Optimizacion y Dinamica PDF

MATEMÁTICAS BÁSICAS PARA
ECONOMISTAS III
OPTIMIZACIÓN Y DINÁMICA
Con Notas Históri as y Contextos E onómi os
SERGIO MONSALVE
EDITOR
FACULTAD DE CIENCIAS
UNIVERSIDAD NACIONAL DE COLOMBIA

ii
Autores
Sergio Monsalve Departamento de Matemáti as

Universidad Na ional de Colombia, Bogotá
Ömer Özak Fa ultad de E onomía

Universidad Externado de Colombia, Bogotá
Con la olabora ión de:
Gian arlo Romano E onomista

Universidad Na ional de Colombia, Bogotá
iii
La ien ia se ha onstruido para satisfa er

iertas ne esidades de nuestra mente;
ella nos des ribe.
Y aunque tiene ierta rela ión on el mundo real,
esa rela ión es muy, muy ompleja
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
lineales fundamentales de la teoría e onómi a: el modelo walrasiano de

Cassel, el modelo insumo-produ to de Leontief, el modelo de equilibrio
general de von Neumann, el modelo sraano, la teoría de juegos de
von Neumann y Morgenstern, el modelo keynesiano lineal IS-LM, y el
análisis de a tividades de Koopmans. En el volumen II se en uentran,
entre otras dis usiones, notas históri as y de ontexto del problema de
la ra ionalidad, de la revolu ión marginalista y de la omunión entre
ra ionalidad y marginalismo; en el volumen III apare en tres de las vi-
siones modernas más importantes sobre el omportamiento e onómi o:
el modelo keynesiano IS-LM no-lineal de Hi ks, el modelo walrasiano
de Arrow y Debreu, y los modelos de intera iones e onómi as y so iales.
El objetivo en ada uno de estos análisis es el problema e onómi o por
sí mismo y las onse uen ias que el desarrollo lógi o de las hipótesis y
herramientas matemáti as entregan para dis usión tanto a nivel teóri o-
on eptual omo de políti a e onómi a. En ningún aso se entra en las
herramientas matemáti as que están siendo utilizadas.
En denitiva, este trabajo es una invita ión a omenzar a entender el
poten ial y, sobre todo, los límites de la herramienta matemáti a tra-
di ional en la teoría e onómi a; es una invita ión a entender que las
matemáti as tradi ionales están mejor diseñadas y adaptadas a ien ias
exa tas omo la físi a, pero quizás no para el estudio de los fenómenos
so iales y e onómi os, y esto intentamos resaltarlo en el texto uando
presentamos numerosos ejemplos tomados de la físi a, de la quími a, o
de la biología. Pero aunque estamos onven idos de que las matemáti-
as son más laras que ualquier otro lenguaje y de que en numerosas
o asiones muestran lo que no podría lograrse por introspe ión, proba-
blemente el verdadero aporte de ellas a las ien ias so iales y e onómi as
úni amente podrá ser evaluado por las genera iones futuras. No antes;
y, por supuesto, no ahora. Sólo que en ese amino no deberíamos seguir
ni la moda del día, ni la aproba ión o desaproba ión de nuestros olegas.
En su lugar, nos debería preo upar al anzar más y más laras ompren-
siones de lo que su ede en los fenómenos e onómi os que enfrentamos
día a día, y si estas, u otras matemáti as, son un me anismo apropiado
para lograrlo, habríamos avanzado un paso más en este propósito.
Una palabra nal. Algunos tienen la reen ia de que no hay manual
ni texto, por bueno que sea, que pueda relevarnos de la le tura de
los artí ulos originales y de los textos lási os; y que nadie debería
vii
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
El presente volumen es el último de los uatro que onforma la ole ión

Matemáti as bási as para e onomistas. En él, omo podría esperarse,
el le tor en ontrará un material más avanzado que en el resto de la
obra, pero también más er ano a las preo upa iones del e onomista en
forma ión y, por supuesto, del profesional, pues las herramientas están
mejor dispuestas para la dis usión de problemas e onómi os entrales.
Por lo anterior, el le tor quizás tendrá que enfrentar este último volumen
on mayor aten ión y dis iplina dado que, seguramente, se en ontrará on
exigen ias propias de la materia que le obligarán, en numerosas o asiones,
a ser re ursivo, ingenioso y muy pa iente. Un buen momento para ultivar
o fortale er estas virtudes.
Es nuestra re omenda ión, sin embargo, que este primer urso de opti-
miza ión y dinámi a se haga sin apelar de manera extrema al formalismo
uando de estudiantes de pregrado se trate. Obviamente, para ursos o
seminarios superiores la exigen ia debería ser mayor. Por ejemplo, en
aquellos ursos sólo debería enfatizarse en la orre ta omprensión de
los teoremas (sin demostra ión, ex epto algunas ex ep iones a riterio
del do ente), en la apli a ión ade uada de ellos a través de ejemplos
ilustrativos, y en el entendimiento abal a través de la elabora ión de
numerosos ejer i ios. Por supuesto, todo esto enmar ado por una se-
le ión apropiada del material del libro que se adapte a los espa ios y
tiempos a adémi os. Esa es la metodología que re omendamos siempre
para ursos de matemáti as de pregrado en e onomía.
Varias adverten ias de nota ión, no sólo para este, sino también para los
tres volúmenes anteriores. Los números on expresión de imal se es riben
utilizando el punto (.) para separar la antidad entera de la de imal. No
se re urre a la nota ión, también omún, de la oma (,). De otro lado,
utilizamos la nota ión para indi ar que una demostra ión ha nalizado,
ix
x
la nota ión N para indi ar que un ejer i io (o ejemplo) ha terminado, y

los asteris os para indi ar que un ejer i io propuesto puede ser difí il
( (∗ ) para los ejer i ios difí iles y (∗∗ ) para los muy difí iles).
Por último, deseamos agrade er a todos aquellos que, a través de ver-
siones semestrales desde Febrero de 2003, ayudaron a que esta obra de
uatro volúmenes, se onsolidara paso a paso, lentamente, a pesar de
los numerosos errores y ríti as que surgieron sobre las primeras versio-
nes, pero que on su pa ien ia y omprensión entendieron que esta era
una propuesta de onstru ión ole tiva entre estudiantes y profesores,
que, obviamente, onllevaba un difí il pro eso. En parti ular, un agrade-
imiento a los estudiantes de E onomía de las Universidades Na ional,
Externado y Javeriana, que sufrieron los rigores de versiones prelimi-
nares, y que tanto ayudaron a orregir, ampliar, a larar y profundizar,
para intentar ha er de este trabajo uno a esible y mejor dispuesto a sus
ne esidades y requerimientos. Ojalá lo hayamos logrado.
xi
Sergio Monsalve le dedi a este esfuerzo a

su profesor de matemáti as Jairo Charris
A la memoria de Juan Alonso, Jorge Diego, Nan y y Adriana

xii
Prólogo a Matemáti as Bási as Para
E onomistas
Por: Eduardo Mantilla P.
En esta obra se re ogen las experien ias didá ti as de los autores en

la enseñanza de la Matemáti a, espe ialmente en las arreras de ien-
ias e onómi as, tomando omo eje entral el trabajo de varios años del
profesor Sergio Monsalve.
Los textos he hos a partir de los apuntes de lase tienen el en anto de
traslu ir la manera de trabajar del maestro. Su manera de enfo ar los
temas. Su parti ular manera de de ir las osas para ha erlas ompren-
sibles a los estudiantes. Su manera de a er arse al ono imiento. A qué
le da prela ión. Un texto he ho así es omo una radiografía del alma
pedagógi a del maestro. Por eso es tan importante que no se pierdan las
experien ias de quienes trabajan bien, para que otros las aprove hen e
inspirados en ellas adelanten su labor do ente y imenten su forma ión
omo edu adores.
Esta obra reeja una manera de ha er las osas de manera atra tiva y
rigurosa y, en uanto a su ontenido, ompleta para las arreras de ien-
ias e onómi as. Sus autores logran darle unidad y sabor en un trabajo
dispendioso para ellos y útil para quienes tienen a su argo asignaturas
de matemáti as que aquí pueden sele ionar los temas que les sean ne e-
sarios, on la seguridad de que están bien tratados y que son a esibles
para los estudiantes.
Al ver la totalidad de la obra resaltan el enorme trabajo que signi ó pa-
ra el profesor Monsalve y sus ompañeros re oger, ordenar y reelaborar
sus experien ias y presentarlas omo lo ha en. Para quien esto es ribe,
es espe ialmente atra tivo el manejo de los temas geométri os que tan
buenos resultados dan desde el punto de vista formativo y para la om-
prensión general de la materia. La presenta ión de modelos e onómi os
xiii
xiv
y las notas históri as son herramienta formidable para mostrar y dar un

ontexto al devenir de los on eptos matemáti os y su utiliza ión por
parte de la E onomía.
Los autores mere en feli ita iones y el re ono imiento de la omunidad
universitaria por haberse omprometido en tamaña tarea, y por la forma
uidadosa en que lo hi ieron. Por lo bien que les quedó, y por lo útil que
será para las futuras promo iones de estudiantes. Ojalá esta obra sea
probada por otros maestros que, en la prá ti a, son quienes que on su
fre uente utiliza ión, ali an la ex elen ia de este tipo de trabajo.
Bogotá, junio de 2007

Índi e general
1. Fun iones ón avas, onvexas, uasi ón avas y uasi-
onvexas 1
1. Fun iones ón avas y onvexas . . . . . . . . . . . . . . . 4
2. Propiedades fundamentales de las fun iones ón avas . . 9
3. Fun iones uasi ón avas y uasi onvexas . . . . . . . . . . 23
4. Propiedades fundamentales de las fun iones uasi ón avas 25
5. Contexto e onómi o . . . . . . . . . . . . . . . . . . . . . 37
a) Con avidad- onvexidad y marginalidad de re ien-
te en la teoría e onómi a . . . . . . . . . . . . . . 37
b) Con avidad- onvexidad y rendimientos a es ala en
la teoría de la produ ión . . . . . . . . . . . . . . 39
) Con avidad- onvexidad en la teoría del onsumo . 48
d) Breve nota sobre no- onvexidades . . . . . . . . . . 60
Ejer i ios omplementarios . . . . . . . . . . . . . . . . . . . . 62
2. Optimiza ión estáti a 69

1. Planteamiento del problema . . . . . . . . . . . . . . . . . 70
2. Optimiza ión en onjuntos ompa tos:
el teorema de Weierstrass . . . . . . . . . . . . . . . . . . 73
3. El método de Lagrange . . . . . . . . . . . . . . . . . . . . 75
4. El método Kuhn-Tu ker . . . . . . . . . . . . . . . . . . . 90
a) El algoritmo (de) Kuhn-Tu ker . . . . . . . . . . . 92
b) Interpreta ión de los multipli adores de Lagrange
y el teorema de la envolvente . . . . . . . . . . . . 108
5. Optimiza ión lineal: el método simplex . . . . . . . . . . 113
a) El problema y su solu ión grá a . . . . . . . . . . 115
b) El algoritmo simplex . . . . . . . . . . . . . . . . 121
xv
xvi
) El teorema de dualidad . . . . . . . . . . . . . . . 132

6. Optimiza ión en onjuntos onvexos: teoremas de separa-
ión de Minkowski . . . . . . . . . . . . . . . . . . . . . . 141
a) Apli a iones del teorema de separa ión de Minkowski146
7. Optimiza ión en orresponden ias: el teorema del máximo 150
8. Teoremas de punto jo . . . . . . . . . . . . . . . . . . . . 156
a) Apli a iones de los teoremas de punto jo . . . . . 160
a) Comportamiento e onómi o ra ional sin intera -
iones: algunos ejemplos . . . . . . . . . . . . . . . 165
b) Cara terísti as generales de las fun iones del pro-
du tor y onsumidor ra ional sin intera iones . . . 181
) Comportamiento e onómi o ra ional sin intera -
iones: tradi ión paretiana del modelo walrasiano 189
d) Comportamiento e onómi o ra ional on intera -
iones: la teoría de juegos lási a . . . . . . . . . . 220
3. Sistemas dinámi os 261

1. Sistemas dinámi os ( ontinuos) en una dimensión . . . . . 263
a) Diagramas de fase unidimensionales . . . . . . . . 268
b) Estabilidad unidimensional . . . . . . . . . . . . . 270
2. Sistemas dinámi os ( ontinuos) en dos dimensiones . . . . 278
a) Diagramas de fase en dos dimensiones . . . . . . . 281
b) Estabilidad en dos dimensiones . . . . . . . . . . . 286
) Sistemas lineales ( ontinuos) en dos dimensiones . 287
d) Solu ión general para sistemas no-homogéneos . . . 305
e) Sistemas ( ontinuos) no-lineales en dos dimensiones 308
f) El método de Lyapunov . . . . . . . . . . . . . . . 312
3. Sistemas dinámi os (dis retos) en una dimensión . . . . . 320
a) Diagramas de fase para sistemas dis retos autóno-
mos unidimensionales . . . . . . . . . . . . . . . . 328
b) Estabilidad en sistemas autónomos . . . . . . . . . 331
4. Sistemas dinámi os (dis retos) en dos dimensiones . . . . 336
a) Estabilidad y diagramas de fase . . . . . . . . . . . 338
b) Sistemas lineales (dis retos) en dos dimensiones . . 339
) Solu ión general para sistemas no-homogéneos . . . 345
d) Sistemas (dis retos) no-lineales en dos dimensiones 349
xvii
e) El método de Lyapunov para sistemas dis retos

bidimensionales . . . . . . . . . . . . . . . . . . . . 353
5. Breve sobre i los límite, puntos periódi os, bifur a iones
y aos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 358
a) Ci los límites y K- i los . . . . . . . . . . . . . . . 359
b) Bifur a ión y aos . . . . . . . . . . . . . . . . . . 362
a) El modelo IS-LM . . . . . . . . . . . . . . . . . . . 371
b) El modelo Arrow-Debreu: la e onomía omo un sis-
tema me áni o . . . . . . . . . . . . . . . . . . . . 384
) La teoría de intera iones: ha ia una visión de la
e onomía omo un sistema orgáni o . . . . . . . . 408
d) Nota nal: Sobre la mano invisible de Adam Smith,
el modelo Arrow-Debreu y los juegos pobla ionales 424
4. Optimiza ión dinámi a 439

1. Espa ios métri os: la no ión de distan ia en topología . . 440
a) No iones topológi as fundamentales . . . . . . . . 443
b) Espa ios métri os ompletos . . . . . . . . . . . . . 453
) Espa ios métri os ompa tos . . . . . . . . . . . . 463
2. Espa ios de Bana h: álgebra en los espa ios métri os . . . 471
3. Espa ios de Hilbert: álgebra y geometría en los espa ios
métri os . . . . . . . . . . . . . . . . . . . . . . . . . . . . 477
4. Apli a iones a la teoría de e ua iones diferen iales . . . . 483
5. El ál ulo de varia iones lási o . . . . . . . . . . . . . . . 486
a) El problema del ál ulo de varia iones lási o . . . 489
b) El problema de existen ia de solu iones . . . . . . 491
) Condi iones de primer orden: e ua iones de Euler . 492
6. El problema de ontrol óptimo ( aso ontinuo) . . . . . . 501
a) Solu ión por el prin ipio del máximo (L. Pontrya-
gin et al. (1961)) . . . . . . . . . . . . . . . . . . . 503
b) Solu ión por programa ión dinámi a (Bellman (1957))521
7. El problema del ontrol óptimo ( aso dis reto) . . . . . . . 528
a) Solu ión por el prin ipio del máximo . . . . . . . . 529
b) Solu ión por programa ión dinámi a . . . . . . . . 537
) Programa ión dinámi a esto ásti a . . . . . . . . . 543
xviii
a) Sobre el problema de la onstru ión de la fun ión

de onsumo: ¾Cómo se planean las de isiones indi-
viduales de onsumo y y ómo onforman éstas el
onsumo agregado de una e onomía? . . . . . . . . 550
b) Breve síntesis . . . . . . . . . . . . . . . . . . . . . 582
Bibliografía 591
Respuestas 611
Índi e alfabéti o 619

Le ión 1
Fun iones ón avas, onvexas,
uasi ón avas y uasi onvexas
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:
En el panel (a) tenemos una fun ión on segunda derivada positiva en un

intervalo; omo se observa, β > α, por lo tanto, la pendiente re e. En el
panel (b) apare e una fun ión on segunda derivada negativa en un intervalo;
allí, β < α, por lo que la pendiente de re e.
ontrolar la naturaleza. Por ejemplo, Apolonio [262-190 a.C.℄ utilizaba

espejos ón avos para ha er arder objetos olo ados en su fo o, pues un
espejo parabóli o tiene la parti ularidad de que on entra la luz y el alor
en ese punto. También di e la tradi ión que Arquímedes [287-212 a.C.℄
onstruyó un gigantes o paraboloide que utilizaba para on entrar los
rayos solares sobre los bar os romanos que asediaban su iudad (Sira usa)
y así poder in endiarlos. A tualmente, la posibilidad de on entrar la luz
se aprove ha, por ejemplo, en la onstru ión de teles opios ree tores
(inventados por Newton); y omo el omportamiento de las ondas de
radio es similar al de los rayos luminosos, también se utilizan ree tores
parabóli os para on entrar ondas de radio emitidas por fuentes débiles
y onvertirlas en un haz intenso.
Ya posteriormente, en el Rena imiento, fue Galileo Galilei (1632) quien
primero entendió los prin ipios fundamentales que regulan el fenómeno
del movimiento urvilíneo. Galileo se proponía entender, en parti ular,
el omportamiento de los proye tiles. Y aunque el añón, que se usaba
desde el siglo XIV, había tenido mu hos perfe ionamientos, la teoría del
movimiento de los proye tiles era de iente, ya que matemáti os y físi os
intentaban apli arle las equivo adas leyes del movimiento basadas en la
Le ión 1: Fun iones ón avas y uasi ón avas 3
físi a de Aristóteles. Gra ias a Galileo (y también a Newton) hoy sabemos

que la traye toria de una piedra arrojada desde un borde de ierta altura
orresponde a un movimiento parabóli o des rito fun ionalmente por
gt2
s(t) = − + v0 t + s0
2
donde t es la variable tiempo; s(t) es la altura de la piedra en el tiempo
t; g ≡ 9.8m/seg2 es la a elera ión onstante de los uerpos que aen;
v0 es la velo idad ini ial on que fue lanzada la piedra; y s0 es la altura
desde la que se hizo el lanzamiento (ver gura 2). Y, omo veremos, esta
urva s(·) es una fun ión ón ava.
Un siglo después, y ya en el plano puramente analíti o, podría de irse
que la primera investiga ión detallada de urvas de orden superior (in-
luyendo allí urvas ón avas y onvexas) fue el libro de Leonhard Euler
de 1748 titulado Introdu tio in Analysis Innitorum. En el segundo vo-
lumen de este libro, Euler muestra la geometría analíti a de estas urvas
en un lenguaje muy er ano al que apare e en los textos ontemporáneos.
En parti ular, esta fue la primera vez que se estudiaron e ua iones arte-
sianas para las tres óni as (elipse, parábola e hipérbola) uya geometría
tanto había preo upado a los antiguos griegos lási os y alejandrinos. Y
es desde este trabajo de Euler que se apuntala todo el estudio moderno
de las fun iones ón avas y onvexas.
De las importantes no iones de on avidad y onvexidad (y sus genera-
liza iones) dis utiremos enton es en esta le ión.
s(t)
s0
t
Figura 2: Tiro parabóli o
1. Fun iones ón avas y onvexas

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

Diremos que una fun ión f : C → R es ón ava si, y sólo si, para todo x,
y ∈ C , λ ∈ [0, 1], se umple que
f (λx + (1 − λ)y) ≥ λf (x) + (1 − λ)f (y) (1)
Diremos, además, que f (·) es estri tamente ón ava si la desigualdad (1)

es estri ta para x 6= y , λ ∈ (0, 1).
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)).
Deni ión 2. (Fun ión onvexa)

Diremos que una fun ión f : C → R es onvexa si, y sólo si, para todo
x, y ∈ C , λ ∈ [0, 1], se umple que
f (λx + (1 − λ)y) ≤ λf (x) + (1 − λ)f (y) (2)
Diremos que es estri tamente onvexa si la desigualdad (2) es estri ta

para x 6= y , λ ∈ (0, 1).
La interpreta ión geométri a para dos variables es que el segmento de

re ta está por en ima del ar o de la urva que une a x y y (ver gura 3
b)).
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).
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).
b) Observemos que la on avidad es una no ión de onjunto ; es de ir,

una fun ión puede ser onvexa en ierta región de su dominio y ón-
ava en otra (ver gura 4. a)).
) 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.
Sean x, y ≥ 0, x 6= y y λ ∈ (0, 1). Enton es debemos mostrar que
f (λx + (1 − λ)y) > λf (x) + (1 − λ)f (y)
ó, lo que es equivalente,
p √ √
λx + (1 − λ)y > λ x + (1 − λ) y
Si elevamos ambos lados de esta desigualdad al uadrado, tenemos que

√ √
λx + (1 − λ)y > λ2 x + (1 − λ)2 y + 2λ(1 − λ) x y
de la ual, reordenando términos, obtenemos que

√ √
λ(1 − λ)x + λ(1 − λ)y > 2λ(1 − λ) x y
√ √ √ √ 2
ó, lo que es lo mismo, x + y > 2 x y, ó, x − y > 0, lo ual se
√
umple siempre, ya que hemos asumido x 6= y . Por lo tanto, f (x) = x
es estri tamente ón ava en [0, ∞). 2 N
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
f (λx1 + (1 − λ)y1 , λx2 + (1 − λ)y2 ) ≥ λf (x1 , x2 ) + (1 − λ)f (y1 , y2 )

2
Aquí, y en los volúmenes previos, el símbolo N signi a que el ejemplo que se
está analizando, ha nalizado.
Y esto es
p √ √
(λx1 + (1 − λ)y1 )(λx2 + (1 − λ)y2 ) ≥ λ x1 x2 + (1 − λ) y1 y2
Si elevamos ambos lados de la desigualdad al uadrado, obtenemos

√ √
(λx1 +(1−λ)y1 )(λx2 +(1−λ)y2 ) ≥ λ2 x1 x2 +(1−λ)2 y1 y2 +2λ(1−λ) x1 x2 y1 y2
y, realizando los produ tos de la desigualdad, llegamos a:
λ2 x1 x2 + λ(1 − λ)x1 y2 + λ(1 − λ)y1 x2 + (1 − λ)2 y1 y2 ≥

√ √
λ2 x1 x2 + (1 − λ)2 y1 y2 + 2λ(1 − λ) x1 x2 y1 y2
de lo ual obtenemos que
√ √
λ(1 − λ)x1 y2 + λ(1 − λ)y1 x2 ≥ 2λ(1 − λ) x1 x2 y1 y2
Si λ = 0 ó λ = 1 esta desigualdad es ierta. Y si λ 6= 0, 1 enton es se

tiene que
√ √
x1 y2 + y1 x2 ≥ 2 x1 x2 y1 y2
ó
√ √
( x1 y2 − y1 x2 )2 ≥ 0
y esta desigualdad se umple siempre. Por lo tanto, tenemos que f (x) =
√
f (x1 , x2 ) = x1 x2 es ón ava en R2+ . Sin embargo, obsérvese que esta
fun ión no es estri tamente ón ava pues la parte izquierda de la última
desigualdad podría ser ero, es ogiendo ade uadamente x = (x1 , x2 ) y
y = (y1 , y2 ). Por ejemplo, esto su ede si tomamos (x1 , x2 ) = t(y1 , y2 ),
para ualquier t > 0. La idea intuitiva aquí de por qué f (x1 , x2 ) =
√
x1 x2 es ón ava pero no estri tamente ón ava, es que la super ie
está onformada ón avamente por re tas (o rayos) que parten del
origen (0, 0) (ver gura 5 a)). 3 N
Ejemplo 3.
Probemos que f (x1 , x2 ) = (x1 )2 + (x2 )2 es estri tamente onvexa en R2
(ver gura 5.b)).
3
Imagine el le tor ómo se forma una super ie ón ava uniendo sólo varillas
re tas.
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
lo ual, al ulando los uadrados, es
λ2 (x1 )2 + (1 − λ)2 (y1 )2 + 2λ(1 − λ)x1 y1 + λ2 (x2 )2 + (1 − λ)2 (y2 )2 +

2λ(1 − λ)x2 y2 < λ(x1 )2 + λ(x2 )2 + (1 − λ)(y1 )2 + (1 − λ)(y2 )2
ó, simpli ando, esto es equivalente a
λ2 (x1 )2 + (y1 )2 − 2λ(y1 )2 + λ2 (y1 )2 + 2λx1 y1 − 2λ2 x1 y1 + λ2 (x2 )2 +

(y2 )2 − 2λ(y2 )2 + +λ2 (y2 )2 + 2λx2 y2 − 2λ2 x2 y2 < λ(x1 )2 + λ(x2 )2 +
(y1 )2 − λ(y1 )2 + (y2 )2 − λ(y2 )2
y de nuevo simpli ando, arribamos a que
λ2 (x1 )2 − λ(y1 )2 + λ2 (y1 )2 + 2λx1 y1 − 2λ2 x1 y1 + λ2 (x2 )2 − λ(y2 )2 +

λ2 (y2 )2 + 2λx2 y2 − 2λ2 x2 y2 < λ(x1 )2 + λ(x2 )2
Agrupando términos, obtenemos
2λ(1 − λ)x1 y1 + 2λ(1 − λ)x2 y2 < λ(1 − λ)(x1 )2 + λ(1 − λ)(x2 )2 +

λ(1 − λ)(y1 )2 + λ(1 − λ)(y2 )2
que es equivalente a
λ(1 − λ)(x1 − y1 )2 + λ(1 − λ)(x2 − y2 )2 > 0
y que, laramente, se umple, pues λ ∈ (0, 1) y x1 6= y1 ó x2 6= y2 . N
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.
2. Pruebe, utilizando la respe tiva deni ión, que:
(a) f (x, y) = mı́n{x, y} es ón ava para x > 0, y > 0. ¾Será

estri tamente ón ava?
(b) f (x, y) = máx{x, y} es onvexa para x > 0, y > 0. ¾Será
estri tamente onvexa?
( ) ¾Será ierto que si una fun ión f : R+ → R+ es onvexa,
y f −1 (·) existe, enton es f −1 (·) es ón ava? [Indi a ión: Un
grá o de f (·) y f −1 (·) ayudaría℄.
2. Propiedades fundamentales de las fun iones

ón avas
Re ordemos que hemos asumido que, en adelante, C ⊆ Rn es un onjunto
onvexo no-va ío. Dado esto, los siguientes teoremas nos presentan las
propiedades bási as de las fun iones ón avas. El primero de éstos nos
muestra que la deni ión aparentemente algebrai a de fun ión ón ava
tiene una muy fuerte impli a ión topológi a:
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.
(Ver ejer i io omplementario 24 al nal de la presente le ión). 5
Teorema 2. (Una ara terísti a importante de las fun iones

ón avas)
Si f : C → R es ón ava, el onjunto de nivel superior a α, Sα =
{x ∈ C | f (x) ≥ α}, es onvexo para todo α ∈ R (ver gura 6 a)). La
re ípro a no siempre es ierta (ver ejemplo 7 adelante).
Demostra ión.
Si x, y ∈ Sα , enton es f (x) ≥ α, f (y) ≥ α. Como f (·) es ón ava,

enton es para todo λ ∈ [0, 1],
f (λx + (1 − λ)y) ≥ λf (x) + (1 − λ)f (y)

≥ λα + (1 − λ)α = α
Luego, λx + (1 − λ)y ∈ Sα , lo que prueba que Sα es un onjunto onvexo.
Teorema 3. (Condi ión de primer orden de las fun iones ón-

avas)
Sea f : C → R ontinua en C y diferen iable on ontinuidad6 en el in-
terior de C ; enton es, f (·) es ón ava en C si, y sólo si, para todo x, y ,
en el interior de C ,
f (x) − f (y) ≤ ∇f (y) · (x − y) (3)

◦
4
Re ordemos que el interior de un onjunto C ⊆ Rn es el sub onjunto C ⊆ C
onformado por los puntos x ∈ C para los uales existe un r > 0 tal que la bola
abierta de radio r y entro en x, Br (x), está ontenida en C ; esto es, Br (x) ⊆ C (ver
volumen II: Cál ulo).
5
El símbolo se a ostumbra a olo ar al nal de las demostra iones de los
teoremas.
6
Es de ir, on primeras derivadas par iales ontinuas en C.
En parti ular, en el aso de fun iones ón avas de una sola variable,

tenemos que
f (x) − f (y) ≤ f ′ (y)(x − y) (ver gura 6 b)) (4)
Además, en el aso general de n variables, f (·) es estri tamente ón ava

si, y sólo si, f (x) − f (y) < ∇f (y) · (x − y) para todo x, y , en el interior
de C , on x 6= y .
y f (x)
B D
Sα C
A
x y x x
(a) (b)
Figura 6:
En el panel (a) se muestra el onjunto de nivel superior Sα , el ual es un

onjunto onvexo (teorema 2). En el panel (b) se presenta la ondi ión de
on avidad pendiente de CD ≤ pendiente de AB (teorema 3).
Demostra ión.
Probaremos ini ialmente el aso para una sola variable:
a) Supongamos que f (·) es ón ava en C . Enton es, para λ ∈ (0, 1] y

x 6= y,
f (λ(x − y) + y) = f (λx + (1 − λ)y) ≥

λf (x) + (1 − λ)f (y) = λ(f (x) − f (y)) + f (y)
lo ual impli a que

f (λ(x − y) + y) − f (y)
(x − y) ≥ f (x) − f (y)
λ(x − y)
Dado que f (·) es diferen iable, tenemos que si λ → 0,
f ′ (y)(x − y) ≥ f (x) − f (y)
b) Si x, y están en el interior de C , para λ ∈ [0, 1],
f (x) ≤ f (λx + (1 − λ)y) + f ′ (λx + (1 − λ)y)(1 − λ)(x − y)

f (y) ≤ f (λx + (1 − λ)y) + f ′ (λx + (1 − λ)y)(λ)(y − x)
y multipli ando la primera desigualdad por λ y la segunda por (1− λ)

y sumando, se obtiene que
λf (x) + (1 − λ)f (y) ≤ f (λx + (1 − λ)y)
y así, f (·) es ón ava en C .
La demostra ión para el aso general es ya asi inmediata pues basta

tomar la fun ión F (λ) ≡ f (y + λ(x − y)) on ǫ < λ < 1 + ǫ para ǫ > 0
pequeño, y al ular F ′ (λ) para luego apli ar el aso de una sola variable:
En efe to, utilizando el resultado anterior en esta fun ión tendríamos que
F (1) − F (0) ≤ ∇F (0)(1 − 0)
f (x) − f (y) ≤ ∇f (y) · (x − y)
que era lo que queríamos probar.

El aso de on avidad estri ta es similar.
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.
Teorema 4. (Condi ión de segundo orden de las fun iones ón-

avas)
a) Si f (·) es dos ve es diferen iable on ontinuidad en el interior de C
y ontinua en C , enton es f (·) es ón ava en C si, y sólo si, para todo
x en el interior de C la matriz hessiana
2 n
∂ f
Hf (x) = (x) (5)
∂xi ∂xj i,j=1
es semidenida negativa; es de ir, si, y sólo si, XHf (x)X T ≤ 0

para todo X ∈ Rn . 7
b) En parti ular, en el aso de fun iones de dos variables, tendremos que

f (·) es ón ava en C si, y sólo si, la matriz hessiana

A B
Hf (x) =
B C
satisfa e A ≤ 0 y AC − B 2 ≥ 0 para todo x en el interior de C .
) Y en el aso de fun iones de una sola variable (n=1), esta ondi 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.
Demostra ión.
[Primero demostramos ), y luego a); el literal b) queda omo ejer i io

para el le tor.℄
Demostra ión de ):
i) Supongamos que f (·) es ón ava en C . Por el teorema 3, tenemos

que para todo x en el interior de C y h su ientemente pequeño,
f (x) − f (x + h) ≤ f ′ (x + h)(−h) y f (x + h) − f (x) ≤ f ′ (x)(h)
Luego,
f ′ (x + h) − f ′ (x) f ′ (x + h)h − f ′ (x)h

f ′′ (x) = lı́m = lı́m
h→0 h h→0 h2
f (x + h) − f (x) − f (x + h) + f (x) 0
≤ lı́m 2
= lı́m 2 = 0
h→0 h h→0 h
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,
f (x) − f (y) ≤ f ′ (x)(x − y)
Apli ando el teorema 3 obtenemos el resultado bus ado.
Demostra ión de a):

◦
i) Sea a ∈ C (interior de C ). Enton es, para h = (hi ) jo, tendremos
◦
que a + λh ∈ C si |λ| es su iente pequeño (digamos |λ| < ǫ para
◦
ǫ > 0 pequeño). Si f (·) es ón ava en C enton es F (t) ≡ f (a +
λh) también es ón ava en (−ǫ, ǫ), y así, por
la parte ) de este
P ∂ 2f
teorema, se tendrá que F ′′ (0) = hi hj ≤ 0, que es,
∂xj ∂xi x=a
exa tamente, lo que queríamos demostrar.
◦
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.
Teorema 5. (Típi a ara terísti a diferen ial de las fun iones

estri tamente ón avas)
a) Si f (·) es dos ve es diferen iable on ontinuidad en el interior de C y
ontinua en C , enton es f (·) es estri tamente ón ava si para todo
x en el interior de C , la matriz hessiana Hf (x) es denida negativa.
El re ípro o no es ierto siempre.
b) En parti ular, en el aso de dos variables, tendremos que f (·) es es-

tri tamente ón ava si la matriz hessiana

A B
Hf (x) =
B C
∂2f ∂2f ∂2f ∂2f

donde A = , B = = , C = , satisfa e A < 0 y
∂x2 ∂x∂y ∂y∂x ∂y 2
AC − B 2 > 0 para todo x en el interior de C (obsérvese que, en tal
situa ión, también C < 0).
) En el aso de fun iones de una sola variable, f (·) es ón ava estri ta

si, y sólo si, f ′′ (x) < 0 para todo x en el interior de C .
Demostra ión.
La prueba de esta propiedad es similar a la del teorema 4, utilizando

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

Las propiedades fundamentales de las fun iones onvexas se obtienen
utilizando el he ho de que f (·) es onvexa si, y sólo si, −f (·) es ón ava
y, utilizando los resultados de los teoremas anteriores. Un buen ejer i io
para el le tor sería es ribirlas explí itamente.
Ejemplo 4.
Es fá il mostrar (ver gura 8) que:
(a) f (x) = ln(x) es estri tamente ón ava para x > 0.
(b) Si α > 0, g(x) = 1/xα es estri tamente onvexa para x > 0.
pues apli ando dire tamente el teorema 5 ), obtenemos, en ada aso,

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)
Figura 8: f (x) = ln x y g(x) = 1/xα

Ejemplo 5.
Mostremos (ver gura 9) que la fun ión f (x) = xα on x > 0 y α ≥ 0 es:
1. Cón ava si, y sólo si, 0 ≤ α ≤ 1.
2. Estri tamente ón ava si 0 < α < 1.
3. Convexa si, y sólo si, α ≥ 1.
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
f ′′ (x) = α(α − 1)xα−2
(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.
(b) Para la on avidad estri ta ne esitamos que la desigualdad en (a) se

umpla estri tamente. Por un argumento similar al anterior, tenemos
que la fun ión es ón ava estri ta si 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:
(i) Cón ava si, y sólo si, α + β ≤ 1.
(ii) Estri tamente ón ava si, y sólo si, α + β < 1.
(iii) Además, mostremos que, en ningún aso, la fun ión es onvexa.

Solu ión.
Tenemos que
∂f ∂f
= αxα−1 y β , = βxα y β−1
∂x ∂y
y la matriz hessiana está denida por

A B
Hf (x) =
B C
donde
∂2f α−2 β ∂2f
A= = α(α − 1)x y , B = = αβxα−1 y β−1
∂x2 ∂x∂y
∂2f
C= = β(β − 1)xα y β−2
∂y 2
i) Así, Hf (x, y) es semidenida negativa si, y sólo si,
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,
αβ(α − 1)(β − 1)x2α−2 y 2β−2 ≥ α2 β 2 x2α−2 y 2β−2

ó,
(α − 1)(β − 1) ≥ αβ
de lo ual obtenemos,
−α − β + 1 ≥ 0
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
es todavía un onjunto onvexo.8 Esto demuestra que el re ípro o del

teorema 2 es, en general, falso.
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.
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
α1/2 (λg(x1 ) + (1 − λ)g(x2 )) ≥ α1/2 g(λx1 + (1 − λ)x2 )

1/2 1
=α
λx1 + (1 − λ)x2
lo que es equivalente a λ(x1 , y1 )+(1−λ)(x2 , y2 ) ∈ Sα , que es el resultado

bus ado. N
Dada la deni ión de fun ión ón ava, podemos derivar sus propiedades
algebrai as:
Teorema 6. (Álgebra de fun iones ón avas)

a) Si a ∈ R, y f (·) es ón ava, enton es f (·) + a es ón ava.
b) Si a ∈ R+ y f (·) es ón ava, enton es a f (·) es ón ava.

) Si f (·), g(·) son fun iones ón avas, enton es (f + g)(·) es ón ava.
d) Si f (·), g(·) son fun iones ón avas, enton es (f · g)(·) ni (f /g)(·)

son ne esariamente ón avas.
e) Si f : C → R es ón ava estri ta y F : R → R es estri tamente

monótona re iente y estri tamente ón ava, enton es (F ◦ f )(·) es
también ón ava estri ta.
Demostra ión.
a) Sea f (·) ón ava, y denamos g(·) = f (·) + a; enton es
g(λx + (1 − λ)y) = f (λx + (1 − λ)y) + a

≥ λf (x) + (1 − λ)f (y) + a
= λ(f (x) + a) + (1 − λ)(f (y) + a)
= λg(x) + (1 − λ)g(y)
b) Sea a ∈ R+ y f (·) ón ava, y denamos g(·) = a f (·); enton es
g(λx + (1 − λ)y) = a f (λx + (1 − λ)y)

≥ a [λf (x) + (1 − λ)f (y)]
= λ(a f (x)) + (1 − λ)(a f (y))
= λg(x) + (1 − λ)g(y)
) Sean f (·), g(·) fun iones ón avas; enton es
(f + g)(λx + (1 − λ)y) = f (λx + (1 − λ)y) + g(λx + (1 − λ)y)

≥ λf (x) + (1 − λ)f (y) + λg(x) + (1 − λ)g(y)
= λ(f + g)(x) + (1 − λ)(f + g)(y)
d) Si f (x) = x y g(x) = x1/2 , vemos que ambas son ón avas, pero

(f · g)(x) = x3/2 no lo es. Por otro lado, si f (x) = x1/2 y g(x) = x,
enton es (f /g)(x) = x−1/2 es onvexa.
e) Sean F (·) estri tamente re iente y estri tamente ón ava, y f (·) es-
tri tamente ón ava; enton es
(F ◦ f )(λx + (1 − λ)y) = F [f (λx + (1 − λ)y)]

> F [λf (x) + (1 − λ)f (y)]
> λF [f (x)] + (1 − λ)F [f (y)]
El siguiente teorema es uno de los más utilizados en las apli a iones,

ya que arma que si usted ya está seguro de que la fun ión que va a
maximizar es ón ava, enton es basta derivarla (si esto es posible) y
ha erla igual a ero. Allí apare erán enton es los puntos de máxima (si
existen).
Teorema 7. ( Es fá il optimizar fun iones ón avas )
Si f : C → R es ón ava y diferen iable on ontinuidad en el interior
de C , todo punto ríti o (esto es, todo x∗ en el interior de C tal que
∇f (x∗ ) = 0) es un máximo global (o absoluto) (ver gura 11).
x∗ x
Figura 11:
Todo punto ríti o x∗ de una fun ión ón ava es un máximo global.
Demostra ión.
Por el teorema 3, tenemos que si y ∈ C , y 6= x∗ ,

f (y) − f (x∗ ) ≤ ∇f (x∗ )(y − x∗ ) = 0
Puesto que ∇f (x∗ ) = 0 (x∗ es un punto ríti o), enton es
f (y) ≤ f (x∗ ) para todo y ∈ C
Por lo tanto, x∗ es un máximo global.
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
2. Como ilustra ión del teorema 1, muestre que

(
x2 si x ∈ (0, 1]
f (x) =
1 si x = 0
es onvexa en [0, 1], ontinua en (0, 1], pero dis ontinua en [0, 1].
3. Fun iones uasi ón avas y uasi onvexas

Una pregunta bási a, que trataremos de responder en esta se ión, es,
para qué tipo de fun iones es ierto el re ípro o del teorema 2; es de ir,
que Sα sea onvexo para todo α ∈ R. La respuesta la en ontramos en las
fun iones uasi ón avas, que fueron introdu idas por John von Neumann
en (1928). 9
Deni ión 3. (Fun ión uasi ón ava (von Neumann (1928)))
Diremos que una fun ión f : C → R (donde, re ordemos, C es un sub-
onjunto onvexo no va ío de Rn ) es uasi ón ava si, y sólo si, para todo
x, y ∈ C , λ ∈ [0, 1], se umple que
f (λx + (1 − λ)y) ≥ mı́n{f (x), f (y)} (6)

9
Von Neummann, John (1928), Zur Theorie der Gessells haftspiele, Mathematis-
he Annalen.
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
f (λx + (1 − λ)y) > mı́n{f (x), f (y)} (7)
Deni ión 4. (Fun ión uasi onvexa (von Neumann (1928)))

Diremos que una fun ión f : C → R es uasi onvexa (estri ta ) en C si, y
sólo si, −f (·) es uasi ón ava (estri ta) en C .
Una inmediata rela ión entre las fun iones ón avas y uasi ón avas, la
en ontramos en el siguiente teorema:
Teorema 8. (Con avidad ⇒ uasi on avidad)

Toda fun ión ón ava (estri ta) es uasi ón ava (estri ta); y toda fun-
ión onvexa (estri ta) es uasi onvexa (estri ta).
Demostra ión.
Sea f : C → R una fun ión ón ava; enton es para todo x, y ∈ C ,

λ ∈ [0, 1],
f (λx + (1 − λ)y) ≥ λf (x) + (1 − λ)f (y)

≥ λ mı́n{f (x), f (y)} + (1 − λ) mı́n{f (x), f (y)}
= mı́n{f (x), f (y)}
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).
f (y)
f (x) = mı́n{f (x), 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
4. Propiedades fundamentales de las fun iones

uasi ón avas
Quizás la primera propiedad de las fun iones uasi ón avas que debe
men ionarse es que, a diferen ia de las fun iones ón avas, no toda fun-
ión uasi ón ava es ontinua omo se puede ver en la gura 13. Sin
embargo, sí existe una rela ión entre monotoni idad y uasi on avidad
para fun iones on dominio real que la expresamos formalmente en el
siguiente teorema 9.
Figura 13: Una fun ión uasi ón ava no- ontinua.
Teorema 9. (Monotoni idad ⇒ uasi on avidad)

Si C ⊆ R, enton es toda fun ión monótona 10 (estri ta) es uasi ón ava
(estri ta). Sin embargo, no toda fun ión uasi ón ava es monótona.
Demostra ión.
Supongamos (sin pérdida de generalidad) que f (·) es monótona re iente.

Enton es, para x, y ∈ C , si x ≥ y , mı́n{f (x), f (y)} = f (y); y omo
λx + (1 − λ)y ≥ y , enton es por la monotoni idad de f (·), se tiene que
f (λx + (1 − λ)y) ≥ f (y), que es lo que se quería probar. La demostra ión
para el aso estri to es similar. Se deja omo ejer i io al le tor, mostrar
una fun ión uasi ón ava que no sea monótona.
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.
a) Supongamos que f (·) es uasi ón ava y probemos que Sα es onvexo.

Para esto, sean x, y ∈ Sα ; enton es f (x) ≥ α, f (y) ≥ α. Y así,
f (λx + (1 − λ)y) ≥ mı́n{f (x), f (y)} ≥ mı́n{α, α} = α

10
Es de ir, re iente o de re iente.
Luego, λx + (1 − λ)y ∈ Sα .
b) Ahora supongamos que Sα es onvexo, y probemos que f (·) es uasi-

ón ava. Para ello, denamos
α = mı́n{f (x), f (y)} on x, y ∈ C jos
Enton es f (x) ≥ α y f (y) ≥ α. Y, por la onvexidad de Sα , tenemos

que λx + (1 − λ)y ∈ Sα , y así,
f (λx + (1 − λ)y) ≥ α = mı́n{f (x), f (y)}
que es la deni ión de uasi on avidad.
Ejemplo 8. (Una lase espe ial de fun iones uasi ón avas)

Todas las fun iones (Cobb-Douglas) f (x, y) = xγ y β , on β, γ > 0 son
uasi ón avas estri tas en R2++ (ver gura 14), porque para todo α ≥ 0,
el onjunto de nivel superior a α,
Sα = {(x, y) ∈ R2++ | f (x, y) ≥ α} = {(x, y) ∈ R2++ | xγ y β ≥ α}

( )
2 α1/β
= (x, y) ∈ R++ | y ≥ γ/β
x
es un onjunto onvexo (la prueba de esto es similar a la del ejemplo 7).

En parti ular, observemos que si γ +β > 1, enton es f (·) es uasi ón ava
estri ta, pero no es ón ava.
Ejemplo 9. (Una fun ión uasi ón ava y onvexa)

Existen fun iones uasi ón avas que in lusive son onvexas (y no son
lineales): Si f (x) = x2 , x ≥ 0, enton es para α ≥ 0,
√
Sα = {x ∈ R+ | x2 ≥ α} = {x ∈ R+ | x ≥ α }
es un intervalo y, por lo tanto, es un onjunto onvexo.
Teorema 11. (Álgebra de fun iones uasi ón avas)

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

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
Figura 14: Sα para la fun ión f (x, y) = xα y β ; α, β > 0; x, y > 0.
b) La fun ión h(·) = a f (·) es uasi ón ava, si a ≥ 0.

) La fun ión h(·) = f (·) + g(·) no es ne esariamente uasi ón ava.
d) Ni la fun ión h(·) = f (·) g(·), ni h(·) = f (·)/g(·) son ne esariamente
uasi ón avas.
e) Si F (·) es estri tamente re iente, enton es la fun ión ompuesta
(F ◦ f )(·) también es uasi ón ava. Si además f (·) es uasi ón ava
estri ta, enton es (F ◦ f )(·) es uasi ón ava estri ta.
Demostra ión.
a) Si f (λx + (1 − λ)y) ≥ mı́n{f (x), f (y)}, enton es
f (λx + (1 − λ)y) + a ≥ mı́n{f (x), f (y)} + a
b) Si f (λx + (1 − λ)y) ≥ mı́n{f (x), f (y)}, enton es
af (λx + (1 − λ)y) ≥ a mı́n{f (x), f (y)} = mı́n{af (x), af (y)}
) La esen ia de la di ultad aquí radi a en que la fun ión mı́n{x, y}

no es lineal. Por ejemplo, para x ≥ 0, sean f (x) = x2 y g(x) = −x.
Enton es (f + g)(x) = x2 − x no es uasi ón ava, pues si x = 0, y = 1
y λ = 12 ,
1
(f + g)(λx + (1 − λ)y) = − < mı́n {(f + g)(0), (f + g)(1)} = 0
4
y λx y
+
(1
−
λ)
y
x
x
(b) (a)
Figura 15:
En el panel (a) una fun ión uasi ón ava y onvexa y = x2 , x > 0. En el

panel (b) se muestra que las ombina iones onvexas λx + (1 − λ)y , λ ∈ (0, 1)
siempre obtienen un mayor valor uando la fun ión es uasi ón ava estri ta.
Sin embargo, f (·) y g(·) sí lo son, pues f (x) = x2 (x ≥ 0) es uasi ón-

ava estri ta (ver ejemplo 9 y gura 15.a)), y g(x) = −x es lineal, y,
por lo tanto, uasi ón ava.
d) Si f (x) = x, enton es f 2 (x) = x2 no es uasi ón ava en R. De otro

lado, si f (x) = x3 y g(x) = x, enton es f (x)/g(x) = x2 , x =
6 0, que
no es uasi ón ava.
e) Si f (λx+(1−λ)y) ≥ mı́n{f (x), f (y)} y F (z) ≥ F (w) si z ≥ w, enton-

es F (f (λx+(1−λ)y)) ≥ F (mı́n{f (x), f (y)}) = mı́n{F (f (x)), F (f (y))}.
Nota 4. (Una propiedad importante)

La deni ión de uasi on avidad estri ta impli a, en parti ular, que si
f (x) = f (y) = α on x 6= y , enton es f (λx + (1 − λ)y) > α para todo
λ ∈ (0, 1). Es de ir, las ombina iones onvexas λx + (1 − λ)y , λ ∈ (0, 1),
tienen siempre mayor valor que los puntos x, y , uando estos dos estén
en la misma urva de nivel (ver gura 15.b)). N
Hasta aquí hemos espe i ado la uasi on avidad sin ha er referen ia a

la diferen iabilidad de las fun iones; sin embargo, si la fun ión f (·) es
diferen iable (una o dos ve es) podemos ara terizar la uasi on avidad
mediante los teoremas siguientes:
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
∇f (y)(x − y) ≥ 0 (∇f (y)(x − y) > 0)
Demostra ión.
(Presentamos aquí la demostra ión para fun iones de una variable; el

aso de más variables es similar pues basta utilizar el típi o re urso de
denir F (λ) ≡ f (y + λ(x − y)) on ǫ < λ < 1 + ǫ y ǫ > 0 pequeño, para
luego apli ar la ondi ión demostrada en el aso de una sóla variable).
a) Supongamos que f (·) es uasi ón ava y que f (x) ≥ f (y). Enton es
f (λx + (1 − λ)y) ≥ f (y)
lo ual, para x 6= y , es igual a

f (λx + (1 − λ)y) − f (y)
(x − y) ≥ 0
(1 − λ)(x − y)
Dado que f (·) es diferen iable, tenemos que
f (λx + (1 − λ)y) − f (y)
lı́m (x − y) = f ′ (y)(x − y) ≥ 0
λ→1 (1 − λ)(x − y)
b) Supongamos que f (x) ≥ f (y) impli a f ′ (y)(x−y) ≥ 0 y probemos que

f (·) es uasi ón ava. Sean x, y en el interior de C tales que f (x) ≥ f (y)
y denamos la fun ión φ : [0, 1] → R omo φ(λ) = f (λx + (1 − λ)y) =
f (λ(x − y) + y), la ual también es ontinua y diferen iable. Para
demostrar que f (·) es uasi ón ava, debe ser que φ(λ) ≥ φ(0) para
todo λ ∈ (0, 1). Supongamos, por el ontrario, que φ(λ) < φ(0) para
algún λ ∈ (0, 1). Enton es podemos en ontrar λ0 ∈ (0, 1) tal que
φ(λ0 ) < φ(0) y φ′ (λ0 ) < 0. Por la regla de la adena
φ′ (λ0 ) = f ′ (λ0 (x − y) + y)(x − y) < 0
Y omo hemos supuesto que
φ(0) = f (y) ≥ f (λ0 (x − y) + y) = φ(λ0 )

enton es, por hipótesis,
f ′ (λ0 (x − y) + y)λ0 (x − y) ≥ 0
lo ual es una ontradi ión.
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
∂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
Obsérvese que una fun ión de n variables tiene n matri es hessianas

orladas D1 , D2 , . . . , Dn .
Teorema 13. (Cara teriza ión de segundo orden para las fun-
iones uasi ón avas)
Supongamos que f (·) es dos ve es diferen iable on ontinuidad en C ⊆
Rn . Enton es:
a) Si las matri es hessianas orladas satisfa en (−1)r | Dr |> 0 para
todo x en C , y todo r = 1, 2, . . . , n enton es f (·) es uasi ón ava
estri ta en C .
b) En el aso de dos variables, tendremos que f (·, ·) es uasi ón ava si
la matriz hessiana orlada
 
0 a c
a A B 
c B C
∂f ∂f ∂2f ∂2f ∂2f

donde a = ,c= ,A= , B = , C = , satisfa e
∂x ∂y ∂x2 ∂x∂y ∂y 2
i) a > 0 y c > 0; ó, a < 0 y c < 0

ii) a2 C − 2acB + c2 A ≤ 0
Demostra ión.
[Presentamos sólo la parte b) de la prueba. Para la parte a), remitiremos

al le tor al artí ulo lási o de Arrow y Enthoven (1961).11 ℄
Asumamos i) y ii), y probemos que f (·) es uasi ón ava. Supongamos
que a y b son ambas positivas (el aso ambas negativas es similar). Por
el teorema de la fun ión implí ita (ver volumen II: Cál ulo) de f (x, y) =
onstante= α, podemos es ribir x = h(y) para ierta fun ión dos ve es
diferen iable h(·). Como de la ondi ión ii) se tiene que B ≥ 0, enton es
h(·) es onvexa.
Sean (x0 , y0 ), (x1 , y1 ) dos puntos sobre la urva de nivel f (x, y) = α;
enton es x0 = h(y0 ) y x1 = h(y1 ). Tomemos (x2 , y2 ) = (1 − λ)(x0 , y0 ) +
λ(x1 , y1 ) on λ ∈ [0, 1]. En tal aso
h(y2 ) ≤ (1 − λ)h(y0 ) + λh(y1 ) = (1 − λ)x0 + λx1 = x2
Luego
α = f (h(y2 ), y2 ) ≤ f (x2 , y2 )
Por lo tanto, f (x0 , y0 ) = f (x1 , y1 ) impli a
f ((1 − λ)(x0 , y0 ) + λ(x1 , y1 ))

= f (x2 , y2 ) ≥ f (h(y2 ), y2 ) = α
= f (x0 , y0 )
que es la ondi ión de uasi on avidad para este aso.
Ahora supongamos que f (x1 , y1 ) > f (x0 , y0 ), y sea λ̄ el máximo λ tal

que
f ((1 − λ)(x0 , y0 ) + λ(x1 , y1 )) = f (x0 , y0 )
11
Arrow, Kenneth J. y Enthoven, Alain C. (1961), Quasi-Con ave Programming,
E onometri a.
Sea (x2 , y2 ) = (1 − λ̄)(x0 , y0 ) + λ̄(x1 , y1 ). Si 0 ≤ λ ≤ λ̄ enton es podemos

es ribir
(1 − λ)(x0 , y0 ) + λ(x1 , y1 ) = (1 − t)(x0 , y0 ) + t(x2 , y2 )
donde t = λ/λ̄.
Como f (x2 , y2 ) = f (x0 , y0 ) enton es tendremos que
f ((1 − λ)(x0 , y0 ) + λ(x1 , y1 )) = f ((1 − t)(x0 , y0 ) + t(x2 , y2 )) ≥ f (x0 , y0 )
Y apli ando ontinuidad y la deni ión de λ̄, se tendrá que
f ((1 − λ)(x0 , y0 ) + λ(x1 , y1 )) > f (x0 , y0 )
Y esto muestra que f (·, ·) es uasi ón ava.
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 .
(a) En primer lugar, es laro que a > 0 y c > 0.
(b) Además, se tiene que

2
a2 C − 2acB + c2 A = αxα−1 y β β(β − 1)xα y β−2 −

− 2 αxα−1 y β βxα y β−1 αβxα−1 y β−1 +
2
+ βxα y β−1 α(α − 1)xα−2 y β
= α2 β(β − 1)x3α−2 y 3β−2 − 2α2 β 2 x3α−2 y 3β−2
+ α(α − 1)β 2 x3α−2 y 3β−2
= −αβ(α + β)x3α−2 y 3β−2 < 0.
Por lo tanto, se tiene la uasi on avidad de f (·, ·). N

f(x,y)
Figura 16: La fun ión f (x, y) = yex
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:
(a) En primer lugar, a > 0 y c > 0.
(b) Además,
a2 C − 2acB + c2 A = 0 (yex )2 − 2 (yex ) (ex ) (ex ) + (ex )2 (yex )

= −2ye3x + ye3x = −ye3x < 0
de tal forma que f (·, ·) es uasi ón ava.
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
(d) f (x, y) = (xα + y α )1/α , on x, y > 0 y α > 0

(e) f (x, y) = máx{3x, 4y}, on x, y > 0
2 2
(f) f (x, y) = x − 12 + y − 12 , on x, y > 0
(g) f (x, y) = (ln x)α + (ln y)β , on α, β > 0, x > 1, y > 1
(h) f (x, y) = x(y + 4), on x, y > 0
(i) f (x, y) = 100x − 10x2 + 10xy , on x, y > 0
(j) f (x, y) = 200y − 15y 2 + 10xy , on x, y > 0
2. ¾Será que la propiedad b) del teorema 11 es sólo ierta para a ≥ 0?

Si es así, es riba un ejemplo en el que no sea ierto para a < 0. Si
no es así, enton es pruebe el resultado.
3. Construya una tabla on todas las fun iones estudiadas en esta le -

ión y analí elas bajo los riterios de on avidad (estri ta), uasi-
on avidad (estri ta), onvexidad (estri ta) y uasi onvexidad (es-
tri ta).
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.
generalmente, a otros fa tores de produ ión, por Johann Heinri h von

Thünen (1826)14 , y otros. Pero la ima del on epto se en uentra en el
trabajo de John Bates Clark (1889, 1891, 1899)15 16 17 y en el de Philip
H. Wi ksteed (1894)18 .
La rela ión entre on avidad y marginalidad de re iente de la utilidad
o de la produ tividad se puede es ribir formalmente. Asumamos que
podemos representar la utilidad o la produ ión por medio de una fun ión
dos ve es diferen iable on ontinuidad F : C → R on C ⊆ R2 un
onjunto onvexo, abierto y no-va ío. Nótese que on la hipótesis de
onvexidad de C , asumimos que los bienes son perfe tamente divisibles19 ,
de tal forma que tenga sentido hablar de ambios innitesimales en el
onsumo o en la produ ión de los mismos. Así, podemos representar
la utilidad o la produ tividad marginal del bien xi (i = 1, 2) omo la
∂F
derivada par ial . Claramente, un signo positivo de esta derivada
∂xi
onrmaría que el aumento de la antidad de xi aumenta el nivel de
utilidad o de produ ión. Por otro lado, la hipótesis de utilidad o de
∂2F
produ tividad marginal de re iente del bien xi se es ribe < 0, y
∂x2i
la de la utilidad o la produ tividad marginal no- re iente del bien xi se
∂2F
es ribe ≤ 0.
∂x2i
Teorema 14. (Con avidad estri ta ⇒ marginalidad de re iente)
Sea F : C → R una fun ión de utilidad o de produ ión, dos ve es dife-
ren iable on ontinuidad, donde C ⊆ R2 es abierto, onvexo y no va ío.
a) Si la fun ión de utilidad o de produ ión es ón ava estri ta, enton es

tiene utilidades o produ tividades marginales de re ientes.
14
Von Thünen, Johann Heinri h (1826), Der Isolirte Staat..., Vol 1.
15
Clark, John Bates (1889), Possibility of a S ienti Law of Wages, Publi ations
of The Ameri an E onomi Asso iation.
16
Clark, John Bates (1891), Distribution as Determined by a Law of Rent, Quar-
terly Journal of E onomi s.
17
Clark, John Bates (1899), The Distribution of Wealth: A Theory of Wages, In-
terest and Prots, New York: Ma millan.
18
Wi ksteed, Philip H. (1894), An Essay of the Co-ordination of the Laws of Dis-
tribution, London: London S hool of E onomi s.
19
Ver volumen I (Álgebra lineal), le ión 8.
b) Si C ⊆ R, la fun ión de utilidad o de produ ión es ón ava estri ta

si, y sólo si, tiene utilidad o produ tividad marginal de re iente.
Este teorema es una impli a ión dire ta del teorema 5, y nos permite
rela ionar utilidades o produ tividades marginales de re ientes y on-
avidad. Sin embargo, omo se puede indu ir fá ilmente, no siempre la
existen ia de utilidades o produ tividades marginales de re ientes impli-
a la on avidad de la fun ión de utilidad o de produ ión. Por ejemplo,
la fun ión F (x, y) = x2/3 y 2/3 tiene marginalidades de re ientes, aunque
no es ón ava. Aun así, por una apli a ión dire ta del teorema 13, se
tiene el siguiente resultado:
Teorema 15. (Marginalidad de re iente y uasi on avidad)
Sea F : C → R una fun ión de utilidad (o de produ ión) monótona
re iente en ada uno de sus argumentos, y dos ve es diferen iable on
ontinuidad, donde C ⊆ R2 es abierto, onvexo y no va ío. Si la fun ión
∂2F
tiene utilidades (o produ tividades) marginales de re ientes y ≥ 0,
∂x∂y
enton es la fun ión de utilidad (o de produ ión) es uasi ón ava estri -
ta.
Sin embargo, es fá il ver que no toda fun ión uasi ón ava tiene margi-
nalidades de re ientes. Por ejemplo, la fun ión F (x, y) = x2 y 3 es uasi-
ón ava, pero no tiene marginalidades de re ientes.
b) Con avidad- onvexidad y rendimientos a es ala en la

teoría de la produ ión
El on epto de rendimientos a es ala para fun iones de produ ión, aun-

que apare ió aquí y allá en la historia del pensamiento e onómi o, sólo
fue denido on pre isión por Alfred Marshall (1890)20 en el ontexto de
las e onomías de es ala al expli ar por qué éstas ambiaban por razones
te nológi as o de pre ios. Sin embargo, el on epto también sería estudia-
do posteriormente por Knut Wi ksell (1900,1901,1902)21 , 22 , 23 , Philip
20
Marshall, Alfred (1890), Prin iples of E onomi s, London: Ma millan.
21
Wi ksell, Knut (1900), Marginal Produ tivity as the Basis for E onomi Distri-
bution, Ekon Tidskrift.
22
Wi ksell, Knut (1901), Le tures on Politi al E onomy, Vol 1, Routledge and
Kegan Paul Ltd.
23
Wi ksell, Knut (1902), Le tures on Politi al E onomy, Vol 2, Routledge and
Kegan Paul Ltd.
H. Wi ksteed (1910)24 , Piero Sraa (1926)25 y John Hi ks (1932,1936)26 ,

27
, entre otros.
Aunque una fun ión de produ ión parti ular puede exhibir sólo uno de
los tres tipos espe í os de rendimientos a es ala, es omún (desde las
Le tures on Politi al E onomy (vol. I y II)(1901,1902) de Wi ksell) en-
ontrar des rip iones que muestran fun iones de produ ión que tienen
diferentes rendimientos a es ala para diferentes niveles de produ ión:
uando una rma produ e pequeñas antidades puede mostrar rendimien-
tos re ientes a es ala debido a que un aumento en su tamaño podría
ha er un uso más e iente de los re ursos a través de la espe ializa ión;
pero si produ e grandes antidades enfrentaría rendimientos de re ientes
ya que un aumento en el tamaño de la empresa haría, probablemente, el
trabajo más ompli ado (ver gura 18).
Pero la justi a ión e onómi a para los diferentes rendimientos a es ala
no resulta ser algo simple. A un nivel muy elemental, se justi an los ren-
dimientos re ientes a es ala apelando a algún argumento de división del
trabajo omo armaba Adam Smith (1776)28 : Si agregamos más mano de
obra y más máquinas en un pro eso produ tivo, ada trabajador y ada
máquina podría espe ializarse en un sub-propósito parti ular del pro e-
so, ha iéndolo on mayor pre isión en un menor tiempo. Y, en general,
es orriente en ontrar el argumento de que los rendimientos re ientes a
es ala apturan, de una u otra forma, la idea de progreso te nológi o.
Esto lo en ontramos explí itamente en el trabajo de Allyn Young (1928)29
y Ni holas Kaldor (1966)30 y, en general, en toda la teoría del re imien-
to endógeno moderna. Se ha e laro que los rendimientos a es ala no son
sólo un problema de es ala : son a er a de ambios de té ni as y de las
24
Wi ksteed, Philip H. (1910), The Common Sense of Politi al E onomy, London:
Ma millan.
25
Sraa, Piero (1926), The Laws of Returns under Competitive Conditions, E o-
nomi Journal.
26
Hi ks, John (1932), Marginal Produ tivity and The Prin iple of Variation, E o-
nomi a.
27
Hi ks, John (1936), Mr. Keyness Theory of Employment, E onomi Journal.
28
Smith, Adam (1776), Investiga ión sobre la Naturaleza y Causas de la Riqueza
de las Na iones, Fondo de Cultura E onómi a, Méxi o.
29
Young, Allyn (1928), In reasing Returns and E onomi Progress, E onomi Jour-
nal.
30
Kaldor, Ni holas (1966), Causes of the Slow Rate of E onomi Growth in the
UK, Cambridge, UK.
razones de su emergen ia.

y
0 x
0 1 2 3 4
Figura 17: Fun ión de produ ión según Wi ksell (1901, 1902).
A ontinua ión presentaremos una perspe tiva no-marginalista desde

donde se han estudiado los rendimientos a es ala, y que se entra en
el problema del tipo de es ala.
Deni ión 6. (Conjunto de produ ión)
Denimos un plan de produ ión omo un ve tor y de la forma y =
(y1 , . . . , yn ) ∈ Rn tal que ada yi identi a uánto del i-ésimo bien se ha
utilizado en ese plan. Si yi < 0, el bien se ha empleado omo insumo en
el plan de produ ión; si yi > 0, el bien es un produ to nal del plan;
y si yi = 0 el bien no se ha utilizado en el plan. Al onjunto Y ⊆ Rn
de todos los planes de produ ión disponibles, lo llamamos onjunto de
produ ión.
Para poder utilizar los onjuntos de produ ión en la elabora ión de
una teoría de la produ ión es ne esario dotarlos de iertas propiedades
matemáti as. A lo largo de esta se ión supondremos que los onjuntos
de produ ión Y son sub onjuntos no-va íos de Rn tales que si y ∈ Y
y z ≤ y , enton es z ∈ Y ; 31 es de ir que, dadas iertas antidades de
insumos, siempre es posible produ ir menos, que lo que se produ iría on
aquellas antidades.
31
En la literatura moderna, a un onjunto on esta ara terísti a se le denomina
omprehensivo.
Produ to Produ to Produ to
Y Y
Y
Insumo Insumo Insumo
(a) (b) ( )
Figura 18:
En el panel (a): Un onjunto de produ ión on rendimientos re ientes a

es ala. En el panel (b): Un onjunto de produ ión on rendimientos de re-
ientes a es ala. En el panel ( ): Un onjunto on rendimientos onstantes a
es ala.
Ahora: dado un plan de produ ión y en un onjunto de produ ión

Y , ambiar la es ala de opera ión es multipli ar y por un número no-
negativo λ. Aumentar la es ala es permitir a λ ser mayor que 1; y dis-
minuirla es permitir a λ ser menor que 1.
Deni ión 7. (Rendimientos a es ala para onjuntos de produ -

ión)
Dado un onjunto de produ ión Y , diremos que:
a) Y tiene rendimientos re ientes a es ala si se tiene que uando y ∈ Y ,

enton es λy ∈ Y para todo λ ≥ 1 (ver gura 18.a).
b) Y tiene rendimientos de re ientes a es ala si se tiene que uando

y ∈ Y , enton es λy ∈ Y para todo 0 ≤ λ ≤ 1 (ver gura 18.b)).
) Y tiene rendimientos onstantes a es ala si se tiene que uando y ∈ Y ,

enton es λy ∈ Y para todo λ ≥ 0 (ver gura 18. ). Así, Y tiene rendi-
mientos onstantes a es ala si, y sólo si, tiene rendimientos re ientes
y de re ientes a es ala.
Los siguientes teoremas estable en la onexión dire ta entre el on epto

de ambio de es ala y el de onvexidad del onjunto de produ ión Y .
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.
Supongamos que Y es onvexo y 0 ∈ Y . Para y ∈ Y y λ ∈ [0, 1] se tiene,

por la onvexidad de Y , que λy + (1 − λ)0 ∈ Y ; es de ir, λy ∈ Y para
todo λ ∈ [0, 1].
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.
Si Y es un ono on vérti e en 0, es de ir, si Y satisfa e que para todo y ∈

Y , λ ≥ 0 se tiene que λy ∈ Y , enton es Y tiene rendimientos onstantes
a es ala. Asimismo, si Y tiene rendimientos onstantes a es ala, para
todo y ∈ Y y λ ≥ 0 se tiene λy ∈ Y . En parti ular, 0 · y = 0 ∈ Y y, por
lo tanto, Y es un ono on vérti e en 0.
Como vimos en la se ión anterior, es usual estudiar la teoría de la pro-

du ión ha iendo uso de fun iones de produ ión. A ontinua ión rela io-
namos los on eptos de onjunto de produ ión y de fun ión de produ -
ión. Para ello supondremos, en adelante, que el onjunto de produ ión
Y es un sub onjunto no-va ío y errado de Rn .
Deni ión 8. (Fun ión de produ ión)

Si Y ⊆ Rn es un onjunto de produ ión de n − 1 insumos y un sólo
produ to, podemos des ribir ada plan de produ ión en Y omo un
ve tor de la forma (y, −z) on −z = (−z1 , −z2 , . . . , −zn−1 ), de forma
que diferen iemos el produ to y de los insumos z . Con esto, podemos
denir la fun ión de produ ión f (z) aso iada al onjunto de produ ión
Y que denota la máxima produ ión posible para ada nivel de insumos
z = (z1 , . . . , zn ), es de ir, para ada z denimos
f (z) = máx{ y | (y, −z) ∈ Y }

32
Re ordemos (ver volumen I: Álgebra lineal) que un onjunto Y ⊆ Rn y 0 ∈ Y es
un ono ( on vérti e en 0) si para ada y∈Y y λ≥0 se tiene que λy ∈ Y .
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
la fun ión de produ ión, sabemos que
f (λz + (1 − λ)z ′ ) ≥ λf (z) + (1 − λ)f (z ′ ) ≥ λy + (1 − λ)y ′ ≥ 0;
por lo tanto, λ(y, −z) + (1 − λ)(y ′ , −z ′ ) ∈ Y ; es de ir, Y es onvexo.
De los teoremas 16 y 18, obtenemos, inmediatamente, el siguiente resul-

tado:
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.
Después de estudiar el on epto de es ala en onjuntos de produ ión, nos

orresponde ahora estudiar este on epto para fun iones de produ ión,
y rela ionarlo on la no ión de on avidad de éstas. Comen emos por las
deni iones bási as:
Deni ión 9. (Rendimientos a es ala para fun iones de produ -

ión)
Sea f : D → R, donde D ⊆ R o D ⊆ R2 , una fun ión tal que si x ∈ D
se tiene que λx ∈ D para todo λ ≥ 0. Enton es diremos que f (·):
a) Tiene rendimientos de re ientes a es ala si, y sólo si, para todo λ ≥ 1,
f (λx) ≤ λf (x)
b) Tiene rendimientos onstantes a es ala si, y sólo si, para todo λ ≥ 1,
f (λx) = λf (x)
) Tiene rendimientos re ientes a es ala si, y sólo si, para todo λ ≥ 1,
f (λx) ≥ λf (x)
De la deni ión 9 es inmediato el siguiente resultado:

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)).
b) La fun ión de produ ión f (x) = ex para x ≥ 2 tiene rendimientos

re ientes a es ala pues eλx ≥ λ(ex ) ondu e, uando λ 6= 1, a que
1 1
x ≥ ln λ λ−1 , y esto es ierto ya que 2 ≥ ln(λ λ−1 ) para todo λ > 1.
1
La di ultad, aquí, radi a en que si 0 ≤ x < 2 enton es x ≥ ln λ λ−1
puede no tenerse para algunos λ's. N
Y ahora rela ionamos los rendimientos a es ala en los onjuntos de pro-

du ión on los rendimientos a es ala en las fun iones de produ ión
mediante el siguiente importante teorema:
Teorema 20. (Fun ión de produ ión, rendimientos a es ala, y
onjuntos de produ ión)
Sea Y ⊆ Rn un onjunto de produ ión de una te nología que produ e un
úni o bien y utilizando insumos z ∈ Rn−1
+ ; y sean, además,
Z = {z ∈ Rn−1
+ | (y, −z) ∈ Y }
y f : Z → R la fun ión de produ ión aso iada a Y . Enton es:

a) f (·) tiene rendimientos re ientes a es ala si, y sólo si, Y tiene ren-
dimientos re ientes a es ala.
b) f (·) tiene rendimientos onstantes a es ala si, y sólo si, Y tiene ren-
dimientos onstantes a es ala.
) f (·) tiene rendimientos de re ientes a es ala si, y sólo si, Y tiene

rendimientos de re ientes a es ala.
Demostra ión.
Claramente, Y = {(y, −z) ∈ Rn | y ≤ f (z)}. Luego:
a) Supongamos que f (·) tiene rendimientos re ientes a es ala y sea

(y, −z) ∈ Y y probemos que también λ(y, −z) ∈ Y para λ ≥ 1. En
efe to, omo (y, −z) ∈ Y , enton es y ≤ f (z) y, por tanto, λy ≤ λf (z)
para todo λ ≥ 0. Pero omo λf (z) ≤ f (λz) para todo λ ≥ 1 por
hipótesis, enton es λy ≤ f (λz) y esto signi a que λ(y, −z) ∈ Y para
todo λ ≥ 1. Por otro lado, si suponemos que Y tiene rendimientos
re ientes a es ala, enton es λ(f (z), −z) ∈ Y para todo λ ≥ 1. Pero
por deni ión de fun ión de produ ión, f (λz) ≥ λf (z).
b) Supongamos que f (·) tiene rendimientos onstantes a es ala y sea

(y, −z) ∈ Y y probemos que también λ(y, −z) ∈ Y para todo λ ≥ 0.
En efe to, omo (y, −z) ∈ Y , enton es y ≤ f (z) y, por tanto, λy ≤
λf (z) para todo λ ≥ 0. Pero omo λf (z) = f (λz) para todo λ ≥ 1
por hipótesis, enton es λy ≤ f (λz) y esto signi a que λ(y, −z) ∈ Y
para λ ≥ 1. Si 0 ≤ λ ≤ 1, enton es λ1 f (λz) = f ( λ1 λz) = f (z), por lo
tanto, λf (z) = f (λz) y, así, λy ≤ f (λz) para todo 0 ≤ λ ≤ 1. Por
esto, λ(y, −z) ∈ Y para todo λ ≥ 0. Por otro lado, si suponemos que
Y tiene rendimientos onstantes a es ala, enton es para todo λ ≥ 0 si
(f (z), −z) ∈ Y , tendremos λ(f (z), −z) ∈ Y ; es de ir, λf (z) ≤ f (λz);
luego, λ1 f (λz) ≤ f ( λ1 λz); es de ir, λf (z) ≥ f (λz); de lo ual, λf (z) =
f (λz) para todo λ ≥ 1.
) Supongamos que f (·) tiene rendimientos de re ientes a es ala, y sea

(y, −z) ∈ Y . Probemos que λ(y, −z) ∈ Y para todo 0 ≤ λ ≤ 1.
Por deni ión, λy ≤ λf (z); y, por hipótesis, tenemos que f ( λ1 λz) ≤
1
λ f (λz); por lo tanto, λy ≤ λf (z) ≤ f (λz) para todo 0 ≤ λ ≤ 1.
Por otro lado, si Y tiene rendimientos de re ientes a es ala, enton es
1 1
λ f (λz) ≤ f ( λ λz) para todo λ ≥ 1, por lo ual, f (λz) ≤ λf (z) para
todo λ ≥ 1.
Y el siguiente es uno de los resultados entrales de esta se ión:

Teorema 21 ( Con avidad ⇒ rendimientos de re ientes a es-

al a).
Sea f : D → R una fun ión de produ ión y f (0) = 0. Si f (·) es ón ava
enton es f (·) tiene rendimientos de re ientes a es ala.
Demostra ión.
Es onse uen ia dire ta del orolario 1 y del teorema 20.
Nota 5. (Mitos en la teoría bási a de la produ ión)

Aunque la on avidad de la fun ión de produ ión ( on f (0) = 0) impli a
rendimientos de re ientes a es ala, la rela ión entre las no iones de ren-
dimientos a es ala y on avidad- onvexidad no es inmediata. Invitamos
al le tor a dar ejemplos que ilustren las siguientes arma iones:
a) Los rendimientos de re ientes a es ala de una fun ión de produ ión,
no impli an su on avidad. [Indi a ión: f (x) = e−x para x ≥ 0℄
b) La onvexidad de la fun ión de produ ión, no impli a un tipo parti-
ular de rendimientos a es ala. [Indi a ión: f (x) = ex para x ≥ 0℄
) Los rendimientos re ientes a es ala de una fun ión de produ ión no

impli an su onvexidad. [Indi a ión: Una fun ión Cobb-Douglas on
suma de exponentes mayor que 1, podría servir (ver ejemplo 6)℄
) Con avidad- onvexidad en la teoría del onsumo
Ya habíamos armado en el volumen II (le ión 3) que, en los 1930's,

los e onomistas onsideraban que la teoría de la utilidad mostraba seña-
les de esterilidad, pero que su resurgimiento vino de la mano de Hi ks
y Allen (1934)33 on su teoría ordinal de la satisfa ión. A su vez, una
de las prin ipales preo upa iones de los años 1940's y 1950's se entra-
ba alrededor de los problemas funda ionales que onlleva la teoría de
la ele ión bajo una fun ión de utilidad; en parti ular, sobre qué om-
portamientos bási os de un onsumidor dan origen a que sus ele iones
se reali en de tal forma que pare iera que estuvieran regidos por una
fun ión de utilidad. Las respuestas a esta pregunta provinieron de varios
frentes.
33
Hi ks, John y Roy Allen, (1934), A Re onsideration of the Theory of Value,
E onomi a.
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.
i) Sobre la existen ia de una fun ión de utilidad bajo erti-

dumbre
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+ .
b) En segundo lugar, asumimos también que este onsumidor tiene un

riterio de sele ión entre los diversos planes de onsumo en X , que
está estru turado de la siguiente forma:
Dados dos planes de onsumo x1 , x2 ∈ X , éstos son siempre ompa-
rables mediante ierta rela ión denida sobre X , la ual notamos 4,
tal que,
x1 4 x2 ó x2 4 x1 (*)
34
Von Neumann y Morgenstern (1944), Theory of Games and E onomi Behavior,
Prin eton.
35
Arrow, Kenneth J. (1951), Alternative Approa hes to the Theory of Choi e in
Risk-Taking Situation, E onometri a.
36
Herstein, Israel y John Milnor (1953), An Axiomati Approa h to Measurable
Utility, E onometri a.
37
Debreu, Gerard (1954), Representation of a Preferen e Ordering by a Numeri al
Fun tion, en "Mathemati al E onomi s", E onometri So iety Monographs.
38
Savage, Leonard J. (1954), The Foundations of Statisti s, John Wiley, New York.
La primera rela ión se lee omo x1 es a lo más tan deseado omo x2 ;

y la segunda se lee x2 es a lo más tan deseado omo x1 .
Para que opere omo una rela ión de preferen ia, además de asumir
que es una rela ión ompleta (es de ir, que ualesquiera dos planes de
onsumo sean omparables a la manera de (*)); también asumimos
que 4 es reexiva (es de ir, x1 4 x1 para todo x1 ∈ X ) y que es
transitiva (es de ir, si x1 4 x2 y x2 4 x3 , enton es x1 4 x3 para
todo x1 , x2 , x3 ∈ X ). Todos estos supuestos ha en de 4 un preorden
ompleto sobre X . 39
Además, si su ede que x1 4 x2 y x2 4 x1 , enton es diremos que los
planes x1 y x2 son indiferentes, y es ribimos x1 ∼ x2 . Y si se da el
aso que x1 4 x2 pero no que x2 4 x1 , enton es diremos que x2 es
(estri tamente) preferido a x1 , y lo notaremos por x1 ≺ x2 , o bien
x2 ≻ x1 . Puede observarse que la rela ión denida sobre X por ∼
(llamada rela ión de indiferen ia ) es una rela ión reexiva, transitiva
y, además, simétri a (es de ir, x1 ∼ x2 impli a x2 ∼ x1 para todo
x1 , x2 ∈ X ); y, por lo tanto, es una rela ión de equivalen ia sobre X
que genera lases disyuntas de equivalen ia40 : para un x1 ∈ X jo,
su lase de equivalen ia, que en este ontexto llamaremos una lase
de indiferen ia (Edgeworth (1881)41 ), es el onjunto
[x1 ] = {x ∈ X | x ∼ x1 }
Así, un plan de onsumo x ∈ X ualquiera, pertene e a su lase de

indiferen ia, y a ninguna otra. En otras palabras, se ha parti ionado
el onjunto de onsumo X en lases disjuntas de indiferen ia, omo
se muestra en la gura 20.
) Ahora que hemos partido el onjunto de onsumo en lases disjun-

tas de indiferen ia a través de la rela ión ordinal 4 entre planes de
onsumo, la pregunta es: ¾Será posible aso iar, on ada lase de in-
diferen ia, un número, de tal forma que si una lase es preferida a
otra, el número de la primera será mayor que el número de la segun-
da? En otras palabras, dado un preorden ompleto sobre el onjunto
39
Ver volumen 0: Fundamentos.
40
Ver volumen 0: Fundamentos.
41
Edgeworth, Fran is Y. (1881), Mathemati al Psy hi s, London: Kegan Paul and
Co.
de onsumo X , ¾existirá una fun ión re iente u : X → R tal que

u(x1 ) ≤ u(x2 ) si, y sólo si, x1 4 x2 ; y u(x1 ) = u(x2 ) si, y sólo si,
x1 ∼ x2 ? La existen ia de una fun ión ardinal de utilidad para la re-
la ión ordinal dada no puede siempre asegurarse. Es importante una
hipótesis adi ional que, además, garanti e que la fun ión de utilidad
sea analíti amente dú til, es de ir, que sea ontinua.
Para anar nuestra dis usión establez amos enton es lo que entende-
remos por fun ión de utilidad :
bien 2 x
•
lase de
indiferen ia
de x
bien 1
Figura 20: Curvas de indiferen ia sobre R2+ .

Deni ión 10. (Fun ión de utilidad)
Una fun ión de utilidad ( ontinua) sobre el onjunto de onsumo X
preordenado por 4, es una fun ión ontinua u : X → R tal que
a) x1 4 x2 si, y sólo si, u(x1 ) ≤ u(x2 ).

b) x1 ∼ x2 si, y sólo si, u(x1 ) = u(x2 ).
Con esta deni ión tenemos el siguiente teorema:

Teorema 22. (Existen ia de la fun ión de utilidad (Eilenberg
(1941) )
Si para todo x′ ∈ X , los onjuntos
{x ∈ X | x 4 x′ } {x ∈ X | x < x′ } (*)
son errados en Rn+ , enton es existe una fun ión de utilidad sobre el
onjunto X preordenado por 4.
Demostra ión.
Ver Debreu (1959).42
Nota 6. (Orden lexi ográ o)

Un ejemplo de preorden ompleto que no puede representarse me-
diante una fun ión de utilidad es el orden lexi ográ o 43 en R2+ . Éste
es, por deni ión, (a, b) ≺ (a′ , b′ ) si (i) a < a′ ó (ii) a = a′ y b < b′ .
Veamos esto más laramente: Supongamos que u(·) es una fun ión de
utilidad que representa las preferen ias lexi ográ as. Enton es, para
ada x1 , x2 ∈ R+ on x1 > x2 , se tiene que
u(x1 , 2) > u(x1 , 1) > u(x2 , 2) > u(x2 , 1)
Además, para ada x ∈ R+ podemos en ontrar un ra ional r(x) tal

que u(x, 2) > r(x) > u(x, 1) 44 . Así, se tiene que si x1 > x2 enton es
r(x1 ) > u(x1 , 1) > u(x2 , 2) > r(x2 )
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+ .
ii) Sobre la onvexidad de las preferen ias
Quizás por razones de índole más matemáti a que e onómi a, se asu-

men iertas ara terísti as de onvexidad sobre las preferen ias. Veamos
uáles son.
Deni ión 11. (Convexidad de las preferen ias)

Sean x1 , x2 ∈ X on x1 6= x2 , para λ ∈ (0, 1),
42
Debreu, Gerard (1959), The Theory of Value, An Axiomati Analysis of E ono-
mi Equilibrium, Yale University Press, New Haven and London.
43
Es de ir, el orden del di ionario.
44
Esta es una apli a ión de la propiedad de densidad de los números ra ionales
(ver volumen 0 (Fundamentos), le ión 4).
a) Si x2 < x1 , enton es λx2 + (1 − λ)x1 < x1 ( onvexidad débil de 4)

(ver gura 21.a)).
b) Si x2 ≻ x1 , enton es λx2 + (1 − λ)x1 ≻ x1 ( onvexidad de 4) (ver

gura 21.b)).
) Si x2 ∼ x1 , enton es λx2 + (1 − λ)x1 ≻ x1 ( onvexidad estri ta de 4)

(ver gura 21. )).
Bien 2 Bien 2 Bien 2
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.
Ver Debreu (1959).45
Y, nalmente, one tamos los on eptos de onvexidad de las preferen-

ias on una no ión ya familiar para nosotros: la de uasi on avidad de
la fun ión de utilidad.
45
Debreu, Gerard (1959), The Theory of Value, An Axiomati Analysis of E ono-
Teorema 24. (Convexidad de preferen ias y uasi on avidad)

Sea u(·) una fun ión de utilidad para 4 ( uya existen ia esté garantizada
por las ondi iones del teorema 22); enton es:
a) 4 es onvexa débil si, y sólo si, u(·) es uasi ón ava.
b) 4 es onvexa estri ta si, y sólo si, u(·) es uasi ón ava estri ta.
Demostra ión.
a) Supongamos que 4 es onvexa débil, enton es x < y impli a λx +

(1 − λ)y < y . Como u(·) es fun ión de utilidad, de estas dos rela-
iones se tiene que u(x) ≥ u(y) impli a u(λx + (1 − λ)y) ≥ u(y) =
mı́n{u(x), u(y)}. Por lo tanto, u(·) es uasi ón ava. Por otro lado, si
suponemos que u(·) es uasi ón ava, enton es u(λx + (1 − λ)y) ≥
mı́n{u(x), u(y)}. Y, así, u(y) ≤ u(x) impli a u(λx + (1 − λ)y) ≥ u(y)
y omo u(·) es fun ión de utilidad, esto equivale a que y 4 x impli a
λx + (1 − λ)y < y .
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.
iii) La fun ión de utilidad esperada
Ya hemos visto ómo se modela la ele ión de los onsumidores y pro-

du tores uando éstos tienen plena ertidumbre sobre los efe tos de las
a iones que toman. Vamos ahora a analizar ómo un agente ra ional
puede tomar de isiones bajo riesgo. Para entender el tipo de problemas
al que nos enfrentamos, supongamos que se nos ofre e la oportunidad de
parti ipar en el siguiente juego de azar: se lanza una moneda (que supo-
nemos no está argada) hasta que salga una ara, y si esto o urre en el
n-ésimo lanzamiento, se nos promete un pago de 2n−1 monedas. ¾Cuánto

estaríamos dispuestos a pagar para parti ipar en tal juego? Sabemos que
el valor a tuarial del juego es igual al valor esperado de los pagos del
mismo, E(w); es de ir
∞ 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 ) + . . .
Si se supone, tal omo lo hizo Bernoulli, que u(x) = α ln x para ierto

α > 0, enton es E(u) < ∞, pues, por el riterio de la razón para series
46
El le tor puede ha er el siguiente ejer i io mental: Imagine que en vez de una
moneda de oro se le diera un billete de $10,000, ¾ uánto estaría dispuesto a pagar
por ese juego? Seguramente no más de $20,000 o $30,000.
innitas (ver volumen II, le ión 4), se tiene que

n+1
1
n ln 2
2 1 n 1
lı́m n = lı́m = <1
n→∞ 1 n→∞ 2 n − 1 2
(n − 1) ln 2
2
Más aún: se puede mostrar (¾podría ha erlo el le tor?), que si la utili-

dad marginal es de re iente, enton es en este juego siempre se tiene que
E(u) < ∞, quedando así resuelta la paradoja.
La teoría de Cramer y Bernoulli ha sido in orporada omo una de las
prin ipales formas de modelar la ele ión de agentes bajo in ertidumbre,
y se ono e omo la teoría de la utilidad esperada ( on probabilidades
objetivas), que fuera axiomatizada por primera vez por John von Neu-
mann and Oskar Morgenstern (1944)47 (y, posteriormente, por Leonard
J. Savage (1954)48 ) y que presentamos a ontinua ión.
iv) La no ión de lotería
Al modelar la ele ión bajo riesgo, el primer problema que se presenta

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

Sea X = {1, . . . , n} el onjunto de resultados y
∆(X) = {(p1 , . . . , pn ) ∈ [0, 1]n / p1 + · · · + pn = 1}
el onjunto de todas las distribu iones de probabilidad que asignan pro-

babilidad pi al elemento xi ∈ X . El onjunto ∆(X) es el onjunto de
loterías y a un elemento p ∈ ∆(X) se le llama lotería.
47
Von Neumann, John y Morgenstern, Oskar (1944), Theory of Games and E o-
nomi Behavior, Prin eton University Press, Prin eton.
48
Savage, Leonard J. (1954), The Foundations of Statisti s, New York: Wiley.
Supondremos que los agentes al tomar de isiones bajo riesgo elegirán

aquella lotería uyos resultados preeran a los de las demás loterías, es
de ir, al igual que en el aso bajo ertidumbre, supondremos que los
agentes tienen una rela ión de preferen ia, 4, sobre las loterías.
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.
(a) Sea X = {cara, sello} el onjunto de resultados de lanzar una mo-

neda. Enton es el onjunto de loterías es el simplex unidimensional
∆(X) = {(p, 1 − p) / 0 ≤ p ≤ 1}
y ( 15 , 45 ) es un ejemplo de lotería .
(b) Sea X = {−$100, $200, $500} el onjunto de resultados de un pro-

ye to de inversión; enton es el onjunto de loterías es el simplex de
dimensión 2,
∆(X) = {(p, q, 1 − p − q) / 0 ≤ p ≤ 1, 0 ≤ q ≤ 1}
v) Existen ia de la fun ión de utilidad esperada
A diferen ia del aso bajo ertidumbre, vemos que la fun ión de utilidad
esperada satisfa e una ondi ión muy importante:
Deni ión 13. (Fun ión de utilidad esperada)

Sea X = {1, . . . , n} el onjunto de resultados, ∆(X) el espa io de loterías
aso iado a éste y U : ∆(X) → R una fun ión de utilidad sobre X . Si
para todo p, q ∈ ∆(X), λ ∈ [0, 1], U (·) satisfa e
U (λp + (1 − λ)q) = λU (p) + (1 − λ)U (q)
enton es diremos que U (·) es una fun ión de utilidad esperada sobre el
espa io de loterías ∆(X).
Con esta deni ión se tiene que

n
X
U (p) = pi U (exi )
i=1
es de ir, que la utilidad de una lotería no es más que el valor esperado de

las utilidades de los resultados bajo ertidumbre. Es por esto que si u(·)
representa la fun ión de utilidad del agente bajo ertidumbre, se suele
es ribir
Xn
U (p) = pi u(xi )
i=1
Al igual que en el aso de ele ión bajo ertidumbre, la existen ia de
la fun ión de utilidad debe estable erse a partir de supuestos sobre la
rela ión de preferen ia 4 denida sobre el onjunto de loterías.
Teorema 25. (Existen ia de la fun ión de utilidad esperada (I.

Herstein y J. Milnor (1953)))
Sea X = {1, . . . , n} el onjunto de resultados, ∆(X) el espa io de loterías
aso iado a éste y, además, 4 una rela ión de preferen ia denida sobre
∆(X). Si se satisfa en las siguientes ondi iones:
i) ∆(X) está ompletamente ordenado por 4. 49
ii) Para todo p, q, r ∈ ∆(X), los onjuntos
{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).
iii) Si p, q ∈ ∆(X), p ∼ q , enton es para todo r ∈ ∆(X) se tiene 12 p +

2 r ∼ 2 q + 2 r.
1 1 1
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
U (λp + (1 − λ)q) = λU (p) + (1 − λ)U (q).
Demostra ión.
Ver I. N. Herstein y J. Milnor (1953) 50 . Para otras demostra iones de la

existen ia de una fun ión de utilidad esperada, véase John von Neumann
y Oskar Morgenstern (1944)51 ó Peter C. Fishburn (1994)52 .
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.
Elijamos p, q ∈ ∆(X) tales que p < r < q para todo r ∈ ∆(X). Si

p ∼ q enton es toda fun ión de utilidad esperada es onstante, y se tiene
inmediatamente el resultado. Así que supongamos p ≻ q . Como U (·) es
una fun ión de utilidad esperada enton es, si V (p) = βU (p) + γ ,

V (λs + (1 − λ)t) = βU (λs + (1 − λ)t) + γ = β λU (s) + (1 − λ)U (t) + γ

= λ U (s) + γ + (1 − λ) U (t) + γ
= λV (s) + (1 − λ)V (t)
y, por lo tanto, V (·) es una fun ión de utilidad esperada.

50
Herstein, Israel N. y John Milnor (1953), An Axiomati Approa h to Measurable
Utility, E onometri a.
51
Von Neumann, John y Oskar Morgenstern (1944), Theory of Games and E ono-
mi Behavior, Prin eton.
52
Fishburn, Peter C. (1994),Utility and Subje tive Probability, Elsevier: Amster-
dam.
Por otro lado, supongamos que U (·) y V (·) son fun iones de utilidad
esperada. Sea r ∈ ∆(X) y elijamos λr ∈ [0, 1] tal que
U (r) = λr U (p) + (1 − λr )U (q)
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
V (r) = λr V (p) + (1 − λr )V (q) = λr V (p) + (1 − λr )V (q)

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

V (p) − V (q) U (q) V (p) − V (q)
= U (r) + V (q) −
U (p) − U (q) U (p) − U (q)
= βU (r) + γ
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.
d) Breve nota sobre no- onvexidades
La teoría e onómi a onven ional, omo quizás el le tor lo haya per i-

bido, se basa prin ipalmente en la hipótesis de rendimientos a es ala
de re ientes o onstantes. Pero, laramente, los rendimientos re ientes
a es ala sí existen en las e onomías reales. De he ho, existe un volumen
apre iable de literatura sobre estos me anismos que data, por lo menos,
de los tiempos de Alfred Marshall. La teoría del omer io interna ional, la
e onomía del desarrollo, la e onomía regional, la e onomía de alta te no-

logía, et . son asos en los que estas teorías se apli an on relativo éxito.
A estos me anismos se les ono e on distintos nombres: rendimientos
re ientes, ausalidad a umulativa, ír ulos virtuosos, no- onvexidades,
efe tos de trifur a ión, et . Los orígenes varían: ostos jos muy altos,
efe tos de aprendizaje, efe tos de oordina ión, efe tos de expe tativas,
efe tos de red, et .
Un ejemplo notable de rendimientos re ientes son los produ tos on alta
te nología impli ada en donde los ostos de investiga ión y diseño son
muy altos, donde los pro esos de produ ión pueden mejorarse a través
de aprendizaje y donde pertene er a una red de estándares te nológi os
es fundamental. Sin duda, las e onomías de alta te nología son e ono-
mías en las que los me anismos de rendimientos re ientes surgen muy
naturalmente, pero no los de rendimientos de re ientes.
Sin embargo, la di ultad onsiste en que la teoría e onómi a moderna
tiene un desarrollo sesgado ha ia las té ni as que se adaptan bien on
los rendimientos de re ientes. Normalmente, los modelos que impli an
no- onvexidades obligan tratamientos formales mu ho más sutiles, om-
pli ados y he hos a la medida de la situa ión a la mano. No existe aún
una aja de herramientas para estos modelos, aunque la teoría de jue-
gos ( lási a y no- lási a), junto on las té ni as de dinámi a ualitativa,
y teoría de la probabilidad, han omenzado a abrir el espa io. Este es
parte del reto para los años que vienen53 . Pero, al nal, lo que debe en-
tenderse es que el fenómeno de los rendimientos re ientes a es ala no es
una anomalía de la teoría e onómi a estándar, sino un omplemento.
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.
Ejer i ios omplementarios

1. Indique una fun ión uasi ón ava que no sea monótona ( re iente
o de re iente).
2. Pruebe que toda fun ión onvexa y ón ava, es un hiperplano que

no ne esariamente pasa por el origen.
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?
4. Pruebe que si f (·) y g(·) son onvexas ( ón avas) en C , enton es

máx{f (·), g(·)} también es onvexa ( ón ava) en C . ¾Qué pasa on
mı́n{f (·), g(·)}?
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):
(a) f (x, y) = xα + βy α ; α > 0; 0 < β < 1; x, y > 0

(b) f (x, y) = x + ln y ; x, y > 1
( ) f (x, y) = 3xy − y 3 + 1
(d) f (x, y) = 3x2 + y 2 − 1
6. Si (
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?
8. Ya habíamos estudiado, en el volumen II (Cál ulo), la fun ión CES

1
f (x, y) = A [αxρ + βy ρ ] ρ
(donde x, y ≥ 0, α, β ≥ 0, −∞ < ρ ≤ 1, ρ 6= 0, A > 0) o-

mo fun ión de utilidad y de produ ión. ¾Bajo qué ondi iones es,
esta fun ión, ón ava (estri ta), onvexa (estri ta), uasi ón ava
(estri ta) ó uasi onvexa (estri ta)?
9. La fun ión CRRA
 1−γ
x −1
si γ 6= 1
f (x) = 1−γ

ln x si γ = 1
on x > 0, γ > 0, al igual que la fun ión CARA
1
f (x) = − e−αx
α
on x > 0, α > 0, también fueron estudiadas en el volumen II
(Cál ulo) omo fun iones de utilidad. ¾Bajo qué ondi iones son
estas fun iones ón avas (estri tas), onvexas (estri tas), uasi ón-
avas (estri tas) y uasi onvexas (estri tas)?
10. Utilizando el teorema 7, en uentre el valor máximo de P (x, y) =
−x2 − y 2 + 22x + 18y − 102, para x > 0, y > 0.
11. ¾Será ierta, falsa o in ierta la siguiente arma ión?: Puesto que
la suma de dos fun iones ón avas es una fun ión ón ava, en-
ton es la fusión de dos empresas on rendimientos de re ientes a
es ala debe resultar en otra, también on rendimientos de re ientes
a es ala . Explique.
12. (*) El teorema 11e) asegura, en parti ular, que si f (·) es ón a-
va y F (·) estri tamente re iente, enton es (F ◦ f )(·) es uasi ón-
ava. Muestre que si f (·) es ón ava y F (·) es monótona ual-
quiera, enton es (F ◦ f )(·) es uasi ón ava. [Sin embargo, Kenneth
J. Arrow and Alain C. Enthoven (1961)54 onstruyen un ejemplo
en el que la arma ión re ípro a de este teorema no es ierta:
1
h(x, y) = (x − 1) + (1 − x)2 + 4(x + y) 2 es uasi ón ava, pero no
es la transforma ión monótona de ninguna fun ión ón ava (mos-
trar esto último podría ser un gran reto aun para el le tor aventa-
jado y por ello re omendamos onsultar la ita bibliográ a)℄.
54
Arrow, Kenneth J. y Alain C. Enthoven (1961), Quasi-Con ave Programming,
E onometri a.
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?
14. En R2 onstruya onjuntos de produ ión:
(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)
para todo t > 0. Así, f (·) es homogénea de grado 1/2.

(b) Otro ejemplo es la fun ión lineal f (x, y) = x + y , x, y ∈ R;
aquí,
f (tx, ty) = tx + ty = t(x + y) = tf (x, y)
para todo t > 0. Así, f (·, ·) es homogénea de grado 1.
55
[[x℄℄ es la parte entera de x (ver volumen 0: Fundamentos).
( ) Ahora onsideremos la fun ión f (x, y) = xy , x, y ∈ R; aquí,
f (tx, ty) = (tx)(ty) = t2 xy = t2 f (x, y)
para todo t > 0. Así, f (·, ·) es homogénea de grado 2.

x
(d) Finalmente, onsideremos la fun ión f (x, y) = , x, y ∈ R,
y
y 6= 0; aquí,
tx x
f (tx, ty) = = = f (x, y)
ty y
para todo t > 0 y, así, f (·, ·) es homogénea de grado 0.
(e) Quizás no sobre advertir que no todas las fun iones son ho-
mogéneas. Tomemos, por ejemplo, la fun ión ln x. ¾Podría el
le tor dar otro ejemplo?
Asuma f : D → R+ on D ⊆ R+ ó D ⊆ R2+ no va íos, y pruebe

que:
a) Si f (·) es homogénea de grado α on 0 < α < 1, enton es f (·)

tiene rendimientos de re ientes a es ala.
b) Si f (·) es homogénea de grado α = 1, enton es f (·) tiene ren-
dimientos onstantes a es ala.
) Si f (·) es homogénea de grado α > 1, enton es f (·) tiene ren-
dimientos re ientes a es ala.
16. Para las siguientes fun iones determine si son homogéneas y, en

aso de que lo sean, su grado de homogeneidad:
(a) f (x) = ln x (b) f (x) = (x + 3)2
x
( ) f (x, y) = (d) f (x, y) = (x + y)2
y
x2 (f) f (x, y) = ex+y
(e) f (x, y) = + xy
5
17. Para las siguientes fun iones, si es posible, determine el tipo de
rendimientos a es ala que presentan; si lo onsidera ne esario, en
ada aso restrinja el dominio en donde se presenta el tipo de ren-
dimiento:
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?
19. ¾Será que los rendimientos marginales de re ientes impli an o son

impli ados por los rendimientos a es ala de re ientes?
20. (*) Muestre que si C ⊆ Rn+ es un ono onvexo y f : C → R es

homogénea de grado 1 y uasi ón ava, enton es f (·) es, de he ho,
ón ava.
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.
estri ta en C . ¾Cómo podemos apli ar esto al problema de agre-

ga ión de la teoría del onsumidor?
La generaliza ión a n fun iones f1 , f2 , . . . , fn , todas ellas no-
onstantes, es que si f = f1 + f2 + . . . + fn es uasi ón ava,
enton es a lo más una de ellas no es ón ava estri ta. ¾Podría-
mos de ir, a partir de esto, algo a er a de los me anismos de
onsumo en general?
22. Considere las siguientes hipótesis sobre una familia de onjuntos

de produ ión {YjP}nj=1 y del onjunto de produ ión agregado de
la e onomía, Y = nj=1 Yj :
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 )
(a) Interprete e onómi amente ada una de las anteriores arma-

iones.
(b) (*) Pruebe que si se umple la ondi ión de onvexidad para Y ,
éste es errado, y se satisfa e la ondi ión de libre disponibili-
dad (viii) arriba), enton es Y −Rn+ ⊆ Y (ver Debreu (1959)57 ).
Interprete el signi ado e onómi o de este resultado.
23. Pruebe que los onjuntos
{x ∈ R2+ | x 4 x′ }, {x ∈ R2+ | x < x′ }
para el orden lexi ográ o, no son errados en R2+ .

57
Debreu, Gerard (1959), The Theory of Value: An Axiomati Analysis of E ono-
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→∞
se tiene, enton es, que

f (x) = lı́m sup f (xk ) = lı́m ı́nf f (xk )
k→∞ k→∞
y, por lo tanto, lı́mk→∞ f (xk ) = f (x) y, así, f (·) es ontinua en x.

