Documentos de Académico
Documentos de Profesional
Documentos de Cultura
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
E
onomista
Universidad Na
ional de Colombia, Bogot
iii
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
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
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.
1.
2.
3.
4.
5.
4
9
23
25
37
37
39
48
60
62
69
. 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
xvii
e)
1.
2.
3.
4.
5.
6.
7.
8.
353
358
359
362
370
371
384
408
424
427
439
xviii
a)
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
(a)
(b)
Figura 1:
> ,
En el
< ,
s(t) =
gt2
+ v0 t + s0
2
s(t)
s0
t
Figura 2: Tiro parabli
o
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
(1)
Diremos que una fun
in f : C R es
onvexa si, y slo si, para todo
x, y C , [0, 1], se
umple que
(2)
Re ordemos que
[0, 1],
C Rn
x + (1 )y C
x, y C
(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.
x es estri tamente
Solu in.
x + (1 )y > x + (1 ) y
(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
f (x)
b
x
x
Figura 4:
x0
Panel (b):
f (x) =
x,
Ejemplo 2.
Y esto es
p
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
x1 y2 + y1 x2 2 x1 x2 y1 y2
( x1 y2 y1 x2 )2 0
re tas.
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.
que es equivalente a
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.
10
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.
n avas)
avas)
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)
Re ordemos que el
El smbolo
teoremas.
C.
11
(4)
f (x)
B
C
A
x
(a)
(b)
Figura 6:
S ,
el ual es un
CD
pendiente de
AB
(teorema 3).
Demostra in.
f ((x y) + y) = f (x + (1 )y)
f ((x y) + y) f (y)
(x y) f (x) f (y)
(x y)
12
Teorema 4.
avas)
13
x
Figura 7: Re
tas tangentes
on pendientes de
re
ientes.
14
Demostra in.
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 (c)
(x y)2
2!
teorema, se tendr que F (0) =
hi hj 0, que es,
xj xi x=a
exa
tamente, lo que queramos demostrar.
15
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.
donde A =
16
Demostra in.
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
Ejemplo 5.
=4
=2
=1
= 0.5
= 0.3
1
1
Figura 9:
f (x) = x
x
on diferentes valores de
Solu in.
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.
18
Tenemos que
f
= x1 y ,
x
f
= x y 1
y
A=
2f
2f
2
= x1 y 1
=
(
1)x
y
,
B
=
x2
xy
2f
C=
= ( 1)x y 2
y 2
a ) Cumple que
A=
2f
2f
0,
y
C
=
0
x2
y 2
es de ir, si 1 y 1.
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,
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.
y1 + (1 )y2
8
1/2
1/2
+ (1 )
x1
x2
tambin es onvexo.
0.
Si
< 0, S =
20
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 .
1
+
x1
x2
21
f (x) + (1 )f (y) + a
= g(x) + (1 )g(y)
a [f (x) + (1 )f (y)]
= g(x) + (1 )g(y)
) Sean f (), g() fun
iones
n
avas; enton
es
22
Teorema 7. (
x
Figura 11:
Todo punto
rti
o
Demostra in.
f (y) f (x ) f (x )(y x ) = 0
f (y) f (x )
para todo y C
23
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
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
he Annalen.
(6)
Mathematis-
24
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
(7)
Teorema 8.
Demostra in.
Nota 3.
25
f (y)
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
26
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.
si n avas)
Demostra in.
27
Luego, x + (1 )y S .
b) Ahora supongamos que S es
onvexo, y probemos que f () es
uasi
n
ava. Para ello, denamos
on x, y C jos
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.
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
y
4
x y = 2.4
x y = 1.6
x y = 1
1
0
0
Figura 14:
para la fun in
(f + g)(x + (1 )y) =
1
< mn {(f + g)(0), (f + g)(1)} = 0
4
29
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)
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)
30
Teorema 12.
si n avas)
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.
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
(0 ) = f (0 (x y) + y)(x y) < 0
Y
omo hemos supuesto que
(0) = f (y) f (0 (x y) + y) = (0 )
31
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
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
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
(Cara
teriza
in de segundo orden para las fun
iones
uasi
n
avas)
Teorema 13.
0 a c
a A B
c B C
33
donde a =
f
f
2f
2f
2f
,c=
,A=
,
B
=
,
C
=
, satisfa
e
x
y
x2
xy
y 2
= f (h(y2 ), y2 ) f (x2 , y2 )
Por lo tanto, f (x0 , y0 ) = f (x1 , y1 ) impli
a
= f (x2 , y2 ) f (h(y2 ), y2 ) =
= f (x0 , y0 )
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
34
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
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.
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,
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:
36
37
5. Contexto e
onmi
o
a)
gislation,
13
London:
38
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
Publi ations
16
17
Quar-
tribution,
19
39
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
bution,
22
23
40
Ma millan.
25
26
nomi a.
27
28
E o-
E o-
de las Na iones,
29
nal.
30
London:
nomi Journal.
UK,
Cambridge, UK.
41
y
4
3
2
1
x
0
0
omprehensivo.
42
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.
43
Teorema 16.
32
f (z) = m
ax{ y | (y, z) Y }
Y Rn y 0 Y
que y Y .
yY
se tiene
es
44
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
45
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.
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
Teorema 19.
Teorema 20.
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.
47
48
Con avidad
Teorema 21 (
al a).
E onomi a.
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)
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
Prin eton.
35
Risk-Taking Situation,
36
E onometri a.
Fun
tion,
38
E onometri a.
Utility,
37
50
[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.
Mathemati al Psy hi s,
51
lase de
indiferen
ia
de x
bien 1
Figura 20: Curvas de indiferen
ia sobre
R2+ .
(1941)
{x X | x < x }
(*)
52
Demostra in.
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
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)
mi
Equilibrium,
43
44
53
Bien 2
Bien 2
x2
x2
x2
x1
x1
x1
(a)
Bien 1
(b)
Bien 1
( )
Bien 1
Figura 21:
4 onvexas. En
el
estri ta.
Teorema 23.
Si los
onjuntos
{x X | x 4 x },
{x X | x < x }
mi Equilibrium,
54
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.
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
55
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
E(u) =
n
X
1
i=1
(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
56
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 no in de lotera
nomi
Behavior,
48
57
p=
n
X
pi exi
i=1
(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)
58
U (p) =
n
X
pi U (exi )
i=1
49
son
errados.
49
enton es
p4r
p, q, r (X)
se tiene: i)
p4q
q 4 p;
ii) Si
p4q
q 4 r,
59
= V (s) + (1 )V (t)
Utility,
51
E onometri a.
mi
Behavior,
52
dam.
Prin eton.
Elsevier: Amster-
60
r =
U (r) U (q)
U (p) U (q)
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)
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
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
The E onomy as
62
f (x) =
x2
si x < 0
ln(x + 1) si x 0
(
2 si x 6= 0
f (x) =
0 si x = 0
f (x, y) = A [x + y ]
63
(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
1
f (x) = ex
E onometri a.
64
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:
f (tx) =
1
tx = t x = t 2 f (x)
65
(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
66
(b) f (x) = x n
on n N.
(d) f (x, y) = x + y
(f) f (x) = 1 ex
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
v) Y (Y ) = {0}
(irreversibilidad )
(aditividad )
vi) Yj + Yj Yj
vii) Yj es
onvexo.
viii) Rn+ Y
(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 }
mi Equilibrium,
68
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:
58
(*)
(**)
y sabiendo que
lm sup f (xk ) lm nf f (xk )
k
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
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
En el problema
Maximizar
sujeta a
xy
3x + 4y 5
x0
y0
En el problema
Maximizar
sujeta a
x+y
2
x + y2 1
x0
y0
72
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
(Teorema de Weierstrass)
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
f (x)
mximo global
mnimo global
b
Figura 2:
Mximo y mnimo global de una fun in ontinua sobre un onjunto ompa to.
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.
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
=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
77
Le in 2: Optimiza in estti a
y
y
f
f = g
f (x , y ) = g(x , y ).
(1)
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.
of Variations,
78
, equivalentemente,
g
f
= ,
x
x
f
g
= ,
y
y
g(x, y) = 0
(CPO)
f (x, y)
g(x, y) = 0
(L)
x>0
y>0
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,
o, lo que es igual,
f f
,
x y
g g
,
x y
f (x ,y ) = g (x ,y )
L
f
g
=
= 0,
x
x
x
2
L
f
g
=
= 0,
y
y
y
L
= g(x, y) = 0
Analytique
(1788)), el
trmino Lagrangiano fue a uado, al pare er, por Samuel Zahl en 1962 en el art ulo
80
y esto es,
f
g
= ,
x
x
f
g
= ,
y
y
g(x, y) = 0
o, de forma ms simple,
f () = g();
g() = 0
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.
f (x , y ) = (y , x ) = (3, 4) = g(x , y )
, equivalentemente, un 6= 0 tal que
x = 4,
y = 3
5
24 .
Por
5
5
5
5
= ,
y = 3
=
24
6
24
8
81
Le in 2: Optimiza in estti a
y
solu
in
y =
5
8
x =
5
6
x+y
2
x + y2 = 1
x>0
y>0
Solu in.
f (x, y) = g(x, y)
Es de
ir,
2x = 1,
3
2y = 1
(x , y )
se tiene
y < x ?
82
1
2
2
1
2
2
=1
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
f (x , y ) = x + y = 2 + 22 = 2. 4 N
y
solu
in
y =
2
2
x =
2
2
83
Le in 2: Optimiza in estti a
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,
(x )2 + (y )2 = 2(x )2 = R2
y, por
onsiguiente,
2R
x =y =
2
84
y =
solu in
2R
2
x =
2R
2
(b)
(a)
Figura 7:
R.
En el panel
Solu in.
r 2 +2rh
sujeta a
r 2 h = V
r>0
h>0
2r 2h = 2rh,
2r = r 2
85
Le in 2: Optimiza in estti a
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)))
M
D
B
c
Figura 8: Ley de la refra
in de la luz.
Solu in.
t(, ) =
a
b
+
v1 cos v2 cos
0 < , <
86
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.
x y
sujeta a p1 x + p2 y = M
x>0
y>0
Solu
in.
y
p1
=
x
p2
87
Le in 2: Optimiza in estti a
y
Solu
in
y =
M
(+)p2
x =
M
(+)p1
y=
p1
x
p2
x =
M
( + )p1
y =
M
( + )p2
y, por lo tanto,
Resolvamos el problema
88
Maximizar
sujeta a
xy
x + xy + y 3 = 1
x>0
y>0
Solu in.
(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
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
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
90
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
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.
Systems,
91
Le in 2: Optimiza in estti a
(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
Consideremos el problema
Minimizar
sujeta a
1 2
1 2
x
+ y
2
2
x+y 5
x0
y0
92
y
4
3
2
1
solu
in
0
0
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
94
solu
in
solu
in
x
Figura 12:
En el problema (KT) las solu
iones de esquina tienen pendiente negativa.
f
g
, lo que es igual, a
0.
x (0,y )
x (0,y )
f
g
0 y x
x (x ,y )
x (x ,y )
!
f
g
=0
x (x ,y )
x (x ,y )
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)
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)
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
96
Ejemplo 12.
Tomemos el problema
Maximizar
sujeta a
x+y
2
x + y2 1
x0
y0
1 + (2x) 0;
x(1 + (2x)) = 0;
1 + (2y) 0;
y(1 + (2y)) = 0;
1 x2 y 2 0
(1 x2 y 2 ) = 0
1
6= 0;
2x
1
6= 0
2y
in Maximization Problems,
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
2
x =y =
,
=
2
2
y el valor mximo es 2. N
Ejemplo 13. (Solu
iones interiores, de nuevo)
x+y 5
x0
y0
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
x (1 2x + ) = 0;
y (1 2y + ) = 0;
(5 x y) = 0
x = 12 ,
y = 12 ,
= 0
99
Le in 2: Optimiza in estti a
xy
sujeta a
(1 x y)3 0
x0
y0
(x1)3
sujeta a
2x0
x0
(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.
E onometri a.
100
f
>0
x (x ,y )
f
>0
y (x ,y )
b)
g(x, y) 0
Resolvamos el problema
Maximizar
sujeta a
2x+3y
x+y 1
x0
y0
Solu in.
2 + 0;
x(2 + ) = 0;
3 + 0;
y(3 + ) = 0;
1xy 0
(1 x y) = 0
E onometri a.
101
Le in 2: Optimiza in estti a
x = 0,
y = 1,
= 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.
4x2 + 2y 2
x + y = y
x0
y0
102
Solu in.
8x 0;
x (8x ) = 0;
4y 0;
y (4y ) = 0;
x + y y = 0
(x + y y) = 0
x =
y
,
3
y =
2
y
,
3
8
y
3
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.
2 0;
x(2 ) = 0;
3 0;
y(3 ) = 0;
x+y10
(x + y 1) = 0
x = 1,
y es igual a 2 (ver gura 14.a)).
y = 0,
N
= 2
104
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.
w1 x + w2 y
x y2 1
x0
y0
Solu in.
w1 0;
x(w1 ) = 0;
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), =
w2
6= 0, y as, de (ii),
2y
Resolvamos el problema
Minimizar
3x + 2y
sujeta a
xy 5
x0
y0
y
4
3
solu in
2
1
0
0
106
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
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 (
Ejemplo 19.
Resolvamos el problema
Minimizar
sujeta a
7 y + x2
x+y 5
x0
y0
Solu in.
2x + 0;
x(2x + ) = 0;
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
x = 0,
y = 5
Resolvamos el problema
Maximizar
sujeta a
x(y + 4)
x2 + y 8
x0
y0
108
Solu in.
y + 4 + 2x 0;
x(y + 4 + 2x) = 0;
x + 0;
y(x + ) = 0;
8 x2 y 0
(8 x2 y) = 0
b)
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
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
f (x,y)
g(x, y) = a
a 6= 0
(L')
110
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
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 )
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
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))
(**)
112
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
x =
aQ
b
1/2
y =
bQ
a
1/2
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
114
of Chi ago.
12
E onometri a.
115
Le in 2: Optimiza in estti 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
(PL)
cT x
sujeta a
Ax b
x0
116
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
118
y
800
600
400
200
solu
in
0
0
(i)
2 1 22 3 0;
12 31 2 3 0;
x + 3y 700
2x + y 400 x + y 200
6
5,
lo ual no satisfa e
119
Le in 2: Optimiza in estti a
ai =
n
X
bj
j=1
m X
n
X
cij xij
i=1 j=1
n
X
xij = ai
j=1
120
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
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
Maximizar
sujeta a
c1 x1 + c2 x2 + + cn xn
cT x
Maximizar
sujeta a
Ax + Is = b
x0
s0
3x+2y
x + 2y 5
3x + 4y 8
2x + y 4
x0
y0
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
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
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
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:
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
"
A I
(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
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
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
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
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
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
Le in 2: Optimiza in estti a
129
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.
1 2 1 0 0
5
3 4 0 1 0
2 1 0 0 1
3 2 0 0 0
f
130
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
b1
= 2,
a12
b2
4
= ,
a22
5
b3
=4
a32
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
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
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
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
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
)
El teorema de dualidad
Maximizar
cT x
sujeta a
Ax b
(PL)
x0
bT y
sujeta a
(PD)
A yc
y0
donde y Rm
+ , c y b son los mismos del problema primal.
Ejemplo 27.
5x + 8y + 4z
x + 3y + 2z 3
2x + 4y + z 2
x 0
y 0
z 0
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.
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.
(Teorema de dualidad)
134
Demostra in.
Para que veamos lo fuerte que puede ser esta rela
in primal-dual,
onsideremos el problema
Minimizar
sujeta a
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 0,
w0
60
20
30/13
136
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:
2x+12y
sujeta a
x + 3y 700
2x + y 400
x + y 200
x 0, y 0
El primal de este problema es
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
12
137
Le in 2: Optimiza in estti a
0
5
2
3 1
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)
138
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
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
cT x
sujeta a
Ax b
x0
cT x
sujeta a
Ax b + b
x0
139
Le in 2: Optimiza in estti a
cT x = bT y ,
y cT (x + x) = (b + b)T y
Ejer
i
ios 5
1. En
uentre los valores ptimos de los siguientes problemas lineales:
i)
ii)
iii)
iv)
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
3x y 10
x 3y 4
x0
( ) Maximizar
15x+2y
5x + 2y + z
140
sujeta a
x + 3y z 6
y+z 4
3x + y 7
x0
y0
3x 2y + 5z
sujeta a
y + 2z 1
x+z 1
2x 3y + 7z 5
x0
y0
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
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
(1910))
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
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
144
n(q p) > 0
que era lo que queramos probar.
Y an podemos enun
iar un resultado ms general:
Teorema 11.
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.
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 ,
145
Le in 2: Optimiza in estti a
Figura 24:
es el hiperplano soporte de
en
p.
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
R2
}
2
146
f
R
(x , y ) =
y
2
f
R
(x , y ) =
x
2
B=
Nota 6.
a)
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.
mn qApT qApT m
ax qApT
q
y, por lo tanto,
m
ax mn qApT mn m
ax qApT
p
mn m
ax qApT m
ax mn qApT
q
mn m
ax qApT v1 = m
ax mn qApT
q
148
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
149
Le in 2: Optimiza in estti 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)
(
) 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
17
lments de Mathmatique,
simplemente,
: S T.
151
Le in 2: Optimiza in estti a
onjunto
(s)
(s).
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.
si x 6= 2.5
si x = 2.5
152
(s)
4
3
2
1
2.5
5 s
Teorema 14. (
es
errado en S T .
Demostra
in.
153
Le in 2: Optimiza in estti a
onjunto
(s)
s
Figura 28: Una
orresponden
ia
S
(s)
on
graf
errado.
Ejemplo 33.
(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
154
Teorema 15.
20
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.
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
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
156
157
Le in 2: Optimiza in estti a
y=x
y
1
b
y = f (x)
Demostra in.
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
A ademi
158
S
(s )
m
[
i=1
B (ai )
159
Le in 2: Optimiza in estti a
(x) =
m
X
wi (x) bi
i=1
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
160
Corolario 2.
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)
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
m
ax mn qApT = mn m
ax qApT
p
f :
162
denida por
f (x) =
1+
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
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
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
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
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)
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
Minimizar
sujeta a
w1 x + w2 y
x y y0
x0
y0
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
x y = y0
x
x=
w2
w2
y0+
x =
y0+
1
w1 + +
y =
y0
w2
1
w1 w2 + +
=
y0
y0 w1
w2
w1
169
Le in 2: Optimiza in estti 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
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
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
170
x = 0,
y =
y0
,
w2
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
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 .
w1 x+w2 y
1
[x + y ] y0
sujeta a
x0
y0
[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
172
w1
[x + y ]
x1
w2
[x + y ]
y 1
6= 0
y=
w2
w1
1
1
"
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
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
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 .
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
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
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)
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
pf (x, y) w1 x w2 y
x0
y0
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.
y =
w1
w2
+
x+
y
p
p
p
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
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
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
(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
Dados , , p, w1 , w2 > 0,
Maximizar
sujeta a
pf (x, y) w1 x w2 y
x + y = f (x, y)
x0
y0
Solu in.
p(x + y) w1 x w2 y
x0
y0
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
(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
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
(*)
iii)
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
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)
180
x
Figura 36: El problema del
onsumidor ra
ional.
x y
Maximizar
sujeta a
p1 x + p2 y M
x0
y0
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
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
x (p1 , p2 , M ) =
M
,
p1 ( + )
y (p1 , p2 , M ) =
M
p2 ( + )
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)
pf (x, y) w1 x w2 y
x0
y0
Hotelling, Harold (1932), Edgeworth's Taxation Paradox and the Nature of Demand and Supply Fun tions, Journal of Politi al E onomy.
