Documentos de Académico
Documentos de Profesional
Documentos de Cultura
C Vol3 Sergio Monsalve 2010
C Vol3 Sergio Monsalve 2010
e
MATEMÁTICAS BASICAS
PARA ECO N O M ISTAS
SERGIO MONSALVE
' ^ ( UNIVERSIDAD
r n ! NACIONAL
* J DE COLOMBIA
VICERRECTORÍA ACADÉMICA
E D IT O R IA L
Sergio Monsalve
Editor
Op t i m i z a c i ó n y d in á m ic a
MATEMÁTICAS BÁSICAS PARA
ECONOMISTAS 3
Op t i m i z a c i ó n y d in á m ic a
Con notas h istóricas y contextos económicos
SERGIO MONSALVE
E D IT O R
M atem áticas básicas para economistas: con notas históricas y contextos económicos
/ ed. Sergio Monsalve. - Bogotá : Universidad Nacional de Colombia. Facultad de
Ciencias Económicas, 2010
4 v.
xx, 55G p.
Incluye referencias bibliográficas
Contenido : v. 0. Fundamentos. - v. 1. Álgebra lineal. - v. 2. Cálculo. -
v. 3. Optimización y dinámica
1 L ección 1
F u n cion es cón cavas, co n v ex a s, cu asicón cavas y cu a sico n -
v ex a s 1
1. Funciones cóncavas y convexas .................................................... 3
2. Propiedades fundamentales de las funciones cóncavas 8
3. Funciones cuasicóncavas y cuasiconvexas..................................... 20
4. Propiedades fundamentales de las funciones cuasicóncavas 22
5. Contexto e c o n ó m ico ....................................................................... 32
a) Concavidad-convexidad y marginalidad decreciente en la
teoría eco n ó m ica................................................................. 32
b) Concavidad-convexidad y rendimientos a escala en la
teoría de la producción........................................................ 34
c) Concavidad-convexidad en la teoría del consumo 42
d) Breve nota sobre no convexidades..................................... 52
Ejercicios complementarios 54
2 L ección 2
O p tim iza ció n e stá tic a 61
1. Planteamiento del p ro b le m a ........................................................... 02
2. Optimización en conjuntos compactos:
el teorema de Weierstrass G4
3. El método de Lagrange.................................................................... 66
4. El método K uhn-T ucker................................................................. 79
a) El algoritmo (de) K uhn-T ucker........................................ 81
b) Interpretación de los multiplicadores de Lagrange y el
teorema de la envolvente..................................................... 96
o. Optimización lineal: el método simplex 100
a) El problema y su solución g rá fic a ..................................... 101
b) El algoritmo simplex ........................................................106
c) El teorema de dualidad 115
vil
Vili Matemáticas Básicas para Economistas 3: Optimización y Dinámica
3 L ección 3
S iste m a s d in á m ic o s 2 27
1. Sistemas dinámicos (continuos) en una d im ensión......................229
a) Diagramas de fase unidimensionales 233
b) Estabilidad unidimensional ...............................................235
2. Sistemas dinámicos (continuos) en dos dim ensiones...................242
a) Diagramas de fase en dos dimensiones 245
b) Estabilidad en dos d im en sio n es.........................................249
c) Sistemas lineales (continuos) en dos dimensiones 250
d) Solución general para sistemas no homogéneos................265
e) Sistemas (continuos) no lineales en dos dimensiones . . . 267
f) El método de L y a p u n o v ..................................................... 271
3. Sistemas dinámicos (discretos) en una d im e n s ió n ......................277
a) Diagramas de fase para sistemas discretos autónomos
unidim ensionales..................................................................285
b) Estabilidad en sistemas a u tó n o m o s.................................. 287
4. Sistemas dinámicos (discretos) en dos dimensiones 292
a) Estabilidad y diagramas de f a s e .........................................294
b) Sistemas lineales (discretos) en dos dim ensiones.............294
c) Solución general para sistemas no homogéneos................300
d) Sistemas (discretos) no lineales en dos dimensiones . . . 304
e) El método de Lyapunov para sistemas discretos bidimen-
s io n a le s ............................... ................................................. 306
5. Breve sobre ciclos límite, puntos periódicos, bifurcaciones y caos 311
a) Ciclos límites y K-ciclos 312
Matemáticas Básicas para Economistas 3: Optimización y Dinámica. IX
4 L e c c ió n 4
O p tim iz a c ió n d in á m ic a 381
1. Espacios métricos: la noción de distancia en topología 382
a) Nociones topológicas fundamentales 384
b) Espacios métricos com pletos.............................................. 393
c) Espacios métricos c o m p a c to s ........................................... 402
2. Espacios de Banach: álgebra en los espacios m é tric o s................409
3. Espacios de Hilbert: álgebra y geometría en los espacios métricos 414
4. Aplicaciones a la teoría de ecuaciones diferenciales 419
5. El cálculo de variaciones c lá sic o .....................................................421
a) El problema del cálculo de variaciones c lá s ic o ................424
b) El problema de existencia de soluciones .........................42G
c) Condiciones de primer orden: ecuaciones de Euler . . . . ... 427
C. El problema de control óptimo (caso continuo) .........................435
a) Solución por el principio del máximo (L. Pontryagin ct
ál. (1961)).............................................................................. 43G
b) Solución por programación dinámica (Bellman (1957)) . 452
7. El problema del control óptimo (caso discreto)............................ 458
a) Solución por el principio del m á x im o ............................... 459
b) Solución por programación d in á m ic a ............................... 465
c) Programación dinámica esto cástica.................................. 471
8. Contexto e c o n ó m ic o ........................................................................477
a) Sobre el problema de la construcción de la función de
consumo: ¿cómo se planean las decisiones individuales de
consumo y cómo conforman estas el consumo agregado
de una economía?................................................................. 477
b) Breve sín te s is ........................................................................504
Ejercicios complementarios .................................................................... 506
B ibliografía 513
X Matemáticas Básicas para Economistas 3: Optimización y Dinámica
R espuestas 534
Robert J. Aumann
Premio Nobel de Economía 2005
Sergio Monsalvc le dedica este esfuerzo a
su profesor de matemáticas Jairo Charris
Este libro es el resultado de varios años de trabajo de los autores como profe
sores de matemáticas y/o economía para las Facultades de Ciencias y Ciencias
Económicas de las universidades Nacional (sedes Medellín y Bogotá), Externa
do de Colombia y Pontificia Javeriana, y su objetivo central es exponer algunos
de los elementos fundamentales del lenguaje matemático que deberían ser co
munes a todos los estudiantes de economía de nuestras ¿pocas. Pensando en
esto, hemos optado por escribir el texto en cuatro volúmenes: en el volumen 0
(Fundamentos) presentamos los requisitos matemáticos que el estudiante debe
llenar para acceder más cómodamente al corpus total; el volumen 1 consiste
en las nociones básicas del álgebra lineal; el volumen 2 en las nociones básicas
del cálculo diferencial e integral, y el volumen 3 en las nociones básicas de la
teoría de la optimización y de la dinámica.
En cada uno de los cuatro volúmenes hemos dividido los temas tratados a
través de lecciones con un tratamiento matemático riguroso y sin rejerencia a
aplicación económica alguna. Todas estas lecciones presentan, además, notas
históricas que esperamos ayuden a trazar el devenir de los conceptos mate
máticos que se desarrollan al punto. Por tanto, aquellos que consideran que
un curso de matemáticas básicas para economistas debería ser solo eso y no
un curso con aplicaciones, estarán aquí servidos. Sin embargo, para aquellos
que difieren de esta postura metodológica y pedagógica hemos también se
parado la sección final de casi todas las lecciones para el “contexto econó
mico”. Pero esta no es una sección ordinaria de aplicaciones a la economía:
es, por el contrario, una aproximación coherente a problemas centrales en
la teoría económica, y una orientación para el estudiante atento y discipli
nado. Por ejemplo, en el volumen 1 aparecen discusiones sobre los modelos
lineales fundamentales de la teoría económica: el modelo walrasiano de Cas-
sel, el modelo insumo-producto de Leontief, el modelo de equilibrio general
de von Neumann, el modelo sraffiano, la teoría de juegos de von Neumann
y Morgenstern, el modelo “keynesiano” lineal IS-LM, y el análisis de activi
dades de Koopmans. En el volumen 2 se encuentran, entre otras discusio
nes, notas históricas y de contexto del problema de la racionalidad, de la re-
XIII
XIV Matemáticas Básicas para Economistas 3: Optimización y Dinámica
Sergio Monsalve
Bogotá D.C., febrero de 2008
Nota del editor para el volumen 3
XVII
XVIII Matemáticas Básicas para Economistas 3: Optimización y Dinámica
XIX
Lección 1
Funciones cóncavas, convexas, cuasicóncavas
y cuasiconvexas
Introducción
Ya liemos discutido en el volumen 2 (Cálculo) sobre la importancia de la segun
da derivada de una función. Así como el signo de la primera derivada determina
si la función es creciente o decreciente, el signo de la segunda derivada deter
mina el lado hacia el cual se curvará la gráfica de la función. Por ejemplo, si la
función es creciente y la segunda derivada es positiva dentro de cierto intervalo,
entonces la primera derivada crece y la función tendrá una forma como la de
la figura la. De otro lado, si la función es creciente y la segunda derivada es
negativa en un intervalo, entonces la primera derivada decrece, y la función
tendrá una forma como la de la figura Ib. A una función como la de la figura
la se le llama función convexa; a una como la de la figura Ib, función cóncava.
Quizás fueron los griegos, más de dos mil años atrás, quienes comenzaron a
estudiar estas curvas que aparecían inicialmente en las formas cónicas (que
son cortes de conos con planos en distintos ángulos). Hasta donde se sabe,
se presentaban también a menudo en los intentos por resolver los famosos
problemas de la geometría euclidiana: la trisección del ángulo, es decir, dividir
un ángulo dado en tres partes iguales, sólo con regla y compás; la cuadratura
del circulo, es decir, construir un cuadrado de área igual a la de un círculo
dado, sólo con regla y compás; entre otros. Una vez obtenidas las curvas, los
griegos continuaron estudiándolas, en parte por estar interesados en las formas
geométricas en general, y en parte por haber descubierto la posibilidad de
utilizarlas para intentar “controlar” la naturaleza. Por ejemplo, Apolonio [262-
190 a.C.] utilizaba espejos cóncavos para hacer arder objetos colocados en su
foco, pues un espejo parabólico tiene la particularidad de que concentra la luz y
el calor en ese punto. También dice la tradición que Arquímedes [287-212 a.C.)
construyó un gigantesco paraboloide que utilizaba para concentrar los rayos
solares sobre los barcos romanos que asediaban su ciudad (Siracusa) y así poder
1
2 Matemáticas básicas para economistas 3: Optimización y dinámica
N ota 1.
a) Dadas las definiciones anteriores, es claro que una función /(•) es convexa
(estricta) si, y sólo si, —/(•) es cóncava (estricta).
Solución.
can x, y > 0, x ± y y A € (0,1). Entonces debemos mostrar que
o, lo que es equivalente,
o, lo que es igual, x + y > 2y/xy/jj, o, ( y/x —y/y)2 > 0, lo cual se cumple siem
pre, ya que hemos asumido x / y. Por lo tanto, f ( x) = y/x es estrictamente
cóncava en [0,oo).2 A
Ejemplo 2.
Probemos que / ( x i ,x 2 ) = y / x 1 X2 es cóncava en R2 , donde R + .= {(x,y) G
R2 | x > 0,y > 0}. ¿Será estrictamente cóncava? (figura 5a).
Solución.
Tomemos x = (xi,X 2 ), y = (2/1, 2/2 ) G R2 , y A € [0,1]. Entonces debemos
probar que
/(A x -f (1 —X)y) > Xf (x) H- (1 —X)f(y)
2 Aquí, y en los volúmenes previos, el símbolo A significa que el ejemplo que se está
analizando ha finalizado.
6 Matemáticas básicas para economistas 3: Optimización y dinámica
Y esto es
o
(y/xiy2 - \f y ix 2)2 > 0
y esta desigualdad se cumple siempre. Por lo tanto, tenemos que f ( x ) =
f ( x i,X 2 ) = y/x \x 2 es cóncava en IR^-. Sin embargo, observe que esta función
no es estrictamente cóncava pues la parte izquierda de la última desigualdad
podría ser cero, escogiendo adecuadamente x = (x i,x 2 ) y y = (yi, 2/2 )* Por
ejemplo, esto sucede si tomamos (xi,X 2 ) = ¿(2/ 1, 272), para cualquier t > 0. La
idea intuitiva aquí de por qué /(x i,X 2) = y jx \x 2 es cóncava pero no estricta
mente cóncava es que la superficie está conformada “ cóncavamente” por rectas
(o rayos) que parten del origen (0,0) (figura 5a).3 A
E jem plo 3.
Probemos que /( x i,X 2 ) = ( s i) 2 4-(x 2 )2 es estrictamente convexa en IR2 (figura
5b).
3 Imagine el lector cómo se forma una superficie cóncava uniendo solo varillas rectas.
Lección 1: Funciones cóncavas y cuasicóncavas 7
Solución.
Tomemos x = (x i,x 2) ^ (l/i, 2/2) = y € K2, y A € (0,1). Entonces debemos
probar que
(A x i+ (l-A )y i) 2+ (A x2+ ( l - A ) y 2)2 < A [(x i)2 + (x2)2] + ( l - A ) [(yi)2 + (j/2 )2]
que es equivalente a
Ejercicios 1
1. Pruebe que si /(•) es cóncava (estricta), entonces también h(x, y) =
f ( x ) + 0f ( y ) es cóncava (estricta), para f3 > 0.
D em ostración.
(Ejercicio complementario 24 al final de la presente lección). ■
. O
Recordemos que el interior de un conjunto C C Rn es el subconjunto C C C confor
mado por los puntos x 6 C para los cuales existe un r > 0 tal que la bola abierta
de radio r y centro en x, Br (x), está contenida en C; esto es, B r(x) C C (volumen 2
(Cálculo)).
Lección 1: Funciones cóncavas y cuasicóncavos 9
D em ostración.
Probaremos inicialmente el caso para una sola variable:
a) Supongamos que /(•) es cóncava en C. Entonces, para A G (0,1] y x ^ y,
f ( \ ( x - y ) + y) = /( A i + (1 - A)j/) >
A/(* ) + (1 - X)f(y) = A (/(x) —/(» )) + f ( y)
lo cual implica que
que es equivalente a
f( x) - f ( y) < V f ( y ) - ( x - y )
que era lo que queríamos probar.
El caso de concavidad estricta es similar. ■
a 2/
H f (x) = (5)
dx idxj (*) Í,j= 1
A B
B C
c) Y en el caso de funciones de una sola variable (n= l), esta condición es,
simplemente, f ,f(x) < 0 para todo x en el interior de C (es decir, las
pendientes de las rectas tangentes a /(•) van decreciendo (figura 7).
Dem ostración.
*
[Primero demostraremos c), y luego a); el literal b) queda como ejercicio para
el lector.]
Demostración de c):
Luego,
rw = ,lm / '< * + > ) - / w = l(m / ' ( * + h ) t t - / '( i ) / .
h^o h h-+o h2
< lím í ( x + h ) - f ( x ) - } ( x + h) + f(x) = h,m 0 =Q
h-¥o h¿ h-+0 h¿
ii) Por otro lado, si f "( x) < 0 para todo x entonces, tomando x , y £ C fijos
pero arbitrarios en el interior de C, por el teorema de Taylor (volumen 2,
lección 3), existe c € (x, y) tal que
/( * ) - f ( y ) < - y)
Aplicando el teorema 3, obtenemos el resultado buscado.
Demostración de a):
o
i) Sea a 6 C (interior de C). Entonces, para h = (/i¿) fijo, tendremos que
o
a + \ h € C si |A| es suficientemente pequeño (digamos |A| < e para e > 0
o
pequeño). Si /(•) es cóncava en C entonces F(t) = f ( a + Ah) también
es cóncava en (—e, e); así, por la parte c) de este teorema, se tendrá que
d2f
hihj < 0, que es exactamente lo que queríamos
demostrar.
E jem plo 5.
Mostremos (figura 9) que la función f ( x ) = x Q con x > 0 y a > 0 es:
i) Cóncava si, y solo si, 0 < a < 1.
ii) Estrictamente cóncava si 0 < a < 1.
Solución.
La segunda derivada de la función viene dada por
/" (* ) = a (a - l) x a~2
Lección 1: Funciones cóncavas y cuasicóncavas 15
i) /(•) es cóncava si, y solo si, J"(x) < 0; así que debemos tener
a ( a —l) x Q~2 < 0, lo cual se cumple si, y solo si, a > 0 y a — 1 < 0; esto
es, cuando 0 < a < 1.
iii) Para que la función sea convexa necesitamos que f " ( x) > 0, lo cual se
cumple si, y solo si, a > 0 y a — 1 > 0; esto es, cuando a > 1. A
Ejemplo 6.
Mostremos que la función f ( x , y) = x ay&, con x > 0, y > 0; a, /? > 0, es:
Solución.
Tenemos que
±
d
— = O íX
dx
donde
16 Matemáticas básicas para economistas 3: Optimización y dinámica
d 2f d 2{ ( d 2f \ \
d x 2 dy2 \dxdy) ~
es decir,
o, lo que es lo mismo,
o,
(a - 1 ) { P - 1) > a p
de lo cual obtenemos,
-a -P +1>0
que es equivalente a
ct + P < 1
iii) Para que la función sea convexa debe ser A > 0, lo cual se cumple si, y
solo si, a > 1. Además, debe ser A C — B 2 > 0, lo cual, hemos mostrado,
se satisface si, y solo si, a + P < 1. Pero estas dos desigualdades no se
pueden satisfacer simultáneamente, dado que a , p > 0. Por lo tanto, la
función nunca es convexa. A
E jem plo 7.
De acuerdo con el ejemplo anterior, la función f ( x , y ) = x 2y2 no es cóncava
en R2 + = { (i,j/) 6 t 2 | i > 0, y > 0} puesto que su suma de exponentes
(2+2=4) es mayor que 1 (figura 10b)). Sin embargo, para todo escalar a € R+,
el conjunto de nivel superior a a ,
f a 1/ 2 1
s a = {(x,y) 6 R++ I f ( x , y ) > o} = j (x,y) € R++ | y > |
7 En esta definición hemos asumido a > 0. Si a < 0, Sa = 0 que, por vacuidad, también
es convexo.
Lección 1: Funciones cóncavas y cuasicóncavas 17
f(x
Solución.
Para ver esto, supongamos que ( x i, 2/i), (x2, y2) € 5Q; es decir, asumamos que
a 1/ 2 a i /2
2/i > ----- y 2/2 > ------ ; entonces
aX. U2
C • Q , 1/2
'
Aj/i + (1 - A)j/2 > A----- + (1 - A)------
= a l/2(\g (x i) + (1 - A)g{x2))
= « ! / * [ _____l ____ 1
[Axi + (1 - A)X2
D em ostración.
g(Xx + (1 - \ ) y) = a f ( Xx + (1 - X)y)
> a (A /(i) + (1 —X)f(y)]
= A (o /(s)) + (1 - A )(a/(y))
= Ag(x) + (1 - A)p(y)
(F o / ) ( Ax + (1 - \ ) y) = F [ f ( \ x + (1 - A)j/)]
> F [ \ f ( x ) + (1 - A)/(y))
> A F (/(z )] + ( l- A ) F [ /( y ) l -
D em ostración.
Por el teorema 3, tenemos que si j/G C , y / i * ,
/ ( » ) - / ( * * ) < V / ( * ’ ) ( » - x ') = 0
Ejercicios 2
1. Utilizando las condiciones de segundo orden, determine las regiones de
sus dominios donde las siguientes funciones son cóncavas (estrictamente)
o convexas (estrictamente):
a) f ( x ) — x 3 b) f ( x ) = e2x/x , x j ^ O
e) f { x , y ) = Ay/x + 2y/ÿ f) f { x , y ) = x ( y + 4)
x > 0, y > 0 x > 0, y > 0
g) f { x, y) = y / x - y 2 h) f { x , y ) = \ n x - e y
x > 0, y > 0 x > 1, y > 0
m = {[1f sisi*e(“’1
x = 0
1
es convexa en [0,1], continua en (0,1], pero discontinua en [0,1].
N ota 3.
Que la condición de cuasiconcavidad es realmente un debilitamiento de las con
diciones de concavidad, se ve en el hecho de que no toda función cuasicóncava
es cóncava (figura 12). De manera similar, no toda función cuasiconvexa es
convexa.
Ejercicios 3
1. Determine si las siguientes funciones son cuasicóncavas (estrictas) o cua-
siconvexas (estrictas) en el dominio indicado:
a) f ( x , y) = z 2 + V2 ~ 1, con x, y >0
b) f { x , y ) = mín{x,y}, con x, y > 0
c) /( x , y) = a ln x + P ln y, con a , /3 > 0, x > 1, y > 1
D em ostración.