58
Dada una su esión de números reales {an }, supongamos que existe un número
A tal que: i) Para ada ǫ > 0 existe un entero N > 0 tal que n > N impli a
an < A + ǫ. ii) Dados ǫ > 0 y m > 0 existe un entero n > m tal que an > A − ǫ.
Enton es A se llama el límite superior de {an }, lı́m supn→∞ an . El límite inferior
de {an } se dene omo lı́mı́nf n→∞ an = − lı́m supn→∞ −an . (ver volumen II
(Cál ulo), le ión 1, para una deni ión alternativa.)
Le ión 2
Optimiza ión estáti a
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
matemáti a sin los on eptos del análisis. Y es sólo omo resultado de

esta formula ión, que podemos apli ar estas leyes a una gran variedad
de asos on retos.
La motiva ión para al ular máximos y mínimos es profunda, pues nu-
merosos fenómenos naturales muestran lo que se ono e omo un prin-
ipio del mínimo o prin ipio del máximo. Es orriente en ontrar que la
naturaleza, al llevar a abo un a ión, utili e la mínima antidad de ener-
gía ne esaria para su eje u ión. Por ejemplo, es omún observar que la
traye toria de una partí ula o de una onda en movimiento se omple-
ta siguiendo la traye toria más orta o en el menor tiempo posible. O
ambos.
Un famoso ejemplo de esta e onomía del omportamiento físi o lo des u-
brió Herón de Alejandría en el siglo I d.C. Él en ontraba que la igualdad
de los ángulos de in iden ia y reexión formados por un rayo de luz que
al anza a un espejo plano, se debe a que sigue la traye toria más orta
posible. Mil seis ientos años más tarde, Fermat mostraría que también
un prin ipio del mínimo regía el pro eso de refra ión de la luz. Y otros
ejemplos importantes han surgido en me áni a, ele trodinámi a, relati-
vidad, y físi a uánti a.
La búsqueda de propiedades de máximo y mínimo ha jugado un papel
importante en el desarrollo de la ien ia moderna, e in luso se ha reído
que, para las leyes físi as, los prin ipios del mínimo y del máximo son su
a eso natural, y hasta en o asiones en la historia se ha bus ado a través
de ellos el prin ipio uni ador de todas las ien ias.
1. Planteamiento del problema

Una típi a (y muy omún en la prá ti a) ara teriza ión de problemas
de optimiza ión es en ontrar valores extremos de una fun ión f (x, y)
restringida a un sub onjunto bien espe i ado de R2+ :
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
Figura 1: El problema de optimiza ión
donde f, g : R2+ → R son fun iones diferen iables. Aquí a f (·, ·) se le

ono e omo fun ión objetivo, y a g(·, ·) omo fun ión restri ión. A este
problema lo llamaremos, en adelante, problema (KT) (ver gura 1).
Ejemplo 1.
En el problema
Maximizar xy
sujeta a 3x + 4y ≤ 5
x≥0
y≥0
tenemos que f (x, y) = xy , y g(x, y) = 5 − 3x − 4y .

Ejemplo 2.
En el problema
Maximizar x+y
sujeta a x + y2 ≤ 1
2
x≥0
y≥0
tenemos que f (x, y) = x + y , y g(x, y) = 1 − x2 − y 2 .

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

sujeta a una restri ión fun ionalmente bien espe i ada, también están
onsiderados de esta forma, puesto que el problema
Minimizar f (x, y)
sujeta a g(x, y) ≥ 0
x≥0
y≥0
es equivalente al problema
Maximizar − f (x, y)
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
sujeta a 7x + 9y ≥ 15 sujeta a x+y ≥2

x≥0 x≥0
y≥0 y≥0
2. Optimiza ión en onjuntos ompa tos:

el teorema de Weierstrass
En la le ión 1 del volumen II, habíamos estable ido que si f : [a, b] → R
es una fun ión ontinua, enton es ésta al anza un valor máximo y un
valor mínimo, ambos globales (ver gura 2). Este teorema, fundamental
en la teoría de la optimiza ión de fun iones de una sola variable, se puede
generalizar así:
Teorema 1. (Teorema de Weierstrass)

Si f : S → R, on S ⊆ R2 ompa to (es de ir, errado y a otado),
es ontinua, enton es al anza un valor máximo y uno mínimo, ambos
globales.
Demostra ión.
Sea R = f (S) ⊆ R; omo S es ompa to (es de ir, errado y a otado),

enton es R también es ompa to y, así, existen a, A ∈ R tales que a =
mı́n R y A = máx R; luego, a = f (x0 , y0 ) y A = f (x1 , y1 ) para iertos
puntos (x0 , y0 ), (x1 , y1 ) ∈ S .
Este es, quizás, el resultado bási o de la teoría de la optimiza ión ma-

temáti a y aquí lo utilizaremos ampliamente. En parti ular, si S =
{(x, y) ∈ R2+ | g(x, y) ≥ 0} es ompa to, y la fun ión objetivo f (x, y)
es ontinua, enton es el problema (KT) siempre tendrá solu ión. Esto lo
utilizaremos de manera re urrente en el trans urso de la presente le 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:
Teorema 2. (Un teorema de uni idad)

Si el onjunto S = {(x, y) ∈ R2+ | g(x, y) ≥ 0} es onvexo, y f (x, y) es
estri tamente uasi ón ava, enton es toda solu ión de (KT) es úni a.
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
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?
a) Maximizar (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 x2 + y 2 3 ≥ 1 sujeta a 2x + 8y ≤ 50
x≥0 x≥0
y≥0 y≥0
e) f) 1 1
Maximizar 5x+2y Maximizar 3x 2 +5y 2
sujeta a 7x + 9y ≤ 15 sujeta a x+y =2
x≥0 x≥0
y≥0 y≥0
[Indi a ión: Dibuje el problema, y re uerde que el he ho de que el on-

junto de restri ión no sea ompa to no impli a, automáti amente, que
la solu ión no exista.℄
3. Optimiza ión on restri iones de igualdad:

el método de los multipli adores de Lagrange
El método de los multipli adores de Lagrange es la té ni a tradi ional pa-
ra resolver explí itamente problemas de optimiza ión restringida uando
las fun iones objetivo y de restri ión son diferen iables on ontinuidad
en R2++ . Este método se entra en la solu ión espe í a del problema
Maximizar f (x,y)
sujeta a g(x, y) = 0 (L)
x>0
y>0
donde la restri ión es de igualdad estri ta. En adelante, a este problema

lo denotaremos por (L).
Con el objeto de entender uál es la idea bási a del método de los multipli-
adores de Lagrange (Lagrange (1788)), tratemos de resolver el problema
siguiente:
y y
1 α=1 1
α = 0.5
α = 0.1
0 0
x x
0 1 0 1
(a) (b)
Figura 3:
Panel(a): Curvas de nivel xy = α para distintos α's. Panel(b): Restri ión

3x + 4y = 5, x, y > 0.
Maximizar xy
sujeta a 3x + 4y = 5
x>0
y>0
En estos problemas de optimiza ión restringida, a menudo las urvas

de nivel son de una gran ayuda visual para identi ar la ubi a ión de
las solu iones en el plano. Re ordemos que, en el primer uadrante del
plano, las urvas de nivel (iso uantas) de la fun ión f (x, y) = xy , son
α
hipérbolas ha ia el origen: para α > 0, xy = α equivale a y = (ver
x
gura 3.a)).
Y la restri ión del problema es que se deben satisfa er las ondi iones
3x + 4y = 5, x, y > 0 (ver gura 3.b)). Es de ir, debemos bus ar sobre
el segmento de re ta de la gura 3.b), el punto (x∗ , y ∗ ) (ambos mayores
que ero) que haga f (x, y) lo más grande posible. Si superponemos la
gura 3.a on la gura 3.b y observamos la dire ión de re imiento de
las urvas de nivel, en ontramos la gura 4.
Grá amente, un punto omo (x∗ , y ∗ ) en la gura 4 resuelve nuestro pro-
blema. ¾Cómo hallarlo? Lagrange en ontró que, pre isamente en (x∗ , y ∗ ),
∇g
y
ȳ
∇f
∇f = λ∇g
y∗
x̄ x∗ x
Figura 4: Curvas de nivel y re ta de restri ión.
los ve tores gradientes ∇f (x∗ , y ∗ ) y ∇g(x∗ , y ∗ ) son paralelos ! Y que esto

sólo o urre allí, omo se ve en la gura 4 uando omparamos el om-
portamiento de los gradientes ∇f y ∇g en los puntos (x∗ , y ∗ ), y, por
ejemplo, (x̄, ȳ). Esto es, existe un es alar λ tal que
∇f (x∗ , y ∗ ) = λ∇g(x∗ , y ∗ ). (1)
Y en honor del des ubridor de esta importante ondi ión, al número λ

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

ge)
Si f (·) y g(·) son fun iones diferen iables on ontinuidad en R2++ , y
λ ∈ R, denimos las ondi iones de primer orden del problema de La-
grange (L) de la siguiente forma:
∇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.
ó, equivalentemente,
∂f ∂g ∂f ∂g
=λ , =λ , g(x, y) = 0 (CPO)
∂x ∂x ∂y ∂y
Y ahora nos preguntamos uándo fun iona bien el método de Lagrange;

es de ir, uándo las solu iones al problema de optimiza ión que tenemos
a mano, realmente están entre las solu iones en ontradas por el método.
La respuesta la en ontramos en el siguiente teorema:
Teorema 3. (Multipli adores de Lagrange (Lagrange (1788)))
Supongamos que f : R2++ → R y g : R2++ → R tienen derivadas par iales
ontinuas. Si (x∗ , y ∗ ) ∈ R2++ resuelve el problema
Maximizar f (x, y)
x>0
y>0
enton es existe un número λ 6= 0 tal que

∇f (x∗ ,y∗ ) = λ∇g (x∗ ,y∗ )
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
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
De (2) y (3) se obtiene que

∂f ∂f ∂g ∂g
, =λ ,
∂x ∂y ∂x ∂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.
y esto es,
∂f ∂g ∂f ∂g
=λ , =λ , g(x, y) = 0
∂x ∂x ∂y ∂y
o, de forma más simple,
∇f (·) = λ∇g(·); g(·) = 0
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
∇f (x∗ , y ∗ ) = (y ∗ , x∗ ) = λ(3, 4) = λ∇g(x∗ , y ∗ )
ó, equivalentemente, un 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
y
solu ión
5
y∗ = 8
x∗ = 5 x
6
Figura 5: Solu ión grá a del ejemplo 3.
fun ión objetivo f (x, y) = xy es ontinua, por el teorema de Weierstrass

existe solu ión al problema. Además, omo en los extremos del onjunto
restri ión, ( 53 , 0), (0, 54 ), la fun ión no tiene su máximo (pues su valor
allí es 0, y variando un po o x y y podemos obtener más que 0), el valor
máximo de la fun ión es f (x∗ , y ∗ ) = x∗ y ∗ = 56 58 = 2548 .
3
N
Ejemplo 4.
También podemos utilizar la té ni a de Lagrange para resolver el pro-
blema de optimiza ión
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∗ ?
Es laro que λ 6= 0; y puesto que x2 + y 2 = 1, enton es

2 2
1 1
+ =1
2λ 2λ
Por lo tanto, λ2 = 12 y tendremos que λ = ± √12 . Como debe ser x > 0,

y > 0, enton es la solu ión a las CPO es
√
∗ ∗ 2
x = y =
2
y√ya √que ésta es la úni a solu ión a las CPO y satisfa e ∇g(x∗ , y ∗ ) =
2, 2 6= (0, 0), debería ser la solu ión al problema, tal omo se ilustra
en la gura 6. En efe to: Puesto que el onjunto

S = (x, y) ∈ R2+ | x2 + y 2 = 1
es ompa to y f (x, y) = x + y es ontinua en S , por el teorema de

Weierstrass existe solu ión al problema; además, dado que en los ex-
tremos del onjunto, (0, 1) y (1, 0), la fun ión objetivo f (x, y) no to-
ma su valor máximo sobre S√, enton es el valor máximo es el previsto:
√ √
f (x , y ) = x + y = 2 + 22 = 2. 4 N
∗ ∗ ∗ ∗ 2
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?
Ejemplo 5. (Un problema geométri o)

Para en ontrar, entre todos los re tángulos ins ritos en un ír ulo de
radio R, el que tiene mayor área, podemos representar el área de un re -
tángulo omo el produ to (2x)(2y) de sus lados, donde x, y son números
positivos que satisfa en a la e ua ión x2 + y 2 = R2 (ver gura 7.a)). Este
problema se puede solu ionar onvirtiéndolo en el problema representado
en la gura 7.b. El problema es, enton es,
Maximizar xy
sujeta a x + y 2 = R2
2
x>0
y>0
Aquí, f (x, y) = xy , g(x, y) = x2 + y 2 − R2 , y dado que ambas fun iones

tienen derivadas par iales ontinuas, queremos en ontrar un λ 6= 0 tal
que
∇f (x, y) = λ∇g(x, y)
Es de ir,
∇f (x, y) = (y, x) = λ(2x, 2y) = λ∇g(x, y)
Así, y = 2xλ y x = 2yλ, por lo que x∗ = y ∗ . Reemplazando esto en la
restri ión g(x, y) = 0, tenemos que
(x∗ )2 + (y ∗ )2 = 2(x∗ )2 = R2
y, por onsiguiente, √
∗ ∗ 2R
x =y =
2
√ √
Como ∇g(x∗ , y ∗ ) = ( 2R, 2R) 6= (0, 0) y esta es la 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 .
Ejemplo 6. (Otro problema geométri o)

Queremos en ontrar el diseño de un tanque ilíndri o que ontenga V
litros de agua, pero que utili e la menor antidad de material en su
onstru ión.
y solu ión
√
R y y∗ = 2R
2
√
2R x
x∗ = 2
(b)
(a)
Figura 7:
En el panel (a): Re tángulos ins ritos en un ír ulo de radio R. En el panel

(b): Transforma ión y solu ión grá a del ejemplo 5.
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
Aquí, f (r, h) = −(πr 2 + 2πrh), g(r, h) = πr 2 h − V ; por lo tanto, se

satisfa en las ondi iones del teorema de Lagrange, de manera que las
solu iones (que existen por el teorema de Weierstrass, y no pueden ser
solu iones on r = 0 o h = 0) deben estar entre las solu iones de las
ondi iones de primer orden, las uales son
−(2πr + 2πh, 2πr) = λ(2πrh, πr 2 )
Esto es equivalente a
−2πr − 2πh = λ2πrh, −2πr = λπr 2

lo que impli a que λ = − 2r 6= 0; y así, r ∗ = h∗ ; de esto, reemplazando en

la restri ión, obtenemos
r
∗ ∗ 3 V
r =h =
π
Como se √satisfa e ∇g(x∗ , y ∗ ) 6= (0, 0), la antidad óptima de material a
3
usar es 3 πV 2 . N
Ejemplo 7. (La ley de la refra ión de la luz (Ley de Snell

(1627)))
Un punto móvil debe pasar de A a B (ver gura ??). En la traye toria
AM se mueve on velo idad v1 , y en la M B on velo idad v2 . ¾Dónde
deberíamos olo ar el punto M sobre la línea horizontal DD ′ para que
la traye toria de A hasta B pueda re orrerse lo más rápido posible?
A
a α
α
M D′
D
β b
β
B
c
Figura 8: Ley de la refra ión de la luz.
Solu ión.
Sean α, β los ángulos des ono idos señalados en la gura 8; a y b las

longitudes ono idas de las perpendi ulares de los puntos A y B a la línea
horizontal DD ′ , respe tivamente; y c la distan ia horizontal ono ida
entre tales puntos. El tiempo requerido para re orrer el amino de A a
B está dado por la fun ión
a b π
t(α, β) = + 0 < α, β <
v1 cos α v2 cos β 2
Se requiere enton es en ontrar el mínimo de la fun ión t (α, β) sujeta a

la rela ión entre los ángulos
a tan α + b tan β = c
Aquí, la fun ión objetivo t(α, β) es ontinua, el onjunto restri ión es

ompa to, y, por lo tanto, el problema umple las ondi iones del teorema
de Weierstrass para que tenga solu ión. Además, ninguna solu ión está
en los extremos de la restri ión, omo fá ilmente puede omprobar el
le tor. Así, dado que se umplen las ondi iones del teorema de Lagrange,
la solu ión debe satisfa er las ondi iones de primer orden

a sen α b sen β a b
− − ,− =λ ,
v1 cos2 α v2 cos2 β cos2 α cos2 β
Y esto, on un po o de álgebra, impli a que
sen α v1
=
sen β v2
que es, pre isamente, la ley de refra ión de la luz. Según esto, un rayo
de luz se refra tará en su paso de un medio a otro de tal forma que el
tiempo que trans urre de un punto en un medio, a otro punto en el otro
medio, es mínimo ! N
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 )
donde λ 6= 0. De allí obtenemos que

αy p1
=
βx p2
y
Solu ión
βM
y∗ = (α+β)p2
x∗ = αM x
(α+β)p1
De esta igualdad despejemos y :

p1 β
y= x
p2 α
y reempla emos en la restri ión, de forma que (ver gura 9)
αM
x∗ =
(α + β)p1
y, por lo tanto,
βM
y∗ =
(α + β)p2
Como se umple ∇g(x∗ , y ∗ ) = (−p1 , −p2 ) 6= (0, 0), y (x∗ , y ∗ ) es la úni a
solu ión de las CPO, ella es la solu ión
al problema. Podemos armar
esto, dado que el onjunto S = (x, y) ∈ R+ | p1 x + p2 y = M es om-
2
pa to, la fun ión objetivo f (x, y) = xα y β es ontinua, y no es máxima

en los bordes del onjunto de restri ión (teorema de Weierstrass). El
máximo aquí viene dado enton es por
α β
∗ ∗ αM βM αα β β M α+β
f (x , y ) = = .
(α + β)p1 (α + β)p2 (α + β)α+β pα1 pβ2
Vemos que este resultado generaliza el ejemplo 3. N
Ejemplo 9.
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℄.
2. Utilizando el método grá o, de ida si el problema de maximizar

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

(a) Minimizar x+y (b) Maximizar xy
sujeta a xy = 7 sujeta a x+y =7
x>0 x>0
y>0 y>0
√ √
( ) Maximizar x+ y (d) Maximizar 3x + 8y
sujeta a 9x + 2y = 5 sujeta a
1 1
x2 + y2 = 1
x>0 x>0
y>0 y>0
(e) Maximizar x(y + 4) (f) Minimizar 3x − 2y
2
sujeta a x +y =7 sujeta a 2xy = 4
x>0 x>0
y>0 y>0
4. Cal ule los puntos sobre la urva x2 y = 2 más próximos al origen.
5. En uentre el máximo volumen que puede ontener un tanque i-

líndri o on tapas, si se tiene una antidad A de material para
onstruirlo.
6. Entre los re tángulos on perímetro jo, demuestre que el uadrado

es el de mayor área.
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?
4. Optimiza ión on restri iones de desigualdad:

el método (de) Kuhn-Tu ker (1951, 1956) , 5 6
Otra ara teriza ión fundamental de problemas de optimiza ión es bus-

ar valores extremos de una fun ión f (x, y) uando existen restri iones
de desigualdad bien determinadas fun ionalmente dentro del dominio de
ele ión. Un problema que apare e muy omúnmente es, en su forma más
simple, así:
Maximizar f (x, y)
x≥0
y≥0
Y en lo que sigue mostraremos la aproxima ión de Harold Kuhn [1925- ℄

y Albert Tu ker [1905-1995℄ a este tipo de problemas, partiendo de las
té ni as de programa ión lineal desarrolladas previamente por George
Dantzig y Ja k Laderman en 1947. Kuhn y Tu ker advirtieron la posi-
bilidad y ne esidad de una generaliza ión del método lineal, bus ando
resolver, parti ularmente, problemas de utiliza ión e iente de re ursos
uando las fun iones objetivo, y las restri iones, no eran ne esariamente
lineales. Veamos enton es algunos ejemplos ha ia los uales está expre-
samente dirigida la té ni a desarrollada por estos dos matemáti os.
Ejemplo 10. (Solu iones de esquina)

Consideremos el siguiente problema,
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.
Claramente, este problema es uno del tipo (KT) si ha emos f (x, y) =

−(x + y) y g(x, y) = x2 + y 2 − 1. Es de ir, el problema puede es ribirse
omo
Maximizar − (x + y)
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
Ejemplo 11. (Solu iones interiores a la restri ión)

Consideremos el problema

1 2 1 2
Minimizar x− + y−
2 2
sujeta a x+y ≤5
x≥0
y≥0
que laramente se resuelve para x∗ = y ∗ = 12 omo se ve en la gura 11.

Obsérvese que la solu ión ni siquiera satisfa e la restri ión
2 on igualdad,
2
ya que x∗ + y ∗ < 5. En este ejemplo, f (x, y) = x − 12 + y − 12 y
g(x, y) = 5 − x − y . N
1
solu ión
0
x
0 1 2 3 4
Figura 11: Solu ión grá a del ejemplo 11
Y aunque, omo hemos visto, estos problemas son trivialmente resueltos,

existen abundantes situa iones en las que no es fá il resolver el problema
geométri amente y ne esitaremos de una herramienta más sosti ada: el
método de optimiza ión de Kuhn-Tu ker.
a) El algoritmo (de) Kuhn-Tu ker
Consideremos nuevamente la fun ión lagrangiana (ahora extendida)
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)
x>0
y>0
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
La di ultad ahora es que el problema de Kuhn-Tu ker
Maximizar f (x, y)
x≥0
y≥0
podría impli ar solu iones de esquina, o también interiores, a la restri -

ión g(x, y) = 0. Si la solu ión a (KT) es de esquina, digamos (0, y ∗ , λ∗ )
on y ∗ > 0, λ∗ ∈ R, enton es, siguiendo lo he ho para el problema la-
grangiano, debemos tener que (0, y ∗ ) resuelve para ierto λ∗ ∈ R
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
donde 0 < ζx < ∆x. Y omo L(0 + ∆x, y ∗ , λ∗ ) ≤ L(0, y ∗ , λ∗ ) enton es

∂L ∂ 2 L (∆x)2
∆x + ≤0
∂x (0,y∗ ,λ∗ ) ∂x2 (ζx ,y∗ ,λ∗ ) 2
solu ión
solu ión
x
Figura 12:
En el problema (KT) las solu iones de esquina tienen pendiente negativa.
que dividiendo por ∆x y tomando el límite uando ∆x → 0, es

∂L
≤0
∂x (0,y∗ ,λ∗ )

∂f ∂g
ó, lo que es igual, a −λ∗ ≤ 0.
∂x (0,y∗ ) ∂x (0,y∗ )
Así, mientras la primera derivada del lagrangiano on respe to a x se
anula si x∗ > 0, en la esquina (x∗ = 0) esta primera derivada es menor
o igual a ero (ver gura 12). En otra forma, el produ to de x∗ y la
! en (x , y , λ ) ( on respe to a x) siempre es
derivada del lagrangiano ∗ ∗ ∗

∂L
ero : x∗ = 0. De esta manera tendremos que
∂x ∗ ∗ ∗
(x ,y ,λ )
!
∂f
∗ ∂g ∂f
∗ ∂g
−λ ≤ 0 y x∗ −λ =0
∂x (x∗ ,y∗ ) ∂x (x∗ ,y∗ ) ∂x (x∗ ,y∗ ) ∂x (x∗ ,y∗ )
Es laro que el papel de x y de y es simétri o, así que por un razonamiento

similar tendremos que
!
∂f ∂g
∂f
∂g

− λ∗ ≤ 0 y y∗ − λ∗ =0
∂y (x∗ ,y∗ ) ∂y (x∗ ,y∗ ) ∂y (x∗ ,y∗ ) ∂y (x∗ ,y∗ )
Finalmente, para (x∗ , y ∗ ) jos, maximizar L(x∗ , y ∗ , λ) requiere λ∗ ≤ 0

(dado que g(x∗ , y ∗ ) ≥ 0).
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)
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:
i) La fun ión g(·) es onvexa en R2+ .

ii) La fun ión g(·) es ón ava en R2+ y existe un (x̄, ȳ) ∈ R2+ tal que
g(x̄, ȳ) > 0.
Demostra ión.
Ver K J. Arrow, L. Hurwi z y H. Uzawa (1961). 7
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.
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.
3. Si x = 0, y > 0, enton es, de forma similar a lo analizado en el aso

anterior, obtenemos que no se satisfa e (i), pues 1+λ(2·0) = 1 0.
4. Si x = 0, y = 0, enton es de (ii), debe ser λ = 0, y no se satisfa e

(i). Por lo tanto, x = 0, y = 0 no es solu ión a las ondi iones de
primer orden.
Dado que f (x, y) = x + y es ontinua, y el onjunto restri ión es om-
pa to, por el teorema
√ de Weierstrass f (·) al anza un máximo. Vemos que,
en 1., f (x , y ) = 2; en 2., f (x , y ) = 1; y en 3., f (x∗ , y ∗ ) = 1. Por lo
∗ ∗ ∗ ∗
tanto, entre 1., 2., y 3. se llega a que el valor máximo de f (x, y) = x + y

sujeta a las restri iones g(x, y) = 1 − x2 + y 2 ≥ 0, x ≥ 0, y ≥ 0, se
obtiene uando √ √
∗ ∗ 2 ∗ 2
x =y = , λ =−
2 2
√
y el valor máximo es 2. N
Ejemplo 13. (Solu iones interiores, de nuevo)

Consideremos nuevamente el problema del ejemplo 11

1 2 1 2
Minimizar x− + y−
2 2
sujeta a x+y ≤5
x≥0
y≥0
y resolvámoslo ahora por el método de Kuhn-Tu ker.

Solu ión.
2 2
En este aso, f (x, y) = − x − 12 − y − 12 (para redu ir el problema
de minimizar a uno de maximizar) y g(x, y) = 5 − x − y (re uérdese
que la restri ión debe apare er en la forma g(x, y) ≥ 0). En este aso,
la fun ión objetivo es ón ava y, por lo tanto, uasi ón ava. Además, la
restri ión es lineal; es de ir, onvexa y uasi ón ava. Por el teorema 4,
las ondi iones de primer orden (CPO) son ne esarias para la solu ión
de nuestro problema que, por el teorema de Weierstrass, tiene solu ión
(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:
1. Si x > 0, y > 0, enton es, de (ii), λ = 2x − 1; y λ = 2y − 1; lo que

impli a que x = y . Debemos onsiderar dos asos: λ = 0 y λ 6= 0.
(a) Si λ = 0, tenemos que x∗ = y ∗ = 12 , λ∗ = 0.

(b) Si λ 6= 0, de (ii), tenemos que x + y = 5; y así, x∗ = y ∗ = 52 ,
λ∗ = 4. Esta solu ión no umple la ondi ión λ∗ ≤ 0 y, por lo
tanto, no puede onsiderarse.
2. Si x > 0, y = 0, enton es de (ii), λ = 2x − 1 6= 0. Nuevamente,

debemos onsiderar dos asos: λ = 0 y λ 6= 0.
(a) Si λ = 0, enton es x = 12 . Luego, x∗ = 12 , y ∗ = 0, λ∗ = 0.

Pero esta solu ión no puede
a eptarse ya que no satisfa e la
ondi ión (i) −2 y − 12 − λ(−1) ≤ 0.
(b) Si λ 6= 0, de (ii), x = 5. Luego, x∗ = 5, y ∗ = 0, λ∗ = 9. Esta
solu ión tampo o puede a eptarse, ya que λ∗ > 0.
3. Si x = 0, y > 0, enton es, de forma similar a lo he ho en el segundo

aso, obtenemos que este ter er aso no propor iona solu iones.
4. Si x = 0, y = 0, enton es λ∗ = 0, pero esta solu ión no satisfa e

(i).
2 2
De lo anterior, obtenemos que el valor mínimo de x − 12 − y − 12
sujeta a las restri iones g(x, y) = 5 − x − y ≥ 0, x ≥ 0, y ≥ 0 se obtiene
(ver gura 11) en
x∗ = 12 , y ∗ = 12 , λ∗ = 0
Aquí, λ∗ = 0 se debe a que la solu ión es interior a la restri ión (not

binding ) omo entenderemos mejor más adelante. N
Nota 3. (¾Falla el método de Kuhn-Tu ker?)

A la luz del método de Kuhn-Tu ker (teorema 4), ¾podría el le tor de ir
por qué en el ejemplo lási o presentado por Arrow y Enthoven (1961)8 ,
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
Continuando on nuestra presenta ión del método de Kuhn-Tu ker, aho-

ra nos podríamos preguntar: ¾Cuándo es ierto el re ípro o del teorema
4? Es de ir, si (x∗ , y ∗ ) es una solu ión de las (CPO), será enton es que
también es una solu ión al problema de optimiza ión (KT)? Una res-
puesta está en el próximo teorema, pero antes mostremos, pre isamente,
un ejemplo en el que las CPO, por sí mismas, no son su ientes para
resolver el problema KT. El aso lási o, también presentado por Arrow
y Enthoven en 1961, es el de
Maximizar (x−1)3
sujeta a 2−x≥0
x≥0
uyas solu iones de CPO arrojan x = 1, λ = 0, siendo la verdadera

solu ión x = 2. Veamos enton es qué ondi iones sobre f (·, ·) y g(·, ·) se
requieren para que CPO ⇒ KT.
Teorema 5. (CPO =⇒ K-T)

Sean f (·) y g(·) uasi ón avas y diferen iables on ontinuidad en R2+ .
Si (x∗ , y ∗ , λ∗ ) satisfa e las (CPO) y se umple alguna (y sólo una es
su iente) de las siguientes ondi iones:

∂f ∂f
a) <0 ó < 0;
∂x (x∗ ,y∗ ) ∂y (x∗ ,y∗ )
8
E onometri a.

∂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∗ )
) ∇f |(x∗ ,y∗ ) 6= 0 y f (x, y) es dos ve es diferen iable en una ve indad de

(x∗ , y ∗ );
d) f (x, y) es ón ava;
enton es (x∗ , y ∗ ) es solu ión al problema de optimiza ión (KT).
Demostra ión.
Ver K. J. Arrow and A. C. Enthoven (1961).9
Ejemplo 14.
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
Analizamos uatro asos:
1. Si x > 0, y > 0, enton es de (ii), λ∗ = −3 y λ∗ = −2, lo ual es

imposible.
9
E onometri a.
2. Si x > 0, y = 0, enton es de (ii), λ∗ = −2 y x∗ = 1. Pero, de (i),

se tiene que λ = −2 no satisfa e 3 + λ ≤ 0.
3. Si x = 0, y > 0, enton es de (ii), λ∗ = −3 y y ∗ = 1 y éstas satisfa en

todas las ondi iones; por lo tanto, x∗ = 0, y ∗ = 1, λ∗ = −3 es una
solu ión al problema.
4. Si x = 0, y = 0, enton es, de (ii), λ∗ = 0, pero ésta no satisfa e (i).
Vemos que el máximo se obtiene en
x∗ = 0, y ∗ = 1, λ∗ = −3
y es igual a 3 (ver gura 13.a)). N
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
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:
(i) −8x − λ ≤ 0; −4y − λ ≤ 0; x + y − ȳ = 0

(ii) x (−8x − λ) = 0; y (−4y − λ) = 0; λ(x + y − ȳ) = 0
Analizamos tres asos (ya que el aso x = y = 0 no podemos onsiderarlo,

puesto que x + y = ȳ > 0):
1. Si x > 0, y > 0, enton es, de (ii), λ = −8x 6= 0 y λ = −4y 6= 0; lo

que impli a y = 2x y, de nuevo, por (ii),
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.
2. Si x > 0, y = 0, enton es, de (ii), λ = −8x 6= 0 y de la restri ión,

x = ȳ , y = 0, λ = −8ȳ . Sin embargo, esto no satisfa e (i) −4y−λ ≤
0, y por lo tanto, no es solu ión.
3. Si x = 0, y > 0, enton es, de (ii), λ = −4y 6= 0 y de la restri ión,

x = 0 y y = ȳ , λ = −4ȳ ; lo ual no satisfa e (i) −8x − λ ≤ 0, y
por lo tanto, no es solu ión.
Por el análisis anterior, tenemos que la úni a solu ión es
ȳ 2ȳ 8ȳ
x∗ = , y∗ = , λ∗ = −
3 3 3
N
Ejemplo 16.
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
1. Si x > 0, y > 0, enton es, de (ii), λ = −2 y λ = −3, lo ual es

imposible.
2. Si x > 0, y = 0, enton es, de (ii), λ = −2 y de la restri ión x∗ = 1.

Por lo tanto, x∗ = 1, y ∗ = 0, λ∗ = −2.
3. Si x = 0, y > 0, enton es, de (ii), λ = −3 y de la restri ión y ∗ = 1.

Por lo tanto, x∗ = 0, y ∗ = 1, λ∗ = −3, lo ual no umple (i).
4. Si x = 0, y = 0, enton es no se umple (i).
Por lo tanto, el mínimo del problema se obtiene en
x∗ = 1, y ∗ = 0, λ∗ = −2
y es igual a 2 (ver gura 14.a)). N

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,
(i) −w1 − λ ≤ 0; −w2 + 2λy ≤ 0; x − y2 − 1 ≥ 0

(ii) x(−w1 − λ) = 0; y(2λy − w2 ) = 0; λ(x − y 2 − 1) = 0

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
2. Si x > 0, y = 0, enton es, de (ii), λ = −w1 6= 0, y nuevamente de

(ii), x∗ = 1, y ∗ = 0, λ∗ = −w1 .
w2
3. Si x = 0, y > 0, enton es, de (ii), λ = 6= 0, y así, de (ii),
2y
y 2 = −1, lo ual no tiene solu ión en R.
4. Si x = 0, y = 0, enton es, de (ii), λ = 0, pero ésta no satisfa e (i).
El óptimo se en uentra en x∗ = 1, y ∗ = 0, λ∗ = −w1 y es w1 (ver gura

14.b)). N
Ejemplo 18.
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
Aquí sólo hay un aso de estudio: x > 0, y > 0. De (ii), λ = − x2 6= 0 y

λ = − y3 6= 0; lo que impli a x = 23 y . Enton es, de (ii),
q q
x∗ = 10
3 , y∗ = 15
2
q
∂f 15
Como ∂x (x∗ ,y ∗ ) = 2 > 0, y para (x̄, ȳ) = (5, 5) se tiene que g(x̄, ȳ) =
20 > 0, enton es (x , y ∗ ) es solu ión al problema (ver gura 15). N
∗
Ejemplo 19.
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:
(i) −2x + λ ≤ 0; 1 + λ ≤ 0; 5−x−y ≥0

(ii) x(−2x + λ) = 0; y(1 + λ) = 0; λ(5 − x − y) = 0

y•
solu ión
4
3
2
1
0
x
0 1 2 3 4
1. Si x > 0, y > 0 enton es, de (ii), λ = 2x 6= 0 y λ = −1, y esto

impli a que x = − 12 , lo ual no satisfa e las ondi iones.
2. Si x > 0, y = 0 enton es, de (ii), λ = 2x 6= 0; y así, x = 5, y = 0,

λ = 10, lo ual no satisfa e λ ≤ 0, y, por lo tanto, no es solu ión.
3. Si x = 0, y > 0 enton es, de (ii), λ = −1, y así, x = 0, y = 5, lo

ual satisfa e todas las ondi iones, y, por onsiguiente, es solu ión
a nuestro problema.
4. Si x = 0, y = 0 enton es, de (ii), λ = 0, lo ual no satisfa e

1 + λ ≤ 0, así que no es solu ión.
Del análisis on luimos que
x∗ = 0, y∗ = 5
es la solu ión óptima al problema, y el mínimo de la fun ión objetivo es

igual a 2 (ver gura 16). N
Ejemplo 20.
Maximizar x(y + 4)
sujeta a x2 + y ≤ 8
x≥0
y≥0
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
1. Si x > 0, y > 0 enton es, de (ii), λ = − y+4

2x 6= 0 y λ = −x 6= 0, lo
y+4
que impli a x = 2 , y de (ii), x = 8 − y . Así, x∗ = 2, y ∗ = 4,
2 2
λ∗ = −2.
2. Si x > 0, y = 0 enton es, de (ii), λ = − y+4

2x 6= 0, y nuevamente de
√
la ondi ión (ii), x = 2 2, y = 0, λ = − √12 , que no satisfa en
∗ ∗ ∗
(i).
3. Si x = 0, y > 0 enton es, de (ii), λ = −x = 0, y así de (i), y ≤ −4,

lo que no satisfa e la ondi ión y ≥ 0.
4. Si x = 0, y = 0 enton es, de (ii), λ∗ = 0; pero esto no satisfa e la

ondi ión (i) y + 4 + 2λx ≤ 0.
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
b) Interpreta ión de los multipli adores de Lagrange y el

teorema de la envolvente
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
y
9
8
7
6 solu ión
5
4 •
3
2
1
0
x
0 1 2 3 4
Maximizar f (x,y)
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
Ahora: si nuestro problema de Lagrange es
Maximizar f (x,y)
sujeta a g(x, y) = a a 6= 0 (L')
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
L(x(a), y(a), λ) ≡ f (x(a), y(a)) − λ [g(x(a), y(a)) − a] (**)
la fun ión lagrangiana evaluada en fun iones diferen iables de la forma

x(a), y(a) , donde x(0) = x∗ y y(0) = y ∗ . Derivando on respe to a a,
obtenemos
∂L ∂f ∂x ∂f ∂y ∂g ∂x ∂g ∂y
= + −λ −λ +λ
∂a ∂x ∂a ∂y ∂a ∂x ∂a ∂y ∂a
Evaluando en (x∗ , y ∗ ), obtenemos que

!
∂L ∂f ∂g ∂x
= −λ +
∂a (x∗ ,y∗ )
∂x (x∗ ,y∗ )
∂x (x∗ ,y∗ ) ∂a
!
∂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))
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).
La importan ia de la e ua ión de sensibilidad se ve laramente en el aso

en que λ = 0. Es el aso del ejemplo 13, en donde la solu ión al problema
es x∗ = y ∗ = 12 y λ∗ = 0. Aquí, esta nulidad del multipli ador λ signi a
que pequeñas varia iones de la fun ión g(x, y) = 5 − x − y no arrojará
ningún ambio en el valor del óptimo f ( 12 , 12 ) = 0. Así, a mayor valor
absoluto de λ, mayor será el ambio de la valora ión en el óptimo al ual
λ está aso iado.
Nota 4.
Quizás no sobre a larar que en el problema de Kuhn-Tu ker, la e ua ión
de sensibilidad es exa tamente la misma y la prueba es similar.
Pero aunque al anterior se le puede onsiderar un teorema de la envol-
vente, a ontinua ión presentamos su versión más ono ida y general,
e invitamos al le tor a su prueba, y a interpretarlo ade uadamente (ver
gura 18): Sean f (x, y, a) y g(x, y, a) fun iones diferen iables on onti-
nuidad sobre R3 , donde (x, y) ∈ R2 , a ∈ R, y onsideremos el problema
de máximo de Kuhn-Tu ker
Maximizar f (x, y, a)
sujeta a g(x, y, a) ≥ 0
x≥0
y≥0
Denamos la fun ión de valor máximo omo F (a) = f (x(a), y(a), a) don-
de (x(a), y(a)) es el punto donde se resuelve el problema de optimiza ión
para un valor de a parti ular.
Teorema 6. (Teorema de la envolvente)

∂F (a) ∂L(x, y, λ)
=
∂a ∂a (x(a),y(a))
donde L(x(a), y(a), λ) es la fun ión lagrangiana

L(x(a), y(a), λ) ≡ f (x(a), y(a), a) − λ [g(x(a), y(a), a)] (**)
L(x(a), y(a), λ)
Figura 18: El teorema de la envolvente.
Una apli a ión típi a del teorema de la envolvente es la siguiente: Puesto

que para a, b, α, Q > 0 antidades ono idas, el problema de optimiza-
ión
Minimizar ax + by
sujeta a xy = Qα
x>0
y>0
tiene omo solu ión

1/2 1/2
∗ aQα ∗ bQα
x = , y =
b a
enton es, si denimos C(a, b, Q) = ax∗ + by ∗ , se tendrá que
C(a, b, Q) = 2(ab)1/2 Qα/2
y así, por el teorema de la envolvente (teorema 6), se tendrá que
∂C α
= α(ab)1/2 Q 2 −1
∂Q
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
sujeta a x+y =2 sujeta a 2x + 7y ≤ 90

x≥0 x≥0
y≥0 y≥0
2. De todos los óptimos al ulados en esta le ión 2, ¾ uál (o uáles)

son más sensibles a ambios en la respe tiva restri ión? [Indi a-
ión: apli ar el teorema de la envolvente℄.
5. Optimiza ión lineal: el método simplex

La optimiza ión lineal (también ono ida omo programa ión lineal 10 )
onsiste en optimizar una fun ión lineal, restringida por fun iones linea-
les. Na ió durante la Segunda Guerra Mundial, y después de ésta re ería
rápidamente debido a los esfuerzos onjuntos de matemáti os y estadís-
ti os por resolver problemas on retos del ejér ito norteameri ano.
10
Término éste, a uñado por Tjalling Koopmans en 1948.
El primer resultado general sobre programa ión lineal apare ió en la

tesis de maestría de William Karush de 1939, 11 aunque el premio Nobel
en E onomía (1975), Leonid V. Kantorovi h [1912-1986℄, también en
1939,12 había propuesto modelos de programa ión lineal para estudios
de planea ión de produ ión y un algoritmo de solu ión. Sin embargo, los
trabajos de Karu h y Kantorovi h fueron ignorados en la Unión Soviéti a
de enton es, y así permane ieron hasta la rea ión del muy útil método
simplex de George B. Dantzig 13 [1914-2005℄.
Dantzig, a quien se le onsidera el padre de la programa ión lineal jun-
to on John von Neumann y el mismo Kantorovi h, trabajó durante y
después de la Segunda Guerra Mundial en la Fuerza Aérea de los Estados
Unidos. Su objetivo era rear modelos matemáti os prá ti os de planea-
ión y programa ión de asuntos de asigna ión en las tropas (de allí el
término militar (programa ión) que se le da a esta área de la optimi-
za ión matemáti a). De he ho, el origen mismo del método simplex para
resolver problemas de optimiza ión lineal surgió en la onforma ión de
una dieta apropiada para estas tropas. Era un problema de 77 variables
que requirió de 120 días-hombre para resolverlo manualmente, utilizando
al uladoras de es ritorio: ha e un po o más de 50 años no habían los
su ientes desarrollos para resolver este problema en segundos, omo lo
ha emos hoy.
En los 1960's, on el advenimiento de hardwares, softwares, y algorit-
mos, mu hos problemas de programa ión lineal pudieron ser resueltos
mediante el método simplex en los primeros omputadores ono idos
hasta enton es. Durante ierto tiempo, Dantzig y sus olegas estudiaron
numerosas situa iones tomadas de la experien ia de la Segunda Guerra
Mundial, y mostraron que mu has de ellas podían ( on ierta aproxi-
ma ión) onvertirse al formato que hoy ono emos de la programa ión
lineal y que, además, las solu iones mejoraban uando se pasaba de un
vérti e a otro del onjunto poliédri o formado por las fun iones linea-
les de restri ión, al anzando eventualmente la solu ión óptima, y que
es la esen ia misma del método simplex. Dantzig y su grupo (parti u-
11
Karush, William (1939), Minima of Fun tions od Several Variables with Inequali-
ties as Side Constraints, M. S . Dissertation, Department of Mathemati s, University
of Chi ago.
12
Kantorovi h, Leonid V. (1939), The Mathemati al Method of Produ tion Plan-
ning and Organization, Leningrad University Press.
13
Dantzig, George B. (1949), Programming in a Linear Stru ture, E onometri a.
larmente, Ja k Laderman) ontinuaron probando su método simplex, y

en ontraban que, a pesar de las dudas ini iales, fun ionaba realmente
bien.
Con el desarrollo de los omputadores, Dantzig omenzó enton es a so-
ñar on un laboratorio de optimiza ión de sistemas , inspirado, además,
en el trabajo monumental del e onomista (enton es soviéti o) Wassily
Leontief on sus tablas insumo-produ to para la e onomía de los Es-
tados Unidos (ver volumen I: Álgebra lineal). Problemas de planea ión
urbana, sistemas de transporte, diseño de me anismos óptimos en e olo-
gía, biología, medi ina, e onomía, et ., omenzaron a tener, por primera
vez en la historia de las matemáti as, una posibilidad de tratamiento
analíti o uni ado. Desde los 1960's, el método simplex ha venido siendo
explorado exhaustivamente por numerosos investigadores, y estos am-
bios han transformado notablemente el que es, quizás, el más so orrido
método en la teoría de la optimiza ión matemáti a.
a) El problema y su solu ión grá a
El problema entral de la optimiza ión lineal es es oger valores no nega-

tivos de iertas variables que maximi en o minimi en una fun ión lineal
(dada) sujeta a un onjunto (dado) de restri iones lineales. Es de ir, el
problema anóni o de programa ión lineal (PL) es resolver
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
donde x1 ≥ 0, x2 ≥ 0, . . . , xn ≥ 0; y c1 , ..., cn ; a11 , ..., amn ; b1 , b2 , ..., bm

son onstantes. En forma matri ial, esto se puede es ribir así:
Maximizar cT x
sujeta a Ax ≤ b
x≥0
donde c = (ci )ni=1 , x = (xi )ni=1 , b = (bi )m

i=1 , A = (aij )i=1,...,m . Aquí x ≥ 0
j=1,...,n
signi a que xi ≥ 0 para todo i = 1, . . . , n. De la misma manera para
Ax ≤ b. Si x ∈ Rn satisfa e la restri ión Ax ≤ b, se di e que x es
fa tible.
Claramente este es un aso parti ular del problema de optimiza ión de
Kuhn-Tu ker en el que las fun iones objetivo y las restri iones son,
todas, lineales. Sin embargo, aquí estudiaremos un algoritmo de solu ión
(método simplex ), diferente del método de Kuhn-Tu ker, que se adapta
mejor a este tipo parti ular de problemas 14 .
Ejemplo 21. (El problema de la dieta)

El problema de la dieta es lási o en la literatura de la optimiza ión
lineal, porque fue el primer problema e onómi o resuelto mediante este
método. Al igual que mu hos otros modelos matemáti os, éste omenzó
siendo sólo un ejemplo y un ampo de pruebas del método de optimiza-
ión lineal, pero terminó teniendo inesperadas e importantes apli a iones
prá ti as.
El he ho entral del modelo es que una dieta ade uada debería satisfa er
iertas espe i a iones ( alorías, vitaminas, et .) y que esta alidad de la
dieta se mide sumando las alidades de estas omponentes. Un ejemplo
simple es este: Supongamos que sólo tenemos tres elementos nutri iona-
les, 1 ( alorías ), 2 (vitaminas ), 3 (proteínas ), on estándares mínimos
diarios de 700, 400 y 300 unidades, respe tivamente. Asumamos que hay
2 lases de alimentos x1 , x2 , y que hay una antidad onstante de a-
da elemento nutri ional en ada unidad de ualquiera de los alimentos.
Esta hipótesis es la que ha e que el problema se pueda analizar on el
instrumento de la optimiza ión lineal, pues, en denitiva, la informa-
ión se puede resumir en una tabla (matriz) omo la siguiente, donde aij
(i = 1, 2, 3; j = 1, 2) es el número de unidades del elemento nutri ional i
que está ontenido en el alimento j . Allí asumimos que a11 = 1, a21 = 2,
a31 = 1, y que a12 = 3, a22 = 1, a32 = 1 (de aquí, podemos de ir que el
alimento 2 tiene tres ve es más alorías que el alimento 1, la mitad de
las vitaminas, y la misma antidad de proteínas).
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.
Alimentos Estándares
x1 x2 mínimos
1 ( alorías) a11 a12 b1 = 700
2 (vitaminas) a21 a22 b2 = 400
3 (proteínas) a31 a32 b3 = 300
Para ompletar el problema, sean p1 , p2 los pre ios (de mer ado) por
unidad de los alimentos. Si x, y son las antidades a onsumir (en las
unidades ade uadas) de ada uno de los alimentos, enton es esta dieta
uesta
z = p1 x + p2 y
Asumamos p1 = 2 y p2 = 12. La pregunta que bus amos ontestar

es: ¾Cómo onformamos una dieta que, umpliendo on los estándares
mínimos, resulte lo menos ostosa posible? Es de ir, debemos resolver,
para x, y ,
Minimizar 2x+12y
sujeta a x + 3y ≥ 700
2x + y ≥ 400
x + y ≥ 200
x≥0
y≥0
Para ata ar este problema podemos, primero, re urrir al método grá o:

De la gura 19, y on un po o de álgebra elemental, obtenemos que
la solu ión es x∗ = 700 unidades del alimento 1, y ∗ = 0 unidades del
alimento 2, y el osto de la dieta que satisfa e los estándares mínimos es
1400.
Pero también podemos en ontrar la solu ión utilizando el método de

Kuhn-Tu ker. Sabemos que el problema tiene solu ión, y que ésta se
en uentra entre las CPO, ya que se umplen las ondi iones del teorema
5. Las CPO son:
800
600
400
200
solu ión
0 •
x
0 200 400 600 800
Figura 19: Solu ión grá a del problema de la dieta.
(i) −2 − λ1 − 2λ2 − λ3 ≤ 0; −12 − 3λ1 − λ2 − λ3 ≤ 0;

x + 3y ≥ 700 2x + y ≥ 400 x + y ≥ 200
(ii) x(−2 − λ1 − 2λ2 − λ3 ) = 0; y(−12 − 3λ1 − λ2 − λ3 ) = 0;

λ1 (x + 3y − 700) = 0; λ2 (2x + y − 400) = 0; λ3 (x + y − 200) = 0
Dado que x y y no pueden ser ero simultáneamente, debemos analizar

úni amente tres asos:
1. Si x > 0, y > 0 enton es, de (ii), λ1 + 2λ2 + λ3 = −2 y 3λ1 + λ2 +

λ3 = −12. Esto nos ondu e a tres situa iones:
(a) Si λ1 = 0 enton es λ2 = 10 y λ3 = −22, y nuevamente por (ii),

x∗ = 200, y ∗ = 0, lo ual no satisfa e y > 0 ni λi ≤ 0.
(b) Si λ2 = 0 enton es λ1 = −5 y λ3 = 3, que no satisfa e λi ≤ 0.
( ) Si λ3 = 0 enton es λ1 = − 22
5 y λ2 =
6
5, lo ual no satisfa e
λi ≤ 0.
2. Si x > 0, y = 0 enton es, de (ii), λ1 + 2λ2 + λ3 = −2. Y aquí

tenemos, nuevamente, tres asos:
(a) Si λ1 = λ2 = 0, enton es λ3 = −2 y de (ii), x∗ = 200, que no

satisfa e (i).
(b) Si λ1 = λ3 = 0, enton es λ2 = −1, y de (ii), x∗ = 200, y esto
no satisfa e (i).
( ) Si λ2 = λ3 = 0, enton es λ1 = −2 y, de (ii), x∗ = 700, y ∗ = 0.

(Ésta, sabemos, es la solu ión. ¾Puede de ir el le tor por qué?)
3. Si x = 0, y > 0, enton es de (ii), 3λ1 + λ2 + λ3 = −12. Tenemos,

de nuevo, tres asos:
(a) Si λ1 = λ2 = 0, enton es λ3 = −12 y de (ii), y ∗ = 200, que no

satisfa e (i).
(b) Si λ1 = λ3 = 0, enton es λ2 = −12, lo que no satisfa e (i).
( ) Si λ2 = λ3 = 0, enton es λ1 = −4, que no satisfa e (i).
Por lo tanto, la solu ión es x∗ = 700, y ∗ = 0, y el osto de la dieta es
1400, tal y omo lo habíamos al ulado (más simplemente) utilizando la
gura 19.
Ejemplo 22. (El problema del transporte (Dantzig (1947, 1949))
Otro de los problemas lási os de programa ión lineal es el problema del
transporte que onsiste en lo siguiente: Una ompañía ne esita enviar
ierto produ to desde m lugares a n destinos. Supongamos que ai unida-
des del produ to están disponibles en el origen i-ésimo, on i = 1, . . . , m;
y se requieren bj unidades en el destino j , j = 1, . . . , n. Además, supon-
gamos que la antidad total disponible en los distintos orígenes iguala la
antidad total requerida en los distintos destinos; es de ir,
m
X n
X
ai = bj
i=1 j=1
Si el osto de enviar una unidad de produ to desde el origen i hasta

el destino j es cij , ¾ uántas unidades del produ to deberían ser despa-
hadas entre ada par origen-destino, de tal manera que se minimi e el
osto total de transporte? Deniendo xij omo el número de unidades
del produ to que se despa han desde el origen i al destino j , podemos
formular este problema así:
m X
X n
Minimizar cij xij
i=1 j=1
X n
sujeta a xij = ai
j=1
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
Todo esto nos lleva a que nuestro problema es
Minimizar 10x11 + 20x12 + 20x21 + 40x22

sujeta a x11 + x12 = 5
x21 + x22 = 2
x11 + x21 = 4
x12 + x22 = 3
xij ≥ 0
Aquí, desafortunadamente, no podemos solu ionar grá amente, pues el

problema tiene más de dos variables. Pero dado que existen uatro in óg-
nitas y uatro restri iones, la solu ión al problema debe estar entre las
solu iones al sistema de e ua iones lineales; por lo tanto, podemos utili-
zar el método gaussiano de solu ión (ver volumen I: Álgebra lineal) para
en ontrar (si es posible) la solu ión a nuestro problema. Tratemos pri-
mero de solu ionar el sistema, para lo ual restamos la ter era restri ión
de la primera y la uarta de la segunda, de tal forma que obtenemos
x12 − x21 = 1
−x12 + x21 = −1
x11 + x21 = 4
x12 + x22 = 3
Vemos que la primera y la segunda igualdad son linealmente dependien-

tes; por lo tanto, el sistema tiene la siguiente forma:
x11 = 4 − x21
x12 = 1 + x21
x22 = 2 − x21
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
Vemos que este plan es fa tible y su osto es 120, que, a su vez, es el

mínimo osto de envío de produ tos entre los orígenes y destinos.
b) El algoritmo simplex
Aunque el método grá o puede ser útil en problemas en dos dimensio-

nes, no lo es para problemas de orden superior. También vemos que el
método Kuhn-Tu ker es demasiado engorroso en estos asos espe í os.
Por tal razón, debemos re urrir a otros métodos de solu ión, y una for-
ma alternativa de ata ar el problema es el ya omentado método simplex
desarrollado de Dantzig.
Para apli ar este método, lo primero que se ha e es onvertir las desigual-
dades de las restri iones del problema (PL), en e ua iones. Para ello,
se utilizan iertas variables s = (s1 , . . . , sm ) ≥ 0, llamadas variables de
holgura, donde ada si se utiliza para asegurar que la i-ésima restri ión
se umpla estri tamente. Así, nuestro problema (PL) se onvierte en
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
o, en forma matri ial,
Maximizar cT x
sujeta a Ax + Is = b
x≥0
s≥0
donde I = Im es la matriz identidad de tamaño m × m, y donde, sin

pérdida de generalidad, suponemos b ≥ 0.
Ejemplo 23.
(a) El problema de programa ión lineal
Maximizar 3x+2y
sujeta a x + 2y ≤ 5
3x + 4y ≤ 8
2x + y ≤ 4
x≥0
y≥0
se puede es ribir, introdu iendo las variables de holgura s1 , s2 , s3 , de

esta forma:
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
(b) De forma similar, el problema
Maximizar 3x + 7y+10z
sujeta a 4x + y + 2z ≤ 3
7x + 3y + z ≤ 4
x + 5y + 4z ≤ 6
x≥0
y≥0
z≥0
lo podemos es ribir omo
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
introdu iendo las variables de holgura s1 , s2 , s3 .

Deni ión 3. (Variables bási as y no-bási as)

Supongamos un sistema (PL) on restri iones de m e ua iones linea-
les on n variables, x1 , . . . , xn , donde n > m, y que, arbitrariamen-
te, podemos elegir n − m variables xm+1 , xm+2 , . . . , xn , de tal forma
que las restantes m variables x1 , . . . , xm se puedan expresar en térmi-
nos de ellas. Enton es a x1 , . . . , xm las llamaremos variables bási as y a
xm+1 , xm+2 , . . . , xn las llamaremos variables no-bási as.
Ejemplo 24.
(a) En el problema
Maximizar 3x+2y
3x + 4y + s2 = 8
2x + y + s3 = 4
x≥0
y≥0
s1 ≥ 0, s2 ≥ 0, s3 ≥ 0
tres variables bási as en el sistema de restri iones son las variables

de holgura s1 , s2 , s3 , ya que podemos expresarlas omo
s1 = 5 − x − 2y
s2 = 8 − 3x − 4y
s3 = 4 − 2x − y
(b) De manera similar, en el problema
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
también tres variables bási as en el sistema de restri iones son las

variables de holgura s1 , s2 , s3 , ya que podemos expresarlas omo
s1 = 3 − 4x − y − 2z
s2 = 4 − 7x − 3y − z
s3 = 6 − x − 5y − 4z N
Ahora que hemos onvertido el problema (PL) en un problema on res-

tri iones de igualdad, podemos rees ribirlo omo un sistema de e ua-
iones de la siguiente forma:
a11 x1 + a12 x2 + · · · + a1n xn + s1 = b1

a21 x1 + a22 x2 + · · · + a2n xn + s2 = b2
.. .. .. ..
. . . .
am1 x1 + am2 x2 + · · · + amn xn + sm = bm
c1 x1 + c2 x2 + · · · + cn xn + 0s1 + · · · + 0sm = f
o, en onveniente forma matri ial,
Ax + Is = b
c x + 0T s = f
T
donde f representa el valor de la fun ión objetivo. Si pensamos en el

ve tor de variables omo (x, s) podemos representar este sistema por
medio de la tabla (o matriz) simplex , omo sigue:
 
a11 a12 ··· a1n 1 0 ··· 0 b1
 
 a a22 · · · a2n 0 1 ··· 0 b2 
 21 
 . .. .. .. .. .. .. .. .. 
 .. . . . . . . . . 
 
 
 am1 am2 · · · amn 0 0 · · · 1 bm 
 
c1 c2 · · · cn 0 0 ··· 0 f
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
3x + 4y + s2 = 8
2x + y + s3 = 4
x≥0
y≥0
s1 ≥ 0, s2 ≥ 0, s3 ≥ 0
lo representamos, enton es, por la matriz simplex

 
1 2 1 0 0 5
 
 3 4 0 1 0 8 
 
 
 2 1 0 0 1 4 
 
3 2 0 0 0 f
(b) Asimismo, el problema
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
lo representamos por la matriz simplex

 
4 1 2 1 0 0 3
 
 7 3 1 0 1 0 4 
 
 
 1 5 4 0 0 1 6 
 
3 7 10 0 0 0 f
Hagamos ahora una aproxima ión al método simplex: En primer lugar,

es laro que si en el problema (PL) se tiene que P los indi adores ci son
menores ó iguales a ero enton es, para maximizar i ci xi , debe tomarse
x = 0 omo solu ión optima. Pero si algún cj es positivo enton es se debe
asignar a la variable xj el máximo valor posible, es de ir, el valor de xj
debe permitir una asigna ión fa tible a las restantes variables. Para esto
observemos que en la restri ión
ai1 x1 + · · · + aij xj + · · · ain xn + si = bi

bi
donde aij > 0 el valor máximo que puede tomar xj es , tomando las
aij
demás variables omo ero; pero puede su eder que al reemplazar este
valor en otra restri ión donde akj > 0 se tenga que asignar valores no
permitidos a las demás variables. Por ejemplo en
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
y luego reemplazar esta expresión en las otras e ua iones, obteniendo el

nuevo sistema
a1j bi a1j
a11 x1 + a12 x2 + · · · + a1n xn + s1 − si = b1 −
aij aij
a2j bi a2j
a21 x1 + a22 x2 + · · · + a2n xn + s2 − si = b2 −
aij aij
.. .. .. ..
. . . .
1 bi
ai1 x1 + ai2 x2 + · · · + ain xn + si =
aij aij
.. .. .. ..
. . . .
amj bi amj
am1 x1 + am2 x2 + · · · + amn xn + sm − si = bm −
aij aij
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.
Algoritmo 1. (Método simplex (Dantzig (1947)))
Paso 1. En la tabla simplex elija entre las n − 1 primeras olumnas, la

olumna j que tenga el mayor indi ador positivo. Si hay más de
una olumna on el mismo valor, elija ualquiera de éstas.
Paso 2. Para los elementos aij > 0 de la olumna j elegida anteriormen-

te, dena el elemento pivote de la olumna j omo

bi
a∗ij = arg mı́n
aij >0 aij
es de ir, el pivote es el elemento positivo de la olumna j de la

bi
matriz A que ha e que sea mínimo.
aij
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.
Si todos los indi adores son no-positivos, se habrá al anzado el máximo

valor de f . El valor de las variables no-bási as es ero, y el de las variables
bási as está dado por el valor de la última olumna de la tabla simplex
en la la en que se puede despejar la variable bási a. El valor óptimo f
está dado en la última entrada de la tabla simplex.
Ejemplo 26.
(a) Regresemos a la tabla simplex del ejemplo 25 a):

 
1 2 1 0 0 5
 
 3 4 0 1 0 8 
 
 
 2 1 0 0 1 4 
 
3 2 0 0 0 f
Entre las primeras 5 olumnas, la que tiene el mayor indi ador es la

olumna 1, así que el pivote estará en esa olumna. Cal ulamos
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
Como hay un indi ador positivo, volvemos al paso 1. La olumna

on el mayor indi ador es la olumna 2, y el pivote es el elemento
a∗22 , ya que
b1 b2 4 b3
= 2, = , =4
a12 a22 5 a32
Realizando opera iones elementales on la segunda la, obtenemos

la tabla simplex
 
0 0 1 − 35 2
5
9
5
 
 0 1 0 2
− 35 4 
 5 5 
 
 1 0 0 − 15 4 8 
 5 5 
0 0 0 − 15 − 65 f− 32
5
Como todos los indi adores son no-positivos, hemos en ontrado el

óptimo, donde x∗ = 85 , y ∗ = 45 , s∗1 = 95 , s∗2 = s∗3 = 0 y el valor
máximo es 32 5 . Pero, puesto que s1 6= 0, tendremos que la primera
∗
restri ión en el problema original se satisfa e estri tamente.

(b) La tabla simplex del ejemplo 25 b) es:

 
4 1 2 1 0 0 3
 
 7 3 1 0 1 0 4 
 
 
 1 5 4 0 0 1 6 
 
3 7 10 0 0 0 f
La olumna on el mayor indi ador positivo es la 3, y omo
b1 3 b2 b3 3
= =4 =
a13 2 a23 a33 2
tenemos dos elementos que pueden ser el pivote. Tomemos el elemen-
to a∗13 . Realizando opera iones bási as entre las tenemos la siguiente
tabla simplex:
 
1 1 3
2 2 1 2 0 0 2
 
 5 5
0 − 1
1 0 5 
 2 2 2 
 
 −7 3 0 −2 0 1 0 
 
−17 2 0 −5 0 0 f − 15
Ahora el mayor indi ador positivo está en la olumna 2, y el pivote
es a∗32 , ya que
b1 b2 b3
=3 =1 =0
a12 a22 a32
Utilizando de nuevo opera iones elementales entre las obtenemos la
siguiente tabla simplex:
 
19 5 3
6 0 1 6 0 0 2
 
 65 0 0 7
1 − 5 5 
 6 6 6 2 
 
 −7 1 0 −2 0 1 0 
 3 3 3 
− 373 0 0 − 11
3 0 − 2
3 f − 15
Como todos los indi adores son no-positivos, tenemos que en el óp-
timo
3
x∗ = 0, y ∗ = 0, z ∗ =
2
Además, la segunda restri ión del problema original se satisfa e
estri tamente, y el valor óptimo de la fun ión es 15.
) El teorema de dualidad
Ya vimos ómo resolver un problema de de máximo utilizando el método

simplex. Ahora queremos dar respuesta a dos interrogantes: Primero,
ómo resolver un problema de mínimo utilizando el mismo método; y,
segundo, ómo ambia la solu ión óptima ante ambios (pequeños) en
las restri iones. Para ello, rela ionamos el problema anóni o (PL)
Maximizar cT x (PL)
sujeta a Ax ≤ b
x≥0
(que, de ahora en adelante, llamaremos problema primal ) on el siguiente

problema dual (PD)
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.
(a) El problema dual del ejemplo 23 (a) es
Minimizar 5x′ + 8y ′ + 4z ′
sujeta a x′ + 3y ′ + 2z ′ ≥ 3
2x′ + 4y ′ + z ′ ≥ 2
x′ ≥ 0
y′ ≥ 0
z′ ≥ 0
(b) El dual del ejemplo 23 (b) es
Minimizar 3x′ + 4y ′ +6z ′

sujeta a 4x′ + 7y ′ + z ′ ≥ 3
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.
Multipli ando en el problema primal las restri iones por y y multipli-

ando en el problema dual las restri iones por x, se obtiene y T Ax ≤ y T b,
xT AT y ≥ xT c. Es ribiendo de nuevo, tenemos bT y ≥ y T Ax ≥ cT x.
Y el 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.
Como cT x∗ = bT y ∗ ≥ cT x para todo x fa tible, enton es x∗ resuelve el

problema primal. Así mismo, omo bT y ≥ cT x∗ = bT y ∗ , y ∗ resuelve el
problema dual.
Y así, arribamos a uno de los teoremas más profundos de la optimiza ión

estáti a: es el teorema de dualidad, que muestra que el problema primal
y el problema dual están íntimamente rela ionados.
Teorema 9. (Teorema de dualidad)
Si el problema primal tiene solu ión óptima nita, enton es el problema
dual también tiene solu ión óptima nita, y los valores de ambas fun io-
nes objetivo son iguales. Si el primal no tiene óptimo a otado, enton es
el dual no tiene solu ión fa tible.
Demostra ión.
(Ver teorema 13 adelante.)
Así, utilizando el problema primal, todo problema de mínimo puede on-

vertirse en uno de máximo, el ual puede resolverse por el método simplex
anteriormente estudiado. Una vez obtenida la solu ión del problema de
máximo, por el teorema 13, el valor óptimo de la fun ión objetivo en el
problema de mínimo es igual, y los valores óptimos de las variables en
el problema de mínimo son iguales al negativo de los indi adores de las
variables de holgura del problema de optimiza ión.
Nota 5.
El teorema de dualidad (teorema 6), que es realmente sorprendente y

muy importante, fue primero notado (aunque no probado) por von Neu-
mann en notas privadas que apare ieron antes de 1947.
Ejemplo 28.
Para que veamos lo fuerte que puede ser esta rela ión primal-dual, on-
sideremos el problema
Minimizar 60x + 20y + 3z + 20w

sujeta a 3x + 6y − z + 2w ≥ 4
−4x + 2y + z + 5y4 ≥ 2
x≥0
y≥0
z≥0
w≥0
Un análisis dire to nos llevaría a un problema en el espa io eu lidiano

de uatro dimensiones. Pero es posible es ribir este problema así:
 
60
20
Minimizar [x, y, z, w] 
3

20
 
3 −4
 6 2 4
sujeta a 
[x, y, z, w]   ≥
−1 1  2
2 5
x, y, z, w ≥ 0
Por lo tanto, el problema primal es

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
Y este problema primal sí puede dibujarse en un plano bidimensional

omo en la gura 20. Allí, vemos que la solu ión óptima o urre en x∗1 =
30/13, x∗2 = 40/13, y así z ∗ = x∗ = 0.
De esta manera, el problema original se redu e a

20
Minimizar [y, w]
20

6 2
sujeta a [y, w] ≥ [4, 2]
2 5
y ≥ 0, w≥0
Cuya solu ión y ∗ = 8/13, w∗ = 2/13. Por lo tanto, el problema original

tiene omo solu ión al ve tor (0, 8/13, 0, 2/13).
 
60
 20 30/13
 
(0, 8/13, 0, 2/13)   = (4, 2) = 200/13
3 40/13
20
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:
Ejemplo 29. (Problema de la dieta, de nuevo)

Volvamos al problema de la dieta
Minimizar 2x+12y
sujeta a x + 3y ≥ 700
2x + y ≥ 400
x + y ≥ 200
x ≥ 0, y ≥ 0
El primal de este problema es
Maximizar 700x′ + 400y ′ + 200z ′

sujeta a x′ + 2y ′ + z ′ ≤ 2
3x′ + y ′ + z ′ ≤ 12
x′ ≥ 0, y ′ ≥ 0, z ′ ≥ 0
uya tabla simplex es

 
1 2 1 1 0 2
 
 3 1 1 0 1 12 
 
700 400 200 0 0 f
El mayor indi ador no-negativo está en la olumna 1 y el elemento pivote

es a∗11 , on lo ual obtenemos la siguiente tabla simplex:
 
1 2 1 1 0 2
 
 0 −5 −2 −3 1 6 
 
0 −1000 −500 −700 0 f − 1400
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.
Ejemplo 30. (El problema del transporte, de nuevo)

Tomemos, una vez más, el problema del transporte
Minimizar 10x11 + 20x12 + 20x21 + 40x22

sujeta a x11 + x12 = 5
x21 + x22 = 2
x11 + x21 = 4
x12 + x22 = 3
xij ≥ 0
que es el dual del problema
Maximizar 5x′11 + 2x′12 + 4x′21 + 3x′22

sujeta a x′11 + x′21 = 10
x′11 + x′22 = 20
x′12 + x′21 = 20
x′12 + x′22 = 40
xij ≥ 0
Como en este problema las restri iones son e ua iones, no es ne esario

in luir variables de holgura; sin embargo, para poder re-interpretar el
resultado, es ne esario plantear el problema omo uno de desigualdades,
on lo ual la tabla simplex es

 
1 0 1 0 1 0 0 0 10
 
 1 0 0 1 0 1 0 0 20 
 
 
 0 1 1 0 0 0 1 0 20 
 
 0 1 0 1 0 0 0 1 40 
 
5 2 4 3 0 0 0 0 f
Realizando las opera iones usuales, obtenemos omo resultado

 
1 0 1 0 1 0 0 0 10
 
 0 0 −1 1 −1 1 0 0 10 
 
 
 0 1 1 0 0 0 1 0 20 
 
 0 0 0 0 1 −1 −1 1 10 
 
0 0 0 0 −2 −3 −2 0 f − 120
de donde, reinterpretando, obtenemos x∗11 = 2, x∗12 = 3, x∗21 = 2,

x∗22 = 0, y valor óptimo de la fun ión es 120, omo habíamos en ontrado
anteriormente, en el ejemplo 22. N
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
que x∗ + ∆x es solu ión al problema primal
Maximizar cT x
sujeta a Ax ≤ b + ∆b
x≥0
y que y ∗ es la solu ión al problema dual de ada uno de los problemas

primales. Enton es, por el teorema 9,
cT x∗ = bT y ∗ , y cT (x∗ + ∆x) = (b + ∆b)T y ∗
y, por lo tanto, cT ∆x = ∆bT y ∗ . Pero cT ∆x no es más que el ambio en
el valor óptimo de la fun ión objetivo del problema original al ambiar
un po o el valor de las restri iones. Por lo tanto, podemos interpretar
(al igual que en el aso de los multipli adores de Lagrange) el valor de yi∗
omo el ambio en el valor de la fun ión objetivo ante ambios (pequeños)
en el valor de bi .
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
( ) Maximizar 2x+5y (d) Minimizar 12x+42y

sujeta a x≤4 sujeta a x + 2y ≥ 3
y≤3 x + 4y ≥ 4
x + 2y ≤ 8 3x + y ≥ 3
x≥0 x≥0
y≥0 y≥0
2. Pruebe que la solu ión del problema
Maximizar 5x + 2y + z
sujeta a x + 3y − z ≤ 6
y+z ≤4
3x + y ≤ 7
x≥0
y≥0
es x = 73 , y = 0, z = 4, y el valor del problema es 47

3 . Además,
muestre que la solu ión del problema dual está en x1 = 0, y1 = 1,
z1 = 53 .
3. Pruebe que la solu ión del problema
Minimizar 3x − 2y + 5z
sujeta a − y + 2z ≥ 1
x+z ≥1
2x − 3y + 7z ≥ 5
x≥0
y≥0
es x = 0, y = 23 , z = 1, y el valor del problema es 11

3 . Además,
muestre que la solu ión del problema dual es x1 = 0, y1 = 13 ,
z1 = 23 .
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
6. Optimiza ión en onjuntos onvexos: teore-

mas de separa ión de Minkowski
Ahora es laro que los métodos de optimiza ión están basados en: i)
la estru tura topológi a del onjunto sobre el que se optimiza, y ii) la
estru tura analíti a (lineal, ontinua, et .) de la fun ión objetivo. En es-
ta se ión profundizamos en una ara terísti a topológi a del onjunto
de restri ión, que ya había sido estudiada: la onvexidad. Aquí des-
ta aremos algo que se vislumbraba on los problemas de programa ión
lineal: que iertas propiedades geométri as de los onjuntos onvexos es-
tán íntimamente one tados on la forma omo se resuelve problemas de
optimiza ión sobre ellos.
Figura 21: Re ta tangente que separa
Re ordemos, en primer lugar, que en el ál ulo diferen ial de una varia-

ble, uando se requería optimizar (maximizar o minimizar) una fun ión
ón ava estri ta (o onvexa estri ta) diferen iable, se re urría a en ontrar
los puntos en donde la re ta tangente era paralela al eje de abs isas (ver
gura 21). Allí notábamos que esta re ta tangente des omponía el plano
en dos semiplanos, uno de los uales ontenía totalmente a la grá a de
la fun ión. En dos variables su edía lo mismo on el plano tangente, y,
por supuesto, en varias variables on el hiperplano tangente.
En segundo lugar, re ordemos que uando intentábamos resolver pro-
blemas típi os de optimiza ión en dos variables, mediante el método de
Lagrange o de Kuhn-Tu ker, en general nos en ontrábamos on que, en
el punto en que se resolvía el problema, las dos grá as (la de restri -
ión y la de objetivo) solamente se interse taban allí, y lo ha ían de tal
forma que se podía trazar una tangente por allí que separaba a las dos
grá as (ver gura 22).
Figura 22: Optimiza ión y separa ión
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.
Teorema 10. Existen ia de hiperplanos separadores (Minkowski

(1910))
Sea C un onjunto onvexo y errado en R2 , y sea p ∈ Rn . Enton es se
tiene uno (y sólo uno) de los siguientes asos (ver gura 23):
a) p ∈ C .
b) Existe un hiperplano H de R2 que ontiene a p y tal que C está

totalmente ontenido en uno de los semiplanos abiertos determinados
por H . En tal aso, se di e que H es un hiperplano separador.
Demostra ión.
Supongamos que p ∈ / C , y onsideremos la fun ión sobre el onjunto

errado C dada por
f (x) = ||x − p||
Como se puede probar fá ilmente, esta fun ión es ontinua y, utilizan-

do onvenientemente el teorema de Weierstrass (teorema 1), tiene un
mínimo sobre C . Sea q un punto de C tal que
||q − p|| ≤ ||x − p||
para todo x ∈ C , y sea n = q − p. Como p ∈ / C , enton es n 6= 0. Veamos

que el hiperplano que pasa por p y es perpendi ular a n satisfará nuestros
requerimientos; es de ir, que
H = {x ∈ R2 | (x − p) · n = 0}
es el hiperplano bus ado, y para ello vamos a probar que C está ontenido
en el semiespa io denido por la ondi ión (x − p) · n > 0.
•
p
C
Figura 23: Un hiperplano separando un onjunto onvexo y un punto.
Sea q ′ 6= q un punto ualquiera de C . Enton es, para todo t, on

0 < t ≤ 1, se tiene que
||q − p|| ≤ ||(q − p) + t(q ′ − q)||
y elevando esta desigualdad al uadrado se tiene que
(q − p)2 ≤ (q − p)2 + 2t(q − p)(q ′ − q) + t2 (q ′ − q)2
Can elando y dividiendo por t, se obtiene que
0 ≤ 2(q − p)(q ′ − q) + t(q ′ − q)2

y ha iendo t → 0 se obtiene que
0 ≤ (q − p)(q ′ − q) = n(q ′ − p) + n(p − q) = n(q ′ − p) − n · n
Pero omo n · n > 0, enton es
n(q ′ − p) > 0
que era lo que queríamos probar.
Y aún podemos enun iar un resultado más general:
Teorema 11. (Otro teorema de Minkowski (1910))

Si C ⊆ es un onjunto onvexo y p está en la frontera de C 16 ,
Rn
enton es existe un hiperplano soporte de C en p; es de ir, existe un
hiperplano H tal que p ∈ H , y C está ontenido en uno de los dos
semiespa ios errados determinados por H (ver gura 24).
Demostra ión.
Sea C la lausura de C . Es fá il mostrar que C también es onvexo, y p

está en la frontera de C . Si es posible probar el teorema para C , enton es
laramente estaremos probándolo para C . Por lo tanto, podemos asumir
que C es errado. Ahora: para ada entero k > 2, en ontremos un punto
pk ∈/ C que esté a una distan ia menor que k1 de p. Por el teorema 10
anterior, podemos en ontrar un punto qk sobre C uya distan ia a pk
sea mínima. Hagamos ahora nk = qk − pk , y sea n′k el ve tor unitario
(||nk || = 1) en la dire ión de nk . La su esión de ve tores n′k tiene un
punto límite sobre la esfera de radio 1, digamos n′ , ya que la esfera es
un onjunto ompa to ( errado y a otado). Nuevamente, por el teorema
10 anterior, para todo x ∈ C y todo k,
x · n k > pk · n k
Y así, dividiendo a ambos lados por la norma de nk , se obtiene que para

todo k,
x · n′k > pk · n′k
16
La frontera de un onjunto S , ∂S , está denida omo el onjunto de puntos
que pertene en a la adheren ia de S y a la adheren ia del omplemento de S , es
de ir, ∂S = S ∩S C . Re ordemos también que la adheren ia de S , S̄ , es el onjunto
de límites de su esiones de puntos de S (ver volumen II: Cál ulo).
p• C
Figura 24: H es el hiperplano soporte de C en p.
Como n′ es un punto límite de la su esión {n′k }, y p es un punto límite

de la su esión {pk }, se sigue, por ontinuidad de la fun ión produ to
interior, que
x · n′ > p · n′
y esto prueba el teorema.
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
mediante el método de Kuhn-Tu ker, allí en ontramos que la solu-

ión era (x∗ , y ∗ ) = ( √R2 , √R2 ). ¾Podría el le tor ilustrar esto on una
grá a apropiada?
(b) Al bus ar una re ta de la forma A(x − x∗ ) + B(y − y ∗ ) = 0 que
pasa por el punto (x∗ , y ∗ ) y que lo separe del onjunto onvexo
R2
{(x, y) ∈ R2+ /f (x, y) ≥ f (x∗ , y ∗ )} = {(x, y) ∈ R2+ /xy ≥ }
2
p• C
Figura 25: Conjunto onvexo no-suave.
en ontramos que, omo (A, B) es un ve tor normal a la re ta, en-

ton es podemos ha er
∂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.
a) Apli a iones del teorema de separa ión de Minkowski
En prin ipio, y a diferen ia de los métodos algorítmi os de optimiza ión

(Lagrange, Kuhn-Tu ker, simplex), el teorema de Minkowski está más en
la tradi ión del teorema de Weierstrass, en el sentido de que es un teore-
ma de optimiza ión de na des rip ión teóri a que no estaría diseñado
para apli a iones algorítmi as on retas inmediatas. Sin embargo, es o-

rriente utilizarlo omo poderosa herramienta para demostrar teoremas
lási os de optimiza ión que, ellos sí, tienen un desarrollo algorítmi o es-
pe í o. Aquí ilustraremos lo anterior, probando el teorema del minimax
de von Neumann (ver volumen I (Álgebra lineal), le ión 8), y el teore-
ma de dualidad (teorema 9 de la presente le ión) para la programa ión
lineal, que estudiamos previamente.
Teorema 12. (Minkowski ⇒ minimax)

Para ualquier matriz Amxn , existen distribu iones de probabilidad p∗ ∈
Rn y q ∗ ∈ Rm tales que, en ellas, se da la igualdad
máx mı́n qApT = mı́n máx qApT

p q p q
Demostra ión.
a) Primero, notemos que para ualquier p ∈ Rn y q ∈ Rm , se tiene que
mı́n qApT ≤ qApT ≤ máx qApT

q p
y, por lo tanto,
máx mı́n qApT ≤ mı́n máx qApT
p q q p
b) Restaría enton es demostrar que
mı́n máx qApT ≤ máx mı́n qApT

q p p q
para iertos p∗ ∈ Rn y q ∗ ∈ Rm . Para ello, sea
H = {x ∈ Rm /x = ApT para algúnp ∈ Rn y ApT ≥ v1 e}
donde v1 = máxp mı́nq qApT y e = (1, ..., 1) ∈ Rn . Observe que H es

onvexo y no va ío, y, por el teorema de separa ión de Minkowski (teo-
rema 8), existe q ∗ ∈ Rm tal que q ∗ ApT ≤ v1 para todo p ∈ Rn . Y omo
mı́nq máxp qApT ≤ máxp q ∗ ApT , tendremos que
mı́n máx qApT ≤ v1 = máx mı́n qApT

q p p q
que era lo que queríamos mostrar.

Teorema 13. (Minkowski ⇒ teorema de dualidad)

Si el problema primal tiene solu ión óptima nita, enton es el problema
dual también tiene solu ión óptima nita, y los valores de ambas fun io-
nes objetivo son iguales. Si el primal no tiene óptimo a otado, enton es
el dual no tiene solu ión fa tible.
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}
Como puede fá ilmente veri ar el le tor, el onjunto C es un ono onve-

xo errado. Veamos que p = (1, 0) ∈ / C . Si w = t0 b−AT y 0 = 0 on t0 > 0
y 0
y y 0 ≥ 0, enton es y = 0 es fa tible en el problema dual y, por lo tanto,
t
r 0 − bT y ≤ 0; es de ir, r ≤ 0. Por otro lado, si w = −AT y 0 = 0
= z
t0
on y 0 ≥ 0 y bT y 0 = −1, y si y es una solu ión fa tible del problema
dual, enton es y + αy 0 es fa tible para todo α ≥ 0 y, además, podemos
obtener valores arbitrariamente pequeños de la fun ión objetivo, lo ual
ontradi e nuestra hipótesis de que la solu ión fa tible del dual es nita.
Por lo tanto, no puede existir tal y 0 , y así, p ∈
/ C.
Dado que C es un ono onvexo y errado, y que p = (0, 1) ∈ / C , por el
teorema de separa ión de Minkowski (teorema 10), existe un hiperplano
que separa p de C . Así, existe un ve tor no-nulo (s, x) ∈ Rn+1 y una
onstante d tal que
s<d= ı́nf {sr + xw}

(r,w)∈C
Como C es un ono, debe ser d ≥ 0; además, puesto que (0, 0) ∈ C ,

tenemos que d ≤ 0. De esto on luimos que d = 0 y s < 0. Asumamos
que s = −1; enton es, por la desigualdad anterior, −r + xw ≥ 0 para
todo (r, w) ∈ C que, de la deni ión de C , impli a
(b − Ax)y T − tz 0 + tcT x ≥ 0
para todo y ≥ 0 y t ≥ 0. En parti ular, si t = 0, Ax ≤ b, es de ir, x

es fa tible en el primal. Si y = 0 y t = 1, enton es cT x ≥ z 0 que, por
el teorema 7, impli a cT x = z 0 ; y, a su vez, por el teorema 10, asegura
que x es un óptimo del problema primal. La demostra ión re ípro a es
similar y se deja al le tor omo ejer i io.
Ejer i ios 6
1. Halle, ilustrando on un dibujo ade uado, hiperplanos de soporte
para los siguientes onjuntos onvexos C y orrespondientes puntos
p en el plano:
(a) C = {(x, y) ∈ R2 | x ≥ 0, y ≥ x2 }, p = (1, 1)

(b) C = {(x, y) ∈ R2+ | y ≤ ln x, x ≥ 1}, p = (2, ln 2)
( ) C = {(x, y) ∈ R2 | y ≥ ex + 1}, p = (0, 2)
2. ¾Será que, en el teorema 11, el hiperplano de soporte es úni o?

Ilustre on un par ejemplos.
3. [Teorema de J. Farkas (1902)℄ Pruebe, utilizando el teorema 11

de separa ión de Minkowski, que si A una matriz n × n dada y
b ∈ Rm , enton es una, y sólo una, de las siguientes alternativas es
ierta:
(a) El sistema A · x = b tiene una solu ión x ≥ 0 (todas la ompo-

nentes mayores o iguales a ero).
(b) El sistema de desigualdades y T A ≥ 0 tiene una solu ión y ∈ Rn
que satisfa e y · b < 0.
( ) ¾Geométri amente, ómo puede interpretarse esto desde la pers-
pe tiva de las solu iones de un sistema de e ua iones lineales?
[Indi a ión: el teorema de Minkowski se maniesta laramente
en la solu ión de un problema de optimiza ión de una fun ión
lineal on restri iones lineales de desigualdad ℄.
**4) ¾Será que el teorema de Minkowski impli a el teorema de Weiers-

trass?
**5) ¾Es el teorema minimax un teorema de dualidad? Es de ir, ¾teo-

rema de dualidad ⇒ teorema minimax ?
7. Optimiza ión en orresponden ias: el teorema

del máximo
Nuestros métodos hasta ahora están destinados a la optimiza ión de
fun iones ; es de ir, de rela iones en que a ada número se le asigna otro
número (y sólo uno). Desde 1939, el grupo fran és Bourbaki desarrolló el
on epto de orresponden ia ; es de ir, rela iones en las que a ada núme-
ro se le asigna, ya no sólo otro número, sino una ole ión de números.
Las situa iones reales en que esto puede su eder son múltiples, y el ob-
jetivo de esta se ión es des ribir algunos resultados sobre optimiza ión
bajo este tipo de estru tura. Entre ellos, quizás el resultado más impor-
tante es el teorema del máximo, y para omprenderlo nos preparamos
ahora.
Deni ión 4. (Corresponden ia (Bourbaki (1939))) 17
Si S, T ⊆ Rn , no-va íos, enton es una orresponden ia ϕ de S en T es

una fun ión
ϕ : S → P(T )
donde P(T ) es el onjunto de partes de T (es de ir, todos los posibles

sub onjuntos de T ), y tal que, para todo s ∈ S , ϕ(s) 6= ∅. 18
Así, una orresponden ia ϕ de S en T , le asigna a ada s ∈ S un onjunto

no-va ío ϕ(s) ∈ P(T ) (ver gura 26).
Las no iones de ontinuidad en fun iones de variables reales, se trasladan

a orresponden ias de la siguiente manera:
17
Bourbaki, Ni olás (1939), Éléments de Mathématique, Ed. Hermann, París.
18
En o asiones, sin embargo, y si la nota ión no permite onfusión, es ribiremos,
simplemente, ϕ : S → T.
T onjunto
ϕ(s)
s S
Figura 26: Corresponden ia ϕ(s).
Deni ión 5 (Continuidad en orresponden ias (Berge (1959))19 ).
i) Una orresponden ia ϕ : S → P(T ) es semi- ontinua superiormente

en un punto s ∈ S si uando sn → s y tn → t on tn ∈ ϕ(sn ),
enton es t ∈ ϕ(s).
ii) Una orresponden ia ϕ : S → P(T ) es semi- ontinua inferiormente

en un punto s ∈ S si sn → s y t ∈ ϕ(s) impli a que existe una
su esión {tn } on tn ∈ ϕ(sn ) tal que tn → t.
iii) Una orresponden ia ϕ : S → P(T ) es ontinua si es semi- ontinua

superiormente e inferiormente.
Nota 7.
El le tor puede observar que si para ada s ∈ S se tiene que 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.
(a) Sean S = T = [0, 5], y denamos

(
2 si x 6= 2.5
ϕ(s) =
[1, 3] si x = 2.5
19
Berge, Claude (1959), Topologi al Spa es: In luding a Treatment of Multi-valued
Fun tions, Ve tor Spa es and Convexity, Dover Publi ations (1997).
ϕ(s)
4
2.5 5 s
Figura 27: Corresponden ia semi- ontinua superiormente
Esta orresponden ia (ver gura 27) es semi- ontinua superiormente,

dado que para toda su esión {sn } on sn ∈ [0, 5] tal que sn → s
sólo existe una úni a su esión {tn } tal que tn ∈ ϕ(sn ) y tn → t : la
su esión {tn } = {2}, la ual onverge a t = 2, y, laramente, t ∈ ϕ(s).
Sin embargo, la orresponden ia no es semi- ontinua inferiormente,
ya que podemos tomar sn → 2.5 y 3 ∈ ϕ(2.5), pero no existe una
su esión {tn } que satisfaga tn → 3 tal que tn ∈ ϕ(sn ).
Teorema 14. ( Cara teriza ión de la semi- ontinuidad superior )

La orresponden ia ϕ : S → T es semi- ontinua superiormente sobre S
si, y sólo si, su grá o
graf ϕ = {(s, t) ∈ S × T | t ∈ ϕ(s)}
es errado en S × T .
Demostra ión.
a) Sean s ∈ S , sn → s, tn → t on tn ∈ ϕ(sn ); enton es (sn , tn ) → (s, t).

Y, omo graf ϕ es errado, enton es (s, t) ∈ graf ϕ. Luego t ∈ ϕ(s) y,
así, φ es semi- ontinua superiormente.
b) Sean s ∈ S , sn → s, tn → t on tn ∈ ϕ(sn ). Enton es, omo ϕ es

semi- ontinua superiormente, se tendrá que t ∈ ϕ(s) y, por lo tanto,
(s, t) ∈ graf ϕ; es de ir, graf ϕ es errado.
T onjunto
ϕ(s)
s S
Figura 28: Una orresponden ia ϕ(s) on graf ϕ errado.
Ejemplo 33.
Sean S = [0, 10] y T = [0, 100], y denamos
ϕ(s) = [s2 , s2 + 1]
Veamos que esta orresponden ia es semi- ontinua superiormente mos-

trando que graf ϕ es errado.
Solu ión.
Sea {(sn , tn )} una su esión en graf ϕ tal que (sn , tn ) → (s, t). Veamos
que (s, t) ∈ graf ϕ. En efe to,
lı́m s2 ≤ lı́m tn ≤ lı́m s2n + 1

n→∞ n n→∞ n→∞
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:
Teorema 15. (Teorema del máximo (Berge (1959))) 20
Con S , T ⊆ Rn , si f : S × T → R es una fun ión ontinua y ϕ : S →

P(T ) es una orresponden ia ontinua en s ∈ S , enton es:
a) f ∗ : S → R, denida por f ∗(s) = máx{f (s, t) | t ∈ ϕ(s)} es ontinua

en S .
b) µ : S → P(T ), s → µ(s) = arg máx{f (s, t) | t ∈ ϕ(s)} es semi-

ontinua superiormente.
Demostra ión.
a) Sea {sn } ⊆ S tal que sn → s ∈ S , y probemos que f ∗ (sn ) → f ∗ (s).
i) Puesto que f (·, ·) es ontinua, enton es para todo t ∈ ϕ(s) jo,

se tiene que f (sn , t) → f (s, t).
ii) Como ϕ : S → P(T ) es semi ontinua inferiormente, enton es
para ada t ∈ ϕ(s) jo, existe una su esión tn ∈ ϕ(Sn ) tal que
tn → t. Ahora: Dada la deni ión de f ∗ (·), existen su esiones
{ǫn } y {δm }, ambas tendiendo a 0, tales que
f (s, t) ≤ f ∗ (s) ≤ f (s, tn ) + ǫn
f (sn , t) ≤ f ∗ (sn ) ≤ f (sn , tn ) + δn

Por lo tanto,
f (sn , t) − f (s, tn ) − ǫn ≤ f ∗ (sn ) − f ∗ (s) ≤ f (sn , tn ) − f (s, t) + δn
El resultado se obtiene de i) y ii) uando ha emos n → ∞.
b) Notemos, en primer lugar, que
µ(s) = {t ∈ ϕ(s) / f (s, t) = f ∗ (s)}
Sea sn → s on {sn } ⊆ S , s ∈ T , y µ̄n → µ̄, on µ̄n ∈ µ(sn ), y probe-

mos que µ̄ ∈ µ(s). En efe to, omo µ̄n ∈ ϕ(sn ) y f (sn , µ̄n ) = f ∗ (sn ),
enton es, puesto que f ∗ (·) es ontinua, se tendrá que f (sn , µ̄n ) →
f ∗ (s);
20
op. it.
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
f ∗ (s) = máx{ st / t ∈ [−2, 2]} = 2|s|

es ontinua en R.
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
es semi- ontinua superiormente.
Ejer i ios 7
1. En ada uno de los siguientes asos, determine si la orresponden ia
es semi- ontinua superior, semi- ontinua inferior o ontinua:
(a) 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
[Indi a ión: Un dibujo ayudaría en ada aso℄.

2. Es riba formalmente y pruebe que si f es ontinua en el punto s y

ϕ es semi- ontinua superiormente (semi- ontinua inferiormente) en
el punto f (s) enton es ψ = ϕ ◦ f es semi- ontinua superiormente
(semi- ontinua inferiormente).
3. Falso o verdadero: Si ψ : S → T es semi- ontinua superior-
mente y C ⊆ S es ompa to, enton es ψ(C) = {t ∈ T / t ∈
ψ(c) para algún c ∈ C} es ompa to en T .
4. Dena si es posible apli ar el teorema del máximo en los siguientes
asos y, en aso de que sea así, llévelo a abo:
(a) φ : [0, 1] → [0, 1] denida por φ(s) = [0, s], y f (s, t) = s2 t.
(b) φ : [0, 1](→ [0, 1] denida por

[s, 1] si s ∈ 12 , 34
φ(s) =
0 en otro aso
1
y donde f (s, t) = .
1+s+t
5. ¾En uentra usted alguna rela ión entre el teorema del máximo y
el teorema de la envolvente (teorema 6)?
8. Teoremas de punto jo

Los teoremas de punto jo son herramientas que están profundamente
enraizadas en la naturaleza topológi a y algebrai a de Rn . Estable en,
de he ho, interrela iones entre las no iones de onvexidad y ontinuidad,
y ayudan a redu ir, en ierta medida, los omportamientos no-lineales a
des rip iones lineales del problema bajo estudio.
Aunque ya en la le ión 1 del volumen II (Cál ulo) habíamos he ho
la primera aproxima ión al on epto de punto jo y a su naturaleza
topológi a, sólo hasta ahora, que hemos reunido un a ervo su iente
de ono imientos, es posible entender a plenitud uno de los prin ipales
resultados.
Teorema 16. (Teorema de punto jo de Brouwer (1912))

Supongamos que S es un sub onjunto no-va ío, ompa to y onvexo en
Rn . Si ϕ : S → S es una fun ión ontinua, enton es ϕ(·) tiene al menos
un punto jo; es de ir, existe x∗ es tal que ϕ(x∗ ) = x∗ (ver gura 29).
y y=x
1
b
y = f (x)
x∗ 1 x
Figura 29: Teorema de punto jo de Brouwer
Demostra ión.
La difí il prueba de este teorema requiere on eptos y no iones de la

topología algebrai a, que están más allá de los objetivos de este texto.
Para el le tor interesado le sugerimos onsultar H. Nikaido (1968). 21
Ejemplo 35. (Ejemplos de puntos jos)

a) Sea f : [0, 1] → [0, 1] denida por f (x) = x2 . Enton es los puntos jos
se hallan resolviendo la e ua ión x2 = x que nos lleva a dos puntos
jos: x∗ = 0, x∗ = 1.
b) Sea ∆2 el simplex unitario en R2 , es de ir, △2 = {(x1 , x2 ) ∈ R2+ /x1 +
x2 = 1}, (que es un onjunto no-va ío, ompa to y onvexo) y de-
namos f : ∆2 → ∆2 mediante

4x1 3x2
f (x1 , x2 ) = ,
x1 + 3 x1 + 3
que es una fun ión ontinua. Los puntos jos apare en al resolver la
igualdad
4x1 3x2
, = (x1 , x2 )
x1 + 3 x1 + 3
la que nos lleva a

4x1 3x2
= x1 , = x2
x1 + 3 x1 + 3
21
Hukukane Nikaido (1968), Convex Stru tures and E onomi Theory, A ademi
Press, New York.
ϕ(s∗ )
s s∗ S
Figura 30: Teorema del punto jo de Kakutani
ó a (x1 )2 = x1 , x1 x2 = 0. Y así, los puntos jos son todos los puntos

de la forma (0, x2 ) para x2 ∈ [0, 1], y el punto aislado (1, 0).
El siguiente teorema lási o de puntos jos es el teorema de Kakutani

que ahora se apli a a orresponden ias en lugar de a fun iones. Como
se verá adelante, este teorema es, de he ho, equivalente al teorema de
punto jo de Brouwer.
Teorema 17. (Teorema de punto jo de Kakutani (1941))

Sea ϕ : S → P(S), on S un sub onjunto no-va ío, ompa to y onvexo
de Rn . Si ϕ es una orresponden ia semi- ontinua superiormente tal que
para todo s ∈ S , ϕ(s) es onvexo (y no-va ío), enton es ϕ(·) tiene al
menos un punto jo, es de ir, existe s∗ ∈ S tal que s∗ ∈ ϕ(s∗ ) (ver
gura 29).
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
Con esto, denimos la fun ión ϕǫ : S → S mediante la fórmula

mǫ
X
ϕǫ (x) = wiǫ (x) bǫi
i=1
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:
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].
a) Apli a iones de los teoremas de punto jo
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
Dena la orresponden ia
f (p, q) = ϕ(q) × ψ(p)
y establez a que su dominio y su rango es ∆n × ∆m .
Pruebe que esta orresponden ia satisfa e las hipótesis del teorema

de punto jo de Kakutani.
Por lo tanto, existen p∗ y q ∗ tales que (p∗ , q ∗ ) ∈ ϕ(q ∗ ) × ψ(p∗ ). Es

de ir,
p∗ ∈ ϕ(q ∗ ), q ∗ ∈ ψ(p∗ )
Así, K(p, q ∗ ) al anza un máximo en p∗ , y K(p∗ , q) al anza un mí-
nimo en q ∗ . Por onsiguiente, (p∗ , q ∗ ) es un punto que satisfa e
máx mı́n qApT = mı́n máx qApT

p q q p
b) También es posible demostrar el teorema de Frobenius (1902) (o,

más pre isamente, de Perron-Frobenius (Perron (1907))) que se había
dis utido en la le ión 7 del volumen I (Álgebra lineal):
Teorema 18. (Teorema de Perron (1907)-Frobenius (1903))

Sea A una matriz uadrada n × n no-negativa (no-nula). Enton es, la
matriz A tiene algún valor propio no-negativo ( y no todos ero). Y, on el
máximo valor propio, está aso iado un ve tor propio uyas omponentes
son no-negativas (y no todas ero).
Estas son las pautas para su demostra ión:
Sea L(A) = {µ ∈ R/ Ax ≥ µx para algún x ≥ 0} y pruebe que

L(A) 6= ∅ y es a otado superiormente.
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.
Sea Ω = {x ∈ ∆n / Ax ≥ λ(A)x} donde ∆n es el simplex unitario

en Rn , y establez amos la fun ión
f :Ω→Ω
denida por
1
f (x) = Pn (In + A)x
1+ i,j=1 aij xj
donde A = [aij ], x = (xj ).
¾Por qué está bien denida esta fun ión? [Indi a ión: Pruebe que
Af (x) ≥ λ(A)f (x)℄.
Pruebe que Ω es ompa to y onvexo en Rn .
Pruebe que f (·) es ontinua.
Aplique el teorema de punto jo de Brouwer para garantizar la

existen ia de un x∗ ∈ Ω tal que f (x∗ ) = x∗ ; es de ir
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].
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.
2. ¾Podemos apli ar el teorema del máximo en alguno de los asos del

ejer i io 1, Ejer i ios 7? Espe ique.
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.
a) Los onsumidores tratan de maximizar su satisfa ión (utilidad ) de

onsumir bienes y servi ios, y lo ha en aumentando las ompras de
ada bien hasta que lo que ganan por una unidad adi ional de algún
bien sea equiparada on lo que tendría que entregar por obtenerla. De
forma similar, los individuos ofre en mano de obra a las rmas que
quieren emplearlos de tal modo que equiparan las ganan ias de ofre er
una unidad marginal de sus servi ios (e.d. el salario que re ibirían)
on la desutilidad de la mano de obra misma (posibilidades de o io).