182
(p, w1 , w2 )
w2
w1
Figura 37: Tpi
a fun
in bene
io para un nivel de pre
ios
dado.
Ejemplo 45.
(p, w1 , w2 ) = (1 ) p
1
+1
w
1
+1
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
1
+1
= t (p, w1 , w2 )
w
1
+1
tw1 +1 tw2 +1
w2 +1
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.
Cambridge Uni-
184
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
a) C(w1 , w2 , y0 ) es no de re iente en w1 , w2 , y0 .
w1
2
y0 si <
w2
C(w1 , w2 , y0 ) =
1 y0 si 1
w2
185
Le in 2: Optimiza in estti a
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
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
w1 + (1 )w1
y0
w1
w
y0 + (1 ) 1 y0
= C(w1 , w2 , y0 ) + (1 )C(w1 , w2 , y0 ).
=
w1
w
1
w2
w2
186
w1 + (1 )w1
,
w2 + (1 )w2
w1 + (1 )w1
w2 + (1 )w2
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 ).
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
187
Le in 2: Optimiza in estti a
x(p1 , p2 , M )
p2
p1
Figura 39: Fun
in de demanda para presupuesto
dado
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)
x (p1 , p2 , M ) =
M
= x (p1 , p2 , M )
p1 ( + )
y (p1 , p2 , M ) =
M
= y (p1 , p2 , M )
p2 ( + )
iv)
189
Le in 2: Optimiza in estti a
Demostra in.
v(p1 , p2 , M ) =
M
p1 ( + )
M
p2 ( + )
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 )
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
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
mi
s,
26
Theory,
27
Le in 2: Optimiza in estti a
191
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
29
30
E onomi a.
31
E onomi Studies.
192
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:
Le in 2: Optimiza in estti a
193
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
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-
195
Le in 2: Optimiza in estti a
uA (xA , yA )
px xA + py yA rkA + slA
xA 0
yA 0
uA
= A px ;
xA
37
uA
= A py ;
yA
px xA + py yA = rkA + slA
of Ethi s,
196
yA
yA
)
uA (xA , yA
xA
xA
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)
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
uB
uA
xA (x ,y )
xB (x ,y )
px
A A
B B ;
=
=
py
uA
uB
yA (x ,y )
yB (x ,y )
A
(3)
198
Maximizar
px x rkx slx
x = f x (kx , lx )
sujeta a
kx 0
lx 0
py y rky sly
y = f y (ky , ly )
sujeta a
ky 0
ly 0
r = px
f x
;
kx
s = px
f x
lx
(4)
r = py
f y
;
ky
s = py
f y
ly
(5)
f y
f x
ky
r
kx
= =
x
f
f y
s
lx
ly
(6)
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
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
onsumidor
urva de
ontrato
b
onsumidor
A
Figura 42: Caja de Edgeworth
ii)
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)
op. it.
202
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)
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
wA = (1, 2)
wB = (2, 2)
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
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 ) =
2py
3
px
2
3px
zy (px , py ) yA (px , py ) + yB (px , py ) (wyA + wyB ) =
2
2py
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
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
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.
v)
206
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
Ophelimite
207
Le in 2: Optimiza in estti a
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:
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.
208
Maximizar
uA (xA , yA )
sujeta a
uB (xB , yB ) = U
xA 0, xB 0
44
, obtenemos que
uA
uB
=
xA
xA
uA
uB
=
yA
yB
uA (xA , yA ) = xA yA
uB (xB , yB ) = xB yB
209
Le in 2: Optimiza in estti a
yA
4xA
3
yA =
xA
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
yA =
4xA
3
0 xA 3
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
Sean
ui : R2+ R
(xi , yi ) ui (xi , yi )
x [(xA , yA
), (xB , yB
)],
46
p (px , py )
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.
uB (xB , yB ) uB (xB , yB
)
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
212
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:
47
48
49
op.
it.
op.
it.
Le in 2: Optimiza in estti a
213
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.
Pareto, al pare er no muy laro del resultado que tena a la mano, arm sobre
esto:
III)
214
px (x (xA + xB )) + py (y (yA
+ yB
)) 0
(xi , yi ) = (xi , 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.
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
51
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
que es equivalente a
xA 6= 0
(Por qu?).
28xA
px
7 + 3xA
=
2xA
py
216
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)
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
ttonnement
e onmi o de la prxima le in 3.
217
Le in 2: Optimiza in estti a
viii)
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
en Lu e y Tu ker (eds.),
54
218
uA (xA , yA ) = 3xA + 2 ln yA
wA = (2, 1)
uB (xB , yB ) = mn{xB , yB }
wA = (0, 1)
tenemos que:
xA =
4 py
+ ,
3 px
yA =
xB = yB =
2 px
3 py
py
px + py
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
219
Le in 2: Optimiza in estti a
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
York.
56
220
d)
Annalen.
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
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)))
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
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
65
66
224
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
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
Tirar la moneda ).
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
n
Y
i=1
tirar la moneda )
228
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)
Tirar la Moneda
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
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 )
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
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
Teorema 26.
68
(1-q)
(p)
10,10
0,0
(1-p)
0,0
1,1
Juego de oordina in
Solu in.
231
Le in 2: Optimiza in estti a
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
232
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,
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))
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
(
)
j=1 (pcj + (1 )pcj ) =
j=1 pcj + (1 )
j=1 pcj = 1
y esto prueba la
onvexidad del
onjunto .
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 ;
m
ax ui (i , i )
i i
para i jo
234
ui (i , i
) ui (i , i )
ui (i , i
)
ui (i , i )
para todo i i
para todo i i
ui (n , i ) ui (i , i )
ui (n , i )
ui (i , i )
i i
i i ,
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
in Game Theory,
MIT Press.
A Course
236
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
238
6. En el problema
Maximizar
sujeta a
8x2 + y 2 2
x0
y0
x2 +xy
x2 + y 2
x0
y0
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:
x0 + ai x bi
(i = 1, . . . , m)
r2
x0 +ai x1 + ai x2 bi
240
, en otra forma,
Minimizar
sujeta a
p1 = 2,
p2 = 4,
p3 = 1,
p4 = 8;
A1 = 150,
A2 = 170,
A3 = 70,
A4 = 95;
A5 = 200,
A6 = 90
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
241
Le in 2: Optimiza in estti a
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
Press.
Oxford University
242
ln x+ ln y
p1 x + p2 y M
xk
x0
y0
x + ln y
p1 x + p2 y M
x0
y0
x1 1
y 1 1
+
1
1
p1 x + p2 y M
x0
y0
243
Le in 2: Optimiza in estti a
1 x y
e
e
p1 x + p2 y M
x0
y0
x y z
px x + py y + pz z = M
x>0
y>0
z>0
u(x) + u(y)
p1 x + p2 y M
x0
y0
op. it.
244
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
246
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
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
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
px
+1
py
py
y(px , py , M ) =
+1
px
x(px , py , M ) =
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
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 )
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
250
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 )
= tC(w1 , w2 , y0 )
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
252
253
Le in 2: Optimiza in estti a
zx (px , py ) =
100px + 200py
100
2px
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
Sean
(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 )}
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
= 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
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,
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.
(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
74
f (p ) p
p = f (p )
kp k2
Nikaido, Hukukane (1968),
Press.
75
rem,
Uzawa, H. (1962),
A ademi
258
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
f (p ) p
=1
kp k2
f (p ) = p
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 .
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
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
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
264
(C1D)
x(t)
= f (x(t), 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)
x(t) = kect
t (, )
Claramente,
lm x(t) = 0 si c < 0 ;
x(t) = x(0)
si
t
1
c=0
265
Le in 3: Sistemas dinmi os
x(t)
x(t)
x(0)
x(0)
aso c > 0
aso c < 0
x(t)
= cx(t)
para
x(0) > 0.
El sistema
x(t)
= x(t)2
x(t) =
1
t+k
para algn k R;
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.
x(t)
=t
x(t) =
t2
+k
2
donde la
ondi
in ini
ial es x(0) = k. Notemos que siempre se tiene que
lmt x(t) = + (ver gura 3).
266
x(t)
x(t)
x(0)
t = k
t
t = k
x(0)
aso k > 0
aso k < 0
x(t)
= x(t)2
x(t)
x(0)
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)
Tambin llamado
punto jo.
267
Le in 3: Sistemas dinmi os
Ejemplo 4.
es tambin x = 0.
(
) Para el sistema dinmi
o x(t)
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 :
Teorema 1.
268
Ejemplo 5.
= 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)
= 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)
269
Le in 3: Sistemas dinmi os
Al tratar de onstruir el diagrama de fase del sistema dinmi o del ejemplo 1, x(t)
aso c > 0
Figura 4: Diagramas de fase del sistema dinmi
o
aso c < 0
x(t)
= cx(t),
on
c 6= 0.
270
(a)
(b)
0
Figura 5: Diagramas de fase unidimensionales para
x(t)
= cx(t), c 6= 0.
x = 1
x = 1
x(t)
= x(t)2 1.
Ejemplo 7.
Para
onstruir los diagramas de fase del sistema dinmi
o denido por
x(t)
Estabilidad unidimensional
271
Le in 3: Sistemas dinmi os
Equ. inestable
x
Equ. estable
es la siguiente:
Deni
in 5. (Estabilidad)
=
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
x(t0 ).
lo al .
272
x1
x2
x3
x4
x5
Figura 8:
Ejemplos de puntos de equilibrio estables e inestables. Los puntos de equili
Teorema 2.
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 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.
x
273
Le in 3: Sistemas dinmi os
2
3
2
3
x(t)
274
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)))
14
ha
Le in 3: Sistemas dinmi os
275
276
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
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
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
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
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 {}.
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
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
x = x y 2 ,
y=
y 2
x(t) = ke t+L ,
y(t) =
1
1
L
kR
1
t+L
L 6= 0
Ejemplo 15.
El sistema dinmi o
x =
1
+ y,
t
y = y 2
x(t) = ln[t(t + k1 )] + k2 ,
y(t)=
1
t + k1
x(t)
y(t)=
g(x(t), y(t), t)
f (x , y , t) = 0,
para todo t I .
5
Tambin llamado
punto jo,
g(x , y , t)= 0
puntos singulares.
280
= 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)
x = 2x + y,
y = x 2y
x = x2 + y 2 1,
y=
3 x (y 1)
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
Le in 3: Sistemas dinmi os
281
= f (x, y, t)
y(t)
= g(x, y, t)
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)
282
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.
x = 2x + y
(= f (x, y))
y = x 2y
(= g(x, y))
Le in 3: Sistemas dinmi os
283
284
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 .
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
timore.
Animali Conviventi,
(e
ua
in logsti
a )
Williams and Wilkins. Bal-
285
Le in 3: Sistemas dinmi os
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
F (t)
a
b
R = 0
c
eb
R(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
x(t)
= f x(t), y(t), t
y(t)
= g x(t), y(t), t
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.
288
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
(*)
x = a11 x + a12 y + b1
y = a21 x + a22 y + b2
o, en forma
ompa
ta,
z = Az + b,
b
b= 1
b2
z = Az = A(z0 et )
z=
z0 et = (I)z0 et
289
Le in 3: Sistemas dinmi os
donde , R y
c11
(A I)
=0
c21
8
9
FR
c12
c
(A I)
= 11
c22
c21
h:RR
de superposi
in.
10
Si A es una matriz
(*)
prin ipio
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
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
1
una matriz C tal que C 1 AC = J , donde J =
y C es la
0
291
Le in 3: Sistemas dinmi os
z (t) =
et
Ejemplo 22. (Nodo)
x = 3x + y
vemos que:
y = x 3y
3
1 x
(x,
y)
=
1 3 y
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
292
y(t)
x = 0
y = 0
x(t)
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
293
Le in 3: Sistemas dinmi os
(x + y)2 = 22 (x y)
12
x = 2x 4y
vemos que:
y = x 3y
2 4 x
(x,
y)
=
1 3 y
( 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).
12
X = e2t
Y = X 2.
Y,
y note que
Y = e4t
en el sistema original;
294
(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
y(t)
y = 0
x(t)
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
2 + 4 = 0
uyas solu
iones son 1 = 2i y 2 = 2i.
Le in 3: Sistemas dinmi os
295
x = 1 e2it + 2 e2it
y = 21 ie2it 22 ie2it
para 1 , 2 C. Esto es equivalente a
x = (1 + 2 ) cos 2t + (1 2 )i sen 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
y(t) y = 0
x = 0
x(t)
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
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
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)
y(t)
x = 0
x(t)
y = 0
298
i)
Sea
a11 a12
A=
a21 a22
Le in 3: Sistemas dinmi os
299
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
(*)
( 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.
a11 a12
A=
a21 a22
300
>0
<0
Centro
Nodo
>0
Nodo
p
Punto de silla
Figura 19: Diagrama de tipos de equilibrio.
Ejemplo 26.
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
A=
0 1
4 0
301
Le in 3: Sistemas dinmi os
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.
a11 a12
A=
a21 a22
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
Estable
q
Asintti
amente
Estable
Inestable
p
Inestable
Figura 20: Diagrama de
riterios de estabilidad.
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)
Le in 3: Sistemas dinmi os
303
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
d2 x
dx
= bx a
2
dt
dt
(*)
304
z=
x = z,
b
a
x z
m
m
a
son 1,2 = 2m
a2
4m2
b
m
b
m
a
m
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)
x(t)
(1)
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)
(2)
z = Az + w,
Teorema 7.
donde
z T = (x, y),
wT = (w1 , w2 )
z(t)
= Az(t) + w(t)
(*)
es de la forma
z(t) = z g (t) + z p (t)
306
Demostra in.
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
x = 2x + y + t
y = 2y + 1
2 1 x
t
(x,
y)
=
+
0 2 y
1
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
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
1
4
1
2
1
=1
4
1
y(t) = = 0
2
x(0) =
5
x(t) = e2t +
4
1
y(t) = e2t
2
1 2t
1
te t
2
4
1
2
308
e)
x(t)
= f (x(t), y(t))
y(t)
= g(x(t), y(t))
(SDNL)
f
f
x
y (x ,y )
(x ,y )
J(f, g)|(x ,y ) =
g
x (x ,y ) y (x ,y )
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
x = a11 x + a12 y
y = a21 x + a22 y
donde
a11
a21
f
=
x (x ,y )
g
=
x (x ,y )
a12
a22
f
=
y (x ,y )
g
=
y (x ,y )
A = J(f, g)|(x ,y )
14
Teorema 8.
15
15
Grobman, D. (1959),
310
(b) Si (x , y ) es inestable para la linealiza
in del SDNL, enton
es tambin es inestable para el SDNL.
Demostra
in.
x = x2 + y 2 1 ( f (x, y)),
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
op. it.
311
Le in 3: Sistemas dinmi os
mg
m
v=l
d
dt
312
dv
= mg sen
dt
d2
g
= sen
2
dt
l
(*)
= x
g
x =
l
x)
(,
=
0 1
gl 0 x
El mtodo de Lyapunov
17
tal que
17
Re ordemos que
B (x , y )
(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.
fun in de Lyapunov.
Demostra in.
Veamos si el sistema
x = 2y,
y=
x
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
314
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)
m
x = b(x + x3 ) ax,
a>0
x = y,
y=
b
(x + x3 ) ay
m
V = my y + b(x + x3 )x + (xy
+ xy + xx)
19
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)
Ejer
i
ios 2
1. Compruebe que para
ualquier , R,
y(t)= et + e2t
x = 2x 4y,
y=
x 3y
316
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
x = y,
y= (x + x3 )
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
(
) < 0 <
(d) , < 0
+ x + sen(x) = 0
(b) x
(
) x
+ cos(x) = 0
(d) x
+ x + x = 0
(e) x
+ x + x = x3
...
(f) x = x
d2 x
+ mw2 x = A cos(wt)
dt2
w > 0,
A 6= 0
x = 2x y 2
y = y x2
318
12.
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
y (n) + a1 y (n1) + . . . + an y = 0
(*)
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
xt+1 = f (xt , t)
para t = 0, 1, 2, . . .
Ms adelante se entender que los sistemas dinmi os dis retos pueden ser ex-
321
Le in 3: Sistemas dinmi os
xt
xt
xt
x0
x0
x0
aso c > 1
aso c = 1
t
aso c < 1
(i.e. f (xt , t) = c xt )
xt+1 = c xt
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
322
xt = ct x0 + b
t1
X
ck = ct x0 + b
k=0
1 ct
1c
El sistema
xt+1 = x2t
= (x0 )2
xt
xt
xt
x0
x0
x0
aso |x0 | = 1
t
aso |x0 | < 1
Ejemplo 37.
El sistema
xt+1 = (t + 1) xt
on x0 dado, tiene
omo solu
iones
323
Le in 3: Sistemas dinmi os
= t ! x0
donde t! = 1 2 3 (t 1) t.
22
xt = t ! x0
Ejemplo 38. (Otro sistema dinmi
o lineal)
donde
t1
Y
i=0
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)
Re uerde que
t!
se lee t fa torial.
324
Ejemplo 40.
xt+1 = 2xt + 3t ,
x0 =
7
8
xt =
t
7 t
3t X 2 i
(2 ) +
i( )
8
2
3
i=0
(Rt+1 Rt ) = cRt
es de ir,
Rt+1 = (1 c)Rt
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
(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 . . .
St = S0 (1 + r t)
t = 0, 1, 2 . . .
St+1 = St + iSt
t = 0, 1, 2 . . .
St+1 = (1 + i)t S0
t = 0, 1, 2 . . .
326
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.
St = (1 + i)t S0
t
X
(1 + i)tk Pk
k=0
T =
i(1 + i)N
S0
1 (1 + i)N +1
327
Le in 3: Sistemas dinmi os
(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 ))
En el sistema dinmi o
xt+1 = T (xt )
donde
T (x) =
2x
para 0 x 12
2(1 x) para 12 < x 1
2
3
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
328
x
Figura 26: Fun
in Carpa.
a)
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
Ejemplo 45.
xt+1 = cxt
c 6= 0, 1
c > 1,
c < 1,
0 < c < 1,
1 < c < 0
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
xt+1
x0
x = 0.6
xt
= 2.5
xt+1 = xt (1 xt )
>0
(e ua in logsti a )
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 =
.
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
b)
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 .
xt
x +
x +
xt0
x
x
x
t
Figura 31: El equilibrio
es estable.
332
xt
x
+
xt0
x
t
Figura 32: El equilibrio
(Criterio de estabilidad)
|xt0 +t x | M t |xt0 x |
Le in 3: Sistemas dinmi os
333
Ejemplo 48.