Supongamos (sin pérdida de generalidad) que /(•) es monótona creciente. En
tonces, para x ,y € C, si x > y, m ín{/(x), f ( y) } = f (y)\ y como Ax+(1 —A)y >
y, entonces por la monotonicidad de /(•), se tiene que /(Ax + (1 —\ ) y) > /(y ),
que es lo que se quería probar. La demostración para el caso estricto es similar.
Se deja como ejercicio al lector, mostrar una función cuasicóncava que no sea
monótona. ■
9 Es decir, creciente o decreciente.
Lección 1: Funciones cóncavas y cuasicóncavas 23
D em ostración.
a) Supongamos que /(•) es cuasicóncava y probemos que Sa es convexo. Para
esto, sean x ,y e Sa \ entonces f ( x ) > a, f ( y) > a. Y así,
Luego, Xx + (1 - A)y G Sa .
= |(x,y)€R++| j / > ^ |
D em ostración.
a) Si f ( \ x + (1 —A)y) > m ín { /(x ),/(y )} , entonces
D em ostración.
(Presentamos aquí la demostración para funciones de una variable; el caso
de más variables es similar, pues basta utilizar el típico recurso de definir
F( A) = f{ y + X(x —y)) con e < A < 1 + e y € > 0 pequeño, para luego aplicar
la condición demostrada en el caso de una sola variable).
a) Supongamos que /(•) es cuasicóncava y que f ( x ) > f ( y ). Entonces
/ ( \ x + (1 - A)y) > f ( y)
(1 - A)(x - y)
Dado que /(•) es diferenciable, tenemos que
Así como las funciones cóncavas están determinadas por ciertas condiciones
sobre la matriz hessiana (teorema 4), también podría esperarse que las fun
ciones cuasicóncavas tuvieran una característica similar. En efecto, es así, y la
correspondiente matriz se conoce como mat r i z hessiana orlada. ¿Cómo surge?
Sabemos, por el teorema de la función implícita (volumen 2 (Cálculo)), que si
y ( x ) define localmente una función a partir de la curva de nivel /( x , y) = a,
entonces se tendrá que, en esa vecindad,
dy df/dx
dx df/dy
(i)
( d f \ 2 & f _ : d f d f d 2} (dfV & i
\dy) dx2 dx dy dydx \dx) dy2
(i)
0 A
d d±
dx dy
dff
A
d
r a¿ y dx dx2 dxdy
±
d d 2f
ydyj
dy dydx dy2
df df
Parece claro que condiciones sobre el determinante y sobre — , — , determina
os oy
rán qué tipo de concavidad-convexidad tendrán las curvas de nivel /( x , y) = a
y, de allí, la concavidad-convexidad del conjunto
s a = {(x, y) e C/ f ( x , y ) > a}
28 Matemáticas básicas para economistas 3: Optimización y dinámica
’0 dL OL
Oxi Sh dxr
ÊL d*f
0X2 dx2dx\ dx% dx*2ÓXj
OL oh d*f
Oxr dxrdx1 dxr'dx2 dxi
Teorem a 13. ( C ara cteriza ció n de segundo orden para las fu n cio n es
cuasicóncavas)
Supongamos que /(•) es dos veces diferenciable con continuidad en C C Rn .
Entonces:
a j a _
donde - ddfx , c -- 9 f Aa -- d2f
d x 2 , Bn -- ^02 f , C
n -- d2f , ,
^ , satisface
Dem ostración.
[Presentamos solo la parte b) de la prueba. Para la parte a), remitiremos al
lector al artículo clásico de Arrow y Enthoven (1961).10]
Asumamos i) y ii), y probemos que /(•) es cuasicóncava. Supongamos que a y
b son ambas positivas (el caso ambas negativas es similar). Por el teorema de la
función implícita (volumen 2 (Cálculo)) de /( x ,y ) =constante= a, podemos
escribir x = h(y) para cierta función dos veces diferenciable /i(-). Como de la
condición ii) se tiene que B > 0, entonces /i(-) es convexa.
Sean (xo,?/o)> (zi> 2/i) dos puntos sobre la curva de nivel f ( x , y ) = a; entonces
x o = h(y0) y xi = h(yi). Tomemos (x 2, 2/2 ) = (1 - A)(x0 ,i/o) + A (xi,yi) con
A € [0,1]. En tal caso
Solución.
Aquí, a = ax°‘~1yP, c = (3xCcyP~l ) A = o¿(a — 1)xQ~2y&, B = c¿Pxa~l yP~l ,
C = f i ( P - 1) x V 2.
a) En primer lugar, es claro que a > 0 y c > 0.
4 - {p x ay^~ l 'S
j ( a( a - 1)xa_2/ j
= a 2/?(/3 - l)x 3a - 22/3^ - 2 - 2 a W Q- y ^ 2
+ a ( a — l) p 2x 3ct~2y3^~2
= —a/?(a + fi)x3a~2y3P~2 < 0 .
b) Además,
Ejercicios 4
1. Utilizando el teorema de la presente lección que considere más conve
niente, determine cuáles de las siguientes funciones son cuasicóncavas
(estrictas) y cuasiconvexas (estrictas) en el dominio especificado:
3. Construya una tabla con todas las funciones estudiadas en esta lección
y analícelas bajo los criterios de concavidad (estricta), cuasiconcavidad
(estricta), convexidad (estricta) y cuasiconvexidad (estricta).
32 Matemáticas básicas para economistas 3: Optimización y dinámica
5. Contexto económico
a) C o n ca v id a d -c o n v e x id a d y m a r g in a lid a d d e c r e c ie n te e n la
te o r ía ec o n ó m ic a
Este teorema es una implicación directa del teorema 5, y nos permite relacionar
utilidades o productividades marginales decrecientes y concavidad. Sin embar
go, como se puede inducir fácilmente, no siempre la existencia de utilidades
o productividades marginales decrecientes implica la concavidad de la función
de utilidad o de producción. Por ejemplo, la función F (x , y) = x 2/3y 2/ 3 tiene
Sin embargo, es fácil ver que no toda función cuasicóncava tiene marginalidades
decrecientes. Por ejemplo, la función F(x, y) = x 2y 3 es cuasicóncava, pero no
tiene marginalidades decrecientes.
b) C o n ca v id a d -c o n v e x id a d y r e n d im ie n to s a e sc a la en la te o r ía
d e la p ro d u c c ió n
El concepto de rendimientos a escala para funciones de producción, aunque
apareció aquí y allá en la historia del pensamiento económico, sólo fue definido
con precisión por Alfred Marshall (1890)19 en el contexto de las economías
de escala al explicar por qué éstas cambiaban por razones tecnológicas o de
precios. Sin embargo, el concepto también sería estudiado posteriormente por
Knut Wicksell (1900, 1901, 1902)2O>21* 22, Philip H. Wicksteed (1910)23, Piero
Sraffa (1926)24 y John Hicks (1932, 1936)25, 26, entre otros.
Aunque una función de producción particular puede exhibir sólo uno de los
tres tipos específicos de rendimientos a escala, es común (desde las Lectures on
Political Economy (vol. I y II)(1901,1902) de Wicksell) encontrar descripcio
nes que muestran funciones de producción que tienen diferentes rendimientos
19 Marshall, A. (1890), Principies of Economics, London: Macmillan and Co.
20 Wicksell, K. (1900): Marginal Productivity as the Basis for Economic Distribution.
New York: M.E. Sharpe.
21 Wicksell, K. (1901), Lectures on Political Economy, vol. 1, London: Routledge &
Kegan Paul.
22 Wicksell, K. (1902), Lectures on Political Economy, vol. 2, London: Routledge &¿
Kegan Paul.
23 Wicksteed, P. H. (1910): The Common Sense of Political Economy. London: Macmi
llan.
24 Sraffa, P. (1926), The Laws of Returns under Competí ti ve Conditions, Economic
Journal, vol. 36, 535-550.
25 Hicks, J. (1932), Marginal Productivity and The Principie of Variation, Economica,
vol. 12, 79-88.
26 Hicks, J. (1936), Mr. Keynes’s Theory of Employment, Economic Journal, vol. 46,
238-253.
Lección 1: Funciones cóncavas y cuasicóncavas 35
a escala para diferentes niveles de producción: cuando una firma produce pe
queñas cantidades puede mostrar rendimientos crecientes a escala debido a que
un aumento en su tamaño podría hacer un uso más eficiente de los recursos a
través de la especialización; pero si produce grandes cantidades enfrentaría ren
dimientos decrecientes ya que un aumento en el tamaño de la empresa haría,
probablemente, el trabajo más complicado (figura 18).
Pero la justificación económica para los diferentes rendimientos a escala no
resulta ser algo simple. En un nivel muy elemental, se justifican los rendi
mientos crecientes a escala apelando a algún argumento de división del trabajo
como afirmaba Adam Smith (1776):27 si agregamos más mano de obra y más
máquinas en un proceso productivo, cada trabajador y cada máquina podría
especializarse en un subpropósito particular del proceso, haciéndolo con mayor
precisión en un menor tiempo. En general, es corriente encontrar el argumento
de que los rendimientos crecientes a escala capturan, de una u otra forma, la
idea de progreso tecnológico.
Esto lo encontramos explícitamente en el trabajo de Allyn Young (1928)28
y Nicholas Kaldor (19C6)29 y, en general, en toda la teoría del crecimiento
endógeno moderna. Se hace claro que los rendimientos a escala no son sólo un
problema de escala: son acerca de cambios de técnicas y de las razones de su
emergencia.
y
Teorem a 16.
Si Y es convexo y 0 G Y (posibilidad de no acción), entonces Y tiene rendi
mientos decrecientes a escala.
30 En la literatura moderna, a un conjunto con esta característica se le denomina “com
prehensivo”.
Lección 1: Funciones cóncavas y cuasicóncavas 37
a) b) c)
Dem ostración.
Supongamos que Y es convexo y 0 € Y . Para y € Y y A € [0,1] se tiene,
por la convexidad de F , que \ y + (1 —A)0 € 7 ; es decir, Ay € Y para todo
A € [0,1]. ■
Teorema 17.
Y es un cono31 con vértice en 0 si, y sólo si, Y tiene rendimientos constantes
a escala.
D em ostración.
Si Y es un cono con vértice en 0, es decir, si Y satisface que para todo y € y ,
A > 0, se tiene que Ay € Y , entonces Y tiene rendimientos constantes a escala.
Asimismo, si Y tiene rendimientos constantes a escala, para todo y € Y y
A > 0 se tiene Ay £ Y . En particular, 0 • y = 0 £ Y y, por lo tanto, Y es un
cono con vértice en 0 . ■
f ( z ) = máx{ y | (y, - z ) € K}
Es claro que, bajo nuestras hipótesis, la función de producción puede ser discon
tinua y no diferenciable. Sin embargo, si el conjunto de producción es convexo,
podemos asegurar, al menos, la continuidad de la función de producción.
Teorem a 18.
La función de producción asociada al conjunto de producción Y es cóncava,
si, y solo si, Y es convexo (figura 19). Por tanto, todo conjunto de producción
convexo tiene asociada una función de producción continua.
D em ostración.
Supongamos que Y es convexo; entonces para todo A € (0 , 1), y (y, —z),
€ Y , tenemos que A(y, —z) + (1 — A )(y',—z') € Y . En particu
lar, esto es válido para (y, —z), (y', —z') en la frontera superior del conjun
to de producción, es decir con y = f ( z ) y y' = f(z '). Pero en ese caso,
/(A z + (1 — A)z') > A/(z) -f (1 - A )/(z') por definición de función de pro
ducción. Como esta última desigualdad también se cumple (trivialmente) para
A = 1 y A = 0 , la función de producción es cóncava.
Lección 1: Funciones cóncavas y cuasicóncavas 39
a) Tiene rendimientos decrecientes a escala si, y solo si, para todo A > 1,
b) Tiene rendimientos constantes a escala si, y solo si, para todo A > 1 ,
/(Ax) = A/(x)
c) Tiene rendimientos crecientes a escala si, y solo si, para todo A > 1 ,
Teorema 19.
Sea f : D —> R, donde D C R o D C R2, una función de producción tal
que si x G D se tiene que Ax G D para todo X > 0; entonces, /(•) tiene
rendimientos constantes a escala si, y solo si, /(•) tiene rendimientos crecientes
y decrecientes a escala.
Ejem plo 12.
Veamos un par de ejemplos de funciones de producción y sus rendimientos a
escala:
40 Matemáticas básicas para économistas 3: Optimización y dinámica
Z = { z e R l- 1 \( y ,- z ) e Y }
c) /(•) tiene rendimientos decrecientes a escala si, y solo si, Y tiene rendi
mientos decrecientes a escala.
D em o stració n .
Claramente, Y — {(y, —z) € R n | y < f( z ) } . Luego:
a) Supongamos que /(•) tiene rendimientos crecientes a escala y sea (y, —z) €
Y y probemos que también A(y, —z) € Y para A > 1. En efecto, como
(y, —z) 6 Y , entonces y < f ( z ) y, por tanto, Ay < Af ( z ) para todo
A > 0. Pero como Af( z ) < f(X z) para todo A > 1 por hipótesis, enton
ces Ay < f(X z) y esto significa que A(y, —z) € Y para todo A > 1. Por
otro lado, si suponemos que Y tiene rendimientos crecientes a escala, en
tonces X (f(z), —z) € Y para todo A > 1. Pero por definición de función de
producción, f(X z ) > X f(z).
Lección 1: Funciones cóncavas y cuasicóncavas 41
b) Supongamos que /(♦) tiene rendimientos constantes a escala y sea (y, —z) G
Y y probemos que también A(y, —z) G Y para todo A > 0. En efecto,
como (y , —z) G Y , entonces y < f( z ) y, por tanto, Ay < Af( z ) para todo
A > 0. Pero como A /(z) = /(Az) para todo A > 1 por hipótesis, entonces
Ay < /(Az) y esto significa que A( y , - z ) € Y para A > 1. Si 0 < A < 1,
entonces jf ( X z ) = f ( j \ z ) = f ( z ), por lo tanto, Af( z ) = f ( \ z ) y, así,
Ay < /(Az) para todo 0 < A < 1 . Por esto, A(y, —z) € Y para todo A > 0.
Por otro lado, si suponemos que Y tiene rendimientos constantes a escala,
entonces para todo A > 0 si (/(z ), —z) G Y y tendremos A(/(z), —z) G Y; es
decir, Af( z ) < /(Az); luego, jf( X z ) < f ( j \ z ) ; es decir, Af( z ) > f ( \ z ) ; de
lo cual, Af( z ) = f(X z) para todo A > 1.
D em ostración.
Es consecuencia directa del corolario 1 y del teorema 20. ■
c) C o n ca v id a d -c o n v e x id a d e n la te o r ía d el c o n su m o
Ya habíamos afirmado en el volumen 2 (lección 3) que, en los años de 1930,
los economistas consideraban que la teoría de la utilidad mostraba señales
de esterilidad, pero que su resurgimiento vino de la mano de Hicks y Alien
(1934)32 con su teoría ordinal de la satisfacción. A su vez, una de las principales
preocupaciones de los años de 1940 y de 1950 se centraba alrededor de los
problemas fundacionales que conlleva la teoría de la elección bajo una función
de utilidad; en particular, sobre qué comportamientos básicos de un consumidor
dan origen a que sus elecciones se realicen de tal forma que pareciera que
estuvieran regidos por una función de utilidad. Las respuestas a esta pregunta
provinieron de varios frentes.
Quizá el primero en discernir sobre esto, fue un matemático del grupo Bour-
baki: Samuel Eilenberg, en 1939. Pero fueron von Neumann y Morgenstern
(1944)33 quienes, basándose en el trabajo de Eilenberg, darían las primeras
condiciones sobre preferencias de un consumidor, para que éste eligiera bajo
una función de utilidad. A este trabajo le siguieron clarificaciones y simplifica
ciones que darían forma a lo que hoy conocemos como los fundamentos de la
teoría del consumidor y, en general, de la elección. Entre ellos, aparecen Arrow
(1951)34, Herstein y Milnor (1953)35, Debreu (1954)36 y, de forma importante
e influyente, Savage (1953-54)37, quien en The Foundations of Statistics se
ñalaría con claridad los axiomas que producen distribuciones de probabilidad
subjetivas y, así, funciones de utilidad esperada.
xi ^ x2 ó x 2 =4 x i (*)
[xi] = {x € X | x ~ xi}
pregunta es: ¿será posible asociar, con cada clase de indiferencia, un número,
de tal forma que si una clase es preferida a otra, el número de la primera será
mayor que el número de la segunda? En otras palabras, dado un preorden
completo sobre el conjunto de consumo X , ¿existirá una función creciente
u : X —>R tal que u(x{) < u(x 2 ) si, y solo si, x \ y u(x 1) = u (x 2 ) si,
y solo si, x \ # 2? La existencia de una función cardinal de utilidad para
la relación ordinal dada no puede asegurarse siempre. Es importante una
hipótesis adicional que, además, garantice que la función de utilidad sea
“analíticamente dúctil”, es decir, que sea continua.
Para afinar nuestra discusión establezcamos entonces lo que entenderemos
por función de utilidad:
clase de
indiferencia
de x
son cerrados en R+; entonces existe una función de utilidad sobre el con
junto X preordenado por .
Lección 1: Funciones cóncavas y cuasicóncavas 45
D em ostración.
Ver Debreu (1959).41 ■
y, por lo tanto, la función r(x) así definida de los reales a los racionales
se ha construido de tal manera que es uno-a-uno (pues es estrictamente
creciente). Pero, esto es una contradicción, ya que la cardinalidad de R es
mayor que la de Q (volumen 0 (Fundamentos)). Un ejercicio para el lector
es probar que los conjuntos (*) en el teorema 22, no son cerrados en R 2 .
T eo rem a 23.
Si los conjuntos
{x 6 X | x a/}, {x G X | x x'}
son cerrados, entonces para la relación de preferencia se cumple que:
D em o stració n .
Ver Debreu (1959a).44 ■
D em o stració n .
a) Supongamos que es convexa débil; entonces x y implica Ax+ ( 1 —\ ) y £=
y. Como i¿(-) es función de utilidad, de estas dos relaciones se tiene que
u(x) > u(y) implica u(ArrH- (1 —X)y) > u(y) = mín{w(o;), u(y)}. Por tanto,
u(-) es cuasicóncava. Por otro lado, si suponemos que t¿(-) es cuasicóncava,
44 Debreu, Gerard (1959a), Ibíd.
Lección 1: Funciones cóncavas y cuasicóncavas 47
entonces u(Xx + (1 —A)y) > mín{u(x), u(y)}. Y, así, u(y) < u(x) implica
u ( \ x + (1 —X)y) > u(y) y como ti(-) es función de utilidad, esto equivale a
que y x implica Xx 4 - (1 —A)y y.
b) Es similar a a). ■
a que contravenía lo que en esa época se creía era una forma correcta de
valorar una acción riesgosa. Así, la Paradoja de San Petersburgo mostraba que
el valor actuarial no era siempre una guía del comportamiento de los agentes
en situaciones de riesgo.
Una propuesta para solucionar esta paradoja fue presentada por Gabriel Cra
mer y por Daniel Bernoulli en 1723 y 1738, respectivamente. Ellos proponían
que los agentes podrían valorar este tipo de situaciones utilizando lo que Ber
noulli denominó expectativas morales, que puede interpretarse como la utilidad
esperada del dinero para el agente, y que en el caso de este juego es
oo \ n
£(“) =£ ( j ) “í2"'1) = (V2)«(l) +(l/2)«(2)+
( l/4 )u (2 2 ) + (l/8 )u ( 2 3)H-----
Si se supone, tal como lo hizo Bernoulli, que u(x) = a \ n x para cierto a > 0,
entonces E (u) < oo, pues, por el criterio de la razón para series infinitas
(volumen 2, lección 4), se tiene que
i, V2 / i , l n 1
lim . \ I --------------- = lim -- ------ - = - < 1
(i) V i»
TI—tOO f \ \ , _
) ln 2
TI >00 2 77, — 1 2
iv ) La noción de lotería
Al modelar la elección bajo riesgo, el primer problema que se presenta es cómo
representar las elecciones que se toman y sus consecuencias o resultados, ya
que en la teoría de elección bajo certidumbre, elecciones y resultados se tratan
de forma indiferente, por lo cual podemos hablar en ese caso únicamente de
resultados, y el conjunto de elección bajo certidumbre como el conjunto de
resultados.
46 Von Neumann, J. y Morgenstern, O. óp. cit.
47 Savage, Leonard J. óp. cit..
Lección 1: Funciones cóncavas y cuasicóncavas 49
A P O = {(Pl,--.,Pn) € [0,1]"/P l + • • • + ? „ = 1}
Supondremos que los agentes al tomar decisiones bajo riesgo elegirán aque
lla lotería cuyos resultados prefieran a los de las demás loterías, es decir, al
igual que en el caso bajo certidumbre, supondremos que los agentes tienen una
relación de preferencia, sobre las loterías.
N ota 7.
Vemos que A (X ) es un conjunto convexo, y que si ex € A (X ) representa el
elemento que asigna probabilidad 1 al resultado i G l , entonces todo elemento
p e A (X ) se puede representar como
n
Por lo tanto, toda lotería se puede representar como una combinación lineal
de loterías de las cuales conocemos el resultado con certeza. Es por esto que
podemos interpretar una lotería como una combinación lineal de resultados
que se conocen con certeza.