Así, los individuos eligen de a uerdo a la no ión de marginalidad, y
esto produ e una teoría de demanda de bienes y oferta de mano de
obra.
b) En forma similar, los produ tores intentan produ ir las unidades de
un bien de tal forma que el osto de produ ir una unidad marginal
sea equiparado al rendimiento que genera, y así se maximizan sus
bene ios. Las rmas también ontratan empleados de tal modo que
el osto de un ontrato adi ional sea equiparado on el valor del pro-
du to que ese empleado adi ional produ iría.
A teorías basadas en estas hipótesis se les llama teorías neo lási as. Así,
en denitiva, para la e onomía neo lási a, el sistema e onómi o es un
ampo de me áni a ra ional : los agentes son los átomos; la fun ión ob-
jetivo es la fun ión de energía ; y el objetivo es la optimiza ión de la
energía. Atomi idad, fun iones objetivo y, sobre todo, optimiza ión, son
las ara terísti as entrales de la teoría neo lási a. Así, ligada a una ien-
ia exitosa, omo la Físi a, la e onomía neo lási a ha bus ado ha er de
la E onomía una ien ia también. Que lo haya logrado es un tema aún
de debate.
a) Comportamiento e onómi o ra ional sin intera iones:

algunos ejemplos
La división metodológi a neo lási a de una e onomía entre produ tores

y onsumidores ondujo, por tanto, a un análisis detallado de ada uno
de estos se tores separadamente, y, en parti ular, de ada rma o on-
sumidor aisladamente ; es de ir, no existe intera ión, ni entre pro esos
produ tivos, ni entre onsumidores, ni entre produ tores y onsumido-
res: los agentes de estos se tores e onómi os operan paramétri amente a
través de señales del mer ado tales omo los pre ios, y no existe ninguna
intera ión entre ellos que afe te sus de isiones e onómi as. Veamos esto
on ierto detalle.
i) Comportamiento del produ tor ra ional (I): mínimos ostos
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 :
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
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
Además, por el teorema de la envolvente (teorema 6), tenemos que, en

este ontexto, −λ mide el ambio en los ostos óptimos uando se varía
la produ ión mínima requerida; esto es, −λ es el osto marginal.
Ejemplo 38. (Mínimos ostos on te nología Cobb-Douglas)
sujeta a xα y β ≥ y0
x≥0
y≥0
donde w1 , w2 , α, β > 0; y0 > 0 jo.
Solu ión.
Las ondi iones de primer orden del problema del produ tor son
(i) −w1 − λαxα−1 y β ≤ 0; −w2 − λβxα y β−1 ≤ 0; xα y β ≥ y0

(ii) x −w1 − λαxα−1 y β = 0; y −w2 − λβxα y β−1 = 0

λ xα y β − y0 = 0
y∗ •
xα y β = y0
x∗ x
Figura 32: Mínimos ostos on te nología Cobb-Douglas.
Analizamos sólo el aso x > 0, y > 0 (¾por qué?): Si x > 0, y > 0,

w1 w2
enton es, de (ii), λ = − α−1 β = − α β−1 6= 0, lo que impli a
αx y βx y
w2 β
y= x y enton es, nuevamente de (ii),
w1 α
β
1
α w2 α+β
x= y0α+β
β w2
Por onsiguiente, las demandas de fa tores y el osto marginal son
β
1
∗ α w2 α+β
x = y0α+β
β w1
α 1
∗ β w1 α+β α+β
y = y0
α w2
β 1
∗ w1 α w2 α+β α+β
−λ = y0
αy0 β w1
Así, el produ tor produ e exa tamente y0 , y el osto mínimo de produ ir
al menos esa antidad es
" β α # 1
α w2 α+β β w1 α+β
C(w1 , w2 , y0 ) = w1 + w2 y0α+β
β w1 α w2
A C(w1 , w2 , y0 ) se le ono e omo la fun ión de ostos de la te nología

Cobb-Douglas. Notemos que el problema del produ tor tiene solu ión,
independientemente del tipo de rendimientos a es ala que presente la

fun ión de produ ión. N
Ejemplo 39. (Mínimos ostos on te nología lineal)

En el problema de mínimos ostos
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
(i) −w1 − λα ≤ 0; −w2 − λβ ≤ 0; αx + βy ≥ y0

(ii) x (−w1 − λα) = 0; y (−w2 − λβ) = 0; λ (αx + βy − y0 ) = 0
Analizamos tres asos:

w1 w2
a) Si x > 0, y > 0, enton es, de (ii), λ = − 6= 0 y λ = − 6=
α β
α w1
0, lo ual sólo se umple si = ( aso muy parti ular). Si se
β w2
tiene esta última igualdad, enton es λ∗ < 0, y de (ii) debe tenerse
αx∗ + βy ∗ = y0 . Por lo tanto, ualquier ombina ión de x, y que
satisfaga la restri ión también satisfa e todas las ondi iones.
w1 y0
b) Si x > 0, y = 0, enton es, de (ii), λ = − 6= 0 y x∗ = . Para que
α α
w1 α
se umpla la ondi ión (i) debe tenerse que ≤ , y en este aso,
w2 β
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
y0 w2
x∗ = 0, y∗ = , λ∗ = −
β β
Así, la produ ión óptima es y0 , y la fun ión de ostos de la te nología

lineal es w
2 α w1


 y0 si ≤
β β w2
C(w1 , w2 , y0 ) =

 w α w

 1 y0 si ≥ 1
α β w2
Las demandas óptimas son las orresponden ias
 α w1

 0 si <

 β w2





h y i
0 α w1
∗
x (w1 , w2 , y0 ) = 0, si =

 α β w2





 y0 α w1

 si >
α β w2
 y0 α w1

 si <

 β β w2





 y
∗ 0 α w1
y (w1 , w2 , y0 ) = 0, si =

 β β w2





 α w1

0 si >
β w2
(ver gura 33), y el osto marginal es

w α w1
2


 si ≤
β β w2
−λ∗ =

 w α w1

 1 si >
α β w2
y y
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 .
Ejemplo 40. (Mínimos ostos on te nología CES)

En el problema de mínimos ostos
Minimizar w1 x+w2 y
1
sujeta a [αxρ + βy ρ ] ρ ≥ y0
x≥0
y≥0
donde w1 , w2 , α, β > 0; y0 > 0 jo, −∞ < ρ ≤ 1, las ondi iones de

primer orden del problema del produ tor son:
1−ρ
(i) −w1 − λα [αxρ + βy ρ ] ρ xρ−1 ≤ 0;
1−ρ
−w2 − λβ [αxρ + βy ρ ] ρ y ρ−1 ≤ 0;
1
[αxρ + βy ρ ] ρ ≥ y0
1−ρ
(ii) x −w1 − λα [αxρ + βy ρ ] ρ xρ−1 = 0;
1−ρ

y −w2 − λβ [αxρ + βy ρ ] ρ y ρ−1 = 0;
1

λ [αxρ + βy ρ ] ρ − y0 = 0
Analizamos tres asos:

1. Si x > 0, y > 0, enton es de (ii),

w1 w2
λ=− 1−ρ =− 1−ρ 6= 0
α [αxρ + βy ρ ] ρ xρ−1 β [αxρ + βy ρ ] ρ y ρ−1
de lo ual resulta que
1
w2 α ρ−1
y= x
w1 β
y utilizando nuevamente (ii), obtenemos que
" ρ #− 1 " ρ #− 1
ρ ρ
w2 α ρ−1 w1 β ρ−1
x∗ = α + β y0 , y∗ = α +β y0
w1 β w2 α
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
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 .
La fun ión de ostos de la te nología CES es

 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
y las demandas óptimas son
 − 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
 − 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
ii) Comportamiento del produ tor ra ional (II): máximos be-

ne ios
Otro me anismo muy utilizado para modelar el omportamiento del pro-

du tor ra ional es el supuesto de que maximiza bene ios, es de ir, se
asume que el produ tor resuelve el problema
Maximizar p ȳ − w1 x − w2 y
sujeta a ȳ = f (x, y)
x≥0
y≥0
donde ȳ > 0 es el total de la produ ión, p > 0 es el pre io de venta del

bien, w1 , w2 > 0 son los pre ios de los insumos utilizados en la produ ión
y f (x, y) es la fun ión de produ ión (o te nología). Notemos que este
problema es equivalente al problema
Maximizar pf (x, y) − w1 x − w2 y
sujeta a x≥0
y≥0
Por un tru o similar al utilizado anteriormente, podemos on entrar

nuestra aten ión en un sub onjunto ompa to del onjunto restri ión;
y si f (x, y) es ontinua, enton es el problema tendrá solu ión. Además,
si f (x, y) es estri tamente uasi ón ava, enton es, por el teorema 2, la
solu ión será úni a. Por último, si suponemos que f (x, y) es diferen iable
on ontinuidad en R2+ , enton es el problema umple on las ondi iones
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
omo se muestra en la gura 35.b). Vemos que la urva de isobene io

más alta se al anza en el punto donde ésta es tangente a la fun ión de
produ ión; es de ir, donde
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.
Ejemplo 41. (Máximos bene ios on te nología tipo Cobb-

Douglas)
El problema de ha er máximos los bene ios, en este aso, se puede
plantear así: Dados α, β, p, w1 , w2 > 0, α + β < 1,
sujeta a f (x, y) = xα y β
x≥0
y≥0
Solu ión.
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
Ejemplo 42. (Máximos bene ios on te nología tipo lineal)

Dados α, β, p, w1 , w2 > 0,
sujeta a αx + βy = f (x, y)
x≥0
y≥0
Solu ión.
El problema de optimiza ión del produ tor es equivalente a
Maximizar p(αx + βy) − w1 x − w2 y

sujeta a x≥0
y≥0
uya fun ión objetivo es re iente en x si p α > w1 , y en y si p β > w2 .

Así, las orresponden ias de demanda de fa tores son

∞
 si p α > w1
x(p, w1 , w2 ) = [0, ∞) si p α = w1


0 si p α < w1

∞
 si p β > w2
y(p, w1 , w2 ) = [0, ∞) si p β = w2


0 si p β < w2
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
y la orresponden ia de bene ios es


∞
 si p α > w1 , ó , p β > w2
Π(p, w1 , w2 ) = 0, ó, ∞ si p α = w1 , y , p β = w2


0 si p α < w1 , y , p β < w2 N
Ejemplo 43. (Máximos bene ios on te nología tipo CES)

Dados α, β, ρ, p, w1 , w2 > 0,
Maximizar pf (x, y) − w1 x−w2 y

1
sujeta a (αxρ + βy ρ ) ρ = f (x, y)
x≥0
y≥0
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
Dado que la fun ión de produ ión es homogénea de grado 1 y, por lo

tanto, tiene rendimientos onstantes a es ala, la fun ión de bene ios
es22
Π(p, w1 , w2 ) = 0
y, así, la es ala de opera ión es indeterminada, de tal forma que las de-
mandas de fa tores también son indeterminadas (ex epto por la rela ión
entre fa tores expuesta en (*)). N
iii) Comportamiento del onsumidor ra ional: el problema de

la máxima utilidad
Como advertimos antes en esta misma se ión, al modelar el ompor-

tamiento del onsumidor nos basamos en la idea de que éste bus a su
22
Utilizamos el teorema de Euler (volumen II, le ión 2), que arma que toda
fun ión homogénea f (x, y) de grado α satisfa e
∂f ∂f
αf (x, y) = x+ y
∂x ∂y
máxima utilidad restringido a su asigna ión presupuestal, asumiendo que

el resto de la e onomía opera paramétri amente on respe to a él (o ella),
y que sólo re ibe señales de pre ios omo mensajeros de informa ión de
las a tividades de los otros agentes. Bajo esta visión, nuestro onsumidor
enfrenta el problema
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 }
es onvexo. Si la fun ión de utilidad es, además, diferen iable on onti-

nuidad en R2+ , enton es se umplen las ondi iones del teorema 5 y, así,
la solu ión al problema estará entre las ondi iones de primer orden
∂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
Por el teorema de la envolvente (previo al teorema 6), tenemos que, en

este ontexto, λ mide el ambio en la utilidad (óptima) uando se varía
el presupuesto M ; esto es, λ es la utilidad marginal del presupuesto.
Figura 36: El problema del onsumidor ra ional.
Ejemplo 44. (Máxima utilidad tipo Cobb-Douglas)
Maximizar xα y β
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
(i) αxα−1 y β + λp1 ≤ 0; βxα y β−1 + λp2 ≤ 0; p1 x + p2 y ≤ M

(ii) x αxα−1 y β + λp1 = 0; y βxα y β−1 + λp2 = 0
λ (M − p1 x − p2 y) = 0
Analizamos úni amente el aso x > 0, y > 0 (¾por qué?). De esta manera,
de (ii),
αxα−1 y β βxα y β−1
λ=− 6= 0 y λ=− 6= 0
p1 p2
y así,
p1 β
y= x
p2 α
y nuevamente de (ii), obtenemos las fun iones de demanda del onsumi-

dor
αM βM
x∗ (p1 , p2 , M ) = , y ∗ (p1 , p2 , M ) =
p1 (α + β) p2 (α + β)
y nivel óptimo de utilidad
α β
∗ ∗ αM βM
u(x (p1 , p2 , M ), y (p1 , p2 , M )) = N
p1 (α + β) p2 (α + β)
b) Cara terísti as generales de las fun iones del produ -

tor y onsumidor ra ional sin intera iones
Las diversas fun iones estudiadas en el literal anterior, poseen iertas a-

ra terísti as estru turales que nos permiten distinguir laramente uándo
una fun ión ualquiera proviene (o no) del omportamiento ra ional de
un produ tor o de un onsumidor. Veamos esto en ada uno de los asos
que hemos estudiado.
i) Cara terísti as de la fun ión bene io de un produ tor ra-

ional
La fun ión de bene io asigna el máximo nivel de bene io de la rma

para ada nivel de pre io del produ to y los pre ios de los insumos (ver
gura 37). El primer estudio de la fun ión de bene ios fue el trabajo
pionero de Harold Hotelling (1932)23 .
Teorema 19. (Fun ión de bene io (Hotelling (1932)))
Si la fun ión Π : R3++ → R, Π(p, w1 , w2 ), resuelve el problema de opti-
miza ión del produ tor
sujeta a x≥0
y≥0
donde p, w1 , w2 > 0, y f (·, ·) es una fun ión de produ ión ontinua

(arbitraria), enton es Π(·, ·, ·) satisfa e:
23
Hotelling, Harold (1932), Edgeworth's Taxation Paradox and the Nature of De-
mand and Supply Fun tions, Journal of Politi al E onomy.
Π(p, w1 , w2 )
w2
w1
Figura 37: Típi a fun ión bene io para un nivel de pre ios p dado.
a) Π(p, w1 , w2 ) ≥ 0 para todo p, w1 , w2 , es de ir, las rmas nun a eligen

trabajar on bene ios negativos.
b) Π(p, w1 , w2 ) es no de re iente en p y no re iente en w1 y w2 , es

de ir, que aumentos en el pre io del bien vendido nun a perjudi a los
bene ios de la rma, y que aumentos en los pre ios de los insumos
nun a mejoran los bene ios óptimos.
) Π(·, ·, ·) es homogénea de grado 1 en (p, w1 , w2 ), es de ir, que au-

mentos propor ionales en todos los pre ios relevantes para la rma no
afe ta el nivel de bene io óptimo.
d) Π(p, w1 , w2 ) es onvexa en (p, w1 , w2 ).
Demostra ión.
Ver ejer i io omplementario 34 al nal de esta le 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
umple on las propiedades del teorema anterior:

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
b) Además, para t > 0,
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 )
) Por último, es inmediato ver que la fun ión es onvexa, utilizando el

teorema 4 de la le ión 1.
ii) Cara terísti as de la fun ión de ostos de un produ tor

ra ional
La fun ión de ostos (ver gura 38)y su análisis se debe al famoso tex-
to Foundations of E onomi Analysis de Paul A. Samuelson (1947)24 ;
y también a los trabajos de Ronald Shephard (1953). Veamos uáles
ara terísti as la distinguen.
Teorema 20. (Fun ión de ostos (Samuelson (1947)))

Si la fun ión C : R3++ → R, C(w1 , w2 , y0 ), resuelve el problema de opti-
miza ión del produ tor
24
Samuelson, Paul A. (1947), Foundations of E onomi Analysis, Cambridge Uni-
versity Press, Cambridge.
C(w1 , w2 , y0 )
w2
w1
Figura 38: Fun ión de ostos para nivel de produ ión y0 dado.
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.
Ver ejer i io omplementario 35.
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
satisfa e las propiedades del teorema 20 anterior:
a) Si w1′ > w1 , enton es

 w
 w2 α w′ 2 α w1


 y0 si ≤ 1 

 y0 si ≤
β β w2 β β w2
C(w1′ , w2 , y0 ) = ≥

 
 w α w1

 w′ α w′ 
 1 y0 si ≥
 1 y0 si ≥ 1 α β w2
α β w2
= C(w1 , w2 , y0 )
Y de forma similar si w2′ > w2 .
b) Además, para t > 0,

 tw α w1  w α w1
2 2


 y0 si ≤ 
t β y0
 si ≤
 β β w2  β w2
C(tw1 , tw2 , y0 ) = =

 
 w α w1
 tw1 y0
 α
si ≥
w1 
t 1 y0 si ≥
α β w2 α β w2
= t C(w1 , w2 , y0 )
) Sean (w1 , w2 ), (w1′ , w2′ ) ∈ R2++ y λ ∈ [0, 1]. Si se tiene que
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 ).
El aso on las desigualdades anteriores al revés es similar. Si

w1 α w′
≤ ≤ 1′
w2 β w2
enton es se tiene que
λw1 + (1 − λ)w1′ α λw1 + (1 − λ)w1′ α

′ ≤ , ó ′ ≥
λw2 + (1 − λ)w2 β λw2 + (1 − λ)w2 β
El primer aso impli a que
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 ).
El otro aso es similar.
iii) Cara terísti as de la fun ión de demanda de un onsumi-

dor ra ional
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).
Teorema 21. (Fun ión de demanda)

Si las fun iones (x, y) : R3++ → R2+ , (x(p1 , p2 , M ), y(p1 , p2 , M )), resuel-
ven el problema de optimiza ión del onsumidor
Maximizar U (x, y)
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:
a) x(p1 , p2 , M ), y(p1 , p2 , M ) son no re ientes en p1 y p2 ; y no de re-

ientes en M .
b) x(p1 , p2 , M ), y(p1 , p2 , M ) son homogéneas de grado 0 en (p1 , p2 , M ).
) x(p1 , p2 , M ), y(p1 , p2 , M ) son ón avas en M .

x(p1 , p2 , M )
p2
p1
Figura 39: Fun ión de demanda para presupuesto M dado
d) x(p1 , p2 , M ), y(p1 , p2 , M ) son ontinuas.

Demostra ión.
Ejemplo 47. (Demandas de onsumidor tipo Cobb-Douglas)

Las fun iones de demanda de un onsumidor on fun ión de utilidad
Cobb-Douglas son
αM βM
x∗ (p1 , p2 , M ) = y ∗ (p1 , p2 , M ) =
p1 (α + β) p2 (α + β)
Veamos que éstas satisfa en las ondi iones del teorema anterior
a) Cal ulando las derivadas par iales on respe to a p1 , p2 y M tenemos
que
∂x∗ (p1 , p2 , M ) αM ∂y ∗ (p1 , p2 , M )
=− 2 <0 =0
∂p1 p1 (α + β) ∂p1
∂y ∗ (p1 , p2 , M ) βM ∂x∗ (p1 , p2 , M )
=− 2 <0 =0
∂p2 p2 (α + β) ∂p2
∂x∗ (p1 , p2 , M ) α ∂y ∗ (p1 , p2 , M ) β
= >0 = >0
∂M p1 (α + β) ∂M p2 (α + β)
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)
) Ambas fun iones son lineales en M y, por lo tanto, ón avas.
d) Es laro que son ontinuas en (p1 , p2 , M ) ∈ R3++ .
iv) Cara terísti as de la fun ión de utilidad indire ta de un

onsumidor ra ional
A diferen ia de la fun ión de utilidad, la fun ión de utilidad indire ta es

muy onveniente en la implementa ión e onométri a ya que ésta depen-
derá de parámetros sus eptibles de ser medidos a través de datos. Por
esta sola razón mere e tener un estudio parti ular.
Teorema 22. (Fun ión de utilidad indire ta)

Si la fun ión v : R3++ → R2+ , v(p1 , p2 , M ) = u(x(p1 , p2 , M ), y(p1 , p2 , M ))
es evaluada en las solu iones al problema de optimiza ión del onsumidor
Maximizar u(x, y)
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:
i) v(p1 , p2 , M ) es no re iente en p1 y en p2 ; y no de re iente en M .
ii) v(p1 , p2 , M ) es homogénea de grado 0 en (p1 , p2 , M ).
iii) v(p1 , p2 , M ) es uasi onvexa en (p1 , p2 ).
iv) v(p1 , p2 , M ) es ontinua.

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)
satisfa e las ondi iones del teorema anterior:
i) Al derivar on respe to a p1 y p2 obtenemos:

α β
∂v(p1 , p2 , M ) α αM βM
=− <0
∂p1 p1 p1 (α + β) p2 (α + β)
α β
∂v(p1 , p2 , M ) β αM βM
=− <0
∂p2 p2 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.
iv) Esta fun ión es, laramente, ontinua en R3++ .
) Comportamiento e onómi o ra ional sin intera iones:

tradi ión paretiana del modelo walrasiano
Después del trabajo pionero de Walras (Éléments dÉ onomie Politi-

que Pure (1874)) sobre el equilibrio general e onómi o bajo ompeten ia
perfe ta, y antes del modelo-síntesis Arrow-Debreu ( Arrow y Debreu
(1954), Debreu (1959)) que estudiaremos en la próxima le ión, la teoría
se bifur ó en dos grandes es uelas:
i) La primera, ono ida omo la tradi ión alemana, se dirigió, fun-

damentalmente, al problema matemáti o de la existen ia del equili-
brio general walrasiano. Esta línea, inspirada por el modelo Walras-
Cassel apare ido en el texto de Gustave. Cassel de 1918 Theoretis-
he Sozialökomie (ver volumen I (Álgebra lineal), le ión 4), onti-
nuó on los trabajos de Abraham Wald (1936) 25 , Karl S hlesinger
(1933)26 , y John von Neumann (1932) 27 (ver volumen I (Álgebra
lineal), le ión 6). De he ho, la primera prueba que se ono e sobre
la existen ia de un equilibrio ompetitivo, la obtuvo pre isamente
Wald (1936, 1951), aunque también von Neumann había al anzado
a mostrar la existen ia de equilibrio en su modelo de re imiento de
1932.
ii) La segunda, ono ida omo la tradi 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.
Posteriormente John Hi ks profundizaría este on epto uando ar-

maba que si de estudiar el problema del equilibrio general planteado
por Walras se trataba, era mejor ir a Pareto o a Wi ksell que al pro-
pio Walras. De he ho, en el prólogo de Value and Capital de 1939,
Hi ks aseguraba que su propósito general era examinar la teoría de
Pareto y apli ar después esta teoría del valor perfe ionada a aque-
llos problemas del apital que estaban fuera del al an e de Wi ksell
25
Wald, Abraham (1936), On Some Systems of Equations of Mathemati al E ono-
mi s, E onometri a (tradu ión de 1951).
26
S hlesinger, Karl (1933), On the Produ tion Equations of E onomi Value
Theory, en Baumol, W. y S. Goldfeld (1968), Pre ursors in Mathemati al E onomi s,
London S hool of E onomi s.
27
Von Neumann, John (1932), A Model of General E onomi Equilibrium, Review
of E onomi Studies, Tradu ión de 1946.
a ausa de la imperfe ión de los instrumentos de que disponía.

Pareto y Hi ks fueron, sin duda, los pioneros de una orriente muy
inuyente en el pensamiento e onómi o del siglo XX: el estudio del
on epto de equilibrio general ompetitivo y su profunda rela ión
on el problema del bienestar e onómi o. Sólo que, en su propósi-
to, no sólo limitaron el pensamiento original walrasiano, sino que
apli aron y dis utieron sobre objetos de los que no tenían la segu-
ridad de que existieran, pues, por ualquiera que sea la razón, los
problemas de existen ia del equilibrio general ompetitivo nun a es-
tuvieron en su agenda de investiga ión. Pareto (Manuel, § 38), al
igual que Walras, se ontentaba on el argumento falaz de que si el
número de e ua iones es igual al número de in ógnitas enton es la
existen ia de solu ión estaba garantizada. Por su parte, Hi ks, im-
plí itamente, argumentaba que la solu ión debería existir basándose
en el signi ado e onómi o de las e ua iones 28 .
Esta visión paretiana-hi ksiana del trabajo original de Walras, sería
apuntalada también por la saga Bowley (1924) 29 , Hi ks y Allen
(1934) 30 , Lerner (1932)31 , Kaldor (1939)32 , S itovsky (1942)33 , y
los lási os Traité d'É onomie Pure de Allais (1943), Foundations of
Welfare E onomi s de Lange (1942), y el Foundations of E onomi
Analysis de Samuelson (1947) .
Una de las ventajas del sistema paretiano, es que es pedagógi amente
onveniente y su intui ión grá a es muy simple a través de tres herra-
28
Si el le tor onsidera que garantizar la existen ia de un objeto que umple ierta
ara terísti a, es un ejer i io importante pero sin onse uen ia alguna, lo invitamos a
onsiderar el siguiente muy sen illo ejemplo: Supongamos que existe un úni o número
natural que es el más grande de todos los números naturales. Enton es ese número
1, puesto que si otro número natural x > 1 fuera el más grande, enton es, omo
es el
2
x > x, ya x no sería el más grande. Esta es una simple muestra de a qué on lusiones
podemos llegar si omenzamos el argumento lógi o on una hipótesis que es falsa.
29
Bowley, Arthur L. (1924), The Mathemati al Groundwork of E onomi s, Journal
of The Royal Statisti al So iety.
30
Hi ks, John y Roy Allen (1934), A Re onsideration of the Theory of Value,
E onomi a.
31
Lerner, Abba P. (1932), The Diagrammati al Representation of the Cost Condi-
tions in International Trade, E onomi a
32
Kaldor, Ni holas (1939), Welfare Propositions in E onomi s, E onomi Journal.
33
S itovsky, Tibor (1942), A Re onsideration of the Theory of Taris, Review of
E onomi Studies.
mientas fundamentales: primero, las urvas de nivel (introdu idas por

Edgeworth en su Mathemati al Psy hi s de 1881); segundo, las ajas de
Edgeworth ( onfusamente vislumbradas por el mismo Edgeworth en su
obra magna de 1881, pero introdu idas en propiedad por Pareto en el
Manuel de 1906); y ter ero, las fronteras de posibilidades de produ -
ión (introdu idas por Lerner (1932)). Y aunque on ellas se ilustran
laramente las ondi iones del equilibrio general, desafortunadamente, el
gran osto de esta aproxima ión es que, en general, se apoya en fuertes
hipótesis de diferen iabilidad de las distintas fun iones empleadas.
i) El modelo paretiano
Desde la perspe tiva a tual, el sistema paretiano podría des ribirse así:
a) Un onjunto de mer an ías; es de ir, osas valiosas e inter ambiables

(Éléments, §41).
b) Un mer ado de esas mer an ías; es de ir, el lugar donde se ambian
las mer an ías (Éléments, § 41).
) Todos los agentes ( onsumidores y produ tores) responden a pre ios

tomados paramétri amente, es de ir, a pre ios dados por el mer ado,
justi ándose esto sobre la base de que no era posible ningún om-
portamiento manipulador dentro de una e onomía su ientemente
grande. Al respe to, Walras armaba que:
(...) Los mer ados mejor organizados desde el punto de

vista de la ompeten ia son aquellos en que las ventas y
las ompras se ha en mediante subasta, a través de agentes
tales omo los agentes de ambio, orredores de omer io
o vo eadores que las entralizan, de tal forma que ningún
ambio tiene lugar sin que las ondi iones sean anun iadas
y ono idas y sin que los vendedores tengan la oportunidad
de rebajar sus pre ios y los ompradores de aumentarlos.
Así fun ionan las bolsas de valores públi os, las bolsas de
omer io, los mer ados de grano, de pes ado, et . Al la-
do de estos mer ados existen otros donde de la ompeten-
ia, aunque no tan bien organizada, fun iona todavía de
una manera bastante ade uada y satisfa toria: tales son los
mer ados de frutas y legumbres, de volatería. Las alles de

una iudad donde se en uentran alma enes y panaderías,
arni erías, tiendas de ultramarinos, sastrerías, zapaterías,
onstituyen mer ados on una organiza ión un po o más
defe tuosa desde el punto de vista de la ompeten ia pero,
sin embargo, ésta está presente de forma su iente. (...)
Supondremos siempre un mer ado perfe tamente organiza-
do 34 desde el punto de vista de la ompeten ia, de igual
forma que en la me áni a pura se supone que las máquinas
se en uentran libres de rozamientos. (Éléments, § 41)
Y, por su parte, Pareto de ía:
Si observamos la realidad, vemos que el tipo (I) [[de indivi-

duo℄℄ 35 se en uentra donde hay ompeten ia entre los que
se onforman. Las personas on las uales ontratan pue-
den no estar en ompeten ia y no seguir en onse uen ia el
tipo (I). El tipo (I) es tanto más neto uando la ompeten-
ia es más extensa y perfe ta. Es pre isamente porque ada
día en la Bolsa de París hay mu has personas que ompran
y venden renta fran esa, que sería lo ura pretender modi-
ar las ondi iones de ese mer ado omprando o vendiendo
algunos fran os de renta. Evidentemente, si todos los que
venden (o ompran) se pusieran de a uerdo, podrían efe ti-
vamente modi ar esas ondi iones en prove ho suyo; pero
no se ono en unos a otros, y ada uno a túa por su uen-
ta. En medio de esta onfusión, y de esta ompeten ia, ada
individuo no tiene otra osa que ha er, sino o uparse de sus
propios nego ios y bus ar ómo satisfa er sus propios gus-
tos, según las diferentes ondi iones que pueden presentarse
en el mer ado. Todos los vendedores (o los ompradores) de
renta, modi an el pre io, pero lo modi an sin previo de-
signio, y no es el n sino el efe to de su interven ión.
(Manuel, § 46, Cap. III)
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.
d) En este modelo también se asume que los onsumidores poseen dota-

iones de fa tores y desean onsumir bienes produ idos por las rmas,
que son las que organizan la produ ión, demandando fa tores de los
onsumidores y ofre iendo bienes produ idos. El resto onsiste en que
los onsumidores es ojan la vía de maximizar la utilidad, y los pro-
du tores la vía de maximizar el bene io (siendo esta última una de
las prin ipales ontribu iones de Pareto al sistema walrasiano). El
equilibrio se al anza uando se onsigue un onjunto de pre ios que
haga que en los mer ados de produ tos y de fa tores, la oferta y la
demanda se igualen.
e) Las ilustra iones grá as del sistema paretiano inevitablemente re-

quieren redu irlo a una e onomía ompuesta por dos onsumidores,
dos produ tores, y dos fa tores (2 × 2 × 2). Es bási amente allí, donde
se desarrolla todo el modelo. En estas grá as se ilustra la situa ión
en que los dos onsumidores bus an obtener satisfa ión máxima por
onsumir lo que produ en las dos rmas, sabiendo que están restrin-
gidos a un presupuesto determinado por el valor de los bienes de
apital que poseen y del trabajo que puedan ofre er. Así, el apital
y el trabajo requerido para la produ ión está en manos de los dos
onsumidores. Las empresas, siguiendo a Walras, son me anismos pa-
ra organizar la produ ión tomando los insumos de los onsumidores
y ofre iéndoles bienes nales. El equilibrio se al anza uando se en-
uentren unos pre ios que tengan la ara terísti a de ha er que las
rmas produz an exa tamente lo que los onsumidores ne esitan.
Se a ostumbra utilizar la siguiente nota ión:
(a) Los onsumidores son A y B .
(b) Los fa tores son k y l (normalmente aso iados on apital (k ) y

trabajo (l ))36 .
( ) Los produ tores (rmas) son x y y . Aquí se a ostumbra a asumir

que ada rma produ e úni amente un bien mediante una fun ión de
36
Sobre los fa tores de produ ión, tanto Walras omo Pareto tienen otras divi-
siones metodológi as y de razonamiento e onómi o. La presentada aquí es la más
omúnmente utilizada en la versión paretiana a tual, aunque la dis usión sobre la
onvenien ia de asumir la existen ia de una unidad bási a de apital es un problema
aún en dis usión.
produ ión x = f x (kx , lx ) : R2+ → R+ y y = f y (ky , ly ) : R2+ → R+ .
(d) uA (xA , yA ) : R2+ → R es la fun ión de utilidad del agente A que

depende del onsumo de bienes (xA , yA ); y su dota ión ini ial de
fa tores (es de ir, las antidades de fa tores (unidades de apital
y horas de trabajo) que el onsumidor A olo a a disposi ión del
mer ado en el período bajo estudio) es wA = (kA , l A ).
(e) De manera análoga, el onsumidor B tiene su fun ión de utilidad

uB (xB , yB ) : R2+ → R, y su dota ión ini ial wB = (k B , lB ).
Ahora:
i) La primera ondi ión del sistema paretiano es la optimiza ión por

parte de los onsumidores:
(a) Dados los pre ios px (del produ to x), py (del produ to y ), r
(del fa tor k) y s (del fa tor l), el onsumidor A se enfrenta al
problema
Maximizar uA (xA , yA )
sujeta a px xA + py yA ≤ rkA + slA
xA ≥ 0
yA ≥ 0
y, puesto que el modelo paretiano asume diferen iabilidad on

ontinuidad, monotoni idad estri ta y on avidad estri ta de
la fun ión uA (·, ·), enton es podemos apli ar las ondi iones de
Lagrange 37 , que son, en este aso:
∂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.
yA
∗
yA •
uA (x∗A , yA
∗)
x∗A xA
Figura 40: El problema del onsumidor paretiano.
donde λA es el multipli ador de Lagrange para el agente A. Ob-

sérvese que, inmediatamente, se obtiene la ono ida ondi ión
∂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
y on las mismas ondi iones sobre uB (xB , yB ) de monotoni i-

dad y on avidad estri ta, las ondi iones de Lagrange, son, en
este aso:
∂uB ∂uB
= λB px ; = λB py ; px xB + py yB = rkB + slB
∂xB ∂yB
donde λB es el multipli ador de Lagrange para el agente B . Y

se obtiene la respe tiva ondi ión de sustitu ión entre bienes en
equilibrio:
∂uB
∂xB px
B
= (2)
∂u py
∂yB
( ) Así, de (1) y (2),

∂uA ∂uB
∂xA (x∗ ,y∗ ) px ∂xB (x∗ ,y∗ )
A A
= = B B ; (3)
∂uA py ∂uB
∂yA (x∗ ,y∗ ) ∂yB (x∗ ,y∗ )
A A B B
es de ir, en equilibrio, las tasas marginales de sustitu ión entre

los dos bienes serán las mismas para ambos agentes.
Advirtamos, de paso, que las demandas de los onsumidores, x∗i y

yi∗ para i = A, B , son independientes de una multipli a ión por
es alar de los pre ios, porque si éstos ambian de (px , py , r, s) a
(tpx , tpy , tr, ts) para t > 0, la re ta presupuestal no se modi a para
ningún onsumidor y, por ende, las demandas de los onsumidores
no ambian. Es por esto que, en equilibrio, podemos es oger algún
pre io diferente de ero (a éste lo llaman numerario 38 ), y repre-
sentar los otros pre ios en términos de éste. Así, es natural en ontrar
que, en equilibrio, las demandas se es riban en términos de pre ios
relativos.
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.
Maximizar px x − rkx − slx

sujeta a x = f x (kx , lx )
kx ≥ 0
lx ≥ 0
y para la rma que produ e y :
Maximizar py y − rky − sly

sujeta a y = f y (ky , ly )
ky ≥ 0
ly ≥ 0
Nuevamente, el modelo paretiano asume diferen iabilidad on

ontinuidad, monotononi idad estri ta y on avidad estri ta
de las fun iones de produ ión f x (·.·) y f y (·.·), lo que, a su
vez, impli a rendimientos de re ientes a es ala en ambas r-
mas. Así, las ondi iones ne esarias de optimalidad para los
produ tos x y y son, respe tivamente,
∂f x ∂f x
r = px ; s = px (4)
∂kx ∂lx
∂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.
lx
px x − rkx − slx
lx∗ •
f x (kx∗ , lx∗ )
kx∗ kx
Figura 41: El problema de la rma paretiana.
iii) Así, en ontrar un equilibrio walrasiano onsistirá en hallar unos pre-

ios de mer ado px , py , r y s tales que las ondi iones
x∗A + x∗B = f x (kx∗ , lx∗ )

∗ ∗
yA + yB = f y (ky∗ , ly∗ )
kx∗ + ky∗ = kA + k B (7)
lx∗ + ly∗ = lA + lB
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.
El problema general del equilibrio se es inde, en onse uen-

ia, en otros tres que onsisten: 1◦ En determinar el equilibrio
en lo que on ierne a los gustos; 2◦ En determinar el equili-
brio en lo que on ierne a los obstá ulos o en lo que on ier-
ne a los produ tores; 3◦ En en ontrar un punto omún a esos
dos equilibrios, que formará un punto de equilibrio general.
(Manuel, § 90, Cap. III)
onsumidor B
urva de ontrato
onsumidor A
Figura 42: Caja de Edgeworth
ii) La aja de Edgeworth: típi a herramienta paretiana
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.
a) En el aso de los dos onsumidores, las dimensiones de la aja están

determinadas por las antidades totales de las dos mer an ías que
ellos ofre en en la e onomía: el lado de la aja mide f x (kx , lx ), y la
altura mide f y (ky , ly ) donde kx + ky = kA + k B y lx + ly = lA +
lB . El onsumidor A mide sus onsumos desde la esquina inferior
izquierda de la aja, y el onsumidor B mide sus onsumos desde
la esquina superior dere ha. Así, un punto de la aja de Edgeworth
nos da ompleta informa ión sobre la antidad de ada una de las
mer an ías que demanda ada onsumidor: la antidad del bien x que
demanda el onsumidor A se mide desde la esquina inferior-izquierda
ha ia la dere ha, y la antidad del bien y se mide desde la esquina
inferior-izquierda ha ia arriba. La antidad del bien x que demanda
el onsumidor B se mide desde la esquina superior-dere ha ha ia la
izquierda, y la antidad del bien y se mide desde esa misma esquina
pero ha ia abajo. Así, todo punto dentro de la aja identi a ambas
demandas por parte de los onsumidores.
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.
iii) La ley de Walras (1874)
Notemos que en el modelo paretiano se tiene que

(px xA + py yA ) + (px xB + py yB ) = (rlA + skA ) + (rlB + skB )
y, por lo tanto,
(px , py ) · (xA + xB , yA + yB ) = (r, s) · (lA + lB , k A + kB )
40
op. it.
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 ).
iv) E onomías paretianas de inter ambio puro
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.
Ejemplo 49. (Una e onomía de inter ambio puro)

Consideremos una e onomía de inter ambio puro (es de ir, sin se tor
produ tivo) onformada por dos mer an ías x y y , y dos onsumidores
A y B donde las preferen ias están representadas por las fun iones de
utilidad
uA (xA , yA ) = xA yA uB (xB , yB ) = xB yB
y las dota iones de los onsumidores son
wA = (1, 2) wB = (2, 2)
Aquí, el problema del onsumidor A sería enton es

41
Patinkin, Don (1956), Money, Interest and Pri es, Evanston Ill: Row, Peterson.
Maximizar uA (xA , yA ) = xA yA
sujeto a px xA + py yA = px + 2py
xA , yA ≥ 0
De las ondi iones de primer orden se obtiene que

yA px
=
xA py
px xA + py yA = px + 2py
Resolviendo estas dos e ua iones se obtienen las fun iones de demanda

del onsumidor A:
1 py
xA (px , py ) = +
2 px
px
yA (px , py ) = 1 +
2py
El problema del onsumidor B es similar, y se obtienen sus fun iones de
demanda:
py
xB (px , py ) = 1 +
px
px
yB (px , py ) = 1 +
py
Las fun iones de ex eso de demanda serán, enton es,
2py 3
zx (px , py ) ≡ xA (px , py ) + xB (px , py ) − (wxA + wxB ) = −
px 2
3px
zy (px , py ) ≡ yA (px , py ) + yB (px , py ) − (wyA + wyB ) = −2
2py
Observemos que las fun iones de demanda y de ex eso de demanda de-
penden úni amente de los pre ios relativos: si los pre ios se multipli aran
por un es alar positivo t, las demandas no se modi arían.
Las últimas dos e ua iones satisfa en la orrespondiente ley de Walras ;
es de ir, para ualquier par de pre ios positivos px , py , se tiene que
3 3
px zx (px , py ) + py zy (px , py ) = 2py − px + px − 2py = 0
2 2
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
Ésta impli a que la rela ión de pre ios de equilibrio es
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:
1. Úni amente si el mer ado olo a los pre ios de equilibrio (o un

múltiplo es alar de ellos), podrán los dos onsumidores tener satis-
fe has sus demandas de bienes. Cualquier otro pre io los obligaría
a tomar de isiones sub-óptimas.
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.
4. En general, en un equilibrio walrasiano el más ri o toma ventaja

de su posi ión on respe to al menos favore ido.
(...) la so iedad no es homogénea, y los que no ierren

voluntariamente los ojos, deben re ono er que los hom-
bres dieren mu ho los unos de los otros desde el punto
de vista físi o, moral e intele tual.
A estas desigualdades propias del ser humano orrespon-
den las desigualdades e onómi as y so iales, que se obser-
van en todos los pueblos, desde los tiempos más antiguos
hasta los tiempos más modernos, y sobre todos los pun-
tos del globo, de tal suerte que estando siempre presente
ese ará ter, se puede denir a la so iedad humana omo
una ole tividad jerárqui a. (Manuel, 2, Cap. VII)
v) Óptimos de Walras-Edgeworth-Pareto (1874, 1881, 1906)
Desde su primer libro sobre e onomía (L'é onomie Politique et la Justi e )

publi ado en 1860, hasta su muerte en 1910, la preo upa ión fundamental
de Walras fue el problema de la justi ia so ial. De he ho, su división entre
e onomía pura (positiva) y e onomía so ial (normativa) muestra bien
esto, y, abe notarlo, el propósito entral de sus Éléments fue más el de
mostrar la posibilidad de formular un sistema e onómi o ra ionalmente
onsistente que umpliera las demandas de justi ia so ial.
En Théorie de la Proprieté de 1896, Walras denió la justi ia en el in-
ter ambio de bienes, en términos de dos ondi iones: Primero, la total
libertad de ada individuo para bus ar su propia ventaja en el mer ado;
y segundo, la ompleta elimina ión de ualquier oportunidad para que
un individuo se bene ie en el inter ambio a expensas de su ontraparte
o de ualquier otro. Sin duda, bajo esta mirada, el sistema de equilibrio
general walrasiano es profundamente moralista.
De he ho, Walras no reía que la ompeten ia perfe ta en un mer ado

fuera la mejor manera de generar la máxima suma de la satisfa ión total
para la so iedad, sino que era un sistema diseñado para eliminar bene io
alguno del inter ambio y de la produ ión. Por ello, en equilibrio, nadie
se ha e más ri o ni más pobre; allí, la úni a forma en que un individuo
se ha e más ri o es mediante la forma ión de apital a través del ahorro,
y la úni a forma en que se ha e más pobre es onsumiendo más allá de
sus ingresos: el sólo inter ambio bajo ompeten ia perfe ta nun a tiene
efe tos de distribu ión. Y esto no era por ondenar la natural búsqueda
de bene io en las a tividades e onómi as, sino para realizar la fun ión
moral de no dar algo por nada. Pre isamente a este problema se refería
Walras uando, en lo que se ha dado en llamar el Teorema de la máxima
satisfa ión so ial, armaba que
El inter ambio de dos mer an ías en un mer ado regido por la

libre ompeten ia es una opera ión por medio de la ual todos
los poseedores, tanto de una omo de dos mer an ías, pueden
lograr la mayor satisfa ión posible de sus ne esidades, on
la ondi ión de entregar la mer an ía que venden y re ibir la
mer an ía que ompran en una propor ión omún e idénti a.
42
(Éléments , § 99)
La historia del pensamiento e onómi o no re ono e totalmente este as-
pe to so ial del pensamiento walrasiano, y tampo o ve en este teorema
el zumo de una ondi ión de optimalidad so ial inherente al equilibrio
ompetitivo. En su lugar, y on la onrma ión grá a de las ajas de
Edgeworth, han estable ido este mismo on epto alrededor de la siguien-
te deni ión de Pareto (1906):
Diremos que los miembros de una ole tividad gozan, en ier-
ta posi ión, del máximum de ophelimite 43 , uando es impo-
sible en ontrar un medio de alejarse muy po o de esta posi-
ión, de tal suerte que la ophelimite de que gozan ada uno de
los individuos de esta ole tividad, aumenta o disminuye. Es
de ir que ualquier pequeño desplazamiento a partir de esta
posi ión tiene ne esariamente por efe to aumentar la ophe-
limite de que gozan iertos individuos, y disminuir aquella
42
Esta propor ión es la tasa marginal de sustitu ión.
43
Ophelimite es el término de Pareto para lo que hoy llamamos utilidad.
dela ual gozan otros; de ser agradable a unos y desagradable

a otros. (Manuel, § 33, Cap.VI)
Esto se es ribe, ahora, así:
Deni ión 6. (Óptimo de Walras-Pareto)

Una asigna ión fa tible [(xA , yA ), (xB , yB )] de una e onomía ompetiti-
va es un óptimo de Walras-Pareto ( ono ido omúnmente omo óptimo
Pareto) si, y sólo si, no existe otra asigna ión fa tible [(x′A , yA ′ ), (x′ , y ′ )]
B B
tal que ui (x′i , yi′ ) ≥ ui (xi , yi ) para i = A, B , pero uj (x′j , yj′ ) > uj (xj , yj )
para j = A ó j = B .
Es de ir, un óptimo de Pareto es una asigna ión fa tible en la que nin-

gún agente puede mejorar sin que el otro agente, pierda. Y una típi a
ara teriza ión marginalista de estos óptimos se en uentra en el siguiente
teorema, que, también hoy, es ribimos así:
Teorema 23. (Cara teriza ión de los óptimos de Pareto (Walras

(1874), Edgeworth (1881), Pareto (1906)))
Supongamos que las fun iones de utilidad
uA : R2+ → R , uB : R2+ → R
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.
Al resolver en la aja de Edgeworth-Pareto (es de ir, on xA + xB =

x∗A + x∗B y yA + yB = yA ∗ + y ∗ ) el problema que ara teriza a los
B
óptimos de Walras-Pareto
Maximizar uA (xA , yA )
sujeta a uB (xB , yB ) = U
xA ≥ 0, xB ≥ 0
donde U es un nivel de utilidad jo para el agente B 44

, obtenemos que
su lagrangiano es
L = uA (xA , yA ) − λ (uB (xB , yB ) − U )
Y las ondi iones de primer orden nos ondu en a ondi iones su ientes
y ne esarias para el óptimo 45 :
∂uA ∂uB ∂uA ∂uB

=λ , =λ
∂xA ∂xA ∂yA ∂yB
El paso ha ia la on lusión del teorema es inmediato.
Es onveniente desta ar que las asigna iones paretianas, aunque óptimas

en un sentido muy parti ular, no son ne esariamente justas o equitati-
vas, y esto lo veremos muy laramente en el siguiente ejemplo, en donde,
típi amente, existen innitas de ellas, unas que favore en a un agente,
y otras que favore en al otro. Aquí se resalta nítidamente que e ien ia
y equidad tienen dos dire iones normativas no ne esariamente ompati-
bles.
Ejemplo 50.
Consideremos la e onomía de inter ambio puro de dos onsumidores A
y B, on fun iones de utilidad
y dota iones ini iales agregadas (3, 4).
Es ribiendo la orrespondiente ondi ión de e ien ia paretiana, obtene-

mos que
44
¾Por qué es esto equivalente a la deni ión 6 de óptimo de Walras-Pareto?
45
¾Qué teoremas de esta le ión apli amos para ha er tal arma ión?
yA
4
B
4xA
yA = 3
A 3 xA
Figura 44: Curva (re ta) de ontrato
∂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
Cabe advertirse que, además de Walras, también Edgeworth (1881) se

adelantó a Pareto en la no ión de optimalidad que lleva su nombre:
Se requiere en ontrar un punto (xy) tal que, en ualquier di-

re ión en la que demos un paso innitamente pequeño, P y
Π no aumenten a la vez, sino que uando uno aumente, el
otro disminuya. Puede demostrarse desde una diversidad de
puntos de vista que el lugar geométri o del punto deseado es
dP dΠ dP dΠ
− =0
dx dy dy dx
uyo lugar geométri o aquí proponemos denominar urva de

ontrato46 .(Mathemati al Psy hi s, Parte Segunda)
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 .
vi) Los dos teoremas del bienestar
Existen dos rela iones muy importantes entre la optimalidad paretiana y

el equilibrio walrasiano. La primera formaliza, par ialmente, una reen-
ia largamente sostenida desde, por lo menos, el siglo XVIII de Adam
Smith, que armaba que la ompeten ia perfe ta ondu ía a un esta-
do óptimo de la e onomía. El problema aquí era que se reía que tal
óptimo debería ontener riterios de justa distribu ión de la riqueza y
del ingreso y, esa, no es una ara terísti a de los equilibrios ompetiti-
vos. Por lo tanto, esta onexión entre equilibrio ompetitivo y óptimo se
aplazó hasta la apari ión de la no ión de óptimo de Pareto. Ésta, que
fue laramente visualizada por el mismo Walras, y expli itada por Pare-
to utilizando la aja de Edgeworth, asegura que, bajo las hipótesis del
modelo paretiano, el me anismo de pre ios asigna e ientemente (en el
sentido de Pareto).
Veamos este resultado en nota ión a tual.
Teorema 24. (Primer teorema de la e onomía del bienestar

(Walras (1874), Edgeworth (1881), Pareto (1906)))
Sean
ui : R2+ → R
(xi , yi ) → ui (xi , yi )
para i = A, B , fun iones de utilidad estri tamente re ientes. Si
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).
∗ ), (x∗ , y ∗ )] es una
es un equilibrio walrasiano, enton es x∗ ≡ [(x∗A , yA B B
asigna ión óptima de Pareto.
Demostra ión.
Supongamos que el equilibrio walrasiano no es óptimo de Pareto y obten-

gamos una ontradi ión. Sea [(x∗A , yA
∗ ), (x∗ , y ∗ ), (p∗ , p∗ )] un equilibrio
B B x y
walrasiano y supongamos que existe una asigna ión [(xA , yA ), (xB , yB )]
en la aja de Pareto-Edgeworth tal que
uA (xA , yA ) > uA (x∗A , yA

∗
) y uB (xB , yB ) ≥ uB (x∗B , yB
∗
)
Enton es, dado que [(x∗A , yA

∗ ), (x∗ , y ∗ )], (p∗ , p∗ )) es un equilibrio walra-
B B x y
siano, satisfa e que
p∗x xA + p∗y yA > p∗x wxA + p∗y wyA , p∗x xB + p∗y yB > p∗x wxB + p∗y wyB
Sumando estas dos desigualdades se obtiene
p∗x (xA + xB ) + p∗y (yA + yB ) > p∗x (wxA + wxB ) + p∗y (wyA + wyB )
Y omo [(xA , yA ), (xB , yB )] está en la aja de Pareto-Edgeworth, enton-

es
p∗x (wxA + wxB ) + p∗y (wyA + wyB ) > p∗x (wxA + wxB ) + p∗y (wyA + wyB )
lo ual es una ontradi ión.
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
El teorema anterior nos muestra la alidad normativa que tiene un equi-

librio walrasiano: no es, ne esariamente, una asigna ión ni equitativa ni
justa, pero satisfa e ierto riterio de e ien ia.
Pero este equilibrio no tendría la importan ia que se le ha dado, si no

fuera porque también apare e one tado on los problemas de la des en-
traliza ión. El problema de asignar re ursos óptimamente mediante el
vehí ulo de los pre ios, ha estado en el orazón de los estudios sobre la
des entraliza ión de una e onomía. La sola hipótesis de que si los onsu-
midores y los produ tores resuelven sus problemas independientemente,
sin saber nada uno del otro, sino a través del me anismo de informa-
ión que son los pre ios, asegura una implementa ión efe tiva del óptimo
previamente estable ido por las autoridades e onómi as, era y ontinúa
siendo, uno de los más importantes problemas que enfrenta la e onomía
políti a. Un resultado así permitía entrever la posibilidad de des entra-
lizar las de isiones de los agentes de una e onomía entralizada a través
de los pre ios.
El segundo teorema de la e onomía del bienestar que asegura que, bajo

ierta redistribu ión de los re ursos, podemos ha er, de un óptimo de
Pareto, un equilibrio walrasiano, no pare e haber sido dete tado por
Walras, ni por Edgeworth. Quizás Pareto lo vislumbró, pero lo que sí es
ierto es que nun a lo estable ió on laridad:
Para los fenómenos del tipo (I) 47 , uando el equilibrio

tiene lugar en un punto donde son tangentes las urvas de
indiferen ia de los ontratantes, los miembros de la ole tivi-
dad onsiderada gozan del máximo de ophelimite . (Manuel,
§ 34, Cap. VI)
De he ho, al pare er las primeras ve es que se tiene registro explí ito de

este teorema es en los textos lási os de Lange (1942)48 y Allais (1943)49 .
47
Es de ir, en ondi iones de ompeten ia perfe ta.
48
op. it.
49
op. it.
Teorema 25. (Segundo teorema de la e onomía del bienestar

(Pareto(1906), Lange (1942), Allais (1943)))
Sean
ui : R2+ → R
(xi , yi ) → ui (xi , yi )
para i = A, B , fun iones de utilidad ontinuas, estri tamente re ien-

tes y uasi ón avas. Sea [(x∗A , yA ∗ ), (x∗ , y ∗ )] una asigna ión óptima de
B B
Pareto en la que ada agente tiene una antidad positiva de ada mer-
an ía. Enton es existen unos pre ios px y py no-negativos tales que
∗ ), (x∗ , y ∗ ), (p , p )] es un equilibrio walrasiano para las dota io-
[(x∗A , yA B B x y
nes ini iales wxA = x∗A , wyA = yA ∗ , wB = x∗ , wB = y ∗ . 50
x B y B
Demostra ión.
Debemos en ontrar un ve tor de pre ios no-negativos (px , py ) que soporte

la asigna ión óptima de Pareto omo un equilibrio walrasiano. Sean

MA = (xA , yA ) ∈ R2+ | uA (xA , yA ) > uA (x∗A , yA
∗
)

MB = (xB , yB ) ∈ R2+ | uB (xB , yB ) > uB (x∗B , yB∗
)
es de ir, MA es el onjunto de planes de onsumo que el onsumidor A

preere a (x∗A , yA
∗ ), y M es el onjunto de planes de onsumo que el
B
onsumidor B preere a (x∗B , yB
∗ ). Ya que las fun iones de utilidad son
estri tamente uasi ón avas, enton es MA y MB son onjuntos onvexos.

Denamos ahora M ≡ MA + MB ; es de ir, M es el onjunto de todas
las ombina iones agregadas que pueden ser distribuidas entre los dos
onsumidores de tal forma que ambos mejoren su utilidad on respe to
a la asigna ión óptima de Pareto. Observemos que M es un onjunto
onvexo, ya que es la suma de dos onjuntos onvexos.
50
Pareto, al pare er no muy laro del resultado que tenía a la mano, armó sobre
esto:
Para los fenómenos (I) si existe un punto donde el sendero re orrido

por los individuos que ontratan es tangente a las urvas de indiferen ia
de esos individuos, ese es un punto de equilibrio. (Manuel, § 112, Cap.
III)
Sea w = (wx , wy ) = (x∗A + x∗B , yA ∗ + y ∗ ). Como, por hipótesis, [(x∗ , y ∗ ),

B A A
∗ )] es un óptimo de Pareto, enton es w ∈
(x∗B , yB / M porque no existe
una redistribu ión de [(x∗A , yA ∗ ), (x∗ , y ∗ )] que mejore la utilidad de am-
B B
bos onsumidores. Luego por el teorema de separa ión de Minkowski
(teorema 10), existe (px , py ) 6= 0 tal que px x + py y ≥ px wx + py wy =
∗ + y ∗ ), para todo (x, y) ∈ M . Por lo tanto,
px (x∗A + x∗B ) + py (yA B
px (x − (x∗A + x∗B )) + py (y − (yA

∗ ∗
+ yB )) ≥ 0
para todo (x, y) ∈ M .
Queremos ver que (px , py ) es un ve tor de pre ios de equilibrio:
i) Veamos primero que (px , py ) es no negativo: Sea e1 ≡ (1, 0). Ya que
las fun iones de utilidad son monótonas re ientes estri tamente,
enton es (w + e1 ) ∈ M . Así, px (1 + wx − (x∗A + x∗B )) + py (wy − (yA
∗ +
yB )) ≥ 0, es de ir, px ≥ 0. Tomando e2 ≡ (0, 1) podemos mostrar

∗
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∗
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?).
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
vii) Equilibrio ompetitivo y nego ia ión: el on epto de nú-

leo de una e onomía
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:
Si la demanda es superior a la oferta, el pre io de di ha mer-

an ía en términos del numerario subirá; si es la oferta la
que supera a la demanda, bajará. ¾Qué debemos ha er pa-
ra probar que la solu ión teóri a y la solu ión del mer ado
son idénti as? Simplemente omprobar que el alza y la baja
[[de los pre ios℄℄ son una forma de resolu ión por tâtonne-
ment del sistema de igualdades de las ofertas y las demandas.
(Éléments, §125)
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.
Otra vertiente de este problema provino del mismo Edgeworth (1881).

Fué él quien introdujo la no ión de urva de ontrato que tiene más im-
portan ia que la de una simple urva onformada por óptimos de Pareto.
Un sub onjunto de esta urva, después llamada el nú leo ( ore ) de la e o-
nomía (M. Shubik (1959) 53 , omenzó a ser estudiada por Edgeworth
para e onomías de inter ambio on dos mer an ías y dos tipos de agentes
54
, en donde éstos podían nego iar y re ontratar. Aunque de manera un
tanto onfusa, allí mismo mostró un resultado extraordinariamente sor-
prendente e iluminador: Bajo ompeten ia perfe ta, típi amente el nú leo
se ontrae ha ia el equilibrio ompetitivo, a medida que el número de
agentes (no de tipos) re e indenidamente.
Este resultado, y otros similares, abrieron un audal de pensamiento
sobre los problemas de forma ión de pre ios para e onomías grandes,
ompletamente distinta a aquella de la igualdad entre oferta y demanda.
Planteaba que ierto tipo de nego ia ión on posibilidades de re ontrata-
ión permitía la emergen ia de los pre ios y, por tanto, de los mer ados.
No ne esitaban asumir, a priori, la existen ia de ellos: éstos surgían de
forma endógena del modelo.
Sobre esta otra aproxima ión a los problemas del equilibrio general que
na e a partir de la teoría de la urva de ontrato de Edgeworth (1881),
dis utiremos un po o más en la próxima le ión 3.
viii) Di ultades on el modelo paretiano
En la ara teriza ión de sus óptimos, el modelo paretiano está profun-

damente enraizado en el uso de tasas marginales de sustitu ión estri ta-
mente positivas. Por lo tanto, podría reerse que tendríamos problemas
on los teorema del bienestar uando las fun iones de utilidad o de pro-
du ión no sean diferen iables, o se anulen uando el agente no tiene
antidad alguna de esa mer an ía. Sin embargo, veremos que esto no
es ne esariamente ierto. Ilustramos esto par ialmente en el siguiente
ejemplo.
53
Shubik, Martin J. (1959), Edgeworth Market Games, en Lu e y Tu ker (eds.),
Contribution to the Theory of Games IV, Prin eton University Press.
54
Mu hos agentes, pero sólo de dos tipos, digamos, trabajadores y empresarios.
Ejemplo 53. (Di ultades on el modelo paretiano)

En la e onomía de inter ambio puro
uA (xA , yA ) = 3xA + 2 ln yA wA = (2, 1)

uB (xB , yB ) = mı́n{xB , yB } wA = (0, 1)
tenemos que:
a) Las fun iones de demanda respe tivas de los agente A y B son
4 py 2 px
xA = + , yA =
3 px 3 py
py
xB = yB =
px + py
Obviamente, en el ál ulo de estas últimas no podíamos utilizar las
té ni as de optimiza ión de Lagrange, ni tampo o rela iones de ta-
sas marginales de sustitu ión. En su lugar, tuvimos que re urrir al
siguiente argumento: Si xA > yA en el óptimo, enton es, dejando jo
yA , podemos redu ir un po o xA de tal forma que aún estemos en
la misma urva de nivel de A que pasa por (xA , yA ), y esto ne esa-
riamente ondu iría a un aumento en el nivel de utilidad de B pues
xB = 2 − xA . El aso xA < yA es similar.
b) Así, de la ondi ión de equilibrio xA + xB = 2, tendremos que
4 py py
+ + =2
3 px px + py
y, de aquí, los pre ios de equilibrio emergen:
√
p∗y 10 − 2
=
p∗x 3
y también las asigna iones de equilibrio:
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
uA (1.72, 0.279) > uA (2, 1) y uB (1.72, 0.279) > uB (0, 1)

) La urva de ontrato de este inter ambio es yA = xA .

d) El primer teorema del bienestar lo ilustramos notando que el equili-
brio ompetitivo yA
∗ = 1.72 = x∗ está en la urva de ontrato.
A
e) A su vez, el segundo teorema del bienestar lo ilustramos ha iendo,

para el agente A,
∂uA
∂xA px
A
=
∂u py
∂yA
en un punto ualquiera (xA , yA ) de la urva de ontrato, es de ir,
donde xA = yA para 0 < xA < 2. Por lo tanto, llegamos a que la
rela ión de pre ios de equilibrio estará dada por
p∗x 3
∗
= xA
py 2
p∗x
Por ejemplo, la asigna ión paretiana equitativa (1, 1) tendría a p∗y = 3
2
omo pre ios de equilibrio. N
Ha ia nales de la dé ada de los 1940s, las de ien ias analíti as del mo-
delo paretiano abrieron un ompás de posibilidades para entender, on
toda pre isión, uáles podrían ser las ondi iones mínimas bajo las uales
existía un equilibrio walrasiano, y en qué asos se podrían también tener
los dos teoremas del bienestar e onómi o. Esta síntesis sería al anzada
por Koopmans (1951)55 (ver volumen I (Álgebra lineal)) en el aso li-
neal, M kenzie (1954) 56 en un aso espe í o del omer io interna ional,
Arrow y Debreu (1954) 57 y, fundamentalmente, Debreu (1959)58 que,
en su momento, fue la más ompa ta, oherente y sistemáti a presenta-
ión de las posibilidades y limita iones del modelo de equilibrio general
walrasiano. Sobre el modelo Arrow-Debreu dis utiremos en el ontexto
e onómi o de la le ión 3.
55
Koopmans, Tjalling (1951), A tivity Analysis of Produ tion and Allo ation, New
York.
56
M kenzie, Lionel (1954), On Equilibrium in Grahams Model of World Trade
and Other Competitive Systems, E onometri a.
57
Arrow, Kenneth y Gerard Debreu (1954), Existen e of an Equilibrium for a
Competitive E onomy, E onometri a.
58
Debreu, Gerard (1959), Theory of Value, Cowles Monographs: New Heaven.
d) Comportamiento e onómi o ra ional on intera io-

nes: la teoría de juegos lási a
En su ahora lási o Re her hes sur les Prin ipes Mathémathiques de la

Théorie des Ri hesses de 1838, Cournot onstruyó una teoría de las r-
mas oligopolísti as que in luía la ompeten ia perfe ta y el monopolio
omo asos extremos. Al estudiar, en parti ular, el problema del duopo-
lio, Cournot mostraba que la produ ión óptima de una rma dependía
de la produ ión de la otra, y que, al ha erlo, el administrador de ada r-
ma asumía que la produ ión de la otra permane ería ja si él ambiaba
la produ ión de su rma. Críti os desde las más diversas vertientes ata-
aron esta hipótesis: la metodología utilizada por Cournot en su análisis,
no tenía, en ese enton es, la su iente laridad on eptual.
El primer paso en el sentido de entender ómo formalizar los problemas
de intera iones entre diferentes agentes, provino de John von Neumann
en su primera gran ontribu ión a la teoría de juegos. En su artí ulo de
1928 59 sobre el tema, desarrolló el teorema minimax para juegos de suma
ero (donde lo que obtiene un jugador, lo pierde el otro), en los que los
jugadores mueven se uen ialmente en el tiempo sin que ne esariamente
sepan uáles fueron los movimientos previos de los otros jugadores. Esta
independen ia de movimientos hubiera sido difí il de modelar, sin la
no ión de estrategia que von Neumann deniera, para ada jugador, omo
un plan ompleto que espe i a sus movimientos, omo onse uen ia de
la informa ión al anzada hasta allí. Así, un jugador puede es oger su
estrategia antes de que el juego omien e, si ono emos las onse uen ias
de los otros jugadores. Esta no ión de estrategia es lo que nos permite
a eptar hoy la hipótesis bási a de Cournot de que los produ tores en
oligopolio toman sus de isiones independientemente.
Pero, más allá, von Neumann armaba que ualquier juego podía mo-
delarse, matemáti amente, on la siguiente estru tura: Un onjunto de
jugadores; un onjunto de estrategias para ada jugador; y una fun ión
real de pagos para ada jugador dependiendo de las estrategias es ogidas
por los otros jugadores. Esta es la que llamó la forma normal del juego.
Además de esto, von Neumann agregó dos restri iones a su estru tura
de juego que limitaron severamente ualquier posibilidad de ha er su
59
Von Neumann, John (1928), Zur Theorie der Gessellshaftspiele, Mathematis he
Annalen.
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.
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:
a) Los jugadores (agentes).
b) Las estrategias disponibles.
) El pago que ada jugador re ibe por ada posible ombina ión de
estrategias.
Identi ar a los jugadores y las estrategias disponibles para ada jugador

(también llamadas estrategias puras ) es el paso lave en la onstru ión
del modelo. Para sele ionar la estru tura de pagos (o fun ión de utili-
dad) se deben examinar ada una de las posibles ombina iones de es-
trategias disponibles para los jugadores, y determinar lo que re ibe ada
jugador en ada aso, asignándole ierto valor. Esta valora ión numéri a
se reere (dentro de la tradi ión von Neumann-Morgenstern-Savage) a la
representa ión numéri a de un ordenamiento previo de las preferen ias
on respe to a las posibles ombina iones de estrategias en el juego.
Con base en las no iones de jugadores, espa ios de estrategias y fun iones
de pago, podemos enton es denir formalmente lo que es un juego en
forma estratégi a:
Deni ión 7. (Juego nito en forma estratégi a (Borel (1921))62 ,
von Neumann (1928)))
i) Un juego nito en forma estratégi a (o normal) es una 3n-tupla
Γ = (N, (Ci )i∈N , (ui )i∈N )
donde:
(a) N = {1, . . . , n} es el onjunto de jugadores;

62
Borel, Émile (1921), La théorie du Jeux et las Equations Intégrales à Noyau
Symétrique, Comptes Rendus Hebdomadaires des Séan es de l'A adémie des S ien es,
París.
(b) Ci es el onjunto nito de estrategias puras para el jugador i ∈ N

(de allí la ondi ión de nitud del juego).
( ) ui : Πni=1 Ci → R es la fun ión de pagos (utilidad) para el jugador
i ∈ N que asigna un pago (número real) a ada ombina ión de
estrategias (c1 , . . . , cn ), donde el produ to artesiano Πni=1 Ci =
C1 × C2 × ... × Cn es el onjunto de estrategias onjuntas63 .
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 .
La representa ión más típi a de un juego es aquella que omprende só-

lo dos jugadores que es ogen entre un número pequeño de estrategias
diferentes des ritas mediante una bimatriz. En la bimatriz, las eldas
ontienen los pagos de ada jugador para las posibles ombina iones de
estrategias.
Ejemplo 54. (El dilema del prisionero )

Uno de los juegos más importantes de la teoría de juegos lási a es El
dilema del prisionero. El juego onsiste, en su versión estándar, en lo
siguiente: Dos sospe hosos de un delito son detenidos y ubi ados en eldas
diferentes de tal manera que no puedan omuni arse. La pena para el
delito son in o años de prisión. La úni a forma en que las autoridades
pueden ondenar a los sospe hosos es ha iendo que al menos uno de ellos
onese. La des rip ión del juego es la siguiente: si ambos sospe hosos
onesan, la senten ia será de uatro años de ár el para ada uno. Si
ninguno de los dos onesa, la senten ia será de tan sólo un año en la
ár el para ada uno, dada la falta de pruebas para realizar una ondena.
Y si uno onesa y el otro no, el que onesa será puesto en libertad por
63
Observemos ómo la fun ión de utilidad aptura la no ión de intera ión estra-
tégi a; es de ir, el pago que un agente re ibe al realizar su propia a ión depende
también de las a iones de los demás.
64
Una interpreta ión estándar subya ente a la deni ión de un juego nito en forma
estratégi a on informa ión ompleta es la de que el grupo de jugadores eligen sus
estrategias simultáneamente; o se uen ialmente, pero sin que ninguno de los jugadores
sepa qué estrategia eligieron los adversarios, en el momento de ha er sus es ogen ias.
65 66
Término a uñado por Dun an Lu e y Howard Raia (1957).
olaborar on la justi ia, mientras el otro será senten iado a los in o

años de prisión. El juego en su forma estratégi a es omo apare e en la
siguiente bimatriz:
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:
La ombina ión de estrategias que los jugadores prede ible-

mente es ogerán es aquélla en la ual ningún jugador podría
mejorar su pago es ogiendo unilateralmente una estrategia di-
ferente, si supone que los otros siguen eligiendo la estrategia
previamente es ogida.
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:
Deni ión 8. (Equilibrio de Nash (1950))

Sea Γ = (N, (Ci )i∈N , (ui )i∈N ) un juego nito en forma estratégi a, donde
N es el onjunto de jugadores, Ci es el onjunto de estrategias puras de
ada jugador y ui (·) su fun ión de pagos. Una ombina ión de estrategias
puras c∗ = (c∗i )i∈N es un equilibrio de Nash en estrategias puras para el

juego Γ si, y sólo si,
ui (c∗i , c∗−i ) ≥ ui (ci , c∗−i )
para todo ci ∈ Ci y para todo i ∈ N .
Ejemplo 55.
Resolviendo el dilema del prisionero (ejemplo 54) por equilibrios de Nash,
en ontramos que si el sospe hoso 1 ree que el sospe hoso 2 va a onfesar
(C), la mejor de isión que él puede tomar es también onfesar, on lo que
se quedaría on un pago de −4. Si a su vez, el sospe hoso 2 ree que el
sospe hoso 1 va a elegir su estrategia onfesar, lo mejor que puede ha er
es onfesar y re ibir un pago de −4. De manera que el par de estrategias
( onfesar, onfesar ) es un equilibrio de Nash en estrategias puras del
juego y entrega a los jugadores un pago de −4 a ada uno.
Es importante desta ar aquí que en este juego es imposible al anzar, a
través de estos prin ipios de solu ión, la asigna ión ooperativa resul-
tante de la ombina ión de estrategias (no onfesar (N C), no onfesar
(N C)), ya que los jugadores no tienen in entivos para mantenerse en
esta ele ión. Cada uno de ellos ha e lo mejor que puede independien-
temente de lo que el otro jugador haga. Haría falta, en este aso, algún
me anismo externo que hi iera a los jugadores jugar ooperativamente,
ha iendo de esta ele ión lo mejor para ellos. La moraleja es importante:
el on epto de equilibrio de Nash muestra que una so iedad podría, sólo
a través de in entivos individuales (es de ir, de manera inteligente pero
egoísta), llegar a estados que no son óptimos so ialmente.67
Ejemplo 56. (Juego de oordina ión)
Consideremos el juego uyos pagos vienen dados por
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).
El juego tiene dos equilibrios de Nash en estrategias puras: (D, D) e

(I, I ). Si el jugador 1 ree que el jugador 2 es ogerá su estrategia D ,
su mejor-respuesta a esta ele ión es la estrategia D . De igual forma, si
el jugador 2 ree que el jugador 1 es ogerá su estrategia D , la mejor-
respuesta a esta ele ión es su estrategia D . Por lo tanto, (D, D) es un
equilibrio de Nash del juego que deja a ada uno de los jugadores on
un pago de 10. Ahora: si el jugador 1 ree que el jugador 2 elegirá la
estrategia I , su mejor-respuesta es la estrategia I , y si el jugador 2 ree
que el jugador 1 es ogerá la estrategia I , su mejor-respuesta es también
es oger I . Enton es (I, I ) es otro equilibrio de Nash del juego que deja
a ada uno de los jugadores on un pago de 1. Obsérvese que para los
dos jugadores es mejor jugar el primer equilibrio porque los deja on un
pago más alto.
Ejemplo 57 ( Tirar la moneda ).

Ya sabíamos que en el juego tirar la moneda (mat hing pennies ), dos
agentes lanzan ada uno una moneda; si en ambas monedas apare e ara
o sello, el jugador 1 gana la moneda del otro; si dieren, es el jugador 2
el que la gana. Los pagos se ilustran en la bimatriz de la gura 45.
Jugador 2
C S
Jugador 1
C 1,-1 -1,1
S -1,1 1,-1
C ≡ ara S ≡ sello
Figura 45: Juego de tirar la moneda
Para intentar solu ionar este juego, tomemos, por ejemplo, el par de
estrategias (C, C); dado que el jugador 2 ree que el jugador 1 es 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
que en las demás ombina iones de estrategias puras también existen

in entivos para desviarse unilateralmente por parte de algún jugador.
Esto indi a que no existe un equilibrio de Nash en estrategias puras para
este juego.
Sin embargo, omo nos lo enseñaron von Neumann y Morgenstern, sí
existe un equilibrio de otro tipo, ono ido omo equilibrio en estrategias
mixtas, en el que ada jugador adopta una estrategia asignándole ierta
probabilidad a ada una de las estrategias puras de los demás jugadores;
es de ir, ada jugador asume iertas probabilidades sobre las estrategias
puras que los otros jugadores es ogerán.
Deni ión 9. (Estrategia mixta)
i) En un juego nito en forma estratégi a Γ = (N, (Ci )i∈N , (ui )i∈N ),

una estrategia mixta del jugador i es una distribu ión de proba-
bilidad sobre el onjunto de estrategias puras Ci . Al onjunto de
todas las estrategias mixtas del jugador i lo denotamos por ∆i . Pa-
ra σi ∈ ∆i y ci ∈ Ci , σi (ci ) es la probabilidad que la distribu ión
σi le asigna a la estrategia ci . El soporte de una estrategia mixta
σi es el onjunto de estrategias puras a las uales σi le asigna una
probabilidad estri tamente positiva.
ii) Una estrategia mixta del juego Γ es una ombina ión de distribu-
iones
σ = (σ1 , σ2 , . . . , σn )
donde σi ∈ ∆i para todo i; es de ir,

n
Y
σ∈ ∆i
i=1
De a uerdo on la deni ión anterior, es laro que el onjunto de las

estrategias mixtas ontiene al de las estrategias puras. En este aso,
ada σi le asigna probabilidad 1 a ierta estrategia pura y probabilidad
0 a las demás estrategias.
Ejemplo 58. (Estrategias mixtas de tirar la moneda )

En el juego de tirar la moneda, una estrategia mixta para el jugador 1 se
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]
Notemos que si p es igual a 1 se tiene la estrategia pura en la que se

juega C on erteza (gura 46). De forma similar, para el jugador 2
una estrategia mixta puede des ribirse ( omo se muestra en la gura 46)
omo la asigna ión de probabilidades (q) y (1 − q) para las estrategias C
y S respe tivamente. Se a ostumbra es ribir esta estrategia omo
q[C] + (1 − q)[S]
Jugador 2
(q) (1-q)
Jugador 1 C S
(p) C 1, −1 −1, 1
(1-p) S −1, 1 1, −1
Figura 46: Juego de Tirar la Moneda
Deni ión 10. (Utilidad esperada)

Sea Γ = (N, (Ci )i∈N , (ui )i∈N ) un juego nito en forma estratégi a. Dado
un perl de distribu iones
n
Y
σ = (σ1 , ..., σn ) ∈ ∆i
i=1
la utilidad esperada del jugador i aso iada a este perl orresponde a la

siguiente expresión:
 
X Y n
ui (σ) ≡  σj (cj )ui (c)
c∈C j=1
De esta forma, la utilidad esperada de un jugador tiene la misma na-

turaleza que un valor esperado (matemáti o); es de ir, orresponde a
una suma ponderada de todas las utilidades que puede al anzar el ju-
gador, donde la pondera ión de ada una de éstas es la probabilidad de
o urren ia del resultado que genera tales pagos.
Ejemplo 59. (Utilidades esperadas de tirar la moneda )
Consideremos el juego de tirar la moneda, tal omo se estable e en la
gura 45. En este juego, las utilidades esperadas de los jugadores 1 y 2
para ada una de sus estrategias son:
UE1 (C) = 2q − 1, UE1 (S) = 1 − 2q, UE2 (C) = 1 − 2p, UE2 (S) = 2p − 1.
Con esto, las utilidades esperadas por parti ipar en el juego son:
UE1 = 2p(2q − 1) − 2q + 1 UE2 = 2q(1 − 2p) + 2p − 1
Deni ión 11. (Equilibrio de Nash mixto)

En un juego nito en forma estratégi a Γ Q = (N, (Ci )i∈N , (ui )i∈N ), el
perl de estrategias mixtas σ ∗ = (σi∗ )i∈N ∈ ni=1 ∆i es un equilibrio de
Nash si, para ada i ∈ N , la estrategia mixta σi∗ del jugador i es una
mejor-respuesta a las estrategias mixtas de los demás jugadores. Esto es,
σ ∗ es un equilibrio de Nash en estrategias mixtas para el juego Γ si, y
sólo si,
ui (σi∗ , σ−i
∗ ∗
) ≥ ui (σi , σ−i ) ∀σi ∈ ∆i . ∀i ∈ N
donde
∗
(σi , σ−i ) = (σ1∗ , σ2∗ , . . . , σi−1
∗ ∗
, σi , σi+1 , . . . , σn∗ )
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.
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.
Ver Monsalve y Arévalo (eds.) (2005) 68

.
Ejemplo 60. (El juego de oordina ión, otra vez )

Consideremos, nuevamente, el juego de oordina ión del ejemplo 56 que
otra vez presentamos en la gura 47, y en ontremos su equilibrio de Nash
mixto.
(q) (1-q)
D I
(p) D 10,10 0,0
(1-p) I 0,0 1,1
D≡ Dere ha, I≡ Izquierda
Figura 47: El Juego de oordina ión

Solu ión.
Para omenzar, en ontremos las utilidades esperadas de ada uno de los
jugadores para ada una de sus estrategias. Si el jugador 1 ree que el
jugador 2 va a jugar su estrategia pura Dere ha (D) on probabilidad q
e Izquierda (I) on probabilidad 1 − q , sus pagos esperados por jugar sus
estrategias Dere ha e Izquierda son, respe tivamente,
UE1 (D) = 10q + 0(1 − q) = 10q

UE1 (I) = 0q + 1(1 − q) = 1 − q
De forma análoga, si el jugador 2 ree que el jugador 1 va a jugar su

estrategia Dere ha on una probabilidad p, y su estrategia Izquierda on
68
Monsalve, Sergio y Julián Arévalo (2005), Un Curso de Teoría de Juegos Clási a,
Universidad Externado de Colombia.
una probabilidad 1 − p, sus pagos esperados por jugar las estrategias

Dere ha e Izquierda, respe tivamente, son:
UE2 (D) = 10p + 0(1 − p) = 10p

UE2 (I) = 0p + 1(1 − p) = 1 − p
Como se estable e en el teorema 26, ada jugador es ogerá la probabili-

dad on la que juega ada una de sus estrategias puras de tal forma que
su oponente sea indiferente al momento de elegir entre éstas; es de ir,
la utilidad esperada de ada una de sus estrategias puras debe ser igual
para ada jugador. Así, tenemos que
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
σ ∗ = (σ1∗ , σ2∗ ) = [(1/11, 10/11) , (1/11, 10/11)]
el ual ofre e a los jugadores pagos esperados, en equilibrio, de (0.9, 0.9),

que es inferior al pago en los equilibrios de Nash en estrategias puras
(10,10) y (1,1). Nótese, sin embargo, que una vez han sido elegidas las
probabilidades on las que ada uno de los jugadores elige ada posible
a ión, ada uno de ellos es indiferente entre jugar su estrategia mixta, y
jugar una estrategia pura; esto es, los valores esperados de sus utilidades
son siempre 0.9 .
Estos resultados tienen un sentido profundo: Los dos equilibrios puros
los per ibimos en la vida otidiana de la alle uando notamos que todos
manejan por la dere ha y todos manejan por la izquierda son equili-
brios que vemos, entre otros lugares, en la Europa ontinental y en Gran
Bretaña, respe tivamente. Son a uerdos tá itamente en ontrados, es de-
ir, onven iones al anzadas a través del tiempo. Aún así el equilibrio
a ve es por la dere ha, y a ve es por la izquierda no tiene un referente
laro en la realidad, y esto se desta ará uando veamos, en el ontexto

e onómi o de la le ión 3, que las so iedades van ex luyéndolo evo-
lutivamente omo posibilidad de a uerdo, a medida que trans urre el
tiempo. N
Ejemplo 61. ( Tirar la moneda, otra vez)

En el ejemplo 59 habíamos visto que las utilidades esperadas de los ju-
gadores en el juego de tirar la moneda vienen dadas por las siguientes
expresiones:
UE1 (C) = 2q − 1, UE1 (S) = 1 − 2q

UE2 (C) = 1 − 2p, UE2 (S) = 2p − 1
De a uerdo al teorema 26, se tiene que UE1 (C) = UE1 (S) y que UE2 (C) =
1 1
UE2 (S) y, por tanto p = y q = . 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.
Teorema 27. (Teorema de existen ia de equilibrios de Nash

(1950))
Todo juego nito en forma estratégi a tiene al menos un equilibrio de
Nash (en estrategias puras o mixtas).
69
Un arquero de fútbol, al momento de ser pateado un penalti, sabe muy bien
lo que debe ha er: para él, la mejor estrategia es amenazar on jugar, on igual
probabilidad, a un lado o al otro.
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:
(a) λσi + (1 − λ)σi′ = (λpcj + (1 − λ)p′cj )♯Ci

j=1
(b) λpcj + (1 − λ)p′cj ≥ 0 y
P♯Ci P♯Ci P♯Ci ′
( ) ′
j=1 (λpcj + (1 − λ)pcj ) = λ j=1 pcj + (1 − λ) j=1 pcj = 1
y esto prueba la onvexidad del onjunto ∆.
2. El onjunto ∆ es ompa to ya que ∆i es ompa to (simplex uni-

tario) para todo i ∈ N .
3. Ahora: Sea γi : ∆ → ∆i , denida, para σ ∈ ∆, por
γi (σ) = {σi′ ∈ ∆i / ui (σi′ , σ−i ) ≥ ui (σi , σ−i ) para todo σi ∈ ∆i }
y sea γ : ∆ → ∆ denida por γ(σ) = (γ1 (σ), γ2 (σ), . . . , γn (σ)). Si

probamos que γi es semi ontinua superiormente y que para todo
σ ∈ ∆, γi (σ) es no-va ío y onvexo, enton es γ tiene un punto jo
(ver teorema de punto jo de Kakutani (teorema 17)); es de ir,
existe σ ∗ ∈ ∆ tal que σ ∗ ∈ γ(σ ∗ ); esto es, σi∗ ∈ γi (σ ∗ ), y así,
ui (σi∗ , σ−i
∗ ∗
) ≥ ui (σi , σ−i ) para todo σi ∈ ∆i ;
es de ir, σ ∗ es un equilibrio de Nash.
(a) Probar que γi (σ) es no-va ío, es de ir, que el problema
máx ui (σi , σ−i ) para σ−i jo

σi ∈∆i
tiene solu ión, es inmediato por el teorema de Weierstrass.

(b) Demostremos que γi (σ) es onvexo. Si tenemos σi′ , σi′′ ∈ γi (σ),

enton es
ui (σi′ , σ−i
′
) ≥ ui (σi , σ−i ) para todo σi ∈ ∆i
ui (σi′′ , σ−i
′
) ≥ ui (σi , σ−i ) para todo σi ∈ ∆i
Así, ui (λσi′ + (1 − λ)σi′′ , σ−i ) ≥ ui (σi , σ−i ), para todo σi ∈ ∆i .

( ) Probemos que el grá o de γ
graf (γ) = {(σ, σ ′ )|σ ′ ∈ γ(σ)}
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
ui (σn′ , σ−i ) ≥ ui (σi , σ−i ) σi ∈ ∆ i

ui (σn′ , σ−i ) ≥ ui (σi , σ−i ) σi ∈ ∆ i ,
tendremos que σi′ ∈ γi (σ), y esto ompleta la demostra ión.
Observemos que este teorema garantiza, para juegos on un número nito

de jugadores, la existen ia de, al menos, una ombina ión de estrategias
tal que ninguno de ellos tensa in entivos unilaterales para ambiar su
propia estrategia. Es de ir, de que ada oni to tiene, en prin ipio,
una solu ión, aunque ésta pueda impli ar omportamientos aleatorios a
priori.
El le tor podría preguntarse aquí por qué si el teorema de Nash que
a abamos de presentar es apli able para ualquier onjunto nito de
jugadores, los ejemplos y apli a iones presentados, úni amente han in-
volu rado a dos jugadores. Von Neumann y Morgenstern re ono ían que
para tratar on juegos de más de dos jugadores, debería re urrirse a una
metodología diferente a la utilizada en juegos de dos jugadores ya que, en
aquéllos asos, algunos jugadores podrían formar alianzas que los bene-
iaran frente a ter eros jugadores. Esta es la teoría de juegos oali ionales
(o ooperativos) que, paralelo a la teoría de juegos no- ooperativos, ha
tenido un desarrollo propio muy fru tífero en el que se ha mostrado,
in lusive, que sus onexiones on la teoría no- ooperativa son ompleta-

mente naturales uando de juegos on mu hos agentes se trata 70 .
A pesar de su aspe to prometedor en los primeros años 1950s, el im-
pa to de la teoría del equilibrio de Nash se dispersó muy lentamente.
Al prin ipio, asi toda la aten ión se entró en el análisis de los juegos
oali ionales que tanto habían apoyado von Neumann y Morgenstern
desde su parti ular y estre ha perspe tiva de las intera iones. La litera-
tura de los 1950's y 1960's así lo atestigua. Posteriormente, al res atar la
importan ia del trabajo de Nash, se fue entendiendo que la mirada tradi-
ional walrasiana de la e onomía (desde la teoría de pre ios y mer ados
ompetitivos) tenía serias limita iones.
Por ejemplo, problemas de intera ión e onómi a donde los individuos
tienen diferente informa ión, no aen on fa ilidad dentro de los argu-
mentos típi os de pre ios; la organiza ión interna de una rma tampo o
está laramente abar ada en el esquema de pre ios y ompeten ia perfe -
ta; el problema del surgimiento del dinero omo instrumento nan iero
y de inter ambio ha estado por fuera de las aproxima iones lási as de
los modelos de equilibrio general. In lusive en las épo as de los grandes
debates a er a del so ialismo, pudo verse ómo los modelos basados en
pre ios podían ser inútiles para probar los defe tos y virtudes de una
e onomía entralizada. También la rea ión y opera ión de las institu-
iones, que son un fa tor esen ial en el fun ionamiento de los mer ados
e onómi os, ae, regularmente, por fuera de los esquemas de la teoría de
pre ios, et . La teoría de juegos (y, en general, la teoría de intera iones)
muestra un amino más allá de esta mirada. Hoy, la visión de la la teoría
e onómi a, a la luz de estos avan es, omienza a ambiar.
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.

1. En la se ión de optimiza ión no-lineal de la presente le ión se
han estudiado problemas de optimiza ión de dos variables y una
sola restri ión. A ontinua ión, se pide generalizar los resultados
presentados:
a) Es riba las ondi iones de primer orden para el problema de

Kuhn-Tu ker:
Maximizar f (x, y)
sujeta a g1 (x, y) ≥ 0
g2 (x, y) ≥ 0
x≥0
y≥0
b) Es riba los orrespondientes resultados de Lagrange y Kuhn-

Tu ker para el problema anterior.
) Similar al literal (b), uando hay 3 restri iones.
d) Similar al literal (b), uando las fun iones dependen de 3 varia-

bles x, y, z .
e) Generali e a m(> 3) restri iones y n(> 3) variables.
2. Halle los máximos y mínimos de la fun ión denida sobre el on-

junto de restri ión S en ada uno de los siguientes asos:
a) f (x, y) = x3 + y 3 − 9xy + 27; S = [0, 4] × [0, 4]
b) f (x, y) = x2 + 2y 3 − x; S = {(x, y) ∈ R2 | x2 + y 2 ≤ 1}
) f (x, y) = 3+x3 −x2 −y 2 ; S = {(x, y) ∈ R2 | x2 +y 2 ≤ 1 x ≥ 0}

3. Resuelva analíti amente (utilizando los teoremas apropiados y en-

ontrando las solu iones explí itamente) e ilustre grá amente los
siguientes problemas:
(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
(Aquí, α, β, a, b, M, m1 , m2 son todos positivos).
4. Determine el punto sobre el plano x + 2y + 3z = 13 más er ano

al punto (1, 1, 1).
5. Halle tres números reales uya suma sea 9, y la suma de sus ua-
drados sea lo más pequeña posible.
6. En el problema
Maximizar − 8x2 − 10y 2 +12xy − 50x + 80y

sujeta a x+y ≤1
8x2 + y 2 ≤ 2
x≥0
y≥0
(a) Resuelva geométri amente.

(b) ¾Por qué el método de Lagrange no fun iona aquí?
( ) Determine los valores óptimos de x y y utilizando el método
de Kuhn-Tu ker.
7. ¾Para qué valores de α, β, γ , el problema
Maximizar αx2 +βxy

sujeta a x2 + y 2 ≤ γ
x≥0
y≥0
tiene solu ión? En tal aso, ¾ uál es la solu ión? ¾Cuándo es úni a?
8. Un grupo de 3 personas es propietario de un lote uadrado, y pla-

nean onstruir sus asas en él. Bus ando priva idad, tratarán de
que la distan ia entre los entros de las asas sea lo más grande
posible. ¾Dónde deberían onstruir sus asas?
9. Un vendedor debe omenzar su ruta de viaje en una iudad, visitar

otras 3 iudades, y regresar a la iudad de la que partió de tal forma
que la distan ia total re orrida se minimi e. ¾Puede usted ha erle,
a este respe to, alguna re omenda ión al vendedor?
10. Cal ule el máximo produ to posible de tres números positivos x, y, z ,

si x + y + z 2 = 16.
11. En uentre (si existe) el punto de la región de los (x, y, z) on x ≥ 0,

y ≥ 0, z ≥ 0; x2 − xy + y 2 − z 2 ≤ 1, x2 + y 2 + z 2 = 1 más er ano
al origen (0, 0, 0).
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.
13. Pareto en su Manuel de 1906 (§ 3, Cap. II) arma que:
Se sabe, por ejemplo, que los alveolos de las abejas se

terminan en pirámide, y que on el mínimo de super-
ie, es de ir on el más pequeño gasto de era, ha en el
máximum de volumen, es de ir que pueden ontener la
más grande antidad de miel. Nadie supone, sin embargo,
que es así porque las abejas han resuelto por el empleo de
un silogismo y de las matemáti as un problema de máxi-
mum.
Dis uta matemáti amente la primera arma ión, y reexione sobre

la segunda.
14. [Un problema geométri o (J.J. Sylvester (1857))℄ Este problema

onsiste, en palabras del propio Sylvester, en en ontrar el más
pequeño ír ulo que ontenga un onjunto dado de puntos en el
plano. Supongamos que los puntos dados son a1 , a2 , . . . , am ∈ R2 ,
y que bus amos un ír ulo de entro des ono ido x ∈ R2 y radio r >
0, también des ono ido. Se requiere que los puntos ai satisfagan
||ai − x|| ≤ r para i = 1, . . . , m, y queremos es oger x y r tales que
r sea mínimo.
Para resolverlo podemos reemplazar las m desigualdades uadráti-
as por desigualdades lineales omo sigue. Introduz amos la in óg-
nita
1
x0 = (r 2 − ||x||2 );
2
enton es las m desigualdades son ahora
x0 + ai x ≥ bi (i = 1, . . . , m)
donde bi = 12 ||ai ||2 , y el problema es
Minimizar r2
sujeta a x0 +ai x1 + ai x2 ≤ bi
ó, en otra forma,
Minimizar 2x0 + x21 + x22

sujeta a x0 + ai x1 + ai x2 ≤ bi
Resuelva este problema, por el método de Kuhn-Tu ker, sólo para

el aso m = 2.
15. Una empresa tiene n produ tos que vende en el mer ado a pre ios
p1 , . . . , pn . Para la produ 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.
(a) Plantee el problema de la empresa en términos del método

simplex.
(b) Suponga que n = 4 y m = 6 y que
p1 = 2, p2 = 4, p3 = 1, p4 = 8;
A1 = 150, A2 = 170, A3 = 70, A4 = 95;
A5 = 200, A6 = 90
y que la matriz de oe ientes de produ ión es

 
1 10 2 14
 
 3 6 7 3 
 
 
 1 1 1 1 
 
 
 2 4 2 3 
 
 5 7 1 2 
 
1 3 3 9
En uentre los niveles óptimos de produ ión de ada produ to.

( ) Determine uánto se demanda de ada insumo, y para uáles
insumos existen sobrantes en el inventario.
(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.
17. Dé dos ejemplos e onómi os reales de te nologías on rendimientos

re ientes a es ala.
18. ¾Cuáles son las ondi iones de primer orden de Kuhn-Tu ker para
el problema de distribu ión de re ursos
Maximizar f (x) + g(y) + h(z)

sujeta a x + y + z ≤ b,
x≥0
y≥0
z≥0
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.
El inversionista bus a maximizar este último valor. Utilizando el

método Kuhn-Tu ker, pruebe que:
α1 α2
a) Si C > + , una parte de C no se invierte.
β1 β2
b) Si
α1 α2 1 1
α1 , α2 > + −C +
β1 β2 β1 β2
enton es todo proye to re ibirá alguna inversión.
) Interprete estos resultados.
20. [Un onsumidor ra ionado℄ Para p1 , p2 , M, k > 0, 0 < β < 1,
resuelva el problema del onsumidor
Maximizar ln x+β ln y
x≤k
x≥0
y≥0
21. Para p1 , p2 , M, α > 0, 0 < β < 1, resuelva el problema del onsu-

midor
Maximizar xα +β ln y
x≥0
y≥0
22. Compare los resultados de los ejer i ios 20 y 21.

23. Para p1 , p2 , M, 0 < γ < 1, 0 < β < 1, resuelva el problema de un
onsumidor on fun ión de utilidad tipo CRRA
x1−γ − 1 y 1−γ − 1
Maximizar +β
1−γ 1−γ
x≥0
y≥0
24. Para p1 , p2 , M, γ > 0, 0 < β < 1, resuelva el problema de un

onsumidor on fun ión de utilidad tipo CARA
1 −γx β −γy
Maximizar − e − e
γ γ
x≥0
y≥0
25. Para α, β, γ > 0, px , py , pz , M > 0, resuelva el problema del onsu-

midor
Maximizar xα y β z γ
sujeta a px x + py y + pz z = M
x>0
y>0
z>0
26. Resuelva el problema de un onsumidor on fun ión de utilidad

separable y uadráti a ; es de ir,
Maximizar u(x) + β u(y)
x≥0
y≥0
donde u(·) es una fun ión uadráti a del tipo u(z) = z − z 2 ; y
p1 , p2 , M > 0, 0 < β < 1.
27. [Pre ios sombra℄ En o asiones, y para evo ar ierta onexión on
los pre ios del mer ado, a los multipli adores de Lagrange de un
problema de optimiza ión (de onsumidores de produ tores) se les
denomina pre ios sombra. Note que, por el teorema de la envolven-
te expuesto en esta le ión, el parámetro λ oin ide on el valor
marginal de los re ursos. Para ilustrar el papel que pueden jugar los
pre ios sombra en problemas de distribu ión e iente de re ursos
es asos, onsidere el siguiente ejemplo de Dixit (1990) 72 :
72
op. it.
Supongamos que una e onomía tiene 300 unidades de mano de

obra, y 450 unidades de tierra, para produ ir trigo y arne. Cada
unidad de trigo requiere de 2 unidades de mano de obra y de una
de tierra; ada unidad de arne requiere de 1 unidad de mano de
obra y 2 de tierra. Por lo tanto, si x, y son el número de unidades
de trigo y arne que puede produ ir la e onomía, debemos tener
que
2x + y ≤ 300
x + 2y ≤ 450
(a) Dibuje el onjunto de planes (x, y) posibles para esta e onomía.

(b) ¾Será que la solu ión tendrá que ser x = 50, y = 200 (empleo
total de los re ursos)? ¾Por qué?
Suponga ahora que la so iedad tiene un objetivo (o fun ión
de bienestar so ial) denido por:
W (x, y) = α ln x + β ln y
donde α, β > 0, α + β = 1, son onstantes ono idas y que

trata de maximizar esta fun ión.
( ) Es riba el problema de optimiza ión de esta so iedad.
(d) Es riba el orrespondiente lagrangiano.
(e) Es riba las CPO de Kuhn-Tu ker para este problema.
(f) Pruebe que, en un óptimo, no es posible mantener ambos fa -
tores subutilizados.
(g) Pruebe que si β ≥ 8/9 enton es x = 450α, y = 225β es una
solu ión.
(h) Pruebe que si β ≤ 2/3 enton es x = 150α, y = 300β es una
solu ión.
(i) Pruebe que si 23 < β < 8/9, se obtiene la solu ión de utiliza ión
total de fa tores: x = 50, y = 200.
(j) ¾Cuáles son las solu iones óptimas?
(k) Conrme que ada pre io sombra (multipli ador de Lagrange)
en este problema es el efe to sobre el bienestar so ial de tener
una unidad adi ional de ese fa tor.
(l) Muestre que si un fa tor no está totalmente utilizado en un

óptimo, enton es su pre io sombra es ero.
(m) Conrme que un pre io sombra positivo signi a que un in re-
mento marginal en disponibilidad del re urso afe tará positi-
vamente la produ ión.
28. [Un problema del análisis de a tividades (Koopmans (1951))℄ En

el ontexto e onómi o de la le ión 8 del volumen I (Álgebra
lineal), dis utíamos el modelo de Koopmans de la existen ia de un
equilibrio ompetitivo y sus ara terísti as de bienestar. El presente
ejer i io plantea un problema on reto y simple del análisis de
a tividades que Koopmans generalizó en su modelo pionero de
1951:
Existen n a tividades, A1 , A2 , · · · , An a las que ierta rma pue-
de re urrir, utilizando la oferta disponible de m re ursos (insu-
mos), R1 , R2 , · · · , Rm . Supongamos que bi es la oferta disponible
del re urso Ri ; que aij es la antidad del re urso Ri utilizado en
la a tividad Aj en ada unidad produ ida; y que cj es el valor ne-
to de una unidad produ ida bajo la a tividad Aj . El objetivo de
la empresa es es oger ade uadamente los niveles de utiliza ión de
las diferentes a tividades de tal manera que se maximi e el valor
de la produ ión sujeto a los re ursos dados. Es de ir, la empre-
sa ne esita en ontrar las intensidades xj ≥ 0 a que debe operar
las respe tivas a tividades Pn Aj , de tal forma que maximi e el valor
total de la produ ión j=1 cj xj sujeto a la ondi ión de que las
antidades de re ursos utilizados en esta opera ión no puede so-
P
brepasar la oferta, es de ir, nj=1 aij xj ≤ bi para i = 1, 2, ..., m.
El ejer i io aquí onsiste en que el le tor onstruya y resuelva un
ejemplo on reto de análisis de a tividades on m = 3 y n = 2., e
interprete el resultado ade uadamente.
29. [Prueba de existen ia de equilibrios en el modelo de von Neumann

(1932)℄ Utilizando el teorema minimax, podemos probar el teore-
ma de existen ia de solu ión úni a del modelo de von Neumann que
estudiamos en el volumen I (álgebra lineal), y que reprodu imos a
ontinua ión. El ejer i io onsiste en que el le tor siga uidadosa-
mente la prueba del teorema.
Consideremos una e onomía donde hay n bienes G1 , G2 , ..., Gn que

pueden produ irse mediante m pro esos P1 , P2 , ..., Pm . En ada
pro eso Pi (i = 1, 2, ..., m) se utilizan antidades ono idas aij (ex-
presadas en unidades onvenientes) y se produ en las antidades
ono idas bij , de los respe tivos bienes Gj (j = 1, 2, ..., n). El pro-
eso, enton es, puede simbolizarse de la siguiente forma:
n
X n
X
Pi = aij Gj → bij Gj
j=1 j=1
Estos pro esos Pi (i = 1, 2, ..., m) serán utilizados on iertas inten-

sidades xi (i = 1, 2, ..., m), lo que signi a que, para la produ ión
total, las antidades de la e ua ión (5) deben multipli arse por xi .
Aquí, xi = 0 signi a que el pro eso Pi no será utilizado.
Luego se pregunta por aquellos estados en donde la e onomía se
expande sin ambio de estru tura; es de ir, donde las propor iones
x1 x2 xm−1
de las intensidades , , ..., igualan un fa tor omún α:
x2 x3 xm
x1 x2 xm−1
= = ... = =α
x2 x3 xm
A éste, von Neumann lo llama el oe iente de expansión de la

e onomía. Las in ógnitas del modelo son, enton es,
i) Las intensidades x1 , ..., xm de los pro esos P1 , ..., Pm ;

ii) El oe iente de expansión (o tasa de re imiento), α, de la
e onomía;
iii) Los pre ios y1 , ..., yn de los bienes G1 , ..., Gn ;
iv) El fa tor de interés β , donde asume que
y1 y2 yn−1
β= = = ... =
y2 y3 yn
Las e ua iones e onómi as son:
αAT X ≤ B T X (1)
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)
donde Y = [y1 , ..., yn ]T .
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.
Teorema 28. (Minimax ⇒ von Neumann)

Si aij +bij > 0 el modelo de von Neumann tiene una úni a solu ión
α = β.
Demostra ión.
Consideremos la fun ión

m,n
, m,n
yBy T X X
T
u(y, y ) = = bij yi yj aij yi yj (3)
yAy T
i,j=1 i,j=1
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.
Utilizando (1) y (2) se tiene que
máx mı́n u(y, y T ) = α, mı́n máx u(y, y T ) = β

y yT yT y
y, por el teorema minimax, α = β . 73
30. Para α, β > 0, suponga que un produ tor tiene una te nología
Leontief denida por
f (x, y) = mı́n{αx, βy}
En uentre la fun ión de ostos y las demandas de fa tores en este

aso. Note que esta fun ión no es derivable, por lo ual, aparente-
mente, no podría utilizar los métodos presentados en la presente
le ión.
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.
a) Si f (0, 0) ≥ 0, enton es el máximo del problema del produ tor

debe satisfa er π(p, w1 , w2 ) ≥ Π(p, 0, 0) ≥ 0, ya que el produ -
tor puede elegir no produ ir.
b) Sean x′ , y ′ los valores de x, y que resuelven el problema al pre io
p′ , y sean x′′ , y ′′ los que lo ha en al pre io p′′ . Enton es, por la
deni ión de Π(p, w1 , w2 ), tenemos que
p′ f (x′ , y ′ ) − w1 x′ − w2 y ′ ≥ p′ f (x′′ , y ′′ ) − w1 x′′ − w2 y ′′ ,

p′′ f (x′′ , y ′′ ) − w1 x′′ − w2 y ′′ ≥ p′′ f (x′ , y ′ ) − w1 x′ − w2 y ′ .
Supongamos que p′′ ≥ p′ ; enton es tenemos que
Π(p′′ , w1 , w2 ) = p′′ f (x′′ , y ′′ ) − w1 x′′ − w2 y ′′

≥ p′′ f (x′ , y ′ ) − w1 x′ − w2 y ′
≥ p′ f (x′ , y ′ ) − w1 x′ − w2 y ′
= Π(p′ , w1 , w2 )
De manera similar, si x′ , y ′ son los valores de x, y que resuelven

el problema al pre io w1′ ; y x′′ , y ′′ los que lo ha en al pre io w1′′ ,
enton es
pf (x′ , y ′ ) − w1′ x′ − w2 y ′ ≥ pf (x′′ , y ′′ ) − w1′ x′′ − w2 y ′′ ,

pf (x′′ , y ′′ ) − w1′′ x′′ − w2 y ′′ ≥ pf (x′ , y ′ ) − w1′′ x′ − w2 y ′
Supongamos que w1′′ ≥ w1′ ; enton es
Π(p′ , w1 , w2 ) = pf (x′ , y ′ ) − w1′ x′ − w2 y ′

≥ pf (x′′ , y ′′ ) − w1′ x′′ − w2 y ′′
≥ pf (x′′ , y ′′ ) − w1′′ x′′ − w2 y ′′
= Π(p′′ , w1′′ , w2 )
Y de forma similar para w2 .

) Sean x′ , y ′ los valores de x, y que resuelven el problema de op-
timiza ión a los pre ios p′ , w1′ , w2′ , y sea t ≥ 0; enton es
Π(tp′ , tw1′ , tw2′ ) = tp′ f (x′ , y ′ ) − tw1′ x′ − tw2′ y ′

= t p′ f (x′ , y ′ ) − w1′ x′ − w2′ y ′
= tΠ(p′ , w1′ , w2′ )
d) Sean x′ , y ′ los valores de x, y que resuelven el problema del pro-

du tor para p′ , w1′ , w2′ ; x′′ , y ′′ los orrespondientes a p′′ , w1′′ , w2′′ ;
y x′′′ , y ′′′ los valores de x, y que resuelven el problema del pro-
du tor para λp′ + (1 − λ)p′′ , λw1′ + (1 − λ)w1′′ , λw2′ + (1 − λ)w2′′ .
Enton es,
Π(λp′ + (1 − λ)p′′ , λw1′ + (1 − λ)w1′′ , λw2′ + (1 − λ)w2′′ )

= (λp′ + (1 − λ)p′′ )f (x′′′ , y ′′′ ) − (λw1′ + (1 − λ)w1′′ )x′′′
− (λw2′ + (1 − λ)w2′′ )y ′′′

= λ p′ f (x′′′ , y ′′′ ) − w1′ x′′′ − w2′ y ′′′

+ (1 − λ) p′′ f (x′′′ , y ′′′ ) − w1′′ x′′′ − w2′′ y ′′′

≤ λ p′ f (x′ , y ′ ) − w1′ x′ − w2′ y ′

+ (1 − λ) p′′ f (x′ , y ′ ) − w1′′ x′ − w2′′ y ′
= λΠ(p′ , w1′ , w2′ ) + (1 − λ)Π(p′′ , w1′′ , w2′′ ).
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.
a) Sean x′ , y ′ son los valores de x, y que resuelven el problema al

pre io w1′ ; y x′′ , y ′′ los que lo ha en al pre io w1′′ ; enton es
w1′ x′ + w2 y ′ ≤ w1′ x′′ + w2 y ′′ ,

w1′′ x′′ + w2 y ′′ ≤ w1′′ x′ + w2 y ′ .
Supongamos que w1′′ ≥ w1′ . Enton es
C(w1′ , w2 , y0 ) = w1′ x′ + w2 y ′ ≤ w1′ x′′ + w2 y ′′ ≤ w1′′ x′′ + w2 y ′′

≤ w1′′ x′ + w2 y ′ = C(w1′′ , w2 , y0 )
Y de forma similar para w2 .

b) Si x′ , y ′ son los valores de x, y que resuelven el problema a los
pre ios w1′ , w2′ y t ≥ 0, enton es

C(tw1′ , tw2′ , y0 ) = tw1′ x′ + tw2 y ′ = t w1′ x′ + w2 y ′
= tC(w1′ , w2′ , y0 )
) Dado que C(w1 , w2 , y0 ) es lineal en w1 , w2 , enton es es ón ava.