1 = 2 .
son x = 0 y x = 1
. Vemos que f (0) = y f
(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
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
yt+1 = g(yt )
(*)
2
g (y) = f f (y)
= f (y) f f (y) + f f (y) f (y)
2
g (x ) = 2f (x ) 3 f (x )
335
Le in 3: Sistemas dinmi os
Ejemplo 49.
xt+1 = x3t + xt
( f (xt ))
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
x0 = 2
1
2 xt ;
x0 = 1
t
=4+
xt ;
t+1
x0 = 3
336
( ) xt+1 = xt + 1
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
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 = 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))
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
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)
xt+1 = xt (yt 1)
yt+1 = yt2 xt
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
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)
zt+1 = Azt
a11 a12
T
donde zt = (xt , yt ) , A =
.
a21 a22
(SDisL)
340
zt+1 = Azt + b
donde zt = (xt , yt
)T ,
a11 a12
A=
, b = (b1 , b2 )T .
a21 a22
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
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
zt+1 =
z
1 1 t
yt+1 = xt + yt
yt
xt
343
Le in 3: Sistemas dinmi os
yt
xt
Solu in
2 = 2 cos 3 i sen 3
( ) Las solu iones (ver gura 34) son, enton es, de la forma
t
t
yt = 2 sen( t) 2 cos( t)
3
3
xt =
xt+1 = xt + yt
yt+1 = 0.25xt + yt
zt+1
1
1
=
z
0.25 1 t
344
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.
(Criterio de estabilidad)
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).
(1 < 2 = 1).
Ejemplo 55.
xt+1 = xt + 3yt
yt+1 = xt + yt
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.
)
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
zt = ztg + ztp
donde
t1
Y
ztg = [ A(i)]z0 ,
z0g = I
i=0
i=0
Queda
omo ejer
i
io para el le
tor. [Indi
a
in: Utili
e re
ursin (y pa
ien
ia)
Ejemplo 56.
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
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,
xpt = t
m2 = 1,
m3 = 0
ytp = 1
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)
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.
348
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)
349
Le in 3: Sistemas dinmi os
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 .
!t
1
5
2
2
2
2
5 2
5 2
d)
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
(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
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:
)
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
26
ayt
1 + x2t
bxt
=
1 + yt2
xt+1 =
(= f (xt , yt ))
yt+1
(= g(xt , yt ))
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))
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
1
1
,
yt = yt
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
son
r
r
1
4 3
1
4 3
1 = +
,
2 =
2
x
t = xt
Luego, x = y =
1
tambin es asintti
amente estable si > 43 .
Zuprina ).
353
Le in 3: Sistemas dinmi os
e)
(Mtodo de Lyapunov)
xt+1 = yt ,
yt+1 =
xt
1 + yt2
354
1
x2t (2 1)x2t
(1 + yt2 )2
Consideremos el sistema
yt+1 =
1
xt + xt yt2
2
(0, 0),
!
2 2
,
,
2 2
!
2
2
,
2
2
V (xt , yt ) = 4yt2 8yt2 x2t + 4yt2 x4t + x2t + 4x2t yt2 + 4x2t yt2 x2t 4yt2
29
of Ve tor Fields,
355
Le in 3: Sistemas dinmi os
Consideremos el sistema
yt+1 = yt
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
yt+1 = xt
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
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.
(*)
A(t) =
0
0
0
..
.
1
0
0
..
.
0
1
0
..
.
..
.
0
0
0
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
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.
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)
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
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
(*)
x = (1 y 2 )x y
y = x
y =
y
(1 y 2 ) + K
(
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
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
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
ti al Monthly.
Ameri an Mathema-
362
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
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
364
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
(equili-
366
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
+1
1 p
+
( + 1)( 3)
2
2
+1
1 p
x2 =
( + 1)( 3)
2
2
x1 =
367
Le in 3: Sistemas dinmi os
x
2
3
Figura 42:
> 3:
un equilibrio estable
1
x =
2
3 se bifur
a
1+
6 3.54409
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
3.57
= lm
t
ln
df t (x)
dt
369
Le in 3: Sistemas dinmi os
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
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
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
a Growth Cy
le Model,
An
ot.
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
Growth,
38
E onometri a.
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
E onometri a.
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
Se reere al
libro,
onjuntamente
on su
el
374
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
M
= kY
P
Ix = C(i)
(3)
Ix = S(i, Y )
(5)
(4)
M
= kY,
P
Ix = C(i),
Ix = S(i, Y )
M
= L(i, Y ),
P
Ix = C(i),
Ix = S(Y )
376
i
LM
P
IS
Y
Figura 45: Diagrama IS-LM.
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.
i
LM
IS
Y
Figura 47:
378
i
LM
IS
Y
Figura 48:
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.
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
y el punto de equilibrio es
Y =
hF + M
P
,
K + h(1 c)
R=
kF (1 c) M
P
.
K + h(1 c)
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):
Le in 3: Sistemas dinmi os
381
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
382
2 ( + ) + = 0
que son
( + )
( + )2 4
2
Le in 3: Sistemas dinmi os
383
K = I(Y, R, K) K
C = G(Y, M ) = C(L(Y, M ), Y )
43
44
45
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
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)
385
Le in 3: Sistemas dinmi os
51
York.
52
53
On Some Systems of
Pro eedings of
386
Competitive E
onomy,
55
E onometri a.
E onometri a.
Le in 3: Sistemas dinmi os
387
Competitive E onomy,
E onometri a.
388
389
Le in 3: Sistemas dinmi os
Note que esto impli a que ningn agente puede tener dota in ini ial nula de
brium Analysis
permitir que esto ltimo pudiera su
eder, y que los teoremas
entrales de existen
ia
y bienestar siguieran mantenindose.
390
Bien 2
x2
x1
Bien 1
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
que se horne.
60
392
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)
op. it.
Le in 3: Sistemas dinmi os
393
394
(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.
((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 ))
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.
op. it.
Le in 3: Sistemas dinmi os
395
((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
396
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.
UA (xA , yA ) = mn{xA , yA },
S
arf, Herbert (1960),
Equilibrium,
wA = (1, 0)
397
Le in 3: Sistemas dinmi os
UB (xB , yB ) = mn{xB , yB },
wA = (0, 1)
px = P 0; py = 1; xA =
P
1
= yA ; xB =
= yB
1+P
1+P
nomy,
65
nomy,
66
Dierentiable Approa
h,
67
E onometri a.
398
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
50 0
0 50
0 0
0 0
0
0
0
0
400 0
0 400
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:
Le in 3: Sistemas dinmi os
399
Equilibrio 2:
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
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
Equilibrium,
69
ontrata in.
70
Uzawa, H. (1962),
ttonnement
International
E onomi Review.
71
72
Stability,
E onometri a.
A Theorem on Non-Ttonnement
401
Le in 3: Sistemas dinmi os
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.
D(t)
=2
X
j
pj (pj p ) = 2
X
j
2
j (pj (t) pj ) ,
obtene-
pj zj (p) < 0
ttonnement )
uA (xA , yA ) = xA yA
uB (xB , yB ) = xB yB
on dota iones
wA = (1, 2)
wB = (2, 2)
2py
3
px
2
402
3px
2
2py
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
Journal.
The E onomi
Le in 3: Sistemas dinmi os
403
Edgeworth.
76
77
78
404
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.
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
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
p = (1, 1)
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
406
Demostra in.
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
E onomy,
Le in 3: Sistemas dinmi os
407
E onomi s.
84
408
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.
)
409
Le in 3: Sistemas dinmi os
Journal.
E onomi
410
(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
90
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-
tional So
ieties,
92
411
Le in 3: Sistemas dinmi os
Agente 2
Agente 1
5, 5
0, 4
4, 0
2, 2
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
94
estrategia
y juega la estrategia
I,
(D, D),
(I, D),
y el agente 1
D,
(D, I)
(D, I)
(I, I).
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
E7 (DI, II),
E5 (DI, DI)
E6 (DI, ID),
E8 (ID, ID),
E9 (ID, II),
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
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 .
ei M donde M = lm M k
k
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
415
Le in 3: Sistemas dinmi os
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
i=1
96
Nature 246.
416
dpi
= pi (i
),
dt
dpi
, se determinar aqu
dt
i = 1, 2, . . . , n
= PD D + (1 PD )I = 3PD2 + 2
97
MIT Press.
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
5, 5
0, 0
0, 0
2, 2
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
it.),
MIT Press.
418
u
Eq. Mixto
u
- - -u
(2, 2)
(5, 5)
(D, D)
(I, I)
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
tera tions,
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 )
1
,
1 + e
tanh(x) =
ex ex
ex + ex
420
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
So ial Dynami s,
en The
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
422
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
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
Intera
tions,
105
E onometri a.
106
Non-Market
424
(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)
tera
tions,
108
by Histori al Events,
Le in 3: Sistemas dinmi os
425
426
Le in 3: Sistemas dinmi os
427
y(t)
+ (1 )p(t)y(t) = (1 )q(t)
428
(b) x = tx + t2 x2
(a) x = 3x + 4x2
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 = x + y,
y = x + 3y
429
Le in 3: Sistemas dinmi os
x = 7x 4y,
y = 3x 4y;
x(0) = 4;
y(0) = 8
x = x + y,
y = x + 3y
x = x + 2y + x2 ,
y = 2x + y + xy
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
S1
S2
m1
S3
m2
m3
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
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,
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
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.
2
;
x
(
) x = x + 7;
xt+1 = x2t
(b) x = x +
2
xt
= xt + 7
xt+1 = xt +
xt+1
(e ua in logsti a )
a, b R
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.
434
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
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
Dt = 25 2Pt
Ot = 5 + 2Pt1
Dt = a bPt
Ot = c + dPt1
436
zx (px , py ) = px + py + 1
zy (px , py ) = px 2py + 2
UA = xA + ln yA ,
UB = ln xB + ln yB
Le in 3: Sistemas dinmi os
437
438
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
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.
(simetra)
(desigualdad triangular)
Nota 1.
441
Le in 4: Optimiza in dinmi a
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
i=1 (xi )
2 1
2
) +(
i=1 (yi )
2 1
2
442
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]
d(f, g) =
Z
(f (x) g(x)) dx
12
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)
Br (x0 ) = {x X | d(x, x0 ) r}
Ejemplo 2.
444
x0
x0
Ejemplo 3.
Br (f0 ) =
g C[a,b] / m
ax | f0 (x) g(x) |< r ;
x[a,b]
Br (f0 ) = g C[a,b] / m
ax | f0 (x) g(x) | r
x[a,b]
r
f0
r
f0
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]
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
446
f +
f
fn
f
a
{fn }
f1
f2
f3
f5 . . .
f4
0
0
Figura 4: Su
esin de fun
iones
1
{fn (x)} = {xn }
447
Le in 4: Optimiza in dinmi a
1
b
0
0
Figura 5:
f (x) = 0
Ejemplo 7. (Convergen ia en
1
si
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
mtri a en
448
f1
1/e
f2
..
f3
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.
Teorema 1.
Le in 4: Optimiza in dinmi a
449
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)
450
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)
451
Le in 4: Optimiza in dinmi a
Teorema 4.
de onjuntos abiertos )
452
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 )
453
Le in 4: Optimiza in dinmi 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)
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)))
Intgro-Direntielles,
8
Gauthier-Villars (1913).
Ja ques Gabay.
Wien.
10
Paris: ditions
Springer
La palabra fun ional (fon tionnel ) fue a uada por un pionero del anlisis
454
Teorema 6.
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)
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
1
Figura 9
456
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
()
+ | fn (y) f (y) |
()
457
Le in 4: Optimiza in dinmi a
( )
| fn (x) f (x) |
para todo n N , y todo x [a, b].
Ejemplo 16. (2 es un espa
io mtri
o
ompleto)
Uk (p) =
bn en ,
nk
Vk (p) = p Uk (p)
on el 1 en el puesto n
k Uk (p) k k p k,
k Vk (p) k k p k
lm k Vk (p) k= 0
458
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
d(f, g) =
Z
b
a
(f (x) g(x))2 dx
1/2
fn
para
n = 1, 2, 3, 4
y observe su
omportamiento.
12
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.
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.
460
(Contra in)
T (x ) = T ( lm xn ) = lm T (xn ) = xn+1 = x
n
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
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
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
13
14
X
an n+1
f (x) =
x
n+1
n=0
x x0
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
ral, sobre las series de poten ias, le re omendamos el texto Spivak, Mi hael (1978),
Cl ulus,
464
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
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.
Ejemplo 19.
466
|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.
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.
Demostra in.
468
si 1 x 0
0
fn (x) = nx si 0 < x n1
1 si n1 < x 1
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
fn (x) =
xn
n!
470
fn (x) =
n
X
m=1
1
{{10m x}}
10m
donde
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
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
Cal ulus,
471
Le in 4: Optimiza in dinmi a
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
472
(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.
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
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.
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
||f || = m
ax | f (x) |
x[a,b]
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
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.
Demostra in.
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
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
1
= 1 + x + x2 + x3 + ...
1x
(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
=
18
. Por lo tanto,
I + A + A2 + A3 + ...
18
k AB kk A k k B k.
Podra
Le in 4: Optimiza in dinmi a
477
Pero de la igualdad
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] ?
478
479
Le in 4: Optimiza in dinmi a
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.
hA, Bi =
mn
X
aij bij
i=1
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
480
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.
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)
,
,
, ...,
dx = 0
cos(nx) cos(mx)
dx = 0
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
482
X
1
f (x) = a0 +
(an cos nx + bn sen nx)
2
n=1
(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
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
Esta fue la prin ipal rea de investiga in del extraordinario matemti o olom-
483
Le in 4: Optimiza in dinmi a
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
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
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
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
x0
485
Le in 4: Optimiza in dinmi a
y as
k() ()k
e M k k
e
dy
= f (x, y).
dx
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
tiene una
ni a
i = 1, 2, ..., n
solu
in
y1 = 1 (t),
...
, yn = n (t)
...
, y0n = n (t0 )
Demostra in.
Ejer
i
ios 4
1. Basndose en el teorema 13, pruebe el teorema 14.
486
Le in 4: Optimiza in dinmi a
487
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
II
R
Figura 8. Prin
ipio de Fermat
temti a?,
Qu es la Ma-
489
Le in 4: Optimiza in dinmi a
t)dt
{c(t)}
t0
sujeta a
c(t0 ) = c0
(CV)
c(t1 ) = c1
donde v(c(t), 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
c(t)
c1
ds
c0
dc
dt
t0
t1
c 0 , c1
en el plano.
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))
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
t) = 2c(t) 1 + (c(t))
491
Le in 4: Optimiza in dinmi a
c1
ds
c0
c
t
b)
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),
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
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).
)
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
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
t1
t0
v
d
c dt
v
c
dt = 0
493
Le in 4: Optimiza in dinmi a
(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
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
, 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
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.
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
t)
es
onvexa en (c(t), c(t))
.
Ejemplo 32. (La distan
ia ms
orta entre dos puntos)
{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
debe ser
tambin
onstante (por qu?). De all que c(t) debe ser lineal en t; es
de
ir,
c(t) = k0 t + k1
c(t) =
c1 c0
c0 t1 c1 t0
t+
.
t1 t0
t1 t0
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
c(t)
=
1p 2
c (t) k2
k
kdc
= dt
c2 k2
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 )
497
Le in 4: Optimiza in dinmi a
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
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
y llegamos a que
y(t) =
1
(t sen t)
2k2
x(t) =
1
(1 cos t) ;
2k2
y(t) =
1
(t sen t)
2k2
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
{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
]dt
{c(t)}
sujeta a
c(0) = 2e 2
c(1) = 1 + e
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))
500
L c
L
= k1
c
c+
1 + c2
c2
= k1
1 + c2
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
(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
502
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)
Como de
amos antes, el problema del
l
ulo de varia
iones
lsi
o sufre de algunas limita
iones que una nueva teora, desarrollada por Lev
Pontryagin et al. (1961) 23 ,
ono
ida
omo la teora del
ontrol ptimo
(o
l
ulo de varia
iones moderno), intenta resolver. Pontryagin llamara
a esta teora el prin
ipio del mximo. La esen
ia de la teora del
ontrol
ptimo est, pre
isamente, en
ontrolar
ierto sistema dinmi
o en un
determinado perodo de tiempo, de tal manera que se satisfaga un objetivo espe
o. El sistema dinmi
o des
ribe la evolu
in de una variable
k(t) que llamamos variable de estado (a partir de un estado ini
ial x0 )
y que est siendo sometido a
ontroles
ontinuos c(t) (variable de
ontrol ) para que se optimi
e un fun
ional que, en general, est des
rito
mediante una integral que, a su vez, depende de la variable de estado,
de la de
ontrol y, quizs expl
itamente, del tiempo.
El problema
anni
o del
ontrol ptimo en el
aso
ontinuo se puede
estable
er
omo
Z t1
Maximizar
v(k(t), c(t), t)dt
{c(t)}
sujeta a
t0
k(t)
= g(k(t), c(t), t)
(CO)
k(t0 ) = k0
k(t1 ) = k1
donde v(, , ), g(, , ) son fun
iones
ontinuamente diferen
iables en
[t0 , t1 ]; c() es una
urva de Rm
ontinua en [t0 , t1 ] (llamada variable
de
ontrol ); k(t) es una
urva diferen
iable de Rn en [t0 , t1 ] (llamada
variable de estado ); k0 , k1 Rm son dados 24 .
Es
laro, de la deni
in, que el problema
anni
o de
ontrol ptimo
puede tener mltiples variables de estado y mltiples
ontroles, y que el
nmero de
ontroles no est rela
ionado
on el nmero de variables de
estado.
23
Pontryagin, L.S., V.G. Boltyanskii, R.V. Gamkrelidze, E.F. Mish henko (1961),
1986).
24
En lo que sigue, los teoremas y resultados estn estable idos para el aso
n = 1.
m = 1,
504
sujeta a
k(t)
= k(t) + c(t)
(CO)
k(0) = 0
k(1)
libre
primero notamos que podemos en
ontrar solu
iones expl
itas al sistema
dinmi
o que apare
e en (CO):
Z t
t
k(t) = e [ c(t)et dt]
0
505
Le in 4: Optimiza in dinmi a
Note que, por ejemplo, si c(t) = 1 enton
es V (1) = e 52 (> 0), pero
si c(t) = 1 et enton
es V (c(t)) > V (1)
omo el le
tor puede
omprobar f
ilmente. Pero este ltimo
ontrol es ms que eso: es el
ontrol
ptimo. En efe
to: derivando V (c)
on respe
to a c, e igualando a
ero,
en
ontramos que, efe
tivamente,
c(t) = 1 et
Por lo tanto, la variable de estado estar dada por
k(t) =
et + et
1
2
sujeta a
t1
k(t)
= g(k(t), c(t), t)
(CO)
k(t0 ) = k0
k(t1 ) = k1
Consideremos ini
ialmente el espa
io mtri
o C
onsistente en todos los
pares de fun
iones (c, k) donde: i) Las fun
iones c : [t0 , t1 ] R
on
c(t0 ) = c0 , c(t1 ) = c1 , son uniformemente a
otadas por una
onstante
ja K , y equi
ontinuas,
on la norma del mximo estndar. ii) Para
ada
F:CR
506
denido por
F(c(t), k(t)) =
t1
t0
Asumiendo que C =
6 , el problema de
ontrol ptimo (CO) tiene solu
in, pues sera una
on
lusin dire
ta del teorema de Weierstrass para
espa
ios mtri
os
ompa
tos (teorema 10), una vez se tenga que F es
ontinua. Pero esto se ve inmediatamente al utilizar el teorema del valor
medio para varias variables (ver volumen II: Cl
ulo).
ii)
et al (1961))
El prin
ipio del mximo puede verse
omo una extensin del mtodo
de los multipli
adores del Lagrange a problemas de
ontrol ptimo: en
ada punto del tiempo estaremos resolviendo un problema estti
o de
optimiza
in
omo los que ya habamos estudiado en la le
in 2. Sin
embargo,
omo aqu la restri
in es un sistema dinmi
o, enton
es los
multipli
adores de Lagrange deben ser fun
iones
ontinuas (t) a las
que, tpi
amente, se les llama multipli
adores dinmi
os de Lagrange o,
tambin, variables de
oestado.
