Matemticas Avanzadas para la Economa Curso 2013/2014

Manuel Snchez Snchez (UNED)

Optimizacin con restricciones de desigualdad:

Condiciones de Kuhn-Tucker
Hasta ahora, hemos estudiado como maximizar o minimizar una funcin sujeta a restricciones
en forma de ecuaciones de igualdad. En esta seccin, nos ocuparemos de problemas de
programacin no lineal, con restricciones en forma de desigualdad.
Los programas con restricciones de desigualdad, tienen una historia mucho ms reciente que
los programas analizados anteriormente. Las caractersticas y mtodos de resolucin de estos,
se empiezan a dar a conocer en los aos cincuenta de este siglo, mientras que los programas
con restricciones de igualdad o sin restricciones conforman la optimizacin clsica, y han sido
utilizados desde el siglo XVIII.

Los mtodos tericos de resolucin de los programas no lineales, con restricciones de

desigualdad, son conocidos a partir de los trabajos de los matemticos norteamericanos Kuhn
y Tucker, publicados en 1951.

Este tipo de programas representan con ms fidelidad, las circunstancias en las que se
desenvuelve la actividad econmica, ya que normalmente se dispone de cantidades limitadas
de recursos - ms de una vez habremos ledo que la economa es la ciencia de la escasez -
pero sin la obligacin de emplearlas en su totalidad, si ello no resulta necesario.

As, este nuevo tipo de programas, nos posibilita obtener soluciones ptimas que no saturen1
necesariamente todas las restricciones, pudiendo quedar recursos que no sea necesario utilizar
hasta su agotamiento.
Consideremos el problema sencillo de programacin no lineal:

max ( , ) ( , )

Un punto factible ( , ) satura o activa la restriccin ( , ) cuando se verifique que ( , ) = . En

1
1
Pgina

caso contrario ( , )< diremos que ( , ) no satura la restriccin.

Matemticas Avannzadas parra la Econooma Cursso 2013/201
14
Manuell Snchez Snchez
S UNED)
(U

Lo prim
mero que haremos es escribir unn procedimiiento, que nos
n permitaa obtener to
odos los
puntos ( , ) quue pudieran
n resolver el probleema. Este procedimieento establlece las
denominnadas conddiciones neccesarias de Kuhn-Tuck
ker, que son condicionnes necesarrias para
que un ppunto - que cumple la hiptesis d acin de lass restriccioones2 - sea ptimo.
de cualifica

Regla ppara resolveer ( , ) sujeta a ( , )

1. A
Asociar unn multiplicaador constaante de Lag
grange , a la restricccin ( , ) y
ddefinir la fuuncin lagraangiana:
( , )= ( , )+ ( ( , ) )
2. IIgualar a ceero las deriv
vadas parciaales de ( , ):
( , )= ( (
, )+ , )=0
( , )= ( (
, )+ , )=0
3. IIntroducir la condicin
n de holgurra complem
mentaria:
0, =0 ( , )<
Exigir que ( , ) satisffaga la restrriccin:
4. E
( , )

Hallar ttodos los puntos

p ( , ) que, junnto con loss valores asociados
a dde , satisffacen las
condicioones (2), (3), y (4).

Advirttase, que loss pasos 1 y 2 son exacctamente loss que se usaaron en el m

mtodo lagrrangiano
de la seeccin anteerior. Como
o la condiccin 4 se tiiene que saatisfacer obbviamente, la nica
novedadd es la conddicin 3.

Condicin 3
Esta conndicin dicee que debe ser no po sitivo y, adems que = si ( , ) < .
As si < 0, se debbe tener ( , ) = .
Una forrmulacin alternativa de
d esta condiicin es quee:
2
Pgina

2
Ver N
Nota p.s.
Matemticas Avanzadas para la Economa Curso 2013/2014
Manuel Snchez Snchez (UNED)

0, ( , ) =0

Ntese que es posible que sean =0y ( , )= a la vez en (3).

Decimos que 0y ( , ) son desigualdades complementarias en el sentido de que

a lo ms se puede "dar holgura" a una, esto es, a lo ms una es estricta. Equivalentemente, al
menos una debe ser una igualdad.