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 ∗ )
es la úni a solu ión, lo ual ontradi e nuestra hipótesis de par-

tida.
d) Sea S = R3++ , T = R2+ , f : S ×T → R y ϕ : S → T tal que a a-
da (p1 , p2 , M ) se le asigna el onjunto {(x, y) ∈ R2+ | p1 x+p2 y ≤
M } y f (·, (x, y)) = U (x, y). Vemos que tanto f (·) omo ϕ(·) son
ontinuas, y así, por el teorema 15 (teorema del máximo), las
orresponden ias x(p1 , p2 , M ) y y(p1 , p2 , M ) son semi- ontinuas
superiormente. Es laro, que si estas orresponden ias de de-
manda tienen un úni o elemento para ada (p1 , p2 , M ), es de ir,
son fun iones de demanda, enton es son ontinuas.
37. [Demostra ión del teorema 19 (fun ión de utilidad indire ta)℄ Se-
guir uidadosamente la siguiente prueba: Supongamos que
v(p1 , p2 , M ) = U (x(p1 , p2 , M ), y (p1 , p2 , M ))
resuelve el problema de optimiza ión del onsumidor
a) Esta propiedad se sigue del he ho de que U (·, ·) es re iente,

y de que x(p1 , p2 , M ), y(p1 , p2 , M ) son no re ientes en p1 , p2
y no de re ientes en M .
b) Se tiene por la homogeneidad de grado 0 de x(p1 , p2 , M ) y
(p1 , p2 , M ).
) Primero, si p′′1 ≥ p′1 y p′′2 ≥ p′2 , enton es v(p′′1 , p′′2 , M ) ≤
v(p′1 , p′2 , M ). Y, omo λp′1 + (1− λ)p′′1 ≥ p′1 y λp′2 + (1− λ)p′′2 ≥
p′2 , enton es v(λp′1 +(1−λ)p′′1 , λp′2 +(1−λ)p′′2 ) ≤ v(p′1 , p′2 , M ).
d) Se sigue inmediatamente a partir de la ontinuidad de las
fun iones U (·, ·), x(p1 , p2 , M ) y y(p1 , p2 , M ).
38. Considere la siguiente e onomía de inter ambio puro de dos mer-

an ías y dos onsumidores, A y B , uyas fun iones de utilidad
son:
1 1
uA (xA , yA ) = (xA ) 3 (yA ) 2
1 1
uB (xB , yB ) = (xB ) 2 (yB ) 2
(a) En uentre el equilibrio si wA = (1/3, 2/3) y wB = (2/3, 1/3).

(b) Corrobore los dos teoremas del bienestar e onómi o.
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.
41. Considere la siguiente e onomía ompuesta por dos mer an ías y

tres onsumidores, A y B , uyas fun iones de utilidad y dota iones
ini iales son:
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.
(d) Corrobore los dos teoremas del bienestar e onómi o.

42. Como dijimos antes, la tradi ión paretiana nun a se preo upó por
el problema de la existen ia del equilibrio ompetitivo, a pesar de
que este on epto fue el entro de aten ión on respe to a su pro-
piedades e impli a iones. Aún así, enseguida mostraremos una de
las pruebas típi as de existen ia en el aso de e onomías de in-
ter ambio puro, y le pedimos al le tor seguirla on uidado. Esta
prueba ya tiene los elementos (teorema de punto jo de Brouwer,
formas fun ionales onvenientes, et .) que serían esen iales en la
prueba general de existen ia del modelo Arrow-Debreu que vere-
mos en la le ión 3. Cabe, en ualquier aso, advertir que estos
elementos provinieron, paradóji amente, de la prueba de existen-
ia de equilibrios de Nash que fuera publi ada por el mismo John
Nash en 1950. Es de ir, la teoría de existen ia de equilibrios wal-
rasianos le debe mu ho a la teoría de existen ia de equilibrios de
Nash.
Teorema 29. (Existen ia de equilibrios walrasianos)
Sean
U i : R2+ → R
(xi , yi ) → U i (xi , yi )
para i = A, B , fun iones de utilidad ontinuas , monótonas re ien-
tes estri tamente y uasi ón avas estri tas y (wxA , wyA ) y (wxB , wyB )
las dota iones ini iales de los onsumidores A y B , respe tivamen-
te. Además, supongamos que si pj = 0, enton es zj (px , py ) > 0 para
j = x, y . Enton es existe algún par de pre ios positivos (p∗x , p∗y ) ta-
les que zx (p∗x , p∗y ) = 0 y zy (p∗x , p∗y ) = 0; es de ir, existe un equilibrio
walrasiano para la e onomía des rita por estas fun iones de utili-
dad y dota iones ini iales.
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 )}
py + máx{0, zy (px , py )}
gy (px , py ) =
Vemos que (gx , gy ) ∈ P , ya que
px + máx{0, zx (px , py )}
gx (px , py ) + gy (px , py ) =
py + máx{0, zy (px , py )}
+
px + py + máx{0, zx (px , py )} + máx{0, zy (px , py )}

=
=1
Como P es un onjunto no-va ío, onvexo y ompa to, y g(·) es

una fun ión ontinua, por el teorema del punto jo de Brouwer
(teorema 16), existe al menos un punto jo de g(·), (p∗x , p∗y ) ∈ P .
Veamos que (p∗x , p∗y ) es un equilibrio walrasiano. Tenemos que el
punto satisfa e
p∗x + máx{0, zx (p∗x , p∗y )}

p∗x =
1 + máx{0, zx (p∗x , p∗y )} + máx{0, zy (p∗x , p∗y )}
p∗y + máx{0, zy (p∗x , p∗y )}

p∗y = .
1 + máx{0, zx (p∗x , p∗y )} + máx{0, zy (p∗x , p∗y )}
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 )}.
Multipliquemos ambas e ua iones por zx (p∗x , p∗y ) y zy (p∗x , p∗y ) res-

pe tivamente, obtenemos enton es

p∗x zx (p∗x , p∗y ) máx{0, zx (p∗x , p∗y )} + máx{0, zy (p∗x , p∗y )} =
= zx (p∗x , p∗y ) máx{0, zx (p∗x , p∗y )}.

p∗y zy (p∗x , p∗y ) máx{0, zx (p∗x , p∗y )} + máx{0, zy (p∗x , p∗y )} =
zy (p∗x , p∗y ) máx{0, zy (p∗x , p∗y )}.
Sumando ambas igualdades obtenemos

p∗x zx (p∗x , p∗y ) + p∗y zy (p∗x , p∗y ) máx{0, zx (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 )},
que por la ley de Walras es equivalente a
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.
Si zx (p∗x , p∗y ) > 0 o zy (p∗x , p∗y ) > 0 se tiene que
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;
por lo tanto, debe ser zx (p∗x , p∗y ) ≤ 0 ó zy (p∗x , p∗y ) ≤ 0. Ahora, si

zi (p∗x , p∗y ) < 0 para algún i = x, y , tendríamos que pj > 0. Pero
enton es,
p∗x zx (p∗x , p∗y ) + p∗y zy (p∗x , p∗y ) < 0
ontradi iendo la ley de Walras. Así, debe ser zx (p∗x , p∗y ) = 0 y

zy (p∗x , p∗y ) = 0.
43. [Equivalen ia entre equilibrios walrasianos y puntos jos℄ . Ya sa-

bemos (ver teorema 29) que el teorema de punto jo de Brouwer
garantiza la existen ia de un equilibrio walrasiano. Pero lo que po-
dría sorprendernos ahora es que la arma ión re ípro a también es
ierta. Veamos esto:
Consideremos la siguiente versión del teorema de existen ia de equi-

librios walrasianos, y que, aquí, llamaremos EEW :
Teorema 30. (EEW (Nikaido

P (1956) ))
74
Sea ∆n = {p = (pj ) ∈ Rn+ / n p = 1} (simplex unitario en

j=1 j
R ), y sea Γ un sub onjunto ompa to y onvexo de Rn . Suponga-
n
mos, además, que ϕ : ∆n → P (Γ) es una orresponden ia semi-

ontinua superiormente ( orresponden ia de ex eso de demanda)
que envía ada punto de ∆n en un sub onjunto onvexo no-va ío
de Γ, y que, también p · x ≥ 0 para todo x ∈ ϕ(p) (Ley Walras).
Enton es existe p∗ ∈ ∆n tal que
ϕ(p∗ ) ≥ 0
Uzawa (1962)75 ha probado que también es ierto el teorema re í-

pro o:
Teorema 31. (Walras ⇒ Brouwer)
El teorema EEW impli a el teorema de punto jo de Brouwer.
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.
Y si en esta igualdad ve torial sumamos sus omponentes, y re or-

damos que p∗ y f (p∗ ) están en ∆n , enton es llegamos a que
f (p∗ ) · p∗
=1
kp∗ k2
por lo que, enton es,
f (p∗ ) = p∗
y esto demuestra el teorema de Brouwer.
44. Cal ule todos los equilibrios de Nash (puros y mixtos) de los si-
guientes juegos en forma estratégi a:
C D C D
(a) A 1,1 2,0 (b) A 3,2 1,7
B 0,2 4,4 B 1,1 4,1
45. [Teorema de Frobenius (Parte II)℄ Existen varios resultados om-
plementarios al teorema de Frobenius (teorema 18). Son los siguien-
tes:
a) Pruebe que si A ≥ B ≥ 0 enton es λ(A) ≥ λ(B). Aquí, A ≥ B
signi a que si A = [aij ] y B = [bij ] enton es aij ≥ bij .
b) Pruebe que ρIn − A tiene inversa no-negativa si, y sólo si,
ρ > λ(A). En parti ular, una matriz insumo-produ to In − A
tendrá inversa no-negativa si, y sólo si, el máximo autovalor de
A es menor que 1. Esta ondi ión es, enton es, equivalente a las
ondi iones Hawkins-Simon (ver volumen I ( Álgebra lineal)).
) Pruebe, nalmente, que λ(A) = λ(AT ).
46. Nótese la validez de los siguientes esquemas:
teorema de ⇒ teorema de ⇒ teorema de von Neumann

Minkowski minimax ( re imiento)
teorema de ⇔ teorema de ⇒ teorema de

Brouwer Kakutani minimax
¾Podría el le tor ampliar este esquema utilizando los resultados

de la presente le ión? ¾Qué posibles onexiones entre resultados
sugeriría este esquema?
47. Reexione y ritique uidadosamente la siguiente arma ión ten-

tativa del editor: Es bien sabido que los tres teoremas: el de punto
jo de Brouwer, el de punto jo de Kakutani, y el de existen ia
de equilibrios ompetitivos, son equivalentes. Además, el teorema
de punto jo de Kakutani impli a el teorema de existen ia de equi-
librios de Nash. De esta manera, si supiéramos que este último
impli a el teorema de punto jo de Kakutani, podríamos enton es
armar que los teoremas de existen ia de equilibrios ompetitivos
y de equilibrios de Nash, son equivalentes, y así la teoría de juegos
lási a no nos llevaría más allá de donde nos ha llevado la teoría
del equilibrio general ompetitivo .
Le ión 3
Sistemas dinámi os
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
A omienzos del siglo XVIII, Ja ob Bernoulli es ribía e ua iones diferen-

iales basadas en los prin ipios newtonianos para estudiar el movimiento
planetario. También su hermano, Johann Bernoulli, modelaba fenómenos
físi os utilizando e ua iones diferen iales y las resolvía. A su vez, Ja opo
Ri ati (1752) estudiaba un tipo de e ua ión muy parti ular que hoy
lleva su nombre. Y así, a prin ipios de ese siglo, aunque se había logrado
reunir una ierta antidad de té ni as de solu ión de lases espe í as
de e ua iones, todavía no se tenía una teoría general.
Consolidar, generalizar, y rear métodos nuevos y más poderosos para
ata ar los problemas planteados en la solu ión de e ua iones diferen iales
fue el trabajo de Leonhard Euler. Y una de las laves de su éxito fue el
que Euler entendió el papel que podría jugar el on epto de fun ión. Uti-
lizando sus ono imientos sobre éstas, desarrolló diversos pro edimientos
generales para la solu ión de mu has lases de e ua iones diferen iales.
Su trabajo también in luyó el uso de métodos numéri os para hallar so-
lu iones aproximadas a asi todo tipo de e ua iones. Fue, en denitiva,
el maestro onstru tor de la futura teoría de las e ua iones diferen iales.
Posteriormente vendrían otros matemáti os a renar y extender las ideas
de Euler. En 1728, Daniel Bernoulli utilizaba los métodos de Euler para
estudiar os ila iones me áni as. También D'Alembert estudiaba y resol-
vía e ua iones diferen iales par iales a lo largo de la línea de Euler. Pero
además, Lagrange, Lapla e y Fourier (entre mu hos), re ono ieron que,
en esta área, Euler era el maestro de todos.
A omienzos del siglo XIX, Gauss y Cau hy, basados en teoría y on-
eptos de fun iones on variable ompleja, utilizaban las e ua iones di-
feren iales omo palan a de entendimiento de la teoría de las órbitas
planetarias, de la teoría de la gravita ión, y de la propaga ión de ondas
sobre una super ie líquida. También fue Cau hy quien, omo onse-
uen ia de los fundamentos lógi os del Cál ulo, daría bases matemáti as
sólidas a la teoría de las e ua iones diferen iales. Sobre los fundamen-
tos aportados por Gauss y Cau hy, dis urrieron los trabajos de mu hos
matemáti os del siglo XIX.
Pre isamente ha ia mediados del siglo XIX apare erían los problemas de
sistemas de e ua iones diferen iales. El matemáti o alemán Carl G. Ja-
obi [1804-1851℄ onvirtió la teoría de determinantes y transforma iones
lineales en una herramienta poderosa para resolver estos sistemas. Tam-
Le ión 3: Sistemas dinámi os 263
bién A. Cayley, J.J. Sylvester y J. W. Gibbs, pioneros en el desarrollo

de lo que hoy llamamos álgebra lineal, propusieron (desde una perspe -
tiva similar a la de Ja obi) diversos métodos lineales para la solu ión de
problemas on retos en termodinámi a, ele tromagnetismo, me áni a y
astronomía, que involu raban e ua iones diferen iales.
Para nales del siglo XIX, se en ontraron abundantes apli a iones y desa-
rrollos adaptados a éstas, que requerían de avan es teóri os más profun-
dos. Entre otros, en 1876, el matemáti o alemán Rudolf Lips hitz (1876)
estable ió algunos teoremas de existen ia para solu iones de e ua iones
diferen iales (ver le ión 4), que le darían un aire de solidez teóri a a
esta importante área del análisis matemáti o. De esta épo a data, pre-
isamente, el origen de la teoría de los sistemas dinámi os atribuida a
Henri Poin aré [1854-1912℄, y que George D. Birkho [1884-1944℄, en la
primera mitad del siglo XX, estable ería omo área espe í a de la teoría
de las e ua iones diferen iales.
Hoy en día, la teoría de las e ua iones diferen iales y la teoría de los
sistemas dinámi os están en plena expansión y evolu ión.
1. Sistemas dinámi os ( ontinuos) en una dimen-

sión
Debido a la novedad, variedad de herramientas, on eptos, y métodos,
no hay duda de que es pre isamente la obra de Poin aré el punto de ori-
gen de la teoría de los sistemas dinámi os. Desde el omienzo, Poin aré
on ibió la teoría ualitativa y la estabilidad de las e ua iones diferen-
iales on un ojo puesto en la me áni a elestial y, en parti ular, en la
estabilidad del sistema solar (entendida omo la estabilidad de traye to-
rias planetarias). En su trabajo, Poin aré arti uló temas entrales que
ahora son de nuestro interés aquí: la teoría ualitativa de las e ua iones
diferen iales (diagramas de fase); y el estudio de la estabilidad global o
lo al de las solu iones a través de la no ión de equilibrio.
Comenzamos enton es nuestra le ión, deniendo los sistemas dinámi os
( ontinuos) más elementales posibles: los sistemas en una dimensión.
Deni ión 1. (Sistema dinámi o ontinuo en una dimensión)
Un sistema dinámi o ontinuo en una dimensión es una e ua ión dife-
ren ial de la forma

ẋ(t) = f (x(t), t) (C1D)
donde t es la variable tiempo ; x(t) : I → A es una traye toria; ẋ(t) ≡
dx
; f : A × I → R es una fun ión diferen iable on ontinuidad; el
dt
onjunto A ⊆ R es abierto, no-va ío; y I es un intervalo abierto de la
forma (a, +∞), donde a ∈ R ∪ {−∞}, o de la forma (−∞, a) donde
a ∈ R ∪ {∞}.
Deni ión 2. (¾Qué es resolver este sistema dinámi o?)

Resolver un sistema dinámi o ontinuo ẋ(t) = f (x(t), t) es en ontrar
todas las posibles traye torias x(t) que satisfagan esta e ua ión. A ada
una de tales traye torias x(t) se le ono e omo una solu ión al sistema
dinámi o.
Ejemplo 1. (Sistema dinámi o lineal fundamental)

El sistema
ẋ(t) = c x(t) (es de ir, f (x, t) = c x, on c onstante para todo t)
lo podemos resolver fá ilmente mediante antideriva ión1 , en ontrando

que todas las solu iones x(t) tienen la forma
x(t) = kect para alguna onstante k ∈ R
De he ho, observemos que k = x(0). A esta, por razones evidentes, se

le llama la ondi ión ini ial del sistema dinámi o. De manera que todas
las solu iones al sistema dinámi o lineal, tienen la forma (ver gura 1)
x(t) = x(0) ect t ∈ (−∞, ∞)
Claramente,
lı́m x(t) = 0 si c < 0 ; x(t) = x(0) si c=0

t→∞
lı́m x(t) = +∞ si c > 0 y x(0) > 0

t→∞
lı́m x(t) = −∞ si c > 0 y x(0) < 0

t→∞
1
Ver volumen II (Cál ulo), le ión 4.
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 2. (Un sistema dinámi o no-lineal)

El sistema
ẋ(t) = x(t)2 (es de ir, f (x, t) = x2 para todo t)
también es fá il de resolver mediante la antideriva ión: Puesto que, aquí,

dx dx R dx R
= x2 enton es, si x 6= 0, 2 = dt, y así, = dt, y, por lo tanto,
dt x x2
−x−1 = t + k para algún k ∈ R. Luego, todas las solu iones x(t) (ver
gura 2) tienen la forma
1
x(t) = − para algún k ∈ R; ó x(t) = 0 para todo t
t+k
donde la ondi ión ini ial, para las solu iones del primer tipo, es x(0) =
1
− si k =6 0. En ualquier aso, notemos que lı́mt→∞ x(t) = 0.
k
Ejemplo 3.
Es fá il observar, mediante una apli a ión dire ta de antideriva ión, que
el sistema
ẋ(t) = t (es de ir, f (x, t) = t para todo x)
tiene omo solu iones

t2
x(t) = +k para alguna onstante k ∈ R
2
donde la ondi ión ini ial es x(0) = k. Notemos que siempre se tiene que
lı́mt→∞ x(t) = +∞ (ver gura 3).
x(t) x(t)
x(0) • t = −k
t t
t = −k • x(0)
aso k > 0 aso k < 0

Figura 2: Solu iones al sistema ẋ(t) = x(t)2
x(t)
x(0)
•
t
Figura 3: Solu ión al sistema dinámi o ẋ(t) = t
Ahora: Al estudiar un sistema dinámi o, podrían apare er iertas solu-

iones muy parti ulares que ayudan a entender este movimiento. A estas,
la Físi a siempre las ha llamado equilibrios , y la teoría de las e ua iones
diferen iales y, en parti ular, la de los sistemas dinámi os, también ha
adoptado este nombre.
Deni ión 3. (Punto de equilibrio)

Un punto x∗ ∈ A es un punto de equilibrio (ó esta ionario) 2 del sistema
dinámi o ontinuo ẋ(t) = f (x(t), t) si, y sólo si, f (x∗ , t) = 0 para todo t.
Es de ir, x(t) = x∗ para todo t ∈ I es una solu ión que, al satisfa er

ẋ(t) = 0 para todo t, el sistema dinámi o, una vez al anzado el punto
x∗ , permane erá allí por siempre.
2
También llamado punto jo.
Ejemplo 4.
(a) Para el sistema dinámi o ẋ(t) = c x(t), el úni o punto de equilibrio,

si c 6= 0, es x∗ = 0.
(b) Para el sistema dinámi o ẋ(t) = x(t)2 , el úni o punto de equilibrio
es también x∗ = 0.
( ) Para el sistema dinámi o ẋ(t) = cx(t) + b, el úni o punto de equili-
brio, on c 6= 0, es x∗ = −b/c .
(d) El sistema dinámi o ẋ(t) = x(t)2 + 1 no tiene equilibrios. De he ho,
mediante antideriva ión es fá il mostrar que la solu ión general es
de la forma x(t) = tan(t + k) para k ∈ R.
(e) Para el sistema dinámi o ẋ(t) = x(t)2 − 1, los equilibrios son x∗ = 1,
x∗ = −1 (múltiples equilibrios). Mediante antideriva ión se puede
mostrar que, además de x∗ = 1 y x∗ = −1, todas las solu iones
están dadas por las fun iones
1 + e2t+k
x(t) =
1 − e2t+k
para algún k ∈ R. Note que
lı́m x(t) = −1, lı́m x(t) = 1
t→∞ t→−∞
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.
Ver teorema 13 (teorema de Pi ard), le ión 4 (optimiza ión dinámi a).

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.
a) Diagramas de fase unidimensionales
Por deni ión, resolver un sistema dinámi o ẋ(t) = f (x(t), t) es en ontrar

sus solu iones x(t). El primer método para lograr esto es el analíti o :
en ontrar solu iones explí itas al sistema omo hemos he ho en todos los
ejemplos hasta ahora propuestos. La di ultad es que esto no siempre
es posible, pues depende de qué tan simple sea la fun ión f (x(t), t). El
segundo método es el ualitativo : trazar des rip iones de las solu iones
sin tener expresiones explí itas de éstas. Este método se ono e omo el
de diagramas de fase del sistema dinámi o. Desafortunadamente, sólo es
posible apli arlo onvenientemente uando el sistema es autónomo.
Deni ión 4. (Sistema dinámi o autónomo)

Un sistema dinámi o ẋ(t) = f (x(t), t) es autónomo si, y sólo si,
f (x(t), t) = f (x(t)) para todo t ∈ I
Es de ir, f (·, ·) no depende explí itamente de t; en otro aso, lo llama-

remos no-autónomo.
Notemos que los sistemas dinámi os de los ejemplos 1 y 2 son autónomos,

mientras que el del ejemplo 3 es no-autónomo.
Para des ribir grá amente el sistema autónomo ẋ(t) = f (x(t)) median-
te un diagrama de fase, simplemente dibujamos la fun ión f (·) en un
diagrama x vs f (x) (= ẋ). Así, valores positivos de f (·) orresponden a
valores positivos de ẋ, y esto signi a que x(·) es una fun ión re iente.
Para indi arlo en la grá a, dibujamos e has en el sentido de t re ien-
te. De la misma forma, valores negativos de f (·) orresponden a valores
negativos de ẋ y, por tanto, x(·) es una fun ión de re iente de t; y para
indi arlo, dibujamos e has en el sentido de t de re iente. Claramente,
los puntos de equilibrio serán las interse iones de f (·) on el eje X , es
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
aso c > 0 aso c < 0

Figura 4: Diagramas de fase del sistema dinámi o ẋ(t) = cx(t), on c 6= 0.
Pero también podemos des ribir un sistema dinámi o on un diagrama

de fase unidimensional que es, sin duda, más sen illo. La té ni a onsiste
aquí en que si x = x∗ es un equilibrio del sistema dinámi o autónomo
ẋ(t) = f (x) enton es se estudian los signos de f (x) uando x es un po o
mayor que x∗ , y uando es un po o menor que x∗ . Si el signo es positivo,
enton es ẋ > 0, es de ir, x re e, y las e has irán ha ia la dere ha; y si
es negativo, enton es ẋ < 0, es de ir, x de re e, y las e has irán ha ia
la izquierda.
Por ejemplo, en lugar de las grá as bidimensionales de la gura 4, po-
dríamos dibujar, respe tivamente, los diagramas unidimensionales de la
gura 5, que son equivalentes y más simples.
(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
Figura 6: Diagramas de fase del sistema ẋ(t) = x(t)2 − 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
Uno de los prin ipales objetivos de los sistemas dinámi os es estudiar

el omportamiento de sus solu iones er a de un punto de equilibrio.
Esto onstituye la llamada teoría de la estabilidad. Quizás no sobre re-
saltar aquí que la importan ia del on epto de estabilidad para sistemas
dinámi os, radi a en el he ho de que en los ál ulos impli ados en la
onstru ión de una máquina elé tri a, o en el estudio del vuelo de ae-
ronaves, o de un pro eso quími o, et ., que la dinámi a sea o no estable
determina en gran parte el éxito o fra aso del pro eso analizado. La de-
ni ión bási a de estabilidad para sistemas dinámi os en una dimensión
• • •
x
Equ. estable Equ. asintót. estable Equ. inestable
Figura 7: Equilibrios estables e inestables.
es la siguiente:
Deni ión 5. (Estabilidad)
i) Diremos que el punto de equilibrio x∗ del sistema dinámi o ẋ(t) =

f (x(t), t) es estable si dado ǫ > 0 existen δ > 0 y t0 > 0 tales que
|x(t0 ) − x∗ | < δ impli a |x(t) − x∗ | < ǫ para todo t > t0 . En otro
aso, diremos que x∗ es inestable (o no-estable ) (ver gura 7).
ii) Diremos que el punto de equilibrio x∗ del sistema dinámi o ẋ(t) =

f (x(t), t) es asintóti amente estable (o atra tor ) si es estable, y si
lı́mt→∞ x(t) = x∗ (ver gura 7).
Es de ir, un equilibrio es estable si uando una solu ión omienza er a

de este equilibrio, permane erá siempre er a de él. Y, de la misma forma,
este equilibrio es asintóti amente estable si uando una solu ión omienza
er a de éste, enton es onvergerá allí 3 .
Determinar la estabilidad de un equilibrio mediante esta deni ión puede

ser ompli ado. Por ejemplo, puede ser que no sea posible en ontrar las
solu iones explí itamente. En el aso de los sistemas de una dimensión no
es, sin embargo, muy ompli ado estable erlo utilizando los diagramas de
fase, y el siguiente teorema onrma nuestra intui ión dentro del grá o
ualitativo de los sistemas autónomos.
3
Existe también la no ión de estabilidad asintóti a global , signi ando esto que la
ondi ión de estabilidad asintóti a lı́mt→∞ x(t) = x∗ se umple, independientemente
de la ondi ión ini ial x(t0 ). A la ondi ión ii) de arriba, se le a ostumbra enton es a
llamar estabilidad asintóti a lo al .
ẋ
• • • • •
x1 x2 x3 x4 x5 x
Figura 8:
Ejemplos de puntos de equilibrio estables e inestables. Los puntos de equili-

′ ′
brio x1 y x5 son asintóti amente estables y se tiene f (x1 ) = 0 y f (x5 ) < 0.
′ ′
Los puntos de equilibrio x2 , x3 , x4 son inestables on f (x2 ) = f (x4 ) = 0 y
f ′ (x3 ) > 0.
Teorema 2. (Criterio de estabilidad para sistemas autónomos)

Sea x∗ un punto de equilibrio del sistema dinámi o autónomo ẋ(t) =
f (x(t)). Enton es (ver gura 8):
i) Si f ′ (x∗ ) < 0, enton es x∗ es asintóti amente estable.
ii) Si f ′ (x∗ ) > 0, enton es x∗ es inestable.
iii) Si f ′ (x∗ ) = 0, el riterio no permite de idir.
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.
(a) En el ejemplo 6, tenemos que f (x) = c x; luego f ′ (x) = c y así:

ẋ
• • • • • •
0 2 1 x 0 2 1
3 3
Figura 9: Diagramas de fase del sistema ẋ(t) = x(x − 1)(2 − 3x)
i) Si c < 0, enton es x∗ = 0 es asintóti amente estable.

ii) Si c > 0, enton es x∗ = 0 es inestable (ver gura 4).
(b) En el ejemplo 1, tenemos que f (x) = x2 − 1; luego f ′ (x) = 2x y el

omportamiento de los equilibrios, x∗ = 1, x∗ = −1, es
i) Como f ′ (−1) = 2(−1) < 0, enton es x∗ = −1 es asintóti amen-

te estable.
ii) Como f ′ (1) = 2(1) > 0, enton es x∗ = 1 es inestable (ver gura
6).
Ejemplo 9.
Determinemos los puntos de equilibrio de 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,
f ′ (x) = (x − 1)(2 − 3x) + x(2 − 3x) − 3x(x − 1)
(a) Como f ′ (0) = −2 < 0, enton es x∗ = 0 es asintóti amente estable.

(b) Como f ′ 23 = 23 > 0, enton es x∗ = 23 es inestable.
( ) Como f ′ (1) = −1 < 0, enton es x∗ = 1 es asintóti amente estable.
Los diagramas de fase de la gura 9 orroboran a), b) y ).
Ejemplo 10. (Desintegra ión radia tiva)

La ley de la desintegra ión radia tiva del elemento quími o radio arma
que la tasa de desintegra ión es propor ional a la antidad ini ial de
radio presente. Para averiguar la antidad de radio presente en ualquier

tiempo t posterior, notamos primero que si R(t) es la antidad de radio
no desintegrado en el tiempo t, enton es −Ṙ es la tasa de desintegra ión,
y omo ésta es propor ional a R, enton es la e ua ión de desintegra ión
es
−Ṙ = cR donde c > 0 es una onstante ono ida.
y ya sabemos que la solu ión a este sistema dinámi o en una dimensión
es
R(t) = R(0) e−ct
donde R(0) es la antidad presente de la sustan ia quími a al omienzo
del pro eso.
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?
En la atmósfera, la propor ión del arbono radia tivo 6 C 14 y el arbón

omún es onstante, lo ual se umple también para los organismos vivos.
Cuando un organismo muere, esa la absor ión de 6 C 14 al respirar y al
alimentarse. Por lo tanto, la edad de un fósil puede estimarse omparando
la propor ión de arbono presente en el fósil on el de la atmósfera. Esta
es la idea del Data ión por arbono radia tivo de W. Libby (premio Nobel
en Quími a en 1910).
La vida media del arbono 14 es de 5,730 años 4 y el modelo que rige la
antidad de arbono 14 en un fósil es ẏ(t) = cy(t) para todo tiempo t.
Sabemos que la solu ión a esta e ua ión es
y(t) = y(0) ect

4 14
La vida media es el tiempo después del ual la sustan ia radia tiva 6 C ha
disminuido a la mitad su valor original.
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.
h(t)
Salida del agua
Figura 10: Ley de Torri elli.
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.
2. Compruebe, mediante antidiferen ia ión, que todas las solu iones

del sistema dinámi o
ẋ(t) = cx(t) + b, c 6= 0
tienen la forma x(t) = kect − (b/c).
3. (a) Compruebe, mediante antidiferen ia ión, que todas las solu-

iones del sistema dinámi o
ẋ(t) = c(t)x(t) + b(t)
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
( ) Cal ule también las solu iones del sistema dinámi o
2
ẋ(t) = x(t) − t
t
4. Para los sistemas dinámi os (b) y )) del ejer i io anterior, en-

uentre, si existe, la solu ión que satisfaga x(1) = 5. ¾Es ésta una
solu ión global o lo al?
5. Dibuje los diagramas de fase unidimensionales de los siguientes

sistemas dinámi os autónomos:
(a) ẋ = µ x (1 − x) on µ > 0 (e ua ión logísti a )
(b) ẋ = axβ + bx 0 < b < 1, a 6= 0, β > 0

( ) ẋ = ax3 ; a 6= 0 (d) ẋ = ln(x − 1)
2
(e) ẋ = 2 + sen x (f) ẋ = x 3
6. Estudie el omportamiento de estabilidad de los equilibrios (si exis-

ten) de los sistemas dinámi os autónomos del ejer i io anterior.
7. Resuelva explí itamente mediante antidiferen ia ión, en uentre los

equilibrios, y anali e la estabilidad on su orrespondiente diagra-
ma de fase, en ada uno de los siguientes asos:
√
(a) ẋ + (t + 1)x3 = 0 (b) ẋ = 1 − x
( ) ẋ = x2 sen t (d) ẋ = e2t cos x
1 x
(e) ẋ = 3x 2 − 12 x (f) ẋ =
t
8. Suponga que la pobla ión de la Tierra ambia a una rapidez pro-
por ional a la pobla ión a tual, y asuma que en ierto instante
t = 0 de la historia, la pobla ión era de 600 millones; y que 300
años después la pobla ión era de 2,800 millones. En uentre la po-
bla ión de la Tierra para el año 2020. Si se supone que la Tierra
puede sostenerse a sí misma on 2.5 × 1010 habitantes, ¾ uándo
al anzaría este límite?
2. Sistemas dinámi os ( ontinuos) en dos dimen-

siones
En esta se ión ampliamos la dis usión a los sistemas dinámi os onti-
nuos planares ; es de ir, en dos dimensiones. Y aunque las té ni as de
análisis varían, los on eptos entrales se mantienen. Veamos esto.
Deni ión 6. (Sistema dinámi o ontinuo en dos dimensiones)

Un sistema dinámi o ontinuo en dos dimensiones es un par de e ua io-
nes diferen iales de la forma
ẋ(t) = f (x(t), y(t), t)

(C2D)
ẏ(t) = g(x(t), y(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 ∪ {∞}.
Deni ión 7. (¾Qué es resolver este sistema dinámi o?)

Resolver el sistema dinámi o en dos dimensiones
(C2D) es en ontrar
todas las traye torias posibles x(t), y(t) que satisfagan, simultánea-
mente, lasdos e ua iones diferen iales. A ada una de estas traye torias
x(t), y(t) se le ono e omo una solu ión del sistema dinámi o.

El sistema lineal, para a11 , a12 , a21 , a22 ∈ 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
x(t) = αe−2t + βe−4t

y(t) = αe−2t − βe−4t
(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
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.
Observemos que, en este aso, ẋ(t) = x∗ , ẏ(t) = y ∗ para todo t ∈ I es

una solu ión tal que ẋ(t) = 0 y ẏ(t) = 0; por tanto, si el sistema dinámi o
al anza el equilibrio, permane erá allí por siempre.
Ejemplo 16. (Equilibrio úni o)

Para el sistema dinámi o
ẋ = 2x + y, ẏ = x − 2y
el úni o punto de equilibrio es (x∗ , y ∗ ) = (0, 0) que es donde 2x + y = 0,

x − 2y = 0.
Ejemplo 17. (Equilibrios múltiples)

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
tiene múltiples equilibrios: todos los puntos (x∗ , y ∗ ) on x∗ = y ∗ satisfa-

en las dos e ua iones x − y = 0, x2 − y 2 = 0.

2x 3 3y
ẋ = − , ẏ= −2
y 2 2x
tiene múltiples equilibrios: todos los puntos (x∗ , y ∗ ) 6= (0, 0) on x∗ =

3 ∗ 2x 3 3y
y satisfa en las e ua iones − = 0, − 2 = 0.
4 y 2 2x
Al igual que en el aso de sistemas unidimensionales, en el aso de sis-
temas bidimensionales, tal y omo los estable imos en la deni ión 6,
también tendremos un teorema de existen ia y uni idad:
Teorema 3. (Existen ia y uni idad lo al de solu iones (Lips-

hitz (1876)))
Si (x0 , y0 ) ∈ A, t0 ∈ I , enton es existe una úni a solu ión (x(t), y(t)) al
sistema dinámi o
ẋ(t) = f (x, y, t)
ẏ(t) = g(x, y, t)
denida en un intervalo abierto alrededor de t0 donde x(t0 ) = x0 y

y(t0 ) = y0 .
Demostra ión.
Ver teorema 14, le ión 4 (Optimiza ión dinámi a).
Para terminar esta se ión estable emos la no ión de sistema dinámi o

autónomo en dos dimensiones. Estos tendrán la virtud de permitir laras
des rip iones de la dinámi a mediante sus orrespondientes diagramas
de fase, omo veremos en la próxima se ión.
Deni ión 9. (Sistema autónomo)

El sistema dinámi o en dos dimensiones
ẋ(t) = f (x(t), y(t), t)

ẏ(t) = g(x(t), y(t), t)
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.
a) Diagramas de fase en dos dimensiones
Un diagrama de fase en dos dimensiones es una herramienta grá a que,

similar a la utilizada en el aso unidimensional, nos permite visualizar y
tener una des rip ión ualitativa de la dinámi a de un sistema bidimen-
sional autónomo en su totalidad. En un plano artesiano x vs. y , ada
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))
lo onstruimos, sin ha er explí itas sus solu iones, de la siguiente forma:
(a) Primero, dibujamos en el plano los puntos (x, y) tales que f (x, y) =
0, es de ir, 2x + y = 0; y después los puntos (x, y) tales que g(x, y) =
0, es de ir, x − 2y = 0; siendo su punto de interse ión el úni o

equilibrio del sistema: (x∗ , y ∗ ) = (0, 0) (ver gura 12).
(b) Luego observamos que se ha dividido el plano en uatro regiones:

región I (primer uadrante), región II (segundo uadrante), región
III (ter er uadrante), y región IV ( uarto uadrante), (ver gura
12).
i) En la región I se tiene que
f (x, y) =2x + y > 0 y g(x, y)= x − 2y < 0
ii) En la región II se tiene que
f (x, y) = 2x + y < 0 y g(x, y)= x − 2y < 0
iii) En la región III se tiene que
f (x, y) = 2x + y < 0 y g(x, y)= x − 2y > 0
iv) En la región IV se tiene que
f (x, y) = 2x + y > 0 y g(x, y)= x − 2y > 0
( ) En ter er lugar, dibujamos la e has:
i) En la región I, puesto que f > 0 y ẋ = f , enton es x re e,

y esto lo dibujamos on una e ha ha ia el este. De manera
similar, puesto que g < 0 y ẏ = g, enton es y de re e, y esto
lo dibujamos on una e ha ha ia el sur. La dire ión de la
dinámi a en la región I será enton es en la dire ión sureste.
ii) En la región II, puesto que f < 0 y g < 0, enton es x de re e,
y esto lo dibujamos on una e ha ha ia al oeste, y y también
de re e (y esto lo dibujamos on una e ha ha ia el sur). La
dire ión de la dinámi a en la región II será, enton es, en la
dire ión suroeste.
Los asos iii) y iv) son similares.
Ya on esta informa ión, el diagrama de fase del sistema dinámi o apa-

re erá omo en la gura 12. N
y(t)
ẏ = g(x, y) = 0
x(t)
ẋ = f (x, y) = 0
Figura 12:
Constru ión del diagrama de fase del sistema ẋ = 2x + y , ẏ = x − 2y .
Ejemplo 21. (E ua ión de Lotka-Volterra)

Estimulado por el Essay on the Prin iple of Population (1798) de Tho-
mas Malthus, quien armaba que las ne esidades de pobla ión en ex-
pansión debía ex eder la oferta de re ursos naturales en algún punto
del tiempo, Pierre Verhulst (1838) publi ó lo que él llamó la e ua ión
logísti a para des ribir el re imiento de la densidad pobla ional. Esta
e ua ión, re-des ubierta en 1920, fue re-es rita y ampliada dentro del
esquema predador-presa por el biofísi o norteameri ano Alfred Lotka
(1925)6 y el matemáti o italiano Vito Volterra (1926)7 . Este modelo se
ono e hoy omo el modelo Lotka-Volterra.
La versión ontinua del modelo logísti o de Verhulst es la e ua ión dife-
ren ial
dN r(k − N )N
= (*)
dt k
donde r es la tasa máxima de re imiento pobla ional (o parámetro mal-
thusiano ), k es la máxima pobla ión sostenible, y N (t) es la antidad
N
de pobla ión en el tiempo t. Si ha emos x = , enton es la e ua ión
k
diferen ial (*) es
dx
= rx(1 − x) (e ua ión logísti a )
dt
6
Lotka, Alfred (1925), Elements of Physi al Biology, Williams and Wilkins. Bal-
timore.
7
Volterra, Vito (1926), Variazioni e uttuazioni del Numero d'Individui in Spe ie
Animali Conviventi, Mem. R. A ad. Naz. del Lin ei.
uyas solu iones son de la forma

1
x(t) = .
1
1+ − 1 e−rt
x(0)
Sin embargo, obsérvese que este modelo logísti o es para una sola espe ie,
y las más interesantes dinámi as en el mundo biológi o tienen que ver
on intera iones entre espe ies. El modelo Lotka-Volterra, pre isamente,
des ribe las intera iones de un predador y una presa en un e osistema.
Como sólo onsideramos dos espe ies, el modelo sólo involu rará dos
e ua iones: una que des ribe ómo ambia la pobla ión-presa, y la otra
que des ribe ómo ambia la pobla ión-predador. El modelo es
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
F (t)
a
b Ṙ = 0
c
eb R(t)
Figura 13: Diagrama de fase del sistema de Lotka-Volterra.
El modelo Lotka-Volterra es la base de mu hos de los modelos que hoy

en día se utilizan en biología matemáti a para el análisis de dinámi as de
pobla ión. Desafortunadamente, en esta forma el modelo presenta algu-
nos problemas importantes: ningún equilibrio es estable y, en su lugar,
los predadores y las presas re en y de re en í li amente sin aanzarse
alrededor de ningún equilibrio. Y aunque esta i li idad sí se observa
en la naturaleza, no es abrumadoramente omún. Al pare er, el modelo
Lotka-Volterra no es su iente para des ribir el fenómeno ade uadamen-
te. Quizás falta más informa ión de ontexto. Para más sobre este tipo de
modelos de evolu ión de espe ies y otros de la biología matemáti a, invi-
tamos al le tor al ex elente texto de J. D. Murray (2002), Mathemati al
Biology: I. An Introdu tion (Springer).
b) Estabilidad en dos dimensiones
De forma similar a los on eptos de estabilidad y estabilidad asintóti a

desarrollados para sistemas unidimensionales, en el aso de los sistemas
bidimensionales tenemos la siguiente deni ión:
Deni ión 10. (Estabilidad bidimensional lo al)
i) Diremos que el punto de equilibrio (x∗ , y ∗ ) del sistema bidimensional

ẋ(t) = f x(t), y(t), t

ẏ(t) = g x(t), y(t), t
es estable si dado ǫ > 0 existen δ > 0 y t0 > 0 tales que ||(x(t0 ), y(t0 ))−
(x∗ , y ∗ )|| < δ impli a ||(x(t), y(t)) − (x∗ , y ∗ )|| < ǫ para todo t > t0 .
En otro aso, se dirá que (x∗ , y ∗ ) es inestable (ver gura 14).
y(t) y(t) y(t)
(x∗ , y ∗ )
∗
•∗ • •
(x , y ) (x∗ , y ∗ )
x(t) x(t) x(t)

Equ. estable Equ. asint. estable Equ. inestable
Figura 14: Ejemplos de estabilidad e inestabilidad lo al.
ii) Diremos que el punto de equilibrio (x∗ , y ∗ ) del sistema dinámi o

bidimensional

ẋ(t) = f x(t), y(t), t

ẏ(t) = g x(t), y(t), t
es asintóti amente estable (ó atra tor) (ver gura 14) si es estable

on
lı́m (x(t), y(t)) = (x∗ , y ∗ )
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.
) Sistemas lineales ( ontinuos) en dos dimensiones
Como es ya ostumbre, al intentar des ribir un fenómeno, ini ialmente

bus amos su des rip ión formal más simple posible, es de ir, su estru -
tura lineal.
Deni ión 11. (Sistema dinámi o lineal)
i) Un sistema dinámi o lineal homogéneo (SDL) es un sistema de la

forma
ẋ = a11 x + a12 y
(SDL)
ẏ = a21 x + a22 y
o, en forma más ompa ta,

a11 a12
ż = Az, donde z = (x, y), A= (*)
a21 a22
ii) Un sistema dinámi o lineal es no-homogéneo si es de la forma
ẋ = a11 x + a12 y + b1
ẏ = a21 x + a22 y + b2
o, en forma ompa ta,

b
ż = Az + b, b= 1
b2
Bus ando resolver el SDL, re ordemos que la solu ión a la e ua ión

ż = az es de la forma z(t) = z0 eat . Podríamos intentar una solu ión
de este tipo asumiendo en el (SDL) que z = z0 eλt on z0 = (x0 , y0 ) omo
ondi ión ini ial. Reemplazando esto en (*), tenemos
ż = Az = A(z0 eλt ) y ż= λz0 eλt = (λI)z0 eλt
Si igualamos ambas expresiones y dividimos a ambos lados por eλt en-

ontramos que
(A − λI)z0 = 0
Por lo tanto, podemos en ontrar solu iones del SLD de la forma z =

z0 eλt , si λ es un valor propio (o espe tro) de la matriz A y z0 es un ve tor
propio orrespondiente al valor propio λ. De he ho, podemos de ir aún
más:
Teorema 4. (Solu iones del sistema lineal (Poin aré (1886)))
i) El onjunto de solu iones del sistema dinámi o lineal SDL es un

espa io ve torial 8 ; es de ir, la ombina ión lineal de ualquier par
de solu iones del SDL también es una solu ión del SDL.9
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
x = αc11 eλ1 t + βc12 eλ2 t

y = αc21 eλ1 t + βc22 eλ2 t
donde el ve tor olumna (c11 , c21 )T es un ve tor propio aso iado a

λ1 , y el ve tor olumna (c12 , c22 )T es un ve tor propio aso iado a
λ2 ; y donde α, β ∈ R. 11
iii) Si la matriz A del sistema SDL sólo tiene un valor propio λ y no es

una matriz diagonal, enton es la solu ión general es una ombina-
ión lineal de las fun iones eλt y teλt , y tiene la forma
x = (αc11 + βc12 )eλt + βc11 teλt

y = (αc21 + βc22 )eλt + βc21 teλt
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).
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))
pues z1 (t) y z2 (t) satisfa en SDL.
ii) Utilizaremos el he ho de que A es una matriz diagonalizable y, por

tanto (ver volumen I (Álgebra lineal), le ión
7), puede
ser des-
c c
ompuesta omo A = CDC −1 , donde C = 11 12 es la matriz
c21 c22
generada por los ve tores propios ( olumna) orrespondientes a los
valores propios distintos λ1 , λ2 , y

λ 0
D= 1
0 λ2
Denamos z ′ = C −1 z . Enton es
ż ′ = C −1 ż = C −1 Az = Dz ′
uya solu ión es λ t

′ αe 1
z (t) =
βeλ2 t
Como z(t) = Cz ′ (t), se obtiene el resultado bus ado.
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
matriz de ve tores propios que satisfa e el sistema (*) en el teorema.

De forma similar a ii), denimos z ′ = C −1 z , de lo ual obtenemos
λt
′ αe + βteλt
z (t) =
βeλt
Ejemplo 22. (Nodo)

Para en ontrar la solu ión general a

ẋ = −3x + y −3 1 x
ó (ẋ, ẏ) =
ẏ = x − 3y 1 −3 y
vemos que:
(a) El úni o equilibrio del sistema dinámi o ẋ = 0, ẏ = 0 es x∗ = y ∗ = 0.

(b) De a uerdo on el teorema 4, debemos en ontrar primero los valores
propios de la matriz
−3 1
A=
1 −3
o, equivalentemente, resolver
det(A − λI) = 0
que es
−3 − λ 1
det =0
1 −3 − λ
es de ir,
(3 + λ)2 − 1 = 0
y así, λ1 = −2, λ2 = −4.
( ) Luego al ulamos los ve tores propios orrespondientes a ada valor
propio:
i) Para λ1 = −2 tenemos que (c11 , c21 ) es un ve tor propio aso ia-
do on λ1 si, y sólo si,

−1 1 c11 0
=
1 −1 c21 0
y omo sólo ne esitamos un (c11 , c21 ) 6= (0, 0), enton es vemos
que c11 = c21 = 1 satisfa en bien el requerimiento.
y(t) ẋ = 0
ẏ = 0
•
x(t)
Figura 15: El nodo del ejemplo 22.
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
(e) Es siempre onveniente, de ser posible, una representa ión grá a de

las solu iones mediante un diagrama de fase. Aquí, este se obtiene
si, en primer lugar, ha emos β = 0 y α 6= 0 es ualquiera. Así
en ontramos que y = x es una solu ión. La dire ión de las e has
ha ia ero sobre la re ta y = x de la gura 15, lo determina el he ho
de que lı́m x(t) = lı́m αe−2t = 0. De la misma manera, si α = 0
t→0 t→0
y β 6= 0 es ualquiera, en ontramos que y = −x es también una
solu ión, y la dire ión de las e has ha ia ero lo determina el he ho
de que lı́m x(t) = lı́m βe−4t = 0 = lı́m = −βe−4t = lı́m y(t). Las
t→∞ t→∞ t→∞ t→∞
urvas uadráti as que apare en en la gura 15 surgen del he ho de
que
β(x + y)2 = 2α2 (x − y) 12
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.
(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)
Figura 16: El punto de silla del ejemplo 23
Ejemplo 24. (Centro)


ẋ = y 0 1 x
o (ẋ, ẏ) =
ẏ = −4x −4 0 y
observamos que:

0 1
−4 0
λ2 + 4 = 0
uyas solu iones son λ1 = 2i y λ2 = −2i.
( ) Determinemos los ve tores propios de ada valor propio:
i) Para λ1 = 2i el ve tor propio (c11 , c21 ) debe satisfa er la ondi-

ión
−2i 1 c11 0
=
−4 −2i c21 0
lo ual se satisfa e en (c11 , c21 ) = (1, 2i).
ii) Para λ2 = −2i el ve tor propio (c12 , c22 ) debe satisfa er la on-
di ión
2i 1 c12 0
=
−4 2i c22 0
lo ual se satisfa e en (c12 , c22 ) = (1, −2i).
(d) Por el teorema 4, la solu ión general es de la forma
x = γ1 e2it + γ2 e−2it
y = 2γ1 ie2it − 2γ2 ie−2it
para γ1 , γ2 ∈ C. Esto es equivalente a
x = γ1 (cos 2t + i sen 2t) + γ2 (cos(−2t) + i sen(−2t))

y = 2γ1 i(cos 2t + i sen 2t) − 2γ2 i(cos(−2t) + i sen(−2t))
que es, a su vez, equivalente a
x = (γ1 + γ2 ) cos 2t + (γ1 − γ2 )i sen 2t

y = −2(γ1 + γ2 )i sen 2t + 2(γ1 − γ2 )i cos 2t
Tomemos γ1 = 12 (α + iβ) y γ2 = 12 (α − iβ) on α, β ∈ R; enton es

podemos es ribir las solu iones omo
x = α cos 2t + β sen 2t
y = −2α sen 2t + 2β cos 2t
Notemos que estas solu iones satisfa en (2x)2 + y 2 = (2α)2 + (2β)2

que orresponden, para diferentes valores de α y β , a guras elípti as
(ver gura 17).
y(t) ẏ = 0
ẋ = 0
•
x(t)
Figura 17: El entro del ejemplo 24.
Ejemplo 25. (Espiral)


ẋ = −x + y −1 1 x
o (ẋ, ẏ) =
ẏ = −x − y −1 −1 y
notemos que:

−1 1
−1 −1
(1 + λ)2 + 1 = 0
uyas solu iones son λ1 = −1 + i y λ2 = −1 − i.
( ) Ahora determinemos los ve tores propios de ada valor propio:
i) Para λ1 = −1 + i, el ve tor propio (c11 , c21 ) debe satisfa er la

ondi ión
−i 1 c11 0
=
−1 −i c21 0
lo ual se satisfa e en (c11 , c21 ) = (1, i).
ii) Para λ2 = −1 − i, el ve tor propio (c12 , c22 ) debe satisfa er la

ondi ión
i 1 c12 0
=
−1 i c22 0
lo ual se satisfa e en (c12 , c22 ) = (1, −i).
(d) Por el teorema 4, la solu ión general es de la forma
x = γ1 e(−1+i)t + γ2 e(−1−i)t
y = γ1 ie(−1+i)t − γ2 ie(−1−i)t
para γ1 , γ2 ∈ C. Esto es equivalente a
x = γ1 e−t (cos t + i sen t) + γ2 e−t (cos(−t) + i sen(−t))

y = γ1 ie−t (cos t + i sen t) − γ2 ie−t (cos(−t) + i sen(−t))
que, a su vez, es lo mismo que
x = (γ1 + γ2 )e−t cos t + (γ1 − γ2 )ie−t sen t

y = −(γ1 + γ2 )e−t sen t + (γ1 − γ2 )ie−t cos t
Si tomamos γ1 = 12 (α + iβ) y γ2 = 12 (α − iβ) on α, β ∈ R, enton es

podemos es ribir las solu iones omo
x = αe−t cos(t) − βe−t sen(t)

y = −αe−t sen(t) − βe−t cos(t)
para α, β ∈ R (ver gura 18).
y(t) ẋ = 0
•
x(t)
ẏ = 0
Figura 18: La espiral del ejemplo 25.
i) Clasi a ión de los tipos de equilibrio
Ya hemos visto el omportamiento de varios sistemas parti ulares del

(SDL). A ontinua ión presentamos la deni ión formal de estos tipos
de omportamiento.
Deni ión 12. (Tipos de equilibrios de sistemas dinámi os li-

neales)
Sea
a11 a12
A=
a21 a22
la matriz del sistema (SDL) y λ1 , λ2 sus valores propios.
i) Si λ1 < 0 < λ2 , enton es el sistema es un punto de silla .
ii) Si ambos valores propios tienen partes reales negativas, el sistema

es un valle :
(a) Si λ1 = λ2 = λ < 0 y A = λI , el sistema es un fo o onvergen-

te.
(b) Si λ1 < λ2 < 0, enton es el sistema es un nodo onvergente .
( ) Si λ1 = λ2 < 0, enton es el sistema es un nodo impropio on-
vergente .
(d) Si λ1 = a + ib, λ2 = a − ib, a < 0, enton es el sistema es una
espiral onvergente .
iii) Si ambos valores propios tienen partes reales positivas, el sistema es

una fuente .
(a) Si λ1 = λ2 > 0 y A = λI , el sistema es un fo o divergente .

(b) Si λ1 > λ2 > 0, enton es el sistema es un nodo divergente.
( ) Si λ1 = λ2 > 0, enton es el sistema es un nodo impropio diver-
gente.
(d) Si λ1 = a + ib, λ2 = a − ib, a > 0, enton es el sistema es una
espiral divergente.
iv) Si los valores propios son imaginarios puros, λ1 = ib, λ2 = −ib,

enton es el sistema es un entro (ó vórti e).
Es laro, a partir de los ejemplos anteriores, que un sistema lineal puede

tener diferentes tipos de omportamiento en las ve indades de un equi-
librio, dependiendo de sus valores propios. Para determinar bajo qué
ondi iones estamos en presen ia de uno o de otro tipo, podemos tam-
bién utilizar un riterio que no exige nuestro ono imiento explí ito de
los valores propios. Para este efe to, onsideremos de nuevo el sistema
dinámi o lineal homogéneo (SDL)
ẋ = a11 x + a12 y
ẏ = a21 x + a22 y
Aquí, la e ua ión ara terísti a de la matriz de oe ientes

a11 a12
A= (*)
a21 a22
es det(A − λI) = 0, donde λ ∈ R. Espe í amente,

a11 − λ a12

det(A − λI) = = λ2 − (a11 + a22 )λ + det A = 0 (**)
a21 a22 − λ
Ahora: si p ≡ a11 + a22 = Traza(A), q ≡ det A, ∆ ≡ p2 − 4q tendremos

la igualdad
(λ − λ1 )(λ − λ2 ) = λ2 − (λ1 + λ2 )λ + λ1 λ2
Al omparar esta on (**), observamos que p = λ1 + λ2 es la suma de

los valores propios de A, y q = λ1 λ2 su produ to.
De a uerdo a lo anterior, es inmediato el siguiente teorema de lasi a-
ión de los tipos de equilibrio:
Teorema 5. (Clasi a ión de uatro tipos de equilibrio)

Si en la matriz de oe ientes

a11 a12
A=
a21 a22
del sistema dinámi o lineal ẋ = Ax, denimos p ≡ Traza(A) = a11 +a22 ,

q ≡ det A; ∆ ≡ p2 − 4q , enton es
i) Si q > 0 y ∆ ≥ 0, enton es (0, 0) es un nodo.

ii) Si q < 0, enton es (0, 0) es un punto de silla.
iii) Si q > 0 y p = 0, enton es (0, 0) es un entro.
iv) Si p 6= 0 y ∆ < 0, enton es (0, 0) es una espiral.
q
∆=0 ∆=0
Espiral Espiral
Centro
∆>0 ∆<0 ∆<0 ∆>0
Nodo Nodo
p
Punto de silla
Figura 19: Diagrama de tipos de equilibrio.
Ejemplo 26.
(a) En el sistema del ejemplo 22,

−3 1
A=
1 −3
así, p = a11 + a22 = −6, q = det A = 9 − 1 = 8, ∆ = p2 − 4q = 4.

Por el teorema 5, el equilibrio (0, 0) es un nodo.
(b) En el sistema del ejemplo 23,

2 −4
A=
1 −3
y así, p = a11 + a22 = −1, q = det A = −2, ∆ = p2 − 4q = 9. Por el

teorema 5, el equilibrio (0, 0) es un punto de silla.
( ) En el sistema del ejemplo 24,

0 1
A=
−4 0
y por tanto, p = a11 + a22 = 0, q = det A = 4, ∆ = p2 − 4q = −16.

Por el teorema 5, el equilibrio (0, 0) es un entro.
(d) En el sistema del ejemplo 25,

−1 1
A=
−1 −1
y así, p = a11 + a22 = −2, q = det A = 2, ∆ = p2 − 4q = −4 < 0.

Por el teorema 5, el equilibrio (0, 0) es una espiral.
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:
Teorema 6. (Criterio de estabilidad para sistemas lineales)

Si en la matriz de oe ientes

a11 a12
A=
a21 a22
del sistema dinámi o lineal ẋ = Ax, denimos p ≡ Traza(A) y q ≡

det(A), enton es:
i) Si p < 0 y q > 0, el equilibrio (0, 0) es asintóti amente estable.
ii) Si p ≤ 0, y q > 0, el equilibrio (0, 0) es estable.
iii) Si p > 0 ó q < 0, el equilibrio (0, 0) es inestable.
Demostra ión.
Este teorema es on lusión inmediata de la deni ión 12 y del teorema

5.
Ejemplo 27.
(a) En el sistema del ejemplo 22,

−3 1
A=
1 −3
así, p = a11 + a22 = −6 y q = det A = 8. Por el teorema 6, el

equilibrio (0, 0) es asintóti amente estable.
Estable
Asintóti amente
Inestable
Estable
p
Inestable
Figura 20: Diagrama de riterios de estabilidad.
(b) En el sistema del ejemplo 23,

2 −4
A=
1 −3
así que p = a11 + a22 = −1 y q = det A = −2, y, por el teorema 6, el

equilibrio (0, 0) es inestable.
( ) En el sistema del ejemplo 24,

0 1
A=
−4 0
así, p = a11 + a22 = 0 y q = det A = 4. Por el teorema 6, el equilibrio

(0, 0) es estable.
(d) En el sistema del ejemplo 25,

−1 1
A=
−1 −1
así, p = a11 + a22 = −2 y q = det A = 2. Por el teorema 6, el

equilibrio (0, 0) es asintóti amente estable.
Nota 3. (E ua ión diferen ial ordinaria omo un sistema diná-

mi o)
Observemos que una e ua ión diferen ial ordinaria de segundo orden de
la forma
d2 z dz
+ b + cz = 0
dt2 dt
es equivalente al sistema dinámi o lineal
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.
Ejemplo 28. (Un ejemplo lási o: la dinámi a del resorte)

Consideremos un punto material de masa m moviéndose a lo largo del
eje horizontal x en un medio resistente (por ejemplo, en un líquido o en
un gas) bajo la inuen ia de la fuerza elásti a de un resorte a tuando
bajo la ley de Hooke ; es de ir, la fuerza elásti a del resorte a túa ha ia la
posi ión de equilibrio y es propor ional a la desvia ión on respe to de
ésta, donde la posi ión de equilibrio o urre en el punto x = 0. Así,
la fuerza elásti a es igual a −bx on b > 0 (a b se la ono e omo
oe iente de restitu ión ). Asumamos también que la resisten ia al medio
dx
es propor ional a la velo idad del movimiento; es de ir, igual a −a
dt
donde a > 0, y el signo menos señala que el medio resistente a túa en
ontra del movimiento. De la ley de Newton, que arma que el produ to
de la masa de un punto material y su a elera ión es igual a la suma de
las fuerzas que a túan sobre éste, tenemos que
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.
La e ua ión diferen ial ordinaria de segundo orden on oe ientes ons-

tantes dada por (*) puede redu irse a un sistema dinámi o lineal bidi-
dx dz
mensional así: Sea z ≡ ; enton es (*) es equivalente a m = −bx−az ;
dt dt
y, por lo tanto, el sistema lineal es
b a
ẋ = z, ż= − x− z
m m
Es fá il mostrar que los valores propios de la matriz de oe ientes

 
0 1
 
b a
− −
m m
q
a a2 b
son λ1,2 = − 2m ± 4m2
− m y deberemos estudiar tres asos:
Caso 1 (a2 > 4mb).

En este aso, λ1 , λ2 < 0, λ1 6= λ2 . Por el teorema 6, las solu iones,
todas, tenderán al punto de equilibrio x = 0 que es asintóti amente
estable. Físi amente, este aso o urre uando la resisten ia al medio es
su ientemente grande para poder evitar os ila iones. El punto material
no puede pasar a través de la posi ión de equilibrio x = 0 más de una vez.
Después, luego de al anzar la distan ia máxima desde el punto x = 0,
omenzará una lenta aproxima ión a este punto de equilibrio, pero nun a
pasará de nuevo a través de él.
Caso 2 (a2 = 4mb).

En este aso, λ1 = λ2 , ambas reales negativas. Nuevamente, por el teore-
ma 6, las solu iones, todas, tenderán al punto de equilibrio x = 0 que es
asintóti amente estable. El movimiento del punto material será similar
al del primer aso.
Caso 3 (a2 < 4mb). q q

a b a2 a b a2
En este aso, λ1 = − 2m + m − 4m 2 i y λ2 = − 2m − m − 4m2 i son
números omplejos. El punto material llevará a abo os ila iones a lo
largo del eje x (más espe í amente, alrededor del punto de equilibrio):
omo a > 0, es de ir, omo el medio sí ofre e resisten ia al movimiento
(aunque esta resisten ia es pequeña (a2 < 4bm), enton es la amplitud de
la os ila ión tenderá a ero y las os ila iones desapare erán.
x
0
Figura 21: Dinámi a de un resorte.
d) Solu ión general para sistemas no-homogéneos
Hasta ahora hemos estudiado sistemas homogéneos del tipo
ẋ(t) = a11 x(t) + a12 y(t)

(1)
ẏ(t) = a21 x(t) + a22 y(t)

T a11 a12
ż = Az, donde z = (x, y), A=
a21 a22
Sin embargo, en mu hos asos nos interesa en ontrar solu iones a siste-
mas no-homogéneos de la forma
ẋ(t) = a11 x(t) + a12 y(t) + w1 (t)

(2)
ẏ(t) = a21 x(t) + a22 y(t) + w2 (t)
donde w1 (·) y w2 (·) son diferen iables fun iones arbitrarias. En forma
más ompa ta, esto se puede es ribir omo
ż = Az + w, donde z T = (x, y), wT = (w1 , w2 )
Teorema 7. (Solu ión general a sistemas no-homogéneos)

La solu ión general al sistema
ż(t) = Az(t) + w(t) (*)
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 (*).
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
d(z1 (t) − z2 (t))

= z˙1 (t) − z˙2 (t) = A(z1 (t) − z2 (t))
dt
de forma que z1 (t) − z2 (t) es una solu ión z g (t) al problema homogéneo.
Así, z1 (t) = z g (t) + z2 (t), que es equivalente a lo que bus ábamos 13 .
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
on ondi iones ini iales x(0) = 1 y y(0) = 0, omenzamos es ribiendo

la solu ión general al sistema homogéneo
xg (t) = αe2t + βte2t

y g (t) = βe2t
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?
y p (t) = m2 + m3 t
donde m0 , m1 , m2 , m3 se pueden determinar así: Colo ando la solu ión

parti ular xp (t), y p (t) dentro del sistema original ẋ = 2x + y + t, ẏ =
2y + 1, obtendremos que
m1 = 2(m0 + m1 t) + (m2 + m3 t) + t, m3 = 2(m2 + m3 t) + 1
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
Así, α = 54 , β = 12 . Luego la solu ión del sistema no-homogéneo es
5 1 2t 1
x(t) = e2t + te − t −
4 2 4
1 1
y(t) = e2t −
2 2
e) Sistemas ( ontinuos) no-lineales en dos dimensiones
Consideremos nuevamente el sistema dinámi o autónomo en dos dimen-

siones
ẋ(t) = f (x(t), y(t))

(SDNL)
ẏ(t) = g(x(t), y(t))
dado en la deni ión 6, donde ahoraasumiremos que f (·, ·) y g(·, ·) no son

ne esariamente lineales. Sabemos, por el teorema 3, que el SDNL tiene
solu iones lo ales úni as. Sin embargo, no es mu ho más lo que podemos
de ir: en ontrar solu iones analíti as explí itas es un objetivo muy difí il
o imposible. Quizás lo primero que podríamos ha er es en ontrar los
equilibrios (x∗ , y ∗ ) del sistema resolviendo, simultáneamente, f (x∗ , y ∗ ) =
0, g(x∗ , y ∗ ) = 0. Esto, en sí mismo, puede ser un objetivo ompli ado,
pero no lo será en los asos aquí presentados.
Ahora: al en ontrar un equilibrio (x∗ , y ∗ ), es fundamental analizar la
dinámi a del sistema en er anías a él, y esto lo haremos on una té ni a
típi a: aproximar un sistema no-lineal mediante uno lineal, en la ve indad
del equilibrio. Este es el intento por redu ir un problema ompli ado a
uno simple y manejable omo es el de los sistemas lineales. Para justi ar
el pro eso, omen emos re ordando la matriz ja obiana de f y g en
(x∗ , y ∗ ) (ver volumen II: Cál ulo):
 
∂f ∂f
 ∂x ∗ ∗ ∂y (x∗ ,y∗ ) 
 (x ,y ) 
J(f, g)|(x∗ ,y∗ ) = 



 ∂g ∂g 

∂x (x∗ ,y∗ ) ∂y (x∗ ,y∗ )
formada por las primeras derivadas par iales de f (·, ·) y g(·, ·) evaluadas
en el punto (x∗ , y ∗ ), y re ordemos 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∗ )
Con estos dos on eptos, onstruimos uno nuevo muy importante en la

teoría de los sistemas dinámi os no-lineales:
Deni ión 13. (Linealiza ión de un SDNL)
Si (x∗ , y ∗ ) es un equilibrio del SDNL, enton es su linealiza ión alrededor
de (x∗ , y ∗ ) es
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:
Teorema 8.(Teorema de linealiza ión (Hartman (1963)) 14

y
Grobman (1959)) ) 15
Supongamos que (x∗ , y ∗ ) es un equilibrio del SDNL tal que la matriz

ja obiana J(f, g)|(x∗ ,y∗ ) no tenga ningún valor propio on parte real nula
(es de ir, ningún valor propio de la ja obiana es de la forma λ = ib).
Enton es tenemos:
(a) Si (x∗ , y ∗ ) es un equilibrio asintóti amente estable de la linealiza ión
del SDNL, enton es también es un equilibrio asintóti amente estable
del SDNL.
14
Hartman, Philip (1963), On the Lo al Linearization of Dierential Equations,
Pro eedings of the Ameri an Mathemati al So iety.
15
Grobman, D. (1959), Homeomorphisms of Systems of Dierential Equations,
Dokl. Akad. Nauk.
(b) Si (x∗ , y ∗ ) es inestable para la linealiza ión del SDNL, enton es tam-
bién es inestable para el SDNL.
Demostra ión.
Ver P. Hartman (1963)16 .
El teorema de linealiza ión arma que si ninguno de los valores propios de

la matriz ja obiana en equilibrio es un número imaginario puro, enton es
los sistemas lineal y no-lineal son equivalentes en términos ualitativos ; es
de ir, los nodos, puntos de silla, espirales, et ., en el sistema lineal siguen
teniendo un omportamiento respe tivo similar en el modelo no-lineal.
Veamos algunas apli a iones de este teorema:
Ejemplo 30.
Consideremos el SDNL del ejemplo 17:
ẋ = x2 + y 2 − 1 (≡ f (x, y)), ẏ = 3x(y − 1) (≡ g(x, y))
uyos puntos de equilibrio son (x∗ , y ∗ ) = (0, 1) y (x∗ , y ∗ ) = (0, −1). Las
matri es ja obianas en estos puntos son, respe tivamente,

2x 2y 0 2
J(f, g)|(0,1) = =
3(y − 1) 3x (0,1) 0 0

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
ẋ = −2y, ẏ= −6x
Así, por el teorema 5, el punto (0, −1) es un equilibrio inestable de este

sistema lineal y, por tanto, también del SDNL original.
16
op. it.
O O
−
→
φ l φ Q
−→
mg
m m
A′ A′
−
→
A A P
Figura 22: Dinámi a del péndulo.
Ejemplo 31. (Ejemplo lási o: dinámi a del péndulo)

Un péndulo matemáti o es un punto material de masa m, suspendido de
una uerda de longitud l. Asumamos que todos los estados del péndulo
permane en en un plano. En la gura 22, la fuerza tendiente a re uperar
el péndulo a la posi ión OA es la fuerza de gravedad mg a tuando sobre
el punto material. La posi ión del péndulo en ualquier tiempo t está
dado por el ángulo φ. Supongamos que la dire ión positiva de φ es en
el sentido ontrario a las mane illas del reloj. El ar o AA′ = lφ es la
distan ia movida por el punto material de la posi ión de equilibrio A.
d(AA′ )
La velo idad de movimiento v = estará dirigida a lo largo de la
dt
tangente al ír ulo y será
dφ
v=l
dt
Para estable er la e ua ión de movimiento, des ompongamos la fuerza

−
→ − →
de gravedad mg en dos omponentes Q y P , la primera de las uales está
dirigida a lo largo del radio OA′ y la segunda a lo largo de la tangente al
−
→
ír ulo. La omponente Q no puede afe tar el valor numéri o de la tasa
v , ya que laramente está balan eada por la resisten ia de la suspensión
−
→
A′ . Sólo la omponente P puede afe tar el valor de la velo idad v . Esta
omponente siempre a túa ha ia la posi ión de equilibrio A; es de ir,
ha ia un de re imiento de φ, si φ es positivo, y un re imiento si es
−
→
negativo. El valor de P es −mg sen φ, y así la e ua ión de movimiento
del péndulo es, de a uerdo a la ley newtoniana de movimiento,

dv d2 φ g
m = −mg sen φ o 2
= − sen φ (*)
dt dt l
Esta e ua ión diferen ial ordinaria de segundo orden puede redu irse al
dφ
siguiente sistema dinámi o (deniendo x = ):
dt
g
φ̇ = x, ẋ = − sen φ (**)
l
Para φ's pequeños, el úni o punto de equilibrio es (0, 0). Ha iendo lineal
(**) alrededor de (0, 0) obtenemos el sistema dinámi o lineal
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
Otro de los teorema bási os para el análisis lo al alrededor de equilibrios

de un sistema dinámi o no-lineal fue estable ido por el matemáti o ruso
Aleksandr M. Lyapunov [1857-1918℄ en 1892 en The General Problem of
Stability of Motion. Veamos en qué onsiste.
Teorema 9. (Método de Lyapunov (1892))
Supongamos que (x∗ , y ∗ ) es un equilibrio del SDNL, y asumamos también
que, para ierto ǫ > 0, existe una fun ión ontinua y diferen iable
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.
i) V (x∗ , y ∗ ) = 0
ii) V (x, y) > 0 para todo (x, y) 6= (x∗ , y ∗ )

dV (x(t), y(t))
iii) ≤ 0 para toda solu ión lo al (x(t), y(t)) 6= (x∗ , y ∗ ) del
dt
sistema no-lineal SDNL.
Enton es (x∗ , y ∗ ) es estable. Si, además, la desigualdad iii) es estri ta,

enton es (x∗ , y ∗ ) es asintóti amente estable.
A la fun ión V (·, ·) se le ono e omo fun ión de Lyapunov.
Demostra ión.
Ver Hirs h y Smale (1971)18 .
Nota 4.
Si la ve indad men ionada en el teorema de Lyapunov es todo el plano
R2 , enton es diremos que (x∗ , y ∗ ) es global y 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
tiene una fun ión de Lyapunov en el equilibrio (0, 0) de la forma
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.
ii) V (x, y) > 0 para todo (x, y) 6= (0, 0) si a, b > 0
iii) Además, si (x, y) 6= (0, 0), enton es
dV
V̇ = = 2axẋ + 2by ẏ = 2ax(−2y) + 2by(x)
dt
lo ual satisfa e V̇ = 0 uando a = 1 y b = 2; y, así, (0, 0) es estable.
Ejemplo 33. (Otro ejemplo lási o: dinámi a de un resorte rí-

gido)
Consideremos un punto material de masa m atado a un resorte que se
mueve en el eje x horizontal sin ninguna resisten ia, y que a túa bajo la
ley de Hooke ampliada, es de ir, la fuerza elásti a es igual a −b(x + x3 ),
b > 0. En este aso, la e ua ión que des ribe el movimiento x(t) del
punto material es
mẍ = −b(x + x3 ) − aẋ, a>0
Nuevamente, redu imos esta e ua ión diferen ial ordinaria de segundo

orden a un sistema dinámi o ha iendo y = ẋ:
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
ii) V (x, y) > 0 para (x, y) 6= (0, 0)
iii) Además si (x, y) 6= (0, 0), enton es
V̇ = my ẏ + b(x + x3 )ẋ + β(ẋy + xẏ + αxẋ)

19
Ésta es una fun ión de energía del sistema.

b
= (my + βx) − (x + x3 ) − ay + b(x + x3 )y + βy 2 + aβxy
m
b
= −β (x2 + x4 ) − (am − β)y 2
m
< 0 para β su ientemente pequeño
Por el teorema de Lyapunov, el equilibrio (0, 0) es asintóti amente es-

table; es de ir, la masa, eventualmente, retornará al estado de reposo.
(¾Será posible resolver este problema mediante linealiza ión?)
Nota 5. (Sobre los valores propios en los sistemas dinámi os)

La apari ión de valores propios de ierta matriz en las solu iones de
los sistemas dinámi os que hemos estudiado formalmente, ha estado,
tá ita o explí itamente, en el fondo de mu hos problemas prá ti os de
la físi a y las ien ias naturales desde por lo menos dos mil años atrás.
Por ejemplo, los pitagóri os (siglo VI a.C.) estudiaban la vibra iones de
una uerda, en ontrando que sonidos armóni amente onsonantes son
produ idos uando la uerda se divide en iertas propor iones numéri as
simples que, se puede mostrar, están dire tamente rela ionadas on los
valores propios de ierta e ua ión aso iada a la e ua ión diferen ial de
propaga ión de onda. Y este problema de propor iones numéri as lo
extendían también a los metales, y a otros materiales.
Pero a pesar de estas búsquedas de armonía en la naturaleza, sólo hasta
el siglo XVII fue posible es ribir la primera e ua ión diferen ial de onda
por parte de d'Alembert (1743), y omenzar a entender la importan ia
de los valores propios.
Ejer i ios 2
1. Compruebe que para ualquier α, β ∈ R,
x(t) = 4αet + βe−2t , y(t)= αet + βe−2t
satisfa en el sistema dinámi o
ẋ = 2x − 4y, ẏ= x − 3y
2. Compruebe que para ualquier α, β ∈ R,
x(t) = αe−t cos(t) + βe−t sen(t), y(t) = −αe−t sen(t) + βe−t cos(t)
satisfa en el sistema dinámi o
ẋ = −x + y, ẏ= −x − y
3. Utilizando la e ua ión ara terísti a, resuelva las siguientes e ua-

iones diferen iales ordinarias:
(a) y ′′ + 3y ′ + 5y = 0 (b) y ′′ − 4y + 2y = 5
4. Resuelva explí itamente el sistema dinámi o (ẋ, ẏ)T = A[x, y]T + b,

donde

−3 −1 1 0 2 1
(a) A = ; b= (b) A= ; b=
−2 −1 0 3 1 1

0 1 0 0 1 t
( ) A = ; b= (d) A= ; b= 2
−1 −1 t −2 0 t
5. Apli ando los teoremas 5 y 6, lasique el tipo de equilibrio que es

(0, 0) y su estabilidad en ada uno de los uatro asos del ejer i io
anterior.
6. Dibuje el diagrama de fase del sistema
x = y, y= −(x + x3 )
al ulando ini ialmente sus puntos de equilibrio.
7. Supongamos que un para aidista ae desde un avión ha ia la Tierra

y el para aídas se abre en el instante t = 0, uando la velo idad
del para aidista es v0 . En uentre la velo idad v(t) del para aidista
en ualquier tiempo t posterior, si éste se rige por la e ua ión
mv̇ = mg − bv 2
donde m es la masa del hombre más el equipo; g = 9.8 mt/seg2 es

la a elera ión de la gravedad; y el término bv 2 ( on b > 0) es la
fuerza de resisten ia del aire que a túa en ontra del movimiento
del para aidista.
8. Para el sistema dinámi o ẋ = λx, ẏ = µy , dibuje el diagrama de

fase, es riba la solu ión general, y determine el tipo de equilibrio
que es (0, 0) y su estabilidad uando:
(a) λ, µ > 0 ( ) λ < 0 < µ
(b) µ < 0 < λ (d) λ, µ < 0
9. En uentre y lasique los puntos de equilibrio de las siguientes

e ua iones utilizando té ni as de linealiza ión:
(a) ẍ + δ(x2 − 1)ẋ + x = 0 ( asos: δ > 0, δ < 0, δ = 0)

(b) ẍ + ẋ + sen(x) = 0
( ) ẍ + cos(x) = 0
(d) ẍ + ẋ + x = 0
(e) ẍ + ẋ + x = −x3
...
(f) x = ẋ
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
11. (Hirs h y Smale (1974) 20 ) En uentre la fun ión de Lyapunov para

el equilibrio (0, 0) en el sistema dinámi o
ẋ = −2x − y 2
ẏ = −y − x2
y on luya sobre la estabilidad del equilibrio.

20
Hirs h, Morris y Stephen Smale (1974), Dierential Equations, Dynami al Sys-
tems, and Linear Algebra, A ademi Press, New York.
12. (Solu ión general a un sistema lineal de orden n)

a) Muestre que las solu iones al sistema dinámi o lineal
ẋ = A x
donde A es una matriz n × n de oe ientes onstantes, y b es

un ve tor de dimensión n, dependen de los valores propios de
A, y, siguiendo lo estudiado en esta se ión para el aso n = 2,
des riba las solu iones espe í as en ada uno de los siguientes
asos:
i) Cuando todos los valores propios son reales y distintos.
ii) Cuando todos los valores propios son reales pero algunos
se repiten.
iii) Cuando algunos de los valores propios son omplejos.
b) Resuelva explí itamente el sistema ẋ = Ax uando
 
3 1 4

A= 5 2 2
2 3 −2
) Considere la e ua ión diferen ial ordinaria de orden n,
y (n) + a1 y (n−1) + . . . + an y = 0 (*)
y es ríbala omo un sistema dinámi o de la forma ẋ = Ax

ha iendo
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
det(A − λIn ) = λn + a1 λn−1 + a2 λn−2 + . . . + an = 0

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
h) De ida sobre la verdad o falsedad de las siguientes arma iones

on respe to a la estabilidad del equilibrio x = 0 en el sistema
ẋ = Ax:
i) x = 0 es globalmente estable si A es semidenida negativa.
ii) x = 0 es globalmente estable si A tiene todas sus entra-
das en la diagonal prin ipal, negativas; y todo el resto de
entradas, positivas.
iii) x = 0 es globalmente estable si A tiene sus menores prin-
ipales de orden impar, negativos; y los de orden par, po-
sitivos.
[Indi a ión: Sólo onsidere los asos n = 2 y n = 3, si el proble-
ma ini ialmente le pare e ompli ado.℄
i) Siguiendo las pautas de esta se ión, extienda los resultados de
sistemas no-lineales de dimensión 2, a sistemas no-lineales de
dimensión n.
3. Sistemas dinámi os (dis retos) en una dimen-

sión
A diferen ia de los sistemas dinámi os ontinuos, los sistemas dinámi os
dis retos des riben la evolu ión de eventos a medida que pasa el tiempo
en forma dis reta, es de ir, omenzando en un punto x0 , el sistema genera
la su esión
x0 , f (x0 ), f (f (x0 )), f (f (f (x0 ))), . . .
donde f (·) es una fun ión determinada. En nota ión onveniente, esto se
es ribe
x0 , f (x0 ), f 2 (x0 ), f 3 (x0 ), . . .
t-ésima itera ión de x0

donde f t (x0 ), para t = 0, 1, 2, . . . . , se llama la
bajo f (·). Al onjunto f (x0 ) | t = 0, 1, 2, . . . se le ono e omo la ór-
t
bita (positiva) de x0 . Este pro eso iterativo es el que dene, en esta

situa ión, el sistema dinámi o dis reto : Si llamamos xt ≡ f t (x0 ) para
t = 0, 1, 2, . . . , enton es
xt+1 = f t+1 (x0 ) = f (f t(x0 )) = f (xt )
Deni ión 14. (Sistema dinámi o dis reto)

Un sistema dinámi o dis reto es una e ua ión en diferen ias de la forma
xt+1 = f (xt , t) para t = 0, 1, 2, . . .
donde x0 es dado, y f : A × (N ∪ {0}) → R, on A ⊆ R no-va ío, es una

fun ión ontinua 21 dada.
Deni ión 15. (¾Qué es resolver un sistema dinámi o dis reto?)

Dado x0 ∈ R, resolver un sistema dinámi o dis reto xt+1 = f (xt , t)
es en ontrar todas las posibles traye torias {xt }∞
t=1 que satisfa en esta
e ua ión. A ada una de las traye torias se le ono e omo una solu ión
al sistema.
21
Más adelante se entenderá que los sistemas dinámi os dis retos pueden ser ex-
tremadamente omplejos, y que esta hipótesis de ontinuidad nos mantiene atados a
ierta regularidad que, así, logra que no sea aún más ompli ado el omportamiento
de estas dinámi as.
xt xt xt
x0 • x0 • x0 •
t t t
aso c > 1 aso c = 1 aso c < 1
Figura 23: Traye torias del ejemplo 34.

El sistema dinámi o, on x0 dado,
xt+1 = c xt (i.e. f (xt , t) = c xt )
puede resolverse fá ilmente: Obsérvese que
xt+1 = c xt = c (c xt−1 ) = c2 xt−1

= c2 (c xt−2 ) = c3 xt−2 = . . .
= ct+1 x0
Es de ir, la solu ión general es
xt = x0 ct
Si, por simpli idad, asumimos x0 = 1, enton es (ver gura 23):

(a) Si c > 1, xt → ∞ uando t → ∞
(b) Si c = 1, xt = 1 para todo t = 1, 2, . . .
( ) Si c < 1, xt → 0 uando t → ∞

El sistema
xt+1 = cxt + b b 6= 0, c 6= 1
on x0 dado, puede resolverse, por re ursión, de manera similar: Obsér-
vese que
xt+1 = cxt + b = c (cxt−1 + b) + b = c2 xt−1 + bc + b

= c2 (cxt−2 + b) + bc + b = c3 xt−2 + bc2 + bc + b = . . .

= ct+1 x0 + bct + bct−1 + . . . + bc + b
Es de ir, la solu ión general del sistema es

t−1
X 1 − ct
xt = ct x0 + b ck = ct x0 + b
1−c
k=0

El sistema
xt+1 = x2t
on x0 dado, también es fá il de resolver de manera re ursiva:
2
xt = (xt−1 )2 = (xt−2 )2 = (xt−2 )4
4
= (xt−3 )2 = (xt−3 )8 = . . .
t
= (x0 )2
t
Así, la solu ión general (ver gura 24) es xt = (x0 )2 , para t = 1, 2, . . ..
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
xt = txt−1 = t(t − 1)xt−2

= t(t − 1)(t − 2)xt−3 = . . .

= t ! x0
donde t! = 1 · 2 · 3 · · · (t − 1) · t. 22
Es de ir, la solu ión general es
xt = t ! x0
Ejemplo 38. (Otro sistema dinámi o lineal)

Generalizando el ejemplo anterior, en ontramos que el sistema dinámi o
de la forma
xt+1 = c(t) xt , x0 dado
donde c(t) es una fun ión ualquiera del parámetro de tiempo t, tiene
omo solu iones !
t−1
Y
xt = c(i) x0
i=0
donde
t−1
Y
c(i) = c(0) c(1) · · · c(t − 1)
i=0
El le tor puede, fá ilmente, omprobar esto por indu ión matemáti a

(ver volumen 0 (Fundamentos)).
Ejemplo 39. (Sistema dinámi o lineal general)

Un sistema dinámi o que generaliza el del ejemplo anterior, es
xt+1 = c(t)xt + b(t), x0 dado
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
omo el le tor puede omprobar mediante indu ión matemáti a y un

po o de pa ien ia.
22
Re uerde que t! se lee t fa torial.
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
Ejemplo 41. (Desintegra ión radioa tiva (de nuevo))

La ley de desintegra ión de un elemento quími o radioa tivo arma que
la tasa de desintegra ión es propor ional a la antidad ini ial presente.
Averigüemos la antidad del quími o en ualquier tiempo t posterior.
Para ello, sea Rt la antidad de radio no desintegrado en el tiempo t. La
tasa de desintegra ión estará dada por el valor −(Rt+1 − Rt ). Como ésta
es propor ional a Rt , enton es
−(Rt+1 − Rt ) = cRt donde 0 < c < 1 es ono ida;
es de ir,
Rt+1 = (1 − c)Rt
y ya sabemos que la solu ión a este sistema dinámi o dis reto es
Rt = (1 − c)t R0
donde R0 es la antidad presente del quími o al omienzo del pro eso.
Por ejemplo, en el aso del arbono 14 6 C 14 ya estudiado en el ejemplo
10, preguntábamos por la antigüedad de un hueso fósil que tiene 30 % de
la antidad original de arbono 14, y obteníamos el ál ulo de 9,950 años
de antigüedad. Si el análisis lo ha emos desde los sistemas dinámi os
dis retos en ontramos lo siguiente: puesto que la vida media del arbono
14 es de 5,730 años, enton es
1
(1 − c)5,730 R0 = R0
2
y así, c = 0.000121. Por lo tanto, la antigüedad, t, del hueso según este
modelo está dado mediante la e ua ión
30
(1 − 0.000121)t R0 = R0
100
de donde se dedu e que t = 9, 950 años, que oin ide on el tiempo

previsto en el modelo ontinuo (ver ejemplo 11).23
Ejemplo 42. (Interés simple, ompuesto y amortiza ión)
(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 . . .
uya solu ión es (ver gura 25 a))
St = S0 (1 + r t) t = 0, 1, 2 . . .
En este aso, los intereses no generan nuevos intereses.
(b) La situa 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 . . .
uya solu ión es (ver gura 25 b))
St+1 = (1 + i)t S0 t = 0, 1, 2 . . .
Ahora los intereses sí generan nuevos intereses.
( ) La amortiza ión es el pro eso mediante el ual un préstamo se paga

a través de una su esión de pagos periódi os, ada uno de los uales
se ompone de una parte que es pago de intereses y de otra parte
que es el pago del préstamo ini ial (o apital prin ipal).
Supongamos que St representa el apital prin ipal después del pa-
go Pt en el tiempo t, y asumamos también que la tasa de interés
ompuesto es i por periodo de pago. Aquí, el apital prin ipal St+1
(después del pago Pt+1 ) es igual al apital prin ipal St (después del
23
Adelante veremos que estos valores no siempre oin iden.
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.
pago Pt ) más el interés iSt in urrido durante el periodo t + 1, menos

el pago Pt+1 . Es de ir,
St+1 = St + iSt − Pt+1
ó, lo que es igual,
St+1 = (1 + i)St − Pt+1
Esta e ua ión se puede resolver omo
t
X
St = (1 + i)t S0 − (1 + i)t−k Pk
k=0
donde S0 es la antidad de dinero ini ial (préstamo), y P0 = 0.

Si el pago se ha e en uotas jas Pt = T para todo t, enton es el
apital prin ipal en el tiempo t es
T
St = (1 + i)t S0 + (1 + i)t+1 − 1
i
Y si fuéramos a pagar el préstamo en, exa tamente, N pago iguales,
¾ uál sería el pago en ada periodo? En este aso, ha emos SN = 0
y utilizando la e ua ión anterior, obtenemos que los pagos deben ser
i(1 + i)N
T = S0
1 − (1 + i)N +1
Deni ión 16. (Punto de equilibrio (ó esta ionario))

Un punto x∗ ∈ R es un equilibrio 24 del sistema xt+1 = f (xt , t) si, y sólo
si, f (x∗ , t) = x∗ para todo t = 1, 2, . . .
Así, x∗ es una solu ión onstante del sistema, pues si xt∗ = x∗ para
algún t∗ , enton es xt∗ +1 = f (xt∗ ) = f (x∗ ) = x∗ y también xt∗ +2 =
f (xt∗ +1 ) = f (xt∗ ) = f (x∗ ) = x∗ , et . En otras palabras, el sistema,
una vez al anzado el punto de equilibrio, permane erá allí, por siempre.
Grá amente, un punto de equilibrio es aquel donde la grá a de f (·)
interse ta la re ta y = x.
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 ??).

El sistema dinámi o dis reto xt+1 = f (xt , t) es autónomo si, y sólo si,
f (xt , t) = f (xt ) para todo t; es de ir, f (·, ·) no depende explí itamente
de t. En otro aso, lo llamaremos no-autónomo.
Vemos que los ejemplos 34, 35, 36 son autónomos, mientras que el ejemplo
37 es no-autónomo.
24
También llamado punto esta ionario ó punto jo.
x∗
x∗
Figura 26: Fun ión Carpa.
a) Diagramas de fase para sistemas dis retos autónomos

unidimensionales
Ahora presentamos el método ualitativo estándar de análisis de un siste-

ma dinámi o dis reto autónomo: los diagramas de fase. Ya en los modelos
ontinuos hemos mostrado su poder omo herramientas de análisis para
ayudarnos a entender el omportamiento de las solu iones en las er a-
nías de un punto de equilibrio. Aquí, a través de los ejemplos, ilustramos
la té ni a de estos diagramas. En primer lugar, lo alizamos los puntos
de equilibrio en un diagrama on abs isa x y ordenada f (x) omo los
puntos de interse ión de f (x) on la re ta y = x. Después, ubi amos el
punto de ondi ión ini ial (x0 , f (x0 )), el ual one tamos on el punto
(x1 , f (x0 )), donde x1 = f (x0 ) (es de ir, one tamos on la re ta y = x),
y este lo one tamos ahora on el punto (x1 , f (x1 )) en la grá a de f (x),
y así su esivamente. Las e has de la dinámi a del sistema estarán en la
dire ión de la traye toria antes des rita (ver gura 27).
xt+1
xt+1 = xt
x∗
•
x0 x1 xt
Figura 27: Diagrama de fase para dos ondi iones ini iales distintas.
xt+1 xt+1 = xt xt+1

xt+1 = xt
• •
x0 xt x0 xt
Figura 28: Dos diagramas de fase del ejemplo 45.
Ejemplo 45.
El diagrama de fase del sistema, para x0 dado,
xt+1 = cxt c 6= 0, 1
se debe estudiar en uatro asos:
c > 1, c < −1, 0 < c < 1, −1 < c < 0
y esto queda omo ejer i io para el le tor. De he ho, en la gura 28 se

ilustran dos de esos asos. ¾Cuáles son?
Ejemplo 46. E ua ión logísti a (versión dis reta)

Sea xt la medida de una pobla ión en el tiempo t. Si µ es la tasa de
re imiento de la pobla ión de una genera ión a otra, enton es
xt+1 = µxt µ>0 (ley de Malthus )
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:
xt+1
•
x0 x∗ = 0.6 xt
Figura 29: Diagrama de fase de la fun ión logísti a dis reta on µ = 2.5
realmente, las pobla iones re en hasta que al anzan un ierto límite

debido a la es asez de re ursos y a la ompeten ia por los mismos. Esta
ompeten ia se a ostumbra a modelar omo propor ional a 1 − xt . Así,
se obtiene la e ua ión logísti a dis reta (ver gura 29)
xt+1 = µ xt (1 − xt ) µ>0 (e ua ión logísti a )
donde µ está rela ionada on la tasa de fertilidad. A diferen ia de la

e ua ión logísti a ontinua estudiada anteriormente, ẋ = Ax(1 − x),
uyas solu iones explí itas están dadas por
1
x(t) = para c ∈ R
1 + ceAt
la e ua ión logísti a dis reta no tiene una solu ión explí ita, ex epto para
algunos valores parti ulares de µ. Más aún, esta e ua ión dis reta mues-
tra una ri a y ompli ada dinámi a, que ontrasta dramáti amente on
su homóloga ontinua, omo veremos adelante. Es laro que los puntos
µ−1
de equilibrio de la e ua ión logísti a dis reta son x∗ = 0 y x∗ = .
µ
Ejemplo 47. (Telaraña)

El diagrama de fase del sistema xt+1 = −axt + b donde b > 0, 0 < a < 1,
y x0 dado, es el de la gura 30. Obsérvese allí ómo, omenzando en x0 ,
vamos primero a la re ta y = −ax + b, luego a la re ta y = x, y de nuevo
a la re ta y = −ax + b, et . Este pro edimiento nos va llevando, en el
tiempo, al punto de equilibrio del sistema dinámi o, que es aquel en el
que las dos re tas, y = −ax + b y y = x, se en uentran.
xt+1
b
•
x0 x0 x∗ = b xt
1+a
Figura 30: La telaraña
b) Estabilidad en sistemas autónomos
Ahora estable emos los orrespondientes on eptos de estabilidad para

sistemas dinámi os autónomos dis retos en una dimensión.
i) Diremos que el punto de equilibrio x∗ del sistema dinámi o autóno-

mo xt+1 = f (xt ) es estable si dado
ǫ > 0, existen
δ > 0 y t0 > 0
tales que |xt0 − x∗ | < δ impli a f t (xt0 ) − x∗ < ǫ para todo t > t0
(ver gura 31). En otro aso, diremos que x∗ es inestable .
ii) Diremos que el punto de equilibrio x∗ del sistema dinámi o xt+1 =

f (xt ) es asintóti amente estable (o que es un atra tor ), si es estable,
y si lı́mt→∞ xt = x∗ (ver gura 32). Además, si la ondi ión de
estabilidad asintóti a no depende del punto de partida xt0 , enton es
diremos que x∗ es global y asintóti amente estable .
xt
x∗ + ǫ
x∗ + δ
xt0
x∗
x∗ − δ
x∗ − ǫ
t
Figura 31: El equilibrio x∗ es estable.
xt
x∗ +η
xt0
x∗
x∗ − η
t
Figura 32: El equilibrio x∗ es asintóti amente estable.
Regularmente, probar mediante la deni ión que determinado sistema

es (ó no) estable, es realmente difí il (si no imposible) debido a que
en ontrar solu iones explí itas no siempre es fá il (ó posible). Por ello
existen algunos riterios que nos ayudan en el propósito de determinar
la estabilidad de un equilibrio. El más típi o de ellos es el siguiente:
Teorema 10. (Criterio de estabilidad)
Sea x∗ un punto de equilibrio del sistema dinámi o autónomo xt+1 =
f (xt ) donde f (·) es ontinuamente diferen iable en una ve indad de x∗ ;
i) Si |f ′ (x∗ )| < 1 enton es x∗ es asintóti amente estable.
ii) Si |f ′ (x∗ )| > 1 enton es x∗ es inestable.
iii) De otro lado, si |f ′ (x∗ )| = 1 ne esitamos más informa ión para
de idir sobre la estabilidad del punto de equilibrio x∗ ( omo veremos
más adelante on los teoremas 11 y 12, y el ejemplo 49).
Demostra ión.
[Sólo probaremos i); la parte ii) queda omo ejer i io al le tor℄.
En primer lugar, si |f ′ (x∗ )| < M < 1 para ierto M > 0, enton es,
por la ontinuidad de f ′ , existe un intervalo I que ontiene a x∗ tal que
|f ′ (x)| ≤ M < 1 para todo x ∈ I . Por el teorema del valor medio (ver
volumen II, le 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∗ .
Ejemplo 48.
Anali emos la estabilidad de los sistemas de los ejemplos 45-46:
(a) En el sistema xt+1 = cxt , f (x) = cx y f ′ (x) = c. Si c 6= 0, el úni o

equilibrio es x∗ = 0. Si c > 1, enton es este equilibrio es inestable; y
si c < 1 enton es es asintóti amente estable.
(b) En el sistema xt+1 = (xt )2 , f (x) = x2 y f ′ (x) = 2x. El equilibrio

x∗ = 0 es asintóti amente estable, puesto que f ′ (x∗ ) = 0 < 1. Pero
el equilibrio x∗ = 1 es inestable, puesto que f ′ (1) = 2 > 1.
( ) En el sistema xt+1 = −axt + b, donde 0 < a < 1, b > 0, f (x) =

−ax+b y f ′ (x) = −a. El úni o equilibrio es x∗ = ab . Así, el equilibrio
es asintóti amente estable, ya que |f ′ (x∗ )| = a < 1.
(d) En el sistema xt+1 = µxt (1 − xt ) on µ > 0, f (x) = µx(1 − x) y

f ′ (x) = µ(1 − 2x). Los equilibrios de la e ua ión logísti a
dis reta
son x∗ = 0 y x∗ = µ−1µ . Vemos que f (0) = µ y f
′ ′ µ−1 = −2 − µ.
µ
Es de ir, x∗ = 0 es asintóti amente estable si µ < 1, e inestable en
otro aso; y x∗ = µ−1µ es asintóti amente estable si 1 < µ < 3, e
inestable en otro aso. N
Los siguientes teoremas nos ayudan en el aso en que |f ′ (x∗ )| = 1:
Teorema 11. (Estabilidad si f ′ (x∗ ) = 1)

Sea x∗ un punto de equilibrio del sistema dinámi o autónomo xt+1 =
f (xt ) donde f (·) es tres ve es diferen iable on ontinuidad en una ve-
indad de x∗ y f ′ (x∗ ) = 1:
i) Si f ′′ (x∗ ) 6= 0, enton es x∗ es inestable.
ii) Si f ′′ (x∗ ) = 0 y f ′′′ (x∗ ) > 0, enton es x∗ es inestable.
iii) Si f ′′ (x∗ ) = 0 y f ′′′ (x∗ ) < 0, enton es x∗ es asintóti amente estable.
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
f ′ (x) > 1 en un intervalo de la forma (x∗ , x∗ +ǫ). Por un argumento simi-

lar al del teorema 10, es fá il probar que x∗ es inestable. Y si f ′′ (x∗ ) < 0,
enton es f ′ (x) > 1 en un intervalo de la forma (x∗ , x∗ −ǫ) y, nuevamente,
un argumento omo el del teorema 10 nos lleva a que x∗ es inestable.
Teorema 12. (Estabilidad si f ′ (x∗ ) = −1)

Sea x∗ un punto de equilibrio del sistema dinámi o xt+1 = f (xt ) donde
f (·) es tres ve es diferen iable on ontinuidad 25 en una ve indad de x∗
y f ′ (x∗ ) = −1:
i) Si −2f ′′′ (x∗ ) < 3 (f ′′ (x∗ ))2 , enton es x∗ es asintóti amente estable.
ii) Si −2f ′′′ (x∗ ) > 3 (f ′′ (x∗ ))2 , enton es x∗ es inestable.
Demostra ión.
Consideremos ini ialmente la ondi ión
yt+1 = g(yt ) donde g(y) = f 2 (y) (*)
Observemos que el punto de equilibrio x∗ del sistema original xt+1 =

f (xt ) es también un equilibrio del sistema (*); y que si x∗ es asin-
tóti amente estable (o inestable) on respe to al sistema (*), enton-
es también lo es on respe to al sistema original.
2 Ahora: notemos que
g (y) = f (f (y))f (y) y así g (x ) = f (x ) = 1. Luego apli amos el
′ ′ ′ ′ ∗ ′ ∗
teorema 11 y, al mostrar que

′′ 2
g′′ (y) = f f (y) = f ′ (y) f ′′ f (y) + f ′ f (y) f ′′ (y)
enton es g′′ (x∗ ) = 0. De esta manera, el signo de g′′′ (x∗ ) determinará la

estabilidad asintóti a o la inestabilidad de x∗ . Pero
2
g′′′ (x∗ ) = −2f ′′′ (x∗ ) − 3 f ′′ (x∗ )
y esto naliza la demostra ión.
Ilustremos lo anterior mediante el siguiente ejemplo:

25
Es de ir, su ter era derivada es ontinua.
Ejemplo 49.
Para en ontrar los puntos de equilibrio y su estabilidad en el sistema
xt+1 = x3t + xt (≡ f (xt ))
notamos primero que el úni o equilibrio es x∗ = 0; además f ′ (x) =

3x2 + 1, luego f ′ (0) = 1 y también f ′′ (0) = 0; pero f ′′′ (0) = 6. Luego,
por el teorema 11, x∗ = 0 es inestable. ¾Podría el le tor omprobar
esto on un sen illo diagrama de fase, omenzando por dibujar la urva
f (x) = x3 + x y la re ta y = x?
Ejer i ios 3
1. Muestre que xt = 3t − 2t−3 , t = 0, 1, 2, . . ., satisfa e el sistema
dinámi o dis reto
xt+1 = 2xt + 3t
2. Muestre que xt = t! 2t , t = 0, 1, 2, . . . , satisfa e el sistema dinámi o

dis reto
xt+1 = (t + 1)xt + (t + 1)! 2t
3. Resuelva, por re urren ia, el sistema dinámi o dis reto

1
xt+1 = 2 + xt , x0 dado
2
4. En uentre la solu ión de ada uno de los sistemas dinámi os dis-

retos:
(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:
(a) Pagar en 15 años on uotas jas.

