Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Optimizacion y Dinamica PDF
Optimizacion y Dinamica PDF
ECONOMISTAS III
OPTIMIZACIÓN Y DINÁMICA
Con Notas Históri
as y Contextos E
onómi
os
SERGIO MONSALVE
EDITOR
FACULTAD DE CIENCIAS
Autores
Robert J. Aumann
(Premio Nobel de E
onomía 2005)
iv
Presenta
ión general
Este libro es el resultado de varios años de trabajo de los autores
omo
profesores de matemáti
as y/o e
onomía para nuestras Fa
ultades de
Cien
ias y Cien
ias E
onómi
as de las Universidades Na
ional (sedes
Medellín y Bogotá), Externado de Colombia y Ponti
ia Javeriana, y su
objetivo
entral es exponer algunos de los elementos fundamentales del
lenguaje matemáti
o que deberían ser
omunes a todos los estudiantes
de e
onomía de nuestras épo
as. Pensando en esto, hemos optado por
es
ribir el texto en
uatro volúmenes: en el volumen 0 (Fundamentos)
presentamos los requisitos matemáti
os que el estudiante debe llenar
para a
eder más
ómodamente al
orpus total; el volumen I
onsiste
en las no
iones bási
as del álgebra lineal; el volumen II en las no
iones
bási
as del
ál
ulo diferen
ial e integral; y el volumen III en las no
iones
bási
as de la teoría de la optimiza
ión y de la dinámi
a.
En
ada uno de los
uatro volúmenes, hemos dividido los temas trata-
dos a través de le
iones
on un tratamiento matemáti
o riguroso y sin
referen
ia a apli
a
ión e
onómi
a alguna. Todas estas le
iones presen-
tan, además, notas históri
as que esperamos ayuden a trazar el devenir
de los
on
eptos matemáti
os que se desarrollan al punto. Por lo tan-
to, aquellos que
onsideran que un
urso de matemáti
as bási
as para
e
onomistas debería ser sólo eso y no un
urso
on apli
a
iones, estarán
aquí servidos. Sin embargo, para aquellos que dieren de esta postu-
ra metodológi
a y pedagógi
a hemos también separado la se
ión nal
de
asi todas las le
iones para el
ontexto e
onómi
o . Pero ésta no
es una se
ión ordinaria de apli
a
iones a la e
onomía: es, por el
on-
trario, una aproxima
ión
oherente a problemas
entrales en la teoría
e
onómi
a y una orienta
ión para el estudiante atento y dis
iplinado.
Por ejemplo, en el volumen I apare
en dis
usiones sobre los modelos
v
vi
permitirse que le
uenten lo que di
en los es
ritos originales. Pero
ree-
mos que esta es una opinión, por lo menos, falaz. Claro está que es ideal
poder leer los textos originales y los
lási
os. Sin embargo, el estudian-
te que apenas se insinúa en
ualquier área 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
sí, a los textos
lási
os y a los originales. Un estudiante que
omien
e
por esta estrategia
orrerá,
reemos, un menor riesgo de
onfundirse o,
lo que sería fatal, de extraviarse denitivamente.
Por último, ha sido un honor para quien esto es
ribe, haber podido rea-
lizar en
ompañía de su antiguo profesor de matemáti
as de la Univer-
sidad Na
ional de Medellín, Fernando Puerta, los volúmenes 0 y II de
este texto. Agrade
emos al Departamento de Matemáti
as, y a la Es
ue-
la de E
onomía de la Universidad Na
ional de Colombia. También a la
Fa
ultad de E
onomía de la Universidad Externado de Colombia, y al
Departamento de Matemáti
as de esta Universidad. De igual manera a
aquellos de los que re
ibimos sugeren
ias y
omentarios: Diego Arévalo,
Julián Arévalo, Os
ar Benavides, Catalina Blan
o, Lina Cañas, Angéli-
a Chappe, Lola Coba, Luis Jorge Ferro, Jorge Gallego, Norma Gómez,
Carlos Augusto Jiménez, Cres
en
io Huertas, Norman Maldonado, Ju-
liana Mon
ada, Eduardo Mantilla, Ángela Ospina, Diego Pardo, Sergio
Parra, Carolina Peláez, Lida Quintero, Aida Sofía Rivera, Diego Rojas,
Mar
ela Rubio, Renata Sama
á, Alejandra Sán
hez, Humberto Sarria,
Biviana Suárez, Jennifer Taborda, María del Pilar Tejada, Ana Tamayo,
Hé
tor Use
he y Miguel Zárate. Un agrade
imiento del editor al Ban
o
de la Repúbli
a por su apoyo en la realiza
ión de estudios de e
onomía
a nivel de do
torado (University of Wis
onsin-Madison y The Hebrew
University of Jerusalem). También a Maribel Romero, Santiago Sierra,
Danny Sierra, Dora Millán y Nathalie Jiménez, por su pa
iente trabajo
de digitar de nuestros difí
iles manus
ritos. Pero, por en
ima de todo, a
nuestras familias que son el gran aliento y nuestra razón de ser.
Sergio Monsalve
Bogotá D.C., febrero de 2008
viii
Nota del editor para el volumen III
ix
x
xiii
xiv
xv
xvi
Bibliografía 591
Respuestas 611
Introdu
ión
Ya hemos dis
utido en el volumen II (Cál
ulo) sobre la importan
ia de
la segunda derivada de una fun
ión. Así
omo el signo de la primera
derivada determina si la fun
ión es
re
iente o de
re
iente, el signo de la
segunda derivada determina el lado ha
ia el
ual se
urvará la grá
a de
la fun
ión. Por ejemplo, si la fun
ión es
re
iente y la segunda derivada
es positiva dentro de
ierto intervalo, enton
es la primera derivada
re
e
y la fun
ión tendrá una forma
omo la de la gura 1.a. De otro lado, si
la fun
ión es
re
iente y la segunda derivada es negativa en un intervalo,
enton
es la primera derivada de
re
e, y la fun
ión tendrá una forma
omo
la de la gura 1.b. A una fun
ión
omo la de la gura 1.a se le llama
fun
ión
onvexa y a una
omo la de la gura 1.b, fun
ión
ón
ava.
Quizás fueron los griegos, más de dos mil años atrás, quienes
omenzaron
a estudiar estas
urvas que apare
ían ini
ialmente en las formas
óni
as
(que son
ortes de
onos
on planos en distintos ángulos). Hasta donde
se sabe, se presentaban también a menudo en los intentos por resolver los
famosos problemas de la geometría eu
lidiana: la trise
ión del ángulo,
es de
ir, dividir un ángulo dado en tres partes iguales, sólo
on regla
y
ompás; la
uadratura del
ír
ulo, es de
ir,
onstruir un
uadrado de
área igual a la de un
ír
ulo dado, sólo
on regla y
ompás; entre otros.
Una vez obtenidas las
urvas, los griegos
ontinuaron estudiándolas, en
parte por estar interesados en las formas geométri
as en general, y en
parte por haber des
ubierto la posibilidad de utilizarlas para intentar
1
2 Matemáti
as para e
onomistas III: Optimiza
ión y dinámi
a
y y
β
β
α α
x x
(a) (b)
Figura 1:
s(t)
s0
t
Figura 2: Tiro parabóli
o
4 Matemáti
as para e
onomistas III: Optimiza
ión y dinámi
a
Así, geométri
amente, una fun
ión de dos variables es
ón
ava si el seg-
mento de re
ta que une a dos puntos
ualquiera, está por debajo del ar
o
de la
urva que los une (ver gura 3 a)).
1
Re
ordemos que C ⊆ Rn es un
onjunto
onvexo si, y sólo si, para todo x, y ∈ C
y λ ∈ [0, 1], se tiene que también λx + (1 − λ)y ∈ C (ver volumen I, le
ión 8).
Le
ión 1: Fun
iones
ón
avas y
uasi
ón
avas 5
y y) y
λ)
λf
1−
(x
(
y)
)+
+
λx f(
λ)
(1
f( −
−
(1 f(
λ)
+ λx
x)
f(
( +
y)
λf (1
−
λ)
y)
x (a)y x x (b) y x
Figura 3:
Panel (a): Típi a fun ión ón ava. Panel (b): Típi a fun ión onvexa.
Nota 1.
a) Dadas las deni
iones anteriores, es
laro que una fun
ión f (·) es
onvexa (estri
ta) si, y sólo si, −f (·) es
ón
ava (estri
ta).
) A partir de la deni
ión, también es
laro que toda fun
ión estri
ta-
mente
ón
ava es
ón
ava, y que toda fun
ión estri
tamente
onvexa
es
onvexa.
Ejemplo 1.
√
Probemos, mediante la deni
ión 1, que f (x) = x es estri
tamente
ón
ava en [0, ∞) (ver gura 4 b)).
Solu
ión.
ó, lo que es equivalente,
p √ √
λx + (1 − λ)y > λ x + (1 − λ) y
y f (x)
a b
x x
Figura 4:
√
Panel (a): Fun
ión
onvexa en [0, a] y
ón
ava en [a, b]. Panel (b): f (x) = x,
x≥0 es estri
tamente
ón
ava
Ejemplo 2.
√
Probemos que f (x1 , x2 ) = x1 x2 es
ón
ava en R2+ , donde R2+ = {(x, y) ∈
R2 | x ≥ 0, y ≥ 0}. ¾Será estri
tamente
ón
ava? (ver gura 5.a))
Solu
ión.
Tomemos x = (x1 , x2 ), y = (y1 , y2 ) ∈ R2+ , y λ ∈ [0, 1]. Enton
es debemos
probar que
f (λx + (1 − λ)y) ≥ λf (x) + (1 − λ)f (y)
ó, lo que es equivalente, que
Y esto es
p √ √
(λx1 + (1 − λ)y1 )(λx2 + (1 − λ)y2 ) ≥ λ x1 x2 + (1 − λ) y1 y2
Ejemplo 3.
Probemos que f (x1 , x2 ) = (x1 )2 + (x2 )2 es estri
tamente
onvexa en R2
(ver gura 5.b)).
3
Imagine el le
tor
ómo se forma una super
ie
ón
ava uniendo sólo varillas
re
tas.
8 Matemáti
as para e
onomistas III: Optimiza
ión y dinámi
a
f(x,y) f(x,y)
x
x
(a) (b)
Figura 5:
√
En el panel (a), la fun
ión f (x, y) = xy , x ≥ 0, y ≥ 0. En el panel (b), la
2 2
fun
ión f (x, y) = x + y .
Solu
ión.
Tomemos x = (x1 , x2 ) 6= (y1 , y2 ) = y ∈ R2 , y λ ∈ (0, 1). Enton
es
debemos probar que
(λx1 +(1−λ)y1 )2 +(λx2 +(1−λ)y2 )2 < λ (x1 )2 + (x2 )2 +(1−λ) (y1 )2 + (y2 )2
que es equivalente a
Ejer
i
ios 1
1. Pruebe que si f (·) es
ón
ava (estri
ta), enton
es también h(x, y) =
f (x) + βf (y) es
ón
ava (estri
ta), para β > 0.
Teorema 1. ⇒
ontinuidad)
(Con
avidad
Si f (·) es
ón
ava en C , enton
es es
ontinua en el interior 4
de C . Es
de
ir, no existen fun
iones
ón
avas dis
ontinuas.
Demostra ión.
Demostra ión.
y f (x)
B D
Sα C
A
x y x x
(a) (b)
Figura 6:
Demostra ión.
que es equivalente a
Sin embargo, esta
ondi
ión de primer orden para la no
ión de
on
avi-
dad, aunque fundamental, no es la más utilizada en las apli
a
iones. En
su lugar, era de esperarse, apare
en las
ondi
iones de segundo orden,
pues éstas son las que
ara
terizan la forma en que se
urva la fun
ión.
Veamos esto.
Le
ión 1: Fun
iones
ón
avas y
uasi
ón
avas 13
) Y en el
aso de fun
iones de una sola variable (n=1), esta
ondi
ión
es, simplemente, f ′′ (x) ≤ 0 para todo x en el interior de C (es de-
ir, las pendientes de las re
tas tangentes a f (·) van de
re
iendo (ver
gura 7).
x
Figura 7: Re
tas tangentes
on pendientes de
re
ientes.
7
Ver volumen I (Álgebra lineal), le
ión 8.
14 Matemáti
as para e
onomistas III: Optimiza
ión y dinámi
a
Demostra ión.
Luego,
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
ión 3), existe c ∈ (x, y) tal que
f ′′ (c)
f (x) − f (y) = f ′ (x)(x − y) + (x − y)2
2!
Pero, por nuestro supuesto, f ′′ (c) ≤ 0, y así,
◦
ii) Sean a, b ∈ C , y h ≡ b − a. Como a, b son puntos interiores de X ,
◦
existe un ǫ > 0 tal que a + λh ∈ C para −ǫ < λ < 1 + ǫ. Luego, de
nuevo por la parte
) de este teorema, se tiene que F (t) ≡ f (a+λh)
P ∂2f
es
ón
ava en (−ǫ, 1 + ǫ) ya que F ′′ (λ) = hi hj ≤ 0. Pero
∂xj ∂xi
omo λ = (1 − λ)0 + λ1, a + λh = (1 − λ)a + λb, F (0) = f (a), y
F (1) = f (b), la desigualdad (1−λ)F (0)+λF (1) ≤ F ((1−λ)0+λ1)
se
onvierte en (1 − t)f (a) + tf (b) ≤ f ((1 − t)a + tb) que es
ierta
◦
para todo t ∈ [0, 1], a, b ∈ C .
El siguiente teorema está en la misma dire
ión del teorema 4. Sin em-
bargo, es muy importante espe
i
arlo porque hará la adverten
ia de
que, en el
aso de la
on
avidad estri
ta, ya la equivalen
ia de resulta-
dos no se da, y en su lugar úni
amente tenemos una impli
a
ión. Los
ontraejemplos para mostrar que esto es así, son abundantes.
Demostra ión.
Ejemplo 4.
Es fá
il mostrar (ver gura 8) que:
1 α(1 + α)
(a) f ′′ (x) = − < 0 si x > 0. (b) g′′ (x) = > 0 si x > 0.
x2 x2+α
y y
f (x) = ln x 1
g(x) = , α>0
xα
x x
(a) (b)
Ejemplo 5.
Mostremos (ver gura 9) que la fun
ión f (x) = xα
on x > 0 y α ≥ 0 es:
y
α=4 α=2 α=1
α = 0.5
α = 0.3
1
1 x
Figura 9: f (x) = xα
on diferentes valores de α.
Solu
ión.
La segunda derivada de la fun
ión viene dada por
(a) f (·) es
ón
ava si, y sólo si, f ′′ (x) ≤ 0; así que debemos tener
α(α − 1)xα−2 ≤ 0, lo
ual se
umple si, y sólo si, α ≥ 0 y α − 1 ≤ 0;
esto es,
uando 0 ≤ α ≤ 1.
(
) Para que la fun
ión sea
onvexa ne
esitamos que f ′′ (x) ≥ 0, lo
ual
se
umple si, y sólo si, α ≥ 0 y α − 1 ≥ 0; esto es,
uando α ≥ 1. N
Ejemplo 6.
Mostremos que la fun
ión f (x, y) = xα y β ,
on x > 0, y > 0; α, β > 0,
es:
18 Matemáti
as para e
onomistas III: Optimiza
ión y dinámi
a
a ) Cumple que
∂2f ∂2f
A= ≤ 0, y C = ≤0
∂x2 ∂y 2
es de
ir, si α ≤ 1 y β ≤ 1.
b ) Y también debe
umplir que
2
∂2f ∂2f ∂2f
− ≥0
∂x2 ∂y 2 ∂x∂y
es de
ir,
h ih i h i2
α(α − 1)xα−2 y β β(β − 1)xα y β−2 − αβxα−1 y β−1 ≥ 0
ó, lo que es lo mismo,
ó,
(α − 1)(β − 1) ≥ αβ
de lo
ual obtenemos,
−α − β + 1 ≥ 0
que es equivalente a
α+β ≤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 sólo si, α < 1 y α + β < 1; es de
ir,
si, y sólo si, α + β < 1 (puesto que hemos supuesto α > 0 y β > 0).
iii) Para que la fun
ión sea
onvexa debe ser A ≥ 0, lo
ual se
umple
si, y sólo si, α ≥ 1. Además, debe ser AC − B 2 ≥ 0, lo
ual, he-
mos mostrado, se satisfa
e si, y sólo si, α + β ≤ 1. Pero estas dos
desigualdades no se pueden satisfa
er simultáneamente, dado que
α, β > 0. Por lo tanto, la fun
ión nun
a es
onvexa. N
Ejemplo 7.
De a
uerdo
on el ejemplo anterior, la fun
ión f (x, y) = x2 y 2 no es
ón
ava en R2++ = {(x, y) ∈ R2 | x > 0, y > 0} puesto que su suma
de exponentes (2+2=4) es mayor que 1 (ver gura 10.b)). Sin embargo,
para todo es
alar α ∈ R+ , el
onjunto de nivel superior a α,
( )
α1/2
Sα = (x, y) ∈ R2++ | f (x, y) ≥ α = (x, y) ∈ R2++ | y ≥
x
Solu
ión.
Para ver esto, supongamos que (x1 , y1 ), (x2 , y2 ) ∈ Sα ; es de
ir, asumamos
α1/2 α1/2
que y1 ≥ y y2 ≥ ; enton
es
x1 x2
α1/2 α1/2
λy1 + (1 − λ)y2 ≥ λ + (1 − λ)
x1 x2
8
En esta deni
ión hemos asumido α ≥ 0. Si α < 0, Sα = ∅ que, por va
uidad,
también es
onvexo.
20 Matemáti
as para e
onomistas III: Optimiza
ión y dinámi
a
f(x,y) f(x,y)
y y
(a) x (b) x
Figura 10:
√
En el panel (a), la fun
ión f (x, y) = xy . En el panel (b), la fun
ión
f (x, y) = x2 y 2 para x > 0, y > 0.
λ 1−λ
= α1/2 +
x1 x2
= α1/2 (λg(x1 ) + (1 − λ)g(x2 ))
donde g(x) = 1/x. Pero sabemos (ejemplo 4 b)) que g(x) es estri
ta-
mente
onvexa para x > 0; así que
Dada la deni
ión de fun
ión
ón
ava, podemos derivar sus propiedades
algebrai
as:
Demostra ión.
e) Sean F (·) estri
tamente
re
iente y estri
tamente
ón
ava, y f (·) es-
tri
tamente
ón
ava; enton
es
22 Matemáti
as para e
onomistas III: Optimiza
ión y dinámi
a
x∗ x
Figura 11:
Demostra ión.
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
ón
avas
(estri
tamente) o
onvexas (estri
tamente):
(a) f (x) = x3 (b) f (x) = e2x /x, x 6= 0
(
) f (x, y) = 3 ln(x + y), (d) f (x, y) = x2 + y 2 − 1
x+y >1
√ √
(e) f (x, y) = 4 x + 2 y (f) f (x, y) = x(y + 4)
x > 0, y > 0 x > 0, y > 0
√
(g) f (x, y) = x − y 2 (h) f (x, y) = ln x − ey
x > 0, y > 0 x > 1, y > 0
es onvexa en [0, 1], ontinua en (0, 1], pero dis ontinua en [0, 1].
Además, diremos que f (·) es
uasi
ón
ava estri
ta si, y sólo si, para todo
x, y ∈ C , x 6= y , λ ∈ (0, 1), se
umple
Una inmediata rela
ión entre las fun
iones
ón
avas y
uasi
ón
avas, la
en
ontramos en el siguiente teorema:
Demostra ión.
De manera similar, tenemos que toda fun
ión
onvexa es
uasi
onvexa.
Las demostra
iones bajo la
ondi
ión estri
ta son también similares.
Nota 3.
Que la
ondi
ión de
uasi
on
avidad es realmente un debilitamiento de
las
ondi
iones de
on
avidad, se ve en el he
ho de que no toda fun
ión
uasi
ón
ava es
ón
ava (ver gura 12).
Le
ión 1: Fun
iones
ón
avas y
uasi
ón
avas 25
f (y)
x y
Figura 12: Una fun
ión
uasi
ón
ava no-
ón
ava.
Ejer
i
ios 3
1. Determine si las siguientes fun
iones son
uasi
ón
avas (estri
tas)
o
uasi
onvexas (estri
tas) en el dominio indi
ado:
a) f (x, y) = x2 + y 2 − 1,
on x, y > 0
b) f (x, y) = mı́n{x, y},
on x, y > 0
) f (x, y) = α ln x + β ln y ,
on α, β > 0, x > 1, y > 1
La prin
ipal
ara
terísti
a de las fun
iones
uasi
ón
avas se tiene en el
siguiente resultado:
Teorema 10. (Cara
teriza
ión topológi
a de las fun
iones
ua-
si
ón
avas)
Una fun
ión f : C → R es
uasi
ón
ava si, y sólo si, para todo α ∈ R, el
onjunto de nivel
Sα = {x ∈ C | f (x) ≥ α}
es un
onjunto
onvexo.
Demostra
ión.
Luego, λx + (1 − λ)y ∈ Sα .
4
xα y β = 2.4
3
xα y β = 1.6
2
1 xα y β = 1
0
x
0 1 2 3 4 5 6
y λx y
+
(1
−
λ)
y
x
x
(b) (a)
Figura 15:
Teorema 12. (Condi
ión de primer orden de las fun
iones
ua-
si
ón
avas)
Sea f : C → R diferen
iable en el interior de C . Enton
es f (·) es
uasi-
ón
ava (estri
ta) en C si, y sólo si, f (x) ≥ f (y) impli
a
Demostra ión.
f ′ (λ0 (x − y) + y)λ0 (x − y) ≥ 0
La demostra ión para las fun iones uasi ón avas estri tas es similar.
Así
omo las fun
iones
ón
avas están determinadas por
iertas
ondi-
iones sobre la matriz hessiana (teorema 4), también podría esperarse
que las fun
iones
uasi
ón
avas tuvieran una
ara
terísti
a similar. En
efe
to, es así, y la
orrespondiente matriz se
ono
e
omo matriz hessiana
orlada. ¾Cómo surge? Sabemos, por el teorema de la fun
ión implí
ita
(ver volumen II: Cál
ulo), que si y(x) dene lo
almente una fun
ión a
partir de la
urva de nivel f (x, y) = α, enton
es se tendrá 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 ∂y∂x dx ∂x ∂x∂y ∂y dx
=− 2
∂f
∂y
2 2 2 2
∂f ∂ f ∂f ∂f ∂ 2 f ∂f ∂ f
− 2 +
∂y ∂x2 ∂x ∂y ∂y∂x ∂x ∂y 2
=− 3
∂f
∂y
∂f ∂f
0
∂x ∂y
2 ∂ f
2
1 ∂f ∂ f
= 3
∂f ∂x ∂x2 ∂x∂y
∂f ∂2f ∂ 2 f
∂y
∂y ∂y∂x ∂y 2
32 Matemáti
as para e
onomistas III: Optimiza
ión y dinámi
a
∂f ∂f
Pare
e
laro que
ondi
iones sobre el determinante y sobre , , de-
∂x ∂y
terminarán qué tipo de
on
avidad-
onvexidad tendrán las
urvas de
nivel f (x, y) = α y, de allí, la
on
avidad-
onvexidad del
onjunto
Sα = {(x, y) ∈ C/f (x, y) ≥ α}
que es el
riterio que determina la
uasi
on
avidad-
uasi
onvexidad de
f (·). Es pre
isamente a este determinante al que llamaremos (en el
aso
2 × 2) el hessiano orlado (de orden 2)
orrespondiente a f (·, ·).
Deni
ión 5. (Matriz hessiana orlada)
Dada f : C → R, denimos, para r ≤ n, la matriz hessiana orlada de
orden r (
orrespondiente a f (·))
omo la matriz
∂f ∂f ∂f
0 ∂x1 ∂x2 ··· ∂xr
∂f 2
∂ f 2
∂ f ∂ f
2
∂x 2 · · ·
1 ∂x1 ∂x1 ∂x2 ∂x1 ∂xr
∂f 2
∂ f 2
∂ f ∂ f
2
Dr = ∂x ∂x22
· · ·
2 ∂x2 ∂x1 ∂x2 ∂xr
. . . . . . . . . . . . . . . . . . . . . . . .
∂f 2
∂ f 2
∂ f 2
∂ f
∂xr ∂xr ∂x1 ∂xr ∂x2 · · · ∂x 2
r
Demostra ión.
Luego
α = f (h(y2 ), y2 ) ≤ f (x2 , y2 )
donde t = λ/λ̄.
Ejemplo 10.
Probemos mediante el
riterio del hessiano orlado del teorema anterior,
que la fun
ión f (x, y) = xα y β , α, β > 0, es
uasi
ón
ava en R2++ .
Solu
ión.
Aquí, a = αxα−1 y β , c = βxα y β−1 , A = α(α−1)xα−2 y β , B = αβxα−1 y β−1 ,
C = β(β − 1)xα y β−2 .
f(x,y)
Ejemplo 11.
Podemos probar que f (x, y) = yex (ver gura 16), es
uasi
ón
ava en
R2+ utilizando el
riterio del hessiano orlado. En efe
to: Aquí, a = yex ,
c = ex , A = yex , B = ex , C = 0, y vemos que:
(b) Además,
Ejer
i
ios 4
1. Utilizando el teorema de la presente le
ión que
onsidere más
on-
veniente, determine
uáles de las siguientes fun
iones son
uasi
ón-
avas (estri
tas) y
uasi
onvexas (estri
tas) en el dominio espe
i-
ado:
√ √
(a) f (x, y) = x + y ,
on x, y > 0
(b) f (x, y) = x2 + y ,
on x, y > 0
(
) f (x, y) = (x + y)3 ,
on x, y > 0
36 Matemáti
as para e
onomistas III: Optimiza
ión y dinámi
a
5. Contexto e
onómi
o
a) Con
avidad-
onvexidad y marginalidad de
re
iente en
la teoría e
onómi
a
De dis
usiones previas (ver volumen II, le
ión 3) ha quedado
laro que
la teoría e
onómi
a
onven
ional está
onstruida, en gran parte, sobre la
base de tasas marginales de
re
ientes que,
omo veremos, están íntima-
mente ligadas a la no
ión de
on
avidad (fun
iones
ón
avas): fun
iones
de utilidad
ón
avas, fun
iones de produ
ión
ón
avas, et
. En
ada uno
de estos
asos, la justi
a
ión es diferente.
Una fun
ión de utilidad
ón
ava estri
ta (y que también se a
ostumbra
a asumir
re
iente) indi
a que el agente mientras más
onsume, mayor
satisfa
ión obtiene, aunque este nivel de satisfa
ión es
ada vez menos
intenso. El
on
epto de utilidad marginal de
re
iente fue quizás utili-
zado por primera vez por Ni
holas Bernoulli (1713) y Daniel Bernoulli
(1738) quienes lo emplearan para resolver la paradoja de San Petersburgo
(ver volumen II: Cál
ulo, le
ión 4). En sus ini
ios, algunos e
onomistas
omo Jeremy Bentham (1789)12 y Nassau Senior (1836)13 utilizaron la
idea, pues, sin duda, esta no
ión permitía
one
tar los
on
eptos de de-
seo de las mer
an
ías
on la demanda efe
tiva. Posteriormente, todos
los e
onomistas marginalistas (Jevons, Marshall, Walras y Pareto, entre
otros) utilizarían re
urrentemente esta fundamental no
ión sobre el
om-
portamiento individual al momento de tomar una de
isión de
onsumo.
Por su parte, una fun
ión de produ
ión
ón
ava estri
ta (y también
re-
iente) indi
a que, mientras mayor sea el número de insumos utilizados,
mayor será el nivel de produ
ión, aunque el rendimiento de la máquina
(por desgaste y otras limita
iones) es
ada vez menor. Esta idea,
ono-
ida
omo la Ley de los Rendimientos Marginales De
re
ientes o de la
Produ
tividad Marginal De
re
iente (para evitar
onfusiones
on la idea
de rendimientos de
re
ientes a es
ala) fue originalmente pensada, para
apli
a
iones a la e
onomía de fa
tores agrí
olas, por A.R.J. Turgot en
sus Observations de 1768, y por Thomas Robert Malthus en su Essay on
the Prin
iple of Population de 1798. Posteriormente fue apli
ada, más
12
Bentham, Jeremy (1789), An Introdu
tion to the Prin
iples of Morals and Le-
gislation, Bato
he Books, Kit
hener.
13
Senior, Nassau (1836), An Outline of the S
ien
e of Politi
al E
onomy, London:
Ri
hard Grin and Company.
38 Matemáti
as para e
onomistas III: Optimiza
ión y dinámi
a
0 x
0 1 2 3 4
Figura 17: Fun
ión de produ
ión según Wi
ksell (1901, 1902).
Y Y
Y
(a) (b) ( )
Figura 18:
Teorema 16.
Si Y es
onvexo y 0 ∈ Y (posibilidad de no-a
ión), enton
es Y tiene
rendimientos de
re
ientes a es
ala.
Demostra ión.
Teorema 17.
Y es un
ono 32
on vérti
e en 0 si, y sólo si, Y tiene rendimientos
onstantes a es
ala.
Demostra ión.
Así, la fun
ión de produ
ión está determinada por la frontera superior
del
onjunto de produ
ión (ver gura 19).
Es
laro que, bajo nuestras hipótesis, la fun
ión de produ
ión puede ser
dis
ontinua y no diferen
iable. Sin embargo, si el
onjunto de produ
ión
es
onvexo, podemos asegurar, al menos, la
ontinuidad de la fun
ión de
produ
ión:
Teorema 18.
La fun
ión de produ
ión aso
iada al
onjunto de produ
ión Y es
ón
a-
va, si, y sólo si, Y es
onvexo (ver gura 19). Por lo tanto, todo
onjunto
de produ
ión
onvexo tiene aso
iada una fun
ión de produ
ión
onti-
nua.
y
f (z)
z
Figura 19:
Fun
ión de produ
ión
ón
ava aso
iada a un
onjunto de produ
ión
on-
vexo.
Demostra ión.
Supongamos que Y es
onvexo; enton
es para todo λ ∈ (0, 1), y (y, −z),
(y ′ , −z ′ ) ∈ Y , tenemos que λ(y, −z)+(1−λ)(y ′ , −z ′ ) ∈ Y . En parti
ular,
esto es válido para (y, −z), (y ′ , −z ′ ) en la frontera superior del
onjunto
de produ
ión, es de
ir
on y = f (z) y y ′ = f (z ′ ). Pero en ese
aso,
f (λz + (1 − λ)z ′ ) ≥ λf (z) + (1 − λ)f (z ′ ) por deni
ión de fun
ión de pro-
du
ión. Como esta última desigualdad también se
umple (trivialmente)
para λ = 1 y λ = 0, la fun
ión de produ
ión es
ón
ava.
Por otro lado, supongamos que la fun
ión de produ
ión es
ón
ava y
sean (y, −z), (y ′ , −z ′ ) ∈ Y , λ ∈ (0, 1). Por deni
ión de
on
avidad y de
Le
ión 1: Fun
iones
ón
avas y
uasi
ón
avas 45
Corolario 1.
Si la fun
ión de produ
ión f (·) aso
iada al
onjunto de produ
ión Y es
ón
ava y satisfa
e f (0) = 0, enton
es Y tiene rendimientos de
re
ientes
a es
ala.
f (λx) ≤ λf (x)
f (λx) = λf (x)
f (λx) ≥ λf (x)
Teorema 19.
Sea f : D → R, donde D ⊆ R ó D ⊆ R2 , una fun
ión de produ
ión tal
que si x ∈ D se tiene que λx ∈ D para todo λ ≥ 0; enton
es, f (·) tiene
rendimientos
onstantes a es
ala si, y sólo si, f (·) tiene rendimientos
re
ientes y de
re
ientes a es
ala.
Ejemplo 12.
Veamos un par de ejemplos de fun
iones de produ
ión y sus rendimien-
tos a es
ala:
a) La fun
ión de produ
ión f (x) = ln(x + 1) para x ≥ 0, tiene ren-
dimientos de
re
ientes a es
ala pues ln(λx + 1) ≤ λ ln(x + 1) para
ualquier λ ≥ 1. En efe
to: la anterior desigualdad es equivalente
a (x + 1)λ ≥ λx + 1, que es una
onse
uen
ia dire
ta del teorema
binomial de Newton (ver volumen 0 (Fundamentos) y volumen II
(Cál
ulo)).
Z = {z ∈ Rn−1
+ | (y, −z) ∈ Y }
Demostra ión.
Quizás el primero en dis
ernir sobre esto, fue el matemáti
o del grupo
Bourbaki, Samuel Eilenberg, en 1939 . Pero fueron von Neumann y Mor-
genstern (1944)34 quienes, basándose en el trabajo de Eilenberg, darían
las primeras
ondi
iones sobre preferen
ias de un
onsumidor, para que
éste eligiera bajo una fun
ión de utilidad. A este trabajo le siguieron
lari
a
iones y simpli
a
iones que darían forma a lo que hoy
ono
e-
mos
omo los fundamentos de la teoría del
onsumidor y, en general,
de la ele
ión. 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 señalaría
on
lari-
dad los axiomas que produ
en distribu
iones de probabilidad subjetivas
y, así, fun
iones de utilidad esperada.
a) En primer lugar, asumimos que todo
onsumidor sele
iona sus planes
(o
anastas) de
onsumo dentro del espa
io
artesiano de mer
an
ías
Rn+ = {x ∈ Rn /x ≥ 0} donde n es el número de mer
an
ías dis-
ponibles en el mer
ado. Notamos a este
onjunto, llamado
onjunto
de
onsumo del
onsumidor, mediante X , y asumiremos enton
es que
éste es un sub
onjunto no-va
ío,
errado y
onvexo de Rn+ .
[x1 ] = {x ∈ X | x ∼ x1 }
bien 2 x
•
lase de
indiferen
ia
de x
bien 1
{x ∈ X | x 4 x′ } {x ∈ X | x < x′ } (*)
son
errados en Rn+ , enton
es existe una fun
ión de utilidad sobre el
onjunto X preordenado por 4.
52 Matemáti
as para e
onomistas III: Optimiza
ión y dinámi
a
Demostra ión.
y, por lo tanto, la fun
ión r(x) así denida de los reales a los ra-
ionales se ha
onstruido de tal manera que es uno-a-uno (pues es
estri
tamente
re
iente). Pero, esto es una
ontradi
ión, ya que la
ardinalidad de R es mayor que la de Q (ver volumen 0: Fundamen-
tos). Un ejer
i
io aquí para el le
tor es probar que, en este
aso, los
onjuntos (*) arriba en el teorema 22 no son
errados en R2+ .
x2
x2
x2
x1 x1 x1
Bien 1 Bien 1 Bien 1
(a) (b) (
)
Figura 21:
En el panel (a) unas preferen
ias 4
on
onvexidad débil. En el panel (b) unas
preferen
ias 4
onvexas. En el panel (
) unas preferen
ias 4
on
onvexidad
estri
ta.
Teorema 23.
Si los
onjuntos
{x ∈ X | x 4 x′ }, {x ∈ X | x < x′ }
son
errados, enton
es para la rela
ión de preferen
ia 4 se
umple que:
onvexidad estri
ta =⇒
onvexidad =⇒
onvexidad débil
Demostra
ión.
b) Es similar a a).
Notemos el signi
ado e
onómi
o de esta hipótesis. Ya habíamos ob-
servado que toda fun
ión
uasi
ón
ava estri
ta u(x) tiene la propiedad
de que si u(x) = α y u(y) = α, donde x, y ∈ R2 , y α > 0, enton
es
u(λx + (1 − λ)y) > α, λ ∈ (0, 1); es de
ir,
ualquier
ombina
ión estri
ta
de los planes de
onsumo x, y es siempre mejor (en términos del nivel
de utilidad) que
ualquiera de los dos planes x, y . En otras palabras,
un
onsumidor
on una fun
ión de utilidad
uasi
ón
ava es aquel que
no se espe
ializa en ningún tipo de produ
to : siempre preere
ombinar.
De he
ho, un
arro de supermer
ado
argado
on múltiples produ
tos
des
ribe tal
omportamiento de
onsumo.
∞ n
X ∞ n
1 n−1 1X 1
E(w) = ·2 = · 2n =
2 2 2
i=1 i=1
1
(1/2) · 2 + (1/4)22 + (1/8)23 + . . . = ∞
2
Por lo tanto, si valoramos el juego por su valor a
tuarial, deberíamos
estar dispuestos a pagar
ualquier
antidad nita de dinero para tener el
dere
ho a jugar. Sin embargo, un po
o de introspe
ión nos deja ver que,
en general, nadie estará dispuesto a pagar más allá de
ierta
antidad
nita determinada.46 Esta es, pre
isamente, la ya men
ionada Paradoja
de San Petersburgo , debido a que
ontravenía lo que en esa épo
a se
reía
era una forma
orre
ta de valorar una a
ión riesgosa. Así, la Paradoja
de San Petersburgo mostraba que el valor a
tuarial no era siempre una
guía del
omportamiento de los agentes en situa
iones de riesgo.
Una propuesta para solu
ionar esta paradoja fue presentada por Ga-
briel Cramer y por Daniel Bernoulli en 1723 y 1738, respe
tivamente.
Ellos proponían que los agentes podrían valorar este tipo de situa
iones
utilizando lo que Bernoulli denominó expe
tativas morales, que puede in-
terpretarse
omo la utilidad esperada del dinero para el agente, y que en
el
aso de este juego es
∞ n
X 1
E(u) = u(2n−1 ) = (1/2)u(1) + (1/2)u(2)+
2
i=1
(1/4)u(22 ) + (1/8)u(23 ) + . . .
Nota 7.
Vemos que ∆(X) es un
onjunto
onvexo, y que si ex ∈ ∆(X) representa
el elemento que asigna probabilidad 1 al resultado x ∈ X , enton
es todo
elemento p ∈ ∆(X) se puede representar
omo
n
X
p= pi exi
i=1
Por lo tanto, toda lotería se puede representar
omo una
ombina
ión
lineal de loterías de las
uales
ono
emos el resultado
on
erteza. Es por
esto que podemos interpretar una lotería
omo una
ombina
ión lineal
de resultados que se
ono
en
on
erteza.
Ejemplo 13.
∆(X) = {(p, 1 − p) / 0 ≤ p ≤ 1}
y ( 15 , 45 ) es un ejemplo de lotería .
∆(X) = {(p, q, 1 − p − q) / 0 ≤ p ≤ 1, 0 ≤ q ≤ 1}
A diferen
ia del
aso bajo
ertidumbre, vemos que la fun
ión de utilidad
esperada satisfa
e una
ondi
ión muy importante:
58 Matemáti
as para e
onomistas III: Optimiza
ión y dinámi
a
enton
es diremos que U (·) es una fun
ión de utilidad esperada sobre el
espa
io de loterías ∆(X).
{λ ∈ R | p 4 λq + (1 − λ)r}, y, {λ ∈ R | λq + (1 − λ)r 4 p}
son
errados.
49
Es de
ir, para todo p, q, r ∈ ∆(X) se tiene: i) p4q ó q 4 p; ii) Si p4q y q 4 r,
enton
es p4r (ver volumen 0: Fundamentos).
Le
ión 1: Fun
iones
ón
avas y
uasi
ón
avas 59
Enton
es existe una fun
ión de utilidad esperada que representa estas
preferen
ias; es de
ir, existe U : ∆(X) → R tal que para todo p, q ∈
∆(X), λ ∈ [0, 1], U (·) satisfa
e
Demostra ión.
Teorema 26.
Sea U : ∆(X) → R una fun
ión de utilidad esperada; enton
es, V :
∆(X) → R es una fun
ión de utilidad esperada si, y sólo si, existen
β > 0 y γ ∈ R tales que V (p) = βU (p) + γ .
A este tipo de fun
iones de utilidad esperada se les
ono
e
omo fun
iones
de utilidad tipo von Neumann-Morgenstern (vN-M) .
Demostra ión.
Por otro lado, supongamos que U (·) y V (·) son fun
iones de utilidad
esperada. Sea r ∈ ∆(X) y elijamos λr ∈ [0, 1] tal que
es de
ir,
U (r) − U (q)
λr =
U (p) − U (q)
Como U (·) es una fun
ión de utilidad esperada, enton
es r ∼ λr p + (1 −
λr )q . Pero
omo hemos supuesto que V (·) también representa las mismas
preferen
ias, debe ser que
donde
V (p) − V (q) U (q) V (p) − V (q)
β= γ = V (q) −
U (p) − U (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.
53
Ver Arthur, Brian, Steven Durlauf y David A. Lane (1997), The E
onomy as
an Evolving Complex System II, SFI Studies in the S
ien
es of Complexity, Addison
Wesley Longman, New York.
62 Matemáti
as para e
onomistas III: Optimiza
ión y dinámi
a
3. ¾Será que toda fun
ión que es
uasi
onvexa y
uasi
ón
ava es en-
ton
es un hiperplano que no ne
esariamente pasa por el origen?
5. Anali
e
uáles de las siguientes fun
iones son
ón
avas (estri
tas),
onvexas (estri
tas),
uasi
ón
avas (estri
tas),
uasi
onvexas (es-
tri
tas):
6. Si (
x2 si x < 0
f (x) =
ln(x + 1) si x ≥ 0
¾Será f (·)
ón
ava (estri
ta)? ¾
onvexa (estri
ta)? ¾
uasi
ón
ava
(estri
ta)? ¾
uasi
onvexa (estri
ta)?
7. Pruebe que (
2 si x 6= 0
f (x) =
0 si x = 0
es
uasi
onvexa. ¾Será estri
tamente
uasi
onvexa? ¾Será
onvexa?
13. (a) ¾Será que un punto
ríti
o de una fun
ión
uasi
ón
ava es de
máxima global?
(b) ¾Será que un máximo lo
al de una fun
ión
uasi
ón
ava es
un máximo global? [Indi
a
ión: Tome f (x) = [[x]] ℄ 55 ¾Y si la
fun
ión es
uasi
ón
ava estri
ta?
(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
ión para las
uales podemos
ara
terizar fá
ilmente el tipo de rendimientos a es
ala que presen-
tan; éstas se
ono
en
omo fun
iones homogéneas .
Re
ordemos (ver volumen 0: Fundamentos) que una fun
ión f :
D → R es homogénea (de grado α) si, y sólo si, existe un α ∈ R+
tal que
f (tx) = tα f (x)
donde para todo t > 0 y x ∈ D se tiene que tx ∈ D .
Algunos ejemplos de fun
iones homogéneas son:
√
(a) Si f (x) = x, x ≥ 0, enton
es
√ √√ 1
f (tx) = tx = t x = t 2 f (x)
1
(a) f (x) = ln(x + 1) (b) f (x) = x n
on n ∈ N.
