos de re imiento lsi os y neo lsi os;
Grandmondt (1985)38 quien estudiaba extraas dinmi as tambin en
modelos de genera iones traslapadas; y Pohjola (1981) 39 que estudiaba
i los e onmi os a la manera de Goodwin.
Desde aquella po a ha habido un resurgimiento del inters en los modelos dinmi os no-lineales, aunque no existe un onsenso general on
respe to a su utilidad en el estudio de lo que realmente su ede en una
e onoma. En lo que sigue, nos on entraremos en tres modelos bsi os
de la teora e onmi a a tual que ilustran esto: el modelo keynesiano
IS-LM, el modelo Arrow-Debreu, y los modelos de intera iones so iales
y e onmi as; y en ada uno de ellos analizaremos algunas estru turas
dinmi as pertinentes.
a)

El modelo IS-LM

John Maynard Keynes na i en Cambridge (Inglaterra) en 1883. Edu ado all mismo, tuvo una brillante arrera de pregrado donde fue alumno
de Alfred Marshall. Luego de abandonar Cambridge, sirvi a su pas en
la India, en donde es ribi su primer libro, Indian Curren y and Finan e
(1913), que es un trabajo en donde Keynes ha e una apli a in pr ti a
de los prin ipios marshallianos sobre el inter ambio al mer ado indio. A
su regreso, en 1909, re ibi la membresa en el King's College de Cambridge, la ual mantendra hasta su muerte. De 1911 a 1937 fue profesor
de e onoma all mismo.
Mientras estuvo en India, Keynes omenz su Treatise on Probability,
que durara es ribiendo desde 1906 hasta 1912. Este fue un tema que
siempre lo intrig, no slo en sus apli a iones sino, tambin, en su teora;
de he ho, Keynes fue un buen jugador de ruleta. De este libro es ribira
el famoso lgi o y matemti o Bertrand Russel: ...es imposible alabarlo
36
37

Day, Ri hard H.(1982),

Growth,
38

Irregular Growth Cy les, Ameri an E onomi Review.


The Emergen y of Chaos from Classi al E onomi

Day, Ri hard H. (1983),

Quarterly Journal of E onomi s.

Grandmont, Jean-Mi hel (1985),

E onometri a.

On Endogenous Competitive Business Cy les,

39
Pohjola, M.T. (1981), Stable, Cy li and Chaoti Growth: The Dynami s of a
Dis rete-Time Version of Goodwin's Growth Cy le Model, Zeits hrift fr Nationalkonomie.

372

Matemti as para e onomistas III: Optimiza in y dinmi a

su ientemente.... Tambin fue aprobado por Alfred Whitehead, aunque


le haba riti ado severa, pero onstru tivamente, su manus rito. All,
Keynes estaba a favor del viejo y asi olvidado on epto de probabilidad
indu tiva propuesto por Bernoulli y Lapla e, segn el ual, el propsito
de la teora era juzgar hiptesis y guiar jui ios sobre la base de eviden ia.
Y aunque el Treatise no es un trabajo profundamente original, ampli
la erudi in de Keynes, su poten ial lgi o y sus mtodos de asalto a
problemas on herramientas tanto teri as omo pr ti as.
Pero el libro que primero lo llev a la fama fue The E onomi Consequen es of the Pea e, publi ado en 1919, basado en sus experien ias omo
o ial britni o. Este trabajo levantara gran polmi a debido a su ida
rti a a la ausa de los Aliados en la Primera Guerra Mundial. Pero el
he ho de que el mundo o ial le diera enton es la espalda fue para l
motivo de reto y de posibilidad de eman ipa in. Sus mayores logros,
que vendran ms adelante, fueron su respuesta.
El A Treatise on Money (1930), y su posterior lsi o The General
Theory of Employment, Interest, and Money (1936), resumen sus mximas ontribu iones a la esfera del pensamiento e onmi o omo do trina
sistemti a. En estos trabajos, y en otros ms populares omo el How to
Pay for the War (1940) se en uentran ideas que han inuido vastamente
desde el estudiante ms modesto hasta grandes teri os y ha edores de
polti a de gobiernos.
El modelo IS-LM (Hi ks (1937)40 )

Antes de la publi a in, en 1936, de la General Theory of Employment,


Interest, and Money de John Maynard Keynes, los e onomistas haban
desarrollado una ri a y penetrante visin mi roe onmi a del omportamiento de los mer ados y de la asigna in de re ursos a travs de ellos.
Pero la visin ma roe onmi a, es de ir, el estudio de los a onte imientos
agregados que afe tan a toda la e onoma, omo la ina in, las re esiones, el desempleo, et ., tena un desarrollo menos elaborado. La e onoma
de enton es no tena mo expli ar, por ejemplo, la Gran Depresin de
los aos 1930's. Hasta enton es se armaba que las e onomas tenan
una tenden ia a largo plazo a retornar al pleno empleo, y se entraba en
40

Hi ks, John R. (1937),

E onometri a.

Mr.Keynes and the Classi s: A Suggested Interpretation,

Le in 3: Sistemas dinmi os

373

el estudio de ese largo plazo. Sus bases eran dos leyes e onmi as que
podan resumirse as: i) El nivel general de pre ios es propor ional a la
antidad de dinero en ir ula in (teora uantitativa del dinero); ii) las
tasas de inters bus an equilibrar el ahorro y la inversin totales.
Por el ontrario, en el General Theory, Keynes armaba que, en el orto
plazo, las tasas de inters no estaban determinadas por el equilibrio entre
ahorro e inversin en pleno empleo, sino por la preferen ia por liquidez,
que es el deseo del pbli o de mantener dinero en efe tivo a menos que se
le ofrez a un in entivo su iente para invertir en a tivos menos seguros
y pr ti os; y si el ahorro deseado era mayor que la inversin deseada, lo
que disminuira no seran enton es las tasas de inters, sino los niveles
de empleo y produ in.
Durante los aos posteriores a la publi a in del General Theory, mu hos e onomistas teri os quedaron fas inados por las impli a iones de
aquella visin sobre el fun ionamiento de una e onoma. Uno de ellos fue
el premio Nobel de 1972, John R. Hi ks, quien en 1937 es ribiera Mr.
Keynes and the Classi s: A Suggested Interpretation. En ste, Hi ks
bus aba
 onstruir una teora  lsi a tpi a, sobre un modelo anterior ms rudo que el del profesor Pigou.41 Si podemos onstruir tal teora, y mostrar que arroja resultados que, de he ho,
han sido omnmente onsiderados omo dados, pero que no
oin iden on las on lusiones de Mr. Keynes, enton es tendremos al n una base de ompara in satisfa toria. Esperamos poder aislar las innova iones de Mr. Keynes, y as,
des ubrir ules son los problemas reales de disputa."
Y agregaba:

Como nuestro propsito es la ompara in, tratar de espe i ar mi teora lsi a tpi a en una forma similar a la que
Mr. Keynes espe i a la suya [...."
41

Theory of Employment de Arthur C. Pigou [1877-1959 de 1933 . Este


Employment and Equilibrium de 1941, resumen bien
pensamiento lsi o sobre empleo, ingreso, y otras variables ma roe onmi as.

Se reere al

libro, onjuntamente on su
el

374

Matemti as para e onomistas III: Optimiza in y dinmi a

Hi ks omienza presentando el modelo lsi o en la siguiente forma:


i) Se asume que el periodo de estudio es lo su ientemente orto de tal
forma que la antidad de equipo fsi o disponible de todas las lases
pueda onsiderarse jo.
ii) Se asume que la mano de obra es homognea.
iii) Se asume, adems, que la depre ia in es nula. As, la produ in
de los bienes de inversin orresponde a la inversin nueva.
iv) Si denimos x produ to de los bienes de inversin, y produ to
de los bienes de onsumo, Nx nmero de hombres empleados en
la produ in de bienes de inversin, Ny nmero de hombres empleados en la produ in de bienes de onsumo; enton es, se asume
que
x = fx (Nx ),
y = fy (Ny )
donde fx y fy son dos fun iones ono idas.
v) Para determinar Nx y Ny se asume que:
(a) El nivel de pre ios de los bienesde inversin
es igual a su osto

dNx
marginal que viene dado por w
donde w salario.
dx
(b) El nivel de pre ios de los bienesde onsumo
es igual a su osto

dNy
marginal que viene dado por w
.
dy


dNx
( ) El valor de la inversin, , simplemente la inversin es wx

dx
Ix .


dNy
(d) El valor del onsumo, , simplemente el onsumo es wy
.
dy
(e) El ingreso total es




dNx
dNy
wx
+ wy
Y
dx
dy
(f) Si ono emos Y e Ix enton es Nx y Ny estarn determinados
tambin.

375

Le in 3: Sistemas dinmi os

vi) Las tres e ua iones fundamentales planteadas por la teora lsi a


de Hi ks son:

M
= kY
P
Ix = C(i)

(3)

Ix = S(i, Y )

(5)

(4)

en las que se determinan las tres in gnitas Y , Ix , i. Aqu:


(a) La e ua in (3) es la e ua in uantitativa (de Cambridge) que
M
rela iona el ingreso total, Y , y la demanda de dinero,
, a
P
travs de una onstante de propor ionalidad k.
(b) La e ua in (4) arma que la antidad de inversin (o demanda
por apital nuevo) depende de la tasa de inters i.
( ) La e ua in (5) di e que el ahorro, S , depende de la tasa de
inters y del ingreso.
Para Hi ks, este modelo es una teora muy razonablemente onsistente,
que es tambin onsistente on los pronun iamientos de un re ono ible
grupo de e onomistas , pero sabe que si se intenta estudiar u tua iones
dentro de este modelo, omienzan las di ultades:

Es evidente que el ingreso de dinero experimenta grandes


varia iones en el urso de un i lo e onmi o (trade y le),
y que la teora lsi a slo puede expli ar estas varia iones
por medio de varia iones en M
P o en k , o, omo una ter era
y ltima alternativa, por ambios en la distribu in.
Contra las tres e ua iones de la teora lsi a,

M
= kY,
P

Ix = C(i),

Ix = S(i, Y )

arma que el General Theory de Keynes es ribira, en su lugar, las siguientes:

M
= L(i, Y ),
P

Ix = C(i),

Ix = S(Y )

y que stas dieren de las e ua iones lsi as en dos formas:

376

Matemti as para e onomistas III: Optimiza in y dinmi a

i) En lugar de la e ua in uantitativa, la primera e ua in, M


P =
L(i, Y ), es una rela in entre el ingreso Y y la tasa de inters i. Esto
lo dibuja Hi ks, para M
P jo, omo una urva (LM) on pendiente
ha ia arriba, ya que, en tal aso, un aumento en el ingreso Y tiende
a aumentar la tasa de inters.
ii) De forma similar, reemplaza la e ua in de omportamiento del ahorro, de tal forma que ahora ste depende ni amente del ingreso Y ,
y no de la tasa de inters. As, las dos e ua iones Ix = C(i) y
Ix = S(Y ) generan una rela in entre Y e i, la ual Hi ks dibuja
omo una urva (IS) on pendiente ha ia abajo, mostrando la rela in (inversa) entre el ingreso y la tasa de inters, que se requiere
para que la inversin oin ida on el ahorro.

i
LM

P
IS
Y
Figura 45: Diagrama IS-LM.

En estas ir unstan ias, el ingreso y la tasa de inters estaran ahora


determinados en el punto P de la interse in de las dos urvas (ver
gura 45), exa tamente omo se determinan pre io y produ in en la
moderna teora de la demanda y la oferta. De he ho, la innova in del
seor Keynes es er anamente similar, en este aspe to, a la innova in
de los marginalistas.
La gura 46 muestra lo que, segn algunos e onomistas, es el he ho ms
importante de la General Theory de Keynes. No slo es posible mostrar
que una oferta monetaria dada determina ierta rela in entre ingreso e
inters (que es la urva LM); sino que tambin puede de irse algo sobre
la forma de la urva. Segn Hi ks, la urva LM tendera a ser horizontal
(i onstante) a la izquierda, y asi verti al a la dere ha (Y onstante).
Esto porque: (1) habra ierto mnimo por debajo del ual la tasa de
inters no ambia; y (aunque Keynes no ha e ningn nfasis en esto);

377

Le in 3: Sistemas dinmi os

(2) habra un mximo nivel de ingreso que puede ser nan iado on una
antidad de dinero (ver gura 46).

i
LM

Y
Figura 46: Comportamiento de la urva LM.

De esta manera, si la urva IS est bien a la dere ha (sea porque hay un


fuerte in entivo a invertir o una alta propensin a onsumir) el punto P
se hallar en la parte de la urva que es asi verti al (Y onstante), y
el modelo lsi o sera todava una buena aproxima in al modelo: un
aumento fuerte en la inversin aumentar la tasa de inters pero tambin
tendr efe tos en el empleo (ver gura 47).

i
LM

IS

Y
Figura 47:

est a la dere ha (modelo lsi o).

378

Matemti as para e onomistas III: Optimiza in y dinmi a

Pero si el punto P se en uentra a la izquierda de la zona donde la urva


LM es verti al, enton es la teora de Keynes de que un aumento en la
urva de inversin Ix = C(i), aunque aumenta el empleo, no da origen
a ningn aumento en la tasa de inters (ver gura 48).
Segn Hi ks, este mnimo de la tasa de inters se apli a no slo a una
urva LM parti ular sino que debe ser el mismo para todas las urvas de
M
nivel uando M
P ambia. Si la oferta P aumenta, la LM se desplaza a la
dere ha (ver gura 49), pero las partes horizontales son asi las mismas,
y esto in omoda a la teora lsi a : Si P se en uentra a la izquierda, es
posible aumentar el empleo on slo aumentar la antidad de dinero; pero
si P est a la dere ha, esto es imposible; as, los me anismos monetarios
ya no podrn bajar la tasa de inters.

i
LM

IS
Y

Figura 48:

est a la izquierda (modelo keynesiano).

Con luye enton es que, la General Theory es la e onoma de la depresin, y ontina, para terminar su art ulo:
Estas, enton es, son algunas de las osas que podemos obtener de nuestro aparato-esqueleto. Pero an si puede onsiderrsele omo una pequea
extensin del esqueleto similar del seor Keynes, todava pare e terriblemente rudo y plano. [... Ms an, no se han tenido en uenta los
problemas de la depre ia in; omo tampo o los del pro eso temporal .
La General Theory es un libro til. Pero no es ni el omienzo ni el nal
de la dinmi a e onmi a , nalizaba Hi ks.

379

Le in 3: Sistemas dinmi os

i
LM

LM

Y
Figura 49: Dos urvas LM para diferentes ofertas monetarias.

Un modelo lineal IS-LM on dinmi a estable

Dentro de las mu has posibles versiones dinmi as del modelo IS-LM,


onsideremos, ini ialmente, la ms simple: Un modelo IS-LM lineal dinmi o. Aqu,

Y = (1 c)Y R + F

(6)
M
R = kY hR +
P
donde Y es el ingreso agregado; R es la tasa de inters; F es el gasto
autnomo (o ndi e de polti a s al); c es la propensin marginal a
onsumir (0 < c < 1); > 0 es la inversin marginal ( on respe to a la
tasa de inters); M son los saldos monetarios nominales; P es el nivel de
pre ios; k, h > 0 representan las demandas marginales de saldos reales
on respe to al ingreso y al tipo de inters, respe tivamente. Asumimos,
aqu, que M
P y F son onstantes
Las solu iones al sistema (6) son de la forma

Y = F + K11 e1 t + K12 e2 t
M
+ K21 e1 t + K22 e2 t
P
donde 1 , 2 son los valores propios de la matriz


(1 c)
A=
k
h
R=

380

Matemti as para e onomistas III: Optimiza in y dinmi a

y el punto de equilibrio es

Y =

hF + M
P
,
K + h(1 c)

R=

kF (1 c) M
P
.
K + h(1 c)

Resolviendo det(A I) = 0 se obtiene que


p
c h 1 [(1 c) + h]2 4[h(1 c) + k]
=
2
Luego,



i) Si = [(1 c) + h]2 4[h(1 c) + k] 0 enton es F , M
es un
P
nodo asintti amente estable.


es una
ii) Si = [(1 c) + h]2 4[h(1 c) + k] < 0 enton es F , M
P
espiral estable.
De esta manera, este modelo IS-LM lineal dinmi o, es siempre estable
alrededor del equilibrio (F , M
).
P
Multipli ador-a elerador: un modelo de inspira in keynesiana
para el estudio del i lo e onmi o

A omienzos de los aos 1930's, aquellos que estudiaban el omportamiento del ingreso real agregado (Y ) de una e onoma, no tenan laro
por qu esta variable que tena un omportamiento irregular (aunque
re urrente) no re a o de re a indenidamente. La idea que subya a
era la de los  i los autosostenidos: ada tiempo de prosperidad e onmi a ontena las semillas de la siguiente depresin, y sta, a su vez,
las semillas de la siguiente prosperidad. En palabras del propio Keynes
(1936):

Por movimiento li o queremos de ir que, al progresar el


sistema, por ejemplo, en dire in as endente, las fuerzas que
lo empujan ha ia arriba al prin ipio toman impulso y produ en efe tos a umulativos unas sobre otras, pero pierden gradualmente su poten ia hasta que, en ierto momento, tienden a ser reemplazadas por los operantes en sentido opuesto; las uales, a su vez, toman impulso por ierto tiempo, y

Le in 3: Sistemas dinmi os

381

se fortale en mutuamente hasta que ellas tambin, habiendo


al anzado su desarrollo mximo, de aen y dejan sitio a sus
ontrarias. Sin embargo, por movimiento li o no queremos
de ir simplemente que esas tenden ias as endentes y des endentes no persistan indenidamente en la misma dire in,
una vez ini iadas, sino que terminan por invertirse. Tambin queremos expresar que hay ierto grado de regularidad
en la se uen ia y dura in de los movimientos as endentes y
des endentes.
Hasta los tiempos de la General Theory, la llamada ma roe onoma
lsi a armaba que la e onoma tena una tenden ia a largo plazo a
regresar al pleno empleo. Como armbamos antes, sus dos pilares fundamentales eran la teora uantitativa del dinero , y la teora del inters.
El modelo del multipli ador-a elerador (Samuelson (1939)42 ), que est
par ialmente inspirado en la General Theory de Keynes, es uno de los
primeros aportes a la teora dinmi a del i lo e onmi o. Consiste en
determinar el ingreso agregado de una e onoma uando operan, onjuntamente, un a elerador y un multipli ador keynesiano. En una versin
simple de ste, asumamos que la e onoma es errada (es de ir, los agentes no pueden omprar ni vender bienes o a tivos en el exterior), y que
no existe gasto pbli o. Formalmente,

Yt = Ct + Rt
Ct = Yt1
Rt = (Ct Ct1 )
donde Ct es el onsumo en el perodo t; Rt es la tasa de inters en el
perodo t; y Yt es el ingreso en el perodo t. Aqu, > 0 es el a elerador
y > 0 es el multipli ador. La primera e ua in arma que el ingreso
agregado es igual a la suma del onsumo agregado y la inversin privada
en ada periodo: es la identidad ma roe onmi a bsi a. La segunda
e ua in arma que el onsumo es propor ional al ingreso del periodo
anterior; a tambin se le llama la propensin marginal a onsumir . La
42

Samuelson, Paul (1939),

Prin iple of A eleration,

Intera tions Between the Multiplier Analysis and the

The Review of E onomi Statisti s.

382

Matemti as para e onomistas III: Optimiza in y dinmi a

ltima e ua in de arriba, arma que la inversin privada es propor ional


al in remento en el onsumo a travs del tiempo; a sta se le ono e omo
el prin ipio de a elera in .
De estas tres e ua iones se obtiene, on un po o de manipula in algebrai a, que
Yt+2 ( + )Yt1 + Yt = 0
Es de ir, el ingreso agregado de un periodo determinado es una pondera in de los ingresos agregados de los dos periodos anteriores. Por lo
estudiado en la presente le in, la estabilidad de este sistema dinmi o
alrededor de Y = 0, depende de las ra es de su e ua in ara tersti a

2 ( + ) + = 0
que son

( + )

y que obliga a estudiar tres asos:

( + )2 4
2

i) Si las dos ra es son reales y diferentes, es de ir, si ( + )2 > 4 ,


enton es stas sern menores que 1 si, y slo si, < 1, omo el le tor
puede f ilmente omprobar. Por lo tanto Y = 0 es asintti amente
estable si, y slo si, < 1 (es de ir, si el a elerador es pequeo).
ii) Si las dos ra es son reales e iguales,
es de ir, si ( + )2 = 4 ,

enton es stas sern iguales a . Por lo tanto, en este aso, Y = 0


ser asintti amente estable, si, y slo si, < 1.
iii) Si las dos ra es son nmeros omplejos, es de ir, si (+)2 < 4 ,
enton es el mdulo de ellas es igual a , por lo que la ondi in
para la estabilidad asintti a de Y = 0 es, tambin, < 1. Su
onvergen ia, sabemos por lo aprendido en esta le in, es a travs
de i los.
Note mo este modelo, a travs de la intera in entre multipli ador y
a elerador, puede generar u tua iones e onmi as endgenas ; es de ir,
la e onoma puede exhibir i los que no son produ idos ne esariamente
por sho ks aleatorios exgenos. Sobre esta perspe tiva de la teora de los

Le in 3: Sistemas dinmi os

383

i los e onmi os ver los art ulos seminales de Kaldor (1940)43 , Hi ks


(1950)44 , Goodwin (1951)45 , Day (1982)46 , y Grandmont (1985) 47 .
Dos ejemplos de dinmi as extraas en modelos IS-LM

Dos ejemplos lsi os en el apare en ompli ados i los lmites y aos


determinsti os para la variable ingreso real agregado (es de ir, i los
lmites y aos en el i lo e onmi o) dentro de una estru tura IS-LM,
son los de Boldrin(1983) 48 , y Day y Shafer (1985)49 .
a) Boldrin (1983) estudi un sistema IS-LM no-lineal en donde muestra
la existen ia de i los lmites para un amplio rango de valores de los
parmetros y :

Y = {I(Y, R, K) S(Y, R, K)}


R = {L(Y, R) LS }

K = I(Y, R, K) K

donde Y es el ingreso real, R es la tasa de inters; K es el sto k de


apital agregado; I y S son la inversin y el ahorro, respe tivamente,
I
I
S
S
donde Y
> 0, R
< 0, Y
> 0, y R
> 0; L es la demanda de dinero
L
L
S
donde Y > 0 y R < 0; L es la oferta monetaria ja; y, nalmente,
y son parmetros positivos.
b) Por su parte, Day y Shafer (1985) muestran la posibilidad de aos
en un modelo IS-LM donde la inversin depende del ingreso y de la
tasa de inters. El modelo onsiste en las e ua iones onsumo-ingreso
e inversin-ingreso siguientes:

C = G(Y, M ) = C(L(Y, M ), Y )
43
44

A Model of the Trade Cy le, The E onomi Journal.


A Contribution to the Theory of the Trade Cy le, Claren-

Kaldor, Ni holas (1940),


Hi ks, John R.(1950),

don Press, London.

45

The Nonlinear A elerator and the Persisten e of Business Cy les, E onometri a.


Day, Ri hard H.(1982), Irregular Growth Cy les, Ameri an E onomi Review.
47
Grandmont, Jean-Mi hel (1985), On Endogenous Competitive Business Cy les,

46

E onometri a.

48

Boldrin, Mi hele (1983), Applying Bifur ation Theory: Some Simple Results on
the Keynesian Business Cy le, Note di Lavoro 8403, University di Venezia.
49
Day, Ri hard H. y J. Wayne Shafer (1985), Keynesian Chaos, Journal of Ma roe onomi s.

384

Matemti as para e onomistas III: Optimiza in y dinmi a

I = H(Y, M ) = I(L(Y, M ), Y )
donde M denota la antidad de dinero, L(Y, M ) es la fun in LM
que representa el valor de la tasa de inters R, y es un parmetro
positivo. El resto de la nota in es omo en el modelo de Boldrin
(1983).
El modelo lo omplementan on un omportamiento dinmi o de Y
dado por
Yt+1 = G(Yt , M ) + H(Yt , M ) + A
donde A es una onstante positiva que representa el gasto exgeno.
Los autores utilizan fun iones G y H ontinuas a trozos.
A tualmente, es laro que los omportamientos de dinmi as ati as no
son raros, al menos teri amente. In lusive apare en en numerosas dinmi as aparentemente simples. Hasta ahora la teora se ha venido moviendo a partir de modelos muy ualitativos y abstra tos, on predi iones
un tanto vagas, que no onllevan una inmediata implementa in e onomtri a. Al pare er el amino est abrindose desde el otro extremo:
el trabajo empri o de modelos omplejos mediante simula in omputa ional ontrolada, est dirigiendo la onstru in de modelos teri os.
Quizs as podamos entender mejor el omportamiento de estas variables
ma roe onmi as.
b)

El modelo Arrow-Debreu: la e onoma omo un sistema me ni o

La visin de una e onoma en equilibrio fue estable ida por primera


vez por Walras en 1874, al pare er sugerida por su le tura del tratado
The Elments de Statique (1803) sobre el equilibrio de fuerzas me ni as
de Louis Poinsot [1777-1859. sta era una parti ular elabora in de la
idea simple (aunque todava no bien entendida) de que en un sistema
e onmi o todo afe ta a todo : ada ambio indu e ambios y ada uno de
stos, a su vez, indu e otros ambios. La le in e onmi a que, segn
Walras, deba aprenderse, era que la demanda de ualquier produ to
depende de los pre ios de todos los otros produ tos (in luyendo, entre
los pre ios, a los salarios y a los pre ios de servi io de apital (rentas)) y
que stos, a su vez, dependan del pre io del produ to, y llamaba pre ios
de equilibrio a los pre ios que ha an que la demanda igualara a la oferta
en ada mer ado.

385

Le in 3: Sistemas dinmi os

El modelo de equilibrio general de Walras fue demasiado dif il para los


e onomistas on po o entrenamiento matemti o. Impli aba en ontrar
los pre ios de todas las mer an as omo solu iones de un gran nmero
de e ua iones que estable en la igualdad oferta-demanda en ada mer ado50 . Pero ser que todas estas e ua iones tienen solu in? Walras
(extraamente para alguien familiarizado on las matemti as) aseguraba que s, pues su sistema ontena tantas e ua iones omo in gnitas.
La tradi in alemana poswalrasiana, notara que el problema era dif il pero entral al desarrollo del problema. El e onomista alemn Gustav
Cassel (1918)51 fue el primero en sugerir la posibilidad de que las e ua iones no ne esariamente tenan una solu in no-negativa (los pre ios, para
l, podan ser negativos). Por aquellos mismos aos, Karl S hlesinger retom el problema original de Walras, onsider que las di ultades on
el modelo radi aba en una (sutil) interpreta in equivo ada, y rey que
la demostra in de la existen ia del equilibrio general estaba al al an e
de la mano. Para ello, ontrat a un matemti o joven, Abraham Wald,
para trabajar en el problema. Wald (1933,1936)52 obtuvo una prueba de
existen ia bajo iertas ondi iones no f iles de interpretar y, de he ho,
muy fuertes a la luz de posteriores desarrollos. Wald logr emigrar de la
Alemania nazi a los Estados Unidos donde su inters se vol mu ho ms
ha ia la estadsti a matemti a. En la Universidad de Columbia (Nueva
York) fue uno de los profesores del posterior premio Nobel en e onoma
del ao 1972: Kenneth J. Arrow.
Arrow omenz a trabajar en el problema par ialmente resuelto de la
existen ia del equilibrio general sobre el ual lo ni o que Wald le de a era que se enfrentaba a un dif il problema. Sin embargo, una ayuda
inesperada provino del teorema de existen ia de equilibrios de la teora
de juegos (John F. Nash (1950)53 ), mediante el teorema de punto jo
de Brouwer (1912), introdu ido a la e onoma matemti a por von Neu50

Y pr ti amente a esto se redujo ini ialmente el pensamiento original de Walras,

por razones que ya la e onoma polti a nos ha permitido entender.

51

Cassel, Gustav (1932),

The Theory of So ial E onomy,

Har ourt Bra e, New

York.

52

Publi ado de manera pstuma en Wald, Abraham (1951),

Equations of Mathemati al E onomi s,


un a idente areo.

53

Nash, John F. (1950),

On Some Systems of

E onometri a, pues Wald muri en 1950 en

Equilibrium Points in n-Person Games.

the National A ademy of S ien es.

Pro eedings of

386

Matemti as para e onomistas III: Optimiza in y dinmi a

mann en 1932 , que es equivalente al problema de existen ia del equilibrio


general (ver Ejer i ios omplementarios, le in 2). Arrow tom y adapt las herramientas matemti as del teorema de Nash y enton es pudo
estable er, muy generalmente, ondi iones bajo las uales las e ua iones
que denen el equilibrio general tenan al menos una solu in.
Pero Arrow no fue el ni o on a eso a esta informa in. El fran s
Gerard Debreu (premio Nobel en e onoma en 1983) haba llegado simultnea e independientemente a, esen ialmente, los mismos resultados, y de idieron publi ar onjuntamente los resultados (Arrow y Debreu
(1954)54 ). Adems, un po o antes de que este art ulo apare iera, otros
e onomistas, Lionel M Kenzie (1954) 55 y Tjalling Koopmans (1951)56 ,
obtuvieron similares resultados on herramientas un tanto distintas. Como en el aso de Newton y Leibniz en el siglo XVII on la inven in del
Cl ulo; o en la revolu in marginalista de Menger, Walras y Jevons;
la existen ia de un equilibrio general ompetitivo fue un des ubrimiento
mltiple e independiente.
Para Debreu la historia omienza en 1948 uando el prin ipal e onomista fran s de la po a, Mauri e Allais (premio Nobel en e onoma en
1988), lo propuso para la be a Ro kefeller para estudiar e onoma en los
Estados Unidos. Debreu, on forma in en matemti as y fsi a, arrib
on 28 aos a la Universidad de Harvard en 1949; luego pas a Berkeley,
Chi ago, Oslo y, posteriormente, en 1955, a la Universidad de Yale, donde fue profesor aso iado de e onoma. Su ms famosa monografa, Theory
of Value, publi ada en 1959, fue presentada omo tesis de do torado en
la Universidad de Paris en 1956.
El inters de Debreu por la e onoma omenz uando leyera el libro de
Mauri e Allais, A la Re her he d'une Dis ipline E onomique (1943). En
este libro, Allais bus aba presentar y extender el pensamiento de Walras
sobre el equilibrio general, y adems lo rela ionaba formalmente on la
no in de optimalidad desarrollado por Vilfredo Pareto. Pero Allais no
fue el primero en seguir esta lnea de pensamiento. La reen ia de que
una e onoma ompetitiva ondu e a un estado ptimo pro ede desde, al
54

Arrow, Kenneth J. y Gerard Debreu (1954),

Competitive E onomy,
55

E onometri a.