(b) Pagar la mitad del préstamo en 5 años on uotas jas, y la

otra mitad en otros 10 años on uotas jas.
( ) Tomar 5 años de gra ia (esto es, no pagar ninguna uota por
5 años dejando a umular intereses, y después del periodo de
gra ia, pagar en 5 años on uotas jas).
¾Cuál es la uota anual en ada sistema? ¾Cuánto debe Judith en

el ter er año? ¾Y en el séptimo?
6. En los siguientes sistemas dinámi os, determine (si existen) los

puntos de equilibrio, anali e (si es posible, a través de los teoremas
de la presente se ión) su estabilidad, y dibuje las traye torias y
los diagramas de fase:
(a) xt+1 = x2t − 4xt + 4 (b) xt+1 = x3t − xt
√ 2xt
( ) xt+1 = xt + 1 (d) xt+1 =
1 + xt
(e) xt+1 = ln(xt + 1) (f) xt+1 = tan−1 xt
4. Sistemas dinámi os (dis retos) en dos dimen-

siones
Si hemos omprendido lo que es un sistema dinámi o ontinuo en dos
dimensiones, la siguiente deni ión podría ser natural.
Deni ión 19. (Sistema dinámi o dis reto)

Dadas las ondi iones ini iales x0 , y0 , un sistema dinámi o (dis reto) en
dos dimensiones es un par de e ua iones en diferen ias de la forma
xt+1 = f (xt , yt , t) (*)

yt+1 = g(xt , yt , t)
donde t es la variable tiempo, las fun iones f : A × {N ∪ {0}} → R,

g : B × {N ∪ {0}} → R son ontinuas, y A, B ⊆ R2 .
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.
Ejemplo 50. (Sistema dinámi o lineal)

El sistema dinámi o dis reto lineal, para a11 , a12 , a21 , a22 ∈ R,
xt+1 = a11 xt + a12 yt

yt+1 = a21 xt + a22 yt
donde f (xt , yt , t) = a11 xt + a12 yt , y g(xt , yt , t) = a21 xt + a22 yt , será

estudiado más adelante.

El sistema dinámi o dis reto
xt+1 = f (xt , yt , t)
yt+1 = g(xt , yt , t)
es autónomo si, y sólo si, f (xt , yt , t) = f (xt , yt ), g(xt , yt , t) = g(xt , yt )

para todo t = 1, 2 . . .. Es de ir, f (·, ·) y g(·, ·) no dependen explí itamente
de t.
Observamos que el sistema dinámi o lineal es autónomo.
Deni ión 22. (Punto de equilibrio (ó esta ionario))

Un punto (x∗ , y ∗ ) es un punto de equilibrio (ó esta ionario) del sistema
dinámi o
xt+1 = f (xt , yt , t)
yt+1 = g(xt , yt , t)
si, y sólo si,

x∗ = f (x∗ , y ∗ , t), y ∗ = g(x∗ , y ∗ , t)
para todo t = 1, 2, 3, . . . ,
Observemos que, en este aso, xt = x∗ , yt = y ∗ para t = 1, 2, 3, · · ·

es una solu ión al sistema que, si éste la al anza, permane erá allí por
siempre.
Ejemplo 51. (Equilibrio úni o)

xt+1 = 2xt + yt
yt+1 = xt − 2yt
el úni o punto de equilibrio es (x∗ , y ∗ ) = (0, 0) (que es donde 2x + y = x,

x − 2y = y ).
Ejemplo 52. (Múltiples equilibrios)

xt+1 = xt (yt − 1)
yt+1 = yt2 − xt
los puntos de equilibrio son (x∗ , y ∗ ) = (0, 0) y (x∗ , y ∗ ) = (0, 1) (que es

donde x(y − 1) = x, y 2 − x = y ).
a) Estabilidad y diagramas de fase
Nuevamente arribamos a la no ión de estabilidad, ahora en el ontexto

de los sistemas dinámi os dis retos en dos dimensiones. Debe advertirse,
sin embargo, que, aquí, los diagramas de fase no tienen la onnota ión
des riptiva del aso ontinuo; aquí serán diagramas simples del despla-
zamiento de xt versus el desplazamiento de yt .
i) Diremos que el equilibrio (x∗ , y ∗ ) del sistema dinámi o
xt+1 = f (xt , yt , t)
yt+1 = g(xt , yt , t)
es estable si dado ǫ > 0, existen δ > 0 y t0 > 0 tales que si

||(xt0 , yt0 ) − (x∗ , y ∗ )|| < δ, enton es ||(xt , yt ) − (x∗ , y ∗ )|| < ǫ para
todo t > t0 . En aso ontrario diremos que es inestable o no-estable.
ii) Diremos que el equilibrio (x∗ , y ∗ ) es asintóti amente estable si es

estable, y si lı́mt→∞ (xt , yt ) = (x∗ , y ∗ ). Si la estabilidad asintóti a
no depende de ninguna ondi ión ini ial (xt0 , yt0 ), enton es diremos
que (x∗ , y ∗ ) es global y asintóti amente estable.
La gura 33 ilustra i) y ii).
yt yt yt
• • •
(x∗ , y ∗ ) (x∗ , y ∗ ) (x∗ , y ∗ )
xt xt xt
Eq. estable Equ. asint. estable Equ. inestable
Figura 33:
Ejemplos de estabilidad (paneles izquierda y mitad); e inestabilidad (panel

dere ha)).
b) Sistemas lineales (dis retos) en dos dimensiones
Comenzamos nuestro análisis fundamental de los sistemas dis retos en

dos dimensiones on los sistemas más simples posibles: los sistemas li-
neales.
Deni ión 24. (Sistema lineal dis reto)
i) Un sistema dis reto lineal y homogéneo (SDisL) es un sistema de la

forma
xt+1 = a11 xt + a12 yt (SDisL)

yt+1 = a21 xt + a22 yt
zt+1 = Azt

a11 a12
donde zt = (xt , yt ) , A =
T .
a21 a22
ii) Un sistema dis reto lineal no-homogéneo es un sistema de la forma
xt+1 = a11 xt + a12 yt + b1

yt+1 = a21 xt + a22 yt + b2
zt+1 = Azt + b

a11 a12
donde zt = (xt , yt )T , A= , b = (b1 , b2 )T .
a21 a22
De manera similar a lo que teníamos para el aso ontinuo, podemos

es ribir el siguiente teorema:
Teorema 13. (Cara teriza ión de solu iones)

i) Si la matriz A del sistema (SDisL) tiene dos valores propios reales
y distintos, enton es la solu ión general tiene la forma
xt = αc11 λt1 + βc12 λt2

yt = αc21 λt1 + βc22 λt2
donde (c11 , c21 ) es un ve tor propio aso iado a λ1 ; y (c12 , c22 ) es un

ve tor propio aso iado a λ2 ; α, β ∈ R.
ii) Si la matriz A del sistema (SDisL) tiene un valor propio real repetido
(es de ir, de multipli idad 2), enton es la solu ión general tiene la
forma
xt = (αc11 + βc12 )λt + βc11 tλt−1

yt = (αc21 + βc22 )λt + βc21 tλt−1
donde

c11 c12 c
(A − λI) =0 ; (A − λI) = 11 (*)
c21 c22 c21
y α, β ∈ R.
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
xt = αc11 r t cos(θt) + βc12 r t sen(θt)

yt = αc21 r t cos(θt) + βc22 r t sen(θt)
donde (c11 , c21 ) es un ve tor propio aso iado a λ1 ; y (c12 , c22 ) es un

ve tor propio aso iado a λ2 .
Demostra ión.
i) Utilizaremos el he ho de que si A es una matriz no singular, enton es

puede ser des ompuesta omo A = CDC −1 , donde

c11 c12
C=
c21 c22
es la matriz generada por los ve tores propios ( olumna) orrespon-

dientes a los valores propios λ1 , λ2 , y

λ1 0
D=
0 λ2
Apli ando esto, tenemos que
zt = Azt−1 = . . . = At z0 = CDt C −1 z0
Si c−1
ij es la entrada ij de la matriz C
−1 , enton es
xt = αc11 λt1 + βc12 λt2

yt = αc21 λt1 + βc22 λt2
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
y C es la matriz de ve tores propios que satisfa e el sistema (*) en el

teorema (ver volumen I (Álgebra lineal), le ión 7). Apli ando esto,
tenemos que
t
t t −1 λ tλt−1
zt = Azt−1 = . . . = A z0 = CJ C z0 = C C −1 z0
0 λt
Si c−1
ij es el elemento ij de la matriz C
−1 , enton es
xt = (αc11 + βc12 )λt + βc11 tλt−1

yt = (αc21 + βc22 )λt + βc21 tλt−1
donde α = c−1 −1 −1 −1
11 x0 + c12 y0 , β = c21 x0 + c22 y0 .
iii) La demostra ión es similar a la realizada en i); sólo se reemplaza

λ1 = r(cos θ + i sen θ), λ2 = r(cos θ − i sen θ), y se apli an las reglas
de exponentes de omplejos bajo la fórmula de Euler
eiθt = (cos θ + i sen θ)t = cos(θt) + i sen(θt)
Ejemplo 53. (Fo o inestable)

Resolvamos y hallemos el diagrama de fase del sistema

1 3
xt+1 = xt + 3yt ó zt+1 = z
−1 1 t
yt+1 = −xt + yt
yt
•
•
••
• • xt
Figura 34: Fo o inestable del ejemplo 53.

yt
• • •
•
• • ••
• • • ••
• •
• • •• ••• • •
••••
• • •••• • • • xt
•
•• •
• • • •
•• •
•
• • •
Figura 35: Silla del ejemplo 54.
Solu ión
(a) El úni o equilibrio del sistema es x∗ = y ∗ = 0.

√ √
(b) Los valores propios de la matriz A son λ1 = 1 + 3i, λ2 = 1 − 3i;
ó, lo que es equivalente, (ver volumen 0: Fundamentos),

λ1 = 2 cos π3 + i sen π3 , λ2 = 2 cos π3 − i sen π3
( ) 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
Ejemplo 54. (Silla)

Para onstruir el diagrama de fase del sistema

1 1
xt+1 = xt + yt ó zt+1 = z
0.25 1 t
yt+1 = 0.25xt + yt
notamos que:
(a) El úni o equilibrio del sistema es x∗ = y ∗ = 0.
(b) Los valores propios de la matriz A son λ1 = 1.5, λ2 = 0.5, y sus

ve tores propios respe tivos son (2, 1) y (2, −1).
( ) Las solu iones (ver gura 35) son de la forma
xt = 2 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
xt+1 = a11 xt + a12 yt

yt+1 = a21 xt + a22 yt

a11 a12
la e ua ión ara terísti a de la matriz de oe ientes A = es
a21 a22
det(A − λI) = 0 donde λ ∈ R. Espe í amente,

a11 − λ a12

det(A − λI) = = λ2 − (a11 + a22 )λ + det(A) = 0
a21 a22 − λ
Sea ρ = máx{|λ1 |, |λ2 |} donde λ1 , λ2 son los valores propios de A, y |λ|

es el valor absoluto de λ si éste es un número real, y su módulo (longitud)
si es un número omplejo. Enton es:
i) (0, 0) es un equilibrio asintóti amente estable si, y sólo si, ρ < 1
ii) (0, 0) es un equilibrio inestable si, y sólo si, ρ > 1
iii) Si ρ = 1 el riterio no permite de idir sobre la estabilidad de (0, 0).
Demostra ión.
El teorema es onse uen ia dire ta del teorema 13 de ara teriza ión de

las solu iones. La gura 36 ilustra asos parti ulares.
• 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.
(a) En el sistema dis reto

xt+1 = xt + 3yt
yt+1 = −xt + yt
√ √
los valores propios son λ1 = 1 + i 3 y λ2 = 1 − i 3; así ρ = 2 y, por
lo tanto, el equilibrio (0, 0) es inestable.
(b) En el sistema dis reto
xt+1 = xt + yt
yt+1 = 0.25xt + yt
los valores propios son λ1 = 1.5 y λ2 = 0.5; así, ρ = 1.5 y, por lo

tanto, el equilibrio (0, 0) es inestable.
) Solu ión general para sistemas no-homogéneos
Al igual que en el aso ontinuo, queremos ono er la solu ión a un siste-

ma dinámi o (dis reto) lineal no-homogéneo, que, en este aso, también
será resuelto por medio de la suma de una solu ión parti ular del sistema
no-homogéneo y la solu ión general del sistema homogéneo, tal omo se
expli a a ontinua ión.
Teorema 15. (Solu ión general a una e ua ión no-homogénea)

Si A(t) es una matriz 2 × 2, y B(t) es una matriz 2 × 1, enton es, la
solu ión al sistema
zt+1 = A(t)zt + B(t) (*)
es de la forma
zt = ztg + ztp
donde
t−1
Y
ztg = [ A(i)]z0 , z0g = I
i=0
es la solu ión al sistema dinámi o homogéneo (es de ir, on B(t) = 0),

y
Xt−1 Yr
p
zt = ( A(i)) B(r)
r=0 i=0
es una solu ión parti ular de (*).
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
xgt = α2t + β t 2t−1 , ytg = β2t
Ahora: en general, no es prá ti o utilizar la fórmula para ztg del teorema

15 anterior. Pero sí notamos de esta fórmula que la solu ión parti ular
tiene la misma forma fun ional que B(t); es de ir,
xpt = m0 + m1 t
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:
(a) xt+2 + 8xt+1 + 12xt = 0. (b) xt+2 + 5xt+1 + 4xt = 0.
on ondi iones ini iales x0 = 1 y x1 = 3.
Solu 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
que tiene valores propios λ1 = −6 y λ2 = −2, y así la solu ión a la

e ua ión en diferen ias es de la forma
xt = α(−6)t + β(−2)t
que bajo las ondi iones ini iales x0 = 1 y x1 = 3 nos lleva a

5 9
xt = − (−6)t + (−2)t
4 4
(b) De forma similar, podemos probar que la solu 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
Ejemplo 58. (Un problema de transmisión de informa ión)
Imaginemos que un sistema de señales sólo tiene dos señales, S1 y S2 ,

diferentes ( omo, por ejemplo, puntos y rayas en la telegrafía). Los men-
sajes son enviados a través de un anal después de haber sido odi ados
en se uen ias de esta señal. Supongamos que S1 requiere t1 unidades de
tiempo para ser transmitido, y que S2 requiere t2 unidades. Sea Nt el
número de posibles se uen ias de mensajes de dura ión t.
Consideremos primero aquellos mensajes de dura ión t que terminan on
un S1 . Dado que S1 toma t1 unidades de tiempo para ser transmitido,
este última señal debe ser enviada a partir de t−t1 . Pero, enton es, hasta
el momento t − t1 hay Nt−t1 posibles mensajes a los uales les podemos
agregar la señal S1 . Por lo tanto, el número total de mensajes de dura ión

t que terminan on S1 es Nt−t1 . Pero, omo un mensaje debe terminar
en S1 o S2 , tenemos que
Nt = Nt−t1 + Nt−t2
Consideremos el aso parti ular uando t1 = 1 y t2 = 2; es de ir, uando

una señal toma el doble en ser transmitida que la otra. Enton es
Nt = Nt−1 + Nt−2
que podemos rees ribir en la forma estándar
Nt − Nt−1 − Nt−2 = 0
para t = 0, 1, . . .. Esta es una e ua ión homogénea en diferen ias on

e ua ión auxiliar
λ2 − λ − 1 = 0
√ √
1 5 1 5
uyas raí es son λ1 = 2 + 2 y λ2 = 2 − 2 . Por lo tanto, la solu ión
general es de la forma
√ !t √ !t
1 5 1 5
Nt = α + +β −
2 2 2 2
Dada la interpreta ión de Nt , es usual suponer que N0 = 0 y N1 = 1,

on lo ual el número de posibles se uen ias de mensajes de dura ión t
es
√ !t √ !t
1 1 5 1 1 5
Nt = √ + −√ −
5 2 2 5 2 2
d) Sistemas (dis retos) no-lineales en dos dimensiones
Como ya podíamos preverlo, resolver (o simplemente analizar la estabi-

lidad de) sistemas dinámi os dis retos no-lineales es realmente un pro-
pósito difí il. Por esto, el método de linealiza ión es fre uentemente uti-
lizado omo forma de análisis de la estabilidad de un sistema dinámi o
(no-lineal). Fueron Lyapunov y Perron quienes originaron este me anis-

mo al apli arlo al estudio de la estabilidad de solu iones de e ua iones
diferen iales.
Consideremos de nuevo el sistema dinámi o dis reto homogéneo
xt+1 = f (xt , yt )
yt+1 = g(xt , yt )
donde f (·, ·) y g(·, ·) no son ne esariamente lineales. Por el teorema de

Taylor (ver volumen II: Cál ulo), podemos es ribir
f (xt , yt ) = f (x∗ , y ∗ ) + ∇f |(x∗ ,y∗ ) (xt − x∗ , yt − y ∗ ) + Rf (xt , yt , x∗ , y ∗ )

g(xt , yt ) = g(x∗ , y ∗ ) + ∇g|(x∗ ,y∗ ) (xt − x∗ , yt − y ∗ ) + Rg (xt , yt , x∗ , y ∗ )
donde ∇f |(x∗ ,y∗ ) y ∇g|(x∗ ,y∗ ) son los gradientes de f (·, ·) y g(·, ·) eva-
luados en (x∗ , y ∗ ) respe tivamente. Todo esto puede es ribirse aún más
sintéti amente así:
(f (x, y), g(x, y)) =
(f (x∗ , y ∗ ), g(x∗ , y ∗ )) + J(f, g)|(x∗ ,y∗ ) (xt − x∗ , yt − y ∗ ) + (Rf , Rg )
A la omponente
(f (x∗ , y ∗ ), g(x∗ , y ∗ )) + J(f, g)|(x∗ ,y∗ ) (xt − x∗ , yt − y ∗ )
la llamaremos la linealiza ión del sistema no-lineal alrededor de (x∗ , y ∗ ).
Teorema 16. (Teorema de linealiza ión (O. Perron (1929))) )

Sea A = J(f, g)|(x∗ ,y∗ ) ; si ρ(A) = máx{|λ1 |, |λ2 |} < 1 donde λ1 , λ2 son
los valores propios de A, enton es
Rf Rg
lı́m =0 y lı́m =0
xt →0 ||(xt , yt )|| xt →0 ||(xt , yt )||
yt →0 yt →0
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.
ii) Si (x∗ , y ∗ ) es inestable para la linealiza ión del sistema no-lineal,

enton es también es un equilibrio inestable del sistema no-lineal.
Demostra ión.
Ver O. Perron (1929) 26

.
Ilustremos el teorema de linealiza ión on un par de ejemplos:
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
donde a, b > 0 ? Para responderlo,

notemos primero que la matriz ja o-
0 a √ √
biana J(f, g)|(0,0) = tiene valores propios λ1 = ab, λ2 = − ab.
b 0
Luego:
(a) Si |ab| < 1 enton es (0, 0) es asintóti amente estable para el sistema
no-lineal.
(b) Si |ab| > 1 enton es (0, 0) es inestable para el sistema no-lineal.
¾Puede el le tor intuir qué su ederá si |ab| = 1 ?
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.
donde α > 1, β > 0. 28 Obsérvese que aquí se asume, en la segunda

e ua ión, un rezago de un tiempo.
Ini ialmente debemos redu ir el sistema a uno planar (es de ir, en las
variables xt+1 , yt+1 , xt , yt ). Para esto, sean
α−1 α−1
x̄t = xt − , ȳt = yt −
β β
Enton es nuestro sistema no-lineal es ahora
αx̄t − (α − 1)x̄t−1 αȳt − (α − 1)ȳt−1
x̄t+1 = ȳt+1 =
α + β x̄t−1 α + β ȳt−1

α−1 α−1
El equilibrio , orresponde al nuevo equilibrio (0, 0). Y
β β
ambiando éste a un sistema planar mediante xt = ȳt−1 , yt = ȳt , obten-
dremos
xt = yt
αyt − (α − 1)xt
yt+1 =
α + xt
Ahora linealizamos este sistema no-lineal alrededor de (0, 0) mediante la
0 1
matriz ja obiana en (0, 0) que es A = 1−α , y uyos valores propios
α 1
son r r
1 4 − 3α 1 4 − 3α
λ1 = + , λ2 = −
2 α 2 α
(a) Si 4 − 3α < 0 enton es

1 1 r 3 − 4α r 1

ρ(A) = |λ1 | = + i = 1 − < 1
2 2 α α
α−1
Luego, x∗ = y ∗ = también es asintóti amente estable si α > 43 .
β
(b) Si 4 − 3α ≥ 0, también ρ(A) < 1 y, por lo tanto, x∗ = y ∗ = α−1β es
asintóti amente estable uando α ≤ 43 .

α−1 α−1
Así, el equilibrio , siempre es asintóti amente estable, y
β β
ésta será la predi ión de la pobla ión en el largo plazo para esta lase
de mariposas.
28
Un ejemplo de re imiento de una pobla ión que puede modelarse mediante estas
e ua iones es la de ierto tipo de mariposas (Lu ila Zuprina ).
e) El método de Lyapunov para sistemas dis retos bidi-

mensionales
Ya sabemos, por lo realizado on los sistemas dinámi os ontinuos, que

el método de Lyapunov es una té ni a para investigar la naturaleza ua-
litativa de las solu iones sin al ular éstas explí itamente. Es una de las
herramientas prin ipales de la teoría de la estabilidad, y se trata de en-
ontrar ierta fun ión que satisfaga parti ulares ondi iones alrededor de
un equilibrio, y esto ondu irá a determinar las ara terísti as de esta-
bilidad de este último, a pesar de no tener informa ión alguna sobre las
solu iones explí itas del sistema dinámi o original.
Teorema 17. (Método de Lyapunov)

Supongamos que (x∗ , y ∗ ) es un equilibrio del sistema dinámi o no-lineal
xt+1 = f (xt , yt )
yt+1 = g(xt , yt )
y asumamos también que existe una fun ión Lyapunov V : R2 → R tal

que
i) V (x∗ , y ∗ ) = 0
ii) V (x, y) > 0 para todo (x, y) en una ve indad de (x∗ , y ∗ ) on (x, y) 6=
(x∗ , y ∗ ).
iii) ∆V (x, y) = V (f (x, y), g(x, y)) − V (x, y) ≤ 0 para todo (x, y) en una
ve indad de (x∗ , y ∗ ) on (x, y) 6= (x∗ , y ∗ ).
Enton es (x∗ , y ∗ ) es estable; más aún: si la desigualdad en iii) es estri ta,

enton es (x∗ , y ∗ ) es asintóti amente estable.
Demostra ión.
Ver ejer i io omplementario 23 al nal de la presente le ión.
Ejemplo 61.
Consideremos el sistema dinámi o
αxt
xt+1 = yt , yt+1 =
1 + βyt2
on α, β > 0. Para estudiar la estabilidad de su equilibrio (0, 0), sea

V (x, y) = x2 + y 2 . Claramente V (0, 0) = 0, V (x, y) > 0 si (x, y) 6= (0, 0)
y además,
∆V (xt , yt ) = x2t+1 + yt+1

2
− x2t − yt2

α2
= − 1 x2t ≤ (α2 − 1)x2t
(1 + βyt2 )2
Luego, si α ≤ 1,enton es ∆V (xt , yt ) ≤ 0 y, por lo tanto, (0, 0) es estable.

Desafortunadamente, debido a que el término (α2 − 1)x2t es igual a ero
también uando xt = 0 (eje y ), el método de Lyapunov nada nos di e
a er a de la estabilidad asintóti a de (0, 0) y esta situa ión es típi a
en la mayoría de los problemas en ontrados en apli a iones en ien ias e
ingeniería. Existen, por supuesto, métodos alternativos, pero las té ni as
ne esarias para omprenderlas a abalidad, están fuera del al an e de este
texto. Esto, di ho sea de paso, es el primer en uentro on un problema
dinámi o para el que las herramientas aprendidas aquí son insu ientes.
Pero, debemos de irlo, en el estudio de los sistemas dinámi os, que esto
su eda es más la norma que la ex ep ión, algo que omenzaremos a
entender en la próxima se ión. 29
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
y estudiemos la estabilidad en (0, 0). Para ello, tomemos la fun ión

V (x, y) = x2 + 4y 2 . Enton es V (0, 0) = 0, V (x, y) > 0 si (x, y) 6= (0, 0) y
∆V (xt , yt ) = 4yt2 − 8yt2 x2t + 4yt2 x4t + x2t + 4x2t yt2 + 4x2t yt2 − x2t − 4yt2
29
El le tor interesado puede onsultar el 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.
= 4x2t yt2 (x2t + yt2 − 1) ≤ 0
si x2t + yt2 ≤ 1. Luego V es una fun ión de Lyapunov alrededor de (0, 0)

y, por tanto, es un equilibrio estable. ¾Qué su ede on los otros dos
equilibrios?
Ejemplo 63.
Consideremos el sistema
xt+1 = xt − x3t yt2 , yt+1 = yt
uyo úni o equilibrio es (0, 0). Tomando la fun ión de Lyupanov V (x, y) =
x2 + y 2 , obtenemos que
∆V (xt , yt ) = x4t yt2 (x2t yt2 − 2)
y así, ∆V (xt , yt ) ≤ 0 si x2t yt2 ≤ 2. Por el teorema 17, (0, 0) es un

equilibrio estable.
Ejer i ios 4
1. Cal ule los equilibrios de los siguientes sistemas 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
2. Determine la estabilidad del equilibrio (0, 0) en los siguientes sis-

temas dinámi os:
1 axt
(a) xt+1 = sen yt − xt (b) xt+1 =
2 1 + yt
yt byt − xt
yt+1 = 1 yt+1 =
4 + xt 1 + xt
3. En uentre todos los equilibrios del sistema

xt+1 = cos xt − yt
yt+1 = xt
y evalúe, si es posible, on las herramientas estudiadas, la estabili-
dad de los mismos.
4. Determine la estabilidad de la solu ión (0, 0) en la e ua ión
1
xt+2 − xt+1 + 2xt+1 xt + 0.5xt = 0
2
[Indi a ión: Haga yt = xt+1 y anali e el sistema dinámi o resultan-
te℄.
5. Pruebe que el equilibrio (0, 0) del sistema dinámi o
xt+1 = xt − x3t yt2
yt+1 = xt
es (por lo menos) estable, utilizando la fun ión de Lyapunov V (x, y) =
x2 + y 2 . También ompruebe el resultado mediante linealiza ión.
6. Pruebe que el equilibrio (0, 0) del sistema dinámi o
xt+1 = yt − yt (x2t + yt2 )
yt+1 = xt − xt (x2t + yt2 )
es asintóti amente estable.
7. En uentre (mediante la e ua ión auxiliar) la solu ión general en
ada una de las siguientes e ua iones lineales en diferen ias:
(a) 2xt+2 − 5xt+1 + 2xt = 0
(b) xt+2 + 6xt+1 + 25xt = 0
( ) 3xt+2 − 6xt+1 + 4xt = 3
(d) xt+2 − 3xt+1 + 2xt = 1
8. Teniendo en uenta el teorema 15 y la nota 6, es riba la forma
general explí ita de las solu iones a la e ua ión (no-homogénea) en
diferen ias
xt+2 + p1 xt+1 + p0 xt = B(t)
9. Para el sistema
yt xt
xt+1 = , yt+1 =
1 + x2t 1 + yt2
en uentre los puntos de equilibrio y determine su estabilidad. [In-

di a ión: Use V (x, y) = x2 + y 2 ℄
10. (E ua ión en diferen ias omo sistema dinámi o)
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,
xt+k + p1 (t)xt+k−1 + · · · + pk (t)xt = B(t) (*)
siempre se puede redu ir a un sistema dinámi o de la forma
zt+1 = A(t)zt + h(t)
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
z1 (t) = xt , z2 (t) = xt+1 , ..., zk (t) = xt+k−1
d) Si pj (t) = pj para j = 1, 2, ..., k, en uentre las solu iones explí-

itas de la e ua ión en diferen ias (∗).
e) Es riba las orrespondientes deni iones de estabilidad y esta-

bilidad asintóti a para el sistema dinámi o dis reto lineal.
f) Es riba ondi iones sobre los valores propios para la estabilidad
asintóti a.
g) Es riba ondi iones de Lyapunov para la estabilidad asintóti a.
5. Breve sobre i los límite, puntos periódi os,

bifur a iones y aos
Matemáti amente, la diferen ia esen ial entre los sistemas dinámi os li-
neales y los no-lineales, es lara. Cualquier dos solu iones de una e ua ión
lineal pueden sumarse y se obtiene una nueva solu ión; este es el prin ipio
de superposi ión de los sistemas lineales. De he ho, es este prin ipio el
que ha e del análisis de lo lineal algo sistemáti o y sin omplejidades. En
ontraste, dos solu iones de una e ua ión no-lineal no pueden sumarse
y obtener otra solu ión (no se umple el prin ipio de superposi ión); ni
siquiera es posible dividir el problema en sub-problemas, resolver estos
últimos y luego pegar las solu iones de algún modo espe í o.
No es enton es una sorpresa el que no exista una té ni a analíti a gene-
ral para resolverlas. La físi a tiene ejemplos que ilustran esta diferen ia
esen ial. Por ejemplo, uando el agua uye a través de un tubo de on-
du ión a baja velo idad, su movimiento es laminar y su des rip ión
matemáti a es regular, prede ible y simple, en términos analíti os. Sin
embargo, uando la velo idad ex ede un valor ríti o, el movimiento se
ha e turbulento, ompli ado, irregular y erráti o, que es lo que ara te-
riza el omportamiento no-lineal.
Es posible aislar al menos tres ara terísti as que distinguen los fenóme-
nos lineales de los no-lineales:
a) En primer lugar, el movimiento mismo es diferente desde un pun-
to de vista ualitativo; un sistema lineal muestra, típi amente, un
movimiento suave y regular en el espa io, y el tiempo puede des ri-
birse en términos de fun iones que se omportan bien. Los sistemas
no-lineales, sin embargo, a menudo muestran transi iones de un movi-
miento suave a uno aóti o, erráti o ó, también, a uno aparentemente
aleatorio.
b) En segundo lugar, la respuesta de un sistema lineal a pequeños am-

bios en sus parámetros o a un estímulo externo es generalmente suave
y en propor ión dire ta al estímulo; para los sistemas no-lineales, sin
embargo, un pequeño ambio en los parámetros puede produ ir una
diferen ia ualitativa enorme en el movimiento.
) Y, en ter er lugar, si se perturba un sistema lineal, éste normalmente
de aerá; este fenómeno, ono ido omo dispersión, ha e que las on-
das en los sistemas laminares amplios tiendan a desapare er a medida
que se alejan del punto de perturba ión. En ontraste, los sistemas
no-lineales perturbados pueden mantener esta estru tura on alta per-
turba ión por un largo tiempo, o aún (teóri amente) por siempre.
a) Ci los límites y K- i los
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
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):
ÿ − µ(1 − y 2 )ẏ + y = 0 (*)
on µ > 0 onstante, que orresponde al sistema dinámi o
ẋ = µ(1 − y 2 )x − y
ẏ = x
y uyo úni o punto de equilibrio es x∗= y ∗ = 0. Su linealiza ión alre-

−1 0
dedor de (0, 0) tiene matriz ja obiana , uyos valores propios
µ −1
son λ1 = 1 y λ2 = −1, así que ninguno de los riterios bási os que he-
mos estudiado nos permite de idir sobre el omportamiento alrededor
del equilibrio (0, 0).
Afortunadamente, en este aso podemos, on un po o de manipula ión
algebrai a en (*), mostrar que
y
ẏ =
µ(1 − y 2 ) + K
para alguna K ∈ R, y, por tanto, el diagrama de fase del sistema lu irá

omo en la gura 37. De allí, laramente vemos que el equilibrio (0, 0)
es inestable, y que apare e un i lo límite on forma asi ir ular para
µ = 0.1. Para µ > 0.1, el i lo límite dejará de pare erse a un ír ulo.
Ejemplo 65. (K-Ci los en sistemas dis retos)

Otro ejemplo de extraños omportamientos dinámi os se en uentra en
el lási o sistema dinámi o dis reto xt+1 = T (xt ) ( ono ido omo fun-
ión arpa ) donde
(
2x para 0 ≤ x ≤ 12
T (x) =
2(1 − x) para 12 < x ≤ 1
uyos puntos de equilibrio son x∗ = 0 y x∗ = 23 . Ahora: es fá il veri ar

k = −1
k = 1/4 6
: k = −5
R
k=1 1: R Ci lo límite
6 * ? -
OO 9 ?
O y
K 9
i k=1
k
k = −5
k = −1
Figura 37: Diagrama de fase de la e ua ión de van der Pol.
que T 2 (·) = T ◦ T está dada por




 4x para 0 ≤ x < 1
4

2(1 − 2x) 1 1
para ≤x<
T 2 (x) = 4 2


 4(x − 12 ) para 1
2 ≤x< 3
4

4(1 − x) 3
para 4 ≤x≤1
Los puntos de equilibrio de T 2 (·) son x∗ = 0, x∗ = 25 , x∗ = 23 , y x∗ = 45 ,

dos de los uales (x∗ = 0, x∗ = 23 ) son también
equilibrios
de T (·).
Obsérvese que T 25 = 45 y T 2 25 = T 45 = 25 ; es de ir, 25 , 45 es lo
que se llama 2- i lo para T (·) (ver gura 38), y x∗ = 25 es lo que se llama
un punto periódi o de T (·), on periodo 2. Obsérvese que x∗ = 25 es un
equilibrio para T 2 (·), mas no para T (·).

Tambiénse puede observar que 27, 47 , 67 esun 3- i lo ; es de ir, T 27 =
4 2 2 = T 4 = 6 y T 3 2 = T 6 = 2 . Más aún, utilizando
7, T 7 7 7 7 7 7
una buena al uladora de bolsillo se puede mostrar que T (·) tiene i los
de todo orden ! Esta es una ara terísti a ompartida por todos los siste-
mas dinámi os dis retos que tienen un 3- i lo (T.Y. Li and J.A. Yorke
(1975)30 ). Se ilustra on esto que la dinámi a de largo plazo no ne esa-
riamente ondu e a uno de los puntos de equilibrio: puede resultar en un
K - i lo.
30
Li, T.Y. y J.A. Yorke (1975), Period Three implies Chaos, Ameri an Mathema-
ti al Monthly.
xt+1 xt+1
• x∗
• x∗ • x∗
x∗ •
x∗ • x∗ •
x0 x1 xt x1 xt
(a) (b)
Figura 38:
En el panel (a) el diagrama de fase de la fun ión arpa; y en el panel (b) el

de su uadrado.
b) Bifur a ión y aos
Caos determinísti o es un término apli ado a todo omportamiento

aperiódi o, irregular, imprede ible, y aleatorio , en el desarrollo tem-
poral de iertos sistemas no-lineales. En las últimas uatro dé adas este
aos ha sido observado en una in reíble variedad de modelos mate-
máti os no-lineales y en fenómenos naturales. De he ho, y esto es muy
sorprendente, aunque los pro esos son estri tamente determinísti os y to-
das las fuerzas son ono idas, pare iera omo si su omportamiento fuera
aleatorio.
Que un sistema gobernado por leyes determinísti as pueda exhibir om-
portamiento aleatorio , va ontra toda intui ión normal. Quizás sea por-
que nuestra intui ión es inherentemente lineal ; de he ho, el aos deter-
minísti o no puede o urrir en sistemas lineales. Más probablemente, esto
es debido a nuestra visión de un universo me áni o newtoniano: si uno
ono e las posi iones y velo idades de todas las partí ulas en el universo
y la naturaleza de las fuerzas entre ellas, enton es podríamos onstruir
la arta de viaje del universo, para siempre.
Sin embargo, en el mundo real, el ono imiento exa to del estado ini ial
asi nun a es posible. No importa qué tan exa ta sea medida la velo i-
dad de una partí ula, siempre puede bus arse una medida aún mejor. Y
aunque somos ons ientes de esto, en general asumimos que si las ondi-
iones ini iales de un mismo experimento realizado en dos sitios distintos
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
Figura 39: Un 3- i lo de la fun ión arpa.
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.
en mu hos ontextos naturales y, en parti ular, en sistemas dinámi os

no-lineales on aos determinísti o.
La idea esen ial de los fra tales es la existen ia de estru turas similares
y no-triviales a toda es ala, así que los pequeños detalles están referidos
dire tamente al objeto entero. Té ni amente, esta propiedad se ono e
omo es alonamiento (s aling ) y ondu e a una aproxima ión teóri a que
permite la onstru ión de detalles nos del objeto a partir de rudas
des rip iones generales. Una onse uen ia de esta invarianza de es ala
es que los objetos fra tales tienen dimensiones fra ionarias en lugar de
dimensiones enteras; es de ir, en lugar de ser líneas, áreas o volúmenes,
los fra tales se en uentran en alguna parte entre ellos. En el mundo
real, este es alonamiento sólo o urre dentro de algún rango nito de
medidas. Por ejemplo, los opos de nieve vistos al mi ros opio son, sólo
aproximadamente, fra tales. Aún así, el on epto de fra tal juega un
papel entral en esta teoría.
Ejemplo 66. (Caos determinísti o en la e ua ión logísti a)
Un prototipo notable del aos determinísti o y de las ompli a iones que
puede presentar un sistema dinámi o, está dado por la e ua ión logísti a
xt+1 = µxt (1 − xt )
on µ > 0 (ver gura 40). Esta e ua ión, aparentemente simple, es su-
ientemente sutil para apturar la esen ia de una lase ompleta de
fenómenos reales que van desde el análisis de pobla iones biológi as has-
ta el estudio de las transi iones a turbulen ia en gases y líquidos (por
ejemplo, el helio líquido). Sin duda, es el modelo más simple que muestra
aos determinísti o.
El omportamiento de este sistema no-lineal depende ríti amente del
parámetro de ontrol µ y exhibe en iertas regiones repentinos y dramá-
ti os ambios en respuesta a pequeñas varia iones de éste. Estos ambios,
té ni amente llamados bifur a iones, muestran un ejemplo on reto de
la ara terísti a ya men ionada sobre el omportamiento de los siste-
mas no-lineales: pequeños ambios pueden produ ir enormes diferen ias
ualitativas en el movimiento.
Ya sabemos que el más simple omportamiento asintóti o (es de ir, uan-
do t → ∞) lo señala el ál ulo de los puntos de equilibrio. En este aso
son x∗ = 0 y x∗ = 1 − µ1 . El le tor puede mostrar que x∗ = 0 es asintó-
ti amente estable si, y sólo si, µ < 1 y, por supuesto, inestable si µ > 1.
xt+1
xt
Figura 40: Fun ión logísti a para diferentes valores de µ.
Por el ontrario, x∗ = 1 − µ1 es asintóti amente estable si, y sólo si,

1 < µ < 3, e inestable si µ < 1 ó µ > 3. Esto podría sugerir que algo
interesante su ede uando µ al anza el valor 1.
De he ho, hay una bifur a ión en el omportamiento asintóti o de los
equilibrios, ya que uno de ellos (x∗ = 0) pasa de estable a inestable,
mientras el otro (x∗ = 1 − µ1 ) pasa de inestable a estable. Esta bifur a-
ión, que se ono e omo bifur a ión trans ríti a (ver gura 41), impli a
un inter ambio de estabilidad entre los dos puntos de equilibrio. En parti-
ular, si, digamos, µ = 0.99999, el equilibrio x∗ = 0 es estable y ualquier
traye toria que parta de un punto er ano a él, tenderá, eventualmente,
a ese equilibrio. Pero si, digamos, µ = 1.0000001, el omportamiento
es diferente, y la traye toria, aún partiendo del mismo punto ini ial, se
alejaría ha ia el equilibrio x∗ = 1 − µ1 .
Una bifur a ión más interesante o urre uando µ = 3. Repentinamente,
en lugar de que la dinámi a se aproxime al equilibrio x∗ = 1 − µ1 = 23 , la
solu ión de largo plazo os ila entre dos valores; es de ir, el modelo tiene
un 2- i lo! Esta bifur a ión se ono e omo bifur a ión tipo tenedor (ver
gura 42). Para al ular estos dos valores, iteramos la fun ión f (x) =
µx(1 − x) dos ve es y bus amos sus puntos jos; así, resulta la e ua ión
de grado uarto
(f ◦ f )(x) = µ2 x(1 − x)[1 − µx(1 − x)] = x

1
que se satisfa e uando x∗ = 0 (equilibrio inestable), x∗ = 1 − µ (equili-
brio inestable para µ > 1), y apare en otras dos solu iones:
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-
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
Figura 43: Diagrama de bifur a ión.
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 .
λ 3.57
Figura 44: Regiones Caóti as
Cada uno de estos onjuntos de atra ión es lo que hemos llamado un

atra tor extraño. Más allá del valor ríti o µ∞ , la e ua ión logísti a aho-
ra sí presenta aos determinísti o. Y aunque este ompli ado ompor-
tamiento aperiódi o laramente motiva el nombre de aos, ¾realmente
tiene la ara terísti a ru ial de sensible dependen ia a las ondi iones
ini iales que ha e que su omportamiento de largo plazo parez a aleato-
rio? Para estudiar este problema, uno debe observar ómo dos puntos,
ini ialmente er anos, se separan, a medida que se ha en itera iones de
la fun ión del sistema dinámi o. Té ni amente, esto puede ha erse al-
ulando el exponente Lyapunov λ, denido por
 
df t (x)
ln
 dt 
λ = lı́m  
t→∞ t
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
Ejemplo 67 (Solu ión analíti a para µ = 4).

Para el valor parti ular µ = 4, hagamos, en la e ua ión logísti a, xt =
sen2 θt . Enton es se obtiene
sen2 θt+1 = 4 sen2 θt (1 − sen2 θt ) = 4 sen2 θt cos2 θt = sen2 (2θt )
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.
2. Muestre que la e ua ión yt+1 = (yt )2 + c puede transformarse en la

µ µ2
e ua ión logísti a xt+1 = µxt (1 − xt ) on c = − . [Indi a ión:
2 4
Tome y = −µx + 12 µ.℄
3. En la e ua ión logísti a, muestre que x∗ = 0 es un punto jo ines-

table para µ = 1.
*4. Sea b un punto de periodo K de f (·); enton es, pruebe que:
(a) b es estable si es un punto jo estable de f K (·).

(b) b es asintóti amente estable si es un punto jo asintóti amente
estable de f K (·).
( ) b es inestable si es un punto jo inestable de f K (·).
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.
estudiaban i los e onómi os; también Day(1982;1983)36 37 , quien en on-

traba i los irregulares en modelos de re imiento lási os y neo lási os;
Grandmondt (1985)38 quien estudiaba extrañas dinámi as también en
modelos de genera iones traslapadas; y Pohjola (1981) 39 que estudiaba
i los e onómi os a la manera de Goodwin.
Desde aquella épo a ha habido un resurgimiento del interés en los mo-
delos dinámi os no-lineales, aunque no existe un onsenso general on
respe to a su utilidad en el estudio de lo que realmente su ede en una
e onomía. En lo que sigue, nos on entraremos en tres modelos bási os
de la teoría e onómi a a tual que ilustran esto: el modelo keynesiano
IS-LM, el modelo Arrow-Debreu, y los modelos de intera iones so iales
y e onómi as; y en ada uno de ellos analizaremos algunas estru turas
dinámi as pertinentes.
a) El modelo IS-LM
John Maynard Keynes na ió en Cambridge (Inglaterra) en 1883. Edu a-

do allí mismo, tuvo una brillante arrera de pregrado donde fue alumno
de Alfred Marshall. Luego de abandonar Cambridge, sirvió a su país en
la India, en donde es ribió su primer libro, Indian Curren y and Finan e
(1913), que es un trabajo en donde Keynes ha e una apli a ión prá ti a
de los prin ipios marshallianos sobre el inter ambio al mer ado indio. A
su regreso, en 1909, re ibió la membresía en el King's College de Cam-
bridge, la ual mantendría hasta su muerte. De 1911 a 1937 fue profesor
de e onomía allí mismo.
Mientras estuvo en India, Keynes omenzó su Treatise on Probability,
que duraría es ribiendo desde 1906 hasta 1912. Este fue un tema que
siempre lo intrigó, no sólo en sus apli a iones sino, también, en su teoría;
de he ho, Keynes fue un buen jugador de ruleta. De este libro es ribiría
el famoso lógi o y matemáti o Bertrand Russel: ...es imposible alabarlo
36
Day, Ri hard H.(1982), Irregular Growth Cy les, Ameri an E onomi Review.
37
Day, Ri hard H. (1983), The Emergen y of Chaos from Classi al E onomi
Growth, Quarterly Journal of E onomi s.
38
Grandmont, Jean-Mi hel (1985), On Endogenous Competitive Business Cy les,
E onometri a.
39
Pohjola, M.T. (1981), Stable, Cy li and Chaoti Growth: The Dynami s of a
Dis rete-Time Version of Goodwin's Growth Cy le Model, Zeits hrift für Nationalö-
konomie.
su ientemente.... También fue aprobado por Alfred Whitehead, aunque

le había riti ado severa, pero onstru tivamente, su manus rito. Allí,
Keynes estaba a favor del viejo y asi olvidado on epto de probabilidad
indu tiva propuesto por Bernoulli y Lapla e, según el ual, el propósito
de la teoría era juzgar hipótesis y guiar jui ios sobre la base de eviden ia.
Y aunque el Treatise no es un trabajo profundamente original, amplió
la erudi ión de Keynes, su poten ial lógi o y sus métodos de asalto a
problemas on herramientas tanto teóri as omo prá ti as.
Pero el libro que primero lo llevó a la fama fue The E onomi Conse-
quen es of the Pea e, publi ado en 1919, basado en sus experien ias omo
o ial británi o. Este trabajo levantaría gran polémi a debido a su á ida
ríti a a la ausa de los Aliados en la Primera Guerra Mundial. Pero el
he ho de que el mundo o ial le diera enton es la espalda fue para él
motivo de reto y de posibilidad de eman ipa ión. Sus mayores logros,
que vendrían más adelante, fueron su respuesta.
El A Treatise on Money (1930), y su posterior lási o The General
Theory of Employment, Interest, and Money (1936), resumen sus máxi-
mas ontribu iones a la esfera del pensamiento e onómi o omo do trina
sistemáti a. En estos trabajos, y en otros más populares omo el How to
Pay for the War (1940) se en uentran ideas que han inuido vastamente
desde el estudiante más modesto hasta grandes teóri os y ha edores de
políti a de gobiernos.
El modelo IS-LM (Hi ks (1937)40 )
Antes de la publi a ión, en 1936, de la General Theory of Employment,

Interest, and Money de John Maynard Keynes, los e onomistas habían
desarrollado una ri a y penetrante visión mi roe onómi a del omporta-
miento de los mer ados y de la asigna ión de re ursos a través de ellos.
Pero la visión ma roe onómi a, es de ir, el estudio de los a onte imientos
agregados que afe tan a toda la e onomía, omo la ina ión, las re esio-
nes, el desempleo, et ., tenía un desarrollo menos elaborado. La e onomía
de enton es no tenía ómo expli ar, por ejemplo, la Gran Depresión de
los años 1930's. Hasta enton es se armaba que las e onomías tenían
una tenden ia a largo plazo a retornar al pleno empleo, y se entraba en
40
Hi ks, John R. (1937), Mr.Keynes and the Classi s: A Suggested Interpretation,
E onometri a.
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
onstruir una teoría lási a típi a, sobre un modelo ante-

rior más rudo que el del profesor Pigou.41 Si podemos ons-
truir tal teoría, y mostrar que arroja resultados que, de he ho,
han sido omúnmente onsiderados omo dados, pero que no
oin iden on las on lusiones de Mr. Keynes, enton es ten-
dremos al n una base de ompara ión satisfa toria. Espe-
ramos poder aislar las innova iones de Mr. Keynes, y así,
des ubrir uáles son los problemas reales de disputa."
Y agregaba:
Como nuestro propósito es la ompara ión, trataré de espe-
i ar mi teoría lási a típi a en una forma similar a la que
Mr. Keynes espe i a la suya [...℄."
41
Theory of Employment de Arthur C. Pigou [1877-1959℄ de 1933 . Este
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.
Hi ks omienza presentando el modelo lási o en la siguiente forma:
i) Se asume que el periodo de estudio es lo su ientemente orto de tal

forma que la antidad de equipo físi o disponible de todas las lases
pueda onsiderarse jo.
ii) Se asume que la mano de obra es homogénea.
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.
iv) Si denimos x ≡ produ to de los bienes de inversión, y ≡ produ to

de los bienes de onsumo, Nx ≡ número de hombres empleados en
la produ ión de bienes de inversión, Ny ≡ número de hombres em-
pleados en la produ ión de bienes de onsumo; enton es, se asume
que
x = fx (Nx ), y = fy (Ny )
donde fx y fy son dos fun iones ono idas.
v) Para determinar Nx y Ny se asume que:
(a) El nivel de pre ios de los bienesde inversión

es igual a su osto
dNx
marginal que viene dado por w donde w ≡ salario.
dx
(b) El nivel de pre ios de los bienesde onsumo
es igual a su osto
dNy
marginal que viene dado por w .
dy

dNx
( ) El valor de la inversión, ó, simplemente la inversión es wx ≡
dx
Ix .

dNy
(d) El valor del onsumo, ó, simplemente el onsumo es wy .
dy
(e) El ingreso total es

dNx dNy
wx + wy ≡Y
dx dy
(f) Si ono emos Y e Ix enton es Nx y Ny estarán determinados

también.
vi) Las tres e ua iones fundamentales planteadas por la teoría lási a

de Hi ks son:
M
= kY (3)
P
Ix = C(i) (4)
Ix = S(i, Y ) (5)
en las que se determinan las tres in ógnitas Y , Ix , i. Aquí:
(a) La e ua ión (3) es la e ua ión uantitativa (de Cambridge) que

M
rela iona el ingreso total, Y , y la demanda de dinero, , a
P
través de una onstante de propor ionalidad k.
(b) La e ua ión (4) arma que la antidad de inversión (o demanda
por apital nuevo) depende de la tasa de interés i.
( ) La e ua ión (5) di e que el ahorro, S , depende de la tasa de
interés y del ingreso.
Para Hi ks, este modelo es una teoría muy razonablemente onsistente,

que es también onsistente on los pronun iamientos de un re ono ible
grupo de e onomistas , pero sabe que si se intenta estudiar u tua iones
dentro de este modelo, omienzan las di ultades:
Es evidente que el ingreso de dinero experimenta grandes
varia iones en el urso de un i lo e onómi o (trade y le),
y que la teoría lási a sólo puede expli ar estas varia iones
por medio de varia iones en M P o en k , o, omo una ter era
y última alternativa, por ambios en la distribu ión.
Contra las tres e ua iones de la teoría lási a,

M
= kY, Ix = C(i), Ix = S(i, Y )
P
arma que el General Theory de Keynes es ribiría, en su lugar, las si-
guientes:
M
= L(i, Y ), Ix = C(i), Ix = S(Y )
P
y que éstas dieren de las e ua iones lási as en dos formas:
i) En lugar de la e ua ión uantitativa, la primera e ua ión, M P =

L(i, Y ), es una rela ión entre el ingreso Y y la tasa de interés i. Esto
lo dibuja Hi ks, para M P jo, omo una urva (LM) on pendiente
ha ia arriba, ya que, en tal aso, un aumento en el ingreso Y tiende
a aumentar la tasa de interés.
ii) De forma similar, reemplaza la e ua ión de omportamiento del aho-

rro, de tal forma que ahora éste depende úni amente del ingreso Y ,
y no de la tasa de interés. Así, las dos e ua iones Ix = C(i) y
Ix = S(Y ) generan una rela ión entre Y e i, la ual Hi ks dibuja
omo una urva (IS) on pendiente ha ia abajo, mostrando la rela-
ión (inversa) entre el ingreso y la tasa de interés, que se requiere
para que la inversión oin ida on el ahorro.
i
LM
•
P
IS
Y
Figura 45: Diagrama IS-LM.
En estas ir unstan ias, el ingreso y la tasa de interés estarían ahora

determinados en el punto P de la interse ión de las dos urvas (ver
gura 45), exa tamente omo se determinan pre io y produ ión en la
moderna teoría de la demanda y la oferta. De he ho, la innova ión del
señor Keynes es er anamente similar, en este aspe to, a la innova ión
de los marginalistas.
La gura 46 muestra lo que, según algunos e onomistas, es el he ho más
importante de la General Theory de Keynes. No sólo es posible mostrar
que una oferta monetaria dada determina ierta rela ión entre ingreso e
interés (que es la urva LM); sino que también puede de irse algo sobre
la forma de la urva. Según Hi ks, la urva LM tendería a ser horizontal
(i onstante) a la izquierda, y asi verti al a la dere ha (Y onstante).
Esto porque: (1) habría ierto mínimo por debajo del ual la tasa de
interés no ambia; y (aunque Keynes no ha e ningún énfasis en esto);
(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.
De esta manera, si la urva IS está bien a la dere ha (sea porque hay un

fuerte in entivo a invertir o una alta propensión a onsumir) el punto P
se hallará en la parte de la urva que es asi verti al (Y onstante), y
el modelo lási o sería todavía una buena aproxima ión al modelo: un
aumento fuerte en la inversión aumentará la tasa de interés pero también
tendrá efe tos en el empleo (ver gura 47).
i
LM
•
P IS
Y
Figura 47: P está a la dere ha (modelo lási o).
Pero si el punto P se en uentra a la izquierda de la zona donde la urva

LM es verti al, enton es la teoría de Keynes de que un aumento en la
urva de inversión Ix = C(i), aunque aumenta el empleo, no da origen
a ningún aumento en la tasa de interés (ver gura 48).
Según Hi ks, este mínimo de la tasa de interés se apli a no sólo a una
urva LM parti ular sino que debe ser el mismo para todas las urvas de
nivel uando M M
P ambia. Si la oferta P aumenta, la LM se desplaza a la
dere ha (ver gura 49), pero las partes horizontales son asi las mismas,
y esto in omoda a la teoría lási a : Si P se en uentra a la izquierda, es
posible aumentar el empleo on sólo aumentar la antidad de dinero; pero
si P está a la dere ha, esto es imposible; así, los me anismos monetarios
ya no podrán bajar la tasa de interés.
i
LM
P
•
IS
Y
Figura 48: P está a la izquierda (modelo keynesiano).
Con luye enton es que, la General Theory es la e onomía de la depre-

sión, y ontinúa, para terminar su artí ulo:
Estas, enton es, son algunas de las osas que podemos obtener de nues-
tro aparato-esqueleto. Pero aún si puede onsiderársele omo una pequeña
extensión del esqueleto similar del señor Keynes, todavía pare e terri-
blemente rudo y plano. [...℄ Más aún, no se han tenido en uenta los
problemas de la depre ia ión; omo tampo o los del pro eso temporal .
La General Theory es un libro útil. Pero no es ni el omienzo ni el nal
de la dinámi a e onómi a , nalizaba Hi ks.
i
LM ′ LM
Y
Figura 49: Dos urvas LM para diferentes ofertas monetarias.
Un modelo lineal IS-LM on dinámi a estable
Dentro de las mu has posibles versiones dinámi as del modelo IS-LM,

onsideremos, ini ialmente, la más simple: Un modelo IS-LM lineal di-
námi o. Aquí,
Ẏ = −(1 − c)Y − βR + F
M (6)
Ṙ = kY − hR +
P
donde Y es el ingreso agregado; R es la tasa de interés; F es el gasto
autónomo (o índi e de políti a s al); c es la propensión marginal a
onsumir (0 < c < 1); β > 0 es la inversión marginal ( on respe to a la
tasa de interés); M son los saldos monetarios nominales; P es el nivel de
pre ios; k, h > 0 representan las demandas marginales de saldos reales
on respe to al ingreso y al tipo de interés, respe tivamente. Asumimos,
aquí, que MP y F son onstantes
Las solu iones al sistema (6) son de la forma
Y = F + K11 eλ1 t + K12 eλ2 t
M
R= + K21 eλ1 t + K22 eλ2 t
P
donde λ1 , λ2 son los valores propios de la matriz

−(1 − c) −β
A=
k −h
y el punto de equilibrio es
hF + β MP kF − (1 − c) M
P
Y = , R= .
βK + h(1 − c) βK + h(1 − c)
Resolviendo det(A − λI) = 0 se obtiene que

p
c − h − 1 ± [(1 − c) + h]2 − 4[h(1 − c) + βk]
λ=
2
Luego,

i) Si ∆ = [(1 − c) + h]2 − 4[h(1 − c) + βk] ≥ 0 enton es F , MP es un
nodo asintóti amente estable.

ii) Si ∆ = [(1 − c) + h]2 − 4[h(1 − c) + βk] < 0 enton es F , M
P es una
espiral estable.
De esta manera, este modelo IS-LM lineal dinámi o, es siempre estable

alrededor del equilibrio (F , M
P
).
Multipli ador-a elerador: un modelo de inspira ión keynesiana

para el estudio del i lo e onómi o
A omienzos de los años 1930's, aquellos que estudiaban el omporta-

miento del ingreso real agregado (Y ) de una e onomía, no tenían laro
por qué esta variable que tenía un omportamiento irregular (aunque
re urrente) no re ía o de re ía indenidamente. La idea que subya ía
era la de los i los autosostenidos: ada tiempo de prosperidad e onó-
mi a ontenía las semillas de la siguiente depresión, y ésta, a su vez,
las semillas de la siguiente prosperidad. En palabras del propio Keynes
(1936):
Por movimiento í li o queremos de ir que, al progresar el

sistema, por ejemplo, en dire ión as endente, las fuerzas que
lo empujan ha ia arriba al prin ipio toman impulso y produ-
en efe tos a umulativos unas sobre otras, pero pierden gra-
dualmente su poten ia hasta que, en ierto momento, tien-
den a ser reemplazadas por los operantes en sentido opues-
to; las uales, a su vez, toman impulso por ierto tiempo, y
se fortale en mutuamente hasta que ellas también, habiendo

al anzado su desarrollo máximo, de aen y dejan sitio a sus
ontrarias. Sin embargo, por movimiento í li o no queremos
de ir simplemente que esas tenden ias as endentes y des en-
dentes no persistan indenidamente en la misma dire ión,
una vez ini iadas, sino que terminan por invertirse. Tam-
bién queremos expresar que hay ierto grado de regularidad
en la se uen ia y dura ión de los movimientos as endentes y
des endentes.
Hasta los tiempos de la General Theory, la llamada ma roe onomía

lási a armaba que la e onomía tenía una tenden ia a largo plazo a
regresar al pleno empleo. Como armábamos antes, sus dos pilares fun-
damentales eran la teoría uantitativa del dinero , y la teoría del interés.
El modelo del multipli ador-a elerador (Samuelson (1939)42 ), que está
par ialmente inspirado en la General Theory de Keynes, es uno de los
primeros aportes a la teoría dinámi a del i lo e onómi o. Consiste en
determinar el ingreso agregado de una e onomía uando operan, onjun-
tamente, un a elerador y un multipli ador keynesiano. En una versión
simple de éste, asumamos que la e onomía es errada (es de ir, los agen-
tes no pueden omprar ni vender bienes o a tivos en el exterior), y que
no existe gasto públi o. Formalmente,
Yt = Ct + Rt
Ct = αYt−1
Rt = β(Ct − Ct−1 )
donde Ct es el onsumo en el período t; Rt es la tasa de interés en el

período t; y Yt es el ingreso en el período t. Aquí, α > 0 es el a elerador
y β > 0 es el multipli ador. La primera e ua ión arma que el ingreso
agregado es igual a la suma del onsumo agregado y la inversión privada
en ada periodo: es la identidad ma roe onómi a bási a. La segunda
e ua ión arma que el onsumo es propor ional al ingreso del periodo
anterior; a α también se le llama la propensión marginal a onsumir . La
42
Samuelson, Paul (1939), Intera tions Between the Multiplier Analysis and the
Prin iple of A eleration, The Review of E onomi Statisti s.
última e ua ión de arriba, arma que la inversión privada es propor ional

al in remento en el onsumo a través del tiempo; a ésta se le ono e omo
el prin ipio de a elera ión .
De estas tres e ua iones se obtiene, on un po o de manipula ión alge-
brai a, que
Yt+2 − (α + αβ)Yt−1 + αβYt = 0
Es de ir, el ingreso agregado de un periodo determinado es una ponde-

ra ión de los ingresos agregados de los dos periodos anteriores. Por lo
estudiado en la presente le ión, la estabilidad de este sistema dinámi o
alrededor de Y = 0, depende de las raí es de su e ua ión ara terísti a
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
i los e onómi os ver los artí ulos seminales de Kaldor (1940)43 , Hi ks

(1950)44 , Goodwin (1951)45 , Day (1982)46 , y Grandmont (1985) 47 .
Dos ejemplos de dinámi as extrañas en modelos IS-LM
Dos ejemplos lási os en el apare en ompli ados i los límites y aos

determinísti os para la variable ingreso real agregado (es de ir, i los
límites y aos en el i lo e onómi o) dentro de una estru tura IS-LM,
son los de Boldrin(1983) 48 , y Day y Shafer (1985)49 .
a) Boldrin (1983) estudió un sistema IS-LM no-lineal en donde muestra
la existen ia de i los límites para un amplio rango de valores de los
parámetros α y β :
Ẏ = α{I(Y, R, K) − S(Y, R, K)}
Ṙ = γ{L(Y, R) − LS }
K̇ = I(Y, R, K) − βK
donde Y es el ingreso real, R es la tasa de interés; K es el sto k de
apital agregado; I y S son la inversión y el ahorro, respe tivamente,
∂I ∂I ∂S ∂S
donde ∂Y > 0, ∂R < 0, ∂Y > 0, y ∂R > 0; L es la demanda de dinero
∂L ∂L
donde ∂Y > 0 y ∂R < 0; L es la oferta monetaria ja; y, nalmente,
S
α y β son parámetros positivos.
b) Por su parte, Day y Shafer (1985) muestran la posibilidad de aos

en un modelo IS-LM donde la inversión depende del ingreso y de la
tasa de interés. El modelo onsiste en las e ua iones onsumo-ingreso
e inversión-ingreso siguientes:
C = G(Y, M ) = C(L(Y, M ), Y )
43
Kaldor, Ni holas (1940), A Model of the Trade Cy le, The E onomi Journal.
44
Hi ks, John R.(1950), A Contribution to the Theory of the Trade Cy le, Claren-
don Press, London.
45
The Nonlinear A elerator and the Persisten e of Business Cy les, E onometri a.
46
Day, Ri hard H.(1982), Irregular Growth Cy les, Ameri an E onomi Review.
47
Grandmont, Jean-Mi hel (1985), On Endogenous Competitive Business Cy les,
E onometri a.
48
Boldrin, Mi hele (1983), Applying Bifur ation Theory: Some Simple Results on
the Keynesian Business Cy le, Note di Lavoro 8403, University di Venezia.
49
Day, Ri hard H. y J. Wayne Shafer (1985), Keynesian Chaos, Journal of Ma ro-
e onomi s.
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.
b) El modelo Arrow-Debreu: la e onomía omo un siste-

ma me áni o
La visión de una e onomía en equilibrio fue estable ida por primera

vez por Walras en 1874, al pare er sugerida por su le tura del tratado
The Eléments de Statique (1803) sobre el equilibrio de fuerzas me áni as
de Louis Poinsot [1777-1859℄. Ésta era una parti ular elabora ión de la
idea simple (aunque todavía no bien entendida) de que en un sistema
e onómi o todo afe ta a todo : ada ambio indu e ambios y ada uno de
éstos, a su vez, indu e otros ambios. La le ión e onómi a que, según
Walras, debía aprenderse, era que la demanda de ualquier produ to
depende de los pre ios de todos los otros produ tos (in luyendo, entre
los pre ios, a los salarios y a los pre ios de servi io de apital (rentas)) y
que éstos, a su vez, dependían del pre io del produ to, y llamaba pre ios
de equilibrio a los pre ios que ha ían que la demanda igualara a la oferta
en ada mer ado.
El modelo de equilibrio general de Walras fue demasiado difí il para los

e onomistas on po o entrenamiento matemáti o. Impli aba en ontrar
los pre ios de todas las mer an ías omo solu iones de un gran número
de e ua iones que estable en la igualdad oferta-demanda en ada mer-
ado50 . Pero ¾será que todas estas e ua iones tienen solu ión? Walras
(extrañamente para alguien familiarizado on las matemáti as) asegura-
ba que sí, pues su sistema ontenía tantas e ua iones omo in ógnitas.
La tradi ión alemana poswalrasiana, notaría que el problema era difí-
il pero entral al desarrollo del problema. El e onomista alemán Gustav
Cassel (1918)51 fue el primero en sugerir la posibilidad de que las e ua io-
nes no ne esariamente tenían una solu ión no-negativa (los pre ios, para
él, podían ser negativos). Por aquellos mismos años, Karl S hlesinger re-
tomó el problema original de Walras, onsideró que las di ultades on
el modelo radi aba en una (sutil) interpreta ión equivo ada, y reyó que
la demostra ión de la existen ia del equilibrio general estaba al al an e
de la mano. Para ello, ontrató a un matemáti o joven, Abraham Wald,
para trabajar en el problema. Wald (1933,1936)52 obtuvo una prueba de
existen ia bajo iertas ondi iones no fá iles de interpretar y, de he ho,
muy fuertes a la luz de posteriores desarrollos. Wald logró emigrar de la
Alemania nazi a los Estados Unidos donde su interés se vol ó mu ho más
ha ia la estadísti a matemáti a. En la Universidad de Columbia (Nueva
York) fue uno de los profesores del posterior premio Nobel en e onomía
del año 1972: Kenneth J. Arrow.
Arrow omenzó a trabajar en el problema par ialmente resuelto de la
existen ia del equilibrio general sobre el ual lo úni o que Wald le de-
ía era que se enfrentaba a un difí il problema. Sin embargo, una ayuda
inesperada provino del teorema de existen ia de equilibrios de la teoría
de juegos (John F. Nash (1950)53 ), mediante el teorema de punto jo
de Brouwer (1912), introdu ido a la e onomía matemáti a por von Neu-
50
Y prá ti amente a esto se redujo ini ialmente el pensamiento original de Walras,
por razones que ya la e onomía políti a nos ha permitido entender.
51
Cassel, Gustav (1932), The Theory of So ial E onomy, Har ourt Bra e, New
York.
52
Publi ado de manera póstuma en Wald, Abraham (1951), On Some Systems of
Equations of Mathemati al E onomi s, E onometri a, pues Wald murió en 1950 en
un a idente aéreo.
53
Nash, John F. (1950), Equilibrium Points in n-Person Games. Pro eedings of
the National A ademy of S ien es.
mann en 1932 , que es equivalente al problema de existen ia del equilibrio

general (ver Ejer i ios omplementarios, le ión 2). Arrow tomó y adap-
tó las herramientas matemáti as del teorema de Nash y enton es pudo
estable er, muy generalmente, ondi iones bajo las uales las e ua iones
que denen el equilibrio general tenían al menos una solu ión.
Pero Arrow no fue el úni o on a eso a esta informa ión. El fran és
Gerard Debreu (premio Nobel en e onomía en 1983) había llegado si-
multánea e independientemente a, esen ialmente, los mismos resulta-
dos, y de idieron publi ar onjuntamente los resultados (Arrow y Debreu
(1954)54 ). Además, un po o antes de que este artí ulo apare iera, otros
e onomistas, Lionel M Kenzie (1954) 55 y Tjalling Koopmans (1951)56 ,
obtuvieron similares resultados on herramientas un tanto distintas. Co-
mo en el aso de Newton y Leibniz en el siglo XVII on la inven ión del
Cál ulo; o en la revolu ión marginalista de Menger, Walras y Jevons;
la existen ia de un equilibrio general ompetitivo fue un des ubrimiento
múltiple e independiente.
Para Debreu la historia omienza en 1948 uando el prin ipal e onomis-
ta fran és de la épo a, Mauri e Allais (premio Nobel en e onomía en
1988), lo propuso para la be a Ro kefeller para estudiar e onomía en los
Estados Unidos. Debreu, on forma ión en matemáti as y físi a, arribó
on 28 años a la Universidad de Harvard en 1949; luego pasó a Berkeley,
Chi ago, Oslo y, posteriormente, en 1955, a la Universidad de Yale, don-
de fue profesor aso iado de e onomía. Su más famosa monografía, Theory
of Value, publi ada en 1959, fue presentada omo tesis de do torado en
la Universidad de Paris en 1956.
El interés de Debreu por la e onomía omenzó uando leyera el libro de
Mauri e Allais, A la Re her he d'une Dis ipline E onomique (1943). En
este libro, Allais bus aba presentar y extender el pensamiento de Walras
sobre el equilibrio general, y además lo rela ionaba formalmente on la
no ión de optimalidad desarrollado por Vilfredo Pareto. Pero Allais no
fue el primero en seguir esta línea de pensamiento. La reen ia de que
una e onomía ompetitiva ondu e a un estado óptimo pro ede desde, al
54
Arrow, Kenneth J. y Gerard Debreu (1954), Existen e of an Equilibrium for a
55
M kenzie, Lionel W. (1954), On Equilibrium of Grahams Model of World Trade
and Other Competitive Systems, E onometri a.
56
ver le ión 8, volumen I (Álgebra lineal).
menos, el Wealth of Nations (1776) de Adam Smith. El ontenido exa to

de esta reen ia no podía a lararse hasta tanto no se tuviera una no ión
pre isa de optimalidad one tada on el problema de la distribu ión de
ingreso y riqueza.
Pare e que fue Pareto el primero en lograrla en sus Cours d'E onomie
Politique (1896-7) y posteriormente en su Manuel d'E onomie Politique
(1906), aunque ya en 1881 Fran is Edgeworth, en su Mathemati al Psy-
hi s, había dado ierta deni ión de bienestar máximo relativo. Pareto,
utilizando un onveniente método grá o al que denominó aja de Edge-
worth, mostró que todo equilibrio ompetitivo es óptimo. Sin embargo,
nun a utilizó el ál ulo diferen ial en el estudio de este problema, omo
sí lo hi ieran los que lo su edieran hasta prin ipios de los años in uen-
ta (la herramienta fundamental era el método de los multipli adores de
Lagrange). Pero aunque este método es apli able, no es absolutamente
ne esario ya que los teoremas de punto jo, las estru turas onvexas y
los teoremas de separa ión para onjuntos onvexos también fueron una
aproxima ión válida al problema, omo lo mostraran Arrow y Debreu en
sus trabajos lási os de 1954 y 1959.
Las limita iones de todas las ontribu iones antes de los primeros años
de la dé ada del in uenta onsistían en el he ho de que utilizaban tasas
marginales de sustitu ión para ara terizar el óptimo. Sin embargo, las
tasas marginales de sustitu ión no son un on epto primitivo de la teoría:
son un on epto derivado y puede no estar denido si no hay diferen ia-
bilidad en las fun iones de utilidad o en las de produ ión. Esto último
fue parti ularmente laro on el desarrollo del Análisis de A tividades de
Koopmans al apli ar la programa ión lineal y la teoría de la dualidad al
problema de la formula ión de la teoría del equilibrio general.
Durante el estable imiento de lo que hoy se a ostumbra a llamar siste-
ma general walrasiano (es de ir, desde los Éléments de Walras (1874)
hasta el modelo de Arrow y Debreu (1952)57 ), el problema de existen-
ia no fue ni omentado ni re ono ido por los e onomistas en general;
sólo por aquel pequeño grupo de e onomistas de la tradi ión alemana
que ya hemos men ionado y por Koopmans. De he ho, ninguno de los
textos lási os tales omo Foundations of E onomi Analysis de Samuel-
son (1947) y Value and Capital de Hi ks (1946) entraban su aten ión
57
Arrow, Kenneth J. y Gerard Debreu (1954), Existen e of an Equilibrium for a
en el problema de la existen ia del equilibrio general: por alguna razón

lo daban por garantizado. En lugar de esto, dedi aron sus páginas a la
estáti a omparativa y a la estabilidad de los equilibrios.
Sin embargo, sólo hasta el Theory of Value (1959) de Debreu, podemos
de ir que esta versión teóri a del pensamiento walrasiano (es de ir, el sis-
tema general walrasiano de equilibrio general) había sido sólidamente
(es de ir, matemáti amente) delimitada, y sus debilidades ompletamen-
te es lare idas.
El modelo Arrow-Debreu (Arrow y Debreu (1954), Debreu

(1959))
Hasta ahora (ver el ontexto e onómi o de la le ión 2) se han analizado

e onomías de inter ambio puro para presentar los resultados bási os de
la teoría del equilibrio general ompetitivo según el modelo paretiano.
Sin embargo, resultados similares se obtienen uando el se tor produ -
tivo se in luye dentro de la e onomía. El modelo de equilibrio general
ompetitivo más amplio es el modelo Arrow-Debreu que a ontinua ión
presentamos.
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.
Comportamiento de los onsumidores
En prin ipio, se dene un onsumidor omo un individuo o un grupo

de individuos on propósito de onsumo uni ado (por ejemplo, una fa-
milia), que pueden elegir planes de onsumo de las distintas mer an ías
disponibles. Aquí, un plan de onsumo es una espe i a ión de las anti-
dades de bienes de onsumo y de las antidades de servi ios a ofre er, al
omienzo del período (y para todo el período en que se desarrolla el mo-
delo, y que está previamente identi ado). Las antidades de bienes de
onsumo se representan mediante números positivos, y las antidades de
las distintas lases de servi io a ofre er se representan mediante números
negativos, por razones que adelante se entenderán. Al onjunto de todos

los planes de onsumo se le denomina su onjunto de onsumo . Así, el
onjunto de onsumo de este onsumidor estará in luido en el espa io de
mer an ías del modelo.
Asumiremos que existe un número m de onsumidores. Cada onsumidor
está indi ado por i = 1, . . . , m. El i-ésimo onsumidor elige un ve tor, su
plan de onsumo xi , en un sub onjunto no-va ío de Rl , que es su onjunto
de onsumo
P Xi . Dado un onsumo xi para ada onsumidor, P a la suma
x= m i xi se le llama el onsumo total ; y al onjunto X = m
i Xi se
le llama el onjunto de onsumo agregado. Supondremos aquí que para
todo i:
(a.1) Xi es errado. Es de ir, si existe una su esión de planes posibles
de onsumo {xni }, que onverge a algún ve tor x en el espa io de
mer an ías, enton es este ve tor también es un plan de onsumo
posible.
(a.2) Xi es onvexo. Esto impli a, en parti ular, que las mer an ías son
divisibles en ualquier número de partes. Esto, por supuesto, obli-
ga a interpreta iones muy nas de las mer an ías que vamos a
onsiderar.
(a.3) Xi tiene una ota inferior para ≤. Es de ir, existe un onsumo
mínimo de subsisten ia.
Sobre Xi se dene un preorden ompleto 4i tal que:
(b.1) No existe onsumo de sa iedad en Xi .
(b.2) Para todo x′i ∈ Xi , los onjuntos {xi ∈ Xi | xi 4i x′i } y {xi ∈ Xi |
xi <i x′i } son errados en Xi .
(b.3) Si x1i y x2i son dos puntos de Xi , y si t ∈ (0, 1), enton es x2i ≻i xli
impli a tx2i + (1 − t)xli ≻i xli .
( ) Si wi es el ve tor de dota iones ini iales del i-ésimo onsumidor,

enton es existe x0i ∈ Xi tal que x0i << wi 58
58
Note que esto impli a que ningún agente puede tener dota ión ini ial nula de
alguna mer an ía. Sin embargo, Debreu, en New Con epts and Te hniques for Equili-
brium Analysis (International E onomi Review (1962)), relajaría esta hipótesis para
permitir que esto último pudiera su eder, y que los teoremas entrales de existen ia
y bienestar siguieran manteniéndose.
Bien 2
x2
x1
Bien 1
Figura 50: Preferen ias modelo Arrow-Debreu.
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).
Comportamiento de los produ tores
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.
Produ to Produ to
Y
Y
Insumo Insumo
Figura 51: Conjuntos de produ ión Arrow-Debreu
(d.2) Y es errado. Es de ir, si {y n } es una su esión de posibles planes

agregados de produ ión, que onverge a un ve tor y en el espa io
de mer an ías, enton es también y es un posible plan de produ -
ión.
(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.
(d.4) Y ∩ (−Y ) = {0} (irreversibilidad ). Es de ir, los pro esos agregados

de produ ión no son reversibles. 59
(d.5) −Rl+ ⊆ Y , donde Rl+ = {x ∈ Rl | x ≥ 0} (libre disponibilidad

de insumos ). Es de ir, siempre es posible utilizar insumos y no
produ ir ningún produ to.
Aunque ya Koopmans (1951) se había anti ipado en la formula ión axio-
máti a 60 de la versión lineal del modelo walrasiano ( ono ido omo aná-
lisis de a tividades), fueron éstas (las de Arrow y Debreu) las ondi iones
más generales y más laras ono idas hasta enton es para que el siste-
ma walrasiano tuviera un equilibrio. Posteriormente, el mismo Debreu
59
Por ejemplo, de un pan no se puede obtener la misma energía elé tri a on la
que se horneó.
60
Claramente inuidos, tanto Koopmans omo Arrow y Debreu, por la es uela
matemáti a fran esa Bourbaki que, a su vez se inspiraba en Eu lides en la búsqueda
de una estru tura ión axiomáti a de todas las matemáti as ono idas hasta prin ipios
del siglo XX (ver le ión 4, volumen 0: Fundamentos).
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.
El on epto de e onomía y equilibrio walrasiano
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.
Deni ión 25. (E onomía Arrow-Debreu)

Una e onomía Arrow-Debreu está denida por tres ategorías:
1)Para ada onsumidor i = 1, . . . , m, un sub onjunto no va ío Xi de Rl
ompletamente preordenado por 4i .
2) Para ada produ tor j = 1, . . . , n, un sub onjunto no va ío Yj de Rl .
3) Para ada onsumidor i = 1, 2 . . . , m, las dota iones ini iales wi ∈ Rl .
Así, una e onomía Arrow-Debreu es una tupla de la forma
E = ((Xi , 4i ), (Yj ), (wi ))
61
op. it.
Deni ión 26. (E onomía Arrow-Debreu de propiedad privada)

Una e onomía Arrow-Debreu de propiedad privada es una e onomía de
la forma
E = ((Xi , 4i ), (Yj ), (wi ), (θij ))
P
donde para ada par (i, j), θij es un número no-negativo tal que i θij =
1 para todo j , que representa la parti ipa ión del i-ésimo onsumidor en
los bene ios del j -ésimo produ tor.
Deni ión 27. (Equilibrio walrasiano)

Un equilibrio walrasiano de la e onomía de propiedad privada E es una
(m + n + 1)-tupla ((x∗i ), (yj∗ ), p∗ ) de puntos de Rl tal que:
P
i) x∗i es un mayor elemento de {xi ∈ Xi | p∗ xi ≤ p∗ wi + j θij p∗ yj∗ }
para 4i , para todo i;
ii) yj∗ maximiza el bene io relativo a p∗ sobre Yj , para todo j ,
iii) x∗ − y ∗ = w (equilibrio de mer ado ).
El siguiente es uno de los prin ipales aportes realizados por la e onomía

matemáti a en los años 1950's, y la lave en su demostra ión es, de nuevo,
el teorema de punto jo de Kakutani:
Teorema 18. (Existen ia del equilibrio walrasiano)

La e onomía de propiedad privada E = ((Xi , 4i ), (Yj ), (wi ), (θij )) tiene
un equilibrio walrasiano si para todo i,
(a) Xi es errado, onvexo, y tiene una ota inferior para ≤.
(b.1) No existe onsumo de sa iedad en Xi .
(b.2) Para todo x′i ∈ Xi , los onjuntos {xi ∈ Xi | xi 4i x′i } y {xi ∈ Xi |

xi <i x′i } son errados en Xi .
(b.3) Si x1i y x2i son dos puntos de Xi , y si t ∈ (0, 1), enton es x2i ≻i xli
impli a tx2i + (1 − t)xli ≻i xli .
( ) Si wi es el ve tor de dota iones ini iales del i-ésimo onsumidor,

enton es existe x0i ∈ Xi tal que x0i << wi .
Además, para todo j ,

(d.1) 0 ∈ Yj
(d.2) Y es errado
(d.3) Y es onvexo
(d.4) Y ∩ (−Y ) = {0}
(d.5) Y ⊃ (−Rl+ ), donde Rl+ = {x ∈ Rl | x ≥ 0}.
Demostra ión.
Ver Debreu (1959)62 .
Este teorema fue un resultado tremendamente importante para la teo-

ría e onómi a, pues mostraba ondi iones matemáti as pre isas bajo las
uales podría existir solu ión al problema original de Walras. Que a pe-
sar de ser una e onomía estáti a, se entendiera que existían unos pre ios
y unas asigna iones de tal forma que los onsumidores y los produ tores
podían oordinar sus a tividades e onómi as de manera des entraliza-
da, era un logro mayús ulo. Era, quizás, omenzar a entender por qué
los mer ados reales en verdad podrían fun ionar, y que los pre ios que
lo lograban, de he ho, existían. Sin embargo, mostrar que este equilibrio
Arrow-Debreu también gozaba de las ya previstas propiedades paretianas
de bienestar, era, obviamente, el siguiente paso.
Deni ión 28. (Óptimo de Pareto)

i) En una e onomía Arrow-Debreu, dados dos equilibrios de mer ado
((xi ), (yj )) y ((xi ), (yj )) (ver Deni ión 27), diremos que el segundo
′ ′
es al menos tan deseado omo el primero, y se es ribe ((xi ), (yj ))

((xi ), (yj )), si, para todo i, se tiene que xi xi .
′ ′ ′
ii) Un equilibrio de mer ado ((xi ), (yj )) de una e onomía Arrow-Debreu

es un óptimo de Pareto si para todo otro equilibrio de mer ado ((xi ), (yj ))
′ ′
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.
monografía de Debreu (1959), on el onven imiento de que el le tor

tiene, en este punto, todos los requisitos matemáti os para omprenderlas
abalmente.
Teorema 19. (Primer teorema de la e onomía del bienestar)

En una e onomía Arrow-Debreu, todo equilibrio walrasiano es un óptimo
de Pareto.
Y apli ando el teorema de separa ión de Minkowski (ver teorema 11,

le ión 3), Debreu también demuestra que:
Teorema 20. (Segundo teorema de la e onomía del bienestar)

En una e onomía Arrow-Debreu, dado un óptimo de Pareto ((x∗i ), (yj∗ ))
donde algún x∗i no es un onsumo de sa iedad, existe un sistema de
pre ios p no todos nulos tales que: i) x∗i minimiza p · xi sobre el onjunto
{xi ∈ Xi /xi x∗i } para todo i; ii) yj∗ maximiza el bene io p · yj sobre
Yj , para todo j .
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 problema de la uni idad del equilibrio walrasiano
En Theory of Value de 1959, Debreu sólo se reere a los problemas de

uni idad y estabilidad en una nota marginal. Pero en 1970, en E ono-
mies with a Finite Set of Equilibria, ya mostraba que la multipli idad de
equilibrios en e onomías walrasianas, no son un aso atípi o, pero que,
en aso de multipli idades, ada equilibrio es lo almente úni o, siempre
que se dieran iertas ondi iones de diferen iabilidad sobre las fun iones
de ex eso de demanda. Más aún: Este omportamiento es ierto en asi
todas las e onomías, donde el término asi todas tiene un signi ado
matemáti o pre iso (ver el artí ulo de Debreu (1976),The Appli ation to
E onomi s of Dierential Topology and Global Analysis: Regular Die-
rentiable E onomies, Ameri an E onomi Review).
Introdu imos ahora el on epto más importante en el estudio de la uni-
idad del equilibrio walrasiano en una e onomía Arrow-Debreu de inter-
ambio puro:
Deni ión 29. (Sustitu ión bruta entre mer an ías)

Una mer an ía i es sustituta bruta de una mer an ía j al ve tor de pre ios
p si pi = p′i para todo i 6= j , y pj < p′j impli a enton es que zi (p) < zi (p′ )
para i 6= j , donde p = (p1 , . . . , pl ) y p′ = (p′1 , . . . , p′l ), y zi (·) es la fun ión
de ex eso de demanda del onsumidor i.
Es de ir, la mer an ía i se di e sustituta bruta de la mer an ía j al ve -
tor de pre ios p, si al disminuir (aumentar) el pre io de la mer an ía
j , disminuye (aumenta) el ex eso de demanda de la mer an ía i. Si tu-
viéramos diferen iabilidad en las fun iones de ex eso de demanda, esto
enton es signi aría que, para i 6= j ,
∂zi
>0
∂pj
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.
Ver Debreu (1970).
Ejemplo 68. (E onomía on innitos equilibrios)

Aunque lo usual es en ontrar ejemplos de e onomías de inter ambio on
un sólo equilibrio (ver ontexto e onómi o, le ión 2), no es orriente
en ontrar, en los libros de texto, ejemplos on innitos equilibrios. Sin
embargo, omo lo mostrara Herbert S arf (1960) 63 en su famoso ontra-
ejemplo, esto o urre muy omúnmente en el aso de sustitu ión no-bruta
entre mer an ías. Por ejemplo, si la e onomía es
UA (xA , yA ) = mı́n{xA , yA }, wA = (1, 0)
63
S arf, Herbert (1960), Some Examples of Global Instability of the Competitive
Equilibrium, International E onomi Review.
UB (xB , yB ) = mı́n{xB , yB }, wA = (0, 1)

sus equilibrios walrasianos son, todos, de la forma
P 1
px = P ≥ 0; py = 1; xA = = yA ; xB = = yB
1+P 1+P
omo el le tor puede omprobar. N
Dierker (1972)64 y Mas-Colell(1977)65 mostraron, utilizando el teorema
de punto jo de Brouwer, que in lusive bajo iertas hipótesis de dife-
ren iabilidad sobre las fun iones demanda de los individuos (que en los
ejemplos más ilustrativos se umplen), podrían ontarse el número de
equilibrios de una e onomía Arrow-Debreu de inter ambio. Denieron
el llamado índi e de un equilibrio, omo el signo del determinante del
negativo de la matriz ja obiana de la fun ión ex eso de demanda eva-
luada en equilibrio, a la que se le ha quitado la primera la y la primera
olumna. Un resultado aquí es que la sumatoria de los índi es de todos
lo equilibrios es siempre +1; y esto nos lleva a armar que ( uando es
nito) el número de equilibrios de estas e onomías es siempre impar, y
que un equilibrio es úni o si, y sólo si, el índi e es +1 en ada equilibrio
poten ial.
Mas-Colell (1985)66 y Kehoe (1985)67 extendieron estos resultados a e o-
nomías Arrow-Debreu on produ ión, obteniendo, prá ti amente, los
mismos resultados genéri os de Debreu (1970). En el artí ulo de 1985,
Kehoe onstruye, sin embargo, una e onomía Arrow-Debreu ( on pro-
du ión) que tiene tres equilibrios. Este ejemplo muestra una e onomía
on buenas ara terísti as en la que, no obstante, surge la multipli idad
de equilibrios debido a la in lusión de fun iones de produ ión lineales
en el se tor produ tivo.
Ejemplo 69. (E onomía de produ ión on tres equilibrios)
Considere la e onomía on m=4 onsumidores y n=4 produ tores. Los
64
Dierker, Egbert (1972), Two Remarks on the Number of Equilibria of an E o-
nomy, E onometri a.
65
Mas-Collel, Andreu (1975), On the Equilibrium Pri e Set of an Ex hange E o-
nomy, Journal of Mathemati al E onomi s.
66
Mas-Colell, Andreu (1985), The Theory of General E onomi Equilibrium: A
Dierentiable Approa h, Cambridge University Press.
67
Kehoe, Timothy J. (1985), Multipli ity of Equilibria and Comparative Stati s,
Quarterly Journal of E onomi s.
onsumidores tienen fun iones de utilidad para i = 1, 2, 3, 4, de la forma
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
Ve tor de pre ios:
P = (0.25, 0.25, 0.25, 0.25)

Equilibrio 2:
 
26.000 67.431 48.490 83.089
12.754 5.000 12.368 220.771
 
 8.249 6.468 119.000 14.280 
0.578 0.453 0.070 275.000
Ve tor de pre ios:
P = (0.15942, 0.25, 0.03865, 0.55193)
Equilibrio 3:
 
26.000 39.072 224.362 14.499
22.001 5.000 98.768 66.485 
 
 1.783 0.810 119.000 0.539 
3.311 1.504 1.857 275.000
Ve tor de pre ios:
P = (0.27514, 0.25, 0.30865, 0.16621)
¾Por qué la in lusión de fun iones de produ ión lineal en esta e onomía,
lleva a la apari ión de múltiples equilibrios?
El problema de estabilidad del equilibrio walrasiano: el tâton-

nement de Walras
Es laro que el he ho de que una e onomía ompetitiva tenga un equi-

librio walrasiano, no lo ha e estable automáti amente. Y esto último,
ualquiera que haya sido la razón, ha sido visto omo ondi ión ne esa-
ria para que una e onomía ompetitiva pueda ser una buena herramienta
para el análisis e onómi o. Y aunque, omo armábamos en la ontexto
e onómi o de la le ión 2, para Walras el equilibrio era al anzado empí-
ri amente mediante el me anismo de el ompeten ia, es de ir, del tâton-
nement, este problema sólo omenzó a ser estudiado sistemáti amente y,
on todo rigor, en 1958, por los premios Nobel, Arrow y Hurwi z, en su
On the Stability of the Competitive Equilibrium (E onometri a); y en
1959 por Arrow, Blo k y Hurwi z en On the Stability of the Competitive
Equilibrium II ( E onometri a). Allí prueban que el pro eso tâtonne-
ment sólo es estable bajo iertas restri iones, tales omo la sustitu ión
bruta (gross substitutability ) , y, de he ho, Herbert S arf (1960)68 mostró

que existen asos en los que el equilibrio walrasiano no es estable glo-
balmente, pre isamente uando esta ondi ión falla. Esto llevó a pensar,
en aquel tiempo, que quizás hubiera otro amino al equilibrio distinto
al, en o asiones, inestable tâtonnement. De allí surgieron los ono idos
pro esos de ajuste no-tâtonnement 69 estudiados por Uzawa (1962)70 ,
Hahn (1962)71 , Hahn y Negishi (1962)72 , entre otros, y que, en general,
mostraron mejor estabilidad que el mismo pro eso tâtonnement.
Deni ión 30. (Deni ión de tâtonnement )

La regla de ajuste de pre ios
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.
del tiempo, al equilibrio. Se requieren ondi iones adi ionales bastante

fuertes sobre las fun iones de ex eso de demanda de ada mer an ía.
Teorema 22. (Teorema Arrow-Blo k-Hurwi z (1959)) 73
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
señalando que, partiendo del desequilibrio, D(t) de re e a medida que t

re e.
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.
Ejemplo 70. (Un ejemplo de tâtonnement )

Consideremos una e onomía de inter ambio puro
on dota iones
wA = (1, 2) wB = (2, 2)
Aquí, las fun iones de ex eso de demanda son

2py 3
zx (px , py ) ≡ xA (px , py ) + xB (px , py ) − (wxA + wxB ) = −
px 2
73
Leonid Hurwi z [1917-2008 ℄ re ibió el premio Nobel en E onomía en 2007, por
sus aportes a la teoría del diseño de me anismos, un área de la teoría de juegos.
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.
Equilibrio walrasiano y el nú leo de una e onomía
El modelo de equilibrio general Arrow-Debreu está basado en la hipótesis

de que los pre ios son di tados por el subastador y tomados paramétri-
amente por todos los agentes e onómi os. Es aparentemente laro que
esta hipótesis es po o plausible para una e onomía on po os agentes
(pues alguno de ellos podría tener inuen ia en los pre ios).
Fran is Edgeworth, en su texto lási o, Mathemati al Psy hi s de 1881,
introdujo la urva de ontrato (posteriormente ono ida omo el nú leo )
en e onomías de dos mer an ías y dos tipos de agentes. Allí estudió
lo que su edía on la urva de ontrato uando el número de agentes de
ada tipo re e. Edgeworth en ontró que la urva de ontrato se ontrae
ha ia los estados de la ompeten ia perfe ta, uando el número de agentes
aumenta.75 . Pero este resultado re ibió po a aten ión durante más de 80
años, quizás debido a la forma onfusa en que Edgeworth presentó sus
ideas.
En 1963, Debreu y Herbert S arf publi aron A limit theorem on the ore
of an e onomy, una lú ida, elegante y breve demostra ión de las ideas
de Edgeworth. Pero, nuevamente, el punto de isivo lo olo ó la teoría de
juegos. Desde la apari ión del lási o Theory of Games and E onomi
Behavior de John von Neumann y Oskar Morgenstern en 1944, el análisis
de juegos oali ionales76 venía desarrollándose rápidamente. En 1953,
L.S. Shapley y D.B. Gillies estable ieron un on epto-solu ión para estos
juegos que dieron en llamar el nú leo ( ore) 77 . En 1959, Martin Shubik
en ontró la onexión entre la urva de ontrato de Edgeworth y el nú leo
de un juego ooperativo, y Herbert S arf, inspirado en esto, presentó en
1962 un notable análisis de la rela ión nú leo-equilibrio walrasiano en
e onomías de inter ambio para un número ontable de agentes de ada
tipo. Debreu y S arf dieron en 1963 una prueba mu ho más simple de
este teorema de equivalen ia entre el nú leo y los equilibrios walrasianos
a medida que el número de agentes de ada tipo, re e.
Fue pre isamente aquí que Robert Aumann (1964)78 observó la posibili-
dad de generalizar el modelo on un número ontable de agentes a uno
75
Contratos on ompeten ia perfe ta están perfe tamente determinados de ía
Edgeworth.
76
También llamados ooperativos.
77
Algunos también lo a ostumbran a llamar el orazón de la e onomía.
78
Aumann, Robert J. (1964), Markets with a Continuum of Traders, E onometri a.
on un ontinuo de agentes que es, desde el punto de vista e onómi o,

la representa ión matemáti a más ade uada de una e onomía perfe ta-
mente ompetitiva. Aumann probó el teorema de equivalen ia entre el
nú leo y los equilibrios walrasianos uando la e onomía tiene un ontinuo
de agentes. Hoy, los trabajos de Debreu, S arf y Aumann han desembo-
ado en una enorme a tividad de investiga ión, parti ularmente en la
teoría de juegos de mer ado (ver Hart (2005))79 .
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.
Ejemplo 71. Para la e onomía de inter ambio puro
Ui (x1i , x2i ) = x1i x2i i = A, B
on dota iones ini iales wA = (4, 1) y wB = (1, 4), se tiene, igualando las
tasas marginales de sustitu ión, que el onjunto de asigna iones Pareto-
óptimas es
{ [(x1A , x2A ), (x1B , x2B )] / x1A = x2A , x1A + x1B = 5, x2A + x2B = 5 }
El nú leo de esta e onomía lo en ontramos en el onjunto de asigna iones

Pareto-óptimas [(x1A , x2A ), (x1B , x2B )] tales que
UA (x1A , x2A ) ≥ UA (4, 1) UB (x1B , x2B ) ≥ UB (1, 4)
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
que, simpli ando, es
{ [(x1A , x2A ), (x1B , x2B )] / x1A = x2A , x1A +x1B = 5, x2A +x2B = 5, 2 ≤ x1A ≤ 3}N
B
Curva de Contrato
Nú leo
Equilibrio b
ompetitivo
b
WA
A
Figura 52: Nú leo de una e onomía
Es notable observar que, además, todo equilibrio walrasiano, x, está en

el nú leo de la e onomía, pues, si no fuera así, enton es Ui (x) < Ui (wi )
para algún i, y esto sería una ontradi ión pues, en equilibrio, ningún
agente puede re ibir menos utilidad que la que originalmente le da la
dota ión ini ial de mer an ías. Esto se ilustra en el ejemplo 71 anterior
ya que el úni o equilibrio walrasiano es
[(x1A , x2A ), (x1B , x2B )] = [(2.5, 2.5), (2.5, 2.5)] p = (1, 1)
que, laramente, está en el nú leo de la e onomía.