(
) f (x) = x2 (d) f (x, y) = x + y
(e) f (x, y) = xy (f) f (x) = 1 − e−x
18. ¾Será que si una fun
ión de produ
ión es
onvexa y f (0) = 0,
enton
es tiene rendimientos
re
ientes a es
ala?
21. (a) Una expli
a
ión intuitiva sobre por qué la suma de dos fun-
iones
uasi
ón
avas no ne
esariamente es
uasi
ón
ava, se en-
uentra en la teoría del
onsumidor. Si dos
onsumidores pre-
eren (
ada uno independientemente) la
ombina
ión a la es-
pe
ializa
ión, enton
es
uando estos dos
onsumidores ha
en
sus
ompras
omo un úni
o agente, podría ser que se espe
ia-
lizaran en algún tipo de produ
to. El ejemplo de la pareja en
el que a la mu
ha
ha le gusta sólo el pollo y el queso en su
pizza, pero al mu
ha
ho sólo le gusta el pollo y los
hampiño-
nes, los obligaría, en
aso de
enar juntos, a es
oger la pizza
sólo
on pollo, muestra bien lo que queremos expli
ar. Aun
así,
abe men
ionar que en ningún
aso armamos que la fun-
ión agregada de utilidad sea siempre la suma de las fun
iones
de utilidad de
ada uno de los agentes. Sólo que este ejemplo
justi
a el resultado
uando esto sí pueda tenerse. ¾Podría el
le
tor dar otro ejemplo que ilustre el punto anterior?
(b) En 1982, los ganadores del premio Nobel en e
onomía, Ge-
rard Debreu (ganador en 1983) y Tjalling Koopmans (ganador
en 1975), presentaron el siguiente resultado:56 Si f = f1 + f2
es
uasi
ón
ava en C , donde f1 y f2 son dos fun
iones no-
onstantes, enton
es alguna de las dos fun
iones es
ón
ava
56
Debreu, Gerard, y Tjalling C. Koopmans (1982), Additively De
omposed Qua-
si
onvex Fun
tions, en Mathemati
al Programming: S
ienti
Papers of Tjalling C.
Koopmans (1985), Springer Verlag.
Le
ión 1: Fun
iones
ón
avas y
uasi
ón
avas 67
i) Yj es
errado
ii) Y es
errado
iii) 0 ∈ Yj , 0 ∈ Y (posibilidad de no-a
ión )
iv) Y ∩ (R+ ) = 0 (imposibilidad de produ
ión gratuita )
v) Y ∩ (−Y ) = {0} (irreversibilidad )
vi) Yj + Yj ⊆ Yj (aditividad )
vii) Yj es
onvexo.
viii) −Rn+ ⊆ Y (libre disponibilidad de insumos )
24. [Demostra
ión del teorema 1℄. Este ejer
i
io, para el le
tor aven-
tajado,
onsiste en seguir
uidadosamente la demostra
ión del teo-
rema 1:
Sea x ∈ C
ualquiera, y {xk }∞ k=0 tal que xk → x
uando k → ∞.
Además, sea ǫ > 0 y K tal que para todo k ≥ K , ||xk − x|| < ǫ
(sabemos que tal K existe, ya que xk → x), y sea también A =
{y ∈ C | |y − x| = ǫ}. Enton
es, para todo k ≥ K existen yk ∈ A y
λk ∈ [0, 1] tales que xk = λk x + (1 − λk )yk ; y dado que xk → x y
|yk − x| = ǫ, enton
es λk → 1. Por la
on
avidad de f (·),
f (xk ) = f (λk x + (1 − λk )yk ) ≥ λk f (x) + (1 − λk )f (yk )
y así
lı́m ı́nf f (xk ) ≥ f (x) 58
(*)
k→∞
De manera similar, podemos elegir zk ∈ A y λk ∈ [0, 1] tales que
x = λk xk + (1 − λk )zk . Por un argumento similar, tenemos que
f (x) = f (λk xk + (1 − λk )zk ) ≥ λk f (xk ) + (1 − λk )f (zk )
de tal forma que
f (x) ≥ lı́m sup f (xk ) (**)
k→∞
De las dos desigualdades (*) y (**) se tiene que
lı́m ı́nf f (xk ) ≥ f (x) ≥ lı́m sup f (xk )
k→∞ k→∞
y sabiendo que
lı́m sup f (xk ) ≥ lı́m ı́nf f (xk )
k→∞ k→∞
Introdu
ión
El análisis matemáti
o, en todas sus ramas, proveyó a la físi
a y a la
te
nología
on potentes métodos para la solu
ión de problemas de mu
has
lases. Ya hemos estudiado el primero en surgir: en
ontrar la tasa de
ambio de una magnitud
uando sabemos
ómo depende esta magnitud
del tiempo (derivada); y en
ontrar el área de guras
urvilíneas y el
volumen de sólidos (la integral). Además de esto, el análisis matemáti
o
ha mostrado métodos para en
ontrar el máximo y el mínimo de valores
de una magnitud bajo
ondi
iones dadas. Con estas reglas es posible
determinar, por ejemplo, la forma de una
isterna
ilíndri
a que, para un
volumen dado, tendrá la super
ie más pequeña y, por lo tanto, requerirá
de la mínima
antidad de material para
onstruirla: la
isterna debe
igualar su altura al diámetro de la base. Estos métodos también nos
permiten determinar la forma de la
urva a lo largo de la
ual un
uerpo
debe rodar para
aer, en el mínimo tiempo posible, de un punto a otro
(esta
urva se llama la
i
loide ).
Pero el análisis matemáti
o no sólo nos entrega métodos para resolver
problemas parti
ulares. También nos da reglas generales para la formula-
ión matemáti
a de leyes
uantitativas de las
ien
ias. Las leyes gene-
rales de la me
áni
a no podrían formularse matemáti
amente sin re
urso
a
on
eptos del análisis matemáti
o, y sin tal formula
ión no seríamos
apa
es de resolver los problemas de la me
áni
a. En la misma forma,
las leyes de la
ondu
ión del
alor, la propaga
ión de la luz a través de
distintos medios físi
os, las rea
iones quími
as, las leyes del ele
tromag-
netismo, y mu
has otras, simplemente no podrían tener una formula
ión
69
70 Matemáti
as para e
onomistas III: Optimiza
ión y dinámi
a
Maximizar f (x, y)
sujeta a g(x, y) ≥ 0 (KT)
x≥0
y≥0
Le
ión 2: Optimiza
ión estáti
a 71
f (x, y)
y
g(x, y) ≥ 0
Maximizar xy
sujeta a 3x + 4y ≤ 5
x≥0
y≥0
Maximizar x+y
sujeta a x + y2 ≤ 1
2
x≥0
y≥0
Minimizar f (x, y)
sujeta a g(x, y) ≥ 0
x≥0
y≥0
es equivalente al problema
Maximizar − f (x, y)
sujeta a g(x, y) ≥ 0
x≥0
y≥0
Ejer
i
ios 1
1. En los siguientes ejer
i
ios, identique f (x, y) y g(x, y) en la for-
mula
ión (KT):
a) Minimizar (x−1)2 + y 2 b) Minimizar x2 − y 2
sujeta a y ≥ x2 + 1 sujeta a 3x + 4y ≥ 12
x≥0 x≥0
y≥0 y≥0
) Minimizar 3x+7y d) Maximizar yex
1
sujeta a x3 + y 3 3 ≥ 100 sujeta a 2x + 8y ≤ 50
x≥0 x≥0
y≥0 y≥0
e) Minimizar 5x+2y f) Minimizar 1
3x 3 +5y 3
1
Demostra ión.
Ahora: Puesto que ya
ono
emos
ondi
iones para la existen
ia de solu-
iones al problema (KT), sería muy
onveniente, en este punto, pregun-
tarnos por su uni
idad. El siguiente teorema da
ondi
iones su
ientes
para esto:
Demostra ión.
Supongamos que (x0 , y0 ) y (x1 , y1 ) son dos solu
iones distintas al pro-
blema (KT), y que, por lo tanto, f (x0 , y0 ) = f (x1 , y1 ). Enton
es, para
74 Matemáti
as para e
onomistas III: Optimiza
ión y dinámi
a
f (x)
máximo global
mínimo global
x
a b
Figura 2:
Máximo y mínimo global de una fun
ión
ontinua sobre un
onjunto
om-
pa
to.
ualquier λ ∈ (0, 1), se tendrá que f (λx0 + (1 − λ)x1 , λy0 + (1 − λ)y1 ) >
f (x1 , y1 ), dado que f (·) es
uasi
ón
ava estri
ta. Además,
omo S es
onvexo,
laramente se tiene que (λx0 + (1 − λ)x1 , λy0 + (1 − λ)y1 ) ∈ S .
Por lo tanto, (x1 , y1 ) no puede ser solu
ión al problema (KT) y, por ende,
sólo puede existir una úni
a solu
ión.
Ejer
i
ios 2
1. En los siguientes ejer
i
ios determine si se
umplen las
ondi
iones
para existen
ia de la solu
ión al problema dado. Si existe, ¾permite
el teorema 2 garantizar que esta solu
ión es úni
a?
Maximizar f (x,y)
sujeta a g(x, y) = 0 (L)
x>0
y>0
y y
1 α=1 1
α = 0.5
α = 0.1
0 0
x x
0 1 0 1
(a) (b)
Figura 3:
Maximizar xy
sujeta a 3x + 4y = 5
x>0
y>0
∇g
y
ȳ
∇f
∇f = λ∇g
y∗
x̄ x∗ x
∇f (x, y) = λ∇g(x, y)
g(x, y) = 0
1
El término multipli
ador de Lagrange fue a
uñado sólo hasta 1919 por Gillie A.
Larew en su artí
ulo Ne
essary Conditions in the Problems of Mayer in the Cal
ulus
of Variations, publi
ado en Transa
tions of the Ameri
an Mathemati
al So
iety.
78 Matemáti
as para e
onomistas III: Optimiza
ión y dinámi
a
ó, equivalentemente,
∂f ∂g ∂f ∂g
=λ , =λ , g(x, y) = 0 (CPO)
∂x ∂x ∂y ∂y
Maximizar f (x, y)
sujeta a g(x, y) = 0 (L)
x>0
y>0
siempre y
uando
∇g (x∗ ,y∗ ) 6= 0
Demostra
ión.
Por el teorema de la fun
ión implí
ita (le
ión 3, volumen II) se tie-
ne, de g(x, y) = 0, que alrededor de (x∗ , y ∗ ) existe una úni
a fun
ión
diferen
iable y(x) tal que g(x, y(x)) = 0 y que, además,
dy ∂g/∂x
=−
dx ∂g/∂y
en esa ve
indad. Ahora: de la
ondi
ión que surge de maximizar f (x, y(x))
en (x∗ , y ∗ ), obtenemos que, en (x∗ , y ∗ ),
∂f ∂f
df = dx + dy = 0
∂x ∂y
Le
ión 2: Optimiza
ión estáti
a 79
Luego, en (x∗ , y ∗ ),
∂g −1 ∂f ∂g −1
∂f
=
∂x ∂x ∂y ∂y
∂f ∂g −1
Llamemos λ ≡ . Así, en (x∗ , y ∗ ),
∂y ∂y ∗ ∗
(x ,y )
−1
∂f ∂f ∂g ∂g ∂g
= =λ (2)
∂x ∂y ∂y ∂x ∂x
y, de manera similar,
−1
∂f ∂f ∂g ∂g ∂g
= =λ . (3)
∂y ∂x ∂x ∂y ∂y
o, lo que es igual,
∇f (x∗ ,y∗ ) = λ∇g (x∗ ,y∗ )
2
Nota 1. (Deni
ión de lagrangiano)
Existe una forma equivalente de resolver el problema (L). Denamos su
lagrangiano, L(·),
omo la fun
ión L : R++ × R++ × R → R denida
por L(x, y, λ) = f (x, y) − λ g(x, y). Enton
es el problema de optimizar
L(x, y, λ) nos
ondu
e al problema (L). En efe
to: Las
ondi
iones de
primer orden para optimizar L(·) son
∂L ∂f ∂g ∂L ∂f ∂g ∂L
= −λ = 0, = −λ = 0, = −g(x, y) = 0
∂x ∂x ∂x ∂y ∂y ∂y ∂λ
2
Aunque la idea fundamental es de Lagrange (Mé
anique Analytique (1788)), el
término Lagrangiano fue a
uñado, al pare
er, por Samuel Zahl en 1962 en el artí
ulo
A Deformation Method for Quadrati
Programming que apare
ió en el Journal of
the Royal Statisti
al So
iety.
80 Matemáti
as para e
onomistas III: Optimiza
ión y dinámi
a
y esto es,
∂f ∂g ∂f ∂g
=λ , =λ , g(x, y) = 0
∂x ∂x ∂y ∂y
o, de forma más simple,
que son las ondi iones de solu ión del problema (L).
Ejemplo 3.
Resolvamos el problema
Maximizar xy
sujeta a 3x + 4y = 5
x>0
y>0
utilizando las ondi iones de primer orden de Lagrange (ver gura 5).
Solu
ión.
Aquí, f (x, y) = xy , g(x, y) = 3x + 4y − 5. Ambas fun
iones tienen
derivadas par
iales
ontinuas; luego, por el teorema 8, si (x∗ , y ∗ ) resuelve
este problema de optimiza
ión, enton
es existe un es
alar λ 6= 0 tal que
x∗ = 4λ, y ∗ = 3λ
5
Pero
omo 3x∗ + 4y ∗ = 5, enton
es 3(4λ) + 4(3λ) = 5. Y así, λ = 24 . Por
onsiguiente,
5 5 5 5
x∗ = 4 = , y∗ = 3 =
24 6 24 8
Vemos que ∇g(x , y ) = (3, 4) 6= (0, 0); por lo tanto, el punto (x∗ , y ∗ )
∗ ∗
satisfa
e todas las
ondi
iones del teorema 8. Dado que este punto es la
úni
a solu
ión a las CPO, debería
ser la solu
ión al problema.
En efe
to:
puesto que el
onjunto S = (x, y) ∈ R2+ | 3x + 4y = 5 es
ompa
to y la
Le
ión 2: Optimiza
ión estáti
a 81
y
solu ión
5
y∗ = 8
x∗ = 5 x
6
Figura 5: Solu
ión grá
a del ejemplo 3.
Maximizar x+y
sujeta a x + y2 = 1
2
x>0
y>0
Solu
ión.
Aquí, f (x, y) = x + y , g(x, y) = x2 + y 2 − 1, y dado que ambas fun
iones
tienen derivadas par
iales
ontinuas, bus
amos un número λ 6= 0 tal que
∇f (x, y) = λ ∇g(x, y)
Es de
ir,
(1, 1) = λ(2x, 2y)
ó,
2λx = 1, 2λy = 1
3
¾Podría el le
tor expli
ar por qué en la solu
ión (x∗ , y ∗ ) se tiene y ∗ < x∗ ?
82 Matemáti
as para e
onomistas III: Optimiza
ión y dinámi
a
solu ión
√
2
y∗ = 2
√ x
2
x∗ = 2
4
¾Podría el le
tor expli
ar por qué x∗ = y ∗ ? Es de
ir, ¾
uáles de las
ara
terísti
as
del problema ha
en que las solu
iones sean iguales?
Le
ión 2: Optimiza
ión estáti
a 83
Maximizar xy
sujeta a x + y 2 = R2
2
x>0
y>0
(x∗ )2 + (y ∗ )2 = 2(x∗ )2 = R2
y, por
onsiguiente, √
∗ ∗ 2R
x =y =
2
√ √
Como ∇g(x∗ , y ∗ ) = ( 2R, 2R) 6= (0, 0) y esta es la úni
a solu
ión a las
CPO, debe enton
es ser (después de apli
ar el teorema de Weierstrass
y estudiar los valores de la fun
ión objetivo en los dos extremos de la
restri
ión) la solu
ión al √
problema. Así, el problema original se resuelve
on un
uadrado de lado 2 R, que, por
onsiguiente, tendrá área 2R2 .
y solu ión
√
R y y∗ = 2R
2
√
2R x
x∗ = 2
(b)
(a)
Figura 7:
Solu
ión.
La
antidad de material que se utiliza es igual a la suma de las áreas
de la base y de la pared del tanque; esto es, πr 2 + 2πrh, donde r es el
radio del
ilindro y h su altura. El volumen del tanque es πr 2 h. Así, el
problema es
Minimizar πr 2 +2πrh
sujeta a πr 2 h = V
r>0
h>0
Esto es equivalente a
a α
α
M D′
D
β b
β
B
c
Figura 8: Ley de la refra
ión de la luz.
Solu ión.
a tan α + b tan β = c
Ejemplo 8.
Resolvamos para α, β > 0, p1 , p2 > 0 jos,
Maximizar xα y β
sujeta a p1 x + p2 y = M
x>0
y>0
Solu
ión.
Las
ondi
iones de primer orden (CPO) de este problema son:
αxα−1 y β , βxα y β−1 = λ(−p1 , −p2 )
Solu ión
βM
y∗ = (α+β)p2
x∗ = αM x
(α+β)p1
Figura 9: Solu
ión grá
a del ejemplo 8.
Ejemplo 9.
Resolvamos el problema
88 Matemáti
as para e
onomistas III: Optimiza
ión y dinámi
a
Maximizar xy
sujeta a x + xy + y 3 = 1
x>0
y>0
Solu
ión.
En este
aso f (x, y) = xy , g(x, y) = x+xy +y 3 −1. Vemos que la fun
ión
objetivo es
ontinua, y que el
onjunto restri
ión {(x, y) ∈ R2+ / x+xy +
y 3 = 1} es
ompa
to, de tal forma que, por el teorema de Weierstrass,
el problema tiene solu
ión. Dado que el óptimo no puede estar en los
bordes del
onjunto restri
ión, y
omo, además, las derivadas par
iales
son
ontinuas, la solu
ión debe estar entre las
ondi
iones de primer
orden, las
uales vienen dadas por:
(y, x) = λ(1 + y, x + 3y 2 )
de lo
ual se obtiene
y 1+y
=
x x + 3y 2
o, lo que es equivalente,
3y 3 = x
Reemplazando en la restri
ión obtenemos 3y 4 + 4y 3 = 1, lo que impli
a
que
y ∗ = 0.56 y así, x∗ = 0.18
Dado que ∇g(x∗ , y ∗ ) 6= (0, 0), hemos en
ontrado el punto óptimo. N
Ejer
i
ios 3
x2
1. En
uentre el valor máximo de f (x, y) = xy sobre la elipse +
8
y2
= 1, asumiendo x > 0, y > 0. [Indi
a
ión: Una grá
a ayuda-
2
ría℄.
Le
ión 2: Optimiza
ión estáti
a 89
7. (a) Entre todos los triángulos ins
ritos en un
ír
ulo dado, demues-
tre que el triángulo equilátero es el de mayor área.
(b) ¾Cuál es el re
tángulo de mayor área ins
rito en un
ír
ulo?
(
) ¾Y
uál es el polígono regular de mayor área ins
rito en un
ír
ulo?
90 Matemáti
as para e
onomistas III: Optimiza
ión y dinámi
a
Maximizar f (x, y)
sujeta a g(x, y) ≥ 0 (KT)
x≥0
y≥0
Minimizar x+y
sujeta a x + y2 ≥ 1
2
x≥0
y≥0
5
Kuhn, Harold W. y Albert W. Tu
ker (1951), Pro
eedings of the Se
ond Berke-
ley Symposium on Mathemati
al Statisti
s and Probability: Nonlinear Programming,
University of California Press, J. Neyman (ed.), Berkeley.
6
Kuhn, Harold A. y Albert W. Tu
ker (1956), Linear Inequalities and Related
Systems, Prin
eton University Press, Prin
eton, New Jersey.
Le
ión 2: Optimiza
ión estáti
a 91
Maximizar − (x + y)
sujeta a x + y2 − 1 ≥ 0
2
x≥0
y≥0
Aquí podemos en
ontrar las solu
iones grá
amente: éstas son (1, 0) y
(0, 1) (ver gura 10). Y obsérvese que en ambos
asos la restri
ión x2 +
y 2 ≥ 1 se satisfa
e
on igualdad, pero que la solu
ión no es interior a
R2+ ,
omo se estudiaba en el método de los multipli
adores de Lagrange.
Estas solu
iones se
ono
en
omo solu
iones de esquina ó borde (por
obvias razones), y el método (de) Kuhn-Tu
ker es útil para hallarlas
analíti
amente,
omo veremos más adelante.
{(x, y) ∈ R2+ | x2 + y 2 ≥ 1}
1
solu
ión
solu
ión
0
x
0 1
Figura 10: Solu
ión grá
a del ejemplo 10.
1
solu
ión
0
x
0 1 2 3 4
L : R+ × R+ × R → R
denida por L(x, y, λ) = f (x, y)−λg(x, y). Ya sabemos que las solu
iones
al problema del lagrangiano
Maximizar f (x, y)
sujeta a g(x, y) = 0 (L)
x>0
y>0
Le
ión 2: Optimiza
ión estáti
a 93
están dentro de las solu
iones a las
ondi
iones de primer orden
∂f ∂g
−λ =0
∂x ∂x
∂f ∂g
−λ =0
∂y ∂y
g(x, y) = 0
x>0
y>0
Maximizar f (x, y)
sujeta a g(x, y) ≥ 0 (KT)
x≥0
y≥0
Maximizar L(x, y, λ)
sujeta a x≥0
y≥0
Así, L(0 + ∆x, y ∗ , λ∗ ) ≤ L(0, y ∗ , λ∗ ) para todo ∆x > 0 (¾por qué sólo
para ∆x > 0 y no para ∆x < 0?). Ahora: por el teorema de Taylor
(le
ión 3, volumen II),
∗ ∗ ∗ ∗ ∂L ∂ 2 L (∆x)2
L(0 + ∆x, y , λ ) = L(0, y , λ ) + ∆x +
∂x (0,y∗ ) ∂x2 (ζx ,y∗ ) 2
solu
ión
solu
ión
x
Figura 12:
!
∂f
∗ ∂g ∂f
∗ ∂g
−λ ≤ 0 y x∗ −λ =0
∂x (x∗ ,y∗ ) ∂x (x∗ ,y∗ ) ∂x (x∗ ,y∗ ) ∂x (x∗ ,y∗ )
Este es, de forma heurísti
a, el origen de las
ondi
iones de primer orden
del problema de Kuhn-Tu
ker (KT), que enseguida presentamos.
Deni
ión 2. (Condi
iones de primer orden (CPO) (de) Kuhn-
Tu
ker)
Si f (·), g(·) son fun
iones diferen
iables
on
ontinuidad en R2+ y λ ≤ 0,
denimos las
ondi
iones de primer orden (CPO) del problema de Kuhn-
Tu
ker (KT) de la siguiente forma:
∂f ∂g ∂f ∂g
(i) −λ ≤ 0; −λ ≤ 0; g(x, y) ≥ 0
∂x ∂x ∂y ∂y
∂f ∂g ∂f ∂g
(ii) x −λ = 0; y −λ = 0; λg(x, y) = 0
∂x ∂x ∂y ∂y
(CPO)
Nota 2. (Kuhn-Tu
ker generaliza Lagrange)
Obsérvese que si g ≡ 0, x > 0, y > 0, las CPO son equivalentes a
∂f ∂g ∂f ∂g
=λ ; =λ ; g(·) = 0
∂x ∂x ∂y ∂y
y éstas no son más que las
ondi
iones de primer orden del método de
Lagrange.
Ahora nos preguntamos: ¾
uáles son las
ondi
iones que garantizan que
dentro de las solu
iones a las
ondi
iones de primer orden (CPO) siempre
están las solu
iones a nuestro problema de optimiza
ión? La respuesta
la en
ontramos en el siguiente teorema:
Teorema 4. (K-T=⇒CPO)
Sean f (·) y g(·)
uasi
ón
avas y diferen
iables
on
ontinuidad en R2+ .
Si (x∗ , y ∗ ) resuelve el problema
Maximizar f (x, y)
sujeta a g(x, y) ≥ 0
x≥0
y≥0
enton
es existe un λ ≤ 0 tal que (x∗ , y ∗ ) satisfa
e las
ondi
iones de
primer orden (CPO) siempre que se tenga alguna (y basta una) de las
siguientes
ondi
iones:
96 Matemáti
as para e
onomistas III: Optimiza
ión y dinámi
a
Demostra ión.
Ejemplo 12.
Tomemos el problema
Maximizar x+y
sujeta a x + y2 ≤ 1
2
x≥0
y≥0
e intentemos resolverlo mediante el método de Kuhn-Tu
ker, apli
ando
el teorema 4.
Solu
ión.
En este
aso, f (x, y) = x + y , g(x, y) = 1 − x2 − y 2 . Puesto que estas
fun
iones son
uasi
ón
avas (
omo puede fá
ilmente veri
arlo el le
tor)
y g(x, y) = 1 − x2 − y 2 es
ón
ava en R2+ , además de que para (x̄, ȳ) =
(0.5, 0.5) se tiene g(x̄, ȳ) = 0.5 > 0, enton
es, por el teorema 4,
ualquier
solu
ión del problema de optimiza
ión (si existe) está entre las solu
iones
de las
ondi
iones de primer orden:
(i) 1 + λ(2x) ≤ 0; 1 + λ(2y) ≤ 0; 1 − x2 − y 2 ≥ 0
(ii) x(1 + λ(2x)) = 0; y(1 + λ(2y)) = 0; λ(1 − x2 − y 2 ) = 0
Estudiamos
uatro
asos:
1. Si x > 0, y > 0, enton
es, de (ii),
1 1
λ=− 6= 0; λ=− 6= 0
2x 2y
lo que impli
a x = y . Del he
ho de√que λ 6= 0,√y de (ii), tenemos
que x2 + y 2 = 1; y así, x∗ = y ∗ = 22 , λ∗ = − 22 .
7
Arrow, Kenneth J., Leonid Hurwi
z y H. Uzawa (1961), Constraint Quali
ations
in Maximization Problems, Naval Resear
h Logisti
s Quarterly.
Le
ión 2: Optimiza
ión estáti
a 97
1
2. Si x > 0, y = 0, enton
es de (ii), λ = − 6= 0 y así, x2 = 1 ó
2x
x = 1. Sin embargo, no se satisfa
e (i), pues 1 + λ(2 · 0) = 1 0.
(puesto que el
onjunto de restri
ión es
ompa
to, y la fun
ión objetivo
es
ontinua). Las CPO son:
1 1
−2 x − −λ(−1) ≤ 0; −2 y − −λ(−1) ≤ 0; 5−x−y ≥ 0
2 2
x (1 − 2x + λ) = 0; y (1 − 2y + λ) = 0; λ(5 − x − y) = 0
Estudiamos
uatro
asos:
x∗ = 12 , y ∗ = 12 , λ∗ = 0
Maximizar xy
sujeta a (1 − x − y)3 ≥ 0
x≥0
y≥0
se tiene
omo solu
ión x = y = 1/2, pero no existe ningún λ que satisfaga
las CPO en ese punto? N
Maximizar (x−1)3
sujeta a 2−x≥0
x≥0
∂f
b) >0 y g(x, y) ≥ 0 para algún x > 0, y ≥ 0; o bien
∂x (x∗ ,y∗ )
∂f
>0 y g(x, y) ≥ 0 para algún x ≥ 0, y > 0;
∂y (x∗ ,y∗ )
d) f (x, y) es ón ava;
Demostra ión.
Ejemplo 14.
Resolvamos el problema
Maximizar 2x+3y
sujeta a x+y ≤1
x≥0
y≥0
Solu
ión.
En este ejemplo, f (x, y) = 2x + 3y y g(x, y) = 1 − x − y . Dado que en
este
aso se
umple
on las
ondi
iones de los teoremas 4 y 5 (ya que
tanto la restri
ión
omo la fun
ión objetivo son lineales) las
ondi
iones
de primer orden nos entregan exa
tamente las solu
iones. Estas son:
(i) 2 + λ ≤ 0; 3 + λ ≤ 0; 1−x−y ≥0
(ii) x(2 + λ) = 0; y(3 + λ) = 0; λ(1 − x − y) = 0
x∗ = 0, y ∗ = 1, λ∗ = −3
y y
1 • ȳ
•
solu
ión solu
ión
0
x ȳ x
0 1
(a) (b)
Figura 13:
En el panel (a), la solu
ión grá
a del ejemplo 14. En el panel (b), la solu
ión
grá
a del ejemplo 15.
Ejemplo 15.
Resolvamos, para ȳ > 0 dado, el problema
Minimizar 4x2 + 2y 2
sujeta a x + y = ȳ
x≥0
y≥0
102 Matemáti
as para e
onomistas III: Optimiza
ión y dinámi
a
Solu
ión.
En este problema, tenemos f (x, y) = −4x2 − 2y 2 y g(x, y) = x + y − ȳ .
Vemos que la fun
ión objetivo es
ón
ava y, por lo tanto,
uasi
ón
ava;
y la fun
ión restri
ión es lineal y, así,
onvexa y
uasi
ón
ava. Es
laro
que el problema satisfa
e las
ondi
iones de los teoremas 4 y 5 y, por
lo tanto, las solu
iones del problema son, a su vez, las solu
iones a las
ondi
iones de primer orden, las
uales son:
ȳ 2ȳ 8ȳ
x∗ = , y∗ = , λ∗ = −
3 3 3
lo
ual satisfa
e todas las
ondi
iones; es de
ir, es una solu
ión al
problema.
ȳ 2ȳ 8ȳ
x∗ = , y∗ = , λ∗ = −
3 3 3
N
Le
ión 2: Optimiza
ión estáti
a 103
Ejemplo 16.
Resolvamos el problema
Minimizar 2x+3y
sujeta a x+y ≥1
x≥0
y≥0
Solu
ión.
En este problema, f (x, y) = −2x−3y y g(x, y) = x+y −1. Notemos que,
en este
aso, las fun
iones
umplen
on las
ondi
iones del teorema 5,
aunque no
on las del teorema 4 (¾por qué?); por lo tanto, las solu
iones
de las CPO son las solu
iones al problema de maximiza
ión.
Las
ondi
iones de primer orden son:
(i) −2 − λ ≤ 0; −3 − λ ≤ 0; x+y−1≥0
(ii) x(−2 − λ) = 0; y(−3 − λ) = 0; λ(x + y − 1) = 0
x∗ = 1, y ∗ = 0, λ∗ = −2
y y
1 1
solu
ión
0 • 0 •
x x
0 1 solu
ión
0 1
(a) (b)
Figura 14:
En el panel (a) la solu
ión grá
a del ejemplo 16. En el panel (b) la solu
ión
grá
a del ejemplo 17.
Ejemplo 17.
Resolvamos para w1 , w2 > 0,
Minimizar w1 x + w2 y
sujeta a x − y2 ≥ 1
x≥0
y≥0
Solu
ión.
En este ejemplo, f (x, y) = −(w1 x + w2 y), g(x, y) = x − y 2 − 1. La
fun
ión objetivo es lineal y, así,
ón
ava; además, la restri
ión es una
fun
ión
ón
ava, y para (x̄, ȳ) = (2, 0.5) se tiene que g(x̄, ȳ) = 0.75 > 0.
Enton
es, ambas fun
iones
umplen
on las
ondi
iones de los teoremas
1 y 5 y, por lo tanto, existe un máximo y las solu
iones a las CPO son,
pre
isamente, las solu
iones del problema. Las
ondi
iones de primer
orden son, en este
aso,
w2
1. Si x > 0, y > 0 enton
es, de (ii), λ = −w1 6= 0 y λ = 6= 0, lo
2y
w2
que impli
a y = − , y ésta no satisfa
e y ∗ ≥ 0.
2w1
Ejemplo 18.
Resolvamos el problema
Minimizar 3x + 2y
sujeta a xy ≥ 5
x≥0
y≥0
4
3 •
solu
ión
2
1
0
x
0 1 2 3 4
Solu
ión.
En este problema f (x, y) = −3x − 2y y g(x, y) = xy − 5, y éstas no
um-
plen las
ondi
iones del teorema 4, ya que la restri
ión no es
ón
ava
ni
onvexa, aunque,
omo se puede veri
ar fá
ilmente, ambas fun
iones
son
uasi
ón
avas. Por lo tanto, si alguna solu
ión de las CPO satisfa-
e alguna de las
ondi
iones adi
ionales del teorema 5, será solu
ión al
problema. Las
ondi
iones de primer orden son
(i) −3 − λy ≤ 0; −2 − λx ≤ 0; xy − 5 ≥ 0
(ii) x(−3 − λy) = 0; y(−2 − λx) = 0; λ(xy − 5) = 0
Ejemplo 19.
Resolvamos el problema
Minimizar 7 − y + x2
sujeta a x+y ≤5
x≥0
y≥0
Solu
ión.
En este problema, f (x, y) = −(7− y + x2) y g(x, y) = 5− x− y . Dado que
la fun
ión objetivo es
ontinua, y el
onjunto de restri
ión es
ompa
to,
por el teorema 1 la fun
ión objetivo al
anza un máximo global. Además,
el problema satisfa
e las
ondi
iones de los teoremas 4 y 5; por lo tanto,
las solu
iones de las CPO son las solu
iones al problema de optimiza
ión.
Estas
ondi
iones de primer orden son:
y•
solu
ión
4
3
2
1
0
x
0 1 2 3 4
x∗ = 0, y∗ = 5
Ejemplo 20.
Resolvamos el problema
Maximizar x(y + 4)
sujeta a x2 + y ≤ 8
x≥0
y≥0
108 Matemáti
as para e
onomistas III: Optimiza
ión y dinámi
a
Solu
ión.
En este problema, f (x, y) = x(y + 4) y g(x, y) = 8 − x2 − y . Vemos que
la fun
ión objetivo es
ontinua y el
onjunto de restri
ión es
ompa
to;
por lo tanto, por el teorema de Weierstrass, existe un máximo global.
Además, se
umplen las
ondi
iones del teorema 4 (ambas fun
iones son
uasi
ón
avas y la restri
ión es
onvexa), de tal forma que entre las
ondi
iones de primer orden está la solu
ión al problema. Las CPO son
(i) y + 4 + 2λx ≤ 0; x + λ ≤ 0; 8 − x2 − y ≥ 0
(ii) x(y + 4 + 2λx) = 0; y(x + λ) = 0; λ(8 − x2 − y) = 0
λ∗ = −2.
(i).
Vemos que 1. es la úni
a solu
ión a las CPO y, por lo tanto, el óptimo
está en
x∗ = 2, y ∗ = 4, λ∗ = −2
y el valor máximo es 16 (ver gura 17). N
Hasta ahora pare
iera que los multipli
adores de Lagrange (λ) son sólo
parámetros
onvenientes de ajuste para la solu
ión del problema tipo
Lagrange
Le
ión 2: Optimiza
ión estáti
a 109
y
9
8
7
6 solu
ión
5
4 •
3
2
1
0
x
0 1 2 3 4
Figura 17: Solu
ión grá
a del ejemplo 20.
Maximizar f (x,y)
sujeta a g(x, y) = 0 (L)
x>0
y>0
Sin embargo, esto no es del todo
ierto. Los valores de λ nos dan infor-
ma
ión muy valiosa sobre el óptimo al
ual están aso
iados: miden
ierta
sensibilidad del valor óptimo de la fun
ión objetivo f (x, y)
on respe
to
a
iertas varia
iones de la fun
ión g(x, y). Para verlo, es
ribamos primero
(y de nuevo) las
ondi
iones de primer orden para un óptimo (x∗ , y ∗ , λ∗ )
(
on x∗ , y ∗ > 0) del problema (L):
∂f ∗ ∂g
−λ =0
∂x (x∗ ,y∗ ) ∂x (x∗ ,y∗ )
∂f
∗ ∂g
−λ =0 (*)
∂y ∗ ∗
(x ,y ) ∂y ∗ ∗
(x ,y )
g(x, y) = 0
Maximizar f (x,y)
sujeta a g(x, y) = a a 6= 0 (L')
110 Matemáti
as para e
onomistas III: Optimiza
ión y dinámi
a
x>0
y>0
una pregunta legítima es: ¾Cómo varía la nueva solu
ión
on respe
to
a la solu
ión original (x∗ , y ∗ )? Para responder esto, supongamos que
x∗ (a), y ∗ (a) son las nuevas solu
iones. Enton
es, sea
!
∂f ∂g ∂y
−λ +λ
∂y (x∗ ,y∗ ) ∂y (x∗ ,y∗ ) ∂a
Pero, de (*), los dos primeros términos del lado dere
ho de la última
igualdad se anulan, y esto arroja el resultado:
∂L
=λ
∂a (x∗ ,y∗ )
Y de la deni
ión de L(·) en (**), y del he
ho de que x∗ (a), y ∗ (a) es
la solu
ión al problema (L'), es
laro que
∂L ∂f
=
∂a (x∗ (a),y∗ (a)) ∂a (x∗ (a),y∗ (a))
Por lo tanto,
∂f
=λ
∂a (x∗ (a),y∗ (a))
Le
ión 2: Optimiza
ión estáti
a 111
Así, el multipli
ador λ es la tasa de
ambio del valor máximo de la fun
ión
objetivo,
on respe
to a un
ambio en el parámetro a de la restri
ión.
Esta e
ua
ión de sensibilidad del problema del lagrangiano es una versión
del que se
ono
e también
omo teorema de la envolvente (ver teorema
6).
L(x(a), y(a), λ)
Minimizar ax + by
sujeta a xy = Qα
x>0
y>0
∂C α
= α(ab)1/2 Q 2 −1
∂Q
Le
ión 2: Optimiza
ión estáti
a 113
Ejer
i
ios 4
1. Resuelva analíti
amente (utilizando los teoremas apropiados y en-
ontrando las solu
iones explí
itamente) e ilustre grá
amente los
siguientes problemas:
a) Minimizar (x − 1)2 + (y − 2)2 b) Maximizar x2 y 2
sujeta a y ≥ x2 + 1 sujeta a 3x + 4y ≤ 12
x≥0 x≥0
y≥0 y≥0
) Maximizar yex d) Minimizar 5x+2y
sujeta a 2x + 8y ≤ 50 sujeta a 7x + 9y ≥ 15
x≥0 x≥0
y≥0 y≥0
1 1
e) Minimizar 3x +5y
3 3 f) Maximizar 3 ln x+y 2
1
Maximizar c1 x1 + c2 x2 + · · · + cn xn
sujeta a a11 x1 + a12 x2 + · · · + a1n xn ≤ b1 (PL)
a21 x1 + a22 x2 + · · · + a2n xn ≤ b2
.. .. .. ..
. . . .
am1 x1 + am2 x2 + · · · + amn xn ≤ bm
Maximizar cT x
sujeta a Ax ≤ b
x≥0
116 Matemáti
as para e
onomistas III: Optimiza
ión y dinámi
a
14
Debe advertirse, sin embargo, que la historia del pensamiento matemáti
o es
al revés: Kuhn y Tu
ker se inspiraron en la programa
ión lineal de Dantzig para
desarrollar su método dirigido a problemas de optimiza
ión no-lineal.
Le
ión 2: Optimiza
ión estáti
a 117
Alimentos Estándares
x1 x2 mínimos
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
Minimizar 2x+12y
sujeta a x + 3y ≥ 700
2x + y ≥ 400
x + y ≥ 200
x≥0
y≥0
800
600
400
200
solu
ión
0 •
x
0 200 400 600 800
m X
X n
Minimizar cij xij
i=1 j=1
X n
sujeta a xij = ai
j=1
120 Matemáti
as para e
onomistas III: Optimiza
ión y dinámi
a
m
X
xij = bj
i=1
xij ≥ 0
donde i = 1, . . . , n; j = 1, . . . , m.
Para simpli
ar, supongamos que m = n = 2, que las unidades disponi-
bles en los orígenes 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
último, supongamos que los
ostos de transporte vienen determinados
por la siguiente tabla:
Destino 1 Destino 2
Origen 1 10 20
Origen 2 20 40
x12 − x21 = 1
−x12 + x21 = −1
Le
ión 2: Optimiza
ión estáti
a 121
x11 + x21 = 4
x12 + x22 = 3
Para que la solu
ión 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
onómi
o es
enviar desde el origen 2 al destino 2, y lo más e
onómi
o es enviar del
origen 1 al destino 1. Por lo tanto, el plan óptimo 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
b) El algoritmo simplex
Maximizar c1 x1 + c2 x2 + · · · + cn xn
sujeta a a11 x1 + a12 x2 + · · · + a1n xn + s1 = b1
a21 x1 + a22 x2 + · · · + a2n xn + s2 = b2
.. .. .. ..
. . . .
am1 x1 + am2 x2 + · · · + amn xn + sm = bm
x1 ≥ 0, x2 ≥ 0, . . . , xn ≥ 0
s1 ≥ 0, s2 ≥ 0, . . . , sm ≥ 0
Maximizar cT x
sujeta a Ax + Is = b
x≥0
s≥0
Ejemplo 23.
Maximizar 3x+2y
sujeta a x + 2y ≤ 5
3x + 4y ≤ 8
2x + y ≤ 4
x≥0
y≥0
Maximizar 3x+2y
sujeta a x + 2y + s1 = 5
3x + 4y + s2 = 8
2x + y + s3 = 4
x≥0
y≥0
s1 ≥ 0, s2 ≥ 0, s3 ≥ 0
Maximizar 3x + 7y+10z
sujeta a 4x + y + 2z ≤ 3
7x + 3y + z ≤ 4
x + 5y + 4z ≤ 6
x≥0
y≥0
z≥0
Maximizar 3x + 7y + 10z
sujeta a 4x + y + 2z + s1 = 3
7x + 3y + z + s2 = 4
x + 5y + 4z + s3 = 6
x≥0
y≥0
z≥0
s1 ≥ 0, s2 ≥ 0, s3 ≥ 0
Ejemplo 24.
(a) En el problema
Maximizar 3x+2y
sujeta a x + 2y + s1 = 5
3x + 4y + s2 = 8
2x + y + s3 = 4
x≥0
y≥0
s1 ≥ 0, s2 ≥ 0, s3 ≥ 0
s1 = 5 − x − 2y
s2 = 8 − 3x − 4y
s3 = 4 − 2x − y
Maximizar 3x + 7y + 10z
sujeta a 4x + y + 2z + s1 = 3
7x + 3y + z + s2 = 4
x + 5y + 4z + s3 = 6
x≥0
y≥0
Le
ión 2: Optimiza
ión estáti
a 125
z≥0
s1 ≥ 0, s2 ≥ 0, s3 ≥ 0
s1 = 3 − 4x − y − 2z
s2 = 4 − 7x − 3y − z
s3 = 6 − x − 5y − 4z N
Ax + Is = b
c x + 0T s = f
T
ó " #
A I b
c 0 f
A los elementos de la última la de esta matriz que son diferentes de f ,
en adelante los llamaremos indi
adores.