M kenzie, Lionel W. (1954),

and Other Competitive Systems,


56

Existen e of an Equilibrium for a

On Equilibrium of Grahams Model of World Trade

E onometri a.

ver le in 8, volumen I (lgebra lineal).

Le in 3: Sistemas dinmi os

387

menos, el Wealth of Nations (1776) de Adam Smith. El ontenido exa to


de esta reen ia no poda a lararse hasta tanto no se tuviera una no in
pre isa de optimalidad one tada on el problema de la distribu in de
ingreso y riqueza.
Pare e que fue Pareto el primero en lograrla en sus Cours d'E onomie
Politique (1896-7) y posteriormente en su Manuel d'E onomie Politique
(1906), aunque ya en 1881 Fran is Edgeworth, en su Mathemati al Psy hi s, haba dado ierta deni in de bienestar mximo relativo. Pareto,
utilizando un onveniente mtodo gr o al que denomin aja de Edgeworth, mostr que todo equilibrio ompetitivo es ptimo. Sin embargo,
nun a utiliz el l ulo diferen ial en el estudio de este problema, omo
s lo hi ieran los que lo su edieran hasta prin ipios de los aos in uenta (la herramienta fundamental era el mtodo de los multipli adores de
Lagrange). Pero aunque este mtodo es apli able, no es absolutamente
ne esario ya que los teoremas de punto jo, las estru turas onvexas y
los teoremas de separa in para onjuntos onvexos tambin fueron una
aproxima in vlida al problema, omo lo mostraran Arrow y Debreu en
sus trabajos lsi os de 1954 y 1959.
Las limita iones de todas las ontribu iones antes de los primeros aos
de la d ada del in uenta onsistan en el he ho de que utilizaban tasas
marginales de sustitu in para ara terizar el ptimo. Sin embargo, las
tasas marginales de sustitu in no son un on epto primitivo de la teora:
son un on epto derivado y puede no estar denido si no hay diferen iabilidad en las fun iones de utilidad o en las de produ in. Esto ltimo
fue parti ularmente laro on el desarrollo del Anlisis de A tividades de
Koopmans al apli ar la programa in lineal y la teora de la dualidad al
problema de la formula in de la teora del equilibrio general.
Durante el estable imiento de lo que hoy se a ostumbra a llamar sistema general walrasiano (es de ir, desde los lments de Walras (1874)
hasta el modelo de Arrow y Debreu (1952)57 ), el problema de existen ia no fue ni omentado ni re ono ido por los e onomistas en general;
slo por aquel pequeo grupo de e onomistas de la tradi in alemana
que ya hemos men ionado y por Koopmans. De he ho, ninguno de los
textos lsi os tales omo Foundations of E onomi Analysis de Samuelson (1947) y Value and Capital de Hi ks (1946) entraban su aten in
57

Arrow, Kenneth J. y Gerard Debreu (1954),

Competitive E onomy,

E onometri a.

Existen e of an Equilibrium for a

388

Matemti as para e onomistas III: Optimiza in y dinmi a

en el problema de la existen ia del equilibrio general: por alguna razn


lo daban por garantizado. En lugar de esto, dedi aron sus pginas a la
estti a omparativa y a la estabilidad de los equilibrios.
Sin embargo, slo hasta el Theory of Value (1959) de Debreu, podemos
de ir que esta versin teri a del pensamiento walrasiano (es de ir, el sistema general walrasiano de equilibrio general) haba sido slidamente
(es de ir, matemti amente) delimitada, y sus debilidades ompletamente es lare idas.
El modelo Arrow-Debreu (Arrow y Debreu (1954), Debreu
(1959))

Hasta ahora (ver el ontexto e onmi o de la le in 2) se han analizado


e onomas de inter ambio puro para presentar los resultados bsi os de
la teora del equilibrio general ompetitivo segn el modelo paretiano.
Sin embargo, resultados similares se obtienen uando el se tor produ tivo se in luye dentro de la e onoma. El modelo de equilibrio general
ompetitivo ms amplio es el modelo Arrow-Debreu que a ontinua in
presentamos.
La no in de mer an a

Para el modelo Arrow-Debreu, las mer an as son bienes o servi ios on


una pre isa espe i a in de sus ara tersti as fsi as, y del lugar y fe ha
en que se onsumen u ofre en. Se asume que slo hay un nmero nito,
l, de mer an as, ha iendo de Rl el espa io de mer an as del modelo.
Comportamiento de los onsumidores

En prin ipio, se dene un onsumidor omo un individuo o un grupo


de individuos on propsito de onsumo uni ado (por ejemplo, una familia), que pueden elegir planes de onsumo de las distintas mer an as
disponibles. Aqu, un plan de onsumo es una espe i a in de las antidades de bienes de onsumo y de las antidades de servi ios a ofre er, al
omienzo del perodo (y para todo el perodo en que se desarrolla el modelo, y que est previamente identi ado). Las antidades de bienes de
onsumo se representan mediante nmeros positivos, y las antidades de
las distintas lases de servi io a ofre er se representan mediante nmeros

389

Le in 3: Sistemas dinmi os

negativos, por razones que adelante se entendern. Al onjunto de todos


los planes de onsumo se le denomina su onjunto de onsumo . As, el
onjunto de onsumo de este onsumidor estar in luido en el espa io de
mer an as del modelo.
Asumiremos que existe un nmero m de onsumidores. Cada onsumidor
est indi ado por i = 1, . . . , m. El i-simo onsumidor elige un ve tor, su
plan de onsumo xi , en un sub onjunto no-va o de Rl , que es su onjunto
de onsumo
Xi . Dado un onsumo xi para ada onsumidor, P
a la suma
P
m
x= m
x
se
le
llama
el
onsumo
total
;
y
al
onjunto
X
=
i
i
i Xi se
le llama el onjunto de onsumo agregado. Supondremos aqu que para
todo i:
(a.1) Xi es errado. Es de ir, si existe una su esin de planes posibles
de onsumo {xni }, que onverge a algn ve tor x en el espa io de
mer an as, enton es este ve tor tambin es un plan de onsumo
posible.
(a.2) Xi es onvexo. Esto impli a, en parti ular, que las mer an as son
divisibles en ualquier nmero de partes. Esto, por supuesto, obliga a interpreta iones muy nas de las mer an as que vamos a
onsiderar.
(a.3) Xi tiene una ota inferior para . Es de ir, existe un onsumo
mnimo de subsisten ia.
Sobre Xi se dene un preorden ompleto 4i tal que:
(b.1) No existe onsumo de sa iedad en Xi .
(b.2) Para todo xi Xi , los onjuntos {xi Xi | xi 4i xi } y {xi Xi |
xi <i xi } son errados en Xi .
(b.3) Si x1i y x2i son dos puntos de Xi , y si t (0, 1), enton es x2i i xli
impli a tx2i + (1 t)xli i xli .
( ) Si wi es el ve tor de dota iones ini iales del i-simo onsumidor,
enton es existe x0i Xi tal que x0i << wi 58
58

Note que esto impli a que ningn agente puede tener dota in ini ial nula de

alguna mer an a. Sin embargo, Debreu, en

brium Analysis

New Con epts and Te hniques for Equili-

(International E onomi Review (1962)), relajara esta hiptesis para

permitir que esto ltimo pudiera su eder, y que los teoremas entrales de existen ia
y bienestar siguieran mantenindose.

390

Matemti as para e onomistas III: Optimiza in y dinmi a

Bien 2

x2
x1
Bien 1

Figura 50: Preferen ias modelo Arrow-Debreu.

El le tor podr re ono er que las ondi iones del literal b) estn rela ionadas on la existen ia, monotoni idad, ontinuidad y uasi on avidad
de la fun in de utilidad subya ente a este omportamiento del onsumidor (ver el  ontexto e onmi o de la le in 1).
Comportamiento de los produ tores

Un produ tor es una abstra in, tanto sobre las formas legales de organiza in ( orpora in, propietario independiente, et .), omo sobre los tipos de a tividad (agri ultura, manufa tura, onstru in, servi ios, et .).
Cada produ tor debe elegir un plan de produ in; es de ir, una espe i a in de las antidades de insumos ne esarias para produ ir unas
determinadas antidades de produ tos, para el perodo en el que se desarrolla la a tividad e onmi a. Los insumos se representarn mediante
nmeros negativos y los produ tos mediante nmeros positivos. Al onjunto de todos los planes de produ in se le denomina onjunto de
produ in. Existe un nmero entero positivo n de produ tores, y, as,
ada produ tor estar indi ado por j = 1, . . . , n. El j -simo produ tor
elige un ve tor, su plan de produ in yj , en un sub onjunto no-va o
del espa io de mer an as Rl : su onjunto de produ in Yj .
P
Dada una produ in yj Yj para ada produ tor, el ve tor y = nj yj
Pn
se llama la produ in total ; el onjunto Y = j Yj se llama el onjunto
agregado de produ in. Supondremos aqu que, para todo j ,:
(d.1) 0 Yj (posibilidad de no-a in ). Es de ir, existe la posibilidad de
no operar en el sistema produ tivo.

391

Le in 3: Sistemas dinmi os

Produ to

Produ to

Y
Insumo

Insumo

Figura 51: Conjuntos de produ in Arrow-Debreu

(d.2) Y es errado. Es de ir, si {y n } es una su esin de posibles planes


agregados de produ in, que onverge a un ve tor y en el espa io
de mer an as, enton es tambin y es un posible plan de produ in.
(d.3) Y es onvexo. Esto impli a (ver le in 1) que el produ tor no tiene
rendimientos re ientes a es ala (ver gura 51). Esta es, quizs, una
de las mayores limita iones del modelo Arrow-Debreu.
(d.4) Y (Y ) = {0} (irreversibilidad ). Es de ir, los pro esos agregados
de produ in no son reversibles. 59
(d.5) Rl+ Y , donde Rl+ = {x Rl | x 0} (libre disponibilidad
de insumos ). Es de ir, siempre es posible utilizar insumos y no
produ ir ningn produ to.
Aunque ya Koopmans (1951) se haba anti ipado en la formula in axiomti a 60 de la versin lineal del modelo walrasiano ( ono ido omo anlisis de a tividades), fueron stas (las de Arrow y Debreu) las ondi iones
ms generales y ms laras ono idas hasta enton es para que el sistema walrasiano tuviera un equilibrio. Posteriormente, el mismo Debreu
59

Por ejemplo, de un pan no se puede obtener la misma energa el tri a on la

que se horne.

60

Claramente inuidos, tanto Koopmans omo Arrow y Debreu, por la es uela

matemti a fran esa Bourbaki que, a su vez se inspiraba en Eu lides en la bsqueda


de una estru tura in axiomti a de todas las matemti as ono idas hasta prin ipios
del siglo XX (ver le in 4, volumen 0: Fundamentos).

392

Matemti as para e onomistas III: Optimiza in y dinmi a

y otros debilitaran un tanto ms estas ondi iones, aunque sin nun a


perder de vista las hiptesis originales del modelo que an hoy utilizamos omo  ondi iones mnimas para que el sistema walrasiano pueda
fun ionar.
El on epto de e onoma y equilibrio walrasiano

Al omienzo del perodo existen unas dota iones de mer an as agregadas dadas de manera exgena. Podemos ara terizar en este momento lo
que onsideramos una e onoma. sta se dene por los onjuntos de onsumo ompletamente preordenados por una rela in de preferen ia, los
onjuntos de produ in individuales y las dota iones ini iales agregadas.
Por su parte, en una e onoma de propiedad privada, los onsumidores
son los dueos de las rmas, es de ir poseen una parti ipa in en los
bene ios de las mismas y poseen todas las dota iones ini iales. Luego,
una e onoma de propiedad privada se dene por los onjuntos de onsumo ompletamente preordenados por una rela in de preferen ia, los
onjuntos de produ in individuales, las parti ipa iones de los onsumidores en los bene ios de los produ tores y las dota iones ini iales de los
onsumidores, uya suma son las dota iones agregadas. El teorema de
existen ia probado por Debreu (1959)61 se reere a una e onoma de propiedad privada, aunque la estru tura del modelo Arrow-Debreu admite
e onomas que no son ne esariamente de este tipo, para las uales existe
un equilibrio omo probara Debreu en la misma famosa monografa.
Deni in 25. (E onoma Arrow-Debreu)

Una e onoma Arrow-Debreu est denida por tres ategoras:


1)Para ada onsumidor i = 1, . . . , m, un sub onjunto no va o Xi de Rl
ompletamente preordenado por 4i .
2) Para ada produ tor j = 1, . . . , n, un sub onjunto no va o Yj de Rl .
3) Para ada onsumidor i = 1, 2 . . . , m, las dota iones ini iales wi Rl .
As, una e onoma Arrow-Debreu es una tupla de la forma

E = ((Xi , 4i ), (Yj ), (wi ))


61

op. it.

Le in 3: Sistemas dinmi os

393

Deni in 26. (E onoma Arrow-Debreu de propiedad privada)

Una e onoma Arrow-Debreu de propiedad privada es una e onoma de


la forma
E = ((Xi , 4i ), (Yj ), (wi ), (ij ))
P
donde para ada par (i, j), ij es un nmero no-negativo tal que i ij =
1 para todo j , que representa la parti ipa in del i-simo onsumidor en
los bene ios del j -simo produ tor.
Deni in 27. (Equilibrio walrasiano)

Un equilibrio walrasiano de la e onoma de propiedad privada E es una


(m + n + 1)-tupla ((xi ), (yj ), p ) de puntos de Rl tal que:
P
i) xi es un mayor elemento de {xi Xi | p xi p wi + j ij p yj }
para 4i , para todo i;
ii) yj maximiza el bene io relativo a p sobre Yj , para todo j ,
iii) x y = w

(equilibrio de mer ado ).

El siguiente es uno de los prin ipales aportes realizados por la e onoma


matemti a en los aos 1950's, y la lave en su demostra in es, de nuevo,
el teorema de punto jo de Kakutani:
Teorema 18.

(Existen ia del equilibrio walrasiano)

La e onoma de propiedad privada E = ((Xi , 4i ), (Yj ), (wi ), (ij )) tiene


un equilibrio walrasiano si para todo i,
(a) Xi es errado, onvexo, y tiene una ota inferior para .
(b.1) No existe onsumo de sa iedad en Xi .
(b.2) Para todo xi Xi , los onjuntos {xi Xi | xi 4i xi } y {xi Xi |
xi <i xi } son errados en Xi .
(b.3) Si x1i y x2i son dos puntos de Xi , y si t (0, 1), enton es x2i i xli
impli a tx2i + (1 t)xli i xli .
( ) Si wi es el ve tor de dota iones ini iales del i-simo onsumidor,
enton es existe x0i Xi tal que x0i << wi .
Adems, para todo j ,

394

Matemti as para e onomistas III: Optimiza in y dinmi a

(d.1) 0 Yj
(d.2) Y es errado
(d.3) Y es onvexo
(d.4) Y (Y ) = {0}
(d.5) Y (Rl+ ), donde Rl+ = {x Rl | x 0}.
Demostra in.

Ver Debreu (1959)62 .


Este teorema fue un resultado tremendamente importante para la teora e onmi a, pues mostraba ondi iones matemti as pre isas bajo las
uales podra existir solu in al problema original de Walras. Que a pesar de ser una e onoma estti a, se entendiera que existan unos pre ios
y unas asigna iones de tal forma que los onsumidores y los produ tores
podan oordinar sus a tividades e onmi as de manera des entralizada, era un logro mays ulo. Era, quizs, omenzar a entender por qu
los mer ados reales en verdad podran fun ionar, y que los pre ios que
lo lograban, de he ho, existan. Sin embargo, mostrar que este equilibrio
Arrow-Debreu tambin gozaba de las ya previstas propiedades paretianas
de bienestar, era, obviamente, el siguiente paso.
Deni in 28. (ptimo de Pareto)

i) En una e onoma Arrow-Debreu, dados dos equilibrios de mer ado

((xi ), (yj )) y ((xi ), (yj )) (ver Deni in 27), diremos que el segundo
es al menos tan deseado omo el primero, y se es ribe ((xi ), (yj )) 

((xi ), (yj )), si, para todo i, se tiene que xi  xi .


ii) Un equilibrio de mer ado ((xi ), (yj )) de una e onoma Arrow-Debreu

es un ptimo de Pareto si para todo otro equilibrio de mer ado ((xi ), (yj ))

que satisfaga ((xi ), (yj ))  ((xi ), (yj )) no podr darse que xi xi para
algn i.

Y on esta deni in tenemos versiones muy generales de los teoremas del


bienestar e onmi o, vistos en el Contexto e onmi o de la le in 2.
Para las demostra iones, remitimos nuevamente al le tor a la ya itada
62

op. it.

Le in 3: Sistemas dinmi os

395

monografa de Debreu (1959), on el onven imiento de que el le tor


tiene, en este punto, todos los requisitos matemti os para omprenderlas
abalmente.
Teorema 19.

(Primer teorema de la e onoma del bienestar)

En una e onoma Arrow-Debreu, todo equilibrio walrasiano es un ptimo


de Pareto.
Y apli ando el teorema de separa in de Minkowski (ver teorema 11,
le in 3), Debreu tambin demuestra que:
Teorema 20.

(Segundo teorema de la e onoma del bienestar)

En una e onoma Arrow-Debreu, dado un ptimo de Pareto


donde algn xi no es un onsumo de sa iedad, existe un
pre ios p no todos nulos tales que: i) xi minimiza p xi sobre
{xi Xi /xi  xi } para todo i; ii) yj maximiza el bene io
Yj , para todo j .

((xi ), (yj ))
sistema de
el onjunto
p yj sobre

Ejemplos que ilustran los dos teoremas del bienestar e onmi o, ya han
sido presentados en el  ontexto e onmi o de la anterior le in 2.
El problema de la uni idad del equilibrio walrasiano

En Theory of Value de 1959, Debreu slo se reere a los problemas de


uni idad y estabilidad en una nota marginal. Pero en 1970, en E onomies with a Finite Set of Equilibria, ya mostraba que la multipli idad de
equilibrios en e onomas walrasianas, no son un aso atpi o, pero que,
en aso de multipli idades, ada equilibrio es lo almente ni o, siempre
que se dieran iertas ondi iones de diferen iabilidad sobre las fun iones
de ex eso de demanda. Ms an: Este omportamiento es ierto en  asi
todas las e onomas, donde el trmino  asi todas tiene un signi ado
matemti o pre iso (ver el art ulo de Debreu (1976),The Appli ation to
E onomi s of Dierential Topology and Global Analysis: Regular Dierentiable E onomies, Ameri an E onomi Review).
Introdu imos ahora el on epto ms importante en el estudio de la uni idad del equilibrio walrasiano en una e onoma Arrow-Debreu de inter ambio puro:

396

Matemti as para e onomistas III: Optimiza in y dinmi a

Deni in 29. (Sustitu in bruta entre mer an as)

Una mer an a i es sustituta bruta de una mer an a j al ve tor de pre ios


p si pi = pi para todo i 6= j , y pj < pj impli a enton es que zi (p) < zi (p )
para i 6= j , donde p = (p1 , . . . , pl ) y p = (p1 , . . . , pl ), y zi () es la fun in
de ex eso de demanda del onsumidor i.
Es de ir, la mer an a i se di e sustituta bruta de la mer an a j al ve tor de pre ios p, si al disminuir (aumentar) el pre io de la mer an a
j , disminuye (aumenta) el ex eso de demanda de la mer an a i. Si tuviramos diferen iabilidad en las fun iones de ex eso de demanda, esto
enton es signi ara que, para i 6= j ,

zi
>0
pj

El siguiente teorema da ondi iones su ientes para la uni idad del equilibrio walrasiano en una e onoma de inter ambio puro, ex epto una multipli a in es alar (ya que p es un equilibrio walrasiano si, y slo si, t p
es un equilibrio walrasiano, para todo t > 0).
Teorema 21.

(Uni idad del equilibrio walrasiano)

En una e onoma Arrow-Debreu de inter ambio puro, si las fun iones de


ex eso de demanda agregada son homogneas de grado ero en los pre ios
y satisfa en la sustitu in bruta de las mer an as, enton es el ve tor de
pre ios de equilibrio p* es ni o salvo por una multipli a in es alar.
Demostra in.

Ver Debreu (1970).


Ejemplo 68. (E onoma on innitos equilibrios)

Aunque lo usual es en ontrar ejemplos de e onomas de inter ambio on


un slo equilibrio (ver  ontexto e onmi o, le in 2), no es orriente
en ontrar, en los libros de texto, ejemplos on innitos equilibrios. Sin
embargo, omo lo mostrara Herbert S arf (1960) 63 en su famoso ontraejemplo, esto o urre muy omnmente en el aso de sustitu in no-bruta
entre mer an as. Por ejemplo, si la e onoma es
63

UA (xA , yA ) = mn{xA , yA },
S arf, Herbert (1960),

Equilibrium,

wA = (1, 0)

Some Examples of Global Instability of the Competitive

International E onomi Review.

397

Le in 3: Sistemas dinmi os

UB (xB , yB ) = mn{xB , yB },

wA = (0, 1)

sus equilibrios walrasianos son, todos, de la forma

px = P 0; py = 1; xA =

P
1
= yA ; xB =
= yB
1+P
1+P

omo el le tor puede omprobar. N


Dierker (1972)64 y Mas-Colell(1977)65 mostraron, utilizando el teorema
de punto jo de Brouwer, que in lusive bajo iertas hiptesis de diferen iabilidad sobre las fun iones demanda de los individuos (que en los
ejemplos ms ilustrativos se umplen), podran ontarse el nmero de
equilibrios de una e onoma Arrow-Debreu de inter ambio. Denieron
el llamado ndi e de un equilibrio, omo el signo del determinante del
negativo de la matriz ja obiana de la fun in ex eso de demanda evaluada en equilibrio, a la que se le ha quitado la primera la y la primera
olumna. Un resultado aqu es que la sumatoria de los ndi es de todos
lo equilibrios es siempre +1; y esto nos lleva a armar que ( uando es
nito) el nmero de equilibrios de estas e onomas es siempre impar, y
que un equilibrio es ni o si, y slo si, el ndi e es +1 en ada equilibrio
poten ial.
Mas-Colell (1985)66 y Kehoe (1985)67 extendieron estos resultados a e onomas Arrow-Debreu on produ in, obteniendo, pr ti amente, los
mismos resultados genri os de Debreu (1970). En el art ulo de 1985,
Kehoe onstruye, sin embargo, una e onoma Arrow-Debreu ( on produ in) que tiene tres equilibrios. Este ejemplo muestra una e onoma
on buenas ara tersti as en la que, no obstante, surge la multipli idad
de equilibrios debido a la in lusin de fun iones de produ in lineales
en el se tor produ tivo.
Ejemplo 69. (E onoma de produ in on tres equilibrios)

Considere la e onoma on m=4 onsumidores y n=4 produ tores. Los


64

Dierker, Egbert (1972),

nomy,
65

Mas-Collel, Andreu (1975),

nomy,
66

On the Equilibrium Pri e Set of an Ex hange E o-

Journal of Mathemati al E onomi s.

Mas-Colell, Andreu (1985),

Dierentiable Approa h,
67

Two Remarks on the Number of Equilibria of an E o-

E onometri a.

The Theory of General E onomi Equilibrium: A

Cambridge University Press.

Kehoe, Timothy J. (1985),

Quarterly Journal of E onomi s.

Multipli ity of Equilibria and Comparative Stati s,

398

Matemti as para e onomistas III: Optimiza in y dinmi a

onsumidores tienen fun iones de utilidad para i = 1, 2, 3, 4, de la forma

Ui =

4
X

ji log xij

j=1

donde las onstantes ji estn dadas por los oe ientes aji de la matriz

0.52 0.86
0.5
0.06
0.4 0.1
0.2
0.25

0.04 0.02 0.2975 0.0025


0.04 0.02 0.0025 0.6875

y las dota iones ini iales wji estn


matriz

50 0
0 50

0 0
0 0

dadas por los oe ientes bji de la

0
0
0
0

400 0
0 400

Por su parte, el se tor produ tivo de la e onoma est determinado por


la matriz 4 6

1 0
0
0
6 1
0 1 0
0 1 3

0
0 1 0 4 1
0
0
0 1 1 1
Despus de algunos l ulos ( on omputador) se en uentran los siguientes tres equilibrios. La entrada cji de las matri es orresponde a la asigna in xij ( onsumidor i, mer an a j ):

Equilibrio 1:

26.000 43.000 200.000 24.000


20.000 5.000 80.000 100.000

2.000 1.000 119.000 1.000


2.000 1.000
1.000 275.000

Ve tor de pre ios:

P = (0.25, 0.25, 0.25, 0.25)

Le in 3: Sistemas dinmi os

399

Equilibrio 2:

26.000 67.431 48.490 83.089


12.754 5.000 12.368 220.771

8.249 6.468 119.000 14.280


0.578 0.453
0.070 275.000

Ve tor de pre ios:

P = (0.15942, 0.25, 0.03865, 0.55193)


Equilibrio 3:

26.000 39.072 224.362 14.499


22.001 5.000 98.768 66.485

1.783 0.810 119.000 0.539


3.311 1.504
1.857 275.000

Ve tor de pre ios:

P = (0.27514, 0.25, 0.30865, 0.16621)


Por qu la in lusin de fun iones de produ in lineal en esta e onoma,
lleva a la apari in de mltiples equilibrios?
El problema de estabilidad del equilibrio walrasiano: el

nement

tton-

de Walras

Es laro que el he ho de que una e onoma ompetitiva tenga un equilibrio walrasiano, no lo ha e estable automti amente. Y esto ltimo,
ualquiera que haya sido la razn, ha sido visto omo ondi in ne esaria para que una e onoma ompetitiva pueda ser una buena herramienta
para el anlisis e onmi o. Y aunque, omo armbamos en la  ontexto
e onmi o de la le in 2, para Walras el equilibrio era al anzado empri amente mediante el me anismo de el ompeten ia, es de ir, del ttonnement, este problema slo omenz a ser estudiado sistemti amente y,
on todo rigor, en 1958, por los premios Nobel, Arrow y Hurwi z, en su
On the Stability of the Competitive Equilibrium (E onometri a); y en
1959 por Arrow, Blo k y Hurwi z en On the Stability of the Competitive
Equilibrium II ( E onometri a). All prueban que el pro eso ttonnement slo es estable bajo iertas restri iones, tales omo la sustitu in

400

Matemti as para e onomistas III: Optimiza in y dinmi a

bruta (gross substitutability ) , y, de he ho, Herbert S arf (1960)68 mostr


que existen asos en los que el equilibrio walrasiano no es estable globalmente, pre isamente uando esta ondi in falla. Esto llev a pensar,
en aquel tiempo, que quizs hubiera otro amino al equilibrio distinto
al, en o asiones, inestable ttonnement. De all surgieron los ono idos
 pro esos de ajuste no-ttonnement  69 estudiados por Uzawa (1962)70 ,
Hahn (1962)71 , Hahn y Negishi (1962)72 , entre otros, y que, en general,
mostraron mejor estabilidad que el mismo pro eso ttonnement.
Deni in 30. (Deni in de

La regla de ajuste de pre ios

ttonnement )

dpi (t)
= zi (p(t)),
dt

para i = 1, . . . , l

(*)

es el ttonnement (tanteo) lineal de una e onoma Arrow-Debreu de inter ambio puro de l mer an as. Aqu las fun iones de ex eso de demanda
zi () estn denidas sobre el interior de Rl+ , donde se suponen ontinuamente diferen iables; y p(t) = (p1 (t), . . . , pl (t)) es el ve tor de pre ios en
el tiempo t.
Esta regla de ajuste de los pre ios asume que la e onoma es, en lo dems,
esta ionaria; es de ir, que los onjuntos de onsumo, las preferen ias de
los onsumidores, los onjuntos de produ in y las dota iones ini iales
no varan. La regla de ajuste expresa en una forma dinmi a la famosa
ley de la oferta y la demanda : en ada instante del tiempo, se in rementar el pre io de aquellas mer an as para las uales exista un ex eso de
demanda,y se redu ir el pre io en las uales se observe un ex eso de oferta. Como se mostrar enseguida, esta regla, por s misma, no garantiza
que, a partir de un ve tor de pre ios ini ial, la e onoma tienda, a travs
68

S arf, Herbert (1960),

Equilibrium,
69

Estos son pro esos

ontrata in.

70

Some Examples of Global Instability of the Competitive

International E onomi Review.

Uzawa, H. (1962),

ttonnement

en los que es posible, en ada etapa, la re-

On the Stability of Edgeworths Barter Pro ess,

International

E onomi Review.

71

Hahn, Frank H. (1962), On the Stability of Pure Ex hange Equilibrium, Inter-

national E onomi Review.

72

Hahn, Frank H. y Takeshi Negishi (1962)

Stability,

E onometri a.

A Theorem on Non-Ttonnement

401

Le in 3: Sistemas dinmi os

del tiempo, al equilibrio. Se requieren ondi iones adi ionales bastante


fuertes sobre las fun iones de ex eso de demanda de ada mer an a.

(Teorema Arrow-Blo k-Hurwi z (1959))

Teorema 22.

73

Sea
un ve tor de pre ios de equilibrio. Si las fun iones de ex eso de
demanda agregada satisfa en la ley de Walras, la homogeneidad de grado
ero en los pre ios y la sustitu in bruta, enton es p es globalmente
estable.
p

Demostra in.

Derivando, on respe to a t, la fun in D(t) =


mos que para p 6= p ,

D(t)
=2

X
j

pj (pj p ) = 2

X
j

2
j (pj (t) pj ) ,

(pj p )(zj (p)) = 2

obtene-

pj zj (p) < 0

sealando que, partiendo del desequilibrio, D(t) de re e a medida que t


re e.
El teorema anterior exige una ondi in bastante restri tiva: el equilibrio
es globalmente estable si todas las mer an as son sustitutas brutas a
todos los niveles de pre ios.
Ejemplo 70. (Un ejemplo de

ttonnement )

Consideremos una e onoma de inter ambio puro

uA (xA , yA ) = xA yA

uB (xB , yB ) = xB yB

on dota iones

wA = (1, 2)

wB = (2, 2)

Aqu, las fun iones de ex eso de demanda son

zx (px , py ) xA (px , py ) + xB (px , py ) (wxA + wxB ) =


73

2py
3

px
2

Leonid Hurwi z [1917-2008 re ibi el premio Nobel en E onoma en 2007, por

sus aportes a la teora del diseo de me anismos, un rea de la teora de juegos.