De otro lado, para omprender el resultado entral de esta se ión, reque-
rimos del on epto de r-répli a de una e onomía de inter ambio. Ésta
onsiste de r opias de ada uno de los onsumidores originales (es
de ir, on las mismas fun iones de utilidad y las mismas dota iones ini-
iales). Obviamente, a ada una de estas e onomías se le puede al ular
su respe tivo nú leo.
Teorema 23. (Contra ión del nú leo)

Si las fun iones de utilidad de una e onomía de inter ambio son estri -
tamente onvexas y monótonas re ientes (estri tas) en ada uno de sus
argumentos, enton es, si el equilibrio walrasiano es úni o, éste es el lí-
mite, uando r → ∞, de los respe tivos nú leos de las r-répli as de la
e onomía.
79
Hart, Sergiu (2005), Values of Non-Atomi Ve tor Measure Games, International
Journal of Game Theory.
Demostra ión.
Ver Debreu y S arf (1963)80 .
Este extraordinario resultado señala, enton es, la importan ia, en e o-

nomías de mu hos agentes, de las asigna iones de equilibrio walrasiano:
podemos llegar a él, bien mediante el me anismo de pre ios, mer an-
ías sustitutas brutas y tâtonnement, o bien mediante nego ia iones on
asigna iones en el nú leo. Son dos me anismos diferentes on un mismo
resultado. Además, es extraordinario observar que este teorema también
nos muestra que una institu ión, omo el mer ado (pre ios), es un resul-
tado de nego ia iones.
El modelo Arrow-Debreu bajo in ertidumbre
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.
está ondi ionada a la o urren ia de ese evento. Esto es lo que ahora se

ono e omo mer an ía Arrow-Debreu. Fue Arrow, en 1953, on su ar-
tí ulo The Role of Se urities in the Optimal Allo ation of Risk Bearing,
quien permitiera una transposi ión inmediata de los resultados en una
e onomía bajo ertidumbre a una on in ertidumbre, on la ventaja de
que esta teoría no ha e referen ia alguna a la no ión de probabilidad. La
idea, tomada, extendida y enrique ida por Debreu en su artí ulo E o-
nomi s under Un ertainty (1959), y por Roy Radner (1968)81 era, sin
duda, simple (mas totalmente nueva) y llegaría a ser (aún hoy lo es) una
herramienta estándar del análisis e onómi o.
El teorema de Sonnens hein-Mantel-Debreu (1972)
Debreu estaba onven ido de que los fundamentos mi roe onómi os no

impli aban su iente estru tura para que los ex esos de demanda totales
permitieran un tratamiento ade uado de los problemas de estabilidad y
de uni idad. Hugo Sonnens hein (1972)82 fue más allá, y se preguntaba
si los ex esos de demanda de una e onomía tenían ondi iones distintas a
las que ya se ono ían: ontinuidad, homogeneidad de grado ero, y la ley
de Walras. Gerard Debreu (1974)83 y Rolf Mantel (1974)84 respondieron
ompletamente esta pregunta en el sentido negativo: estas ondi iones no
son sólo ne esarias: son también su ientes; es de ir, ualquier fun ión
ontinua f (·) de S = {p ∈ Rn | p >> 0, ||p|| = 1} en Rn que satisfaga la
ley de Walras (p · f (p) = 0 para todo p ∈ S ) es idénti a (ex eptuando,
tal vez, la frontera) a la fun ión de ex eso de demanda de una e onomía
de inter ambio estándar.
Para presentar el teorema de Sonnens hein-Mantel-Debreu debemos de-
nir más formalmente qué es una fun ión de ex eso de demanda:
Deni ión 32. (Fun ión ex eso de demanda)

Una fun ión zi : P → Rl , on P = {p ∈ Rl | p >> 0, ||p|| = 1}, es
una fun ión de ex eso de demanda del i-ésimo onsumidor si, y sólo si,
81
Radner, Roy (1968), Competitive Equilibrium under Un ertainty, E onometri a.
82
Sonnens hein, Hugo (1972), Market Ex ess Demand Fun tions, E onometri a.
83
Debreu, Gerard (1974), Ex ess Demand Fun tions, Journal of Mathemati al
E onomi s.
84
Mantel, Rolf (1974), On the Chara terization of Aggregate Ex ess Demand, Jour-
nal of E onomi Theory.
para todo p ∈ P se satisfa e que wi + zi (p) es un mayor elemento de

{xi ∈ Rl+ | pxi ≤ pwi } para 4i .
Y on ésta enun iamos el famoso teorema:
Teorema 24. (Teorema Sonnens hein-Mantel-Debreu)

Sea z : P → Rl una fun ión ontinua de una e onomía de inter ambio
puro tal que para todo p ∈ P , pz(p) = 0 (donde z(·) es llamada una
fun ión de ex eso de demanda agregada). Para todo ǫ > 0, existen m
onsumidores uyas fun iones de ex eso de demanda individual suman
z(·) sobre
P Sǫ = {p ∈ P | para todo h, ph ≥ ǫ}; es de ir, para todo ǫ > 0,
z(p) = m i=1 zi (p) para todo p ∈ Sǫ .
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.
) La teoría de intera iones: ha ia una visión de la e o-

nomía omo un sistema orgáni o
Fundamentalmente, un modelo de mer ado on ompeten ia imperfe ta

es aquél en el que no se tiene alguna de las on lusiones fundamentales
del modelo Arrow-Debreu, in luyendo, obviamente, los dos teoremas del
bienestar e onómi o. Esta deni ión in luye, entre mu hos, problemas
omo monopolio, oligopolio, ompeten ia monopolísti a, bienes públi os
y dinero.Ha e ya tiempo, Cournot (1838)85 , Bertrand (1883)86 y Edge-
85
Cournot, A. A. (1838), Investiga iones a er a de los Prin ipios Matemáti os de
la Teoría de las Riquezas, Fondo de Cultura E onómi a, Mexi o.
86
Bertrand, J. (1883),Théorie des Ri hesses: Revue de Théories mathématiques de
la Ri hesse So iale par Léon Walras et Re her hes sur les prin ipes Mathématiques
de la Théorie des Ri hesses par Augustin Cournot, Journal des Savants.
worth (1897)87 presentaban tratamientos a problemas que hoy llamamos

de ompeten ia imperfe ta tales omo oligopolio ( on olo a ión de an-
tidades y sin olusión), duopolio ( on olo a ión de pre ios y sin olusión)
y restri iones de apa idad produ tiva, respe tivamente, on una idea
aparentemente muy obvia: en general, la ompeten ia imperfe ta surge
porque hay intera iones de mer ado fuertes entre algunos (o todos) los
agentes, que los ondu en a omportarse estratégi amente en pos de sus
objetivos. Sin embargo, esta aproxima ión fue prá ti amente ignorada
omo línea de investiga ión dentro de la teoría e onómi a formalizada
hasta ha e sólo 60 años atrás, y en su lugar se instalaron modelos que
no eran más que varia iones de la perspe tiva walrasiana o marshalliana
apli ados a la ompeten ia imperfe ta.
En 1944, John von Neumann [1903-1957℄ y Oskar Morgenstern [1902-
1977℄ publi aron el primer texto que se ono iera sobre el problema de
modelar intera iones e onómi as a través de lo que dieron en llamar
teoría de juegos : Theory of Games and E onomi Behavior. Este traba-
jo mostró el amino ha ia el fortale imiento de las ideas de Cournot-
Bertrand-Edgeworth, en tanto que proveyó de un lenguaje omún y de
un tratamiento analíti o ade uados a ellos. Extensiones y reformula io-
nes posteriores moldearon lo que hoy se ono e omo teoría de juegos
lási a, y que fue el trabajo de los in o gigantes de esta teoría: Robert
Aumann, John Harsanyi, John Nash, Reinhard Selten y Lloyd Shapley
durante los años 50's, 60's y 70's, prin ipalmente (tres de ellos, Harsan-
yi, Nash y Selten, re ibieron el premio Nobel en e onomía en 1994, y
Aumann lo re ibió en 2005); además de los más re ientes desarrollos de
otros premios Nobel, tales omo Joseph Stiglitz (Premio Nobel 2001),
Daniel Kahnemann y Vernon Smith (Premio Nobel 2002), Robert Au-
mann y Thomas S helling (Premio Nobel 2005), Leonid Hurwi z, Eri
Maskin y Roger Myerson (Premio Nobel 2007).
La teoría de juegos lási a ( ooperativa ( oali ional) y no- ooperativa)
logra apturar, en su estru tura y sus on eptos-solu ión, los mode-
los de Cournot, Bertrand y Edgeworth. Pero esto es po o: En gene-
ral, bus a estudiar el omportamiento estratégi o de individuos en am-
bientes e onómi os tales omo la distribu ión de informa ión (Harsanyi
87
Edgeworth, Fran is Y.(1897),The Theory of International Values, E onomi
Journal.
(1967,1968); Aumann (1976)88 ), la inuen ia de las expe tativas y reen-

ias de los jugadores (Kreps y Wilson (1982)89 ), y la tensión entre equili-
brio y e ien ia (Myerson y Satterthwaite (1983)90 ), diseño de ontratos
y me anismos de distribu ión (Hurwi z(1986)91 , Maskin(1990)92 , Myer-
son(2007)93 , que dan razón de no muy intuitivas formas en las que los
in entivos individuales operan en medio ambientes uando hay agentes
que tienen diferentes informa ión y objetivos.
La teoría de juegos lási a, omo herramienta analíti a, ha al anzado un
lugar dentro de la teoría e onómi a moderna. Su poder en el tratamiento
de múltiples fallas del mer ado a la luz de sus on eptos de equilibrio es
la primera aproxima ión formal a la omprensión sobre qué une y qué
separa la teoría de los mer ados ompetitivos de la teoría de los mer a-
dos bajo ompeten ia imperfe ta: la forma en que se ha desarrollado la
teoría e onómi a en los últimos ien años nos ha abo ado a estudiar esta
dualidad.
Pero aunque el estudio de la teoría de juegos lási a nos ha dado un po-
deroso lenguaje que ayuda a examinar algunos de los problemas enfren-
tados por agentes que optimizan ons ientemente dentro de situa iones
de ompeten ia, el éxito de estas apli a iones ha mostrado también sus
límites. Los requerimientos analíti os y omputa ionales nos muestran
que quizás ésta no es la forma de resolver estos problemas, y las parado-
jas que apare en entre la ra ionalidad individual y la ra ionalidad so ial
indi an ya la di ultad de señalar, si existe, la solu ión orre ta para
un juego. La re iente eviden ia sobre ómo se omportan los individuos
en juegos experimentales, y el interés por omprender la ompeten ia y
la oopera ión entre agentes e onómi os, pare e señalar la dire ión del
futuro desarrollo de esta teoría. Es lo que hoy llamamos teoría de juegos
no- lási a.
88
Aumann, Robert J. (1976), Agreeing to Disagree, Annals of Statisti s.
89
Kreps, David y Robert Wilson(1982), Reputation and Imperfe t Information,
Journal of E onomi Theory.
90
Myerson, Roger B., y Mark Satterthwaite (1983), E ient Me hanisms for Bi-
lateral Trading, Journal of E onomi Theory.
91
Hurwi z, Leonid (1986), On the Implementation of So ial Choi e Rules in Irra-
tional So ieties, in Heller et al (editors), Essays in Honor of Kenneth J. Arrow.
92
Maskin, Eri (1990), The Prin ipal- Agent Relationship with an Informed Prin-
ipal, (with J. Tirole), E onometri a.
93
Myerson, Roger B. (2007), Me hanism Design, Mimeo, Northwestern University.
Agente 2
D I
Agente 1 D 5, 5 0, 4
I 4, 0 2, 2
Figura 53: Juego de Coordina ión.
Bus ando ilustrar ómo se proye ta la teoría moderna de intera iones

desde los lási o a lo no- lási o, se ha es ogido onvenientemente un
problema de sele ión de equilibrios en juegos de oordina ión. Veamos
esto en detalle.
Primera aproxima ión al problema de oordina ión: la teoría

de juegos lási a
El problema de oordina ión de la teoría de juegos lási a se puede des-

ribir mediante una bimatriz omo en la gura 53. Aquí los agentes 1 y
2 tienen a su disposi ión dos estrategias: D = dere ha , I = izquierda.
Ninguno de los dos sabe lo que el otro es ogerá y, por lo tanto, tiene
que ha er hipótesis sobre esto. Si al nal ambos es ogen D , obtendrán
5 unidades monetarias de pago ada uno; si el agente 1 es oge I y el
agente 2 es oge D , el primero re ibe 4 unidades monetarias de pago y el
segundo no re ibirá ninguna; si es el agente 2 el que es oge I y el agente
2 es oge D , enton es este último no re ibirá nada, mientras que el agente
2 re ibirá 4 unidades; y si ambos agentes es ogen I , obtendrán (ambos)
dos unidades monetarias de pago.
Lo que esta interdependen ia estratégi a impli a respe to a un on epto
de ra ionalidad onvin ente es algo que la teoría de juegos lási a no ha
al anzado a dilu idar del todo bien: quizás su programa de investiga ión
era demasiado ambi ioso. La forma estándar de resolver este problema es
a udiendo a un on epto de equilibrio ex post desarrollado por John Nash
(1950) (ver el ontexto e onómi o de la le ión 2) y que es una extensión
de la solu ión de Cournot (1838) para el problema del oligopolio: un
equilibrio de Nash es un par de estrategias (una para ada agente) tal que
ningún agente pueda mejorar sus pagos sólo por ambiar, a dis re ión,
su propia estrategia.
En el juego de oordina ión de la gura 53 los dos primeros equilibrios de

Nash que se en uentran revisando las uatro asillas de la bimatriz son
(I, I) y (D, D).94 Estamos enton es en presen ia de un juego on al menos
dos equilibrios de Nash. Uno de ellos (D, D) on ganan ias de 5 para ada
uno; y el otro (I, I) on ganan ias de 2 para ada uno. El problema es
ómo oordinar para al anzar, en el mejor de los asos, el 5 para ada
uno. De otro lado, uando las estrategias se ha en aleatorias debido a la
falta de informa ión por parte de ada agente sobre lo que el otro hará, los
pagos numéri os de la bimatriz se reemplazan por los valores esperados
(estadísti os). Y ya sabemos de la le ión anterior que un equilibrio de
Nash en estrategias mixtas se da uando los valores esperados por parte
de ada jugador, al eje utar las distintas estrategias, son iguales. En
este aso, tenemos que el equilibrio de Nash es 3 D, 3 I para ambos
2 1
jugadores. Desde el punto de vista ra ional y bajo sólo estos parámetros

de intera ión, no existe ninguna razón para sele ionar alguno de estos
tres equilibrios.
Segunda aproxima ión al problema de oordina ión: modelo de

aprendizaje bajo mejor-respuesta
Supongamos ahora que el mismo juego de oordina ión de la gura 53 se

repite una y otra vez, pero que los agentes sólo re uerdan lo su edido en
los dos últimos juegos y, a partir de esto, toman la mejor-respuesta (es
de ir, eligen la estrategia que les dé mayores pagos) en el próximo juego.
Así, tendremos el siguiente esquema:
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.
Últimas dos
A iones del Oponente Mejor-Respuesta
DD −→ D
II −→ I
ID −→ D
DI −→ D
En ualquier tiempo T , los distintos estados del juego (después de

eliminar estados redundantes (en términos de pagos)) son los siguientes:
E1 ≡ (DD, DD), E2 ≡ (DD, DI), E3 ≡ (DD, ID),

E4 ≡ (DD, II), E5 ≡ (DI, DI) E6 ≡ (DI, ID),
E7 ≡ (DI, II), E8 ≡ (ID, ID), E9 ≡ (ID, II), E10 ≡ (II, II)
donde (ab, cd) signi a que
a ≡ lo que juega el agente 1 en el tiempo T.

b ≡ lo que juega el agente 1 en el tiempo T + 1.
c ≡ lo que juega el agente 2 en el tiempo T.
d ≡ lo que juega el agente 2 en el tiempo T + 1.
No es difí il al ular las probabilidades de transi ión entre estos estados:

por ejemplo, en el paso del estado 3 (E3) al estado 1 (E1) la probabi-
lidad de transi ión es segura: p31 = 1. De forma similar se al ulan las
otras 99 probabilidades de transi ión y se obtiene la siguiente matriz de
probabilidad:
 
1 0 0 0 0 0 0 0 0 0
0 0 1 0 0 0 0 0 0 0
 
1 0 0 0 0 0 0 0 0 0
 
0 0 0 0 0 1 0 0 0 0
 
0 0 0 0 0 0 0 1 0 0
M =
0

 0 1 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 1 0
 
1 0 0 0 0 0 0 0 0 0
 
0 0 0 0 0 1 0 0 0 0
0 0 0 0 0 0 0 0 0 1
A esta matriz M se le ono e omo matriz de transi ión (Markov) y es el

vehí ulo para en ontrar la distribu ión de los estados en el tiempo: si el
sistema está en un tiempo determinado en el estado i (i = 1, 2, . . . , 10),
enton es
ei M = (0, 0, . . . , 1, . . . , 0)(M )
es la distribu ión de probabilidades en las que ei apare erá en el tiempo

siguiente. Por ejemplo,
e1 M = e1 ; e2 M = e3 ; e3 M = e1 ; et .
Así, si queremos ono er el omportamiento de largo plazo del estado ei

es su iente al ular
ei M ∞ donde M ∞ = lı́m M k
k→∞
Con un buen programa matri ial95 se puede al ular que
 
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
Y el resultado es laro: si el sistema omienza en ualquier estado (ex-

epto el estado 10 (II; II)), nalizará on probabilidad 1 en el estado
(DD; II). O, en otras palabras, el resultado nal de este pro eso adapta-
tivo es que (a menos que omien e en el equilibrio de oordina ión (I, I))
siempre terminarán en el equilibrio de oordina ión (D, D).
95
Por ejemplo, Matlab, S ilab o Mathemati a.
Ter era aproxima ión al problema de oordina ión: teoría de

juegos evolutivos
A omienzos de los años 1970, parti ularmente on los trabajos de May-

nard Smith and G.R. Pri e (1973)96 , la teoría de juegos omienza a inuir
en los modelos e ológi os, proveyendo de un sistema de referen ia para
el análisis de aquellas de isiones que o urren en pobla iones animales
y vegetales y que onforman el pro eso de evolu ión. A través de estos
(y otros) avan es, omienza a apare er un nuevo uadro de rela iones:
se en ontró que las teorías que ara terizan la toma de de isiones en
e onomía y políti a eran, en mu has o asiones, idénti as desde el punto
de vista uantitativo, a traye torias observadas en el pro eso natural de
evolu ión. Este hallazgo probó ser el punto de partida de un inmenso
ampo de investiga iones: en un amplio rango de situa iones intera tivas
(aún aquellas no to adas por la mano institu ional) los eventos pare en
desarrollarse de a uerdo a un onjunto de reglas universales. Las impli a-
iones de esto eran laras: si el teóri o podía identi ar el juego jugado,
podía enton es utilizar modelos de juegos ya existentes para estudiar el
omportamiento de los jugadores, y la retribu ión que éstos re ibirían por
jugarlo. De otro lado, en algunas situa iones, también la teoría de juegos
ha ofre ido el poder de ha er predi iones uantitativas, aún uando el
pro eso que llevan a abo los jugadores involu rados fuera des ono ido.
En el juego evolutivo típi o, una pobla ión grande de agentes (no ne e-
sariamente ra ionales ) intera túan por parejas jugando un juego nito
de matriz (simétri a, por simpli idad) A = (aij )ni=1,j=1 , donde aij es el
pago por jugar la estrategia i uando el oponente juega la estrategia j .
Ahora: si p = (pi )ni=1 es el ve tor de propor iones de la pobla ión utili-
zando ada una de las estrategias, enton es el pago esperado para aquel
que juega la estrategia i es
 
A1
 .. 
πi = Ai p donde A =  .  , Ai = la i de la matriz A;
An
P
n
Y si π̄ = pi πi es el pago esperado promedio de jugar las n estrate-
i=1
96
Maynard Smith, John y George R. Pri e (1973), The Logi of Animal Coni t,
Nature 246.
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:
i) La dinámi a del repli ador no es un dinámi a de mejor-respuesta.
ii) Los agentes tienen un ono imiento limitado y lo alizado respe to

al sistema omo un todo.
iii) Un repli ador (estrategia de juego) puede llegar a extinguirse. Y

un repli ador que en un instante del tiempo no esté representado
por una pobla ión, nun a más lo estará: si pti = 0, pt+1
i = p > 0,
enton es pt+1 − pt = pt (π − π̄) impli a p − 0 = 0(πi − π̄) = 0 y así
p = 0, lo que es una ontradi ión. Luego la dinámi a del repli ador
no puede estudiar muta ión o innova ión. Para esto son ne esarios
los juegos evolutivos on omponentes esto ásti as97 .
iv) Todo equilibrio de la dinámi a del repli ador es un equilibrio de

Nash, pues πi = π̄ para i = 1, . . . , n, es, pre isamente, la ondi ión
para ser equilibrio de Nash mixto.
Para el juego de oordina ión antes estudiado espe iquemos la dinámi a

del repli ador:
πD = 5PD + 0(1 − PD ) = 5PD

πI = 4PD + 2(1 − PD ) = 2PD + 2
π = PD πD + (1 − PD )πI = 3PD2 + 2
ṖD = PD (5PD − 3PD2 − 2) = PD (PD − 1)(−3PD + 2)
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.
Todos Todos
Izquierda Dere ha
? ?

u u - - -u
2
0 3 1 PD
6 6
EE = Eq. Evolutivo EE = Eq. Evolutivo

Figura 54: Dinámi a del repli ador en el juego de oordina ión.
Obsérvese enton es ómo la teoría evolutiva ha eliminado la posibilidad

del equilibrio mixto, y sólo deja las alternativas de los equilibrios de Nash
en estrategias puras. 98
Cuarta aproxima ión al problema de oordina ión: modelo de

aprendizaje on errores (Kandori-Mailath-Rob (1993))
En el modelo Kandori-Mailath-Rob (KMR) (1993), el juego de oordi-

na ión de la gura 55 se juega evolutivamente.
I D
I 5, 5 0, 0
D 0, 0 2, 2
Figura 55: Otro juego de oordina ión.
En ada período, los jugadores se emparejan para jugar el juego, y ade-

más, aprenden de a uerdo a la mejor-respuesta al estado de la pobla ión.
Después del aprendizaje o urren muta iones. Cada jugador tiene una
probabilidad λ > 0 (tasa de muta ión) de elegir la estrategia equivo ada
on respe to a la que es ogería por mejor-respuesta. Sorprendentemente,
KMR obtienen el siguiente resultado: Si λ → 0 la estrategia dominante
bajo riesgo (risk dominant ) (2, 2) es el límite de la distribu ión! Y la
justi a ión es que el equilibrio dominante bajo riesgo siempre tiene la
98
Si el le tor está interesado en profundizar un po o más sobre la teoría de jue-
gos evolutivos, puede onsultar el ex elente texto de Samuelson (1998) (op. it.), o
también el texto de Jörgen Weibull (1995) Evolutionary Game Theory, MIT Press.
Eq. Mixto

u u - - -u
(2, 2) (5, 5)
(D, D) (I, I)
Figura 56: Dinámi as en el juego de oordina ión KMR.
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.
Quinta aproxima ión al problema de oordina ión: juegos de

intera iones so iales (modelo Bro k-Durlauf (1996, 2001)99 )
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.
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}
on ui (wi ) = hwi + Jwi Ei (m) + εi (wi )
donde
i) hwi (h > 0) es el término de utilidad privada.
ii) Jwi Ei (m) es la utilidad que proviene de las intera iones on la

PI
wi
ve indad; aquí J > 0, m = I ; I es el número de individuos;
i=1
Ei (m) es la expe tativa del agente i on respe to a la media de
ele ión de los otros en la pobla ión medida por m.
iii) εi (wi ) es un fa tor esto ásti o.
Observemos que ui (1) ≥ ui (−1) si, y sólo si,
−h − JEi (m) + εi (−1) ≤ h + JEi (m) + εi (1)
ó si, y sólo si,

εi (1) − εi (−1) ≥ −2h − 2JEi (m)
Y si se asume que
1
Prob (εi (1) − εi (−1) ≤ γ) = , β > 0 (distribu ión logísti a )
1 + e−βγ
(el grado de heterogeneidad no observada en los individuos está medido

por β ), enton es se puede probar fá ilmente que el valor esperado por el
agente i sobre el omportamiento promedio de la pobla ión es
Ei (m) = tanh(2βh + 2βJm)
donde tanh(·) es la fun ión tangente hiperbóli a (ver volumen II: Cál ulo)
ex − e−x
tanh(x) =
ex + e−x
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)
y enton es obtenemos (ver gura 57) el siguiente resultado fundamental:

si βJ > 1 y h 6= 0 existe un H > 0 tal que:
i) Si |h| < H existen tres solu iones.
ii) Si |h| > H existe una úni a solu ión.
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.
Obsérvese ómo el omportamiento agregado de una pobla ión está de-

terminado aquí por una ompli ada interrela ión entre los efe tos de las
intera iones so iales (medido por J ); los efe tos de los in entivos priva-
dos (medidos por h); y el grado de heterogeneidad no observada en los
individuos (medido por β ). Más aún: Blume y Durlauf (2001)100 anali-
zan la dinámi a de este modelo y muestran que, para horizontes largos,
100
Blume, Lawren e y Steven N. Durlauf (2001), So ial Dynami s, en The
Intera tions-Based Approa h to So ioe onomi Behavior, S. Durlauf y H. Peyton
Young (eds.), New York.
la ele ión promedio tenderá al mejor equilibrio (en el sentido de mejo-

rar el bienestar promedio) y esto oin ide on el resultado del modelo
KRM101 .
Sexta aproxima ión al problema de oordina ión: omporta-

miento de manadas ( herding )
La no ión de omportamiento de manadas sugiere que hay ierta ten-
den ia de los individuos a elegir lo que otros miembros de la pobla ión
ya han elegido. Puede ser que en este omportamiento no haya razón
diferente a la de moda o a la de pertenen ia al grupo so ial; pero pue-
de ser que los agentes rean que las a iones de los otros son debidas a
ierta informa ión valiosa que los agentes no poseen. Abhijit V. Banerjee
(1992)102 muestra un modelo de manadas que, adaptado a nuestro pro-
blema de oordina ión, podría ser expli ado omo enseguida lo ha emos.
Existen dos restaurantes I y D y supongamos que, por razones objetivas,
D es mejor. Una señal públi a, que tiene 51 % de probabilidad de ser
ierta y que es observada por todos, di e que el restaurante I es mejor.
Sin embargo, de 100 lientes poten iales, 99 re iben la señal de que D es
mejor, y 1 que I es mejor. Así, agregando la informa ión dada por todas
las señales privadas, si fuera revelada, indi aría que D es prá ti amente
mejor que I . Sin embargo, veamos que todos los lientes pueden ser
llevados a elegir la peor op ión: Supongamos que el agente que re ibe la
señal privada de que I es mejor, es oge primero. Enton es él es oge I
ya que su señal privada se ve reforzada por la señal públi a. El segundo
agente observa la señal privada D . Como todas las señales privadas son
de igual alidad, y sabe que el primer agente re ibió la señal I , las dos
señales privadas se anulan. Así que es oge I , ya que lo úni o que le queda
es la señal públi a y, por lo tanto, es ogerá el restaurante I . Un ter er
agente es dejado en una situa ión donde no puede inferir nada de la
ele ión del segundo agente y así, estará en la misma posi ión de este
último y es ogerá también I . Mediante el mismo razonamiento, todos los
lientes terminarán en el peor de los dos restaurantes: todos oordinarán
en (I, I).
101
Kandori, Mi hihiro, George J. Mailath y Rafael Rob(1991), Learning, Mutation,
and Long Run Equilibria in Games, E onometri a.
102
Banerjee, Abhijit V. (1992), A Simple Model of Herd Behavior, The Quarterly
Journal of E onomi s.
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
Ya habíamos armado arriba que en el modelo ompetitivo Arrow-Debreu

no existen intera iones entre agentes. Sólo a través de la señal de pre-
ios es que los agentes rea ionan. Pero lo ha en aisladamente. De he ho,
la oordina ión entre agentes se logra sin que ninguno advierta dire ta-
mente la existen ia del otro. El on epto de equilibrio walrasiano (y su
e ien ia) es, a menudo, un punto de referen ia on respe to al ual se
ompara ualquier otro pro eso distributivo. Pero ¾ ómo y quién de i-
de sobre las señales del mer ado?; ¾ ómo se realizan efe tivamente las
transa iones que ondu en a ese (o algún otro) equilibrio? La primera
pregunta la responde el modelo ompetitivo a través de la gura ti ia
del subastador walrasiano, y ya se ono en las di ultades on esta hi-
pótesis. Si se fuese a ontestar la segunda pregunta, quizás estaría uno
in linado a pensar en nego ia ión multilateral, omuni a ión entre agen-
tes, et . Y este ha sido el trabajo de mu hos e onomistas durante buena
parte de la mitad del siglo pasado, asi todos enmar ados en el esquema
walrasiano.
Pre isamente, tratando de evitar di ultades on la segunda pregunta es
que surge la hipótesis de que en ada se tor ( onsumidores, produ tores,
et .) sólo existe un agente, de tal manera que el omportamiento agrega-
do del se tor es, exa tamente, el de ese agente representativo promedio;
nuevamente el papel de las intera iones se anula: pare iera que no es
laro que los fenómenos e onómi os agregados requieren omprender el
omportamiento individual y también sus intera iones. Un ejemplo de
103
Bi k handani, S., D. Hirshleifer, y I. We h (1992), A Theory of Fads, Fashion,
Custom, and Cultural Exhange as Information Cas ades, Journal of Politi al E o-
nomy.
esto apare e en los nuevos modelos de intera iones de la me áni a es-

tadísti a apli ada a la so ioe onomía (modelo Bro k-Durlauf, que vimos
antes), en donde se tienen omportamientos ma roe onómi os regulares
que no orresponden al omportamiento individual promedio.
La teoría ahora se mueve alejándose ada vez más de aquella visión de

la e onomía omo modelo walrasiano104 . En un sistema donde hay inter-
a iones, la idea de sólo una señal (los pre ios) que desata una serie de
ele iones (demandas y ofertas) que satisfa en una ondi ión de onsis-
ten ia (el equilibrio), debe ne esariamente modi arse. Una posibilidad
inmediata es el modelo de intera iones de la teoría de juegos lási a
alrededor de los on eptos de equilibrio de Nash. Sin embargo, todos
estos modelos omparten defe tos fundamentales on el modelo walra-
siano. Además del problema de la posible multipli idad de equilibrios,
apare e el de las dinámi as (pro esos de aprendizaje) ondu entes a ellos.
Aún más, la omplejidad del razonamiento impli ado en la obten ión del
equilibrio ha e todavía menos tratables este tipo de modelos. Es muy
iluminador de la onexión existente entre los mer ados walrasianos y los
juegos lási os el que sus solu iones todas oin iden uando las inter-
a iones entre individuos prá ti amente desapare en en los juegos on
ontinuos de agentes (Aumann (1964)105 , Hart (2005) 106 ).
Otros dos aminos fundamentales que siguen las investiga iones a tuales
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.
(1996, 2001)107 .
2. Los modelos de intera ión global mantienen las estru turas lo a-

les de intera ión, pero se interesan más parti ularmente por la
dinámi a de los omportamientos agregados que resultan de la in-
tera ión individual. Los resultados son, muy omúnmente, una
ompli ada dinámi a agregada que, en algunos asos, onverge al
equilibrio (en el sentido de solu ión ), y allí se mantendrá por siem-
pre; en otros asos, el estado ambia en el tiempo y la no ión de
equilibrio apropiada será ierta distribu ión límite del pro eso mis-
mo. La diferen ia entre estos dos tipos de equilibrio se apoya en
pequeños ambios en la estru tura del modelo. Ejemplos de esto
son: alguna parte de la teoría de los juegos evolutivos, los modelos
de manadas (herding ), la adop ión de nuevas te nologías (Arthur
(1989)108 ), la teoría del path-dependen e (Arthur (1989)) y también
las versiones originales del modelo Bro k-Durlauf (1996, 2001).
Pero, en denitiva, la verdadera prueba del éxito de la teoría de intera -

iones no será simplemente qué tan bien espe i ados estén los prin ipios
teóri os que gobiernan las intera iones e onómi as y so iales, sino qué
tan bien podamos llevar ese ono imiento a uestiones prá ti as de in-
geniería e onómi a tales omo el diseño de me anismos apropiados para
la forma ión de pre ios ( omo en los diferentes tipos de subastas), la
resolu ión de disputas, los problemas de ompensa ión, la organiza ión
de mer ados, et . La medida del éxito de esta teoría será el grado en que
llegue a ser fuente de re omenda ión prá ti a (basada en teoría sólida y
bien omprobada) en el diseño de las institu iones a través de las uales
intera tuamos diariamente unos on otros.
d) Nota nal: Sobre la mano invisible de Adam Smith,

el modelo Arrow-Debreu y los juegos pobla ionales
Ya habíamos armado que en 1776 apare ió el primer onjunto de ideas

en la historia del pensamiento e onómi o a er a del modo en que un
sistema de mer ado puede ombinar las a iones de los individuos para
107
Durlauf, Steven N. y William A. Bro k (2001), Dis rete Choi e with So ial In-
tera tions, Review of E onomi Studies.
108
Arthur, Brian (1989), Competing Te hnologies, In reasing Returns, and Lo k-in
by Histori al Events, The E onomi Journal.
lograr sus propios objetivos on la amplia oopera ión y olabora ión de

la e onomía, y así produ ir nuestros alimentos, ropas y viviendas. Clave
en The Wealth of Nations de Adam Smith, onsiderado el padre del libe-
ralismo e onómi o, es su arma ión de que todo inter ambio voluntario
genera bene ios para las dos partes y que, mientras la oopera ión sea
estri tamente voluntaria, ningún inter ambio se llevará a abo, a menos
que ambas partes obtengan on ello un bene io.
Esta es la razón por la que, omo di e Smith, un individuo que intenta
solamente su propio bene io es ondu ido por una mano invisible a
al anzar un n que no formaba parte de sus inten iones. Ni el he ho de
que ese n no formara parte de sus inten iones es siempre malo para
la so iedad. Al perseguir sus propios intereses, el individuo promueve a
menudo los de la so iedad de un modo más efe tivo que uando intenta
dire tamente promoverlos. No he visto nun a que quienes di en omer iar
para el bien omún hayan he ho mu ho bien .
Para Smith es el sistema de pre ios el me anismo que desempeña la mi-
sión de indu ir a personas que viven en partes muy distantes a ooperar
para promover sus respe tivos intereses. Este me anismo desempeñaría
esta misión sin ne esidad de una dire ión entralizada, sin obligar a las
personas a hablar entre sí, et . Así, omo resultado, los individuos oor-
dinarían sus a tividades a través del mer ado libre, bus ando ada uno su
propio interés, de tal modo que todos se bene ien. Fue una idea brillante
para aquel tiempo el pensar en un orden e onómi o omo onse uen ia
involuntaria de los a tos de mu has personas, ada una a tuando por
interés propio.
En sus Le tures in Politi al E onomy (II) de 1901, Wi ksell arma que
Walras bus aba, on su modelo de equilibrio general, en ontrar un argu-
mento a favor del laissez faire y de la no-interven ión estatal de Smith.
Sin embargo, no existe ninguna referen ia a esto en los Éléments de
Walras. Claramente, el modelo Arrow-Debreu es la solu ión general for-
malizada de un problema planteado originalmente por Walras: determi-
na ión de pre ios que igualen oferta y demanda en ada mer ado. Pero
en el amino de en ontrar hipótesis signi ativas desde el punto de vis-
ta e onómi o que garantizaran la existen ia del equilibrio walrasiano, se
en ontraron los límites del modelo: el modelo es estáti o (a pesar del
tâtonnement) on es asas posibilidades de permitir un análisis serio de
e onomías reales en fun ionamiento.
Algunos de los e onomistas austria os omo Carl Menger y Friederi h

von Hayek veían institu iones (tales omo el mer ado) omo el resultado
del ujo de a iones individuales (individualismo metodológi o). Menger
aseguraba que lo que puede riti arsele a Adam Smith, y aun a algunos
de sus seguidores (quienes han desarrollado más exitosamente la e ono-
mía políti a) es su defe tuosa omprensión de las institu iones so iales
readas no-inten ionalmente y su importan ia para la e onomía. De he-
ho, hasta hoy no existe ningún argumento sólido y formal que asegure
que el orden espontáneo de Adam Smith sea ne esariamente bené o.
Expli ar la mano invisible omo un pro eso dinámi o ha sugerido a al-
gunos e onomistas modernos una expli a ión evolutiva sobre ómo se
desarrollan institu iones tales omo el mer ado a partir de a iones indi-
viduales. La teoría de juegos de pobla ión ha omenzado a lari ar ómo
la evolu ión de a iones espontáneas puede dar origen a una onse uen-
ia so ial no bus ada; y este orden so ial resultante es fre uentemente
onsistente on iertas formas de optimiza ión individual. Sin embargo,
esta optimiza ión no impli a maximizar el bienestar so ial en forma al-
guna. Fenómenos de mano invisible abundan en las e onomías modernas,
y aunque los juegos de pobla ión son una herramientas útil para modelar
la mano invisible, es ne esaria todavía mu ha más investiga ión.

1. (Un problema de evapora ión ) Experimentos indi an que una pren-
da porosa húmeda a la intemperie pierde su humedad a una tasa
propor ional a su ontenido de humedad. Si una tela extendida en
el exterior pierde la mitad de su humedad durante la primera ho-
ra, ¾ uándo estará prá ti amente se a si las ondi iones limáti as
permane en invariables?
2. ¾Cuál será el ontenido de arbono 14 de un hueso fósil del que se
arma tener 2,000 años de antigüedad?
3. (Ley de Boyle (1660)-Mariotte (1676) para gases ideales ) Experi-
mentos indi an que para un gas a baja presión P y temperatura
onstante, la razón de ambio del volumen v(p) es igual a −v(p).
Resuelva el sistema dinámi o unidimensional que rige este fenó-
meno.
4. Suponga que I(t) es ierta inversión realizada por un agente e o-
nómi o en el tiempo t, y que la varia ión de esta inversión, I(t) ˙ ,
en ese instante, es igual a la tasa de interés, r , multipli ada por el
valor, en ese momento, de la inversión. Es de ir, la dinámi a que
rige el pro eso de a umula ión es
I˙ = rI
Si la inversión ini ial fue I(0) = I0 , al ule el balan e I(t) en
ualquier momento t.
5. (E ua ión de Bernoulli (Ja ob Bernoulli (1692)) ) El sistema diná-
mi o (no-autónomo) no-lineal de la forma ( ono ido omo e ua ión
de Bernoulli )
ẋ = p(t)x + q(t)xα
on α ∈ R, donde p(·), q(·) son fun iones ontinuas ono idas,
puede redu irse a uno lineal (no-homogéneo) de la siguiente forma:
sea y(t) = [x(t)]1−α ; enton es, reemplazando esto en la e ua ión
original, demuestre que y(t) satisfa e el sistema lineal
ẏ(t) + (1 − α)p(t)y(t) = (1 − α)q(t)
(¾Re uerda ómo se resuelve explí itamente este problema?) En
parti ular, resuelva las siguientes e ua iones de Bernoulli:
(a) ẋ = 3x + 4x2 (b) ẋ = tx + t2 x2
6. (E ua ión de Ri ati (1752)) Pruebe que el sistema dinámi o de la

forma
ẋ = p(t)x + q(t)x2 + r(t)
donde p(t), q(t), r(t) son fun iones ontinuas ono idas, puede re-
du irse a uno tipo Bernoulli mediante la sustitu ión y = x − y1 (t),
donde y1 es una solu ión parti ular de la e ua ión de Ri ati. En
parti ular, resuelva las e ua iones de Ri ati:
1 (b) ẋ = x + tx2 + t
(a) ẋ = t3 (x − t)2 +
t
7. Sabemos que a la e ua ión de Bernoulli
B
ẋ = Ax − Bx2 = Ax(1 − x), A > 0, B ≥ 0
A
se le ono e omo la e ua ión logísti a del re imiento pobla ional,
donde x(t) es la pobla ión en el tiempo t. Muestre que, efe tiva-
mente, la solu ión explí ita está dada, para C > 0, por
1
x(t) = B
para todo t
A + Ce−At
o por
x(t) ≡ 0 para todo t
Aquí el parámetro A está rela ionado on la tasa de fertilidad. El
término −Bx2 es el término de externalidad (o freno) que señala
la ompeten ia por los re ursos es asos e impide, eventualmente,
el re imiento indenido de la pobla ión. Si B = 0, la solu ión es
eAt
x(t) = que es una versión de la ono ida ley de Malthus de
C
re imiento exponen ial de la pobla ión. Dibuje la solu ión no-nula,
x(t) de arriba, para diferentes valores de los parámetros A, B, C , e
interprete.
8. Verique que:
(a) Las solu iones al sistema dinámi o
ẋ = x + y, ẏ = −x + 3y
tienen la forma general x(t) = αe2t + βte2t , y(t) = βe2t .
(b) Las solu iones al sistema dinámi o
ẋ = 7x − 4y, ẏ = 3x − 4y; x(0) = 4; y(0) = 8
son x(t) = 6et − 2e5t , y(t) = 9et − e5t .

( ) Las solu iones al sistema dinámi o
ẋ = x + y, ẏ = −x + 3y
son de la forma x(t) = αe2t + βte2t , y(t) = αe2t + β(t + 1)e2t ,

α, β ∈ R.
9. Anali e la estabilidad de (0, 0) para el sistema dinámi o no-lineal
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.
11. Consideremos el sistema de resortes y masas de la gura 58. Asuma-

mos que las fuerzas que resultan sólo son produ to de la extensión
y ompresión de los resortes. Según la Ley de Hooke para éstos, la
extensión en ada resorte es
T1 = k1 x1
T2 = k2 (x2 − x1 )
T3 = k3 (x3 − x2 )
donde ki > 0 para i = 1, 2, 3, es la onstante de restitu ión del

resorte Si , y xi representa el desplazamiento a la dere ha de la
masa mi de su posi ión de quietud x1 = x2 = x3 = 0 que es
uando los resortes no están ni estirados ni omprimidos. A su
vez, un valor negativo de xi signi a que mi se ha desplazado a la
izquierda de su posi ión de quietud.
Cuando Ti es positivo, tiende a a elerar mi a la izquierda y mi−1 a
la dere ha, de a uerdo a la segunda ley newtoniana del movimiento.
Tenemos enton es
m1 ẍ1 = −T1 + T2
S1 S2 S3
m1 m2 m3
Figura 58: Sistema de resortes y masas.
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
donde M es la matriz 3 × 3 de la izquierda de la igualdad (*), y S

es la matriz 3 × 3 de la dere ha de la igualdad (*). Observemos que
S es simétri a ; esto orresponde al he ho de que la fuerza a tuando
sobre mi debido a la posi ión mj es igual a la que a túa sobre mj
debido a la posi ión de mi , ya que los resortes transmiten estas
fuerzas simétri amente. Anali e ahora este sistema dinámi o. 109
12. (Modelo de duelos ) Existe una antidad notable de es ritos sobre

modelos de e ua iones diferen iales de ombates. Un ejemplo ele-
mental de este tipo de modelos es
109
Debería señalarse que las matri es simétri as o urren muy fre uentemente en
problemas de la me áni a lási a.
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
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.
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.
Sea α1 tal que la bola Bα1 (x∗ , y ∗ ) ⊆ G ∩ H donde G es el dominio

omún de f (·) y g(·). Como f (·) es ontinua, existe α2 > 0 tal que si
(x, y) ∈ Bα2 (x∗ , y ∗ ), enton es f (x, y) ∈ Bα1 (x∗ , y ∗ ). Sea 0 < ǫ ≤ α2
dado. Denamos ψ(ǫ) = mı́n{V (x, y) | ǫ ≤ ||(x, y) − (x∗ , y ∗ )|| ≤
α1 }. Por el teorema del valor intermedio, existe δ on 0 < δ < ǫ
tal que V (x) < ψ(ǫ) siempre que ||(x, y) − (x∗ , y ∗ )|| < δ.
Armamos que si (x0 , y0 ) ∈ Bδ (x∗ , y ∗ ), enton es (xt , yt ) ∈ Bǫ (x∗ , y ∗ )
para todo t ≥ t0 . Esto es ierto, porque si no fuera así, exis-
tirían un (x0 , y0 ) ∈ Bδ (x∗ , y ∗ ) y un entero positivo m tal que
(xr , yr ) ∈ Bǫ (x∗ , y ∗ ) para r ≤ m, y (xr+1 , yr+1 ) ∈
/ Bǫ (x∗ , y ∗ ); pero
omo (xr , yr ) ∈ Bǫ (x∗ , y ∗ ) ⊆ Bα2 (x∗ , y ∗ ), enton es (xr+1 , yr+1 ) ∈
Bα1 (x∗ , y ∗ ); por lo tanto, V (xr+1 , yr+1 ) ≥ ψ(ǫ); sin embargo, sa-
bíamos que V (xr+1 , yr+1 ) ≤ · ≤ V (x0 , y0 ) < ψ(ǫ), y de esto surge
una ontradi ión. Así, hemos probado la estabilidad.
Para probar la estabilidad asintóti a, supongamos que (x0 , y0 ) ∈
Bδ (x∗ , y ∗), enton es
(xt , yt ) ∈ Bǫ (x
∗ , y ∗ ) para todo t ≥ t . Si la
0
su esión (xt , yt ) no onverge
a (x ∗ , y ∗ ) enton es (por ser a otada)
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 )) ≤ · · ·
≤ 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.
24. En uentre el equilibrio y la ondi ión de estabilidad del sistema

dinámi o
Yt = Ct + I Ct = a + bYt−1
donde Yt = Produ ión en el período t; Ct = Consumo en el período
t; y a, b y I son onstantes positivas.
25. (Modelo multipli ador-a elerador de Hi ks (1950) ) Además del mo-

delo de Samuelson (1939) de multipli ador-a elerador, el modelo de
Hi ks (1950) fue otra de las primeras formula iones ad ho (aunque
rigurosas) de la teoría del i lo e onómi o. Este modelo onsiste en
las siguientes tres e ua iones:
Yt = Ct + It
Ct = (1 − s)Yt−1
It = v(Yt−1 − Yt−2 ) + A
donde Yt es ingreso agregado en el periodo t; Ct es onsumo en el

periodo t; It es inversión en el periodo t; A es inversión autónoma
onstante; 1s > 1 es el multipli ador; y v > 0 es el a elerador.
a) Interprete (e onómi amente) ada una de las tres e ua iones

del modelo.
b) Compare este modelo on el de Samuelson (1939) estudiado en
el ontexto e onómi o.
) Pruebe que las tres e ua iones del modelo de Hi ks ondu en a
la e ua ión en diferen ias
Yt − (1 − s + v)Yt−1 + vYt−2 = A
d) Cal ule el úni o equilibrio y estudie su estabilidad dependiendo

de los valores posibles de s y v .
e) Compare los resultados on los del modelo de Samuelson, y

justique (e onómi amente) las diferen ias.
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.
27. Estudie la estabilidad del equilibrio de los siguientes modelos de

oferta-demanda de una sola mer an ía. Allí, Dt = demanda de la
mer an ía en el período t; Ot = Oferta de la mer an ía en el período
t; y Pt = pre io de la mer an ía en el período t:
a)
Dt = 40 − Pt Ot = −20 + 2Pt−1
b)
Dt = 25 − 2Pt Ot = −5 + 2Pt−1
Dibuje la orrespondiente telaraña.
28. En general, estudie la estabilidad del equilibrio del modelo de

oferta-demanda de una sola mer an ía
Dt = a − bPt Ot = c + dPt−1
donde b y d on onstantes positivas. ¾Qué ambios tendría este

equilibrio y su estabilidad, si el Gobierno impone un impuesto de
T % por unidad vendida de la mer an ía?
29. Considere la siguiente e onomía de inter ambio puro de dos agentes

y dos mer an ías:
q q
Ui (x1i , x2i ) = 2 x1i + x2i
donde hay una unidad de ada bien en la e onomía.

(a) En uentre las asigna iones óptimas de Pareto, y dibuje la urva

de ontrato en una aja de Edgeworth.
(b) Compruebe el primer teorema del bienestar, en este ejemplo.
( ) Compruebe el segundo teorema del bienestar, en este ejemplo.
(d) Suponga que el agente 1 tiene una dota ión de (x11 , x21 ) =
(0.36, 0.64), y en uentre las asigna iones de equilibrio. Inter-
prete este resultado e onómi o.
(e) Muestre que el equilibrio es asintóti amente estable bajo la
dinámi a del subastador (tâtonnement ).
30. ¾Será ierto que la ley de Walras sólo se umple en equilibrio?
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
y la ter era es el numerario.
(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?
33. Considere la siguiente e onomía de inter ambio puro de dos agentes

y dos mer an ías:
UA = xA + ln yA , UB = ln xB + ln yB
donde hay una unidad de ada bien en la e onomía.
(a) En uentre las asigna iones óptimas de Pareto, y dibuje la urva

de ontrato en una aja de Edgeworth.
(b) Compruebe el primer teorema del bienestar, en este ejemplo.
( ) Compruebe el segundo teorema del bienestar, en este ejemplo.

(d) Suponga que el agente 1 tiene una dota ión de (xA , yA ) =
(1, 0), y en uentre las asigna iones de equilibrio walrasiano.
Interprete este resultado e onómi o.
(e) De ida si el equilibrio es asintóti amente estable bajo la diná-
mi a del subastador (tâtonnement ).
(f) Cal ule el nú leo de esta e onomía, y ompruebe que el equili-
brio walrasiano está en él.
(g) Cal ule los r -nú leos, y muestre que si r → ∞ enton es aquellos
onvergen al equilibrio.
34. ¾Será ierto que el modelo Arrow-Debreu generaliza:
(a) El modelo Walras-Cassel (ver volumen I: Álgebra lineal (le ión

4))?
(b) El modelo de Leontief (ver volumen I: Álgebra lineal (le ión
5))?
( ) El modelo de Koopmans (ver volumen I: Álgebra lineal (le ión
8))?
Le ión 4
Optimiza ión dinámi a
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
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.
1. Espa ios métri os: la no ión de distan ia en

topología
Sin duda, la primera estru tura bási a del análisis fun ional es la de
espa io métri o 1 . Ésta es una generaliza ión, omo veremos enseguida,
de la estru tura de los espa ios eu lidianos (Rn , || · ||) on la distan ia
entre ve tores denida por la norma estándar. Pero lo que es fundamental
aquí, es que abstrayendo de esta norma sus ara terísti as esen iales, no
solo en ontramos innidad de estru turas diferentes que las satisfa en,
sino que también entendemos las limita iones de los espa ios eu lidianos
para responder a los retos de las matemáti as a tuales.
Deni ión 1. (Espa io métri o (Hausdor (1914)))

Un espa io métri o es un par (X, d) onsistente en un onjunto no-va ío
X y una fun ión distan ia (métri a) d : X 2 → R+ tal que para todo
x, y, z ∈ X , se satisfa e:
i) d(x, y) = 0 si, y sólo si, x = y
ii) d(x, y) = d(y, x) (simetría)
iii) d(x, z) ≤ d(x, y) + d(y, z) (desigualdad triangular)
Nota 1.
En analogía on Rn , a menudo llamaremos a X el espa io y, a sus ele-
mentos, puntos.
Ejemplo 1.
(a) El espa io eu lidiano Rn es un espa io métri o pues on la norma

estándar || · || se puede denir la distan ia d(x, y) = ||x − y|| que,
enton es, satisfa e, para todo x, y, z ∈ Rn :
i) d(x, y) = ||x − y|| = 0 si, y sólo si, x = y .

1
Antes de omenzar el estudio de los espa ios métri os, se sugiere dar una ojeada
al material sobre topología en R2 , al nal de la le ión 1 del volumen II (Cál ulo).
Le ión 4: Optimiza ión dinámi a 441
ii) d(x, y) = ||x − y|| = ||y − x|| = d(y, x).

iii) d(x, z) = ||x − z|| ≤ ||x − y|| + ||y − z|| = d(x, y) + d(y, z).
(b) El mismo onjunto Rn puede dotarse de otras 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
Es un ejer i io sen illo para el le tor, el omprobar que, efe tivamen-

te, son métri as diferentes sobre un mismo onjunto.
( ) Como una extensión del ejemplo 1 anterior, apare e el espa io mé-

tri o ℓ2 de todasPlas su esiones innitas {xi }∞i=1 que satisfa en la
ondi ión de que P ∞ (x
i=1 i )2 < ∞ y donde, para ualquier otra su e-
∞
sión {yi }∞
i=1 on i=1 (yi ) < ∞, la distan ia está denida por
2
X∞
1
d({xi }, {yi }) = [ (xi − yi )2 ] 2 (∗)
i=1
Note que, por ejemplo, la su esión { n1 } está en ℓ2 , pero no la su-

esión { √1n }. Aquí, las ondi iones i) y ii) de la Deni ión 1 de es-
pa ios métri os se satisfa en inmediatamente, y la ondi ión iii) es,
simplemente, la desigualdad triangular de Rn extendida a su esiones
innitas (ver volumen I: Álgebra lineal). 2
Debe advertirse, sin embargo, que este espa io ℓ2 no es una extensión
obvia de Rn . De he ho, tiene propiedades geométri as y analíti as
muy diferentes a las del espa io eu lidiano, omo lo entenderemos
más adelante.
(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 .
ontinuas f : [a, b] → R, on la distan ia entre dos fun iones onti-

nuas f y g, denida por
d(f, g) = máx |f (x) − g(x)|

x∈[a,b]
En efe to:
i) d(f, g) = 0 si, y sólo si, máx |f (x) − g(x)| = 0, y esto impli a

x∈[a,b]
que f = g, pues si existiera x0 ∈ [a, b] tal que f (x0 ) 6= g(x0 )
enton es máx |f (x) − g(x)| ≥ |f (x0 ) − g(x0 )| > 0.
x∈[a,b]
ii) Claramente, d(f, g) = d(g, f ) por propiedades bási as del valor

absoluto.
iii) Como |f (x) − h(x)| ≤ |f (x) − g(x)| + |g(x) − h(x)| para toda
fun ión h(·) en C[a,b] , enton es el resultado se tiene una vez
re ordemos que máx(A+B) = máx(A)+máx(B) para ualquier
par de onjuntos de números (no va íos) A y B (ver volumen 0
(Fundamentos), le ión 4). 3
(e) El espa io C[a,b]

2 de todas las fun iones ontinuas f : [a, b] → R donde
la distan ia entre dos fun iones ontinuas f y g, está denida por
Z b 12
2
d(f, g) = (f (x) − g(x)) dx
a
también es un espa io métri o: La ondi ión i) de la deni ión 1 de

espa io métri o, resulta del he ho de que si f (·) y g(·) son ontinuas
Rb
en [a, b] y a (f (x) − g(x))2 dx = 0, enton es f (x) − g(x) = 0 en
[a, b]; ii) es lara; y la ondi ión iii) resulta de re ordar la deni ión
de la integral mediante sumas de Riemann, y apli ar la desigualdad
triangular en Rn (ver volumen II: (Cál ulo), le ión 4).
(f) El espa io Mn×n de todas las matri es uadradas de tamaño n es un

espa io métri o on la distan ia denida por
3
¾Podría de ir el le tor por qué nos restringimos a fun iones ontinuas si, apa-
rentemente, no hemos ne esitado de esa ara terísti a para garantizar las ondi iones
i), ii), iii) de un espa io métri o?
s X
d(A, B) = (aij − bij )2
1≤i,j≤n
donde A = [aij ]n×n , B = [bij ]n×n . Sobre este espa io desarrollare-

mos importantes resultados posteriormente.
(g) El onjunto X = {a, b, c} on la distan ia denida por d(a, b) =

d(b, a) = 100; d(b, c) = d(c, b) = 10 y d(a, c) = d(c, a) = 80 no
es un espa io métri o pues d(b, c) + d(c, a) < d(b, a) y, así, aunque
laramente se satisfa en las ondi iones i) y ii) de espa io métri o,
la ondi ión iii) de esta deni ión no se umple. Este ejemplo nos
muestra que no ualquier onjunto on una distan ia arbitraria
puede ser un espa io métri o.
a) No iones topológi as fundamentales
Una vez estable ida la no ión de distan ia , el siguiente paso es denir

iertos on eptos bási os ha iendo una trans rip ión asi automáti a de
las orrespondientes no iones en la topología estándar de Rn .
Deni ión 2. (Bola abierta, bola errada)

Sea X un espa io métri o. La bola abierta de entro x0 ∈ X y radio
r > 0, es el onjunto
Br (x0 ) = {x ∈ X | d(x, x0 ) < r} ;
y la bola errada de entro x0 ∈ X y radio r > 0 es el onjunto
Br (x0 ) = {x ∈ X | d(x, x0 ) ≤ r}
Ejemplo 2.
En R2 , on la distan ia 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.
X X
r r
x0 x0
Figura 1: Bola abierta (izq.) y bola errada (der.)
Ejemplo 3.
En C[a,b] , las bolas abiertas y erradas (ver gura 2) se es ribirían así:

Br (f0 ) = g ∈ C[a,b] / máx | f0 (x) − g(x) |< r ;
x∈[a,b]
y la bola errada de entro x0 ∈ X y radio r > 0 es el onjunto

Br (f0 ) = g ∈ C[a,b] / 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.)
Deni ión 3. (Su esión a otada)

Una su esión {xn } de un espa io métri o X es a otada si existe una bola
errada Br (x0 ) on x0 ∈ X , tal que xn ∈ Br (x0 ) para todo n.
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
B1 (0) = {f ∈ C[a,b] / máx | f (x) |≤ 1}

x∈[0,1]
Deni ión 4. (Punto límite)

Sea X un espa io métri o y Y ⊆ X . Un punto x0 ∈ X es un punto límite
(o punto adherente ) de Y , si toda bola abierta Br (x0 ) ⊆ X ontiene
innitos puntos de Y . Al onjunto de todos los puntos límites de Y ,
llamado onjunto lausura de Y , se le a ostumbra a notar Y .
Deni ión 5. (Convergen ia)

Se di e que una su esión {xn } de puntos de un espa io métri o X onver-
ge a un punto x0 ∈ X si, para todo ǫ > 0, la bola abierta Bǫ (x0 ) ontiene
todos los puntos de {xn } a partir de un N en adelante. Formalmente, si
dado ualquier ǫ > 0 existe un número natural N tal que xn ∈ Bǫ (x0 )
para n > N . En tal aso, diremos que x0 es el límite de la su esión {xn }
(ó que {xn } onverge a x0 ), y es ribiremos lı́mn→∞ xn = x0 ó xn → x0
uando n → ∞.
Claramente, xn → x0 uando n → ∞ si, y sólo si, lı́mn→∞ d(xn , x0 ) = 0.
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.
Ejemplo 6. (Convergen ia uniforme y puntual en C[a,b] )

Sin embargo, uando intentamos entender esto mismo en C[a,b] (espa io
de fun iones ontinuas on la norma del máximo) en ontramos algu-
nos resultados interesantes y reveladores. La onvergen ia en este es-
pa io se ono e omúnmente omo onvergen ia uniforme (Weierstrass
(1841)), y la razón de esto está en la misma deni ión de onvergen ia
que a abamos de presentar: fn → f uando n → ∞ si, y sólo si, pa-
ra todo ǫ > 0 existe un número natural N tal que si n > N enton es
máxx∈[a,b] |fn (x) − f (x)| < ǫ; pero, en tal aso, |fn (x) − f (x)| < ǫ para
todo x ∈ [a, b], y así f (x) − ǫ < fn (x) < f (x) + ǫ para todo x ∈ [a, b]. Es
de ir, todas las fn a partir de N en adelante, estarán en una banda de
radio ǫ alrededor de f (ver gura 3).
f +ǫ
f
fn
f −ǫ
a b
Figura 3: Convergen ia uniforme de {fn } a f
Es laro de lo anterior, que si fn → f uniformemente enton es, para ada

x ∈ [a, b] jo, se tendrá que fn (x) → f (x) ( onvergen ia puntual). Sin
embargo, el re ípro o no es ne esariamente ierto; es de ir, la onvergen-
ia puntual no impli a la onvergen ia uniforme. Para omprender esto
mejor, onsideremos el típi o aso de la su esión de fun iones {fn } en
C[0,1] denidas por fn (x) = xn (ver gura 4).
f1 f2 f3 f5 . . .
f4
0
0 1
Figura 4: Su esión de fun iones {fn (x)} = {xn }
Claramente, si x ∈ [0, 1) es jo, enton es lı́mn→∞ fn (x) = 0; y si x = 1

enton es, obviamente, lı́mn→∞ fn (1) = 1. Por lo tanto, podría pensarse
que la su esión de fun iones ontinuas {fn } onverge uniformemente a la
fun ión dis ontinua f (x) = 0 si x ∈ [0, 1) y f (1) = 1 (ver gura 5). Pero
esto no es ierto, omo el le tor lo puede observar trazando una banda

de radio ǫ alrededor de f (x) = 0 para x ∈ [0, 1), y notando que todas
las fun iones fn se salen de la banda. De he ho, demostraremos más
adelante que si fn → f uniformemente, enton es f también tiene que ser
ontinua.
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)
donde d∗ es la métri a de C[a,b]

2 , d la métri a de C
[a,b] , y f , g son ual-
quier par de fun iones ontinuas en [a, b], se dedu e que la onvergen ia
uniforme sí impli a la onvergen ia media. Que el re ípro o no es ierto
√ 2
se ve on el ejemplo lási o fn (x) = n xe−n x en [0, 1], que tiene onver-
gen ia media a 0, 5 pero que no onverge uniformemente a 0 (ver gura
6), pues para todo n se tiene que 6
máx |fn (x) − 0| = 1/e

x∈[0,1]
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.
f1
1/e
f2
f3
.
..
0 1
Figura 6: Convergen ia en media pero no uniforme
Continuando on la trans rip ión desde Rn , en ontramos deni iones y

resultados muy similares a los que ya teníamos en el espa io eu lidiano:
Deni ión 6. (Subsu esión)

Diremos que un sub onjunto {xnk }k∈N es una subsu esión de {xn } si
{nk } es una subsu esión estri tamente re iente de números naturales.
Teorema 1. (Un teorema ono ido)

Sea X un espa io métri o, y {xn } una su esión de puntos de X . Enton-
es:
i) El límite de {xn } es úni o.
ii) Si xn → x uando n tiende a innito, enton es toda subsu esión de
{xn } también onverge a x0 .
Demostra ión.
i) Sean x0 , x0 dos límites distintos de la su esión {xn }. Enton es, para

′
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 ),
′
y esto es una ontradi ión.

ii) Sea {xnk }k∈N una subsu esión de {xn }. Enton es dado ǫ > 0 existe un
natural N tal que xn ∈ Bǫ (x0 ) para n ≥ N . Sea k ∈ N tal que nk ≥ N ;
enton es xnk′ ∈ Bǫ (x0 ) para todo k′ > k, y, así, para todo nk′ > N se
tendrá xnk′ ∈ Bǫ (x0 ).
El siguiente teorema es una ara teriza ión, mediante su esiones, de la

no ión de punto límite (deni ión 4). Resultados omo este, ha en de las
su esiones una herramienta fundamental del análisis matemáti o pues
permiten pasar, de un problema ontinuo, a uno dis reto:
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.
i) Supongamos que x0 ∈ Y es un punto límite de Y . Enton es toda

bola abierta Br (x0 ) ⊆ X ontiene innitos puntos de Y. Tomemos, para
rn = n1 , una su esión {xn } on xn ∈ Brn (x0 ). Así, d(xn , x0 ) < n1 y, por
lo tanto, {xn } onverge a x0 .
ii) Supongamos ahora que existe una su esión {xn } de puntos de Y ,
distintos de x0 , tales que xn → x0 . Tomemos r > 0 ualquiera; enton es,
existe N ∈ N tal que xn ∈ Br (x0 ) para n ≥ N . Por lo tanto, existen
innitos puntos de la su esión en la bola abierta Br (x0 ).
Deni ión 7. (Conjunto errado)

Sea X un espa io métri o. Un sub onjunto Y ⊆ X es un onjunto errado
(en X ) si, y sólo si, ontiene todos sus puntos límite.
Ejemplo 8. (Conjuntos errados triviales)
a) En un espa io métri o X ualquiera, los onjuntos ∅ y X son e-

rrados. En efe to: a) ∅ es errado por va uidad de la deni ión de
punto límite; b) X es errado pues toda su esión onvergente en
X onverge, por deni ión, a un punto de X .
b) En un espa io métri o X , las bolas erradas son onjuntos errados.

Y también los onjuntos formados por un número nito de puntos
son onjuntos errados.
Ejemplo 9. (Convergen ia uniforme preserva ontinuidad)

Si onsideráramos el espa io métri o de todas las fun iones f : [a, b] → R
que al anzan un máximo en [a, b], enton es podemos demostrar que C[a,b]
on la métri a uniforme (es de ir, la del máximo) es un onjunto errado.
Para ello, debemos demostrar que si una su esión de fun iones ontinuas
fn en C[a,b] onverge, en la norma uniforme, a ierta fun ión f : [a, b] →
R, enton es esta f es ontinua en [a, b]. En efe to, tomemos un x0 ∈ [a, b]

ualquiera, y probemos que f es ontinua en x0 . Sea enton es ǫ > 0 dado,
y tomemos un N ∈ N tal que si n ≥ N tendríamos |fn (x) − f (x)| < ǫ
para todo x ∈ [a, b]. Pero omo fN es ontinua en x0 enton es existe
δ > 0 tal que si |x − x0 | < δ enton es |fN (x) − fN (x0 )| < ǫ. Así, si
|x − x0 | < δ enton es
|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].
Deni ión 8. (Conjunto abierto)

Sea X un espa io métri o. Un sub onjunto Y ⊆ X es un onjunto abierto
(en X ) si, y sólo si, su omplemento (en X ), Y c , es un onjunto errado
(en X ).
Ejemplo 11. (Conjuntos abiertos triviales)

Utilizando el ejemplo 8 y la deni ión anterior, podemos armar que
los onjuntos ∅ y X son abiertos pues sus omplementos son onjuntos
errados. Así, estos dos onjuntos triviales, ∅ y X , son abiertos y errados.
Teorema 3. (Cara teriza ión de un onjunto abierto)

Sea X un espa io métri o. Un sub onjunto Y ⊆ X es un onjunto abierto
si, y sólo si, para todo y ∈ Y existe una bola abierta Br (y) ontenida en
Y ; es de ir, Br (y) ⊆ Y (ver gura 7).
Demostra ión.
i) Supongamos que Y es abierto, y sea y ∈ Y . Si para rn = 1/n, n ∈ N,

se tiene que Brn (y) ∩ Y c 6= ∅ enton es existe una su esión {yn } ⊆ Y c tal
que yn → y . Pero, en tal aso, Y c no sería errado en X .
ii) Supongamos que para todo y ∈ Y existe una bola abierta Br (y) ⊆ Y .
Tomemos una su esión onvergente de puntos {yn } ⊆ Y c tal que yn → ȳ ,
y probemos que ȳ ∈ Y c (es de ir, que Y c es errado). Si, por el ontrario,

ȳ ∈ Y , enton es existiría r > 0 tal que Br (ȳ) ⊆ Y y tendríamos que
también innitos términos de {yn } están in luidos en Y , lo que ontradi e
la hipótesis de que {yn } ⊆ Y c .
b
y
Y
X
Figura 7: Y es un onjunto abierto
Teorema 4. (Unión e interse ión de onjuntos abiertos )

Sea X un espa io métri o. Enton es:
i) La unión de una familia arbitraria de onjuntos abiertos en X es,

de nuevo, un onjunto abierto en X .
ii) La interse ión de una familia nita de onjuntos abiertos en X es,

de nuevo, un onjunto abierto en X .
Demostra ión.
i) Sea y un punto en la unión de la familia de abiertos; enton es y está

en al menos uno de los onjuntos abiertos de la familia; por el Teorema
3, existe una bola abierta on entro en y y ontenida totalmente en este
onjunto abierto parti ular, y, por onsiguiente, en la unión de todos los
onjuntos abiertos, que era lo que queríamos probar.
ii) Sea y en la interse ión de la familia de abiertos; enton es y está en

todos estos onjuntos, y, por tanto, podemos onstruir pequeñas bolas
abiertas on entro en y , ada una in luida en su respe tivo onjunto
abierto; tomando la más pequeña de estas bolas (que existe porque el
número de abiertos es nito ) tendremos una bola abierta que está on-
tenida en todos los onjuntos abiertos y, por lo tanto, en la interse ión
de éstos.
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 .
Teorema 5. (Cara teriza ión métri a de la ontinuidad)

Sean (X, d) y (Y, D) espa ios métri os, y f : X → Y una fun ión ual-
quiera. Enton es f es ontinua en X si, y sólo si, para ualquier punto
x ∈ X , uando se tenga alguna su esión {xn } en X onvergiendo a x,
también se tendrá que la su esión {f (xn )} estará onvergiendo a f (x);
es de ir, para todo ǫ > 0 existe δ > 0 tal, que si d(xn , x) < δ enton es
D(f (xn ), f (x)) < ǫ.
Demostra ión.
i) Supongamos, primero, que f es ontinua en x0 ∈ X , y que alguna su-

esión {xn } en X está onvergiendo a x0 . Tomemos ǫ > 0 y, on entro
f (x0 ) y radio ǫ, onstruyamos la bola abierta Bǫ (f (x0 )) ⊆ Y . Enton-
es f −1 (Bǫ (f (x0 ))), al ser abierto en X , y al ontener al punto x0 , nos
permite asegurar que existe una bola entrada en x0 totalmente onteni-
da en f −1 (Bǫ (f (x0 ))). Pero omo {xn } onverge a x0 , enton es a partir
de un N en adelante, todos los términos de la su esión {xn } están en
f −1 (Bǫ (f (x0 ))), y así D(f (xn ), f (x0 )) < ǫ.
ii) Probemos ahora el re ípro o de este teorema. Sea A un sub onjunto

abierto en Y , y tomemos un punto x ∈ f −1 (A). Si no existiera ninguna
bola abierta alrededor de x totalmente ontenida en f −1 (A) enton es
existiría una su esión {xn } no ontenida en f −1 (A) onvergiendo a x. Así,
{f (xn )} no estaría ontenida en A, pero sí estaría onvergiendo a f (x),
lo que mostraría que A no es abierto, y esto es una ontradi ión.
Ejemplo 12. (Un ejemplo (simple) de fun ional )

La palabra fun ional en el término análisis fun ional se debe a que
éste estudiaba, en sus orígenes, fun iones ontinuas uyos dominios eran
onjuntos de fun iones (Volterra (1880) 7 , Hadamard (1910) 8 , Fré-
het(1906) 9 ). Un ejemplo simple de esto lo tenemos en F : C[a,b] → R

denida por
Z b
F(f ) = f (x)dx
a
que es una fun ión ontinua entre estos dos espa ios métri os, pues para
todas f, g ∈ C[a,b] se tiene que
Z b
| F(f ) − F(g) |= | (f (x) − g(x))dx |
a
Z b
≤ | f (x) − g(x) | dx ≤ (b − a) máx | f (x) − g(x) |
a x∈[a,b]
=(b − a) d(f, g)
y sólo basta apli ar el teorema 5 para nalizar.

En páginas posteriores veremos otros ejemplos de fun ionales en el ál u-
lo de varia iones y en la teoría del ontrol óptimo 10 .
b) Espa ios métri os ompletos
Es posible probar, y lo haremos más adelante, que una su esión de núme-

ros reales en la que los términos van aproximándose unos a otros tanto
omo se quiera a medida que la su esión va avanzando, tiene, de he ho,
un límite. En esta se ión observaremos que, sin embargo, esta propie-
dad profunda de los números reales no ne esariamente se umple en los
espa ios métri os en general, pero que uando sí la satisfa e, este espa io
métri o tiene propiedades topológi as muy importantes.
Deni ión 10. (Su esión de Cau hy (Fré het (1906)))
Una su esión {xn } de puntos de un espa io métri o (X, d) es una su esión
de Cau hy (en X ) si, y sólo si, dado ǫ > 0 ualquiera, existe un número
natural N tal que si n, m ≥ N enton es d(xn , xm ) < ǫ.
7
Volterra, Vito (1888), Leçons sur les Équations Intégrales et les Équations
Intégro-Diérentielles, Gauthier-Villars (1913).
8
Hadamard, Ja ques (1910), Leçons sur le Cal ul des Variations, Paris: Éditions
Ja ques Gabay.
9
Fré het, Mauri e (1906), Sur Quelques Points du Cal ul Fon tionnel, Springer
Wien.
10
La palabra fun ional (fon tionnel ) fue a uñada por un pionero del análisis
fun ional, Mauri e Fré het, en 1910.
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.
Sea lı́m xn = x0 on {xn } una su esión en X y también x0 ∈ X .

n→∞
Enton es, dado ǫ > 0 existe número natural N tal que si m, n > N se
tendrá que d(xn , x0 ) < ǫ/2 y d(xm , x0 ) < ǫ/2; por lo tanto, d(xn , xm ) ≤
d(xn , x0 ) + d(x0 , xm ) < 2ǫ + 2ǫ = ǫ. Que la arma ión re ípro a de este
teorema no es ierta, lo vemos en el ontraejemplo de abajo.
Ejemplo 13. (Un ejemplo lási o)
Para ver que en algunos espa ios métri os puede darse la extraña si-
tua ión de que una su esión pueda ser de Cau hy sin ser onvergente,
basta onsiderar el ejemplo lási o de la su esión de fun iones {fn } en
2
C[−1,1] denida para n ∈ N, por (ver gura 8):

1
−1 si − 1 ≤ x ≤ − n

fn (x) = nx si − n1 ≤ x ≤ n1


1 si n1 ≤ x ≤ 1
1− b b
[ | | ℄
−1 − n1 1
n 1
b b
− −1
Figura 8: Grá a de fn (x)

Esta es una su esión de Cau hy pues un po o de ál ulo muestra que
Z 1
2
(fn (x) − fm (x))2 dx <
−1 mı́n{n, m}
Sin embargo, {fn } no onverge a ninguna fun ión de C[−1,1]
2 ya que, de
he ho, Z 1
lı́m (fn (x) − f (x))2 dx = 0
n→∞ −1
para la fun ión dis ontinua (ver gura 9)

(
−1 si x < 0
f (x) =
1 si x ≥ 0
−4 −3 −2 −1 1 2 3
−1
Figura 9
Deni ión 11. (Espa io métri o ompleto)

Un espa io métri o X se di e ompleto si, y sólo si, toda su esión de
Cau hy es onvergente.
Ejemplo 14. (Rn es un espa io métri o ompleto)

El espa io eu lidiano Rn , on la norma estándar, es un espa io métri o
ompleto. En efe to:
a) Primero veamos que R es un espa io métri o ompleto y, para ello,
tomemos una su esión de números reales {xn } que sea de Cau hy. En-
ton es:
i) Mostremos que esta su esión es a otada y, para ha erlo, tomemos

ǫ > 0 y es ojamos N su ientemente grande, tal que si n, m0 ≥ N
enton es |xn − xm0 | < ǫ; así, |xn | ≤ |xn − xm0 | + |xm0 | < ǫ + |xm0 |.
Sea M = máx{|x1 |, ..., |xN −1 |, ǫ + |xm0 |}; por onsiguiente, |xn | ≤
M para todo n ∈ N .
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
que éste es [0, M ] y, de la misma manera, dividamos [0, M ] en los

subintervalos [0, M/2] y [M/2, 0], y asumamos, sin pérdida de ge-
neralidad, que existen innitos términos de la su esión en [M/2, 0].
Luego, ontinuamos de la misma manera y subdividimos por mi-
tades este último intervalo y es ogemos uno de los dos en el que
se en uentran innitos términos de la su esión, et . Claramente, la
longitud de estos subintervalos (que es 22M
n−1 ) va tendiendo a ero;
por lo tanto, es ogiendo un término de la su esión en ada uno de
los subintervalos sele ionados, tendremos una subsu esión {xnk }
onvergente. Sea L el límite.
iii) Finalizamos la prueba de que R es ompleto mostrando que L es,
pre isamente, el límite de la su esión {xn }. Pero esto es inmediato
si notamos que |xn − L| ≤ |xn − xnk | + |xnk − L| y apli amos,
nuevamente, el he ho de que {xn } es una su esión de Cau hy.
b) Queda por probar que, en general, Rn es ompleto, y esto lo logramos si
al tomar una su esión de Cau hy de ve tores en Rn , {xn } notamos que la
su esión de primeras omponentes, la su esión de segundas omponentes,
..., la su esión de n-ésimas omponentes, todas, son su esiones de Cau hy
y, por el resultado de que R es ompleto, tendríamos que ada una de
las n su esiones es onvergente; el ve tor ompuesto por los n límites es,
enton es, el límite de la su esión {xn } original.
Ejemplo 15. (C[a,b] también es un espa io métri o ompleto)
El espa io métri o C[a,b] , on la distan ia del máximo, es un espa io mé-

tri o ompleto. En efe to: supongamos que {fn } es una su esión de Cau-
hy en C[a,b] . Enton es, en parti ular, para ada x0 ∈ [a, b], {fn (x0 )}n∈N
es una su esión de Cau hy y, por el ejemplo 14, es onvergente. Supon-
gamos que denimos la fun ión f de tal manera que para x0 ∈ [a, b],
f (x0 ) = lı́mn→∞ fn (x0 ), y probemos que f es ontinua. En efe to: ob-
servemos que para todo y ∈ [a, b], n ∈ N, se tiene que
| f (x0 ) − f (y) | ≤ | f (x0 ) − fn (x0 ) | + | fn (x0 ) − fn (y) | (∗)
+ | fn (y) − f (y) |
y así, dado ǫ > 0, existe N ∈ N tal que si n ≥ N enton es
| f (x0 ) − fn (x0 ) |< ǫ/3, | fn (y) − f (y) |< ǫ/3 (∗∗)
Y también, dados ǫ y N existe δ > 0 tal que si | x0 − y |< δ enton es
| fN (x0 ) − fN (y) |< ǫ/3 (∗ ∗ ∗)
Así, olo ando (∗∗) y (∗ ∗ ∗) en (∗) on n = N , dedu imos que f ǫ C[a,b] .
Terminamos la prueba de que C[a,b] es, efe tivamente, un espa io métri o

ompleto, probando que, de he ho, fn → f uniformemente; es de ir, que
máxx∈[a,b] | fn (x) − f (x) |−→ 0. Pero esto ya es simple: Como {fn } es
de Cau hy, enton es, para todo ǫ > 0 existe N ∈ N tal que, si m, n ≥ N,
enton es
| fn (x) − fm (x) |< ǫ
y ha iendo m → ∞ obtendríamos que
| fn (x) − f (x) |≤ ǫ
para todo n ≥ N , y todo x ∈ [a, b].
Ejemplo 16. (ℓ2 es un espa io métri o ompleto)
Siguiendo estos pasos, se prueba que ℓ2 es un espa io métri o ompleto:
i) Si p = (b1 , ..., bn , ...) ∈ ℓ2 , denamos, para k = 2, 3, ...,

X
Uk (p) = bn en , Vk (p) = p − Uk (p)
n≤k
donde, para n = 1, 2, ...,
en = (0, 0, ..., 0, 1, 0, ...0, ...) on el 1 en el puesto n
Enton es se tiene que
k Uk (p) k ≤ k p k, k Vk (p) k ≤ k p k
ii) Es inmediato que
lı́m k Uk (p) k=k p k y también que lı́m k Vk (p) k= 0

k→∞ 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.
iv) Si ck = lı́mn→∞ ank se tiene que q = (c1 , c2 , ..., cm , ...) pertene e a ℓ2 .
v) Se puede mostrar que para todo ǫ > 0 existe un k0 y un N tal que

k Vk0 (pn ) k< 2ǫ para todo n ≥ N .
vi) Se prueba que lı́mn→∞ k pn − q k= 0.
Ejemplo 17. (Afortunadamente, 2

C[a,b] no es ompleto)
Con un ontraejemplo se puede probar que el espa io C[a,b]
2 de fun iones
ontinuas en [a, b], on la métri a
Z b 1/2
d(f, g) = (f (x) − g(x))2 dx
a
no es, en general, un espa io métri o ompleto, y éste podría ser el del

ejemplo 13 anterior. Sin embargo, podemos mostrar otro ontraejemplo:
La su esión
1
fn (x) = x 2n−1
es de Cau hy en C[−1,1]
2 , pero no existe ninguna fun ión f ∈ C[−1,1]
2 que
satisfaga que lı́mn→∞ fn = f , omo el le tor podrá mostrar on algún
interés en el problema.11
La no ompletez del espa io C[a,b]2 tiene profundas impli a iones. Ob-
viamente, podríamos de ir que la razón de esto es que a este espa io
le faltan fun iones (de allí el origen de los términos ompleto e in-
ompleto). De he ho, ha erlo ompleto llevó al desarrollo de la primera
generaliza ión que se ono ió de la integral de Riemann: la integral de
Riemann-Stieljes (Riemann (1854a)) que, en lugar de integrar sobre el
segmento de re ta [a, b], ahora integra sobre una urva re iente ual-
quiera s(t) on t ∈ [a, b].12 N
11
Indi a ión: omien e dibujando las fun iones fn para n = 1, 2, 3, 4 y observe su
omportamiento.
12
Sin embargo, en esta le ión no desarrollaremos esta idea. Al le tor interesado,
lo remitimos al lási o Rudin, Walter (1976), Prin iples of Mathemati al Analysis,
International Series in Pure and Applied Mathemati s.
Siguiendo on nuestra dis usión de espa ios métri os ompletos, re or-

demos ahora aquella ara terísti a de los números utilizada en el ejem-
plo 14, que onsistía en es oger números dentro de intervalos errados
en ajados uya longitud iba ha iéndose ada vez más pequeña, y que
utilizamos allí para mostrar que R es un espa io métri o ompleto. En el
siguiente teorema se demostrará que esta ara terísti a, ade uadamente
generalizada, sirve bien para ara terizar a los espa ios métri os omple-
tos.
Teorema 7. (Cara teriza ión de los espa ios ompletos)

Un espa io métri o X es ompleto si, y sólo si, toda su esión de bolas
erradas Brn (xn ) en X tales que rn → 0, y que satisfaganT Brn (xn ) $
Brn+1 (xn+1 ), tendrá una interse ión no-va ía; es de ir, ∞
n=1 Brn (xn )
tiene al menos un elemento.
Demostra ión.
i) Supongamos que X es ompleto. Enton es la su esión {xn } de

entros de las bolas erradas es una su esión de Cau hy ya que
d(xn , xm ) < rn si m > n; y, por tanto, onvergente a un punto
L. Pero omo L es un punto límite de ada una de las bolas e-
rradas
T∞ Brn (xn ), enton es L ∈ Brn (xn ) para todo n, y así, está en
n=1 Brn (xn ).
ii) Ahora supongamos que {xn } es una su esión de Cau hy arbitra-

ria en X . Es ojamos, para k = 1, 2, ..., una su esión de naturales
{nk } on nk+1 > nk y unos términos {xnk }, tales que si n > nk
enton es d(xn , xnk ) ≤ 21k . Sean rk = 21k y onstruyamos las bolas
erradas Brk (xnk ). Claramente, la bola de radio rk ontiene a la de
radio rk+1 , y, por hipótesis, la interse ión de estas bolas erradas
ontiene al menos un elemento L, que es el límite de la subsu esión
{xnk }. Pero omo d(xn , L) ≤ d(xn , xnk ) + d(xnk , L) enton es este
L es, también, el límite de la su esión de Cau hy original.
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
e ua iones diferen iales ordinarias, y, posteriormente, en la existen ia de

solu iones a un tipo parti ular de problemas de ontrol óptimo.
Teorema 8. (Un teorema de punto jo (Bana h (1932)))

Sean (X, d) un espa io métri o ompleto, T : X → X una fun ión, y
α ∈ (0, 1), tal que para todo x, y ∈ X ,
d(T (x), T (y)) ≤ αd(x, y) (Contra ión)
Enton es T tiene un úni o punto jo; es de ir, existe un úni o x∗ ∈ X

tal que T (x∗ ) = x∗ .
Demostra ión.
Sean x0 ∈ X ualquiera, y, para n ∈ N, xn = T n x0 . Si m < n enton es
d(xm , xn ) = d(T m x0 , T n x0 ) = d(T m x0 , T m T n−m x0 )

≤ αm d(x0 , T n−m x0 ) = αm d(x0 , xn−m )
≤ αm (d(x0 , x1 ) + d(x1 , x2 ) + ... + d(xn−m−1 , xn−m ))
≤ αm d(x0 , x1 )(1 + α + ... + αn−m−1 )
αm d(x0 , x1 )
<
1−α
Así, {xn } es una su esión de Cau hy en X y, omo X es ompleto,

enton es existe x∗ ∈ X tal que xn → x∗ . Ahora: debido al teorema 5, T
es ontinua y, por tanto, se tiene que
T (x∗ ) = T ( lı́m xn ) = lı́m T (xn ) = xn+1 = x∗

n→∞ n→∞
y, así, x∗ es un punto jo de X .
Ejemplo 18. (Series de poten ias y C[a,b] )

En la le ión 3 del volumen II (Cál ulo) habíamos mostrado, mediante
el Teorema de Taylor, que las fun iones que tienen derivadas de todo
orden, pueden des ribirse mediante series de poten ias de la forma
∞
X
an (x − x0 )n
n=0
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
vergía. Lo que haremos en esta se ión es mostrar que, de he ho, allí

había más informa ión implí ita que ahora vamos a develar.
En primer lugar, si hubiéramos utilizado los resultados de la le ión
4 del volumen II (Cál ulo) sobre series innitas habríamos en ontra-
do que toda serie de poten ias tiene un radio de onvergen ia R, on
0 ≤ R ≤ ∞, tal que para ada x on | x − x0 |< R, la serie onverge
(absolutamente); y si | x − x0 |> R la serie diverge; el aso de los puntos
extremos x = x0 ± R debe de idirse en ada aso parti ular. La forma de
hallar este R es simple: Re ordemos que, en esta última le ión itada,
el riterio del o iente para series innitas
P∞ armaba que si se daba que
lı́mn→∞ | an+1
an |< 1 enton es la serie n=1 an onvergía. Apli ando esto
a una serie de poten ias, tendríamos que
a a
n+1 (x − x0 )n+1 n+1 (x − x0 )
lı́m = lı́m <1
n→∞ an (x − x0 )n n→∞ an

y, por lo tanto, la serie onverge si lı́mn→∞ an+1
an < |x−x0 | . Luego el radio
1
de onvergen ia R estará denido por
1 a
n+1
= lı́m
R n→∞ an
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
fun ión límite uando m → ∞ de la su esión de fun iones

nX
m o
an xn = {a0 , a0 + a1 x, a0 + a1 x + a2 x2 , ...}
m
n=0
y ahora es fá il probar que, de he ho, esta su esión onverge uniforme-

mente a la fun ión límite en todo intervalo errado [−α, α] ontenido en
(−R, R). En efe to: Notemos que | an xn | ≤ | an | αn y, así
X∞ m
X ∞
X ∞
X
n n n
an x − an x ≤ | an x |≤ | an | αn
n=0 n=0 n=m+1 n=m+1
P∞
y notando
P∞que la serie n n=0 | an | α onverge, llegamos a que el
n
residuo n=m+1 | an | α tiende a ero, y esto demuestra la onvergen ia

uniforme.
En ter er lugar, es fá il probar que toda serie de poten ias es diferen iable
término a término en ualquier intervalo
P∞ abierto dentro del intervalo de
onvergen ia; es de ir, si f (x) = n=0 an xn enton es
∞
X
f ′ (x) = nan xn−1
n=1
De igual forma, en un intervalo errado [a, b] dentro del intervalo de

onvergen ia, la P
serie de poten ias es integrable término a término; es
de ir, si f (x) = ∞n=0 an x enton es
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.
Note, por ejemplo, que si se deriva, término a término, la serie de po-

ten ias para ex dada arriba, obtendremos, nuevamente, la fun ión ex ; y
si derivamos, término a término, la serie de poten ias para sen x obten-
dremos la serie de poten ias para cos x; de la misma forma, si derivamos,
término a término la serie de poten ias para cos x, obtendremos la serie
de poten ias para − sen x. También podemos notar que, de las igualdades
1
= 1 − x + x2 − x3 + ... donde |x| < 1
1+x
1
= 1 − x2 + x4 − x6 + ... para todo |x| < 1
1 + x2
podemos integrar onvenientemente, término a término, para obtener las
expresiones en series de poten ias
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
) Espa ios métri os ompa tos
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.
lo primero que quizás deberíamos mirar es si es posible generalizar el

teorema de Wierstrass a espa ios métri os que arma que toda fun ión
f : Y → R que sea ontinua, debe al anzar un máximo y un mínimo,si
Y es ompa to. Sin embargo, en espa ios métri os, en general, no es
su iente on garantizar que Y sea errado y a otado para tener este re-
sultado, omo veremos en un ejemplo más adelante. Aún así, re ordemos
que en el volumen II (Cál ulo) mostrábamos que, en Rn , un sub onjunto
era ompa to si, y sólo si, de todo re ubrimiento de éste mediante inni-
tos onjuntos abiertos, podíamos tomar un re ubrimiento que onstara
de sólo unos uantos de estos onjuntos abiertos. Esta es, pre isamente,
la deni ión que trans ribiremos desde Rn para denir espa ios métri os
ompa tos, y que, a su vez, nos ayudará a generalizar el Teorema de
Weierstrass en espa ios métri os abstra tos.
Deni ión 12. (Re ubrimiento y onjunto ompa to)
i) Un re ubrimiento (abierto) de un sub onjunto Y de un espa io

métri o XS, es una familia {Gα } de onjuntos abiertos de X tales
que Y ⊆ α Gα (Ver gura 10).
Figura 10: Re ubrimiento de Y
ii) Diremos que Y ⊆ X , on X un espa io métri o y Y 6= ∅, es om-

pa to, si y sólo si, ualquier re ubrimientoS abierto de Y ontiene
un re ubrimiento nito ; es de ir, si Y ⊆ α Gα para una familia
arbitraria {Gα } de onjuntos abiertos de X , enton es
S existe una
subfamilia nita Gα1 , Gα2 , ..., Gαn tal que Y ⊆ ni=1 Gαi .
Deni ión 13. (Conjunto totalmente a otado)

Sea (X, d) un espa io métri o y Y ⊆ X . Diremos que Y es totalmente
a otado si dado ǫ > 0 existe un onjunto nito R ⊆ X tal que para todo
y ∈ Y , existe un r ∈ R on d(y, r) < ǫ.
Es de ir, un onjunto Y es totalmente a otado si puede ser ubierto me-

diante un onjunto nito de bolas abiertas.
Y utilizando las no iones de ompletez y a ota ión total arribamos a una

ara teriza ión de los espa ios métri os ompa tos:
Teorema 9.
Un espa io métri o es ompa to si, y sólo si, es ompleto y totalmente
a otado.
Demostra ión.
Esta demostra ión es difí il y requiere de re ursos y argumentos más

allá de la mirada de esta se ión introdu toria a los espa ios métri os. El
le tor interesado podría onsultar el texto lási o Kolmogorov, A.N. y
S.V. Fomin (1970), Introdu tory Real Analysis, Dover Publi ations.
Utilizando el anterior teorema es inmediato demostrar que todo espa io

métri o ompa to es errado y a otado. Pero, omo veremos adelante, la
arma ión re ípro a no es ierta, en general. De he ho, ésta es una de las
ara terísti as esen iales que distinguen a los espa ios eu lidianos Rn .
Con entrándonos ahora en nuestro espa io métri o preferido C[a,b] , nos
interesamos por ara terizar sus onjuntos ompa tos. Por el teorema 9,
ya sabemos que una de las propiedades que deben tener estos onjuntos es
su ompletez; pero ¾y ómo podemos ara terizar en este espa io el he ho
de que un onjunto sea totalmente a otado? La respuesta la tenemos en
las dos siguientes deni iones:
Deni ión 14. (Familia de fun iones uniformemente a otadas)

Una familia X de fun iones f : [a, b] → R es uniformemente a otada si
existe un K > 0 tal que |f (x)| ≤ K para todo x ∈ [a, b] y f ∈ X.
Ejemplo 19.
En C[a,b] , la bola unitaria de entro en 0 es una familia uniformemente
a otada por K = 1.
Deni ión 15. (Familia equi ontinua de fun iones)

Una familia X de fun iones f : [a, b] → R es equi ontinua si dado ǫ > 0
existe δ > 0 tal que si |x − y| < δ enton es |f (x) − f (y)| < ǫ para todo
x, y ∈ [a, b] y f ∈ X.
Ejemplo 20. (Una familia no equi ontinua de fun iones)
En C[0,1] , la familia B de todas las fun iones ontinuas en [0, 1] on
máxx∈[0,1] | f (x) |≤ 1, satisfa e la ondi ión de a ota ión uniforme, pero
no de equi ontinuidad, y esto último se puede ver tomando la su esión
{fn } denida por fn (x) = xn . Sea 0 < ǫ < 12 , y es ojamos δ > 0 tal que
si |1 − y| < δ enton es |1 − y n | < ǫ para todo y ∈ [a, b] y n ∈ N. Pero
omo
1 − y n = (1 − y)(1 + y + ... + y n−1 )
enton es, tomando y = 1 − δ′ on δ′ < δ, obtendremos que
|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] :
Corolario 3. (Teorema de Arzelá)

Un sub onjunto X del espa io métri o C[a,b] es ompa to si, y sólo si,
es ompleto y todas las fun iones de X son uniformemente a otadas y
equi ontinuas.
Demostra ión.
Esta demostra ión se puede onsultar en el texto lási o arriba itado:

Kolmogorov, A.N. y S.V. Fomin (1970), Introdu tory Real Analysis, Do-
ver Publi ations.
Ejemplo 21. (Bolas erradas que no son ompa tas)

En C[0,1] la bola errada de entro en f ≡ 0 y radio 1 no es un onjun-
to ompa to. En efe to, la familia de todas las fun iones ontinuas en
[0, 1] on máxx∈[0,1] | f (x) |≤ 1, satisfa e la ondi ión de ompletez, de

a ota ión uniforme, pero no de equi ontinuidad (ver ejemplo 20). N
El omportamiento de los espa ios métri os ompa tos transformados

por fun iones ontinuas de valor real es una trans rip ión del resultado
similar que se tiene para onjuntos ompa tos en R2 (Ver volumen II
(Cál ulo)):
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.
Sea C un sub onjunto ompa to de un espa io métri o X y f : X → Y

una fun ión ontinua, donde Y es otro espa io métri o. Si tomamos un
re ubrimiento abierto {Ai } de f (C) enton es la familia {f −1 (Ai )} es un
re ubrimiento abierto de C . Como C es ompa to, enton es podemos
tomar, de la familia {f −1 (Ai )}, un re ubrimiento nito del mismo C .
Pero, en tal aso, esta familia nos dará origen a un re ubrimiento nito
del onjunto f (C) tomado de la familia {Ai }.
Y on este lema, es inmediato demostrar uno de los teoremas más im-

portantes para espa ios métri os ompa tos:
Teorema 10. (Teorema generalizado de Weierstrass)

Sea X un espa io métri o ompa to y f : X → R una fun ión ontinua.
Enton es f (·) al anza un máximo y un mínimo en X .
Demostra ión.
Puesto que, según el lema 1 anterior, el onjunto f (X) es ompa to en

R, enton es es errado y a otado, y, por lo tanto, tiene un valor máximo
y uno mínimo.
El siguiente ejemplo refuerza la idea de que uando de espa ios métri os

abstra tos se trata, la intui ión nos puede fallar, pues, de he ho, nos
muestra de una forma distinta a la del ejemplo 21, que, en C[0,1] , la bola
errada de entro en f ≡ 0 y radio 1, no es un onjunto ompa to:
Ejemplo 22. (Fun ión ontinua en un errado y a otado que no

tiene imagen ompa ta)
Para omplementar el ejemplo 21, sea B ⊆ C[0,1] la bola unitaria errada
de entro en 0, y F : B → C[0,1] la fun ión denida, para x ∈ [0, 1], por
Z x
F(f )(x) = f (t)dt
0
Si onsideramos el ejemplo lási o de la su esión de fun iones {fn } en

C[−1,1] denida para n ∈ N, por:


0 si − 1 ≤ x ≤ 0
fn (x) = nx si 0 < x ≤ n1


1 si n1 < x ≤ 1
enton es k fn k= 1 para todo n, y, además,



0 si − 1 ≤ x ≤ 0
1
F(fn )(x) = 2 nx 2 si 0 < x ≤ n1

 1
x − 2n si n1 < x ≤ 1
que onverge a la fun ión

(
0 si − 1 ≤ x ≤ 0
F (x) =
x si 0 < x ≤ 1
que tiene derivada dis ontinua y, por tanto, por el teorema fundamental
del 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.℄
2. ¾Por qué no fue es ogida
d(f, g) = mı́n |f (x) − g(x)|

x∈[a,b]
omo distan ia en C[a,b] ?
3. i) Pruebe que un sub onjunto Y de un espa io métri o X es errado

si, y sólo si, Y = Y . [Re uerde que Y es la lausura de Y , o,
equivalentemente, el onjunto de todos los puntos límites de Y ℄.
ii) Pruebe que Y = Y .
iii) ¾Será ierto que A ∪ B = A ∪ B ? ¾Y qué a er a de A ∩ B =
A ∩ B ? ¾Y qué pasará on (A)c = Ac ? [Re uerde que Ac es el
omplemento de A℄.
4. De ida sobre la onvergen ia puntual, uniforme, y media, de la

su esión de fun iones en C[0,1]
xn
fn (x) =
n!
donde, re ordemos, n! = 1 · 2 · ... · n.
5. (Criterio de Weierstrass (1841) para onvergen ia uniforme) Prue-

be que si una su esión de fun iones {fn } en C[a,b] satisfa e la on-
di ión
k fn k≤ an
P
para alguna su esión de números positivos {an } tal que ∞ n=1 an
onverge, enton es la su esión {fn } onverge uniformemente.
6. Este ejer i io muestra que el he ho de que la fun ión límite en

forma puntual sea ontinua no garantiza que la onvergen ia sea
uniforme: Pruebe que la su esión de fun iones fn (x) = n2 xe−nx en
C[0,1] onverge puntualmente a la fun ión f (x) = 0, pero que la
onvergen ia no es uniforme. Dibuje una grá a.
7. (Teorema de Dini (1878)) Complementando lo señalado en el ejer-

i io anterior, el teorema de Dini arma que si una su esión monó-
tona re iente de fun iones, {fn }, en C[a,b] onverge puntualmente
a una fun ión ontinua f , enton es la onvergen ia es uniforme.
Ilustre este teorema on un ejemplo.
8. En la le ión 3 del volumen II (Cál ulo) men ionamos que existen

fun iones ontinuas en todas partes pero diferen iables en ninguna.
Una fun ión lási a que nos ofre e este omportamiento es el límite
de la su esión de fun iones
n
X 1
fn (x) = {{10m x}}
10m
m=1
donde
{{10m x}} = la distan ia de 10m x a su entero más próximo
Dibuje f1 (x), f2 (x) y f3 (x). Además, notando que
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
¾Cree usted que podría dibujar esta fun ión límite? 16
9. Muestre que Rn es un espa io métri o ompleto on la tres distan-

ias señaladas en esta se ión. Sin embargo, muestre que R on la
distan ia dada por
d(x, y) = | arctan(x) − arctan(y)|
no es un espa io métri o ompleto.
10. Muestre que el espa io métri o de matri es uadradas Mn×n es un

espa io métri o ompleto. [Indi a ión: Note que toda matriz n × n
2
se puede ver omo un elemento de Rn ℄.
16
La demostra ión de la diferen iabilidad de esta fun ión límite no la haremos aquí.
El le tor interesado puede onsultar, nuevamente, Spivak, Mi hael (1978), Cal ulus,
Vol. II, Editorial Reverté: Bar elona.
11. Pruebe que la su esión

1
fn (x) = x 2n−1
es de Cau hy en C[−1,1]
2 , pero no existe ninguna fun ión f ∈ C[−1,1]
2
que satisfaga que lı́mn→∞ fn = f .
12. Utilizando las expresiones en series de poten ias para sen x, cos x,
y ex , en uentre las orrespondientes expresiones para:
2
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
d(f, g) = máx |f (x) − g(x)|

x∈X
es un espa io métri o ompleto.
2. Espa ios de Bana h: álgebra en los espa ios

métri os
Como habíamos armado antes, el análisis fun ional fue, en parte, el
produ to de algunas investiga iones surgidas de las ne esidades de la
me áni a uánti a en Físi a. Y una de las estru turas más estudiadas por
el análisis fun ional es la de espa io de Bana h que onsiste en un espa io
ve torial on una norma y que es ompleto omo espa io métri o. Esta
estru tura fue introdu ida axiomáti amente por el matemáti o pola o
Stefan Bana h en su tesis do toral de 1920.
Para omenzar, re ordemos el on epto de espa io ve torial desarrollado
en la le ión 5 (Bases y dimensión) del volumen I (Álgebra lineal).
Deni ión 16. (Espa io ve torial)

Un onjunto no va ío V on dos opera iones (suma y multipli a ión por
es alar) que satisfagan:
i) Adi ión : a ada par x, y ∈ V se le asigna un úni o x + y ∈ V ,

llamado suma de x y y .
ii) Multipli a ión por es alar : a ada x ∈ V y a ada es alar número

real k ∈ R se le asigna un úni o kx ∈ V .
se llamará un espa io ve torial (y a sus elementos, ve tores ) si las si-

guientes arma iones se umplen para todo x, y, z ∈ V :
i) x + y = y + x (Ley onmutativa).
ii) (x + y) + z = x + (y + z) (Ley aso iativa).
iii) Existe un ve tor 0 ∈ V , llamado ve tor ero tal que x+ 0 = 0+ x =

x para todo x ∈ V .
iv) Para ada x ∈ V existe un ve tor −x ∈ V , llamado inverso aditivo

de x, tal que x + (−x) = (−x) + x = 0.
v) l(kx) = (lk)x para todo par de es alares k, l ∈ R.
vi) k(x + y) = kx + ky para todo es alar k ∈ R (ley distributiva).
vii) (k + l)x = kx + lx para todo par de es alares k, l ∈ R.
viii) 1x = x.
Ejemplo 23.
Los espa ios 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
(a) Rn on el produ to y suma estándar.

17
Note que, hasta ierto punto, esta ha sido la idea que hemos desarrollado en este
texto: Primero, en el volumen I (Álgebra lineal) estudiamos la estru tura algebrai a
n
(de espa io ve torial) de R ; y después, en el volumen II (Cál ulo), estudiamos su
estru tura topológi a y diferen ial.
(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
io ve torial on las ono idas suma y multipli a ión por es alar de

su esiones .
(d) El onjunto C[a,b]

2 de todas las fun iones reales ontinuas denidas
sobre un intervalo errado [a, b], on la suma y el produ to por es alar
de fun iones.
(e) El espa io Mn×n de todas las matri es uadradas de tamaño n, on

la suma y el produ to de matri es estándar.
Deni ión 17. (Espa io ve torial normado)

Diremos que un espa io ve torial V es un espa io ve torial normado si
existe una fun ión norma || · || : V → R que satisfa e:
i) ||x|| ≥ 0 para todo x ∈ V ; ||x|| = 0 si, y sólo si, x = 0.
ii) ||kx|| = |k| · ||x|| para todo x ∈ V , k ∈ R.
iii) ||x + y|| ≤ ||x|| + ||y|| para todo x, y ∈ V (desigualdad triangular).
Es laro que todo espa io normado es un espa io métri o donde la dis-

tan ia entre dos ve tores x, y se dene así:
d(x, y) = ||x − y||.
Y re ordando que un espa io métri o ompleto es aquel en el que toda

su esión de Cau hy es onvergente, trasladamos este on epto al espa io
ve torial normado, y arribamos a la no ión de espa io de Bana h.
Deni ión 18. (Espa io de Bana h)

Un espa io de Bana h es un espa io ve torial normado ompleto.
Ejemplo 24. (Uno de ellos, no es omo los otros)

Resulta que los in o espa ios métri os que venimos estudiando, también
son espa ios normados. Sin embargo, sólo hay uno que no es espa io de
Bana h: el espa io métri o C[a,b]
2 . Veamos:
(a) Rn on la norma ve torial || · || estándar es un espa io ve torial

normado, y además, es ompleto.
(b) El onjunto C[a,b] de todas las fun iones ontinuas denidas sobre un
intervalo errado [a, b], on la norma, para f ∈ C[a,b] , denida así:
||f || = máx | f (x) |

x∈[a,b]
es un espa io ve torial normado ompleto: es de Bana h.

P
( ) También el onjunto de su esiones ℓ2 = {(x1 , . . . , xn , . . .) | ∞ 2
i=1 (xi ) <
∞} es un espa io ve torial normado ompleto on su norma denida
por v
u∞
uX
||(x1 , . . . , xn , . . .)|| = t (xi )2
i=1
Por tanto, es un espa io de Bana h.
(d) El espa io Mn×n de todas las matri es uadradas de tamaño n es un

espa io de Bana h on la norma denida por
s X
kAk = (aij )2
1≤i,j≤n
para A = [aij ]n×n .
(e) El espa io C[a,b]

2 de todas las fun iones ontinuas f : [a, b] → R que
Rb
satisfa en la ondi ión de que a (f (x))2 dx < ∞ y donde la norma
está denida por
Z b 12
kf k = (f (x))2 dx
a
también es un espa io normado. Pero no es ompleto pues allí algunas

su esiones de Cau hy pueden no ser onvergentes (ver ejemplo 13).
N
El siguiente es un teorema importante en la teoría de los espa ios de Ba-

na h prin ipalmente por dos razones. La primera, es que muestra ómo
nuestra intui ión desarrollada en Rn podría llevarnos a equívo os uan-

do de espa ios métri os abstra tos se trata: este teorema arma que,
esen ialmente, el úni o espa io métri o que tiene a la bola unitaria de
entro 0 omo onjunto ompa to es, pre isamente, Rn . Y la segunda,
es que nos enseña ómo ombinar las estru turas topológi a y algebrai-
a de un espa io de Bana h, para desarrollar argumentos de profundas
impli a iones.
Teorema 11. (Teorema de Riesz (1965))
En un espa io de Bana h, la bola errada de entro en 0 y radio 1 es
ompa ta si, y sólo si, la dimensión del espa io es nita.
Demostra ión.
Para simpli ar nota ión, sea B la bola errada on entro en 0 y radio

1 del espa io de Bana h X .
i) Si B es ompa ta enton es podemos en ontrar un número nito de
puntos x1 , x2 , ..., xn en X tales que B es ubierta por las bolas abier-
tas de entro en xi y radio 1/2. Si mostramos que el espa io generado
E = hx1 , x2 , ..., xn i oin ide on X enton es habremos probado que X
es nito-dimensional. Ahora: es laro que E es nito-dimensional y, por
tanto, es errado en X (¾por qué?). Supongamos, por el ontrario, que
existe un x ∈ X − E , y denamos d(x, E) = ı́nf y∈E k x − y k. Cons-
truyendo una bola errada alrededor de x que interse ta a E , tendremos
que esta interse ión es un onjunto ompa to (¾por qué?) y, por el teo-
rema de Weierstrass generalizado (teorema 10) , existe un z ∈ E tal que
d(x, E) = ı́nf k x − z k on z 6= x ya que E es errado en X . Por lo
tanto, existe un xi tal que
x − z 1

− xi <
kx−z k 2
y, así,
kx−z k
k x − z− k x − z k xi k<
2
Pero omo z+ k x − z k xi ∈ E y, por deni ión de z , d(x, E) =k x − z k,
enton es el lado izquierdo es mayor o igual que k x − z k, y esto es una
ontradi ión que prueba el resultado.
ii) En Rn la bola errada de entro en 0 y radio 1 es, obviamente, ompa -
ta. Y todos los espa ios nito-dimensionales son isomorfos ( omo espa ios
ve toriales) a algún Rn (Ver volumen I: Álgebra lineal).
Ejemplo 25. (Series de matri es y Mn×n )

Para observar que la ombina ión de álgebra y topología en los espa ios
de Bana h puede llevarnos a resultados interesantes y útiles, onside-
remos el espa io de Bana h Mn×n de todas las matri es uadradas de
tamaño n on la norma denida por
s X
kAk = (aij )2
1≤i,j≤n
donde A = [aij ]n×n . Una pregunta legítima es si puede tener sentido

extender el resultado en series de poten ias
1
= 1 + x + x2 + x3 + ...
1−x
a una expresión matri ial omo
(I − A)−1 = I + A + A2 + A3 + ...
donde A es una matriz en Mn×n , I es la matriz identidad n × n, y

(I − A)−1 es la inversa de la matriz (I − A). Y la respuesta armativa se
argumenta de la siguiente forma: Supongamos que kAk < 1; enton es la
serie
I + A + A2 + A3 + ...
onverge en Mn×n pues la su esión de matri es {I, I +A, I +A+A2 , ...}
onverge en la norma de arriba ya que es de Cau hy (re ordemos que
Mn×n es un espa io de Bana h). En efe to, si m > n enton es
k (I + A + A2 + ... + Am ) − (I + A + A2 + ... + An ) k
= k An+1 + An+2 + ... + Am k
≤k An+1 k + k An+2 k +...+ k Am k
≤k A kn+1 + k A kn+2 +...+ k A km
y esta última su esión tiende a ero uando m, n → ∞ 18

. Por lo tanto,
existe una matriz en Mn×n que se puede es ribir omo
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?
Pero de la igualdad
(I − A)(I + A + A2 + A3 + ... + An ) = I − An+1
y notando que lı́mn→∞ An+1 = 0 se re ono e que, efe tivamente, si

kAk < 1,
(I − A)−1 = I + A + A2 + A3 + ...
Debe observarse que, en este ejemplo, utilizamos una informa ión alge-
brai a adi ional del espa io de matri es Mn×n que no está omprehen-
dida por la deni ión misma de espa io de Bana h: que los objetos de
este espa io, además de poderse sumar y multipli ar por es alar omo
orresponde a un espa io ve torial, también pueden multipli arse entre
sí. Esta propiedad algebrai a adi ional es la que permite llegar a un re-
sultado tan importante (y útil) omo este. A este tipo de estru turas se
les ono e omo álgebras de Bana h, y Mn×n es el aso más típi o de
esta lase de estru tura algebrai a-topológi a.
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] ?
3. Espa ios de Hilbert: álgebra y geometría en

los espa ios métri os
Ya se había indi ado que las ne esidades de la me áni a uánti a habían
ondu ido a la rea ión de los espa ios de Hilbert y también a los más
generales espa ios de Bana h. Los espa ios de Hilbert fueron introdu idos
axiomáti amente por John von Neumann en 1928, aunque de ellos se
tenían ejemplos on retos desde mu ho antes. Una de las ventajas que
tienen los espa ios de Hilbert sobre los espa ios de Bana h, desde el
punto de vista analíti o, es que, además de las estru turas algebrai a
y topológi a de estos últimos, se le agrega una estru tura geométri a
espe í a a través del on epto lave para desarrollarla: el de ángulo

y, de allí, el de ortogonalidad.
Deni ión 19. (Produ to es alar)

Un produ to es alar (o interno) sobre un espa io ve torial V , es una
fun ión real h·, ·i denida sobre V × V , que satisfa e las siguientes pro-
piedades:
i) hx, xi ≥ 0 para todo x ∈ V y hx, xi = 0 si, y sólo si, x = 0.
ii) hx, yi = hy, xi para todo x, y ∈ V .
iii) hkx, yi = khx, yi para todo k ∈ R, x, y ∈ V .
iv) hx, y + zi = hx, yi + hx, zi para todo x, y, z ∈ V .