Ejemplo 25.
(a) El problema
Maximizar 3x+2y
sujeta a x + 2y + s1 = 5
3x + 4y + s2 = 8
2x + y + s3 = 4
x≥0
y≥0
s1 ≥ 0, s2 ≥ 0, s3 ≥ 0
Maximizar 3x + 7y + 10z
sujeta a 4x + y + 2z + s1 = 3
7x + 3y + z + s2 = 4
x + 5y + 4z + s3 = 6
x≥0
y≥0
z≥0
s1 ≥ 0, s2 ≥ 0, s3 ≥ 0
Le
ión 2: Optimiza
ión estáti
a 127
4x + y + s1 = 8
2x + s2 = 1
8
si tomamos que el valor de x
omo = 2, enton
es s2 = −3, y esto no es
4
bi
posible. Por lo tanto se debe tomar aquella e
ua
ión donde el fa
tor
aij
sea mínimo y aij > 0, dado que esto permitirá una asigna
ión fa
tible
en las demás e
ua
iones si este es el valor óptimo para la variable xj .
Después de en
ontrar la e
ua
ión que permite una asigna
ión fa
tible en
las variables del problema, podemos pasar a resolver esta e
ua
ión para
xj , en
ontrando que
1
xj = [bi − si − ai1 x1 − ai2 x2 − · · · − aij−1 xj−1 − aij+1 xj+1 − · · · − ain xn ]
aij
128 Matemáti
as para e
onomistas III: Optimiza
ión y dinámi
a
donde
aik
aij = 1; ahj = 0, h 6= i; aik = , k 6= j
aij
aik ahj
ahk = ahk − , h 6= j , k 6= j
aij
y, por tanto, el nuevo f esta dado por
n
X ai1 cj ai2 cj ain cj cj cj
ci xi = (c1 − )x1 +(c2 − )x2 +· · ·+(cn − )xn + bi − si
aij aij aij aij aij
i
donde podemos repetir el pro
eso anterior, hasta que los indi
adores sean
menores o iguales a
ero. 15
Según lo anterior, el método simplex
onsiste en utilizar opera
iones ele-
mentales entre las, hasta ha
er que todos los indi
adores sean números
negativos o
eros, ya que enton
es se habrá en
ontrado el máximo f .
Para ha
er de este pro
eso uno algorítmi
o, Dantzig sugería seguir los
siguientes pasos:
15
En algunos
asos no es posible llegar a este objetivo, signi
ando la no existen
ia
de una solu
ión.
Le
ión 2: Optimiza
ión estáti
a 129
Paso 3. Una vez elegido el pivote a∗ij , reali
e opera
iones elementales
sobre las las de la tabla simplex utilizando siempre transfor-
ma
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, deténgase; de lo
ontrario, regrese al paso 1.
Ejemplo 26.
b1 b2 8 b3
= 5; = ; =2
a11 a21 3 a31
y por tanto, el pivote es a∗31 . Utilizando la ter
era la, reali
emos
ahora las siguientes opera
iones la bási
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
0 2 1 0 − 12 3
0 5
0 1 − 32 2
2
1 1
0 0 1
2
2 2
1
0 2 0 0 − 32 f −6
b1 b2 4 b3
= 2, = , =4
a12 a22 5 a32
) El teorema de dualidad
Maximizar cT x (PL)
sujeta a Ax ≤ b
x≥0
Minimizar bT y (PD)
T
sujeta a A y≥c
y≥0
donde y ∈ Rm
+ , c y b son los mismos del problema primal.
Ejemplo 27.
Minimizar 5x′ + 8y ′ + 4z ′
sujeta a x′ + 3y ′ + 2z ′ ≥ 3
2x′ + 4y ′ + z ′ ≥ 2
x′ ≥ 0
y′ ≥ 0
z′ ≥ 0
2x′ + y ′ + 4z ′ ≥ 10
x′ ≥ 0
y′ ≥ 0
z′ ≥ 0 N
El siguiente teorema nos muestra que el valor óptimo del problema dual
es mayor o igual que el valor óptimo del problema primal.
Teorema 7.
Si x ∈ Rn es fa
tible en el problema primal y y ∈ Rm es fa
tible en el
problema dual, enton
es bT y ≥ cT x.
Demostra
ión.
Y el próximo teorema nos da indi
ios de que existe una rela
ión impor-
tante entre los problemas primal y dual:
Teorema 8.
Supongamos que x∗ y y ∗ son fa
tibles en el problema primal y dual
respe
tivamente, y que cT x∗ = bT y ∗ . Enton
es x∗ resuelve el problema
primal y y ∗ resuelve el problema dual.
Demostra
ión.
Demostra ión.
Nota 5.
Ejemplo 28.
Para que veamos lo fuerte que puede ser esta rela
ión primal-dual,
on-
sideremos el problema
20
Le
ión 2: Optimiza
ión estáti
a 135
3 −4
6 2 4
sujeta a
[x, y, z, w] ≥
−1 1 2
2 5
x, y, z, w ≥ 0
x
Maximizar [4, 2] 1
x2
3 −4 60
6
2 x1
sujeta a 20
−1 1 x2 ≤ 3
2 5 20
x1 ≥ 0, x2 ≥ 0
11
10
9
8
7
6
5 solu
ión
4
3
2
1
0
0 1 2 3 4 5 6 7 8 9 1011121314
Figura 20:
Minimizar 2x+12y
sujeta a x + 3y ≥ 700
2x + y ≥ 400
x + y ≥ 200
x ≥ 0, y ≥ 0
Como todos los indi
adores son no-positivos, éste es el óptimo del pro-
blema primal
uyo valor óptimo es 1400 (tal
omo habíamos
al
ulado
grá
amente). Además, 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 habíamos mostrado anteriormente.
Finalmente, y de otro lado, ¾
ómo
ambian los valores de las solu
iones
de un problema de programa
ión lineal
uando hay pequeños
ambios en
los parámetros de las restri
iones? Para resolverlo, supongamos que x∗
es la solu
ión al problema primal
Maximizar cT x
sujeta a Ax ≤ b
x≥0
Maximizar cT x
sujeta a Ax ≤ b + ∆b
x≥0
Le
ión 2: Optimiza
ión estáti
a 139
Ejer
i
ios 5
1. En
uentre los valores óptimos de los siguientes problemas lineales:
i) Utilizando el método grá
o.
ii) Utilizando el método de Kuhn-Tu
ker.
iii) Utilizando el método simplex.
iv) Resolviendo el problema dual.
(a) Minimizar 5x−7y (b) Maximizar 15x+2y
sujeta a 3x + y ≥ 10 sujeta a 3x − y ≤ 10
x + 3y ≥ 4 x − 3y ≥ 4
x≥0 x≥0
y≥0 y≥0
sujeta a x + 3y − z ≤ 6
y+z ≤4
3x + y ≤ 7
x≥0
y≥0
Minimizar 3x − 2y + 5z
sujeta a − y + 2z ≥ 1
x+z ≥1
2x − 3y + 7z ≥ 5
x≥0
y≥0
4. Una empresa tiene tres depósitos, los
uales tienen 10, 000, 5, 000 y
16, 000 unidades de sus produ
tos. El próximo mes deben enviarse
2, 000, 1, 000, 3, 000, 4, 500, 500, 600 y 950 unidades a siete
distintos alma
enes. En
uentre el plan de envío de menor
osto,
si el
osto unitario de envío de
ada depósito a
ada uno de los
alma
enes viene dado por la siguiente tabla:
Destino 1 D2 D3 D4 D5 D6 D7
Origen 1 10 8 16 3 10 25 18
Origen 2 19 25 18 7 12 18 19
Origen 3 20 17 20 5 14 16 17
Le
ión 2: Optimiza
ión estáti
a 141
El siguiente es uno de los teoremas más profundos (y, por ello mismo,
más simple) de la teoría de optimiza
ión, que involu
ra, pre
isamente,
la no
ión de
onvexidad. Los teoremas de existen
ia de hiperplanos se-
paradores estable
en, bási
amente, que un
onjunto
onvexo y un punto
que no está en éste, pueden separarse mediante un hiperplano (ver gu-
ra 23); es de
ir,
on el
onjunto
onvexo de un lado y el punto del otro
lado. Veamos en qué
onsisten estos dos teoremas
entrales de la teoría
de la optimiza
ión que,
omo notaremos, son
onse
uen
ia del teorema
de Wierstrass.
H = {x ∈ R2 | (x − p) · n = 0}
es el hiperplano bus
ado, y para ello vamos a probar que C está
ontenido
en el semiespa
io denido por la
ondi
ión (x − p) · n > 0.
•
p
C
n(q ′ − p) > 0
x · n k > pk · n k
p• C
Ejemplo 31.
Tomando, una vez más, el ejemplo 5, supongamos que para x ≥ 0, y ≥ 0,
denimos
f (x, y) = xy, g(x, y) = x2 + y 2
(a) Al resolver el problema de optimiza
ión
Maximizar f (x, y)
sujeta a g(x, y) ≤ R2
x≥0
y≥0
p• C
∂f ∗ ∗ R ∂f ∗ ∗ R
A= (x , y ) = √ y B= (x , y ) = √
∂x 2 ∂y 2
√
lo que nos lleva a que la e
ua
ión de la re
ta es x + y = 2R.
Nota 6.
El ejer
i
io anterior plantea el interrogante sobre el
aso en el que la
frontera del
onjunto
onvexo no fuera suave en el punto que queremos
separar: ¾ Cómo
al
ularíamos los respe
tivos gradientes? (ver gura 25).
En estos
asos, el
ál
ulo diferen
ial no nos puede ayudar a resolver el
problema de optimiza
ión, y es allí donde los
oe
ientes que a
ompañan
a las variables de la e
ua
ión
artesiana del hiperplano (es de
ir, los
oe
ientes del ve
tor normal), vienen a jugar el papel de las respe
tivas
derivadas par
iales.
Demostra ión.
y, por lo tanto,
máx mı́n qApT ≤ mı́n máx qApT
p q q p
Demostra ión.
Primero demostremos la segunda proposi
ión del teorema. Para ello, su-
pongamos que el problema dual no tiene solu
ión óptima nita; enton
es
bT y ∗ < −M para todo M > 0; pero, en tal
aso, si x∗ es fa
tible en el
problema primal tendríamos que cT x∗ < −M para todo M > 0, lo
ual
laramente es imposible.
Ahora supongamos que el dual tiene solu
ión óptima 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}
(b − Ax)y T − tz 0 + tcT x ≥ 0
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:
T
onjunto
ϕ(s)
s S
Figura 26: Corresponden
ia ϕ(s).
Nota 7.
El le
tor puede observar que si para
ada s ∈ S se tiene que ϕ(s) es un so-
lo elemento (es de
ir, ϕ es una fun
ión), el
on
epto de semi-
ontinuidad
superior es equivalente a la
ontinuidad de la fun
ión ϕ.
Ejemplo 32.
ϕ(s)
4
2.5 5 s
Figura 27: Corresponden
ia semi-
ontinua superiormente
es errado en S × T .
Demostra ión.
T
onjunto
ϕ(s)
s S
Ejemplo 33.
Sean S = [0, 10] y T = [0, 100], y denamos
ϕ(s) = [s2 , s2 + 1]
es de
ir,
s2 ≤ t ≤ s2 + 1
Así que t ∈ ϕ(s) y, por lo tanto, (s, t) ∈ ϕ. Luego, graf ϕ es
errado y,
por el teorema 14, es semi-
ontinua superiormente. N
Ahora: dado s ∈ S , uno puede estar interesado en
ara
terizar los ele-
mentos ϕ(s) ⊆ T que maximizan
ierta fun
ión
ontinua f : S × T → R;
y también puede estar interesado en
ono
er el
omportamiento de la
orresponden
ia de valores máximos, µ(s), de f (·) sobre ϕ(s). Una res-
puesta a estas dos preguntas está dada por el siguiente resultado muy
importante en el análisis de
orresponden
ias:
154 Matemáti
as para e
onomistas III: Optimiza
ión y dinámi
a
Demostra ión.
y
omo también f (·, ·) es
ontinua, enton
es f (sn , µ̄n ) → f (s, µ̄). Por
lo tanto, f (s, µ̄) = f ∗ (s) y de aquí µ̄ ∈ µ(s), pues µ̄ ∈ ϕ(s) debido a
que ϕ(·) es semi
ontinua superiormente.
Ejemplo 34.
Corroboremos el teorema del máximo en el
aso en que S , T = R, ϕ(s) =
[−2, 2] para todo s ∈ R, y f (s, t) = st:
a) f ∗ : R → R, denida por
b) µ : R → R, denida por
2 si s>0
µ(s) = arg máx{ st / t ∈ [−2, 2]} = [−2, 2] si s=0
−2 si 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) φ : [0, 1] → [0, 1] (b) φ : [−1, 1] → [0, 1]
s → [0, s] s → (0, s2 ]
(
) φ : [−2, 0] → [−2, 4] (d) φ : [−2, −1] → [0;
−1]
s → {s, s2 } 1
s → 0,
s
(e) φ : [0, 1](→ [0, 1] denida por
[s, 1] si s ∈ 12 , 34
φ(s) =
0 en otro
aso
y y=x
1
b
y = f (x)
x∗ 1 x
Demostra ión.
ϕ(s∗ )
s s∗ S
Demostra ión.
Como S es
ompa
to, dado ǫ > 0 podemos
onstruir una
ole
ión de mǫ
bolas abiertas de radio ǫ, Bǫ (aǫi ),
on aǫi ∈ S , y tales que (ver volumen
II (Cál
ulo), le
ión 1)
mǫ
[
S⊆ Bǫ (aǫi )
i=1
Le
ión 2: Optimiza
ión estáti
a 159
donde bǫi ∈ ϕ(aǫi ) es jo, y wiǫ (x) está dado por la fórmula
máx{ǫ− k x − aǫi k, 0}
wiǫ (x) = Pmǫ ǫ
j=1 máx{ǫ− k x − aj k, 0}
Esta fun
ión satisfa
e las
ondi
iones del teorema de punto jo de Brou-
wer (teorema 16), y, por lo tanto, existe un xǫ ∈ S tal que ϕǫ (xǫ ) = xǫ .
Ahora: Como S es
ompa
to, podemos asumir que el
onjunto de pun-
tos jos {xǫ } tiene una subsu
esión
onvergente {xǫn }(ver volumen II
(Cál
ulo), le
ión 1). Sea x ∈ S su límite
uando n → ∞, y probemos
que x ∈ ϕ(x) mostrando que dist{x, ϕ(x)} = 0. Para ha
erlo, denamos
el
onjunto ϑδ = ϕ(x) − Bδ (0) que es un
onjunto abierto que
ontiene
al
onjunto ϕ(x), y probemos que x ∈ ϑ2δ para todo δ > 0 pues esto, in-
mediatamente, nos
ondu
e al objetivo requerido. En efe
to:
omo ϕ(·)
es semi
ontinua superiormente, enton
es podemos en
ontrar una bola
abierta Bǫ (x) tal que ϕ(Bǫ (x)) ⊆ ϑδ . Por lo tanto, para n grande se
tendrá que si wiǫn (xǫn ) > 0,
ǫ ǫ
kaǫi n − xk ≤k aǫi n − xǫn k + k xǫn − x k< + =ǫ
2 2
Así, aǫi n ∈ Bǫ (x) si wiǫn (xǫn ) > 0, y esto impli
a que bǫi n ∈ ϕ(Bǫ (x)) ⊆ ϑδ .
Además,
omo X
xǫn = wiǫn (x) bǫi n
y ϑδ es
onvexo, se tendrá que xǫn ∈ ϑδ . Ha
iendo n tender a innito
tendremos que
x ∈ ϑ2δ
para todo δ, y esto naliza la prueba.
Con la demostra
ión del teorema 17, notamos que el teorema de Brouwer
impli
a el teorema de Kakutani; y es
laro que el teorema de Brouwer es
un
aso espe
ial del teorema de Kakutani. Por lo tanto, podemos armar
que:
160 Matemáti
as para e
onomistas III: Optimiza
ión y dinámi
a
Corolario 2.
Los teoremas de punto jo de Brouwer y Kakutani son equivalentes.
Ejemplo 36. (Más ejemplos de puntos jos)
a) Sea ϕ : [0, 1] → P([0, 1]) denida por ϕ(x) = [0, x2 ]. Esta
orrespon-
den
ia satisfa
e las
ondi
iones del teorema de punto jo de Kakuta-
ni (¾por qué es ϕ semi
ontinua superiormente?). Por lo tanto, existe
x∗ ∈ [0, 1] tal que x∗ ∈ ϕ(x∗ ) = [0, (x∗ )2 ]. En efe
to, x∗ = 0 y x∗ = 1
satisfa
en esta
ondi
ión.
x
b) Sea ϕ : [0, 1] → P([0, 1]) denida por ϕ(x) = [0, e 2−1 ]. Esta
orres-
ponden
ia también satisfa
e las
ondi
iones del teorema de Kakutani
(¾por qué?). Para hallar los puntos jos, re
urrimos a la
ondi
ión
x∗
x∗ ∈ ϕ(x∗ ) = [0, e 2−1 ], y arribamos a que x∗ = 0.
) Sea ϕ : [0, 1] → P([0, 1]) denida por ϕ(x) = [0, 2x2 − 23 x3 − 12 x4 + 10
1
].
También esta
orresponden
ia satisfa
e las
ondi
iones del teorema de
Kakutani, y los puntos jos están 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 unión de intervalos [0, 0.13]∪[0.56, 0.91].
Son numerosas las apli
a
iones de los teoremas de punto jo. Aquí só-
lo presentamos dos, para mostrar la poten
ia de estas herramientas: el
teorema del minimax y el teorema de Perron-Frobenius. En ellas úni
a-
mente señalaremos pautas de demostra
ión, dejando al le
tor el trabajo
de
ompletar los detalles.
a) Aunque el teorema minimax fue demostrado anteriormente utilizan-
do el teorema de separa
ión de Minkowski (teorema 12), no debería sor-
prender que sea posible probarlo utilizando el teorema de punto jo de
Kakutani:
Dena K(p, q) = qApT para A = [aij ]m×n , p en el símplex uni-
tario de Rn , y q en el simplex unitario de Rm ; y luego dena las
orresponden
ias
ϕ(q) = arg máx K(p, q), ψ(p) = arg máx K(p, q)
q p
Le
ión 2: Optimiza
ión estáti
a 161
Dena la orresponden ia
Sea λ(A) = sup L(A). Pruebe que λ(A) ≥ 0 y λ(A) ∈ L(A). Así,
existe algún x ≥ 0 tal que Ax ≥ λ(A)x.
f :Ω→Ω
162 Matemáti
as para e
onomistas III: Optimiza
ión y dinámi
a
denida por
1
f (x) = Pn (In + A)x
1+ i,j=1 aij xj
¾Por qué está bien denida esta fun
ión? [Indi
a
ión: Pruebe que
Af (x) ≥ λ(A)f (x)℄.
1
Pn ∗ (In + A)x∗ = x∗
1+ i,j=1 aij xj
Pruebe que
n
X
aij x∗j x∗ = Ax∗
i,j=1
y que
n
X
λ(A) = aij x∗j
i,j=1
Ejemplo 37.
5 4
a) La matriz tiene
omo valores propios λ1 = 1, λ2 = 6. Así,
1 2
λ(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 λ1 = −1, λ2 = 2,
0 2 3
λ3 = 5. Así λ(A)
= 5, y un
orrespondiente ve
tor propio es [1, 2, 2].
0 1
) La matriz tiene
omo valores propios λ1 = λ2 = 0. Así, λ(A) =
0 0
0, y un
orrespondiente ve
tor propio es [1, 0].
Le
ión 2: Optimiza
ión estáti
a 163
Ejer
i
ios 8
1. ¾Podemos apli
ar el teorema de punto jo de Kakutani en alguno de
los
asos del ejer
i
io 1, Ejer
i
ios 7? Explique.
9. Contexto e
onómi
o
A mediados del siglo XIX los e
onomistas
ompartían, en general, una
misma perspe
tiva sobre la teoría del valor y la distribu
ión. El valor
de un bushel de maíz, por ejemplo, se
reía que estaba determinado
por los
ostos impli
ados en produ
ir ese bushel ; y el produ
to de una
e
onomía se distribuía 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 teoría
lási
a desarrollada por Adam Smith, David
Ri
ardo, Thomas Robert Malthus, John Stuart Mill y Karl Marx.
Pero algunos per
ibían di
ultades
on esta aproxima
ión. Una de éstas
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 más de lo
que un objeto valía. Las teorías
lási
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
ión 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,
Léon Walras en Suiza e Irving Fisher en Estados Unidos)
omenzaron
a basar el valor en la rela
ión entre
ostos de produ
ión y elementos
subjetivos tales
omo la oferta y la demanda. Enmar
ado dentro de la
revolu
ión marginalista y el individualismo metodológi
o en e
onomía
(ver volumen II, le
ión 3), a tal desarrollo se le denominó e
onomía
neo
lási
a, término éste a
uñado, 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
onomía neo
lási
a se a
ostumbraba a des
ribir
así:
Toda e
onomía se
ompone de individuos de dos tipos :
onsumidores y
produ
tores.
Ya sabíamos (ver volumen II (Cál
ulo)) que una de las formas de modelar
el
omportamiento de los produ
tores en teoría e
onómi
a es por medio
del problema de mínimos
ostos :
166 Matemáti
as para e
onomistas III: Optimiza
ión y dinámi
a
Minimizar w1 x + w2 y
sujeta a f (x, y) ≥ y0
x≥0
y≥0
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
ión mínima
requerida en el período e
onómi
o; y f (x, y) es una fun
ión de produ
ión
(o te
nología) que rela
iona las
antidades de los insumos x y y
on una
antidad de produ
ión denida por la fun
ión f : R2+ → R (ver gura
31).
Para asegurar la existen
ia de una solu
ión a este tipo de problema de
produ
ión, sólo ne
esitaríamos que el
onjunto
S = {(x, y) ∈ R2+ / f (x, y) ≥ y0 }
fuera
ompa
to (ver teorema 1), ya que la fun
ión 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 sí sea
ompa
to
y que mantenga la esen
ia del problema e
onómi
o: Sea (x′ , y ′ ) ∈ R2+
ualquiera, pero jo; el
osto mínimo bus
ado w1 x∗ + w2 y ∗ debe ser
enton
es menor o igual a w1 x′ + w2 y ′ ; y si restringimos la aten
ión al
onjunto
ompa
to (ver gura 31)
S ′ = {(x, y) ∈ R2+ | f (x, y) ≥ y0 , w1 x + w2 y ≤ w1 x′ + w2 y ′ }
notamos que podemos utilizarlo
omo
onjunto
ompa
to para que el
problema del produ
tor, ahora sí, tenga solu
ión. Si la fun
ión de pro-
du
ión es
uasi
ón
ava estri
ta, enton
es, podemos utilizar el teorema
2 de esta le
ión para asegurar que la solu
ión (x∗ , y ∗ ) al problema del
produ
tor es úni
a.
De otro lado, notemos que si f (·, ·) es diferen
iable
on
ontinuidad en
R2+ , el problema
umple
on las
ondi
iones del teorema 5, así que las so-
lu
iones de las
ondi
iones de primer orden de Kuhn-Tu
ker son también
las solu
iones del problema del produ
tor. Estas
ondi
iones de primer
orden son:
∂f ∂f
(i) −w1 − λ ≤ 0; −w2 − λ ≤ 0; f (x, y) ≥ y0
∂x ∂y
Le
ión 2: Optimiza
ión estáti
a 167
y
Costo mín.= w1 x∗ + w2 y ∗
y∗ •
f (x, y) = y0
x∗ x
Figura 31:
∂f ∂f
(ii) x −w1 − λ = 0; y −w2 − λ = 0; λ (f (x, y) − y0 ) = 0
∂x ∂y
Minimizar w1 x + w2 y
sujeta a xα y β ≥ y0
x≥0
y≥0
Solu
ión.
Las
ondi
iones de primer orden del problema del produ
tor son
(ii) x −w1 − λαxα−1 y β = 0; y −w2 − λβxα y β−1 = 0
λ xα y β − y0 = 0
168 Matemáti
as para e
onomistas III: Optimiza
ión y dinámi
a
y∗ •
xα y β = y0
x∗ x
Minimizar w1 x+w2 y
sujeta a αx + βy ≥ y0
x≥0
y≥0
donde w1 , w2 , α, β > 0; y0 > 0 jo, las
ondi
iones de primer orden del
problema del produ
tor son
y0 w1
x∗ = , y ∗ = 0, λ∗ = −
α α
w2 y0
) Si x = 0, y > 0, enton
es de (ii), λ = − 6= 0 y y ∗ = . Para que
β β
α w1
se
umpla la
ondi
ión (i) debe tenerse que ≤ , en
uyo
aso,
β w2
170 Matemáti
as para e
onomistas III: Optimiza
ión y dinámi
a
y0 w2
x∗ = 0, y∗ = , λ∗ = −
β β
y0
β •
•
y0 x x
α
(a) (b)
Figura 33:
Solu
ión grá
a del problema del produ
tor
on te
nología lineal. En el panel
α w1 α w1
(a):
β > w2 . En el panel (b): β < w2 .
Minimizar w1 x+w2 y
1
sujeta a [αxρ + βy ρ ] ρ ≥ y0
x≥0
y≥0
lo
ual es equivalente a
1
ρ ρ
− 1
1 1 1 ρ
∗ − ρ−1 ρ−1 − ρ−1 ρ−1 − ρ−1 ρ−1
x =α w1 α w1 +β w2 y0
1
ρ ρ
− 1
1 1 1 ρ
∗ − ρ−1 ρ−1 − ρ−1 ρ−1 − ρ−1 ρ−1
y =β w2 α w1 +β w2 y0
y
uyo
osto es
" 1 1 # ρ−1
w1ρ w2ρ
ρ
ρ−1 ρ−1
C(w1 , w2 , y0 ) = + y0
α β
w1 y0
2. Si x > 0, y = 0, enton
es de (ii), λ = − 1 . Así, 1 6= 0 y x =
α αρ ρ
y0 w1
x∗ = 1 , y ∗ = 0, λ∗ = − 1 , que
umple todas las
ondi
iones, y
αρ αρ
w1 y0
uyo
osto es C(w1 , w2 , y0 ) = 1 .
αρ
w2 y0
3. Si x = 0, y > 0, enton
es de (ii), λ = − 1 6= 0 y y = 1 . Así,
βρ βρ
y0 w2
x = 0, y = 1 , λ = − 1 , que
umple todas las
ondi
iones, y
∗ ∗ ∗
βρ βρ
w2 y0
uyo
osto es C(w1 , w2 , y0 ) = 1 .
βρ
Le
ión 2: Optimiza
ión estáti
a 173
y y y
y0 y0
β 1/ρ • β 1/ρ •
• •
y0 x x y0 x
α1/ρ α1/ρ
(a) (b) (
)
Figura 34:
Solu
ión grá
a del problema del produ
tor
on te
nología CES. En el panel
ρ1 ρ1 ρ1
α w1 α w1 α w1
(a):
β > w2 . En el panel (b): β < w2 . En el panel (
): β = w2 .
1 ρ 1 ρ−1
w1ρ ρ−1 w2 ρ−1
ρ
α + β y0 si ρ ≤ 0
ρ 1 1
C(w1 , w2 , y0 ) = w1 ρ w1 α ρ
α y0 si ≤ ρ>0
w2 β
1 1
w1 α ρ
w2ρ ρ
β y0 si ≥ ρ>0
w2 β
− 1
1 1 1
ρ
1
ρ ρ
α
− ρ−1 ρ−1
w1 α
− ρ−1 ρ−1
w1 + β
− ρ−1 ρ−1
w2 y0 , ρ≤0
1
y0 w1 α ρ
x∗ (w1 , w2 , y0 ) = si ≤ ρ>0
1
w2 β
α ρ
1
w1 α ρ
0 si ≥ ρ>0
w2 β
174 Matemáti
as para e
onomistas III: Optimiza
ión y dinámi
a
− 1
− 1 1
− 1
ρ
− 1
ρ ρ
ρ−1
β ρ−1 w2 ρ−1
α ρ−1 w1 + β ρ−1 w2ρ−1
y0 , ρ≤0
1
∗ w1 α ρ
y (w1 , w2 , y0 ) = 0 si ≤ ρ>0
w2 β
1
y0
si
w1
≥
α ρ
ρ>0
1 w2 β
βρ
Maximizar p ȳ − w1 x − w2 y
sujeta a ȳ = f (x, y)
x≥0
y≥0
Maximizar pf (x, y) − w1 x − w2 y
sujeta a x≥0
y≥0
ȳ ȳ Π3 ȳ
Π2
f (x, ŷ) f (x, ŷ)
Π1 •
x x x
(a) (b) (
)
Figura 35:
Solu
ión grá
a del problema del produ
tor que maximiza bene
ios. En el
panel (a) la fun
ión de produ
ión dado el valor ŷ del insumo y. En el panel
(b) las
urvas isobene
io. En el panel (
) el punto óptimo, donde el ingreso
marginal es igual al
osto marginal.
del teorema 5, y podemos en
ontrar la solu
ión entre las solu
iones de
∂f ∂f
las
ondi
iones de primer orden: p − w1 = 0, p − w2 = 0.
∂x ∂y
Es usual analizar este problema grá
amente utilizando una gura que
rela
ione el nivel de produ
ión ȳ y uno de los insumos x ó y . Para
ello, suponemos dado el nivel del otro insumo, por ejemplo y = ŷ, y
dibujamos la fun
ión de produ
ión f (x, ŷ) en el plano (x, ȳ), donde
ȳ = f (x, ŷ) (ver gura 35.a)). Así mismo, se pueden dibujar las diferentes
ombina
iones de produ
ión ȳ e insumo x, dado ŷ , que obtienen el
mismo nivel Π de bene
ios. A estas
ombina
iones las denominamos
urvas de isobene
ios, y están dadas por la e
ua
ión
Π w1 w2
ȳ = + x+ ŷ
p p p
w1 ∂f
=
p ∂x
que es la tradi
ional
ondi
ión de igualdad entre ingreso marginal (valor
del produ
to marginal) y el
osto marginal.
176 Matemáti
as para e
onomistas III: Optimiza
ión y dinámi
a
Las
ondi
iones de primer orden para maximizar los bene
ios
on te
-
nología Cobb-Douglas son
pαxα−1 y β = w1 , pβxα y β−1 = w2
de lo
ual obtenemos que
w1 β
y= x
w2 α
Reemplazando en las
ondi
iones de primer orden, en
ontramos las fun-
iones de demanda de fa
tores :
1
w 1−β w α+β−1
β
∗ − α+β−1 1 α+β−1 2
x (p, w1 , w2 ) = p
α β
w α 1−α
∗
1
− α+β−1 1 α+β−1 w2 α+β−1
y (p, w1 , w2 ) = p
α β
on fun
ión de oferta
w α β
∗ ∗
α+β
− α+β−1 1 α+β−1 w2 α+β−1
f (x (p, w1 , w2 ), y (p, w1 , w2 )) = p
α β
y fun
ión de bene
ios
w α β
1
− α+β−1 1 α+β−1 w2 α+β−1
Π(p, w1 , w2 ) = (1 − α − β) p
α β
¾Por qué debemos asumir en este problema que α+β < 1? Así, los rendi-
mientos de la te
nología Cobb-Douglas deben ser
onstantes o
re
ientes
a es
ala. ¾Qué su
ede si α + β ≥ 1? N
Le
ión 2: Optimiza
ión estáti
a 177
Maximizar pf (x, y) − w1 x − w2 y
sujeta a αx + βy = f (x, y)
x≥0
y≥0
Solu ión.
la
orresponden
ia de oferta es
∞
si p α > w1 , ó , p β > w2
f (x(p, w1 , w2 ), y(p, w1 , w2 )) = [0, ∞] si p α = w1 , y , p β = w2
0 si p α < w1 , y , p β < w2
Solu
ión.
En este
aso, las
ondi
iones de primer orden del problema del produ
tor
son
1−ρ 1−ρ
pα (αxρ + βy ρ ) ρ xρ−1 = w1 , pβ (αxρ + βy ρ ) ρ y ρ−1 = w2
de lo
ual obtenemos
w − 1 1
1 ρ−1 w2 ρ−1
y= x (*)
α β
∂f ∂f
αf (x, y) = x+ y
∂x ∂y
Le
ión 2: Optimiza
ión estáti
a 179
Maximizar u(x, y)
sujeta a p1 x + p2 y ≤ M
x≥0
y≥0
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 están dados; M > 0 es su presupuesto;
y u(x, y) es la fun
ión de utilidad que rela
iona el
onsumo de x y y
on el nivel de satisfa
ión del individuo (ver gura 36). Para asegurar
la existen
ia de una solu
ión al problema, por el teorema 1 basta que
la fun
ión de utilidad sea
ontinua, ya que el
onjunto S = {(x, y) ∈
R2+ | p1 x + p2 y ≤ M } es
ompa
to. Si, además, la fun
ión de utilidad
es
uasi
ón
ava estri
ta, por el teorema 2 podemos asegurar que di
ha
solu
ión es úni
a, puesto que el
onjunto
S = {(x, y) ∈ R2+ | p1 x + p2 y ≤ M }
∂u ∂u
(i) + λp1 ≤ 0; + λp2 ≤ 0; p1 x + p2 y ≤ M
∂x ∂y
∂u ∂u
(ii) x + λp1 = 0; y + λp2 = 0; λ (M − p1 x − p2 y) = 0
∂x ∂y
Maximizar xα y β
sujeta a p1 x + p2 y ≤ M
x≥0
y≥0
donde los parámetros p1 , p2 , M, α, β son todos positivos.
Solu ión.
Las ondi iones de primer orden del problema del onsumidor son
Maximizar pf (x, y) − w1 x − w2 y
sujeta a x≥0
y≥0
Π(p, w1 , w2 )
w2
w1
Figura 37: Típi
a fun
ión bene
io para un nivel de pre
ios p dado.
Demostra ión.
Ejemplo 45.
Veriquemos que la fun
ión de bene
io de la te
nología Cobb-Douglas
w α β
1
− α+β−1 1 α+β−1 w2 α+β−1
Π(p, w1 , w2 ) = (1 − α − β) p
α β
a) Aquí,
∂Π(p, w1 , w2 ) α w α+β−1 β
1
− α+β−1 −1 w1 α+β−1 2
=p >0
∂p α β
∂Π(p, w1 , w2 ) 1
w α −1 w α+β−1
β
− α+β−1 1 α+β−1 2
= −p <0
∂w1 α β
∂Π(p, w1 , w2 ) 1
w α w α+β−1
β
−1
− α+β−1 1 α+β−1 2
= −p <0
∂w2 α β
α β
1
− α+β−1 tw1 α+β−1 tw2 α+β−1
Π(tp,tw1 , tw2 ) = (1 − α − β) (tp)
α β
w α β
1
− α+β−1 1 α+β−1 w2 α+β−1
= t (1 − α − β) p
α β
= t Π(p, w1 , w2 )
C(w1 , w2 , y0 )
w2
w1
Figura 38: Fun ión de ostos para nivel de produ ión y0 dado.
Minimizar w1 x + w2 y
sujeta a f (x, y) ≥ y0
x≥0
y≥0
donde f (·, ·) es una fun
ión de produ
ión, enton
es satisfa
e:
a) C(w1 , w2 , y0 ) es no de
re
iente en w1 , w2 , y0 .
b) C(w1 , w2 , y0 ) es homogénea de grado 1 en (w1 , w2 ), para y0 jo.
) C(w1 , w2 , y0 ) es
ón
ava en (w1 , w2 ), para y0 jo.
Demostra ión.
Ejemplo 46.
Veriquemos que la fun
ión de
ostos de la te
nología lineal (ejemplo 39)
w α w1
2
y0 si <
β β w2
C(w1 , w2 , y0 ) =
w α w
1 y0 si ≥ 1
α β w2
Le
ión 2: Optimiza
ión estáti
a 185
= C(w1 , w2 , y0 )
Y de forma similar si w2′ > w2 .
= t C(w1 , w2 , y0 )
w1 α w1′ α
≤ , ≤
w2 β w2′ β
enton
es
λw1 + (1 − λ)w1′
C(λw1 + (1 − λ)w1′ ,λw2 + (1 − λ)w2′ , y0 ) = y0
α
w1 w′
=λ y0 + (1 − λ) 1 y0
α α
= λC(w1 , w2 , y0 ) + (1 − λ)C(w1′ , w2′ , y0 ).
λw1 + (1 − λ)w1′
C(λw1 + (1 − λ)w1′ ,λw2 + (1 − λ)w2′ , y0 ) = y0
α
w1 w′ w1 w′
= λ y0 + (1 − λ) 1 y0 ≥ λ y0 + (1 − λ) 2 y0
α α α β
′ ′
= λC(w1 , w2 , y0 ) + (1 − λ)C(w1 , w2 , y0 ).
Aquí observaremos las
ara
terísti
as que des
riben una fun
ión de de-
manda
uando ésta proviene del
omportamiento ra
ional de un
onsu-
midor (ver gura 39).
Maximizar U (x, y)
sujeta a p1 x + p2 y ≤ M
x≥0
y≥0
donde U (·, ·) es una fun
ión de utilidad
ontinua,
uasi
ón
ava estri
ta
y
re
iente en x y y , enton
es:
x(p1 , p2 , M )
p2
p1
Figura 39: Fun
ión de demanda para presupuesto M dado
b)
αλM
x∗ (λp1 , λp2 , λM ) = = x∗ (p1 , p2 , M )
λp1 (α + β)
βλM
y ∗ (λp1 , λp2 , λM ) = = y ∗ (p1 , p2 , M )
λp2 (α + β)
Maximizar u(x, y)
sujeta a p1 x + p2 y ≤ M
x≥0
y≥0
donde U (·, ·) es una fun
ión de utilidad
ontinua,
uasi
ón
ava estri
ta
y
re
iente en x y y , enton
es satisfa
e:
Demostra ión.
Ejemplo 48.
Veriquemos que la fun
ión de utilidad indire
ta de la fun
ión de utilidad
Cobb-Douglas
α β
αM βM
v(p1 , p2 , M ) =
p1 (α + β) p2 (α + β)
ii) Además,
α β
αλM βλM
v(λp1 , λp2 , λM ) = = v(p1 , p2 , M )
λp1 (α + β) λp2 (α + β)
iii) La fun
ión de utilidad indire
ta es una fun
ión
uasi
onvexa en
(p1 , p2 ) apli
ando la deni
ión 4 de la le
ión 1.
ii) La segunda,
ono
ida
omo la tradi
ión paretiana, tuvo su inspi-
ra
ión 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).
Éste, aunque re
ono
ía la teoría pura formal (es de
ir, los Éléments )
de Walras
omo su prin
ipal fuente de inspira
ión, una y otra vez
aseguraba que el resto del trabajo de su maestro era futil meta-
físi
a. Este tipo de arma
ión de Pareto haría que se sesgara el
estudio de Walras sólo a la teoría pura, dejando de lado sus traba-
jos en e
onomía políti
a apli
ada y so
ial, que para él eran parte
integral de su obra, pero que hoy están empezando a tener un mejor
re
ono
imiento.
i) El modelo paretiano
Desde la perspe tiva a tual, el sistema paretiano podría des ribirse así:
b) Un mer
ado de esas mer
an
ías; es de
ir, el lugar donde se
ambian
las mer
an
ías (Éléments, § 41).
34
Quizás de aquí proviene el término
ompeten
ia perfe
ta. (Nota del Editor).
35
Para Pareto, un individuo tipo (I) es aquel que úni
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 Matemáti
as para e
onomistas III: Optimiza
ión y dinámi
a
Ahora:
(a) Dados los pre
ios px (del produ
to x), py (del produ
to y ), r
(del fa
tor k) y s (del fa
tor l), el
onsumidor A se enfrenta al
problema
Maximizar uA (xA , yA )
sujeta a px xA + py yA ≤ rkA + slA
xA ≥ 0
yA ≥ 0
∂uA ∂uA
= λA px ; = λA py ; px xA + py yA = rkA + slA
∂xA ∂yA
37
Tradi
ionalmente, se arma que Edgeworth (1877), en su New and Old Methods
of Ethi
s, fue el primero en utilizar el método de los multipli
adores de Lagrange en
la teoría e
onómi
a, Walras y Pareto, aunque bien dispuestos ha
ia las matemáti
as
y advertidos por
olegas de su existen
ia, omitieron siempre su utiliza
ión, debido,
quizás, a su limitado
ono
imiento del
ál
ulo diferen
ial.
196 Matemáti
as para e
onomistas III: Optimiza
ión y dinámi
a
yA
∗
yA •
uA (x∗A , yA
∗)
x∗A xA
Figura 40: El problema del
onsumidor paretiano.
∂uA
∂xA px
A
= (1)
∂u py
∂yA
que arma que la tasa marginal de sustitu
ión entre xA y yA es
px
igual a la razón de pre
ios de los bienes (ver gura 40).
py
(b) Para el
onsumidor B , el problema es similar: éste se enfrenta
al problema
Maximizar uB (xB , yB )
sujeta a px xB + py yB ≤ rkA + slA
xB ≥ 0
yB ≥ 0
ii) La ter
era
ondi
ión de este tipo de e
onomía es la optimiza
ión por
parte de los produ
tores:
(i) Cada rma intenta maximizar sus bene
ios sujeta a restri
-
iones te
nológi
as y de pre
ios:
Para la rma que produ
e x:
38
Término a
uñado por Auguste Walras, padre de Léon Walras.
198 Matemáti
as para e
onomistas III: Optimiza
ión y dinámi
a
∂f y ∂f y
r = py ; s = py (5)
∂ky ∂ly
de donde se obtiene la
ono
ida
ondi
ión
∂f x ∂f y
∂kx r ∂ky
x = = (6)
∂f s ∂f y
∂lx ∂ly
que asegura que, en equilibrio, las tasas de las produ
tividades
marginales de los fa
tores son iguales a la tasa de sus respe
-
tivos pre
ios.39
39
Re
ordemos que al
o
iente del lado izquierdo de (6) se le llama tasa marginal
de sustitu
ión té
ni
a.