Las ecuaciones (2) y (3) se conocen como las condiciones de Kuhn-Tucker. Ntese que ellas
son, esencialmente, condiciones necesarias para la solucin del problema (1).

Nota
Hiptesis de Cualificacin de las restricciones
Las condiciones de Kuhn-Tucker son necesarias solamente si se satisface una
disposicin especfica llamada hiptesis de cualificacin de la restriccin
(h.c.r.), que impone una cierta condicin sobre las funciones de restriccin,
con el propsito de descartar ciertas irregularidades en la frontera del conjunto
factible, que invalidaran la condiciones de Kuhn-Tucker como necesarias,
dndose la posibilidad de la existencia de puntos que siendo ptimos del
problema, no verifiquen dichas condiciones.

Esta disposicin h.c.r. es en general difcil de comprobar, por ello en la

prctica, se exige el cumplimiento de la condicin de regularidad, que es
una condicin suficiente para que se verifique la h.c.r.

Condicin de Regularidad de un Punto

Un punto ( , ) es regular si no satura ninguna de las restricciones, o bien, en
el caso de saturar alguna de ellas, los gradientes de las restricciones saturadas
en dicho punto son vectores linealmente independientes.

Supondremos que se verifica la denominada h.c.r, de modo que las

3
Pgina

condiciones de Kuhn-Tucker sern condiciones necesarias, que deber

cumplir cualquier posible ptimo del conjunto factible.
Matemticas Avanzadas para la Economa Curso 2013/2014
Manuel Snchez Snchez (UNED)

Ejemplo
Resolver el problema:

max ( , ) = x + y + y 1 sujeta a ( , ) =x + y 1

Solucin
La funcin lagrangiana es:
( , ) = x + y + y 1 + (x + y 1) (i)

Las condiciones de primer orden son:

( , )=2 +2 =0 (ii)
( , )=2 +1+2 =0 (iii)

La condicin de holgura complementaria es:

0, =0 x +y <1 (iv)

Queremos hallar todos los pares ( , ) que verifican estas condiciones para un valor adecuado
de .
Consideramos primero la condicin (ii), que es 2 (1 + ) = 0.

Hay dos posibilidades: = 1 o = 0.

Si = 1 entonces (iii) da 1 = 0, que es una contradiccin. Por tanto, = 0.

Supongamos que x + y = 1 y as = 1 ya que segn acabamos de ver = 0.

Tomemos primero = .
Entonces (iii) implica que = 3/2 y as se verifica (iv).
Por tanto, (0,1) con = 3/2, es un candidato a ptimo porque se satisfacen todas las
4

condiciones (ii) a (iv).

Pgina
Matemticas Avanzadas para la Economa Curso 2013/2014
Manuel Snchez Snchez (UNED)

Tomemos ahora = .
La condicin (iii) da = 1/2 y se verifica tambin (iv).
Por tanto, (0,1) con = 1/2 es otro candidato a ptimo.
Finalmente consideremos el caso en que = 0 y x + y < 1.
Esto es: 1 < < 1.

Entonces (iv) implica que = 0 y (iii) da = 1/2. Por tanto, (0, -1/2) con = 0 es un
candidato a ptimo.

La conclusin es entonces que hay tres candidatos a ptimo. Ahora bien:

(0,1) = 1 (0, 1) = 1 (0, 1/2) = 5/4 (v)

Si sustituimos dichos puntos en la funcin objetivo, deducimos que en el punto =0 e

= 1 se encuentra un mximo local del problema, mientras que en el punto (0, 1/2) hay
un mnimo local.

Mtodo de Resolucin del Problema General

Un problema de programacin no lineal general es el siguiente:

( ,, )
max ( , , ) ..
( ,, )

Ahora ya es muy fcil dar una regla para resolver el problema general (1) de programacin no
lineal. Damos la regla en el siguiente recuadro
5
Pgina
Matemticas Avannzadas parra la Econooma Cursso 2013/201
14
Manuell Snchez Snchez
S UNED)
(U

Regla p
para resolver el probleema generaal de progrramacin no lineal

max ( ) ( ) ( = 1, , )
ddonde = ( ,, ).