402

Matemti as para e onomistas III: Optimiza in y dinmi a

zy (px , py ) yA (px , py ) + yB (px , py ) (wyA + wyB ) =

3px
2
2py

El ni o equilibrio walrasiano de esta e onoma ompetitiva es (tomando


omo numerario py = 1):

4
px = ,
3

7
3
px
La dinmi a ttonnement de este ejemplo la podemos es ribir, on
=
py
p, as:
dp
2 3
=
(*)
dt
p 2
py = 1,

xA =

5
,
4

yA
= ,
3

xB =

7
,
4

yB
=

uyo equilibrio es p = 43 , que es asintti amente estable, pues la derivada de (*) on respe to a p es menor que ero en p = 43 . Pero tambin
podramos haber utilizado el teorema 22 anterior, al darnos uenta que
las fun iones de ex eso de demanda son homogneas de grado ero, satisfa en la ley de Walras y, adems, umplen on la ondi in de sustitu in
bruta entre las mer an as, pues

zx
>0
py

zy
>0
px

N
Han pasado ms de 50 aos desde que Arrow y Debreu dieron las ondi iones para la existen ia de un equilibrio ompetitivo. Sin embargo,
es muy po o (y muy dbil) lo que sabemos a er a de las dinmi as del
modelo Arrow-Debreu. Slo sabemos su iente del ttonnement, pero no
mu ho ms. Cuando pensamos en dinmi as walrasianas nos remitimos
al  ti io subastador reado por el propio Walras. Aquel que, de manera
entralizada, seala pre ios guindose por los ex esos de demanda de las
mer an as, pero que, durante todo este tiempo, asume el resto de la e onoma totalmente ja. A tualmente (ver, por ejemplo, Gintis (2007))74
se intenta modelar estas e onomas omo sistemas adaptativos omplejos que muestran mejor los omportamientos tpi os de las e onomas
de mer ado. El reto ahora es onstruir modelos analti os formales, y no
solo omputa ionales ontrolados en laboratorio.
74

Gintis, Herbert (2005),

Journal.

The Dynami s of General Equilibrium,

The E onomi

Le in 3: Sistemas dinmi os

403

Equilibrio walrasiano y el n leo de una e onoma

El modelo de equilibrio general Arrow-Debreu est basado en la hiptesis


de que los pre ios son di tados por el subastador y tomados paramtri amente por todos los agentes e onmi os. Es aparentemente laro que
esta hiptesis es po o plausible para una e onoma on po os agentes
(pues alguno de ellos podra tener inuen ia en los pre ios).
Fran is Edgeworth, en su texto lsi o, Mathemati al Psy hi s de 1881,
introdujo la urva de ontrato (posteriormente ono ida omo el n leo )
en e onomas de dos mer an as y dos tipos de agentes. All estudi
lo que su eda on la urva de ontrato uando el nmero de agentes de
ada tipo re e. Edgeworth en ontr que la urva de ontrato se ontrae
ha ia los estados de la ompeten ia perfe ta, uando el nmero de agentes
aumenta.75 . Pero este resultado re ibi po a aten in durante ms de 80
aos, quizs debido a la forma onfusa en que Edgeworth present sus
ideas.
En 1963, Debreu y Herbert S arf publi aron A limit theorem on the ore
of an e onomy, una l ida, elegante y breve demostra in de las ideas
de Edgeworth. Pero, nuevamente, el punto de isivo lo olo la teora de
juegos. Desde la apari in del lsi o Theory of Games and E onomi
Behavior de John von Neumann y Oskar Morgenstern en 1944, el anlisis
de juegos oali ionales76 vena desarrollndose rpidamente. En 1953,
L.S. Shapley y D.B. Gillies estable ieron un on epto-solu in para estos
juegos que dieron en llamar el n leo ( ore) 77 . En 1959, Martin Shubik
en ontr la onexin entre la urva de ontrato de Edgeworth y el n leo
de un juego ooperativo, y Herbert S arf, inspirado en esto, present en
1962 un notable anlisis de la rela in n leo-equilibrio walrasiano en
e onomas de inter ambio para un nmero ontable de agentes de ada
tipo. Debreu y S arf dieron en 1963 una prueba mu ho ms simple de
este teorema de equivalen ia entre el n leo y los equilibrios walrasianos
a medida que el nmero de agentes de ada tipo, re e.
Fue pre isamente aqu que Robert Aumann (1964)78 observ la posibilidad de generalizar el modelo on un nmero ontable de agentes a uno
75

Contratos on ompeten ia perfe ta estn perfe tamente determinados de a

Edgeworth.

76

77
78

Tambin llamados  ooperativos.


Algunos tambin lo a ostumbran a llamar el  orazn de la e onoma.
Aumann, Robert J. (1964),

Markets with a Continuum of Traders, E onometri a.

404

Matemti as para e onomistas III: Optimiza in y dinmi a

on un ontinuo de agentes que es, desde el punto de vista e onmi o,


la representa in matemti a ms ade uada de una e onoma perfe tamente ompetitiva. Aumann prob el teorema de equivalen ia entre el
n leo y los equilibrios walrasianos uando la e onoma tiene un ontinuo
de agentes. Hoy, los trabajos de Debreu, S arf y Aumann han desembo ado en una enorme a tividad de investiga in, parti ularmente en la
teora de juegos de mer ado (ver Hart (2005))79 .
Deni in 31. (N leo de una e onoma de inter ambio puro)

El n leo de una e onoma Arrow-Debreu de inter ambio puro es el onjunto de todas las asigna iones Pareto-ptimas, x, tales que para todo
onsumidor i,
Ui (x) Ui (wi )
donde Ui es la fun in de utilidad del onsumidor i, y wi su dota in
ini ial.
Ejemplo 71.

Para la e onoma de inter ambio puro

Ui (x1i , x2i ) = x1i x2i

i = A, B

on dota iones ini iales wA = (4, 1) y wB = (1, 4), se tiene, igualando las
tasas marginales de sustitu in, que el onjunto de asigna iones Paretoptimas es

{ [(x1A , x2A ), (x1B , x2B )] / x1A = x2A , x1A + x1B = 5, x2A + x2B = 5 }
El n leo de esta e onoma lo en ontramos en el onjunto de asigna iones
Pareto-ptimas [(x1A , x2A ), (x1B , x2B )] tales que

UA (x1A , x2A ) UA (4, 1)

UB (x1B , x2B ) UB (1, 4)

Por lo tanto, el n leo est dado por las asigna iones [(x1A , x2A ), (x1B , x2B )]
tales que

x1A = x2A , x1A + x1B = 5, x2A + x2B = 5, x1A x2A 4, x1B x2B 4
que, simpli ando, es

{ [(x1A , x2A ), (x1B , x2B )] / x1A = x2A , x1A +x1B = 5, x2A +x2B = 5, 2 x1A 3}N

405

Le in 3: Sistemas dinmi os

B
Curva de Contrato

N leo
Equilibrio
ompetitivo
b
b

WA

A
Figura 52: N leo de una e onoma

Es notable observar que, adems, todo equilibrio walrasiano, x, est en


el n leo de la e onoma, pues, si no fuera as, enton es Ui (x) < Ui (wi )
para algn i, y esto sera una ontradi in pues, en equilibrio, ningn
agente puede re ibir menos utilidad que la que originalmente le da la
dota in ini ial de mer an as. Esto se ilustra en el ejemplo 71 anterior
ya que el ni o equilibrio walrasiano es

[(x1A , x2A ), (x1B , x2B )] = [(2.5, 2.5), (2.5, 2.5)]

p = (1, 1)

que, laramente, est en el n leo de la e onoma.


De otro lado, para omprender el resultado entral de esta se in, requerimos del on epto de r-rpli a de una e onoma de inter ambio. sta
onsiste de r  opias de ada uno de los onsumidores originales (es
de ir, on las mismas fun iones de utilidad y las mismas dota iones ini iales). Obviamente, a ada una de estas e onomas se le puede al ular
su respe tivo n leo.
Teorema 23.

(Contra in del n leo)

Si las fun iones de utilidad de una e onoma de inter ambio son estri tamente onvexas y montonas re ientes (estri tas) en ada uno de sus
argumentos, enton es, si el equilibrio walrasiano es ni o, ste es el lmite, uando r , de los respe tivos n leos de las r-rpli as de la
e onoma.
79

Hart, Sergiu (2005),

Values of Non-Atomi Ve tor Measure Games, International

Journal of Game Theory.

406

Matemti as para e onomistas III: Optimiza in y dinmi a

Demostra in.

Ver Debreu y S arf (1963)80 .


Este extraordinario resultado seala, enton es, la importan ia, en e onomas de mu hos agentes, de las asigna iones de equilibrio walrasiano:
podemos llegar a l, bien mediante el me anismo de pre ios, mer an as sustitutas brutas y ttonnement, o bien mediante nego ia iones on
asigna iones en el n leo. Son dos me anismos diferentes on un mismo
resultado. Adems, es extraordinario observar que este teorema tambin
nos muestra que una institu in, omo el mer ado (pre ios), es un resultado de nego ia iones.
El modelo Arrow-Debreu bajo in ertidumbre

La teora del equilibrio general, omo asi toda la teora e onmi a hasta
1950, asuma que los agentes e onmi os operaban bajo ertidumbre; es
de ir, que los onsumidores, las rmas, los inversionistas, et ., ono an
orre tamente las onse uen ias de sus a iones o que al menos a tuaban
omo si as fuera. De esta manera, los produ tores saban qu produ tos
podran ofre er a futuro dados los insumos hoy; los inversionistas saban
qu pre ios prevale eran en el futuro para los bienes que planeaban
vender desde hoy, et .
Obviamente, los e onomistas y los agentes entendan que el mundo era
in ierto. Y la literatura mostraba que el omportamiento e onmi o slo
poda ser expli ado asumiendo que los agentes estaban advertidos de la
in ertidumbre. An as, no exista ninguna formula in general que permitiera la integra in de la in ertidumbre on la teora e onmi a estndar. Pero, en la teora del equilibrio general, una simple re-interpreta in
del on epto de mer an a ondujo a la extensin de los dos teoremas
del bienestar.
Hasta ese momento, una mer an a era un bien o servi io uyas ara tersti as fsi as, fe ha y lugar de entrega, estaban bien espe i adas
previamente; bajo in ertidumbre, la deni in de mer an a tambin espe i a un evento exgeno (que podra o no o urrir para la fe ha de
entrega). Bajo a uerdo de las partes, la fe ha de entrega de la mer an a
80

Debreu, Gerard, y Herbert S arf (1963),

E onomy,

International E onomi Review.

A Limit Theorem on the Core of an

Le in 3: Sistemas dinmi os

407

est ondi ionada a la o urren ia de ese evento. Esto es lo que ahora se


ono e omo mer an a Arrow-Debreu. Fue Arrow, en 1953, on su art ulo The Role of Se urities in the Optimal Allo ation of Risk Bearing,
quien permitiera una transposi in inmediata de los resultados en una
e onoma bajo ertidumbre a una on in ertidumbre, on la ventaja de
que esta teora no ha e referen ia alguna a la no in de probabilidad. La
idea, tomada, extendida y enrique ida por Debreu en su art ulo E onomi s under Un ertainty (1959), y por Roy Radner (1968)81 era, sin
duda, simple (mas totalmente nueva) y llegara a ser (an hoy lo es) una
herramienta estndar del anlisis e onmi o.
El teorema de Sonnens hein-Mantel-Debreu (1972)

Debreu estaba onven ido de que los fundamentos mi roe onmi os no


impli aban su iente estru tura para que los ex esos de demanda totales
permitieran un tratamiento ade uado de los problemas de estabilidad y
de uni idad. Hugo Sonnens hein (1972)82 fue ms all, y se preguntaba
si los ex esos de demanda de una e onoma tenan ondi iones distintas a
las que ya se ono an: ontinuidad, homogeneidad de grado ero, y la ley
de Walras. Gerard Debreu (1974)83 y Rolf Mantel (1974)84 respondieron
ompletamente esta pregunta en el sentido negativo: estas ondi iones no
son slo ne esarias: son tambin su ientes; es de ir, ualquier fun in
ontinua f () de S = {p Rn | p >> 0, ||p|| = 1} en Rn que satisfaga la
ley de Walras (p f (p) = 0 para todo p S ) es idnti a (ex eptuando,
tal vez, la frontera) a la fun in de ex eso de demanda de una e onoma
de inter ambio estndar.
Para presentar el teorema de Sonnens hein-Mantel-Debreu debemos denir ms formalmente qu es una fun in de ex eso de demanda:
Deni in 32. (Fun in ex eso de demanda)

Una fun in zi : P Rl , on P = {p Rl | p >> 0, ||p|| = 1}, es


una fun in de ex eso de demanda del i-simo onsumidor si, y slo si,
81
82
83

Competitive Equilibrium under Un ertainty, E onometri a.


Market Ex ess Demand Fun tions, E onometri a.
(1974), Ex ess Demand Fun tions, Journal of Mathemati al

Radner, Roy (1968),

Sonnens hein, Hugo (1972),


Debreu, Gerard

E onomi s.

84

Mantel, Rolf (1974),

nal of E onomi Theory.

On the Chara terization of Aggregate Ex ess Demand, Jour-

408

Matemti as para e onomistas III: Optimiza in y dinmi a

para todo p P se satisfa e que wi + zi (p) es un mayor elemento de


{xi Rl+ | pxi pwi } para 4i .
Y on sta enun iamos el famoso teorema:
Teorema 24. (Teorema Sonnens hein-Mantel-Debreu)

Sea z : P Rl una fun in ontinua de una e onoma de inter ambio


puro tal que para todo p P , pz(p) = 0 (donde z() es llamada una
fun in de ex eso de demanda agregada). Para todo > 0, existen m
onsumidores uyas fun iones de ex eso de demanda individual suman
z() sobre
P S = {p P | para todo h, ph }; es de ir, para todo > 0,
z(p) = m
i=1 zi (p) para todo p S .

Este resultado podra verse omo negativo para la teora del equilibrio
general. Existen mu has interpreta iones de las impli a iones de ste (algunas de ellas equivo adas). Nos adherimos a que el teorema desarrollado
por Sonnens hein, Mantel, Debreu y Mas-Collel muestra que una e onoma Arrow-Debreu no puede ser un prototipo a eptable de una e onoma
si queremos entenderla ms all del problema de existen ia y optimalidad. Ms an, esta indetermina in de los omportamientos de equilibrio
partiendo slo de ex esos de demanda, es una onse uen ia de la falta de
espe i idad sobre mo intera tan los agentes unos on otros. Pre isamente de esta falta de espe i idad ha tratado de en argarse la teora de
juegos y, en general, la teora de las intera iones e onmi as y so iales.
)

La teora de intera iones: ha ia una visin de la e onoma omo un sistema orgni o

Fundamentalmente, un modelo de mer ado on ompeten ia imperfe ta


es aqul en el que no se tiene alguna de las on lusiones fundamentales
del modelo Arrow-Debreu, in luyendo, obviamente, los dos teoremas del
bienestar e onmi o. Esta deni in in luye, entre mu hos, problemas
omo monopolio, oligopolio, ompeten ia monopolsti a, bienes pbli os
y dinero.Ha e ya tiempo, Cournot (1838)85 , Bertrand (1883)86 y Edge85

Cournot, A. A. (1838), Investiga iones a er a de los Prin ipios Matemti os de


la Teora de las Riquezas, Fondo de Cultura E onmi a, Mexi o.
86
Bertrand, J. (1883),Thorie des Ri hesses: Revue de Thories mathmatiques de
la Ri hesse So iale par Lon Walras et Re her hes sur les prin ipes Mathmatiques
de la Thorie des Ri hesses par Augustin Cournot, Journal des Savants.

409

Le in 3: Sistemas dinmi os

worth (1897)87 presentaban tratamientos a problemas que hoy llamamos


de ompeten ia imperfe ta tales omo oligopolio ( on olo a in de antidades y sin olusin), duopolio ( on olo a in de pre ios y sin olusin)
y restri iones de apa idad produ tiva, respe tivamente, on una idea
aparentemente muy obvia: en general, la ompeten ia imperfe ta surge
porque hay intera iones de mer ado fuertes entre algunos (o todos) los
agentes, que los ondu en a omportarse estratgi amente en pos de sus
objetivos. Sin embargo, esta aproxima in fue pr ti amente ignorada
omo lnea de investiga in dentro de la teora e onmi a formalizada
hasta ha e slo 60 aos atrs, y en su lugar se instalaron modelos que
no eran ms que varia iones de la perspe tiva walrasiana o marshalliana
apli ados a la ompeten ia imperfe ta.
En 1944, John von Neumann [1903-1957 y Oskar Morgenstern [19021977 publi aron el primer texto que se ono iera sobre el problema de
modelar intera iones e onmi as a travs de lo que dieron en llamar
teora de juegos : Theory of Games and E onomi Behavior. Este trabajo mostr el amino ha ia el fortale imiento de las ideas de CournotBertrand-Edgeworth, en tanto que provey de un lenguaje omn y de
un tratamiento analti o ade uados a ellos. Extensiones y reformula iones posteriores moldearon lo que hoy se ono e omo teora de juegos
lsi a, y que fue el trabajo de los in o gigantes de esta teora: Robert
Aumann, John Harsanyi, John Nash, Reinhard Selten y Lloyd Shapley
durante los aos 50's, 60's y 70's, prin ipalmente (tres de ellos, Harsanyi, Nash y Selten, re ibieron el premio Nobel en e onoma en 1994, y
Aumann lo re ibi en 2005); adems de los ms re ientes desarrollos de
otros premios Nobel, tales omo Joseph Stiglitz (Premio Nobel 2001),
Daniel Kahnemann y Vernon Smith (Premio Nobel 2002), Robert Aumann y Thomas S helling (Premio Nobel 2005), Leonid Hurwi z, Eri
Maskin y Roger Myerson (Premio Nobel 2007).
La teora de juegos lsi a ( ooperativa ( oali ional) y no- ooperativa)
logra apturar, en su estru tura y sus on eptos-solu in, los modelos de Cournot, Bertrand y Edgeworth. Pero esto es po o: En general, bus a estudiar el omportamiento estratgi o de individuos en ambientes e onmi os tales omo la distribu in de informa in (Harsanyi
87

Edgeworth, Fran is Y.(1897),The

Journal.

Theory of International Values,

E onomi

410

Matemti as para e onomistas III: Optimiza in y dinmi a

(1967,1968); Aumann (1976)88 ), la inuen ia de las expe tativas y reen ias de los jugadores (Kreps y Wilson (1982)89 ), y la tensin entre equilibrio y e ien ia (Myerson y Satterthwaite (1983)90 ), diseo de ontratos
y me anismos de distribu in (Hurwi z(1986)91 , Maskin(1990)92 , Myerson(2007)93 , que dan razn de no muy intuitivas formas en las que los
in entivos individuales operan en medio ambientes uando hay agentes
que tienen diferentes informa in y objetivos.
La teora de juegos lsi a, omo herramienta analti a, ha al anzado un
lugar dentro de la teora e onmi a moderna. Su poder en el tratamiento
de mltiples fallas del mer ado a la luz de sus on eptos de equilibrio es
la primera aproxima in formal a la omprensin sobre qu une y qu
separa la teora de los mer ados ompetitivos de la teora de los mer ados bajo ompeten ia imperfe ta: la forma en que se ha desarrollado la
teora e onmi a en los ltimos ien aos nos ha abo ado a estudiar esta
dualidad.
Pero aunque el estudio de la teora de juegos lsi a nos ha dado un poderoso lenguaje que ayuda a examinar algunos de los problemas enfrentados por agentes que optimizan ons ientemente dentro de situa iones
de ompeten ia, el xito de estas apli a iones ha mostrado tambin sus
lmites. Los requerimientos analti os y omputa ionales nos muestran
que quizs sta no es la forma de resolver estos problemas, y las paradojas que apare en entre la ra ionalidad individual y la ra ionalidad so ial
indi an ya la di ultad de sealar, si existe, la solu in orre ta para
un juego. La re iente eviden ia sobre mo se omportan los individuos
en juegos experimentales, y el inters por omprender la ompeten ia y
la oopera in entre agentes e onmi os, pare e sealar la dire in del
futuro desarrollo de esta teora. Es lo que hoy llamamos teora de juegos
no- lsi a.
88
89

Aumann, Robert J. (1976),

Agreeing to Disagree, Annals of Statisti s.


Reputation and Imperfe t Information,

Kreps, David y Robert Wilson(1982),

Journal of E onomi Theory.

90

Myerson, Roger B., y Mark Satterthwaite (1983),

lateral Trading,
91

in Heller

Maskin, Eri

ipal,
93

On the Implementation of So ial Choi e Rules in Irraet al (editors), Essays in Honor of Kenneth J. Arrow.
(1990), The Prin ipal- Agent Relationship with an Informed Prin-

Hurwi z, Leonid (1986),

tional So ieties,
92

E ient Me hanisms for Bi-

Journal of E onomi Theory.

(with J. Tirole), E onometri a.

Myerson, Roger B. (2007),

Me hanism Design, Mimeo, Northwestern University.

411

Le in 3: Sistemas dinmi os

Agente 2
Agente 1

5, 5

0, 4

4, 0

2, 2

Figura 53: Juego de Coordina in.

Bus ando ilustrar mo se proye ta la teora moderna de intera iones


desde los lsi o a lo no- lsi o, se ha es ogido onvenientemente un
problema de sele in de equilibrios en juegos de oordina in. Veamos
esto en detalle.
Primera aproxima in al problema de oordina in: la teora
de juegos lsi a

El problema de oordina in de la teora de juegos lsi a se puede des ribir mediante una bimatriz omo en la gura 53. Aqu los agentes 1 y
2 tienen a su disposi in dos estrategias: D = dere ha , I = izquierda.
Ninguno de los dos sabe lo que el otro es oger y, por lo tanto, tiene
que ha er hiptesis sobre esto. Si al nal ambos es ogen D , obtendrn
5 unidades monetarias de pago ada uno; si el agente 1 es oge I y el
agente 2 es oge D , el primero re ibe 4 unidades monetarias de pago y el
segundo no re ibir ninguna; si es el agente 2 el que es oge I y el agente
2 es oge D , enton es este ltimo no re ibir nada, mientras que el agente
2 re ibir 4 unidades; y si ambos agentes es ogen I , obtendrn (ambos)
dos unidades monetarias de pago.
Lo que esta interdependen ia estratgi a impli a respe to a un on epto
de ra ionalidad onvin ente es algo que la teora de juegos lsi a no ha
al anzado a dilu idar del todo bien: quizs su programa de investiga in
era demasiado ambi ioso. La forma estndar de resolver este problema es
a udiendo a un on epto de equilibrio ex post desarrollado por John Nash
(1950) (ver el  ontexto e onmi o de la le in 2) y que es una extensin
de la solu in de Cournot (1838) para el problema del oligopolio: un
equilibrio de Nash es un par de estrategias (una para ada agente) tal que
ningn agente pueda mejorar sus pagos slo por ambiar, a dis re in,
su propia estrategia.

412

Matemti as para e onomistas III: Optimiza in y dinmi a

En el juego de oordina in de la gura 53 los dos primeros equilibrios de


Nash que se en uentran revisando las uatro asillas de la bimatriz son
(I, I) y (D, D).94 Estamos enton es en presen ia de un juego on al menos
dos equilibrios de Nash. Uno de ellos (D, D) on ganan ias de 5 para ada
uno; y el otro (I, I) on ganan ias de 2 para ada uno. El problema es
mo oordinar para al anzar, en el mejor de los asos, el 5 para ada
uno. De otro lado, uando las estrategias se ha en aleatorias debido a la
falta de informa in por parte de ada agente sobre lo que el otro har, los
pagos numri os de la bimatriz se reemplazan por los valores esperados
(estadsti os). Y ya sabemos de la le in anterior que un equilibrio de
Nash en estrategias mixtas se da uando los valores esperados por parte
de ada jugador, al eje utar las distintas estrategias, son
 iguales. En
2
1
este aso, tenemos que el equilibrio de Nash es 3 D, 3 I para ambos
jugadores. Desde el punto de vista ra ional y bajo slo estos parmetros
de intera in, no existe ninguna razn para sele ionar alguno de estos
tres equilibrios.

Segunda aproxima in al problema de oordina in: modelo de


aprendizaje bajo mejor-respuesta

Supongamos ahora que el mismo juego de oordina in de la gura 53 se


repite una y otra vez, pero que los agentes slo re uerdan lo su edido en
los dos ltimos juegos y, a partir de esto, toman la mejor-respuesta (es
de ir, eligen la estrategia que les d mayores pagos) en el prximo juego.
As, tendremos el siguiente esquema:

94

En efe to: En el equilibrio de Nash

estrategia

y juega la estrategia

I,

(D, D),

si el agente 1 de ide ambiar su

enton es estaran jugando

(I, D),

y el agente 1

pasara de re ibir 5 a re ibir 4; de la misma manera para el agente 2. Un anlisis


similar se puede realizar para el equilibrio de Nash
porqu. Por ejemplo, la estrategia
que el agente 2 re ibe on

D,

(D, I)

(D, I)

(I, I).

No sobra agregar aqu el

no es un equilibrio de Nash: observemos

un pago de 4, pero si ambia de opinin y juega

enton es ambos agentes jugaran

y el agente 2 re ibira ahora un pago de 5,

que mejora el 4 que estaba re ibiendo. As, para este agente, existen in entivos para
ambiar, a dis re in, de estrategia y por eso no es equilibrio de Nash. Igualmente,
se puede mostrar que

(I, D)

no es un equilibrio de Nash.

413

Le in 3: Sistemas dinmi os

ltimas dos
A iones del Oponente
DD
II
ID
DI

Mejor-Respuesta
D
I
D
D

En ualquier tiempo T , los distintos estados del juego (despus de


eliminar estados redundantes (en trminos de pagos)) son los siguientes:

E1 (DD, DD), E2 (DD, DI), E3 (DD, ID),


E4 (DD, II),

E7 (DI, II),

E5 (DI, DI)

E6 (DI, ID),

E8 (ID, ID),

E9 (ID, II),

E10 (II, II)

donde (ab, cd) signi a que

a lo que juega el agente 1 en el tiempo T.

b lo que juega el agente 1 en el tiempo T + 1.


c lo que juega el agente 2 en el tiempo T.

d lo que juega el agente 2 en el tiempo T + 1.


No es dif il al ular las probabilidades de transi in entre estos estados:
por ejemplo, en el paso del estado 3 (E3) al estado 1 (E1) la probabilidad de transi in es segura: p31 = 1. De forma similar se al ulan las
otras 99 probabilidades de transi in y se obtiene la siguiente matriz de
probabilidad:

1
0

0
M =
0

0
0

0
0
0
0
0
0
0
0
0
0

0
1
0
0
0
1
0
0
0
0

0
0
0
0
0
0
0
0
0
0

0
0
0
0
0
0
0
0
0
0

0
0
0
1
0
0
0
0
1
0

0
0
0
0
0
0
0
0
0
0

0
0
0
0
1
0
0
0
0
0

0
0
0
0
0
0
1
0
0
0

0
0

0
1

414

Matemti as para e onomistas III: Optimiza in y dinmi a

A esta matriz M se le ono e omo matriz de transi in (Markov) y es el


veh ulo para en ontrar la distribu in de los estados en el tiempo: si el
sistema est en un tiempo determinado en el estado i (i = 1, 2, . . . , 10),
enton es

ei M = (0, 0, . . . , 1, . . . , 0)(M )
es la distribu in de probabilidades en las que ei apare er en el tiempo
siguiente. Por ejemplo,

e1 M = e1 ;

e2 M = e3 ;

e3 M = e1 ;

et .

As, si queremos ono er el omportamiento de largo plazo del estado ei


es su iente al ular

ei M donde M = lm M k
k

Con un buen programa matri ial95 se puede al ular que

1
1

1
=
1

1
0

0
0
0
0
0
0
0
0
0
0

0
0
0
0
0
0
0
0
0
0

0
0
0
0
0
0
0
0
0
0

0
0
0
0
0
0
0
0
0
0

0
0
0
0
0
0
0
0
0
0

0
0
0
0
0
0
0
0
0
0

0
0
0
0
0
0
0
0
0
0

0
0
0
0
0
0
0
0
0
0

0
0

0
.
0

0
1

Y el resultado es laro: si el sistema omienza en ualquier estado (ex epto el estado 10 (II; II)), nalizar on probabilidad 1 en el estado
(DD; II). O, en otras palabras, el resultado nal de este pro eso adaptativo es que (a menos que omien e en el equilibrio de oordina in (I, I))
siempre terminarn en el equilibrio de oordina in (D, D).
95

Por ejemplo, Matlab, S ilab o Mathemati a.

415

Le in 3: Sistemas dinmi os

Ter era aproxima in al problema de oordina in: teora de


juegos evolutivos

A omienzos de los aos 1970, parti ularmente on los trabajos de Maynard Smith and G.R. Pri e (1973)96 , la teora de juegos omienza a inuir
en los modelos e olgi os, proveyendo de un sistema de referen ia para
el anlisis de aquellas de isiones que o urren en pobla iones animales
y vegetales y que onforman el pro eso de evolu in. A travs de estos
(y otros) avan es, omienza a apare er un nuevo uadro de rela iones:
se en ontr que las teoras que ara terizan la toma de de isiones en
e onoma y polti a eran, en mu has o asiones, idnti as desde el punto
de vista uantitativo, a traye torias observadas en el pro eso natural de
evolu in. Este hallazgo prob ser el punto de partida de un inmenso
ampo de investiga iones: en un amplio rango de situa iones intera tivas
(an aquellas no to adas por la mano institu ional) los eventos pare en
desarrollarse de a uerdo a un onjunto de reglas universales. Las impli a iones de esto eran laras: si el teri o poda identi ar el juego jugado,
poda enton es utilizar modelos de juegos ya existentes para estudiar el
omportamiento de los jugadores, y la retribu in que stos re ibiran por
jugarlo. De otro lado, en algunas situa iones, tambin la teora de juegos
ha ofre ido el poder de ha er predi iones uantitativas, an uando el
pro eso que llevan a abo los jugadores involu rados fuera des ono ido.
En el juego evolutivo tpi o, una pobla in grande de agentes (no ne esariamente ra ionales ) intera tan por parejas jugando un juego nito
de matriz (simtri a, por simpli idad) A = (aij )ni=1,j=1 , donde aij es el
pago por jugar la estrategia i uando el oponente juega la estrategia j .
Ahora: si p = (pi )ni=1 es el ve tor de propor iones de la pobla in utilizando ada una de las estrategias, enton es el pago esperado para aquel
que juega la estrategia i es

A1
..
i = Ai p donde A = . ,
Ai = la i de la matriz A;

An

Y si
=

n
P

pi i es el pago esperado promedio de jugar las n estrate-

i=1
96

Maynard Smith, John y George R. Pri e (1973),

Nature 246.