Le
ión 2: Optimiza
ión estáti
a 199
lx
px x − rkx − slx
lx∗ •
f x (kx∗ , lx∗ )
kx∗ kx
se satisfagan; es de
ir, que se tengan las
ono
idas
ondi
iones walra-
sianas de oferta=demanda. Claramente, estos pre
ios px , py , r y s y
asigna
iones kx∗ , lx∗ , ky∗ , ly∗ , x∗A , yA
∗ , x∗ , y ∗ , se
al
ulan utilizando las
B B
e
ua
iones de optimalidad (1), (2), (3), (4), (5) , (6) y (7) de arriba.
onsumidor B
urva de ontrato
onsumidor A
Como dijimos antes, fue Pareto quien primero utilizó efe
tivamente el
instrumento grá
o
ono
ido
omo la
aja de Edgeworth para mostrar
la rela
ión que existe entre los equilibrios
ompetitivos (o walrasianos)
y las asigna
iones óptimas. Sin embargo, este formidable instrumento
tiene hoy dos versiones: una, para des
ribir la interrela
ión entre los
dos
onsumidores, y, otra, para des
ribir la interrela
ión entre los dos
produ
tores.
ky
produ
tor y
lx
ly
frontera de posibilidades
de produ
ión
produ tor x 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 (Edge-
worth (1881)) de la e
onomía. 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
ión (3) de optimalidad para los
onsumidores
A y B , respe
tivamente.
b) En el
aso de la interrela
ión entre los dos produ
tores ,la
aja de
Edgeworth tendrá 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
ión. A
esta
urva se le llama frontera de posibilidades de produ
ión (Lerner
(1932)40 ) . También en este
aso, esta
urva está
onformada por
todos los pares (kx , lx ) y (ky , ly ) que satisfa
en la e
ua
ión (6) de
optimalidad en la produ
ión.
A esta igualdad, que Oskar Lange (1942) denominó ley de Walras, el pro-
pio fundador de la Es
uela de Laussane le dio mu
ha importan
ia (Élé-
ments, § 206) pues la
olo
aba
omo una de las
ondi
iones de equilibrio.
Nótese que esta restri
ión presupuestal arma que, en el agregado, la
valora
ión de la demanda iguala a la valora
ión de la oferta en término
de los pre
ios vigentes. Y, quizás la observa
ión más importante: De ella
se dedu
e que si los mer
ados de todas, menos una, de las mer
an
ías
están en equilibrio, enton
es también lo estará el otro mer
ado. Esta ano-
ta
ión aparentemente ino
ua, tendría impli
a
iones profundas en teoría
monetaria pues algunos
reyeron que haría las ve
es de vín
ulo
on la
enton
es na
iente teoría keynesiana del dinero (ver Patinkin (1956) 41 ).
Un
aso parti
ular muy importante del modelo paretiano son las e
o-
nomías de inter
ambio puro. Éstas son e
onomías en las que no existe
se
tor produ
tivo alguno (por lo tanto, la mano de obra no juega ningún
papel), y de lo que se trata es de que
ada
onsumidor inter
ambie las
mer
an
ías que son de su propiedad,
on los otros
onsumidores, dadas
sus preferen
ias sobre ellas, y sus respe
tivos presupuestos. Y la razón
por la
ual este tipo de e
onomía es fundamental en el modelo paretiano,
es que allí se pueden ilustrar magní
amente los prin
ipales resultados
aso
iados
on el modelo general, mediante
ajas de Edgeworth-Pareto.
uA (xA , yA ) = xA yA uB (xB , yB ) = xB yB
wA = (1, 2) wB = (2, 2)
Maximizar uA (xA , yA ) = xA yA
sujeto a px xA + py yA = px + 2py
xA , yA ≥ 0
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,
3px
zy (px , py ) = −2=0
2py
p∗x 4
∗
=
py 3
Reemplazando estos pre
ios en las fun
iones de demanda que en
ontra-
mos más arriba, xi (px , py ), yi (px , py ) para i = A, B , llegamos a que el
úni
o equilibrio walrasiano de esta e
onomía
ompetitiva es (tomando
omo numerario p∗y = 1):
4 5 5 7 7
p∗x = , p∗y = 1, x∗A = , ∗
yA = , x∗B = , ∗
yB =
3 4 3 4 3
yA
4
B
5/3 b
A 5/4 3 xA
Figura 6
Nota 8.
En general, el modelo paretiano de inter
ambio puro permite las siguien-
tes observa
iones:
2. Los pre
ios de equilibrio son una
onse
uen
ia de la riqueza y los
gustos de los agentes. Más pre
isamente, de las dota
iones ini
iales
y de las utilidades marginales de los agentes.
3. En general, las mer
an
ías más es
asas tienen pre
ios de equilibrio
más altos.
son
uasi
ón
avas estri
tas, estri
tamente
re
ientes en
ada uno de sus
argumentos, y doblemente diferen
iables
on
ontinuidad. Enton
es, una
asigna
ión [(x∗A , yA
∗ ), (x∗ , y ∗ )] en la
aja de Edgeworth es óptima de
A A
Walras-Pareto (interior) si, y sólo si, las tasas marginales de sustitu-
ión
oin
iden allí; es de
ir, en este punto se tiene que
∂uA ∂uB
∂xA ∂xB
A
=
∂u ∂uB
∂yA ∂yB
Demostra ión.
Maximizar uA (xA , yA )
sujeta a uB (xB , yB ) = U
xA ≥ 0, xB ≥ 0
Y las
ondi
iones de primer orden nos
ondu
en a
ondi
iones su
ientes
y ne
esarias para el óptimo 45 :
Ejemplo 50.
Consideremos la e
onomía de inter
ambio puro de dos
onsumidores A
y B,
on fun
iones de utilidad
uA (xA , yA ) = xA yA uB (xB , yB ) = xB yB
y dota
iones ini
iales agregadas (3, 4).
yA
4
B
4xA
yA = 3
A 3 xA
∂uA ∂uB
∂xA yA ∂xB yB
A
= = B
=
∂u xA ∂u xB
∂yA ∂yB
o, lo que es equivalente,
yB 4 − yA
yA = xA = xA
xB 3 − xA
Y, de aquí, arribamos a la
urva de óptimos de Walras-Pareto para esta
e
onomía:
4xA
yA = 0 ≤ xA ≤ 3 N
3
Aún así, difí
ilmente el término óptimo de Pareto, podría tener una
posibilidad de ha
er justi
ia
on Walras y Edgeworth quienes, sin nin-
guna duda, lo ante
edieron. Por esto, en o
asiones seguiremos llamando
óptimo de Walras-Pareto al tradi
ional óptimo de Pareto, así
omo
algunas ve
es hemos llamado
aja de Pareto-Edgeworth a la
ono
ida
omo
aja de Edgeworth .
ui : R2+ → R
(xi , yi ) → ui (xi , yi )
x∗ ≡ [(x∗A , yA
∗
), (x∗B , yB
∗
)], p∗ ≡ (p∗x , p∗y )
46
Pareto, en su lugar, la llamó línea de los
ambios (Manuel, § 97, Cap. III).
Le
ión 2: Optimiza
ión estáti
a 211
∗ ), (x∗ , y ∗ )] es una
es un equilibrio walrasiano, enton
es x∗ ≡ [(x∗A , yA B B
asigna
ión óptima de Pareto.
Demostra
ión.
p∗x xA + p∗y yA > p∗x wxA + p∗y wyA , p∗x xB + p∗y yB > p∗x wxB + p∗y wyB
p∗x (xA + xB ) + p∗y (yA + yB ) > p∗x (wxA + wxB ) + p∗y (wyA + wyB )
p∗x (wxA + wxB ) + p∗y (wyA + wyB ) > p∗x (wxA + wxB ) + p∗y (wyA + wyB )
Ejemplo 51.
Consideremos la e
onomía de inter
ambio puro del ejemplo 50, en el que
dos
onsumidores, A y B, tienen fun
iones de utilidad
uA (xA , yA ) = xA yA , uB (xB , yB ) = xB yB
y dota
iones ini
iales agregadas (3, 4). Allí en
ontramos que la
urva de
óptimos de Pareto para esta e
onomía es
4xA
yA = 0 ≤ xA ≤ 3
3
Para ilustrar el primer teorema del bienestar, basta darnos
uenta de
que la asigna
ión de equilibrio walrasiano (xA , yA ) = ( 54 , 53 ) está en esta
urva de
ontrato. N
212 Matemáti
as para e
onomistas III: Optimiza
ión y dinámi
a
47
Es de
ir, en
ondi
iones de
ompeten
ia perfe
ta.
48
op.
it.
49
op.
it.
Le
ión 2: Optimiza
ión estáti
a 213
ui : R2+ → R
(xi , yi ) → ui (xi , yi )
Demostra ión.
que también py ≥ 0.
ii) Veamos que, a estos pre
ios, el
onsumidor A maximiza su utilidad
en (x∗A , yA ∗ ), y el
onsumidor B maximiza su utilidad en (x∗ , y ∗ ).
B B
Es su
iente ver que si ui (xi , yi ) > ui (x∗i , yi∗ ), para i = A, B , enton-
es px xi + py yi > px x∗i + py yi∗ . Veamos primero que si ui (xi , yi ) >
ui (x∗i , yi∗ ), para i = A, B , enton
es px xi + py yi ≥ px x∗i + py yi∗ (es de-
ir,
on desigualdad no estri
ta): Si ui (xi , yi ) > ui (x∗i , yi∗ ), enton
es
sean
(x′i , yi′ ) = θ(xi , yi ); (x′j , yj′ ) = (x∗j , yj∗ ) + (1 − θ)(xi , yi )
donde θ es un número su
ientemente pequeño. Ya que las fun
iones
de utilidad de los
onsumidores son monótonas
re
ientes estri
ta-
mente y
ontinuas, enton
es [(x′i , yi′ ), (x′j , yj′ )] domina en el sentido
de Pareto a [(x∗i , yi∗ ), (x∗j , yj∗ )]. Por lo tanto, (x′i + x′j , yi′ + yj′ ) ∈ M .
Así, px ((1 − θ)xi + x∗j + θxi ) + py ((1 − θ)yi + yj∗ + θyi ) ≥ px (x∗i +
x∗j ) + py (yi∗ + yj∗ ), es de
ir, px xi + py yi ≥ px x∗i + py yi∗ .
iii) Debemos ver ahora que si ui (xi , yi ) > ui (x∗i , yi∗ ), enton
es px xi +
py yi > px x∗i + py yi∗ . Ya vimos que px xi + py yi ≥ px x∗i + py yi∗ y
debemos eliminar la posibilidad de la igualdad: Supongamos que
px xi + py yi = px x∗i + py yi∗ para poder obtener una
ontradi
ión.
Enton
es
θpxxi + θpy yi < px x∗i + py yi∗
Le
ión 2: Optimiza
ión estáti
a 215
para todo θ ∈ (0, 1). Ya que las fun
iones de utilidad son
ontinuas,
enton
es existe θ ′ ∈ (0, 1) tal que ui (θ ′ xi , θ ′ yi ) > ui (x∗i , yi∗ ); y así,
θ ′ px xi + θ ′ py yi ≥ px x∗i + py yi∗ , lo
ual impli
a que θ ′ px xi + θ ′ py yi <
θ ′ px xi + θ ′ py yi , y esto es una
ontradi
ión.
Ejemplo 52.
Para la e
onomía de inter
ambio puro entre los agentes A y B , donde
uA (xA , yA ) = ln xA + 2 ln yA , wA = (3, 4)
uB (xB , yB ) = 2 ln xB + ln yB , wB = (4, 3)
la
urva de
ontrato es
28xA
yA = donde 0 ≤ xA ≤ 7
7 + 3xA
Si tomamos una asigna
ión Pareto-óptima ja
ualquiera
28xA 28xA
(xA , ), (7 − xA , 7 − ) donde 0 < xA ≤ 7 51
7 + 3xA 7 + 3xA
podemos ha
er de éste un equilibrio walrasiano en
ontrando un par de
28xA
pre
ios (px , py ) tal que (xA , ) maximi
e las utilidades de A y B
7 + 3xA
sujetas a las respe
tivas restri
iones presupuestales
28xA
px x + py y = px xA + py ( ) para A
7 + 3xA
y
28xA
px x + py y = px (7 − xA ) + py (7 − ) para B
7 + 3xA
que, obviamente, se van a satisfa
er en el óptimo de Pareto es
ogido (aquí
es donde se efe
túa la anun
iada redistribu
ión de la riqueza entre A y
B ). Es
ribiendo la rela
ión de optimalidad tasa marginal de sustitu
ión
= rela
ión de pre
ios, llegamos a que
28xA
yA px 7 + 3xA px
= que es equivalente a =
2xA py 2xA py
51
Observe que ha
emos xA 6= 0 (¾Por qué?).
216 Matemáti
as para e
onomistas III: Optimiza
ión y dinámi
a
o, lo que es igual,
px 14
=
py 7 + 3xA
que es la rela
ión de pre
ios de equilibrio que ilustra el segundo teorema
del bienestar. N
Uno de los elementos menos
reíbles del modelo paretiano es que sólo
si los pre
ios que rigen en el mer
ado son los de equilibrio, tendremos
a los agentes satisfa
iendo sus objetivos de manera óptima y, por tan-
to al
anzando el óptimo (en el sentido paretiano). Sobre
ómo al
anzar
este equilibrio si los pre
ios originales son diferentes fue una de las más
elebradas (y
riti
adas) de las ideas de Walras. El pro
eso de tâtonne-
ment (tanteo) fue
reado por el propio Walras en susÉléments, tratando
de mostrar
ómo era que se llegaba a la situa
ión de equilibrio sólo por
movimientos de la oferta y demanda al ritmo de movimientos de los
pre
ios:
Esta es, en esen
ia, la
ono
ida ley de la oferta y la demanda. Pero no es
laro que todos los demás parámetros (gustos, te
nología, et
.) se puedan
suponer
onstantes, mientras el sistema de pre
ios ha
e su tránsito ha
ia
el equilibrio. Por ello, y
on justa razón, el pro
eso de tâtonnement no
es un argumento poderoso para
reer en e
onomías
ompetitivas
onver-
giendo al equilibrio. 52
52
Sobre el me
anismo del tâtonnement dis
utiremos nuevamente en el
ontexto
e
onómi
o de la próxima le
ión 3.
Le
ión 2: Optimiza
ión estáti
a 217
53
Shubik, Martin J. (1959), Edgeworth Market Games, en Lu
e y Tu
ker (eds.),
Contribution to the Theory of Games IV, Prin
eton University Press.
54
Mu
hos agentes, pero sólo de dos tipos, digamos, trabajadores y empresarios.
218 Matemáti
as para e
onomistas III: Optimiza
ión y dinámi
a
x∗A = yA
∗
= 1.72 x∗B = yB
∗
= 0.279
Note que, en equilibrio, la mer
an
ía x es más
ostosa que la mer
an-
ía y ; y que,
omo debería esperarse, ambos agentes salieron bene-
iados del inter
ambio pues
teoría la base para el estudio de intera
iones generales en las
ien
ias
so
iales y e
onómi
as: asumió que los pagos eran transferibles entre los
jugadores y que todos los juegos eran de suma
ero (lo que ganaba un
jugador, lo perdía otro), pues estas hipótesis se adaptaban bien al tipo
de solu
ión minimax que había propuesto (ver volumen I, le
ión 8).
A pesar de esto, en la segunda edi
ión (1947) de Theory of Games and
E
onomi
Behavior, von Neumann y Oskar Morgenstern publi
arían una
de las máximas
ontribu
iones a la teoría 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 uti-
lizó la tradi
ional hipótesis (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
ión axiomáti
a del
omportamiento de los agentes
que se
omportan
omo si hi
ieran máxima la utilidad esperada, lo que
permitiría 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
onomía de 1994, John Nash (también en Prin
eton), in
lusive antes
de los 1950's vio,
asi inmediatamente, que toda la estru
tura de la teoría
de juegos permitía de una nueva dimensión: 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
ión 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 debía
existir al menos un equilibrio en estrategias aleatorias. Posteriormente,
en 1951 (y
omo resultado de su tesis do
toral), Nash dio una des
rip
ión
más
ompleta de su idea de equilibrio, e in
lusive in
luyó una versión
del famoso juego del dilema del prisionero (Tu
ker (1947)61 ). Pero, por
en
ima de todo, fue allí que Nash mostró que la teoría de juegos era una
estru
tura analíti
a uni
ada que daba
amino a toda
lase de estudios
sobre
oni
to, nego
ia
ión y
oopera
ión.
Ahora entendemos que el
omportamiento estratégi
o de dos o más agen-
tes podría surgir
uando los pagos que éstos obtienen y, más aún, la de-
60
op.
it.
61
Este juego surgió en una
lase ordinaria de Tu
ker en Stanford. No apare
ió en
ningún journal, originalmente.
222 Matemáti
as para e
onomistas III: Optimiza
ión y dinámi
a
isión de
ada uno de ellos, depende de lo que éstos esperan que sean
las de
isiones de los demás. Después de von Neumann y Morgenstern (e
inspirados en su trabajo) la teoría de juegos modela esta situa
ión por
medio del
on
epto de juego en forma estratégi
a (o forma normal).
Un juego en forma estratégi
a está
onformado bási
amente por tres
elementos:
) El pago que
ada jugador re
ibe por
ada posible
ombina
ión de
estrategias.
donde:
ii) Un juego nito en forma estratégi
a Γ = (N, (Ci )i∈N , (ui )i∈N ) es un
juego
on informa
ión simétri
a,64 o
ompleta,65 si Γ es
ono
imiento
omún ; es de
ir, todos los jugadores
ono
en Γ,
ada uno sabe que
los demás
ono
en Γ,
ada uno sabe que los demás saben que ella
ono
e Γ, et
.
Sospe
hoso 2
C NC
Sospe
hoso 1
C -4,-4 0,-5
NC -5,0 -1,-1
C ≡ Confesar; N C ≡ No Confesar
Todo juego en bimatriz es, a menos que, allí mismo, se espe
ique algo
distinto, un juego
on informa
ión
ompleta pero imperfe
ta. La imper-
fe
ión en la informa
ión proviene de la hipótesis implí
ita de que los
agentes toman sus de
isiones, o bien simultáneamente, o sin que nin-
guno
onoz
a la de
isión del otro, hasta tanto ambas de
isiones hayan
sido tomadas. La
ompletitud en la informa
ión proviene de la hipótesis
de
ono
imiento
omún del juego por parte de los jugadores.
Según la teoría de Nash, una forma
on la que podemos resolver este
tipo de juegos está fundamentada en el siguiente prin
ipio:
Este es el prin
ipio del
on
epto-solu
ión que se
ono
e
omo equilibrio
de Nash de un juego no-
ooperativo, y que podemos presentar más for-
malmente
omo sigue:
Jugador 2
D I
Jugador 1
D 10,10 0,0
I 0,0 1,1
67
Este es un ejemplo de
ómo las intera
iones dire
tas pueden llevar a situa
iones
sub-óptimas en el sentido de Pareto, que no es lo que o
urre
uando los agentes, sin
intera
tuar unos
on otros, sólo responden a señales de pre
ios,
omo vimos en la
se
ión anterior (primer teorema del bienestar).
226 Matemáti
as para e
onomistas III: Optimiza
ión y dinámi
a
Jugador 2
C S
Jugador 1
C 1,-1 -1,1
S -1,1 1,-1
C ≡
ara S ≡ sello
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
ogerá
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 éste puede
ha
er es desviarse y jugar S . Por un argumento similar, se puede mostrar
Le
ión 2: Optimiza
ión estáti
a 227
ii) Una estrategia mixta del juego Γ es una
ombina
ión de distribu-
iones
σ = (σ1 , σ2 , . . . , σn )
puede des
ribir
omo la asigna
ión de una probabilidad (p) a su estrate-
gia 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]
q[C] + (1 − q)[S]
Jugador 2
(q) (1-q)
Jugador 1 C S
(p) C 1, −1 −1, 1
(1-p) S −1, 1 1, −1
Como hemos visto, una estrategia mixta es una distribu
ión de proba-
bilidad sobre las estrategias puras de un jugador. De esta forma, un
equilibrio de Nash en estrategias mixtas
orresponde a una situa
ión 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 dominaría a la estrategia mixta. El
siguiente teorema ilustra esta idea y nos permite, efe
tivamente,
al
ular
equilibrios de Nash mixtos.
230 Matemáti
as para e
onomistas III: Optimiza
ión y dinámi
a
Teorema 26.
Si un jugador utiliza una estrategia mixta no degenerada (es de
ir, que
asigna una probabilidad positiva a más de una estrategia pura) en un equi-
librio de Nash mixto, enton
es es indiferente entre todas las estrategias
puras a las
uales les ha asignado probabilidad positiva. La arma
ión
re
ípro
a no es
ierta.
Demostra
ión.
(q) (1-q)
D I
(p) D 10,10 0,0
(1-p) I 0,0 1,1
Jugador 1 Jugador 2
10q = 1 − q 10p = 1 − p
∗
q = 1/11 p∗ = 1/11
De esta forma, la solu
ión del juego indi
a que
ada uno de los jugadores
es
ogerá su estrategia Dere
ha
on probabilidad 1/11 y su estrategia
Izquierda
on probabilidad 10/11. El equilibrio de Nash en estrategias
mixtas es
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 = . Así, 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)] podría interpretarse,
no
omo que esta estrategia vaya a ser realmente jugada, sino
omo una
amenaza de jugar,
on igual probabilidad,
ualquiera de las dos estra-
tegias: No sólo 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 teoría de juegos
lási-
a. De he
ho, las té
ni
as utilizadas por Nash en este teorema inspiraron
a K. Arrow y G. Debreu para al
anzar la
orrespondiente demostra
ión
de la existen
ia de un equilibrio
ompetitivo bajo
ondi
iones muy gene-
rales.
Demostra ión.
Sea ΓQ= (N, (Ci )i∈N , (ui )i∈N ) un juego nito en forma estratégi
a, y sea
∆ = ni=1 ∆i . Enton
es probemos los siguientes puntos:
1. ∆ es
onvexo: Sean σ = (σi ), σ ′ = (σi′ ) ∈ ∆; es
laro que para
λ ∈ [0, 1], se tiene que λσ + (1 − λ)σ ′ = (λσi + (1 − λ)σi′ ). Aquí
♯Ci
podemos asumir que σi = pcj j=1 , donde pcj es la probabilidad
P i
aso
iada a la estrategia pura cj
on ♯C j=1 pcj = 1, y pcj ≥ 0; de
♯Ci
manera similar, para σi′ = p′cj .
j=1
Enton
es tendremos que:
ui (σi∗ , σ−i
∗ ∗
) ≥ ui (σi , σ−i ) para todo σi ∈ ∆i ;
ui (σi′ , σ−i
′
) ≥ ui (σi , σ−i ) para todo σi ∈ ∆i
ui (σi′′ , σ−i
′
) ≥ ui (σi , σ−i ) para todo σi ∈ ∆i
es
errado. Sea (σn , σn′ ) ∈ graf (γ) y (σn , σn′ ) → (σ, σ ′ ), donde
σ, σ ′ ∈ ∆, y debemos probar que (σ, σ ′ ) ∈ graf (γ). Pero esto
es inmediato, ya que si σn,i′ → σ ′ , enton
es, de
i
70
Para el estudiante interesado en una buena introdu
ión a la teoría de juegos
oali
ionales, re
omendamos Osborne, Martin y Ariel Rubinstein (1994), A Course
in Game Theory, MIT Press.
236 Matemáti
as para e
onomistas III: Optimiza
ión y dinámi
a
Maximizar f (x, y)
sujeta a g1 (x, y) ≥ 0
g2 (x, y) ≥ 0
x≥0
y≥0
b) f (x, y) = x2 + 2y 3 − x; S = {(x, y) ∈ R2 | x2 + y 2 ≤ 1}
(a)
Maximizar 2x2 + 2xy − 2y 2
sujeta a 3x + 4y ≤ 6
4y 2 − x ≤ 6
x≥0
y≥0
(b)
Minimizar 4xy−3x2 + y
sujeta a x≤4
y≤5
x≥0
y≥0
(
)
Maximizar xα y β
sujeta a ax + by ≤ M
x ≤ m1
y ≥ m2
x≥0
5. Halle tres números reales
uya suma sea 9, y la suma de sus
ua-
drados sea lo más pequeña posible.
238 Matemáti
as para e
onomistas III: Optimiza
ión y dinámi
a
6. En el problema
tiene solu ión? En tal aso, ¾ uál es la solu ión? ¾Cuándo es úni a?
12. Halle los valores máximo y mínimo de f (x, y, z) = x−2y +7z sobre
la esfera x2 + y 2 + z 2 ≤ 30, si x > 0, y > 0.
x0 + ai x ≥ bi (i = 1, . . . , m)
Minimizar r2
sujeta a x0 +ai x1 + ai x2 ≤ bi
240 Matemáti
as para e
onomistas III: Optimiza
ión y dinámi
a
ó, en otra forma,
15. Una empresa tiene n produ
tos que vende en el mer
ado a pre
ios
p1 , . . . , pn . Para la produ
ión de esos produ
tos utiliza m insumos
diferentes, de los
uales tiene un inventario Ai de
ada uno; para
produ
ir una unidad del produ
to j requiere de aij unidades del
insumo i. El objetivo de la empresa es maximizar sus ingresos por
venta.
p1 = 2, p2 = 4, p3 = 1, p4 = 8;
A1 = 150, A2 = 170, A3 = 70, A4 = 95;
A5 = 200, A6 = 90
(d) Determine
uál insumo tendría mayores efe
tos sobre el nivel
de ventas si se
ambiara su nivel de inventarios.
16. Una empresa tiene a su disposi
ión dos te
nologías para produ-
ir 2 bienes. La te
nología 1 requiere 10 unidades del insumo 1,
y 6 del insumo 2 para produ
ir
onjuntamente 15 y 20 unidades
de los produ
tos 1 y 2, respe
tivamente. De otro lado, la te
no-
logía 2 requiere 5 unidades del insumo 1, y 9 del insumo 2 para
produ
ir
onjuntamente 12 y 8 unidades de los produ
tos 1 y 2,
respe
tivamente. Si los pre
ios de los produ
tos 1 y 2 son 10 y 7
respe
tivamente; y de los insumos 1 y 2 son 1 y 3, respe
tivamente,
determine los niveles de utiliza
ión de las diferentes a
tividades, de
tal forma que la empresa maximi
e sus bene
ios.
18. ¾Cuáles son las
ondi
iones de primer orden de Kuhn-Tu
ker para
el problema de distribu
ión de re
ursos
donde b > 0, f (·), g(·), h(·) son fun
iones
ón
avas estri
tas y
diferen
iables
on
ontinuidad en R2+ ?
19. [Dixit (1990))℄ 71 . Cierta suma de dinero C está disponible para in-
vertir en dos proye
tos de inversión. 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
[α1 x1 − β1 x21 ] + [α2 x2 − β2 x22 ]
2 2
para
iertos α1 , β1 , α2 , β2 > 0.
71
Dixit, Avinash K. (1990), Optimization in E
onomi
Theory, Oxford University
Press.
242 Matemáti
as para e
onomistas III: Optimiza
ión y dinámi
a
2x + y ≤ 300
x + 2y ≤ 450
W (x, y) = α ln x + β ln y
αAT X ≤ B T X (1)
Le
ión 2: Optimiza
ión estáti
a 247
x1
donde A = [aij ]m×n , B = [bij ]m×n y X = [x1 , ..., xm ]T y α = =
x2
x2 xm−1
= ... = .
x3 xm
βAY ≥ BY (2)
x1 xm−1
Si tenemos en
uenta la
ondi
ión = ... = = α y la
x2 xm
y1 yn−1
ondi
ión = ... = = β , enton
es (1) y (2)
onforman
y2 yn
un sistema de m + n desigualdades
on m + n in
ógnitas. Pero
omo éstas no son e
ua
iones sino desigualdades, el he
ho de que
el número de ellas iguale el número de in
ógnitas, no
onstituye
ninguna garantía de que el sistema pueda resolverse.
Demostra ión.
Observemos que la
ondi
ión aij + bij > 0 garantiza que esta fun-
ión está bien denida: Si el denominador es
ero, el numerador es
positivo, y enton
es podríamos redenir la fun
ión u(·, ·) mediante
la fun
ión re
ípro
a.
30. Para α, β > 0, suponga que un produ
tor tiene una te
nología
Leontief denida por
31. ¾Podría
ln(1 + p)
Π(p, w1 , w2 ) =
w1 w2
ser una fun
ión de bene
ios que proviene del
omportamiento ra-
ional estándar?
32. ¾Podría
1 2
C(w1 , w2 , y0 ) = (a1 w1 + a2 w2 + bw13 w23 ) y0
ser una fun
ión de
ostos que proviene del
omportamiento ra
io-
nal estándar? En
aso armativo espe
ique
uáles pueden ser las
ondi
iones sobre los valores de a1 , a2 , b.
33. ¾Podrían
px
x(px , py , M ) = +1
py
py
y(px , py , M ) = +1
px
ser fun
iones de demanda para un
onsumidor ra
ional estándar?
34. [Demostra
ión del teorema 19 (fun
ión de bene
io)℄ Seguir
ui-
dadosamente la siguiente prueba: Supongamos que Π(p, w1 , w2 ) re-
suelve el problema del produ
tor.
73
Sin embargo, paradóji
amente, von Neumann re
urrió,
on la misma forma fun-
ional u(y, y T ), al teorema de punto jo de Brouwer para probar este teorema, y no
al teorema del minimax del que él mismo ya tenía una prueba desde 1928.
Le
ión 2: Optimiza
ión estáti
a 249
35. [Demostra
ión del teorema 20 (fun
ión de
ostos)℄ Seguir
ui-
dadosamente la siguiente prueba: Supongamos que C(w1 , w2 , y0 )
resuelve el problema de optimiza
ión del produ
tor.
36. [Demostra
ión del teorema 21 (fun
iones de demanda)℄ Seguir
iu-
dadosamente 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 p′′1 >
p′1 , y denamos t′ = p1′ , t′′ = p1′′ , St′ = {(x, y) ∈ R2+ | t′ p1 x +
1 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(p′′1 , p2 , M ) ≤ x(p′1 , p2 , M ),
y(p′′1 , p2 , M ) ≤ y(p′1 , p2 , M ). La prueba para p2 y M es similar.
b) Dado que la restri
ión p1 x + p2 y ≤ M , es igual a la restri
-
ión tp1 x + tp2 y ≤ tM para t ≥ 0, el problema del
onsumi-
dor 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
ón
avas. Enton
es
p1 x(p1 , p2 , M ′ ) + p2 y(p1 , p2 , M ′ ) ≤ M ′
p1 x(p1 , p2 , M ′′ ) + p2 y(p1 , p2 , M ′′ ) ≤ M ′′ ,
de lo
ual,
p1 x(p1 , p2 , λM ′ + (1 − λ)M ′′ ) + p2 y(p1 , p2 , λM ′ + (1 − λ)M ′′ )
< λ p1 x(p1 , p2 , M ′ ) + p2 y(p1 , p2 , M ′ )
+ (1 − λ) p1 x(p1 , p2 , M ′′ ) + p2 y(p1 , p2 , M ′′ )
≤ λM ′ + (1 − λ)M ′′
Por lo tanto, en (x(p1 , p2 , λM ′ +(1−λ)M ′′ ), y(p1 , p2 , λM ′ +(1−
λ)M ′′ )) la restri
ión no se
umple
on igualdad. Así, deben
existir x∗ ≥ x(p1 , p2 , λM ′ + (1 − λ)M ′′ ) y y ∗ ≥ y(p1 , p2 , λM ′ +
(1 − λ)M ′′ ) tales que p1 x∗ + p2 y ∗ ≤ λM ′ + (1 − λ)M ′′ . Dado
que U (·, ·) es
re
iente en sus argumentos,
U (x∗ , y ∗ ) ≥ U (x(p1 , p2 , λM ′ +(1−λ)M ′′ ), y(p1 , p2 , λM ′ +(1−λ)M ′′ )),
de tal forma que (x∗ , y ∗ ) también debe ser solu
ión al problema
del
onsumidor. Sin embargo,
omo U (·, ·) es
uasi
ón
ava es-
tri
ta, la solu
ión del problema es úni
a, y, por lo tanto, (x∗ , y ∗ )
252 Matemáti
as para e
onomistas III: Optimiza
ión y dinámi
a
37. [Demostra
ión del teorema 19 (fun
ión de utilidad indire
ta)℄ Se-
guir
uidadosamente la siguiente prueba: Supongamos que
39. Suponga que existen úni
amente dos mer
an
ías en una e
onomía
de inter
ambio puro y que la fun
ión de ex
eso de demanda de la
mer
an
ía x es:
100px + 200py
zx (px , py ) = − 100
2px
(a) En
uentre la fun
ión de ex
eso de demanda de la mer
an
ía y ,
zy (px , py ).
(b) Cal
ule los pre
ios de equilibrio.
40. Suponga que existen úni
amente tres mer
an
ías en una e
onomía
y que las fun
iones de ex
eso de demanda de las mer
an
ías x y h
son:
−3py + 2ph
zy (px , py , ph ) = −1
px
4py − 2ph
zh (px , py , ph ) = −2
px
(a) Muestre que estas fun
iones son homogéneas de grado
ero en
px , py , ph .
(b) ¾Puede utilizarse la ley de Walras para
al
ular la fun
ión de
ex
eso de demanda de la mer
an
ía x, zx (px , py , ph )?
(
) Cal
ule los pre
ios relativos de equilibrio, suponiendo que el
pre
io de la mer
an
ía x es el numerario.
uA (xA , yA ) = x2A yA
2
wA = (1, 2)
1 1
2 3
uB (xB , yB ) = xB yB 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 Matemáti
as para e
onomistas III: Optimiza
ión y dinámi
a
En efe
to:
Habíamos mostrado en el teorema 21 que las fun
iones de demanda
de los agentes son
ontinuas, de tal forma que también las fun
io-
nes de ex
eso de demanda son
ontinuas. Sea P = {(px , py ) ∈
[0, 1]2 /px + py = 1} y sea la fun
ión g : P → P denida por
px + máx{0, zx (px , py )}
gx (px , py ) =
1 + máx{0, zx (px , py )} + máx{0, zy (px , py )}
Le
ión 2: Optimiza
ión estáti
a 255
py + máx{0, zy (px , py )}
gy (px , py ) =
1 + máx{0, zx (px , py )} + máx{0, zy (px , py )}
px + máx{0, zx (px , py )}
gx (px , py ) + gy (px , py ) =
1 + máx{0, zx (px , py )} + máx{0, zy (px , py )}
py + máx{0, zy (px , py )}
+
1 + máx{0, zx (px , py )} + máx{0, zy (px , py )}
=1
de lo
ual,
p∗x máx{0, zx (p∗x , p∗y )} + máx{0, zy (p∗x , p∗y )} = máx{0, zx (p∗x , p∗y )}
p∗y máx{0, zx (p∗x , p∗y )} + máx{0, zy (p∗x , p∗y )} = máx{0, zy (p∗x , p∗y )}.
= zx (p∗x , p∗y ) máx{0, zx (p∗x , p∗y )} + zy (p∗x , p∗y ) máx{0, zy (p∗x , p∗y )},
zx (p∗x , p∗y ) máx{0, zx (p∗x , p∗y )} + zy (p∗x , p∗y ) máx{0, zy (p∗x , p∗y )} = 0.
zx (p∗x , p∗y ) máx{0, zx (p∗x , p∗y )} + zy (p∗x , p∗y ) máx{0, zy (p∗x , p∗y )} > 0;
ϕ(p∗ ) ≥ 0
En efe
to: sea f : ∆n → ∆n una fun
ión que satisfa
e las hipótesis
del teorema de Brouwer (teorema 16). Para p ∈ △n denamos
χ : ∆n → ∆n mediante la fórmula
f (p) · p
χ(p) = p − f (p)
kpk2
Dadas las hipótesis sobre f (·), esta fun
ión χ(·) satisfa
e las
on-
di
iones del teorema EEW,
omo el le
tor puede fá
ilmente
om-
probar. En parti
ular, note que la ley de Walras se satisfa
e inme-
diatamente, dado que p · χ(p) = 0 para todo p ∈ ∆n . Por lo tanto,
existe p∗ ∈ △n tal que χ(p∗ ) ≥ 0, que es
f (p∗ ) · p∗ ∗
p ≥ f (p∗ )
kp∗ k2
Pero, de he
ho, por la ley de Walras, tenemos que
f (p∗ ) · p∗ ∗
p = f (p∗ )
kp∗ k2
74
Nikaido, Hukukane (1968), Convex Stru
tures and E
onomi
Theory, A
ademi
Press.
75
Uzawa, H. (1962), Walras Existen
e Theorem and Brouwer's Fixed Point Theo-
rem, E
onomi
s Studies Quarterly.
258 Matemáti
as para e
onomistas III: Optimiza
ión y dinámi
a
Introdu
ión
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 análisis matemáti
o, se debe prin-
ipalmente al he
ho de que la investiga
ión de mu
hos problemas
on-
retos en la físi
a, en la te
nología, en la biología, y, en general, en las
ien
ias, pueden entenderse mediante la solu
ión de tales e
ua
iones. Nu-
merosos
ál
ulos impli
ados en la
onstru
ión de maquinaria elé
tri
a,
ómputos de traye
torias de proye
tiles, estudios de la estabilidad de ae-
ronaves en vuelo, pro
esos de una rea
ión quími
a, diseño de artefa
tos
ele
tróni
os, evolu
ión de pobla
iones, et
., se asimilan a la solu
ión de
e
ua
iones diferen
iales.
Esta teoría
omenzó a desarrollarse a nales del siglo XVII,
asi simultá-
neamente
on la apari
ión del
ál
ulo diferen
ial e integral de Newton y
Leibniz. Por ejemplo, del estudio de las e
ua
iones diferen
iales del mo-
vimiento de los
uerpos
elestes, Newton dedujo las leyes del movimiento
planetario previamente des
ubiertas por Kepler de forma empíri
a. Pe-
ro, a pesar de que herramientas
omo el
ál
ulo de antiderivadas ofre
ían
ierta ayuda dire
ta, pronto se re
ono
ió que el problema de en
ontrar
solu
iones a estas e
ua
iones
on derivadas no era fá
il. En parti
ular, se
en
ontró que las manipula
iones y simpli
a
iones algebrai
as apenas si
servían en
asos muy espe
iales. Por esta razón, pioneros del siglo XVII
omo Fermat, Newton y Leibniz tuvieron que
entrarse en
asos
on
re-
tos, y dejaron al siglo posterior el desarrollo de té
ni
as y teorías más
generales.
261
262 Matemáti
as para e
onomistas III: Optimiza
ión y dinámi
a
Claramente,
1
Ver volumen II (Cál
ulo), le
ión 4.
Le
ión 3: Sistemas dinámi
os 265
x(t) x(t)
x(0) • x(0) •
t t
aso c > 0
aso c < 0
Figura 1: Solu
iones al sistema ẋ(t) = cx(t) para x(0) > 0.
Ejemplo 3.
Es fá
il observar, mediante una apli
a
ión dire
ta de antideriva
ión, que
el sistema
x(t) x(t)
x(0) • t = −k
t t
t = −k • x(0)
x(0)
•
t
Ejemplo 4.
N
El siguiente teorema arma que, en general, todo sistema dinámi
o en
una dimensión (bajo las
ondi
iones de la deni
ión 1) tiene solu
ión
úni
a, aunque sólo sea lo
al, es de
ir, en un intervalo alrededor de un
tiempo t0 ∈ I :
Teorema 1. (Existen
ia y uni
idad lo
al de solu
iones (R. Lips-
hitz (1876)))
Si x0 ∈ A y t0 ∈ I , enton
es existe una úni
a solu
ión x(t) al sistema
dinámi
o ẋ(t) = f (x, t), denida en un intervalo abierto alrededor de t0
donde x(t0 ) = x0 .
Demostra
ión.
Ejemplo 5.
Por ejemplo, la solu
ión lo
al de ẋ(t) = x(t)2 para t = 0
on x0 = 1, es
1
x(t) = − . Esta solu
ión no es global, es de
ir, no está denida en
t−1
todo (−∞, ∞), pero sí en (−1, 1) que es un intervalo abierto alrededor
de t = 0.
de
ir,
uando f = 0. Así, en
ontramos que las e
has señalan la dire
ión
en que x(t) se mueve en el tiempo, y esto nos da una solu
ión
ualitativa
del sistema dinámi
o.
Ejemplo 6.
Al tratar de
onstruir el diagrama de fase del sistema dinámi
o del ejem-
plo 1, ẋ(t) = cx(t), c 6= 0, distinguimos dos
asos: (a) c > 0, (b) c < 0.
Notamos enton
es (bajo la
ondi
ión k 6= 0) que si c > 0 tendremos
x(t) → ∞
uando t → ∞ (
aso a)); y que si c < 0, enton
es x(t) → 0
uando t → ∞ (
aso b)) (ver gura 4). Re
ordemos que, en este ejemplo,
las solu
iones explí
itas son de la forma x(t) = kect para k ∈ R.
ẋ ẋ
• •
x x
(a) •
0
(b) •
0
Figura 5: Diagramas de fase unidimensionales para ẋ(t) = cx(t), c 6= 0.
ẋ
• • • •
−1 1 x
x∗ = −1 x∗ = 1
Ejemplo 7.
Para
onstruir los diagramas de fase del sistema dinámi
o denido por
ẋ(t) = x(t)2 − 1, primero es
ribamos el sistema así: ẋ = x2 − 1 = (x −
1)(x + 1). Por lo tanto, los puntos de equilibrio son x∗ = 1 y x∗ = −1. El
diagrama de fase
orrespondiente es el de la gura 6: Si x > 1 enton
es
x2 − 1 > 0 y las e
has se dirigen ha
ia la dere
ha; si −1 < x < 1
enton
es x2 − 1 < 0 y las e
has se dirigen a la izquierda; y si x < 1
enton
es x2 − 1 > 0 y las e
has se dirigen ha
ia la dere
ha.
b) Estabilidad unidimensional
• • •
x
Equ. estable Equ. asintót. estable Equ. inestable
es la siguiente:
ẋ
• • • • •
x1 x2 x3 x4 x5 x
Figura 8:
Demostra ión.
i) Si f ′ (x∗ ) < 0, enton
es f (·) es positiva para x < x∗ pero su
iente-
mente
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 asintóti
a-
mente 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.
• • • • • •
0 2 1 x 0 2 1
3 3
Ejemplo 9.
Determinemos los puntos de equilibrio de ẋ(t) = x(x − 1)(2 − 3x), y
apliquemos el teorema 2 para estable
er su estabilidad (ver gura 9).
En primer lugar, tenemos que los puntos de equilibrio son x∗ = 0, x∗ = 1
y x∗ = 23 . Además,
Nota 1.
Esta ley de la desintegra
ión no sólo la satisfa
en los fenómenos radia
ti-
vos. 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 físi
o es propor-
ional a la diferen
ia entre la temperatura del
uerpo y la temperatura
del medio que lo rodea.