Ini
iemos enton
es
onstruyendo una fun
in lagrangiana de la forma
L=
=
=
t1
t0
t1 h
t0
t1 h
t0
i
Z
i
v(k(t), c(t), t) + (t)g(k(t), c(t), t) dt
i
v(k(t), c(t), t) + (t)g(k(t), c(t), t) dt
t1
(t)k(t)dt
t0
t1
t0
(t)k(t)dt
507
Le in 4: Optimiza in dinmi a
v
g
(k(t), c(t), t) + (t) (k(t), c(t), t) = 0
c
c
()
L
i)
= 0:
w =0
Z t1 h
i
v
g
(k(t), c(t), t) + (t) (k(t), c(t), t) + (t)
(t)dt = 0
k
k
t0
que, puesto que (t) es arbitraria, impli
a que
v
g
(k(t), c(t), t) + (t) (k(t), c(t), t) = (t)
k
k
L
i)
= 0:
=0
()
( )
Y si denimos la expresin
H
=0
c
()
508
H
=
k
H
= k(t)
()
( )
H
=
k
Aplique
H
= 0 y en
uentre c en fun
in de k, y t.
c
op.
it.
Mangasarian, O. (1966),
linear Systems,
509
Le in 4: Optimiza in dinmi a
Paso 3.
Ejemplo 36.
Resolvamos el problema
Maximizar
{c(t)}
sujeta a
et ln(c(t))dt
k = + rk(t) c(t)
k(0) = 0, k(T ) = 0
Solu in.
El orrespondiente hamiltoniano es
H = et ln(c) + ( + rk c)
H
=0:
c
H
= :
k
H
= k :
et
= 0
c
r =
k = + rk c
()
()
( )
510
(t) = 0 ert
( )
et
.
(t)
Paso 1.
Paso 2.
k = + rk c
et rt
e
0
e(r)t
= + rk
0
= + rk
y esta e
ua
in diferen
ial para la variable de estado k(t), afortunadamente, se puede resolver analti
amente (ver le
in 3)
omo
1
rt
t
k(t) = k(0) + (1 e )
(1 e ) ert
r
0
Paso 3.
0 =
r(1 eT )
>0
w(1 erT )
c(t) =
e(r)t
0
Pero hasta ahora slo hemos apli
ado las
ondi
iones de primer orden de
un problema de
ontrol ptimo, y no hemos expli
itado
ondi
iones de
segundo orden que muestren que las solu
iones en
ontradas mediante el
prin
ipio del mximo, efe
tivamente, resuelven el problema de en
ontrar
el mximo. Pero ellas, afortunadamente, tambin existen:
511
Le in 4: Optimiza in dinmi a
Teorema 17.
Ver Mangasarian(1966)
27
c(t) =
e(r)t
0
2
3
k2 (0) = 0; k2 (1) = 2
k1 (0) = 0; k1 (1) =
Solu in.
Aqu, el hamiltoniano es
1
H = c2 + 1 k2 + 2 c
2
y, por lo tanto, las
ondi
iones de primer orden son:
27
op. it.
512
i)
H
= 0:
c
ii)
H
= :
k
c + 2 = 0
()
1 = 0 y 2 = 1
iii) k 1 = k2 y k 2 = c
()
( )
Paso 1:
De () obtenemos que c = 2
Paso 2:
k1 (0) = 0 = m4
2
1
1
k1 (1) = = m1 m2 + m3 + m4
3
6
2
k2 (0) = 0 = m3
1
k2 (1) = 2 = m1 m2 + m3 ;
2
es de
ir,
m1 = 4,
Paso 3:
m2 = 0,
m3 = 0
m4 = 0
Por lo tanto, el ni
o
ontrol es c(t) = 4t; los multipli
adores dinmi
os son 1 (t) = 4, 2 (t) = 4t; y las dos variables de estado
son k1 (t) = 23 t3 y k2 (t) = 2t2 .
En el problema
anni
o (CO) de
ontrol ptimo, tanto los valores ini
iales en t0
omo los valores terminales en t1 de las variables de estado,
siempre son dados. Sin embargo, es posible ampliar el espe
tro de apli
a
in del prin
ipio del mximo distinguiendo
in
o
asos posibles:
513
Le in 4: Optimiza in dinmi a
V =
t1
t0
v(k(t), c(t), t)
t1
(t)c(t)dt
t0
514
Es de
ir,
Z t1
H
H
+ )(t)
+
(t)]dt + H(t1 )(t1 ) (t1 )(k(t1 )) = 0
[(
k
c
t0
Por el prin
ipio del mximo, el primer sumando de la e
ua
in anterior
es 0. Luego las
ondi
iones de transversalidad saldrn de los dos ltimos
trminos, es de
ir, de la e
ua
in
(*)
k(t1 ) kmn ,
(t1 ) 0,
515
Le in 4: Optimiza in dinmi a
t1 tmax ,
H(t1 ) 0,
(1)
donde
k(T ) = 0
(T ) =
c(T ) =
r(1 eT ) rT
e
w(1 erT )
k(T ) 2,
(T ) 0,
(k(T ) 2)(T ) = 0
(2)
516
donde
(T ) = 0 erT
1
rT
T
(1 e
k(T ) =
)
(1 e
) erT
r
0
Lo primero que ha
emos aqu es bus
ar si existe un T 0 que sea
solu
in a la e
ua
in k(T ) = 2, es de
ir,
1
(1 eT ) erT = 2
(1 erT )
r
0
H(T ) = (T ) (T )
donde (t) es el multipli
ador dinmi
o de Lagrange, se
onvierte,
on
(t) = 1 + t3 , k(T ) = (T ), en
donde
(3)
(T ) = 0 erT
1
rT
T
k(T ) =
(1 e
)
(1 e
) erT
r
0
e(r)T
0
Sin embargo, tampo
o es posible resolver la e
ua
in (3) mediante frmula expl
ita para T . Como en los dos
asos anteriores, slo
on parmetros
numri
os
on
retos es posible resolverlo para T
on
ualquier grado de
aproxima
in.
c(T ) =
517
Le in 4: Optimiza in dinmi a
T 3,
H(T ) 0,
(T 3)H(T ) = 0
(4)
donde
e(r)T
0
(T ) = 0 erT
1
rT
T
k(T ) =
(1 e
)
(1 e
) erT
r
0
Lo primero que ha
emos aqu es tomar T = 3, y observar si ste resuelve la
ondi
in H(T ) 0 de (4) para
iertos 0 . En
aso
ontrario,
nos preguntamos si existe una T 3 que satisfaga H(T ) = 0. En
aso
armativo, esta es la solu
in al problema de transversalidad. Desafortunadamente, tampo
o aqu es posible resolver la
ondi
in H(T ) = 0
mediante frmula expl
ita para T . Slo parmetros numri
os
on
retos
permitiran solu
in
on
ualquier grado de aproxima
in.
iv)
sujeta a
t0
k(t)
= g(k(t), c(t), t)
(COHI)
k(t0 ) = k0 dado
lm k(t) libre
518
urva de
ontrol en Rm
ontinua a trozos en [t0 , ); y k(t) es la variable de estado, que es una
urva diferen
iable de Rn en [t0 , ); k0 Rm
es dado.
El prin
ipio del mximo se apli
a tambin aqu
on, esen
ialmente, las
mismas e
ua
iones de hamiltoniano, aunque,
omo era de esperarse, dado
que la
ondi
in terminal
ambi, habr que agregar una generaliza
in
de la
ondi
in de transversalidad del
aso de lnea terminal horizontal:
lm H(t) = 0
El prin ipio del mximo se resumir, enton es, en uatro ondi iones:
H
=0
c
H
+ = 0
k
()
()
( )
( )
lm H(t) = 0
sujeta a
k(t)
= + rk(t) c(t)
519
Le in 4: Optimiza in dinmi a
para c(t), k(t), (t) que en
ontramos all, se puede ver que la
ondi
in
lmt H(t) = 0 es, en este
aso, equivalente a la
ondi
in
lm (t)k(t) = 0
sujeta a
et ln(c(t))dt
k(t)
= ln k(t) rk(t) c(t)
(COHI)
k(0) = k0
lm k(t) libre
H = et ln(c) + (ln(k) rk c)
y a
ontinua
in las
ondi
iones de primer orden:
H
=0:
c
H
+ = 0 :
k
H
= k :
[Cond. de Transv. :
et
=0
c
1
( r) =
k
k(t)
= ln k(t) rk(t) c(t)
lm H(t) = 0
c(t) =
et
(t)
()
()
( )
( )
520
1
c = (r ) c
k
que junto a la e
ua
in ( )
k = ln k rk c
onforman un sistema dinmi
o
omo los estudiados anteriormente
en la le
in 3. A diferen
ia del ejemplo 42, este es, pre
isamente,
uno de aquellos
asos en los que la solu
in analti
a expl
ita del
sistema dinmi
o es imposible. Por esto es
onveniente utilizar los
diagramas de fase (ver le
in 3), y lo primero que ha
amos all
era bus
ar el punto de equilibrio de este sistema dinmi
o. Para
ello re-es
ribamos las e
ua
iones
k =
1
r
c = ln(k ) rk
Es inmediato ver que, para ele
iones apropiadas de y r , stas tienen una ni
a solu
in de valores positivos (k , c ), y que
el diagrama de fase (ver gura 13) nos muestra slo dos regiones
onvergiendo al equilibrio (equilibrio tipo silla). Para esto, la
ondi
in ini
ial (c(0), k(0)) debe estar sobre uno de estas dos regiones
(re
ordemos que k(0) est dado por el problema original). En otro
aso, la dinmi
a temporal se alejar del punto de equilibrio.
II
c = ln k rk
I
k
k
Figure 13: Diagrama de fase.
521
Le in 4: Optimiza in dinmi a
lm H(t) = 0
lm (t) k(t) = 0
La segunda aproxima
in al problema de
ontrol ptimo,
ono
ida
omo el mtodo de programa
in dinmi
a, fue desarrollado por Ri
hard
Bellman en 1957. 28 Veamos en qu
onsiste.
Como sabemos, el problema general del
ontrol ptimo se puede estable
er
omo
Z t1
Maximizar
v(k(t), c(t), t)dt
{c(t)}
sujeta a
t0
k(t)
= g(k(t), c(t), t)
(CO)
k(t0 ) = k0
k(t1 ) = k1
donde v(, , ), g(, , ) son fun
iones
ontinuamente diferen
iables en
[t0 , t1 ]; c() es una
urva de Rn
ontinua en [t0 , t1 ] (llamada variable de
ontrol ); k(t) es una
urva de Rn diferen
iable en
asi todos los puntos
en [t0 , t1 ] (llamada variable estado ); k0 , k1 Rn son dados.
i)
Sea
V =
t1
(Fun in de Bellman)
t0
28
de 2003.
522
V (k(t), t) = m
ax {v(k(t), c(t), t)t + V (k(t) + k(t), t + t)} (R)
{c(t)}
V
V
k(t) +
t
k
t
0 = m
ax {v(k(t), c(t), t)t + V (k(t) + k(t), t + t) V (k(t), t)}
{c(t)}
V
V
k(t) +
t V (k(t), t)
= m
ax v(k(t), c(t), t)t + V (k(t), t) +
k
t
{c(t)}
(Bellman)
= m
ax v(k(t), c(t), t) +
g(k(t), c(t), t)
t
k
{c(t)}
que se
ono
e
omo la e
ua
in de Bellman para el problema de
ontrol
ptimo (CO).
Teri
amente, resolviendo la e
ua
in de Bellman obtendramos la fun
in de solu
iones ptimas y, de sta, resolveramos nuestro problema
(CO)
omo el valor parti
ular, de a
uerdo a nuestras
ondi
iones ini
iales. Sin embargo, la e
ua
in de Bellman es una dif
il e
ua
in diferen
ial (en derivadas par
iales) que slo tiene solu
in analti
a en
asos
523
Le in 4: Optimiza in dinmi a
sujeta a
1 2
(k (t) + c2 (t))dt
2
k(t)
= 3k(t) + 2c(t)
(CO)
k(0) = k0
k(T ) = k1
apli
amos la e
ua
in de Bellman para obtener que
V
1 2
V
2
= m
ax (k (t) + c (t)) +
(3k(t) + 2c(t))
t
2
k
{c(t)}
Supongamos que
1
S(t)k2
2
para
ierta fun
in S(t) por determinar, e ingresamos sta a la e
ua
in
de Bellman para obtener que
1 dS
1
k2
(**)
= m
ax (k2 (t) + c2 (t)) + S(t)k(t)(3k(t) + 2c(t))
2 dt
2
{c(t)}
V =
dS
= 1 6S + 12S 2
dt
29
timal Control,
524
uya solu in es
S(t) =
1
3
tan[ 3(t m)] +
12
4
1
3
c(t) =
tan[ 3(t m)] +
k(t)
6
2
k(t)
= 2
3
tan[ 3(t m)] k(t)
3
Ejer
i
ios 6
1. Plantee intuitivamente (es de
ir, sin e
ua
iones) el problema de servir una gaseosa en un vaso sin que la espuma se derrame,
omo un
problema de
ontrol ptimo, identi
ando
ules seran las variables de estado y
ontrol, y
ul sera la fun
in objetivo a optimizar.
Podra usted plantear, en lenguaje no-formal, otros problemas
otidianos que se asimilen al esquema del
ontrol ptimo?
2. Resuelva nuevamente, ahora utilizando el prin
ipio del mximo,
el problema planteado en el ejemplo 30
omo uno de
l
ulo de
varia
iones:
Z t1 p
1 + (k(t))2 dt
Minimizar
{c(t)}
sujeta a
t0
k = c(t)
k(t0 ) = k0
k(t1 ) = k1
Compare los dos mtodos.
525
Le in 4: Optimiza in dinmi a
Maximizar
{c(t)}
t1
(k(t) + c(t))dt
k = 1 c2 (t)
sujeta a
k(0) = 1
k(1) = 9/4
4. Utilizando el prin
ipio del mximo, resuelva el problema
Minimizar
{c(t)}
sujeta a
1 2
(k (t) + c2 (t))dt
2
k(t)
= 3k(t) + 2c(t)
(CO)
k(0) = k0
k(T ) = k1
y
ompare su respuesta
on la del ejemplo 44,
uando el mismo
problema fue resuelto utilizando la e
ua
in de Bellman.
5. (Hamiltoniano de valor presente (o
orriente)) Las
ondi
iones de
un problema de
ontrol ptimo de la forma
Z t1
Maximizar
et v(k(t), c(t), t)dt
{c(t)}
sujeta a
t0
k(t)
= g(k(t), c(t), t)
(CO)
k(t0 ) = k0
k(t1 ) = k1
para > 0, puede es
ribirse
onvenientemente. En efe
to: Construyendo el hamiltoniano
526
y tambin denimos
= et
Enton es
Maximizar
{c(t)}
et
c(t)dt
1
k = 100 + k(t) c(t)
2
k(0) = 0, k(T ) = 0
sujeta a
sujeta a
1
(5k2 (t) + c2 (t))dt
2
k(t)
= k(t) + 4c(t)
k(0) = k0
k(T ) = k1
(CO)
527
Le in 4: Optimiza in dinmi a
dt
{c(t)}
sujeta a
t0
k = Ak + Bc
H = 1 + (Ak + Bc)
y, por tanto, el le
tor podr mostrar que el
ontrol ptimo es de la
forma
c = sign(B)
Es de
ir, c es igual a +1 si B > 0; e igual a 1 si B < 0. As,
el
ontrol ptimo siempre estar saltando de un punto extremo
al otro, en el rango posible de
ontrol. Por eso a ste se le
ono
e
omo
ontrol bang-bang.
11. Muestre que otro ejemplo de
ontrol bang-bang es el siguiente:
Z t1
Maximizar
dt
{c(t)}
sujeta a
t0
k1 = k2 ,
k2 = c
528
Minimizar
sujeta a
c0 (T ) c0 (0) +
t0
529
Le in 4: Optimiza in dinmi a
Maximizar
{c(t)}
v(kt , ct , t)
t=0
sujeta a
(COD)
kt+1 kt = g(kt , ct , t)
k0 , kT +1 dados
a)
30
t=0
L=
T
X
{v(kt , ct , t) + t+1 g(kt , ct , t) + kt (t+1 t )}
t=0
+v(k0 , c0 , 0) + 1 g(k0 , c0 , 0) + k0 1 kT +1 T +1
L
= 0:
kt
t+1 t = [
ii)
30
L
= 0:
ct
Aqu apare e
v
g
+ t+1
]
kt
kt
v
g
+ t+1
=0
ct
ct
t+1
en lugar de
t ,
()
()
kt+1
(ver le in 2).
530
iii)
L
= 0:
t
kt+1 kt = g(kt , ct , t)
( )
t+1 t =
H
(kt , ct , t+1 , t)
k
H
(kt , ct , t+1 , t) = 0
c
kt+1 kt =
H
(kt , ct , t+1 , t) = g(kt , ct , t)
()
()
( )
De otro lado, si v(k(t), c(t), t) y g(k(t), c(t), t) son
n
avas en (k, c),
y (t) 0 para todo t [t0 , t1 ], enton
es las e
ua
iones (), (),
( ) tambin son su
ientes para que c(t) sea una solu
in al problema
(CO). Tambin es
ierta esta
on
lusin si v(k(t), c(t), t) es
n
ava y
g(k(t), c(t), t) es
onvexa en (k, c), y adems (t) 0 en [t0 , t1 ].
Demostra in.
31
Ejemplo 45.
Resolvamos el problema
31
op. it.
531
Le in 4: Optimiza in dinmi a
Maximizar
{c(t)}
T
X
t ln ct
t=0
sujeta a
kt+1 = w + (1 + r)kt ct
k0 , kT +1 > 0 dados
H(k, c, , t) = t ln c + (w + rk c)
y, a
ontinua
in, las
ondi
iones de primer orden:
t+1 t = rt+1
kt+1
De (1) obtenemos que
t
t+1 ct = 0
ct
= w + (1 + r)kt ct
t = 0 [
(1)
(2)
(3)
1 t
]
1+r
(4)
t
t+1
(5)
(ct )2 =
(7)
532
kt = k0 (1 + r) +
t1
X
tk1
(1 + r)
k=0
(w
k
1+r
[(1 + r)] 2 )
0
(8)
H(T ) = 0
donde H es el hamiltoniano del problema de
ontrol ptimo.
3. Super
ie terminal: La
ondi
in k(T ) = kT
on kT y T libres,
ex
epto por la restri
in k(T ) = (T ) nos lleva a la e
ua
in de
transversalidad
H(T ) = (T ) (T )
donde (t) es el multipli
ador dinmi
o de Lagrange.
4. Lnea terminal verti
al trun
ada: Bajo la
ondi
in k(T )
kmn para un
ierto kmn
ono
ido, las
ondi
iones de transversalidad resultan ser
k(T ) kmn ,
(T ) 0,
(T )(k(T ) kmn ) = 0
533
Le in 4: Optimiza in dinmi a
T tmax ,
H(T ) 0,
(T tmax )H(T ) = 0
Ejemplo 46.