The Logi of Animal Coni t,

416

Matemti as para e onomistas III: Optimiza in y dinmi a

gias, enton es el ambio de la propor in pi ,


mediante la dinmi a del repli ador :

dpi
= pi (i
),
dt

dpi
, se determinar aqu
dt

i = 1, 2, . . . , n

Inmediatamente observamos lo siguiente:


i) La dinmi a del repli ador no es un dinmi a de mejor-respuesta.
ii) Los agentes tienen un ono imiento limitado y lo alizado respe to
al sistema omo un todo.
iii) Un repli ador (estrategia de juego) puede llegar a extinguirse. Y
un repli ador que en un instante del tiempo no est representado
= p > 0,
por una pobla in, nun a ms lo estar: si pti = 0, pt+1
i
enton es pt+1 pt = pt (
) impli a p 0 = 0(i
) = 0 y as
p = 0, lo que es una ontradi in. Luego la dinmi a del repli ador
no puede estudiar muta in o innova in. Para esto son ne esarios
los juegos evolutivos on omponentes esto sti as97 .
iv) Todo equilibrio de la dinmi a del repli ador es un equilibrio de
para i = 1, . . . , n, es, pre isamente, la ondi in
Nash, pues i =
para ser equilibrio de Nash mixto.
Para el juego de oordina in antes estudiado espe iquemos la dinmi a
del repli ador:

D = 5PD + 0(1 PD ) = 5PD

I = 4PD + 2(1 PD ) = 2PD + 2

= PD D + (1 PD )I = 3PD2 + 2

PD = PD (5PD 3PD2 2) = PD (PD 1)(3PD + 2)


2
Los puntos de equilibrio de esta dinmi a son PD = 0, PD = 1, PD = ,
3
y su estabilidad la ilustramos en el diagrama de fase de la gura 54.

97

Ver Samuelson, Larry (1998),

MIT Press.

Evolutionary Games and Equilibrium Sele tion,

417

Le in 3: Sistemas dinmi os

Todos
Izquierda

Todos
Dere ha

?
  
u

u
2
3

0
6

EE = Eq. Evolutivo

?
- - -u

1
6

PD

EE = Eq. Evolutivo

Figura 54: Dinmi a del repli ador en el juego de oordina in.

Obsrvese enton es mo la teora evolutiva ha eliminado la posibilidad


del equilibrio mixto, y slo deja las alternativas de los equilibrios de Nash
en estrategias puras. 98
Cuarta aproxima in al problema de oordina in: modelo de
aprendizaje on errores (Kandori-Mailath-Rob (1993))

En el modelo Kandori-Mailath-Rob (KMR) (1993), el juego de oordina in de la gura 55 se juega evolutivamente.

5, 5

0, 0

0, 0

2, 2

Figura 55: Otro juego de oordina in.

En ada perodo, los jugadores se emparejan para jugar el juego, y adems, aprenden de a uerdo a la mejor-respuesta al estado de la pobla in.
Despus del aprendizaje o urren muta iones. Cada jugador tiene una
probabilidad > 0 (tasa de muta in) de elegir la estrategia equivo ada
on respe to a la que es ogera por mejor-respuesta. Sorprendentemente,
KMR obtienen el siguiente resultado: Si 0 la estrategia dominante
bajo riesgo (risk dominant ) (2, 2) es el lmite de la distribu in! Y la
justi a in es que el equilibrio dominante bajo riesgo siempre tiene la
98

Si el le tor est interesado en profundizar un po o ms sobre la teora de jue-

gos evolutivos, puede onsultar el ex elente texto de Samuelson (1998) (op.


tambin el texto de Jrgen Weibull (1995)

Evolutionary Game Theory,

it.),

MIT Press.

418

Matemti as para e onomistas III: Optimiza in y dinmi a

  
u

Eq. Mixto
u

- - -u

(2, 2)

(5, 5)

(D, D)

(I, I)

Figura 56: Dinmi as en el juego de oordina in KMR.

uen a de atra in ms grande (ver gura 56). Es de ir, se requieren


ms muta iones para pasar de (2, 2) a (5, 5) que de (5, 5) a (2, 2). As,
KMR nos arman que si hay errores pequeos en la ele in ra ional,
los agentes tendern a oordinar en la estrategia de ms bajos pagos.

Quinta aproxima in al problema de oordina in: juegos de


intera iones so iales (modelo Bro k-Durlauf (1996, 2001)99 )

Siempre existe el peligro de bus ar que los problemas e onmi os ra ionali en el uso de las herramientas y no al ontrario. A pesar de esto, se
ree que los mtodos basados en intera iones abar an una perspe tiva
muy amplia en e onoma, pues all subya en problemas aparentemente
dismiles omo na imientos por fuera del matrimonio, aglomera in de
rmas en regiones, difusin de te nologas, et . Es, de he ho, una herramienta muy poderosa para omprender fenmenos de este tipo.
Los modelos de intera iones so iales dieren de tratamientos anteriores
en que se entra en interdependen ias dire tas de los agentes e onmi os
y no en las dependen ias indire tas que surgen de la parti ipa in onjunta. Y una lave se en uentra que en que esta aproxima in por intera iones so iales puede estable er ara teriza iones matemti as pre isas
de mo las distintas estru turas de intera in se aso ian on distintas
distribu iones de omportamiento agregado. En lo que sigue, mostraremos el modelo bsi o Bro k-Durlauf (2001) de intera iones so iales, que
es un paradigma de esta nueva metodologa.
99

Durlauf, Steven N. y William A. Bro k (2001),

tera tions,

Review of E onomi Studies.

Dis rete Choi e with So ial In-

419

Le in 3: Sistemas dinmi os

Este modelo asume que tenemos una pobla in homognea en la que los
agentes intera tan simtri amente, en el sentido de que resuelven

m
ax

wi {1,1}

ui (wi )

on ui (wi ) = hwi + Jwi Ei (m) + i (wi )


donde
i) hwi (h > 0) es el trmino de utilidad privada.
ii) Jwi Ei (m) es la utilidad que proviene de las intera iones on la
I
P
wi
ve indad; aqu J > 0, m =
I ; I es el nmero de individuos;
i=1

Ei (m) es la expe tativa del agente i on respe to a la media de


ele in de los otros en la pobla in medida por m.

iii) i (wi ) es un fa tor esto sti o.


Observemos que ui (1) ui (1) si, y slo si,

h JEi (m) + i (1) h + JEi (m) + i (1)


si, y slo si,
Y si se asume que

i (1) i (1) 2h 2JEi (m)

Prob (i (1) i (1) ) =

1
,
1 + e

> 0 (distribu in logsti a )

(el grado de heterogeneidad no observada en los individuos est medido


por ), enton es se puede probar f ilmente que el valor esperado por el
agente i sobre el omportamiento promedio de la pobla in es

Ei (m) = tanh(2h + 2Jm)


donde tanh() es la fun in tangente hiperbli a (ver volumen II: Cl ulo)

tanh(x) =

ex ex
ex + ex

420

Matemti as para e onomistas III: Optimiza in y dinmi a

Pero omo asumimos que todos los agentes son idnti os, podramos
indagar por aquellas medidas de omportamiento en las que existe auto onsisten ia en las reen ias ; es de ir, donde

m = Ei (m)
o, lo que es lo mismo,

m = tanh(2h + 2Jm)
y enton es obtenemos (ver gura 57) el siguiente resultado fundamental:
si J > 1 y h 6= 0 existe un H > 0 tal que:
i) Si |h| < H existen tres solu iones.
ii) Si |h| > H existe una ni a solu in.

tanh()

tanh()

(a)

Figura 57:

(b)

Solu iones de un juego de intera iones so iales: En el panel (a) tres solu iones de reen ias auto onsistentes; en el panel (b) una ni a solu in
auto onsistente.

Obsrvese mo el omportamiento agregado de una pobla in est determinado aqu por una ompli ada interrela in entre los efe tos de las
intera iones so iales (medido por J ); los efe tos de los in entivos privados (medidos por h); y el grado de heterogeneidad no observada en los
individuos (medido por ). Ms an: Blume y Durlauf (2001)100 analizan la dinmi a de este modelo y muestran que, para horizontes largos,
100

Blume, Lawren e y Steven N. Durlauf (2001),

So ial Dynami s,

en The

Intera tions-Based Approa h to So ioe onomi Behavior, S. Durlauf y H. Peyton


Young (eds.), New York.

Le in 3: Sistemas dinmi os

421

la ele in promedio tender al mejor equilibrio (en el sentido de mejorar el bienestar promedio) y esto oin ide on el resultado del modelo
KRM101 .
Sexta aproxima in al problema de oordina in: omporta-

herding )

miento de manadas (

La no in de omportamiento de manadas sugiere que hay ierta tenden ia de los individuos a elegir lo que otros miembros de la pobla in
ya han elegido. Puede ser que en este omportamiento no haya razn
diferente a la de moda o a la de pertenen ia al grupo so ial; pero puede ser que los agentes rean que las a iones de los otros son debidas a
ierta informa in valiosa que los agentes no poseen. Abhijit V. Banerjee
(1992)102 muestra un modelo de manadas que, adaptado a nuestro problema de oordina in, podra ser expli ado omo enseguida lo ha emos.
Existen dos restaurantes I y D y supongamos que, por razones objetivas,
D es mejor. Una seal pbli a, que tiene 51 % de probabilidad de ser
ierta y que es observada por todos, di e que el restaurante I es mejor.
Sin embargo, de 100 lientes poten iales, 99 re iben la seal de que D es
mejor, y 1 que I es mejor. As, agregando la informa in dada por todas
las seales privadas, si fuera revelada, indi ara que D es pr ti amente
mejor que I . Sin embargo, veamos que todos los lientes pueden ser
llevados a elegir la peor op in: Supongamos que el agente que re ibe la
seal privada de que I es mejor, es oge primero. Enton es l es oge I
ya que su seal privada se ve reforzada por la seal pbli a. El segundo
agente observa la seal privada D . Como todas las seales privadas son
de igual alidad, y sabe que el primer agente re ibi la seal I , las dos
seales privadas se anulan. As que es oge I , ya que lo ni o que le queda
es la seal pbli a y, por lo tanto, es oger el restaurante I . Un ter er
agente es dejado en una situa in donde no puede inferir nada de la
ele in del segundo agente y as, estar en la misma posi in de este
ltimo y es oger tambin I . Mediante el mismo razonamiento, todos los
lientes terminarn en el peor de los dos restaurantes: todos oordinarn
en (I, I).
101

Kandori, Mi hihiro, George J. Mailath y Rafael Rob(1991), Learning, Mutation,


and Long Run Equilibria in Games, E onometri a.
102
Banerjee, Abhijit V. (1992), A Simple Model of Herd Behavior, The Quarterly
Journal of E onomi s.

422

Matemti as para e onomistas III: Optimiza in y dinmi a

Paradji amente, se puede ver en este aso que redu ir el nivel de intera in entre los agentes (es de ir, que slo utili en su informa in privada
y no la pbli a) sera mejor para todos. Bi k handani et al. (1992) 103
muestran que si una situa in omo la del modelo de Banerjee o urre
durante su iente tiempo, las a iones a umuladas de todos los a tores
ontendrn tanta informa in que el agente tendr in entivos para ignorar su propia informa in y su eder el llamado fenmeno de as ada : a
los agentes les ser imposible elegir basados en su propia informa in y,
simplemente, seguirn a la multitud.
Comentario ltimo

Ya habamos armado arriba que en el modelo ompetitivo Arrow-Debreu


no existen intera iones entre agentes. Slo a travs de la seal de pre ios es que los agentes rea ionan. Pero lo ha en aisladamente. De he ho,
la oordina in entre agentes se logra sin que ninguno advierta dire tamente la existen ia del otro. El on epto de equilibrio walrasiano (y su
e ien ia) es, a menudo, un punto de referen ia on respe to al ual se
ompara ualquier otro pro eso distributivo. Pero mo y quin de ide sobre las seales del mer ado?; mo se realizan efe tivamente las
transa iones que ondu en a ese (o algn otro) equilibrio? La primera
pregunta la responde el modelo ompetitivo a travs de la gura  ti ia
del subastador walrasiano, y ya se ono en las di ultades on esta hiptesis. Si se fuese a ontestar la segunda pregunta, quizs estara uno
in linado a pensar en nego ia in multilateral, omuni a in entre agentes, et . Y este ha sido el trabajo de mu hos e onomistas durante buena
parte de la mitad del siglo pasado, asi todos enmar ados en el esquema
walrasiano.
Pre isamente, tratando de evitar di ultades on la segunda pregunta es
que surge la hiptesis de que en ada se tor ( onsumidores, produ tores,
et .) slo existe un agente, de tal manera que el omportamiento agregado del se tor es, exa tamente, el de ese agente representativo promedio;
nuevamente el papel de las intera iones se anula: pare iera que no es
laro que los fenmenos e onmi os agregados requieren omprender el
omportamiento individual y tambin sus intera iones. Un ejemplo de
103
Bi k handani, S., D. Hirshleifer, y I. We h (1992), A Theory of Fads, Fashion,
Custom, and Cultural Exhange as Information Cas ades, Journal of Politi al E onomy.

Le in 3: Sistemas dinmi os

423

esto apare e en los nuevos modelos de intera iones de la me ni a estadsti a apli ada a la so ioe onoma (modelo Bro k-Durlauf, que vimos
antes), en donde se tienen omportamientos ma roe onmi os regulares
que no orresponden al omportamiento individual promedio.
La teora ahora se mueve alejndose ada vez ms de aquella visin de
la e onoma omo modelo walrasiano104 . En un sistema donde hay intera iones, la idea de slo una seal (los pre ios) que desata una serie de
ele iones (demandas y ofertas) que satisfa en una ondi in de onsisten ia (el equilibrio), debe ne esariamente modi arse. Una posibilidad
inmediata es el modelo de intera iones de la teora de juegos lsi a
alrededor de los on eptos de equilibrio de Nash. Sin embargo, todos
estos modelos omparten defe tos fundamentales on el modelo walrasiano. Adems del problema de la posible multipli idad de equilibrios,
apare e el de las dinmi as (pro esos de aprendizaje) ondu entes a ellos.
An ms, la omplejidad del razonamiento impli ado en la obten in del
equilibrio ha e todava menos tratables este tipo de modelos. Es muy
iluminador de la onexin existente entre los mer ados walrasianos y los
juegos lsi os el que sus solu iones todas oin iden uando las intera iones entre individuos pr ti amente desapare en en los juegos on
ontinuos de agentes (Aumann (1964)105 , Hart (2005) 106 ).
Otros dos aminos fundamentales que siguen las investiga iones a tuales
estn entre los extremos de las estru turas ompetitivas y la teora de
juegos lsi a:
1. Los modelos de intera in lo al, en los uales existen estru turas
de ve indad bien denidas, los agentes intera tan, la mayora de
las ve es, slo on los que estn en su ve indad. El anlisis del
omportamiento agregado resultante de este pro eso es el entro
del problema. Ejemplos de stos son alguna parte de la teora de
juegos evolutivos y una parte de lo que hoy se ono e omo juegos
de la nueva e onoma so ial basada en el modelo Bro k-Durlauf
104

Ver, por ejemplo, Glaeser, Edward y Jos A. S heinkman (2002),

Intera tions,
105

Aumann, Robert J. (1964),

E onometri a.

106

Non-Market

Harvard University, Working Paper No. 8053.

Hart, Sergiu (2005),

Values of Markets with a Continuum of Traders,

Values of Non-Atomi Ve tor Measure Games, International

Journal of Game Theory.

424

Matemti as para e onomistas III: Optimiza in y dinmi a

(1996, 2001)107 .
2. Los modelos de intera in global mantienen las estru turas lo ales de intera in, pero se interesan ms parti ularmente por la
dinmi a de los omportamientos agregados que resultan de la intera in individual. Los resultados son, muy omnmente, una
ompli ada dinmi a agregada que, en algunos asos, onverge al
equilibrio (en el sentido de solu in ), y all se mantendr por siempre; en otros asos, el estado ambia en el tiempo y la no in de
equilibrio apropiada ser ierta distribu in lmite del pro eso mismo. La diferen ia entre estos dos tipos de equilibrio se apoya en
pequeos ambios en la estru tura del modelo. Ejemplos de esto
son: alguna parte de la teora de los juegos evolutivos, los modelos
de manadas (herding ), la adop in de nuevas te nologas (Arthur
(1989)108 ), la teora del path-dependen e (Arthur (1989)) y tambin
las versiones originales del modelo Bro k-Durlauf (1996, 2001).
Pero, en denitiva, la verdadera prueba del xito de la teora de intera iones no ser simplemente qu tan bien espe i ados estn los prin ipios
teri os que gobiernan las intera iones e onmi as y so iales, sino qu
tan bien podamos llevar ese ono imiento a uestiones pr ti as de ingeniera e onmi a tales omo el diseo de me anismos apropiados para
la forma in de pre ios ( omo en los diferentes tipos de subastas), la
resolu in de disputas, los problemas de ompensa in, la organiza in
de mer ados, et . La medida del xito de esta teora ser el grado en que
llegue a ser fuente de re omenda in pr ti a (basada en teora slida y
bien omprobada) en el diseo de las institu iones a travs de las uales
intera tuamos diariamente unos on otros.
d)

Nota nal: Sobre la mano invisible de Adam Smith,


el modelo Arrow-Debreu y los juegos pobla ionales

Ya habamos armado que en 1776 apare i el primer onjunto de ideas


en la historia del pensamiento e onmi o a er a del modo en que un
sistema de mer ado puede ombinar las a iones de los individuos para
107

Durlauf, Steven N. y William A. Bro k (2001),

tera tions,
108

Review of E onomi Studies.

Arthur, Brian (1989),

by Histori al Events,

Dis rete Choi e with So ial In-

Competing Te hnologies, In reasing Returns, and Lo k-in

The E onomi Journal.

Le in 3: Sistemas dinmi os

425

lograr sus propios objetivos on la amplia oopera in y olabora in de


la e onoma, y as produ ir nuestros alimentos, ropas y viviendas. Clave
en The Wealth of Nations de Adam Smith, onsiderado el padre del liberalismo e onmi o, es su arma in de que todo inter ambio voluntario
genera bene ios para las dos partes y que, mientras la oopera in sea
estri tamente voluntaria, ningn inter ambio se llevar a abo, a menos
que ambas partes obtengan on ello un bene io.
Esta es la razn por la que, omo di e Smith, un individuo que intenta
solamente su propio bene io es ondu ido por una mano invisible a
al anzar un n que no formaba parte de sus inten iones. Ni el he ho de
que ese n no formara parte de sus inten iones es siempre malo para
la so iedad. Al perseguir sus propios intereses, el individuo promueve a
menudo los de la so iedad de un modo ms efe tivo que uando intenta
dire tamente promoverlos. No he visto nun a que quienes di en omer iar
para el bien omn hayan he ho mu ho bien .
Para Smith es el sistema de pre ios el me anismo que desempea la misin de indu ir a personas que viven en partes muy distantes a ooperar
para promover sus respe tivos intereses. Este me anismo desempeara
esta misin sin ne esidad de una dire in entralizada, sin obligar a las
personas a hablar entre s, et . As, omo resultado, los individuos oordinaran sus a tividades a travs del mer ado libre, bus ando ada uno su
propio inters, de tal modo que todos se bene ien. Fue una idea brillante
para aquel tiempo el pensar en un orden e onmi o omo onse uen ia
involuntaria de los a tos de mu has personas, ada una a tuando por
inters propio.
En sus Le tures in Politi al E onomy (II) de 1901, Wi ksell arma que
Walras bus aba, on su modelo de equilibrio general, en ontrar un argumento a favor del laissez faire y de la no-interven in estatal de Smith.
Sin embargo, no existe ninguna referen ia a esto en los lments de
Walras. Claramente, el modelo Arrow-Debreu es la solu in general formalizada de un problema planteado originalmente por Walras: determina in de pre ios que igualen oferta y demanda en ada mer ado. Pero
en el amino de en ontrar hiptesis signi ativas desde el punto de vista e onmi o que garantizaran la existen ia del equilibrio walrasiano, se
en ontraron los lmites del modelo: el modelo es estti o (a pesar del
ttonnement) on es asas posibilidades de permitir un anlisis serio de
e onomas reales en fun ionamiento.

426

Matemti as para e onomistas III: Optimiza in y dinmi a

Algunos de los e onomistas austria os omo Carl Menger y Friederi h


von Hayek vean institu iones (tales omo el mer ado) omo el resultado
del ujo de a iones individuales (individualismo metodolgi o). Menger
aseguraba que lo que puede riti arsele a Adam Smith, y aun a algunos
de sus seguidores (quienes han desarrollado ms exitosamente la e onoma polti a) es su defe tuosa omprensin de las institu iones so iales
readas no-inten ionalmente y su importan ia para la e onoma. De he ho, hasta hoy no existe ningn argumento slido y formal que asegure
que el orden espontneo de Adam Smith sea ne esariamente ben o.
Expli ar la mano invisible omo un pro eso dinmi o ha sugerido a algunos e onomistas modernos una expli a in evolutiva sobre mo se
desarrollan institu iones tales omo el mer ado a partir de a iones individuales. La teora de juegos de pobla in ha omenzado a lari ar mo
la evolu in de a iones espontneas puede dar origen a una onse uen ia so ial no bus ada; y este orden so ial resultante es fre uentemente
onsistente on iertas formas de optimiza in individual. Sin embargo,
esta optimiza in no impli a maximizar el bienestar so ial en forma alguna. Fenmenos de mano invisible abundan en las e onomas modernas,
y aunque los juegos de pobla in son una herramientas til para modelar
la mano invisible, es ne esaria todava mu ha ms investiga in.

Le in 3: Sistemas dinmi os

427

Ejer i ios omplementarios


1. (Un problema de evapora in ) Experimentos indi an que una prenda porosa hmeda a la intemperie pierde su humedad a una tasa
propor ional a su ontenido de humedad. Si una tela extendida en
el exterior pierde la mitad de su humedad durante la primera hora, undo estar pr ti amente se a si las ondi iones limti as
permane en invariables?
2. Cul ser el ontenido de arbono 14 de un hueso fsil del que se
arma tener 2,000 aos de antigedad?
3. (Ley de Boyle (1660)-Mariotte (1676) para gases ideales ) Experimentos indi an que para un gas a baja presin P y temperatura
onstante, la razn de ambio del volumen v(p) es igual a v(p).
Resuelva el sistema dinmi o unidimensional que rige este fenmeno.
4. Suponga que I(t) es ierta inversin realizada por un agente e o ,
nmi o en el tiempo t, y que la varia in de esta inversin, I(t)
en ese instante, es igual a la tasa de inters, r , multipli ada por el
valor, en ese momento, de la inversin. Es de ir, la dinmi a que
rige el pro eso de a umula in es
I = rI
Si la inversin ini ial fue I(0) = I0 , al ule el balan e I(t) en
ualquier momento t.
5. (E ua in de Bernoulli (Ja ob Bernoulli (1692)) ) El sistema dinmi o (no-autnomo) no-lineal de la forma ( ono ido omo e ua in
de Bernoulli )
x = p(t)x + q(t)x
on R, donde p(), q() son fun iones ontinuas ono idas,
puede redu irse a uno lineal (no-homogneo) de la siguiente forma:
sea y(t) = [x(t)]1 ; enton es, reemplazando esto en la e ua in
original, demuestre que y(t) satisfa e el sistema lineal

y(t)
+ (1 )p(t)y(t) = (1 )q(t)

(Re uerda mo se resuelve expl itamente este problema?) En


parti ular, resuelva las siguientes e ua iones de Bernoulli:

428

Matemti as para e onomistas III: Optimiza in y dinmi a

(b) x = tx + t2 x2

(a) x = 3x + 4x2

6. (E ua in de Ri ati (1752)) Pruebe que el sistema dinmi o de la


forma
x = p(t)x + q(t)x2 + r(t)
donde p(t), q(t), r(t) son fun iones ontinuas ono idas, puede redu irse a uno tipo Bernoulli mediante la sustitu in y = x y1 (t),
donde y1 es una solu in parti ular de la e ua in de Ri ati. En
parti ular, resuelva las e ua iones de Ri ati:
1
(b) x = x + tx2 + t
(a) x = t3 (x t)2 +
t
7. Sabemos que a la e ua in de Bernoulli

B
x), A > 0, B 0
A
se le ono e omo la e ua in logsti a del re imiento pobla ional,
donde x(t) es la pobla in en el tiempo t. Muestre que, efe tivamente, la solu in expl ita est dada, para C > 0, por
x = Ax Bx2 = Ax(1

x(t) =
o por

B
A

1
+ CeAt

para todo t

x(t) 0 para todo t

Aqu el parmetro A est rela ionado on la tasa de fertilidad. El


trmino Bx2 es el trmino de externalidad (o freno) que seala
la ompeten ia por los re ursos es asos e impide, eventualmente,
el re imiento indenido de la pobla in. Si B = 0, la solu in es
eAt
x(t) =
que es una versin de la ono ida ley de Malthus de
C
re imiento exponen ial de la pobla in. Dibuje la solu in no-nula,
x(t) de arriba, para diferentes valores de los parmetros A, B, C , e
interprete.
8. Verique que:
(a) Las solu iones al sistema dinmi o

x = x + y,

y = x + 3y

tienen la forma general x(t) = e2t + te2t , y(t) = e2t .

429

Le in 3: Sistemas dinmi os

(b) Las solu iones al sistema dinmi o

x = 7x 4y,

y = 3x 4y;

x(0) = 4;

y(0) = 8

son x(t) = 6et 2e5t , y(t) = 9et e5t .

( ) Las solu iones al sistema dinmi o

x = x + y,

y = x + 3y

son de la forma x(t) = e2t + te2t , y(t) = e2t + (t + 1)e2t ,


, R.
9. Anali e la estabilidad de (0, 0) para el sistema dinmi o no-lineal

x = x + 2y + x2 ,

y = 2x + y + xy

10. Generali e, hasta donde sea posible, los resultados de esta le in


para el aso de sistemas dinmi os de tres o ms dimensiones.
11. Consideremos el sistema de resortes y masas de la gura 58. Asumamos que las fuerzas que resultan slo son produ to de la extensin
y ompresin de los resortes. Segn la Ley de Hooke para stos, la
extensin en ada resorte es

T1 = k1 x1
T2 = k2 (x2 x1 )

T3 = k3 (x3 x2 )
donde ki > 0 para i = 1, 2, 3, es la onstante de restitu in del
resorte Si , y xi representa el desplazamiento a la dere ha de la
masa mi de su posi in de quietud x1 = x2 = x3 = 0 que es
uando los resortes no estn ni estirados ni omprimidos. A su
vez, un valor negativo de xi signi a que mi se ha desplazado a la
izquierda de su posi in de quietud.
Cuando Ti es positivo, tiende a a elerar mi a la izquierda y mi1 a
la dere ha, de a uerdo a la segunda ley newtoniana del movimiento.
Tenemos enton es

m1 x
1 = T1 + T2

430

Matemti as para e onomistas III: Optimiza in y dinmi a

S1

S2
m1

S3
m2

m3

Figura 58: Sistema de resortes y masas.

m2 x
2 = T2 + T3
m3 x
3 = T3



m1 0
0
x
1
(k1 + k2 )
k2
0
x1
0 m2 0 x
k2
2 =
(k2 + k3 ) k3 x2
0
0 m3
x
3
0
k3
k3
x3
(*)



x
1
x1
M x
2 = S x2
x
3
x3

donde M es la matriz 3 3 de la izquierda de la igualdad (*), y S


es la matriz 3 3 de la dere ha de la igualdad (*). Observemos que
S es simtri a ; esto orresponde al he ho de que la fuerza a tuando
sobre mi debido a la posi in mj es igual a la que a ta sobre mj
debido a la posi in de mi , ya que los resortes transmiten estas
fuerzas simtri amente. Anali e ahora este sistema dinmi o. 109
12. (Modelo de duelos ) Existe una antidad notable de es ritos sobre
modelos de e ua iones diferen iales de ombates. Un ejemplo elemental de este tipo de modelos es
109

Debera sealarse que las matri es simtri as o urren muy fre uentemente en

problemas de la me ni a lsi a.

431

Le in 3: Sistemas dinmi os

dM
= P AN CM
dt
dN
= Q BM DN
dt
donde M y N son el nmero de tropas amigables y hostiles en el
tiempo t, respe tivamente; P y Q representan la rapidez a la que
entran nuevas tropas; A y B son la rapidez de prdida del ombate;
y C y D son propor iones de rapidez de prdida opera ional (de
a identes, de tiempo, et .).
Anali e los distintos asos de estabilidad del ni o equilibrio de
este sistema dinmi o lineal. Cree usted que este modelo es su ientemente sustan ial para el anlisis de este tipo de oni tos?
13. Pruebe que la solu in general al sistema
est dada por

xt+1 = xt 5yt ,

yt+1 = xt yt

2
t
2
1
t
1
xt = 2n [( ) cos( ) + ( ) sen( )]
5
5
2
5
5
2
t
t
yt = 2n [ cos( ) + sen( )]
2
2
para , R.
14. Pruebe que la solu in general de la e ua in
es, c1 , c2 R,

xt+2 4xt+1 + 4xt = 3t + 2t


1
xt = (c1 + c2 t)2t + 3t + t2 2t + 6
8

15. (Su esin de Fibona i ) Esta su esin de enteros positivos se determina on la ondi in de que ada trmino de la su esin (despus
de los dos primeros) es la suma de los dos pre edentes. As, la
su esin es de la forma 1, 2, 3, 5, 8, 13, . . . . Muestre que el trmino
t-simo de la su esin est dado por la frmula
"
!t
!t #
1
1+ 5
1 5
yt =

2
2
5

432

Matemti as para e onomistas III: Optimiza in y dinmi a

16. En uentre las solu iones generales de las e ua iones en diferen ias
siguientes:
(a) xt+2 5xt+1 + 6xt = 0
(b) xt+2 5xt+1 + 6xt = 2

( ) xt+2 3xt+1 + xt = 2t
(d) xt+2 + xt = 0
t
(e) xt+2 + xt = sen( )
2
17. Estudie la estabilidad de las solu iones de la e ua in en diferen ias

yt = (1 + )yt1 yt2 + 1,

t = 2, 3, . . .

donde , > 0.