Ejemplo 13.
A (X ) = { ( p , l - p ) / 0 < p < l }
y ( 5 , 3 ) es un ejemplo de lotería.
U{p) =
1=1
es decir, que la utilidad de una lotería no es más que el valor esperado de las
utilidades de los resultados bajo certidumbre. Es por esto que si u(-) representa
la función de utilidad del agente bajo certidumbre, se suele escribir
n
u (p) = ^ Z p M x í)
i=1
Al igual que en el caso de elección bajo certidumbre, la existencia de la fun
ción de utilidad debe establecerse a partir de supuestos sobre la relación de
preferencia definida sobre el conjunto de loterías.
T eorem a 25. (Existencia de la fu n ció n de utilidad esperada (I. Hers-
tein y J. M iln or (1 95 3)))
Sea X = { 1 ,... ,n} el conjunto de resultados, A (X ) el espacio de loterías aso
ciado a éste y, además, =4 una relación de preferencia definida sobre A (X ). Si
se satisfacen las siguientes condiciones:
i) A (X ) está completamente ordenado por =^.48
ii) Para todo p ,q ,r € A (X ), los conjuntos
{A € R | p =4 Ag + (1 - A)r}, y, {A € R | Xq + (1 - A)r ^ p)
son cerrados.
iii) Si p,q € A (X ), p ~ q, entonces para todo r e A (X ) se tiene h p + i r ~
\q + \r .
Entonces existe una función de utilidad esperada que representa estas preferen
cias; es decir, existe U : A (X ) —> R tal que para todo p,q € A (X ), A G [0 ,1 ],
£/(•) satisface
U(Xp + (1 - X)q) = XU(p) + (1 - A)U(q).
D em ostración.
Ver I. N. Herstein y J. Milnor (1953).49 Para otras demostraciones de la exis
tencia de una función de utilidad esperada, véase John von Neumann y Oskar
Morgenstern (1944)50 ó Peter C. Fishburn (1994).51 ■
Teorema 26.
Sea U : A (X ) —>R una función de utilidad esperada; entonces, V : A (X ) -» R
es una función de utilidad esperada si, y sólo si, existen (3 > 0 y 7 G R tales
que V (p) = @U(p) + 7 .
D em ostración.
Elijamos p,q G A (X ) tales que p r )p q para todo r G A (X ). Si p ~ q enton
ces toda función de utilidad esperada es constante, y se tiene inmediatamente
el resultado. Así que supongamos p>- q. Como U(-) es una función de utilidad
esperada, entonces, si V (p) = (3U(p) + 7 ,
es decir,
U(r) - U(q)
r U(p) — U (q)
Como [/(•) es una función de utilidad esperada, entonces r ~ Arp*f (1 —Ar )^.
Pero como hemos supuesto que V(-) también representa las mismas preferen
donde
V(p) - V(q) _ U (q )(V (p )-V (q ))
P U(p) — U(q) 7 {Q> U (p )-U (q )
En adelante, asumiremos que todas las funciones de utilidad son del tipo von
Neumann-Morgenstern, es decir, satisfacen las condiciones de los teoremas 25
y 26.
d) B r e v e n o ta so b re n o c o n v e x id a d e s
La teoría económica convencional, como quizás el lector lo haya percibido, se
basa principalmente en la hipótesis de rendimientos a escala decrecientes o
constantes. Pero, claramente, los rendimientos crecientes a escala sí existen
en las economías reales. De hecho, existe un volumen apreciable de literatu
ra sobre estos mecanismos que data, por lo menos, de los tiempos de Alfred
Marshall. La teoría del comercio internacional, la economía del desarrollo, la
economía regional, la economía de alta tecnología, etc. son casos en los que
estas teorías se aplican con relativo éxito. A estos mecanismos se les conoce
con distintos nombres: rendimientos crecientes, causalidad acumulativa, círcu
los virtuosos, no convexidades, efectos de trifurcación, etc. Los orígenes varían:
costos fijos muy altos, efectos de aprendizaje, efectos de coordinación, efectos
de expectativas, efectos de red, etc.
Un ejemplo notable de rendimientos crecientes son los productos con alta tec
nología implicada, donde los costos de investigación y diseño son muy altos,
donde los procesos de producción pueden mejorarse a través de aprendizaje
y donde pertenecer a una red de estándares tecnológicos es fundamental. Sin
duda, las economías de alta tecnología son economías en las que los meca
nismos de rendimientos crecientes surgen muy naturalmente, pero no los de
rendimientos decrecientes.
Sin embargo, la dificultad consiste en que la teoría económica moderna tiene un
desarrollo sesgado hacia las técnicas que se adaptan bien con los rendimientos
Lección 1: Funciones cóncavas y cuasicóncavas 53
52 Arthur, B., et âl. (1997), The Economy as an Evolving Complex System //, SFI Studies
in the Sciences of Complexity, New York: Addison Wesley Longman.
54 Matemáticas básicas para economistas 3: Optimización y dinámica
Ejercicios complementarios
1 . Indique una función cuasicóncava que no sea monótona (creciente o de
creciente).
6 . Si
x2 si x < 0
ln(rr + 1) si x > 0
7. Pruebe que
/ ( z , y) = A [axp + Pyp] p
9. La función CRRA
/(« > - - r = r
^lnx si 7 = 1
11. ¿Será cierta, falsa o incierta la siguiente afirmación?: “Puesto que la suma
de dos funciones cóncavas es una función cóncava, entonces la fusión de
dos empresas con rendimientos decrecientes a escala debe resultar en otra,
también con rendimientos decrecientes a escala”. Explique.
12. (*) El teorema lie ) asegura, en particular, que si /(•) es cóncava y F(-)
estrictamente creciente, entonces (F o /)(- ) es cuasicóncava. Muestre que
si /(•) es cóncava y F(-) es monótona cualquiera, entonces (F o /)(•) es
cuasicóncava. [Sin embargo, Kenneth J. Arrow and Alain C. Enthoven
(1961)53 construyen un ejemplo en el que la afirmación recíproca de este
teorema no es cierta: h (x , y) = (x — 1) + [(1 —x )2 + 4(rr + y)] 2 es cua
sicóncava, pero no es la transformación monótona de ninguna función
cóncava (mostrar esto último podría ser un gran reto aun para el lector
aventajado y por ello recomendamos consultar la cita bibliográfica)].
a) Convexos.
54 •^rrow>Kenneth J. y Alain C. Enthoven (1961), óp. cit.
[x] es la parte entera de x (volumen 0 (Fundamentos)).
56 Matemáticas básicas para economistas 3: Optimización y dinámica
b) No convexos.
c) Con rendimientos decrecientes a escala.
d) Con rendimientos constantes a escala.
e) Con rendimientos crecientes a escala.
15. Existen ciertas funciones de producción para las cuales podemos carac
terizar fácilmente el tipo de rendimientos a escala que presentan; éstas
se conocen como funciones homogéneas.
Recordemos (volumen 0 (Fundamentos)) que una función / : D —>R es
homogénea (de grado a ) si, y solo si, existe un a 6 R+ tal que
f(t x) = taf(x)
f( tx ) = y/tx = y/ty/x = Ú f( x )
a) f( x ) = \n x b) f( x ) = (x + 3)2
c) f ( x, y) = - d) f ( x, y) = (x + y )2
y
o /< * .» ) - « ■ * ’
a) f ( x ) = ln (^ + 1) b) f( x ) = xn con n G N.
c) f ( x ) = x 2 d) f ( x , y ) = x + y
e) f( x ,y ) = x y f) f( x ) = 1 - e~x
19. ¿Será que los rendimientos marginales decrecientes implican o son impli
cados por los rendimientos a escala decrecientes?
21. a) Una “explicación” intuitiva sobre por qué la suma de dos funciones
cuasicóncavas no necesariamente es cuasicóncava se encuentra en la
teoría del consumidor. Si dos consumidores prefieren (cada uno inde
pendientemente) la combinación a la especialización cuando estos dos
consumidores hacen sus compras como un único agente, podría ser que
se especializaran en algún tipo de producto. El ejemplo de la pareja en
58 Matemáticas básicas para economistas 3: Optimización y dinámica
i) Yj es cerrado
ii) Y es cerrado
iii) 0 € Yj, 0 € Y (posibilidad de no acción)
iv) Y fl (R+) = 0 (imposibilidad de producción gratuita)
v) y n ( - y ) = {0 } (irreversibUidad)
vi) Yj + Yj C Yj (aditividad)
vii) Yj es convexo.
viii) —R+ C Y (libre disponibilidad de insumos)
{x G R+ | x ^4 x'}, {x G R+ | x > x 1}
24. [Demostración del teorema 1]. Este ejercicio, para el lector aventajado,
consiste en seguir cuidadosamente la demostración del teorema 1 :
Sea x G C cualquiera, y tal que Xk —>• x cuando k —>oo. Además,
sea e > 0 y K tal que para todo k > K , ||xfc —x|| < e (sabemos que tal
K existe, ya que Xk —> x), y sea también A = {y G C \ \y — x\ = c}.
Entonces, para todo k > K existen G A y Xk G [0,1] tales que xk =
\kX + (1 —Ak)yk¡ V dado que Xk ->• x y \yk - x\ = e, entonces Ak -> 1 .
Por la concavidad de /(•),
y así
lím ínf } ( x k) > f( x ) 57 (*)
k—►oo
De manera similar, podemos elegir Zk G A y Xk G [0,1] tales que x =
^kXk + (1 —Ak)zk’ Por un argumento similar, tenemos que
57 Dada una sucesión de números reales {an}, supongamos que existe un número A tal
que: i) Para cada e > 0 existe un entero. N > 0 tal que n > N implica a„ < A + e.
ii) Dados e > 0 y m > 0 existe un entero n > m tal que an > A — e. Entonces A se
llama el límite superior de {an}, l í m s u p ^ ^ an. El límite inferior de {an} se define
como lím ínfn-^oo an = —límsupn_foo —an. (volumen 2 (Cálculo), lección 1, para una
definición alternativa.)
Lección 2
Optimización estática
Introducción
El análisis matemático, en todas sus ramas, proveyó a la física y a la tecnología
con potentes métodos para la solución de problemas de muchas clases. Ya
hemos estudiado el primero en surgir: encontrar la tasa de cambio de una
magnitud cuando sabemos cómo depende esta magnitud del tiempo (derivada);
y encontrar el área de figuras curvilíneas y el volumen de sólidos (la integral).
Además de esto, el análisis matemático ha mostrado métodos para encontrar
el máximo y el mínimo de valores de una magnitud bajo condiciones dadas.
Con estas reglas es posible determinar, por ejemplo, la forma de una cisterna
cilindrica que, para un volumen dado, tendrá la superficie más pequeña y,
por tanto, requerirá de la mínima cantidad de material para construirla: la
cisterna debe igualar su altura al diámetro de la base. Estos métodos también
nos permiten determinar la forma de la curva a lo largo de la cual un cuerpo
debe rodar para caer, en el mínimo tiempo posible, de un punto a otro (esta
curva se llama la cicloide).
Pero el análisis matemático no sólo nos entrega métodos para resolver proble
mas particulares. También nos da reglas generales para la formulación matemá
tica de “leyes” cuantitativas de las ciencias. Las leyes generales de la mecánica
no podrían formularse matemáticamente sin recurso a conceptos del análisis
matemático, y sin tal formulación no seríamos capaces de resolver los proble
mas de la mecánica. En la misma forma, las leyes de la conducción del calor, la
propagación de la luz a través de distintos medios físicos, las reacciones quími
cas, las leyes del electromagnetismo, y muchas otras, simplemente no podrían
tener una formulación matemática sin los conceptos del análisis. Y es sólo co
mo resultado de esta formulación, que podemos aplicar estas leyes a una gran
variedad de casos concretos.
La motivación para calcular máximos y mínimos es profunda, pues numerosos
fenómenos naturales muestran lo que se conoce como un principio del mínimo o
principio del máximo. Es corriente encontrar que la naturaleza, al llevar a cabo
61
62 Matemáticas básicas para economistas 3: Optimización y dinámica
Maximizar /( x , y)
sujeta a g (x, y) > 0 (KT)
x > 0
y > o
donde / , g : -» R son funciones diferenciables. Aquí a /(•, •) se le conoce
como función objetivo, y a <?(•,•) como función restricción. A este problema lo
llamaremos, en adelante, problema (KT) (figura 1).
Ejem plo 1.
En el problema
Maximizar xy
sujeta a 3x + Ay < 5
x > 0
y >0
Ejemplo 2.
En el problema
Maximizar x+ y
sujeta a x 2 + y2 < 1
x > 0
y > 0
Minimizar f ( x ,y)
sujeta a g (x, y) > 0
x >0
y >0
es equivalente al problema
Maximizar —/ (x, y)
sujeta a g (x, y) > 0
x > 0
y >0
64 Matemáticas básicas para economistas 3: Optimización y dinámica
Ejercicios 1
1. En los siguientes ejercicios, identifique /( x , y) y g(x, y) en la formulación
(KT):
máximo global
mínimo global
a b
Figura 2. Máximo y mínimo global de una función continua sobre
un conjunto compacto.
Ejercicios 2
1. En los siguientes ejercicios determine si se cumplen las condiciones para
existencia de la solución al problema dado. Si existe, ¿permite el teorema
66 Matemáticas básicas para economistas 3: Optimización y dinámica
a) Maximizar (x —l )2 + y2 b) Minimizar x 2 + y2
sujeta a y > x ¿ -1-1 sujeta a Sx + 4y < 12
x >0 x >0
y >0 y >0
y >o y >0
Maximizar f(x ,y )
sujeta a g (xyy) = 0 (L)
x >0
y> 0
Con el objeto de entender cuál es la idea básica del método de los multiplicado
res de Lagrange (Lagrange (1788)), tratemos de resolver el problema siguiente:
Maximizar xy
sujeta a 3x + 4y = 5
x >0
y >0
v / ( i , ÿ ) = AV g(x, y)
g (x ,y ) = 0
o, equivalentemente,
% -% ■ <CT0>
Y ahora nos preguntamos cuándo funciona bien el método de Lagrange; es
decir, cuándo las soluciones al problema de optimización que tenemos a mano,
realmente están entre las soluciones encontradas por el método. La respuesta
la encontramos en el siguiente teorema:
Maximizar f ( x , y)
sujeta a g (x, y) = O (L)
x > O
y > O
V / |(x*,y) = A Vp|(x.)y.)
siempre y cuando
|(x*,y*) 7^ O
D em ostración.
Por el teorema de la función implícita (lección 3, volumen 2) se tiene, de
g(x,y) = 0 , que alrededor de (x*,y*) existe una única función diferenciable
y(x) tal que g(x, y(x)) = 0 y que, además,
dy _ d g /d x
dx dg /d y
d} = T x dx + % dy = 0
Luego, en (x*,y*),
d l(d £ \ 1= d l( d g Y l
dx \ d x ) dy \ d y )
df
dx = l(l)" í-í »
v, de manera similar,
70 Matemáticas básicas para economistas 3: Optimización y dinámica
( d
l 21) = x (? l
\d x d y ) \d x d y )
o, lo que es igual,
| ( x * ,y * ) = ^9 | ( x *, y *) ■
dC df .dg dC
— = ? J L -\9 l = o
dx dx dx a r s H s r 0'
y esto es,
d ¿ = x 9g a¿ dg
g (x ,y ) = 0
dx dx’ dy dii’
V /( 0 = <;(•) = 0
E jem plo 3.
Resolvamos el problema
Maximizar xy
sujeta a 3x + 4y = 5
x >0
y >0
Solución.
Aquí, / (x, y) = xy, g (x, y) = 3x -f 4y —5. Ambas funciones tienen derivadas
parciales continuas; luego, por el teorema 8 , si (x*,y*) resuelve este problema
de optimización, entonces existe un escalar A / 0 tal que
= 4A, y * = 3A
Vemos que Vg(x*,y*) = (3,4) ^ (0,0); por lo tanto, el punto (x*,y*) satisface
todas las condiciones del teorema 8 . Dado que este punto es la única solución a
las CPO, debería ser la solución al problema. En efecto: puesto que el conjunto
S = {(x, y) € R+ | 3x + Ay = 5} es compacto y la función objetivo /(x , y) =
xy es continua, por el teorema de Weierstrass existe solución al problema.
Además, como en los extremos del conjunto restricción, (§ , 0 ), (0 , |) , la función
no tiene su máximo (pues su valor allí es 0 , y variando un poco x y y podemos
obtener más que 0 ), el valor máximo de la función es /(x*, y*) = x*y* = jj jj =
25 3 *
48* A
3 ¿El lector podría explicar por qué en la solución (x*,y*) se tiene y* < x*?
72 Matemáticas básicas para economistas 3: Optimización y dinámica
Ejem plo 4.
También podemos utilizar la técnica de Lagrange para resolver el problema de
optimización
Maximizar x + y
sujeta a x 2 + y2 = 1
x > 0
y > 0
Solución.
Aquí, f( x ,y ) = x + y, g{x,y) = x 2 + y2 — 1, y dado que ambas funciones
tienen derivadas parciales continuas, buscamos un número A ^ 0 tal que
V /(x ,y ) = A V g (x ,y )
Es decir,
(1,1) = A(2x, 2y)
o,
2Xx — 1, 2Ay — 1
Es claro que A ± 0; y puesto que x 2 + y2 = 1 , entonces
y ya que ésta es la única solución a las CPO y satisface Vg(x*, y*) = (\/2, \Í2) /
(0 , 0 ), debería ser la solución al problema, tal como se ilustra en la figura 6 .
En efecto: puesto que el conjunto
s = {(x ,y) € K+ | x2 + y2 = 1}
Vk
\
Maximizar xy
sujeta a x 2 + y2 = R 2
x >0
y >o
V /(x ,í/) = AV g (x ,y )
Es decir,
V /(x,?/) = (y,x) = A(2x,2 y) = AV g (x ,y )
Así, y = 2xA y x = 2yA, por lo que x* = y*. Reemplazando esto en la
restricción g (x, y) = 0 , tenemos que
y, por consiguiente,
. , y/2R
x =y
74 Matemáticas básicas para economistas 3: Optimización y dinámica
Como Vg(x*, y*) = (y/2R, V 2R) / (0 ,0) y esta es la única solución a las CPO,
debe entonces ser (después de aplicar el teorema de Weierstrass y estudiar los
valores de la función objetivo en los dos extremos de la restricción) la solución
al problema. Así, el problema original se resuelve con un cuadrado de lado
\¡2 R , que, por consiguiente, tendrá área 2R 2.
a.) b)
Esto es equivalente a
Solución.
a tan a + b tan (3 = c
Ejem plo 8.
Resolvamos para a , (3 > 0, p i,í >2 > 0 fijos,
Maximizar x ay&
sujeta a p \x + p2y = M
x >0
y > 0
Solución.
Las condiciones de primer orden (CPO) de este problema son:
( 0 1 ° 1y8,0 x ay B ‘) = a ( - p i , - p 2)
P20L
Lección 2: Optimización estática 77
* _ OlM
X ~ (a + P)pi
y, por tanto,
m
y
{a + P)p2
/ qM y ( m a ap 0 M Q+0
^ \ ( Q + 0 )P i) \ ( a + (3)p2/ (a + 0 )a+0PiP2
y* = , W j
y (a+0)p2 -
, _ «M
X ~ {a+P)pi
Figura 9. Solución gráfica del ejemplo 8 .
Ejemplo 9.
Resolvamos el problema
Maximizar xy
sujeta a x + x y + y3 = 1
x > 0
y > 0
78 Matemáticas básicas para economistas 3: Optimización y dinámica
Solución.
En este caso /( x , y) = xy, g (x}y) = x + x y 4 - y3 — 1. Vemos que la función
objetivo es continua y que el conjunto restricción {(x, y) € R 2 / x-f xy+ y 3 = 1 }
es compacto, de tal forma que, por el teorema de Weierstrass, el problema
tiene solución. Dado que el óptimo no puede estar en los bordes del conjunto
restricción, y como, además, las derivadas parciales son continuas, la solución
debe estar entre las condiciones de primer orden, las cuales vienen dadas por:
de lo cual se obtiene
y _ 1+ y
x x + 3y2
o, lo que es equivalente,
3y3 = x
Reemplazando en la restricción obtenemos 3yA + Ay3 = 1, lo que implica que
Ejercicios 3
X2 y2
1. Encuentre el valor máximo de /( x , y) = x y sobre la elipse — + — = 1 ,
8 2
asumiendo x > 0, y > 0. [Indicación: Una gráfica ayudaría].
sujeta a 9x + 2y = 5 d) Maximizar 3x + Sy
i i
x > 0 sujeta a X 2 -I- 2/2 = 1
Lección 2: Optimización estática 79
x > O y >0
Maximizar f ( x , y)
sujeta a g(x, y) > 0 (KT)
x >0
y > 0
Minimizar
sujeta a x +y <5
x >0
y >0
que claramente se resuelve para x* = y* = como se ve en la figura 11 .