Maximizar
{c(t)}
t ln ct
t=0
sujeta a
kt+1 = w + (1 + r)kt ct
k0 = 1, kT +1 2 dados
Primero, es
ribamos las
ondi
iones de transversalidad:
kT +1 2, (T + 1) 0, (T + 1)(kT +1 2) = 0
Y dado que hemos requerido que 0 > 0 para que haya solu
in, enton
es,
de (4), tendremos que (T + 1) > 0. As, kT +1 = 2, y slo restara
en
ontrar T a partir de la e
ua
in
T
(1 + r) +
T
1
X
T k1
(1 + r)
k=0
(w
k
1+r
[(1 + r)] 2 ) = 2
0
Pero de aqu, desafortunadamente, no se puede extraer una frmula expl
ita de T en trminos de los parmetros fundamentales del problema.
Sin embargo, s se podra en
ontrar el valor de T , si
ono
emos valores
numri
os espe
os de los fundamentales.
ii)
X
t=0
v(kt , ct , t)
en el aso
534
sujeta a
kt+1 kt = g(kt , ct , t)
(COD)
k0 dado
lm kt existe
t+1 t =
H
(kt , ct , t+1 , t)
k
H
(kt , ct , t+1 , t) = 0
c
kt+1 kt =
H
(kt , ct , t+1 , t) = g(kt , ct , t)
lm H(t) = 0
()
()
( )
( )
sujeta a
X
c2
{kt t }
2
t=0
kt+1 = 2kt + ct
k0 = 0
lm kt
existe
(CO)
535
Le in 4: Optimiza in dinmi a
es ribimos su hamiltoniano
H =k
c2
+ (k + c)
2
t+1 t = (1 + t+1 )
(1)
ct + t+1 = 0
(2)
kt+1 = 2kt + ct
(3)
lm [kt
c2t
+ t (kt + ct )] = 0
2
(4)
1
t = (0 + 1)( )t 1
2
y as los
ontroles {ct } estn determinados por
1
ct = (0 + 1)( )t+1 + 1
2
(5)
1
kt+1 = 2kt (0 + 1)( )t+1 + 1
2
(6)
donde 0 estar determinada por la
ondi
in de que lmt kt es nito.32 La e
ua
in (6) puede resolverse expl
itamente mediante el ejemplo
39 de la le
in 3, y esta propuesto
omo ejer
i
io para el le
tor.
32
536
Ejemplo 48.
t ln ct
t=0
sujeta a
kt+1 kt = w + rkt ct
k0 dado
lm kT
dado
H = t ln ct + t (w + rkt ct )
on
1 t
t = 0 [
]
1+r
r
t
1+r
ct =
[(1 + r)] 2
0
r
t1
X
k
1+r
t
tk1
kt = k0 (1 + r) +
(1 + r)
(w
[(1 + r)] 2 )
0
(4)
(5)
(6)
k=0
lm H(t) = 0
lm t kt = 0
1 tX
lm 0 k0 + 0 [
(1 + r)tk1 (w
]
t
1+r
k=0
k
1+r
[(1 + r)] 2 ) = 0
0
X
k
1+r
k1
k0 =
(1 + r)
(w
[(1 + r)] 2 )
0
k=0
537
Le in 4: Optimiza in dinmi a
0 = [
( wr
]2
k0 )( 1 + r )
(7)
b)
sujeta a
T
X
v(kt , ct , t)
t=0
kt+1 = g(kt , ct , t)
(COD)
k0 , kT +1 dados
i)
V (kt , t) = m
ax{v(kt , ct , t) + V (kt+1 , t + 1)}
{ct }
(DR)
que,
omo
omo en el
aso
ontinuo, signi
a que el valor ptimo V (kt , t)
de la fun
in objetivo en el estado kt y en el tiempo t, es igual a la
538
V (kt , t) = m
ax{v(kt , ct , t) + V ( g(kt , ct , t), t + 1)}
{ct }
(DR')
V (kT +1 , T + 1) = 0
Note, de nuevo,
mo la programa
in dinmi
a des
ompone el problema
original en una su
esin de pequeos problemas de optimiza
in ms
simples, siempre de atrs ha
ia adelante. Veremos esto
on
laridad en
los siguientes ejemplos.
Ejemplo 49.
sujeta a
T
X
(ct )2
t=0
T
X
ct = C
t=0
c0 , c1 , ..., cT 0; C 0 dado
Para resolverlo, utilizaremos la programa
in dinmi
a
omenzando
on
la primera e
ua
in re
ursiva de Bellman, que
orresponde a la del ltimo
perodo, T :
V (c, T ) = m
ax {(cT )2 } = C 2
{cT =C}
V (c, T 1) =
m
ax
{(cT 1 )2 + V (C cT 1 , T )}
{0cT 1 C}
539
Le in 4: Optimiza in dinmi a
m
ax
{0cT 1 C}
{(cT 1 )2 (C cT 1 )2 }
1
cT 1 = C
2
Esto nos di
e que en
ada uno de los dos perodos, T 1 y T , deberan
gastarse la mitad de los re
ursos C . De manera similar, llegamos a que
V (c, T 2) =
1
{(cT 2 )2 (C cT 2 )2 }
2
{0cT 2 C}
m
ax
1
cT 2 = C
3
As, debemos gastar la ter
era parte de los re
ursos en
ada uno de los
perodos T 2, T 1, T .
Siguiendo de esta forma, es ya f
il mostrar que la forma de distribuir la
antidad C es en partes iguales a travs de los perodos:
c0 = c1 = c2 = ... = cT =
C
T T0 + 1
Ejemplo 50.
Consideremos el problema
Maximizar
{c(t)}
sujeta a
T
X
t ln(ct )
t=0
k0 > 0 dados
y, utilizando la e
ua
in de Bellman, en
ontremos la fun
in de valora
in ptima V (k, t), asumiendo que la fun
in de valora
in en el ltimo
perodo, V (k, T ), es igual a 0.
Primero,
on la restri
in ct + kt+1 = (kt ) ,
omenzamos el pro
eso
iterativo de atrs ha
ia adelante, que
ara
teriza a la programa
in dinmi
a:
540
V (k, T 1) =
m
ax
{0cT 1 =(k) }
cT 1 = (kT 1 )
La segunda e
ua
in de Bellman es
V (k, T 2) = m
ax { T 2 ln(cT 2 ) + V (kT 1 , T 1)} =
{cT 2 }
m
ax
{0cT 2 (k) kT 1 }
{ T 2 ln(cT 2 ) + T 1 ln(kT 1 )}
kT 1 =
(kT 2 ) ,
1 +
cT 2 =
1
(kT 1 )
1 +
y as,
V (k, T 2) = T 2 ln(
k ) + V (
k , T 1)
1 +
1 +
V (k, T 2) = T 2 {[ln(
) + ln(
)] + (1 + ) ln(k)}
1 +
1 +
Se puede probar, por indu in matemti a (ver volumen 0: Fundamentos) que, en general, para t = 0, 1, 2, ..., T ,
V (k, t) = t {A + B ln(k)}
donde
A=
t1
X
j=0
33
j ln(
33
1
)+
1 + + ... + ()t1j
original.
541
Le in 4: Optimiza in dinmi a
t1
X
j=0
1 + + ... + ()t2j
)
1 + + ... + ()t1j
y
t1
X
B = [ ()j ]
j=0
(kt )
ct = Pt1
j
j=0 ()
1
kt+1 = (kt ) (1 Pt1
)
j
j=0 ()
sujeta a
en el aso
t v(kt , ct )
t=0
kt+1 = g(kt , ct )
(COD)
Este aso de horizonte innito requiere de la siguiente dis usin: Denamos, la transforma in T : C[t0 ,t1 ] C[t0 ,t1 ] por
T (V )(k) = m
ax {v(k, c) + V (g(k, c))}
{c(t)}
542
V (k) = m
ax{v(k, c) + V (g(k, c))}
{c}
Consideremos el problema
Maximizar
{c(t)}
t ln(ct )
t=0
sujeta a
V (k, t) = t {A + B ln(k)}
donde
A=
t1
X
j ln(
j=0
t1
X
1
)+
1 + + ... + ()t1j
j=0
34
Tk
es la
T -itera in
1 + + ... + ()t2j
)
1 + + ... + ()t1j
de la transforma in
T,
es de ir,
Tk =
543
Le in 4: Optimiza in dinmi a
t1
X
B = [ ()j ]
j=0
(kt )
ct = Pt1
j
j=0 ()
V (k) =
{ln(1 ) +
ln()} +
ln k;
1
1
1
ct = (1 )(kt )
kt+1 = (kt )
que
laramente, pueden expresarse expl
itamente.
V (kt , t) = m
ax{v(kt , ct , t) + E(V (kt+1 , t + 1))}
ct
544
Aqu, nuevamente, debemos ir, paso a paso, resolviendo pequeos problemas de optimiza
in,
omenzando en el perodo T y terminando en
el perodo 0. Adems, en mu
hos
asos, podemos tomar ventaja de la
linealidad del valor esperado.
Ejemplo 52.
Consideremos el problema
Maximizar
{c(t)}
t[
t=0
sujeta a
1
(ct )1 ]
1
E(Rt1 ) <
Bk1 = m
a x{
c0
c1
+ B(k c)1 E(R1 )}
1
c=
donde
35
Rt
36
(*)
Rt
Esto, laramente, evita el desarrollo del dispendioso pro eso iterativo, siempre y
37
1 + M
M = B(1 )E(R1 )
Es de ir, ada
estas
545
Le in 4: Optimiza in dinmi a
Bk
1
1
M
1
={
(
)1 + BE(R1 ) + (
} k1
1 )
1 1 + M 1
1+M
{1 (E(R1 )) }
B=
1
ct = {1 (E(R1 )) } kt
cuk + H(xk + uk + wk )
546
E{
k=0
cuk + H(xk + uk wk )}
Se trata enton
es de en
ontrar los
antidades (
ontroles) uk que le minimizaran el
osto de opera
in a la empresa. Es de
ir, para
ada posible
inventario xk que se tenga, es
oger la
antidad ptima que debera produ
ir en el perodo k, de tal manera que los
ostos sean mnimos.
Supongamos un
aso muy simple de fun
in de
ostos lineal: Para
iertos
p > 0, h 0, p > c se tiene que
H(xk+1 ) = p m
ax(0, xk+1 ) + h m
ax(0, xk+1 )
E{
k=0
cuk + p m
ax(0, xk uk + wk ) + h m
ax(0, xk + uk wk )}
L(y) = p E{m
ax(0, wk y)} + h E{m
ax(0, y wk )}
Enton
es, la fun
in de valora
in en el perodo k satisfa
e la e
ua
in
re
ursiva de Bellman
uk (xk ) = Sk xk si xk < Sk ;
uk (xk ) = 0 si xk Sk
As, los datos ini
iales del problema generan, para
ada perodo k, una
antidad espe
a Sk tal que, si el inventario xk re
ibido en ese perodo,
547
Le in 4: Optimiza in dinmi a
Ejer
i
ios 7
1. Mediante el prin
ipio del mximo, resuelva
Maximizar
{ct }
sujeta a
T
X
ct
t=0
kt+1 kt = w ct
k0 dado
kT
dado
sujeta a
t ct
t=0
kt+1 kt = w ct
k0 dado
lm kT
dado
sujeta a
3
X
[(kt )2 + (ct )2 ]
t=0
k0 = 1, k4 = 7, ct = entero no-negativo
kt+1 = kt + 2ct , t =0,1,2,3.
548
dada ja:
Maximizar
{c(t)}
X
t=0
sujeta a
t (ct )2
ct = C
t=0
c0 , c1 , ... 0; C 0 dado
5. Utilizando programa
in dinmi
a, resuelva el problema
Maximizar
{c(t)}
t (ln(ct ) + ln(ct1 ))
t=0
sujeta a
k = 0, 1
Le in 4: Optimiza in dinmi a
549
Pruebe, utilizando programa in dinmi a, que la temperatura ptima del primer horno es
u0 =
u1 =
ra[T (1 a)x1 ]
1 + ra2
T (V )(k) = m
ax {v(k, c) + V (g(k, c))}
{c(t)}
| T (W )(s) T (V )(s) | k W V k
vi) Finali
e mostrando que
k T (W ) T (V ) k k W V k
38
550
8. Contexto e
onmi
o
Quizs el problema metodolgi
o
entral para
ualquier estudiante de
E
onoma es
mo abordarla. En el desarrollo de los
ontextos e
onmi
os de estos
uatro volmenes de Matemti
as bsi
as para e
onomistas , hemos intentado
onven
er al le
tor de que, a
tualmente, slo existen tres formas fundamentales de aproximarse al estudio de la
E
onoma: el modelo keynesiano y sus derivados, el modelo neo
lsi
o
Arrow-Debreu y su saga, y la teora de intera
iones, in
luyendo all, en
gran medida, la nuevas t
ni
as de
omplejidad. Pero lo que queremos
resaltar en este ltimo
ontexto e
onmi
o es que estas formas de aproxima
in, por s solas, seran teora e
onmi
a va
a si no existieran los
problemas e
onmi
os que van a ser tratados
on ellas; que no son las
es
uelas de pensamiento e
onmi
o lo que es
entral sino los problemas
e
onmi
os; y que, dif
ilmente, un estudiante prematuramente matri
ulado en una de estas es
uelas podr tener una visin su
ientemente
amplia del problema que est estudiando. Pre
isamente, hemos es
ogido
un problema parti
ular (pero
entral) de la teora e
onmi
a (el problema de la
onstru
in de la fun
in de
onsumo )
on el que, aunque no
haremos ningn tratamiento exhaustivo, s pretendemos sugerirle al estudiante que est
omenzando sus estudios, que el mestizaje intele
tual
(aunque riguroso) es, quizs, la forma menos riesgosa y ms
ient
a de
ata
ar
ualquier problema e
onmi
o, adems de que de esta forma se
ir alejando de los vi
ios intele
tuales que tanto dao han he
ho, por
genera
iones, al desarrollo de un pensamiento sano y libre del estudiante
joven de
ien
ias e
onmi
as.
a)
Le in 4: Optimiza in dinmi a
551
552
por parte de los propietarios del
apital y los medios de produ
in,
a travs de los pro
esos de inter
ambio en el mer
ado y de reprodu
in del
apital que tiene lugar en la produ
in de mer
an
as.
Los salarios no son ms que el
apital requerido para el pago de
la fuerza de trabajo y
uyo gasto en
onsumo tiene la nalidad de
reponer y reprodu
ir las
apa
idades que han sido absorbidas por
la produ
in, de las
uales una parte se ha transformado en plusvala. El
onsumo individual y
ole
tivo de la
lase obrera vuelve al
pro
eso produ
tivo en la forma de reposi
in de la fuerza de trabajo. En la e
onoma marxista el
onsumo de los obreros es un fa
tor
de reprodu
in del
apital (Marx (1984), vol. 1, pp. 480483).
3. Con la a
epta
in, expl
ita o impl
ita, del individualismo, el subjetivismo, el utilitarismo, y el nfasis en el estudio de la a
in
y
ondu
ta individuales
omo punto de partida para expli
ar y
omprender el fun
ionamiento y la interdependen
ia de variables
e
onmi
as y mer
ados (marginalismo y la es
uela austria
a), el
onsumo tiene un tratamiento indire
to a travs de la teora de la
utilidad y la demanda, y estos se
onvierten en los elementos fundamentales de la teora del inter
ambio y la forma
in de pre
ios. En
este sentido se orientaron los desarrollos importantes, desde Gossen(1854)39 hasta Pigou (1920) 40 ,
entrados en el anlisis par
ial,
on ex
ep
in de Walras41 y Fisher42 , quienes abordaron el problema del equilibrio general para e
onomas de puro inter
ambio y
on produ
in.
Fueron la Primera Guerra Mundial, la Revolu
in Rusa y la Gran Depresin eventos que dieron estmulo a la investiga
in teri
a dire
ta del
onsumo y el ahorro tanto individual
omo agregado. La guerra, las tensiones so
iales, el desempleo, el desarrollo de la so
iedad industrial, y
el
re
iente sentimiento de que el sistema e
onmi
o no era inherentemente estable y
apaz de
orregir de manera rpida y automti
a sus
39
En su Entwi
klung der Gesetze des mens
hli
hen Verkehrs und der daraus iessenden Regeln fr mens
hli
hes Handeln.
40
En su E
onomi
s of Welfare.
41
En las distintas versiones de su lements D'e
onomie Politique Pure (Theorie
de la Ri
hesse So
iale).
42
En su Mathemati
al Investigations in the Theory of Value and Pri
es.
Le in 4: Optimiza in dinmi a
553
554
S = f (N )
Demanda agregada:
D = g(N )
Le in 4: Optimiza in dinmi a
555
C = v(Y )
Si el empleo aumenta, tambin lo harn el ingreso y el
onsumo, pero
este ltimo en una
uanta menor a la del primero. La razn de que C
44
Estos fa tores son: ambios en las unidades de salarios, que son las unidades
45
Los motivos subjetivos onsiderados por Keynes son pre au in, previsin, l u-
lo, mejoramiento, independen ia, empresa, orgullo y avari ia (Keynes (1940), p. 102).
46
Keynes ha
e algunas observa
iones y salvedades para que no se diga que las modi
a
iones en la tasa de inters tengan slo una inuen
ia exigua sobre las
antidades
que realmente se ahorran y
onsumen (Keynes (1940), p. 104). Al respe
to vanse
sus argumentos en la se
in II del
aptulo 9.
556
Ct = + Ytd
(2)
dC
Formalmente, la propensin marginal al
onsumo es dY .
Le in 4: Optimiza in dinmi a
557
558
Le in 4: Optimiza in dinmi a
559
Un individuo debe de
idir, a partir de
ierto momento,
mo ha de distribuir sus ingresos y riqueza presentes y futuros entre
onsumo y ahorro,
desde di
ho momento y hasta el da de su muerte, teniendo
omo propsito al
anzar la mayor satisfa
in posible derivada de tal de
isin. Nos
preguntamos Cmo tomar el individuo esa de
isin? Con base en qu
elementos? y Qu propiedades tendr el patrn general de
onsumo a
lo largo del horizonte de vida? Consideremos el siguiente es
enario. Este
individuo, ra
ional, previsor, y que dispone de toda la informa
in que
requiera, habita un mundo de total ausen
ia de in
ertidumbre, por lo
que las
onse
uen
ias de sus a
iones (y las de los dems individuos)
tienen lugar efe
tivamente y son
ompletamente previsibles; esto es, se
50
No es del aso dis utir los problemas y di ultades de agrega in; sin embargo,
podemos de
ir que la dis
iplina an
are
e de una teora o de mtodos satisfa
torios
para la
onstru
in de agregados ma
roe
onmi
os. De un lado, el enfoque del agente
representativo ha mostrado ser restri
tivo y falseador de los he
hos y ha redu
ido la
relevan
ia de la teora. De otro, los agregados simplemente suelen asumirse, sin atender a determinar sus fa
tores generadores y las intera
iones e
onmi
as subya
entes.
560
ono
en y anti
ipan perfe
tamente los posibles estados del mundo y la
evolu
in temporal del mismo. Todos los individuos son iguales entre
s, de modo que basta
onsiderar el
omportamiento de uno solo, que
representa al
onjunto (hiptesis del agente representativo). Asumimos,
por
onsiguiente, que las de
isiones de los individuos son independientes
unas de otras, es de
ir, la ele
in es paramtri
a, el agente
onsidera que
su
ondu
ta es la ni
a variable relevante, la que est sujeta, a su vez, a
otras variables predeterminadas y que sus de
isiones y
omportamiento
no pueden
ambiar (no hay intera
in estratgi
a). Pese a que existe
una amplia variedad de bienes entre los qu es
oger, el individuo realiza
su
onsumo sobre un agregado de aquellos, una mer
an
a
ompuesta
genri
a, que
onstituye los bienes que podra elegir. Los ingresos que
obtiene el agente provienen de su trabajo. El individuo puede prestar y
pedir prestado tanto
omo desee, a travs de un ni
o a
tivo, lo que le
permite tanto a
umular
omo desa
umular riqueza, y tambin transferir
onsumo entre distintos periodos.