1. E
Escribir la funcin
f lagrrangiana: ( )= ( )+ ( )
dondde ,, son multiplicadores dde Lagrange asociadas con las rrestriccionees.

den de ( )):
2. IIgualar a ceero todas lass derivadas parciales dee primer ord

( ) ( ) ( )
= + =0 ( = 1, , )

3. IImponer lass condicionees de holguura complem

mentaria:
0, =0 ( )<

4. E
Exigir que x satisfaga las
l restricciiones:

( ) ( = 1, , )
Hallar ttodos los x, y los valorees asociadoos de ,, que satiisfagan todaas esas cond
diciones.
Estos soon los canddidatos a ptimo, y, si eel problemaa tiene solu
ucin, al meenos uno dee ellos lo
resuelvee.

El conjjunto de vectores
v = ( ,, ) que verrifican todaas las resttricciones se
s llama
conjuntto admisiblle, o ms freecuentemennte, el conju
unto factiblle.

Ntese que minimiizar ( , , ) es eqquivalente a maximizar ( , , ). Tamb

bin una
desiguaaldad como ( ,, ) see puede esccribir como ( , , ) , y una
igualdadd ( ,, )= ess equivalentte a las dos desigualdad
des ( , , ) y
6
Pgina
Matemticas Avannzadas parra la Econooma Cursso 2013/201
14
Manuell Snchez Snchez
S UNED)
(U
( ,, ) . De esta
e maneraa la mayo
oria de loss problemaas de optim
mizacin
restringida se puedden expresarr en la form
ma (1).

Como een la seccin anterior, las condiciiones de Ku

uhn-Tucker son esenciaalmente necesarias
para la solucin deel problemaa (1), pero no son sufficientes. Ell siguiente teorema no
os ofrece
condicioones suficieentes:

Cond
dicioness Suficieentes dee Kuhn
n-Tuckeer
Las conndiciones suuficientes co
onllevan disstintas impllicaciones que
q las conddiciones necesarias,

ya que si un puntoo satisfaace una conndicin sufiiciente paraa mximos, entonces ese punto
debe maaximizar la funcin objjetivo.
En estee sentido, las condiciones suficcientes noss proporcionan un tippo de prueeba ms
definitivvo, aunquee al ser s
lo suficiennte, una so
olucin gen
nuinamente ptima pu
uede no
satisfaceer la condiccin suficien
nte.

En la p
prctica apparecen con
n frecuenciaa programass de optimizacin en llos que el conjunto
c
factible S es conveexo y la funcin objetivvo es cncav
va o convex
xa en S.
Estos prrogramas se denominaan convexoos y simpliffican consid
derablementte la resolu
ucin del
problem
ma de optim
mizacin.
Concrettamente en un program
ma convexoo, el ptim
mo local es tambin gllobal y adeems las
condicioones necesaarias de Kuh
hn-Tucker sson tambin
n suficientess.

Condiciones Suficcientes de ptimo

Gloobal

Consideeremos el problema
p (1), y suponngamos quee el punto es un punto regu
ular, que
satisfacee las condicciones de Khun-Tucke
K er (2), (3) y (4), siendo las funcionnes de restriccin gi
diferencciables en S,
S entonces:

Si el conjuunto factiblle S es connvexo y laa funcin f es diferennciable y cncava

((convexa) en
e S, el puntto es m
mximo (mn
nimo) global.

Si f es estrrictamente cncava
c o eestrictamente convexa, entonces, el punto es un
m
mximo o mnimo
m glob
bal estricto..
7
Pgina
Matemticas Avanzadas para la Economa Curso 2013/2014
Manuel Snchez Snchez (UNED)

Nota
En general no siempre es fcil determinar si el conjunto factible S es convexo, Sin
embargo cuando las restricciones gi son convexas en el dominio de optimizacin,
podemos asegurar que el conjunto factible S es convexo.