Observe que la solución ni siquiera satisface la restricción con igualdad, ya
que x* + y* < 5. En este ejemplo, f( x ,y ) = (x - ¿) + (y - £) y g (x,y) =
5 — x — y. A
Lección 2: Optimización estática 81
V aunque, como hemos visto, estos problemas son trivialmente resueltos, exis
ten abundantes situaciones en las que no es fácil resolver el problema geo
métricamente y necesitaremos una herramienta más sofisticada: el método de
optimización de Kuhn-Tucker.
a) E l a lg o r itm o (d e) K u h n -T u ck er
Consideremos nuevam ente la función lagrangiana (ahora extendida)
C : R+ x R+ x R -> R
Maximizar f ( x yy)
sujeta a g (x , y) = 0 (L)
x >0
y >0
82 Matemáticas básicas para economistas 3: Optimización y dinámica
g (x ,y ) = 0
x >0
y > 0
La dificultad ahora es que el problema de Kuhn-Tucker
Maximizar f( x ,y )
sujeta a g (x, y) > 0 (KT)
x > 0
y >o
podría implicar soluciones de esquina, o también interiores, a la restricción
9(x >y) = 0* Si la solución a (KT) es de esquina, digamos (0, y*, X*) con y* > 0,
A* G R, entonces, siguiendo lo hecho para el problema lagrangiano, debemos
tener que (0,?/*) resuelve para cierto A* E R
Maximizar C (x,y, X)
sujeta a x >0
y> 0
Así, £(0 + A x,y*,X *) < £ ( 0 ,y*,A*) para todo A x > 0 (¿por qué sólo para
A x > 0 y no para Ax < 0?). Ahora: por el teorema de Taylor (lección 3,
volumen 2 ),
d 2C ( A i)2
£(0 + Ax,í/*,A*) = £(0,y*1A*)+ ^ Ax +
(0,!/•) dx2
donde 0 < Çx < Ax. Y como £(0 + Ax, y*, A*) < £(0,y*, A*) entonces
ÔC d 2C (A x)2
Ax + <0
dx d x 2 (Cx,y,A*)
, que es igual,
o, lo ■ i a —df < 0.
ox (0,y* d x ( o .v )
Así, mientras la primera derivada del lagrangiano con respecto a x se anula si
x* > 0 , en la esquina (x* = 0 ) esta primera derivada es menor que o igual a
cero (figura 12). En otra forma, el producto de x* y la derivada del lagrangiano
d¿
<0 y x* I I r
dx ^ dx («•«•) ) =0
(*•,»•) 9X dx
Es claro que el papel de x y de y es simétrico, así que por un razonamiento
similar tendremos que
2L
dy dy
<0 y
»‘(ir I-»
Finalmente, para (x*,y*) fijos, maxim izar £(x*,y*, A) requiere A* < 0 (dado
que g(x*,y*) > 0 ).
Este es, de forma heurística, el origen de las condiciones de primer orden del
problema de Kuhn-Tucker (KT), que ahora presentamos.
D efinición 2. (C ondiciones de p rim e r o rd e n (C P O ) (de) K u h n -T u ck er)
S¡ /(•), <?(•) son funciones diferenciabas con continuidad en R+ y A < 0, de
finimos las condiciones de primer orden (CPO) del problema de Kuhn-Tucker
(KT) de la siguiente forma:
“» * ( s - As ) “ 0i X í M ~° (CP0)
84 Matemáticas básicas para economistas 3: Optimización y dinámica
„n-n
dx Ox' dy dy'
y estas no son más que las condiciones de primer orden del método de Lagrange.
Ahora nos preguntamos: ¿cuáles son las condiciones que garantizan que dentro
de las soluciones a las condiciones de primer orden (CPO) siempre están las
soluciones a nuestro problema de optimización? La respuesta la encontramos
en el siguiente teorema:
Teorema 4. (K -T = > C P O )
Sean /(•) y g(-) cuasicóncavas y difercnciables con continuidad en R +. Si
(x*,y*) resuelve el problema
Maximizar f ( x , y)
sujeta a g (x, y) > 0
x >0
y >0
entonces existe un A < 0 tal que (x*,y*) satisface las condiciones de piim er
orden (CPO) siempre que se tenga alguna (y basta una) de las siguientes con
diciones:
i) La función g(-) es convexa en R^_.
ii) La función g(') es cóncava en R+ y existe un (x, y) G R^_ tal que g(x, y) >
0.
D em ostración.
Ver I< J. Arrow, L. Hurwicz y H. Uzawa (19G1).7 ■
Solución.
En este caso, f ( x , y) = x + y, g(x, y) — 1 - x 2 —y2. Puesto que estas funciones
son cuasicóncavas (como puede fácilmente verificarlo el lector) y g(x,y) =
1 - x2 — y2 es cóncava en R+, además de que para (x, y) — (0.5,0.5) se tiene
(j(x , y) = 0.5 > 0, entonces, por el teorema 4, cualquier solución del problema
de optimización (si existe) está entre las soluciones de las condiciones de primer
orden:
A = - ^ - ? í 0; A = - ^ - 5¿0
2xr 2y
lo que implica x — y. Del hecho de que A ^ 0, y de ii), tenemos que
x 2 + y2 = 1; y así, x* = y* = A* =
l W _v^ X. _ _ V 2
x -y - 2 , 2
sujeta a x+ y < 5
x> 0
y > O
Solución.
En este caso, f ( x }y) = — (x — — (y — (para reducir el “problema de
minimizar” a uno de “maximizar”) y g (x, y) = 5 —x —y (recuérdese que la
restricción debe aparecer en la forma g (x,y) > 0). En este caso, la función ob
jetivo es cóncava y, por lo tanto, cuasicóncava. Además, la restricción es lineal;
es decir, convexa y cuasicóncava. Por el teorema 4, las condiciones de primer
orden (CPO) son necesarias para la solución de nuestro problema que, por el
teorema de Weierstrass, tiene solución (puesto que el conjunto de restricción
es compacto, y la función objetivo es continua). Las CPO son:
a) Si A = 0, tenemos que x* = y* = A* = 0.
b) Si A 0, de ii), tenemos que x + y = 5; y así, x* = y* = | , A* = 4.
Esta solución no cumple la condición A* < 0 y, por lo tanto, no puede
considerarse.
i* = i , y* = i , A* = 0
Maximizar xy
sujeta a (1 —x — y)3 > 0
x >0
y > 0
se tiene como solución x = y = 1/2, pero no existe ningún A que satisfaga las
CPO en ese punto? A
Maximizar ( x - 1 )3
sujeta a 2 —x > 0
x >0
Teorema 5. ( C P O =*► K - T )
Sean /(•) y g(-) cuasicóncavas y diferenciables con continuidad en R^_. Si
(x*,y*,X*) satisface las (CPO) y se cumple alguna (y sólo una es suficien
te) de las siguientes condiciones:
8 Arrow, Kenneth J. y Enthoven, A. C. (1961), Quasi-Concave Programming, óp. cit.
88 Matemáticas básicas para economistas 3: Optimización y dinámica
or
b) — > 0 y g (x, y) > 0 para algún x > 0, y > 0; o bien
óx (**,y)
d) }{x ,y ) es cóncava;
D em o stració n .
Ver K. J. Arrow and A. C. Enthoven (1961).9 ■
Maximizar 2x+3y
sujeta a x+ y < 1
x >0
y>0
Solución.
En este ejemplo, f ( x , y) = 2x + 3y y g (x, ?/) = 1 —x —y. Dado que en este caso
se cumplen las condiciones de los teoremas 4 y 5 (ya que tanto la restricción
como la función objetivo son lineales), las condiciones de primer orden nos
entregan exactamente las soluciones. Estas son:
x* = 0 , y* = 1 , A* = - 3
a) b)
Figura 13. En el panel a), la solución gráfica del ejemplo 14.
En el panel b), la solución gráfica del ejemplo 15.
Solución.
En este problema, f ( x , y) = —4x 2 —2y 2 y g (x , y) = x + y —y. Vemos que la fun
ción objetivo es cóncava y, por lo tanto, cuasicóncava; y la función restricción
es lineal y, así, convexa y cuasicóncava. Es claro que el problema satisface las
condiciones de los teoremas 4 y 5 y, por lo tanto, las soluciones del problema
son, a su vez, las soluciones a las condiciones de primer orden, las cuales son:
Minimizar 2x+3y
sujeta a x -f y > 1
x >0
y> o
Solución.
En este problema, /( x ,y ) = —2 x — 3y y g (x,y) = x + y — 1 . Notemos que,
en este caso, las funciones cumplen las condiciones del teorema 5, aunque no
las del teorema 4 (¿por qué?); por lo tanto, las soluciones de las CPO son las
soluciones al problema de maximización.
Las condiciones de primer orden son:
x* = 1 , y* = 0, A* = - 2
Minimizar w \x + w2y
sujeta a x — y2 > 1
x > 0
y> 0
92 Matemáticas básicas para economistas 3: Optimización y dinámica
Solución.
En este ejemplo, f ( x ,y ) = —(w \x + w2y), g (x,y) = x — y2 — 1. La función
objetivo es lineal y, así, cóncava; además, la restricción es una función cóncava,
y para (x, y) = (2, 0.5) se tiene que g (x ,y ) = 0.75 > 0. Entonces, ambas
funciones cumplen las condiciones de los teoremas 1 y 5 y, por lo tanto, existe
un máximo y las soluciones a las CPO son, precisamente, las soluciones del
problema. Las condiciones de primer orden son, en este caso:
Minimizar 3x + 2 y
sujeta a xy > 5
x >0
y >0
Solución.
En este problema, f ( x , y) = —3x —2y y g (x , y) = x y — 5, y éstas no cumplen
las condiciones del teorema 4, ya que la restricción no es cóncava ni convexa,
aunque, como se puede verificar fácilmente, ambas funciones son cuasicóncavas.
Por lo tanto, si alguna solución de las CPO satisface alguna de las condiciones
adicionales del teorema 5, será solución al problema. Las condiciones de primer
orden son
*• = > / £ í/* = v/ ¥
Minimizar 7 —y + x 2
sujeta a x + y <5
x > 0
y> 0
Solución.
En este problema, /( x , y) = —(7 —y + x 2) y p(x, y) = 5 —x - y. Dado que la
función objetivo es continua y el conjunto de restricción es compacto, por el
teorema 1 la función objetivo alcanza un máximo global. Además, el problema
satisface las condiciones de los teoremas 4 y 5; por lo tanto, las soluciones de
las CPO son las soluciones al problema de optimización. Estas condiciones de
primer orden son:
= 0, y* = 5
Maximizar x (y + 4)
sujeta a x2 + y < 8
x> 0
y > o
Lecciói¡ 2: Optimización estática 95
Solución.
En este problema, /(rr, y) = x(y 4- 4) y g (x, y) = 8 — x 2 — y. Vemos que la
función objetivo es continua y el conjunto de restricción es compacto; por lo
tanto, por el teorema de Weierstrass, existe un máximo global. Además, se
cumplen las condiciones del teorema 4 (ambas funciones son cuasicóncavas y
la restricción es convexa), de tal forma que entre las condiciones de primer
orden está la solución al problema. Las CPO son
Vemos que 1. es la única solución a las CPO y, por tanto, el óptimo está en
x* = 2, y* = 4, A* = - 2
Maximizar f(x ,y )
sujeta a g (x,y) = 0 (L)
x >0
y > o
Sin embargo, esto no es del todo cierto. Los valores de A nos dan información
muy valiosa sobre el óptimo al cual están asociados: miden cierta sensibilidad
del valor óptimo de la función objetivo f( x ,y ) con respecto a ciertas varia
ciones de la función g(x,y). Para verlo, escribamos primero (y de nuevo) las
condiciones de primer orden para un óptimo (x*,?/*,A*) (con x*,y* > 0 ) del
problema (L):
d
± _ dg
= 0
dx dx
x, dg
= 0 (*)
dy dy
g (x ,y ) = 0
Maximizar /(^ ,y )
sujeta a g (x , y) = a o^0 (L’)
x >0
y >0
una pregunta legítima es: ¿cómo varía la nueva solución con respecto a la
solución original (x*,y*)7 Para responder esto, supongamos que (x*(a),y*(a))
son las nuevas soluciones. Entonces, sea
dC = df_dx d ¿ d y _ ^ ^ ^ x _ ^dg^dy
da d x da dy da d x da dy da
Lección 2: Optimización estática 97
Jd -
dx (*•,»•) dx (i-,y
(
Pero, de (*), los dos primeros términos del lado derecho de la última igualdad
se anulan, y esto arroja el resultado:
8C
9a (*•(«),»•(«)) da ( x » , »•(<,))
Por lo tanto,
w. = A
d a (*-(a),y(o))
Así, el multiplicador A es la tasa de cambio del valor máximo de la función
objetivo, con respecto a un cambio en el parámetro a de la restricción. Esta
ecuación de sensibilidad del problema del lagrangiano es una versión del que
se conoce también como teorema de la envolvente (ver teorema 6 ).
N ota 4.
Quizás no sobre aclarar que en el problema de Kuhn-Tucker, la ecuación de
sensibilidad es exactamente igual y la prueba es similar.
Maximizar f( x , y, a)
sujeta a g (x , y, a) > 0
x > 0
y > 0
Definamos la función de valor máximo como F(a) = f(x (a ),y (a ),a ) donde
(x(a), y(a)) es el punto donde se resuelve el problema de optimización para un
valor de a particular.
dF (a) _ d C (x ,y yX)
da da (x(a),y(a))
Minimizar ax + by
sujeta a x y = QQ
x >0
y >0
H T f.
entonces, si definimos C (a , 6 , Q) = ax* + by*, se tendrá que
C (a,6,<?) = 2(a6)1/2QQ/2
Ejercicios 4
1. Resuelva analíticamente (utilizando los teoremas apropiados y encon
trando las soluciones explícitamente) e ilustre gráficamente los siguientes
problemas:
Maximizar cTx
sujeta a Ax < b
x >0
Alimentos Estándares
X\ £ 2 mínimos
cr
1 (calorías)
O
O
ii
«11 «12
O
O
(vitaminas)
II
2 «21 022
Para completar el problema, sean p \ , P2 los precios (de mercado) por unidad de
los alimentos. Si x , y son las cantidades a consumir (en las unidades adecuadas)
de cada uno de los alimentos, entonces esta dieta cuesta
z = p ix + p2y
14 Debe advertirse, sin embargo, que la historia del pensamiento matemático es al revés:
Kuhn y Tucker se inspiraron en la programación lineal de Dantzig para desarrollar
su método dirigido a problemas de optimización no lineal.
Lección 2: Optimización estática 103
Minimizar 2x4-12 y
sujeta a x 4 - 3y > 700
2x 4- y > 400
x 4 -y > 200
x > 0
y > o
E jem plo 22. (El problem a del transporte (D antzig (1947, 1949)))
Otro de los problemas clásicos de programación lineal es el problema del trans
porte que consiste en lo siguiente: una compañía necesita enviar cierto prodúcto
desde m lugares a n destinos. Supongamos que unidades del producto están
disponibles en el origen z-ésimo, con i = 1 , . . . ,m ; y se requieren bj unidades
en el destino j , j = 1 , . . . , n. Además, supongamos que la cantidad total dispo
nible en los distintos orígenes iguala la cantidad total requerida en los distintos
destinos; es decir,
m n
Ei a-=X>
=1 j=1
Si el costo de enviar una unidad de producto desde el origen i hasta el destino
j es Cij, ¿cuántas unidades del producto deberían ser despachadas entre cada
par origen-destino, de tal manera que se minimice el costo total de transporte?
Lección 2: Optimización estática 105
Minimizar E X /* * «
i=i j=i
n
sujeta a Xij = üí
j =i
m
xt j =
i=1
X{j > 0
donde i = 1 , . . . , n; j = 1 , . . . , m.
Para simplificar, supongamos que m — n = 2 y que las unidades disponibles
en los orígenes 1 y 2 son ai = 5 y a2 = 2 respectivamente, mientras que las
unidades requeridas en los destinos 1 y 2 son b\ = 4 y b2 = 3. Por último,
supongamos que los costos de transporte vienen determinados por la siguiente
tabla:
Destino 1 Destino 2
Origen 1 10 20
Origen 2 20 40
- x 2i = 1
- X 12 + X21 = - 1
x \\ + X21 = 4
X\2 + X22 = 3
x \\ = 2, x \2 = 3, X22 = 0
Vemos que este plan es factible y su costo es 120, que, a su vez, es el mínimo
costo de envío de productos entre los orígenes y destinos.
b) E l a lg o r itm o sim p le x
o, en forma matricial,
Maximizar cTx
sujeta a Ax + Is = b
x >0
s > 0
donde / = / m es la matriz identidad de tamaño m x m, y donde, sin pérdida
de generalidad, suponemos b > 0 .
Ejemplo 23.
a) El problema de programación lineal
Maximizar 3x+2 y
sujeta a x + 2y < 5
3x + Ay < 8
2x + y < A
x > 0
y > o
Maximizar 3x + 7y+10z
sujeta a 4x 4- y 4- 2z < 3
7x 4- 3y -I- z < 4
x + 5y + 4z < 6
x >0
y > 0
z >0
2>0
«1 > 0,52 > 0, S3 > 0
E jem p lo 24.
a) E 11 el problema
Maximizar 3x4-2y
sujeta a x 4- 2y 4- 5 i = 5
3x 4- 4y 4- 52 = 8
2x 4- y 4- 53 = 4
x > 0
y> 0
5i > 0 , 52 > 0 , 53 > 0
Lección 2: Optimización estática 109
5 1 = 5 —x —2y
52 = 8 —Sx — 4y
53 = 4 - 2x - y
Maximizar Sx + 7y + 10z
sujeta a Ax -f y + 2z 4- s\ = 3
7x + 3y + 2 + S2 = 4
x + 5r/ + 4z + 53 = 6
x >0
y> 0
z >0
5l > 0 , 52 > 0, 53 > 0
5 1 = 3 - 4x - y - 2z
52 = 4 —7x — 3y — z
53 = 6 - x - 5y - 4z A
CLnXi + 0 12 ^ 2 + ------« 1 n x n + 5 i = b i
A x 4- I s = b
cTx + 0T5 = /
110 Matemáticas básicas para economistas 3: Optimización y dinámica
an <Zl2 flln 1 0 0 bi
021 Û22 Û2n 0 1 0 h
A I
A los elementos de la última fila de esta matriz que son diferentes de / , se les
llama indicadores.
Maximizar 3x+2 y
sujeta a x + 2y 4 - si = 5
3x + Ay 4- S2 = 8
2x 4- y + 53 = 4
x >0
y>0
Si > 0 , 52 > 0 , 53 > 0
1 2 1 0 0 5
3 4 0 1 0 8
2 1 0 0 1 4
3 2 0 0 0 /
b) Asimismo, el problema
Maximizar 3x + 7 y+ 10z
sujeta a 4x + y + 2 z + s\ = 3
Lección 2: Optimización estática 111
7x 4* 3y 4- z 4- 52 = 4
x 4- by 4- 4z 4- s 3 = 6
x > O
y > O
2 > O
«i > 0 , s 2 > O, 53 > O
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 /
donde > 0 el valor máximo que puede tomar xj es — , tomando las demás
a,ij
variables como cero; pero puede suceder que al reemplazar este valor en otra
restricción donde dkj > 0, se tenga que asignar valores 110 permitidos a las
demás variables. Por ejemplo en
4x 4- y 4- 5i = 8
2x 4- 52 = 1
si tomamos el valor de x como | = 2, entonces 52 = —3, y esto no es posible. Por
lo tanto se debe tomar aquella ecuación donde el factor — sea mínimo y >
0, dado que esto permitirá una asignación factible en las demás ecuaciones si
este es el valor óptimo para la variable Xj.
Después de encontrar la ecuación que permite una asignación factible en las
variables del problema, podemos pasar a resolver esta ecuación para x j , en
contrando que
__ __ __ d\j , bid\j
CLnXi + a 1 2X2 4-----+ CL\nx n + $1--------si — &1---------
aij aij
__ __ ___ 0,2j , biCL2j
d 2 \x \ + 0>22%2 4~ * * * 4" 0>2nx n s 2 --------- s i = -------------
aij aij
_ _ _ 1 bi
a n X i + CLi2x 2 4" • • * 4" d { n X n H------- s i = —
donde
----- Q>ikQ>hj » / . . / .
a hk = O’h k -------------, h ^ J y k ^ J
d{j
donde podemos repetir el proceso anterior hasta que los indicadores sean me
nores o iguales a cero .15
Paso 3. Una vez elegido el pivote a^-, realice operaciones elementales sobre las
filas de la tabla simplex utilizando siempre transformaciones de la fila
i, hasta que el elemento pivote sea igual a 1, y el resto de elementos
de la columna j (incluido el indicador de esa columna) sean cero.
Paso 4- Verifique que todos los indicadores sean no positivos. En caso dado,
deténgase; de lo contrario, regrese al paso 1 .
Ejemplo 26.
1 2 1 0 0 5
3 4 0 1 0 8
2 1 0 0 1 4
3 2 0 0 0 /
— = 2 ——- = - — =4
ai2 ’ 022 5’ 032
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 5
frl _ 3 _¿2_ _ ^ 63 _ 3
«13 2 ÍZ23 a 33 2
Lección 2: Optimización estática 115
tenemos dos elementos que pueden ser el pivote. Tomemos el elemento a j3.