Esta
ara
teriza
in supone, impl
itamente, los mer
ados de
onsumo,
de fa
tores y de a
tivos. Puesto que nuestro inters se
entra en la de
isin de asignar gasto a lo largo del tiempo, a
eptamos
omo dados estos
mer
ados sin detenernos a espe
i
arlos en forma alguna. Es su
iente
de
ir,
on todo lo que ello impli
a, que son perfe
tamente
ompetitivos
en la a
ep
in usual del trmino.
La hiptesis del
i
lo de vida (HCV en adelante) sostiene que los individuos planean sus de
isiones de
onsumo para periodos largos y lo
distribuyen de la manera ms uniforme posible a lo largo de su horizonte
de vida
omo arm Modigliani (1978) en su Conferen
ia Nobel the
self-evident proposition that the representative
onsumer will
hoose to
onsume at reasonably stable rate,
lose to his anti
ipated average life
onsumption ( p. 299) previendo su retiro laboral. Si bien los ingresos laborales u
tan, en algunos
asos
onsiderablemente, el uso del mer
ado
de a
tivos le permite al individuo trasladar ingresos intertemporalmente
a travs del ahorro, de modo que su
onsumo no vare abruptamente,
separando el ujo de ingresos del ujo de
onsumo. As, la HCV plantea
que el patrn temporal de
onsumo es independiente del patrn temporal
de ingresos, y slo est determinado por las preferen
ias del individuo y
por el pre
io relativo en el tiempo del
onsumo.
Le in 4: Optimiza in dinmi a
561
Una impli
a
in dire
ta es que el monto de ahorro del individuo, en perodos
ortos, de unos meses o un ao, est gobernado por la distan
ia
en que se aparta el ingreso
orriente del ingreso vitali
io, y se
omporta pro
li
amente, en
onsonan
ia
on la a
tividad e
onmi
a. A largo
plazo y para la e
onoma en
onjunto, si el ingreso
re
e en el tiempo, el
ahorro primero es bajo pero despus se in
rementa51 .
Pro
edamos a la
onstru
in del modelo que formula la HVC. Las ele
iones del
onsumidor estn determinadas por sus preferen
ias intertemporales sobre el
onsumo real ct , que es la ni
a fuente de satisfa
in
del individuo en
ada perodo t, y para una expe
tativa u horizonte de
vida t = 0, 1, . . . , T . Estas preferen
ias se expresan mediante una fun
in de utilidad W = u(c1 , . . . , cT ). Semejante enun
ia
in es demasiado
general, as que trabajamos
on preferen
ias que son intertemporalmente
aditivas o intertemporalmente separables de manera fuerte,
on siguiente
forma
u(c1 )
u(c2 )
u(cT )
W = u(c0 ) +
+
+ +
(1 + ) (1 + )2
(1 + )T
(3)
T
X
u(ct )
=
(1 + )t
t=0
562
La tasa de preferen ia temporal tiene la fun in de des ontar o traer a valor pre-
sente el valor futuro del
onsumo
on base en la idea de que los individuos preeren
los bienes disponibles para uso presente, a la expe
tativa presente de tener disponibles para uso, en algn momento futuro, tales bienes. La tasa so
ial de preferen
ia
temporal est determinada por la intera
in de los individuos en distintos
ontextos
e
onmi
os, que resultan en la equivalen
ia de sta
on alguna tasa de inters media o
de referen
ia. Un breve anlisis teri
o e histri
o a
er
a del
on
epto de preferen
ia
temporal se en
uentra en Rothbard, M.N. (1987). Time Preferen
e. En J. Eatwell,
M. Milgate & P. Newman (Eds.).
The Ma
millan Press Limited. Las
onse
uen
ias para la asigna
in intertemporal de
onsumo de tasas de preferen
ia temporal no
onstantes y dependientes de tiempo se
exploran en Deaton Deaton (1992) (pp. 14-15) y Blan
hard, O.J. y Fis
her, S. (1989).
563
Le in 4: Optimiza in dinmi a
aT = (1 + r) a0 +
T
1
X
t=0
(1 + r)T t (yt ct )
(5)
T t
(1 + r)
t=0
T
X
t=0
ct (1 + r) a0 +
T
T
X
(1 + r)T t yt
(6a)
t=0
X
ct
yt
a0 +
t
(1 + r)
(1 + r)t
(6b)
t=0
p0 c0 + p1 c1 + + pT cT p0 y0 + p1 y1 + + pT yT ,
habitual en el anlisis mi
roe
onmi
o, la primera expresada en valor
futuro y la segunda en valor presente. En (6b), p0 = 1 y pt = (1 + r)t
para t = 1, 2, . . . , T . Es de
ir, el pre
io del
onsumo en t = 0 es de 1
y el pre
io del
onsumo futuro en rela
in al pre
io del perodo
ero
es (1 + r)t . En
onse
uen
ia, podemos interpretar (1 + r)1
omo el
53
ada
a0
se tiene
a1 = (1 + r)(a0 + y0 c0 )
at = (1 + r)t a0 +
t1
X
(1 + r)t (y c ).
=0
T,
564
para
Ahora bien: La de
isin del agente
onsiste en elegir la traye
toria temporal de
onsumo {ct }Tt=0 y el nivel de riqueza terminal aT 0, que
maximiza la satisfa
in que obtiene del
onsumo a lo largo de toda su
vida, sujeto a su disposi
in para a
umular a
tivos, la no-negatividad
del
onsumo en
ada perodo y
ierta riqueza ini
ial dada. El problema
del agente, enton
es, es
Maximizar
ct
t=0
sujeta a
on
y
T
X
u(ct )
W =
(1 + )t
T
X
T
X
ct
yt
a
+
0
t
(1 + r)
(1 + r)t
t=0
t=0
(7)
a(0) = a0
aT 0
ct 0 para todo t = 0, 1, . . . , T .
Esta
ara
teriza
in del problema del
onsumidor nos permite abordarlo
on las t
ni
as lagrangianas de optimiza
in restringida (Le
in 2).
Notemos que, debido a que la restri
in presupuestal
orresponde a la
que enfrenta el
onsumidor para todo su horizonte de vida, el multipli
ador de Lagrange es
onstante en el tiempo. La fun
in lagrangiana del
problema del
onsumidor es
"
#
T
T
X
X
u(ct )
yt
ct
L(ct , ) =
+ a0 +
(1 + )t
(1 + r)t (1 + r)t
t=0
t=0
(8)
Notemos que,
omo resultado de la separabilidad temporal, ct slo apare
e en el t-simo trmino de los sumatorios. Luego la
ondi
in ne
esaria
de primer orden del problema es:
u (ct )
=0
t
(1 + )
(1 + r)t
"
#
T
X
yt
ct
a0 +
0
(1 + r)t (1 + r)t
t=0
(9a)
(9b)
565
Le in 4: Optimiza in dinmi a
"
a0 +
T
X
t=0
yt
ct
(1 + r)t (1 + r)t
=0
(9 )
Por (9a) > 0 y por u (0) = , se tiene que ct > 0 para todo t, y as,
podemos trabajar la restri
in presupuestal
on signo de igualdad. De
la misma manera, de (9a) obtenemos
u (ct )
=
t
(1 + )
(1 + r)t
o bien
1+ t
u (ct ) =
1+r
La e
ua
in (10) nos di
e que la asigna
in ptima del
onsumo en el
tiempo ha de ser tal que la utilidad marginal del
onsumo en el perodo
t sea igual a la utilidad marginal de la riqueza nan
iera, , por el pre
io
relativo del
onsumo en ese perodo; en general, la e
ua
in (10) determina la forma de la traye
toria de
onsumo a lo largo del
i
lo de vida,
que depende de la tasa de inters, la tasa de preferen
ia temporal y, por
supuesto, de la utilidad marginal del
onsumo; mientras que la restri
in presupuestal,
on signo de igualdad, ja el nivel ini
ial de
onsumo
y el de la traye
toria temporal.
Las
ondi
iones que hemos impuesto al problema ha
en que las
ondi
iones de primer orden tambin sean su
ientes. Por la
on
avidad estri
ta
de u(ct ), tenemos para
ualesquiera c1t y c2t
on c1t 6= c2t que, omitiendo
el subndi
e temporal,
siendo c1 una traye
toria temporal de
onsumo que satisfa
e (9a) y (6)
on igualdad; mientras que c2 es una traye
toria temporal que satisfa
e
(6)
on igualdad. Enton
es
T
X
t=0
T
X
t=0
T
X
t=0
[(c2 c1 )].
566
u (ct )
es la elasti
idad de sustitu
in intertempoct u (ct )
ral, o tambin, la inversa de la elasti
idad marginal del
onsumo. De (11)
es
laro que si r > el
onsumo
re
e, y si r < el
onsumo de
re
e.
Lo interesante es que la magnitud
on que el
re
imiento del
onsumo
rea
iona ante (r ) es la elasti
idad de sustitu
in intertemporal, que
depende de manera inversa de la
urvatura, de la
on
avidad, de la fun
in de utilidad. En
onse
uen
ia, si la utilidad marginal es muy sensible
a pequeos
ambios en el
onsumo, el agente tiene po
a disposi
in a
modi
ar signi
ativamente su
onsumo para sa
ar prove
ho de los in
entivos intertemporales, por
uanto la utilidad marginal puede ajustarse
a los
ambios en la tasa de inters
on pequeos
ambios en el
onsuu (ct )
mo. Reparemos en que la expresin
se asemeja a la inversa
ct u (ct )
de la medida Arrow-Pratt de aversin relativa al riesgo (ver volumen II
donde el trmino
Le in 4: Optimiza in dinmi a
567
b=
1+r
1
r
r(1 + r)T
Es de
ir, el
onsumo del individuo depende de la riqueza nan
iera ini
ial
y del ujo vitali
io des
ontado de sus ingresos o
apital humano. Juntos,
riqueza nan
iera y
apital humano,
onforman su riqueza total. Para
largos horizontes de tiempo, T , el
onsumo se aproxima al rendir
. Sin embargo, al ser T nito, el
onsumo
miento sobre la riqueza (1+r)
ex
ede a este monto puesto que substraemos el trmino r(1 + r)T . La
razn es
lara:
onsumir el rendimiento de la riqueza la mantiene inta
ta
pero debido a que este individuo al nal de su vida debe agotar su riqueza en T perodos, su
onsumo debe aumentar, lo
ual est impli
ado
en su restri
in de presupuesto,
uando se tiene
on signo de igualdad.
Es maniesto en este resultado que la temporalidad del ingreso laboral es
irrelevante siempre y
uando su valor presente des
ontado se mantenga
igual. Notemos que, dados r , y , la traye
toria de
onsumo est determinada ni
amente por la
ondi
in de primer orden (9a). Cambios
en la
omposi
in de la riqueza total o de la riqueza total misma, no
se tienen en
uenta en la e
ua
in (9a). Por tanto,
ualquier
ambio en
la
omposi
in de la riqueza que la mantenga inalterada, no
ambia la
traye
toria de
onsumo.
568
st = yt ct
"
#
T
1X
1
yt
= yt
a0
b
(1 + r)t
b
(13)
t=0
569
Le in 4: Optimiza in dinmi a
Maximizar
ct 0
W =
T
X
t ln ct
t=0
sujeto a
at+1 = (1 + r)(at + yt ct )
on
a(0) = a0
ct 0 para todo t = 0, 1, . . . , T .
Vt (at ) = m
ax {ln ct + Vt+1
(at+1 )}
ct 0
= m
ax {ln ct + Vt+1
[(1 + r)(at + yt ct )]}
ct 0
Para dar solu
in al problema de programa
in dinmi
a, nos situamos en el ltimo perodo, y resolvemos primero el subproblema
para ese perodo. Despus analizamos
ada etapa re
ursivamente desde el nal hasta el prin
ipio. Debido a que no tenemos un
nmero de perodos espe
o, indu
imos la solu
in general del
problema por medio del patrn que resulta de apli
ar el Prin
ipio
de Optimalidad perodo tras perodo.
Perodo
T : aT dada.
T 1: aT 1 dada.
VT 1 (aT 1 ) = m
ax {ln cT 1 + VT (aT )}
cT 1 0
= m
ax {ln cT 1 + ln[(1 + r)(aT 1 + yT 1 cT 1 ) + yT ]}
cT 1 0
570
cT 1 =
(1 + r)(aT 1 + yT 1 ) + yT
(1 + r)(1 + )
T 2: aT 2 dada.
VT 2 (aT 2 ) = m
ax {ln cT 2 + VT1 (aT 1 )} + A1 (r, )
cT 2 0
= m
ax {ln cT 2 + k ln [(1 + r)2 (aT 2 + yT 2 cT 2 )
cT 2 0
+(1 + r)yT 1 + yT ]}
+ A1 (r, )
cT 2 =
571
Le in 4: Optimiza in dinmi a
Perodo
T 3: aT 3 dada.
VT 3 (aT 3 ) = m
ax {ln cT 3 + VT2 (aT 2 )} + A2 (r, )
cT 3 0
= m
ax {ln cT 3 + k ln[(1 + r)3 (aT 3 + yT 3 cT 3 )
cT 3 0
+ (1 + r)2 yT 2 + (1 + r)yT 1 + yT ]}
+ A2 (r, )
cT 3 =
Ahora bien: Notemos que de las solu
iones {ct }Tt=T 3 halladas antes (que se en
uentran en la traye
toria solu
in ptima), emerge
un patrn
laramente dis
ernible, des
rito mediante la e
ua
in
P
(1 + r)t aT t + Tt=0 (1 + r)t yT t
ct =
P
(1 + r)t Tt=0 t
y
T
t
ct =
a0 +
(14)
1 t+1
(1 + r)t
t=0
En su libro de 1957, A Theory of Consumption Fun tion, Milton Friedman propuso la Hiptesis del Ingreso Permanente (HIP, en adelante).
572
Segn la hiptesis, el ingreso y el
onsumo tienen dos
omponentes fundamentales, el permanente y el transitorio. Respe
to del ingreso, la
omponente permanente rene los distintos fa
tores que determinan el valor
de la riqueza que posee un individuo: la riqueza nan
iera y el
apital
humano a
umulados, el se
tor de a
tividad e
onmi
a en que se ubi
a,
la profesin o a
tividad que ejer
e, entre otros. El ingreso permanente
es el anlogo al valor esperado de una distribu
in de probabilidad
(Friedman (1973), p. 39). La
omponente transitoria agrupa todos los
dems fa
tores
asuales, a
identales y aleatorios que afe
tan al ingreso.
Sin embargo, tambin arm que el efe
to previsible de fuerzas determinables,
omo por ejemplo, las u
tua
iones
li
as de la a
tividad
e
onmi
a"(Friedman (1973), p. 39) era una forma de entender el
omponente transitorio. As mismo, hay fa
tores idiosin
rti
os que inuyen
en este ltimo de dos formas generales. De un lado, estn los que se
neutralizan unos a otros en una muestra de individuos. De otro lado,
se en
uentran aquellos que son
omunes a los miembros de un grupo,
omo el
lima en una
ierta regin agr
ola. Por su parte, el
onsumo se
ara
teriza de igual manera.
La formula
in espe
a de la HIP estable
e que el
onsumo permanente
es una propor
in del ingreso permanente, propor
in que es independiente de aquel y est en fun
in de la tasa de inters r , de la importan
ia
relativa de la riqueza no-humana (propiedades,
apital fsi
o y nan
iero
y dems) en la riqueza total del individuo, simbolizada por w [0, 1],
y por los gustos y preferen
ias del individuo, re
ogidos en su fun
in de
utilidad u. Es de
ir,
cP = k(r, w, u)y P
y = yP + yF
P
(15)
c=c +c
Le in 4: Optimiza in dinmi a
573
ms que aumentos o disminu
iones respe
to del
omponente permanente, atribuibles a
ondi
iones externas a los determinantes de stos y por
ello no
orrela
ionados. Tambin planteo que la rela
in aditiva dada por
las e
ua
iones (15)
orresponde a una transforma
in logartmi
a de una
rela
in multipli
ativa entre el ingreso y el
onsumo, que pare
era estar
ms a
orde
on la eviden
ia empri
a y las distribu
iones de probabilidad que pueden aso
irsele, de a
uerdo
on la observa
iones realizadas en
distintos trabajos previos tanto de otros investigadores
omo del mismo
Friedman.
Suele interpretarse la HIP en trminos de que el ingreso permanente es
el valor vitali
io medio o anualidad de la totalidad de re
ursos humanos
y no humanos de propiedad de un individuo. Friedman, en su libro de
1957 (p. 40), neg tal interpreta
in por
onsiderarla equivo
ada, pues
impona de antemano un
ontenido espe
o al
on
epto de permanente,
uando lo
orre
to es dejar que los datos hablen"por s mismos. Sin
embargo, en su art
ulo `Windfalls', the `Horizon', and Related Con
epts
on the Permanent In
ome Hypothesis de 1963 fue ms favorable a este
interpreta
in, entre otras razones porque es
onsistente
on la teora
de la ele
in intertemporal, por lo menos dentro de
iertos supuestos
espe
os. Sin embargo, mantuvo reservas
on este enfoque de la
uestin54 . Aqu seguimos la perspe
tiva de la HIP
omo una anualidad de
los re
ursos a lo largo del horizonte de vida del individuo, que es lo usual
en la literatura.
En la HIP la in
ertidumbre a
er
a de los ingresos de un agente es esen
ial. Asumimos que la ni
a fuente de in
ertidumbre est en la
orriente
de ingresos futuros que obtendra el individuo. Por ello, el anlisis se realiza
onsiderando este aspe
to, no tratado en los apartados anteriores. La
in
ertidumbre impli
a un
omportamiento del agente distinto al estable
ido en ausen
ia de ella. Cuando no hay in
ertidumbre, el individuo elige
una se
uen
ia de
onsumo ptima {ct }Tt=0 de una vez y para siempre.
Esto, sin embargo, no pare
era ra
ional
uando la realiza
in de variables
omo pre
ios, ingresos, rendimientos nan
ieros, et
., slo se
ono
e
a medida que pasa el tiempo. Una vez el estado de la e
onoma se realiza,
perodo a perodo, el
onsumidor ra
ional toma la de
isin de
onsumo,
sin determinar un plan de
onsumo que no deje abierta la posibilidad de
54
574
En ambientes in
iertos son posibles distintos estados del mundo, dependiendo de las realiza
iones de las variables relevantes. Supongamos un
nmero nito de estados del mundo, indi
ados por j = 1, 2, . . . , N . Vistos
desde el presente, en el momento t, y asumiendo que los posibles futuros
alternativos se despliegan en estru
tura de rbol55 ,
ada j denota todo
un futuro que
orresponde a una de las distintas ramas del rbol, desde
t hasta T . Si la probabilidad aso
iada a
ada futuro, a
ada rama del
rbol, es pj , enton
es la utilidad esperada es de la forma
W =
N X
T
X
pj u(ctj )
j=1 t=0
La
onjun
in de la teora de la utilidad esperada de von NeumannMorgenstern y la separabilidad temporal indu
en una forma doblemente
aditiva de las preferen
ias. Como
onse
uen
ia inmediata, agentes maximizadores que sean adversos al riesgo estn impedidos para reasignar
onsumo intertemporalmente en respuesta a
ambios en los in
entivos
(tasa de inters o tasa de preferen
ia temporal subjetiva), mientras que
los agentes
apa
es de ha
erlo presentan muy po
a aversin relativa al
riesgo o in
luso propensin al mismo. As la aditividad simultnea indu
ida por la aditividad intertemporal y la utilidad esperada impli
a que
el grado de sustitu
in intertemporal est inversamente rela
ionado
on
el grado de aversin al riesgo "(Deaton (1992), p. 20). Es evidente que
la temporalidad y la in
ertidumbre estn estre
hamente vin
uladas, por
55
se
ara
teriza porque existe un ni
o nodo ini
ial,
ada nodo distinto del ini
ial tiene
un ni
o prede
esor y existe por lo menos un nodo terminal. Al respe
to,
onsltese
Monsalve (1999).