Ejemplo 11. (Data
ión por
arbono radia
tivo (Libby (1910)))
Si un hueso fósil tiene el 30 % de la
antidad original de
arbono 14
(6 C 14 ), ¾
uál es su antigüedad?
donde y(0) > 0 es la
antidad original de 6 C 14 . Puesto que, por deni
ión
de vida media,
1
y(0)e(5,730 )c = y(0)
2
enton
es c = − 0.000121. Finalmente, el tiempo después del
ual el 30 %
de la
antidad original de 6 C 14 sigue presente, se
al
ula así:
30
y(0)e(−0.000121 )t = y(0)
100
y, de allí,
t = 9, 950 años
que es la antigüedad del hueso, según este modelo.
Ejemplo 12. (Ley de Torri
elli)
Los experimentos de Evangelista Torri
elli [1608-1647℄ (un dis
ípulo de
Galileo) indi
an que el agua sale por el ori
io inferior de un tanque
ilíndri
o (
omo el de la gura 10)
on una velo
idad
A√
ḣ = −26.56 h (*)
B
donde h(t) es al altura del agua arriba de ori
io en el tiempo t, B
es el área de la base
ir
ular del tanque, y A es el área del ori
io.
√
El
oe
iente que apare
e en la e
ua
ión es igual a 0.6 2g , donde 0.6
es un fa
tor de
ontra
ión debido a que el ujo tiene una se
ión
transversal menor que el ori
io y g = 980
m/seg2 es la a
elera
ión de
la gravedad en la super
ie terrestre. Para
al
ular la altura del agua
h(t) en
ualquier momento t, notemos que este sistema dinámi
o tiene
omo úni
o equilibrio h∗ = 0 (tanque va
ío) y, mediante antideriva
ión,
se en
uentra que su solu
ión es
A
h(t) = h(0) − 13.28 t
B
donde h(0) es la altura ini
ial del nivel del agua. ¾Será h∗ = 0 asintóti-
amente estable? Es de
ir, ¾Si el tanque está va
ío y lo llenamos
on un
po
o de agua, se va
iará de nuevo eventualmente? Bastaría que el le
tor
se
onven
iera de su respuesta observando el diagrama de la gura 10.
Pero podemos también apli
ar el teorema ?? y, derivando el lado dere-
ho de la e
ua
ión (∗)
on respe
to a h y evaluando en valores positivos
er
anos a h∗ = 0, obtendremos siempre valores negativos, mostrando
que este equilibrio es, en efe
to, asintóti
amente estable.
276 Matemáti
as para e
onomistas III: Optimiza
ión y dinámi
a
h(t)
Ejer
i
ios 1
1. Tomando los sistemas dinámi
os de los ejemplos 6 y 7,
ompare
el
omportamiento de sus solu
iones explí
itas que apare
en en un
grá
o t vs. x(t),
on el el
orrespondiente diagrama de fase unidi-
mensional del sistema dinámi
o; es de
ir, justique la des
rip
ión
de
ada diagrama, en términos del otro.
ẋ(t) = cx(t) + b, c 6= 0
tienen la forma
R
Z R
c(t)dt
x(t) = e k + b(t)e− c(t)dt
dt , k∈R
(b) Con la fórmula anterior,
al
ule las solu
iones generales del
sistema dinámi
o
2
ẋ(t) = − x(t) + 5t2
t
Le
ión 3: Sistemas dinámi
os 277
2
ẋ(t) = x(t) − t
t
dx dy
donde t es la variable tiempo, ẋ(t) = , ẏ(t) = , f : A × I −→ R,
dt dt
g : A × I −→ R son fun
iones diferen
iables
on
ontinuidad, A ⊆ R2
abierto no-va
ío, y I un intervalo abierto de la forma (a, +∞)
on a ∈
R ∪ {−∞}, o de la forma (−∞, a)
on a ∈ R ∪ {∞}.
ẋ = a11 x + a12 y
ẏ = 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) será estudiado en detalle más adelante. Por ahora, sin embargo,
y a guisa de ejemplo, el le
tor podría mostrar que las traye
torias
(donde x(0) = α + β , y(0) = α − β son las
ondi
iones ini
iales del
sistema dinámi
o), son solu
iones al sistema
ẋ = −3x + y
ẏ = x − 3y
Ejemplo 14. (Un sistema dinámi
o no-lineal)
El sistema dinámi
o no-lineal
ẋ = x y 2 , ẏ= −y 2
(es de
ir, donde f (x, y) = xy 2 , g(x, y) = y 2 son fun
iones no-lineales)
tiene
omo solu
iones a
1
x(t) = ke− t+L , k∈R
1
y(t) = L 6= 0
t+L
1
donde x(0) = ke− L , y(0) = 1
L son las
ondi
iones ini
iales del sistema
dinámi
o. N
Ejemplo 15.
El sistema dinámi
o
1
ẋ = + y, ẏ = − y 2
t
tiene entre sus solu
iones a
1
x(t) = ln[t(t + k1 )] + k2 , y(t)=
t + k1
Deni
ión 8. (Punto de equilibrio)
Un punto (x∗ , y ∗ ) es un punto de equilibrio (ó esta
ionario) 5 del sistema
dinámi
o
ẋ(t) = f (x(t), y(t), t), ẏ(t)= g(x(t), y(t), t)
si, y sólo si,
f (x∗ , y ∗ , t) = 0, g(x∗ , y ∗ , t)= 0
para todo t ∈ I .
5
También llamado punto jo, aunque Poin
aré los llamaba puntos singulares.
280 Matemáti
as para e
onomistas III: Optimiza
ión y dinámi
a
ẋ = 2x + y, ẏ = x − 2y
ẋ = x2 + y 2 − 1, ẏ= 3 x (y − 1)
los puntos de equilibrio son (x∗ , y ∗ ) = (0, 1) y (x∗ , y ∗ ) = (0, −1) que es
donde x2 + y 2 − 1 = 0, 3x (y − 1) = 0.
ẋ = x − y, ẏ= x2 − y 2
ẋ(t) = f (x, y, t)
ẏ(t) = g(x, y, t)
Demostra ión.
es autónomo si, y sólo 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 (explí
ita-
mente) de t; en otro
aso, lo llamaremos no-autónomo.
Observemos que los sistemas dinámi
os de los ejemplos 13, 14, 16, 17,
18 y 19, son autónomos, mientras que el sistema del ejemplo 15 es no-
autónomo.
punto representará la posi
ión del sistema (x, y) en un momento dado del
tiempo. Además de esto, dibujaremos e
has en el sentido de t
re
iente:
una e
ha ha
ia el noreste indi
a que tanto x
omo y están
re
iendo en
el tiempo; una e
ha ha
ia el sur indi
ará que y está de
re
iendo, pero
que x se mantiene
onstante; una e
ha ha
ia el noroeste indi
ará que y
está
re
iendo, pero que x está de
re
iendo; et
.
Ahora, dibujamos en el plano
artesiano x vs. y , las
urvas f (x, y) = 0
y g(x, y) = 0, y en
ontramos los puntos de equilibrio
omo sus inter-
se
iones. Con esto se ha dividido enton
es el plano en varias regiones
que deberán ser estudiadas de a
uerdo al signo que allí tengan f (x, y)
y g(x, y). De esta manera, por ejemplo, si en una región f (x, y) > 0 y
g(x, y) < 0, enton
es la e
ha para x estará en dire
ión este y la e
ha
para y estará en dire
ión sur, dando
omo resultado que la dire
ión de
las e
has en tal región será sureste, et
. (ver gura 11). Veamos algunos
ejemplos que a
laren este método.
y(t) f >0
ẋ = f (x, y) = 0
g<0
g>0
f >0 f >0
g<0
ẏ = g(x, y) = 0
g>0
f <0
x(t)
Figura 11: Diagrama de fase en dos dimensiones.
Ejemplo 20.
El diagrama de fase del sistema dinámi
o
ẋ = 2x + y (= f (x, y))
ẏ = x − 2y (= g(x, y))
(a) Primero, dibujamos en el plano los puntos (x, y) tales que f (x, y) =
0, es de
ir, 2x + y = 0; y después los puntos (x, y) tales que g(x, y) =
Le
ión 3: Sistemas dinámi
os 283
y(t)
ẏ = g(x, y) = 0
x(t)
ẋ = f (x, y) = 0
Figura 12:
Ṙ = aR − bRF = R(a − bF )
Ḟ = 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 dinámi
o
Ṙ = R(a − bF ), Ḟ = F (ebR − c)
a c
En este
aso, Ṙ = 0 si F = , y Ḟ = 0 si R = ; es de
ir, el equilibrio
b eb
c a a a
es ( , ). Así, sobre la re
ta F = , R(t) no varía, y si F < , enton
es
eb b b b
a
Ṙ > 0; es de
ir, R(t) aumenta; mientras que si F > , enton
es Ṙ < 0; es
b
de
ir R(t) disminuye. Esto lo dibujamos utilizando e
has que señalan
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 varía; pero si R > , enton
es Ḟ > 0; es
eb eb
c
de
ir, F (t) aumenta; y si R < , enton
es Ḟ < 0, y así 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 Matemáti
as para e
onomistas III: Optimiza
ión y dinámi
a
F (t)
a
b Ṙ = 0
c
eb R(t)
(x∗ , y ∗ )
∗
•∗ • •
(x , y ) (x∗ , y ∗ )
ẋ(t) = f x(t), y(t), t
ẏ(t) = g x(t), y(t), t
Nota 2.
Obsérvese 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
ión de estabilidad global es difí
il de al
anzar.
ẋ = a11 x + a12 y
(SDL)
ẏ = a21 x + a22 y
ẋ = a11 x + a12 y + b1
ẏ = a21 x + a22 y + b2
ii) Si la matriz A del sistema SDL tiene dos valores propios λ1 , λ2 dis-
tintos y no es una matriz diagonal,10 enton
es la solu
ión general es
una
ombina
ión lineal de las fun
iones eλ1 t y eλ2 t y tiene la forma
donde α, β ∈ R y
c11 c12 c
(A − λI) =0 (A − λI) = 11 (*)
c21 c22 c21
8
Subespa
io del
onjunto FR de todas las fun
iones h:R→R .
9
A esta
ara
terísti
a de los sistemas dinámi
os lineales se le
ono
e
omo prin
ipio
de superposi
ión.
10
Si A es una matriz diagonal, enton
es el SDL en dos dimensiones se transforma
en dos SDL en una dimensión, y se pueden solu
ionar dire
tamente apli
ando los
métodos ya estudiados.
11 2
Aquí asumimos que si λ = a + ib (a, b ∈ R, i = −1) es un número
omplejo,
enton
es eλt se
al
ulará utilizando la fórmula Euler eibt = cos(bt) + i sen(bt) y así,
(a+ib)t
e = eat eibt (Ver volumen II: Cál
ulo).
290 Matemáti
as para e
onomistas III: Optimiza
ión y dinámi
a
Demostra ión.
i) Supongamos que
x1 (t) x2 (t)
z1 (t) = , z2 (t) =
y1 (t) y2 (t)
son solu
iones al SDL. Veamos que, enton
es, az1 (t)+bz2 (t) también
es solu
ión al sistema, para todo a, b ∈ R. Pero esto es inmediato,
ya que
d az1 (t) + bz2 (t)
= az˙1 (t) + bz˙2 (t) = aAz1 (t) + bAz2 (t)
dt
= A(az1 (t) + bz2 (t))
Denamos z ′ = C −1 z . Enton es
ż ′ = C −1 ż = C −1 Az = Dz ′
iii) Si A sólo tiene un valor propio, enton
es por el teorema de des
om-
posi
ión de Jordan (ver volumen I (Álgebra lineal); le
ión
7), existe
λ 1
una matriz C tal que C −1 AC = J , donde J = y C es la
0 λ
Le
ión 3: Sistemas dinámi
os 291
y(t) ẋ = 0
ẏ = 0
•
x(t)
ii) Para λ2 = −4, tenemos que (c12 , c22 ) es un ve
tor aso
iado
on
λ2 si, y sólo si,
1 1 c12 0
=
1 1 c22 0
y vemos que c12 = 1, c22 = −1 satisfa
en esta
ondi
ión.
(d) Por lo tanto, de a
uerdo
on la parte (a) del teorema 4, la solu
ión
general, para α, β ∈ R, tiene la forma
x = αe−2t + βe−4t
y = αe−2t − βe−4t
Y las e
has en dire
ión al origen surgen de que, en general, lı́m x(t) =
t→∞
lı́m y(t) = 0 para todo α, β ∈ R. Al punto de equilibrio (0, 0) lo lla-
t→∞
maremos, en este
aso, un nodo y es asintóti
amente estable.
Ejemplo 23. (Punto de silla)
Para en
ontrar la solu
ión general de
ẋ = 2x − 4y 2 −4 x
o (ẋ, ẏ) =
ẏ = x − 3y 1 −3 y
vemos que:
(a) En este problema el úni
o equilibrio del sistema dinámi
o es (0, 0).
(b) Los valores propios de la matriz
2 −4
1 −3
satisfa
en la e
ua
ión
ara
terísti
a
(λ − 2)(λ + 3) + 4 = 0
uyas solu
iones son λ1 = 1 y λ2 = −2.
(
) Determinemos los ve
tores propios de
ada valor propio:
i) Para λ1 = 1 el ve
tor propio (c11 , c21 ) debe satisfa
er la
ondi-
ión
1 −4 c11 0
=
1 −4 c21 0
lo
ual se satisfa
e en (c11 , c21 ) = (4, 1).
ii) Para λ2 = −2 el ve
tor propio (c12 , c22 ) debe satisfa
er la
on-
di
ión
4 −4 c12 0
=
1 −1 c22 0
lo
ual se satisfa
e en (c12 , c22 ) = (1, 1).
12
Para obtener esta e
ua
ión, es
riba X = e−2t y Y = e−4t en el sistema original;
luego resuelva para X y Y, y note que Y = X 2.
294 Matemáti
as para e
onomistas III: Optimiza
ión y dinámi
a
(d) Por lo tanto, por el teorema 4, la solu
ión general del sistema diná-
mi
o es
x = 4αet + βe−2t
y = αet + βe−2t
para α, β ∈ R. La
ompli
ada dinámi
a de la gura 16, surge del
he
ho de que las solu
iones x y y satisfa
en la e
ua
ión
27α2 β = (x − y)2 (4y − x)
ẋ = 0
y(t) ẏ = 0
•
x(t)
x = γ1 e2it + γ2 e−2it
y = 2γ1 ie2it − 2γ2 ie−2it
x = α cos 2t + β sen 2t
y = −2α sen 2t + 2β cos 2t
y(t) ẏ = 0
ẋ = 0
•
x(t)
notemos que:
(a) En este problema el úni o equilibrio del sistema dinámi o es (0, 0).
(1 + λ)2 + 1 = 0
x = γ1 e(−1+i)t + γ2 e(−1−i)t
y = γ1 ie(−1+i)t − γ2 ie(−1−i)t
y(t) ẋ = 0
•
x(t)
ẏ = 0
Figura 18: La espiral del ejemplo 25.
298 Matemáti
as para e
onomistas III: Optimiza
ión y dinámi
a
ẋ = a11 x + a12 y
ẏ = a21 x + a22 y
(λ − λ1 )(λ − λ2 ) = λ2 − (λ1 + λ2 )λ + λ1 λ2
Centro
∆>0 ∆<0 ∆<0 ∆>0
Nodo Nodo
p
Punto de silla
Figura 19: Diagrama de tipos de equilibrio.
Ejemplo 26.
Pero, además de esta
lasi
a
ión general de los tipos de equilibrio, existe
un
riterio menos espe
í
o pero también muy útil para determinar su
estabilidad:
Demostra ión.
Ejemplo 27.
Estable
Asintóti
amente
Inestable
Estable
p
Inestable
ẋ = −bx + cz
ż = x
dz
donde x ≡ = ż . Observemos que los valores propios de este sistema
dt
se en
uentran resolviendo la e
ua
ión
ara
terísti
a λ2 + bλ + c = 0 del
sistema dinámi
o y, luego, se apli
a el teorema ?? para en
ontrar las
solu
iones a la e
ua
ión diferen
ial ordinaria. Así, toda la teoría de los
sistemas dinámi
os lineales
on
oe
ientes
onstantes abar
a a la teoría
de e
ua
iones diferen
iales ordinarias de segundo orden
on
oe
ientes
onstantes. Sobre esto volveremos más adelante.
d2 x dx
m 2
= −bx − a (*)
dt dt
es la e
ua
ión que des
ribe el movimiento x(t) del punto material en
ualquier instante del tiempo.
b a
ẋ = z, ż= − x− z
m m
x
0
Sin embargo, en mu
hos
asos nos interesa en
ontrar solu
iones a siste-
mas no-homogéneos de la forma
donde w1 (·) y w2 (·) son diferen
iables fun
iones arbitrarias. En forma
más
ompa
ta, esto se puede es
ribir
omo
es de la forma
z(t) = z g (t) + z p (t)
donde z g (t) es la solu
ión general al sistema dinámi
o homogéneo, y z p (t)
es una solu
ión parti
ular de (*).
306 Matemáti
as para e
onomistas III: Optimiza
ión y dinámi
a
Demostra ión.
Veamos, primero, que z(t) = z g (t) + z p (t) es solu
ión al sistema (*). En
efe
to:
d g
ż(t) = (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)
ya que z g (t) es solu
ión al sistema homogéneo y z p (t) es solu
ión parti
u-
lar a (*). Ahora: para ver que toda solu
ión 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
Ejemplo 29.
Para en
ontrar la solu
ión general a
ẋ = 2x + y + t 2 1 x t
o (ẋ, ẏ) = +
ẏ = 2y + 1 0 2 y 1
Para en
ontrar una solu
ión parti
ular al sistema, es
asi siempre
on-
veniente bus
arla similar a la fun
ión w(t); es de
ir, en este
aso, debe
tener la forma
xp (t) = m0 + m1 t
13
¾A
aso este teorema no le re
uerda al le
tor la estru
tura de las solu
iones a un
sistema no-homogéneo de e
ua
iones lineales? (ver volumen I: Álgebra lineal). ¾ Por
qué
ree el le
tor que surge esta similitud?
Le
ión 3: Sistemas dinámi
os 307
y p (t) = m2 + m3 t
y así
m1 = 2m0 + m2 , m1 + m3 + 1 = 0
m3 = 2m2 + 1, 2m3 = 0
Por lo tanto,
1 1
m0 = − , m1 = −1, m2 = − , m3 = 0
4 2
Y así,
1 1
xp (t) = − − t, y p (t) = −
4 2
de lo
ual, la solu
ión del sistema no-homogéneo es
1
x(t) = αe2t + βte2t − t −
4
1
y(t) = βe2t −
2
Además, de las
ondi
iones ini
iales tenemos que
1
x(0) = α − =1
4
1
y(t) = β − = 0
2
5 1 2t 1
x(t) = e2t + te − t −
4 2 4
1 1
y(t) = e2t −
2 2
308 Matemáti
as para e
onomistas III: Optimiza
ión y dinámi
a
formada por las primeras derivadas par
iales de f (·, ·) y g(·, ·) evaluadas
en el punto (x∗ , y ∗ ), y re
ordemos también la expansión en series de
Taylor
∂f ∗ ∂f
f (x, y) = (x−x )+ (y −y ∗ )+R1 (x−x∗ )+R1′ (y −y ∗ )
∂x (x∗ ,y∗ ) ∂y (x∗ ,y∗ )
∂g ∗ ∂g
g(x, y) = (x−x )+ (y −y ∗ )+R2 (x−x∗ )+R2′ (y −y ∗ )
∂x (x∗ ,y∗ ) ∂y (x∗ ,y∗ )
Le
ión 3: Sistemas dinámi
os 309
ẋ = a11 x + a12 y
ẏ = a21 x + a22 y
donde
∂f ∂f
a11 = , a12 =
∂x (x∗ ,y∗ ) ∂y (x∗ ,y∗ )
∂g ∂g
a21 = , a22 =
∂x (x∗ ,y∗ ) ∂y (x∗ ,y∗ )
es de
ir, ẋ = Ax, donde
x
x= , y A = J(f, g)|(x∗ ,y∗ )
y
Pero la
uestión realmente importante es: ¾qué se puede de
ir a
er
a del
omportamiento dinámi
o lo
al del SDNL alrededor de (x∗ , y ∗ ), basados
en el
omportamiento de su linealiza
ión? El siguiente teorema es una
de las respuestas bási
as a esta pregunta:
(b) Si (x∗ , y ∗ ) es inestable para la linealiza
ión del SDNL, enton
es tam-
bién es inestable para el SDNL.
Demostra ión.
Ejemplo 30.
Consideremos el SDNL del ejemplo 17:
uyos puntos de equilibrio son (x∗ , y ∗ ) = (0, 1) y (x∗ , y ∗ ) = (0, −1). Las
matri
es ja
obianas en estos puntos son, respe
tivamente,
2x 2y 0 2
J(f, g)|(0,1) = =
3(y − 1) 3x (0,1) 0 0
2x 2y 0 −2
J(f, g)|(0,−1) = =
3(y − 1) 3x (0,−1) −6 0
Los respe
tivos valores propios son, para J(f, g)|(0,1) : λ = 0 (multipli
i-
√
dad 2); y para J(f, g)|(0,−1) : λ = ± 12. Luego el teorema de linealiza-
ión nos da informa
ión 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
ión
lo
al es
−
→
φ l φ Q
−→
mg
m m
A′ A′
−
→
A A P
φ̇ = x
0 1 φ
g o (φ̇, ẋ) =
ẋ = − φ − gl 0 x
l
Aquí, los valores propios de la matriz
0 1
− gl 0
q
son λ1,2 = ± gl i, y así las solu
iones os
ilarán alrededor del punto
de equilibrio estable (0, 0) que representan el movimiento pendular que
ono
emos.
f) El método de Lyapunov
V : Bǫ (x∗ , y ∗ ) → R 17
tal que
17
Re
ordemos que Bǫ (x∗ , y ∗ ) es la bola abierta de
entro en (x∗ , y ∗ ) y radio ǫ.
Le
ión 3: Sistemas dinámi
os 313
i) V (x∗ , y ∗ ) = 0
Nota 4.
Si la ve
indad men
ionada en el teorema de Lyapunov es todo el plano
R2 , enton
es diremos que (x∗ , y ∗ ) es global y asintóti
amente estable y,
así, todas las solu
iones se aproximan a (x∗ , y ∗ )
uando t → ∞. Por lo
tanto, sabremos que las solu
iones son asintóti
amente estables, aún sin
saber
uáles son. El problema aquí es que no existe un método dire
to
de obtener fun
iones de Lyapunov para un sistema dinámi
o espe
í
o,
aunque algunos problemas parti
ulares podrían sugerirla
omo veremos
en los siguientes ejemplos.
Ejemplo 32.
Veamos si el sistema
ẋ = −2y, ẏ= x
V (x, y) = ax2 + by 2
Para ello, habría que en
ontrar los valores de a y b que harían que, en
efe
to, ésta fuera una fun
ión de Lyapunov:
i) V (0, 0) = 0
18
Hirs
h, Morris y Steven Smale (1974) Dierential Equations, Dynami
al Systems,
and Linear Algebra, A
ademi
Press, New York.
314 Matemáti
as para e
onomistas III: Optimiza
ión y dinámi
a
dV
V̇ = = 2axẋ + 2by ẏ = 2ax(−2y) + 2by(x)
dt
b
ẋ = y, ẏ= − (x + x3 ) − ay
m
Este problema tiene una fun
ión de Lyapunov para el equilibrio (0, 0)
dada por
2
my 2 x x4 ax2
V (x, y) = +b + + β xy + , 19 β > 0 pequeño
2 2 4 2
En efe to,
i) V (0, 0) = 0
Ejer
i
ios 2
1. Compruebe que para
ualquier α, β ∈ R,
ẋ = 2x − 4y, ẏ= x − 3y
316 Matemáti
as para e
onomistas III: Optimiza
ión y dinámi
a
x(t) = αe−t cos(t) + βe−t sen(t), y(t) = −αe−t sen(t) + βe−t cos(t)
ẋ = −x + y, ẏ= −x − y
x = y, y= −(x + x3 )
mv̇ = mg − bv 2
10. (Os
ila
ión lineal de una partí
ula bajo la a
ión de un resorte,
de la resisten
ia de un medio y de una fuerza periódi
a ) Des
riba
la dinámi
a de la partí
ula de masa m
uyo movimiento x(t) está
regido por la e
ua
ión
d2 x
m + mw2 x = A cos(wt) w > 0, A 6= 0
dt2
ẋ = −2x − y 2
ẏ = −y − x2
ẋ = A x
x1 = y , x2 = ẏ = x˙1 , x3 = ÿ = x2 , . . .
Señale la forma que deben tener las solu
iones de esta e
ua-
ión diferen
ial. Después, en
uentre la e
ua
ión auxiliar de la
e
ua
ión diferen
ial (similar a lo que hi
imos en el
aso n = 2),
uyas solu
iones serían los valores propios de A.
d) Dena las no
iones de estabilidad y estabilidad asintóti
a para
sistemas lineales de orden n.
e) (Criterio de Routh-Hurwi
z) Muestre que en el sistema dinámi-
o de orden n , ẋ = Ax, la e
ua
ión
ara
terísti
a
tiene todas sus rai
es
on parte real negativa si, y sólo 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-
ión de estabilidad asintóti
a para ẋ = Ax.
g) Sin
al
ular explí
itamente los valores propios del sistema di-
námi
o ẋ = Ax, de
ida si la solu
ión x = 0 es asintóti
amente
estable o no,
uando
3 1 4
A = 5 2 2
2 3 −2
donde f (·) es una fun
ión determinada. En nota
ión
onveniente, esto se
es
ribe
x0 , f (x0 ), f 2 (x0 ), f 3 (x0 ), . . .
xt xt xt
x0 • x0 • x0 •
t t t
aso c > 1
aso c = 1
aso c < 1
xt = x0 ct
( ) Si c < 1, xt → 0 uando t → ∞
xt xt xt
x0 • x0 • x0 •
t t t
aso |x0 | > 1
aso |x0 | = 1
aso |x0 | < 1
Figura 24: Traye
torias del ejemplo 36.
Ejemplo 37.
El sistema
xt+1 = (t + 1) xt
on x0 dado, tiene
omo solu
iones
donde t! = 1 · 2 · 3 · · · (t − 1) · t. 22
Es de
ir, la solu
ión general es
xt = t ! x0
donde
t−1
Y
c(i) = c(0) c(1) · · · c(t − 1)
i=0
donde c(·), b(·) son fun
iones
ualquiera. Éste tiene
omo solu
iones
t−1
! t−2 t−1
!
Y X Y
xt = c(i) x0 + b(t − 1) + c(i) b(k)
i=0 k=0 i=k+1
22
Re
uerde que t! se lee t fa
torial.
324 Matemáti
as para e
onomistas III: Optimiza
ión y dinámi
a
Ejemplo 40.
De a
uerdo
on el ejemplo 39, el sistema dinámi
o lineal
7
xt+1 = 2xt + 3t , x0 =
8
tiene enton
es
omo solu
ión general,
t
7 t 3t X 2 i
xt = (2 ) + i( )
8 2 3
i=0
(a) Si una suma ini
ial de dinero S0 re
ibe interés simple a la tasa r
por periodo de paso, la
antidad de dinero en
ualquier tiempo t (en
años, meses, et
.), St , estará regida por el sistema dinámi
o dis
reto
St+1 = St + rS0 t = 0, 1, 2 . . .
St = S0 (1 + r t) t = 0, 1, 2 . . .
(b) La situa
ión es diferente
uando la suma de dinero ini
ial re
ibe
interés
ompuesto a la tasa i por periodo de paso. En tal
aso, la
antidad de dinero en
ualquier tiempo t, St , estará regida por el
sistema dinámi
o dis
reto
St+1 = St + iSt t = 0, 1, 2 . . .
St+1 = (1 + i)t S0 t = 0, 1, 2 . . .
St St
S0 • S0 •
t t
(a) (b)
Figura 25:
En el panel (a), la traye
toria de una
antidad de dinero bajo interés sim-
ple. En el panel (b), la traye
toria de una
antidad de dinero bajo interés
ompuesto.
Ejemplo 43.
(a) El sistema dinámi
o xt+1 = cxt , c 6= 0, del ejemplo 34, sólo tiene un
equilibrio x∗ = 0, pues f (x) = cx sólo interse
ta la re
ta y = x en
ese punto.
(b) El sistema dinámi
o xt+1 = (xt )2 del ejemplo 36 tiene
omo úni
os
equilibrios x∗ = 0 y x∗ = 1 pues f (x) = x2 sólo interse
ta la re
ta
y = x en estos dos puntos.
Ejemplo 44. (La fun
ión
arpa ( tent map ))
En el sistema dinámi
o
xt+1 = T (xt )
donde (
2x para 0 ≤ x ≤ 12
T (x) =
2(1 − x) para 12 < x ≤ 1
2
existen dos equilibrios x∗ = 0 y x∗ = 3 (ver gura ??).
x∗
x∗
Figura 26: Fun
ión Carpa.
xt+1
xt+1 = xt
x∗
•
x0 x1 xt
Figura 27: Diagrama de fase para dos
ondi
iones ini
iales distintas.
Le
ión 3: Sistemas dinámi
os 329
• •
x0 xt x0 xt
Ejemplo 45.
El diagrama de fase del sistema, para x0 dado,
xt+1 = cxt c 6= 0, 1
Si la pobla
ión ini
ial es x(0) = x0 , enton
es, por itera
ión simple, sabe-
mos que
xt+1 = x0 µt
es su solu
ión. Si µ > 1, enton
es xt → ∞
uando t → ∞; si µ = 1,
enton
es xt = x0 para todo t; y si µ < 1, enton
es xt → 0
uando
t → ∞, y la pobla
ión se extinguirá eventualmente. Sin embargo, para
la mayoría de las espe
ies biológi
as ninguno de estos
asos es válido:
330 Matemáti
as para e
onomistas III: Optimiza
ión y dinámi
a
xt+1
•
x0 x∗ = 0.6 xt
Figura 29: Diagrama de fase de la fun ión logísti a dis reta on µ = 2.5
b
•
x0 x0 x∗ = b xt
1+a
xt
x∗ + ǫ
x∗ + δ
xt0
x∗
x∗ − δ
x∗ − ǫ
t
Figura 31: El equilibrio x∗ es estable.
332 Matemáti
as para e
onomistas III: Optimiza
ión y dinámi
a
xt
x∗ +η
xt0
x∗
x∗ − η
t
Figura 32: El equilibrio x∗ es asintóti
amente estable.
En primer lugar, si |f ′ (x∗ )| < M < 1 para
ierto M > 0, enton
es,
por la
ontinuidad de f ′ , existe un intervalo I que
ontiene a x∗ tal que
|f ′ (x)| ≤ M < 1 para todo x ∈ I . Por el teorema del valor medio (ver
volumen II, le
ión 3) existe ξ entre
ualquier xt0 ∈ I y x∗ tal que
|xt0 +1 − x∗ | = |f (xt0 ) − f (x∗ )| = |f ′ (ξ)||xt0 − x∗ | ≤ M |xt0 − x∗ |
Por indu
ión se tendrá enton
es que
|xt0 +t − x∗ | ≤ M t |xt0 − x∗ |
y, de allí,
omo |xt0 − x∗ | = η enton
es se tendrá que lı́mt→∞ xt = x∗ .
Le
ión 3: Sistemas dinámi
os 333
Ejemplo 48.
Anali
emos la estabilidad de los sistemas de los ejemplos 45-46:
Demostra ión.
[Sólo 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
ón
ava (f ′′ (x) < 0) o
onvexa
(f ′′ (x) > 0) en una ve
indad de x∗ . Por ejemplo, si f ′′ (x∗ ) > 0, enton
es
334 Matemáti
as para e
onomistas III: Optimiza
ión y dinámi
a
i) Si −2f ′′′ (x∗ ) < 3 (f ′′ (x∗ ))2 , enton es x∗ es asintóti amente estable.
Demostra ión.
Ejemplo 49.
Para en
ontrar los puntos de equilibrio y su estabilidad en el sistema
Ejer
i
ios 3
1. Muestre que xt = 3t − 2t−3 , t = 0, 1, 2, . . ., satisfa
e el sistema
dinámi
o dis
reto
xt+1 = 2xt + 3t
(a) xt+1 = 5t xt ; x0 = 2
(b) xt+1 = 2 xt ;
1
x0 = 1
t
(
) xt+1 =4+ xt ; x0 = 3
t+1
5. Judith pide un préstamo de 50 millones al Ban
o PrestaCasa a una
tasa de interés del 10 % anual. El Ban
o le propone a Judith los
siguientes sistemas de pago:
Deni
ión 20. (¾Qué es resolver este sistema dinámi
o dis
re-
to?)
Dadas las
ondi
iones ini
iales (x0 , y0 ), resolver el sistema dinámi
o (*)
es en
ontrar todas las traye
torias posibles (xt , yt ) que satisfagan simul-
táneamente las dos e
ua
iones en diferen
ias. A
ada una de estas tra-
ye
torias (xt , yt ) se le
ono
e
omo una solu
ión al sistema dinámi
o.
xt+1 = f (xt , yt , t)
yt+1 = g(xt , yt , t)
xt+1 = f (xt , yt , t)
yt+1 = g(xt , yt , t)
para todo t = 1, 2, 3, . . . ,
338 Matemáti
as para e
onomistas III: Optimiza
ión y dinámi
a
xt+1 = 2xt + yt
yt+1 = xt − 2yt
xt+1 = xt (yt − 1)
yt+1 = yt2 − xt
xt+1 = f (xt , yt , t)
yt+1 = g(xt , yt , t)
yt yt yt
• • •
(x∗ , y ∗ ) (x∗ , y ∗ ) (x∗ , y ∗ )
xt xt xt
Eq. estable Equ. asint. estable Equ. inestable
Figura 33:
zt+1 = Azt
a11 a12
donde zt = (xt , yt ) , A =
T .
a21 a22
340 Matemáti
as para e
onomistas III: Optimiza
ión y dinámi
a
zt+1 = Azt + b
a11 a12
donde zt = (xt , yt )T , A= , b = (b1 , b2 )T .
a21 a22
ii) Si la matriz A del sistema (SDisL) tiene un valor propio real repetido
(es de
ir, de multipli
idad 2), enton
es la solu
ión general tiene la
forma
donde
c11 c12 c
(A − λI) =0 ; (A − λI) = 11 (*)
c21 c22 c21
y α, β ∈ R.
Le
ión 3: Sistemas dinámi
os 341
iii) Si la matriz A del sistema (SDisL) tiene dos valores propios
om-
plejos
λ1 = r(cos θ + i sen θ), λ2 = r(cos θ − i sen θ)
enton
es la solu
ión general tiene la forma
zt = Azt−1 = . . . = At z0 = CDt C −1 z0
Si c−1
ij es la entrada ij de la matriz C
−1 , enton
es
donde α = c−1 −1 −1 −1
11 x0 + c12 y0 , β = c21 x0 + c22 y0 .
ii) Si A tiene un sólo valor propio (que tiene que ser real), enton
es,
por el teorema de des
omposi
ión de Jordan, existe una matriz C
tal que C −1 AC = J , donde
λ 1
J=
0 λ
342 Matemáti
as para e
onomistas III: Optimiza
ión y dinámi
a
Si c−1
ij es el elemento ij de la matriz C
−1 , enton
es
donde α = c−1 −1 −1 −1
11 x0 + c12 y0 , β = c21 x0 + c22 y0 .
yt
•
•
••
• • xt
Solu ión
(
) Las solu
iones (ver gura 34) son, enton
es, de la forma
√ π √ π
xt = 3α2t cos( t) − 3β2t sen( t)
3 3
t π t π
yt = −α2 sen( t) − β2 cos( t)
3 3
notamos que:
(a) El úni
o equilibrio del sistema es x∗ = y ∗ = 0.
xt = 2 α (1.5)t + 2 β (0.5)t
yt = α (1.5)t − β (0.5)t
on α, β ∈ R. N
El siguiente
riterio nos será de ayuda
uando busquemos estable
er la
estabilidad del equilibrio (0, 0) de un sistema lineal homogéneo:
Teorema 14. (Criterio de estabilidad)
En el sistema dinámi
o lineal dis
reto
• yt • • • yt • •
• • • •
• • • • • •
• • • • • •
• • • • •
• •
• •
• •
•
•• ••
•• •• • • • •
•
•••• ••
•• xt •
•
•
•
•
•
•
•
•
•
•
• xt
• • • • •
• •
• •
• •
•
• • • • • •
• • • • • •
• • • •
• • • • • •
(a) (b)
Figura 36:
Panel (a): Nodo asintóti
amente estable (λ1 = λ2 < 1). Panel (b): Nodo
degenerado (λ1 < λ2 = 1).
Ejemplo 55.
xt+1 = xt + yt
yt+1 = 0.25xt + yt
Demostra ión.
Queda
omo ejer
i
io para el le
tor. [Indi
a
ión: Utili
e re
ursión (y pa-
ien
ia)℄
Ejemplo 56.
Para resolver el sistema
xt+1 = 2xt + yt + t x0 = 1
yt+1 = 2yt + 1 y0 = 1
2 1 t
omenzamos es
ribiendo A(t) = , B(t) = . Sabemos, según
0 2 1
el teorema 13, que la solu
ión general al sistema homogéneo es
xpt = m0 + m1 t
Le
ión 3: Sistemas dinámi
os 347
ytp = m2 + m3 t
y se trataría enton
es de hallar los
oe
ientes des
ono
idos m0 , m1 , m2 ,
y m3 . Por lo tanto, al satisfa
er éstas el sistema dinámi
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, m2 = −1, m3 = 0
Y así, la solu
ión parti
ular es
xpt = −t ytp = −1
Por
onsiguiente, la solu
ión general al sistema no-homogéneo es
xt = xgt + xpt = α 2t + βt 2t−1 − t
yt = ytg + ytp = β 2t − 1
Por las
ondi
iones ini
iales, tenemos que α = 1 y β = 2;
on lo
ual,
xt = (1 + t)2t − t
yt = 2t+1 − 1
El le
tor puede
omprobar que estas solu
iones satisfa
en el sistema di-
námi
o dado.
Nota 6. (E
ua
ión en diferen
ias
omo sistema dinámi
o)
Obsérvese que una e
ua
ión en diferen
ias de orden 2 de la forma
xt+2 + p1 xt+1 + p0 xt = 0
se puede es
ribir
omo el sistema planar de e
ua
iones en diferen
ias
xt+1 = yt
yt+1 = −p1 yt − p0 xt
y que, por tanto, puede resolverse en
ontrando las solu
iones a la e
ua-
ión auxiliar
λ2 + p1 λ + p0 = 0
que serán exa
tamente los valores propios del sistema planar aso
iado.
Ejemplo 57.
Resolvamos las siguientes e
ua
iones en diferen
ias:
348 Matemáti
as para e
onomistas III: Optimiza
ión y dinámi
a
Solu
ión
(a) La e
ua
ión en diferen
ias xt+2 + 8xt+1 + 12xt = 0 es equivalente al
sistema lineal
xt+1 = yt
yt+1 = −8yt − 12xt
xt = α(−6)t + β(−2)t
(b) De forma similar, podemos probar que la solu
ión general a la e
ua-
ión en diferen
ias xt+2 − 3xt+1 + 2xt = 0
on
ondi
iones ini
iales
x0 = 1 y x1 = 3 está dada por
xt = −1 + (2)t+1
Nt = Nt−t1 + Nt−t2
Nt = Nt−1 + Nt−2
Nt − Nt−1 − Nt−2 = 0
xt+1 = f (xt , yt )
yt+1 = g(xt , yt )
donde ∇f |(x∗ ,y∗ ) y ∇g|(x∗ ,y∗ ) son los gradientes de f (·, ·) y g(·, ·) eva-
luados en (x∗ , y ∗ ) respe
tivamente. Todo esto puede es
ribirse aún más
sintéti
amente así:
A la omponente
Y, por lo tanto,
i) Si (x∗ , y ∗ ) es un equilibrio asintóti
amente estable de la linealiza
ión
del sistema no-lineal, enton
es también es un equilibrio asintóti
a-
mente estable del sistema no-lineal.
Le
ión 3: Sistemas dinámi
os 351
Demostra ión.
Ejemplo 59.
¾Qué tipo de estabilidad tendrá el equilibrio (0, 0) en el sistema no-lineal
ayt
xt+1 = (= f (xt , yt ))
1 + x2t
bxt
yt+1 = (= g(xt , yt ))
1 + yt2
(a) Si |ab| < 1 enton
es (0, 0) es asintóti
amente estable para el sistema
no-lineal.
27
Ejemplo 60. (E
ua
ión logísti
a de Pielou (1977))
α−1
Anali
emos la estabilidad del equilibrio x∗ = y ∗ = del sistema
β
dinámi
o no-lineal
αxt αyt
xt+1 = , yt+1 =
1 + βxt 1 + βyt−1
26
Perron, Oskar (1929), Über Stabilität 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 Matemáti
as para e
onomistas III: Optimiza
ión y dinámi
a
xt+1 = f (xt , yt )
yt+1 = g(xt , yt )
i) V (x∗ , y ∗ ) = 0
ii) V (x, y) > 0 para todo (x, y) en una ve
indad de (x∗ , y ∗ )
on (x, y) 6=
(x∗ , y ∗ ).
iii) ∆V (x, y) = V (f (x, y), g(x, y)) − V (x, y) ≤ 0 para todo (x, y) en una
ve
indad de (x∗ , y ∗ )
on (x, y) 6= (x∗ , y ∗ ).
Demostra ión.
Ejemplo 61.
Consideremos el sistema dinámi
o
αxt
xt+1 = yt , yt+1 =
1 + βyt2
354 Matemáti
as para e
onomistas III: Optimiza
ión y dinámi
a
Ejemplo 62.
Consideremos el sistema
1
xt+1 = 2yt − 2yt x2t , yt+1 = xt + xt yt2
2
uyos tres equilibrios son
√ √ ! √ √ !
2 2 2 2
(0, 0), , , − ,−
2 2 2 2
∆V (xt , yt ) = 4yt2 − 8yt2 x2t + 4yt2 x4t + x2t + 4x2t yt2 + 4x2t yt2 − x2t − 4yt2
29
El le
tor interesado puede
onsultar el magní
o texto Gu
kenheimer, John y
Philip Holmes (1983), Nonlinear Os
illations, Dynami
al Systems and Bifur
ations
of Ve
tor Fields, SpringerVerlag, New York.
Le
ión 3: Sistemas dinámi
os 355
Ejemplo 63.