Ejemplo
Un individuo consume dos bienes en cantidades e , y deriva utilidad segn la funcin
( , )= + . Los precios de los dos bienes son = 10 y = 5, respectivamente, y
el ingreso del individuo es = 350.
Supongamos que consumir una unidad del primer bien toma 0,1 horas, mientras que una del
segundo se consume en 0,2 horas. El individuo dispone en total de 8 horas, como mximo,
para dedicar a su consumo de los dos bienes. Cules son los niveles de consumo ptimos de
esta persona?
Solucin.
El problema es:
10 + 5 350
max ( , ) = +
0,1 + 0,2 8

La funcin lagrangiana es:

( , )= + ln + (10 + 5 350) + (0,1 + 0,2 8)

luego las condiciones necesarias para que ( ,

) resuelva el problema son que existan
y tales que:

1
=
+ 10 + 0,1 =0 (i)

1
=
+5 + 0,2 =0 (ii)

0, =0 10 +5 < 350 (iii)
8
Pgina
Matemticas Avanzadas para la Economa Curso 2013/2014
Manuel Snchez Snchez (UNED)

0, =0 0,1 + 0,2 < 8 (iv)

Para cada una de las dos restricciones tenemos bien igualdad (si la restriccin esta activa) o
desigualdad (si la restriccin esta inactiva). As, hay cuatro casos diferentes:

I Ambas restricciones estn activas.

En este caso:

10 +5 = 350 (v)
y

0,1 + 0,2 =8 (vi)

La solucin de (v) y (vi) es ( , )

= (20,30). Si insertamos estos valores en (i) y (ii),
obtenemos el sistema de dos ecuaciones:

10 + 0,1 = 1/20
5 + 0,2 = 1/30.

La solucin de este sistema es ( , ) = ( , ), luego hemos encontrado un candidato

a ser solucin, puesto que las condiciones de Khun-Tucker se satisfacen. (ntese que es
importante verificar que 0y 0)

II La primera restriccin esta activa, la segunda no.

En este caso, (v) se sigue cumpliendo pero no as (vi), que ahora resulta:

0,1 + 0,2 < 8.

De (iv) sabemos que = 0, mientras (i) y (ii) implican que = 2 . Reemplazando

en (v) , obtenemos que = 17,5 y, por tanto =2 = 35.

Pero esto implica que 0,1 + 0,2 = 8,75 lo cual viola la segunda restriccin, luego
concluimos que no puede haber una solucin bajo este caso.
9
Pgina
Matemticas Avanzadas para la Economa Curso 2013/2014
Manuel Snchez Snchez (UNED)

III La segunda restriccin esta activa, la primera no.

Aqu, (vi) se cumple pero: 10 +5 < 350.

De (iii) tenemos que = 0, mientras que (i) y (ii) nos dicen que 0,1 = 0,2 .

Reemplazando en (vi), obtenemos que = 20 y, por tanto = 40.

Pero esto implica que 10 +5 = 500, lo cual viola la primera restriccin.
Nuevamente, podemos concluir que no puede haber una solucin bajo este caso.

IV Ambas restricciones estn inactivas.

En este caso = = 0, lo cual hace que (i) y (ii) sean imposibles de satisfacer.

Conclusin:
Hay solo un candidato a solucin: el punto (20,30).

Al ser la funcin f estrictamente cncava su matriz Hessiana es definida negativa -, y la

regin factible convexa ya que est formada por restricciones lineales - concluimos que en
el punto hallado se encuentra el mximo global estricto.

Nota:
El mtodo general para hallar todos los candidatos a ptimo en un problema de
programacin con restricciones de desigualdad se puede formular as:

Estudiar primero el caso en que todas las restricciones estn activas,

A continuacin estudiar la totalidad de los casos en que todas menos una estn
activas, luego aquellos en que todas menos dos estn activas, y as sucesivamente.
Se termina por el estudio del caso en que ninguna restriccin esta activa.

Por supuesto que el orden no importa, pero hay que considerar cada caso. En cada paso
hallamos todos los vectores x, junto con los valores asociados de los multiplicadores de
10

Lagrange, que satisfacen todas las condiciones relevantes.