Observe que en un espa io ve torial dotado de produ to es alar se tiene
que para todo x, y ∈ V ,
p p
|hx, yi| ≤ hx, xi hy, yi,
pues para todo k ∈ R, por la ondi ión i) arriba, se tiene que
hkx + y, kx + yi = k2 hx, xi + 2khx, yi + hy, yi ≥ 0;
y, por lo tanto, el dis riminante de esta fun 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
Por lo tanto, todo espa io ve torial V dotado de un produ to interno,es

un espa io normado donde, para todo x ∈ V , la norma se dene por
p
||x|| = hx, xi
Deni ión 20. (Espa io de Hilbert (von Neumann (1929)))

Un espa io de Hilbert es un espa io de Bana h en el que la norma proviene
de un produ to es alar.
Ejemplo 26. (Dos de ellos no son omo los otros)
(a) Rn on el produ to interno estándar es el más elemental espa io de

Hilbert.
(b) ℓ2 on el produ to interno denido por

∞
X
h{xi }, {yi }i = (xi yi )2
i=1
para las su esiones (xi )∞

i=1 , (yi )i=1 ∈ ℓ , es un espa io de Hilbert.
∞ 2
( ) C[a,b] aunque es un espa io de Bana h, no es un espa io de Hilbert

porque, omo veremos enseguida, su norma no pro ede de un pro-
du to es alar.
(d) El espa io Mn×n de todas las matri es uadradas de tamaño n es un

espa io de Hilbert on el produ to interno denido por
mn
X
hA, Bi = aij bij
i=1
para las matri es para A = [aij ]n×n y B = [bij ]n×n .

Rb
(e) C[a,b]
2 aunque sí tiene un produ to interno a [f (x)g(x)]2 dx que da
origen a su norma, no es un espa io de Hilbert porque no es ompleto.
N
Así omo, salvo isomorsmos, sólo existe un espa io ve torial nito-

dimensional (Rn ), también es ierto que sólo existe, salvo isomorsmos,
un espa io de Hilbert innito-dimensional : ℓ2 . Aquí, la no ión de iso-
morsmo tiene dos partes: una, omo espa ios ve toriales; y otra, que se
preserva el produ to interno. Es de ir, dado ualquier espa io de Hilbert
innito-dimensional H , existe una fun ión biye tiva
T : H → ℓ2
tal que:
i) T es una transforma ión lineal; y
ii) hT (x), T (y)i = hx, yi para todo x, y ∈ H . 19
19
Una prueba de esto la en ontramos, nuevamente, en Kolmogorov y Fomin (op.
it.).
Ejemplo 27. (¾Por qué C[a,b] no es un espa io de Hilbert?)

Se puede mostrar fá ilmente (ver ejer i io 1 de Ejer i ios 3) que un es-
pa 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 será denido
por
1
hx, yi = (||x + y||2 − ||x − y||2 )
4
Aprove hamos este resultado para demostrar que el onjunto C[a,b] , aun-
que es un espa io de Bana h, no es espa io de Hilbert y que, así, su
norma no proviene de ningún produ to interno. En efe to, tomemos, pa-
ra simpli ar, C[0,π/2] , f (x) = cos x, y g(x) = sen x. Enton es se tendrá
√
que k f k=k g k= 1, k f + g k= 2, k f − g k= 1, y, por tanto,
||f + g||2 + ||f − g||2 6= 2(||f ||2 + ||g||2 )
Quizás una on lusión ade uada aquí es que, aunque los espa ios C[a,b]
y C[a,b]
2 son espa ios on álgebra y topología su ientes para ser muy
importantes por sí mismos, desafortunadamente estas topologías no son
su ientemente espe í as omo para que se pueda onstruir una geo-
metría sobre ellos que dé origen a esa topología. Quizás el le tor pensará
que esto los ha e espa ios menos fuertes, pero en el siguiente ejemplo
veremos ómo uno de ellos podrá absorber parte de la geometría del
úni o espa io de Hilbert ℓ2 .
Ejemplo 28. (Y...¾para qué los espa ios de Hilbert?)
Aunque no es ne esario para lo que haremos en adelante, intentaremos

justi ar, aunque sea sólo on un ejemplo, por qué el estudio de los
espa ios de Hilbert tiene interés en sí mismo. Centrémonos en el espa io
de Hilbert ℓ2 de su esiones innitas, y en el espa io de Bana h C[a,b]
2 de
fun iones ontinuas en [a, b] on la onvergen ia media. Enton es:
1. ℓ2 tiene un onjunto muy espe ial de puntos: e1 = (1, 0, 0, ..., 0, ...);
e2 = (0, 1, 0, 0, ..., 0, ...);...; en = (0, 0, ..., 0, 1, 0, 0, ...);... , pues este
onjunto es una base innita de ℓ2 : Note que k en k= 1, ei ·ej = 0
si i 6= j , y si p ∈ ℓ2 , enton es siempre es posible es ribirlo de la
P
forma p = ∞ i=1 cn en donde cn = hp, en i.
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 ;
es de ir, podemos representar a f (x) mediante una serie de senos

y osenos de tal forma que
X∞
1
f (x) = a0 + (an cos nx + bn sen nx)
2 n=1
donde los oe ientes están dados por

Z
1 π
an = f (x) cos nxdx
π −π
Z
1 π
bn = f (x) sen nxdx
π −π
y la onvergen ia de la serie a f (x) es en media, es de ir, en el
espa io métri o C[−π,π]
2 . Pero, más aún, Fourier mostró que ambas
P P
su esiones, {an } y {bn }, satisfa en que (an )2 y (bn )2 onvergen
y, así, están en el espa io métri o ℓ2 . Por lo tanto, podríamos de ir,
abusando un tanto de la nota ión, que C[−π,π] 2 ⊆ ℓ2 .
20
Ejemplo 29. (Polinomios ortogonales )
Otro ejemplo de fun iones ortogonales en el espa io C[−1,1]
2 son los poli-
nomios de Legendre denidos por
1 d
Pn = ( )(n) (x2 − 1)2
2n n! dx
3 2 1
Aquí, P0 = 1, P1 = x, P2 = 2x − 2 omo el le tor fá ilmente puede
omprobar.
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.
2. A toda transforma ión lineal y ontinua T : ℓ2 → ℓ2 se le llama un

operador 21 . Considere el operador biye tivo T : ℓ2 → ℓ2 denido
por
x2 xn−1
T (x1 , x2 , ..., xn , ...) = (0, x1 , , ..., , ...)
2 n−1
y pruebe que T (x) = λx si, y sólo si, x = 0. Este resultado die-
re notablemente de lo que teníamos en el álgebra lineal ordinaria
donde todas las transforma iones lineales biye tivas T : Rn → Rn ,
tienen al menos un ve tor propio distinto de ero.
4. Apli a iones a la teoría de e ua iones diferen-

iales
Por todo lo dis utido en la se ión anterior, no es sorprendente que algu-
nas de las apli a iones del análisis fun ional se en uentren, pre isamente,
en la teoría de las e ua iones diferen iales ordinarias y de los sistemas
dinámi os (ver le ión 3). En lo que sigue, presentamos tres de los más
importantes resultados en estas áreas, fundamentalmente en problemas
de existen ia de solu iones.
Teorema 12. (Teorema de Peano (1886))

Sea f (x, t) una fun ión ontinua denida sobre un sub onjunto abierto
no-va ío A del plano R2 . Enton es la e ua ión diferen ial
dx
= f (x, t), (x0 , t0 ) ∈ A
dt
tiene al menos una solu ión lo al x(t) on x(t0 ) = x0 en A.
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 .
Teorema 13. (Teorema de Pi ard (1887))

Sea f (·, ·) una fun ión ontinua denida sobre un sub onjunto abierto no
va ío A del plano R2 que ontiene a (x0 , y0 ), y supongamos que existe
una onstante M > 0 tal que
|f (x, y) − f (x, ỹ)| ≤ M |y − ỹ| (Condi ión Lips hitz)
para todo x, y, ỹ ∈ A . Enton es existe un intervalo |x − x0 | ≤ δ en el
que la e ua ión diferen ial
dy
= f (x, y)
dx
tiene un úni a solu ión y = y(x) que satisfa e y(x0 ) = y0 .
Demostra ión.
dy
La e ua ión = f (x, y) es equivalente a la e ua ión integral
dx
Z x
y(x) = yo + f (t, y(t))dt
x0
Como f (·) es ontinua, enton es existe una onstante K tal que |f (x, y)| ≤
K para todo (x, y) en ierta bola B abierta en A que ontiene a (x0 , y0 ).
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
∗
|x − x0 | ≤ δ y tales que |ϕ(x) − y0 | ≤ Kδ equipado on la norma del

máximo. Es laro que C ∗ es ompleto ya que es un subespa io errado
de C[x0 −δ,x0+δ] .
Denamos ahora el operador ψ : C ∗ → C ∗ por
Z x
ψ(ϕ)(x) = yo + f (t, ϕ(t))dt
x0
Notemos que, enton es,

Z x Z x
|ψ(ϕ)(x) − yo | = | f (t, ϕ(t))dt| ≤ |f (t, ϕ(t))|dt ≤ K|x − x0 | ≤ Kδ
x0 x0
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
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
Teorema 14. (Existen ia de solu ión para un sistema dinámi o)

Dadas n fun iones reales ontinuas fi (t, y1 , ..., yn ), i = 1, 2, ..., n, deni-
das sobre un onjunto abierto no-va ío de Rn+1 que ontiene el punto
(t0 , y01 , ..., y0n ), suponga que todas satisfa en la ondi ión de Lips hitz
|fi (t, y1 , ..., yn ) − fi (t, ye1 , ..., yf

n )| ≤ M ( máx |yi − y
ei |)
1≤i≤n
para ierto M > 0 jo. Enton es existe un intervalo |t − t0 | < δ en el

que el sistema dinámi o
dyi
= fi (t, y1 , ..., yn ) i = 1, 2, ..., n
dt
tiene una úni a solu ión
y1 = ϕ1 (t), ... , yn = ϕn (t)
que satisfa e las ondi iones ini iales
y01 = ϕ1 (t0 ), ... , y0n = ϕn (t0 )
Demostra ión.
Es similar a la demostra ión del teorema 13 anterior.
Ejer i ios 4
1. Basándose en el teorema 13, pruebe el teorema 14.
5. El ál ulo de varia iones lási o

En el ál ulo diferen ial (ver volumen II, le ión 3) fue orriente enfren-
tarnos a problemas de máximos y mínimos de la forma siguiente: dada
una urva, ¾dónde están sus puntos más altos ó más bajos?; o, dada
una super ie, ¾dónde están sus restas ó sus valles?; et .; es de ir, tra-
tábamos on problemas de optimiza ión para fun iones objetivo. En el
ál ulo de varia iones lási o se generaliza esto: en lugar de onsiderar
fun iones que aso ian números on números, aquí estudiaremos fun io-
nes que aso ian urvas on números, y se intenta en ontrar la(s) urva(s)
que optimiza(n) a ierta fun ión objetivo.
Hasta donde se sabe, la primera en resolver un problema de ál ulo de
varia iones fue la reina Dido de Cartago (siglo VII a.C). Cuando se le
prometió tanta tierra omo upiera dentro de una frontera onstruida on
el uero de un toro, ella ortó el uero en bandas delgadas, las pegó en una
banda larga, unió los extremos, y luego trató de asegurarse un terreno
lo más grande posible dentro de esta frontera. La historia no des ribe la
forma del territorio es ogido, mas podría esperarse que hubiera ubierto
el territorio en forma de ír ulo: de todas las super ies limitadas por
urvas de una longitud dada, el ír ulo es la de mayor área. Hoy, el ál ulo
de varia iones ofre e una prueba rigurosa de esto.
Pero fue Newton, en sus Prin ipia de 1686, el primer matemáti o en
publi ar un resultado en este ampo. El problema de Newton onsistía
en en ontrar la forma que debía tener un sólido de revolu ión para que
al moverse, tuviera la menor resisten ia del aire. Y la respuesta a esta
pregunta se ve en las apli a iones: la bala de un rie se diseña de tal forma
que satisfaga esta ondi ión de mínima resisten ia del aire, y también
los ohetes están diseñados de esta forma. Pero, aunque Newton publi ó
la respuesta orre ta a un aso espe ial del problema (es de ir, que la
super ie del sólido resultaba de girar ierta urva ( ono ida omo la
atenaria ) alrededor de un eje), nun a mostró las pruebas explí itas ni
los ál ulos que lo ondujeron a esto. Así, la solu ión de Newton no
tuvo un impa to sustan ial en el desarrollo de la teoría del ál ulo de
varia iones.
En 1696, los hermanos Bernoulli estudiaron el problema de en ontrar la
traye toria entre dos puntos jos, a través de la ual un uerpo pequeño
que se mueve bajo la inuen ia de la gravedad, viaja en el menor tiempo
posible (problema del braquistó rono ). Y aunque fá ilmente uno podría

pensar que la traye toria debería ser una línea re ta, Galileo ya había
observado que el tiempo requerido a lo largo de otras urvas era menor.
De he ho, los hermanos Bernoulli determinaron que la forma de la tra-
ye toria oin idía on una que ya (por otras razones) era bien ono ida
por los antiguos griegos: la i loide .
Ya habíamos men ionado en la le ión 2 que Herón de Alejandría (s. I
d.C.), en su Catoptrique, se aproximó al problema de la reexión de un
rayo de luz en un espejo o plano omo un prin ipio de mínimo. En el siglo
XVII, Fermat y Snell, adi ionaban que la traye toria de un rayo lumi-
noso, que pasa de un medio homogéneo a otro de la misma naturaleza,
se desvía en la super ie de separa ión de ambos. Más espe í amente,
un rayo luminoso que parte de P (ver gura 8), donde la velo idad en la
primera fase es v, y la velo idad en la segunda fase es w, debe satisfa er
la ondi ión de que
sen(α) v
′
=
sen(α ) w
donde α y α′ son los ángulos formados por el rayo on los medios I y
II , respe tivamente. A esta última ley empíri a se le ono e omo Ley
de Snell (Snell (1621)). Pero lo importante aquí es que Fermat demostró
que esta traye toria satisfa e la ondi ión de que el rayo de luz llega de P
a Q en el menor tiempo posible ( ono ido omo el Prin ipio de Fermat ).
Este, sin duda, también puede onsiderarse omo un problema de ál ulo
de varia iones.
Observemos que todos estos problemas tienen en omún el que se le
asigna un número a ada urva de una ierta familia de urvas. En el
primer ejemplo de la reina Dido, la familia onsiste en todas las urvas
erradas de longitud ono ida, y el número es el área en errada por ada
urva; en el ejemplo de Newton, el número es la super ie del sólido y,
las urvas, aquellas que rotan alrededor de un eje para formar el sólido;
y en el ejemplo de los hermanos Bernoulli, la familia de urvas es la de
todas aquellas que tienen a dos puntos jos omo extremos, y el número
aso iado on ada urva es el tiempo que toma el uerpo en re orrerlas.
Y así, el problema del ál ulo de varia iones es en ontrar la urva que
maximiza (o minimiza) los números aso iados. No mu ho después de los
hermanos Bernoulli, los famosos matemáti os Leonhard Euler y Joseph
Louis Lagrange estable erían y desarrollarían métodos generales para
resolver este tipo de problemas de optimiza ión.
I α
II α′
R
Figura 8. Prin ipio de Fermat
Sin embargo, los problemas pueden in luir entidades geométri as más

ompli adas. Otro famoso problema del ál ulo de varia iones es el o-
no ido omo Problema de Plateau : dada una urva errada en el espa io
tridimensional, en ontrar la super ie que, teniendo la urva omo bor-
de, tiene la mínima super ie. El Problema de Plateau (llamado así en
honor del físi o belga Joseph Plateau [1801-1883℄ y resuelto por Tibor
Radó (1930) y Jesse Douglas (1931), tiene apli a iones en la físi a: Si
la urva se onstruye on un alambre delgado y lo sumergimos en una
solu ión jabonosa, enton es la pelí ula que resulta asumirá, muy aproxi-
madamente, la forma de la super ie de área mínima! 22
En el siglo pasado, la teoría general de la relatividad de Einstein dio
otro ejemplo: en nuestro espa io-tiempo, sin importar ómo pudiera ser
su geometría, los rayos de luz y los uerpos sobre los uales no a túa
ninguna fuerza, se mueven a lo largo de las traye torias más ortas!
Hubo un periodo en la historia (ha e aproximadamente 200 años) uando
los físi os reían que toda la Físi a podría dedu irse de iertos prin ipios
de mínimo sujetos al ál ulo de varia iones. Creían que la Naturaleza
seguía iertos prin ipios e onomizadores para obtener máximos (o mí-
nimos) a partir de medios dados. Es quizás por esta razón que algunas
22
Ver, por ejemplo, Courant, Ri hard y Herbert Robbins (1979), ¾Qué es la Ma-
temáti a?, Editorial Aguilar, España.
teorías matemáti as ( omo es el aso de la teoría e onómi a) devinieron

en la apli a ión de prin ipios de optimiza ión y, en parti ular, del ál ulo
de varia iones.
a) El problema del ál ulo de varia iones lási o
Como habíamos armado arriba, el problema del ál ulo de varia iones es

el de es oger una urva que one ta dos puntos dados, ini ial y terminal,
de tal manera que se maximi e ierto valor que, ahora generalizado para
abar ar numerosos asos, apare erá en términos de una integral de ierta
fun ión de la urva en uestión, de su derivada, y del parámetro tiempo.
Más explí itamente, el problema del ál ulo de varia iones lási o es
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 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
c(t)
c1
ds
c0 dc
dt
t0 t1 t
Figura 9: Distan ia mínima entre dos puntos c 0 , c1 en el plano.
Así, nuestro problema es
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 .
Ejemplo 31. (El problema de Newton (1686))

El problema aquí es: Entre todas las urvas que pasan por dos puntos jos
denidos c0 , c1 , ¾qué urva dará origen al sólido de revolu ión de menor
super ie? (ver gura 10). Obsérvese allí que la super ie de revolu ión
es igual
p a la suma de diferen iales de la forma 2πcds. Así, puesto que
ds = (dt)2 + (dc)2 , enton es el problema aquí es
Z t1 p
Minimizar 2πc(t) 1 + (ċ(t))2 dt
{c(t)} t0
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 .
c1
ds
c0
c
Figura 10: El problema de Newton.
b) El problema de existen ia de solu iones
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
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).
) Condi iones de primer orden: e ua iones de Euler
Así omo los problemas de optimiza ión estáti a de Lagrange y Kuhn-

Tu ker tienen aso iadas ondi iones de primer orden, del mismo modo
el problema del ál ulo de varia iones (CV) tiene su propia ondi ión de
primer orden a la que se le llama e ua ión de Euler (1744).
Dado el problema (CV), denimos la varia ión de c(t) de la forma
z(t) ≡ c(t) + ǫη(t)
donde η(t) es una urva ontinua on derivada ontinua a trozos para

la ual η(t0 ) = η(t1 ) = 0, y ǫ es el parámetro de varia ión. A su vez,
denamos Z t1
V (ǫ) = v(z(t), ż(t), t)dt
t0
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, por las ondi iones de frontera η(t0 ) = η(t1 ) = 0, es equivalente a

Z t1
∂v d ∂v
− ηdt = 0
t0 ∂c dt ∂ ċ
para todo η(t). Y, así, arribamos a la e ua ión

∂v d ∂v
= (e ua ión de Euler)
∂c dt ∂ ċ
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
y derivemos dos ve es on respe to a ǫ para obtener, en ǫ = 0, que

Z
d2 V d dV d t1 ∂v ∂v
= ( )= η+ η̇ dt
dǫ2 dǫ dǫ dǫ t0 ∂c ∂ ċ
Z t1
d ∂v d ∂v
= η ( ) + η̇ ( ) dt
t0 dǫ ∂c dǫ ∂ ċ
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:
Teorema 15. (E ua ión de Euler (1744))

Si c(t) es una solu ión al problema de ál ulo de varia iones (CV) en-
ton es
∂v d ∂v
= (e ua ión de Euler)
∂c dt ∂ ċ
Además, si la fun ión v(c(t), ċ(t), t) es ón ava en (c(t), ċ(t)) enton es la
e ua ión de Euler también es su iente para que c(t) sea una solu ión
al problema (CV).
Nota 2.
i) Note que si en la e ua ión de Euler, la fun ión v no depende de ċ,
obtendríamos úni amente
∂v
=0
∂c
que es un problema estáti o de optimiza ión muy simple.
ii) También puede su eder que v no dependa explí itamente de c, en uyo
aso tendríamos, de la e ua ión de Euler, que
∂v
=k
∂ ċ
para alguna onstante k.
iii) De otro lado, si v no depende explí itamente de t, enton es tendremos,
de la e ua ión de Euler, que
∂v
v − ċ =k
∂ ċ
para alguna onstante k.
Nota 3.
El problema (CV) también puede expresarse, omo puede ser ya laro
para el le tor, en términos de minimizar en lugar de maximizar en la
forma típi a. En el aso de las e ua iones de Euler, éstas serán su ientes
y ne esarias para que c(t) resuelva el problema si la fun ión v(c(t), ċ(t), t)
es onvexa en (c(t), ċ(t)).
Ejemplo 32. (La distan ia más orta entre dos puntos)
La e ua ión de Euler para el problema planteado en el ejemplo 30 omo
Z t1 p
Minimizar 1 + (ċ(t))2 dt
{c(t)} t0
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,
c(t) = k0 t + k1 para iertas onstantes k0 , k1 ∈ R.
Pero omo c(t0 ) = c0 y c(t1 ) = c1 enton es la solu ión debe ser

c1 − c0 c0 t1 − c1 t0
c(t) = t+ .
t1 − t0 t1 − t0
Y dado que la fun ión v(t) es onvexa en ċ(t), la e ua ión de Euler, de
a uerdo al teorema 15, nos ha ondu ido a justi ar la arma ión de que
la distan ia más orta entre dos puntos es, efe tivamente, la línea re ta
que los one ta.
Ejemplo 33. (Solu ión al problema de Newton (1686))

La e ua ión de Euler del problema de Newton
Z t1 p
Minimizar 2πc(t) 1 + (ċ(t))2 dt
{c(t)} t0
c(t1 ) = c1
p
es, on v(t) = 2πc(t) 1 + (ċ(t))2 , la siguiente:
p c(t)ċ(t)
c(t) 1 + (ċ(t))2 − p =k
1 + (ċ(t))2
para alguna onstante k. Simpli ando, obtenemos que

1p 2
ċ(t) = c (t) − k2
k
y así, es ribiendo c ≡ c(t), tendremos que
kdc
√ = dt
c2 − k2
de donde, por antideriva ión, se obtiene que
√ !
c + c2 − k2
k ln =t+m
k
para alguna onstante m. De allí, se obtiene, a su vez, que

√
t+m c + c2 − k2
e k =
k
y, por lo tanto,

k t+m t+m
t+m
c(t) = e k + e− k = k cosh
2 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 ?
Ejemplo 34. (La i loide y el problema del braquistó rono)
P (x0 , y0 )
b
y Q(x1 , y1 )
Figura 12: Problema del braquistó rono

En un plano verti al xy , se unen los puntos P (x0 , y0 ) on Q(x1 , y1 ) omo

en la gura 12 ( on x1 > x0 , y1 > y0 ) mediante una urva c(t) de tal
forma que el tiempo que toma una partí ula que baja sin fri ión desde P
hasta Q, es el menor posible. Para en ontrar esta c(t), notamos primero
dc p
que la velo idad de la partí ula, , es propor ional a 2g(y − y0 ), que
dt
es la raíz uadrada de la altura de la aída (aquí, g = 9.8 m/seg2 es la
onstante gravita ional). El tiempo tomado por la partí ula será enton es
Z x1 Z x1 p
dt ds 1 1 + (ċ(x))2
dx = √ p dx
x0 ds dx 2g x0 c(t) − y0
1
Omitiendo el fa tor √ y ha iendo (sin pérdida de generalidad) y0 = 0,
2g
obtenemos que nuestro problema es
Z x0 s
1 + (ċ(x))2
Minimizar dx
{c(t)} x1 c(x)
sujeta a c(x0 ) = 0,
c(x1 ) = y1
uyo resultado es la urva ono ida omo la i loide (ver volumen 0:

Fundamentos), y que veremos enseguida. En efe to: Si tomamos
s
1 + (ċ(x))2
v(c, ċ) =
c(x)
enton es llegamos, después de un po o de manipula ión algebrai a, a la

e ua ión diferen ial
c2 (x)
ċ(t) = p
1 − c2 (x)
de donde, por antideriva ión, se muestra que existe una onstante k tal
que
k2 x
(ċ(x))2 =
1 − k2 x
Nos a er amos a la solu ión uando parametrizamos de la siguiente for-
ma:
1
x(t) = 2 (1 − cos t) ; y(t) = c(x(t))
2k
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
Plantee este problema omo uno de ál ulo de varia iones, y de-

muestre lo armado en su respuesta a la pregunta anterior.
2. Considere el problema varia ional

Z 3
Minimizar c2 (t)(1 − ċ(t))2 dt
{c(t)} 1
sujeta a c(1) = 0
c(3) = 2
y pruebe que la solu ión es una línea re ta.
3. Pruebe que la solu ión al problema varia ional

Z 5
1
Maximizar (3t + (ċ(t)) 2 )dt
{c(t)} 1
sujeta a c(1) = 3
c(5) = 7
es c(t) = t + 2.
4. Pruebe que el problema varia ional

Z 1
Maximizar (tċ(t) + (ċ(t))2 )dt
{c(t)} 0
sujeta a c(0) = 1
c(1) = 1
tiene omo solu ión c(t) = − 14 t2 + 14 t + 1.
5. Resuelva el problema varia ional

Z 1
Maximizar [c2 (t) + 4c(t)ċ(t) + 4(ċ(t))2 ]dt
{c(t)} 0
1
sujeta a c(0) = 2e 2
c(1) = 1 + e
6. (La Reina Dido y el problema isoperimétri o ) El problema de

en ontrar la urva errada, de longitud dada, que en ierre la ma-
yor área posible, se ono e omo el problema isoperimétri o. Aquí
indi aremos ómo demostrar que la solu ión a este problema es el
ír ulo, y esto se verá uando resolvamos
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
de t, enton es tendremos, de la e ua ión de Euler, que
∂L
L − ċ = k1
∂ ċ
para alguna onstante k1 (ver Nota 2) (¾Por qué podemos apli ar

la e ua ión de Euler a L?). Muestre enton es que la e ua ión de
Euler de este problema se puede es ribir así:
p µċ2
c+µ 1 + ċ2 − √ = k1
1 + ċ2
para alguna onstante k1 , y donde µ es un multipli ador de La-

grange.
b) Llegue, de la e ua ión anterior, a que
µ
c − k1 = − √
1 + ċ2
) Si es ribimos ċ = tan x se tendrá, de esta última e ua ión, que
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
d) Justique formalmente la arma ión de que esta sí es la solu ión

bus ada.
**7) (El problema del triángulo de S hwarz ) Dado un triángulo a u-

tángulo (ver gura enseguida), pruebe que existe exa tamente un
triángulo ins rito de perímetro mínimo: aquel uyos vérti es oin-
iden on los pies de las alturas del triángulo dado.
C
A P B
6. El problema de ontrol óptimo ( aso onti-

nuo)
De una u otra forma, ons iente o in ons ientemente, desde los albores de
la iviliza ión se han utilizado diversos tipos de ontrol. Por ejemplo,
en la antigua Mesopotamia, ha e más de 4000 años, el ontrol de los
sistemas de irriga ión era un arte bien ono ido. También los Romanos,
en sus a uedu tos, utilizaban ingeniosos sistemas de válvulas reguladoras
para mantener onstante el nivel del agua.
Pero es en el siglo XVII, on los trabajos de Christian Huygens [1629-
1695℄ y Robert Hooke [1635-1703℄ sobre las os ila iones del péndulo, que
apare e el primer tratamiento moderno de un típi o problema de ontrol.
Su objetivo era onseguir una medida pre isa de tiempo y ubi a ión,
todo on propósitos prá ti os. A su vez, lo aprendido on el péndulo fue
apli ado, por ejemplo, para regular la velo idad de los molinos de viento
(un me anismo basado en un sistema de esferas que rotaban alrededor
de un eje on velo idad propor ional a la del molino), y esto también fue
adaptado para la máquina de vapor ( uando la velo idad de las esferas
aumentaba ex esivamente, se abrían una o varias válvulas para dejar
es apar el vapor, y así la velo idad de la máquina disminuía: se bus aba
ontrolar la velo idad tratando de mantenerla onstante). Sin embargo,
sólo hasta 1868, el famoso físi o es o és James Clerk Maxwell [1831-1879℄
mostraría matemáti amente que este problema de la máquina de vapor
podía des ribirse mediante me anismos de ontrol.
Po o a po o, estas ideas fueron ganando espa io. A prin ipios del si-
glo XX, la ingeniería de ontrol ore ía y omenzaba a re ibirse omo
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.
La ri a historia de apli a iones prá ti as de esta nueva teoría de ontrol

está hoy en plena evolu ión. El desarrollo te nológi o moderno plantea
nuevos problemas que van desde los más simples artefa tos domésti os
hasta los más sosti ados me anismos te nológi os. Para ilustrar esto,
baste de ir que una muy simple apli a ión de la teoría de ontrol apare-
e en el me anismo del tanque de un baño (que fue inventado a nales
del siglo XIX), uyo prin ipio bási o onsiste en una válvula regulado-
ra, un me anismo de seguridad que omienza el pro eso de ontrol, un
me anismo de retroalimenta ión que provee más o menos agua al tan-
que dependiendo del nivel en su interior y, nalmente, me anismos que
evitan que el agua se derrame si alguna de las partes anteriores, falla.
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.
a) Solu ión por el prin ipio del máximo (L. Pontryagin

et al. (1961))
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.
Observemos nuevamente ómo opera el problema de ontrol óptimo: Da-

da una fun ión de ontrol c(t), es el sistema dinámi o k̇(t) = g(k(t), c(t), t)
el que determina la variable
R t de estado k(t) que, posteriormente, junto on
c(t), irán a evaluarse en t01 v(k(t), c(t), t)dt. La urva c(t) que haga es-
ta integral máxima, será solu ión al problema de ontrol óptimo. Así,
en el fondo, lo que se está bus ando es un ontrol c(t) que haga que la
dinámi a del sistema sea óptima .
Claramente, aquí estamos utilizando teoremas de existen ia de solu iones
a los dos problemas planteados. El primero es la existen ia de solu iones
a un sistema dinámi o (que ya fue estudiado en el Teorema 14 de esta
le ión); y el segundo problema, que es garantizar que existe una fun-
ión de ontrol c(t) que resuelve el problema de maximizar la integral,
será dis utido más adelante on la ayuda del teorema de Weierstrass
generalizado a espa ios métri os (teorema 10).
De otro lado, notemos que la teoría de ontrol óptimo es una genera-
liza ión del ál ulo de varia iones, y esto se puede ver al observar que
el problema (CV) puede es ribirse omo uno (CO) deniendo el estado
omo la tasa de ambio de la variable de ontrol: ċ = k(t). En el pro-
blema (CO), los papeles de variable de estado y variable de ontrol se
inter ambian on respe to al problema (CV).
Ejemplo 35.
Para resolver el problema de ontrol óptimo
Z 1
c(t)2
Maximizar {k(t) − }dt
{c(t)} 0 2
sujeta a k̇(t) = k(t) + c(t) (CO)
k(0) = 0
k(1) libre
primero notamos que podemos en ontrar solu iones explí itas al sistema
dinámi o que apare e en (CO):
Z t
k(t) = e [ c(t)e−t dt]
t
0
Por lo tanto, nuestro problema es en ontrar la fun ión óptima, c(t), de

Z 1 Z t
c(t)2
V (c(t)) = {e [ c(t)e−t dt] −
t
}dt
0 0 2
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
Por lo tanto, la variable de estado estará dada por
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.
i) El problema de existen ia de solu iones
Sabemos que el problema anóni o del ontrol óptimo en el aso ontinuo

se puede estable er omo
Z t1
{c(t)} t0
k(t0 ) = k0
k(t1 ) = k1
Consideremos ini ialmente el espa io métri o C onsistente en todos los

pares de fun iones (c, k) donde: i) Las fun iones c : [t0 , t1 ] → R on
c(t0 ) = c0 , c(t1 ) = c1 , son uniformemente a otadas por una onstante
ja K , y equi ontinuas, on la norma del máximo estándar. ii) Para ada
c, la fun ión k es solu ión al sistema dinámi o k̇(t) = g(k(t), c(t), t).
No es difí il probar que C es un subespa io errado del espa io métri o
ompleto C[t0 ,t1 ] , y, por el teorema de Arzelá, C es ompa to en C[t0 ,t1 ] .
Construyamos ahora el fun ional
F:C→R
denido por
Z t1
F(c(t), k(t)) = v(k(t), c(t), t)dt
t0
Asumiendo que C = 6 ∅, el problema de ontrol óptimo (CO) tiene solu-

ión, pues sería una on lusión dire ta del teorema de Weierstrass para
espa ios métri os ompa tos (teorema 10), una vez se tenga que F es
ontinua. Pero esto se ve inmediatamente al utilizar el teorema del valor
medio para varias variables (ver volumen II: Cál ulo).
ii) Solu ión por el prin ipio de máximo (Pontryagin et al (1961))

El prin ipio del máximo puede verse omo una extensión del método
de los multipli adores del Lagrange a problemas de ontrol óptimo: en
ada punto del tiempo estaremos resolviendo un problema estáti o de
optimiza ión omo los que ya habíamos estudiado en la le ión 2. Sin
embargo, omo aquí la restri ión es un sistema dinámi o, enton es los
multipli adores de Lagrange deben ser fun iones ontinuas µ(t) a las
que, típi amente, se les llama multipli adores dinámi os de Lagrange o,
también, variables de oestado.
Ini iemos enton es onstruyendo una fun ión lagrangiana de la forma
Z t1 h i
L= v(k(t), c(t), t) + µ(t) g(k(t), c(t), t) − k̇(t) dt
t0
Z t1 h i Z t1
= v(k(t), c(t), t) + µ(t)g(k(t), c(t), t) dt − µ(t)k̇(t)dt
t0 t0
Z t1 h i
= v(k(t), c(t), t) + µ(t)g(k(t), c(t), t) dt
t0
Z t1
+ µ̇(t)k(t)dt − [µ(t1 )k(t1 ) − µ(t0 )k(t0 )]
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
z(t) ≡ c(t) + ǫη(t)
w(t) ≡ k(t) + ǫω(t)

donde η(t) y ω(t) son urvas ontinuas on derivadas ontinuas a trozos

para las uales ω(t0 ) = η(t0 ) = η(t1 ) = ω(t1 ) = 0, y ǫ es el parámetro de
varia ión.
Con esto, las ondi iones de primer orden sobre el lagrangiano nos on-
du irían a las siguientes e ua iones:

∂L
i) = 0:
∂z ǫ=0
Z t1 h i
∂v ∂g
(k(t), c(t), t) + µ(t) (k(t), c(t), t) η(t)dt = 0
t0 ∂c ∂c
que, puesto que η es arbitraria, impli a que
∂v ∂g
(k(t), c(t), t) + µ(t) (k(t), c(t), t) = 0 (∗)
∂c ∂c

∂L
i) = 0:
∂w ǫ=0
Z t1 h i
∂v ∂g
(k(t), c(t), t) + µ(t) (k(t), c(t), t) + µ̇(t) ω(t)dt = 0
t0 ∂k ∂k
que, puesto que ω(t) es arbitraria, impli a que
∂v ∂g
(k(t), c(t), t) + µ(t) (k(t), c(t), t) = −µ̇(t) (∗∗)
∂k ∂k

∂L
i) = 0:
∂µ ǫ=0
g(k(t), c(t), t) = k̇(t) (∗ ∗ ∗)
Y si denimos la expresión
H ≡ v(k(t), c(t), t) + µ(t) g(k(t), c(t), t),
(que en adelante llamaremos la fun ión hamiltoniana o, simplemente,

el hamiltoniano (Hamilton (1835)) del problema de ontrol óptimo ), en-
ton es las e ua iones (∗), (∗∗) y (∗ ∗ ∗) de arriba, se es ribirían de una
forma más simple:
∂H
=0 (∗)
∂c
∂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 .
Afortunadamente, todo lo que a abamos de dedu ir de manera heurísti a

(pues una demostra ión de todo esto requeriría re ursos analíti os más
allá de la mirada del presente texto) es, realmente, un teorema entral
de la teoría de ontrol óptimo, que enun iamos a ontinua ión:
Teorema 16. (Prin ipio del máximo)

Si c(t) es una solu ión al problema de ontrol óptimo (CO), enton es
existe una fun ión ontinua diferente de ero, µ(t), tal que
∂H ∂H
=0 = −µ̇
∂c ∂k
donde H ≡ v(k(t), c(t), t) + µ(t)g(k(t), c(t), t) es la fun ión hamiltoniana
aso iada al problema de ontrol óptimo (CO).
Demostra ión.
(Ver Pontryagin et al (1961)25 y Mangasarian (1966)26 ).
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(·).
El pro eso para resolver un problema de ontrol óptimo mediante el prin-

ipio del máximo en o asiones va a través de los siguientes pasos:
∂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.
Paso 2. Inserte esta c en el sistema dinámi o y resuelva para k y µ,

∂H
utilizando = −µ̇, las ondi iones ini iales, y las terminales. Resolver
∂k
esto analíti amente puede ser imposible a pesar de que, por un teorema
de existen ia, sepamos que la solu ión existe. Por eso, suele ser muy on-
veniente utilizar diagramas de fase omo los que aprendimos en la le ión
2 (siempre que el hamiltoniano sea autónomo, es de ir, que no dependa
del tiempo).
Paso 3. Si tenemos estos valores x y µ óptimos, retomamos la fun ión

óptima c del paso 1, para obtener los ontroles denidos en términos de
los datos fundamentales del problema.
Ejemplo 36.
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
donde 0 < β, r < 1, y ω, T > 0, son onstantes.
Solu ión.
El orrespondiente hamiltoniano es
H = e−βt ln(c) + µ(ω + rk − c)
∂H e−βt
=0: −µ = 0 (∗)
∂c c
∂H
= −µ̇ : rµ = −µ̇ (∗∗)
∂k
∂H
= k̇ : k̇ = ω + rk − c (∗ ∗ ∗)
∂µ
Note que, en este aso, es inmediato de (∗∗), que
µ(t) = µ0 e−rt (∗ ∗ ∗∗)
para ierto µ0 = µ(0) por denir.

e−βt
Paso 1. De (∗) obtenemos que c(t) = .
µ(t)
Paso 2. Colo ando (∗) y (∗ ∗ ∗∗) en (∗ ∗ ∗), se obtiene que
k̇ = ω + rk − c
e−βt rt
= ω + rk − e
µ0
e(r−β)t
= ω + rk −
µ0
y esta e ua ión diferen ial para la variable de estado k(t), afortunada-

mente, se puede resolver analíti amente (ver le ión 3) omo

ω −rt 1
k(t) = k(0) + (1 − e ) − (1 − e ) ert
−βt
r βµ0
Paso 3. Puesto que k(0) = k(T ) = 0, enton es podemos despejar esta

última e ua ión para en ontrar que
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:
Teorema 17. (Condi iones de segundo orden)

Si en el problema de ontrol óptimo (CO) se tiene, además, que
v(k(t), c(t), t) y g(k(t), c(t), t) son ón avas en (k, c), y µ(t) ≥ 0 para
todo t ∈ [t0 , t1 ], enton es las e ua iones (∗), (∗∗), (∗ ∗ ∗) del Prin ipio
del Máximo, además de ne esarias, también son su ientes para que c(t)
sea una solu ión al problema (CO). Igualmente, es ierta esta on lu-
sión si v(k(t), c(t), t) es ón ava, g(k(t), c(t), t) es onvexa en (k, c), pero
µ(t) ≤ 0 para todo t ∈ [t0 , t1 ].
Demostra ión.
Ver Mangasarian(1966) 27
.
En el ejemplo anterior, se tiene que v(k(t), c(t), t) = e−ρt ln c(t) y

g(k(t), c(t), t) = w + rk(t) − c(t) son ón avas en (k, c) (ver le ión 1), y
además µ(t) ≥ 0 para todo t. Por el teorema 17, el ontrol
e(r−ρ)t
c(t) =
µ0
es, efe tivamente, la solu ión al problema.
Ejemplo 37.
Utilizando el prin ipio del máximo, resolvamos el problema de ontrol
óptimo
Z 1
1 2
Minimizar c (t)dt
{c(t)} 0 2
sujeta a k̇1 = k2 (t); k̇2 = c(t)
2
k1 (0) = 0; k1 (1) =
3
k2 (0) = 0; k2 (1) = 2
Solu ión.
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.
∂H
i) = 0: c + µ2 = 0 (∗)
∂c
∂H
ii) = −µ̇: µ̇1 = 0 y µ̇2 = −µ1 (∗∗)
∂k
iii) k̇1 = k2 y k̇2 = c (∗ ∗ ∗)
Paso 1: De (∗) obtenemos que c = −µ2
Paso 2: De (∗∗) se tiene que µ1 = m1 y µ2 = −m1 t + m2 para iertas

onstantes m1 y m2 . Por lo tanto, de (∗ ∗ ∗) y (∗), k̇2 = c =
−µ2 = m1 t − m2 ; de lo ual, k2 = 12 m1 t2 − m2 t + m3 para ierta
onstante m3 . Enton es, de k̇1 = k2 en (∗ ∗ ∗), se tiene que k1 =
1 1
6 m1 t − 2 m2 t + m3 t + m4 para ierta onstante m4 . Ahora: de
3 2
las ondi iones ini iales tenemos que
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 .
Por el teorema 17, las solu iones en ontradas resuelven el problema de

en ontrar el máximo. N
iii) Condi iones terminales (o de transversalidad)
En el problema anóni o (CO) de ontrol óptimo, tanto los valores ini-

iales en t0 omo los valores terminales en t1 de las variables de estado,
siempre son dados. Sin embargo, es posible ampliar el espe tro de apli-
a ión del prin ipio del máximo distinguiendo in o asos posibles:
1. Punto terminal jo: Cuando k(t1 ) = k1 on t1 , k1 dados omo

datos ono idos del problema ini ial. Este es el aso anóni o de
nuestro problema (CO) original. De he ho, esta es la situa ión de
todos los problemas del ál ulo de varia iones.
2. Línea terminal horizontal: Es la misma ondi ión k(t1 ) = k1

on k1 omo dato ono ido, pero t1 es libre, en el sentido de que
debe ser en ontrado omo parte de la solu ión del problema de
ontrol óptimo.
3. Super ie terminal: Es la misma ondi ión k(t1 ) = k1 pero on

k1 y t1 libres, ex epto por la restri ión de que están sometidos por
una forma fun ional diferen iable on ontinuidad ϕ, de tal forma
que k(t1 ) = ϕ(t1 ).
4. Línea terminal verti al trun ada: Es la ondi ión k(t1 ) ≥ kmı́n

para un ierto kmı́n ono ido.
5. Línea terminal horizontal trun ada: Es la ondi ión t1 ≤ tmáx

para un ierto tmáx ono ido.
Dependiendo de uál ondi ión terminal se espe ique en el problema de

ontrol óptimo, existirá una ondi ión adi ional a las tres ondi iones del
prin ipio del máximo, y esta ondi ión se llamará ondi ión de trans-
versalidad . Para dedu ir ada una de estas ondi iones, es ribimos
Z t1 Z t1
V = v(k(t), c(t), t) − µ(t)ċ(t)dt
t0 t0
z(t) ≡ c(t) + ǫη(t)
w(t) ≡ k(t) + ǫω(t)
T1 ≡ t1 + ǫδ(t1 )
K(t1 ) = k(t1 ) + ǫδ(k(t1 ))

Y así tendremos a V omo una fun ión de ǫ, que enton es debe satisfa er

dV
=0
dǫ ǫ=0
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
Por el prin ipio del máximo, el primer sumando de la e ua ión anterior

es 0. Luego las ondi iones de transversalidad saldrán de los dos últimos
términos, es de ir, de la e ua ión
H(t1 )δ(t1 ) − µ(t1 )δ(k(t1 )) = 0 (*)
1. Punto terminal jo: En este aso, la ondi ión de transversalidad

es la más simple: k(t1 ) = k1 . Y así, inmediatamente, δ(t1 ) = 0 y
δ(k(t1 )) = 0.
2. Línea terminal horizontal: En este aso (k1 jo pero t1 libre), la

situa ión es un po o más ompli ada pues en (∗) se requiere ha er
δ(k(t1 )) = 0 y δ(t1 ) 6= 0. Así, la ondi ión de transversalidad debe
ser
H(t1 ) = 0
donde H es el hamiltoniano del problema de ontrol óptimo.
3. Super ie terminal: La ondi ión k(t1 ) = k1 on k1 y t1 libres,

ex epto por la restri ión k(t1 ) = ϕ(t1 ) nos lleva a la ondi ión
δ(k(t1 )) = ϕ′ (t1 )δ(t1 ), y así, utilizando (∗), a la orrespondiente
e ua ión de transversalidad
H(t1 ) = µ(t1 )ϕ′ (t1 )
donde µ(t) es el multipli ador dinámi o de Lagrange.
4. Línea terminal verti al trun ada: Bajo la ondi ión k(t1 ) ≥

kmı́n para un ierto kmı́n ono ido, las ondi iones de transversali-
dad resultan de olo ar, en (∗), las ondi iones δ(k(t1 )) = k(t1 ) −
kmin y δ(t1 ) = 0, para obtener
k(t1 ) ≥ kmı́n , µ(t1 ) ≥ 0, µ(t1 )(k(t1 ) − kmin ) = 0
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
apli a ión dire ta del teorema 4 (K-T ⇒ CPO) de la le ión 2,

pues nuestro problema, en este aso, es uno estáti o de en ontrar
máximos on ondi iones de desigualdad, en el que el método de
Kuhn-Tu ker se apli a dire tamente.
5. Línea terminal horizontal trun ada: Bajo la ondi ión t1 ≤

tmáx para un ierto tmáx ono ido, las ondi iones de transversali-
dad surgen uando olo amos δ(k(t1 )) = 0 y δ(t1 ) = (t1 − tmáx ) en
(∗), para llegar a
t1 ≤ tmáx , H(t1 ) ≥ 0, (t1 − tmáx )H(t1 ) = 0
La expli a ión del porqué apare e la ondi ión adi ional H(t1 ) ≥ 0,
es similar que en el anterior aso 4.
Ejemplo 38. (Un aso de línea terminal horizontal)

En el ejemplo 36, supongamos que queremos en ontrar el T tal que
k(T ) = 0. La ondi ión de transversalidad nos indi a que este parti ular
T debe satisfa er la e ua ión H(T ) = 0; es de ir, debe satisfa er
H(T ) = e−βT ln(c(T )) + µ(T )(ω + rk(T ) − c(T )) = 0 (1)
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
k(T ) ≥ 2, µ(T ) ≥ 0, (k(T ) − 2)µ(T ) = 0 (2)

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)
En el ejemplo 36, la e ua ión de transversalidad

H(T ) = µ(T )ϕ′ (T )
donde µ(t) es el multipli ador dinámi o de Lagrange, se onvierte, on
ϕ(t) = 1 + t3 , k(T ) = ϕ(T ), en
e−βT ln(c(T )) + µ(T ) (ω + rk(T ) − c(T )) = 3µ(T )T 2 (3)
donde
µ(T ) = µ0 e−rT

ω −rT 1 −βT
k(T ) = (1 − e )− (1 − e ) erT
r βµ0
e(r−β)T
c(T ) =
µ0
Sin embargo, tampo o es posible resolver la e ua ión (3) mediante fórmu-
la explí ita para T . Como en los dos asos anteriores, sólo on parámetros
numéri os on retos es posible resolverlo para T on ualquier grado de
aproxima ión.
Ejemplo 41. (Un aso de línea terminal horizontal trun ada)

En el ejemplo 36, supongamos que debemos tener que el T debe satisfa er
0 < T ≤ 3. La ondi ión de transversalidad nos indi a que este parti ular
T debe satisfa er
T ≤ 3, H(T ) ≥ 0, (T − 3)H(T ) = 0 (4)
donde
H(T ) = e−βT ln(c(T )) + µ(T )(ω + rk(T ) − c(T )) = 0
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.
iv) Control óptimo on horizonte innito
Un problema de ontrol óptimo aso iado on el que venimos tratando, y

muy útil en las apli a iones, es el problema de ontrol óptimo on
horizonte innito. Éste se puede plantear así:
Z ∞
{c(t)} t0
sujeta a k̇(t) = g(k(t), c(t), t) (COHI)
k(t0 ) = k0 dado
lı́m k(t) libre
t→∞
donde v(·, ·, ·), g(·, ·, ·) son fun iones

R ∞ ontinuamente diferen iables en
[t0 , ∞), asumiendo, además, que t0 v(k(t), c(t), t)dt existe; c(·) es la
urva de ontrol en Rm ontinua a trozos en [t0 , ∞); y k(t) es la varia-

ble de estado, que es una urva diferen iable de Rn en [t0 , ∞); k0 ∈ Rm
es dado.
El prin ipio del máximo se apli a también aquí on, esen ialmente, las
mismas e ua iones de hamiltoniano, aunque, omo era de esperarse, dado
que la ondi ión terminal ambió, habrá que agregar una generaliza ión
de la ondi ión de transversalidad del aso de línea terminal horizontal:
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→∞
Los orrespondientes teoremas de existen ia utilizando el teorema de

Weierstrass y las ondi iones de segundo orden para que las de primer
orden arrojen, efe tivamente, las solu iones del problema (COHI), son
similares, y queda omo ejer i io (simple) para el le tor, adaptar estos
resultados onvenientemente.
Ejemplo 42.
Resolvamos un problema similar al ejemplo 36:
Z ∞
{c(t)} 0
sujeta a k̇(t) = ω + rk(t) − c(t)
k(0) = 0, lı́m k(t) libre
t→∞
donde 0 < β, r < 1 y ω > 0, son onstantes.
Si revisamos on uidado el método de solu ión, en ontramos que es

similar al del ejemplo, ex epto en el Paso 3 uando dedu imos µ0 a
partir de la ondi ión k(T ) = 0. De he ho, utilizando los resultados
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→∞
Y apli ando esta ondi ión de transversalidad, obtendremos un resultado

muy distinto para µ0 :
r
µ0 =
βw
Y así, tanto las variables óptimas de estado k(t) y de ontrol c(t), serán
ompletamente diferentes.
Ejemplo 43.
Para resolver el problema
Z ∞
{c(t)} 0
sujeta a k̇(t) = ln k(t) − rk(t) − c(t) (COHI)
k(0) = k0
lı́m k(t) libre
t→∞
donde 0 < β, r < 1 son onstantes, es ribimos primero su hamiltoniano:
H = e−βt ln(c) + µ (ln(k) − rk − c)
y a ontinua ión las ondi iones de primer orden:
∂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→∞
1. Paso 1: De (∗) obtenemos que
e−βt
c(t) =
µ(t)
2. Paso 2: De la e ua ión anterior y de (∗∗), después de un po o de

manipula ión algebrai a, obtenemos que
1
ċ = (r − β − ) c
k
que junto a la e ua ión (∗ ∗ ∗)
k̇ = ln k − rk − c
onforman un sistema dinámi o omo los estudiados anteriormente

en la le ión 3. A diferen ia del ejemplo 42, este es, pre isamente,
uno de aquellos asos en los que la solu ión analíti a explí ita del
sistema dinámi o es imposible. Por esto es onveniente utilizar los
diagramas de fase (ver le ión 3), y lo primero que ha íamos allí
era bus ar el punto de equilibrio de este sistema dinámi o. Para
ello re-es ribamos las e ua iones
1
k∗ = , c∗ = ln(k∗ ) − rk∗
r−β
Es inmediato ver que, para ele iones apropiadas de β y r , és-

tas tienen una úni a solu ión de valores positivos (k∗ , c∗ ), y que
el diagrama de fase (ver gura 13) nos muestra sólo dos regiones
onvergiendo al equilibrio (equilibrio tipo silla). Para esto, la on-
di ión ini ial (c(0), k(0)) debe estar sobre uno de estas dos regiones
(re ordemos que k(0) está dado por el problema original). En otro
aso, la dinámi a temporal se alejará del punto de equilibrio.
c
II
c∗
c = ln k − rk
k∗ k
Figure 13: Diagrama de fase.
3. Paso 3: También en este aso, la ondi ión de transversalidad
lı́m H(t) = 0
t→∞
oin ide on la ondi ión
lı́m µ(t) k(t) = 0

t→∞
y ésta se tendrá en ve indades a la solu ión esta ionaria (k∗ , c∗ ) sólo

uando, partiendo de la ondi ión ini ial (c(0), k(0)), atraviese el
diagrama de fase sobre las dos regiones (I y II) en que onverge a
(k∗ , c∗ ).
b) Solu ión por programa ión dinámi a (Bellman (1957))
La segunda aproxima ión al problema de ontrol óptimo, ono ida o-

mo el método de programa ión dinámi a, fue desarrollado por Ri hard
Bellman en 1957. 28 Veamos en qué onsiste.
Como sabemos, el problema general del ontrol óptimo se puede estable-
er omo
Z t1
{c(t)} t0
k(t0 ) = k0
k(t1 ) = k1
donde v(·, ·, ·), g(·, ·, ·) son fun iones ontinuamente diferen iables en
[t0 , t1 ]; c(·) es una urva de Rn ontinua en [t0 , t1 ] (llamada variable de
ontrol ); k(t) es una urva de Rn diferen iable en asi todos los puntos
en [t0 , t1 ] (llamada variable estado ); k0 , k1 ∈ Rn son dados.
i) Condi iones de primer orden: E ua ión de Bellman (1957)
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.
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)}
que es la e ua ión de re urren ia que subya e al problema de ontrol

óptimo (CO).
Si asumimos que V ∗ (k(t), t) es una fun ión diferen iable on ontinuidad,
enton es, por el teorema de Taylor (ver volumen II, le ión 3),
∂V ∗ ∂V ∗
V ∗ (k(t) + ∆k(t), t + ∆t) = V ∗ (k(t), t) + ∆k(t) + ∆t
∂k ∂t
Y así obtenemos, insertando esta última e ua ión en la e ua ión de re-
urren ia (R), que
0 = máx {v(k(t), c(t), t)∆t + V ∗ (k(t) + ∆k(t), t + ∆t) − V ∗ (k(t), t)}
{c(t)}

∂V ∗ ∂V ∗
= máx v(k(t), c(t), t)∆t + V ∗ (k(t), t) + ∆k(t) + ∆t − V ∗ (k(t), t)
{c(t)} ∂k ∂t
de lo ual, al tomar el límite uando ∆t → 0, y re ordando que k̇(t) =

g(k(t), c(t), t), obtenemos

∂V ∗ ∂V ∗
− = máx v(k(t), c(t), t) + g(k(t), c(t), t) (Bellman)
∂t {c(t)} ∂k
que se ono e omo la e ua ión de Bellman para el problema de ontrol
óptimo (CO).
Teóri amente, resolviendo la e ua ión de Bellman obtendríamos la fun-
ión de solu iones óptimas y, de ésta, resolveríamos nuestro problema
(CO) omo el valor parti ular, de a uerdo a nuestras ondi iones ini ia-
les. Sin embargo, la e ua ión de Bellman es una difí il e ua ión diferen-
ial (en derivadas par iales) que sólo tiene solu ión analíti a en asos
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 .
uya solu ión es

√
3 √ 1
S(t) = tan[ 3(t − m)] +
12 4
para ierta onstante m por determinar.
Por lo tanto, los ontroles son
√
3 √ 1
c(t) = − tan[ 3(t − m)] + k(t)
6 2
donde la variable de estado k(t) está determinada por el sistema dinámi o
√
3 √
k̇(t) = 2 − tan[ 3(t − m)] k(t)
3
y m estará determinada por k(0) y k(T ).
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?
2. Resuelva nuevamente, ahora utilizando el prin ipio del máximo,

el problema planteado en el ejemplo 30 omo uno de ál ulo de
varia iones:
Z t1 p
Minimizar 1 + (k(t))2 dt
{c(t)} t0
sujeta a k̇ = c(t)
k(t0 ) = k0
k(t1 ) = k1
Compare los dos métodos.

3. Muestre que k(t) = 54 t + 1; c(t) = 12 (1 − t); µ(t) = 1 − t resuelven

el problema de ontrol óptimo
Z t1
Maximizar (k(t) + c(t))dt
{c(t)} 0
sujeta a k̇ = 1 − c2 (t)
k(0) = 1
k(1) = 9/4
4. Utilizando el prin ipio del máximo, resuelva 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
y ompare su respuesta on la del ejemplo 44, uando el mismo

problema fue resuelto utilizando la e ua ión de Bellman.
5. (Hamiltoniano de valor presente (o orriente)) Las ondi iones de

un problema de ontrol óptimo de la forma
Z t1
Maximizar e−βt v(k(t), c(t), t)dt
{c(t)} t0
k(t0 ) = k0
k(t1 ) = k1
para β > 0, puede es ribirse onvenientemente. En efe to: Cons-

truyendo el hamiltoniano
H = e−βt v(k(t), c(t), t) + λ g(k(t), c(t), t)
se dene el hamiltoniano de valor presente omo
H = eβt H = v(k(t), c(t), t) + λ eβt g(k(t), c(t), t)

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.
6. Utilizando el hamiltoniano de valor presente (ver ejer i io anterior),

resuelva el problema
Z T p
Maximizar e−βt c(t)dt
{c(t)} 0
1
sujeta a k̇ = 100 + k(t) − c(t)
2
k(0) = 0, k(T ) = 0
donde 0 < β < 1.
7. En el ejer i io anterior, utili e la orrespondiente ondi ión de

transversalidad para:
a) En ontrar el T > 0 (si existe) tal que k(T ) = 1.

b) En ontrar el T > 0 (si existe) tal que k(T ) ≥ 3.
) En ontrar el T > 0 (si existe) tal que 0 < T ≤ 10.
8. Resuelva el problema 6) on horizonte innito (T = ∞) asumiendo

que lı́mT →∞ k(T ) existe.
9. Utilizando el prin ipio de Bellman, resuelva el problema

Z T
1
Maximizar (5k2 (t) + c2 (t))dt
{c(t)} 0 2
sujeta a k̇(t) = k(t) + 4c(t) (CO)
k(0) = k0
k(T ) = k1
10. (Control bang-bang) Para A, B , dos parámetros jos diferentes de

ero, en el problema de ontrol óptimo
Z t1
Maximizar − dt
{c(t)} t0
sujeta a k̇ = Ak + Bc
t0 , k(t0 ), k(t1 ) dados
− 1 ≤ c(t) ≤ 1
el hamiltoniano estará dado por
H = −1 + λ(Ak + Bc)
y, por tanto, el le tor podrá mostrar que el ontrol óptimo es de la

forma
c∗ = sign(λB)
Es de ir, c∗ es igual a +1 si λB > 0; e igual a −1 si λB < 0. Así,
el ontrol óptimo siempre estará saltando de un punto extremo
al otro, en el rango posible de ontrol. Por eso a éste se le ono e
omo ontrol bang-bang.
11. Muestre que otro ejemplo de ontrol bang-bang es el siguiente:

Z t1
Maximizar − dt
{c(t)} t0
sujeta a k˙1 = k2 , k˙2 = c
t0 , k(t0 ), k(t1 ) dados
− 1 ≤ c(t) ≤ 1
donde si c∗ = 1 enton es k1 = 12 k22 + m para alguna onstante m,

y si c∗ = −1 enton es k1 = − 12 k22 + m.
*12) (Un problema de ontrol biológi o) Es bien sabido que el ontrol

quími o de plagas on pesti idas es, en general, efe tivo y rápido
pero ausa polu ión. Una forma alternativa de tratar este problema
es mediante ontrol biológi o, que onsiste en liberar predadores
a ierta tasa para que ontrolen la plaga (presa), o bien liberando
ierta antidad de plaga para evitar la extin ión de los predadores.
Una forma de modelar este tipo de problemas es determinando un

sistema dinámi o Lokta-Volterra (ver le ión 3) que minimi e el
osto del daño e ológi o y el del pesti ida utilizado. Sean, N1 el
número de presas (peste); N2 el número de predadores biológi os;
u(t) la velo idad on que se liberan presas (peste); v(t) es la ve-
lo idad on que se liberan predadores biológi os; c0 (T ) − c0 (0) el
osto del pesti ida utilizado en el tiempo T ; c1 , c2 , α1 , α2 , β1 , β2 ,
onstantes positivas. El problema es, enton es,
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
y donde 0 ≤ u(t) ≤ umáx ; 0 ≤ v(t) ≤ vmáx .

Pruebe, utilizando el método de ontrol óptimo que onsidere más
onveniente, que existe una pre isa ombina ión de pesti ida y li-
bera ión de espe ies a tasas apropiadas, que ponen bajo ontrol el
movimiento de las dos pobla iones, y las lleva a las propor iones
previamente deseadas.
13) Deduz a la e ua ión de Euler del ál ulo de varia iones lási o

(teorema 15), a partir del prin ipio del máximo.
7. El problema del ontrol óptimo ( aso dis reto)

En numerosos problemas prá ti os, podría pare er que es más onve-
niente una aproxima ión on variable dis reta al problema de ontrol
óptimo, que una aproxima ión on variable ontinua. Cada una tiene
ara terísti as diferentes, y uál sea más onveniente siempre dependerá
del problema en uestión. De he ho, llevar a abo la ompara ión entre
ambos métodos es una ex ep ional posibilidad de aprendizaje.
El problema anóni o de ontrol óptimo en el aso dis reto se puede

es ribir así:
T
X
Maximizar v(kt , ct , t)
{c(t)}
t=0
sujeta a kt+1 − kt = g(kt , ct , t) (COD)
k0 , kT +1 dados
a) Solu ión por el prin ipio del máximo
Es ribamos el lagrangiano estándar

T
X
30
L = [ {v(kt , ct , t)] + µt+1 [g(kt , ct , t) − (kt+1 − kt )]}
t=0
Enton es, on un po o de trabajo algebrai o, podemos rees ribirlo así:

T
X
L= {v(kt , ct , t) + µt+1 g(kt , ct , t) + kt (µt+1 − µt )}
t=0
+v(k0 , c0 , 0) + µ1 g(k0 , c0 , 0) + k0 µ1 − kT +1 µT +1
Las orrespondientes ondi iones de primer orden (COD) on respe to a

ct son, para t = 0, 1, ..., T :
∂L
i) = 0:
∂kt
∂v ∂g
µt+1 − µt = − [ + µt+1 ] (∗)
∂kt ∂kt
∂L
ii) = 0:
∂ct
∂v ∂g
+ µt+1 =0 (∗∗)
∂ct ∂ct
30
Aquí apare e µt+1 en lugar de µt , ya que aquella es la adi ión marginal a la
fun ión objetivo uando se ha e una adi ión marginal a kt+1 (ver le ión 2).
∂L
iii) = 0:
∂µt
kt+1 − kt = g(kt , ct , t) (∗ ∗ ∗)
Denamos aquí el hamiltoniano del problema de ontrol óptimo, de la

siguiente manera:
H(k, c, µ, t) ≡ v(k, c, t) + µ g(k, c, t)
y así, las e ua iones (∗), (∗∗) y (∗ ∗ ∗) inmediatamente anteriores se

es ribirán omo:
∂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:
Teorema 18. (Prin ipio del máximo)

Las ondi iones de primer orden ne esarias para resolver el problema
(COD) son las e ua iones (∗), (∗∗), (∗ ∗ ∗) anteriores.
De otro lado, si v(k(t), c(t), t) y g(k(t), c(t), t) son ón avas en (k, c),
y µ(t) ≥ 0 para todo t ∈ [t0 , t1 ], enton es las e ua iones (∗), (∗∗),
(∗ ∗ ∗) también son su ientes para que c(t) sea una solu ión al problema
(CO). También es ierta esta on lusión si v(k(t), c(t), t) es ón ava y
g(k(t), c(t), t) es onvexa en (k, c), y además µ(t) ≤ 0 en [t0 , t1 ].
Demostra ión.
Ver Bertsekas (2007) 31

.
Ejemplo 45.
31
op. it.
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
donde 0 < β, r < 1 y w > 0 son parámetros dados.

Solu ión.
Es ribimos primero su hamiltoniano
H(k, c, µ, t) = β t ln c + µ(w + rk − c)
y, a ontinua ión, las ondi iones de primer orden:
µt+1 − µt = −rµt+1 (1)
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
uya fórmula explí ita es posible mediante la e ua ión del ejemplo 39

(le ión 3):
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
on µ0 > 0 determinado por el valor de kT +1 . De otro lado, puesto

que v(k, c) = β t ln c y g(k, c) = w + rk − c son ón avas en (k, c),
las e ua iones (4), (6) y (8) resuelven efe tivamente nuestro problema
original. N
i) Condi iones de transversalidad
Los asos de transversalidad ya estudiados en el aso ontinuo tienen su

ontraparte similar en el aso dis reto:
1. Punto terminal jo: En este aso, la ondi ión de transversalidad

es la más simple: k(T ) = kT . que es la que hemos onsiderado en
el aso anóni o (COD).
2. Línea terminal horizontal: En este aso (kT jo pero T libre),

la ondi ión de transversalidad debe ser
H(T ) = 0
donde H es el hamiltoniano del problema de ontrol óptimo.
3. Super ie terminal: La ondi ión k(T ) = kT on kT y T libres,

ex epto por la restri ión k(T ) = ϕ(T ) nos lleva a la e ua ión de
transversalidad
H(T ) = µ(T )ϕ′ (T )
donde µ(t) es el multipli ador dinámi o de Lagrange.
4. Línea terminal verti al trun ada: Bajo la ondi ión k(T ) ≥

kmı́n para un ierto kmı́n ono ido, las ondi iones de transversali-
dad resultan ser
k(T ) ≥ kmı́n , µ(T ) ≥ 0, µ(T )(k(T ) − kmı́n ) = 0

5. Línea terminal horizontal trun ada: Bajo la ondi ión t1 ≤

tmáx para un ierto tmáx ono ido, las ondi iones de transversali-
dad son
T ≤ tmáx , H(T ) ≥ 0, (T − tmáx )H(T ) = 0
Ejemplo 46.
A partir del ejemplo 45, resolvamos el problema de línea terminal verti al
trun ada
T
X
{c(t)}
t=0
k0 = 1, kT +1 ≥ 2 dados
Primero, es ribamos las ondi iones de transversalidad:
kT +1 ≥ 2, µ(T + 1) ≥ 0, µ(T + 1)(kT +1 − 2) = 0

Y dado que hemos requerido que µ0 > 0 para que haya solu ión, enton es,
de (4), tendremos que µ(T + 1) > 0. Así, kT +1 = 2, y sólo restaría
en ontrar T a partir de la e ua ión
T −1 r
X 1+r k
T T −k−1
(1 + r) + (1 + r) (w − [β(1 + r)] 2 ) = 2
µ0
k=0
Pero de aquí, desafortunadamente, no se puede extraer una fórmula ex-
plí ita de T en términos de los parámetros fundamentales del problema.
Sin embargo, sí se podría en ontrar el valor de T , si ono emos valores
numéri os espe í os de los fundamentales.
ii) Control óptimo on horizonte innito
El orrespondiente problema general de ontrol óptimo en el aso

dis reto on horizonte innito se puede es ribir así:
∞
X
{c(t)}
t=0
sujeta a kt+1 − kt = g(kt , ct , t) (COD)

k0 dado
lı́m kt existe
t→∞
Denamos aquí el hamiltoniano del problema de ontrol óptimo, de la

siguiente manera:
H(k, c, µ, t) ≡ v(k, c, t) + µg(k, c, t)
Aquí, las e ua iones (∗), (∗∗) y (∗ ∗ ∗) inmediatamente anteriores, se

es ribirán omo:
∂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
lı́m H(t) = 0 (∗ ∗ ∗)
t→∞
Los orrespondientes teoremas de existen ia utilizando el teorema de

Weierstrass, y las ondi iones de segundo orden para que las de primer
orden arrojen, efe tivamente, las solu iones del problema (COHI), son
similares, y queda omo ejer i io para el le tor adaptar estos resultados
onvenientemente.
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→∞
es ribimos su hamiltoniano
c2
H =k− + µ(k + c)
2
y en ontramos las orrespondientes ondi iones ne esarias:
µt+1 − µt = −(1 + µt+1 ) (1)
ct + µt+1 = 0 (2)
kt+1 = 2kt + ct (3)
c2t
lı́m [kt − + µt (kt + ct )] = 0 (4)
t→∞ 2
de donde, de (1), llegamos a que
1
µt = (µ0 + 1)( )t − 1
2
y así los ontroles {ct } están determinados por
1
ct = −(µ0 + 1)( )t+1 + 1 (5)
2
y, por tanto, la variable de estado kt estará regida por
1
kt+1 = 2kt − (µ0 + 1)( )t+1 + 1 (6)
2
donde µ0 estará determinada por la ondi ión de que lı́mt→∞ kt es ni-

to.32 La e ua ión (6) puede resolverse explí itamente mediante el ejemplo
39 de la le ión 3, y esta propuesto omo ejer i io para el le tor.
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.
Ejemplo 48.
Para resolver el problema
∞
X
{ct }
t=0
sujeta a kt+1 − kt = w + rkt − ct
k0 dado
lı́m kT dado
T →∞
es ribimos primero su hamiltoniano:
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→∞
que, en este aso, se redu e a la ondi ión típi a de transversalidad
lı́m µt kt = 0
t→∞
y que, a su vez, nos lleva a la ondi ión

t−1 r
1 tX 1+r k
lı́m µ0 k0 + µ0 [ ] (1 + r)t−k−1 (w − [β(1 + r)] 2 ) = 0
t→∞ 1+r µ0
k=0
que, a menos que µ0 = 0, será equivalente a

∞ r
X 1+r k
−k−1
k0 = (1 + r) (w − [β(1 + r)] 2 )
µ0
k=0
de donde obtenemos que

1
µ0 = [ √ √ ]2 (7)
( wr − k0 )( 1 + r − β)
y ésta determina los ontroles (e ua ión(5)), y los estados (e ua ión (6)).

Además de la e ua ión (7), la ondi ión de que lı́mT →∞ kT existe, obli-
gará a ondi ionar los parámetros fundamentales del modelo.
b) Solu ión por programa ión dinámi a
En general, el prin ipio del máximo y la programa ión dinámi a son

métodos equivalentes (aunque distintos) para optimizar en el tiempo.
En lo que sigue trataremos de sugerir que el Prin ipio del Máximo es
más onveniente, en general, uando el tiempo es una variable ontinua;
y la programa ión dinámi a es más onveniente uando el tiempo es
una variable dis reta. Sin embargo, esta no es ninguna regla denitiva
y, omo siempre, el método a es oger dependerá del problema on reto a
resolver, y de lo que ne esitemos aprender de él.
Consideremos, enton es, el problema estándar de ontrol óptimo en el
aso dis reto
T
X
{c(t)}
t=0
sujeta a kt+1 = g(kt , ct , t) (COD)
k0 , kT +1 dados
i) Condi iones de primer orden: e ua ión de Bellman
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,
V (kt , t) = máx{v(kt , ct , t) + V (kt+1 , t + 1)} (DR)

{ct }
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
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 , t) = máx{v(kt , ct , t) + V ( g(kt , ct , t), t + 1)} (DR')

{ct }
donde la ondi ión ini ial es
V (kT +1 , T + 1) = 0
Note, de nuevo, ómo la programa ión dinámi a des ompone el problema

original en una su esión de pequeños problemas de optimiza ión más
simples, siempre de atrás ha ia adelante. Veremos esto on laridad en
los siguientes ejemplos.
Ejemplo 49. (Distribu ión óptima de una antidad ja)
Consideremos el problema de minimizar la suma de los uadrados de T
números no-negativos des ono idos, sujetos a la restri ión de que su su-
ma sea una antidad dada que no se depre ia. El problema lo planteamos
así:
T
X
Maximizar − (ct )2
{c(t)}
t=0
T
X
sujeta a ct = C
t=0
c0 , c1 , ..., cT ≥ 0; C ≥ 0 dado
Para resolverlo, utilizaremos la programa ión dinámi a omenzando on

la primera e ua ión re ursiva de Bellman, que orresponde a la del último
período, T :
V (c, T ) = máx {−(cT )2 } = −C 2

{cT =C}
Continuando de manera re ursiva, de adelante ha ia atrás, obtenemos la

segunda e ua ión re ursiva de Bellman:
V (c, T − 1) = máx {−(cT −1 )2 + V (C − cT −1 , T )}

{0≤cT −1 ≤C}
= máx {−(cT −1 )2 − (C − cT −1 )2 }
{0≤cT −1 ≤C}
que, derivando e igualando a ero, nos lleva a que

1
cT −1 = C
2
Esto nos di e que en ada uno de los dos períodos, T − 1 y T , deberían
gastarse la mitad de los re ursos C . De manera similar, llegamos a que
1
V (c, T − 2) = máx {−(cT −2 )2 − (C − cT −2 )2 }
{0≤cT −2 ≤C} 2
De donde llegamos a que

1
cT −2 = C
3
Así, debemos gastar la ter era parte de los re ursos en ada uno de los
períodos T − 2, T − 1, T .
Siguiendo de esta forma, es ya fá il mostrar que la forma de distribuir la
antidad C es en partes iguales a través de los períodos:
C
c0 = c1 = c2 = ... = cT =
T − T0 + 1
Ejemplo 50.
T
X
Maximizar β t ln(ct )
{c(t)}
t=0
sujeta a kt+1 = (kt )α − ct > 0
0 < β, α < 1
k0 > 0 dados
y, utilizando la e ua ión de Bellman, en ontremos la fun ión de valora-

ión óptima V (k, t), asumiendo que la fun ión de valora ión en el último
período, V (k, T ), es igual a 0.
Primero, on la restri ión ct + kt+1 = (kt )α , omenzamos el pro eso

iterativo de atrás ha ia adelante, que ara teriza a la programa ión di-
námi a:
La primera e ua ión de Bellman, es de ir, la del penúltimo período T −1,

es
V (k, T − 1) = máx {β T −1 ln(cT −1 ) + V (kT , T )} = β T −1 α ln(k)

{0≤cT −1 =(k)α }
ya que V (kT , T ) = 0. Así,
cT −1 = (kT −1 )α
La segunda e ua ión de Bellman es
V (k, T − 2) = máx {β T −2 ln(cT −2 ) + V (kT −1 , T − 1)} =

{cT −2 }
máx {β T −2 ln(cT −2 ) + β T −1 α ln(kT −1 )}

{0≤cT −2 ≤(k)α −kT −1 }
Utilizando la restri ión, y diferen iando on respe to a kT −1 , en ontra-

mos que
αβ 1
kT −1 = (kT −2 )α , cT −2 = (kT −1 )α
1 + αβ 1 + αβ
y así,
1 αβ
V (k, T − 2) = β T −2 ln( kα ) + V ( kα , T − 1)
1 + αβ 1 + αβ
y, sabiendo que V (k, T − 1) = β T −1 α ln k, tendremos que
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.
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
y sus orrespondientes ontroles ct , para t = 0, 1, 2, ..., T , dados por
(kt )α
ct = Pt−1
j
j=0 (αβ)
y los estados por
1
kt+1 = (kt )α (1 − Pt−1 )
j
j=0 (αβ)
on k0 > 0 dado. Estos últimos pueden expresarse explí itamente omo

el le tor puede advertir fá ilmente.
ii) Control óptimo on horizonte innito
El orrespondiente problema general de ontrol óptimo en el aso

dis reto on horizonte innito lo es ribiremos así:
∞
X
Maximizar β t v(kt , ct )
{c(t)}
t=0
sujeta a kt+1 = g(kt , ct ) (COD)
k0 > 0, 0 < β < 1 dados
lı́m kT ≥ 0
T →∞
Este aso de horizonte innito requiere de la siguiente dis usión: Dena-

mos, la transforma ión T : C[t0 ,t1 ] → C[t0 ,t1 ] por
T (V )(k) = máx {v(k, c) + β V (g(k, c))}

{c(t)}
Enton es (ver ejer i io nal de Ejer i ios 7) T es una ontra ión y,

por lo tanto (ver teorema 8), tiene un úni o punto jo; es de ir, existe
V ∗ ∈ C[t0 ,t1 ] tal que T (V ∗ ) = V ∗ , lo que signi a que
V ∗ (k) = máx{v(k, c) + β V ∗ (g(k, c))}

{c}
donde V ∗ = lı́mk→∞ T k (V ) será la solu ión de valora ión al problema

de horizonte innito34 .
Por lo tanto, el problema (COD) se resuelve tomando (de forma ade ua-
da) límites al innito en la solu ión de valora ión de horizonte temporal
nito. Ilustramos esto último en el siguiente ejemplo.
Ejemplo 51.
∞
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
y, utilizando la e ua ión de Bellman, en ontremos la fun ión de valora-

ión óptima V (k, t).
Del ejemplo 50 anterior, se tiene que, para t = 0, 1, 2, ..., T ,
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).
y
t−1
X
B = α[ (αβ)j ]
j=0
y sus orrespondientes ct , para t = 0, 1, 2, ..., T , dados por

(kt )α
ct = Pt−1
j
j=0 (αβ)
Para hallar las solu iones a nuestro problema de horizonte innito, el

prin ipio de Bellman nos permite tomar límites uando t → ∞ en las
fórmulas del aso T nito de arriba, para llegar a que la fun ión de
valora ión es
1 αβ α
V (k) = {ln(1 − αβ) + ln(αβ)} + ln k;
1−β 1 − αβ 1 − αβ
los ontroles son

ct = (1 − αβ)(kt )α
y, por lo tanto, la variable de estado está determinada, para k2 > 0 dado,
por la e ua ión dinámi a re ursiva
kt+1 = αβ(kt )α
que laramente, pueden expresarse explí itamente.
) Programa ión dinámi a esto ásti a
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
V (kt , t) = máx{v(kt , ct , t) + E(V (kt+1 , t + 1))}

ct
donde el valor esperado de V (kt+1 , t + 1) es

Z k(T )
E(V (kt+1 , t + 1)) = V (kt+1 , t + 1)ϕ(kt+1 , t + 1)dkt+1
k(t0 )
Aquí, nuevamente, debemos ir, paso a paso, resolviendo pequeños pro-

blemas de optimiza ión, omenzando en el período T y terminando en
el período 0. Además, en mu hos asos, podemos tomar ventaja de la
linealidad del valor esperado.
Ejemplo 52.
∞
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
donde Rt es distribuida idénti a e independientemente35 y, además,

1
E(Rt1−α ) <
β
Aprendida la le ión del ejemplo 50 anterior, asumamos 36 que V (k) =

Bk1−α donde B es una onstante a determinar, y es ribamos la orres-
pondiente e ua ión de Bellman:
c1−α
Bk1−α = máx{ + βB(k − c)1−α E(R1−α )}
c≥0 1−α
Derivando, on respe to a c, la expresión entre paréntesis, obtenemos

que
c−α = βB(1 − α)(k − c)−α E(R1−α ) 37
lo que nos lleva a que
1
M−α
c= 1 k (*)
1 + M−α
donde
M = βB(1 − α)E(R1−α )
35
Es de ir, ada Rt es una lanzada de una misma distribu ión, y ada una de
estas Rt es independiente de ualquier otra.
36
Esto, laramente, evita el desarrollo del dispendioso pro eso iterativo, siempre y
uando la suposi ión sobre V sea orre ta.
37
¾Por qué es orre to este pro edimiento?
Insertando la e ua ión (∗) en la e ua ión de Bellman, en ontramos que
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
y, de allí, llegamos a que

1 1
{1 − β α (E(R1−α )) α }−α
B=
1−α
y, por tanto, los ontroles óptimos están dados por
1 1
ct = {1 − β α (E(R1−α )) α } kt N
Ejemplo 53. (Un problema de inventario)
Una empresa requiere estru turar la oferta de un produ to al prin ipio

de ada uno de N períodos, de tal manera que satisfaga ierta demanda
esto ásti a. Para k = 0, 1, ..., N , sea xk el inventario disponible al o-
mienzo del período k (es de ir, lo que quedó del período k − 1); uk la
antidad produ ida para el período k y que omplementa el inventario
xk ya existente; wk la demanda he ha por los lientes durante el período
k, y que tiene una distribu ión de probabilidad ono ida por la empresa.
Se asume que las wk son variables aleatorias independientes.
El inventario estará regido enton es por una e ua ión dinámi a dis reta
de la forma
xk+1 = xk + uk − wk
Como esta empresa opera sólo N períodos, asumiremos que las demandas
he has en el período N no se satisfa en, y que la mer an ía que queda
en inventario no tiene valor.
Por su parte, el osto in urrido en ada período tiene dos omponentes:
El primero es cuk , que es, simplemente, lo que le ostó a la empresa
la parte del inventario que produ e en el período k; aquí c es el osto
por unidad. El segundo es H(xk+1 ) que es un astigo por mantener
inventarios positivos o negativos al nal del período k. Así, el osto total
in urrido por la empresa al nal del período k será
cuk + H(xk + uk + wk )
y el osto total esperado en N períodos es

N
X −1
E{ cuk + H(xk + uk − wk )}
k=0
Se trata enton es de en ontrar los antidades ( ontroles) uk que le mini-

mizarían el osto de opera ión a la empresa. Es de ir, para ada posible
inventario xk que se tenga, es oger la antidad óptima que debería pro-
du ir en el período k, de tal manera que los ostos sean mínimos.
Supongamos un aso muy simple de fun ión de ostos lineal: Para iertos
p > 0, h ≥ 0, p > c se tiene que
H(xk+1 ) = p máx(0, −xk+1 ) + h máx(0, xk+1 )

es de ir, si xk+1 > 0 el osto es h, y si xk+1 < 0 el osto es p. Y esto
llevaría a un osto total esperado de la forma
N
X −1
E{ cuk + p máx(0, −xk − uk + wk ) + h máx(0, xk + uk − wk )}
k=0
Por hipótesis, la fun ión de valora ión V (xN , N ) = 0. Para simpli ar la

nota ión, es ribamos
L(y) = p E{máx(0, wk − y)} + h E{máx(0, y − wk )}
Enton es, la fun ión de valora ión en el período k satisfa e la e ua ión

re ursiva de Bellman
V (xk , k) = mı́n [cyk + L(yk ) + E{V (yk − wk , k + 1)]} − cxk

yk ≥xk
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
uk (xk ) = Sk − xk si xk < Sk ; uk (xk ) = 0 si xk ≥ Sk

Así, los datos ini iales del problema generan, para ada período k, una
antidad espe í a Sk tal que, si el inventario xk re ibido en ese período,
es menor que Sk , la antidad produ ida es el ex edente Sk − xk : pero si

xk es mayor o igual que Sk , enton es es mejor no produ ir absolutamente
nada.
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
2. Mediante el prin ipio del máximo, resuelva

∞
X √
Maximizar β t ct
{ct }
t=0
sujeta a kt+1 − kt = w − ct
k0 dado
lı́m kT dado
T →∞
3. Mediante programa ión dinámi a, resuelva el siguiente problema:

3
X
Minimizar [(kt )2 + (ct )2 ]
{c(t)}
t=0
sujeta a k0 = 1, k4 = 7, ct = entero no-negativo
kt+1 = kt + 2ct , t =0,1,2,3.
[Indi a ión: observe el ejemplo 49 de la presente le ión.℄
4. (Distribu ión óptima de una antidad ja). Resuelva, mediante

programa ión dinámi a, el problema de minimizar la suma des-
ontada de los uadrados de iertos números no-negativos des o-
no idos, sujetos a la restri ión de que su suma sea una antidad
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
5. Utilizando programa ión dinámi a, resuelva el problema

∞
X
Maximizar β t (ln(ct ) + γ ln(ct−1 ))
{c(t)}
t=0
sujeta a kt+1 = 3(kt )α − ct > 0
0 < α, β < 1, k0 > 0, γ > 0 dados
[Indi a ión: Ensaye V = E + F ln kt + G ln ct−1 para iertas ons-

tantes E, F, G.℄
6. Un empleador entrevista N andidatos para un argo, y debe de i-

dir inmediatamente después de ada entrevista, si ontrata o no al
andidato entrevistado. A ada uno de éstos se le asigna un pun-
taje después de la entrevista, y estos puntajes son independientes
e idénti amente distribuidos. Establez a la políti a que maximiza
el puntaje esperado del andidato entrevistado.
7. Cierto material pasa a través de una se uen ia de dos hornos. Sea

x0 la temperatura ini ial del material; xk on k = 1, 2 la tempe-
ratura del material a la salida del horno k; uk−1 on k = 1, 2 la
temperatura en el horno k. Asumimos que estas variables están
determinadas por el sistema dinámi o
xk+1 = (1 − a)xk + auk k = 0, 1
donde a ∈ [0, 1].

El objetivo es que la temperatura x2 , después de salir del horno 2,
sea lo más er ana posible a una temperatura ideal T , y que esto se
logre utilizando la mínima energía posible en los hornos. Es de ir,

se trata de minimizar la fun ión
r(x2 − T )2 + (u0 )2 + (u1 )2
donde r > 0 es un es alar dado.
Pruebe, utilizando programa ión dinámi a, que la temperatura óp-
tima del primer horno es
r(1 − a)a[T − (1 − a)2 x0 ]
u0 =
1 + ra2 [1 + (1 − a)2 ]
y la temperatura óptima del segundo horno es
ra[T − (1 − a)x1 ]
u1 =
1 + ra2
8. Denamos la transforma ión T : C[t0 ,t1 ] → C[t0 ,t1 ] por
T (V )(k) = máx {v(k, c) + βV (g(k, c))}
{c(t)}
Pruebe que T es una ontra ión mediante los siguientes pasos:

i) Pruebe, antes de omenzar, que, efe tivamente, T está bien
denida [Indi a ión: Quizás requiera del teorema del máximo
38
(ver le ión 2)℄.
ii) Pruebe, después, que si W ≥ V enton es T (W ) ≥ T (V ).
iii) Pruebe que
T (W + c) = T (W ) + βc
para todo W ∈ C[t0 ,t1 ] , y c ∈ R.
iv) Pruebe que
T (W )(s) ≤ T (V + k W − V k)(s) = T (V )(s) + β k W − V k
v) Con luya que

| T (W )(s) − T (V )(s) | ≤ β k W − V k
vi) Finali e mostrando que

k T (W ) − T (V ) k ≤ β k W − V k
38
No onfundir on el prin ipio del máximo.
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.
a) Sobre el problema de la onstru ión de la fun ión de

onsumo: ¾Cómo se planean las de isiones individua-
les de onsumo y y ómo onforman éstas el onsumo
agregado de una e onomía?
Uno de los problemas más profunda e intensamente investigados en la

dis iplina e onómi a, es el de los determinantes de las de isiones de on-
sumo de los agentes individuales, y el omportamiento y evolu ión de
algún índi e o medida agregada de los resultados de aquellas para el
onjunto de la e onomía. El estudio del onsumo ha impli ado el desa-
rrollo de áreas medulares de la teoría e onómi a, ha promovido el avan e
de métodos y té ni as de investiga ión empíri a, y es una de las piezas

de la teoría del valor por su rela ión on problemas de la teoría de la uti-
lidad y la demanda, la forma ión de pre ios, el volumen de o upa ión,
el re imiento y las u tua iones de la a tividad e onómi a.
Es probable que el examen sistemáti o, aunque no siempre riguroso, de
los gastos en bienes y servi ios también sea una de las a tividades más
antiguas en la dis iplina. Desde una perspe tiva empíri a, en la dé ada
de 1790 en Inglaterra se realizaron dos estudios uantitativos, elaborados
por lérigos, onsistentes en la ompila ión de presupuestos y gastos de
trabajadores rurales. El espíritu ientí o estuvo siempre ausente de estos
y otros trabajos, y sólo fue hasta mediados del siglo XIX en que aquella,
y otras motiva iones, dieron ini io a la era moderna de la re ole ión y
análisis de datos so iales. Dos eventos impulsaron estos desarrollos: de
un lado, las aspira iones y reivindi a iones de la lase obrera; del otro,
los adelantos en la teoría matemáti a de la probabilidad y sus té ni as
de análisis que popularizaron la observa ión y ompara ión de onjuntos
de datos so iales (Stigler (1954)).
Desde una perspe tiva teóri a, el onsumo no fue materia dire ta de
trabajo. Su tratamiento estuvo subordinado a la onstru ión de sistemas
teóri os y de pensamiento e onómi o, por lo menos hasta prin ipios del
siglo XX. Sin embargo, son pre isas algunas observa iones generales:
1. El advenimiento de un nuevo orden e onómi o y so ial impulsado
por la revolu ión industrial desde nales del siglo XVIII, perló
la estru tura general de la teoría lási a (basada en la hipótesis
del valor-trabajo, el énfasis en el valor so ial de la a umula ión
en lo positivo y en el valor de la frugalidad en lo normativo) y
dio lugar a dos enfoques sobre el onsumo en una omunidad. De
una parte, las teorías del sub onsumo argumentaban que el pro eso
de a umula ión tendría freno en insu ien ias en la demanda, en
parti ular del onsumo, limitando así la asigna ión de la fuerza de
trabajo, y dando estímulo al i lo de los nego ios. De otra parte, la
orienta ión que adhería a la Ley de Say , que niega la posibilidad del
sub onsumo debido a la perfe ta exibilidad de pre ios y salarios,
formados en mer ados ompetitivos.
2. Karl Marx adoptó y desarrolló la teoría lási a del valor-trabajo
on el propósito de eviden iar y expli ar la explota ión del trabajo
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.
Fueron la Primera Guerra Mundial, la Revolu ión Rusa y la Gran De-

presión eventos que dieron estímulo a la investiga ión teóri a dire ta del
onsumo y el ahorro tanto individual omo agregado. La guerra, las ten-
siones so iales, el desempleo, el desarrollo de la so iedad industrial, y
el re iente sentimiento de que el sistema e onómi o no era inherente-
mente estable y apaz de orregir de manera rápida y automáti a sus
39
En su Entwi klung der Gesetze des mens hli hen Verkehrs und der daraus ies-
senden Regeln für mens hli hes Handeln.
40
En su E onomi s of Welfare.
41
En las distintas versiones de su Élements D'e onomie Politique Pure (Theorie
de la Ri hesse So iale).
42
En su Mathemati al Investigations in the Theory of Value and Pri es.
desajustes, exigieron la interven ión del Estado para orientar y regular

la vida so ial en pro ura de elevar el bienestar general de las pobla ión.
Entre ellos, los sistemas de sustento de ingresos y onsumo y la provi-
sión de servi ios so iales que dan un primer fundamento del Estado de
Bienestar fueron los instrumentos más importantes para enfrentar la
situa ión. Igualmente, fue pre iso evaluar los efe tos de la interven ión
en la opera ión de la e onomía en uanto a la e ien ia, el bienestar, la
equidad (o justi ia) y la fa tibilidad administrativa de di ha interven ión
sobre el onjunto de la e onomía y en se tores espe í os.
Dado este ontexto, en la tradi ión neo lási a se publi an en 1926 y 1927
los trabajos de Ugo Ri i, e onomista italiano, que ha en una primera
apli a ión de la teoría de la maximiza ión de la utilidad a la uestión
del ahorro de los hogares43 . En 1930 apare e la obra de Irving Fisher,
The Theory of Interest, en la que se en uentra una aproxima ión ger-
minal a la asigna ión óptima de re ursos para el onsumo onsistente
on el horizonte vital de sujetos ra ionales (Modigliani (1978)). Desde
una perspe tiva e onómi a ontraria a la que él mismo llamó lási a,
en 1936 Keynes publi a su Teoría General de la O upa ión, el Interés
y el Dinero, entrada en estable er los determinantes del volumen de
o upa ión agregado en el orto plazo. Diferen ias esen iales y profundas
a er a de las impli a iones teóri as de la Teoría General y sus onse-
uen ias empíri as, onjuntamente on la eviden ia fá ti a a umulada
a nales de la dé ada de 1940, hi ieron dudar de la formula ión keyne-
siana, que ondujeron a proponer nuevas hipótesis, basadas en la teoría
de la ele ión ra ional y la maximiza ión de la utilidad. Dos de las más
importantes son las hipótesis del i lo vital y la del ingreso permanen-
te, debidas a Fran o Modigliani y sus olaboradores entre 1952 y 1954
y Milton Friedman en 1957, respe tivamente. Desde enton es, nuestro
ono imiento y omprensión del onsumo individual y agregado ha pro-
venido de un fru tífero ontrapunteo entre análisis teóri o y hallazgos
empíri os.
i) La hipótesis keynesiana sobre el onsumo
En la Teoría General de la O upa ión, el Interés y el Dinero, Keynes

se o upó del onsumo, on el objetivo de estable er los determinantes
43
Citado por Modigliani (1978).
del nivel general de o upa ión en una e onomía y no de los elementos

onstitutivos de las de isiones de onsumo de agentes individuales, la
agrega ión de las mismas y su omportamiento y evolu ión. Si bien Key-
nes propuso una fun ión explí ita del onsumo agregado, su propósito al
ha erlo fue investigar las rela iones que existen entre onsumo, ingreso o
produ to y el volumen de o upa ión de una e onomía en el orto plazo.
En el sistema keynesiano el ingreso o produ to total (Y ) de una e onomía
depende del volumen de o upa ión o empleo (N ). Qué tanto trabajo
empleen las rmas está sujeto a lo que éstas esperan que se gaste en
onsumo (C ) y en inversiones (I ) nuevas. La produ ión obtenida por
las rmas individuales y en el agregado, es la que resulta de ontratar el
nivel de empleo que se orresponde, dadas las te nologías de produ ión
y los pre ios de los fa tores, on el que ha e máximas las expe tativas
de bene ios de aquellas. Al valor de la produ ión así obtenida, Keynes
lo llamó el pre io global de la oferta, es de ir, la oferta agregada (S )
de la e onomía. Por su parte, la demanda agregada (D ), o pre io de la
demanda global, es el valor total de las ompras de los distintos agentes
e onómi os, de a uerdo on el nivel de empleo. Debido a la dependen ia
de la oferta y demanda agregadas del nivel de empleo, Keynes supuso
que éstas pueden formularse así
Oferta agregada: S = f (N )
Demanda agregada: D = g(N )
Si para ierta antidad de empleo la demanda es mayor que la oferta, la

ra ionalidad e onómi a y las expe tativas de las rmas las impelen a in-
rementar la ontrata ión de trabajo, aumentando el volumen de empleo
hasta el monto de N en que la oferta y la demanda agregadas son iguales.
El volumen de o upa ión está determinado por el equilibrio ma roe o-
nómi o y el valor de la demanda en el equilibrio, que ne esariamente es
la suma de los gastos de onsumo e inversión realizados, es la demanda
efe tiva (Keynes 1936, p. 34). Así, el onsumo es fun ión del nivel de
empleo:
C = h(N )
Puesto que, en equilibrio, se tiene que D = h(N ) + I y f (N ) = h(N ) + I ,
se dedu e que
I = f (N ) − h(N ) (1)
Es de ir, en equilibrio, la magnitud del empleo depende de las fun iones

de oferta agregada, de onsumo y de inversión. De ésta rela ión funda-
mental Keynes dijo es la esen ia de la teoría general de la o upa ión"
(Keynes (1940), p. 36).
Si el onsumo es uno de los fa tores ríti os en la teoría, veamos a qué
obede e éste y uál es su importan ia. De a uerdo on Keynes, el onsu-
mo depende de:
i. El nivel de empleo, y por lo mismo, del ingreso,
ii. Ciertos fa tores objetivos44 , y

iii. Ciertas ara terísti as psi ológi as y ne esidades subjetivas tanto
de los individuos omo so ialmente ompartidas45 .
Keynes asume que, en el orto plazo, los fa tores subjetivos son ono idos
y no tienen ningún papel fundamental en la ongura ión del onsumo
general, a diferen ia de los objetivos, que eventualmente pueden alte-
rarlo individualmente y en el agregado. El valor de los a tivos, la tasa
de interés y la políti a s al pueden provo ar ambios en la propensión
al onsumo. Sin embargo, tales varia iones no serán sustan iales en si-
tua iones ordinarias46 ; los demás fa tores objetivos tienen una inuen ia
menor. En onse uen ia, en períodos ortos, el onsumo es una fun-
ión estable del ingreso, uyos ambios determinan los de aquel:
C = v(Y )
Si el empleo aumenta, también lo harán el ingreso y el onsumo, pero
este último en una uantía menor a la del primero. La razón de que C
44
Estos fa tores son: ambios en las unidades de salarios, que son las unidades
de medida utilizadas por Keynes; ambios en la diferen ia entre el ingreso bruto y el
ingreso disponible; ambios imprevistos en el valor de los bienes de apital no in luidos
en el ingreso disponible; ambios en el pre io relativo del onsumo presente respe to
del onsumo futuro; ambios en la tributa ión o la políti a s al y ambios en las
expe tativas sobre los ingresos futuros (Keynes (1940)).
45
Los motivos subjetivos onsiderados por Keynes son pre au ión, previsión, ál u-
lo, mejoramiento, independen ia, empresa, orgullo y avari ia (Keynes (1940), p. 102).
46
En uanto a la importan ia de las tasas de interés en la propensión a onsumir,
Keynes ha e algunas observa iones y salvedades para que no se diga que las modi-
a iones en la tasa de interés tengan sólo una inuen ia exigua sobre las antidades
que realmente se ahorran y onsumen (Keynes (1940), p. 104). Al respe to véanse
sus argumentos en la se ión II del apítulo 9.
aumente menos que Y se en uentra en la ley psi ológi a fundamental

según la ual los hombres están dispuestos, por regla general y en pro-
medio, a aumentar su onsumo a medida que el ingreso re e, aunque no
tanto omo el re imiento de su ingreso. ( Keynes (1940), p. 93). Esto
podemos expresarlo di iendo que por ada unidad adi ional de ingre-
so, se onsume una fra ión de la misma, ono ida omo la propensión
marginal al onsumo. 47
Esta ley psi ológi a tiene impli a iones importantes:
1. Ante ambios en el entorno e onómi o y los fa tores objetivos que
inuyen en el onsumo, el ajuste de los hábitos psi ológi os es muy
redu ido en el orto plazo, de modo que ambios en el ingreso se
orresponden on ambios en el ahorro más que en el onsumo;
esto es, mayores (menores) niveles de ingreso van aparejados on
mayores (menores) niveles de ahorro.
2. Por lo general, y a largo plazo, montos absolutos de ingreso real

están orrela ionados on montos de ahorro mayores. A medida
que se tiene un ingreso real mayor se presenta la tenden ia a aho-
rrar una mayor propor ión del mismo, puesto que las ne esidades
bási as de onsumo se han satisfe ho.
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)
donde α > 0 es el onsumo autónomo" (no depende del ingreso), que

dC
suele suponerse grande, γ ≡ dY es la propensión marginal al onsumo,
y Yt es el ingreso disponible agregado.
d
47 dC
Formalmente, la propensión marginal al onsumo es dY .
Ahora: Se dedu e de (1) y (i) que onforme aumenta el ingreso real

habrá un ex eso de ahorro. En el futuro no habría ne esidad de ha er
mayores esfuerzos de a umula ión puesto que el ahorro sobrepasaría las
ne esidades de apital, y, si la so iedad es ri a, no todo el ahorro se
onvertirá en inversión, por uanto siendo ya alto el sto k de apital las
oportunidades para nuevas inversiones son menos atra tivas" ( Keynes
(1940), p. 38). El resultado, tarde o temprano, sería el estan amiento
se ular de la e onomía por insu ien ia de la demanda agregada. Visto
desde este ángulo, el ahorro plantea una amenaza en la medida en que
redu e el omponente de onsumo de la demanda efe tiva, ondu ente
a una menor utiliza ión de los re ursos respe to de los disponibles en
la e onomía, en espe ial del trabajo, uando esto no va a ompañado
de in rementos en la inversión. Esta in apa idad de la e onomía para
al anzar el pleno empleo, Keynes la atribuye, además, a fa tores omo
la rigidez de salarios, preferen ia por la liquidez, y las expe tativas e
in ertidumbre que afe tan a la inversión.
A esto se le agregó, posteriormente, un orolario distributivo. Uno de los
fa tores signi ativos para expli ar la tasa de ahorro48 agregada es la
distribu ión del ingreso. En las familias de ingreso bajo, este es ex edi-
do por el onsumo, y su ede lo ontrario en las familias de ingreso alto.
Sólo estas últimas están en apa idad de ahorrar. Por tanto, el ahorro
agregado dependerá fundamentalmente de las familias ri as y, en on-
se uen ia, también la a umula ión de apital. Esto es parti ularmente
ierto, se armó, en los países en desarrollo, en sus primeras fases de
progreso. Así, en estos países, el re imiento dependerá, al omienzo, de
la desigualdad en la distribu ión del ingreso. Por otra parte, puesto que
el aumento del ingreso real onlleva mayores tasas de ahorro, y dado el
supuesto de menores oportunidades de inversión, para evitar el estan a-
miento se ular se requiere aumentar el onsumo. Una manera de ha erlo
es por medio de políti as redistributivas.
Dada la enorme inuen ia y los ambios introdu idos por la Teoría Ge-
neral, el interés teóri o estimuló el trabajo empíri o a partir del análisis
de series de tiempo y datos de presupuestos y gastos de orte transver-
sal. Al prin ipio, la eviden ia pare ió onrmar los planteamientos de
Keynes y la hipótesis del ingreso absoluto:
48
Siendo S el ahorro agregado, la tasa de ahorro en una e onomía es la propor ión
S
de ahorro total a ingreso total, Y .
Gasto orriente altamente orrela ionado on el ingreso orriente,
Propensión marginal al onsumo inferior a la unidad y menor que

la propensión media, y
Tasa de ahorro re iente on el ingreso real.
Sin embargo, a omienzos de la dé ada de 1950 la eviden ia empíri a
a umulada sugería varias ontradi iones on la teoría ( Friedman (1973),
Modigliani (1978)):
i. Los trabajos de S. Kuznets49 , publi ados por el National Bureau of
E onomi Resear h (NBER) en 1946, daban uenta de una tasa de
ahorro prá ti amente onstante en Estados Unidos desde prin ipios
del siglo XIX, a pesar del gran in remento en el ingreso per ápita
en ese país durante ese período.
ii. La asi invariable propensión media al onsumo, en momentos del
tiempo alejados entre sí, en los que el ingreso en ada uno de ellos
era sustan ialmente distinto.
iii. Con base en informa ión de presupuestos familiares, en 1947 Do-
rothy Brady y Rose Friedman mostraron que la fun ión de onsumo
impli ada por di hos datos se desplaza ha ia arriba en el tiempo
a medida que el ingreso medio se in rementa, de manera que la
tasa de ahorro no es expli ada por el ingreso absoluto sino por el
ingreso relativo a la media del ingreso general.
iv. En 1955, William Hamburguer, en su tesis do toral, en uentra que

la propor ión entre riqueza e ingreso mantiene una estre ha aso ia-
ión on la rela ión onsumo/ingreso, de a uerdo on la eviden ia
de series de tiempo para el período de entre guerras hasta nales
de los años 40.
v. La redu ión de las desigualdades en la distribu ión del ingreso
desde nales de los años 30.
Estos resultados ondujeron al planteamiento de varias teorías. En 1949,

James Duesenberry y Fran o Modigliani, de manera independiente, pro-
pusieron que el onsumo depende del ingreso relativo, en espe ial del
49
Premio Nobel de E onomía en 1971.
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 .
ii) La hipótesis del i lo de vida
Un individuo debe de idir, a partir de ierto momento, ómo ha de dis-

tribuir sus ingresos y riqueza presentes y futuros entre onsumo y ahorro,
desde di ho momento y hasta el día de su muerte, teniendo omo propó-
sito al anzar la mayor satisfa ión posible derivada de tal de isión. Nos
preguntamos ¾Cómo tomará el individuo esa de isión? ¾Con base en qué
elementos? y ¾Qué propiedades tendrá el patrón general de onsumo a
lo largo del horizonte de vida? Consideremos el siguiente es enario. Este
individuo, ra ional, previsor, y que dispone de toda la informa ión que
requiera, habita un mundo de total ausen ia de in ertidumbre, por lo
que las onse uen ias de sus a iones (y las de los demás individuos)
tienen lugar efe tivamente y son ompletamente previsibles; esto es, se
50
No es del aso dis utir los problemas y di ultades de agrega ión; sin embargo,
podemos de ir que la dis iplina aún are e de una teoría o de métodos satisfa torios
para la onstru ión de agregados ma roe onómi os. De un lado, el enfoque del agente
representativo ha mostrado ser restri tivo y falseador de los he hos y ha redu ido la
relevan ia de la teoría. De otro, los agregados simplemente suelen asumirse, sin aten-
der a determinar sus fa tores generadores y las intera iones e onómi as subya entes.
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.
La hipótesis del i lo de vida (HCV en adelante) sostiene que los in-

dividuos planean sus de isiones de onsumo para periodos largos y lo
distribuyen de la manera más uniforme posible a lo largo de su horizonte
de vida omo armó Modigliani (1978) en su Conferen ia Nobel the
self-evident proposition that the representative onsumer will hoose to
onsume at reasonably stable rate, lose to his anti ipated average life
onsumption ( p. 299) previendo su retiro laboral. Si bien los ingresos la-
borales u túan, en algunos asos onsiderablemente, el uso del mer ado
de a tivos le permite al individuo trasladar ingresos intertemporalmente
a través del ahorro, de modo que su onsumo no varíe abruptamente,
separando el ujo de ingresos del ujo de onsumo. Así, la HCV plantea
que el patrón temporal de onsumo es independiente del patrón temporal
de ingresos, y sólo está determinado por las preferen ias del individuo y
por el pre io relativo en el tiempo del onsumo.
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
Con esta espe i a ión estamos dando a entender que el onsumo en un

período no afe ta ni al onsumo ni a la utilidad en ualquier otro período
de la vida del agente. Esto es, el onsumo no tiene efe tos perdurables en
el tiempo. También asumimos que las preferen ias son temporalmente in-
variantes, los gustos son siempre los mismos, no ambian ni se adquieren
nuevos ni se dejan algunos, de onformidad on la experien ia y estilo de
vida del individuo. Así onsiderada, la fun ión de utilidad no permite es-
tudiar el omportamiento frente bienes uya deseabilidad se a re ienta
on el uso o disfrute (el arte), o uyos bene ios se extiendan en el tiem-
po a pesar de haber sido onsumidos en su totalidad (unas va a iones
en la playa). Tampo o es posible examinar, a partir de ella, la forma ión
de hábitos en el onsumo. Sin embargo, omo veremos, esta forma de
abordar las preferen ias temporales suministra proposi iones no obvias e
impli a iones empíri as a er a del omportamiento del onsumidor, da-
dos los supuestos en que nos basamos, que onstituyen un primer nú leo
51
La exposi ión ompleta de la HCV se en uentra, prin ipalmente, en Modigliani
(1978), Modigliani (1963) y Modigliani (1954).
bási o de ataque al problema de asigna ión intertemporal de onsumo y

que son aún materia de investiga ión.
La utilidad obtenida en ada período el individuo la des uenta a una
tasa de preferen ia subjetiva temporal onstante β ∈ (0, 1), que mide
su grado pa ien ia entre onsumo presente y onsumo futuro. Si β es
er ano a ero indi a que el individuo tiene preferen ia por el presente
frente al futuro, es de ir, se in lina a onsumir ahora antes que a posponer
onsumo.52 . La utilidad en ada período es estri tamente re iente y
ón ava y dos ve es diferen iable on ontinuidad: u′ (ct ) > 0 y u′′ (ct ) <
0. El individuo tiene un fuerte in entivo a evitar niveles de onsumo
demasiado bajos: u′ (0) = ∞. En resumen, la satisfa ión derivada del
onsumo a lo largo de toda su vida, es la suma de las satisfa iones que
el sujeto obtiene en ada período.
El agente tiene un ingreso exógeno yt proveniente de su trabajo. En ada
período, el individuo puede onsumir una uantía mayor, igual o menor a
su ingreso. Para ello está en posi ión de ser prestatario o prestamista, sin
ningún obstá ulo, en el mer ado de a tivos, transriendo re ursos entre
períodos adya entes por medio de la posesión del úni o a tivo a que
existe en la e onomía. La tenen ia del mismo no se limita ser positiva.
El a tivo reditúa una tasa de interés onstante real r por unidad de
tiempo, y es la misma para prestar y pedir en préstamo. Puesto que el
sistema e onómi o, legal y éti o ha e difí il eludir el pago de deudas, el
agente no puede dejar pasivos al nalizar su vida pero puede a umular
riqueza nan iera ha iendo uso de su ahorro y de las tenen ias previas
de a tivos
at+1 = (1 + r)(at + yt − ct ) (4)
52
La tasa de preferen ia temporal tiene la fun ión de des ontar o traer a valor pre-
sente el valor futuro del onsumo on base en la idea de que los individuos preeren
los bienes disponibles para uso presente, a la expe tativa presente de tener disponi-
bles para uso, en algún momento futuro, tales bienes. La tasa so ial de preferen ia
temporal está determinada por la intera ión de los individuos en distintos ontextos
e onómi os, que resultan en la equivalen ia de ésta on alguna tasa de interés media o
de referen ia. Un breve análisis teóri o e históri o a er a del on epto de preferen ia
temporal se en uentra en Rothbard, M.N. (1987). Time Preferen e. En J. Eatwell,
M. Milgate & P. Newman (Eds.). The New Palgrave: A Di tionary in E onomi s,
The Ma millan Press Limited. Las onse uen ias para la asigna ión intertemporal de
onsumo de tasas de preferen ia temporal no onstantes y dependientes de tiempo se
exploran en Deaton Deaton (1992) (pp. 14-15) y Blan hard, O.J. y Fis her, S. (1989).
Le tures on Ma roe onomi s. MIT Press, apítulos 2 y 3.
Asumimos que el individuo es propietario de una riqueza ini ial a(0) = a0

dada.
Al nalizar su vida, la riqueza a umulada del agente es53
T
X −1
T
aT = (1 + r) a0 + (1 + r)T −t (yt − ct ) (5)
t=0
Debido a que los ompromisos del agente deben estar ompletamente

saldados, en el período nal T su onsumo será cT ≤ aT + yT . Com-
binando esta ondi ión on la e ua ión (5) obtenemos la restri ión de
presupuesto del agente para todo su horizonte de vida:
T
X T
X
T −t T
(1 + r) ct ≤ (1 + r) a0 + (1 + r)T −t yt (6a)
t=0 t=0
T
X X T
ct yt
t
≤ a0 + (6b)
(1 + r) (1 + r)t
t=0 t=0
Observemos que la restri ión de presupuesto tiene la forma
p0 c0 + p1 c1 + · · · + pT cT ≤ p0 y0 + p1 y1 + · · · + pT yT ,
habitual en el análisis mi roe onómi o, la primera expresada en valor

futuro y la segunda en valor presente. En (6b), p0 = 1 y pt = (1 + r)−t
para t = 1, 2, . . . , T . Es de ir, el pre io del onsumo en t = 0 es de 1
y el pre io del onsumo futuro en rela ión al pre io del período ero
es (1 + r)−t . En onse uen ia, podemos interpretar (1 + r)−1 omo el
53
La e ua ión se dedu e así: partimos de a0 dada e iterando re ursivamente para
ada t se tiene
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
Por lo tanto, en el período T, la riqueza a umulada, si la hay, es la e ua ión (5).

pre io relativo del onsumo entre períodos onse utivos, para

ualesquiera t y t + 1. En (6a) se tiene lo ontrario.
Ahora bien: La de isión del agente onsiste en elegir la traye toria tem-
poral de onsumo {ct }Tt=0 y el nivel de riqueza terminal aT ≥ 0, que
maximiza la satisfa ión que obtiene del onsumo a lo largo de toda su
vida, sujeto a su disposi ión para a umular a tivos, la no-negatividad
del onsumo en ada período y ierta riqueza ini ial dada. El problema
del agente, enton es, es
T
X u(ct )
Maximizar W =
ct (1 + β)t
t=0
T
X XT
ct yt
sujeta a ≤ a0 +
(1 + r)t (1 + r)t (7)
t=0 t=0
on a(0) = a0
aT ≥ 0
y ct ≥ 0 para todo t = 0, 1, . . . , T .
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
Notemos que, omo resultado de la separabilidad temporal, ct sólo apare-

e en el t-ésimo término de los sumatorios. Luego la ondi ión ne esaria
de primer orden del problema es:
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
" 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
Como c1 y c2 satisfa en (6), c2 − c1 = 0 para todo t, enton es
T
X
[u(c2 ) − u(c1 )] < 0.
t=0
En onse uen ia, la traye toria c1 es óptima.

