Está en la página 1de 5

Matemtica para Economistas

Curso 6

Prctica 6: Funciones cncavas y cuasicncavas


Ejercicio 1 Considere las funciones, f : U

, siguientes:

(a) f ( x1 , x2 ) = 2 ( x1 ) x1 x2 + ( x2 )

U=

(b) f ( x1 , x2 ) = ( x1 ) + ( x1 x2 ) + ( x2 )

U=

(c) f ( x1 , x2 ) = x1 x2

U=

2
++

= {( x1 , x2 )

(d) f ( x1 , x2 ) = x1 x2 + 2 x1 + 5 x2

U=

2
++

(e) f ( x1 , x2 ) = x1 x2

U=

2
++

U=

2
++

U=

2
++

U=

U=

(f) f ( x1 , x2 ) = ( x1 x2 )

1/4

(g) f ( x1 , x2 ) = ( x1 )

( x2 )

1/4

1/8

(h) f ( x1 , x2 ) = x1 + x2
(i) f ( x1 , x2 ) = ( x1 ) + ( x2 )
4

: x1 > 0 x2 > 0}

(j) f ( x1 , x2 , , xn ) = ln ( a1 x1 + + an xn ) , siendo ( a1 x1 + + an xn ) > 0


(k) f ( x1 , x2 ) = x1 + x2
Clasifquelas entre las siguientes clases: cncavas (convexas), estrictamente cncavas
(estrictamente convexas) o ninguna de las anteriores.
Respuestas:
(a) Estrictamente convexa, (b) Convexa, (c) Ninguna, (d) Ninguna, (e) Cncava, (f)
Estrictamente cncava, (g) Estrictamente cncava, (h) Cncava y convexa, (i)
Convexa, (j) Cncava. (k) Convexa.
Ejercicio 2 Dada las funciones, f : U

, siguientes:

(a) f ( x1 , x2 ) = x2 e x1

U=

(b) f ( x1 , x2 ) = x2 e x1

U=

2
+

(c) f ( x1 , x2 ) = x1 x2

U=

2
++

(d) f ( x1 , x2 , x3 ) = e x1 + 5 ( x2 ) + x3

U=

(e) f ( x1 , x2 ) = x1 x2 + 2 x1 + 5 x2

U=

2
++

(f) f ( x1 , x2 ) = x2 ln ( x1 )

U=

= {( x1 , x2 )

: x1 0 x2 0}

2
++

(g) f ( x ) = k e x

A x

, donde k > 0 , A es una matriz definida positiva y U =

(h) f ( x1 , x2 ) = x1 x2

U=

(i) f ( x1 , x2 ) = x1 x2

U=

2
++

Clasifquelas entre las siguientes clases: estrictamente cuasicncavas (estrictamente


cuasiconvexa) y cuasicncavas (cuasiconvexas). Justifique.
Respuestas:
(a) No pertenece a ninguna de las clases, (b) Cuasicncava estricta, (c) Cuasicncava
estricta, (d) Cuasiconvexa, (e) Cuasicncava estricta, (f) Cuasiconvexa, (g)
Cuasiconvexa estricta, (h) Cuasicncava y cuasiconvexa, (i) Cuasiconvexa estricta.
Ejercicio 3 Interprete geomtricamente los resultados en los casos (a), (b), (c) e (i) del
punto anterior.
Ejercicio 4 (Funcin Cobb-Douglas) Sea la funcin u : U

definida por:

u ( x1 , x 2 ) = ( x1 ) ( x 2 ) ,

siendo > 0 , > 0 y definida sobre el conjunto U =

2
++

(a) Determine valores para y tal que la funcin sea: estrictamente cncava,
cncava. Justifique.
(b) Para qu valores de y la funcin es estrictamente cuasicncava? Justifique.
(c) Clasifique la funcin que se obtiene luego de aplicar la transformacin montona
h ( x1 , x2 ) := ln ( u ) .
Respuestas:
(a) Estrictamente cncava si + < 1 , cncava si + 1 y cuasicncava estricta
siempre.
Ejercicio 5 Dada la funcin u : U

u (x, y ) = x + y

> 0, > 0 y U =

2
+

= {( x1 , x2 )

: x1 0 x2 0}

Clasifquela entre las clases de funciones que siguen: (cuasi) cncavas, estrictamente
(cuasi) cncavas, (cuasi) convexas, estrictamente (cuasi) convexas ninguna las
anteriores. Justifique.
Respuesta: Cncava y por lo tanto tambin cuasicncava.
Ejercicio 6 Clasifique las siguientes funciones de utilidad:

(a) (Funcin de aversin relativa al riesgo constante, CRRA):


u ( c1 , c2 ) =

( c1 )

( c2 )

U=

2
++

, 0< <1 y >0

(b) Calcule el lmite de la funcin anterior cuando 1 y verifique que es igual a:


u ( c 1 , c 2 ) = ln ( c1 ) + ln ( c 2 ) ,

U=

y 0< <1

2
++

(c) (Funciones de aversin absoluta al riesgo constante, CARA):


u ( c 1 , c 2 ) = exp ( c 1 ) exp ( c 2 ) ,

U=

a
a
2
2

(d) u ( c 1 , c 2 ) = c1 ( c 1 ) + c 2 ( c 2 ) ,
2
2

U=

2
++

, 0< <1 y a>0

U=

T +1
++

, 0< <1 y >0

(e) u ( c0 , c 1 , , cT ) = t
t =0

( ct )