Realizando operaciones básicas entre filas tenemos la siguiente tabla sim
plex:
2 i 1 1 0 0 3
2 2 2
5 5 0 1 1 0 5
2 2 2
-7 3 0 -2 0 1 0
-1 7 2 0 -5 0 0 / —15
Ahora el mayor indicador positivo está en la columna 2, y el pivote es a ^ ,
ya que
— = 3 -^ = 1 -^ = 0
«12 «22 «32
Utilizando de nuevo operaciones elementales entre filas obtenemos la si
guiente tabla simplex:
19 0 1 5 0 0 3
G ti 2
65 0 0 7 1 G5 5
6 G 2
7 1 0 2 1
0 3 0
3 3
37 0 0 11 0 32
3 3 / —15
c) E l te o r e m a d e d u a lid a d
Ya vimos cómo resolver un problema de máximo utilizando el método simplex.
Ahora queremos dar respuesta a dos interrogantes: primero, cómo resolver
un problema de mínimo utilizando el mismo método; segundo, cómo cambia
la solución óptima ante cambios (pequeños) en las restricciones. Para ello,
relacionamos el problema canónico (PL)
Maximizar c x (PL)
sujeta a Ax < b
x > 0
116 Matemáticas básicas para economistas 3: Optimización y dinámica
El siguiente teorema muestra que el valor óptimo del problema dual es mayor
que o igual al valor óptimo del problema primal.
T eo rem a 7.
Si i G l " es factible en el problema piimal y y € Mm es factible en el problema
dual, entonces bTy > ¿Fx.
D em o stració n .
Multiplicando en el problema primal las restricciones por y y multiplicando en
el problema dual las restricciones por x , se obtiene yTA x < yTb, x TA Ty > x Tc.
Escribiendo de nuevo, tenemos bTy > yTA x > cTx . ■
Teorema 8.
Supongamos que x* y y* son factibles en el problema primal y dual respec
tivamente, y que cTx * = bTy*. Entonces x* resuelve el problema primal y y *
resuelve el problema dual.
Dem ostración.
Como cTx* = bTy* > cTx para todo x factible, entonces x* resuelve el pro
blema primal. Así mismo, como bTy > cTx* = bTy *, y* resuelve el problema
dual. ■
D em ostración.
(Teorema 13 adelante.) ■
N ota 5.
El teorema de dualidad (teorema 6 ), que es realmente sorprendente y muy
importante, fue primero notado (aunque no probado) por von Neumann en
notas privadas que aparecieron antes de 1947.
Ejemplo 28.
Para que veamos lo fuerte que puede ser esta relación primal-dual, considere
mos el problema
x > O
y > o
z >O
w > O
'60'
20
Minimizar [x, y , z, w]
3
20
'3 -4 '
6 2
sujeta a [x, y, z, w\
-1 1
2 5
x, y, z, w > 0
Maximizar [4,2]
co
"60'
6 2 'xi 20
sujeta a <
-1 1 X2 3
2 5 20
xi > 0, X2 > 0
20
Minimizar [y, w]
20
6 2
sujeta a ly .H >(4,2]
2 5.
y > 0, w >0
Lección 2: Optimización estática 119
Figura 20
30/13'
(0,8/13,0,2/13) = (4,2)[; = 200/13
40/ 13
o
Al
x' 0, J
Al
Al
1 2 1 1 0 2
3 1 1 0 1 12
700 400 200 0 0 /
120 Matemáticas básicas para economistas 3: Optimización y dinámica
1 2 1 1 0 2
0 -5 -2 -3 1 6
0 -1 000 -500 -7 0 0 0 / - 1400
Como todos los indicadores son no positivos, este es el óptimo del problema
primal cuyo valor óptimo es 1400 (tal como habíamos calculado gráficamente).
Además, los negativos de los indicadores de las variables de holgura son 700
y 0, de forma que en el problema original tendremos que x* = 700 y y* = 0,
como habíamos mostrado anteriormente.
Ejem plo 30. (El problem a del transporte, de nuevo)
Tomemos, una vez más, el problema del transporte
Minimizar lOXn + 20X12 + 20X21 + 40X22
sujeta a Xn + Xi2 = 5
2 2 1 + X22 = 2
X ll + X21 = 4
X12 + X22 = 3
Xij > 0
que es el dual del problema
Maximizar 5Xii -f- 2Xi2 “1“ 4X21 "H3X22
sujeta a x n 4- X21 — 10
X n -f- X 22 = 2 0
X12 4* X21 = 20
X12 4" *^22 =
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 / - 120
Maximizar cTx
sujeta a Ax < b
x >0
Maximizar cTx
sujeta a A x < b + Ab
x > 0
Ejercicios 5
1. Encuentre los valores óptimos de los siguientes problemas lineales:
Maximizar 5x 4 - 2 y + z
sujeta a x -\-3y — z < 6
y + 2 < 4
3x + y < 7
x >0
y> o
es x = ?/ = 0, z = 4, y el valor del problema es Además, muestre
que la solución del problema dual está en x \ = 0 , yi = 1, z\ =
Minimizar 3x — 2 y + 5z
sujeta a —y + 2 z > 1
Lección 2: Optimización estática 123
x + z > 1
2x — 3y + 7z > 5
x >O
y > o
4. Una empresa tiene tres depósitos, los cuales tienen 10,000, 5,000 y
16,000 unidades de sus productos. El próximo mes deben enviarse 2,000,
1,000, 3,000, 4,500, 500, 600 y 950 unidades a siete distintos alma
cenes. Encuentre el plan de envío de menor costo, si el costo unitario de
envío de cada depósito a cada uno de los almacenes 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
El siguiente es uno de los teoremas más profundos (y, por ello mismo, más
simple) de la teoría de optimización, que involucra, precisamente, la noción de
convexidad. Los teoremas de existencia de hiperplanos separadores establecen,
básicamente, que un conjunto convexo y un punto que no está en este, pueden
separarse mediante un hiperplano (figura 23); es decir, con el conjunto convexo
de un lado y el punto del otro lado. Veamos en qué consisten estos dos teoremas
centrales de la teoría de la optimización que, como notaremos, son consecuencia
del teorema de Wierstrass.
Lección 2: Optimización estática 125
a) p € C.
b) Existe un hiperplano H de R 2 que contiene a p y tal que C está totalmente
contenido en uno de los semiplanos abiertos determinados por H. En tal
caso, se dice que H es un hiperplano separador.
D em ostración.
Supongamos que p £ C, y consideremos la función sobre el conjunto cerrado C
dada por
}(x ) = ||x - p ||
Como se puede probar fácilmente, esta función es continua y, utilizando con
venientemente el teorema de Weierstrass (teorema 1), tiene un mínimo sobre
C. Sea q un punto de C tal que
H = {x e R 2 | (x - p) • n = 0}
n(q' - p) > 0
D em o stració n .
Sea C la clausura de C. Es fácil mostrar que C también es convexo, y p está en
la frontera de C. Si es posible probar el teorema para C, entonces claramente
estaremos probándolo para C. Por lo tanto, podemos asumir que C es cerrado.
Ahora: para cada entero k > 2 , encontremos un punto pk £ C que esté a una
distancia menor que £ de p. Por el teorema 10 anterior, podemos encontrar un
punto qk sobre C cuya distancia ap* sea mínima. Hagamos ahora nk = qk~Pki
y sea nfk el vector unitario (||njt|| = 1) en la dirección de n*. La sucesión de
vectores nfk tiene un punto límite sobre la esfera de radio 1 , digamos n', ya
16 La frontera de un conjunto 5, d S , está definida como el conjunto de puntos que
pertenecen a la adherencia de 5 y a la adherencia del complemento de S, es decir,
d S = S O S c . Recordemos también que la adherencia de 5, S , es el conjunto de
límites de sucesiones de puntos de 5 (volumen 2 (Cálculo)).
Lección 2: Optimización estática 127
x • ti* > pk • Uk
Y así, dividiendo a ambos lados por la norma de njt, se obtiene que para todo
k,
x ' n k > Pk ' n'k
Como n' es un punto límite de la sucesión {nj.}, y p es un punto límite de la
sucesión {pk}, se sigue, por continuidad de la función producto interior, que
Tomando, una vez más, el ejemplo 5, supongamos que para x > 0 , y > 0 ,
definimos
/ ( x, y) = xy, g(x, y) = x 2 + y2
a) Al resolver el problema de optimización
Maximizar /( x , y)
sujeta a g (x , y) < R 2
x> 0
y>0
N ota 6.
El ejercicio anterior plantea el interrogante sobre el caso en el que la frontera
del conjunto convexo no fuera suave en el punto que queremos separar: ¿ Cómo
calcularíamos los respectivos gradientes? (figura 25). En estos casos, el cálculo
diferencial no nos puede ayudar a resolver el problema de optimización, y es allí
donde los coeficientes que acompañan a las variables de la ecuación cartesiana
del hiperplano (es decir, los coeficientes del vector normal), vienen a jugar el
papel de las respectivas derivadas parciales.
a) A p lic a c io n e s d e l te o r e m a d e se p a ra ció n d e M in k o w sk i
En principio, y a diferencia de los métodos algorítmicos de optimización (La-
grange, Kuhn-Tucker, simplex), el teorema de Minkowski está más en la tra
dición del teorema de Weierstrass, en el sentido de que es un teorema de opti
mización de fina descripción teórica que no estaría diseñado para aplicaciones
Lección 2: Optimización estática 129
D em ostración.
a) Primero, notemos que para cualquier p € Rn y q € Rm, se tiene que
y, por lo tanto,
máx mín qApT < mín máx qApT
p *i 9 p
D em ostración.
Primero demostremos la segunda proposición del teorema. Para ello, suponga
mos que el problema dual no tiene solución óptima finita; entonces bTy* < —M
para todo M > 0 ; pero, en tal caso, si x* es factible en el problema primal
tendríamos que cTx* < —M para todo M > 0 , lo cual claramente es imposible.
Ahora supongamos que el dual tiene solución óptima finita de valor z°. Defi
namos el conjunto
C = {(r, w) G R n+1 | r = tz — bTy } w = tb — A Ty , y > 0, t > 0}
Como puede fácilmente verificar el lector, el conjunto C es un cono convexo
cerrado. Veamos que p = (1,0) ^ C. Si w = t°b — A Ty° = 0 con t° > 0
yO
y y° > 0 , entonces y = — es factible en el problema dual y, por lo tanto,
= z° —bTy < 0; es decir, r < 0. Por otro lado, si w = —A Ty° = 0 con y° > 0
y bTy° = - 1,y si y es una solución factible del problema dual, entonces y + a y°
es factible para todo a > 0 y, además, podemos obtener valores arbitrariamente
pequeños de la función objetivo, lo cual contradice nuestra hipótesis de que la
solución factible del dual es finita. Por lo tanto, no puede existir tal y°, y así,
PÍC.
Dado que C es un cono convexo y cerrado, y que p = (0,1) £ C, por el teorema
de separación de Minkowski (teorema 10), existe un hiperplano que separa p
de C. Así, existe un vector no nulo (s, x) G R n+1 y una constante d tal que
s <d= ínf {sr + xw }
(r,w)ecl
Ejercicios 6
1 . Halle, ilustrando con un dibujo adecuado, hiperplanos de soporte para
los siguientes conjuntos convexos C y correspondientes puntos p en el
Lección 2: Optimización estática 131
plano:
N ota 7.
El lector puede observar que si para cada s e S se tiene que <p(s) es un solo
elemento (es decir, y? es una función), el concepto de semicontinuidad superior
es equivalente a la continuidad de la función y?.
E jem plo 32.
Sea S = T = [0,5], y definamos
vW = / 2 s i * ^ 2-5
{[1,3] si x =■ 2.5
¥>(«)♦
4 --
3 --
2 ---------------------------- ,
i
i -- ¡
i
------------- 1------------- h -
2.5 5 s
conjunto
¥>(«)
es decir,
s2 < t < S2 4- 1
Así que t e <p(s) y, por lo tanto, (5 , t) € <p. Luego, graf <p es cerrado y, por el
teorema 14, es semicontinua superiormente. A
Demostración.
f ( sm ¿) — / (s n) 5: f ( s n j t n ) + Sn
P o r t a n to ,
b) N o te m o s, e n p rim e r lu g a r, q u e
b) /i : R -¥ R, definida por
si s
fi(s) = arg máx{ st / 1 € [—2,2]} = 2,2] si s= 0
si s < 0
es semicontinua superiormente.
Ejercicios 7
1. En cada uno de los siguientes casos, determine si la correspondencia es
semicontinua superior, semicontinua inferior o continua:
y donde f( s .t ) = -— ------.
J ’ 1 1 +s+t
Demostración.
La difícil prueba de este teorema requiere conceptos y nociones de la topología
algebraica, que están más allá de los objetivos de este texto. Para el lector
interesado le sugerimos consultar H. Nikaido (1968). 22 ■
a) Sea / : [0,1] —> [0,1] definida por f( x ) = x 2. Entonces los puntos fijos
se hallan resolviendo la ecuación x 2 = x que nos lleva a dos puntos fijos:
x* = 0 ,x * = 1 .
22 Nikaido, H. (1968), Convex Structures and Economie Theory, New York: Academic
Press.
138 Matemáticas básicas para economistas 3: Optimización y dinámica
y y —x
i
y = f(x)
X 1 X
que es una función continua. Los puntos fijos aparecen al resolver la igualdad
Demostración.
Como S es compacto, dado e > 0 podemos construir una colección de m € bolas
abiertas de radio e, con a\ £ S, y tales que (volumen 2 (Cálculo),
lección 1)
me
i= 1
m áx{e- \ \ x - a \ [|, 0 }
w\{x) =
E ^ i m áx( €- II x ~ aj II» °>
Esta función satisface las condiciones del teorema de punto fijo de Brouwer
(teorema 16) y, por lo tanto, existe un x e G S tal que <pe(xe) = x €. Ahora: como
S es compacto, podemos asumir que el conjunto de puntos fijos {xe} tiene una
subsucesión convergente {xtn}(volumen 2 (Cálculo), lección 1). Sea i G S s u
límite cuando n —> oo, y probemos que x € <p(x) mostrando que dist{x, <p(x)} =
0. Para hacerlo, definamos el conjunto = (p(x) — B¿(0 ) que es un conjunto
abierto que contiene al conjunto <p(x), y probemos que x G $ 2<5 para todo
^ > 0, pues esto, inmediatamente, nos conduce al objetivo requerido. En efecto:
como <¿?(-) es semicontinua superiormente, entonces podemos encontrar una
140 Matemáticas básicas para economistas 3: Optimización y dinámica
bola abierta B e(x) tal que ip(Bt (x)) C Por lo tanto, para n grande se
tendrá que si w\n (x€n) > 0 ,
Así, a-n G B e(x) si w¡n(x€n) > 0, y esto implica que b\n G <p(Be(x)) C
Además, como
C orolario 2.
Los teoremas de punto fijo de Brouwer y Kakutani son equivalentes.
a) Sea ip : [0,1] —►^([0,1]) definida por ip(x) = [0, x 2]. Esta correspondencia
satisface las condiciones del teorema de punto fijo de Kakutani (¿por qué
es <p semicontinua superiormente?). Por lo tanto, existe x* G [0,1] tal que
x* G <p(x*) = [0, (x*)2]. En efecto, x* = 0 y x* = 1 satisfacen esta condición.
*’ € [ 0 , 2 (z*)2 - ? ( z * ) 3 - ^ + 1 ]
a) A p lic a c io n e s d e lo s te o r e m a s d e p u n to fijo
Son numerosas las aplicaciones de los teoremas de punto fijo. Aquí sólo pre
sentamos dos, para mostrar la potencia de estas herramientas: el teorema del
minimax y el teorema de Perron-Frobenius. En ellas únicamente señalaremos
pautas de demostración, dejando al lector el trabajo de completar los detalles.
a) Aunque el teorema minimax fue demostrado anteriormente utilizando el
teorema de separación de Minkowski (teorema 12), no debería sorprender que
sea posible probarlo utilizando el teorema de punto fijo de Kakutani:
■ Defina la correspondencia
P* 6 <p(q*), q* e i¡>(p*)
■ Sea A(A) = sup L(A). Pruebe que A(>1) > 0 y A(j4) e L(A ). Así, existe
algún x > 0 tal que A x > A(A)x.
f : íí —y Í7
definida por
/( * ) = , , n . 1 „ - (In + A)x
1 + 2 ^ i J = l a i3 x 3
1 ~ ( I n + A)x* = x '
Pruebe que
y que
A(A) = 2 2 a» xJ
i,j = 1
Ejercicios 8
1. ¿Podemos aplicar el teorema de punto fijo de Kakutani en alguno de los
casos del ejercicio 1, Ejercicios 7? Explique.
2. ¿Podemos aplicar el teorema del máximo en alguno de los casos del ejercicio
1, Ejercicios 7? Especifique.
144 Matemáticas básicas para economistas 3: Optimización y dinámica
9. Contexto económico
A mediados del siglo XIX los economistas compartían, en general, una misma
perspectiva sobre la teoría del valor y la distribución. El valor de un saco de
maíz, por ejemplo, se creía que estaba determinado por los costos implicados
en producir ese bushel; y el producto de una economía se distribuía entre los
diferentes grupos sociales de acuerdo con los costos implicados por estos grupos
en producir ese producto. Esta era, vagamente, la teoría clásica desarrollada
por Adam Smith, David Ricardo, Thomas Robert Malthus, John Stuart Mili
y Karl Marx.
Pero algunos percibían dificultades con esta aproximación. Una de estas era
que los precios en el mercado no necesariamente reflejaban el valor, ya que
las personas, a menudo, estaban dispuestas a pagar más de lo que un objeto
valía. Las teorías clásicas que asociaban el valor como una propiedad inherente
de un objeto, gradualmente abrieron camino a una perspectiva en la cual el
valor estaba asociado con la relación entre el objeto y la persona que tiene
el objeto. Varios economistas entre los años de 1870 y los de 1880 (William
S. Jevons y Francis Edgeworth en Inglaterra, Léon Walras en Suiza e Irving
Fislier en Estados Unidos) comenzaron a basar el valor en la relación entre
costos de producción y elementos subjetivos como la oferta y la demanda. En
marcado dentro de la revolución marginalista y el individualismo metodológico
en economía (volumen 2, lección 3), a tal desarrollo se le denominó economía
neoclásica, término acuñado, al parecer, por Thorstein Veblen en su The Place
of Science in Modem Civilization and other Essays de 1919.
En este escenario, la economía neoclásica se acostumbraba describir así:
Toda economía se compone de individuos de dos tipos: consumidores y pro
ductores.
Minimizar w \x + w2y
sujeta a f ( x , y) > y0
x >0
y> o
donde w i,w 2 > 0 son los precios de los insumos x y y respectivamente (que
son dados por el mercado); yo > 0 fijo es la producción mínima requerida en el
período económico; y f ( x ,y ) es una función de producción (o tecnología) que
relaciona las cantidades de los insumos x y y con una cantidad de producción
definida por la función / : R+ E (figura 31).
146 Matemáticas básicas para economistas 3: Optimización y dinámica
fuera compacto (teorema 1), ya que la función objetivo es lineal y, por tanto,
continua. Pero el conjunto S no es compacto, y por eso recurrimos a un “truco”:
primero, definimos un conjunto S f C 5, que sí sea compacto y que mantenga la
esencia del problema económico: sea ( x \ y') £ R+ cualquiera, pero fijo; el costo
mínimo buscado w\x* + W2 y* debe ser entonces menor o igual a w \x ’ 4- w2 yf.
Si restringimos la atención al conjunto compacto (figura 31)
notamos que podemos utilizarlo como conjunto compacto para que el problema
del productor, ahora sí, tenga solución. Si la función de producción es cuasi-
cóncava estricta, entonces, podemos utilizar el teorema 2 de esta lección para
asegurar que la solución (x*,y*) al problema del productor es única.
De otro lado, notemos que si /(•, •) es diferenciable con continuidad en R^_, el
problema cumple con las condiciones del teorema 5, así que las soluciones de
las condiciones de primer orden de Kuhn-Tucker son también las soluciones del
problema del productor. Estas condiciones de primer orden son:
(¡) f ( x , y ) > yo
Además, por el teorema de la envolvente (teorema 6), tenemos que, en este con
texto, —A mide el cambio en los costos óptimos cuando se varía la producción
mínima requerida; esto es, —A es el costo marginal.
Lección 2: Optimización estática 147
Minimizar w \x + W2y
sujeta a x ay0 > yo
x >0
y >o
donde w i,w 2 ,a ,fi > 0 ; yo > 0 fijo.
ra„/3 _ «
Solución.