Consideremos el sistema
uyo úni
o equilibrio es (0, 0). Tomando la fun
ión de Lyupanov V (x, y) =
x2 + y 2 , obtenemos que
Ejer
i
ios 4
1. Cal
ule los equilibrios de los siguientes sistemas dinámi
os dis
re-
tos:
xt+1 = 3xt + 2yt xt
(a) (b) xt+1 =
yt+1 = −xt + 5yt 1 − yt
yt
yt+1 =
√ √ 1 − xt
(
) x t+1 = x t − y t (d)
2 2
xt+1 = xt yt
yt+1 = xt − yt y = 3x + 2y
t+1 t t
9. Para el sistema
yt xt
xt+1 = , yt+1 =
1 + x2t 1 + yt2
a) Muestre que las solu
iones un sistema dinámi
o dis
reto zt+1 =
Azt + h(t) depende de los valores propios de la matriz n × n, A.
b) Es
riba las formas generales explí
itas de estas solu
iones.
) Pruebe que una e
ua
ión en diferen
ias de orden k,
donde
0 1 0 ··· 0
0 0 1 ··· 0
0 0 0 ··· 0
A(t) = .. .. .. .. ..
. . . . .
0 0 0 ··· 1
−pk (t) −pk−1 (t) −pk−2 (t) · · · −p1 (t)
0
0
h(t) = ..
.
B(t)
y
Para los sistemas dinámi
os lineales, los puntos de equilibrio son los úni-
os atra
tores. Sin embargo, los sistemas dinámi
os no-lineales tienen
mu
has más posibilidades: por ejemplo, su
omportamiento asintóti
o
puede ubi
arse sobre un estado os
ilante. Una ilustra
ión de esto es el
péndulo de un metrónomo que, independiente de sus
ondi
iones ini
ia-
les, naliza siguiendo un movimiento periódi
o
on la fre
uen
ia es
ogida.
A tales atra
tores se les
ono
e
omo
i
los límites (en el
aso
ontinuo)
y K -
i
los (en el
aso dis
reto), y veremos en seguida ejemplos de esto.
Mu
ho más exóti
os son los atra
tores extraños, llamados así pre
isamen-
te debido a sus propiedades raras y no anti
ipadas. El movimiento sobre
un atra
tor extraño muestra la mayoría de las propiedades aso
iadas
on
omportamientos aleatorios, aunque las e
ua
iones de movimiento sean
ompletamente determinísti
as : el
omportamiento aleatorio surge de
forma intrínse
a de la dinámi
a del sistema. Por ejemplo, aunque en pe-
riodos
ortos es posible seguir la traye
toria exa
ta de
ada punto ini
ial,
en periodos largos, las pequeñas diferen
ias en la posi
ión original se am-
pli
an enormemente, y, por tanto, son muy difí
iles las predi
iones de
su
omportamiento de largo plazo.
Ejemplo 64. (Ci
los límites en sistemas
ontinuos)
Existen sistemas físi
os tales que, para os
ila
iones pequeñas, introdu
en
energía al sistema, en tanto que, para os
ila
iones grandes, extraen ener-
gía del mismo. En otras palabras, las os
ila
iones grandes serán amor-
tiguadas, mientras que las os
ila
iones pequeñas serán ampli
adas. La
360 Matemáti
as para e
onomistas III: Optimiza
ión y dinámi
a
intui
ión a partir de esto, es que el sistema debería tender a
ierto
om-
portamiento periódi
o. Una e
ua
ión que revela esta situa
ión, se presen-
ta en el estudio de
ir
uitos elé
tri
os en el va
ío: es la famosa e
ua
ión
de van der Pol (1927):
ẋ = µ(1 − y 2 )x − y
ẏ = x
xt+1 xt+1
• x∗
• x∗ • x∗
x∗ •
x∗ • x∗ •
x0 x1 xt x1 xt
(a) (b)
Figura 38:
son
asi iguales, enton
es las
ondi
iones nales serán
asi las mismas.
Para sistemas lineales esta hipótesis puede ser
orre
ta. Pero para sis-
temas no-lineales esto es falso, y el resultado es, pre
isamente, el
aos
determinísti
o.
xt+1
• x∗
x∗ •
x0 x1 xt
A pesar de que a prin
ipios del siglo XX, Poin
aré (1952)31
omprendió
esta posibilidad
on toda pre
isión, el
aos determinísti
o permane
ió
virtualmente inexplorado y des
ono
ido hasta los años 1960's: Las se-
millas sembradas por Poin
aré sólo podían germinar
on los avan
es de
la matemáti
a experimental a través de
omputadores. En efe
to: los
movimientos
ompli
ados y erráti
os de los sistemas
aóti
os determi-
nísti
os sólo
omenzaron a entenderse mejor a través de las
omplejas
guras geométri
as de
omputador aso
iadas
on estos movimientos: los
fra
tales.
El término 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
orporó al
uerpo
prin
ipal de investiga
ión de los sistemas
aóti
os
uando se hizo
la-
ro que estos exóti
os objetos geométri
os apare
ían muy
omúnmente
31
Poin
aré, Henry (1952), S
ien
e and Method, New York.
32
Mandelbrot, Benoit (1983), The Fra
tal Geometry of Nature, New York: W.H.
Freeman and Company.
364 Matemáti
as para e
onomistas III: Optimiza
ión y dinámi
a
xt
x∗
1
x∗ = 1 − µ
Figura 41:
Bifur
a
ión trans
ríti
a en la e
ua
ión logísti
a. Las líneas punteadas indi-
an las regiones de inestabilidad y las líneas sólidas indi
an las regiones de
1
estabilidad: Si µ < 1, x = 0 es estable; si µ > 1, x = 1 −
∗ ∗
µ es estable.
µ+1 1 p
x∗1 = + (µ + 1)(µ − 3)
2µ 2µ
µ+1 1 p
x∗2 = − (µ + 1)(µ − 3)
2µ 2µ
Observemos que esta expresión es real sólo para µ ≥ 3, que es
uando
omienzan a apare
er los dos 2-
i
los.
Es posible
ontinuar de esta forma y bus
ar para qué valores del pará-
metro µ podemos tener 3-
i
los. Sin embargo, algo de trabajo
ompu-
ta
ional
on la itera
ión f 3 (x) = x no nos arroja ningún resultado. Pero,
si bus
amos 4-
i
los mediante la itera
ión f 4 (x) √ = x, en
ontramos (me-
diante
omputador) que apare
en
uando 1 + 6 < µ < 3.544090 . . . ; y
uando 3.547090 . . . < µ < 3.564407 . . . apare
e un 8-
i
lo, y este pro-
eso de bifur
a
ión
ontinua indenidamente. Así se forma una su
esión
{µn } donde µ0 = 3, µ1 = 3.449499, µ2 = 3.544090, µ3 = 3.564407,
. . ., y se puede mostrar que esta su
esión
onverge al valor de Feigen-
baum µ∞ = 3.57. Es de
ir, notablemente, todos estos
i
los de periodos
2, 4, 8, 16, 32, . . . , 2n , . . . , o
urren en la región nita de µ por debajo del
valor µ∞ = 3.57 (ver gura 43).
Es todavía mu
ho lo que se puede aprender de este simple ejemplo. Aquí,
el me
anismo mediante el
ual el sistema
ambió de un movimiento re-
Le
ión 3: Sistemas dinámi
os 367
x∗
2
3
µ
1 3
Figura 42:
2
Bifur
a
ión tipo tenedor para µ > 3:
un equilibrio estable x∗ = 3 se bifur
a
1
en un 2-
i
lo más un punto jo estable x = 1 − .
∗
µ
x′
√
1 3 1+ 6 3.54409 µ
gular a uno
aóti
o fue el de las bifur
a
iones doblando el periodo (es
de
ir, mediante una su
esión de
i
los límites
on periodos
re
ientes
on
2n , también llamadas bifur
a
iones de
as
ada ). Sin embargo, ésta no es
la úni
a forma en que los sistemas no-lineales pasan del movimiento re-
gular al movimiento
aóti
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: ¾qué su
ede
uando µ > µ∞ ≈ 3.57? Por en
ima de µ∞ la diná-
mi
a es turbulenta: La e
ua
ión logísti
a muestra
onjuntos de atra
ión
mu
ho más
omplejos que los puntos jos y los
i
los límite que apare
en
por debajo de µ∞ . Allí sí apare
en K -
i
los para
ualquier orden K .
368 Matemáti
as para e
onomistas III: Optimiza
ión y dinámi
a
λ 3.57
donde f t(·) denota la t-ésima itera
ión de f (·). Se sabe que λ siempre
existe y que es independiente de x para la mayoría de las
ondi
iones
ini
iales. Un valor λ > 0 indi
a que puntos ini
iales
er
anos se separan
exponen
ialmente a una tasa λ. Por ejemplo, el exponente Lyapunov
de la e
ua
ión logísti
a apare
e en la gura 44. Las regiones
aóti
as
son aquellas en las que λ > 0. Obsérvese que sólo apare
en regiones
aóti
as
uando µ > 3.57 ≈ µ∞ . Las regiones para µ > 3.57 en las que
λ < 0
orresponden a las llamadas ventanas periódi
as que apare
en en
la gura 44. N
de donde
θt+1 = 2θt
y su solu
ión es θt = θ0 2t . Notemos que su exponente de Lyapunov es
fá
ilmente
al
ulable:
ln θ0 2t ln θ0 t ln 2
λ = lı́m = lı́m + = ln 2 ≈ 0.693 > 0
t→∞ t t→∞ t t
Ejer
i
ios 5
1. Pruebe que el exponente de Lyapunov de la fun
ión
arpa es, tam-
bién, ln 2.
6. Contexto e
onómi
o
Sólo hasta ha
e
in
o dé
adas (o un po
o más), los modelos dinámi
os
no-lineales no tenían mayor impa
to en el desarrollo de la teoría e
o-
nómi
a. In
lusive estas herramientas eran des
ono
idas, o
onsideradas
irrelevantes. Los primeros sistemas dinámi
os en e
onomía apare
ieron,
en modelos bien desarrollados, durante los años 1950's y 1960's
on los
trabajos de Ri
hard Goodwin [1913-1996℄. Allí, él estudiaba el problema
de la existen
ia de os
ila
iones persistentes, determinísti
as y endógenas
en el
i
lo e
onómi
o dentro de la tradi
ión keynesiana y de Cambrid-
ge (UK). Sin embargo, estos trabajos no tuvieron su
iente inuen
ia,
en su momento, para garantizar el despegue de las teorías no-lineales.
In
lusive,
asi
ualquier esfuerzo en este sentido era
ondu
ido a la ma-
nera de un sistema dinámi
o lineal
on, en el mejor de los
asos, alguna
ara
terísti
a esto
ásti
a.
A pesar de esto, en los últimos treinta años, mu
hos e
onomistas han
venido mirando las distintas variables e
onómi
as bajo la hipótesis de
que una por
ión relevante de ellas podría expli
arse
omo un fenómeno
dinámi
o no-lineal,
reado por la intera
ión de fuerzas de mer
ado, te
-
nologías, preferen
ias, et
. En los 1980's hubo una explosión de modelos
on dinámi
as no-lineales que intentaban expli
ar la evidente irregulari-
dad de variables ma
roe
onómi
as tales
omo el PIB, las tasas de interés,
las tasas de desempleo, et
., mirando la posibilidad de que la sola no-
linealidad pudiera dar origen a estos
omportamientos, sin que hubiera
rastro alguno de aleatoriedad.
Quizás el primer artí
ulo en este sentido fue el de Benhabib y Day (1981)
quienes estudiaban
onsumo, inter
ambio y a
umula
ión en modelos de
genera
iones traslapadas (Samuelson (1958)33 34 ). Otro artí
ulo pione-
ro
on aquella orienta
ión es el de Dana y Malgrange (1984)35 quienes
33
Samuelson, Paul (1958), An Exa
t Consumption-Loan Model of Interest with or
without the So
ial Contrivan
e of Money, Journal of Politi
al E
onomy.
34
Los modelos de genera
iones traslapadas son modelos
ompetitivos de dos tipos
de agentes (jóvenes y viejos) en los que el
omer
io sólo puede darse entre agentes de
distinto tipo.
35
Dana, R.A. y P. Malgrange (1984), The Dynami
s of a Dis
rete Version of
a Growth Cy
le Model, Analizing the Stru
ture of E
onometri
Models, Ed. J.P.
An
ot.
Le
ión 3: Sistemas dinámi
os 371
a) El modelo IS-LM
el estudio de ese largo plazo. Sus bases eran dos leyes e
onómi
as que
podían resumirse así: i) El nivel general de pre
ios es propor
ional a la
antidad de dinero en
ir
ula
ión (teoría
uantitativa del dinero); ii) las
tasas de interés bus
an equilibrar el ahorro y la inversión totales.
Por el
ontrario, en el General Theory, Keynes armaba que, en el
orto
plazo, las tasas de interés no estaban determinadas por el equilibrio entre
ahorro e inversión en pleno empleo, sino por la preferen
ia por liquidez,
que es el deseo del públi
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 prá
ti
os; y si el ahorro deseado era mayor que la inversión deseada, lo
que disminuiría no serían enton
es las tasas de interés, sino los niveles
de empleo y produ
ión.
Durante los años posteriores a la publi
a
ión del General Theory, mu-
hos e
onomistas teóri
os quedaron fas
inados por las impli
a
iones de
aquella visión sobre el fun
ionamiento de una e
onomía. 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 éste, Hi
ks
bus
aba
41
Theory of Employment de Arthur C. Pigou [1877-1959℄ de 1933 . Este
Se reere al
libro,
onjuntamente
on su Employment and Equilibrium de 1941, resumen bien
el pensamiento
lási
o sobre empleo, ingreso, y otras variables ma
roe
onómi
as.
374 Matemáti
as para e
onomistas III: Optimiza
ión y dinámi
a
iii) Se asume, además, que la depre
ia
ión es nula. Así, la produ
ión
de los bienes de inversión
orresponde a la inversión nueva.
•
P
IS
Y
Figura 45: Diagrama IS-LM.
(2) habría un máximo 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
•
P IS
Y
Figura 47: P está a la dere
ha (modelo
lási
o).
378 Matemáti
as para e
onomistas III: Optimiza
ión y dinámi
a
i
LM
P
•
IS
Y
Figura 48: P está a la izquierda (modelo keynesiano).
i
LM ′ LM
Y
Figura 49: Dos
urvas LM para diferentes ofertas monetarias.
y el punto de equilibrio es
hF + β MP kF − (1 − c) M
P
Y = , R= .
βK + h(1 − c) βK + h(1 − c)
Yt = Ct + Rt
Ct = αYt−1
Rt = β(Ct − Ct−1 )
λ2 − (α + αβ)λ + αβ = 0
que son
p
(α + αβ) ± (α + αβ)2 − 4αβ
λ=
2
y que obliga a estudiar tres
asos:
i) Si las dos raí
es son reales y diferentes, es de
ir, si (α + αβ)2 > 4αβ ,
enton
es éstas serán menores que 1 si, y sólo si, α < 1,
omo el le
tor
puede fá
ilmente
omprobar. Por lo tanto Y = 0 es asintóti
amente
estable si, y sólo si, α < 1 (es de
ir, si el a
elerador es pequeño).
ii) Si las dos raí
es son reales e iguales, es de
ir, si (α + αβ)2 = 4αβ ,
√
enton
es éstas serán iguales a αβ . Por lo tanto, en este
aso, Y = 0
será asintóti
amente estable, si, y sólo si, αβ < 1.
iii) Si las dos raí
es son números
omplejos, es de
ir, si (α+αβ)2 < 4αβ ,
enton
es el módulo de ellas es igual a αβ , por lo que la
ondi
ión
para la estabilidad asintóti
a de Y = 0 es, también, αβ < 1. Su
onvergen
ia, sabemos por lo aprendido en esta le
ión, es a través
de
i
los.
Note
ómo este modelo, a través de la intera
ión entre multipli
ador y
a
elerador, puede generar u
tua
iones e
onómi
as endógenas ; es de
ir,
la e
onomía puede exhibir
i
los que no son produ
idos ne
esariamente
por sho
ks aleatorios exógenos. Sobre esta perspe
tiva de la teoría de los
Le
ión 3: Sistemas dinámi
os 383
I = αH(Y, M ) = αI(L(Y, M ), Y )
donde M denota la
antidad de dinero, L(Y, M ) es la fun
ión LM
que representa el valor de la tasa de interés R, y α es un parámetro
positivo. El resto de la nota
ión es
omo en el modelo de Boldrin
(1983).
El modelo lo
omplementan
on un
omportamiento dinámi
o de Y
dado por
Yt+1 = G(Yt , M ) + αH(Yt , M ) + A
donde A es una
onstante positiva que representa el gasto exógeno.
Los autores utilizan fun
iones G y H
ontinuas a trozos.
A
tualmente, es
laro que los
omportamientos de dinámi
as
aóti
as no
son raros, al menos teóri
amente. In
lusive apare
en en numerosas diná-
mi
as aparentemente simples. Hasta ahora la teoría se ha venido movien-
do a partir de modelos muy
ualitativos y abstra
tos,
on predi
iones
un tanto vagas, que no
onllevan una inmediata implementa
ión e
o-
nométri
a. Al pare
er el
amino está abriéndose desde el otro extremo:
el trabajo empíri
o de modelos
omplejos mediante simula
ión
ompu-
ta
ional
ontrolada, está dirigiendo la
onstru
ión de modelos teóri
os.
Quizás así podamos entender mejor el
omportamiento de estas variables
ma
roe
onómi
as.
La no ión de mer an ía
Para el modelo Arrow-Debreu, las mer
an
ías son bienes o servi
ios
on
una pre
isa espe
i
a
ión de sus
ara
terísti
as físi
as, y del lugar y fe
ha
en que se
onsumen u ofre
en. Se asume que sólo hay un número nito,
l, de mer
an
ías, ha
iendo de Rl el espa
io de mer
an
ías del modelo.
Bien 2
x2
x1
Bien 1
El le
tor podrá re
ono
er que las
ondi
iones del literal b) están rela
io-
nadas
on la existen
ia, monotoni
idad,
ontinuidad y
uasi
on
avidad
de la fun
ión de utilidad subya
ente a este
omportamiento del
onsu-
midor (ver el
ontexto e
onómi
o de la le
ión 1).
Un produ
tor es una abstra
ión, tanto sobre las formas legales de orga-
niza
ión (
orpora
ión, propietario independiente, et
.),
omo sobre los ti-
pos de a
tividad (agri
ultura, manufa
tura,
onstru
ión, servi
ios, et
.).
Cada produ
tor debe elegir un plan de produ
ión; es de
ir, una espe-
i
a
ión de las
antidades de insumos ne
esarias para produ
ir unas
determinadas
antidades de produ
tos, para el período en el que se desa-
rrolla la a
tividad e
onómi
a. Los insumos se representarán mediante
números negativos y los produ
tos mediante números positivos. Al
on-
junto de todos los planes de produ
ión se le denomina
onjunto de
produ
ión. Existe un número entero positivo n de produ
tores, y, así,
ada produ
tor estará indi
ado por j = 1, . . . , n. El j -ésimo produ
tor
elige un ve
tor, su plan de produ
ión yj , en un sub
onjunto no-va
ío
del espa
io de mer
an
ías Rl : su
onjunto de produ
ión Yj .
P
Dada una produ
ión yj ∈ Yj para
ada produ
tor, el ve
tor y = nj yj
Pn
se llama la produ
ión total ; el
onjunto Y = j Yj se llama el
onjunto
agregado de produ
ión. Supondremos aquí que, para todo j ,:
(d.1) 0 ∈ Yj (posibilidad de no-a
ión ). Es de
ir, existe la posibilidad de
no operar en el sistema produ
tivo.
Le
ión 3: Sistemas dinámi
os 391
Produ to Produ to
Y
Y
Insumo Insumo
(d.3) Y es
onvexo. Esto impli
a (ver le
ión 1) que el produ
tor no tiene
rendimientos
re
ientes a es
ala (ver gura 51). Esta es, quizás, una
de las mayores limita
iones del modelo Arrow-Debreu.
y otros debilitarían un tanto más estas
ondi
iones, aunque sin nun
a
perder de vista las hipótesis originales del modelo que aún hoy utiliza-
mos
omo
ondi
iones mínimas para que el sistema walrasiano pueda
fun
ionar.
Al
omienzo del período existen unas dota
iones de mer
an
ías agrega-
das dadas de manera exógena. Podemos
ara
terizar en este momento lo
que
onsideramos una e
onomía. Ésta se dene por los
onjuntos de
on-
sumo
ompletamente preordenados por una rela
ión de preferen
ia, los
onjuntos de produ
ión individuales y las dota
iones ini
iales agregadas.
Por su parte, en una e
onomía de propiedad privada, los
onsumidores
son los dueños de las rmas, es de
ir poseen una parti
ipa
ión en los
bene
ios de las mismas y poseen todas las dota
iones ini
iales. Luego,
una e
onomía de propiedad privada se dene por los
onjuntos de
on-
sumo
ompletamente preordenados por una rela
ión de preferen
ia, los
onjuntos de produ
ión individuales, las parti
ipa
iones de los
onsumi-
dores 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
onomía de pro-
piedad privada, aunque la estru
tura del modelo Arrow-Debreu admite
e
onomías que no son ne
esariamente de este tipo, para las
uales existe
un equilibrio
omo probara Debreu en la misma famosa monografía.
61
op.
it.
Le
ión 3: Sistemas dinámi
os 393
(b.3) Si x1i y x2i son dos puntos de Xi , y si t ∈ (0, 1), enton
es x2i ≻i xli
impli
a tx2i + (1 − t)xli ≻i xli .
(d.1) 0 ∈ Yj
(d.2) Y es errado
(d.3) Y es onvexo
Demostra ión.
que satisfaga ((xi ), (yj )) ((xi ), (yj )) no podrá darse que xi ≺ xi para
′ ′ ′
algún i.
Y
on esta deni
ión tenemos versiones muy generales de los teoremas del
bienestar e
onómi
o, vistos en el Contexto e
onómi
o de la le
ión 2.
Para las demostra
iones, remitimos nuevamente al le
tor a la ya
itada
62
op.
it.
Le
ión 3: Sistemas dinámi
os 395
Ejemplos que ilustran los dos teoremas del bienestar e
onómi
o, ya han
sido presentados en el
ontexto e
onómi
o de la anterior le
ión 2.
El siguiente teorema da
ondi
iones su
ientes para la uni
idad del equi-
librio walrasiano en una e
onomía de inter
ambio puro, ex
epto una mul-
tipli
a
ión es
alar (ya que p∗ es un equilibrio walrasiano si, y sólo si, t p∗
es un equilibrio walrasiano, para todo t > 0).
Teorema 21. (Uni
idad del equilibrio walrasiano)
En una e
onomía Arrow-Debreu de inter
ambio puro, si las fun
iones de
ex
eso de demanda agregada son homogéneas de grado
ero en los pre
ios
y satisfa
en la sustitu
ión bruta de las mer
an
ías, enton
es el ve
tor de
pre
ios de equilibrio p* es úni
o salvo por una multipli
a
ión es
alar.
Demostra
ión.
4
X
Ui = γji log xij
j=1
donde las
onstantes γji están dadas por los
oe
ientes aji de la matriz
0.52 0.86 0.5 0.06
0.4 0.1 0.2 0.25
0.04 0.02 0.2975 0.0025
0.04 0.02 0.0025 0.6875
y las dota
iones ini
iales wji están dadas por los
oe
ientes bji de la
matriz
50 0 0 0
0 50 0 0
0 0 400 0
0 0 0 400
Por su parte, el se
tor produ
tivo de la e
onomía está determinado por
la matriz 4 × 6
−1 0 0 0 6 −1
0 −1 0 0 −1 3
0 0 −1 0 −4 −1
0 0 0 −1 −1 −1
Después de algunos
ál
ulos (
on
omputador) se en
uentran los siguien-
tes tres equilibrios. La entrada cji de las matri
es
orresponde a la asig-
na
ión xij (
onsumidor i, mer
an
ía j ):
Equilibrio 1:
26.000 43.000 200.000 24.000
20.000 5.000 80.000 100.000
2.000 1.000 119.000 1.000
2.000 1.000 1.000 275.000
Equilibrio 2:
26.000 67.431 48.490 83.089
12.754 5.000 12.368 220.771
8.249 6.468 119.000 14.280
0.578 0.453 0.070 275.000
Equilibrio 3:
26.000 39.072 224.362 14.499
22.001 5.000 98.768 66.485
1.783 0.810 119.000 0.539
3.311 1.504 1.857 275.000
¾Por qué la in
lusión de fun
iones de produ
ión lineal en esta e
onomía,
lleva a la apari
ión de múltiples equilibrios?
dpi (t)
= zi (p(t)), para i = 1, . . . , l (*)
dt
es el tâtonnement (tanteo) lineal de una e
onomía Arrow-Debreu de in-
ter
ambio puro de l mer
an
ías. Aquí las fun
iones de ex
eso de demanda
zi (·) están denidas sobre el interior de Rl+ , donde se suponen
ontinua-
mente 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
onomía es, en lo demás,
esta
ionaria; es de
ir, que los
onjuntos de
onsumo, las preferen
ias de
los
onsumidores, los
onjuntos de produ
ión y las dota
iones ini
iales
no varían. La regla de ajuste expresa en una forma dinámi
a la famosa
ley de la oferta y la demanda : en
ada instante del tiempo, se in
remen-
tará el pre
io de aquellas mer
an
ías para las
uales exista un ex
eso de
demanda,y se redu
irá el pre
io en las
uales se observe un ex
eso de ofer-
ta. Como se mostrará enseguida, esta regla, por sí misma, no garantiza
que, a partir de un ve
tor de pre
ios ini
ial, la e
onomía tienda, a través
68
S
arf, Herbert (1960), Some Examples of Global Instability of the Competitive
Equilibrium, International E
onomi
Review.
69
Estos son pro
esos tâtonnement en los que es posible, en
ada etapa, la re-
ontrata
ión.
70
Uzawa, H. (1962), On the Stability of Edgeworths Barter Pro
ess, International
E
onomi
Review.
71
Hahn, Frank H. (1962), On the Stability of Pure Ex
hange Equilibrium, Inter-
national E
onomi
Review.
72
Hahn, Frank H. y Takeshi Negishi (1962) A Theorem on Non-Tâtonnement
Stability, E
onometri
a.
Le
ión 3: Sistemas dinámi
os 401
Sea p∗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
ión bruta, enton
es p∗ es globalmente
estable.
Demostra
ión.
P
Derivando,
on respe
to a t, la fun
ión D(t) = j (pj (t) − pj ) ,
∗ 2 obtene-
mos que para p 6= p∗ ,
X X X
Ḋ(t) = 2 ṗj (pj − p∗ ) = 2 (pj − p∗ )(zj (p)) = −2 p∗j zj (p) < 0
j j j
El teorema anterior exige una
ondi
ión bastante restri
tiva: el equilibrio
es globalmente estable si todas las mer
an
ías son sustitutas brutas a
todos los niveles de pre
ios.
uA (xA , yA ) = xA yA uB (xB , yB ) = xB yB
on dota iones
wA = (1, 2) wB = (2, 2)
3px
zy (px , py ) ≡ yA (px , py ) + yB (px , py ) − (wyA + wyB ) = −2
2py
El úni
o equilibrio walrasiano de esta e
onomía
ompetitiva es (tomando
omo numerario p∗y = 1):
4 5 5 7 7
p∗x = , p∗y = 1, x∗A = , ∗
yA = , x∗B = , ∗
yB =
3 4 3 3 4
px
La dinámi
a tâtonnement de este ejemplo la podemos es
ribir,
on =
py
p, así:
dp 2 3
= − (*)
dt p 2
uyo equilibrio es p∗ = 43 , que es asintóti
amente estable, pues la deriva-
da de (*)
on respe
to a p es menor que
ero en p∗ = 43 . Pero también
podríamos haber utilizado el teorema 22 anterior, al darnos
uenta que
las fun
iones de ex
eso de demanda son homogéneas de grado
ero, satis-
fa
en la ley de Walras y, además,
umplen
on la
ondi
ión de sustitu
ión
bruta entre las mer
an
ías, pues
∂zx ∂zy
>0 y >0
py px
N
Han pasado más de 50 años desde que Arrow y Debreu dieron las
on-
di
iones para la existen
ia de un equilibrio
ompetitivo. Sin embargo,
es muy po
o (y muy débil) lo que sabemos a
er
a de las dinámi
as del
modelo Arrow-Debreu. Sólo sabemos su
iente del tâtonnement, pero no
mu
ho más. Cuando pensamos en dinámi
as walrasianas nos remitimos
al
ti
io subastador
reado por el propio Walras. Aquel que, de manera
entralizada, señala pre
ios guiándose por los ex
esos de demanda de las
mer
an
ías, pero que, durante todo este tiempo, asume el resto de la e
o-
nomía totalmente ja. A
tualmente (ver, por ejemplo, Gintis (2007))74
se intenta modelar estas e
onomías
omo sistemas adaptativos
omple-
jos que muestran mejor los
omportamientos típi
os de las e
onomías
de mer
ado. El reto ahora es
onstruir modelos analíti
os formales, y no
solo
omputa
ionales
ontrolados en laboratorio.
74
Gintis, Herbert (2005), The Dynami
s of General Equilibrium, The E
onomi
Journal.
Le
ión 3: Sistemas dinámi
os 403
Deni
ión 31. (Nú
leo de una e
onomía de inter
ambio puro)
El nú
leo de una e
onomía Arrow-Debreu de inter
ambio puro es el
on-
junto de todas las asigna
iones Pareto-óptimas, x, tales que para todo
onsumidor i,
Ui (x) ≥ Ui (wi )
donde Ui es la fun
ión de utilidad del
onsumidor i, y wi su dota
ión
ini
ial.
on dota
iones ini
iales wA = (4, 1) y wB = (1, 4), se tiene, igualando las
tasas marginales de sustitu
ión, que el
onjunto de asigna
iones Pareto-
óptimas es
{ [(x1A , x2A ), (x1B , x2B )] / x1A = x2A , x1A + x1B = 5, x2A + x2B = 5 }
Por lo tanto, el nú
leo está 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
{ [(x1A , x2A ), (x1B , x2B )] / x1A = x2A , x1A +x1B = 5, x2A +x2B = 5, 2 ≤ x1A ≤ 3}N
Le
ión 3: Sistemas dinámi
os 405
B
Curva de Contrato
Nú
leo
Equilibrio b
ompetitivo
b
WA
A
Figura 52: Nú
leo de una e
onomía
79
Hart, Sergiu (2005), Values of Non-Atomi
Ve
tor Measure Games, International
Journal of Game Theory.
406 Matemáti
as para e
onomistas III: Optimiza
ión y dinámi
a
Demostra ión.
La teoría del equilibrio general,
omo
asi toda la teoría e
onómi
a hasta
1950, asumía que los agentes e
onómi
os operaban bajo
ertidumbre; es
de
ir, que los
onsumidores, las rmas, los inversionistas, et
.,
ono
ían
orre
tamente las
onse
uen
ias de sus a
iones o que al menos a
tuaban
omo si así fuera. De esta manera, los produ
tores sabían qué produ
tos
podrían ofre
er a futuro dados los insumos hoy; los inversionistas sabían
qué pre
ios prevale
erían en el futuro para los bienes que planeaban
vender desde hoy, et
.
Obviamente, los e
onomistas y los agentes entendían que el mundo era
in
ierto. Y la literatura mostraba que el
omportamiento e
onómi
o sólo
podía ser expli
ado asumiendo que los agentes estaban advertidos de la
in
ertidumbre. Aún así, no existía ninguna formula
ión general que per-
mitiera la integra
ión de la in
ertidumbre
on la teoría e
onómi
a están-
dar. Pero, en la teoría del equilibrio general, una simple re-interpreta
ión
del
on
epto de mer
an
ía
ondujo a la extensión de los dos teoremas
del bienestar.
Hasta ese momento, una mer
an
ía era un bien o servi
io
uyas
ara
-
terísti
as físi
as, fe
ha y lugar de entrega, estaban bien espe
i
adas
previamente; bajo in
ertidumbre, la deni
ión de mer
an
ía también es-
pe
i
a un evento exógeno (que podría 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
ía
80
Debreu, Gerard, y Herbert S
arf (1963), A Limit Theorem on the Core of an
E
onomy, International E
onomi
Review.
Le
ión 3: Sistemas dinámi
os 407
Este resultado podría verse
omo negativo para la teoría del equilibrio
general. Existen mu
has interpreta
iones de las impli
a
iones de éste (al-
gunas de ellas equivo
adas). Nos adherimos a que el teorema desarrollado
por Sonnens
hein, Mantel, Debreu y Mas-Collel muestra que una e
ono-
mía Arrow-Debreu no puede ser un prototipo a
eptable de una e
onomía
si queremos entenderla más allá del problema de existen
ia y optimali-
dad. Más aún, esta indetermina
ión de los
omportamientos de equilibrio
partiendo sólo de ex
esos de demanda, es una
onse
uen
ia de la falta de
espe
i
idad sobre
ómo intera
túan los agentes unos
on otros. Pre
isa-
mente de esta falta de espe
i
idad ha tratado de en
argarse la teoría de
juegos y, en general, la teoría de las intera
iones e
onómi
as y so
iales.
87
Edgeworth, Fran
is Y.(1897),The Theory of International Values, E
onomi
Journal.
410 Matemáti
as para e
onomistas III: Optimiza
ión y dinámi
a
Agente 2
D I
Agente 1 D 5, 5 0, 4
I 4, 0 2, 2
94
En efe
to: En el equilibrio de Nash (D, D), si el agente 1 de
ide
ambiar su
estrategia D y juega la estrategia I, enton
es estarían jugando (I, D), y el agente 1
pasaría de re
ibir 5 a re
ibir 4; de la misma manera para el agente 2. Un análisis
similar se puede realizar para el equilibrio de Nash (I, I). No sobra agregar aquí el
porqué. Por ejemplo, la estrategia (D, I) no es un equilibrio de Nash: observemos
que el agente 2 re
ibe
on (D, I) un pago de 4, pero si
ambia de opinión y juega
D, enton
es ambos agentes jugarían D y el agente 2 re
ibiría ahora un pago de 5,
que mejora el 4 que estaba re
ibiendo. Así, para este agente, existen in
entivos para
ambiar, a dis
re
ión, de estrategia y por eso no es equilibrio de Nash. Igualmente,
se puede mostrar que (I, D) no es un equilibrio de Nash.
Le
ión 3: Sistemas dinámi
os 413
Últimas dos
A
iones del Oponente Mejor-Respuesta
DD −→ D
II −→ I
ID −→ D
DI −→ D
e1 M = e1 ; e2 M = e3 ; e3 M = e1 ; et .
ei M ∞ donde M ∞ = lı́m M k
k→∞
1 0 0 0 0 0 0 0 0 0
1 0 0 0 0 0 0 0 0 0
1 0 0 0 0 0 0 0 0 0
1 0 0 0 0 0 0 0 0 0
1 0 0 0 0 0 0 0 0 0
M∞ =
1
.
0 0 0 0 0 0 0 0 0
1 0 0 0 0 0 0 0 0 0
1 0 0 0 0 0 0 0 0 0
1 0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 0 1
95
Por ejemplo, Matlab, S
ilab o Mathemati
a.
Le
ión 3: Sistemas dinámi
os 415
dpi
gias, enton
es el
ambio de la propor
ión pi , , se determinará aquí
dt
mediante la dinámi
a del repli
ador :
dpi
= pi (πi − π̄), i = 1, 2, . . . , n
dt
Inmediatamente observamos lo siguiente:
2
Los puntos de equilibrio de esta dinámi
a son PD = 0, PD = 1, PD = ,
3
y su estabilidad la ilustramos en el diagrama de fase de la gura 54.
97
Ver Samuelson, Larry (1998), Evolutionary Games and Equilibrium Sele
tion,
MIT Press.
Le
ión 3: Sistemas dinámi
os 417
Todos Todos
Izquierda Dere
ha
? ?
u u - - -u
2
0 3 1 PD
6 6
I D
I 5, 5 0, 0
D 0, 0 2, 2
Eq. Mixto
u u - - -u
(2, 2) (5, 5)
(D, D) (I, I)
uen
a de atra
ión más grande (ver gura 56). Es de
ir, se requieren
más muta
iones para pasar de (2, 2) a (5, 5) que de (5, 5) a (2, 2). Así,
KMR nos arman que si hay errores pequeños en la ele
ión ra
ional,
los agentes tenderán a
oordinar en la estrategia de más bajos pagos.
Siempre existe el peligro de bus
ar que los problemas e
onómi
os ra
io-
nali
en el uso de las herramientas y no al
ontrario. A pesar de esto, se
ree que los métodos basados en intera
iones abar
an una perspe
tiva
muy amplia en e
onomía, pues allí subya
en problemas aparentemente
disímiles
omo na
imientos por fuera del matrimonio, aglomera
ión de
rmas en regiones, difusión de te
nologías, et
. Es, de he
ho, una herra-
mienta muy poderosa para
omprender fenómenos 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
onómi
os
y no en las dependen
ias indire
tas que surgen de la parti
ipa
ión
on-
junta. Y una
lave se en
uentra que en que esta aproxima
ión por inter-
a
iones so
iales puede estable
er
ara
teriza
iones matemáti
as pre
isas
de
ómo las distintas estru
turas de intera
ión se aso
ian
on distintas
distribu
iones de
omportamiento agregado. En lo que sigue, mostrare-
mos el modelo bási
o Bro
k-Durlauf (2001) de intera
iones so
iales, que
es un paradigma de esta nueva metodología.
99
Durlauf, Steven N. y William A. Bro
k (2001), Dis
rete Choi
e with So
ial In-
tera
tions, Review of E
onomi
Studies.
Le
ión 3: Sistemas dinámi
os 419
Este modelo asume que tenemos una pobla
ión homogénea en la que los
agentes intera
túan simétri
amente, en el sentido de que resuelven
máx ui (wi )
wi ∈{1,−1}
donde
donde tanh(·) es la fun ión tangente hiperbóli a (ver volumen II: Cál ulo)
ex − e−x
tanh(x) =
ex + e−x
420 Matemáti
as para e
onomistas III: Optimiza
ión y dinámi
a
Pero
omo asumimos que todos los agentes son idénti
os, podríamos
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(2βh + 2βJm)
tanh(·) • tanh(·)
• •
m m
•
(a) (b)
Figura 57:
Solu
iones de un juego de intera
iones so
iales: En el panel (a) tres so-
lu
iones de
reen
ias auto
onsistentes; en el panel (b) una úni
a solu
ión
auto
onsistente.
Paradóji
amente, se puede ver en este
aso que redu
ir el nivel de inter-
a
ión entre los agentes (es de
ir, que sólo utili
en su informa
ión privada
y no la públi
a) sería mejor para todos. Bi
k
handani et al. (1992) 103
muestran que si una situa
ión
omo la del modelo de Banerjee o
urre
durante su
iente tiempo, las a
iones a
umuladas de todos los a
tores
ontendrán tanta informa
ión que el agente tendrá in
entivos para igno-
rar su propia informa
ión y su
ederá el llamado fenómeno de
as
ada : a
los agentes les será imposible elegir basados en su propia informa
ión y,
simplemente, seguirán a la multitud.
Comentario último
Otros dos
aminos fundamentales que siguen las investiga
iones a
tuales
están entre los extremos de las estru
turas
ompetitivas y la teoría de
juegos
lási
a:
1. Los modelos de intera
ión lo
al, en los
uales existen estru
turas
de ve
indad bien denidas, los agentes intera
túan, la mayoría de
las ve
es, sólo
on los que están en su ve
indad. El análisis del
omportamiento agregado resultante de este pro
eso es el
entro
del problema. Ejemplos de éstos son alguna parte de la teoría de
juegos evolutivos y una parte de lo que hoy se
ono
e
omo juegos
de la nueva e
onomía so
ial basada en el modelo Bro
k-Durlauf
104
Ver, por ejemplo, Glaeser, Edward y José A. S
heinkman (2002), Non-Market
Intera
tions, Harvard University, Working Paper No. 8053.
105
Aumann, Robert J. (1964), Values of Markets with a Continuum of Traders,
E
onometri
a.
106
Hart, Sergiu (2005), Values of Non-Atomi
Ve
tor Measure Games, International
Journal of Game Theory.
424 Matemáti
as para e
onomistas III: Optimiza
ión y dinámi
a
(1996, 2001)107 .
ẋ = x + y, ẏ = −x + 3y
ẋ = x + 2y + x2 , ẏ = 2x + y + xy
10. Generali
e, hasta donde sea posible, los resultados de esta le
ión
para el
aso de sistemas dinámi
os de tres o más dimensiones.
T1 = k1 x1
T2 = k2 (x2 − x1 )
T3 = k3 (x3 − x2 )
m1 ẍ1 = −T1 + T2
430 Matemáti
as para e
onomistas III: Optimiza
ión y dinámi
a
S1 S2 S3
m1 m2 m3
m2 ẍ2 = −T2 + T3
m3 ẍ3 = −T3
ó
m1 0 0 ẍ1 −(k1 + k2 ) k2 0 x1
0 m2 0 ẍ2 = k2 −(k2 + k3 ) k3 x2
0 0 m3 ẍ3 0 k3 −k3 x3
(*)
ó
ẍ1 x1
M ẍ2 = S x2
ẍ3 x3
109
Debería señalarse que las matri
es simétri
as o
urren muy fre
uentemente en
problemas de la me
áni
a
lási
a.
Le
ión 3: Sistemas dinámi
os 431
dM
= P − AN − CM
dt
dN
= Q − BM − DN
dt
donde M y N son el número 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 pérdida del
ombate;
y C y D son propor
iones de rapidez de pérdida opera
ional (de
a
identes, de tiempo, et
.).
Anali
e los distintos
asos de estabilidad del úni
o equilibrio de
este sistema dinámi
o lineal. ¾Cree usted que este modelo es su-
ientemente sustan
ial para el análisis de este tipo de
oni
tos?
13. Pruebe que la solu
ión general al sistema
xt+1 = xt − 5yt , yt+1 = xt − yt
está dada por
1 2 πt 2 1 πt
xt = 2n [( α − β) cos( ) + ( α − β) sen( )]
5 5 2 5 5 2
πt πt
yt = 2n [α cos( ) + β sen( )]
2 2
para α, β ∈ R.
14. Pruebe que la solu
ión general de la e
ua
ión
xt+2 − 4xt+1 + 4xt = 3t + 2t
es, c1 , c2 ∈ R,
1
xt = (c1 + c2 t)2t + 3t + t2 2t + 6
8
15. (Su
esión de Fibona
i ) Esta su
esión de enteros positivos se deter-
mina
on la
ondi
ión de que
ada término de la su
esión (después
de los dos primeros) es la suma de los dos pre
edentes. Así, la
su
esión es de la forma 1, 2, 3, 5, 8, 13, . . . . Muestre que el término
t-ésimo de la su
esión está dado por la fórmula
" √ !t √ !t #
1 1+ 5 1− 5
yt = √ −
5 2 2
432 Matemáti
as para e
onomistas III: Optimiza
ión y dinámi
a
16. En
uentre las solu
iones generales de las e
ua
iones en diferen
ias
siguientes:
(a) xt+2 − 5xt+1 + 6xt = 0
(b) xt+2 − 5xt+1 + 6xt = 2
(
) xt+2 − 3xt+1 + xt = 2t
(d) xt+2 + xt = 0
πt
(e) xt+2 + xt = sen( )
2
17. Estudie la estabilidad de las solu
iones de la e
ua
ión en diferen
ias
yt = α(1 + β)yt−1 − αβyt−2 + 1, t = 2, 3, . . .
donde α, β > 0.