Pese a los supuestos que hemos introdu ido, es tal la riqueza de la e ua-
ión (10), que bien vale la pena detenerse a examinar sus impli a iones:
Primero, si el agente redu e en una unidad su onsumo en t, la dimensión
del sa ri io está medida por u′ (ct )(1 + β)−t . Como una unidad menos
de onsumo es una unidad más de a umula ión de a tivos, uyo valor es
λ(1 + r)−t , podemos entender esta magnitud omo el osto de oportu-
nidad de a umular a tivos. De aquí, igualmente, λ puede interpretarse
omo la utilidad marginal o el pre io sombra de la riqueza.
Segundo, la diferen ia entre la tasa de interés y la tasa de preferen ia
temporal origina una traye toria re iente o de re iente del onsumo,
dependiendo del signo de la diferen ia. Para verlo on laridad, tomemos
la derivada temporal de (10), y el resultado dividámoslo por ct , para
obtener
c˙t u′ (ct )
=− (r − β) (11)
ct ct u′′ (ct )
u′ (ct )
donde el término − es la elasti idad de sustitu ión intertempo-
ct u′′ (ct )
ral, o también, la inversa de la elasti idad marginal del onsumo. De (11)
es laro que si r > β el onsumo re e, y si r < β el onsumo de re e.
Lo interesante es que la magnitud on que el re imiento del onsumo
rea iona ante (r − β) es la elasti idad de sustitu ión intertemporal, que
depende de manera inversa de la urvatura, de la on avidad, de la fun-
ión de utilidad. En onse uen ia, si la utilidad marginal es muy sensible
a pequeños ambios en el onsumo, el agente tiene po a disposi ión a
modi ar signi ativamente su onsumo para sa ar prove ho de los in-
entivos intertemporales, por uanto la utilidad marginal puede ajustarse
a los ambios en la tasa de interés on pequeños ambios en el onsu-
u′ (ct )
mo. Reparemos en que la expresión − se asemeja a la inversa
ct u′′ (ct )
de la medida Arrow-Pratt de aversión relativa al riesgo (ver volumen II
(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.
Una impli a ión dire ta de lo anterior es que la a umula ión de a tivos es

muy volátil, por lo que el ahorro podría ser muy variable. La traye toria
del ingreso en el tiempo determina los niveles de ahorro en ada período
así:
st = yt − ct
" T
#
1X yt 1
= yt − − a0 (13)
b (1 + r)t b
t=0
El ahorro es alto uando el ingreso orriente yt es alto respe to del ujo

des ontado de ingresos. El agente suaviza la traye toria de onsumo
por medio del ahorro.
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
1. La HCV on base en la programa ión dinámi a

Un tratamiento alternativo del problema de asigna ión temporal
de onsumo es por medio de la programa ión dinámi a. El propó-
sito de esta se ión es ilustrar el uso de esta té ni a en la HCV.
Las ondi iones analíti as son las mismas que las postuladas en la
se ión pre edente, así que las damos por sentadas. Sin embargo,
trabajaremos on una fun ión de utilidad espe í a, para mostrar
on laridad el pro edimiento.
El onsumidor tiene una fun ión de utilidad por período u(ct ) =

ln ct , que des uenta a una tasa β ∈ (0, 1). El objetivo del onsu-
midor onsiste en maximizar su fun ión de utilidad para todo el
horizonte de vida, sabiendo que puede transferir re ursos intertem-
poralmente mediante la a umula ión de a tivos, según la e ua ión
(4). El planteamiento del problema en términos del programa ión
dinámi a es
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 .
donde ct es la variable de ontrol y at es la variable de estado.
El prin ipio de optimalidad de Bellman para problemas on des-

uento temporal se plasma en la siguiente e ua ión:
Vt∗ (at ) = máx {ln ct + βVt+1

∗
(at+1 )}
ct ≥0
∗
= máx {ln ct + βVt+1 [(1 + r)(at + yt − ct )]}
ct ≥0
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.
En el período nal, el agente resuelve el problema VT = máxct ≥0 {ln ct }.

Puesto que la fun ión de utilidad es estri tamente re iente, la
solu ión será onsumir toda la riqueza a umulada. Por lo tanto
c∗T = aT + yT y VT∗ (aT ) = ln(aT + yT ).
Período T − 1: aT −1 dada.
En esta etapa el onsumidor resuelve
VT −1 (aT −1 ) = máx {ln cT −1 + βVT∗ (aT )}

cT −1 ≥0
= máx {ln cT −1 + β ln[(1 + r)(aT −1 + yT −1 − cT −1 ) + yT ]}

cT −1 ≥0
Este es un problema de optimiza ión estri tamente onvexo, y las

ondi iones de primer orden son ne esarias y su ientes para iden-
ti ar una úni a solu ión, que es
(1 + r)(aT −1 + yT −1 ) + yT
c∗T −1 =
(1 + r)(1 + β)
Ciertamente c∗T −1 es parte de la traye toria óptima de onsumo

para los dos últimos períodos. Reemplazando c∗T −1 en la fun ión
valor en T − 1 obtenemos
VT∗−1 (aT −1 ) = (1 + β) ln[(1 + r)(aT −1 + yT −1 ) + yT ] + A1 (r, β)
donde A1 (r, β) es una onstante que depende de r y β .
En este período el individuo resuelve
VT −2 (aT −2 ) = máx {ln cT −2 + βVT∗−1 (aT −1 )} + A1 (r, β)

cT −2 ≥0
= máx {ln cT −2 + k ln [(1 + r)2 (aT −2 + yT −2 − cT −2 )

cT −2 ≥0
+(1 + r)yT −1 + yT ]} + βA1 (r, β)
donde k = β(1+β). De nuevo, este es un programa de optimiza ión

bien denido, uya solu ión es
(1 + r)2 (aT −2 + yT −2 ) + (1 + r)yT −1 + yT

c∗T −2 =
(1 + r)2 (1 + β + β 2 )
Reemplazando c∗T −2 en la fun ión valor en T − 2 tenemos
VT∗−2 (aT −2 ) = k′ ln[(1+r)2 (aT −2 +yT −2 )+(1+r)yT −1 +yT ]+A2 (r, β)
donde k′ = (1 + β + β 2 ) y A2 (r, β) es una onstante que depende

de r y β .
Pro ediendo omo lo hi imos en las etapas anteriores, el sujeto se

enfrenta a
VT −3 (aT −3 ) = máx {ln cT −3 + βVT∗−2 (aT −2 )} + βA2 (r, β)

cT −3 ≥0
= máx {ln cT −3 + k′′ ln[(1 + r)3 (aT −3 + yT −3 − cT −3 )

cT −3 ≥0
+ (1 + r)2 yT −2 + (1 + r)yT −1 + yT ]}
+ βA2 (r, β)
donde k′′ = β(1 + β + β 2 ). Este problema, omo ya sabemos, está

apropiadamente ara terizado y tiene por solu ión
(1 + r)3 (aT −3 + yT −3 ) + (1 + r)2 yT −2 + (1 + r)yT −1 + yT

c∗T −3 =
(1 + r)3 (1 + β + β 2 + β 3 )
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
Operando y reorganizando, la expresión anterior se transforma en

la e ua ión que des ribe, para todo t = 0, 1, . . . , T , el onsumo
óptimo " #
XT
1 − β y T −t
c∗t = a0 + (14)
1 − β t+1 t=0
(1 + r)t
Esta es una versión parti ular, para el aso en que u(ct ) = ln ct , de
la traye toria de onsumo obtenida en (12) y, por ello mismo, on
igual interpreta ión.
iii) La hipótesis del ingreso permanente
En su libro de 1957, A Theory of Consumption Fun tion, Milton Fried-

man propuso la Hipótesis del Ingreso Permanente (HIP, en adelante).
Según la hipótesis, el ingreso y el onsumo tienen dos omponentes fun-

damentales, el permanente y el transitorio. Respe to del ingreso, la om-
ponente permanente reúne los distintos fa tores que determinan el valor
de la riqueza que posee un individuo: la riqueza nan iera y el apital
humano a umulados, el se tor de a tividad e onómi a en que se ubi a,
la profesión o a tividad que ejer e, entre otros. El ingreso permanente
es el análogo al valor esperado de una distribu ión de probabilidad
(Friedman (1973), p. 39). La omponente transitoria agrupa todos los
demás fa tores asuales, a identales y aleatorios que afe tan al ingreso.
Sin embargo, también armó que el efe to previsible de fuerzas deter-
minables, omo por ejemplo, las u tua iones í li as de la a tividad
e onómi a"(Friedman (1973), p. 39) era una forma de entender el om-
ponente transitorio. Así mismo, hay fa tores idiosin ráti os que inuyen
en este último de dos formas generales. De un lado, están los que se
neutralizan unos a otros en una muestra de individuos. De otro lado,
se en uentran aquellos que son omunes a los miembros de un grupo,
omo el lima en una ierta región agrí ola. Por su parte, el onsumo se
ara teriza de igual manera.
La formula ión espe í a de la HIP estable e que el onsumo permanente

es una propor ión del ingreso permanente, propor ión que es indepen-
diente de aquel y está en fun ión de la tasa de interés r , de la importan ia
relativa de la riqueza no-humana (propiedades, apital físi o y nan iero
y demás) en la riqueza total del individuo, simbolizada por w ∈ [0, 1],
y por los gustos y preferen ias del individuo, re ogidos en su fun ión de
utilidad u. Es de ir,
cP = k(r, w, u)y P
y = yP + yF (15)
P F
c=c +c
donde P y F denotan los omponentes permanente y transitorio respe -

tivamente.
Para darle ontenido empíri o a la hipótesis, Friedman supuso que los

omponentes transitorios del ingreso y el onsumo no están orrela-
ionados ni entre ellos ni on el omponente permanente: ̺(y P y F ) =
̺(cP cF ) = ̺(y F cF ) = 0. Así, el ingreso y el onsumo transitorios no son
más que aumentos o disminu iones respe to del omponente permanen-

te, atribuibles a ondi iones externas a los determinantes de éstos y por
ello no orrela ionados. También planteo que la rela ión aditiva dada por
las e ua iones (15) orresponde a una transforma ión logarítmi a de una
rela ión multipli ativa entre el ingreso y el onsumo, que pare ería estar
más a orde on la eviden ia empíri a y las distribu iones de probabili-
dad que pueden aso iársele, de a uerdo on la observa iones realizadas en
distintos trabajos previos tanto de otros investigadores omo del mismo
Friedman.
Suele interpretarse la HIP en términos de que el ingreso permanente es
el valor vitali io medio o anualidad de la totalidad de re ursos humanos
y no humanos de propiedad de un individuo. Friedman, en su libro de
1957 (p. 40), negó tal interpreta ión por onsiderarla equivo ada, pues
imponía de antemano un ontenido espe í o al on epto de permanen-
te, uando lo orre to es dejar que los datos hablen"por sí mismos. Sin
embargo, en su artí ulo `Windfalls', the `Horizon', and Related Con epts
on the Permanent In ome Hypothesis de 1963 fue más favorable a este
interpreta ión, entre otras razones porque es onsistente on la teoría
de la ele ión intertemporal, por lo menos dentro de iertos supuestos
espe í os. Sin embargo, mantuvo reservas on este enfoque de la ues-
tión54 . Aquí seguimos la perspe tiva de la HIP omo una anualidad de
los re ursos a lo largo del horizonte de vida del individuo, que es lo usual
en la literatura.
En la HIP la in ertidumbre a er a de los ingresos de un agente es esen-
ial. Asumimos que la úni a fuente de in ertidumbre está en la orriente
de ingresos futuros que obtendría el individuo. Por ello, el análisis se rea-
liza onsiderando este aspe to, no tratado en los apartados anteriores. La
in ertidumbre impli a un omportamiento del agente distinto al estable-
ido en ausen ia de ella. Cuando no hay in ertidumbre, el individuo elige
una se uen ia de onsumo óptima {c∗t }Tt=0 de una vez y para siempre.
Esto, sin embargo, no pare ería ra ional uando la realiza ión de varia-
bles omo pre ios, ingresos, rendimientos nan ieros, et ., sólo se ono e
a medida que pasa el tiempo. Una vez el estado de la e onomía se realiza,
período a período, el onsumidor ra ional toma la de isión de onsumo,
sin determinar un plan de onsumo que no deje abierta la posibilidad de
54
Véanse Friedman (1973), Friedman (1963).
replantearlo onforme dispone de nueva informa ión. En onse uen ia,

en el momento t, los montos futuros de onsumo son in iertos, siendo
ra ional maximizar el valor esperado de la utilidad, ondi ionado a la
informa ión disponible:
(T −t )
X u(ct+τ )
W = Et It (16)
(1 + β)τ
τ =0
donde It es el onjunto de informa ión en t.

En ambientes in iertos son posibles distintos estados del mundo, depen-
diendo de las realiza iones de las variables relevantes. Supongamos un
número nito de estados del mundo, indi ados por j = 1, 2, . . . , N . Vistos
desde el presente, en el momento t, y asumiendo que los posibles futuros
alternativos se despliegan en estru tura de árbol55 , ada j denota todo
un futuro que orresponde a una de las distintas ramas del árbol, desde
t hasta T . Si la probabilidad aso iada a ada futuro, a ada rama del
árbol, es pj , enton es la utilidad esperada es de la forma
N X
X T
W = pj u(ctj )
j=1 t=0
La onjun ión de la teoría de la utilidad esperada de von Neumann-

Morgenstern y la separabilidad temporal indu en una forma doblemente
aditiva de las preferen ias. Como onse uen ia inmediata, agentes ma-
ximizadores que sean adversos al riesgo están impedidos para reasignar
onsumo intertemporalmente en respuesta a ambios en los in entivos
(tasa de interés o tasa de preferen ia temporal subjetiva), mientras que
los agentes apa es de ha erlo presentan muy po a aversión relativa al
riesgo o in luso propensión al mismo. Así la aditividad simultánea in-
du ida por la aditividad intertemporal y la utilidad esperada impli a que
el grado de sustitu ión intertemporal está inversamente rela ionado on
el grado de aversión al riesgo "(Deaton (1992), p. 20). Es evidente que
la temporalidad y la in ertidumbre están estre hamente vin uladas, por
55
Un árbol es un par (X, ≻), donde X es un onjunto de elementos llamados nodos
y ≻ es una rela ión transitiva y simétri a sobre X , llamada pre eden ia. El par (X, ≻)
se ara teriza porque existe un úni o nodo ini ial, ada nodo distinto del ini ial tiene
un úni o prede esor y existe por lo menos un nodo terminal. Al respe to, onsúltese
Monsalve (1999).
lo que resulta natural que la a titud frente al riesgo y la apa idad de

sustituir onsumo presente por onsumo futuro estén rela ionadas. Sin
embargo, seguimos la prá ti a orriente de separar los dos tópi os56 .
Ahora bien, bajo in ertidumbre es apenas obvio que el agente se forme

expe tativas a er a del patrón en que evolu ionan las variables relevan-
tes. Asumimos que el agente forma sus expe tativas de manera ra ional,
en el sentido de que ha e uso de toda la informa ión disponible y lo ha e
de la mejor manera posible, evitando ometer errores sistemáti amente.
Ello no quiere de ir que no se equivoque sino que, habiendo errado, el
individuo revisa y ajusta sus expe tativas para no in urrir en el mismo
error en el futuro (hipótesis de expe tativas ra ionales57 ).
De nuevo, el agente a umula el úni o a tivo existente, lo que determina

la e ua ión de estado usual dada por (4), que a su vez da lugar a la
restri ión presupuestal para el horizonte de vida del individuo.
T
X −t X yt+τT −t
ct+τ
= at +
(1 + r)τ (1 + r)τ
τ =0 τ =0
De a uerdo on esto, estamos en ondi iones de formular el problema del
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
Et [zt+1 ] = Et [zt + εt+1 | It ]

= Et [zt | It ] + Et [εt | It ]
= zt
puesto que Et [zt ] = zt debido a que en t se ono e el valor de zt .

onsumidor, quien desea

(T −t )
X u(ct+τ )

Maximizar W = Et It
ct (1 + β)τ
τ =0
sujeto a at+1 = (1 + r)(at + yt − ct ) (17)
on a(0) = a0
y aT = 0
Pro edemos a resolver este problema mediante programa ión dinámi a
esto ásti a. La fun ión valor para períodos su esivos debe satisfa er la
e ua ión re ursiva

u(ct )
Vt (at ) = máx + Et Vt+1 (at+1 )
ct ≥0 (1 + β)t
En razón a que la a umula ión de a tivos permite al onsumidor trans-
ferir re ursos entre períodos, es onveniente expresar el problema de
ele ión intertemporal on base en el monto de a tivos que el agente
desea mantener en ada período, tal que el valor presente de la utili-
dad del onsumo sea máxima. De la e ua ión de estado es laro que
ct = at + yt − (1 + r)−1 at+1 y, debido a que las fun iones valor están
referidas a la fun ión de utilidad intertemporal, podemos es ribir

u[at−1 + yt−1 − (1 + r)−1 at ] u[at + yt − (1 + r)−1 at+1 ]
Vt (at ) = máx + Et
at (1 + β)t (1 + β)t+1
(18)
De la ondi ión de primer orden se dedu e

′ 1+β
Et [u (ct+1 )] = u′ (ct ) (19)
1+r
Esto es, un individuo ra ional pro ede óptimamente al distribuir sus a -
tivos entre períodos adya entes de manera que la utilidad marginal del
onsumo presente es igual al valor de la utilidad marginal esperada del
onsumo futuro, debidamente des ontada. Di ho de otra manera, el pre-
io relativo del onsumo entre un período y el siguiente es igual a la
rela ión de las utilidades marginales a tual y esperada. La pregunta in-
mediata que surge es ómo evolu iona el onsumo bajo estas ondi iones.
La (19) es una e ua ión en diferen ias esto ásti as que gobierna el om-
portamiento del onsumo en el tiempo, vin ulando el efe tuado en t on
el esperado en t + 1, que maniesta la forma del patrón de onsumo: éste

depende de las preferen ias del agente, del rendimiento de los a tivos y
de los eventos no anti ipados que afe ten al ingreso laboral, que es la
úni a fuente de in ertidumbre.
Ahora bien, si la tasa de interés y la tasa de preferen ia temporal son
iguales (r = β ), enton es la e ua ión (19) es
Et [u′ (ct+1 )] = u′ (ct ) (20)
El pro eso que rige la utilidad marginal es una martingala58 : la expe ta-
tiva a tual de la utilidad marginal del onsumo para el siguiente período
es igual al valor orriente de la utilidad marginal. Considerando que el
agente forma sus expe tativas ra ionalmente, de modo que
u′ (ct+1 ) = Et [u′ (ct+1 )| It ] + εt+1 (21)
donde ε es un término de error de media ondi ional a It nula, Et [εt+1 | It ] =
0. Por lo tanto, bajo expe tativas ra ionales la e ua ión (19) se transfor-
ma en
′ 1+β
u (ct+1 ) = u′ (ct ) + εt+1 (22)
1+r
Veamos que, bajo iertas ondi iones espe iales, a partir de (22) pode-
mos derivar la HIP de Friedman. Consideremos, omo Hall (1978), una
fun ión de utilidad uadráti a59
1
u(ct ) = − (c̄ − ct )2 (23)
2
58
Una martingala es un pro eso esto ásti o, una se uen ia de variables aleatorias,
tal que el valor esperado ondi ional de la próxima observa ión en un momento t,
dadas todas las observa iones pre edentes, es igual a la última observa ión. Formal-
mente, E[Zt+1 | Z1 , Z2 , . . . , Zt ] = Zt . El origen del término pare e estar rela ionado
on la palabra fran esa martegal, el gentili io de la pobla ión de Martigues, en Fran ia.
La palabra, en uno de sus sentidos ini iales, designaba una estrategia de apuesta en
un juego de azar onsistente en ha er una apuesta ini ial y, después de ada pérdida,
doblar la apuesta. Con la primera vi toria se re obrarían todas la pérdidas anteriores,
y el jugador aún obtendría una ganan ia: la apuesta ini ial. Al pare er, los habitan-
tes de Martigues solían pra ti ar este tipo de juegos. En la a tualidad, además de
las a ep iones onsignadas en el Di ionario de la Real A ademia de la Lengua, el
término alude a un pro eso esto ásti o que des ribe un juego justo" en el que no hay
pérdidas ni ganan ias, de a uerdo on deni ión anterior.
59
Al utilizar una fun ión de utilidad uadráti a estamos apli ando el prin ipio de
equivalen ia ierta. En general, el prin ipio de equivalen ia ierta estable e que, el
algunos asos, es posible transformar un problema esto ásti o en uno determinísti o
donde c̄ es el nivel de onsumo que propor iona al individuo la mayor

satisfa ión posible (the bliss level of onsumption ), enton es la utilidad
marginal es lineal, u′ (ct ) = c̄ − ct , y la e ua ión (19) pasa a ser

1+β
Et [c̄ − ct+1 ] = (c̄ − ct )
1+r
Operando y reorganizando obtenemos
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)
En razón a que el agente forma sus expe tativas ra ionalmente, se tiene
Et [u′ (ct+1 )] = c̄ + Et [ct+1 ]

= c̄ + ct+1 + εt+1
apli ando esta e ua ión a la e ua ión (24) obtenemos
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.
La e ua ión (26) muestra que el onsumo sigue un pro eso autoregresivo

de primer orden si r > β y un paseo aleatorio on tenden ia60 si r = β .
Notemos que (26) también nos di e, implí itamente, que pese a que el
omportamiento temporal del onsumo no está guiado por el patrón de
ingresos, estos juegan un papel signi ativo en la forma de la traye toria
del primero. El nivel en que se je ini ialmente el onsumo depende de
los re ursos que posea el agente a lo largo de toda su vida y εt+1 re oge
los ambios no anti ipados en el ingreso, por lo tanto, si el ingreso
experimenta ambios no-previsibles, así mismo varía el nivel de onsumo
futuro del individuo. En onse uen ia, la proposi ión de que el onsumo
sigue un pro eso de martingala no ex luye que exista orrela ión entre
ambios en el onsumo y varia iones en los ingresos laborales orrientes.
Consideremos ahora que t → ∞. El problema del onsumidor es
(∞ )
X u(ct+τ )
Maximizar W = Et It
ct
τ =0
(1 + β)τ
sujeto a at+1 = (1 + r)(at + yt − ct ) (27)
on a(0) = a0
at
y lı́m =0
t→∞ (1 + r)t
siendo la última expresión la ondi ión de transversalidad. En el límite,

teniendo en uenta la propiedad de martingala del onsumo (e ua ión
(25)), sabiendo que la in ertidumbre proviene sólo de los ingresos labo-
rales y on base en la restri ión presupuestal dada por la e ua ión (6)
on signo de igualdad, el onsumo está dado por
" X∞
#
r 1 yt+τ
ct = lı́m − at + Et
t→∞ 1 + r r(1 + r)t (1 + r)τ
τ =0
" ∞
# (28)
r X yt+τ
= at + Et
1+r (1 + r)τ
τ =0
60
Un paseo aleatorio es un pro eso esto ásti o dado por una traye toria onstruida
de a uerdo on las siguientes reglas: i. Comienza en un punto ini ial, ii. La distan ia
entre dos puntos en la traye toria es ja y iii. La dire ión para pasar de un punto en
la traye toria a otro se elige aleatoriamente. En el aso bajo estudio, puesto que no
hemos di ho nada a er a de la varianza de εt+1 , en parti ular no hemos estable ido
que sea onstante, el paseo aleatoria ha de tener una tenden ia". Al respe to véanse
Hall (1978) y Deaton (1992).
que fundamentalmente enun ia:

El ingreso permanente es el valor presente des ontado de los in-
gresos laborales esperados en el momento t a lo largo de todo el
horizonte de vida (en este aso en el límite) y la riqueza nan iera
que se posee en ese momento, y
El onsumo orresponde al valor de la anualidad de la riqueza la-
boral y nan iera orriente en el momento t.
Es de ir, la e ua ión (28) expresa la HIP de Friedman, bajo los supues-
tos de preferen ias uadráti as, horizonte de vida innito, tasa de interés
onstante e igual a la tasa de preferen ia temporal. Así mismo, el onsu-
r
mo orriente es la propensión marginal ja, dada por 1+r , a onsumir la
riqueza total orriente. Es laro que estas arma iones son todas equi-
valentes.
Para terminar, exploremos un po o más la rela ión existente entre la
HIP, la propiedad de martingala y la evolu ión del onsumo en el tiempo.
Sustituyendo at = (1 + r)(at−1 + yt−1 − ct−1 ) en (28) obtenemos
" ∞
#
r X yt+τ
ct = r(at−1 + yt−1 − ct−1 ) + Et (29)
1+r (1 + r)τ
τ =0
rezagando (29) un período, multipli ando por (1 + r) y reorganizando

" ∞
#
r X yt+τ
ct−1 = r(at−1 + yt−1 − ct−1 ) + Et−1 τ
(30)
1+r τ =0
(1 + r)
Restando (30) de (29) obtenemos

∞
r X (Et − Et−1 )(yt+τ )
ct − ct−1 = (31)
1+r (1 + r)τ
τ =0
De otra parte, el apital humano, ht , denido omo los ingresos a tuales

más el valor presente esperado de las ingresos futuros del trabajo varían
en el tiempo de a uerdo on
∞
X (Et − Et−1 )yt+τ
ht = (1 + r)(ht−1 − yt−1 ) +
(1 + r)τ (32)
τ =0
= (1 + r)(ht−1 − yt−1 ) + ηt
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
at + ht = (1 + r)(1 − δt−1 )(at−1 + ht−1 ) + ηt

donde
r
δt−1 = ηt−1
1+r
que, de nuevo, es un paseo aleatorio on tenden ia.
La e ua ión iii) estable e que el onsumidor pro esa toda la informa ión
disponible en ada período en rela ión on sus ingresos a tual y futu-
ros. En la medida en que la riqueza total del agente es una mez la dos
elementos, uno prede ible vin ulado a la realiza ión del ingreso a tual y
otro imprede ible on erniente los ambios en las expe tativas a er a de
los ingresos futuros, y teniendo uenta los a tivos nan ieros a umula-
dos en el período, el individuo determina el nivel de onsumo orriente
apropiado. Igualmente, podemos leer el lado dere ho de (31) omo las
innova iones en el pro eso de martingala en términos de lo que su ede
on el ingreso laboral. Es de ir, el ambio en el onsumo entre períodos
onse utivos está aso iado a la nueva informa ión y el agente ha e uso
de toda nueva informa ión sobre sus ingresos laborales futuros esperados
para inferir lo que a onte ería on su onsumo. En síntesis, las e ua io-
nes (31) y (iii)) nos di en que sólo varia iones en el ingreso permanente
ausan ambios en el onsumo permanente.
b) Breve síntesis
La HVC estable e que el patrón de onsumo de un individuo u hogar

se basa en el valor de los re ursos a lo largo toda su vida. En la HIP el
nivel de onsumo está aso iado a mantener inalterada la riqueza que lo
nan ia( uando se entiende el ingreso permanente omo el valor de la
anualidad de di ha riqueza). Planteadas así, las dos teorías pueden on-
siderarse dos formula iones distintas para un mismo problema: la asigna-
ión intertemporal de onsumo. Sin embargo, es ne esario ha er ver las
diferen ias importantes entre ambas hipótesis: la HCV se ha entrado en
las rela iones entre edad, ahorro y rea ión de riqueza, mientras que la
HIP ha estado enfo ada prin ipalmente en el omportamiento dinámi o
del onsumo. En la a tualidad no se las piensa omo modelos distintos
o omo un mismo modelo que resalta algunas ara terísti as espe í as,
dependiendo del interés investigativo. Por el ontrario, ambas hipóte-
sis orresponden a asos de la teoría general de la ele ión ra ional en
ontextos en los que el tiempo es una variable esen ial en la ade ua-
da espe i a ión y tratamiento del problema. Desde esta perspe tiva,
es posible obtener una mejor omprensión de los fundamentos, al an es,
limita iones y fallas de la teoría y sus hipótesis subya entes. Aún son
mu hos los temas y rela iones por dilu idar a er a del omportamiento
del onsumo y su rela ión on otros problemas fundamentales omo son
el papel que desempeña en las u tua iones agregadas en el orto plazo
o las fuentes del re imiento en largo plazo, para sólo men ionar algunos.
Lo ierto, también, es que gra ias al trabajo de Friedman, Modigliani y
otros tantos investigadores después de ellos, ha habido un progreso en
nuestra omprensión de los fenómenos e onómi os aso iados dire ta e
indire tamente on el onsumo.

1. (El problema de Steiner ) Tres pueblos A, B , C (ver gura anexa)
bus an unirse por un sistema de arreteras de longitud total míni-
ma. ¾Dónde debe olo arse un uarto punto P de tal manera que
esto se al an e?
A P
2. Resuelva, si es posible, el problema varia ional

Z 7
Minimizar 2(c2 (t) + ċ(t) + 3t)dt
{c(t)} 0
sujeta a c(0) = 1
c(7) = 10
En aso de que no sea posible, redena las ondi iones ini iales de
tal manera que el problema sí tenga solu ión.
3. Resuelva, si es posible, el problema de ontrol óptimo

Z 6
Maximizar (−c2 (t) − k2 (t))dt
{c(t)} 1
sujeta a k̇(t) = k(t) + c(t)
k(1) = 3
k(6) = 4
4. Resuelva el problema de ontrol óptimo:

Z ∞
Maximizar e−βt (c(t))α dt
{c(t)} 0
sujeta a k̇(t) = ω + rk(t) − c(t)
k(0) = 0, lı́m k(t) libre
t→∞
donde 0 < α, β, r < 1 y ω > 0, son onstantes.
5. Resuelva el siguiente problema de ontrol óptimo mediante el prin-

ipio del máximo, y también por programa ión dinámi a:
Z t1
Maximizar − (c2 (t) + t2 )dt
0
sujeta a k̇ = c(t)
k(0) = 4
k(t1 ) = 2
6. Resuelva el siguiente problema de ontrol óptimo mediante el prin-

ipio del máximo, y también por programa ión dinámi a
Z 1
Maximizar − (c2 (t))dt
0
sujeta a k̇ = k(t) + c(t)
k(0) = 1
k(1) = 0
7. Resuelva el problema
T
X
Maximizar β t (ct )α
{c(t)}
t=0
k0 , kT +1 > 0 dados
donde 0 < α, β, r < 1 y w > 0 son parámetros dados.

8. Resuelva, mediante programa ión dinámi a, el siguiente problema:

3
X
Minimizar [(kt )2 + 2(ct )2 ]
{c(t)}
t=0
sujeta a k0 = 4, ct ∈ {0, 1, 2}
kt+1 = 3kt − ct , t =0,1,2,3.
9. (Intriligator (1971) ) Supongamos que en ierto país, en el tiempo t

hay S(t) ientí os dedi ados a la investiga ión o a la do en ia. El
número de ientí os do entes (edu adores ) es E(t), y el número
de ientí os investigadores (investigadores ) es R(t). Así,
S(t) = E(t) + R(t)
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
Ė(t) = α(t)γE(t) − δE(t)
Ṙ(t) = (1 − α(t))γE(t) − δR(t)

on α(t) ∈ [ᾱ, α̃] ⊆ (0, 1).
En uentre la políti a óptima de asigna ión, si el objetivo es mi-
nimizar el tiempo requerido para al anzar números previamente
denidos de edu adores e investigadores.
10. (Un modelo dinámi o de monopolio (Evans (1924)) 61 Considere un

monopolio que produ e un úni o bien pere edero (es de ir, del que
no puede mantener inventarios) on una fun ión de ostos totales
dados mediante la e ua ión
61
Evans, Grit C. (1924), The Dynami s of Monopoly, Ameri an Mathemati al
Monthly.
C(t) = α(Q(t))2 + βQ(t) + γ
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.
11. Cara teri e el plan óptimo de onsumo on la fun ión de utilidad

c1−ρ
u(ct ) = t on ρ > 0, para la HCV y la HIP bajo ertidumbre
1−ρ
(ver ontexto e onómi o).
12. Un individuo pretende maximizar su utilidad durante los T años

que estima va a durar su vida. Suponga que desea dejar una riqueza
w de heren ia a sus hijos (determinada ompletamente ad ho ), que
le propor iona una utilidad terminal de ψ(w).
a) ¾Cómo ara terizaría el omportamiento de la fun ión ψ(w) y

ómo se modi a el problema de asigna ión de onsumo inter-
temporal bajo la HCV? ¾Cuál es el plan óptimo de onsumo?
b) ¾Qué onse uen ias tiene dejar un legado?
) ¾Podría usted espe i ar e intentar modelar los motivos por los
que un agente ra ional desea dejar una heren ia?
13. Considere un onsumidor que vive dos períodos, el presente y el

futuro, denotados por los subíndi es 1 y 2, respe tivamente. Sean
c1 y c2 el onsumo de los períodos 1 y 2, y u(c1 , c2 ) la fun ión de
utilidad, ara terizada por u′i > 0, u′′i < 0 y u′ij ≥ 0, para i = 1, 2.
El individuo tiene ingresos exógenos y1 y y2 . Su ahorro para el
segundo período es s = y1 − c1 , que tiene un rendimiento real r .
a) Suponga que u(c1 , c2 ) = ln c1 + ln c2 .

i. ¾Cuáles son los niveles de onsumo óptimos en ada perío-
do?
ii. ¾Qué su ede on el onsumo en ada período si el ingreso
presente se redu e? Explique sus resultados.
iii. ¾Qué su ede on el onsumo en ada período si la tasa de
interés r aumenta? ¾Qué puede on luir sobre la apa idad
de individuo para sustituir onsumo presente por onsumo
futuro? Explique sus resultados.
b) Suponga que u(c1 , c2 ) = ln c1 ln c2 . Reali e los mismos ál ulos
que en el literal anterior y explique laramente las diferen ias
que en uentre.
14. (Sargent (1987 b)) En el siguiente problema, en uentre la e ua-

ión de Euler y la ondi ión de transversalidad, interpretándolas
e onómi amente:
Un plani ador so ial bus a maximizar el bienestar so ial dado por

∞
X u1 2
β t (u0 ct − c ) on u0 , u1 > 0
t=0
2 t
es ogiendo su esiones de onsumo per- apita (ct ), y apital per-

apita (kt ), tales que
ct + kt+1 = f0 kt
donde k0 es dado, y satisfa e 0 < k0 < uu01 ( f01−1 ); y además 1 <

1
β < f0 . Asuma que la su esión {kt } es a otada.
[Indi a ión: Utili e la restri ión para eliminar ct de la fun ión

objetivo y derive on respe to a kt y kt+1 .℄
Pruebe, también, que al resolver la e ua ión de Euler, los estados

esta ionarios de {kt } y {ct } son:
1 u0 u0
k̄ = , c̄ =
f0 − 1 u1 u1
y que la políti a óptima de apital per- apita que debe estable er

el plani ador, es
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.
15. Formule el siguiente problema (Sargent (1987a)) omo uno de Pro-

grama ión Dinámi a es ribiendo la orrespondiente e ua ión de
Bellman, y dé ondi iones sobre las fun iones y parámetros del
modelo para asegurarle solu ión:
Un plani ador so ial bus a maximizar la utilidad (bienestar) de la
so iedad re urriendo
P∞ t al agente representativo. Éste tiene utilidad
dada por t=0 β u(ct , lt ) donde ct es onsumo del bien 1 en el
tiempo t, mientras que lt es o io en ese mismo tiempo t. El se tor
produ tivo 1 produ e bienes de onsumo utilizando apital k1t , y
mano de obra n1t , de a uerdo a la fun ión de produ ión ct =
f1 (k1t , n1t ). El empleo total, nt = n1t + n2t , y el o io lt están
restringidos por la dota ión de tiempo l, y satisfa e lt + nt = l.
Además, la suma de las antidades de apital utilizados en ada
se tor no puede ex eder el apital ini ial en la e onomía, es de ir,
k1t + k2t = kt on k0 > 0 dado.
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
se depre ia a una tasa δ, pero puede aumentar si dedi a tiempo a

a tividades por fuera del mer ado.
17. (Para estudiantes on ono imientos previos de Estadísti a) Es ri-

ba la e ua ión de Bellman del siguiente problema y dé ondi iones
sobre las fun iones para que el problema tenga solu ión:
Una rma maximiza el valor presente de los dividendos. Se asume
que el pre io del bien produ ido por la rma es igual a 1. La pro-
du ión requiere el uso de un sólo insumo: apital. La produ ión
total, f (kt ), se divide entre ventas, qt , e inversión, xt . Se apli a un
impuesto a las ventas τ . Se sabe que
τt+1 = g(zt , ǫt+1 )
donde ǫt+1 es una variable aleatoria idénti a e independientemente

distribuida, que no es observada en el tiempo t, pero uya distri-
bu ión sí es ono ida por la rma (por lo tanto, dada zt , la fun-
ión g indu e una distribu ión ondi ional de τt+1 , y que notamos
F (τt+1 , zt )); por su parte, zt es un pro eso esto ásti o tipo Markov
on fun ión transi ión
H(z ′ , z) = prob{zt+1 ≤ z ′ | zt = z}
El apital se depre ia también a la tasa τ . Así el problema que

enfrenta la rma es
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.
Bibliografía
Allais, M. (1943): Traité d'É onomie pure. Paris: Imprimerie Nationa-
le.
Arrow, K. (1951): Alternative Approa hes to the Theory of Choi e

in Risk-Taking Situation, E onometri a, Vol. 19, pp. 404-437.
(1953): The Role of Se urities in the Optimal Allo ation of

Risk-Bearing, E onometrie. Reprinted in K. J. Arrow (1971), Essays
in the Theory of Risk Bearing, Chi ago: Markam.
Arrow, K. J. y Debreu, G. (1954): Existen e of an Equilibrium for

a Competitive E onomy, E onometri a, Vol. 22, pp. 265-290.
Arrow, K. J., y Hurwi z, L. (1958): On the Stability of the Com-

petitive Equilibrium,I, E onometri a, Vol. 26 , pp. 522-552.
Arrow, K. J., Blo h, H.D. y Hurwi z, L. (1959): On the Stability

of the Competitive Equilibrium,II, E onometri a, Vol. 27 , pp. 82-109.
Arrow, K. J. y Enthoven, A. C. (1961): Quasi-Con ave Program-

ming, E onometri a, Vol. 29, pp. 779-800.
Arrow, K. J., Hurwi z, L., y H. Usawa (1961): Constraint Quali-

ations in Maximization Problems, Naval Resear h Logisti s Quar-
terly, Vol 8, pp. 175-191.
Arthur, B. (1989): Competing Te hnologies, In reasing Returns, and

Lo k-in by Histori al Events, The E onomi Journal, Vol. 99, pp.
116-131.
591
Arthur, B., Durlauf, S., y Lane, D. (1997): The E onomy as an

Evolving Complex System II. SantaFé Institute Studies in the S ien es
of Complexity, Addison Wesley Longman, New York.
Arzelá, C. (1992): Opere Complete, 2 Vols. Cremonese.
Aumann, R. J. (1964): Markets with a Continuum of Traders, E o-

nometri a, Vol. 32, pp. 39-50.
(1976): Agreeing to Disagree, Annals of Statisti s, Vol. 4, pp.

1236-1239.
Bana h, S. (1922): Sur les Operations dans les Ensembles Abstraits et

Leur Appli ation aux Equations Integrales. Fundamenta Math. Do to-
ral Thesis (1920).
(1932): Théorie des Opérations Linéaires. Chelsea N. Y.
Banerjee, A. V. (1992): A Simple Model of Herd Behavior, The

Quarterly Journal of E onomi s, Vol. 107, pp. 797-817.
Barro, R. J. y Sala-I-Martin, X. (1995): E onomi Growth.

M Graw-Hill Advan e Series in E onomi s.
Baumol, W., y Goldfeld, S. (1968): Pre ursors in Mathemati al

E onomi s. London S hool of E onomi s.
Bellman, R. E. (1957): Dynami Programming. Dover Publi ations,

Edi ión de 2003.
Benhabib J. y Day, R. H. (1981): Rational Choi e and Errati Beha-

viour, Review of E onomi Studies, Vol. 48, pp. 459-471.
Bentham, J. (1798): An Introdu tion to the Prin iples of Morals and

Legislation. Bato he Books, Kit hener.
Berge, C. (1959): Topologi al Spa es: In luding a Treatment of Multi-

valued Fun tions, Ve tor Spa es and Convexity. Dover Publi ations
(1997).
Bernoulli, Johann. (1696): El problema del Braquistó rono, A ta

Eruditorum, p. 269, Leipzig.
Bernoulli, N. (1713): Corresponden e of Ni olas Bernoulli to Mont-

mort on erning the St. Petersburg Game, Basel.
Bernoulli, D. (1738): Spe imen Theoriae Novae de Mensura Sortis,

E onometri a, 22, Trad. L. Sommer versión 1738.
Bertrand, J. (1883): Théorie des Ri hesses: Revue de Théories mat-

hématiques de la Ri hesse So iale par Léon Walras et Re her hes sur
les Prin ipes Mathématiques de la Théorie des Ri hesses par Augustin
Cournot, Journal des Savants.
Bertsekas, D. (2007): Dynami al Programming and Optimal Control,

Vol. I, II. Athena S ienti , third edn.
(1987): Dynami Programming. Englewoods Clis: Prenti e-

Hall, In .
Bi k handani, S., Hirshleifer, D., y Wel h, I. (1992): A Theory

of Fads, Fashion, Custom, and Cultural Change as Information Cas-
ades Journal of Politi al E onomy, Vol. 100, N◦ 5, pp. 992-1026.
Birkhoff, G. D. (1927): Dynami al Systems. Providen e: A.M.S. Pu-

bli ations.
Blan hard, O. y Fis her, S. (1989): Le tures on Ma roe onomi s.

MIT Press.
Blume, L. y Durlauf, S. (2001): So ial Dynami s. The Intera tions-

Based Approa h to So ioe onomi Behavior New York.
Boldrin, M. (1983): Applying Bifur ation Theory: Some Simple Results

on the Keynesian Business Cy le. Note di Lavoro 8403, University di
Venezia.
Borel, M. (1921): La Théorie du Jeux et las Equations Intégrales à

Noyau Symétrique. Comptes Rendus Hebdomadaires des Séan es de
l'A adémie des S ien es, París.
Bourbaki, N. (1939): Élements de Mathématique. Hermann, París.

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.
Bowley, A. L. (1924): The Mathemati al Groundwork of E onomi s,

Journal of The Royal Statisti al So iety, Vol. 102, pp. 236-241
Brouwer, L. (1912): Invarianz des n-Dimensionalen Geblets, Mate-

matis he Annalen, Vol. 71, pp. 305-313.
Cantor, G. (1895/97): Beiträge zur Begründung der Transniten Men-

genlehre, Mathemats he Annalen, Vol. 45, pp. 581-512; Vol. 49: 207-
216. Tradu ión al Inglés: Cantor, G. (1955): Contributions to the
Founding of the Theory of Transnite Numbers, New York: Dover.
Cassel, G. (1932): The Theory of So ial E onomy. Har ourt Bra e,

New York.
Cerdá, E. (2001): Optimiza ión Dinami a. Pearson Edu a ión, S. A.,

Madrid.
Chiang, A. C. (1992): Elements of Dynami Optimization. M Graw-

Hill, In .
Clark, J. B. (1889): Possibility of a S ienti Law of Wages, Publi-

ations of The Ameri an E onomi Asso iation, Vol. 4, pp. 39-69.
(1891): Distribution as Determined by a Law of Rent, Quar-

terly Journal of E onomi s, Vol. 5, pp. 289-318.
(1899): The Distribution of Wealth: A Theory of Wages, Interest

and Prots. New York: Ma millan.
Cobb, C.,y Douglas, P. (1928): A Theory of Produ tion, Ameri an

E onomi Review, Vol. 18 (Supplement), pp. 139-165.
Coddington, E. y Levinson, N. (1955): Theory of Ordinary Die-

rential Equations. Ma Graw Hill.
Courant, R. (1979): ¾Qué es la Matemáti a?. Editorial Aguilar, Espa-

ña.
Cournot, A. A. (1838): Investiga iones a er a de los Prin ipios Ma-

temáti os de la Teoría de las Riquezas. Fondo de Cultura E onómi a,
Mexi o.
Cramer, G. (1713-1732): Corresponden e of Ni holas Bernoulli on-

erning the St Petersburg game with Montmort, Daniel Bernoulli and
Cramer.
(1750): Introdu tion a l'Analyse des Lignes Courbes Algebriques.
Chez les Freres Cramer Cl Philibert. Geneve.
D'Alembert, J. (1743): Traité de Dynamique, Paris: Chez David, Li-

braire, Rüe & vis-à-vis la Grille des Mathurins.
Dana, R. y Malgrange, P. (1984): The Dynami s of a Dis rete Ver-

sion of a Growth Cy le Model, Analizing the Stru ture of E onometri
Models . New York: W.H. Freeman and Company.
Dantzig, G. B. (1949): Programming in a Linear Stru ture, E ono-
metri a, Vol. 17, pp. 73-74. Preprints de 1947.
Day, R. y Shafer, J. (1985): Keynesian Chaos, Journal of Ma ro-
e onomi s, Vol. 7, pp. 277-295
Day, R. H. (1982): Irregular Growth Cy les, Ameri an E onomi Re-
view, Vol. 72, N◦ 3, pp. 406-414.
(1983): The Emergen y of Chaos from Classi al E onomi
Growth, Quarterly Journal of E onomi s, Vol. 98, N◦ 2, 201-213.
Deaton, A. (1992): Understanding Consumption. Clarendon Press-

Oxford.
Debreu, G. (1953, 1959): Une E onomique de lIn ertain, E ono-

mie Appliquée, Vol. 13, pp.11-16. Tradu ido omo E onomi s under
Un ertainty por S. Devarajan; apare e en Debreu, G. (1959): The
Theory of Value, An Axiomati Analysis of E onomi Equilibrium,
Cap. 7.
(1954): Representation of a Preferen e Ordering by a Nume-

ri al Fun tion. Mathemati al E onomi s, E onometri So iety Mono-
graphs.
(1959): The Theory of Value, An Axiomati Analysis of E ono-

mi Equilibrium. Yale University Press, New Haven and London.
(1962): New Con epts and Te hniques for Equilibrium Analy-

sis. International E onomi Review, Vol. 3, N◦ 3, pp. 257-273.
(1970): E onomies with a Finite Set of Equilibria E onome-

tri a, Vol. 38, pp. 387-392
(1974): Ex ess Demand Fun tions, Journal of Mathemati al

E onomi s, Vol. 1, pp. 15-23.
(1976): Regular Dierentiable E onomies Ameri an E onomi

Review, Vol. 66, pp. 280-287.
Debreu, G. y Koopmans, T. C. (1982): Additively De omposed Qua-

si onvex Fun tions. Mathemati al Programming: S ienti Papers of
Tjalling C. Koopmans (1985), Springer Verlag.
Debreu, G. y S arf, H. (1963): A Limit Theorem on the Core of an

E onomy, International E onomi Review, Vol.4 , pp. 235-246.
Dierker, E. (1972): Two Remarks on the Number of Equilibria of an

E onomy, E onometri a, Vol. 40, N◦ 5, pp. 951-953.
Dieudonné, J. (1981): History of Fun tional Analysis. North Holland,

Amsterdam.
Dini, U.(1878): Lezioni Dettate Nella R. Universitá di Pisa. Anno A a-

demi o 1877-1878.
Dixit, A. K. (1990): Optimization in E onomi Theory. Oxford Univer-

sity Press.
Douglas, J. (1931): Solution of the Problem of Plateau, Trans. Amer.

Math. So ., Vol. 33, N◦ 1, pp. 263-321.
Durlauf, S. N. y Bro k, W. A. (2001): Dis rete Choi e with So ial

Intera tions, Review of E onomi Studies, Vol. 68, N◦ 2, pp. 235-260.
Eatwell, J., Milgate, M., y Newman, P. (1987): The New Pal-

grave: A Di tionary in E onomi s,, The Ma millan Press Limited.
Edgeworth, F. Y. (1877): New and Old Methods of Ethi s, . Oxford

and London. James Parker and Co.
(1881): Mathemati al Psy hi s: An Essay on the Appli ation of

Mathemati s to the Moral S ien es. London: Kegan Paul and Co.
(1897): The Theory of International Values, E onomi Jour-
nal, Vol. 4, pp. 35-50.
Einstein, A. (1971): El Signi ado de la Relatividad, Espasa Calpe.
Euler, L. (1744): Methodus Inveniendi Lineas Curvas Maximi Mini-

more Propietas Gaudentes. Lausana y Génova: Mar um-Mi haelem
Bousque.
(1748): Introdu tio in Analysin Innitorum. Tradu ido al In-

glés omo Introdu tion to the Analysis of the Innite , New York,
Springer, 1988, 1990.
Evans, G. C. (1924): The Dynami s of Monopoly, Ameri an Mathe-

mati al Monthly, Vol. 31, N◦ 2, pp. 77-83.
Farkas, J. (1902): Über die Theorie der Einfa hen Unglei hungen,
Journal für die Reine und Angewandte Mathematik, Vol. 124, pp. 1-
27.
Fishburn, P. C. (1994): Utility and Subje tive Probability. Elsevier:

Amsterdam.
Fisher, I. (1926): Mathemati al Investigations in the Theory of Value

and Pri es, . Yale University Press. New Haven.
(1930): The Theory of Interest, . New York: Ma millan.
Fourier, J. (1822): Théorie Analytique de la Chaleur. A Paris. Chez

Firmin Didot, Fen et Fils.
Fré het, M. (1906): Sur Quelques Points du Cal ul Fon tionnel. Sprin-
ger Wien.
Friedman, M. (1957,1973): Una Teoría de la Fun ión Consumo. Tra-

du ión de Lorenzo Betan or Curbelo. Alianza Editorial. Madrid, Es-
paña.
(1963): `Windfalls', the `Horizon', and Related Con epts on the

Permanent In ome Hypothesis. Measurement in E onomi s: Studies
in Mathemati al E onomi s and E onometri s in Memory of Yehuda
Grunfeld. Stanford University Press.
(1982): Teoría de los Pre ios. Tradu ión de José Vergara y

José Vergara L. de San Román. Alianza Universidad.
Frobenius, G. (1902): Ueber Matrizen aus Ni ht Negativen Elemen-

ten, Sitzungsber. Königl. Preuss. Akad. Wiss.
Galilei, G. (1632): Dialogo Sopra i due Massimi Sistemi del Mondo,

Firenze.
Gintis, H. (2005): The Dynami s of General Equilibrium, The E o-

nomi Journal, Vol. 117, N◦ 523, pp. 1280-1309.
Glaeser, E, y S heinkman, J.A. (2002): Non-Market Intera tions,

Harvard University, Working Paper No. 8053.
Goodwin, R. (1951): The Nonlinear A elerator and the Persisten e

of Business Cy les, E onometri a, Vol. 19, pp. 1-17.
Gossen (1854): Entwi klung der Gesetze des Mens hli hen Verkehrs
und der Daraus Fliessenden Regeln für Mens hli hes Handeln .
Grandmont, J. M. (1985): On Endogenous Competitive Business Cy-

les, E onometri a, Vol. 53, pp. 995-1045.
Grobman, D.(1959): Homeomorphisms of Systems of Dierential

Equations. Dokl. Akad. Nauk.
Gu kenheimer, J. y Holmes, P. (1983): Nonlinear Os illations, Dy-

nami al Systems and Bifur ations of Ve tor Fields. SpringerVerlag,
New York.
Hadamard, J. (1910): Leçons sur le Cal ul des Variations. Paris: Édi-

tions Ja ques Gabay.
Hahn, F. H. (1962a): On the Stability of Pure Ex hange Equilibrium,

International E onomi Review, Vol. 3, pp. 206-213.
Hahn, F. H. y Negishi, T. (1962b): A Theorem on Non-Tâtonnement

Stability, E onometri a, Vol. 30, N◦ 3, pp. 463-469.
Hall, R. (1978): Sto hasti Impli ations of the Life Cy le-Permanent

In ome Hypothesis: Theory and Eviden e, The Journal of Politi al
E onomy, Vol. 86, N◦ 6, pp. 971987.
Hamilton, R. (1834-35): General Method in Dynami s. The Philo-
sophi al Transa tions of the Royal So iety of London.
Hart, S. (2005): Values of Non-Atomi Ve tor Measure Games, Inter-
national Journal of Game Theory, Vol. 33, pp. 355-366.
Hartman, P. (1963): On the Lo al Linearization of Dierential Equa-
tions, Pro eedings of the Ameri an Mathemati al So iety, Vol. 14, 568-
573.
Hausdorff, F. (1914): Grundzüge der Mengenlehre, (Chelsea, New

York, 1949). Leipzig (Revised 1944).
Herstein, I., y Milnor, J. (1953): An Axiomati Approa h to Mea-

surable Utility, E onometri a, Vol. 21, pp. 291-297.
Hi ks, J. R. (1932): Marginal Produ tivity and The Prin iple of Va-
riation, E onomi a, Vol. 12, pp. 79-88.
(1936): Mr. Keyness Theory of Employment, E onomi Jour-

nal, Vol 46, pp. 238-253.
(1937): Mr. Keynes and the Classi s: A Suggested Interpreta-
tion, E onometri a, Vol. 5, pp. 147-159.
(1939): Value and Capital: An Inquiry into some Fundamental

Prin iples of E onomi Theory. Oxford: Clarendon Press.
(1950): A Contribution to the Theory of the Trade Cy le. Cla-
rendon Press, London.
(1980): IS-LM: An Explanation, Journal of Post Keynesian

E onomi s, Vol. 3(2), pp. 139-154.
Hi ks, J. R. y Allen, R. (1934): A Re onsideration of the Theory of
Value, E onomi a (New Series), Vol. 1, N◦ 1, 196-219.
Hirs h, M. y Smale, S. (1974): Dierential Equations, Dynami al

Systems, and Linear Algebra. A ademi Press, New York.
Hotelling, H. (1932): Edgeworth's Taxation Paradox and the Nature

of Demand and Supply Fun tions, Journal of Politi al E onomy, Vol.
40, pp. 577-616.
Hurwi z, L. (1986): On the Implementation of So ial Choi e Rules in

Irrational So ieties. In Heller et al. (editors), Essays in honor of Ken-
neth J. Arrow.
Intriligator, M. (1971): Mathemati al Optimization and E onomi

Theory. Prenti e-Hall.
Ja obi, C. G. (1881-1891): Gesammelte Werke. 7 Vols., G. Reimer,

Berlin.
Kakutani, S. (1941): A Generalization of Brouwer's Fixed Point Theo-

rem, Duke Mathemati al Journal, Vol. 8, N◦ 3, pp. 457-459.
Kaldor, N. (1939): Welfare Propositions of E onomi s and Interper-

sonal Comparisons of Utility, E onomi Journal, Vol. 49, pp. 549-552.
(1940): A Model of the Trade Cy le, The E onomi Journal,

Vol. 50, pp. 78-92.
(1966): Causes of the Slow Rate of E onomi Growth in the UK.

Cambridge, UK.
Kalman, R. E. (1960): A New Approa h to Linear Filtering and Pre-

di tion Problems, Journal of Basi Engineering, Vol. 82, N◦ 1, pp.
35-45.
Kandori, M., Mailath, G. y Rob, R. (1991): Learning, Mutation,

and Long Run Equilibria in Games, E onometri a, Vol. 61, pp. 29-56.
Kantorovi h, L. V. (1939): The Mathemati al Method of Produ tion

Planning and Organization. Leningrad University Press.
Karush, W. (1939): Minima of Fun tions od Several Variables with

Inequalities as Side Constraints. M. S . Dissertation, Department of
Mathemati s, University of Chi ago.
Kehoe, T. J. (1985): Multipli ity of Equilibria and Comparative Sta-

ti s, Quarterly Journal of E onomi s, Vol. 100, pp. 119-147.
Keynes, J. M. (1906, 1921): A Treatise on Probability. London: Ma -

millan & Co.
(1919): The E onomi Consequen es of the Pea e. New York:

Har ourt, Bra e New York & Co.
(1930): A Treatise on Money. Two volumes. New York: Har-

ourt, Bra e & Company.
(1936): The General Theory of Employment, Interest and Mo-

ney. London: Ma millan.
(1940): How to Pay for the War. New York: Har ourt, Bra e &
Co.
Kolmogorov, A. N. y Fomin, S.V. (1970): Introdu tory Real Analy-

sis. Dover Publi ations.
Koopmans, T. (1951): A tivity Analysis of Produ tion and Allo ation.
New York.
Kreps, D. y Wilson, R. (1982): Reputation and Imperfe t Informa-

tion, Journal of E onomi Theory, Vol. 27, N◦ 2, pp. 253-279.
Kuhn, T. S. (1970): The Stru ture of S ienti Revolutions. 2d. Ed.

Chi ago: Chi ago University Press.
Kuhn, H. W. y Tu ker, A. W. (1951a): Linear Inequalities and Re-

lated Systems. Prin eton University Press, Prin eton, New Jersey.
(1951b): Pro eedings of the Se ond Berkeley Symposium on Mat-
hemati al Statisti s and Probability: Nonlinear Programming. Univer-
sity of California Press, Berkeley.
(1956a): Linear Inequalities and Related Systems. Prin eton

University Press, Prin eton.
(1956b): Pro eedings of the Se ond Berkeley Symposium on Mat-

hemati al Statisti s and Probability: Nonlinear Programming. Univer-
sity of California Press, Berkeley.
Lagrange, J. L. (1788): Mé anique Analytique . Paris: V. Cour ier,

1811.
(1867-1892): ×uvres (J. A. Serret (ed.)) 14 Vols., Paris:

Gauthier-Villars.
Lange, O. (1942): The Foundations of Welfare E onomi s, E onome-

tri a, Vol. 10, N◦ 3/4, pp. 215-228.
Larew, G. (1919): Ne essary Conditions in the Problems of Mayer in

the Cal ulus of Variations, Transa tions of the Ameri an Mathema-
ti al So iety, Vol. 20, N◦ 1, pp. 1-22.
Leontief, W. (1993): Análisis E ónomi o Input-Output. Editorial Pla-

neta.
Lerner, A. P. (1932): The Diagrammati al Representation of the Cost

Conditions in International Trade, E onomi a, Vol. 1, pp. 346-356.
Lips hitz, R. (1876): Bedeutung der Theoretis hen Me hanik . Berlin.
Li, T.Y. y Yorke, J. (1975): Period Three implies Chaos, Ameri an

Mathemati al Monthly, Vol. 82, N◦ 10, pp. 985-992.
Lotka, A. (1925): Elements of Physi al Biology. Williams and Wilkins,

Baltimore.
Lyapunov, A. M. (1892): The General Problem of the Stability of Mo-

tion. London: Taylor and Fran is, 1992.
Malthus, T. (1798): Essay on the Prin iple of Population. J. Johnson,

London.
Mandelbrot, B. (1983): The Fra tal Geometry of Nature. New York:

W.H. Freeman and Company.
Mangasarian, O. (1966): Su ient Conditions for the Optimal Con-

trol of Nonlinear Systems, Siam Journal of Control, Vol. 4, N◦ 1, pp.
139-152.
Mantel, R. (1974): On the Chara terization of Aggregate Ex ess De-

mand, Journal of E onomi Theory, Vol. 7, N◦ 3, pp. 348-353.
Manuelli, R. y Sargent, T. (1987): Exer ises in Dynami Ma ro-

e onomi Theory. Harvard University Press.
Mariotte, E. (1676): Dis ours de la Nature de lAir. Paris: Libraries
du Bureau des Longitudes de lE ole Polyte hnique.
Marshall, A. (1890): Prin iples of E onomi s. London: Ma millan.
Maskin, E. y Tirole, J. (1990): The Prin ipal-Agent Relationship
with an Informed Prin ipal: The Case of Private Values, E onome-
tri a, Vol. 58, N◦ 2 , pp. 379-409.
Marx, K. (1984): El Capital. Críti a de la E onomía Políti a. Tradu -
ión del Alemán de Wen eslao Ro es. Vol. 1. Fondo de Cultura E o-
nómi a, Méxi o.
Mas-Collel, A. (1975): On the Equilibrium Pri e Set of an Ex hange
E onomy, Journal of Mathemati al E onomi s, Vol. 4, N◦ 2, pp. 117-
126.
(1985): The Theory of General E onomi Equilibrium: A Dif-
ferentiable Approa h. Cambridge University Press.
Maynard Smith, J. y Pri e, G. R. (1973): The Logi of Animal
Coni t, Nature 246.
M kenzie, L. (1954a): On Equilibrium in Grahams Model of World
Trade and Other Competitive Systems, E onometri a, Vol. 22, pp.
146-161.
Minkowski, H. (1910): Das Relativitatprinzip, Mathematis he Anna-
len, Vol. 68.
Modigliani, F. (1978): Life Cy le, Individual Thrift, and the Wealth of
Nations, The Ameri an E onomi Review, Vol. 76, N◦ 3, pp. 297-313.
Modigliani, F. y Brumberg, R. (1954): Utility Analysis and the
Consumption Fun tion: an Interpretation of Cross-Se tion Data.
Post-Keynesian E onomi s. Rutgers University Press. pp. 388-436.
Modigliani, F. y Ando, A. (1963): The Life-Cy le Hypothesis of
Saving: Aggregate Impli ations and Tests, The Ameri an E onomi
Review, Vol. 53, N◦ 1, pp. 55-84.
Monsalve, S. y Arévalo, J. (2005): Un Curso de Teoría de Juegos

Clási a. Universidad Externado de Colombia. Bogotá-Colombia.
Monsalve, S. (1999): Introdu ión a los Con eptos de Equilibrio en
E onomía. Unibiblos. Universidad Na ional de Colombia. Bogotá-
Colombia.
Murray, J. D. (2002): Mathemati al Biology: I. An Introdu tion. Sprin-

ger.
Myerson, R. (2007): Me hanism Design, Northwestern University.

Mimeo.
Myerson, R. y Satterthwaite, M. (1983): E ient Me hanisms

for Bilateral Trading, Journal of E onomi Theory, Vol. 29 , pp. 265-
281.
Nash, J. F. (1950): Equilibrium Points in n-Person Games, Pro ee-

dings of the National A ademy of S ien es, Vol. 36, pp. 48-49.
Newton, I. (1686): Philosophie Naturalis Prin ipia Mathemati a. Lon-
don: S. Pepys.
Nikaido, H. (1968): Convex Stru tures and E onomi Theory. A ade-

mi Press, New York.
Ok, E. (2008): Real Analysis and Probability with E onomi Appli a-

tions. (Le ture Notes in print).
Osborne, M. y Rubinstein, A. (1994): A Course in Game Theory.
MIT Press.
Pareto, V. (1906, 1945): Manual de E onomia Politi a. Buenos Aires:

Editorial Atalaya. Versión original de 1906.
Patinkin, D. (1956): Money, Interest and Pri es. Evanston Ill: Row,
Peterson.
Peano, G. (1886): Sull'Integrabilità delle Equazioni Dierenziali del

Primo Ordine, Atti A ad. S i. Torino, Vol. 21, pp. 677-685.
Perron, O. (1907): Zur Theorie der Matrizen, Mathematis he Anna-

len, Vol. 64, pp. 248-263.
(1929): Über Stabilität und Asymptotis hes Verhalten der In-

tegrale von Dierential Glei hungs Systemen, Mathematis he Zeits-
hrift.
Pi ard, E. (1887-1888): Démonstration d'un Théorème Général sur les

Fon tions Uniformes Liées par une Équation Algébrique. A ta Math.,
Vol. 11, pp. 1-12.
Pielou, E. C. (1977): Introdu tion to Mathemati al E ology. Wiley, New

York.
Pigou, A. C. (1920): E onomi s of Welfare . Ma millan and o. London.
(1933): Theory of Employment. Ma millan and o. London.
(1941): Employment and Equilibrium. Ma millan and o. Lon-

don.
Pohjola, M. (1981): Stable, Cy li and Chaoti Growth: The Dyna-

mi s of a Dis rete-Time Version of Goodwin's Growth Cy le Model,
Zeits hrift für Nationalökonomie.
Poin aré, H. (1886): Sur les Intégrales Irreguliéres des Équations Li-
néaires. A ta Math. Vol. 8, pp. 295-344.
(1890): Sur les Équations de la Dynamique et le Problème des

Trois Corps. A ta Math. Vol. 13, pp. 1-270.
(1892): Les Méthodes Nouvelles de la Mé anique Céleste. Tome

I. Paris: Gauthier-Villars.
(1908): S ien e and Méthode. Paris: Flammarion. (S ien e and

Method, 1914, 1952. New York).
Poinsot, L. (1803, 1842): Eléments de Statique. 8th edn, Paris.
Pontryagin, L., Gamkrelidze, E. (1961):

y Mish henko, R.V.
The Mathemati al Theory of Optimal Pro esses. Gordon and Brea h
(tradu ión de 1986).
Radner, R. (1968): Competitive Equilibrium under Un ertainty, E o-

nometri a, Vol. 36, N◦ 1, pp. 31-58.
Radó, T. (1930): On Plateaus Problem, Ann. of Math., Vol. 31, N◦

2, pp. 457-469.
Reid, M. y Dunsing, M. (1956): Ee t of Variability of In omes on

Level of In ome-Expenditure Curves of Farm Families, The Review
of E onomi s and Statisti s, Vol. 38, N◦ 1 , pp.90-95.
Ri ati, M. (1752): De Usu Motus Tra torii in Constru tione Aequa-

tionum Dierentialium. Bologna, Della Volpe.
Riesz, F. y Nagy, B. Szg. (1965): Leçons dAnalyse Fonn tionnelle.

Paris: Gauthier Villars.
Rothbard, M. (1987): Time Preferen e. The New Palgrave: A Di tio-

nary in E onomi s, The Ma millan Press Limited.
Rudin, W. (1976): Prin iples of Mathemati al Analysis. International

Series in Pure and Applied Mathemati s.
Samuelson, P. (1939): Intera tions between the Multiplier Analysis

and the Prin iple of A eleration, The Review of E onomi Statisti s,
Vol. 21, N◦ 2, pp. 75-78
(1947): Foundations of E onomi Analysis. Cambridge Univer-

sity Press, Cambridge.
(1958): An Exa t Consumption-Loan Model of Interest with

or without the So ial Contrivan e of Money, Journal of Politi al E o-
nomy, Vol. 66, N◦ 467-482.
Samuelson, L. (1998): Evolutionary Games and Equilibrium Sele tion.

MIT Press, Cambridge.
Sargent, T. (1987a): Dynami Ma roe onomi Theory. Harvard Uni-

versity Press.
(1987b): Ma roe onomi Theory. London: A ademi Press, In .,

se ond edn.
Savage, L. J. (1954): The Foundations of Statisti s. John Wiley, New

York.
S arf, H. (1960): Some Examples of Global Instability of the Compe-

titive Equilibrium, International E onomi Review, Vol. 1, N◦ 3, pp.
157-172.
S hlesinger, K. (1933): On the Produ tion Equations of E onomi

Value Theory, Ergebnisse eines Mathematis hen Kolloquiums, 1933-4.
S humpeter, J. (1971): Diez Grandes E onomistas: de Marx a Keynes.

Tradu ión de Ángel de Lu as. Alianza Universidad.
S itovsky, T. (1942): A Re onsideration of the Theory of Taris,

Review of E onomi Studies, Vol. 9, pp. 89-110.
Senior, N. (1836): An Outline of the S ien e of Politi al E onomy.

London: Ri hard Grin and Company.
Shubik, M. J. (1959): Edgeworth Market Games. Contribution to the

Theory of Games IV, Prin eton University Press.
Smith, A. (1776): An Inquiry into the Nature and Causes of the Wealth
of Nations. Oxford: Clarendon Press.
Sonnens hein, H. (1972): Market Ex ess Demand Fun tions, E ono-

metri a, Vol. 40, pp. 549-563.
Spivak, M. (1978): Cal ulus, Vol. II. Editorial Reverté: Bar elona.
Sraffa, P. (1926): The Laws of Returns under Competitive Condi-

tions, E onomi Journal, Vol. 36, pp. 535-550.
Sta kelberg, H. (1934): Marktform und Glei hgewi ht. Viena: Julius
Springer.
Stigler, J.(1954): The Early History of Empiri al Studies of Consu-

mer Behavior, The Journal of Politi al E onomy, Vol. 62, N◦ 2, pp.
95-113.
Stokey, N. L. y Lu as, R. (1993): Re ursive Methods in E onomi

Dynami s. Harvard University Press.
Sylvester, J. J. (1857): Colle ted Mathemati al Papers, 4 Vols. Cam-

bridge University Press.
Takayama, A. (1993): Analyti al Methods in E onomi s. The Univer-

sity of Mi higan Press.
Tobin, J. (1985): Neo lassi al Theory in Ameri a: J. B. Clark and

Fisher, The Ameri an E onomi Review, Vol. 75, N◦ 6, pp. 28-38.
(1987): Irving Fisher. The New Palgrave: A Di tionary in E o-

nomi s, The Ma millan Press Limited.
Turgot, A. R. J. (1768, 1970): Observations sur le Memoire de M. de

Saint-Peravy en Faveur de lImpot Indire t, en A. R. J. Turgot, E rits
E onomiques (ed. B. Cazes), Paris: Calman-Levy.
Uzawa, H. (1962a): On the Stability of Edgeworths Barter Pro ess,

International E onomi Review, Vol. 3, pp. 218-232.
(1962b): Walras Existen e Theorem and Brouwer's Fixed Point

Theorem, E onomi s Studies Quarterly, Vol. 8, pp. 59-62.
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.
Veblen, T. (1919, 1961): The Pla e of S ien e in Modern Civilization

and other Essays. New York: Russell and Russell.
Volterra, V. (1888): Leçons sur les Équations Intégrales et les Équa-

tions Intégro-Diérentielles, Gauthier-Villars (1913).
(1926): Variazioni e Fluttuazioni del Numero dIndividui in

Spe ie Animali Conviventi. Mem. R. A ad. Naz. del Lin ei.
Von Neumann, J. (1928): Zur Theorie der Gessellshaftspiele (On the

Theory of Parlor Games,) Mathematis he Annalen.
(1929): Allgemeine Eigenwerttheorie Hermites her Funktiona-

loperatoren, Mathematis he Annalen. Vol.102, pp. 49-131.
(1932): Mathematis he Grundlagen der Quantenme hanik, Die

Grundlehren der Mathematis hen Wissens haften, Band 38. Berlin:
Springer.
(1946): A Model of General E onomi Equilibrium, Review of

E onomi Studies, Vol. 13, N◦ 1, pp. 1-9. Tradu ión del original en
Alemán de 1928.
von Neumann, J. y Morgenstern, O. (1944, 1947): Theory of Games

and E onomi Behavior, Prin eton University Press, Prin eton.
von Thünen, J. H. (1826): Der Isolierte Staat.... Vol. 1. Tradu ido al

Inglés por Carla M. Wartenberg, Oxford, New York, Pergamon Press
(1966).
Wald, A. (1951): On Some Systems of Equations of Mathemati al

E onomi s, E onometri a, Vol. 19, N◦ 4, pp. 368-403. Tradu ión del
original en Alemán de 1936.
Walras, L. (1860): Lé onomie Politique et la Justi e; Examen Cri-

tique et Réfutation des Do trines É onomiques de M. P.J. Produhon
Pré édes d'une Introdu tion á lÉtude de la Question So iale. Librairie
de Guillaumin et Cie, Paris.
(1874): Éléments D'e onomie Politique Pure (Theorie de la Ri-

hesse So iale), Tradu ión al español de Julio Segura, 1987, Alianza
Editorial.
(1896): Theorie de la Proprieté, Revue So ialiste Vol. 23 N◦

138.
Weibull, J. (1995): Evolutionary Game Theory, MIT Press, Cambrid-

ge.
Weierstrass, K. (1849):Zur Theorie der Potenzreihen, en Vol. 1 de

Weierstrass (Werke ) pp. 67-74. Manus rito de 1841.
(1894-1927):Mathematis he Werke von Karl Weierstrass. Berlin:

Mayer und Müller. 7 Vols.
Whiteman, C. H. (1987): Problems in Ma roe onomi Theory. London:

A ademi Press, In .
Wi ksell, K. (1900): Marginal Produ tivity as the Basis for E onomi

Distribution. Ekon Tidskrift.
(1901): Le tures on Politi al E onomy, Vol. 12. Routledge and

Kegan Paul Ltd.
Wi ksteed, P. (1894): An Essay of the Co-ordination of the Laws of

Distribution. London: London S hool of E onomi s.
(1910): The Common Sense of Politi al E onomy. London: Ma -

millan.
Young, A. (1928): In reasing Returns and E onomi Progress, E o-

nomi Journal, Vol. 38, N◦ 152, pp. 527-42.
Zahl, S. (1964): A Deformation Method for Quadrati Programming,

Journal of the Royal Statisti al So iety, Vol. 26B, pp. 141-160.
Respuestas
Le ión 1: Fun iones Cón avas y Cuasi-
ón avas
Ejer i ios 1.
1. h(λ(x, y) + (1 − λ)(w, z) = h(λx + (1 − λ)w, λy + (1 − λ)z))
= f (λx + (1 − λ)w) + βf (λy + (1 − λ)z)
≥ (λf (x) + (1 − λ)f (w)) + β(λf (y) + (1 − λ)f (z))
= λ(f (x) + βf (y)) + (1 − λ)(f (w) + βf (z))
= λh(x, y) + (1 − λ)h(w, z)
El resultado orrespondiente para la on avidad estri ta también
se tiene. Basta ambiar el símbolo ≥ que apare e arriba, por >.
(a + b) − |a − b|
2.a) En lo que sigue, tenga en uenta que mı́n{a, b} = :
2
f (λ(x, y) + (1 − λ)(w, z)) =
=f (λx + (1 − λ)w, λy + (1 − λ)z)
= mı́n{λx + (1 − λ)w, λy + (1 − λ)z}
(λx + (1 − λ)w + λy + (1 − λ)z) − |λ(x − y) + (1 − λ)(w − z)|
=
2
x + y − |x − y| w + z − |w − z|
≥ λ( ) + (1 − λ)( )
2 2
= λ mı́n{x, y} + (1 − λ) mı́n{w, z}
La fun ión mı́n{x, y} no es estri tamente ón ava pues si (x, y) =
(1, 1) y (w, z) = (1, 3) enton es, en la prueba inmediatamente an-
611
612 Matemáti as para E onomistas III: Optimiza ión y dinámi a
terior, el símbolo de desigualdad (≥) puede ambiarse por uno de

igualdad (=), ya que ambos términos son iguales a 1.
1
2 ) No. Basta tomar la fun ión onvexa f (x) = y darnos uenta de
x
que su inversa es ella misma.
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
Luego es ón ava en x + y > 1.

d ) La matriz hessiana es

2 0
0 2
Luego es estri tamente onvexa en R2 .

e ) La matriz hessiana es
" 1 #
− 3 0
x2
1
0 − 3
2y 2
Luego es estri tamente ón ava en R2++ .

f ) La matriz hessiana es

0 1
1 0
Luego es ón ava en R2++ .

Respuestas 613
g ) La matriz hessiana es
" #
1
− 3 0
4x 2
0 −2
Luego es estri tamente ón ava en R2++ .

h ) La matriz hessiana es

− x12 0
0 −ey
Luego es estri tamente ón ava si x > 1 y y > 0.
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
Luego es uasi ón ava estri ta.

b ) El hessiano orlado es
 
0 2x 1
 2x 2 0 
1 0 0
Luego es uasi onvexa estri ta.

) El hessiano orlado es
 
0 3 (x + y)2 3 (x + y)2
 3 (x + y)2 6x + 6y 6x + 6y 
2
3 (x + y) 6x + 6y 6x + 6y
Luego es uasi ón ava.

d ) Cuasi onvexa estri ta.
f) El hessiano orlado es
 
0 2x − 1 2y − 1
 2x − 1 2 0 
2y − 1 0 2
Luego es uasi onvexa estri ta.

g) Si α, β > 1 la fun ión es uasi onvexa estri ta.
h) El hessiano orlado es
 
0 y+4 x
 y+4 0 1 
x 1 0
Por lo tanto es uasi on ava estri ta.

i) La fun ión es uasi ón ava.
j) La fun ión es uasi ón ava.

1. f (x) = 0 si x ∈ [0, 1] ∪ [2, 3]; y f (x) = 1 si x ∈ (1, 2).
2. Asumamos, para pre isar la arma ión, que el dominio de la fun-

ión es el espa io Rn . Como f (·) es onvexa, enton es f (λx + (1 −
λ)y) ≤ λf (x) + (1 − λ)f (y). Y omo f (·) es ón ava, enton es
f (λx+(1−λ)y) ≥ λf (x)+(1−λ)f (y). Por lo tanto, para λ ∈ [0, 1],
f (λx + (1 − λ)y) = λf (x) + (1 − λ)f (y)
Ahora: Si λ = 12 enton es tendremos que f ( 12 (x + y)) = 12 (f (x) +

f (y)), y si tomamos a = 12 x y b = 12 y , enton es 2f (a + b) =
Respuestas 615
f (2a) + f (2b). Con esta e ua ión (ha iendo b = 0) tendremos, por

onsiguiente, que 2f (a + 0) = f (2a) + f (0), que es equivalente a
f (2a) = 2f (a) − f (0). Y así, para ualquier a, b en Rn , se tendrá
que f (a + b) = f (a) + f (b) − f (0); es de ir, f (·) es un hiperplano
(que no ne esariamente pasa por el origen).
3. y = x2 para x > 0 es uasi ón ava y uasi onvexa pero no es lineal.
5. b) La fun ión es uasi ón ava estri ta.

) La fun ión es uasi ón ava.
d) La fun ión es uasi onvexa.
6. No es ón ava, ni onvexa, ni uasi ón ava; per sí es uasi onvexa

estri ta omo se puede ver estudiando la fun ión −f (·).
10. x∗ = 11, y ∗ = 9.
15.a) f (λx) = λα f (x) ≤ λf (x) pues λ ≥ 1.
15.b) f (λx) = λf (x), y así tiene rendimientos onstantes a es ala.
15. ) f (λx) = λα f (x) ≥ λf (x) pues λ ≥ 1.

16.a) No es homogénea. 16. ) Es homogénea de grado 0.
16.e) Es homogénea de grado 2.
17.a) Como f (x) es ón ava y f (0) = 0, enton es tiene rendimientos

de re ientes a es ala.
1
17.b) f (x) = x n es ón ava y f (0) = 0, luego tiene rendimientos de re-
ientes a es ala.
17. f (x) = x2 es homogénea de grado 2 y, por tanto, tiene rendimientos

re ientes a es ala.
17.d f (x, y) = x + y es homogénea de grado 1 y, por onsiguiente, tiene

rendimientos onstantes a es ala.
17.e f (x, y) = xy es homogénea de grado 2 y, por esto, tiene rendimien-

tos re ientes a es ala.
Le ión 2: Optimiza ión Estáti a

Ejer i ios 1.
1.a) f (x, y) = −(x − 1)2 − y 2 , g(x, y) = y − x2 − 1
1
1. ) f (x, y) = −3x − 7y , g(x, y) = (x3 + y 3 ) 3 − 100
1.e) f (x, y) = −5x − 2y , g(x, y) = 7x + 9y − 15
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.
1.b) Puesto f (x, y) = x2 + y 2 es ontinua en su dominio, y el onjunto

de restri ión es ompa to, enton es, por el teorema de Weiers-
trass, el problema tiene solu ión. Además, puesto que −f (x, y) es
uasi ón ava y el onjunto de restri ión es onvexo, enton es, por
el teorema 2, se tiene que la solu ión es úni a: x = 0 y y = 0.
1.d) Puesto f (x, y) = yex es ontinua y el onjunto de restri ión es

ompa to, enton es, por el teorema de Weierstrass, el problema
tendrá solu ión. Y omo, además, f (x, y) es uasi ón ava, enton es,
por el teorema 2, la solu ión es úni a.
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
∗
f) No tiene solu ión.

Respuestas 617
√
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
2. En general, los hiperplanos de soporte pueden no ser úni os. Por

ejemplo si C = {(x, y) ∈ R2 | y ≥ |x|} y p = (0, 0), enton es
ualquier re ta de la forma y = mx on m ∈ (−1, 1) satisfa en la
ondi ión del teorema 11.
Ejer i ios 7.
1.a)
Ejer i ios 8.
1.

2. a) Máximo (0, 4), mínimo (3, 3)
) Máximo (0, 0), mínimo (0, −1)
3. a) x∗ = 2, y ∗ = 0
b) x∗ = 4, y ∗ = 0
4. ( 32 , 2, 52 ).
5. x = 3, y = 3, z = 3.
√
32 32 4 5
10. x∗ = 5 , y∗ = 5 , z∗ = 5 .
√
11. x∗ = 12 , y ∗ = 7
16 , z∗ = 143
16 .
px
39.a) Por la ley de Walras (px zx + py zy = 0) se tiene que zy = − zx y
py
basta reemplazar on la expresión de zx dada en el ejer i io.
py 1
39.b) =
px 2
40.b) Utilizando la ley de Walras (px zx + py zy + ph zh = 0) se obtiene que
py zy + ph zh
zx = − , y bastaría reemplazar aquí on las fórmulas
px
para zy y zx dadas en el problema.
py ph
40. ) =3 y =5
px px
1 py 1 px 9 12 py 8 6 px
41.a) xA = + ; yA = 1+ ( ); xB = + ; yB = + ;
2 px 2 py 5 5 px 5 5 py
17 17 py 17 17 px
zx = − + ; zy = − +
10 5 px 5 10 py
41.b) px zx + py zy = (− 17
10 px +
17 17
5 py ) − ( 5 py + 17
10 px ) =0
px 2 py 1
41. ) Px = = ; Py = =
px + py 3 px + py 3
44.a) Este juego tiene tres equilibrios de Nash: Dos puros ((A, C) y
(B, D)); y uno mixto (( 23 A + 13 B, 23 C + 13 D)).
44.b) Este juego sólo tiene un equilibrio de Nash: (B, D).
Índi e alfabéti o
Óptimo de Pareto, 134 Conjunto de produ ión, 130
Tâtonnement, 139141 Cournot, Antoine Augustin, 148
Criterio de estabilidad, 72, 84
Hi ks, John, 127
Criterio de Routh-Hurwi z, 58
Samuelson, Larry, 157
Criterios de estabilidad para sis-
Allais, Mauri e, 126 temas autónomos, 12
Arrow, Kenneth J., 125
Atra tor, 11 Data ión por arbono radia ti-
Aumann, Robert J., 143, 149, 163 vo, 14
Debreu, Gerard, 126, 143
Banerjee, Abhijit V., 161 Desintegra ión radia tiva, 13, 64
Bernoulli Diagrama de fase, 68, 78
E ua ión de, 168 Diagrama de fase unidimensio-
Bernoulli, Daniel, 2 nal, 8
Bernoulli, Ja ob, 2 Diagramas de fase en dos dimen-
Bernoulli, Johann, 2 siones, 21
Bifur a ión, 102, 105 Dinámi a del péndulo, 51
Biología matemáti a, 26 Dinámi a del resorte, 43
Birkho, George, D., 3 Durlauf, Steven, 158, 160
Blume, Lawren e, 160
Bourbaki, Ni olás, 131
E onomía Arrow-Debreu, 132
Bro k, William, 158
E onomía on innitos equilibrios,
Caos, 102 136
Caos en la e ua ión logísti a, 104 E ua ión auxiliar, 87
Cassel, Gustave, 125 E ua ión de Bernoulli, 167
Centro, 40 E ua ión de Ri ati, 168
Clasi a ión de equilibrios, 39 E ua ión diferen ial ordinaria, 42
Competen ia imperfe ta, 148 E ua ión en diferen ias omo sis-
Conjunto de onsumo, 129 tema dinámi o, 97
619
E ua ión en diferen ias omo un Fra tal, 103

sistema dinámi o, 87 Fun ión arpa, 67, 100
E ua ión logísti a, 24, 69, 91 Fun ión ex eso de demanda, 147
E ua ión logísti a dis reta, 70 Fun iones de ex eso de deman-
E ua ión Lotka-Volterra, 24 da, 141
Edgeworth, Fran is Y., 143, 149
Gintis, Herbert, 142
Equilibrio
Goodwin, Ri hard, 110
entro (vórti e), 38
espiral, 38 Hart, Sergiu, 144, 163
espiral onvergente, 38 Hi ks, John, 113
fo o divergente, 38
fuente, 38 Interés simple y ompuesto, 65
nodo onvergente, 38
Juego evolutivo, 155
nodo impropio, 38
punto de silla, 38 Kehoe, Timothy, 137
valle, 38 Keynes, John Maynard, 111, 112
Equilibrio asintóti amente esta- Koopmans, Tjalling, 126
ble, 71
Equilibrio estable, 71 Ley de Boyle-Mariotte, 167
Equilibrio inestable, 71 Ley de Malthus, 69, 168
Equilibrio walrasiano, 133, 135, Ley de Torri elli, 15
139 Linealiza ión de sistema no-lineal,
Equilibrio walrasiano y nú leo, 90
143 Lips hitz, Rudolf, 3
Lyapunov, Aleksandr Mikhailo-
Espiral, 40
vi h, 52
Estabilidad, 71, 78
Estabilidad asintóti a, 71 Método de Lyapunov, 52, 93
Estabilidad bidimensional, 26 Malthus, Thomas, 24
Estabilidad para sistemas linea- Manadas, 161
les, 41 Mas-Colell, Andreu, 137
Estabilidad unidimensional, 10 M kenzie, Lionel W., 126
Ex eso de demanda, 141 Mer an ía Arrow-Debreu, 147
Existen ia del equilibrio walra- Modelo Arrow-Debreu, 128
siano, 133 Modelo Arrow-Debreu bajo in-
Existen ia y uni idad de solu io- ertidumbre, 146
nes, 7, 21 Modelo Bro k-Durlauf, 158
Exponente de Lyapunov, 108 Modelo de duelos, 170
Respuestas 621
Modelo IS-LM, 111, 112 Segundo teorema de la e onomía

Modelo IS-LM dinámi o estable, del bienestar, 135
119 Shubik, Martin, 143
Modelo Kandori-Mailath-Rob, 161 Sistema autónomo, 21, 67
Modelo multipli ador-a elerador, Sistema dinámi o autónomo, 8
120 Sistema dinámi o ontinuo, 3, 18
Modelos de intera ión global, 164 Sistema dinámi o de orden n, 58
Modelos de intera ión lo al, 163 Sistema dinámi o dis reto, 60, 76
Morgenstern, Oskar, 149 Sistema dinámi o lineal, 4, 18
Sistema dinámi o lineal dis reto,
Nú leo de una e onomía, 143 61
Nash, John F., 125, 151 Sistema dis reto autónomo, 77
No ión de onsumidor, 128 Sistema dis reto en dos dimen-
No ión de e onomía, 132 siones, 76
No ión de mer an ía, 128 Sistema lineal ontinuo, 27
No ión de produ tor, 130 Sistema lineal dis reto, 77, 79
Nodo, 40 Sistemas dis retos no-lineales bi-
dimensionales, 89
Os ila ión lineal, 57
Smith, Adam, 165
Pareto, Vilfredo, 127 Solu ión del sistema lineal, 29
Perron, Oskar, 90 Solu ión sistema no-homogéneo,
Pielou, Evelyn C., 91 45, 86
Pigou, Arthur C., 113 Solu iones del sistema lineal dis-
Poin aré, Henri, 3 reto, 80
Poinsot, Louis, 124 Su esión de Fibona i, 171
Primer teorema de la e onomía Sustitu ión bruta de mer an ías,
del bienestar, 135 136
Punto de equilibrio, 6, 19, 67, 77 Sustitu ión bruta de mer an ías(gross
Punto de silla, 40 sustitutability ), 140
Punto esta ionario, 6
Telaraña, 70
Radner, Roy, 147 Teoría de intera iones, 148
Resorte rígido, 54 Teoría de juegos lási a, 151
Ri ati, Ja opo, 2 Teorema Arrow-Blo k-Hurwi z, 141
Teorema de linealiza ión, 90
Samuelson, Larry, 156 Teorema de Lyapunov, 173
Samuelson, Paul A., 127 Teorema Sonnens hein-Mantel-Debreu,
S arf, Herbert, 140, 143, 144 148
Torri elli, Evangelista, 15
Uni idad del equilibrio walrasiano,

135
Valores propios, 55
Verhulst, Pierre, 24
Von Neumann, John, 149
Wald, Abraham, 125

Walras, Léon, 124
Weibull, Jörgen, 157
Young, H. Peyton, 160

Matemáti as bási as para e onomistas III: Optimiza ión y dinámi a 623
Matemáti as bási as para e onomistas

Sergio Monsalve (editor)
Volumen 0: Fundamentos Volumen I: Álgebra lineal
Le 1. Sobre la geometría, aritméti- Le 1. Sistemas de e ua iones linea-

a y trigonometría Griega. les: solu ión por elimina ión gaus-
Le 2. El álgebra de los siglos XVI siana.
y XVII. Le 2. Matri es y determinantes.
Le 3. La geometría analíti a de Le 3. Sistemas de e ua iones linea-
Des artes y Fermat. les: solu ión por matriz inversa.
Le 4. Sobre los fundamentos para Le 4. Ve tores.
las matemáti as ontemporáneas. Le 5. Bases y dimensión.
Le 6. Transforma iones lineales.
n
Le 7. Diagonaliza ión en R .
Le 8. Conjuntos onvexos.
Volumen II: Cál ulo Volumen III: Optimiza ión

y dinámi a
Le 1. El método de límites.
Le 2. La derivada. Le 1. Fun iones ón avas, onve-
Le 3. Elementos bási os de la teoría xas, uasi ón avas y uasi onvexas.
de la optimiza ión. Le 2. Optimiza ión estáti a.
Le 4. La integral. Le 3. Sistemas dinámi os.
Le 4. Optimiza ión dinámi a.

Optimizacion y Dinamica PDF

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Optimizacion y Dinamica PDF

Cargado por

Copyright:

Formatos disponibles

MATEMÁTICAS BÁSICAS PARA

UNIVERSIDAD NACIONAL DE COLOMBIA

Sergio Monsalve Departamento de Matemáti as

Ömer Özak Fa ultad de E onomía

Con la olabora ión de:

Gian arlo Romano E onomista

La ien ia se ha onstruido para satisfa er

lineales fundamentales de la teoría e onómi a: el modelo walrasiano de

El presente volumen es el último de los uatro que onforma la ole ión

la nota ión N para indi ar que un ejer i io (o ejemplo) ha terminado, y

Sergio Monsalve le dedi a este esfuerzo a

A la memoria de Juan Alonso, Jorge Diego, Nan y y Adriana

Por: Eduardo Mantilla P.

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

y las notas históri as son herramienta formidable para mostrar y dar un

Bogotá, junio de 2007

2. Optimiza ión estáti a 69

) El teorema de dualidad . . . . . . . . . . . . . . . 132

3. Sistemas dinámi os 261

e) El método de Lyapunov para sistemas dis retos

4. Optimiza ión dinámi a 439

a) Sobre el problema de la onstru ión de la fun ión

Índi e alfabéti o 619

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

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

físi a de Aristóteles. Gra ias a Galileo (y también a Newton) hoy sabemos

1. Fun iones ón avas y onvexas

Deni ión 1. (Fun ión ón ava)

f (λx + (1 − λ)y) ≥ λf (x) + (1 − λ)f (y) (1)

Diremos, además, que f (·) es estri tamente ón ava si la desigualdad (1)

Deni ión 2. (Fun ión onvexa)

f (λx + (1 − λ)y) ≤ λf (x) + (1 − λ)f (y) (2)

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

La interpreta ión geométri a para dos variables es que el segmento de

b) Observemos que la on avidad es una no ión de onjunto ; es de ir,

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

f (λx + (1 − λ)y) > λf (x) + (1 − λ)f (y)

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

de la ual, reordenando términos, obtenemos que

f (λx1 + (1 − λ)y1 , λx2 + (1 − λ)y2 ) ≥ λf (x1 , x2 ) + (1 − λ)f (y1 , y2 )

Si elevamos ambos lados de la desigualdad al uadrado, obtenemos

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

λ2 x1 x2 + λ(1 − λ)x1 y2 + λ(1 − λ)y1 x2 + (1 − λ)2 y1 y2 ≥

Si λ = 0 ó λ = 1 esta desigualdad es ierta. Y si λ 6= 0, 1 enton es se

lo ual, al ulando los uadrados, es

λ2 (x1 )2 + (1 − λ)2 (y1 )2 + 2λ(1 − λ)x1 y1 + λ2 (x2 )2 + (1 − λ)2 (y2 )2 +

ó, simpli ando, esto es equivalente a

λ2 (x1 )2 + (y1 )2 − 2λ(y1 )2 + λ2 (y1 )2 + 2λx1 y1 − 2λ2 x1 y1 + λ2 (x2 )2 +

y de nuevo simpli ando, arribamos a que

λ2 (x1 )2 − λ(y1 )2 + λ2 (y1 )2 + 2λx1 y1 − 2λ2 x1 y1 + λ2 (x2 )2 − λ(y2 )2 +

Agrupando términos, obtenemos

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

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

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

2. Pruebe, utilizando la respe tiva deni ión, que:

(a) f (x, y) = mı́n{x, y} es ón ava para x > 0, y > 0. ¾Será

2. Propiedades fundamentales de las fun iones

(Ver ejer i io omplementario 24 al nal de la presente le ión). 5

Teorema 2. (Una ara terísti a importante de las fun iones

Si x, y ∈ Sα , enton es f (x) ≥ α, f (y) ≥ α. Como f (·) es ón ava,

f (λx + (1 − λ)y) ≥ λf (x) + (1 − λ)f (y)

Luego, λx + (1 − λ)y ∈ Sα , lo que prueba que Sα es un onjunto onvexo.

Teorema 3. (Condi ión de primer orden de las fun iones ón-

La ien ia se ha onstruido para satisfa er

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

Deni ión 1. (Fun ión ón ava)

Deni ión 2. (Fun ión onvexa)

ó, simpli ando, esto es equivalente a

y de nuevo simpli ando, arribamos a que

2. Pruebe, utilizando la respe tiva deni ión, que:

(Ver ejer i io omplementario 24 al nal de la presente le ión). 5

f (x) − f (y) ≤ f ′ (y)(x − y) (ver gura 6 b)) (4)

es semidenida negativa; es de ir, si, y sólo si, XHf (x)X T ≤ 0

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

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