575
Le in 4: Optimiza in dinmi a
T t
X yt+
ct+
=
a
+
t
(1 + r)
(1 + r)
=0
57
Sea
de la variable
t+j
para el perodo
son independientes,
Et [s t ] = 0
para todo
s 6= t.
En onse uen ia
= Et [zt | It ] + Et [t | It ]
= zt
puesto que
Et [zt ] = zt
debido a que en
se ono e el valor de
zt .
576
sujeto a
on
y
(T t
X u(ct+ )
W = Et
(1 + )
=0
)
It
at+1 = (1 + r)(at + yt ct )
a(0) = a0
(17)
aT = 0
Et [u (ct+1 )] =
(19)
u (ct )
1+r
Esto es, un individuo ra
ional pro
ede ptimamente al distribuir sus a
tivos entre perodos adya
entes de manera que la utilidad marginal del
onsumo presente es igual al valor de la utilidad marginal esperada del
onsumo futuro, debidamente des
ontada. Di
ho de otra manera, el pre
io relativo del
onsumo entre un perodo y el siguiente es igual a la
rela
in de las utilidades marginales a
tual y esperada. La pregunta inmediata que surge es
mo evolu
iona el
onsumo bajo estas
ondi
iones.
La (19) es una e
ua
in en diferen
ias esto
sti
as que gobierna el
omportamiento del
onsumo en el tiempo, vin
ulando el efe
tuado en t
on
Le in 4: Optimiza in dinmi a
577
Et [u (ct+1 )] = u (ct )
(20)
El pro
eso que rige la utilidad marginal es una martingala58 : la expe
tativa a
tual de la utilidad marginal del
onsumo para el siguiente perodo
es igual al valor
orriente de la utilidad marginal. Considerando que el
agente forma sus expe
tativas ra
ionalmente, de modo que
(21)
u (ct+1 ) =
u (ct ) + t+1
(22)
1+r
Veamos que, bajo
iertas
ondi
iones espe
iales, a partir de (22) podemos derivar la HIP de Friedman. Consideremos,
omo Hall (1978), una
fun
in de utilidad
uadrti
a59
1
u(ct ) = (
c ct )2
(23)
2
58
Una
martingala
t,
dadas todas las observa iones pre edentes, es igual a la ltima observa in. Formalmente,
La palabra, en uno de sus sentidos ini
iales, designaba una estrategia de apuesta en
un juego de azar
onsistente en ha
er una apuesta ini
ial y, despus de
ada prdida,
doblar la apuesta. Con la primera vi
toria se re
obraran todas la prdidas anteriores,
y el jugador an obtendra una ganan
ia: la apuesta ini
ial. Al pare
er, los habitantes de Martigues solan pra
ti
ar este tipo de juegos. En la a
tualidad, adems de
las a
ep
iones
onsignadas en el Di
ionario de la Real A
ademia de la Lengua, el
trmino alude a un pro
eso esto
sti
o que des
ribe un juego justo" en el que no hay
prdidas ni ganan
ias, de a
uerdo
on deni
in anterior.
59
Al utilizar una fun in de utilidad uadrti a estamos apli ando el prin ipio de
578
Et [ct+1 ] =
r
1+
c +
ct
1+r
1+r
(24)
Et [ct+1 ] = ct
(25)
Et [u (ct+1 )] = c + Et [ct+1 ]
= c + ct+1 + t+1
apli
ando esta e
ua
in a la e
ua
in (24) obtenemos
r
1+
c +
ct + t+1
1+r
1+r
= + ct + t+1
ct+1 =
donde
(26)
r
1+
c y =
1+r
1+r
sustituyendo las variables aleatorias del mismo por sus esperanzas matemti
as, por
lo que la solu
in ptima del problema determinsti
o
oin
ide
on la solu
in ptima
del esto
sti
o. Sin duda, los
asos en que es posible apli
ar el prin
ipio de equivalen
ia
ierta son po
os y limitan seriamente el anlisis. Aqu ha
emos uso de l, sin embargo,
porque nos interesa ilustrar la estru
tura bsi
a del modelo y lo que puede expresar,
a pesar de sus restri
iones. Tambin es pre
iso de
ir que las fun
iones de utilidad
uadrti
as no gozan de buena reputa
in, pues dan lugar a situa
iones que pueden
ali
arse de absurdas; por ejemplo, suponen que habr algunos perodos para los
que el
onsumo en la traye
toria ptima sea negativo o, en
ontextos de anlisis de
riesgo, impli
an que los ri
os son menos tolerantes que los pobres a afrontar riesgos,
ya que
on estas fun
iones de utilidad el
oe
iente de aversin absoluta al riesgo es
re
iente en la riqueza.
579
Le in 4: Optimiza in dinmi a
on
at+1 = (1 + r)(at + yt ct )
(27)
a(0) = a0
at
lm
=0
t (1 + r)t
X
1
yt+
r
ct = lm
at + Et
t 1 + r
r(1 + r)t
(1 + r)
=0
"
#
(28)
X
r
yt+
=
at + Et
1+r
(1 + r)
=0
60
Un
paseo aleatorio
es un pro eso esto sti o dado por una traye toria onstruida
de a
uerdo
on las siguientes reglas: i. Comienza en un punto ini
ial, ii. La distan
ia
entre dos puntos en la traye
toria es ja y iii. La dire
in para pasar de un punto en
la traye
toria a otro se elige aleatoriamente. En el
aso bajo estudio, puesto que no
hemos di
ho nada a
er
a de la varianza de
t+1 ,
que sea
onstante, el paseo aleatoria ha de tener una tenden
ia". Al respe
to vanse
Hall (1978) y Deaton (1992).
580
X
r
yt+
ct = r(at1 + yt1 ct1 ) +
(29)
Et
1+r
(1 + r)
=0
X
r
yt+
ct1 = r(at1 + yt1 ct1 ) +
Et1
(30)
1+r
(1
+
r)
=0
Restando (30) de (29) obtenemos
ct ct1
(31)
=0
ht = (1 + r)(ht1 yt1 ) +
X
(Et Et1 )yt+
=0
= (1 + r)(ht1 yt1 ) + t
(1 + r)
(32)
581
Le in 4: Optimiza in dinmi a
donde
t =
X
(Et Et1 )yt+
=0
(1 + r)
donde
r
t1
1+r
que, de nuevo, es un paseo aleatorio
on tenden
ia.
t1 =
582
b)
Breve sntesis
583
Le in 4: Optimiza in dinmi a
P
C
sujeta a
c(0) = 1
c(7) = 10
En
aso de que no sea posible, redena las
ondi
iones ini
iales de
tal manera que el problema s tenga solu
in.
3. Resuelva, si es posible, el problema de
ontrol ptimo
Maximizar
{c(t)}
sujeta a
k(t)
= k(t) + c(t)
k(1) = 3
k(6) = 4
584
k(t)
= + rk(t) c(t)
sujeta a
k = c(t)
sujeta a
k(0) = 4
k(t1 ) = 2
6. Resuelva el siguiente problema de
ontrol ptimo mediante el prin
ipio del mximo, y tambin por programa
in dinmi
a
Z 1
(c2 (t))dt
Maximizar
0
k = k(t) + c(t)
sujeta a
k(0) = 1
k(1) = 0
7. Resuelva el problema
Maximizar
{c(t)}
sujeta a
T
X
t (ct )
t=0
kt+1 = w + (1 + r)kt ct
k0 , kT +1 > 0 dados
585
Le in 4: Optimiza in dinmi a
Minimizar
{c(t)}
t=0
sujeta a
k0 = 4, ct {0, 1, 2}
S(t)
= E(t) S(t)
Mediante diferentes in
entivos, un plani
ador para la
ien
ia
puede inuir en la propor
in de nuevos
ient
os que se dedi
an
a la do
en
ia, (t), donde
E(t)
= (t)E(t) E(t)
R(t)
= (1 (t))E(t) R(t)
on (t) [
,
] (0, 1).
En
uentre la polti
a ptima de asigna
in, si el objetivo es minimizar el tiempo requerido para al
anzar nmeros previamente
denidos de edu
adores e investigadores.
10. (Un modelo dinmi
o de monopolio (Evans (1924)) 61 Considere un
monopolio que produ
e un ni
o bien pere
edero (es de
ir, del que
no puede mantener inventarios)
on una fun
in de
ostos totales
dados mediante la e
ua
in
61
Monthly.
Ameri an Mathemati al
586
Q(t) = a bP (t) + c
dP (t)
dt
on a, b, c > 0.
Suponiendo que el monopolista ja un pre
io ini
ial P0 y un pre
io terminal PT en el perodo [0, T ],
al
ule la traye
toria ptima
de pre
ios que debera jar el monopolista si quiere maximizar el
bene
io.
11. Cara
teri
e el plan ptimo de
onsumo
on la fun
in de utilidad
c1
u(ct ) = t
on > 0, para la HCV y la HIP bajo
ertidumbre
1
(ver
ontexto e
onmi
o).
12. Un individuo pretende maximizar su utilidad durante los T aos
que estima va a durar su vida. Suponga que desea dejar una riqueza
w de heren
ia a sus hijos (determinada
ompletamente ad ho
), que
le propor
iona una utilidad terminal de (w).
a) Cmo
ara
terizara el
omportamiento de la fun
in (w) y
mo se modi
a el problema de asigna
in de
onsumo intertemporal bajo la HCV? Cul es el plan ptimo de
onsumo?
b) Qu
onse
uen
ias tiene dejar un legado?
) Podra usted espe
i
ar e intentar modelar los motivos por los
que un agente ra
ional desea dejar una heren
ia?
13. Considere un
onsumidor que vive dos perodos, el presente y el
futuro, denotados por los subndi
es 1 y 2, respe
tivamente. Sean
c1 y c2 el
onsumo de los perodos 1 y 2, y u(c1 , c2 ) la fun
in de
utilidad,
ara
terizada por ui > 0, ui < 0 y uij 0, para i = 1, 2.
El individuo tiene ingresos exgenos y1 y y2 . Su ahorro para el
segundo perodo es s = y1 c1 , que tiene un rendimiento real r .
587
Le in 4: Optimiza in dinmi a
X
t=0
t (u0 ct
u1 2
c )
2 t
on u0 , u1 > 0
es ogiendo su esiones de onsumo per- apita (ct ), y apital per apita (kt ), tales que
ct + kt+1 = f0 kt
donde k0 es dado, y satisfa
e 0 < k0 < uu01 ( f011 ); y adems 1 <
1
< f0 . Asuma que la su
esin {kt } es a
otada.
[Indi
a
in: Utili
e la restri
in para eliminar ct de la fun
in
objetivo y derive
on respe
to a kt y kt+1 .
Pruebe, tambin, que al resolver la e
ua
in de Euler, los estados
esta
ionarios de {kt } y {ct } son:
k =
1 u0
,
f0 1 u1
c =
u0
u1
588
1
1
u0 1
)[ (
kt (
1)]
f0
f0 1 u1 f0
Muestre que lmt kt+1 = k, y que el
onsumo aumenta a medida
que el
apital per-
apita se a
er
a al estado esta
ionario.
kt+1 =
15. Formule el siguiente problema (Sargent (1987a))
omo uno de Programa
in Dinmi
a es
ribiendo la
orrespondiente e
ua
in de
Bellman, y d
ondi
iones sobre las fun
iones y parmetros del
modelo para asegurarle solu
in:
Un plani
ador so
ial bus
a maximizar la utilidad (bienestar) de la
so
iedad re
urriendo
P t al agente representativo. ste tiene utilidad
dada por
t=0 u(ct , lt ) donde ct es
onsumo del bien 1 en el
tiempo t, mientras que lt es o
io en ese mismo tiempo t. El se
tor
produ
tivo 1 produ
e bienes de
onsumo utilizando
apital k1t , y
mano de obra n1t , de a
uerdo a la fun
in de produ
in ct =
f1 (k1t , n1t ). El empleo total, nt = n1t + n2t , y el o
io lt estn
restringidos por la dota
in de tiempo l, y satisfa
e lt + nt = l.
Adems, la suma de las
antidades de
apital utilizados en
ada
se
tor no puede ex
eder el
apital ini
ial en la e
onoma, es de
ir,
k1t + k2t = kt
on k0 > 0 dado.
16. Es
riba la e
ua
in de Bellman, y d
ondi
iones sobre las fun
iones
y parmetros del siguiente problema para asegurarle solu
in:
El bienestar (utilidad) de un trabajador depende de la
antidad
de bienes (produ
idos por el mer
ado) por ella
onsumidos, c1t , y
tambin de la
antidad de bienes (produ
idos en
asa (entretenimiento, et
.), c2t . Para
onseguir bienes produ
idos por el mer
ado,
el trabajador debe utilizar un tiempo l1t en a
tividades de mer
ado
que le aseguren su salario wt , medido en trminos de unidades del
bien de
onsumo. El trabajador no puede inuir en este salario; y
tampo
o puede prestar ni soli
itar prestado. Se sabe que el salario
se rige por la e
ua
in wt+1 = h(wt ). La
antidad de bienes produ
idos en
asa depende de la
antidad de experien
ia, at , que tenga
el trabajador al prin
ipio del perodo. La
antidad de experien
ia
589
Le in 4: Optimiza in dinmi a
H(z , z) = prob{zt+1 z | zt = z}
El
apital se depre
ia tambin a la tasa . As el problema que
enfrenta la rma es
Maximizar
{c(t)}
sujeta a
X
E(
t [(1 t )qt ])
t=0
qt + xt = f (kt )
kt+1 (1 + )kt = xt
k0 dado
on 0 < , < 1.
590
Bibliografa
Allais, M.
le.
Arrow, K.
Arrow, K. J. y Debreu, G.
(1958): On the Stability of the Competitive Equilibrium,I, E onometri a, Vol. 26 , pp. 522-552.
Arrow, K. J., y
Hurwi z, L.
Arrow, K. J. y Enthoven, A. C.
(1961): Constraint Quali ations in Maximization Problems, Naval Resear h Logisti s Quarterly, Vol 8, pp. 175-191.
Arrow, K. J.,
Arthur, B.
591
592
Arzel, C.
Lane, D.
(1964): Markets with a Continuum of Traders, E onometri a, Vol. 32, pp. 39-50.
Aumann, R. J.
Bana h, S.
Banerjee, A. V.
Barro,
Baumol, W.,
Bellman, R. E.
Edi in de 2003.
(1981): Rational Choi e and Errati Behaviour, Review of E onomi Studies, Vol. 48, pp. 459-471.
Benhabib J. y Day, R. H.
Bentham, J.
(1959): Topologi
al Spa
es: In
luding a Treatment of Multivalued Fun
tions, Ve
tor Spa
es and Convexity. Dover Publi
ations
(1997).
Berge, C.
Bernoulli, Johann.
593
Le in 4: Optimiza in dinmi a
(1713): Corresponden e of Ni olas Bernoulli to Montmort on erning the St. Petersburg Game, Basel.
Bernoulli, N.
Bernoulli, D.
(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.
Bertrand, J.
Bertsekas, D.
Birkhoff, G. D.
bli ations.
MIT Press.
(2001): So ial Dynami s. The Intera tionsBased Approa h to So ioe onomi Behavior New York.
Blume, L. y Durlauf, S.
Boldrin, M.
Borel, M.
Bourbaki, N.
594
Boyle, R.
Bowley, A. L.
(1912): Invarianz des n-Dimensionalen Geblets, Matematis he Annalen, Vol. 71, pp. 305-313.
Brouwer, L.
(1895/97): Beitrge zur Begrndung der Transniten Mengenlehre, Mathemats
he Annalen, Vol. 45, pp. 581-512; Vol. 49: 207216. Tradu
in al Ingls: Cantor, G. (1955): Contributions to the
Founding of the Theory of Transnite Numbers, New York: Dover.
Cantor, G.
Cassel, G.
New York.
Cerd, E.
Madrid.
Chiang, A. C.
Hill, In .
(1889): Possibility of a S ienti Law of Wages, Publi ations of The Ameri an E onomi Asso iation, Vol. 4, pp. 39-69.
Clark, J. B.
(1891): Distribution as Determined by a Law of Rent, Quarterly Journal of E
onomi
s, Vol. 5, pp. 289-318.
(1899): The Distribution of Wealth: A Theory of Wages, Interest
and Prots. New York: Ma
millan.
Cobb, C.,
Coddington, E. y Levinson, N.
a.
Le in 4: Optimiza in dinmi a
595
(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.
Cournot, A. A.
(1713-1732): Corresponden
e of Ni
holas Bernoulli
on
erning the St Petersburg game with Montmort, Daniel Bernoulli and
Cramer.
Cramer, G.
D'Alembert, J.
(1984): The Dynami
s of a Dis
rete Version of a Growth Cy
le Model, Analizing the Stru
ture of E
onometri
Models . New York: W.H. Freeman and Company.
Dana, R. y Malgrange, P.
(1949): Programming in a Linear Stru ture, E onometri a, Vol. 17, pp. 73-74. Preprints de 1947.
Dantzig, G. B.
Day, R. y Shafer, J.
(1982): Irregular Growth Cy les, Ameri an E onomi Review, Vol. 72, N 3, pp. 406-414.
Day, R. H.
A.
Oxford.
(1953, 1959): Une E
onomique de lIn
ertain, E
onomie Applique, Vol. 13, pp.11-16. Tradu
ido
omo E
onomi
s under
Un
ertainty por S. Devarajan; apare
e en Debreu, G. (1959): The
Theory of Value, An Axiomati
Analysis of E
onomi
Equilibrium,
Cap. 7.
Debreu, G.
(1954): Representation of a Preferen e Ordering by a Numeri al Fun tion. Mathemati al E onomi s, E onometri So iety Monographs.
596
(1959): The Theory of Value, An Axiomati
Analysis of E
onomi
Equilibrium. Yale University Press, New Haven and London.
(1962): New Con
epts and Te
hniques for Equilibrium Analysis. International E
onomi
Review, Vol. 3, N 3, pp. 257-273.
(1970): E
onomies with a Finite Set of Equilibria E
onometri
a, Vol. 38, pp. 387-392
(1974): Ex
ess Demand Fun
tions, Journal of Mathemati
al
E
onomi
s, Vol. 1, pp. 15-23.
(1976): Regular Dierentiable E
onomies Ameri
an E
onomi
Review, Vol. 66, pp. 280-287.
(1982): Additively De
omposed Quasi
onvex Fun
tions. Mathemati
al Programming: S
ienti
Papers of
Tjalling C. Koopmans (1985), Springer Verlag.