18. Resuelva (si es posible) los sistemas unidimensionales siguientes


(versin ontinua y versin dis reta), dibuje su diagrama de fase,
y anali e la estabilidad de los equilibrios:
(a) x = x2 ;

2
;
x
( ) x = x + 7;

xt+1 = x2t

(b) x = x +

2
xt
= xt + 7

xt+1 = xt +
xt+1

19. En los siguientes sistemas unidimensionales en uentre un 2- i lo y


luego determine su estabilidad:
(a) xt+1 = 2.5 xt (1 xt )
(b) xt+1 = 1 x2t

(e ua in logsti a )

20. En el sistema unidimensional

xt+1 = ax3t bxt + 1,

a, b R

en uentre los valores de a y b tales que {0, 1} sea un 2- i lo atra tor.


21. Lineali e el sistema

xt+1 = sin yt 0.5xt


yt
yt+1 =
0.6 + xt
alrededor de (0, 0) y determine si este equilibrio es estable.

Le in 3: Sistemas dinmi os

433

22. Espe ique las ondi iones de estabilidad asintti a para el equilibrio (0, 0) del sistema
axt
xt+1 =
1 + yt
byt xt
yt+1 =
1 + xt
23. [Demostra in del teorema de Lyapunov para sistemas dis retos
(teorema 17)
Demostra in.

Sea 1 tal que la bola B1 (x , y ) G H donde G es el dominio


omn de f () y g(). Como f () es ontinua, existe 2 > 0 tal que si
(x, y) B2 (x , y ), enton es f (x, y) B1 (x , y ). Sea 0 < 2
dado. Denamos () = mn{V (x, y) | ||(x, y) (x , y )||
1 }. Por el teorema del valor intermedio, existe on 0 < <
tal que V (x) < () siempre que ||(x, y) (x , y )|| < .

Armamos que si (x0 , y0 ) B (x , y ), enton es (xt , yt ) B (x , y )


para todo t t0 . Esto es ierto, porque si no fuera as, existiran un (x0 , y0 ) B (x , y ) y un entero positivo m tal que
(xr , yr ) B (x , y ) para r m, y (xr+1 , yr+1 )
/ B (x , y ); pero
omo (xr , yr ) B (x , y ) B2 (x , y ), enton es (xr+1 , yr+1 )
B1 (x , y ); por lo tanto, V (xr+1 , yr+1 ) (); sin embargo, sabamos que V (xr+1 , yr+1 ) V (x0 , y0 ) < (), y de esto surge
una ontradi in. As, hemos probado la estabilidad.

Para probar la estabilidad asintti a, supongamos que (x0 , y0 )


, y ) para todo t t . Si la
B (x , y ), enton es
0
(xt , yt ) B (x
, y ) enton es (por ser a otada)
a
(x
su esin (xt , yt ) no onverge


tiene una subsu esin (xti , yti ) que onverge a ierto (x , y ). Sea
E B1 (x , y ) una ve indad abierta de (x , y ) on (x , y )
/
V (f (x,y))
E . Denamos sobre E la fun in h(x, y) V (x,y) ; en ontramos
que h() est bien denida, es ontinua y h(x, y) < 1 para todo
(x, y) E . Ahora: si est en el intervalo (h(x , y ), 1) enton es
existe > 0 tal que (x, y) B (x , y ) impli a h(x, y) . As,
para i su ientemente grande,

V (f (xni , yni )) V (f (xni 1 , yni 1 )) 2 V (f (xni 2,yni 2 ))

434

Matemti as para e onomistas III: Optimiza in y dinmi a

ni V (f (x0 , y0 ))
De all que lmni V (xni , yni ) = 0. Pero omo lmni V (xni , yni ) =
V (x , y ), enton es impli a que V (x , y ) = 0 y, por lo tanto, (x , y ) =
(x , y ). Esto naliza la prueba.
24. En uentre el equilibrio y la ondi in de estabilidad del sistema
dinmi o
Yt = Ct + I
Ct = a + bYt1
donde Yt = Produ in en el perodo t; Ct = Consumo en el perodo
t; y a, b y I son onstantes positivas.
25. (Modelo multipli ador-a elerador de Hi ks (1950) ) Adems del modelo de Samuelson (1939) de multipli ador-a elerador, el modelo de
Hi ks (1950) fue otra de las primeras formula iones ad ho (aunque
rigurosas) de la teora del i lo e onmi o. Este modelo onsiste en
las siguientes tres e ua iones:

Yt = Ct + It
Ct = (1 s)Yt1

It = v(Yt1 Yt2 ) + A

donde Yt es ingreso agregado en el periodo t; Ct es onsumo en el


periodo t; It es inversin en el periodo t; A es inversin autnoma
onstante; 1s > 1 es el multipli ador; y v > 0 es el a elerador.
a) Interprete (e onmi amente) ada una de las tres e ua iones
del modelo.
b) Compare este modelo on el de Samuelson (1939) estudiado en
el  ontexto e onmi o.
) Pruebe que las tres e ua iones del modelo de Hi ks ondu en a
la e ua in en diferen ias

Yt (1 s + v)Yt1 + vYt2 = A
d) Cal ule el ni o equilibrio y estudie su estabilidad dependiendo
de los valores posibles de s y v .

435

Le in 3: Sistemas dinmi os

e) Compare los resultados on los del modelo de Samuelson, y


justique (e onmi amente) las diferen ias.
26. Los produ tores de ierta mer an a reen rmemente que el pre io
de la mer an a que vendern en el perodo t est dado por la e ua in dinmi a pt = ap + (1 a)pt1 donde p es un pre io meta,
pt1 es el pre io en el perodo t 1, y a es una onstante. Supongamos que el mer ado di ta que la oferta en el periodo t es Ot = 2pt ,
y que la demanda es Dt = 60pt . Si los mer ados se va an en ada
perodo(es de ir, Ot = Dt en ada perodo t), en uentre el pre io
p . Cul es la ondi in sobre a para que la dinmi a de pre ios
onverja a p ? Es de ir, para que p sea realmente el equilibrio de
largo plazo.
27. Estudie la estabilidad del equilibrio de los siguientes modelos de
oferta-demanda de una sola mer an a. All, Dt = demanda de la
mer an a en el perodo t; Ot = Oferta de la mer an a en el perodo
t; y Pt = pre io de la mer an a en el perodo t:
a)
Dt = 40 Pt
Ot = 20 + 2Pt1
b)

Dt = 25 2Pt

Ot = 5 + 2Pt1

Dibuje la orrespondiente telaraa.

28. En general, estudie la estabilidad del equilibrio del modelo de


oferta-demanda de una sola mer an a

Dt = a bPt

Ot = c + dPt1

donde b y d on onstantes positivas. Qu ambios tendra este


equilibrio y su estabilidad, si el Gobierno impone un impuesto de
T % por unidad vendida de la mer an a?
29. Considere la siguiente e onoma de inter ambio puro de dos agentes
y dos mer an as:
q
q
Ui (x1i , x2i ) = 2 x1i + x2i
donde hay una unidad de ada bien en la e onoma.

436

Matemti as para e onomistas III: Optimiza in y dinmi a

(a) En uentre las asigna iones ptimas de Pareto, y dibuje la urva


de ontrato en una aja de Edgeworth.
(b) Compruebe el primer teorema del bienestar, en este ejemplo.
( ) Compruebe el segundo teorema del bienestar, en este ejemplo.
(d) Suponga que el agente 1 tiene una dota in de (x11 , x21 ) =
(0.36, 0.64), y en uentre las asigna iones de equilibrio. Interprete este resultado e onmi o.
(e) Muestre que el equilibrio es asintti amente estable bajo la
dinmi a del subastador (ttonnement ).
30. Ser ierto que la ley de Walras slo se umple en equilibrio?
31. Ser ierto que en una e onoma de inter ambio puro, on dos
onsumidores y dos bienes, si ada uno de ellos tiene fun iones de
utilidad Cobb-Douglas, enton es el equilibrio walrasiano es ni o?
32. En una e onoma walrasiana on tres mer an as, las fun iones de
ex eso de demanda para las dos primeras mer an as son

zx (px , py ) = px + py + 1
zy (px , py ) = px 2py + 2

y la ter era es el numerario.


(a) Cul es la fun in ex eso de demanda para la ter era mer an a?
(b) Son los bienes sustitutos brutos?
( ) Cul es el equilibrio? Es estable?
33. Considere la siguiente e onoma de inter ambio puro de dos agentes
y dos mer an as:

UA = xA + ln yA ,

UB = ln xB + ln yB

donde hay una unidad de ada bien en la e onoma.


(a) En uentre las asigna iones ptimas de Pareto, y dibuje la urva
de ontrato en una aja de Edgeworth.
(b) Compruebe el primer teorema del bienestar, en este ejemplo.

Le in 3: Sistemas dinmi os

437

( ) Compruebe el segundo teorema del bienestar, en este ejemplo.


(d) Suponga que el agente 1 tiene una dota in de (xA , yA ) =
(1, 0), y en uentre las asigna iones de equilibrio walrasiano.
Interprete este resultado e onmi o.
(e) De ida si el equilibrio es asintti amente estable bajo la dinmi a del subastador (ttonnement ).
(f) Cal ule el n leo de esta e onoma, y ompruebe que el equilibrio walrasiano est en l.
(g) Cal ule los r -n leos, y muestre que si r enton es aquellos
onvergen al equilibrio.
34. Ser ierto que el modelo Arrow-Debreu generaliza:
(a) El modelo Walras-Cassel (ver volumen I: lgebra lineal (le in
4))?
(b) El modelo de Leontief (ver volumen I: lgebra lineal (le in
5))?
( ) El modelo de Koopmans (ver volumen I: lgebra lineal (le in
8))?

438

Matemti as para e onomistas III: Optimiza in y dinmi a

Le in 4
Optimiza in dinmi a

Introdu in
Fueron dos las ausas prin ipales del surgimiento del anlisis fun ional
(es de ir, del anlisis de espa ios ve toriales innito-dimensionales) en el
siglo XX. De un lado, se hizo ne esario interpretar desde un punto de
vista uniforme el opioso material a umulado a lo largo del siglo XIX en
distintas ramas de las matemti as: mu hos de los on eptos fundamentales del anlisis fun ional emergan naturalmente desde, por ejemplo,
la teora de las e ua iones diferen iales, la teora de las fun iones de
variable real. El anlisis fun ional permiti omprender numerosos resultados desde un punto de vista ni o que, a menudo, mostraba diversas
maneras de extensin teri a y pr ti a. De otro lado, la investiga in
de problemas matemti os en me ni a unti a haba llegado a ser un
punto ru ial en el desarrollo del anlisis fun ional por s mismo, pues
reaba y sigue reando, diversas ramas de ste. Podra de irse que el anlisis fun ional es a la fsi a ontempornea lo que el l ulo diferen ial e
integral fue (y es) a la me ni a lsi a.
Puesto que es imposible in luir aqu los problemas ms profundos del
anlisis fun ional, nos on entraremos en familiarizar al le tor, de forma
un tanto breve y esquemti a, on algunos de los on eptos ms importantes que fueron estudiados prin ipalmente a omienzos del siglo XX,
basados en los art ulos lsi os de Stefan Bana h (1922) y David Hilbert
[1862-1943, quienes fueran los fundadores del anlisis fun ional. Desde
enton es ste se ha desarrollado vigorosamente, y on estas estru turas
se han he ho apli a iones en asi todas las reas de las matemti as,
439

440

Matemti as para e onomistas III: Optimiza in y dinmi a

muy parti ularmente (que es lo que aqu nos interesa) a iertos problemas bsi os en e ua iones diferen iales, en el l ulo de varia iones, y en
la teora del ontrol ptimo.

1. Espa ios mtri os: la no in de distan ia en


topologa
Sin duda, la primera estru tura bsi a del anlisis fun ional es la de
espa io mtri o 1 . sta es una generaliza in, omo veremos enseguida,
de la estru tura de los espa ios eu lidianos (Rn , || ||) on la distan ia
entre ve tores denida por la norma estndar. Pero lo que es fundamental
aqu, es que abstrayendo de esta norma sus ara tersti as esen iales, no
solo en ontramos innidad de estru turas diferentes que las satisfa en,
sino que tambin entendemos las limita iones de los espa ios eu lidianos
para responder a los retos de las matemti as a tuales.
Deni in 1. (Espa io mtri o (Hausdor (1914)))

Un espa io mtri o es un par (X, d) onsistente en un onjunto no-va o


X y una fun in distan ia (mtri a) d : X 2 R+ tal que para todo
x, y, z X , se satisfa e:
i) d(x, y) = 0 si, y slo si, x = y
ii) d(x, y) = d(y, x)

(simetra)

iii) d(x, z) d(x, y) + d(y, z)

(desigualdad triangular)

Nota 1.

En analoga on Rn , a menudo llamaremos a X el espa io y, a sus elementos, puntos.


Ejemplo 1.

(a) El espa io eu lidiano Rn es un espa io mtri o pues on la norma


estndar || || se puede denir la distan ia d(x, y) = ||x y|| que,
enton es, satisfa e, para todo x, y, z Rn :
1

i) d(x, y) = ||x y|| = 0 si, y slo si, x = y .


Antes de omenzar el estudio de los espa ios mtri os, se sugiere dar una ojeada
R2 , al nal de la le in 1 del volumen II (Cl ulo).

al material sobre topologa en

441

Le in 4: Optimiza in dinmi a

ii) d(x, y) = ||x y|| = ||y x|| = d(y, x).

iii) d(x, z) = ||x z|| ||x y|| + ||y z|| = d(x, y) + d(y, z).
(b) El mismo onjunto Rn puede dotarse de otras mtri as. Por ejemplo,
para x = (xi ), y = (yi ) Rn podemos denir las dos siguientes:
i)

d(x, y) = m
ax |xi yi |
1in

ii)

d(x, y) =

n
X
i=1

|xi yi |

Es un ejer i io sen illo para el le tor, el omprobar que, efe tivamente, son mtri as diferentes sobre un mismo onjunto.
( ) Como una extensin del ejemplo 1 anterior, apare e el espa io mtri o 2 de todasP
las su esiones innitas {xi }
i=1 que satisfa en la
2 < y donde, para ualquier otra su e ondi in de que P
(x
)
i=1 i

2
sin {yi }
on
i=1
i=1 (yi ) < , la distan ia est denida por

X
1
d({xi }, {yi }) = [
(xi yi )2 ] 2

()

i=1

Note que, por ejemplo, la su esin { n1 } est en 2 , pero no la su esin { 1n }. Aqu, las ondi iones i) y ii) de la Deni in 1 de espa ios mtri os se satisfa en inmediatamente, y la ondi in iii) es,
simplemente, la desigualdad triangular de Rn extendida a su esiones
innitas (ver volumen I: lgebra lineal). 2
Debe advertirse, sin embargo, que este espa io 2 no es una extensin
obvia de Rn . De he ho, tiene propiedades geomtri as y analti as
muy diferentes a las del espa io eu lidiano, omo lo entenderemos
ms adelante.
(d) Otro espa io mtri o, que es, quizs, el ms importante para nuestros
intereses en esta le in, es el onjunto C[a,b] de todas las fun iones
2

La suma

() existe puesto que es menor o igual que (

i=1 (xi )

2 1
2

) +(

i=1 (yi )

2 1
2

442

Matemti as para e onomistas III: Optimiza in y dinmi a

ontinuas f : [a, b] R, on la distan ia entre dos fun iones ontinuas f y g, denida por
d(f, g) = m
ax |f (x) g(x)|
x[a,b]

En efe to:
i) d(f, g) = 0 si, y slo si, m
ax |f (x) g(x)| = 0, y esto impli a
x[a,b]

que f = g, pues si existiera x0 [a, b] tal que f (x0 ) 6= g(x0 )


enton es m
ax |f (x) g(x)| |f (x0 ) g(x0 )| > 0.
x[a,b]

ii) Claramente, d(f, g) = d(g, f ) por propiedades bsi as del valor


absoluto.
iii) Como |f (x) h(x)| |f (x) g(x)| + |g(x) h(x)| para toda
fun in h() en C[a,b] , enton es el resultado se tiene una vez
re ordemos que m
ax(A+B) = m
ax(A)+m
ax(B) para ualquier
par de onjuntos de nmeros (no va os) A y B (ver volumen 0
(Fundamentos), le in 4). 3
2
(e) El espa io C[a,b]
de todas las fun iones ontinuas f : [a, b] R donde
la distan ia entre dos fun iones ontinuas f y g, est denida por

d(f, g) =

Z

(f (x) g(x)) dx

 12

tambin es un espa io mtri o: La ondi in i) de la deni in 1 de


espa io mtri o, resulta del he ho de que si f () y g() son ontinuas
Rb
en [a, b] y a (f (x) g(x))2 dx = 0, enton es f (x) g(x) = 0 en
[a, b]; ii) es lara; y la ondi in iii) resulta de re ordar la deni in
de la integral mediante sumas de Riemann, y apli ar la desigualdad
triangular en Rn (ver volumen II: (Cl ulo), le in 4).
(f) El espa io Mnn de todas las matri es uadradas de tamao n es un
espa io mtri o on la distan ia denida por
3

Podra de ir el le tor por qu nos restringimos a fun iones

ontinuas

si, apa-

rentemente, no hemos ne esitado de esa ara tersti a para garantizar las ondi iones
i), ii), iii) de un espa io mtri o?

443

Le in 4: Optimiza in dinmi a

d(A, B) =

s X

(aij bij )2

1i,jn

donde A = [aij ]nn , B = [bij ]nn . Sobre este espa io desarrollaremos importantes resultados posteriormente.
(g) El onjunto X = {a, b, c} on la distan ia denida por d(a, b) =
d(b, a) = 100; d(b, c) = d(c, b) = 10 y d(a, c) = d(c, a) = 80 no
es un espa io mtri o pues d(b, c) + d(c, a) < d(b, a) y, as, aunque
laramente se satisfa en las ondi iones i) y ii) de espa io mtri o,
la ondi in iii) de esta deni in no se umple. Este ejemplo nos
muestra que no ualquier onjunto on una distan ia arbitraria
puede ser un espa io mtri o.
a)

No iones topolgi as fundamentales

Una vez estable ida la no in de distan ia , el siguiente paso es denir


iertos on eptos bsi os ha iendo una trans rip in asi automti a de
las orrespondientes no iones en la topologa estndar de Rn .
Deni in 2. (Bola abierta, bola errada)

Sea X un espa io mtri o. La bola abierta de entro x0 X y radio


r > 0, es el onjunto

Br (x0 ) = {x X | d(x, x0 ) < r} ;


y la bola errada de entro x0 X y radio r > 0 es el onjunto

Br (x0 ) = {x X | d(x, x0 ) r}
Ejemplo 2.

En R2 , on la distan ia estndar, las bolas abiertas y erradas lu en omo


las de la gura 1. Un buen ejer i io aqu es que el le tor dibuje las bolas
abiertas y erradas de entro (0, 0) y radio 1 en R2 , pero on las mtri as
denidas en el ejemplo 1 b). 4
4

Indi a in: En ontrar algunos uadrados.

444

Matemti as para e onomistas III: Optimiza in y dinmi a

x0

x0

Figura 1: Bola abierta (izq.) y bola errada (der.)

Ejemplo 3.

En C[a,b] , las bolas abiertas y erradas (ver gura 2) se es ribiran as:

Br (f0 ) =



g C[a,b] / m
ax | f0 (x) g(x) |< r ;
x[a,b]

y la bola errada de entro x0 X y radio r > 0 es el onjunto



Br (f0 ) = g C[a,b] / m
ax | f0 (x) g(x) | r
x[a,b]

r
f0

r
f0

Figura 2: Bola abierta (izq.) y bola errada (der.)

Deni in 3. (Su esin a otada)

Una su esin {xn } de un espa io mtri o X es a otada si existe una bola


errada Br (x0 ) on x0 X , tal que xn Br (x0 ) para todo n.

445

Le in 4: Optimiza in dinmi a

Ejemplo 4.

Note que en el espa io C[0,1] , la su esin de fun iones {xn }nN es a otada
por la bola errada de entro en f 0 y radio 1; es de ir, por

B1 (0) = {f C[a,b] / m
ax | f (x) | 1}
x[0,1]

Deni in 4. (Punto lmite)

Sea X un espa io mtri o y Y X . Un punto x0 X es un punto lmite


(o punto adherente ) de Y , si toda bola abierta Br (x0 ) X ontiene
innitos puntos de Y . Al onjunto de todos los puntos lmites de Y ,
llamado onjunto lausura de Y , se le a ostumbra a notar Y .
Deni in 5. (Convergen ia)

Se di e que una su esin {xn } de puntos de un espa io mtri o X onverge a un punto x0 X si, para todo > 0, la bola abierta B (x0 ) ontiene
todos los puntos de {xn } a partir de un N en adelante. Formalmente, si
dado ualquier > 0 existe un nmero natural N tal que xn B (x0 )
para n > N . En tal aso, diremos que x0 es el lmite de la su esin {xn }
( que {xn } onverge a x0 ), y es ribiremos lmn xn = x0 xn x0
uando n .
Claramente, xn x0 uando n si, y slo si, lmn d(xn , x0 ) = 0.

Rn )
on la distan ia estndar, es ya ono ida desde
La onvergen ia en
el volumen II (Cl ulo), pues ella es all la no in misma de lmite.
Ejemplo 5. (Convergen ia en

Rn

Ejemplo 6. (Convergen ia uniforme y puntual en C[a,b] )


Sin embargo, uando intentamos entender esto mismo en C[a,b] (espa io
de fun iones ontinuas on la norma del mximo) en ontramos algunos resultados interesantes y reveladores. La onvergen ia en este espa io se ono e omnmente omo onvergen ia uniforme (Weierstrass
(1841)), y la razn de esto est en la misma deni in de onvergen ia
que a abamos de presentar: fn f uando n si, y slo si, para todo > 0 existe un nmero natural N tal que si n > N enton es
m
axx[a,b] |fn (x) f (x)| < ; pero, en tal aso, |fn (x) f (x)| < para
todo x [a, b], y as f (x) < fn (x) < f (x) + para todo x [a, b]. Es
de ir, todas las fn a partir de N en adelante, estarn en una banda de
radio alrededor de f (ver gura 3).

446

Matemti as para e onomistas III: Optimiza in y dinmi a

f +
f
fn
f
a

Figura 3: Convergen ia uniforme de

{fn }

Es laro de lo anterior, que si fn f uniformemente enton es, para ada


x [a, b] jo, se tendr que fn (x) f (x) ( onvergen ia puntual). Sin
embargo, el re pro o no es ne esariamente ierto; es de ir, la onvergen ia puntual no impli a la onvergen ia uniforme. Para omprender esto
mejor, onsideremos el tpi o aso de la su esin de fun iones {fn } en
C[0,1] denidas por fn (x) = xn (ver gura 4).

f1

f2

f3

f5 . . .
f4

0
0
Figura 4: Su esin de fun iones

1
{fn (x)} = {xn }

Claramente, si x [0, 1) es jo, enton es lmn fn (x) = 0; y si x = 1


enton es, obviamente, lmn fn (1) = 1. Por lo tanto, podra pensarse
que la su esin de fun iones ontinuas {fn } onverge uniformemente a la
fun in dis ontinua f (x) = 0 si x [0, 1) y f (1) = 1 (ver gura 5). Pero

447

Le in 4: Optimiza in dinmi a

esto no es ierto, omo el le tor lo puede observar trazando una banda


de radio alrededor de f (x) = 0 para x [0, 1), y notando que todas
las fun iones fn se salen de la banda. De he ho, demostraremos ms
adelante que si fn f uniformemente, enton es f tambin tiene que ser
ontinua.

1
b

0
0
Figura 5:

f (x) = 0

Ejemplo 7. (Convergen ia en

1
si

x [0, 1); f (1) = 1

2 )
C[a,b]

2
La onvergen ia en el espa io C[a,b]
se a ostumbra a llamar onvergen ia media, y es distinta de la onvergen ia uniforme de C[a,b] : a pesar
de ser los mismos onjuntos, las topologas estable idas por las dos diferentes mtri as, los ha e espa ios mtri os ompletamente distintos.
Sin embargo, a partir de la desigualdad (que f ilmente el le tor puede
omprobar)

d (f, g) b a d(f, g)
2 , d la mtri a de C
donde d es la mtri a de C[a,b]
[a,b] , y f , g son ualquier par de fun iones ontinuas en [a, b], se dedu e que la onvergen ia
uniforme s impli a la onvergen ia media. Que el re pro o no es ierto

2
se ve on el ejemplo lsi o fn (x) = n xen x en [0, 1], que tiene onvergen ia media a 0, 5 pero que no onverge uniformemente a 0 (ver gura
6), pues para todo n se tiene que 6

m
ax |fn (x) 0| = 1/e

x[0,1]
5

Como el le tor puede f ilmente omprobar al ulando la integral que dene la


2
C[a,b]
.
n2 x
6
Para omprobar esto, derive fn (x) = n xe
on respe to a x, e iguale a ero.

mtri a en

448

Matemti as para e onomistas III: Optimiza in y dinmi a

f1

1/e
f2

..

f3

Figura 6: Convergen ia en media pero no uniforme

Continuando on la trans rip in desde Rn , en ontramos deni iones y


resultados muy similares a los que ya tenamos en el espa io eu lidiano:
Deni in 6. (Subsu esin)

Diremos que un sub onjunto {xnk }kN es una subsu esin de {xn } si
{nk } es una subsu esin estri tamente re iente de nmeros naturales.

(Un teorema ono ido)

Teorema 1.

Sea X un espa io mtri o, y {xn } una su esin de puntos de X . Enton es:


i) El lmite de {xn } es ni o.
ii) Si xn x uando n tiende a innito, enton es toda subsu esin de
{xn } tambin onverge a x0 .
Demostra in.

i) Sean x0 , x0 dos lmites distintos de la su esin {xn }. Enton es, para


= d(x0 , x0 ) y n su ientemente grande, d(xn , x0 ) < 2 y d(xn , x0 ) < 2 .

Por lo tanto, d(x0 , x0 ) d(x0 , xn ) + d(xn , x0 ) < 2 + 2 = = d(x0 , x0 ),


y esto es una ontradi in.
ii) Sea {xnk }kN una subsu esin de {xn }. Enton es dado > 0 existe un
natural N tal que xn B (x0 ) para n N . Sea k N tal que nk N ;
enton es xnk B (x0 ) para todo k > k, y, as, para todo nk > N se
tendr xnk B (x0 ).

Le in 4: Optimiza in dinmi a

449

El siguiente teorema es una ara teriza in, mediante su esiones, de la


no in de punto lmite (deni in 4). Resultados omo este, ha en de las
su esiones una herramienta fundamental del anlisis matemti o pues
permiten pasar, de un  problema ontinuo, a uno dis reto:
Teorema 2.

Un punto x0 X es un punto lmite de Y X si, y slo si, existe una


su esin {xn } de puntos de Y tales que xn x0 uando n .
Demostra in.

i) Supongamos que x0 Y es un punto lmite de Y . Enton es toda


bola abierta Br (x0 ) X ontiene innitos puntos de Y. Tomemos, para
rn = n1 , una su esin {xn } on xn Brn (x0 ). As, d(xn , x0 ) < n1 y, por
lo tanto, {xn } onverge a x0 .
ii) Supongamos ahora que existe una su esin {xn } de puntos de Y ,
distintos de x0 , tales que xn x0 . Tomemos r > 0 ualquiera; enton es,
existe N N tal que xn Br (x0 ) para n N . Por lo tanto, existen
innitos puntos de la su esin en la bola abierta Br (x0 ).
Deni in 7. (Conjunto errado)

Sea X un espa io mtri o. Un sub onjunto Y X es un onjunto errado


(en X ) si, y slo si, ontiene todos sus puntos lmite.
Ejemplo 8. (Conjuntos errados triviales)

a) En un espa io mtri o X ualquiera, los onjuntos y X son errados. En efe to: a) es errado por va uidad de la deni in de
punto lmite; b) X es errado pues toda su esin onvergente en
X onverge, por deni in, a un punto de X .
b) En un espa io mtri o X , las bolas erradas son onjuntos errados.
Y tambin los onjuntos formados por un nmero nito de puntos
son onjuntos errados.
Ejemplo 9. (Convergen ia uniforme preserva ontinuidad)

Si onsiderramos el espa io mtri o de todas las fun iones f : [a, b] R


que al anzan un mximo en [a, b], enton es podemos demostrar que C[a,b]
on la mtri a uniforme (es de ir, la del mximo) es un onjunto errado.
Para ello, debemos demostrar que si una su esin de fun iones ontinuas
fn en C[a,b] onverge, en la norma uniforme, a ierta fun in f : [a, b]

450

Matemti as para e onomistas III: Optimiza in y dinmi a

R, enton es esta f es ontinua en [a, b]. En efe to, tomemos un x0 [a, b]


ualquiera, y probemos que f es ontinua en x0 . Sea enton es > 0 dado,
y tomemos un N N tal que si n N tendramos |fn (x) f (x)| <
para todo x [a, b]. Pero omo fN es ontinua en x0 enton es existe
> 0 tal que si |x x0 | < enton es |fN (x) fN (x0 )| < . As, si
|x x0 | < enton es
|f (x) f (x0 )| |fN (x) f (x)| + |fN (x) fN (x0 )| + |fN (x0 ) f (x0 )|
< + + = 3

Ejemplo 10.

En C[a,b] , a su vez, el sub onjunto de todas las fun iones a otadas por una
onstante ja K , tambin es un onjunto errado. En efe to, supongamos
que f C[a,b] es el lmite de una su esin {fn } en C[a,b] tal que |fn (x)|
K para todo n y para todo x [a, b]. Enton es |f (x)| |f (x) fn (x)| +
|fn (x)| < + K para n su ientemente grande y > 0 ualquiera. De
all que |f (x)| K para todo x [a, b].
Deni in 8. (Conjunto abierto)

Sea X un espa io mtri o. Un sub onjunto Y X es un onjunto abierto


(en X ) si, y slo si, su omplemento (en X ), Y c , es un onjunto errado
(en X ).
Ejemplo 11. (Conjuntos abiertos triviales)

Utilizando el ejemplo 8 y la deni in anterior, podemos armar que


los onjuntos y X son abiertos pues sus omplementos son onjuntos
errados. As, estos dos onjuntos triviales, y X , son abiertos y errados.
Teorema 3.