Las condiciones de primer orden del problema del productor son
A (xQy0 - y 0) = 0
Analizamos solo el caso x > 0, y > 0 (¿por qué?): Si x > 0, y > 0, entonces,
de (ii), A = ------ W\ —o = ~
—Ñ — — ■~~~2n—r / 0, lo que implica y = —
' a x a~ly0
Q~^yP (3xQyP~l M 1 w\
entonces, nuevamente de ii),
o + /3 _ i_
x = (- ^ \' vS+0
\ 0 w2 /
Por consiguiente, las demandas de factores y el costo marginal son
148 Matemáticas básicas para economistas 3: Optimización y dinámica
\Q W 2
_
W\ f a w 2\ & ^Q+/9
ay0 \ P w i ) Voo
Así, el productor produce exactamente yo, y el costo mínimo de producir al
menos esa cantidad es
x* = 0,
. a w\
'o si - < —
(3 w2
. a w\
x*(w\,W 2 ,yo) = si — = —
[» •a p tü2
yo . a w\
si - > —
a P W2
yo . a w\
si - < —
P P w2
. a w\
y*(w\,W2 ,yo) = si — = —
[»•?] P
. a w\
si - > —
P
f W2 . a ^ w\
— si -0 ^ —
p W2
—A* =
w1 . a w\
— si - >
a p W2
150 Matemáticas básicas para economistas 3: Optimización y dinámica
Figura 33. Solución gráfica del problema del productor con tecno
logía lineal. En el panel a): | En el panel b): j
Minimizar w\x+v)2y
sujeta a [axp -I- /3yp]p > yo
x >0
y> 0
donde w i1 iV2 ,ct,fi > 0 ; yo > 0 fijo, —oo < p < 1, las condiciones de primer
orden del problema del productor son:
yo
lo cual es equivalente a
i 1 / i p i p \~p
x* = ot p - 'w f- 1 í oc p~1 Wi~1 +(3 p~1 W2 ~ 1 J yo
y cuyo costo es
C ( w i , w 2,yo) =
[(= ? )* + (£ )* ]“ » si p < 0
p> 0
C*)‘ » - 5 2 (i)!
152 Matemáticas básicas para economistas 3: Optimización y dinámica
a) b) c)
Figura 34. Solución gráfica del problema del productor con tecno-
logia CES. En el panel a): ( f ) ' > En el panel b): ' < {£.
En el panel c): ( f ) J = g .
—f i -fi- i - e- \ ~
1 í Q P-iWi 1 + P P~l W¡ 1 J yo, p< o
yo si p> o
w2 \P J
Maximizar p y - w \x - w2y
sujeta a y = f ( x, y)
x > o
y >0
Figura 35. Solución gráfica del problema del productor que maxi-
miza beneficios. En el panel a) la función de producción dado el
valor y del insumo y. En el panel b) las curvas isobeneficio. En
el panel c) el punto óptimo, donde el ingreso marginal es igual al
costo marginal.
154 Matemáticas básicas para economistas 3: Optimización y dinámica
Es usual analizar este problema gráficamente utilizando una figura que relacio
ne el nivel de producción y y uno de los insumos x 6 y. Para ello, suponemos
dado el nivel del otro insumo, por ejemplo y = y, y dibujamos la función de
producción f ( x ,y ) en el plano (x,y), donde y = f ( x ,y ) (figura 35a). Así mis
mo, se pueden dibujar las diferentes combinaciones de producción y e insumo
x , dado y , que obtienen el mismo nivel II de beneficios. A estas combinaciones
las denominamos curvas de isobeneficios, y están dadas por la ecuación
II w\ W2 .
y = ---- I----- x H------y
P P P
como se muestra en la figura 35b. Vemos que la curva de isobeneficio más alta
se alcanza en el punto donde ésta es tangente a la función de producción; es
decir, donde
wi _ d f
p dx
que es la tradicional condición de igualdad entre ingreso marginal (valor del
producto marginal) y el costo marginal.
E jem plo 41. (M áxim os beneficios con tecnología tip o C obb-Douglas)
Maximizar p f( x ,y ) — w \x — w2y
sujeta a /( x , y) = x Qy0
x > 0
y> 0
Solución.
Las condiciones de primer orden para maximizar los beneficios con tecnología
Cobb-Douglas son
pctxQ~l y0 = w \, p/3xay0 ~ 1 = W2
y función de beneficios
¿Por qué debemos asumir en este problema que a+¡3 < 1? Así, los rendimientos
de la tecnología Cobb-Douglas deben ser constantes o crecientes a escala. ¿Qué
sucede si a + /? > 1? A
Maximizar p f( x , y) - w \x - w2y
sujeta a a x + ¡3y = f( x ,y )
x > 0
y> o
Solución.
cuya función objetivo es creciente en x si p a > wi, y en y si p¡3 > w2. Así, las
correspondencias de demanda de factores son
156 Matemáticas básicas para economistas 3: Optimización y dinámica
la correspondencia de oferta es
oo si p a > w i, ó , pP > W2
( [0,oo] si p q — W\ , y , pP = w2
O si p a < u/i, y , p(3 <
y la correspondencia de beneficios es
( oo si pa > w \ , ó, p p > W2
0, ó, oo si pg = W \, y , p f i = W2
O si p a < w i, y , p P < W2 A
Maximizar p f( x ,y ) — W \x—W2y
sujeta a (a xp + Pyp)? = f( x , y)
x >O
y >O
Solución.
En este caso, las condiciones de primer orden del problema del productor son
de lo cual obtenemos
o
n ( p , w u w2) = O
af(x,y) = ^ +^ y
Lección 2: Optimización estática 157
donde p\ > 0 es el precio por unidad del bien x\ p2 > 0 es el precio por
unidad del bien y } y ambos precios están dados; M > 0 es su presupuesto;
y u (x,y) es la función de utilidad que relaciona el consumo de i y y con el
nivel de satisfacción del individuo (figura 36). Para asegurar la existencia de
una solución al problema, por el teorema 1 basta que la función de utilidad sea
continua, ya que el conjunto S — {(x,y) G R+ | p \x 4- p2y < M ] es compacto.
Si, además, la función de utilidad es cuasicóncava estricta, por el teorema 2
podemos asegurar que dicha solución es única, puesto que el conjunto
Por el teorema de la envolvente (previo al teorema 6), tenemos que, en este con
texto, A mide el cambio en la utilidad (óptima) cuando se varía el presupuesto
Ai; esto es, A es la utilidad marginal del presupuesto.
Solución.
( aM Y ( pm y
u (x '{ p i,p 2 ,M ) ,y ’ (p i,p 2 ,M ))1■= 1 -
\ p i ( a + ß ) J \M < x + ß ) )
Lección 2: Optimización estática 159
b) C a r a cterística s g en er a le s d e la s fu n c io n e s d e l p r o d u c to r y
co n su m id o r ra cio n a l sin in te r a c c io n e s
Las diversas funciones estudiadas en el literal anterior poseen ciertas caracterís
ticas estructurales que nos permiten distinguir claramente cuándo una función
cualquiera proviene (o no) del comportamiento racional de un productor o de
un consumidor. Veamos esto en cada uno de los casos que hemos estudiado.
a) n (p,iui,u/ 2) > 0 para todo p,u/i,tU2> es decir, las firmas nunca eligen tra
bajar con beneficios negativos.
c) n(V j-) es homogénea de grado 1 en (p, 0 /1, 102), es decir, que aumentos
proporcionales en todos los precios relevantes para la firma no afecta el
nivel de beneficio óptimo.
D em o stració n .
Ejercicio complementario 34 al final de esta lección. ■
24 Hotelling, H. (1932), Edgeworth’s Taxation Paradox and the Nature of Demand and
Supply Functions, Journal of Political Economy, vol. 60, 577-616.
160 Matemáticas básicas para economistas 3: Optimización y dinámica
E jem p lo 45.
Verifiquemos que la función de beneficio de la tecnología Cobb-Douglas
a) Aquí,
a n (p ,w u w2) / w 2\ ^ >Q
dp \ a / \ P /
= t n ( p ,w i,w 2 )
Minimizar w \x + w2y
sujeta a f ( x , y) > y0
x >0
y> 0
D em ostración.
Ver ejercicio complementario 35.
Ejemplo 46.
Verifiquemos que la función de costos de la tecnología lineal (ejemplo 39)
W2 . a wi
— yo si - < —
P P w2
C (w \ , w2i yo) =
wi . a ^ wi
— yo si - > —
Q p W2
a) Si w[ > w \, entonces
W2 . Ct w\ rw 2 . cu ^ w\
~^yo si - < — — yo si - < —
P P w2 1/3 P W2
C(w'í i w2 ,yo) =
W\ . Q^ w\ w\ . a ^ wi
— yo si - > — — yo si - > —
Û P 11)2 a P w2
= C (w i,w 2 ,yo)
Y de forma similar si w'2 > W2 -
t W2 . Oí W\ w2 .a w1
¿— 2/0 si - < —
T yo s lJ - ñ 2 P P W2
C (tw ii tw 2 ,yo) =
tw \ . Oí ^ W\ wi . a wi
— yo si - > — ¿— y0 si - > —
a P w2 Q P W2
= t C ( w l i w2iy0)
w\ ^ a w[ a
W2 ~~ P ' w'2 ~~P
Lección 2: Optimización estática 163
entonces
Maximizar U(x, y)
sujeta a p \x + p2 y < M
x > 0
2/>0
Maximizar u(x, y)
sujeta a p \x 4- p2y < M
x > 0
V> 0
D em ostración.
Ejercicio complementario 37. ■
166 Matemáticas básicas para economistas 3: Optimización y dinámica
dv(pu p 2,M ) = _ l_ í aM y Q
ii) Además,
. ( M . A - « fe .« .« )
talada también por la saga Bowley (1924),30 Hicks y Alien (1934),31 Ler-
ner (1932),32 Kaldor (1939),33 Scitovsky (1942),34 y los clásicos Traité
d ’Économie pure de Aliáis (1943), Foundations of Welfare Economics
de Lange (1942), y el Foundations of Economic Analysis de Samuelson
(1947) .
i) E l m odelo p a re tia n o
Desde la perspectiva actual, el sistema paretiano podría describirse así:
tiene otra cosa que hacer, sino ocuparse de sus propios negocios
y buscar cómo satisfacer sus propios gustos, según las diferentes
condiciones que pueden presentarse en el mercado. Todos los ven
dedores (o los compradores) de renta, modifican el precio, pero lo
modifican sin previo designio, y no es el fin sino el efecto de su
intervención. (Manuel, § 46, Cap. III).
d) En este modelo también se asume que los consumidores poseen dotaciones
de factores y desean consumir bienes producidos por las firmas, que son
las que organizan la producción, demandando factores de los consumidores
y ofreciendo bienes producidos. El resto consiste en que los consumidores
escojan la vía de maximizar la utilidad, y los productores la vía de maximi-
zar el beneficio (siendo esta última una de las principales contribuciones de
Pareto al sistema walrasiano). El equilibrio se alcanza cuando se consigue
un conjunto de precios que haga que en los mercados de productos y de
factores, la oferta y la demanda se igualen.
a) Dados los precios px (del producto x), py (del producto y), r (del
factor k) y s (del factor /), el consumidor A se enfrenta al problema
Maximizar uA (xa , Va )
sujeta a pxXA + pyVA < tHa + si a
xa>0
Va > 0
y, puesto que el modelo paretiano asume diferenciabilidad con con
tinuidad, monotonicidad estricta y concavidad estricta de la función
uA(-, •), entonces podemos aplicar las condiciones de Lagrange,38 que
son, en este caso:
OVA
donde es el multiplicador de Lagrange para el agente A. Observe
que, inmediatamente, se obtiene la conocida condición
duA
dxA _ Px
(1)
duA py
dyA
que afirma que la tasa marginal de sustitución entre xa y va es igual
a la razón de precios de los bienes — (figura 40).
Py
38 TVadicionalmente, se afirma que Edgeworth (1877), en su New and Old Methods of
Ethics, fue el primero en utilizar el método de los multiplicadores de Lagrange en
la teoría económica. Walras y Pareto, aunque bien dispuestos hacia las matemáticas
y advertidos por colegas de su existencia, omitieron siempre su utilización, debido,
quizá, a su limitado conocimiento del cálculo diferencial.
Matemáticas básicas para economistas 3: Optimización y dinámica
df«
r = P vdky'
ñT (5)
d fx d fv
dkx r dky
d f x ’"~s = W
dlx dly
que asegura que, en equilibrio, las tasas de las productividades mar
ginales de los factores son iguales a la tasa de sus respectivos pre
cios.40
* * + * * = /* ( * £ ,«
tó + t á = /*(*{. 5 )
k ’x + k; = k A + k B (7)
l*x + ly — ~Ia + I b
Como dijimos antes, fue Pareto quien primero utilizó efectivamente el instru
mento gráfico conocido como la caja de Edgeworth para mostrar la relación
que existe entre los equilibrios competitivos (o walrasianos) y las asignaciones
óptimas. Sin embargo, este formidable instrumento tiene hoy dos versiones:
una, para describir la interrelación entre los dos consumidores y, otra, para
describir la interrelación entre los dos productores.
a) En el caso de los dos consumidores, las dimensiones de la caja están deter
minadas por las cantidades totales de las dos mercancías que ellos ofrecen
en la economía: el lado de la caja mide f x (kx ilx), y la altura mide f y(kyi ly)
donde kx 4- ky = k¿ + k s y lx + ly = Lt + ¿I?- El consumidor A mide sus
consumos desde la esquina inferior izquierda de la caja, y el consumidor D
mide sus consumos desde la esquina superior derecha. Así, un punto de la
caja de Edgeworth nos da completa información sobre la cantidad de cada
una de las mercancías que demanda cada consumidor: la cantidad del bien
x que demanda el consumidor A se mide desde la esquina inferior-izquierda
hacia la derecha, y la cantidad del bien y se mide desde la esquina inferior-
izquierda hacia arriba. La cantidad del bien x que demanda el consumidor
B se mide desde la esquina superior-derecha hacia la izquierda, y la can
tidad del bien y se mide desde esa misma esquina pero hacia abajo. Así,
todo punto dentro de la caja identifica ambas demandas por parte de los
consumidores.
En la figura 42, las intersecciones tangenciales de las curvas de nivel de las
funciones de utilidad de A y B dan origen a una curva muy importante,
que en adelante llamaremos "curva de contrato” (Edgeworth (1881)) de la
economía. Y su importancia radica en que estos puntos de la curva son
precisamente aquellos pares (xA>yÁ)Ax B>yB) Que satisfacen la condición
(3) de optimalidad para los consumidores A y B, respectivamente.
consumidor B
consumidor A _____________ _
ky
----------- productor y
productor x _____________ _ kx
Figura 43
(px x A + P yV A) + (P xX B + P yV B ) = (r lA + s k A ) + (riß + s k B )
y, por lo tanto,
A esta igualdad, que Oskar Lange (1942) denominó ley de Walras, el propio
fundador de la Escuela de Laussane le dio mucha importancia (Éléments, §
41 Lerner, óp. cit.
Lección 2: Optimización estática 177
206) pues la colocaba como una de las condiciones de equilibrio. Nótese que
esta “restricción presupuestal” afirma que, en el agregado, la valoración de la
demanda iguala a la valoración de la oferta en término de los precios vigentes.
Y, quizás la observación más importante: de ella se deduce que si los merca
dos de todas, menos una, las mercancías están en equilibrio, entonces también
lo estará el otro mercado. Esta anotación aparentemente inocua, tendría im
plicaciones profundas en teoría monetaria pues algunos creyeron que haría las
veces de vínculo con la entonces naciente teoría keynesiana del dinero (Patinkin
(1956)42).
u a {xa , y a ) = xa i! a , u d { x d , yn) = x d yo
wA = (1,2) wb = (2,2)
XBÍPx,Py) = 1 + —^
VB {PxiPy) = 1 + —
Py
Las funciones de exceso de demanda serán, entonces,
Por tanto, es suficiente igualar a cero una de las funciones de exceso de demanda
para determinar los precios relativos de equilibrio. Por ejemplo,
Zy(Px,Py) = - 2= 0
¿Py
Esta implica que la relación de precios de equilibrio es
ú =t
p; 3
Reemplazando estos precios en las funciones de demanda que encontramos más
arriba, Xi(px ,p y), 2/¿(px,Py) para i = A , B } llegamos a que el único equilibrio
walrasiano de esta economía competitiva es (tomando como numerario p* = 1):
* 4 * * 5 * 5 * 7 * 7
Px = 3 > Py = !» XA = 4 > Va = 3 ’ 2/b = 3
Lección 2: Optimización estática 179
Figura 6
N ota 8.
En general, el modelo paretiano de intercambio puro permite las siguientes
observaciones:
uA : R+ -> R u D : R+ -> R
duA duB
d x A __ 9 x b
duA duB
dyA dyB
44 “Ophelimite” es el término de Pareto para lo que hoy llamamos “utilidad”.
182 Matemáticas básicas para economistas 3: Optimización y dinámica
D em ostración.
Al resolver en la caja de Edgeworth-Pareto (es decir, con xa + x b = x \ +x*B y
2M+2/B = ¡Ja +V b ) problema que caracteriza a los óptimos de Walras-Pareto
Maximizar u A (xa , Va )
sujeta a ^ ( x b ^v b ) = U
xa ^ 0, x b ^ 0
donde U es un nivel de utilidad fijo para el agente £ , 45 obtenemos que su
lagrangiano es
C = u a ( x a , V a ) ~~ A (u b ( x b , Vb) - U)
Y las condiciones de primer orden nos conducen a condiciones suficientes y
necesarias para el óptimo:46
duA _ duB duA _
8 xa dxA dyA dyB
El paso hacia la conclusión del teorema es inmediato. ■
o, lo que es equivalente,
y* = ^ Y - o < i a <3 a
Aún así, difícilmente el término “óptimo de Pareto” podría tener una posibi
lidad de hacer justicia con Walras y Edgeworth quienes, sin ninguna duda, lo
antecedieron. Por esto, en ocasiones seguiremos llamando “óptimo de Walras-
Pareto” al tradicional “óptimo de Pareto”, así como algunas veces hemos lla
mado “caja de Pareto-Edgeworth” a la conocida como “caja de Edgeworth”.
47 Pareto, en su lugar, la llamó “línea de los cambios” (Manuel, § 97, Cap. III).
184 Matemáticas básicas para economistas 3: Optimización y dinámica
tí* : R+ —>• M
(z¿,2/¿) ux(xi,yi)
para i = A, B , funciones de utilidad estrictamente crecientes. Si
V = (p lY y )
es un equilibrio walrasiano, entonces x* = [(a^, y¿), (x*B , y*B)\ es una asigna
ción óptima de Pareto.
D em ostración.
Supongamos que el equilibrio walrasiano no es óptimo de Pareto y obtengamos
una contradicción. Sea l ( x ^ y ^ ) i {xByyB)y(p*,Py)] un equilibrio walrasiano y
supongamos que existe una asignación [(x.4 , y a ), (x b , Vb )\ en la caja de Pareto-
Edgeworth tal que
P'X*A + P'yVA > VxWX + PyWy . P'xXB + P'yVB > P>f + P'yWy
Sumando estas dos desigualdades se obtiene
Ejemplo 51.
Consideremos la economía de intercambio puro del ejemplo 50, en el que dos
consumidores, A y B, tienen funciones de utilidad
u a ( x a ,V a ) = xa Va , u d (x b ,V b ) = x b Vb
VA = 0 < xA < 3
Para ilustrar el primer teorema del bienestar, basta darnos cuenta de que la
asignación de equilibrio walrasiano (x a , y a ) = (f>§) cstá cn esta curva de
contrato. ▲
Para los fenómenos del tipo (I)4g, cuando el equilibrio tiene lugar
en un punto donde son tangentes las curvas de indiferencia de los
contratantes, los miembros de la colectividad considerada gozan del
máximo de ophelimite. (Manuel, § 34, Cap. VI).
De hecho, al parecer las primeras veces que se tiene registro explícito de este
teorema es en los textos clásicos de Lange (1942)49 y Aliáis (1943)50.
u* i —y K
(z»,2/¿) -> ul(xi,yi)
D em ostración.
Debemos encontrar un vector de precios no negativos (px>Py) que soporte la
asignación óptima de Pareto como un equilibrio walrasiano. Sean
M a = {(x a , y a ) € R2 | u a ( x a ,V a ) > u Á { x ’A , y ’A )}
M b = {( x B ,VB ) e R+ | u B (xB ,VB) > u B (x b ,Vb )}
tal forma que ambos mejoren su utilidad con respecto a la asignación óptima
de Pareto.. Observemos que M es un conjunto convexo, ya que es la suma de
dos conjuntos convexos.
Sea w = (wXlwy) = (x A + x*B,y A + yB). Como, por hipótesis, [(x*A,y A),
[x*B,y*B)\ es un óptimo de Pareto, entonces w £ M porque no existe una
redistribución de [(x*A,y A), {x*B,y*B)\ que mejore la utilidad de ambos consu
midores. Luego por el teorema de separación de Minkowski (teorema 10), existe
(Px, Py ) í 0 tal que pxx + pyy > pxwx + pywy = px(x*A + x'B) + py(y*A + y*B),
para todo (x, y) 6 M . Por lo tanto,
para todo (x , y) € M.