18. Resuelva (si es posible) los sistemas unidimensionales siguientes
(versión
ontinua y versión dis
reta), dibuje su diagrama de fase,
y anali
e la estabilidad de los equilibrios:
(a) ẋ = −x2 ; xt+1 = −x2t
2 2
(b) ẋ = −x + ; xt+1 = −xt +
x xt
(
) ẋ = −x + 7; xt+1 = −xt + 7
19. En los siguientes sistemas unidimensionales en
uentre un 2-
i
lo y
luego determine su estabilidad:
(a) xt+1 = 2.5 xt (1 − xt ) (e
ua
ión logísti
a )
(b) xt+1 = 1 − x2t
20. En el sistema unidimensional
xt+1 = ax3t − bxt + 1, a, b ∈ R
en
uentre los valores de a y b tales que {0, 1} sea un 2-
i
lo atra
tor.
21. Lineali
e el sistema
xt+1 = sin yt − 0.5xt
yt
yt+1 =
0.6 + xt
alrededor de (0, 0) y determine si este equilibrio es estable.
Le
ión 3: Sistemas dinámi
os 433
22. Espe
ique las
ondi
iones de estabilidad asintóti
a para el equili-
brio (0, 0) del sistema
axt
xt+1 =
1 + yt
byt − xt
yt+1 =
1 + xt
23. [Demostra
ión del teorema de Lyapunov para sistemas dis
retos
(teorema 17)℄
Demostra ión.
tiene una subsu
esión (xti , yti ) que
onverge a
ierto (x′ , y ′ ). Sea
E ⊆ Bα1 (x∗ , y ∗ ) una ve
indad abierta de (x′ , y ′ )
on (x∗ , y ∗ ) ∈ /
V (f (x,y))
E . Denamos sobre E la fun
ión h(x, y) ≡ V (x,y) ; en
ontramos
que h(·) está bien denida, es
ontinua y h(x, y) < 1 para todo
(x, y) ∈ E . Ahora: si η está en el intervalo (h(x′ , y ′ ), 1) enton
es
existe δ > 0 tal que (x, y) ∈ Bδ (x′ , y ′ ) impli
a h(x, y) ≤ η . Así,
para ηi su
ientemente grande,
V (f (xni , yni )) ≤ ηV (f (xni −1 , yni −1 )) ≤ η 2 V (f (xni −2,yni −2 )) ≤ · · ·
434 Matemáti
as para e
onomistas III: Optimiza
ión y dinámi
a
≤ η ni V (f (x0 , y0 ))
De allí que lı́mni →∞ V (xni , yni ) = 0. Pero
omo lı́mni →∞ 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.
Yt = Ct + It
Ct = (1 − s)Yt−1
It = v(Yt−1 − Yt−2 ) + A
Yt − (1 − s + v)Yt−1 + vYt−2 = A
26. Los produ
tores de
ierta mer
an
ía
reen rmemente que el pre
io
de la mer
an
ía que venderán en el período t está dado por la e
ua-
ión dinámi
a pt = ap∗ + (1 − a)pt−1 donde p∗ es un pre
io meta,
pt−1 es el pre
io en el período t − 1, y a es una
onstante. Suponga-
mos que el mer
ado di
ta que la oferta en el periodo t es Ot = 2pt ,
y que la demanda es Dt = 60−pt . Si los mer
ados se va
ían en
ada
período(es de
ir, Ot = Dt en
ada período t), en
uentre el pre
io
p∗ . ¾Cuál es la
ondi
ión sobre a para que la dinámi
a de pre
ios
onverja a p∗ ? Es de
ir, para que p∗ sea realmente el equilibrio de
largo plazo.
Dt = a − bPt Ot = c + dPt−1
31. ¾Será
ierto que en una e
onomía de inter
ambio puro,
on dos
onsumidores y dos bienes, si
ada uno de ellos tiene fun
iones de
utilidad Cobb-Douglas, enton
es el equilibrio walrasiano es úni
o?
32. En una e
onomía walrasiana
on tres mer
an
ías, las fun
iones de
ex
eso de demanda para las dos primeras mer
an
ías son
zx (px , py ) = −px + py + 1
zy (px , py ) = px − 2py + 2
(a) ¾Cuál es la fun
ión ex
eso de demanda para la ter
era mer
an-
ía?
(b) ¾Son los bienes sustitutos brutos?
(
) ¾Cuál es el equilibrio? ¾Es estable?
UA = xA + ln yA , UB = ln xB + ln yB
Introdu
ión
Fueron dos las
ausas prin
ipales del surgimiento del análisis fun
ional
(es de
ir, del análisis 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 matemáti
as: mu
hos de los
on
eptos fundamen-
tales del análisis fun
ional emergían naturalmente desde, por ejemplo,
la teoría de las e
ua
iones diferen
iales, ó la teoría de las fun
iones de
variable real. El análisis fun
ional permitió
omprender numerosos resul-
tados desde un punto de vista úni
o que, a menudo, mostraba diversas
maneras de extensión teóri
a y prá
ti
a. De otro lado, la investiga
ión
de problemas matemáti
os en me
áni
a
uánti
a había llegado a ser un
punto
ru
ial en el desarrollo del análisis fun
ional por sí mismo, pues
reaba y sigue
reando, diversas ramas de éste. Podría de
irse que el aná-
lisis fun
ional es a la físi
a
ontemporánea lo que el
ál
ulo diferen
ial e
integral fue (y es) a la me
áni
a
lási
a.
Puesto que es imposible in
luir aquí los problemas más profundos del
análisis fun
ional, nos
on
entraremos en familiarizar al le
tor, de forma
un tanto breve y esquemáti
a,
on algunos de los
on
eptos más impor-
tantes que fueron estudiados prin
ipalmente a
omienzos del siglo XX,
basados en los artí
ulos
lási
os de Stefan Bana
h (1922) y David Hilbert
[1862-1943℄, quienes fueran los fundadores del análisis fun
ional. Desde
enton
es éste se ha desarrollado vigorosamente, y
on estas estru
turas
se han he
ho apli
a
iones en
asi todas las áreas de las matemáti
as,
439
440 Matemáti
as para e
onomistas III: Optimiza
ión y dinámi
a
muy parti
ularmente (que es lo que aquí nos interesa) a
iertos proble-
mas bási
os en e
ua
iones diferen
iales, en el
ál
ulo de varia
iones, y en
la teoría del
ontrol óptimo.
Nota 1.
En analogía
on Rn , a menudo llamaremos a X el espa
io y, a sus ele-
mentos, puntos.
Ejemplo 1.
(b) El mismo
onjunto Rn puede dotarse de otras métri
as. Por ejemplo,
para x = (xi ), y = (yi ) ∈ Rn podemos denir las dos siguientes:
i)
d(x, y) = máx |xi − yi |
1≤i≤n
ii)
n
X
d(x, y) = |xi − yi |
i=1
X∞
1
d({xi }, {yi }) = [ (xi − yi )2 ] 2 (∗)
i=1
(d) Otro espa
io métri
o, que es, quizás, el más importante para nuestros
intereses en esta le
ión, es el
onjunto C[a,b] de todas las fun
iones
2 P∞ 2 1 P∞ 2 1
La suma (∗) existe puesto que es menor o igual que ( i=1 (xi ) ) +(
2
i=1 (yi ) ) 2 .
442 Matemáti
as para e
onomistas III: Optimiza
ión y dinámi
a
En efe to:
s X
d(A, B) = (aij − bij )2
1≤i,j≤n
Br (x0 ) = {x ∈ X | d(x, x0 ) ≤ r}
Ejemplo 2.
En R2 ,
on la distan
ia estándar, las bolas abiertas y
erradas lu
en
omo
las de la gura 1. Un buen ejer
i
io aquí es que el le
tor dibuje las bolas
abiertas y
erradas de
entro (0, 0) y radio 1 en R2 , pero
on las métri
as
denidas en el ejemplo 1 b). 4
4
Indi
a
ión: En
ontrará algunos
uadrados.
444 Matemáti
as para e
onomistas III: Optimiza
ión y dinámi
a
X X
r r
x0 x0
Ejemplo 3.
En C[a,b] , las bolas abiertas y
erradas (ver gura 2) se es
ribirían así:
Br (f0 ) = g ∈ C[a,b] / máx | f0 (x) − g(x) |< r ;
x∈[a,b]
r r
f0 f0
a b a b
Figura 2: Bola abierta (izq.) y bola
errada (der.)
Ejemplo 4.
Note que en el espa
io C[0,1] , la su
esión de fun
iones {xn }n∈N es a
otada
por la bola
errada de
entro en f ≡ 0 y radio 1; es de
ir, por
Ejemplo 5. (Convergen
ia en Rn )
La
onvergen
ia en Rn
on la distan
ia estándar, es ya
ono
ida desde
el volumen II (Cál
ulo), pues ella es allí la no
ión misma de límite.
f +ǫ
f
fn
f −ǫ
a b
Figura 3: Convergen
ia uniforme de {fn } a f
f1 f2 f3 f5 . . .
f4
0
0 1
Figura 4: Su
esión de fun
iones {fn (x)} = {xn }
1 b
0
0 1
Figura 5: f (x) = 0 si x ∈ [0, 1); f (1) = 1
Ejemplo 7. (Convergen
ia en 2 )
C[a,b]
La
onvergen
ia en el espa
io C[a,b]
2 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 topologías estable
idas por las dos di-
ferentes métri
as, los ha
e espa
ios métri
os
ompletamente distintos.
Sin embargo, a partir de la desigualdad (que fá
ilmente el le
tor puede
omprobar)
√
d∗ (f, g) ≤ b − a d(f, g)
5
Como el le
tor puede fá
ilmente
omprobar
al
ulando la integral que dene la
2
métri
a enC[a,b] .
6 √ −n2 x
Para
omprobar esto, derive fn (x) = n xe
on respe
to a x, e iguale a
ero.
448 Matemáti
as para e
onomistas III: Optimiza
ión y dinámi
a
f1
1/e
f2
f3
.
..
0 1
Figura 6: Convergen
ia en media pero no uniforme
Demostra ión.
ε = d(x0 , x′0 ) y n su
ientemente grande, d(xn , x0 ) < 2ε y d(xn , x′0 ) < 2ε .
Por lo tanto, d(x0 , x0 ) ≤ d(x0 , xn ) + d(xn , x′0 ) < 2ε + 2ε = ε = d(x0 , x′0 ),
′
Teorema 2.
Un punto x0 ∈ X es un punto límite de Y ⊆ X si, y sólo si, existe una
su
esión {xn } de puntos de Y tales que xn → x0
uando n → ∞.
Demostra
ión.
|f (x) − f (x0 )| ≤ |fN (x) − f (x)| + |fN (x) − fN (x0 )| + |fN (x0 ) − f (x0 )|
< ǫ + ǫ + ǫ = 3ǫ
Ejemplo 10.
En C[a,b] , a su vez, el sub
onjunto de todas las fun
iones a
otadas por una
onstante ja K , también es un
onjunto
errado. En efe
to, supongamos
que f ∈ C[a,b] es el límite de una su
esión {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)| < ǫ + K para n su
ientemente grande y ǫ > 0
ualquiera. De
allí que |f (x)| ≤ K para todo x ∈ [a, b].
Demostra ión.
b
y
Y
X
Figura 7: Y es un
onjunto abierto
Demostra ión.
Deni
ión 9. (Fun
ión
ontinua entre espa
ios métri
os)
Sean X y Y espa
ios métri
os. Diremos que una fun
ión f : X → Y es
ontinua en X si para todo
onjunto abierto A ⊆ Y se tiene que f −1(A)
es un sub
onjunto abierto de X .
Y una forma de
ara
terizar esta no
ión de
ontinuidad es, pre
isamente,
ha
er un uso efe
tivo de las métri
as, trans
ribiendo (siempre que sea
posible) lo que ya sabemos de Rn .
Demostra ión.
=(b − a) d(f, g)
Teorema 6.
Toda su
esión
onvergente en un espa
io métri
o es una su
esión de
Cau
hy. La arma
ión re
ípro
a no es
ierta.
Demostra
ión.
1− b b
[ | | ℄
−1 − n1 1
n 1
b b
− −1
−4 −3 −2 −1 1 2 3
−1
Figura 9
ii) Ahora probamos que {xn } tiene una subsu
esión
onvergente {xnk }
y, para
omprobarlo, es
ribimos la desigualdad anterior así:−M ≤
xn ≤ M . Enton
es la su
esión tiene innitos términos de ella en
al menos uno de los dos subintervalos [−M, 0] o [0, M ] (podemos
asumir esto, porque en
aso
ontrario la su
esión sería
onstante
a partir de un N en adelante y, así, es
onvergente). Supongamos
456 Matemáti
as para e
onomistas III: Optimiza
ión y dinámi
a
| fn (x) − f (x) |≤ ǫ
k Uk (p) k ≤ k p k, k Vk (p) k ≤ k p k
iii) Si pn = (an1 , ...anm , ...) es una su
esión de Cau
hy en ℓ2 , enton
es, uti-
lizando Uk , se prueba que, para
ada k jo, la su
esión {ank } es de Cau
hy.
Demostra ión.
El siguiente es uno de los teoremas más útiles para espa
ios métri
os
ompletos. En la próxima se
ión haremos un uso
onveniente de él,
apli
ándolo en el problema de garantizar la existen
ia de solu
iones a
460 Matemáti
as para e
onomistas III: Optimiza
ión y dinámi
a
Demostra ión.
f (n) (x0 )
donde an = . Por ejemplo, allí mostrábamos que (
on x0 = 0)
n!
para todo x ∈ R se tiene que
x3 x5 x7
sen x = x − + − + ...
3! 5! 7!
x2 x4 x6
cos x = 1 − + − + ...
2! 4! 6!
x x2 x3
ex = 1 + + + + ...
1! 2! 3!
y para | x |≤ 1, x 6= −1,
x2 x3 x4
ln(1 + x) = x − + − + ...
2 3 4
y allí la
onvergen
ia la interpretábamos en el sentido Pde
onvergen
ia
puntual, es de
ir, para
ada x jo, se tenía que la serie ∞n=0 an x
on-
n
1 a
n+1
= lı́m
R n→∞ an
462 Matemáti
as para e
onomistas III: Optimiza
ión y dinámi
a
si este límite existe. 13 Por ejemplo, para las tres primeras series de arriba,
se tiene que R = ∞, y en la última serie se tiene que R = 1,
omo el
le
tor puede
omprobar fá
ilmente. Note que, en este último
aso, la serie
onverge si x = 1 pero no
onverge si x = −1.
P
En segundo lugar, notabamos14 que ∞ n=0 an x es una expresión de la
n
Z b ∞
X an n+1
f (x) = x
a n+1
n=0
13
En
aso
ontrario, utilizaremos lı́m sup en lugar de lı́m.
14
En adelante asumiremos que x0 = 0 pues esto simpli
a nuestra dis
usión, y no
limita la generalidad de los argumentos. Si el le
tor lo preere, puede
ambiar x por
x − x0 y obtendrá el resultado deseado.
Le
ión 4: Optimiza
ión dinámi
a 463
x2 x3 x4
ln(1 + x) = x − + − + ... para −1 < x ≤ 1
2 3 4
x3 x5 x7
arctan(x) = x − + − + ... para |x| ≤ 1
3 5 7
Note que, apli
ando lo que ya sabíamos de series innitas (ver volumen II
(Cál
ulo)), en estas dos últimas series de poten
ias hemos aumentado el
dominio de apli
a
ión
on respe
to a las dos series de arriba que fueron
integradas. En la primera se tiene que también
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
En Rn , sabemos (ver volumen II: Cál
ulo) que un sub
onjunto
ompa
to
es uno que es
errado y a
otado. Sin embargo, si quisiéramos
ara
teri-
zar, en general, sub
onjuntos
ompa
tos Y de los espa
ios métri
os X ,
15
Si el le
tor está interesado en adelantar más sobre estos
riterios y, en gene-
ral, sobre las series de poten
ias, le re
omendamos el texto Spivak, Mi
hael (1978),
Cál
ulus, (Vol. II), Editorial Reverté: Bar
elona.
464 Matemáti
as para e
onomistas III: Optimiza
ión y dinámi
a
Teorema 9.
Un espa
io métri
o es
ompa
to si, y sólo si, es
ompleto y totalmente
a
otado.
Demostra
ión.
Ejemplo 19.
En C[a,b] , la bola unitaria de
entro en 0 es una familia uniformemente
a
otada por K = 1.
466 Matemáti
as para e
onomistas III: Optimiza
ión y dinámi
a
|1 − y n | = δ′ (1 + (1 − δ′ ) + ... + (1 − δ′ )n−1 )
δ′2
≥ nδ′ − (n − 1)n
2
1 1
= + >ǫ
2 2n
1
para δ′ = y n su
ientemente grande. N
n
Finalmente, llegamos al teorema
lási
o que
ara
teriza a los
onjuntos
ompa
tos en el espa
io métri
o C[a,b] :
Lema 1.
La imagen de un espa
io métri
o
ompa
to por una fun
ión
ontinua, es
un espa
io métri
o
ompa
to.
Demostra ión.
Demostra ión.
que tiene derivada dis
ontinua y, por tanto, por el teorema fundamental
del Cál
ulo (ver volumen II: Cál
ulo), no puede ser imagen de ninguna
fun
ión
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 métri
as señaladas en el ejemplo 1 b).
[Indi
a
ión: En la primera distan
ia podría tener que dibujar en el
plano R2 , el
onjunto de todos los pares (x, y) que satisfa
en que
máx{| x |, | y |} = 1; y en la segunda distan
ia podría tener que
dibujar el
onjunto de todos los pares (x, y) tales que | x | + | y |=
1. Con esto, hallar las bolas
erradas es inmediato.℄
Le
ión 4: Optimiza
ión dinámi
a 469
xn
fn (x) =
n!
donde, re
ordemos, n! = 1 · 2 · ... · n.
donde
1 1
{{10m x}} ≤ m
10m 10
pruebe, utilizando el
riterio de Weierstrass, que, efe
tivamente,
esta su
esión
onverge uniformemente a la fun
ión
ontinua
∞
X 1
{{10m x}}
10m
m=1
es de Cau
hy en C[−1,1]
2 , pero no existe ninguna fun
ión f ∈ C[−1,1]
2
12. Utilizando las expresiones en series de poten
ias para sen x, cos x,
y ex , en
uentre las
orrespondientes expresiones para:
2
ex
i) xex ; ii) ; iii) x sen x; iv) cos(2x)
2
1 + cos(2x)
v) cos2 x (= ); vi) sen2 x (= (1 − cos2 x))
2
Señale sus
orrespondientes radios de
onvergen
ia.
13. Pruebe que todo sub
onjunto
errado de un espa
io métri
o
om-
pa
to, es
ompa
to. [Indi
a
ión: Primero muestre que el sub
on-
junto también es
ompleto, y después utili
e el teorema 9.℄
14. Sea X un espa
io métri
o
ompa
to. Pruebe que el
onjunto C(X)
de todas las fun
iones f : X → R
on la métri
a dada por
i) x + y = y + x (Ley onmutativa).
viii) 1x = x.
Ejemplo 23.
Los espa
ios métri
os que hemos venido estudiando aquí, son también
espa
ios ve
toriales; es de
ir, además de estru
tura topológi
a, tienen
estru
tura algebrai
a, y esto los ha
e más ri
os matemáti
amente: 17
(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∞
(
) El
onjunto ℓ2 = {(x1 , . . . , xn , . . .) / i=1 (xi ) < ∞} es un espa-
2
(b) El
onjunto C[a,b] de todas las fun
iones
ontinuas denidas sobre un
intervalo
errado [a, b],
on la norma, para f ∈ C[a,b] , denida así:
(I − A)−1 = I + A + A2 + A3 + ...
k (I + A + A2 + ... + Am ) − (I + A + A2 + ... + An ) k
= k An+1 + An+2 + ... + Am k
≤k An+1 k + k An+2 k +...+ k Am k
≤k A kn+1 + k A kn+2 +...+ k A km
I + A + A2 + A3 + ...
18
En el último paso hemos utilizado el he
ho de que k AB k≤k A k k B k. ¾Podría
el le
tor probar esto?
Le
ión 4: Optimiza
ión dinámi
a 477
Pero de la igualdad
Ejer
i
ios 2
1. ¾Será
ierto que el
onjunto de todas las series de Taylor
on el inter-
valo de
onvergen
ia
omún [−R, R] donde −R < a < b < R, es un
subespa
io de Bana
h de C[a,b] ?
*2. ¾Será
ierto que todos los espa
ios de Bana
h innito-dimensionales
son isomorfos a C[a,b] ?
y, por lo tanto, el dis
riminante de esta fun
ión
uadráti
a en k debe ser
positivo; es de
ir, hx, yi2 − hx, xihy, yi ≤ 0, que es equivalente a
p p
|hx, yi| ≤ hx, xi hy, yi
T : H → ℓ2
tal que:
19
Una prueba de esto la en
ontramos, nuevamente, en Kolmogorov y Fomin (op.
it.).
480 Matemáti
as para e
onomistas III: Optimiza
ión y dinámi
a
2 . En 1822, el matemáti
o
2. Ahora
on
entrémonos en el espa
io C[a,b]
fran
és Joseph Fourier [1768-1830℄ estudiaba problemas del movi-
miento de ondas y del ujo de
alor en una super
ie. En Théorie
Analytique de la Chaleur publi
ada aquel año, aseguraba que el
sistema
1 cos(nx) sen(nx)
√ , √ , √ , ...,
2π π π
para n = 1, 2, 3, ..., era ortonormal. Más espe
í
amente, utili-
zando el produ
to interno del espa
io métri
o C[−π,π]
2 , se tiene que
si m 6= n enton
es,
omo el le
tor puede
omprobar,
Z π
sen(nx) sen(mx)
√ √ dx = 0
−π π π
Z π
cos(nx) cos(mx)
√ √ dx = 0
−π π π
y, también, para todo m, n,
Z π
sen(nx) cos(mx)
√ √ dx = 0
−π π π
Z π
1 cos(mx)
√ √ dx = 0
−π 2π π
Z π
1 sen(mx)
√ √ dx = 0
−π 2π π
Además, Z π
sen(nx) sen(nx)
√ √ dx = 1
−π π π
Z π
cos(nx) cos(mx)
√ √ dx = 1
−π π π
Z π
1 1
√ √ dx = 1
−π 2π 2π
y luego mostraba (es
rito en lenguaje moderno) que toda fun
ión
ontinua en [−π, π], tiene una representa
ión en serie de Fourier ;
482 Matemáti
as para e
onomistas III: Optimiza
ión y dinámi
a
Ejer
i
ios 3
1. Muestre que un espa
io de Bana
h H es un espa
io de Hilbert si,
y sólo si, se
umple la ley del paralelogramo
||x + y||2 + ||x − y||2 = 2(||x||2 + ||y||2 )
para todo x, y ∈ H ; y que, en tal
aso, el produ
to interno estará
denido por
1
hx, yi = (||x + y||2 − ||x − y||2 )
4
20
Esta fue la prin
ipal área de investiga
ión del extraordinario matemáti
o
olom-
biano Jairo Charris a quien está dedi
ado este libro.
Le
ión 4: Optimiza
ión dinámi
a 483
dx
= f (x, t), (x0 , t0 ) ∈ A
dt
Demostra ión.
Es una intrin
ada apli
a
ión del Teorema de Arzelá (ver, por ejemplo,
Kolmogorov, A.N. y S.V. Fomin (1970), Introdu
tory Real Analysis, Do-
ver Publi
ations).
21
De he
ho, un operador es una transforma
ión lineal
ontinua T :H→H
on H
un espa
io de Hilbert, sólo que aquí ha
emos uso del isomorsmo de los espa
ios de
2
Hilbert innito-dimensionales,
on ℓ .
484 Matemáti
as para e
onomistas III: Optimiza
ión y dinámi
a
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 ).
Sea ahora 0 < δ < M 1
tal que si |x − x0 | ≤ δ y |y − y0 | ≤ Kδ enton
es
(x, y) ∈ B ; y sea C el
onjunto de fun
iones reales
ontinuas ϕ(·) sobre
∗
y, por ello, ϕ(·) está bien denida pues lo anterior demuestra que ψ(ϕ)
es
ontinua. Ahora notemos que
Z x
|ψ(ϕ)(x)−ψ(ϕ)(x)|
e ≤ |f (t, ϕ(t))−f (t, ϕ(t)|dt
e ≤ M δ máx |ϕ(x)−ϕ(x)|
e
x0 x
Le
ión 4: Optimiza
ión dinámi
a 485
y así
kψ(ϕ) − ψ(ϕ)k
e ≤ M δ kϕ − ϕk
e
donde k · k es la norma del máximo del espa
io de Bana
h C[x0−δ,x0 +δ] .
Pero
omo M δ < 1, enton
es ψ es una
ontra
ión, a la que le podemos
apli
ar el teorema 8 (teorema de punto jo) para garantizar que existe
una úni
a fun
ión y ∈ C ∗ tal que ψ(y) = y ; es de
ir,
Z x
yo + f (t, y(t))dt = y(x)
x0
dy
que,
omo dijimos, es equivalente a la e
ua
ión diferen
ial = f (x, y).
dx
Demostra ión.
Ejer
i
ios 4
1. Basándose en el teorema 13, pruebe el teorema 14.
486 Matemáti
as para e
onomistas III: Optimiza
ión y dinámi
a
I α
II α′
R
Figura 8. Prin
ipio de Fermat
donde v(c(t), ċ(t), t) es una fun
ión
ontinuamente diferen
iable en [t0 , t1 ];
ċ(t) (derivada
on respe
to al tiempo) es una
urva de Rn
ontinua a tro-
zos en [t0 , t1 ]; c0 , c1 ∈ Rn son dados.
Ejemplo 30. (La distan
ia más
orta entre dos puntos)
Un ejemplo simple de lo anterior es el problema de en
ontrar la distan
ia
más
orta entre dos puntos c0 , c1 de un plano. Para ello, sea t la variable
distan
ia y en
ontremos la traye
toria c(t) que
one
ta a c(t0 ) = c0
on
c(t1 ) = c1 , de tal manera que minimi
e la distan
ia atravesada. Pero, del
Cál
ulo bási
o, se tiene que esta distan
ia es
Z t1 p
1 + (ċ(t))2 dt
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
t0 dt t0 dt
Z t1 p
= 1 + (ċ(t))2 dt
t0
490 Matemáti
as para e
onomistas III: Optimiza
ión y dinámi
a
c(t)
c1
ds
c0 dc
dt
t0 t1 t
Figura 9: Distan
ia mínima entre dos puntos c 0 , c1 en el plano.
Z t1 p
Minimizar 1 + (ċ(t))2 dt
{c(t)} t0
sujeta a c(t0 ) = c0
c(t1 ) = c1
que en
uadra dentro del problema bási
o (CV) anterior
on v(c(t), ċ(t), t) =
p
1 + (ċ(t))2 .
Z t1 p
Minimizar 2πc(t) 1 + (ċ(t))2 dt
{c(t)} t0
sujeta a c(t0 ) = c0
c(t1 ) = c1
que también en
uadra dentro del problema bási
o p del
ál
ulo de varia-
iones (CV) anterior
on v(c(t), ċ(t), t) = 2πc(t) 1 + (ċ(t))2 .
Le
ión 4: Optimiza
ión dinámi
a 491
c1
ds
c0
c
Tomemos, una vez más, el problema del
ál
ulo de varia
iones
lási
o
Z t1
Maximizar v(c(t), ċ(t), t)dt
{c(t)} t0
sujeta a c(t0 ) = c0 (CV)
c(t1 ) = c1
donde v(c(t), ċ(t), t) es una fun
ión
ontinuamente diferen
iable en [t0 , t1 ];
ċ(t) (derivada
on respe
to al tiempo) es una
urva de Rn
ontinuamente
diferen
iable en [t0 , t1 ]; y c0 , c1 ∈ Rn son dados.
Consideremos, ini
ialmente, el
onjunto C ⊆ C[t0 ,t1 ]
onsistente en todas
las fun
iones c : [t0 , t1 ] → R
on c(t0 ) = c0 , c(t1 ) = c1 ,
on derivada
ontinua, uniformemente a
otadas por una
onstante ja K , y equi
on-
tinuas,
on la norma del máximo estándar. No es difí
il probar que C es
un subespa
io
errado del espa
io métri
o
ompleto C[t0 ,t1 ] , y, por el teo-
rema de Arzelá (
orolario 1), C es
ompa
to en C[t0 ,t1 ] . Si C =
6 ∅ podemos
onstruir el fun
ional
F:C→R
denido por
Z t1
F(c(t)) = v(c(t), ċ(t), t)dt
t0
Que el problema del
ál
ulo de varia
iones
lási
o (CV) tenga al me-
nos una solu
ión, es una
on
lusión dire
ta del teorema generalizado de
492 Matemáti
as para e
onomistas III: Optimiza
ión y dinámi
a
Weierstrass para espa
ios métri
os
ompa
tos (teorema 10), una vez nos
aseguremos que C = 6 ∅ y que F sea
ontinua. Pero esto último se ve in-
mediatamente al utilizar el teorema del valor medio para varias variables
(ver volumen II: Cál
ulo).
Si c(t)
es una solu
ión, enton
es V (ǫ) se maximiza en ǫ = 0 y, por lo tanto,
dV
= 0 para todo η(t). Es de
ir (ver Regla de Leibniz (volumen II:
dǫ ǫ=0
Cál
ulo)), para todo η(t):
Z t1
∂v ∂v
η+ η̇ dt = 0
t0 ∂c ∂ ċ
Ahora una simple integra
ión por partes (ver, nuevamente, volumen II:
Cál
ulo) nos
ondu
irá a
Z
t1
∂v d ∂v ∂v t1
η− η dt + η =0
t0 ∂c dt ∂ ċ ∂ ċ t0
que es la
ondi
ión de primer orden para el problema del
ál
ulo de va-
ria
iones (CV).
La
ondi
ión de segundo orden del problema
(CV) se dedu
e similarmen-
2
d V
te
uando es
ribimos la
ondi
ión < 0. Veamos
ómo. Comen-
dǫ2 ǫ=0
emos por
Z t1
V (ǫ) = v(z(t), ż(t), t)dt
t0
Pero
d ∂v ∂2v ∂2v
( ) = η 2 + η̇
dǫ ∂c ∂c ∂c∂ ċ
y
d ∂v ∂2v ∂2v
( )=η + η̇
dǫ ∂ ċ ∂c∂ ċ ∂ ċ∂ ċ
y así,
Z t1
d2 V 2∂
2v ∂2v 2
2∂ v
= η + 2η η̇ + (η̇) dt
dǫ2 t0 ∂c2 ∂c∂ ċ ∂ ċ2
de donde, si v(c(t), ċ(t), t) es
ón
ava en (c(t), ċ(t)), tendremos que la
forma
uadráti
a del integrando es negativa
y, por lo tanto, la integral
misma es negativa; es de
ir, d2 V /dǫ2 ǫ=0 < 0, que era lo que queríamos
mostrar.
Esta dedu
ión heurísti
a de la fórmula de Euler y de las
ondi
iones de
segundo orden, tienen una
ontraparte formal que es
ribimos a
ontinua-
ión:
494 Matemáti
as para e
onomistas III: Optimiza
ión y dinámi
a
sujeta a c(t0 ) = c0
c(t1 ) = c1
p
es,
on v(t) = 1 + (ċ(t))2 ,
!
d ċ(t)
p =0
dt 1 + (ċ(t))2
Y así,
ċ(t)
p =k
1 + (ċ(t))2
para alguna
onstante k. Pero esto, a su vez, impli
a que ċ(t) debe ser
también
onstante (¾por qué?). De allí que c(t) debe ser lineal en t; es
de
ir,
kdc
√ = dt
c2 − k2
de donde, por antideriva
ión, se obtiene que
√ !
c + c2 − k2
k ln =t+m
k
c(t0 ) = c0 , c(t1 ) = c1
que es la
urva
ono
ida
omo
atenaria (del latín
atena que signi
a
adena (ver volumen II: Cál
ulo)). Según el teorema 15, p esta es la
solu
ión al problema planteado debido a que v(c, ċ) = 2π(c 1 + (ċ)2 ) es
onvexa. ¾Cuáles son las
onstantes m y k en términos de c0 y c1 ?
P (x0 , y0 )
b
y Q(x1 , y1 )
y llegamos a que
1
y(t) = (t − sen t)
2k2
Y así la solu
ión será la
i
loide
1 1
x(t) = (1 − cos t) ; y(t) = (t − sen t)
2k2 2k2
(¾Por qué esta
urva realmente resuelve el problema?;¾Cuál es el valor
de k en términos de las
ondi
iones ini
iales del problema varia
ional?)
Ejer
i
ios 5
1. ¾Será que el siguiente problema tiene solu
ión?: Sobre una re
ta
L tomemos dos puntos A y B a una distan
ia ja, y busquemos el
triángulo re
tángulo AOB que haga el área mínima .
O
A B L
sujeta a c(1) = 3
c(5) = 7
es c(t) = t + 2.
Z 1
Maximizar c(t)dt
{c(t)} 0
Z 1p
sujeta a 1 + (ċ(t))2 dt = a
0
c(0) = c0
c(1) = c1
p
a) Es
riba L = c + µ 1 + (ċ(t))2 donde µ es un multipli
ador de
Lagrange. Como, en este problema, L no depende explí
itamente
500 Matemáti
as para e
onomistas III: Optimiza
ión y dinámi
a
∂L
L − ċ = k1
∂ ċ
p µċ2
c+µ 1 + ċ2 − √ = k1
1 + ċ2
c = k1 − µ cos x
y así,
dc µ sen xdx
dt = = = µ cos x
tan x tan x
y, por
onsiguiente, para alguna
onstante k2 se tendrá que t =
µ sen t + k2 y, así,
(t − k2 )2 + (c − k1 )2 = µ2
A P B
dis
iplina: apare
ieron ampli
adores en sistemas telefóni
os, sistemas
de distribu
ión en plantas elé
tri
as, estabiliza
ión de aviones. De he-
ho, la Segunda Guerra Mundial vería la teoría de
ontrol apli
ada en
el vuelo de aviones, en misiles balísti
os, y en baterías antiaéreas. Has-
ta 1960, los métodos e ideas desarrollados por la teoría de
ontrol eran
bási
amente los mismos del
ál
ulo de varia
iones
lási
o, y se empeza-
ron 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 método de programa
ión dinámi
a),
Rudolf Kalman [1930- ℄ (té
ni
as de ltros), y Lev Pontryagin [1908-
1988℄ (prin
ipio del máximo) dieron fundamento a lo que hoy se
ono
e
omo teoría moderna de
ontrol.
También vemos la teoría de
ontrol apli
ada a los sistemas de
alefa
ión,
ventila
ión y aire a
ondi
ionado. Todos estos
on un prede
esor: el regu-
lador de temperatura
ono
ido
omo termostato. Estru
turas espa
iales,
ree
tores ópti
os, sistemas de
omuni
a
ión satelital, órganos humanos
arti
iales, plantas elé
tri
as, robots, et
. son ejemplos de sistemas en
los que la teoría de
ontrol se ha apli
ado. In
lusive los reprodu
tores
de CD's son otra área de apli
a
ión: el prin
ipal propósito al diseñar
estos aparatos es al
anzar altas velo
idades de rota
ión que permita una
le
tura rápida, sin afe
tar la estabilidad del dis
o.
Podríamos men
ionar mu
has otras apli
a
iones importantes, pero estas
que presentamos aquí son, quizás, su
ientes para mostrar la ubi
uidad
de esta té
ni
a interdis
iplinaria en el desarrollo te
nológi
o de la so
ie-
dad
ontemporánea.
Le
ión 4: Optimiza
ión dinámi
a 503
Como de
íamos antes, el problema del
ál
ulo de varia
iones
lási
o su-
fre de algunas limita
iones que una nueva teoría, desarrollada por Lev
Pontryagin et al. (1961) 23 ,
ono
ida
omo la teoría del
ontrol óptimo
(o
ál
ulo de varia
iones moderno), intenta resolver. Pontryagin llamaría
a esta teoría el prin
ipio del máximo. La esen
ia de la teoría del
ontrol
óptimo está, pre
isamente, en
ontrolar
ierto sistema dinámi
o en un
determinado período de tiempo, de tal manera que se satisfaga un obje-
tivo espe
í
o. El sistema dinámi
o des
ribe la evolu
ión de una variable
k(t) que llamamos variable de estado (a partir de un estado ini
ial x0 )
y que está siendo sometido a
ontroles
ontinuos c(t) (variable de
on-
trol ) para que se optimi
e un fun
ional que, en general, está des
rito
mediante una integral que, a su vez, depende de la variable de estado,
de la de
ontrol y, quizás explí
itamente, del tiempo.
El problema
anóni
o del
ontrol óptimo en el
aso
ontinuo se puede
estable
er
omo
Z t1
Maximizar v(k(t), c(t), t)dt
{c(t)} t0
sujeta a k̇(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
ión, que el problema
anóni
o de
ontrol óptimo
puede tener múltiples variables de estado y múltiples
ontroles, y que el
número de
ontroles no está rela
ionado
on el número de variables de
estado.
23
Pontryagin, L.S., V.G. Boltyanskii, R.V. Gamkrelidze, E.F. Mish
henko (1961),
The Mathemati
al Theory of Optimal Pro
esses, Gordon and Brea
h (Tradu
ión de
1986).
24
En lo que sigue, los teoremas y resultados están estable
idos para el
aso m = 1,
n = 1. Sin embargo, la generaliza
ión al
aso general es inmediata, y apli
aremos
estas amplia
iones sin dudar.
504 Matemáti
as para e
onomistas III: Optimiza
ión y dinámi
a
Note que, por ejemplo, si c(t) = 1 enton
es V (1) = e − 52 (> 0), pero
si c(t) = 1 − e−t enton
es V (c(t)) > V (1)
omo el le
tor puede
om-
probar fá
ilmente. Pero este último
ontrol es más que eso: es el
ontrol
óptimo. En efe
to: derivando V (c)
on respe
to a c, e igualando a
ero,
en
ontramos que, efe
tivamente,
c(t) = 1 − e−t
et + e−t
k(t) = −1
2
Note que la úni
a forma en que nuestro problema tendría solu
ión es
e 1
ha
iendo k(1) = + − 1. Cualquier otro valor para k(1) nos obligaría
2 2e
a armar que el problema no tiene solu
ión.
F:C→R
506 Matemáti
as para e
onomistas III: Optimiza
ión y dinámi
a
denido por
Z t1
F(c(t), k(t)) = v(k(t), c(t), t)dt
t0
después de una apli
a
ión
onveniente del método de integra
ión por
partes. Ahora denimos las varia
iones de k(t) y c(t) de la forma
Y si denimos la expresión
∂H
= −µ̇ (∗∗)
∂k
∂H
= k̇(t) (∗ ∗ ∗)
∂µ
Y es (prin
ipalmente) a la e
ua
ión (∗) a la que se le
ono
e
omo el
prin
ipio del máximo .
Demostra ión.
Nota 4.
El problema (CO) puede expresarse en términos de minimizar en lugar
de maximizar en la forma típi
a:
olo
ando el negativo de la fun
ión v(·).
∂H
Paso 1. Aplique = 0 y en
uentre c en fun
ión de k, µ y t.
∂c
25
op.
it.
26
Mangasarian, O. (1966), Su
ient Conditions for the Optimal Control of Non-
linear Systems, Siam Journal of Control.
Le
ión 4: Optimiza
ión dinámi
a 509
Ejemplo 36.
Resolvamos el problema
Z T
Maximizar e−βt ln(c(t))dt
{c(t)} 0
sujeta a k̇ = ω + rk(t) − c(t)
k(0) = 0, k(T ) = 0
Solu ión.
El orrespondiente hamiltoniano es
∂H e−βt
=0: −µ = 0 (∗)
∂c c
∂H
= −µ̇ : rµ = −µ̇ (∗∗)
∂k
∂H
= k̇ : k̇ = ω + rk − c (∗ ∗ ∗)
∂µ
510 Matemáti
as para e
onomistas III: Optimiza
ión y dinámi
a
k̇ = ω + rk − c
e−βt rt
= ω + rk − e
µ0
e(r−β)t
= ω + rk −
µ0
r(1 − e−βT )
µ0 = >0
wβ(1 − e−rT )
Así, los
ontroles c(t) estarán dados por
e(r−β)t
c(t) =
µ0
y su
omportamiento dependerá de si β > r , β = r , ó β < r . N
Pero hasta ahora sólo hemos apli
ado las
ondi
iones de primer orden de
un problema de
ontrol óptimo, y no hemos expli
itado
ondi
iones de
segundo orden que muestren que las solu
iones en
ontradas mediante el
prin
ipio del máximo, efe
tivamente, resuelven el problema de en
ontrar
el máximo. Pero ellas, afortunadamente, también existen:
Le
ión 4: Optimiza
ión dinámi
a 511
Demostra ión.
Ver Mangasarian(1966) 27
.
Aquí, el hamiltoniano es
1
H = c2 + µ1 k2 + µ2 c
2
y, por lo tanto, las
ondi
iones de primer orden son:
27
op.
it.
512 Matemáti
as para e
onomistas III: Optimiza
ión y dinámi
a
∂H
i) = 0: c + µ2 = 0 (∗)
∂c
∂H
ii) = −µ̇: µ̇1 = 0 y µ̇2 = −µ1 (∗∗)
∂k
iii) k̇1 = k2 y k̇2 = c (∗ ∗ ∗)
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, m2 = 0, m3 = 0 m4 = 0
Paso 3: Por lo tanto, el úni
o
ontrol es c(t) = 4t; los multipli
adores di-
námi
os son µ1 (t) = 4, µ2 (t) = −4t; y las dos variables de estado
son k1 (t) = 23 t3 y k2 (t) = 2t2 .