(Cara teriza in de un onjunto abierto)

Sea X un espa io mtri o. Un sub onjunto Y X es un onjunto abierto


si, y slo si, para todo y Y existe una bola abierta Br (y) ontenida en
Y ; es de ir, Br (y) Y (ver gura 7).
Demostra in.

i) Supongamos que Y es abierto, y sea y Y . Si para rn = 1/n, n N,


se tiene que Brn (y) Y c 6= enton es existe una su esin {yn } Y c tal
que yn y . Pero, en tal aso, Y c no sera errado en X .
ii) Supongamos que para todo y Y existe una bola abierta Br (y) Y .
Tomemos una su esin onvergente de puntos {yn } Y c tal que yn y,

451

Le in 4: Optimiza in dinmi a

y probemos que y Y c (es de ir, que Y c es errado). Si, por el ontrario,


y Y , enton es existira r > 0 tal que Br (
y ) Y y tendramos que
tambin innitos trminos de {yn } estn in luidos en Y , lo que ontradi e
la hiptesis de que {yn } Y c .

Figura 7: Y es un onjunto abierto


(Unin e interse in
Sea X un espa io mtri o. Enton es:

Teorema 4.

de onjuntos abiertos )

i) La unin de una familia arbitraria de onjuntos abiertos en X es,


de nuevo, un onjunto abierto en X .
ii) La interse in de una familia nita de onjuntos abiertos en X es,
de nuevo, un onjunto abierto en X .
Demostra in.

i) Sea y un punto en la unin de la familia de abiertos; enton es y est


en al menos uno de los onjuntos abiertos de la familia; por el Teorema
3, existe una bola abierta on entro en y y ontenida totalmente en este
onjunto abierto parti ular, y, por onsiguiente, en la unin de todos los
onjuntos abiertos, que era lo que queramos probar.
ii) Sea y en la interse in de la familia de abiertos; enton es y est en
todos estos onjuntos, y, por tanto, podemos onstruir pequeas bolas
abiertas on entro en y , ada una in luida en su respe tivo onjunto
abierto; tomando la ms pequea de estas bolas (que existe porque el
nmero de abiertos es nito ) tendremos una bola abierta que est ontenida en todos los onjuntos abiertos y, por lo tanto, en la interse in
de stos.

452

Matemti as para e onomistas III: Optimiza in y dinmi a

Deni in 9. (Fun in ontinua entre espa ios mtri os)

Sean X y Y espa ios mtri os. Diremos que una fun in f : X Y es


ontinua en X si para todo onjunto abierto A Y se tiene que f 1(A)
es un sub onjunto abierto de X .
Y una forma de ara terizar esta no in de ontinuidad es, pre isamente,
ha er un uso efe tivo de las mtri as, trans ribiendo (siempre que sea
posible) lo que ya sabemos de Rn .
Teorema 5.

(Cara teriza in mtri a de la ontinuidad)

Sean (X, d) y (Y, D) espa ios mtri os, y f : X Y una fun in ualquiera. Enton es f es ontinua en X si, y slo si, para ualquier punto
x X , uando se tenga alguna su esin {xn } en X onvergiendo a x,
tambin se tendr que la su esin {f (xn )} estar onvergiendo a f (x);
es de ir, para todo > 0 existe > 0 tal, que si d(xn , x) < enton es
D(f (xn ), f (x)) < .
Demostra in.

i) Supongamos, primero, que f es ontinua en x0 X , y que alguna su esin {xn } en X est onvergiendo a x0 . Tomemos > 0 y, on entro
f (x0 ) y radio , onstruyamos la bola abierta B (f (x0 )) Y . Enton es f 1 (B (f (x0 ))), al ser abierto en X , y al ontener al punto x0 , nos
permite asegurar que existe una bola entrada en x0 totalmente ontenida en f 1 (B (f (x0 ))). Pero omo {xn } onverge a x0 , enton es a partir
de un N en adelante, todos los trminos de la su esin {xn } estn en
f 1 (B (f (x0 ))), y as D(f (xn ), f (x0 )) < .
ii) Probemos ahora el re pro o de este teorema. Sea A un sub onjunto
abierto en Y , y tomemos un punto x f 1 (A). Si no existiera ninguna
bola abierta alrededor de x totalmente ontenida en f 1 (A) enton es
existira una su esin {xn } no ontenida en f 1 (A) onvergiendo a x. As,
{f (xn )} no estara ontenida en A, pero s estara onvergiendo a f (x),
lo que mostrara que A no es abierto, y esto es una ontradi in.
Ejemplo 12. (Un ejemplo (simple) de fun ional )

La palabra fun ional en el trmino anlisis fun ional se debe a que


ste estudiaba, en sus orgenes, fun iones ontinuas uyos dominios eran
onjuntos de fun iones (Volterra (1880) 7 , Hadamard (1910) 8 , Fr-

453

Le in 4: Optimiza in dinmi a

het(1906) 9 ). Un ejemplo simple de esto lo tenemos en F : C[a,b] R


denida por
Z b
F(f ) =
f (x)dx
a

que es una fun in ontinua entre estos dos espa ios mtri os, pues para
todas f, g C[a,b] se tiene que

| F(f ) F(g) |= |
Z

a
b

(f (x) g(x))dx |
| f (x) g(x) | dx (b a) m
ax | f (x) g(x) |
x[a,b]

=(b a) d(f, g)

y slo basta apli ar el teorema 5 para nalizar.


En pginas posteriores veremos otros ejemplos de fun ionales en el l ulo de varia iones y en la teora del ontrol ptimo 10 .
b)

Espa ios mtri os ompletos

Es posible probar, y lo haremos ms adelante, que una su esin de nmeros reales en la que los trminos van aproximndose unos a otros tanto
omo se quiera a medida que la su esin va avanzando, tiene, de he ho,
un lmite. En esta se in observaremos que, sin embargo, esta propiedad profunda de los nmeros reales no ne esariamente se umple en los
espa ios mtri os en general, pero que uando s la satisfa e, este espa io
mtri o tiene propiedades topolgi as muy importantes.
Deni in 10. (Su esin de Cau hy (Fr het (1906)))

Una su esin {xn } de puntos de un espa io mtri o (X, d) es una su esin


de Cau hy (en X ) si, y slo si, dado > 0 ualquiera, existe un nmero
natural N tal que si n, m N enton es d(xn , xm ) < .
7

Volterra, Vito (1888),

Intgro-Direntielles,
8

Leons sur les quations Intgrales et les quations

Gauthier-Villars (1913).

Hadamard, Ja ques (1910),

Ja ques Gabay.

Fr het, Mauri e (1906),

Leons sur le Cal ul des Variations,

Sur Quelques Points du Cal ul Fon tionnel,

Wien.

10

Paris: ditions
Springer

La palabra fun ional (fon tionnel ) fue a uada por un pionero del anlisis

fun ional, Mauri e Fr het, en 1910.

454

Matemti as para e onomistas III: Optimiza in y dinmi a

Teorema 6.

Toda su esin onvergente en un espa io mtri o es una su esin de


Cau hy. La arma in re pro a no es ierta.
Demostra in.

Sea lm xn = x0 on {xn } una su esin en X y tambin x0 X .


n
Enton es, dado > 0 existe nmero natural N tal que si m, n > N se
tendr que d(xn , x0 ) < /2 y d(xm , x0 ) < /2; por lo tanto, d(xn , xm )
d(xn , x0 ) + d(x0 , xm ) < 2 + 2 = . Que la arma in re pro a de este
teorema no es ierta, lo vemos en el ontraejemplo de abajo.
Ejemplo 13. (Un ejemplo lsi o)

Para ver que en algunos espa ios mtri os puede darse la extraa situa in de que una su esin pueda ser de Cau hy sin ser onvergente,
basta onsiderar el ejemplo lsi o de la su esin de fun iones {fn } en
2
C[1,1]
denida para n N, por (ver gura 8):

1 si 1 x n
fn (x) = nx si n1 x n1

1 si n1 x 1
1

n1

1
n

Figura 8: Gr a de

fn (x)

Esta es una su esin de Cau hy pues un po o de l ulo muestra que


Z 1
2
(fn (x) fm (x))2 dx <
mn{n, m}
1

2
Sin embargo, {fn } no onverge a ninguna fun in de C[1,1]
ya que, de
he ho,
Z 1
lm
(fn (x) f (x))2 dx = 0
n 1

455

Le in 4: Optimiza in dinmi a

para la fun in dis ontinua (ver gura 9)


(
1 si x < 0
f (x) =
si x 0
1

1
Figura 9

Deni in 11. (Espa io mtri o ompleto)

Un espa io mtri o X se di e ompleto si, y slo si, toda su esin de


Cau hy es onvergente.
Ejemplo 14. (Rn es un espa io mtri o ompleto)

El espa io eu lidiano Rn , on la norma estndar, es un espa io mtri o


ompleto. En efe to:
a) Primero veamos que R es un espa io mtri o ompleto y, para ello,
tomemos una su esin de nmeros reales {xn } que sea de Cau hy. Enton es:
i) Mostremos que esta su esin es a otada y, para ha erlo, tomemos
> 0 y es ojamos N su ientemente grande, tal que si n, m0 N
enton es |xn xm0 | < ; as, |xn | |xn xm0 | + |xm0 | < + |xm0 |.
Sea M = m
ax{|x1 |, ..., |xN 1 |, + |xm0 |}; por onsiguiente, |xn |
M para todo n N .
ii) Ahora probamos que {xn } tiene una subsu esin onvergente {xnk }
y, para omprobarlo, es ribimos la desigualdad anterior as:M
xn M . Enton es la su esin tiene innitos trminos de ella en
al menos uno de los dos subintervalos [M, 0] o [0, M ] (podemos
asumir esto, porque en aso ontrario la su esin sera onstante
a partir de un N en adelante y, as, es onvergente). Supongamos

456

Matemti as para e onomistas III: Optimiza in y dinmi a

que ste es [0, M ] y, de la misma manera, dividamos [0, M ] en los


subintervalos [0, M/2] y [M/2, 0], y asumamos, sin prdida de generalidad, que existen innitos trminos de la su esin en [M/2, 0].
Luego, ontinuamos de la misma manera y subdividimos por mitades este ltimo intervalo y es ogemos uno de los dos en el que
se en uentran innitos trminos de la su esin, et . Claramente, la
longitud de estos subintervalos (que es 22M
n1 ) va tendiendo a ero;
por lo tanto, es ogiendo un trmino de la su esin en ada uno de
los subintervalos sele ionados, tendremos una subsu esin {xnk }
onvergente. Sea L el lmite.
iii) Finalizamos la prueba de que R es ompleto mostrando que L es,
pre isamente, el lmite de la su esin {xn }. Pero esto es inmediato
si notamos que |xn L| |xn xnk | + |xnk L| y apli amos,
nuevamente, el he ho de que {xn } es una su esin de Cau hy.

b) Queda por probar que, en general, Rn es ompleto, y esto lo logramos si


al tomar una su esin de Cau hy de ve tores en Rn , {xn } notamos que la
su esin de primeras omponentes, la su esin de segundas omponentes,
..., la su esin de n-simas omponentes, todas, son su esiones de Cau hy
y, por el resultado de que R es ompleto, tendramos que ada una de
las n su esiones es onvergente; el ve tor ompuesto por los n lmites es,
enton es, el lmite de la su esin {xn } original.
Ejemplo 15. (C[a,b] tambin es un espa io mtri o ompleto)

El espa io mtri o C[a,b] , on la distan ia del mximo, es un espa io mtri o ompleto. En efe to: supongamos que {fn } es una su esin de Cau hy en C[a,b] . Enton es, en parti ular, para ada x0 [a, b], {fn (x0 )}nN
es una su esin de Cau hy y, por el ejemplo 14, es onvergente. Supongamos que denimos la fun in f de tal manera que para x0 [a, b],
f (x0 ) = lmn fn (x0 ), y probemos que f es ontinua. En efe to: observemos que para todo y [a, b], n N, se tiene que

| f (x0 ) f (y) | | f (x0 ) fn (x0 ) | + | fn (x0 ) fn (y) |

()

+ | fn (y) f (y) |

y as, dado > 0, existe N N tal que si n N enton es

| f (x0 ) fn (x0 ) |< /3,

| fn (y) f (y) |< /3

()

457

Le in 4: Optimiza in dinmi a

Y tambin, dados y N existe > 0 tal que si | x0 y |< enton es

| fN (x0 ) fN (y) |< /3

( )

As, olo ando () y ( ) en () on n = N , dedu imos que f C[a,b] .


Terminamos la prueba de que C[a,b] es, efe tivamente, un espa io mtri o
ompleto, probando que, de he ho, fn f uniformemente; es de ir, que
m
axx[a,b] | fn (x) f (x) | 0. Pero esto ya es simple: Como {fn } es
de Cau hy, enton es, para todo > 0 existe N N tal que, si m, n N,
enton es
| fn (x) fm (x) |<
y ha iendo m obtendramos que

| fn (x) f (x) |
para todo n N , y todo x [a, b].
Ejemplo 16. (2 es un espa io mtri o ompleto)

Siguiendo estos pasos, se prueba que 2 es un espa io mtri o ompleto:


i) Si p = (b1 , ..., bn , ...) 2 , denamos, para k = 2, 3, ...,

Uk (p) =

bn en ,

nk

Vk (p) = p Uk (p)

donde, para n = 1, 2, ...,

en = (0, 0, ..., 0, 1, 0, ...0, ...)

on el 1 en el puesto n

Enton es se tiene que

k Uk (p) k k p k,

k Vk (p) k k p k

ii) Es inmediato que

lm k Uk (p) k=k p k y tambin que

lm k Vk (p) k= 0

458

Matemti as para e onomistas III: Optimiza in y dinmi a

iii) Si pn = (an1 , ...anm , ...) es una su esin de Cau hy en 2 , enton es, utilizando Uk , se prueba que, para ada k jo, la su esin {ank } es de Cau hy.
iv) Si ck = lmn ank se tiene que q = (c1 , c2 , ..., cm , ...) pertene e a 2 .
v) Se puede mostrar que para todo > 0 existe un k0 y un N tal que
k Vk0 (pn ) k< 2 para todo n N .
vi) Se prueba que lmn k pn q k= 0.
2
C[a,b]
no es ompleto)
2
Con un ontraejemplo se puede probar que el espa io C[a,b]
de fun iones
ontinuas en [a, b], on la mtri a

Ejemplo 17. (Afortunadamente,

d(f, g) =

Z

b
a

(f (x) g(x))2 dx

1/2

no es, en general, un espa io mtri o ompleto, y ste podra ser el del


ejemplo 13 anterior. Sin embargo, podemos mostrar otro ontraejemplo:
La su esin
1
fn (x) = x 2n1
2
2
es de Cau hy en C[1,1]
, pero no existe ninguna fun in f C[1,1]
que
satisfaga que lmn fn = f , omo el le tor podr mostrar on algn
inters en el problema.11
2
La no ompletez del espa io C[a,b]
tiene profundas impli a iones. Obviamente, podramos de ir que la razn de esto es que a este espa io
le faltan fun iones (de all el origen de los trminos  ompleto e in ompleto). De he ho, ha erlo ompleto llev al desarrollo de la primera
generaliza in que se ono i de la integral de Riemann: la integral de
Riemann-Stieljes (Riemann (1854a)) que, en lugar de integrar sobre el
segmento de re ta [a, b], ahora integra sobre una urva re iente ualquiera s(t) on t [a, b].12 N
11

Indi a in: omien e dibujando las fun iones

fn

para

n = 1, 2, 3, 4

y observe su

omportamiento.

12

Sin embargo, en esta le in no desarrollaremos esta idea. Al le tor interesado,

lo remitimos al lsi o Rudin, Walter (1976),

Prin iples of Mathemati al Analysis,

International Series in Pure and Applied Mathemati s.

Le in 4: Optimiza in dinmi a

459

Siguiendo on nuestra dis usin de espa ios mtri os ompletos, re ordemos ahora aquella ara tersti a de los nmeros utilizada en el ejemplo 14, que onsista en es oger nmeros dentro de intervalos errados
en ajados uya longitud iba ha indose ada vez ms pequea, y que
utilizamos all para mostrar que R es un espa io mtri o ompleto. En el
siguiente teorema se demostrar que esta ara tersti a, ade uadamente
generalizada, sirve bien para ara terizar a los espa ios mtri os ompletos.
Teorema 7.

(Cara teriza in de los espa ios ompletos)

Un espa io mtri o X es ompleto si, y slo si, toda su esin de bolas


erradas Brn (xn ) en X tales que rn 0, y que satisfagan
T Brn (xn ) $
Brn+1 (xn+1 ), tendr una interse in no-va a; es de ir,
n=1 Brn (xn )
tiene al menos un elemento.
Demostra in.

i) Supongamos que X es ompleto. Enton es la su esin {xn } de


entros de las bolas erradas es una su esin de Cau hy ya que
d(xn , xm ) < rn si m > n; y, por tanto, onvergente a un punto
L. Pero omo L es un punto lmite de ada una de las bolas erradas
T Brn (xn ), enton es L Brn (xn ) para todo n, y as, est en
n=1 Brn (xn ).

ii) Ahora supongamos que {xn } es una su esin de Cau hy arbitraria en X . Es ojamos, para k = 1, 2, ..., una su esin de naturales
{nk } on nk+1 > nk y unos trminos {xnk }, tales que si n > nk
enton es d(xn , xnk ) 21k . Sean rk = 21k y onstruyamos las bolas
erradas Brk (xnk ). Claramente, la bola de radio rk ontiene a la de
radio rk+1 , y, por hiptesis, la interse in de estas bolas erradas
ontiene al menos un elemento L, que es el lmite de la subsu esin
{xnk }. Pero omo d(xn , L) d(xn , xnk ) + d(xnk , L) enton es este
L es, tambin, el lmite de la su esin de Cau hy original.

El siguiente es uno de los teoremas ms tiles para espa ios mtri os


ompletos. En la prxima se in haremos un uso onveniente de l,
apli ndolo en el problema de garantizar la existen ia de solu iones a

460

Matemti as para e onomistas III: Optimiza in y dinmi a

e ua iones diferen iales ordinarias, y, posteriormente, en la existen ia de


solu iones a un tipo parti ular de problemas de ontrol ptimo.
Teorema 8. (Un teorema de punto jo (Bana h (1932)))

Sean (X, d) un espa io mtri o ompleto, T : X X una fun in, y


(0, 1), tal que para todo x, y X ,
d(T (x), T (y)) d(x, y)

(Contra in)

Enton es T tiene un ni o punto jo; es de ir, existe un ni o x X


tal que T (x ) = x .
Demostra in.

Sean x0 X ualquiera, y, para n N, xn = T n x0 . Si m < n enton es

d(xm , xn ) = d(T m x0 , T n x0 ) = d(T m x0 , T m T nm x0 )


m d(x0 , T nm x0 ) = m d(x0 , xnm )

m (d(x0 , x1 ) + d(x1 , x2 ) + ... + d(xnm1 , xnm ))


m d(x0 , x1 )(1 + + ... + nm1 )
m d(x0 , x1 )
<
1

As, {xn } es una su esin de Cau hy en X y, omo X es ompleto,


enton es existe x X tal que xn x . Ahora: debido al teorema 5, T
es ontinua y, por tanto, se tiene que

T (x ) = T ( lm xn ) = lm T (xn ) = xn+1 = x
n

y, as, x es un punto jo de X .


Ejemplo 18. (Series de poten ias y

C[a,b] )
En la le in 3 del volumen II (Cl ulo) habamos mostrado, mediante
el Teorema de Taylor, que las fun iones que tienen derivadas de todo
orden, pueden des ribirse mediante series de poten ias de la forma

n=0

an (x x0 )n

461

Le in 4: Optimiza in dinmi a

f (n) (x0 )
. Por ejemplo, all mostrbamos que ( on x0 = 0)
donde an =
n!
para todo x R se tiene que
sen x = x

x3 x5 x7
+

+ ...
3!
5!
7!

cos x = 1

x2 x4 x6
+

+ ...
2!
4!
6!

ex = 1 +

x
x2 x3
+
+
+ ...
1!
2!
3!

y para | x | 1, x 6= 1,

ln(1 + x) = x

x2 x3 x4
+

+ ...
2
3
4

y all la onvergen ia la interpretbamos en el sentido P


de onvergen ia
n
puntual, es de ir, para ada x jo, se tena que la serie
n=0 an x onverga. Lo que haremos en esta se in es mostrar que, de he ho, all
haba ms informa in impl ita que ahora vamos a develar.
En primer lugar, si hubiramos utilizado los resultados de la le in
4 del volumen II (Cl ulo) sobre series innitas habramos en ontrado que toda serie de poten ias tiene un radio de onvergen ia R, on
0 R , tal que para ada x on | x x0 |< R, la serie onverge
(absolutamente); y si | x x0 |> R la serie diverge; el aso de los puntos
extremos x = x0 R debe de idirse en ada aso parti ular. La forma de
hallar este R es simple: Re ordemos que, en esta ltima le in itada,
el riterio del o iente para series innitas
P armaba que si se daba que
lmn | an+1
|<
1
enton es
la
serie
n=1 an onverga. Apli ando esto
an
a una serie de poten ias, tendramos que

a

a

n+1 (x x0 )n+1
n+1 (x x0 )
lm
=
l
m


<1
n
n
an (x x0 )n
an




1
y, por lo tanto, la serie onverge si lmn an+1
an < |xx0 | . Luego el radio
de onvergen ia R estar denido por
a

1
n+1
= lm

R n an

462

Matemti as para e onomistas III: Optimiza in y dinmi a

si este lmite existe. 13 Por ejemplo, para las tres primeras series de arriba,
se tiene que R = , y en la ltima serie se tiene que R = 1, omo el
le tor puede omprobar f ilmente. Note que, en este ltimo aso, la serie
onverge si x = 1 pero no onverge si x = 1.
P
n
En segundo lugar, notabamos14 que
n=0 an x es una expresin de la
fun in lmite uando m de la su esin de fun iones
m
nX

n=0

an xn

= {a0 , a0 + a1 x, a0 + a1 x + a2 x2 , ...}

y ahora es f il probar que, de he ho, esta su esin onverge uniformemente a la fun in lmite en todo intervalo errado [, ] ontenido en
(R, R). En efe to: Notemos que | an xn | | an | n y, as

X

X
X
X

n
n
n
an x
an x
| an x |
| an | n

n=0

n=0

n=m+1

n=m+1

P
n
y notando
Pque la serie n n=0 | an | onverge, llegamos a que el
residuo n=m+1 | an | tiende a ero, y esto demuestra la onvergen ia
uniforme.
En ter er lugar, es f il probar que toda serie de poten ias es diferen iable
trmino a trmino en ualquier intervalo
abierto dentro del intervalo de
P
onvergen ia; es de ir, si f (x) = n=0 an xn enton es
f (x) =

nan xn1

n=1

De igual forma, en un intervalo errado [a, b] dentro del intervalo de


onvergen ia, la P
serie de poten ias es integrable trmino a trmino; es
n
de ir, si f (x) =
n=0 an x enton es

13
14

X
an n+1
f (x) =
x
n+1
n=0

lm sup en lugar de lm.


x0 = 0 pues esto simpli a

En aso ontrario, utilizaremos


En adelante asumiremos que

nuestra dis usin, y no

limita la generalidad de los argumentos. Si el le tor lo preere, puede ambiar

x x0

y obtendr el resultado deseado.

por

463

Le in 4: Optimiza in dinmi a

Note, por ejemplo, que si se deriva, trmino a trmino, la serie de poten ias para ex dada arriba, obtendremos, nuevamente, la fun in ex ; y
si derivamos, trmino a trmino, la serie de poten ias para sen x obtendremos la serie de poten ias para cos x; de la misma forma, si derivamos,
trmino a trmino la serie de poten ias para cos x, obtendremos la serie
de poten ias para sen x. Tambin podemos notar que, de las igualdades

1
= 1 x + x2 x3 + ... donde |x| < 1
1+x
1
= 1 x2 + x4 x6 + ... para todo |x| < 1
1 + x2
podemos integrar onvenientemente, trmino a trmino, para obtener las
expresiones en series de poten ias
ln(1 + x) = x

x2 x3 x4
+

+ ...
2
3
4

para 1 < x 1

x3 x5 x7
para |x| 1
+

+ ...
3
5
7
Note que, apli ando lo que ya sabamos de series innitas (ver volumen II
(Cl ulo)), en estas dos ltimas series de poten ias hemos aumentado el
dominio de apli a in on respe to a las dos series de arriba que fueron
integradas. En la primera se tiene que tambin onverge para x = 1
y diverge para x = 1. En la segunda, onverge tanto para x = 1
omo para x = 1. Este problema del omportamiento de una serie de
poten ias en los extremos del intervalo de onvergen ia, debe tratarse, en
general, aso por aso, aunque hay algunos riterios que pueden ayudar
o asionalmente. 15
arctan(x) = x

Espa ios mtri os ompa tos

En Rn , sabemos (ver volumen II: Cl ulo) que un sub onjunto ompa to


es uno que es errado y a otado. Sin embargo, si quisiramos ara terizar, en general, sub onjuntos ompa tos Y de los espa ios mtri os X ,
15

Si el le tor est interesado en adelantar ms sobre estos riterios y, en gene-

ral, sobre las series de poten ias, le re omendamos el texto Spivak, Mi hael (1978),

Cl ulus,

(Vol. II), Editorial Revert: Bar elona.

464

Matemti as para e onomistas III: Optimiza in y dinmi a

lo primero que quizs deberamos mirar es si es posible generalizar el


teorema de Wierstrass a espa ios mtri os que arma que toda fun in
f : Y R que sea ontinua, debe al anzar un mximo y un mnimo,si
Y es ompa to. Sin embargo, en espa ios mtri os, en general, no es
su iente on garantizar que Y sea errado y a otado para tener este resultado, omo veremos en un ejemplo ms adelante. An as, re ordemos
que en el volumen II (Cl ulo) mostrbamos que, en Rn , un sub onjunto
era ompa to si, y slo si, de todo re ubrimiento de ste mediante innitos onjuntos abiertos, podamos tomar un re ubrimiento que onstara
de slo unos uantos de estos onjuntos abiertos. Esta es, pre isamente,
la deni in que trans ribiremos desde Rn para denir espa ios mtri os
ompa tos, y que, a su vez, nos ayudar a generalizar el Teorema de
Weierstrass en espa ios mtri os abstra tos.
Deni in 12. (Re ubrimiento y onjunto ompa to)

i) Un re ubrimiento (abierto) de un sub onjunto Y de un espa io


mtri o XS, es una familia {G } de onjuntos abiertos de X tales
que Y G (Ver gura 10).
X

Figura 10: Re ubrimiento de

ii) Diremos que Y X , on X un espa io mtri o y Y 6= , es ompa to, si y slo si, ualquier re ubrimientoS abierto de Y ontiene
un re ubrimiento nito ; es de ir, si Y G para una familia
arbitraria {G } de onjuntos abiertos de X , enton es
existe una
S
subfamilia nita G1 , G2 , ..., Gn tal que Y ni=1 Gi .

Le in 4: Optimiza in dinmi a

465

(Conjunto totalmente a otado)


Sea (X, d) un espa io mtri o y Y X . Diremos que Y es totalmente
a otado si dado > 0 existe un onjunto nito R X tal que para todo
y Y , existe un r R on d(y, r) < .
Deni in 13.

Es de ir, un onjunto Y es totalmente a otado si puede ser ubierto mediante un onjunto nito de bolas abiertas.
Y utilizando las no iones de ompletez y a ota in total arribamos a una
ara teriza in de los espa ios mtri os ompa tos:
Teorema 9.

Un espa io mtri o es ompa to si, y slo si, es ompleto y totalmente


a otado.
Demostra in.

Esta demostra in es dif il y requiere de re ursos y argumentos ms


all de la mirada de esta se in introdu toria a los espa ios mtri os. El
le tor interesado podra onsultar el texto lsi o Kolmogorov, A.N. y
S.V. Fomin (1970), Introdu tory Real Analysis, Dover Publi ations.
Utilizando el anterior teorema es inmediato demostrar que todo espa io
mtri o ompa to es errado y a otado. Pero, omo veremos adelante, la
arma in re pro a no es ierta, en general. De he ho, sta es una de las
ara tersti as esen iales que distinguen a los espa ios eu lidianos Rn .
Con entrndonos ahora en nuestro espa io mtri o preferido C[a,b] , nos
interesamos por ara terizar sus onjuntos ompa tos. Por el teorema 9,
ya sabemos que una de las propiedades que deben tener estos onjuntos es
su ompletez; pero y mo podemos ara terizar en este espa io el he ho
de que un onjunto sea totalmente a otado? La respuesta la tenemos en
las dos siguientes deni iones:
(Familia de fun iones uniformemente a otadas)
Una familia X de fun iones f : [a, b] R es uniformemente a otada si
existe un K > 0 tal que |f (x)| K para todo x [a, b] y f X.
Deni in 14.

Ejemplo 19.

En C[a,b] , la bola unitaria de entro en 0 es una familia uniformemente


a otada por K = 1.

466

Matemti as para e onomistas III: Optimiza in y dinmi a

(Familia equi ontinua de fun iones)


Una familia X de fun iones f : [a, b] R es equi ontinua si dado > 0
existe > 0 tal que si |x y| < enton es |f (x) f (y)| < para todo
x, y [a, b] y f X.
Deni in 15.

Ejemplo 20. (Una familia no equi ontinua de fun iones)

En C[0,1] , la familia B de todas las fun iones ontinuas en [0, 1] on


m
axx[0,1] | f (x) | 1, satisfa e la ondi in de a ota in uniforme, pero
no de equi ontinuidad, y esto ltimo se puede ver tomando la su esin
{fn } denida por fn (x) = xn . Sea 0 < < 12 , y es ojamos > 0 tal que
si |1 y| < enton es |1 y n | < para todo y [a, b] y n N. Pero
omo
1 y n = (1 y)(1 + y + ... + y n1 )
enton es, tomando y = 1 on < , obtendremos que

|1 y n | = (1 + (1 ) + ... + (1 )n1 )
2
(n 1)n
2
1
1
>
= +
2 2n

1
y n su ientemente grande. N
n
Finalmente, llegamos al teorema lsi o que ara teriza a los onjuntos
ompa tos en el espa io mtri o C[a,b] :
para =

Corolario 3.

(Teorema de Arzel)

Un sub onjunto X del espa io mtri o C[a,b] es ompa to si, y slo si,
es ompleto y todas las fun iones de X son uniformemente a otadas y
equi ontinuas.
Demostra in.

Esta demostra in se puede onsultar en el texto lsi o arriba itado:


Kolmogorov, A.N. y S.V. Fomin (1970), Introdu tory Real Analysis, Dover Publi ations.
Ejemplo 21. (Bolas erradas que no son ompa tas)

En C[0,1] la bola errada de entro en f 0 y radio 1 no es un onjunto ompa to. En efe to, la familia de todas las fun iones ontinuas en

Le in 4: Optimiza in dinmi a

467

[0, 1] on m
axx[0,1] | f (x) | 1, satisfa e la ondi in de ompletez, de
a ota in uniforme, pero no de equi ontinuidad (ver ejemplo 20). N
El omportamiento de los espa ios mtri os ompa tos transformados
por fun iones ontinuas de valor real es una trans rip in del resultado
similar que se tiene para onjuntos ompa tos en R2 (Ver volumen II
(Cl ulo)):
Lema 1.