Pgina

Por ltimo buscamos entre todas las posibilidades para hallar la mejor.
Matemticas Avanzadas para la Economa Curso 2013/2014
Manuel Snchez Snchez (UNED)

Resolucin Grfica de Problemas de Optimizacin

Restringida
Cuando el programa de optimizacin est definido sobre el plano, es decir, la funcin objetivo
es de dos variables, el estudio grfico del problema puede ser en muchos casos un mtodo
til para su resolucin, evitando as, las ecuaciones de Kuhn-Tucker.

Para resolver grficamente un problema de optimizacin, seguiremos los siguientes pasos:

Se dibujan las curvas de nivel de la funcin objetivo.

Observando el crecimiento de las curvas de nivel y el conjunto factible, es posible

determinar grficamente dnde se encuentran los ptimos del problema.

Si el ptimo es un vrtice del conjunto factible punto de interseccin de las

restricciones -, su clculo se realiza fcilmente a partir de las restricciones.

Si el ptimo se encuentra en el interior del conjunto factible, el problema es

equivalente a un problema de optimizacin sin restricciones.

Si el ptimo es punto de tangencia entre una curva de nivel de la funcin ( , ) y una

de las curvas ( , ) = de las restricciones, el problema es equivalente a un
problema de optimizacin con restricciones de igualdad.

.
Ejemplo

Un proceso productivo transforma dos inputs en cantidades x e y en un output en cantidades

Q1 siguiendo la relacin:
=3 +

La utilidad de este proceso ha sido analizada, obtenindose en funcin de los inputs como:

( , )=

Si por restricciones del mercado sabemos que nunca se deben obtener ms de 4 unidades de
. Cules ser las cantidades de inputs que maximizan la utilidad del proceso?

Solucin:
11

Al ser el conjunto factible = ( , ): 3 + 4, 0, 0 convexo y la funcin

objetivo ( )
, = cncava, ya que su matriz Hessiana es semidefinida negativa,
Pgina

podemos aplicar la condicin suficiente de globalidad de modo que si existe un mximo ha

de ser global.
Matemticas Avannzadas parra la Econooma Cursso 2013/201
14
Manuell Snchez Snchez
S UNED)
(U

Por otraa parte, al ser

s el conjjunto factibble compaccto cerrraado y acotaado -, y la funcin
ma de los vvalores extrremos3, aseegura la exi
objetivoo continuaa, el teorem xistencia de ptimos
globaless.

De la reepresentacin grfica observamos

o que la curv
va de nivel mxima quue se puede alcanzar
sujeta a la restricciin plantead
da en el enuunciado dell problema, se encuentrran en el pu
unto A =
(0,4). O
Observemos que es el punto
p del cconjunto facctible que pertenece
p a la curva de
d mayor
nivel dee la funcin de utilidad.

Conddiciones de no negativid
n dad paraa las varriables.
Es frecuuente que las
l variablees que apareecen en loss problemass econmiccos de optim
mizacin
sean noo negativas por su prropia naturaaleza. A co
ontinuacin
n veremos ccomo no es
e difcil
incorporar esas resstricciones a la formulaacin del prroblema de optimizacin; por ejeemplo, la
12
Pgina

3
Ver A
Apndice.
Matemticas Avanzadas para la Economa Curso 2013/2014
Manuel Snchez Snchez (UNED)
restriccin 0 se pueden representar por ( ,, )= 0, y se introduce un
multiplicador de Lagrange adicional para ella. Sin embargo, para no tener que manejar
demasiados multiplicadores de Lagrange, se suelen formular las condiciones necesarias de
solucin de los problemas de programacin no lineal con restricciones de no negatividad de
las variables de una forma ligeramente distinta.

Consideremos primero el problema: max ( , ) ( , ) , 0, 0

Introducimos las funciones: ( , )= y ( , )=

Las restricciones del problema pasan a ser: ( , ) , ( , )0 ( , ) 0.