T1 ≡ t1 + ǫδ(t1 )
Es de
ir,
Z t1
∂H ∂H
[( + µ̇)ω(t) + η(t)]dt + H(t1 )δ(t1 ) − µ(t1 )δ(k(t1 )) = 0
t0 ∂k ∂c
Una expli
a
ión del porqué apare
e aquí la
ondi
ión adi
ional
µ(t1 ) ≥ 0, se tiene
uando nos damos
uenta de que ésta es una
Le
ión 4: Optimiza
ión dinámi
a 515
La expli
a
ión del porqué apare
e la
ondi
ión adi
ional H(t1 ) ≥ 0,
es similar que en el anterior
aso 4.
donde
k(T ) = 0
r(1 − e−βT ) −rT
µ(T ) = e
wβ(1 − e−rT )
wβ(1 − e−rT ) (r−β)T
c(T ) = e
r(1 − e−βT )
Sin embargo, no es posible resolver la e
ua
ión (1) mediante una fórmula
explí
ita para T en términos de los parámetros fundamentales del mo-
delo. Aún así, en
asos numéri
os
on
retos, sí es posible resolverlo para
T
on
ualquier grado de aproxima
ión.
Ejemplo 39. (Un
aso de línea terminal verti
al trun
ada)
En el ejemplo 36, supongamos que queremos en
ontrar el T > 0 tal que
k(T ) ≥ 2. La
ondi
ión de transversalidad nos indi
a que este parti
ular
T debe satisfa
er
donde
µ(T ) = µ0 e−rT
ω −rT 1 −βT
k(T ) = (1 − e )− (1 − e ) erT
r βµ0
Lo primero que ha
emos aquí es bus
ar si existe un T ≥ 0 que sea
solu
ión a la e
ua
ión k(T ) = 2, es de
ir,
ω 1
(1 − e−rT ) − (1 − e−βT ) erT = 2
r βµ0
Sin embargo, esta e
ua
ión tampo
o es posible resolverla explí
itamente
para T . Obviamente en
asos numéri
os
on
retos esto sí es posible para
ualquier grado de aproxima
ión de T .
Ahora: Suponiendo que sí fuera posible esta fórmula explí
ita para T ,
el problema se resolvería para
ualquier µ0 > 0 que hi
iera T > 0. Si
esto no fuera posible el problema no tendría solu
ión, ya que k(T ) > 2
impli
aría µ(t) = 0, y así obligaría a que µ0 = 0, y esto no puede ser
omo el le
tor observará fá
ilmente en la solu
ión del ejemplo 36.
Ejemplo 40. (Un
aso de super
ie terminal)
donde
e(r−β)T
c(T ) =
µ0
µ(T ) = µ0 e−rT
ω −rT 1 −βT
k(T ) = (1 − e )− (1 − e ) erT
r βµ0
Lo primero que ha
emos aquí es tomar T = 3, y observar si éste re-
suelve la
ondi
ión H(T ) ≥ 0 de (4) para
iertos µ0 . En
aso
ontrario,
nos preguntamos si existe una T ≤ 3 que satisfaga H(T ) = 0. En
aso
armativo, esta es la solu
ión al problema de transversalidad. Desafor-
tunadamente, tampo
o aquí es posible resolver la
ondi
ión H(T ) = 0
mediante fórmula explí
ita para T . Sólo parámetros numéri
os
on
retos
permitirían solu
ión
on
ualquier grado de aproxima
ión.
lı́m H(t) = 0
t→∞
El prin ipio del máximo se resumirá, enton es, en uatro ondi iones:
∂H
=0 (∗)
∂c
∂H
+ µ̇ = 0 (∗∗)
∂k
g(k(t), c(t), t) = k̇(t) (∗ ∗ ∗)
lı́m H(t) = 0 (∗ ∗ ∗∗)
t→∞
Ejemplo 42.
Resolvamos un problema similar al ejemplo 36:
Z ∞
Maximizar e−βt ln(c(t))dt
{c(t)} 0
sujeta a k̇(t) = ω + rk(t) − c(t)
k(0) = 0, lı́m k(t) libre
t→∞
para c(t), k(t), µ(t) que en
ontramos allí, se puede ver que la
ondi
ión
lı́mt→∞ H(t) = 0 es, en este
aso, equivalente a la
ondi
ión
lı́m µ(t)k(t) = 0
t→∞
Ejemplo 43.
Para resolver el problema
Z ∞
Maximizar e−βt ln(c(t))dt
{c(t)} 0
sujeta a k̇(t) = ln k(t) − rk(t) − c(t) (COHI)
k(0) = k0
lı́m k(t) libre
t→∞
∂H e−βt
=0: −µ=0 (∗)
∂c c
∂H 1
+ µ̇ = 0 : µ( − r) = µ̇ (∗∗)
∂k k
∂H
= k̇ : k̇(t) = ln k(t) − rk(t) − c(t) (∗ ∗ ∗)
∂µ
[Cond. de Transv.℄ : lı́m H(t) = 0 (∗ ∗ ∗∗)
t→∞
e−βt
c(t) =
µ(t)
520 Matemáti
as para e
onomistas III: Optimiza
ión y dinámi
a
1
ċ = (r − β − ) c
k
que junto a la e
ua
ión (∗ ∗ ∗)
k̇ = ln k − rk − c
II
c∗
c = ln k − rk
k∗ k
Figure 13: Diagrama de fase.
Le
ión 4: Optimiza
ión dinámi
a 521
lı́m H(t) = 0
t→∞
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.
Sea Z t1
V = v(k(t), c(t), t)dt (Fun
ión de Bellman)
t0
28
Bellman, Ri
hard E. (1957), Dynami
Programming, Dover Publi
ations, Edi
ión
de 2003.
522 Matemáti
as para e
onomistas III: Optimiza
ión y dinámi
a
la fun
ión de valora
ión del problema (CO), y asumamos que existe
una fun
ión de valora
ión V ∗ (k(t), t), que es solu
ión para el proble-
ma general de
ontrol óptimo (CO). El prin
ipio de optimalidad que
subya
e al método de la programa
ión dinámi
a, arma que también
V ∗ (k(t) + ∆k(t), t + ∆t) es solu
ión al problema de
ontrol óptimo (CO)
uando se
omienza en k(t) + ∆k(t) en el tiempo t + ∆t; y que la solu-
ión al problema (CO) sobre el intervalo
ompleto que
omienza en t y
termina en t + ∆t debería ser igual a la suma de las solu
iones de los
subintervalos. Es de
ir,
V ∗ (k(t), t) = máx {v(k(t), c(t), t)∆t + V ∗ (k(t) + ∆k(t), t + ∆t)} (R)
{c(t)}
muy parti
ulares,
omo el del ejemplo 44 siguiente. Aún así, es posible
ha
er de la e
ua
ión de Bellman un me
anismo muy útil y
onvenien-
te para resolver el problema (CO) de
ontrol óptimo mediante métodos
algorítmi
os
omputa
ionales29 .
Ejemplo 44.
El
aso típi
o en que la programa
ión dinámi
a (
aso
ontinuo) se apli
a
sin mayores di
ultades es el del
aso
uadráti
o. Por ejemplo, en el
problema
Z T
1 2
Minimizar (k (t) + c2 (t))dt
{c(t)} 0 2
sujeta a k̇(t) = 3k(t) + 2c(t) (CO)
k(0) = k0
k(T ) = k1
apli
amos la e
ua
ión de Bellman para obtener que
∂V ∗ 1 2 2 ∂V ∗
− = máx − (k (t) + c (t)) + (3k(t) + 2c(t))
∂t {c(t)} 2 ∂k
Supongamos que
1
V∗ =
S(t)k2
2
para
ierta fun
ión S(t) por determinar, e ingresamos ésta a la e
ua
ión
de Bellman para obtener que
1 dS 1
− k2 = máx − (k2 (t) + c2 (t)) + S(t)k(t)(3k(t) + 2c(t)) (**)
2 dt {c(t)} 2
Derivando,
on respe
to a c(t), el término entre paréntesis de la dere
ha,
obtenemos que
c(t) = −2S(t)k(t)
Llevando esta expresión óptima de c(t) a la e
ua
ión (∗∗), llegamos (
on
k 6= 0) a la e
ua
ión de Ri
atti
dS
= 1 − 6S + 12S 2
dt
29
Ver, por ejemplo, Bertsekas, Dimitri (2007), Dynami
al Programming and Op-
timal Control, Vol I, II, Third Edition, Athena S
ienti
.
524 Matemáti
as para e
onomistas III: Optimiza
ión y dinámi
a
Ejer
i
ios 6
1. Plantee intuitivamente (es de
ir, sin e
ua
iones) el problema de ser-
vir una gaseosa en un vaso sin que la espuma se derrame,
omo un
problema de
ontrol óptimo, identi
ando
uáles serían las varia-
bles de estado y
ontrol, y
uál sería la fun
ión objetivo a optimizar.
¾Podría usted plantear, en lenguaje no-formal, otros problemas
o-
tidianos que se asimilen al esquema del
ontrol óptimo?
y también denimos
γ = eβt λ
Enton
es
H = v(k(t), c(t), t) + γ g(k(t), c(t), t)
Basándose en el prin
ipio del máximo apli
ado al hamiltoniano H ,
en
uentre las
ondi
iones de primer orden para el hamiltoniano
de valor presente H. Extienda esto al
aso
on horizonte innito.
Es
riba las
orrespondientes
ondi
iones de transversalidad.
H = −1 + λ(Ak + Bc)
Z T
Minimizar c0 (T ) − c0 (0) + (c1 u(t) + c2 v(t) + c3 N1 )dt
t0
sujeta a Ṅ1 (t) = (α1 − β1 N2 )N1 + u(t)
Ṅ2 (t) = (β2 N1 − α2 )N2 + v(t)
α2
N1 (0) = N10 > 0; N1 (T ) =
β2
α1
N2 (0) = N20 > 0; N2 (T ) =
β1
∂L
iii) = 0:
∂µt
kt+1 − kt = g(kt , ct , t) (∗ ∗ ∗)
∂H
µt+1 − µt = − (kt , ct , µt+1 , t) (∗)
∂k
∂H
(kt , ct , µt+1 , t) = 0 (∗∗)
∂c
∂H
kt+1 − kt = (kt , ct , µt+1 , t) = g(kt , ct , t) (∗ ∗ ∗)
∂µ
Y arribamos enton
es al siguiente resultado:
Demostra ión.
Ejemplo 45.
Resolvamos el problema
31
op.
it.
Le
ión 4: Optimiza
ión dinámi
a 531
T
X
Maximizar β t ln ct
{c(t)}
t=0
sujeta a kt+1 = w + (1 + r)kt − ct
k0 , kT +1 > 0 dados
H(k, c, µ, t) = β t ln c + µ(w + rk − c)
βt
− µt+1 ct = 0 (2)
ct
kt+1 = w + (1 + r)kt − ct (3)
De (1) obtenemos que
1 t
µt = µ0 [ ] (4)
1+r
Por su parte, de (2) obtenemos que
βt
(ct )2 = (5)
µt+1
y así, de (4) y (5), y asumiendo temporalmente que µ0 > 0, en
ontramos
la su
esión de
ontroles:
r
1+r t
ct = [β(1 + r)] 2 (6)
µ0
y, de (3) y (6), obtenemos que la su
esión de estados satisfa
e
r
1+r t
kt+1 = w + (1 + r)kt − [β(1 + r)] 2 (7)
µ0
532 Matemáti
as para e
onomistas III: Optimiza
ión y dinámi
a
t−1 r
X 1+r k
t t−k−1
kt = k0 (1 + r) + (1 + r) (w − [β(1 + r)] 2 ) (8)
µ0
k=0
H(T ) = 0
Ejemplo 46.
A partir del ejemplo 45, resolvamos el problema de línea terminal verti
al
trun
ada
T
X
Maximizar β t ln ct
{c(t)}
t=0
sujeta a kt+1 = w + (1 + r)kt − ct
k0 = 1, kT +1 ≥ 2 dados
Ejemplo 47.
Para resolver el problema de
ontrol óptimo
∞
X c2
Maximizar {kt − t }
{ct } 2
t=0
sujeta a kt+1 = 2kt + ct (CO)
k0 = 0
lı́m kt existe
t→∞
Le
ión 4: Optimiza
ión dinámi
a 535
es ribimos su hamiltoniano
c2
H =k− + µ(k + c)
2
ct + µt+1 = 0 (2)
c2t
lı́m [kt − + µt (kt + ct )] = 0 (4)
t→∞ 2
de donde, de (1), llegamos a que
1
µt = (µ0 + 1)( )t − 1
2
1
ct = −(µ0 + 1)( )t+1 + 1 (5)
2
1
kt+1 = 2kt − (µ0 + 1)( )t+1 + 1 (6)
2
32
Según el teorema 18, debe ser que µ≥0 para que la solu
ión en
ontrada sea la
verdadera solu
ión. El le
tor puede veri
ar esto.
536 Matemáti
as para e
onomistas III: Optimiza
ión y dinámi
a
Ejemplo 48.
Para resolver el problema
∞
X
Maximizar β t ln ct
{ct }
t=0
sujeta a kt+1 − kt = w + rkt − ct
k0 dado
lı́m kT dado
T →∞
H = β t ln ct + µt (w + rkt − ct )
on
1 t
µt = µ0 [ ] (4)
1+r
r
1+r t
ct = [β(1 + r)] 2 (5)
µ0
t−1 r
X 1+r k
t t−k−1
kt = k0 (1 + r) + (1 + r) (w − [β(1 + r)] 2 ) (6)
µ0
k=0
y luego restaría probar que
lı́m H(t) = 0
t→∞
lı́m µt kt = 0
t→∞
La fórmula re
ursiva (dis
reta) de Bellman para la fun
ión de valora
ión
óptima (valor óptimo de la fun
ión objetivo) V es, aquí,
que,
omo
omo en el
aso
ontinuo, signi
a que el valor óptimo V (kt , t)
de la fun
ión objetivo en el estado kt y en el tiempo t, es igual a la
538 Matemáti
as para e
onomistas III: Optimiza
ión y dinámi
a
suma óptima de la
antidad v(kt , ct , t), más el valor óptimo de la fun
ión
objetivo en el estado kt+1 y en el tiempo t + 1. Esta e
ua
ión también
se puede es
ribir
omo
V (kT +1 , T + 1) = 0
= máx {−(cT −1 )2 − (C − cT −1 )2 }
{0≤cT −1 ≤C}
cT −1 = (kT −1 )α
1 αβ
V (k, T − 2) = β T −2 {[ln( ) + αβ ln( )] + α(1 + αβ) ln(k)}
1 + αβ 1 + αβ
Se puede probar, por indu
ión matemáti
a (ver volumen 0: Fundamen-
tos) que, en general, para t = 0, 1, 2, ..., T ,
V (k, t) = β t {A + B ln(k)} 33
donde
t−1
X 1
A= β j ln( )+
1 + αβ + ... + (βα)t−1−j
j=0
33
Note la similitud
on la fun
ión objetivo dentro de la sumatoria del problema
original.
Le
ión 4: Optimiza
ión dinámi
a 541
t−1
X 1 + αβ + ... + (αβ)t−2−j
+ β j αβ(1 + αβ + ... + (αβ)t−2−j ) ln(αβ )
1 + αβ + ... + (αβ)t−1−j
j=0
y
t−1
X
B = α[ (αβ)j ]
j=0
(kt )α
ct = Pt−1
j
j=0 (αβ)
1
kt+1 = (kt )α (1 − Pt−1 )
j
j=0 (αβ)
Ejemplo 51.
Consideremos el problema
∞
X
Maximizar β t ln(ct )
{c(t)}
t=0
sujeta a kt+1 = (kt )α − ct > 0
0 < α, β < 1, k0 > 0 dados
V (k, t) = β t {A + B ln(k)}
donde
t−1
X 1
A= β j ln( )+
1 + αβ + ... + (βα)t−1−j
j=0
t−1
X 1 + αβ + ... + (αβ)t−2−j
+ β j αβ(1 + αβ + ... + (αβ)t−2−j ) ln(αβ )
1 + αβ + ... + (αβ)t−1−j
j=0
34
Re
uerde que, aquí, Tk es la T -itera
ión de la transforma
ión T, es de
ir, Tk =
T ◦ T ◦ ... ◦ T (kve
es).
Le
ión 4: Optimiza
ión dinámi
a 543
y
t−1
X
B = α[ (αβ)j ]
j=0
kt+1 = αβ(kt )α
Una de las ventajas, quizás la más importante, que tiene la programa
ión
dinámi
a
on respe
to al prin
ipio del máximo, es que permite estudiar
problemas que impli
an riesgo. Supongamos que la variable de estado xt
es esto
ásti
a y que tiene un
omportamiento regido por la distribu
ión
ϕ. Enton
es la e
ua
ión de Bellman re
ursiva es ahora
Ejemplo 52.
Consideremos el problema
∞
X 1
Maximizar E βt[ (ct )1−α ]
{c(t)} 1−α
t=0
sujeta a kt+1 = Rt (kt − ct ) > 0
0 < α, β < 1, k0 > 0 dados
c1−α
Bk1−α = máx{ + βB(k − c)1−α E(R1−α )}
c≥0 1−α
1
1−α 1 M−α 1
Bk ={ ( )1−α + βBE(R1−α ) + ( 1 )
1−α
} k1−α
1 − α 1 + M − α1 1+M −α
Asumiendo que la fun
ión entre paréntesis, cyk +L(yk )+E{V (yk −wk , k+
1), es
onvexa y tiene un mínimo Sk , enton
es, en el óptimo, yk = xk si
xk ≥ Sk , y yk = Sk si xk < Sk . Por lo tanto, el
ontrol óptimo uk estará
determinado, para k = 0, 1, 2, ..., N − 1, por
Ejer
i
ios 7
1. Mediante el prin
ipio del máximo, resuelva
T
X √
Maximizar ct
{ct }
t=0
sujeta a kt+1 − kt = w − ct
k0 dado
kT dado
dada ja:
∞
X
Maximizar − β t (ct )2
{c(t)}
t=0
∞
X
sujeta a ct = C
t=0
c0 , c1 , ... ≥ 0; C ≥ 0 dado
38
No
onfundir
on el prin
ipio del máximo.
550 Matemáti
as para e
onomistas III: Optimiza
ión y dinámi
a
8. Contexto e
onómi
o
Quizás el problema metodológi
o
entral para
ualquier estudiante de
E
onomía es
ómo abordarla. En el desarrollo de los
ontextos e
onó-
mi
os de estos
uatro volúmenes de Matemáti
as bási
as para e
ono-
mistas , hemos intentado
onven
er al le
tor de que, a
tualmente, só-
lo existen tres formas fundamentales de aproximarse al estudio de la
E
onomía: el modelo keynesiano y sus derivados, el modelo neo
lási
o
Arrow-Debreu y su saga, y la teoría de intera
iones, in
luyendo allí, en
gran medida, la nuevas té
ni
as de
omplejidad. Pero lo que queremos
resaltar en este último
ontexto e
onómi
o es que estas formas de apro-
xima
ión, por sí solas, serían teoría e
onómi
a va
ía si no existieran los
problemas e
onómi
os que van a ser tratados
on ellas; que no son las
es
uelas de pensamiento e
onómi
o lo que es
entral sino los problemas
e
onómi
os; y que, difí
ilmente, un estudiante prematuramente matri-
ulado en una de estas es
uelas podrá tener una visión su
ientemente
amplia del problema que esté estudiando. Pre
isamente, hemos es
ogido
un problema parti
ular (pero
entral) de la teoría e
onómi
a (el proble-
ma de la
onstru
ión de la fun
ión de
onsumo )
on el que, aunque no
haremos ningún tratamiento exhaustivo, sí pretendemos sugerirle al es-
tudiante que está
omenzando sus estudios, que el mestizaje intele
tual
(aunque riguroso) es, quizás, la forma menos riesgosa y más
ientí
a de
ata
ar
ualquier problema e
onómi
o, además de que de esta forma se
irá alejando de los vi
ios intele
tuales que tanto daño han he
ho, por
genera
iones, al desarrollo de un pensamiento sano y libre del estudiante
joven de
ien
ias e
onómi
as.
por parte de los propietarios del
apital y los medios de produ
ión,
a través de los pro
esos de inter
ambio en el mer
ado y de repro-
du
ión del
apital que tiene lugar en la produ
ión de mer
an
ías.
Los salarios no son más 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
ión, de las
uales una parte se ha transformado en plus-
valía. El
onsumo individual y
ole
tivo de la
lase obrera vuelve al
pro
eso produ
tivo en la forma de reposi
ión de la fuerza de traba-
jo. En la e
onomía marxista el
onsumo de los obreros es un fa
tor
de reprodu
ión del
apital (Marx (1984), vol. 1, pp. 480483).
3. Con la a
epta
ión, explí
ita o implí
ita, del individualismo, el sub-
jetivismo, el utilitarismo, y el énfasis en el estudio de la a
ión
y
ondu
ta individuales
omo punto de partida para expli
ar y
omprender el fun
ionamiento y la interdependen
ia de variables
e
onómi
as y mer
ados (marginalismo y la es
uela austria
a), el
onsumo tiene un tratamiento indire
to a través de la teoría de la
utilidad y la demanda, y estos se
onvierten en los elementos funda-
mentales de la teoría del inter
ambio y la forma
ión de pre
ios. En
este sentido se orientaron los desarrollos importantes, desde Gos-
sen(1854)39 hasta Pigou (1920) 40 ,
entrados en el análisis par
ial,
on ex
ep
ión de Walras41 y Fisher42 , quienes abordaron el pro-
blema del equilibrio general para e
onomías de puro inter
ambio y
on produ
ión.
Oferta agregada: S = f (N )
Demanda agregada: D = g(N )
Como
onse
uen
ia de los anteriores sí la o
upa
ión y, por tanto, el in-
greso total aumentan, no toda la o
upa
ión adi
ional se requerirá para
satisfa
er las ne
esidades de
onsumos adi
ional (Keynes (1940), p. 94).
En términos de la e
ua
ión (1) esto quiere de
ir que la e
onomía sólo
puede estar en equilibrio si se presenta un aumento sistemáti
o y auto-
máti
o de la inversión que
ompense la
re
iente bre
ha entre
onsumo
e ingreso. Si ello no es el
aso, la e
onomía se en
uentra en una situa-
ión en la que el volumen de empleo es menor al que podría
ontratarse.
Estos elementos pueden expresarse formalmente ha
iendo el
onsumo
agregado una fun
ión lineal del ingreso absoluto
orriente :
Ct = α + γYtd (2)
47 dC
Formalmente, la propensión marginal al
onsumo es dY .
Le
ión 4: Optimiza
ión dinámi
a 557
último pi
o más alto que hubiese al
anzado, y de la imita
ión del patrón
de gasto de las
lases más pudientes. A
omienzos de los
in
uenta, Mar-
garet Reid, en su artí
ulo no publi
ado The Relation of the Within-Group
Permanent Component of In
ome to the In
ome Elasti
ity of Expendi-
ture (ver el artí
ulo posterior de Reid y Dunsing (1956)), propone que
el
onsumo está gobernado por lo que llamó el ingreso normal o per-
manente", esto es, por el ingreso esperado a lo largo de
ierto horizonte
temporal de las familias. Su enfoque del problema fue de
isivo para el
desarrollo de las Hipótesis del Ci
lo de Vida y el Ingreso Permanente. (
Modigliani (1978)).
El
entro y la dire
ión de la investiga
ión, desde enton
es, ha sido la
fundamenta
ión de las teorías del
onsumo en la ele
ión intertemporal
de un
onsumidor ra
ional, que pro
ura maximizar su utilidad en
ada
momento del tiempo y a lo largo de su vida, sujeto a las restri
iones
presupuestaria y de fa
tibilidad apropiadas. El
onsumo agregado,
omo
los demás agregados ma
roe
onómi
os, se
onstruye a partir de la suma
de los
onsumos del
onjunto de agentes de la e
onomía, sobre la base
de
iertos supuestos que lo permitan50 .
ono
en y anti
ipan perfe
tamente los posibles estados del mundo y la
evolu
ión temporal del mismo. Todos los individuos son iguales entre
sí, de modo que basta
onsiderar el
omportamiento de uno solo, que
representa al
onjunto (hipótesis del agente representativo). Asumimos,
por
onsiguiente, que las de
isiones de los individuos son independientes
unas de otras, es de
ir, la ele
ión es paramétri
a, el agente
onsidera que
su
ondu
ta es la úni
a variable relevante, la que está sujeta, a su vez, a
otras variables predeterminadas y que sus de
isiones y
omportamiento
no pueden
ambiar (no hay intera
ión estratégi
a). Pese a que existe
una amplia variedad de bienes entre los qué es
oger, el individuo realiza
su
onsumo sobre un agregado de aquellos, una mer
an
ía
ompuesta
genéri
a, que
onstituye los bienes que podría elegir. Los ingresos que
obtiene el agente provienen de su trabajo. El individuo puede prestar y
pedir prestado tanto
omo desee, a través de un úni
o a
tivo, lo que le
permite tanto a
umular
omo desa
umular riqueza, y también transferir
onsumo entre distintos periodos.
Esta
ara
teriza
ión supone, implí
itamente, los mer
ados de
onsumo,
de fa
tores y de a
tivos. Puesto que nuestro interés se
entra en la de
i-
sión 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
ión usual del término.
Una impli
a
ión dire
ta es que el monto de ahorro del individuo, en pe-
ríodos
ortos, de unos meses o un año, está gobernado por la distan
ia
en que se aparta el ingreso
orriente del ingreso vitali
io, y se
ompor-
ta pro
í
li
amente, en
onsonan
ia
on la a
tividad e
onómi
a. A largo
plazo y para la e
onomía en
onjunto, si el ingreso
re
e en el tiempo, el
ahorro primero es bajo pero después se in
rementa51 .
Pro
edamos a la
onstru
ión del modelo que formula la HVC. Las ele
-
iones del
onsumidor están determinadas por sus preferen
ias intertem-
porales sobre el
onsumo real ct , que es la úni
a fuente de satisfa
ión
del individuo en
ada período t, y para una expe
tativa u horizonte de
vida t = 0, 1, . . . , T . Estas preferen
ias se expresan mediante una fun-
ión de utilidad W = u(c1 , . . . , cT ). Semejante enun
ia
ión es demasiado
general, así 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 + β) (1 + β)2 (1 + β)T
XT (3)
u(ct )
=
(1 + β)t
t=0
p0 c0 + p1 c1 + · · · + pT cT ≤ p0 y0 + p1 y1 + · · · + pT yT ,
a1 = (1 + r)(a0 + y0 − c0 )
a2 = (1 + r)(a1 + y1 − c1 ) = (1 + r)2 a0 + (1 + r)2 (y0 − c0 ) + (1 + r)(y1 − c1 )
a3 = (1 + r)(a2 + y2 − c2 ) = (1 + r)3 a0 + (1 + r)3 (y0 − c0 ) + (1 + r)2 (y1 − c1 ) + (1 + r)(y2 − c2 ),
.
.
.
t−1
X
at = (1 + r)t a0 + (1 + r)t−τ (yτ − cτ ).
τ =0
Esta
ara
teriza
ión del problema del
onsumidor nos permite abordar-
lo
on las té
ni
as lagrangianas de optimiza
ión restringida (Le
ión 2).
Notemos que, debido a que la restri
ión 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
ión lagrangiana del
problema del
onsumidor es
T
" T
#
X u(ct ) X yt ct
L(ct , λ) = + λ a0 + − (8)
t=0
(1 + β)t t=0
(1 + r)t (1 + r)t
u′ (ct ) λ
t
− =0 (9a)
(1 + β) (1 + r)t
" T
#
X yt ct
a0 + − ≥0 (9b)
(1 + r)t (1 + r)t
t=0
Le
ión 4: Optimiza
ión dinámi
a 565
" T
#
X yt ct
λ a0 + − =0 (9
)
t=0
(1 + r)t (1 + r)t
Por (9a) λ > 0 y por u′ (0) = ∞, se tiene que ct > 0 para todo t, y así,
podemos trabajar la restri
ión presupuestal
on signo de igualdad. De
la misma manera, de (9a) obtenemos
u′ (ct ) λ
t
=
(1 + β) (1 + r)t
o bien
′ 1+β t
u (ct ) = λ
1+r
La e
ua
ión (10) nos di
e que la asigna
ión óptima del
onsumo en el
tiempo ha de ser tal que la utilidad marginal del
onsumo en el período
t sea igual a la utilidad marginal de la riqueza nan
iera, λ, por el pre
io
relativo del
onsumo en ese período; en general, la e
ua
ión (10) deter-
mina la forma de la traye
toria de
onsumo a lo largo del
i
lo de vida,
que depende de la tasa de interés, la tasa de preferen
ia temporal y, por
supuesto, de la utilidad marginal del
onsumo; mientras que la restri
-
ión 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
io-
nes de primer orden también 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 subíndi
e temporal,
u(c2 ) − u(c1 ) < u′ (c1 )(c2 − c1 )
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
X
[u(c2 ) − u(c1 )] < [u′ (c1 )(c2 − c1 )].
t=0 t=0
De a
uerdo
on las
ondi
iones de primer orden y asumiendo r = β ,
tenemos que u′ (ct ) = λ; luego
T
X T
X
[u(c2 ) − u(c1 )] < λ [(c2 − c1 )].
t=0 t=0
566 Matemáti
as para e
onomistas III: Optimiza
ión y dinámi
a
T
X
[u(c2 ) − u(c1 )] < 0.
t=0
(Cál
ulo), le
ión 4). De he
ho, podemos armar que la elasti
idad de
sustitu
ión intertemporal es di
ha medida. Por lo tanto, se inere de (11)
que la
apa
idad de sustitu
ión intertemporal de
onsumo entre dos pe-
ríodos t y t+1
ualesquiera, está inversamente rela
ionada
on la a
titud
frente al riesgo del agente. Así,
uanto más adverso sea, menos dispuesto
está a sustituir
onsumo presente por
onsumo futuro, en respuesta a
ambios en los in
entivos para ha
erlo.
Ter
ero, supongamos r = β , en
uyo
aso (10) se redu
e a u′ (ct ) = λ.
Por ser la fun
ión de utilidad monótona
re
iente y
ón
ava estri
ta,
se dedu
e que el
onsumo es
onstante en el tiempo: ct = c para todo
t = 0, 1, . . . , T . De la restri
ión de presupuesto se sigue
" T
#
1 X yt
c= a0 + t
(12)
b t=0
(1 + r)
donde
1+r 1
b= −
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 rendi-
r
miento sobre la riqueza (1+r) . Sin embargo, al ser T nito, el
onsumo
ex
ede a este monto puesto que substraemos el término r(1 + r)−T . La
razón 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 ri-
queza en T períodos, su
onsumo debe aumentar, lo
ual está impli
ado
en su restri
ión 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 , λ y β , la traye
toria de
onsumo está de-
terminada úni
amente por la
ondi
ión de primer orden (9a). Cambios
en la
omposi
ión de la riqueza total o de la riqueza total misma, no
se tienen en
uenta en la e
ua
ión (9a). Por tanto,
ualquier
ambio en
la
omposi
ión de la riqueza que la mantenga inalterada, no
ambia la
traye
toria de
onsumo.
568 Matemáti
as para e
onomistas III: Optimiza
ión y dinámi
a
st = yt − ct
" T
#
1X yt 1
= yt − − a0 (13)
b (1 + r)t b
t=0
Por último, no podemos dejar de de
ir que estos resultados están aso
ia-
dos estre
hamente a la separabilidad temporal de la fun
ión de utilidad.
De (10), la tasa marginal de sustitu
ión de
onsumo entre
ualquier par
de períodos
onse
utivos es independiente de la
orriente de
onsumo,
pues
u′ (ct+1 ) 1+β
=
u′ (ct ) 1+r
T
X
Maximizar W = β t ln ct
ct ≥0
t=0
sujeto a at+1 = (1 + r)(at + yt − ct )
on a(0) = a0
y ct ≥ 0 para todo t = 0, 1, . . . , T .
Para dar solu
ión al problema de programa
ión dinámi
a, nos si-
tuamos en el último período, y resolvemos primero el subproblema
para ese período. Después analizamos
ada etapa re
ursivamen-
te desde el nal hasta el prin
ipio. Debido a que no tenemos un
número de períodos espe
í
o, indu
imos la solu
ión general del
problema por medio del patrón que resulta de apli
ar el Prin
ipio
de Optimalidad período tras período.
Período T : aT dada.
Período T − 1: aT −1 dada.
(1 + r)(aT −1 + yT −1 ) + yT
c∗T −1 =
(1 + r)(1 + β)
Período T − 2: aT −2 dada.
Período T − 3: aT −3 dada.
+ (1 + r)2 yT −2 + (1 + r)yT −1 + yT ]}
+ βA2 (r, β)
Ahora bien: Notemos que de las solu
iones {c∗t }Tt=T −3 halladas an-
tes (que se en
uentran en la traye
toria solu
ión óptima), emerge
un patrón
laramente dis
ernible, des
rito mediante la e
ua
ión
P
(1 + r)t aT −t + Tt=0 (1 + r)t yT −t
ct = P
(1 + r)t Tt=0 β t
cP = k(r, w, u)y P
y = yP + yF (15)
P F
c=c +c
T
X −t X yt+τT −t
ct+τ
= at +
(1 + r)τ (1 + r)τ
τ =0 τ =0
56
Una dis
usión a
er
a de esta rela
ión y el debate sobre si separar o no la a
titud
frente al riesgo y la sustituibilidad temporal, así
omo de las impli
a
iones teóri
as
y sobre la investiga
ión empíri
a se en
uentra en el
apítulo 1 de Deaton (1992) y la
literatura referen
iada por el autor.
57
Sea z una variable que se desenvuelve en el tiempo. La expe
tativa subjetiva
que un agente ra
ional se forma en el momento t de la variable z para el período
t+j
on toda la informa
ión que tiene a su al
an
e en ese momento es la esperanza
e
matemáti
a de z
ondi
ionada a la informa
ión disponible en t: zt+j = Et [zt+j | It ].
2
Supongamos que zt sigue el patrón zt+1 = zt + εt+1
on ε ∼ N (0, σ ) y que εs y εt
son independientes, Et [εs εt ] = 0 para todo s 6= t. En
onse
uen
ia
r−β 1+β
Et [ct+1 ] = c̄ + ct (24)
1+r 1+r
Si r = β , enton
es el
onsumo sigue un pro
eso de martingala
Et [ct+1 ] = ct (25)
r−β 1+β
ct+1 = c̄ + ct + εt+1
1+r 1+r (26)
= α + γct + εt+1
donde
r−β 1+β
α= c̄ y γ =
1+r 1+r
sustituyendo las variables aleatorias del mismo por sus esperanzas matemáti
as, por
lo que la solu
ión óptima del problema determinísti
o
oin
ide
on la solu
ión óptima
del esto
ásti
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 análisis. Aquí ha
emos uso de él, sin embargo,
porque nos interesa ilustrar la estru
tura bási
a del modelo y lo que puede expresar,
a pesar de sus restri
iones. También es pre
iso de
ir que las fun
iones de utilidad
uadráti
as no gozan de buena reputa
ión, pues dan lugar a situa
iones que pueden
ali
arse de absurdas; por ejemplo, suponen que habrá algunos períodos para los
que el
onsumo en la traye
toria óptima sea negativo o, en
ontextos de análisis 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 aversión absoluta al riesgo es
re
iente en la riqueza.
Le
ión 4: Optimiza
ión dinámi
a 579
donde
∞
X (Et − Et−1 )yt+τ
ηt =
(1 + r)τ
τ =0
por lo que la riqueza total se a
umula
onforme a
at + ht = (1 + r)(at−1 + ht−1 − ct−1 ) + ηt
Como r = β , de (26) se sigue ct+1 − ct = εt+1 , por lo tanto (31) se
transforma en
r
εt+1 = ηt+1
1+r
que no es más que el valor de la anualidad del ingreso vitali
io del indi-
viduo. Por
onsiguiente
r
ct−1 = ηt−1 (at−1 + ht−1 )
1+r
por lo que la riqueza total del agente se desenvuelve en el tiempo según
la e
ua
ión
b) Breve síntesis
A P
En
aso de que no sea posible, redena las
ondi
iones ini
iales de
tal manera que el problema sí tenga solu
ión.
7. Resuelva el problema
T
X
Maximizar β t (ct )α
{c(t)}
t=0
sujeta a kt+1 = w + (1 + r)kt − ct
k0 , kT +1 > 0 dados
Los
ientí
os nuevos los produ
en los edu
adores, tomando γ1 edu-
adores produ
ir un nuevo
ientí
o por período. Los
ientí
os
dejan su o
io por muerte, retiro, y transferen
ia, a una tasa δ por
período. Es de
ir,
Ṡ(t) = γE(t) − δS(t)
Mediante diferentes in
entivos, un plani
ador para la
ien
ia
puede inuir en la propor
ión de nuevos
ientí
os que se dedi
an
a la do
en
ia, α(t), donde
donde α, β, γ > 0.
La demanda que enfrenta este monopolio depende del pre
io de
venta P (t) y de su varia
ión:
dP (t)
Q(t) = a − bP (t) + c
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 período [0, T ],
al
ule la traye
toria óptima
de pre
ios que debería jar el monopolista si quiere maximizar el
bene
io.
ct + kt+1 = f0 kt
1 u0 u0
k̄ = , c̄ =
f0 − 1 u1 u1
588 Matemáti
as para e
onomistas III: Optimiza
ión y dinámi
a
1 1 u0 1
kt+1 = kt − ( )[ ( − 1)]
βf0 f0 − 1 u1 βf0
Muestre que lı́mt→∞ kt+1 = k̄ , y que el
onsumo aumenta a medida
que el
apital per-
apita se a
er
a al estado esta
ionario.
16. Es
riba la e
ua
ión de Bellman, y dé
ondi
iones sobre las fun
iones
y parámetros del siguiente problema para asegurarle solu
ión:
El bienestar (utilidad) de un trabajador depende de la
antidad
de bienes (produ
idos por el mer
ado) por ella
onsumidos, c1t , y
también de la
antidad de bienes (produ
idos en
asa (entreteni-
miento, 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 términos 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
ión 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 período. La
antidad de experien
ia
Le
ión 4: Optimiza
ión dinámi
a 589
H(z ′ , z) = prob{zt+1 ≤ z ′ | zt = z}
X∞
Maximizar E( β t [(1 − τt )qt ])
{c(t)}
t=0
sujeta a qt + xt = f (kt )
kt+1 − (1 + δ)kt = xt
k0 dado
on 0 < β, δ < 1.
590 Matemáti
as para e
onomistas III: Optimiza
ión y dinámi
a
Bibliografía
Allais, M. (1943): Traité d'É
onomie pure. Paris: Imprimerie Nationa-
le.
591
592 Matemáti
as para e
onomistas III: Optimiza
ión y dinámi
a
Boyle, R. (1660): New Experiments Physio-Me
hani
all, Tou
hing the
Spring of the Air, and its Ee
ts. en The Works of Robert Boyle, 14
vols., Eds. Hunter M. and Davis E. B., London: Pi
kering and Chatto,
1999.
Fré
het, M. (1906): Sur Quelques Points du Cal
ul Fon
tionnel. Sprin-
ger Wien.
Gossen (1854): Entwi
klung der Gesetze des Mens
hli
hen Verkehrs
und der Daraus Fliessenden Regeln für Mens
hli
hes Handeln .
Hi
ks, J. R. (1932): Marginal Produ
tivity and The Prin
iple of Va-
riation, E
onomi
a, Vol. 12, pp. 79-88.
Patinkin, D. (1956): Money, Interest and Pri
es. Evanston Ill: Row,
Peterson.
Poin
aré, H. (1886): Sur les Intégrales Irreguliéres des Équations Li-
néaires. A
ta Math. Vol. 8, pp. 295-344.
Smith, A. (1776): An Inquiry into the Nature and Causes of the Wealth
of Nations. Oxford: Clarendon Press.
Spivak, M. (1978): Cal ulus, Vol. II. Editorial Reverté: Bar elona.
Sta
kelberg, H. (1934): Marktform und Glei
hgewi
ht. Viena: Julius
Springer.
Van der Pol, B. (1927): For
ed Os
illations in a Cir
uit with Non-
linear Resistan
e (Re
eptan
e with Rea
tive Triodo). London, Edin-
burgh and Dublin Phil. Mag., Vol. 3, pp. 65-80.
611
612 Matemáti
as para E
onomistas III: Optimiza
ión y dinámi
a
Ejer
i
ios 2.
1. a ) Estri
tamente
ón
ava en (−∞, 0] y estri
tamente
onvexa en
[0, ∞).
b ) Estri
tamente
ón
ava en (−∞, 0), y estri
tamente
onvexa
en (0, ∞).
) La matriz hessiana es
" 3 3
#
− (x+y)2 − (x+y)2
3 3
− (x+y)2 − (x+y)2
g ) La matriz hessiana es
" #
1
− 3 0
4x 2
0 −2
Ejer
i
ios 3.
1.a) Es una fun
ión
onvexa estri
ta y, por tanto,
uasi
onvexa estri
ta.
1.b) Es una fun
ión
ón
ava no-estri
ta y, por tanto, es
uasi
ón
ava
no-estri
ta.
1.
) Es una fun
ión
ón
ava estri
ta y, por tanto, es
uasi
ón
ava es-
tri
ta.
Ejer
i
ios 4.
1. a ) El hessiano orlado es
1 1
0 √
2 x
√
2 y
1 1
√
2 x
− 3 0
1
4x 2
1
√
2 y 0 − 3
4y 2
) 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
10. x∗ = 11, y ∗ = 9.
Ejer
i
ios 2.
1.a) Este problema no tiene solu
ión pues el
onjunto de restri
ión no
es
ompa
to, y, además, si x y y
re
en indenidamente, también
la fun
ión objetivo f (x, y) = (x − 1)2 + y 2
re
e indenidamente.
Ejer
i
ios 3.
1. Máximo: (2, 1).
2. x∗ = 12 , y ∗ = 12
√ √
3. a) x∗ = 7, y ∗ = 7
b) x∗ = 72 , y ∗ = 7
2
10 45
) x∗ = 99 , y = 22
∗
64 9
d) x∗ = 121 , y = 21
∗
√
33 10
e) x∗ = 3 , y = 3
∗
√
4. x∗ = 2, y ∗ = 1.
r
2 1 3
5. A2
3 6π
Ejer
i
ios 4.
1. a) x∗ = 1, y ∗ = 2.
b) x∗ = 2, y ∗ = 32 .
) x∗ = 24, y ∗ = 14 .
d) x∗ = 2, y ∗ = 32 .
√ √
e) x∗ = 15 27 125 15
49 5 − 49 , y = 49 − 49 15.
∗
√ √
f) x∗ = 9 119 − 63, y ∗ = 216 18
7 − 7 119.
Ejer
i
ios 5.
1. a) Solu
ión 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 Matemáti
as para E
onomistas III: Optimiza
ión y dinámi
a
619
620 Matemáti
as para E
onomistas III: Optimiza
ión y dinámi
a
Valores propios, 55
Verhulst, Pierre, 24
Von Neumann, John, 149