La imagen de un espa io mtri o ompa to por una fun in ontinua, es


un espa io mtri o ompa to.
Demostra in.

Sea C un sub onjunto ompa to de un espa io mtri o X y f : X Y


una fun in ontinua, donde Y es otro espa io mtri o. Si tomamos un
re ubrimiento abierto {Ai } de f (C) enton es la familia {f 1 (Ai )} es un
re ubrimiento abierto de C . Como C es ompa to, enton es podemos
tomar, de la familia {f 1 (Ai )}, un re ubrimiento nito del mismo C .
Pero, en tal aso, esta familia nos dar origen a un re ubrimiento nito
del onjunto f (C) tomado de la familia {Ai }.
Y on este lema, es inmediato demostrar uno de los teoremas ms importantes para espa ios mtri os ompa tos:

(Teorema generalizado de Weierstrass)


Sea X un espa io mtri o ompa to y f : X R una fun in ontinua.
Enton es f () al anza un mximo y un mnimo en X .
Teorema 10.

Demostra in.

Puesto que, segn el lema 1 anterior, el onjunto f (X) es ompa to en


R, enton es es errado y a otado, y, por lo tanto, tiene un valor mximo
y uno mnimo.
El siguiente ejemplo refuerza la idea de que uando de espa ios mtri os
abstra tos se trata, la intui in nos puede fallar, pues, de he ho, nos
muestra de una forma distinta a la del ejemplo 21, que, en C[0,1] , la bola
errada de entro en f 0 y radio 1, no es un onjunto ompa to:

468

Matemti as para e onomistas III: Optimiza in y dinmi a

Ejemplo 22. (Fun in ontinua en un errado y a otado que no


tiene imagen ompa ta)

Para omplementar el ejemplo 21, sea B C[0,1] la bola unitaria errada


de entro en 0, y F : B C[0,1] la fun in denida, para x [0, 1], por
Z x
F(f )(x) =
f (t)dt
0

Si onsideramos el ejemplo lsi o de la su esin de fun iones {fn } en


C[1,1] denida para n N, por:

si 1 x 0
0
fn (x) = nx si 0 < x n1

1 si n1 < x 1

enton es k fn k= 1 para todo n, y, adems,

si 1 x 0
0
1
2
F(fn )(x) = 2 nx
si 0 < x n1

1
x 2n
si n1 < x 1
que onverge a la fun in

(
0 si 1 x 0
F (x) =
x si 0 < x 1
que tiene derivada dis ontinua y, por tanto, por el teorema fundamental
del Cl ulo (ver volumen II: Cl ulo), no puede ser imagen de ninguna
fun in ontinua en C[1,1] .

Ejer i ios 1
1. Dibuje las bolas erradas de radio 1 y entro (0, 0), para el espa io
R2 on las dos distintas mtri as sealadas en el ejemplo 1 b).
[Indi a in: En la primera distan ia podra tener que dibujar en el
plano R2 , el onjunto de todos los pares (x, y) que satisfa en que
m
ax{| x |, | y |} = 1; y en la segunda distan ia podra tener que
dibujar el onjunto de todos los pares (x, y) tales que | x | + | y |=
1. Con esto, hallar las bolas erradas es inmediato.

469

Le in 4: Optimiza in dinmi a

2. Por qu no fue es ogida

d(f, g) = mn |f (x) g(x)|


x[a,b]

omo distan ia en C[a,b] ?


3. i) Pruebe que un sub onjunto Y de un espa io mtri o X es errado
si, y slo si, Y = Y . [Re uerde que Y es la lausura de Y , o,
equivalentemente, el onjunto de todos los puntos lmites de Y .
ii) Pruebe que Y = Y .
iii) Ser ierto que A B = A B ? Y qu a er a de A B =
A B ? Y qu pasar on (A)c = Ac ? [Re uerde que Ac es el
omplemento de A.
4. De ida sobre la onvergen ia puntual, uniforme, y media, de la
su esin de fun iones en C[0,1]

fn (x) =

xn
n!

donde, re ordemos, n! = 1 2 ... n.


5. (Criterio de Weierstrass (1841) para onvergen ia uniforme) Pruebe que si una su esin de fun iones {fn } en C[a,b] satisfa e la ondi in
k fn k an
P
para alguna su esin de nmeros positivos {an } tal que
n=1 an
onverge, enton es la su esin {fn } onverge uniformemente.
6. Este ejer i io muestra que el he ho de que la fun in lmite en
forma puntual sea ontinua no garantiza que la onvergen ia sea
uniforme: Pruebe que la su esin de fun iones fn (x) = n2 xenx en
C[0,1] onverge puntualmente a la fun in f (x) = 0, pero que la
onvergen ia no es uniforme. Dibuje una gr a.
7. (Teorema de Dini (1878)) Complementando lo sealado en el ejer i io anterior, el teorema de Dini arma que si una su esin montona re iente de fun iones, {fn }, en C[a,b] onverge puntualmente
a una fun in ontinua f , enton es la onvergen ia es uniforme.
Ilustre este teorema on un ejemplo.

470

Matemti as para e onomistas III: Optimiza in y dinmi a

8. En la le in 3 del volumen II (Cl ulo) men ionamos que existen


fun iones ontinuas en todas partes pero diferen iables en ninguna.
Una fun in lsi a que nos ofre e este omportamiento es el lmite
de la su esin de fun iones

fn (x) =

n
X

m=1

1
{{10m x}}
10m

donde

{{10m x}} = la distan ia de 10m x a su entero ms prximo


Dibuje f1 (x), f2 (x) y f3 (x). Adems, notando que

1
1
{{10m x}} m
10m
10
pruebe, utilizando el riterio de Weierstrass, que, efe tivamente,
esta su esin onverge uniformemente a la fun in ontinua

m=1

1
{{10m x}}
10m

Cree usted que podra dibujar esta fun in lmite?

16

9. Muestre que Rn es un espa io mtri o ompleto on la tres distan ias sealadas en esta se in. Sin embargo, muestre que R on la
distan ia dada por

d(x, y) = | arctan(x) arctan(y)|


no

es un espa io mtri o ompleto.

10. Muestre que el espa io mtri o de matri es uadradas Mnn es un


espa io mtri o ompleto. [Indi a in: Note que toda matriz n n
2
se puede ver omo un elemento de Rn .
16

La demostra in de la diferen iabilidad de esta fun in lmite no la haremos aqu.

El le tor interesado puede onsultar, nuevamente, Spivak, Mi hael (1978),


Vol. II, Editorial Revert: Bar elona.

Cal ulus,

471

Le in 4: Optimiza in dinmi a

11. Pruebe que la su esin


1

fn (x) = x 2n1
2
2
es de Cau hy en C[1,1]
, pero no existe ninguna fun in f C[1,1]
que satisfaga que lmn fn = f .

12. Utilizando las expresiones en series de poten ias para sen x, cos x,
y ex , en uentre las orrespondientes expresiones para:
2

i) xex ;

ii)

ex
;
2

iii) x sen x;

iv) cos(2x)

1 + cos(2x)
);
vi) sen2 x (= (1 cos2 x))
2
Seale sus orrespondientes radios de onvergen ia.
v) cos2 x (=

13. Pruebe que todo sub onjunto errado de un espa io mtri o ompa to, es ompa to. [Indi a in: Primero muestre que el sub onjunto tambin es ompleto, y despus utili e el teorema 9.
14. Sea X un espa io mtri o ompa to. Pruebe que el onjunto C(X)
de todas las fun iones f : X R on la mtri a dada por

d(f, g) = m
ax |f (x) g(x)|
xX

es un espa io mtri o ompleto.

2. Espa ios de Bana h: lgebra en los espa ios


mtri os
Como habamos armado antes, el anlisis fun ional fue, en parte, el
produ to de algunas investiga iones surgidas de las ne esidades de la
me ni a unti a en Fsi a. Y una de las estru turas ms estudiadas por
el anlisis fun ional es la de espa io de Bana h que onsiste en un espa io
ve torial on una norma y que es ompleto omo espa io mtri o. Esta
estru tura fue introdu ida axiomti amente por el matemti o pola o
Stefan Bana h en su tesis do toral de 1920.
Para omenzar, re ordemos el on epto de espa io ve torial desarrollado
en la le in 5 (Bases y dimensin) del volumen I (lgebra lineal).

472

Matemti as para e onomistas III: Optimiza in y dinmi a

(Espa io ve torial)
Un onjunto no va o V on dos opera iones (suma y multipli a in por
es alar) que satisfagan:
Deni in 16.

i) Adi in : a ada par x, y V se le asigna un ni o x + y V ,


llamado suma de x y y .
ii) Multipli a in por es alar : a ada x V y a ada es alar nmero
real k R se le asigna un ni o kx V .
se llamar un espa io ve torial (y a sus elementos, ve tores ) si las siguientes arma iones se umplen para todo x, y, z V :
i) x + y = y + x (Ley onmutativa).
ii) (x + y) + z = x + (y + z) (Ley aso iativa).
iii) Existe un ve tor 0 V , llamado ve tor ero tal que x+ 0 = 0+ x =
x para todo x V .
iv) Para ada x V existe un ve tor x V , llamado inverso aditivo
de x, tal que x + (x) = (x) + x = 0.
v) l(kx) = (lk)x para todo par de es alares k, l R.
vi) k(x + y) = kx + ky para todo es alar k R (ley distributiva).
vii) (k + l)x = kx + lx para todo par de es alares k, l R.
viii) 1x = x.
Ejemplo 23.

Los espa ios mtri os que hemos venido estudiando aqu, son tambin
espa ios ve toriales; es de ir, adems de estru tura topolgi a, tienen
estru tura algebrai a, y esto los ha e ms ri os matemti amente: 17
(a) Rn on el produ to y suma estndar.
17

Note que, hasta ierto punto, esta ha sido la idea que hemos desarrollado en este

texto: Primero, en el volumen I (lgebra lineal) estudiamos la estru tura algebrai a


n
(de espa io ve torial) de R ; y despus, en el volumen II (Cl ulo), estudiamos su
estru tura topolgi a y diferen ial.

Le in 4: Optimiza in dinmi a

473

(b) El onjunto C[a,b] de todas las fun iones reales ontinuas denidas
sobre un intervalo errado [a, b], on la suma y el produ to por es alar
de fun iones.
P
2
( ) El onjunto 2 = {(x1 , . . . , xn , . . .) /
i=1 (xi ) < } es un espa io ve torial on las ono idas suma y multipli a in por es alar de
su esiones .
2
(d) El onjunto C[a,b]
de todas las fun iones reales ontinuas denidas
sobre un intervalo errado [a, b], on la suma y el produ to por es alar
de fun iones.

(e) El espa io Mnn de todas las matri es uadradas de tamao n, on


la suma y el produ to de matri es estndar.
Deni in 17. (Espa io ve torial normado)

Diremos que un espa io ve torial V es un espa io ve torial normado si


existe una fun in norma || || : V R que satisfa e:
i) ||x|| 0 para todo x V ; ||x|| = 0 si, y slo si, x = 0.
ii) ||kx|| = |k| ||x|| para todo x V , k R.
iii) ||x + y|| ||x|| + ||y|| para todo x, y V (desigualdad triangular).
Es laro que todo espa io normado es un espa io mtri o donde la distan ia entre dos ve tores x, y se dene as:

d(x, y) = ||x y||.


Y re ordando que un espa io mtri o ompleto es aquel en el que toda
su esin de Cau hy es onvergente, trasladamos este on epto al espa io
ve torial normado, y arribamos a la no in de espa io de Bana h.
Deni in 18. (Espa io de Bana h)

Un espa io de Bana h es un espa io ve torial normado ompleto.


Ejemplo 24. (Uno de ellos, no es omo los otros)

Resulta que los in o espa ios mtri os que venimos estudiando, tambin
son espa ios normados. Sin embargo, slo hay uno que no es espa io de
2 . Veamos:
Bana h: el espa io mtri o C[a,b]

474

Matemti as para e onomistas III: Optimiza in y dinmi a

(a) Rn on la norma ve torial || || estndar es un espa io ve torial


normado, y adems, es ompleto.
(b) El onjunto C[a,b] de todas las fun iones ontinuas denidas sobre un
intervalo errado [a, b], on la norma, para f C[a,b] , denida as:

||f || = m
ax | f (x) |
x[a,b]

es un espa io ve torial normado ompleto: es de Bana h.

P
2
( ) Tambin el onjunto de su esiones 2 = {(x1 , . . . , xn , . . .) |
i=1 (xi ) <
} es un espa io ve torial normado ompleto on su norma denida
por
v
u
uX
||(x1 , . . . , xn , . . .)|| = t (xi )2
i=1

Por tanto, es un espa io de Bana h.

(d) El espa io Mnn de todas las matri es uadradas de tamao n es un


espa io de Bana h on la norma denida por
s X
kAk =
(aij )2
1i,jn

para A = [aij ]nn .


2
(e) El espa io C[a,b]
de todas las fun iones ontinuas f : [a, b] R que
Rb
satisfa en la ondi in de que a (f (x))2 dx < y donde la norma
est denida por
Z b
 12
kf k =
(f (x))2 dx
a

tambin es un espa io normado. Pero no es ompleto pues all algunas


su esiones de Cau hy pueden no ser onvergentes (ver ejemplo 13).
N

El siguiente es un teorema importante en la teora de los espa ios de Bana h prin ipalmente por dos razones. La primera, es que muestra mo

Le in 4: Optimiza in dinmi a

475

nuestra intui in desarrollada en Rn podra llevarnos a equvo os uando de espa ios mtri os abstra tos se trata: este teorema arma que,
esen ialmente, el ni o espa io mtri o que tiene a la bola unitaria de
entro 0 omo onjunto ompa to es, pre isamente, Rn . Y la segunda,
es que nos ensea mo ombinar las estru turas topolgi a y algebrai a de un espa io de Bana h, para desarrollar argumentos de profundas
impli a iones.

(Teorema de Riesz (1965))


En un espa io de Bana h, la bola errada de entro en 0 y radio 1 es
ompa ta si, y slo si, la dimensin del espa io es nita.
Teorema 11.

Demostra in.

Para simpli ar nota in, sea B la bola errada on entro en 0 y radio


1 del espa io de Bana h X .
i) Si B es ompa ta enton es podemos en ontrar un nmero nito de
puntos x1 , x2 , ..., xn en X tales que B es ubierta por las bolas abiertas de entro en xi y radio 1/2. Si mostramos que el espa io generado
E = hx1 , x2 , ..., xn i oin ide on X enton es habremos probado que X
es nito-dimensional. Ahora: es laro que E es nito-dimensional y, por
tanto, es errado en X (por qu?). Supongamos, por el ontrario, que
existe un x X E , y denamos d(x, E) = nf yE k x y k. Construyendo una bola errada alrededor de x que interse ta a E , tendremos
que esta interse in es un onjunto ompa to (por qu?) y, por el teorema de Weierstrass generalizado (teorema 10) , existe un z E tal que
d(x, E) = nf k x z k on z 6= x ya que E es errado en X . Por lo
tanto, existe un xi tal que
x z
1


xi <

kxz k
2
y, as,

kxz k
2
Pero omo z+ k x z k xi E y, por deni in de z , d(x, E) =k x z k,
enton es el lado izquierdo es mayor o igual que k x z k, y esto es una
ontradi in que prueba el resultado.
ii) En Rn la bola errada de entro en 0 y radio 1 es, obviamente, ompa ta. Y todos los espa ios nito-dimensionales son isomorfos ( omo espa ios
ve toriales) a algn Rn (Ver volumen I: lgebra lineal).
k x z k x z k xi k<

476

Matemti as para e onomistas III: Optimiza in y dinmi a

Mnn )
Para observar que la ombina in de lgebra y topologa en los espa ios
de Bana h puede llevarnos a resultados interesantes y tiles, onsideremos el espa io de Bana h Mnn de todas las matri es uadradas de
tamao n on la norma denida por
s X
kAk =
(aij )2
Ejemplo 25. (Series de matri es y

1i,jn

donde A = [aij ]nn . Una pregunta legtima es si puede tener sentido


extender el resultado en series de poten ias

1
= 1 + x + x2 + x3 + ...
1x

a una expresin matri ial omo

(I A)1 = I + A + A2 + A3 + ...
donde A es una matriz en Mnn , I es la matriz identidad n n, y
(I A)1 es la inversa de la matriz (I A). Y la respuesta armativa se
argumenta de la siguiente forma: Supongamos que kAk < 1; enton es la
serie
I + A + A2 + A3 + ...
onverge en Mnn pues la su esin de matri es {I, I +A, I +A+A2 , ...}
onverge en la norma de arriba ya que es de Cau hy (re ordemos que
Mnn es un espa io de Bana h). En efe to, si m > n enton es

k (I + A + A2 + ... + Am ) (I + A + A2 + ... + An ) k
=

k An+1 + An+2 + ... + Am k

k An+1 k + k An+2 k +...+ k Am k


k A kn+1 + k A kn+2 +...+ k A km
y esta ltima su esin tiende a ero uando m, n
existe una matriz en Mnn que se puede es ribir omo

18

. Por lo tanto,

I + A + A2 + A3 + ...
18

En el ltimo paso hemos utilizado el he ho de que

el le tor probar esto?

k AB kk A k k B k.

Podra

Le in 4: Optimiza in dinmi a

477

Pero de la igualdad

(I A)(I + A + A2 + A3 + ... + An ) = I An+1


y notando que lmn An+1 = 0 se re ono e que, efe tivamente, si
kAk < 1,
(I A)1 = I + A + A2 + A3 + ...

Debe observarse que, en este ejemplo, utilizamos una informa in algebrai a adi ional del espa io de matri es Mnn que no est omprehendida por la deni in misma de espa io de Bana h: que los objetos de
este espa io, adems de poderse sumar y multipli ar por es alar omo
orresponde a un espa io ve torial, tambin pueden multipli arse entre
s. Esta propiedad algebrai a adi ional es la que permite llegar a un resultado tan importante (y til) omo este. A este tipo de estru turas se
les ono e omo lgebras de Bana h, y Mnn es el aso ms tpi o de
esta lase de estru tura algebrai a-topolgi a.

Ejer i ios 2
1. Ser ierto que el onjunto de todas las series de Taylor on el intervalo de onvergen ia omn [R, R] donde R < a < b < R, es un
subespa io de Bana h de C[a,b] ?
*2. Ser ierto que todos los espa ios de Bana h innito-dimensionales
son isomorfos a C[a,b] ?

3. Espa ios de Hilbert: lgebra y geometra en


los espa ios mtri os
Ya se haba indi ado que las ne esidades de la me ni a unti a haban
ondu ido a la rea in de los espa ios de Hilbert y tambin a los ms
generales espa ios de Bana h. Los espa ios de Hilbert fueron introdu idos
axiomti amente por John von Neumann en 1928, aunque de ellos se
tenan ejemplos on retos desde mu ho antes. Una de las ventajas que
tienen los espa ios de Hilbert sobre los espa ios de Bana h, desde el
punto de vista analti o, es que, adems de las estru turas algebrai a
y topolgi a de estos ltimos, se le agrega una estru tura geomtri a

478

Matemti as para e onomistas III: Optimiza in y dinmi a

espe  a a travs del on epto lave para desarrollarla: el de  ngulo 


y, de all, el de ortogonalidad.
Deni in 19. (Produ to es alar)

Un produ to es alar (o interno) sobre un espa io ve torial V , es una


fun in real h, i denida sobre V V , que satisfa e las siguientes propiedades:
i) hx, xi 0 para todo x V y hx, xi = 0 si, y slo si, x = 0.
ii) hx, yi = hy, xi para todo x, y V .
iii) hkx, yi = khx, yi para todo k R, x, y V .
iv) hx, y + zi = hx, yi + hx, zi para todo x, y, z V .
Observe que en un espa io ve torial dotado de produ to es alar se tiene
que para todo x, y V ,
p
p
|hx, yi| hx, xi hy, yi,
pues para todo k R, por la ondi in i) arriba, se tiene que

hkx + y, kx + yi = k2 hx, xi + 2khx, yi + hy, yi 0;


y, por lo tanto, el dis riminante de esta fun in uadrti a en k debe ser
positivo; es de ir, hx, yi2 hx, xihy, yi 0, que es equivalente a
p
p
|hx, yi| hx, xi hy, yi
Por lo tanto, todo espa io ve torial V dotado de un produ to interno,es
un espa io normado donde, para todo x V , la norma se dene por
p
||x|| = hx, xi
Deni in 20. (Espa io de Hilbert (von Neumann (1929)))

Un espa io de Hilbert es un espa io de Bana h en el que la norma proviene


de un produ to es alar.
Ejemplo 26. (Dos de ellos no son omo los otros)

(a) Rn on el produ to interno estndar es el ms elemental espa io de


Hilbert.

479

Le in 4: Optimiza in dinmi a

(b) 2 on el produ to interno denido por

X
h{xi }, {yi }i =
(xi yi )2
i=1

2
para las su esiones (xi )
i=1 , (yi )i=1 , es un espa io de Hilbert.

( ) C[a,b] aunque es un espa io de Bana h, no es un espa io de Hilbert


porque, omo veremos enseguida, su norma no pro ede de un produ to es alar.
(d) El espa io Mnn de todas las matri es uadradas de tamao n es un
espa io de Hilbert on el produ to interno denido por

hA, Bi =

mn
X

aij bij

i=1

para las matri es para A = [aij ]nn y B = [bij ]nn .

Rb
2
aunque s tiene un produ to interno a [f (x)g(x)]2 dx que da
(e) C[a,b]
origen a su norma, no es un espa io de Hilbert porque no es ompleto.
N
As omo, salvo isomorsmos, slo existe un espa io ve torial nitodimensional (Rn ), tambin es ierto que slo existe, salvo isomorsmos,
un espa io de Hilbert innito-dimensional : 2 . Aqu, la no in de isomorsmo tiene dos partes: una, omo espa ios ve toriales; y otra, que se
preserva el produ to interno. Es de ir, dado ualquier espa io de Hilbert
innito-dimensional H , existe una fun in biye tiva

T : H 2
tal que:
i) T es una transforma in lineal; y
ii) hT (x), T (y)i = hx, yi para todo x, y H .
19

it.).

19

Una prueba de esto la en ontramos, nuevamente, en Kolmogorov y Fomin (op.

480

Matemti as para e onomistas III: Optimiza in y dinmi a

C[a,b] no es un espa io de Hilbert?)


Se puede mostrar f ilmente (ver ejer i io 1 de Ejer i ios 3) que un espa io de Bana h H es un espa io de Hilbert si, y slo si, se umple la
ley del paralelogramo:
Ejemplo 27. (Por qu

||x + y||2 + ||x y||2 = 2(||x||2 + ||y||2 )

para todo x, y H ; y que, en tal aso, el produ to interno ser denido


por
1
hx, yi = (||x + y||2 ||x y||2 )
4
Aprove hamos este resultado para demostrar que el onjunto C[a,b] , aunque es un espa io de Bana h, no es espa io de Hilbert y que, as, su
norma no proviene de ningn produ to interno. En efe to, tomemos, para simpli ar, C[0,/2] , f (x) = cos x, y g(x) = sen x. Enton es se tendr

que k f k=k g k= 1, k f + g k= 2, k f g k= 1, y, por tanto,

||f + g||2 + ||f g||2 6= 2(||f ||2 + ||g||2 )

Quizs una on lusin ade uada aqu es que, aunque los espa ios C[a,b]
2
y C[a,b]
son espa ios on lgebra y topologa su ientes para ser muy
importantes por s mismos, desafortunadamente estas topologas no son
su ientemente espe  as omo para que se pueda onstruir una geometra sobre ellos que d origen a esa topologa. Quizs el le tor pensar
que esto los ha e espa ios menos fuertes, pero en el siguiente ejemplo
veremos mo uno de ellos podr absorber parte de la geometra del
ni o espa io de Hilbert 2 .
Ejemplo 28.

(Y...para qu los espa ios de Hilbert?)

Aunque no es ne esario para lo que haremos en adelante, intentaremos


justi ar, aunque sea slo on un ejemplo, por qu el estudio de los
espa ios de Hilbert tiene inters en s mismo. Centrmonos en el espa io
2
de
de Hilbert 2 de su esiones innitas, y en el espa io de Bana h C[a,b]
fun iones ontinuas en [a, b] on la onvergen ia media. Enton es:
1. 2 tiene un onjunto muy espe ial de puntos: e1 = (1, 0, 0, ..., 0, ...);
e2 = (0, 1, 0, 0, ..., 0, ...);...; en = (0, 0, ..., 0, 1, 0, 0, ...);... , pues este
onjunto es una base innita de 2 : Note que k en k= 1, ei ej = 0
si i 6= j , y si p 2 , enton es siempre es posible es ribirlo de la
P
forma p =
i=1 cn en donde cn = hp, en i.

Le in 4: Optimiza in dinmi a

481

2 . En 1822, el matemti o
2. Ahora on entrmonos en el espa io C[a,b]
fran s Joseph Fourier [1768-1830 estudiaba problemas del movimiento de ondas y del ujo de alor en una super ie. En Thorie
Analytique de la Chaleur publi ada aquel ao, aseguraba que el
sistema
1 cos(nx) sen(nx)
,
,
, ...,

para n = 1, 2, 3, ..., era ortonormal. Ms espe  amente, utili2


zando el produ to interno del espa io mtri o C[,]
, se tiene que
si m 6= n enton es, omo el le tor puede omprobar,
Z
sen(nx) sen(mx)

dx = 0

cos(nx) cos(mx)

dx = 0

y, tambin, para todo m, n,


Z
sen(nx) cos(mx)

dx = 0

Adems,

Z
Z

1 cos(mx)

dx = 0

2
1 sen(mx)

dx = 0

sen(nx) sen(nx)

dx = 1

cos(nx) cos(mx)

dx = 1

Z
1
1
dx = 1
2 2

y luego mostraba (es rito en lenguaje moderno) que toda fun in


ontinua en [, ], tiene una representa in en serie de Fourier ;

482

Matemti as para e onomistas III: Optimiza in y dinmi a

es de ir, podemos representar a f (x) mediante una serie de senos


y osenos de tal forma que

X
1
f (x) = a0 +
(an cos nx + bn sen nx)
2
n=1

donde los oe ientes estn dados por


Z
1
an =
f (x) cos nxdx

Z
1
f (x) sen nxdx
bn =

y la onvergen ia de la serie a f (x) es en media, es de ir, en el


2
. Pero, ms an, Fourier mostr que ambas
espa io mtri o C[,]
P
P
su esiones, {an } y {bn }, satisfa en que (an )2 y (bn )2 onvergen
y, as, estn en el espa io mtri o 2 . Por lo tanto, podramos de ir,
2
abusando un tanto de la nota in, que C[,]
2 .
Ejemplo 29.

(Polinomios ortogonales

20

2
Otro ejemplo de fun iones ortogonales en el espa io C[1,1]
son los polinomios de Legendre denidos por

Pn =

1
d
( )(n) (x2 1)2
2n n! dx

Aqu, P0 = 1, P1 = x, P2 =
omprobar.

3 2
2x

1
2

omo el le tor f ilmente puede

Ejer i ios 3
1. Muestre que un espa io de Bana h H es un espa io de Hilbert si,
y slo si, se umple la ley del paralelogramo

||x + y||2 + ||x y||2 = 2(||x||2 + ||y||2 )


para todo x, y H ; y que, en tal aso, el produ to interno estar
denido por
1
hx, yi = (||x + y||2 ||x y||2 )
4
20

Esta fue la prin ipal rea de investiga in del extraordinario matemti o olom-

biano Jairo Charris a quien est dedi ado este libro.

483

Le in 4: Optimiza in dinmi a

2. A toda transforma in lineal y ontinua T : 2 2 se le llama un


operador 21 . Considere el operador biye tivo T : 2 2 denido
por
x2
xn1
T (x1 , x2 , ..., xn , ...) = (0, x1 , , ...,
, ...)
2
n1
y pruebe que T (x) = x si, y slo si, x = 0. Este resultado diere notablemente de lo que tenamos en el lgebra lineal ordinaria
donde todas las transforma iones lineales biye tivas T : Rn Rn ,
tienen al menos un ve tor propio distinto de ero.

4. Apli a iones a la teora de e ua iones diferen iales


Por todo lo dis utido en la se in anterior, no es sorprendente que algunas de las apli a iones del anlisis fun ional se en uentren, pre isamente,
en la teora de las e ua iones diferen iales ordinarias y de los sistemas
dinmi os (ver le in 3). En lo que sigue, presentamos tres de los ms
importantes resultados en estas reas, fundamentalmente en problemas
de existen ia de solu iones.
Teorema 12. (Teorema de Peano (1886))

Sea f (x, t) una fun in ontinua denida sobre un sub onjunto abierto
no-va o A del plano R2 . Enton es la e ua in diferen ial
dx
= f (x, t),
dt

(x0 , t0 ) A

tiene al menos una solu in lo al x(t) on x(t0 ) = x0 en A.


Demostra in.

Es una intrin ada apli a in del Teorema de Arzel (ver, por ejemplo,
Kolmogorov, A.N. y S.V. Fomin (1970), Introdu tory Real Analysis, Dover Publi ations).
21

De he ho, un

operador

es una transforma in lineal ontinua

T :HH

on

un espa io de Hilbert, slo que aqu ha emos uso del isomorsmo de los espa ios de
2
Hilbert innito-dimensionales, on .

484

Matemti as para e onomistas III: Optimiza in y dinmi a

Teorema 13. (Teorema de Pi ard (1887))

Sea f (, ) una fun in ontinua denida sobre un sub onjunto abierto no


va o A del plano R2 que ontiene a (x0 , y0 ), y supongamos que existe
una onstante M > 0 tal que
(Condi in Lips hitz)

|f (x, y) f (x, y)| M |y y|

para todo x, y, y A . Enton es existe un intervalo |x x0 | en el


que la e ua in diferen ial
dy
= f (x, y)
dx

tiene un ni a solu in y = y(x) que satisfa e y(x0 ) = y0 .


Demostra in.