2
++

, 0< <1 y >0

(f) (Funcin de elasticidad de sustitucin constante CES-):


1

u ( x , y ) = ( x + y )

U=

2
++

, > 0, > 0 , < 1

U = {( c , l )

(g) U ( c , l ) = u ( c ) v ( l ) ,

: c > 0 0 < l 1} ,

siendo: u ( ) estrictamente cncava y v ( l ) estrictamente convexa.


(h) (Funcin de Leontief) u ( x1 , x2 ) = min {x1 , x2 }
(i) u ( x1 , x2 ) = a x1 + b x2

U=

2
++

U=

2
++

, a > 0, b > 0

Ejercicio 7 (Mnimos cuadrados ordinarios) Demuestre que la funcin, J :


definida por:
n

J ( a , b ) = ( yi a b xi ) es convexa en ( a , b ) .
2

i =1

Ejercicio 8 Demuestre que f : n , definida por f ( x ) := x


(sugerencia: utilizar la desigualdad triangular).

es convexa.

Ejercicio 9 (Desigualdad de Jensen) Sea u : U ( U ) una funcin diferenciable y


estrictamente cncava. Demostrar que si x es una variable aleatoria con esperanza
finita, E ( x ) = p xa + q xb , se verifica la siguiente desigualdad:
u ( E ( x )) > E ( u ( x ))

Interprete geomtricamente.

Si u es una funcin de utilidad y x el consumo, interprete econmicamente la


desigualdad.

Cmo cambia la desigualdad anterior si u es convexa? Interprete.

Ejercicio 10 Sea u ( x1 , x2 ) una funcin C 2 . Suponga que la ecuacin u ( x1 , x2 ) = u

define implcitamente a x2 = ( x1 ) como funcin C 2 de x . Demuestre que si


u ( x1 , x2 ) es cuasicncava y estrictamente creciente en su segunda variable entonces
( x1 ) es convexa.

Propiedades de la funcin valor


Ejercicio 11 Considere el siguiente problema de maximizacin de la utilidad:

v px , py , m = Max x y s.a: px x + py y = m
x ,y

Demuestre que la funcin v px , py , m

es cuasiconvexa en las variables

(p , p ) .
x

Interprete geomtricamente.
Probar

Respuesta:

) (

que

el

v p x , p y , m = m 2 4 px p y a ( a

conjunto

de

pares

(p , p )
x

tal

que

) es un conjunto convexo.

Ejercicio 12 Pruebe que la funcin valor, C ( w , r , y , A ) , del problema:

C ( w , r , y ) = Min w L + r K s.a: y = L K es cncava en ( w , r ) .


K, L

Respuesta: C ( w , r , y ) = w r y .

Condiciones suficientes en programacin no-lineal


Ejercicio 13 Considere el siguiente problema:

Max ( x y 1 ) + 1
3

x ,y

x + y 4
s.a:
x , y 0

(a) Verifique que el punto ( x , y ) = ( 1, 1 ) satisface las condiciones de Kuhn-Tucker.


(b) Puede utilizar el teorema de programacin cuasicncava para asegurar que el
punto ( 1, 1 ) es solucin del problema?
Ejercicio 14 Considere el siguiente problema de maximizacin de la utilidad:
Max ( x1 ) ( x2 )

x1 , x 2

0 < < 1

p1 x1 + p2 x2 m

s.a: x1 0
x 0
2

(a) Suponga que existe un punto que verifica las condiciones de Kuhn-Tucker,
puede asegurar que es solucin del problema?
Ejercicio 15 Se modifica la respuesta en el punto anterior si la funcin objetivo viene
dada por u ( x1 , x2 ) = ( x1 ) ( x2 )
restante.

con > 0 , > 0 y se mantiene igual todo lo

Ejercicio 16 Considere el problema de una firma que determina sus demandas de


factores a partir del problema de maximizar beneficios:
Max p K 1 4 L1 2 w L r K
K ,L

K 0
s.a:
L 0

(a) Suponga que existe un punto que verifica las condiciones de Kuhn-Tucker,
puede asegurar que es solucin del problema?
Ejercicio 17 Considere el mismo problema del ejercicio anterior pero con una funcin
que exhibe rendimientos crecientes a escala:
Max p K L w L r K ,

+ >1

K ,L

K 0
s.a:
L 0

(a) Suponga que existe un punto que verifica las condiciones de Kuhn-Tucker,
puede asegurar que es solucin del problema?
Ejercicio 18 Considere ahora el problema de minimizacin de costos:
Min w L + r K ,
K ,L

K L y ,

s.a: K 0
L 0

( w, r )

+ >1

(a) Si existe un punto que verifica las condiciones de Kuhn-Tucker, es solucin del
problema?