A continuacin tomamos la funcin lagrangiana:

( , )= ( , )+ ( ( , ) )+ ( ) + ( )

Las condiciones de Khun-Tucker son:

( (
= , )+ , ) = 0 (i)
( (
= , )+ , ) = 0 (ii)

0 (= 0 ( , )< ) (iii)
0 (= 0 > 0) (iv)
0 (= 0 > 0) (v)

( (
De (i) obtenemos: , )+ , )= .

De (iv) obtenemos que: 0 y = 0 si > 0.

Asi (i) y (iv) equivalen conjuntamente a:

13

( ( ( (
, )+ , ) 0, , )+ , )=0 > 0 (vi)
Pgina

De manera anloga, (ii) y (v) equivalen conjuntamente a:

Matemticas Avanzadas para la Economa Curso 2013/2014
Manuel Snchez Snchez (UNED)

( ( ( (
, )+ , ) 0, , )+ , )=0 > 0 (vii)

Por tanto, las nuevas condiciones de Khun-Tucker son (vi), (vii) y (iii).

Ntese que, despus de sustituir (i) y (iv) por (vi) y (ii) y (v) por (vii), slo el multiplicador
asociado con ( , ) permanece.

Se puede extender la misma idea al problema de variables:

( ,, )
max ( , , ) .. 0, . , 0 (I)
( ,, )

Formuladas brevemente, las condiciones necesarias de solucin de (I) son que, para cada
= 1, , :

( ) ( ) ( ) ( )
+ 0, + =0 >0 (II)

0, =0 ( )< ( = 1, , ) (III)

Nota: supongamos que es admisible y satisface las condiciones (II), y las de holgura
complementaria, (III).

Entonces se demuestra que si la funcin lagrangiana ( ) es cncava, resuelve el

problema de maximizacin.

Ejemplo
Resolver el siguiente problema:

2 1 1 x5
max (x, y) = x x + y , sujeta a x + y 1
14

3 2 12 x 0, y 0
Pgina
Matemticas Avanzadas para la Economa Curso 2013/2014
Manuel Snchez Snchez (UNED)

Solucin
La funcin lagrangiana asociada es:

2 1 1
( )= x x + y+ ( 5) + ( + 1)
3 2 12

Las condiciones necesarias para que ( , )

resuelva el problema son que existan nmeros
y tales que:

= + 0 =0 >0 (i)

= + 0, =0 > 0 (ii)

0, =0 <5 (iii)

0, =0 + <1 (iv)

De la condicin (ii) se sigue que < 0, lo cual implica, por (iv), que + = 1.

Como 0, lo anterior implica que = + 1 > 0, y as, que = 1/12, por (ii).
Supongamos que <0

Esto implicara, por (iii) que = 5. Pero este valor de y = 1/12 implicara, por (i),
que > 0, lo cual es imposible.

Debe ser cierto, entonces que = 0, en cuyo caso (i) nos dice que:

+ = + >0

De (i) se sigue entonces que + =0 = 3/4

Esto a su vez implica que: =1+ = 1 + = 7/4 = 7/4

Concluimos entonces que ( ,

) = (3/4, 7/4) con =0 y = 1/12, satisface todas
las condiciones.
15

Por ltimo, se comprueba fcilmente que la funcin lagrangiana es cncava, luego este
Pgina

candidato es la solucin del problema de maximizacin planteado.

Matemticas Avannzadas parra la Econooma Cursso 2013/201
14
Manuell Snchez Snchez
S UNED)
(U

Apn
ndice

Topoologa del
d plano
o.
En el ccaso de lass funciones de varias variables se puede analizar
a laas distincion
nes ms
relevanttes de los distintos
d tipo
os de dominnios, mediaante el uso de los siguiientes conceptos de
topologa elementaal.

Punto IInterior
Un puntto (a,b) se llama
l un pu
unto interioor de un con
njunto S dell plano, si exxiste un crculo con
centro ((a,b) totalm
mente conten
nido en S.
Conjun
nto abierto
Un conjjunto se llam
ma abierto si todos suss puntos son
n interioress.
Punto ffrontera
El punto (a,b) se llama
l un pu
unto de froontera de un
u conjunto
o S, si todoo crculo co
on centro
(a,b) ccontiene puuntos de S y puntos nno perteneccientes a S.
S Un puntoo frontera de S no
pertenecce necesariaamente a S.
Conjun
nto cerradoo
Si S conntiene a todoos sus punto
os frontera sse dice que S es cerrad
do.