La e ua in

dy
= f (x, y) es equivalente a la e ua in integral
dx
Z x
y(x) = yo +
f (t, y(t))dt
x0

Como f () es ontinua, enton es existe una onstante K tal que |f (x, y)|
K para todo (x, y) en ierta bola B abierta en A que ontiene a (x0 , y0 ).
1
Sea ahora 0 < < M
tal que si |x x0 | y |y y0 | K enton es

(x, y) B ; y sea C el onjunto de fun iones reales ontinuas () sobre


|x x0 | y tales que |(x) y0 | K equipado on la norma del
mximo. Es laro que C es ompleto ya que es un subespa io errado
de C[x0 ,x0+] .
Denamos ahora el operador : C C por
Z x
()(x) = yo +
f (t, (t))dt
x0

Notemos que, enton es,


Z x
Z
|()(x) yo | = |
f (t, (t))dt|
x0

x
x0

|f (t, (t))|dt K|x x0 | K

y, por ello, () est bien denida pues lo anterior demuestra que ()


es ontinua. Ahora notemos que
Z x
|()(x)()(x)|
e

|f (t, (t))f (t, (t)|dt


e
M m
ax |(x)(x)|
e
x0

485

Le in 4: Optimiza in dinmi a

y as

k() ()k
e M k k
e

donde k k es la norma del mximo del espa io de Bana h C[x0,x0 +] .


Pero omo M < 1, enton es es una ontra in, a la que le podemos
apli ar el teorema 8 (teorema de punto jo) para garantizar que existe
una ni a fun in y C tal que (y) = y ; es de ir,
Z x
yo +
f (t, y(t))dt = y(x)
x0

que, omo dijimos, es equivalente a la e ua in diferen ial

dy
= f (x, y).
dx

Teorema 14. (Existen ia de solu in para un sistema dinmi o)

Dadas n fun iones reales ontinuas fi (t, y1 , ..., yn ), i = 1, 2, ..., n, denidas sobre un onjunto abierto no-va o de Rn+1 que ontiene el punto
(t0 , y01 , ..., y0n ), suponga que todas satisfa en la ondi in de Lips hitz
|fi (t, y1 , ..., yn ) fi (t, ye1 , ..., yf
ax |yi yei |)
n )| M ( m
1in

para ierto M > 0 jo. Enton es existe un intervalo |t t0 | < en el


que el sistema dinmi o
dyi
= fi (t, y1 , ..., yn )
dt

tiene una

ni a

i = 1, 2, ..., n

solu in
y1 = 1 (t),

...

, yn = n (t)

que satisfa e las ondi iones ini iales


y01 = 1 (t0 ),

...

, y0n = n (t0 )

Demostra in.

Es similar a la demostra in del teorema 13 anterior.

Ejer i ios 4
1. Basndose en el teorema 13, pruebe el teorema 14.

486

Matemti as para e onomistas III: Optimiza in y dinmi a

5. El l ulo de varia iones lsi o


En el l ulo diferen ial (ver volumen II, le in 3) fue orriente enfrentarnos a problemas de mximos y mnimos de la forma siguiente: dada
una urva, dnde estn sus puntos ms altos ms bajos?; o, dada
una super ie, dnde estn sus restas sus valles?; et .; es de ir, tratbamos on problemas de optimiza in para fun iones objetivo. En el
l ulo de varia iones lsi o se generaliza esto: en lugar de onsiderar
fun iones que aso ian nmeros on nmeros, aqu estudiaremos fun iones que aso ian urvas on nmeros, y se intenta en ontrar la(s) urva(s)
que optimiza(n) a ierta fun in objetivo.
Hasta donde se sabe, la primera en resolver un problema de l ulo de
varia iones fue la reina Dido de Cartago (siglo VII a.C). Cuando se le
prometi tanta tierra omo upiera dentro de una frontera onstruida on
el uero de un toro, ella ort el uero en bandas delgadas, las peg en una
banda larga, uni los extremos, y luego trat de asegurarse un terreno
lo ms grande posible dentro de esta frontera. La historia no des ribe la
forma del territorio es ogido, mas podra esperarse que hubiera ubierto
el territorio en forma de r ulo: de todas las super ies limitadas por
urvas de una longitud dada, el r ulo es la de mayor rea. Hoy, el l ulo
de varia iones ofre e una prueba rigurosa de esto.
Pero fue Newton, en sus Prin ipia de 1686, el primer matemti o en
publi ar un resultado en este ampo. El problema de Newton onsista
en en ontrar la forma que deba tener un slido de revolu in para que
al moverse, tuviera la menor resisten ia del aire. Y la respuesta a esta
pregunta se ve en las apli a iones: la bala de un rie se disea de tal forma
que satisfaga esta ondi in de mnima resisten ia del aire, y tambin
los ohetes estn diseados de esta forma. Pero, aunque Newton publi
la respuesta orre ta a un aso espe ial del problema (es de ir, que la
super ie del slido resultaba de girar ierta urva ( ono ida omo la
atenaria ) alrededor de un eje), nun a mostr las pruebas expl itas ni
los l ulos que lo ondujeron a esto. As, la solu in de Newton no
tuvo un impa to sustan ial en el desarrollo de la teora del l ulo de
varia iones.
En 1696, los hermanos Bernoulli estudiaron el problema de en ontrar la
traye toria entre dos puntos jos, a travs de la ual un uerpo pequeo
que se mueve bajo la inuen ia de la gravedad, viaja en el menor tiempo

Le in 4: Optimiza in dinmi a

487

posible (problema del braquist rono ). Y aunque f ilmente uno podra


pensar que la traye toria debera ser una lnea re ta, Galileo ya haba
observado que el tiempo requerido a lo largo de otras urvas era menor.
De he ho, los hermanos Bernoulli determinaron que la forma de la traye toria oin ida on una que ya (por otras razones) era bien ono ida
por los antiguos griegos: la i loide .
Ya habamos men ionado en la le in 2 que Hern de Alejandra (s. I
d.C.), en su Catoptrique, se aproxim al problema de la reexin de un
rayo de luz en un espejo o plano omo un prin ipio de mnimo. En el siglo
XVII, Fermat y Snell, adi ionaban que la traye toria de un rayo luminoso, que pasa de un medio homogneo a otro de la misma naturaleza,
se desva en la super ie de separa in de ambos. Ms espe  amente,
un rayo luminoso que parte de P (ver gura 8), donde la velo idad en la
primera fase es v, y la velo idad en la segunda fase es w, debe satisfa er
la ondi in de que
sen()
v
=

sen( )
w
donde y son los ngulos formados por el rayo on los medios I y
II , respe tivamente. A esta ltima ley empri a se le ono e omo Ley
de Snell (Snell (1621)). Pero lo importante aqu es que Fermat demostr
que esta traye toria satisfa e la ondi in de que el rayo de luz llega de P
a Q en el menor tiempo posible ( ono ido omo el Prin ipio de Fermat ).
Este, sin duda, tambin puede onsiderarse omo un problema de l ulo
de varia iones.
Observemos que todos estos problemas tienen en omn el que se le
asigna un nmero a ada urva de una ierta familia de urvas. En el
primer ejemplo de la reina Dido, la familia onsiste en todas las urvas
erradas de longitud ono ida, y el nmero es el rea en errada por ada
urva; en el ejemplo de Newton, el nmero es la super ie del slido y,
las urvas, aquellas que rotan alrededor de un eje para formar el slido;
y en el ejemplo de los hermanos Bernoulli, la familia de urvas es la de
todas aquellas que tienen a dos puntos jos omo extremos, y el nmero
aso iado on ada urva es el tiempo que toma el uerpo en re orrerlas.
Y as, el problema del l ulo de varia iones es en ontrar la urva que
maximiza (o minimiza) los nmeros aso iados. No mu ho despus de los
hermanos Bernoulli, los famosos matemti os Leonhard Euler y Joseph
Louis Lagrange estable eran y desarrollaran mtodos generales para

488

Matemti as para e onomistas III: Optimiza in y dinmi a

resolver este tipo de problemas de optimiza in.


P

II

R
Figura 8. Prin ipio de Fermat

Sin embargo, los problemas pueden in luir entidades geomtri as ms


ompli adas. Otro famoso problema del l ulo de varia iones es el ono ido omo Problema de Plateau : dada una urva errada en el espa io
tridimensional, en ontrar la super ie que, teniendo la urva omo borde, tiene la mnima super ie. El Problema de Plateau (llamado as en
honor del fsi o belga Joseph Plateau [1801-1883 y resuelto por Tibor
Rad (1930) y Jesse Douglas (1931), tiene apli a iones en la fsi a: Si
la urva se onstruye on un alambre delgado y lo sumergimos en una
solu in jabonosa, enton es la pel ula que resulta asumir, muy aproximadamente, la forma de la super ie de rea mnima! 22
En el siglo pasado, la teora general de la relatividad de Einstein dio
otro ejemplo: en nuestro espa io-tiempo, sin importar mo pudiera ser
su geometra, los rayos de luz y los uerpos sobre los uales no a ta
ninguna fuerza, se mueven a lo largo de las traye torias ms ortas!
Hubo un periodo en la historia (ha e aproximadamente 200 aos) uando
los fsi os rean que toda la Fsi a podra dedu irse de iertos prin ipios
de mnimo sujetos al l ulo de varia iones. Crean que la Naturaleza
segua iertos prin ipios e onomizadores para obtener mximos (o mnimos) a partir de medios dados. Es quizs por esta razn que algunas
22

Ver, por ejemplo, Courant, Ri hard y Herbert Robbins (1979),

temti a?,

Editorial Aguilar, Espaa.

Qu es la Ma-

489

Le in 4: Optimiza in dinmi a

teoras matemti as ( omo es el aso de la teora e onmi a) devinieron


en la apli a in de prin ipios de optimiza in y, en parti ular, del l ulo
de varia iones.
a)

El problema del l ulo de varia iones lsi o

Como habamos armado arriba, el problema del l ulo de varia iones es


el de es oger una urva que one ta dos puntos dados, ini ial y terminal,
de tal manera que se maximi e ierto valor que, ahora generalizado para
abar ar numerosos asos, apare er en trminos de una integral de ierta
fun in de la urva en uestin, de su derivada, y del parmetro tiempo.
Ms expl itamente, el problema del l ulo de varia iones lsi o es
Z t1
Maximizar
v(c(t), c(t),

t)dt
{c(t)}

t0

sujeta a

c(t0 ) = c0

(CV)

c(t1 ) = c1
donde v(c(t), c(t),

t) es una fun in ontinuamente diferen iable en [t0 , t1 ];


c(t)
(derivada on respe to al tiempo) es una urva de Rn ontinua a trozos en [t0 , t1 ]; c0 , c1 Rn son dados.
Ejemplo 30. (La distan ia ms orta entre dos puntos)

Un ejemplo simple de lo anterior es el problema de en ontrar la distan ia


ms orta entre dos puntos c0 , c1 de un plano. Para ello, sea t la variable
distan ia y en ontremos la traye toria c(t) que one ta a c(t0 ) = c0 on
c(t1 ) = c1 , de tal manera que minimi e la distan ia atravesada. Pero, del
Cl ulo bsi o, se tiene que esta distan ia es
Z t1 p
2 dt
1 + (c(t))

t0

ya
que (ver gura 9) un diferen ial de longitud de ar o, ds, es igual a
dt2 + dc2 y, por lo tanto,
s
 2
Z t1
Z t1
ds
dc
s(t0 ) s(t1 ) =
dt =
1+
dt
dt
t0 dt
t0
Z t1 p
2 dt
=
1 + (c(t))

t0

490

Matemti as para e onomistas III: Optimiza in y dinmi a

c(t)
c1

ds
c0

dc
dt

t0

t1

Figura 9: Distan ia mnima entre dos puntos

c 0 , c1

en el plano.

As, nuestro problema es

Minimizar
{c(t)}

t1 p

2 dt
1 + (c(t))

t0

sujeta a

c(t0 ) = c0
c(t1 ) = c1

que en uadra dentro del problema bsi o (CV) anterior on v(c(t), c(t),

t) =
p
2.
1 + (c(t))

Ejemplo 31. (El problema de Newton (1686))

El problema aqu es: Entre todas las urvas que pasan por dos puntos jos
denidos c0 , c1 , qu urva dar origen al slido de revolu in de menor
super ie? (ver gura 10). Obsrvese all que la super ie de revolu in
es igual
p a la suma de diferen iales de la forma 2cds. As, puesto que
ds = (dt)2 + (dc)2 , enton es el problema aqu es
Minimizar
{c(t)}

sujeta a

t1

t0

p
2 dt
2c(t) 1 + (c(t))

c(t0 ) = c0
c(t1 ) = c1

que tambin en uadra dentro del problema bsi o


p del l ulo de varia2.
iones (CV) anterior on v(c(t), c(t),

t) = 2c(t) 1 + (c(t))

491

Le in 4: Optimiza in dinmi a

c1

ds

c0

c
t

Figura 10: El problema de Newton.

b)

El problema de existen ia de solu iones

Tomemos, una vez ms, el problema del l ulo de varia iones lsi o

Maximizar
{c(t)}

t1

v(c(t), c(t),

t)dt

t0

sujeta a

c(t0 ) = c0

(CV)

c(t1 ) = c1
donde v(c(t), c(t),

t) es una fun in ontinuamente diferen iable en [t0 , t1 ];


c(t)
(derivada on respe to al tiempo) es una urva de Rn ontinuamente
diferen iable en [t0 , t1 ]; y c0 , c1 Rn son dados.
Consideremos, ini ialmente, el onjunto C C[t0 ,t1 ] onsistente en todas
las fun iones c : [t0 , t1 ] R on c(t0 ) = c0 , c(t1 ) = c1 , on derivada
ontinua, uniformemente a otadas por una onstante ja K , y equi ontinuas, on la norma del mximo estndar. No es dif il probar que C es
un subespa io errado del espa io mtri o ompleto C[t0 ,t1 ] , y, por el teorema de Arzel ( orolario 1), C es ompa to en C[t0 ,t1 ] . Si C =
6 podemos
onstruir el fun ional
F:CR
denido por

F(c(t)) =

t1

v(c(t), c(t),

t)dt

t0

Que el problema del l ulo de varia iones lsi o (CV) tenga al menos una solu in, es una on lusin dire ta del teorema generalizado de

492

Matemti as para e onomistas III: Optimiza in y dinmi a

Weierstrass para espa ios mtri os ompa tos (teorema 10), una vez nos
aseguremos que C =
6 y que F sea ontinua. Pero esto ltimo se ve inmediatamente al utilizar el teorema del valor medio para varias variables
(ver volumen II: Cl ulo).
)

Condi iones de primer orden: e ua iones de Euler

As omo los problemas de optimiza in estti a de Lagrange y KuhnTu ker tienen aso iadas ondi iones de primer orden, del mismo modo
el problema del l ulo de varia iones (CV) tiene su propia ondi in de
primer orden a la que se le llama e ua in de Euler (1744).
Dado el problema (CV), denimos la varia in de c(t) de la forma

z(t) c(t) + (t)


donde (t) es una urva ontinua on derivada ontinua a trozos para
la ual (t0 ) = (t1 ) = 0, y es el parmetro de varia in. A su vez,
denamos
Z
t1

V () =

v(z(t), z(t),

t)dt

t0

Si c(t)
es una solu in, enton es V () se maximiza en = 0 y, por lo tanto,
dV
= 0 para todo (t). Es de ir (ver Regla de Leibniz (volumen II:
d =0
Cl ulo)), para todo (t):

t1

t0


v
v
+
dt = 0
c
c

Ahora una simple integra in por partes (ver, nuevamente, volumen II:
Cl ulo) nos ondu ir a

t1

t0

v
d

c
dt

v
c


 
v t1
dt +
=0
c t0

que, por las ondi iones de frontera (t0 ) = (t1 ) = 0, es equivalente a

t1

t0

v
d

c dt

v
c



dt = 0

493

Le in 4: Optimiza in dinmi a

para todo (t). Y, as, arribamos a la e ua in


 
d v
v
=
c
dt c

(e ua in de Euler)

que es la ondi in de primer orden para el problema del l ulo de varia iones (CV).
La ondi in de segundo orden del problema
(CV) se dedu e similarmen
2

d V
te uando es ribimos la ondi in
< 0. Veamos mo. Comend2 =0
emos por
Z t1
V () =
v(z(t), z(t),

t)dt
t0

y derivemos dos ve es on respe to a para obtener, en = 0, que


Z 
d2 V
d dV
d t1 v
v
= (
)=
+
dt
d2
d d
d t0
c
c

Z t1 
d v
d v
=
( ) + ( ) dt
d c
d c
t0
Pero

d v
2v
2v
( ) = 2 +
d c
c
c c

y as,

d v
2v
2v
( )=
+
d c
c c
c
c
d2 V
=
d2

t1
t0

2
2v
2 v

+
2

+
(
)

c2
c c
c2
2

2v

dt

de donde, si v(c(t), c(t),

t) es n ava en (c(t), c(t))

, tendremos que la
forma uadrti a del integrando es negativa
y, por lo tanto, la integral

misma es negativa; es de ir, d2 V /d2 =0 < 0, que era lo que queramos
mostrar.
Esta dedu in heursti a de la frmula de Euler y de las ondi iones de
segundo orden, tienen una ontraparte formal que es ribimos a ontinua in:

494

Matemti as para e onomistas III: Optimiza in y dinmi a

Teorema 15. (E ua in de Euler (1744))

Si c(t) es una solu in al problema de l ulo de varia iones (CV) enton es


 
v
d v
=
(e ua in de Euler)
c
dt c

Adems, si la fun in v(c(t), c(t),

t) es n ava en (c(t), c(t))

enton es la
e ua in de Euler tambin es su iente para que c(t) sea una solu in
al problema (CV).
Nota 2.

i) Note que si en la e ua in de Euler, la fun in v no depende de c,


obtendramos ni amente
v
=0
c
que es un problema estti o de optimiza in muy simple.
ii) Tambin puede su eder que v no dependa expl itamente de c, en uyo
aso tendramos, de la e ua in de Euler, que

v
=k
c
para alguna onstante k.
iii) De otro lado, si v no depende expl itamente de t, enton es tendremos,
de la e ua in de Euler, que

v c

v
=k
c

para alguna onstante k.


Nota 3.

El problema (CV) tambin puede expresarse, omo puede ser ya laro


para el le tor, en trminos de minimizar en lugar de maximizar en la
forma tpi a. En el aso de las e ua iones de Euler, stas sern su ientes
y ne esarias para que c(t) resuelva el problema si la fun in v(c(t), c(t),

t)
es onvexa en (c(t), c(t))

.
Ejemplo 32. (La distan ia ms orta entre dos puntos)

La e ua in de Euler para el problema planteado en el ejemplo 30 omo


Z t1 p
2 dt
Minimizar
1 + (c(t))

{c(t)}

t0

495

Le in 4: Optimiza in dinmi a

sujeta a

c(t0 ) = c0
c(t1 ) = c1

es, on v(t) =

2 ,
1 + (c(t))

d
dt

Y as,

p
p

c(t)

2
1 + (c(t))

c(t)

2
1 + (c(t))

=0

=k

para alguna onstante k. Pero esto, a su vez, impli a que c(t)

debe ser
tambin onstante (por qu?). De all que c(t) debe ser lineal en t; es
de ir,

c(t) = k0 t + k1

para iertas onstantes k0 , k1 R.

Pero omo c(t0 ) = c0 y c(t1 ) = c1 enton es la solu in debe ser

c(t) =

c1 c0
c0 t1 c1 t0
t+
.
t1 t0
t1 t0

Y dado que la fun in v(t) es onvexa en c(t)


, la e ua in de Euler, de
a uerdo al teorema 15, nos ha ondu ido a justi ar la arma in de que
la distan ia ms orta entre dos puntos es, efe tivamente, la lnea re ta
que los one ta.
Ejemplo 33. (Solu in al problema de Newton (1686))

La e ua in de Euler del problema de Newton


Z t1
p
2 dt
2c(t) 1 + (c(t))

Minimizar
{c(t)}

sujeta a

t0

c(t0 ) = c0
c(t1 ) = c1

p
2 , la siguiente:
es, on v(t) = 2c(t) 1 + (c(t))

p
c(t)c(t)

2 p
c(t) 1 + (c(t))

=k
2
1 + (c(t))

496

Matemti as para e onomistas III: Optimiza in y dinmi a

para alguna onstante k. Simpli ando, obtenemos que

c(t)
=

1p 2
c (t) k2
k

y as, es ribiendo c c(t), tendremos que

kdc
= dt
c2 k2

de donde, por antideriva in, se obtiene que


!

c + c2 k2
k ln
=t+m
k
para alguna onstante m. De all, se obtiene, a su vez, que

t+m
c + c2 k2
e k =
k
y, por lo tanto,

c(t) =




t+m
k  t+m
t+m
e k + e k
= k cosh
2
k
c(t0 ) = c0 , c(t1 ) = c1

que es la urva ono ida omo atenaria (del latn atena que signi a
 adena (ver volumen II: Cl ulo)). Segn el teorema 15,
p esta es la
solu in al problema planteado debido a que v(c, c)
= 2(c 1 + (c)
2 ) es
onvexa. Cules son las onstantes m y k en trminos de c0 y c1 ?
Ejemplo 34. (La i loide y el problema del braquist rono)

P (x0 , y0 )
b

x
b

Q(x1 , y1 )

Figura 12: Problema del braquist rono

497

Le in 4: Optimiza in dinmi a

En un plano verti al xy , se unen los puntos P (x0 , y0 ) on Q(x1 , y1 ) omo


en la gura 12 ( on x1 > x0 , y1 > y0 ) mediante una urva c(t) de tal
forma que el tiempo que toma una part ula que baja sin fri in desde P
hasta Q, es el menor posible. Para en ontrar esta c(t), notamos primero
p
dc
, es propor ional a 2g(y y0 ), que
que la velo idad de la part ula,
dt
es la raz uadrada de la altura de la ada (aqu, g = 9.8 m/seg2 es la
onstante gravita ional). El tiempo tomado por la part ula ser enton es
Z x1
Z x1 p
2
1 + (c(x))

dt ds
1
p
dx =
dx
2g x0
c(t) y0
x0 ds dx

1
Omitiendo el fa tor y ha iendo (sin prdida de generalidad) y0 = 0,
2g
obtenemos que nuestro problema es
Z x0 s
2
1 + (c(x))

Minimizar
dx
c(x)
{c(t)}
x1
sujeta a

c(x0 ) = 0,
c(x1 ) = y1

uyo resultado es la urva ono ida omo la i loide (ver volumen 0:


Fundamentos), y que veremos enseguida. En efe to: Si tomamos
s
2
1 + (c(x))

v(c, c)
=
c(x)
enton es llegamos, despus de un po o de manipula in algebrai a, a la
e ua in diferen ial
c2 (x)
c(t)
=p
1 c2 (x)
de donde, por antideriva in, se muestra que existe una onstante k tal
que
k2 x
2
(c(x))

=
1 k2 x
Nos a er amos a la solu in uando parametrizamos de la siguiente forma:
1
x(t) = 2 (1 cos t) ; y(t) = c(x(t))
2k

498

Matemti as para e onomistas III: Optimiza in y dinmi a

y llegamos a que

y(t) =

1
(t sen t)
2k2

Y as la solu in ser la i loide

x(t) =

1
(1 cos t) ;
2k2

y(t) =

1
(t sen t)
2k2

(Por qu esta urva realmente resuelve el problema?;Cul es el valor


de k en trminos de las ondi iones ini iales del problema varia ional?)

Ejer i ios 5
1. Ser que el siguiente problema tiene solu in?: Sobre una re ta
L tomemos dos puntos A y B a una distan ia ja, y busquemos el
tringulo re tngulo AOB que haga el rea mnima .
O

Plantee este problema omo uno de l ulo de varia iones, y demuestre lo armado en su respuesta a la pregunta anterior.
2. Considere el problema varia ional
Z 3
2
Minimizar
c2 (t)(1 c(t))

dt
{c(t)}

sujeta a

c(1) = 0
c(3) = 2

y pruebe que la solu in es una lnea re ta.


3. Pruebe que la solu in al problema varia ional
Z 5
1
2 )dt
Maximizar
(3t + (c(t))

{c(t)}

499

Le in 4: Optimiza in dinmi a

sujeta a

c(1) = 3
c(5) = 7

es c(t) = t + 2.
4. Pruebe que el problema varia ional
Z 1
2
Maximizar
(tc(t)
+ (c(t))

)dt
{c(t)}

sujeta a

c(0) = 1
c(1) = 1

tiene omo solu in c(t) = 14 t2 + 14 t + 1.


5. Resuelva el problema varia ional
Z 1
2
Maximizar
[c2 (t) + 4c(t)c(t)
+ 4(c(t))

]dt
{c(t)}

sujeta a

c(0) = 2e 2
c(1) = 1 + e

6. (La Reina Dido y el problema isoperimtri o ) El problema de


en ontrar la urva errada, de longitud dada, que en ierre la mayor rea posible, se ono e omo el problema isoperimtri o. Aqu
indi aremos mo demostrar que la solu in a este problema es el
r ulo, y esto se ver uando resolvamos

Maximizar
{c(t)}

sujeta a

1p

c(t)dt
0

2 dt = a
1 + (c(t))

c(0) = c0
c(1) = c1

p
2 donde es un multipli ador de
a) Es riba L = c + 1 + (c(t))

Lagrange. Como, en este problema, L no depende expl itamente

500

Matemti as para e onomistas III: Optimiza in y dinmi a

de t, enton es tendremos, de la e ua in de Euler, que

L c

L
= k1
c

para alguna onstante k1 (ver Nota 2) (Por qu podemos apli ar


la e ua in de Euler a L?). Muestre enton es que la e ua in de
Euler de este problema se puede es ribir as:

c+

1 + c2

c2
= k1
1 + c2

para alguna onstante k1 , y donde es un multipli ador de Lagrange.


b) Llegue, de la e ua in anterior, a que

c k1 =
1 + c2
) Si es ribimos c = tan x se tendr, de esta ltima e ua in, que

c = k1 cos x
y as,

dt =

dc
sen xdx
=
= cos x
tan x
tan x

y, por onsiguiente, para alguna onstante k2 se tendr que t =


sen t + k2 y, as,

(t k2 )2 + (c k1 )2 = 2
d) Justique formalmente la arma in de que esta s es la solu in
bus ada.
**7) (El problema del tringulo de S hwarz ) Dado un tringulo a utngulo (ver gura enseguida), pruebe que existe exa tamente un
tringulo ins rito de permetro mnimo: aquel uyos vrti es oin iden on los pies de las alturas del tringulo dado.

501

Le in 4: Optimiza in dinmi a

R
A

6. El problema de ontrol ptimo ( aso ontinuo)


De una u otra forma, ons iente o in ons ientemente, desde los albores de
la iviliza in se han utilizado diversos tipos de  ontrol. Por ejemplo,
en la antigua Mesopotamia, ha e ms de 4000 aos, el ontrol de los
sistemas de irriga in era un arte bien ono ido. Tambin los Romanos,
en sus a uedu tos, utilizaban ingeniosos sistemas de vlvulas reguladoras
para mantener onstante el nivel del agua.
Pero es en el siglo XVII, on los trabajos de Christian Huygens [16291695 y Robert Hooke [1635-1703 sobre las os ila iones del pndulo, que
apare e el primer tratamiento moderno de un tpi o problema de ontrol.
Su objetivo era onseguir una medida pre isa de tiempo y ubi a in,
todo on propsitos pr ti os. A su vez, lo aprendido on el pndulo fue
apli ado, por ejemplo, para regular la velo idad de los molinos de viento
(un me anismo basado en un sistema de esferas que rotaban alrededor
de un eje on velo idad propor ional a la del molino), y esto tambin fue
adaptado para la mquina de vapor ( uando la velo idad de las esferas
aumentaba ex esivamente, se abran una o varias vlvulas para dejar
es apar el vapor, y as la velo idad de la mquina disminua: se bus aba
 ontrolar la velo idad tratando de mantenerla onstante). Sin embargo,
slo hasta 1868, el famoso fsi o es o s James Clerk Maxwell [1831-1879
mostrara matemti amente que este problema de la mquina de vapor
poda des ribirse mediante me anismos de ontrol.
Po o a po o, estas ideas fueron ganando espa io. A prin ipios del siglo XX, la ingeniera de ontrol ore a y omenzaba a re ibirse omo

502

Matemti as para e onomistas III: Optimiza in y dinmi a

dis iplina: apare ieron ampli adores en sistemas telefni os, sistemas
de distribu in en plantas el tri as, estabiliza in de aviones. De he ho, la Segunda Guerra Mundial vera la teora de ontrol apli ada en
el vuelo de aviones, en misiles balsti os, y en bateras antiareas. Hasta 1960, los mtodos e ideas desarrollados por la teora de ontrol eran
bsi amente los mismos del l ulo de varia iones lsi o, y se empezaron a entender sus limita iones para enfrentar la omplejidad de mu hos
problemas on retos del mundo real. En este sentido, los aportes de Ri hard Bellman[1920-1984( on su mtodo de programa in dinmi a),
Rudolf Kalman [1930- (t ni as de ltros), y Lev Pontryagin [19081988 (prin ipio del mximo) dieron fundamento a lo que hoy se ono e
omo teora moderna de ontrol.
La ri a historia de apli a iones pr ti as de esta nueva teora de ontrol
est hoy en plena evolu in. El desarrollo te nolgi o moderno plantea
nuevos problemas que van desde los ms simples artefa tos domsti os
hasta los ms sosti ados me anismos te nolgi os. Para ilustrar esto,
baste de ir que una muy simple apli a in de la teora de ontrol apare e en el me anismo del tanque de un bao (que fue inventado a nales
del siglo XIX), uyo prin ipio bsi o onsiste en una vlvula reguladora, un me anismo de seguridad que omienza el pro eso de ontrol, un
me anismo de retroalimenta in que provee ms o menos agua al tanque dependiendo del nivel en su interior y, nalmente, me anismos que
evitan que el agua se derrame si alguna de las partes anteriores, falla.
Tambin vemos la teora de ontrol apli ada a los sistemas de alefa in,
ventila in y aire a ondi ionado. Todos estos on un prede esor: el regulador de temperatura ono ido omo termostato. Estru turas espa iales,
ree tores pti os, sistemas de omuni a in satelital, rganos humanos
arti iales, plantas el tri as, robots, et . son ejemplos de sistemas en
los que la teora de ontrol se ha apli ado. In lusive los reprodu tores
de CD's son otra rea de apli a in: el prin ipal propsito al disear
estos aparatos es al anzar altas velo idades de rota in que permita una
le tura rpida, sin afe tar la estabilidad del dis o.
Podramos men ionar mu has otras apli a iones importantes, pero estas
que presentamos aqu son, quizs, su ientes para mostrar la ubi uidad
de esta t ni a interdis iplinaria en el desarrollo te nolgi o de la so iedad ontempornea.

503

Le in 4: Optimiza in dinmi a

a)

Solu in por el prin ipio del mximo (L. Pontryagin


et al. (1961))

Como de amos antes,