Queremos ver que {px,py) es un vector de precios de equilibrio:
iii) Debemos ver ahora que si u l(xi,yi) > u t(x ¡,y ¡)1 entonces pxX{ + p yyi >
pxx* + p yy* . Ya vimos que pxXi + p yyi > pxx\ +Pyy* y debemos eliminar
la posibilidad de la igualdad: supongamos que p x X{ + p yyi = pxx* + p yy*
para poder obtener una contradicción. Entonces
E jem p lo 52.
Para la economía de intercambio puro entre los agentes A y B , donde
u A (x a , Va ) = In X A + 2 ln yA, «M = (3,4)
ub {x b ,v b ) = 21nx¿j + lnj/B, wB = {4,3)
la curva de contrato es
28x¿
donde 0 < xa < 7
VA 7 + 3x a
Si tomamos una asignación Pareto-óptima fija cualquiera
o, lo que es igual,
14 Px _
Py 7 4" 3 l/l
que es la relación de precios de equilibrio que ilustra el segundo teorema del
bienestar.
52 Observe que hacemos i a / 0 (¿por qué?).
Lección 2: Optimización estática 189
tenemos que:
a) Las funciones de demanda respectivas de los agentes A y B son
4 Py 2px
3 p^’ = 3Py
X B — y B — — — ----
+ Py Px
Obviamente, en el cálculo de estas últimas no podíamos utilizar las técnicas
de optimización de Lagrange, ni tampoco relaciones de tasas marginales de
sustitución. En su lugar, tuvimos que recurrir al siguiente argumento: si
xa > y A en el óptimo, entonces, dejando fijo y a, podemos reducir un poco
xa de tal forma que aún estemos en la misma curva de nivel de A que pasa
por (x,i,2m), y esto necesariamente conduciría a un aumento en el nivel de
utilidad de B pues x B = 2 —xa- El caso x a < Va es similar.
b) Así, de la condición de equilibrio x a + x b = 2, tendremos que
Lección 2: Optimización estática 191
p j _ V lÓ - 2
P l~ 3
y también las asignaciones de equilibrio:
p 3
Por ejemplo, la asignación paretiana equitativa (1,1) tendría a = -
Py *
como precios de equilibrio. ▲
Hacia finales de la década de los años de 1940, las deficiencias analíticas del
modelo paretiano abrieron un compás de posibilidades para entender, con toda
precisión, cuáles podrían ser las condiciones mínimas bajo las cuales existía un
equilibrio walrasiano, y en qué casos se podrían también tener los dos teoremas
del bienestar económico. Esta síntesis sería alcanzada por Koopmans (1951)50
56 Koopmans, T. (1951), Activity Analysis of Production and Allocation. New York:
John Wiley & Sons.
192 Matemáticas básicas para economistas 3: Optimización y dinámica
d) C o m p o r ta m ie n to e c o n ó m ic o r a cio n a l co n in ter a cc io n e s: la
te o r ía de ju e g o s clá sic a
En su ahora clásico Recherches sur les Principes Mathémathiques de la Théorie
des Richesses de 1838, Coumot construyó una teoría de las firmas oligopolís-
ticas que incluía la competencia perfecta y el monopolio como casos extremos.
Al estudiar, en particular, el problema del duopolio, Coumot mostraba que
la producción óptima de una firma dependía de la producción de la otra, y
que, al hacerlo, el administrador de cada firma asumía que la producción de
la otra permanecería fija si él cambiaba la producción de su firma. Críticos
desde las más diversas vertientes atacaron esta hipótesis: la metodología utili
zada por Cournot en su análisis no tenía, en ese entonces, la suficiente claridad
conceptual.
El primer paso en el sentido de entender cómo formalizar los problemas de
interacciones entre diferentes agentes provino de John von Neumann en su pri
mera gran contribución a la teoría de juegos. En su artículo de 192860 sobre
el tema, desarrolló el teorema minimax para juegos de suma cero (donde lo
que obtiene un jugador, lo pierde el otro), en los que los jugadores se mue
ven secuencialmente en el tiempo sin que necesariamente sepan cuáles fueron
los movimientos previos de los otros jugadores. Esta independencia de movi
mientos hubiera sido difícil de modelar, sin la noción de estrategia que von
Neumann definiera, para cada jugador, como un plan completo que especifi
ca sus movimientos como consecuencia de la información alcanzada hasta allí.
Así, un jugador puede escoger su estrategia antes de que el juego comience, si
conocemos las consecuencias de los otros jugadores. Esta noción de estrategia
es lo que nos permite aceptar hoy la hipótesis básica de Cournot de que los
productores en oligopolio toman sus decisiones independientemente.
Pero, más allá, von Neumann afirmaba que cualquier juego podía modelarse,
matemáticamente, con la siguiente estructura: un conjunto de jugadores; un
conjunto de estrategias para cada jugador; y una función real de pagos para
cada jugador dependiendo de las estrategias escogidas por los otros jugadores.
Esta es la que llamó la forma normal del juego.
Además de esto, von Neumann agregó dos restricciones a su estructura de
juego que limitaron severamente cualquier posibilidad de hacer su teoría la base
para el estudio de interacciones generales en las ciencias sociales y económicas:
asumió que los pagos eran transferibles entre los jugadores y que todos los
juegos eran de suma cero (lo que ganaba un jugador, lo perdía otro), pues estas
hipótesis se adaptaban bien al tipo de solución minimax que había propuesto
(volumen 1, lección 8).
A pesar de esto, en la segunda edición (1947) de Theory of Games and Eco-
nomic Behavior, von Neumann y Oskar Morgenstern publicarían una de las
máximas contribuciones a la teoría de juegos. Reconociendo la necesidad de
estrategias aleatorias para poder probar la existencia de soluciones minimax
en juegos de suma cero, von Neumann (1928)61 utilizó la tradicional hipótesis
(desde, por lo menos, el siglo XVIII de los Bemoulli) de la toma de decisiones
maximizando el valor esperado de los pagos. Y fue la derivación axiomática del
comportamiento de los agentes que se comportan como si hicieran máxima la
utilidad esperada, lo que permitiría extender sus resultados en juegos de suma
cero a otro tipo de estructuras.
A la luz de los trabajos de von Neuman y Morgenstern, el premio Nobel en
Economía de 1994, John Nash (también en Princeton), inclusive antes de los
años de 1950 vio, casi inmediatamente, que toda la estructura de la teoría de
juegos permitía una nueva dimensión: la de suma no cero. En una breve nota
enviada en 1944 a los Proceedings de la Academia Nacional de Ciencias de los
Estados Unidos, y que fuera publicada en 1950, Nash daba la definición general
de equilibrio para un juego en forma normal y probaba, con un argumento de
piínto fijo (como von Neumann) que para cualquier juego con finitos jugadores
y estrategias, siempre debía existir al menos un equilibrio en estrategias alea
torias. Posteriormente, en 1951 (y como resultado de su tesis doctoral), Nash
dio una descripción más completa de su idea de equilibrio, e inclusive incluyó
una versión del famoso juego el dilema del prisionero (Tucker (1947)62). Pero,
por encima de todo, fue allí que Nash mostró que la teoría de juegos era una
estructura analítica unificada que daba camino a toda clase de estudios sobre
conflicto, negociación y cooperación.
Ahora entendemos que el comportamiento estratégico de dos o más agentes
61 Ibíd.
62 Este juego surgió en una clase ordinaria de Tucker en Stanford. No apareció en ningún
joumal, originalmente.
194 Matemáticas básicas para economistas 3: Optimización y dinámica
podría surgir cuando los pagos que estos obtienen y, más aún, la decisión de
cada uno de ellos, depende de lo que estos esperan que sean las decisiones de los
demás. Después de von Neumann y Morgenstern (e inspirados en su trabajo)
la teoría de juegos modela esta situación por medio del concepto de juego en
forma estratégica (o forma normal).
Un juego en forma estratégica está conformado básicamente por tres elemen
tos: a) Los jugadores (agentes); b) Las estrategias disponibles; y, finalmente,
c) El pago que cada jugador recibe por cada posible combinación de estrate
gias. Identificar a los jugadores y las estrategias disponibles para cada jugador
(también llamadas estrategias puras) es el paso clave en la construcción del mo
delo. Para seleccionar la estructura de pagos (o función de utilidad) se deben
examinar cada una de las posibles combinaciones de estrategias disponibles
para los jugadores, y determinar lo que recibe cada jugador en cada caso, asig
nándole cierto valor. Esta valoración numérica se refiere (dentro de la tradición
von Neumann-Morgenstern-Savage) a la representación numérica de un orde
namiento previo de las preferencias con respecto a las posibles combinaciones
de estrategias en el juego.
Con base en las nociones de jugadores, espacios de estrategias y funciones
de pago, podemos entonces definir formalmente lo que es un juego en forma
estratégica:
r = (iV,( C i ) i € N , (Uí)íe n )
donde:
sospechoso 2
C NC
sospechoso 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 especifique algo distin
to, un juego con información completa pero imperfecta. La imperfección en la
información proviene de la hipótesis implícita de que los agentes toman sus
decisiones, o bien simultáneamente, o sin que ninguno conozca la decisión del
65 Una interpretación estándar subyacente a la definición de un juego finito en forma
estratégica con información completa, es la de que el grupo de jugadores elija sus
estrategias simultáneamente, o secuencialmente, pero sin que ninguno de los jugadores
sepa qué estrategia eligieron los adversarios, en el momento de hacer sus escogencias.
66 Término acuñado por Duncan Luce y Howard Raiffa (1957)
196 Matemáticas básicas para economistas 3: Optimización y dinámica
jugador 2
D I
jugador 1
D 10,10 0,0
I 0,0 1,1
jugador 2
C S
jugador 1 ----------------------
C 1,-1 -1,1
S -1,1 1,-1
C = cara S = sello
Figura 45. Juego de Tirar la moneda.
por parte de algún jugador. Esto indica que no existe un equilibrio de Nash en
estrategias puras para este juego.
Sin embargo, como nos lo enseñaron von Neumann y Morgenstern, sí existe
un equilibrio de otro tipo, conocido como “equilibrio en estrategias mixtas”, en
el que cada jugador adopta una estrategia asignándole cierta probabilidad a
cada una de las estrategias puras de los demás jugadores; es decir, cada jugador
asume ciertas probabilidades sobre las estrategias puras que los otros jugadores
escogerán.
D efinición 9. (E stra te g ia m ix ta )
i) En un juego finito en forma estratégica T = (JV, (C¿)¿e;v, (ui)ieAr), una
estrategia mixta del jugador i es una distribución de probabilidad sobre
el conjunto de estrategias puras C¿. Al conjunto de todas las estrategias
mixtas del jugador i lo denotamos por A¿. Para <t¿ G y c¿ G Ci, a¿(c¿)
es la probabilidad que la distribución le asigna a la estrategia c¿. El
soporte de una estrategia mixta crj es el conjunto de estrategias puras a
las cuales cr¿ le asigna una probabilidad estrictamente positiva.
< 7 € J I A<
1=1
ff[C] + (l-9)[S]
jugador 2
(q) (1-q)
jugador 1 C S
(p) C 1 ,-1 -1 ,1
(1-p) 5 -1 ,1 1 ,-1
Figura 46
cdC [j=l
De esta forma, la utilidad esperada de un jugador tiene la misma naturaleza que
un valor esperado (matemático); es decir, corresponde a una suma ponderada
de todas las utilidades que puede alcanzar el jugador, donde la ponderación
de cada una de éstas es la probabilidad de ocurrencia del resultado que genera
tales pagos.
200 Matemáticas básicas para economistas 3: Optimización y dinámica
donde
(o-i.ffV) = (a l,* 2 , . . . , a * .!,0 i,
(q) (1-q)
D I
(P) D 10,10 0,0
(1-p) I 0,0 1,1
D = derecha, 1= izquierda
Figura 47. El Juego de coordinación.
Solución.
Para comenzar, encontremos las utilidades esperadas de cada uno de los juga
dores para cada una de sus estrategias. Si el jugador 1 cree que el jugador 2
va a jugar su estrategia pura Derecha (D) con probabilidad q e Izquierda (I)
con probabilidad 1 —q, sus pagos esperados por jugar sus estrategias Derecha
e Izquierda son, respectivamente,
jugador 1 jugador 2
10g = 1 —q lOp = 1 —p
q* = i / n p * = í/u
202 Matemáticas básicas para economistas 3: Optimización y dinámica
De esta forma, la solución del juego indica que cada uno de los jugadores
escogerá su estrategia Derecha con probabilidad 1/11 y su estrategia Izquierda
con probabilidad 10/11. El equilibrio de Nash en estrategias mixtas es
<7* = f o V S ) = [ ( 1 / 1 1 , 1 0 / 1 1 ) , ( 1 / 1 1 ,1 0 /1 1 ) ]
D em ostració n.
Sea T = (N , (Cí)¿6 at, (uí)íz n ) un juego finito en forma estratégica, y sea A =
f ]”=1 A¿. Entonces probemos los siguientes puntos:
y sea 7 : A -> A definida por 7 (cr) = (71 (cr),7 2 (cr),. . . , 7 n(¿r)). Si proba
mos que 7 i es semicontinua superiormente y que para todo a G A , 7 ¿(a)
es no vacío y convexo, entonces 7 tiene un punto fijo (teorema de punto fi
jo de Kakutani (teorema 17)); es decir, existe a* G A tal que <j * G 7 (cr*);
esto es, G 7¿(<r*), y ^
m á x U i(cTi,cr-i) p a r a a - i fijo
tr¿€Ai
tie n e s o lu c ió n , es in m e d ia to p o r el te o r e m a d e W e ie r s tr a s s .
b ) D e m o s tr e m o s q u e 7 i(a) es c o n v ex o . Si te n e m o s a\,a" G 7¿(<r), e n to n
ces
W ( 7) = { (° V )I e 1 (0 )}
E l le c to r p o d r ía p r e g u n ta r s e a q u í p o r q u é si el te o r e m a d e N a s h q u e a c a b a m o s
d e p r e s e n ta r es a p lic a b le p a r a c u a lq u ie r c o n ju n to fin ito d e ju g a d o r e s , los e je m
p lo s y a p lic a c io n e s p r e s e n ta d o s ú n ic a m e n te h a n in v o lu c ra d o a d o s ju g a d o r e s .
V011 N e u m a n n y M o rg e n s te rn re c o n o c ía n q u e p a r a t r a t a r c o n ju e g o s d e m á s
d e d o s ju g a d o r e s d e b e r ía re c u r r ir s e a u n a m e to d o lo g ía d ife re n te a la u tiliz a d a
e n ju e g o s d e d o s ju g a d o r e s y a q u e , e n a q u e llo s c a s o s , a lg u n o s ju g a d o r e s p o
d r ía n f o r m a r a lia n z a s q u e lo s b e n e f ic ia r a n f r e n te a te rc e ro s ju g a d o r e s . E s t a es
la te o r ía d e ju e g o s c o a lic ió n a le s (o c o o p e r a tiv o s ) q u e , p a ra le lo a la te o r ía d e
ju e g o s 110 c o o p e r a tiv o s , h a te n id o u n d e s a rr o llo p ro p io m u y fr u c tífe ro e n e l q u e
se h a m o s tr a d o , in c lu s iv e , q u e s u s c o n e x io n e s c o n la te o r ía n o c o o p e r a tiv a son
c o m p le ta m e n te n a tu r a le s c u a n d o d e ju e g o s c o n “m u c h o s” a g e n te s se t r a t a . 70
Ejercicios complementarios
1. En la sección de optimización no lineal de la presente lección se han estu
diado problemas de optimización de dos variables y una sola restricción.
A continuación, se pide generalizar los resultados presentados:
a) Escriba las condiciones de primer orden para el problema de Kuhn-
Tucker:
Maximizar /( x , y)
sujeta a 9 i( x ,y ) > 0
92(x,y) > 0
x> 0
y > 0
a)
Maximizar 2x2 + 2xy - 2y2
sujeta a 3x + Ay < 6
Ay2 —x < 6
x > 0
y >0
Lección 2: Optimización estática 207
b) Minimizar Axy—3x2 -f y
sujeta a x < 4
y< 5
x > 0
y> 0
c) Maximizar
sujeta a ax + by < M
x < mi
y> m 2
x > 0
5. Halle tres números reales cuya suma sea 9, y la suma de sus cuadrados
sea lo más pequeña posible.
6 . En el problema
Maximizar a x 2 +(3xy
sujeta a x 2 + y2 < 7
x > 0
y > o
tiene solución? En tal caso, ¿cuál es la solución? ¿Cuándo es única?
208 Matemáticas básicas para economistas 3: Optimización y dinámica
14. [Un problema geométrico (J.J. Sylvester (1857))] Este problema consiste,
en palabras del propio Sylvester, en “encontrar el más pequeño círculo
que contenga un conjunto dado de puntos en el plano”. Supongamos que
los puntos dados son a i , a 2 , . . . , a m G IR2, y que buscamos un círculo
de centro desconocido x € R2 y radio r > 0, también desconocido. Se
requiere que los puntos a¿ satisfagan ||a¿ —x|| < r para i = 1,. .. , m, y
queremos escoger x y r tales que r sea mínimo.
Para resolverlo podemos reemplazar las m desigualdades cuadráticas por
desigualdades lineales como sigue. Introduzcamos la incógnita
*0 = ¿ ( r 2 - IM I2);
Lección 2: Optimización estática 209
xo -f a,iX > bi (i = 1, . . . , m)
Minimizar r2
sujeta a xq-\-clíX\ + 2<
o, en otra forma,
Minimizar 2x0 + x j + x\
sujeta a Xo 4* CLiX 1 - f Ü{X2 < bi
15. Una empresa tiene n productos que vende en el mercado a precios p i, ... ,p n.
Para la producción de esos productos utiliza m insuinos diferentes, de los
cuales tiene un inventario Ai de cada uno; para producir una unidad del
producto j requiere de unidades del insumo i. El objetivo de la em
presa es maximizar sus ingresos por venta.
Pi = 2, P2 = 4, P3 = 1, P\ = 8;
A i = 150, A 2 = 170, A 3 = 70, A i = 95;
A 5 = 200, ¿ c = 90
1 10 2 14
3 6 7 3
1 1 1 1
2 4 2 3
5 7 1 2
1 3 3 9
16. Una empresa tiene a su disposición dos tecnologías para producir 2 bie
nes. La tecnología 1 requiere 10 unidades del insumo 1, y 6 del insumo
2 para producir conjuntamente 15 y 20 unidades de los productos 1 y
2, respectivamente. De otro lado, la tecnología 2 requiere 5 unidades del
insumo 1, y 9 del insumo 2 para producir conjuntamente 12 y 8 unidades
de los productos 1 y 2, respectivamente. Si los precios de los produc
tos 1 y 2 son 10 y 7 respectivamente; y de los insumos 1 y 2 son 1 y
3, respectivamente, determine los niveles de utilización de las diferentes
actividades, de tal forma que la empresa maximice sus beneficios.
donde b > 0, /(•), #(•), /i(-) son funciones cóncavas estrictas y diferen-
ciables con continuidad en R+?
19. [Dixit (1990)¡.71 Cierta suma de dinero C está disponible para invertir
en dos proyectos de inversión. Si x \ , x 2 > 0 son las cantidades invertidas
en los proyectos 1 y 2, respectivamente, el rendimiento esperado de este
portafolio de proyectos es
21. Para p i,p 2 ,M ,a > 0 , 0 < (5 < 1, resuelva el problema del consumidor
Maximizar x a + (3 \n y
sujeta a p \x + p2y < M
x >0
y> 0
Maximizar
25. Para a ,/ ? ,7 > O, px ,p y,p ZlM > O, resuelva el problema del consumidor
donde w(-) es una función cuadrática del tipo u(z) = 2:—z 2; y p i,p 2 »M >
0 , 0 < p < 1.
27. [Precios sombra] En ocasiones, y para evocar cierta conexión con los pre
cios del mercado, a los multiplicadores de Lagrange de un problema de
optimización (de consumidores de productores) se les denomina precios
sombra. Note que, por el teorema de la envolvente expuesto en esta lec
ción, el parámetro A coincide con el valor marginal de los recursos. Para
ilustrar el papel que pueden jugar los precios sombra en problemas de
distribución eficiente de recursos escasos, considere el siguiente ejemplo
de Dixit (1990):72 supongamos que una economía tiene 300 unidades de
mano de obra, y 450 unidades de tierra, para producir trigo y carne.
Cada unidad de trigo requiere de 2 unidades de mano de obra y de una
de tierra; cada unidad de carne 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
carne que puede producir la economía, debemos tener que
2x + y < 300
x + 2y < 450
ir(.T, y) = a ln x + ¡3 ln y
Pi — ^ 2 atjG j ->■ ^ 2 h jG j
j =1 j=1
Estos procesos P¿(¿ = 1,2, ...,m ) serán utilizados con ciertas intensida
des Xi(i = 1,2, ...,m ), lo que significa que, para la producción total, las
cantidades de la ecuación (5) deben multiplicarse por Xj. Aquí, = 0
significa que el proceso Pi 110 será utilizado.
Luego se pregunta por aquellos estados en donde la economía se expande
sin cambio de estructura; es decir, donde las proporciones de las intensi
dades — , — , ..., igualan un factor común a:
X 2 X 3 x m
X1 _ x2 _ _ Xm—1 _^
X 2 X3 Xm
a A TX < B TX (1)
D em o stració n .