Estos coonceptos se representan

n en la siguiiente figuraa (I).

ontera pero nno a todos, como el

Ntese que un conjjunto que contiene alguunos de suss puntos fro
ltimo dde los repreesentados, no es ni abieerto ni cerraado. Un con
njunto es ceerrado si y solo
s si su
16

complem
mento es abbierto.
Pgina
Matemticas Avannzadas parra la Econooma Cursso 2013/201
14
Manuell Snchez Snchez
S UNED)
(U

En mucchos de los problemas de optimizzacin, los dominios estn

e definiidos por un
na o ms
desiguaaldades. Loss puntos frontera perttenecen al conjunto
c alll donde apparezcan siignos de
menor o igual.

mplo, si , y
Por ejem son parmetros
p positivos, el
e conjunto (presupuest
stario) de lo
os puntos
(x,y) quue verifican las desigualldades:

+ , , (i)
es cerraado.

Este connjunto es unn tringulo, como se mu

muestra en laa siguiente figura
f (II).

Su fronttera son loss tres lados del tringullo. Cada un

no de los trees lados corrresponde a que una
de las ddesigualdadees de (i) seaa una igualddad.

do por < y por > es abierto..

Por otraa parte, el coonjunto quee se obtiene sustituyend
En geneeral:
Si ( , )es una fuuncin contnua y es uun numero real, los tres conjuntoss:

( , ):
) ( , ) , ( , ): ( , ) , ( , ): ( , ) =

son cerrrados.
17
Pgina
Matemticas Avannzadas parra la Econooma Cursso 2013/201
14
Manuell Snchez Snchez
S UNED)
(U
Si sustittuimos poor >, o po
or <, los coonjuntos corrrespondien
ntes son abieertos.

nto acotadoo
Conjun
Un conjjunto se llam
ma acotado
o si se puedee encontrar un crculo que
q lo conteenga. Los conjuntos
de las ffiguras (I) y (II) son acotados. P njunto de toodos los ( , ) que
Por el contrrario, el con
verificaan 1e 0 es cerrrado pero no acotado
o

El conjuunto es cerrrado porque contiene a todos sus puntos

p fronteera

Conjun
nto Compaccto
Un conjjunto cerrado y acotad
do se llama compacto..

Topologgia en
Los connceptos toppolgicos qu ucir se geneeralizan muuy fcilmentte a .
ue acabaos de introdu
Recordeemos que se define la distancia eentre dos veectores = ( ,, ) y = ( ,, )

como = ( ) + + ( )

Una -b
bola con centro
c = ( ,, ) y radio es el conju
unto de toddos los pun
ntos =
( ,, ) tales quue < .
Si sustittuimos la palabra
p "crcculo" y conj
njunto S quee usamos en
n las definicciones de to
opologa
e las definiciones
plana poor " -bola", y entorno N4, siguenn valiendo en d de punto interior,
i
conjuntto abierto, punto fron
ntera, conju
unto cerrad
do y conjun
nto compaccto.
18
Pgina

4
Un en
ntorno N dee un punto a es un conjjunto que co
ontiene una -bola conn centro a.
Matemticas Avanzadas para la Economa Curso 2013/2014
Manuel Snchez Snchez (UNED)

Teorema de los Valores Extremos:

Este es un teorema de existencia puro, ya que nos da condiciones suficientes para asegurar la
existencia de puntos ptimos, pero no nos dice como hallarlos. Para encontrarlos

Teorema

Si f es una funcin continua sobre un conjunto compacto (cerrado y acotado) S de ,

entonces existe al menos un mximo = ( , , ) y un mnimo = ( , , ) en S; esto
es, existen c y d en S tales que

( ) ( ) ( ) para todo x de S

19
Pgina