Debreu, G. y Koopmans, T. C.
Debreu, G. y S arf, H.
Dierker, E.
Dieudonn, J.
Amsterdam.
Dini, U.
Dixit, A. K.
sity Press.
Douglas, J.
Durlauf, S. N. y Bro k, W. A.
(1987): The New Palgrave: A Di tionary in E onomi s,, The Ma millan Press Limited.
Le in 4: Optimiza in dinmi a
597
Edgeworth, F. Y.
(1744): Methodus Inveniendi Lineas Curvas Maximi Minimore Propietas Gaudentes. Lausana y Gnova: Mar
um-Mi
haelem
Bousque.
Euler, L.
(1748): Introdu
tio in Analysin Innitorum. Tradu
ido al Ingls
omo Introdu
tion to the Analysis of the Innite , New York,
Springer, 1988, 1990.
(1924): The Dynami
s of Monopoly, Ameri
an Mathemati
al Monthly, Vol. 31, N 2, pp. 77-83.
Evans, G. C.
Farkas, J.
Fishburn, P. C.
Amsterdam.
Fisher, I.
Fourier, J.
Fr het, M.
ger Wien.
(1957,1973): Una Teora de la Fun in Consumo. Tradu in de Lorenzo Betan or Curbelo. Alianza Editorial. Madrid, Espaa.
Friedman, M.
598
Frobenius, G.
Galilei, G.
Firenze.
(2005): The Dynami s of General Equilibrium, The E onomi Journal, Vol. 117, N 523, pp. 1280-1309.
Gintis, H.
Goodwin, R.
(1854): Entwi
klung der Gesetze des Mens
hli
hen Verkehrs
und der Daraus Fliessenden Regeln fr Mens
hli
hes Handeln .
Gossen
(1985): On Endogenous Competitive Business Cy les, E onometri a, Vol. 53, pp. 995-1045.
Grandmont, J. M.
Grobman,
D.
(1983): Nonlinear Os
illations, Dynami
al Systems and Bifur
ations of Ve
tor Fields. SpringerVerlag,
New York.
Gu kenheimer, J. y Holmes, P.
(1910): Leons sur le Cal ul des Variations. Paris: ditions Ja ques Gabay.
Hadamard, J.
Hahn, F. H.
Le in 4: Optimiza in dinmi a
599
Hahn, F. H. y Negishi, T.
Hall, R.
(1834-35): General Method in Dynami s. The Philosophi al Transa tions of the Royal So iety of London.
Hamilton, R.
(2005): Values of Non-Atomi Ve tor Measure Games, International Journal of Game Theory, Vol. 33, pp. 355-366.
Hart, S.
(1963): On the Lo al Linearization of Dierential Equations, Pro eedings of the Ameri an Mathemati al So iety, Vol. 14, 568573.
Hartman, P.
Hausdorff, F.
(1953): An Axiomati Approa h to Measurable Utility, E onometri a, Vol. 21, pp. 291-297.
(1932): Marginal Produ tivity and The Prin iple of Variation, E onomi a, Vol. 12, pp. 79-88.
Hi ks, J. R.
(1936): Mr. Keyness Theory of Employment, E
onomi
Journal, Vol 46, pp. 238-253.
(1937): Mr. Keynes and the Classi
s: A Suggested Interpretation, E
onometri
a, Vol. 5, pp. 147-159.
(1939): Value and Capital: An Inquiry into some Fundamental
Prin
iples of E
onomi
Theory. Oxford: Clarendon Press.
(1950): A Contribution to the Theory of the Trade Cy
le. Clarendon Press, London.
(1980): IS-LM: An Explanation, Journal of Post Keynesian
E
onomi
s, Vol. 3(2), pp. 139-154.
(1934): A Re
onsideration of the Theory of
Value, E
onomi
a (New Series), Vol. 1, N 1, 196-219.
Hi ks, J. R. y Allen, R.
600
Hirs h, M. y Smale, S.
Hotelling, H.
Hurwi z, L.
Intriligator, M.
Ja obi, C. G.
Berlin.
(1941): A Generalization of Brouwer's Fixed Point Theorem, Duke Mathemati al Journal, Vol. 8, N 3, pp. 457-459.
Kakutani, S.
(1939): Welfare Propositions of E onomi s and Interpersonal Comparisons of Utility, E onomi Journal, Vol. 49, pp. 549-552.
Kaldor, N.
Kalman, R. E.
Kandori, M.,
Mailath, G. y Rob, R.
Kantorovi h, L. V.
Karush, W.
Le in 4: Optimiza in dinmi a
601
(1985): Multipli ity of Equilibria and Comparative Stati s, Quarterly Journal of E onomi s, Vol. 100, pp. 119-147.
Kehoe, T. J.
Keynes, J. M.
(1940): How to Pay for the War. New York: Har ourt, Bra e &
New York.
(1982): Reputation and Imperfe t Information, Journal of E onomi Theory, Vol. 27, N 2, pp. 253-279.
Kreps, D. y Wilson, R.
Kuhn, T. S.
(1951a): Linear Inequalities and Related Systems. Prin eton University Press, Prin eton, New Jersey.
Kuhn, H. W. y Tu ker, A. W.
(1951b): Pro
eedings of the Se
ond Berkeley Symposium on Mathemati
al Statisti
s and Probability: Nonlinear Programming. University of California Press, Berkeley.
(1956a): Linear Inequalities and Related Systems. Prin
eton
University Press, Prin
eton.
(1956b): Pro
eedings of the Se
ond Berkeley Symposium on Mathemati
al Statisti
s and Probability: Nonlinear Programming. University of California Press, Berkeley.
602
Lagrange, J. L.
1811.
Lange, O.
Larew, G.
Leontief, W.
neta.
Lerner, A. P.
Lips hitz, R.
Lotka, A.
(1892): The General Problem of the Stability of Motion. London: Taylor and Fran is, 1992.
Lyapunov, A. M.
Malthus, T.
London.
Mandelbrot, B.
(1966): Su
ient Conditions for the Optimal Control of Nonlinear Systems, Siam Journal of Control, Vol. 4, N 1, pp.
139-152.
Mangasarian, O.
(1974): On the Chara terization of Aggregate Ex ess Demand, Journal of E onomi Theory, Vol. 7, N 3, pp. 348-353.
Mantel, R.
Le in 4: Optimiza in dinmi a
603
(1987): Exer ises in Dynami Ma roe onomi Theory. Harvard University Press.
Manuelli, R. y Sargent, T.
Mariotte, E.
Marshall, A.
Maskin, E.
(1984): El Capital. Crti a de la E onoma Polti a. Tradu in del Alemn de Wen eslao Ro es. Vol. 1. Fondo de Cultura E onmi a, Mxi o.
Marx, K.
Mas-Collel, A.
(1985): The Theory of General E
onomi
Equilibrium: A Differentiable Approa
h. Cambridge University Press.
Maynard Smith, J. y Pri
e, G. R.
M kenzie, L.
Minkowski, H.
Modigliani, F.
Modigliani, F. y Brumberg, R.
Modigliani, F. y Ando, A.
604
Monsalve, S. y Arvalo, J.
Monsalve, S.
Murray, J. D.
ger.
Myerson, R.
Mimeo.
(2002): Mathemati al Biology: I. An Introdu tion. Sprin(2007): Me hanism Design, Northwestern University.
Myerson, R.
(1950): Equilibrium Points in n-Person Games, Pro eedings of the National A ademy of S ien es, Vol. 36, pp. 48-49.
Nash, J. F.
Newton, I.
(1968): Convex Stru tures and E onomi Theory. A ademi Press, New York.
Nikaido, H.
(2008): Real Analysis and Probability with E onomi Appli ations. (Le ture Notes in print).
Ok, E.
Osborne, M. y Rubinstein, A.
MIT Press.
Pareto, V.
Patinkin, D.
Peterson.
Peano, G.
(1907): Zur Theorie der Matrizen, Mathematis he Annalen, Vol. 64, pp. 248-263.
Perron, O.
605
Le in 4: Optimiza in dinmi a
(1929): ber Stabilitt und Asymptotis
hes Verhalten der Integrale von Dierential Glei
hungs Systemen, Mathematis
he Zeits
hrift.
(1887-1888): Dmonstration d'un Thorme Gnral sur les
Fon
tions Uniformes Lies par une quation Algbrique. A
ta Math.,
Vol. 11, pp. 1-12.
Pi ard, E.
Pielou, E. C.
York.
Pigou, A. C.
(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.
Pohjola, M.
(1886): Sur les Intgrales Irregulires des quations Linaires. A ta Math. Vol. 8, pp. 295-344.
Poin ar, H.
(1961):
The Mathemati
al Theory of Optimal Pro
esses. Gordon and Brea
h
(tradu
in de 1986).
Pontryagin, L.,
Gamkrelidze, E.
(1968): Competitive Equilibrium under Un ertainty, E onometri a, Vol. 36, N 1, pp. 31-58.
Radner, R.
606
Rad, T.
Reid, M. y Dunsing, M.
(1752): De Usu Motus Tra torii in Constru tione Aequationum Dierentialium. Bologna, Della Volpe.
Ri ati, M.
(1987): Time Preferen e. The New Palgrave: A Di tionary in E onomi s, The Ma millan Press Limited.
Rothbard, M.
Rudin, W.
Samuelson, P.
Samuelson, L.
Sargent, T.
York.
Le in 4: Optimiza in dinmi a
607
(1960): Some Examples of Global Instability of the Competitive Equilibrium, International E
onomi
Review, Vol. 1, N 3, pp.
157-172.
S arf, H.
S hlesinger, K.
S humpeter, J.
S itovsky, T.
Senior, N.
Shubik, M. J.
Smith, A.
(1972): Market Ex ess Demand Fun tions, E onometri a, Vol. 40, pp. 549-563.
Sonnens hein, H.
Spivak, M.
(1926): The Laws of Returns under Competitive Conditions, E onomi Journal, Vol. 36, pp. 535-550.
Sraffa, P.
Sta kelberg, H.
Springer.
(1954): The Early History of Empiri
al Studies of Consumer Behavior, The Journal of Politi
al E
onomy, Vol. 62, N 2, pp.
95-113.
Stigler, J.
Stokey, N. L. y Lu as, R.
Sylvester, J. J.
608
Takayama, A.
Tobin, J.
(1987): Irving Fisher. The New Palgrave: A Di
tionary in E
onomi
s, The Ma
millan Press Limited.
(1768, 1970): Observations sur le Memoire de M. de
Saint-Peravy en Faveur de lImpot Indire
t, en A. R. J. Turgot, E
rits
E
onomiques (ed. B. Cazes), Paris: Calman-Levy.
Turgot, A. R. J.
Uzawa, H.
Veblen, T.
(1888): Leons sur les quations Intgrales et les quations Intgro-Direntielles, Gauthier-Villars (1913).
Volterra, V.
Von Neumann, J.
(1929): Allgemeine Eigenwerttheorie Hermites
her Funktionaloperatoren, Mathematis
he Annalen. Vol.102, pp. 49-131.
(1932): Mathematis
he Grundlagen der Quantenme
hanik, Die
Grundlehren der Mathematis
hen Wissens
haften, Band 38. Berlin:
Springer.
Le in 4: Optimiza in dinmi a
609
von Thnen, J. H.
Wald, A.
(1860): L
onomie Politique et la Justi
e; Examen Critique et Rfutation des Do
trines
onomiques de M. P.J. Produhon
Pr
des d'une Introdu
tion ltude de la Question So
iale. Librairie
de Guillaumin et Cie, Paris.
Walras, L.
(1874): lments D'e
onomie Politique Pure (Theorie de la Ri
hesse So
iale), Tradu
in al espaol de Julio Segura, 1987, Alianza
Editorial.
138.
Weibull, J.
ge.
Weierstrass, K.
Whiteman, C. H.
Wi ksell, K.
610
Wi ksteed, P.
Young, A.
Zahl, S.
Respuestas
Le
in 1: Fun
iones Cn
avas y Cuasi
n
avas
Ejer
i
ios 1.
1. h((x, y) + (1 )(w, z) = h(x + (1 )w, y + (1 )z))
= f (x + (1 )w) + f (y + (1 )z)
(a + b) |a b|
:
2
=f (x + (1 )w, y + (1 )z)
612
1
2
) No. Basta tomar la fun
in
onvexa f (x) =
y darnos
uenta de
x
que su inversa es ella misma.
Ejer
i
ios 2.
1.
3
(x+y)
2
3
(x+y)
2
3
(x+y)
2
3
(x+y)
2
d ) La matriz hessiana es
2 0
0 2
e ) La matriz hessiana es
"
3
x2
2y 2
f ) La matriz hessiana es
Luego es
n
ava en R2++ .
0 1
1 0
613
Respuestas
g ) La matriz hessiana es
"
3
4x 2
h ) La matriz hessiana es
x12
0
0
ey
Ejer
i
ios 3.
1.a) Es una fun
in
onvexa estri
ta y, por tanto,
uasi
onvexa estri
ta.
1.b) Es una fun
in
n
ava no-estri
ta y, por tanto, es
uasi
n
ava
no-estri
ta.
1.
) Es una fun
in
n
ava estri
ta y, por tanto, es
uasi
n
ava estri
ta.
Ejer
i
ios 4.
1.
a ) El hessiano orlado es
0
1
2 x
1
2 y
2 x
1
3
4x 2
2 y
b ) El hessiano orlado es
0 2x 1
2x 2 0
1 0 0
4y 2
614
) El hessiano orlado es
0
3 (x + y)2 3 (x + y)2
3 (x + y)2 6x + 6y
6x + 6y
2
3 (x + y)
6x + 6y
6x + 6y
Luego es
uasi
n
ava.
0
2x 1 2y 1
2x 1
2
0
2y 1
0
2
0
y+4 x
y+4
0
1
x
1
0
615
Respuestas
16.a) No es homognea.
616
Le in 2: Optimiza in Estti a
Ejer
i
ios 1.
1.a) f (x, y) = (x 1)2 y 2 ,
1.
) f (x, y) = 3x 7y ,
1.e) f (x, y) = 5x 2y ,
g(x, y) = y x2 1
Ejer
i
ios 2.
1.a) Este problema no tiene solu
in pues el
onjunto de restri
in no
es
ompa
to, y, adems, si x y y
re
en indenidamente, tambin
la fun
in objetivo f (x, y) = (x 1)2 + y 2
re
e indenidamente.
1.b) Puesto f (x, y) = x2 + y 2 es
ontinua en su dominio, y el
onjunto
de restri
in es
ompa
to, enton
es, por el teorema de Weierstrass, el problema tiene solu
in. Adems, puesto que f (x, y) es
uasi
n
ava y el
onjunto de restri
in es
onvexo, enton
es, por
el teorema 2, se tiene que la solu
in es ni
a: x = 0 y y = 0.
1.d) Puesto f (x, y) = yex es
ontinua y el
onjunto de restri
in es
ompa
to, enton
es, por el teorema de Weierstrass, el problema
tendr solu
in. Y
omo, adems, f (x, y) es
uasi
n
ava, enton
es,
por el teorema 2, la solu
in es ni
a.
Ejer
i
ios 3.
1. Mximo: (2, 1).
2. x = 12 , y = 12
3. a) x = 7, y = 7
b) x = 72 , y =
) x =
d) x =
e) x =
7
2
10
45
99 , y = 22
64
9
121 , y = 21
33
10
3 , y = 3
617
Respuestas
4. x = 2, y = 1.
r
2
1 3
5.
A2
3 6
Ejer
i
ios 4.
1.
a) x = 1, y = 2.
b) x = 2, y = 32 .
) x = 24, y = 14 .
d) x = 2, y = 32 .
27
125
15
e) x = 15
49 5 49 , y = 49 49 15.
18
119.
f) x = 9 119 63, y = 216
7 7
Ejer
i
ios 5.
1.
a) Solu
in no a
otada.
b) Region no fa
tible.
) x = 2, y = 3.
d) x = 2, y = 12 .
Ejer
i
ios 6.
1.a) y = 2x 1
1. ) y = x 2
Ejer
i
ios 7.
1.a)
Ejer
i
ios 8.
1.
618
a) x = 2, y = 0
b) x = 4, y = 0
4. ( 32 , 2, 52 ).
5. x = 3, y = 3, z = 3.
10. x =
32
5 ,
y =
11. x = 12 , y =
32
5 ,
7
16 ,
4 5
5 .
143
16 .
z =
z =
px
zx y
py
basta reemplazar
on la expresin de zx dada en el ejer
i
io.
py
1
=
px
2
1 py
1 px
9 12 py
8 6 px
+ ; yA = 1+ ( ); xB = +
; yB = +
;
2 px
2 py
5 5 px
5 5 py
17 17 py
17 17 px
zx = +
; zy = +
10
5 px
5
10 py
41.a) xA =
41.b) px zx + py zy = ( 17
10 px +
41.
) Px =
17
17
5 py ) ( 5 py
17
10 px )
=0
px
2
py
1
= ; Py =
=
px + py
3
px + py
3
44.a) Este juego tiene tres equilibrios de Nash: Dos puros ((A, C) y
(B, D)); y uno mixto (( 23 A + 13 B, 23 C + 13 D)).
44.b) Este juego slo tiene un equilibrio de Nash: (B, D).
ndi
e alfabti
o
ptimo de Pareto, 134
Ttonnement, 139141
Caos, 102
Caos en la e
ua
in logsti
a, 104
Cassel, Gustave, 125
Centro, 40
Clasi
a
in de equilibrios, 39
Competen
ia imperfe
ta, 148
Conjunto de
onsumo, 129
619
620
Respuestas
621
Segundo teorema de la e
onoma
del bienestar, 135
Shubik, Martin, 143
Sistema autnomo, 21, 67
Sistema dinmi
o autnomo, 8
Sistema dinmi
o
ontinuo, 3, 18
Sistema dinmi
o de orden n, 58
Sistema dinmi
o dis
reto, 60, 76
Sistema dinmi
o lineal, 4, 18
Sistema dinmi
o lineal dis
reto,
61
Sistema dis
reto autnomo, 77
Sistema dis
reto en dos dimensiones, 76
Sistema lineal
ontinuo, 27
Sistema lineal dis
reto, 77, 79
Sistemas dis
retos no-lineales bidimensionales, 89
Smith, Adam, 165
Solu
in del sistema lineal, 29
Solu
in sistema no-homogneo,
45, 86
Solu
iones del sistema lineal dis
reto, 80
Su
esin de Fibona
i, 171
Sustitu
in bruta de mer
an
as,
136
Sustitu
in bruta de mer
an
as(gross
sustitutability ), 140
Telaraa, 70
Teora de intera
iones, 148
Teora de juegos
lsi
a, 151
Teorema Arrow-Blo
k-Hurwi
z, 141
Teorema de linealiza
in, 90
Teorema de Lyapunov, 173
Teorema Sonnens
hein-Mantel-Debreu,
148
622
623
Volumen 0: Fundamentos
a y trigonometra Griega.
siana.
y XVII.
Le 2. Matri es y determinantes.
Le 3. La geometra analti a de
Le 4. Ve tores.
Le
5. Bases y dimensin.
Le
6. Transforma
iones lineales.
n
Le
7. Diagonaliza
in en R .
Le
8. Conjuntos
onvexos.
Le
1. El mtodo de lmites.
Le
2. La derivada.
de la optimiza in.
Le 2. Optimiza in estti a.
Le 4. La integral.