Consideremos la función
j* mtn I 77i,n
u (y ,y T ) = ~ r -¡r = Y l, bií yiyj / £ a ‘}m yj (3)
¿,.7=1 / i¿=1
Observemos que la condición +bij > 0 garantiza que esta función está
bien definida: Si el denominador es cero, el numerador es positivo, y en
tonces podríamos redefinir la función u(-, •) mediante la función recíproca.
30. Para a,/3 > 0, suponga que un productor tiene una tecnología Leontief
definida por
f( x ,y ) = mín {ax,¡3y}
31. ¿Podría
ln(l + p)
Yl(p,wuw2) =
W\W2
32. ¿Podría
I 2
C (w i,w 2, yo) = {d\W\ -f a2 W2 + bw?w£)yo
ser una función de costos que proviene del comportamiento racional es
tándar? En caso afirmativo especifique cuáles pueden ser las condiciones
sobre los valores de a i,a 2 ,b.
33. ¿Podrían
Sin embargo, paradójicamente, Von Neumann recurrió, con la misma forma funcional
u(y, yT) al teorema de punto fijo de Bromver para probar este teorema, y no al teorema
del minimax del que él mismo ya tenía una prueba desde 1928.
Lección 2: Optimización estática 217
p 'f(x ', y’) - w ix f - w2y' > p'/(x " , y") - w ix " - w2 y",
p"J{x", yn) — w \x n —w2y" > p " f(x ', y') —2V\x' —w2y'.
p f(x ', yf) - w \x ' - w2y' > p f(x " , y") - w \x" - w2 y",
p f(x " , y") - w"x" - w2 y" > p f(x ', y') - w "x' - w2 y'
d) Sean x', y' los valores de x, y que resuelven el problema del productor
para p ',w [,w 2; x", y" los correspondientes a p",w ",w 2-, y x m,y m los
valores de x, y que resuelven el problema del productor para Ap' +
(1 —A)p", Aw[ + (1 —A) tu", Xw2 + (1 —A)w2. Entonces,
- (A«4 + (1 - AKV"
de tal forma que (x*,y*) también debe ser solución al problema del
consumidor. Sin embargo, como £/(*,*) es cuasicóncava estricta, la
solución del problema es única, y, por lo tanto, (x*,y*) es la única
solución, lo cual contradice nuestra hipótesis de partida,
d) Sea S = R++, T = M+, / : S x T —> R y y? : S T tal que a cada
(pi,p2 ,M ) se le asigna el conjunto {(x,y) € R+ | p \x + p2y < M } y
/(* ,(x , 2/)) = U (x,y). Vemos que tanto /(•) como </?(•) son continuas,
y así, por el teorema 15 (teorema del máximo), las correspondencias
x(p u p2, M ) y y(pi,p 2 , M ) son semicontinuas superiormente. Es claro,
que si estas correspondencias de demanda tienen un único elemento
para cada (pi,p 2 yM )y es decir, son funciones de demanda, entonces
son continuas.
37. IDemostración del teorema 19 (función de utilidad indirecta)] Seguir cui
dadosamente la siguiente prueba: Supongamos que
u a (x a ,Va ) = (x a ) 5 (v a )*
UB(xB,yB) = (x b )* (yo)^
40. Suponga que existen únicamente tres mercancías en una economía y que
las funciones de exceso de demanda de las mercancías x y h son:
a) Muestre que estas funciones son homogéneas de grado cero en pxy py, p/t.
b) ¿Puede utilizarse la ley de Walras para calcular la función de exceso
de demanda de la mercancía x, z x ( P x , P y , P h ) ‘■
c) Calcule los precios relativos de equilibrio, suponiendo que el precio de
la mercancía x es el numerario.
Lección 2: Optimización estática 221
u ,\(x A, Va ) = x \ y \ w A = (1,2)
I 1
^ d Í^d ^J d ) = x 2Dy ¿D wD = (3,4)
a) Encuentre las funciones de demanda individual y las funciones de
demanda agregada.
b) Verifique la ley de Walras.
c) Suponga que el vector de precios de equilibrio pertenece al simplex
unitario, y encuentre este vector.
d) Corrobore los dos teoremas del bienestar económico.
= 1
. _____________ P y + máx{0,z¡,(p*,p*)}________
Py 1 + máx{0, Z i(pî,pJ)} + máx{0, zy(p i,p j)} '
de lo cual,
= Z xtó.pJ) m áx{0,2x(pi,pj)}.
Zx(p*x ,p*y)m á x{0 ,z x (p*x,p'y)} + zy(p*x ,p*y)m á x{0 ,Zy(p*x ,p*y)} > 0;
por lo tanto, debe ser zx {px ,py) < 0 o zy(px ,p y) < 0. Ahora, si Zi(px , p y ) <
0 para algún i = x, y, tendríamos que pj > 0. Pero entonces,
■<p(p*) > O
En efecto: sea / : A n —> A n una función que satisface las hipótesis del
teorema de Brouwer (teorema 16). Para p G A„ definamos \ '• A n —>A n
mediante la fórmula
x(p) = Zñ ^ p-/(p)
Dadas las hipótesis sobre /(•), esta función x (m) satisface las condicio
nes del teorema EEW, como el lector puede fácilmente comprobar. En
particular, note que la ley de Walras se satisface inmediatamente, dado
que p • x(p) = 0 para todo p G A n. Por lo tanto, existe p* G A n tal que
x(p*) ^ 0» (lue cs
/(p*) - p * .
Up*ii2 p - í ( p )
Pero, de hecho, por la ley de Walras, tenemos qué
/(p*) p* .
IIp 'II2
por lo que, entonces,
/(p* )= p*
y esto demuestra el teorema de Brouwer. ■
44. Calcule todos los equilibrios de Nash (puros y mixtos) de los siguientes
juegos en forma estratégica:
75 Uzawa, H. (1962b), Walras Existence Theorem and Brouwer’s Fixed Point Theorem,
vol. 13, Economics Studios Quarterly.
Lección 2: Optimización estática 225
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
a) Pruebe que si A > B > 0 entonces A(i4) > A(B). Aquí, A > B
significa que si A = [a{j] y B — [6¿j] entonces aij > bij.
b) Pruebe que p ln — A tiene inversa no negativa si, y sólo si, p > A(/l).
En particular, una matriz insumo-producto I n —A tendrá inversa no
negativa si, y sólo si, el máximo autovalor de A es menor que 1 . Esta
condición es, entonces, equivalente a las condiciones Hawkins-Simon
(volumen 1 (Álgebra lineal)).
c) Pruebe, finalmente, que A(j4) = A(AT ).
Sistemas dinámicos
Introducción
La gran importancia de las ecuaciones diferenciales (es decir, de las ecuaciones
que involucran derivadas) en el análisis matemático, se debe principalmente al
hecho de que la investigación de muchos problemas concretos en la física, en
la tecnología, en la biología, y, en general, en las ciencias, pueden entenderse
mediante la solución de tales ecuaciones. Numerosos cálculos implicados en la
construcción de maquinaria eléctrica, cómputos de trayectorias de proyectiles,
estudios de la estabilidad de aeronaves en vuelo, procesos de una reacción
química, diseño de artefactos electrónicos, evolución de poblaciones, etc., se
asimilan a la solución de ecuaciones diferenciales.
Esta teoría comenzó a desarrollarse a finales del siglo XVII, casi simultánea
mente con la aparición del cálculo diferencial e integral de Newton y Leibniz.
Por ejemplo, del estudio de las ecuaciones diferenciales del movimiento de
los cuerpos celestes, Newton dedujo las leyes del movimiento planetario pre
viamente descubiertas por Kepler de forma empírica. Pero, a pesar de que
herramientas como el cálculo de antiderivadas ofrecían cierta ayuda directa,
pronto se reconoció que el problema de encontrar soluciones a estas ecuaciones
con derivadas no era fácil. En particular, se encontró que las manipulaciones
y simplificaciones algebraicas apenas si servían en casos muy especiales. Por
esta razón, pioneros del siglo XVII como Fermat, Newton y Leibniz tuvieron
que centrarse en casos concretos, y dejaron al siglo posterior el desarrollo de
técnicas y teorías más generales.
227
228 Matemáticas básicas para economistas 3: Optimización y dinámica
Claramente,
donde la condición inicial, para las soluciones del primer tipo, es x(0) = ——si
k / 0. En-cualquier caso, notemos que x(í) = 0.
E jem plo 3.
Es fácil observar, mediante una aplicación directa de antiderivación, que el
sistema
x(t) = t (es decir, / (x, t) = t para todo x)
tiene como soluciones
¿2
x(t) = — + k para alguna constante k € R
Ejem plo 4.
D em ostración.
Ver teorema 13 (teorema de Picard), lección 4 (optimización dinámica). ■
E jem plo 5.
Por ejemplo, la solución local de x(t) = x (t)2 para t = 0 con xo = 1 es
x(t) — — -— -. Esta solución no es global, es decir, no está definida en todo
(-00,00), pero sí en (— 1,1) que es un intervalo abierto alrededor de t = 0.
a) D ia g ra m a s d e fase u n id im e n sio n a le s
Por definición, resolver 1111 sistema dinámico x(t) = /(x(¿),¿) es encontrar sus
soluciones x(t). El primer método para lograr esto es el analítico: encontrar
soluciones explícitas al sistema como hemos hecho en todos los ejemplos hasta
ahora propuestos. La dificultad es que esto no siempre es posible, pues depende
de qué tan simple sea la función /(x(£),¿). El segundo método es el cualita
tivo: trazar descripciones de las soluciones sin tener expresiones explícitas de
estas. Este método se conoce como el de diagramas de fase del sistema diná
mico. Desafortunadamente, sólo es posible aplicarlo convenientemente cuando
el sistema es “autónomo” .
Ejem plo 6.
Al tratar de construir el diagrama de fase del sistema dinámico del ejemplo 1,
x(t) = cx(t), c / 0, distinguimos dos casos: (a) c > 0, (b) c < 0. Notamos
entonces (bajo la condición k / 0) que si c > 0 tendremos x(t) -> oo cuando
t —> oo (caso a)); y que si c < 0, entonces x(t) —> 0 cuando t —> oo (caso b))
(figura 4). Recordemos que, en este ejemplo, las soluciones explícitas son de la
forma x(t) = kect para k e R.
< ------ r*------ r<------ r<------ r*------ 1< t ------>t------ >i------ >t------ --------->t------ >r
0
--------> > > - > i------- >i------- ------------- r*------- 1<------- 1< < -------- <--------
Ejemplo 7.
Para construir los diagramas de fase del sistema dinámico definido por x(t) =
x(t)2 - 1, ‘p rimero escribamos el sistema así: x = x 2 - 1 = (x - l)(x -f 1). Por
lo tanto, los puntos de equilibrio son x* = 1 y x* = - 1. El diagrama de fase
correspondiente es el de la figura 6: si x > 1 entonces x 2 - 1 > 0 y las flechas
se dirigen hacia la derecha; si - 1 < x < 1 entonces x 2 - 1 < 0 y las flechas se
dirigen a la izquierda; y si x < 1 entonces x 2 - 1 > 0 y las flechas se dirigen
hacia la derecha.
D em ostración.
i) Si f'{x*) < 0, entonces /(•) es positiva para x < x* pero suficientemente
cercano a i * , y negativa para x > x* pero suficientemente cercano a x*\ luego,
un poco a la izquierda de x* , x crece; y un poco a la derecha de x*, decrece.
Esto es suficiente para garantizar que x * es asintóticamente estable.
ii) Garantizar que si f'(x * ) > 0, entonces x* es inestable, es similar a lo que
hicimos en i).
3 Existe también la noción de estabilidad asintótica global, significando esto que la
condición de estabilidad asintótica lím*-».» x(t) = x* se cumple, independientemente
de la condición inicial x(¿o). A la condición ii) de arriba, se le acostumbra entonces
llamar estabilidad asintótica local.
Lección 3: Sistemas dinámicos 237
E jem plo 8.
E jem plo 9.
Determinemos los puntos de equilibrio de x(¿) = x (x —1)(2 —3x), y apliquemos
el teorema 2 para establecer su estabilidad (figura 9). En primer lugar, tenemos
que los puntos de equilibrio son x* = 0 , x* = 1 y x* = jj. Además,
---- 2 ^ l^ N ^ X 0 2 1
3
R (t) = R{ 0) e-c¿
N ota 1.
Esta ley de la desintegración no sólo la satisfacen los fenómenos radiactivos. Por
ejemplo, se encuentra la misma ley en el estudio del enfriamiento, donde la tasa
de decrecimiento del calor de un objeto físico es proporcional a la diferencia
entre la tem peratura del cuerpo y la tem peratura del medio que lo rodea.
La vida media del carbono 14 es de 5,730 años4 y el modelo que rige la cantidad
de carbono 14 en un fósil es y(t) = cy(t) para todo tiempo t. Sabemos que la
solución a esta ecuación es
y(t) = 2/(0 ) ect
donde y(0 ) > 0 es la cantidad original de 6C14- Puesto que, por definición de
vida media,
y(0)e<5,73#>c = | j/(0)
y(0)e(-oooom )t = ^ l / (0)
y, de allí,
t = 9,950 años
que es la antigüedad del hueso, según este modelo.
donde h(0) es la altura inicial del nivel del agua. ¿Será h* = 0 asintóticamente
estable? Es decir, ¿Si el tanque está vacío y lo llenamos con un poco de agua,
se vaciará de nuevo eventualmente? Bastaría que el lector se convenciera de
su respuesta observando el diagrama de la figura 10. Pero podemos también
4 La vida media es el tiempo después del cual la sustancia radiactiva 6 C14 ha disminuido
a la mitad su valor original.
240 Matemáticas básicas para economistas 3: Optimización y dinámica
Ejercicios 1
tienen la forma
x ( t) = j x ( t ) — t
e) x = 2 -f sen x f) x — x i
a) x + (t + l)x 3 = 0 b) x = —y/ 1 — x
l i X
e) x = 3 x 2 — \ x f) x — -
dx dv
donde t es la variable tiempo, x(t) = — , y(t) = — , / : A x / — > R,
dt dt
g : A x I — > R son funciones diferenciables con continuidad, A C R2 abierto
no vacío, e l un intervalo abierto de la forma (a,+oo) con a € R U {—oo}, o
de la forma (—oo, a) con a 6 R U {oo}.
(donde x(0) = a + /3, y(0) = a — (3 son las condiciones iniciales del sistema
dinámico), son soluciones al sistema
x = — 3x + y
y = x - 3y
Lección 3: Sistemas dinámicos 243
«<‘1-171 i ’10
donde x(0) = A;e“ ¿ , y(0) = ¿ son las condiciones iniciales del sistema diná-
Ejemplo 15.
El sistema dinámico
x. = j1+ y , y. = ~ y 2
para todo t É I.
Observemos que, en este caso, x(t) = x*, y(t) = y* para todo t € I es una
solución tal que ¿(£) = 0 y y(t) — 0; por tanto, si el sistema dinámico alcanza
el equilibrio, permanecerá allí por siempre.
Ejemplo 16. (Equilibrio único)
Para el sistema dinámico
x = 2 x + y, y = x - 2y
el único punto de equilibrio es (x*,y*) = (0,0) que es donde 2 x + y = 0,
x - 2 y = 0.
5 También llamado punto fijo, aunque Poincaré los llamaba puntos singulares.
244 Matemáticas básicas para economistas 3: Optimización y dinámica
x = x 2 + y2 — 1, y= 3 x (y — 1)
los puntos de equilibrio son (x*,y*) = (0,1) y (x*,y*) = (0, —1) que es donde
x 2 + y 2 — 1 = 0, 3x (y — 1) = 0.
E jem p lo 18. (E q u ilib rio s m ú ltip les)
El sistema dinámico
x = x —í/, y= x 2 —y 2
tiene múltiples equilibrios: todos los puntos (x*,y*) con x* = y* satisfacen las
dos ecuaciones x —y = 0, x 2 —y 2 — 0.
E jem p lo 19. (E q u ilib rio s m ú ltip les)
El sistema dinámico
tiene múltiples equilibrios: todos los puntos (x*,y*) ^ (0,0) con x* = -y*
2x 3 3y
satisfacen las ecuaciones------ -- = 0, ------2 = 0.
y 2 2x
Al igual que en el caso de sistemas unidimensionales, en el caso de sistemas
bidimensionales, tal y como los establecimos en la definición 6, también ten
dremos un teorema de existencia y unicidad:
T eo rem a 3. (E x iste n c ia y u n icid a d local de so lu cio n es (L ip sc h itz
(1 8 7 6 )))
Si (zoj2/o) € í4, ¿o € I , entonces existe una única solución (x(t),y(t)) al siste
ma dinámico
x(t) = f ( x , y , t )
y(t) = g (x ,y , t)
x(t) = f( x ( t) ,y ( t) ,t)
y(t) = g (x (t),y (t),t)
es autónomo si, y solo 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 decir, /(•, •) y g(•, •) no dependen (explícitamente)
de t; en otro caso, lo llamaremos no autónomo.
Observemos que los sistemas dinámicos de los ejemplos 13, 14, 16, 17, 18 y 19,
son autónomos, mientras que el sistema del ejemplo 15 es no autónomo.
a) D ia g ra m a s d e fase en d o s d im e n sio n e s
Un diagrama de fase en dos dimensiones es una herramienta gráfica que, similar
a la utilizada en el caso unidimensional, nos permite visualizar y tener una
descripción cualitativa de la dinámica de un sistema bidimensional autónomo
en su totalidad. En un plano cartesiano x vs. y , cada punto representará la
posición del sistema (x, y) en un momento dado del tiempo. Además de esto,
dibujaremos flechas en el sentido de t creciente: una flecha hacia el noreste
indica que tanto x como y están creciendo en el tiempo; una flecha hacia el sur
indicará que y está decreciendo, pero que x se mantiene constante; una flecha
hacia el noroeste indicará que y está creciendo, pero que x está decreciendo;
etc.
Ahora, dibujamos en el plano cartesiano x vs. y , las curvas f( x ,y ) = 0 y
g(x,y) = 0, y encontramos los puntos de equilibrio como sus intersecciones.
Con esto se ha dividido entonces el plano en varias regiones que deberán ser
estudiadas de acuerdo al signo que allí tengan /( x , y) y g (x, y). De esta manera,
por ejemplo, si en una región /( x , y) > 0 y g (x, y) < 0, entonces la flecha para
x estará en dirección este y la flecha para y estará en dirección sur, dando
como resultado que la dirección de las flechas en tal región será sureste, etc.
(figura 11). Veamos algunos ejemplos que aclaren este método.
x = 2x + y ( = f ( x ,y ) )
y = x - 2y (= g (x ,y ))
= f(x, y) = o
= 9 (x ,y ) = o
f( x ,y ) - 2 x + y < 0 y g (x ,y )= x - 2 y < 0
f( x ,y ) = 2 x + y < 0 y g (x ,y )= x - 2 y > 0
ii) En la región II, puesto que / < 0 y g < 0, entonces x decrece, y esto lo
dibujamos con una flecha hacia al oeste, y y también decrece (y esto
lo dibujamos con una flecha hacia el sur). La dirección de la dinámica
en la región II será, entonces, en la dirección suroeste.
dN r(k - N )N
dt k ( '
N
en el tiempo t. Si hacemos x — entonces la ecuación diferencial (*) es
K
dx
— = r x (l — xX (ecuación logística)
dt
cuyas soluciones son de la forma
x{t) =
1 +
U t 1) * - " '
Sin embargo, observe que este modelo logístico es para una sola especie, y las
más interesantes dinámicas en el mundo biológico tienen que ver con inter
acciones entre especies. El modelo Lotka-Volterra, precisamente, describe las
interacciones de un predador y una presa en un ecosistema. Como solo con
sideramos dos especies, el modelo sólo involucrará dos ecuaciones: una que
describe cómo cambia la población-presa, y otra que describe cómo cambia la
población-predador. El modelo es
R = aR — bRF = R(a —bF)
F = ebRF — cF = F(ebR —c)
donde R (t) y F (t) son las cantidades de presas y de predadores vivos en el
periodo t, respectivamente; a es la tasa natural de crecimiento de las presas en
ausencia de predadores; c es la tasa natural de crecimiento de los predadores
en ausencia de alimento (presas); b es la tasa de mortalidad de presas por
encuentro con predadores; e es la tasa con que este proceso da origen a nuevos
predadores.
Analicemos entonces el sistema dinámico
R = R(a - bF), F = F(ebR - c)
a • c
En este caso, R — 0 si F = - , y F = 0 s i ü = —; es decir, el equilibrio
c a a a
es ( - 7 , 7 ). Así, sobre la recta F = - , R (t) no varía, y si F < - , entonces
eb b b a
R > 0; es decir, R(t) aumenta; mientras que si F > - , entonces R < 0; es
b
decir R(t) disminuye. Esto lo dibujamos utilizando flechas que señalan al oeste
para F > - y al este para F < - (figura ??). De forma similar, si R = —,
b c b eb
F (t) no varía; pero si R > — , entonces F > 0; es decir, F (t) aumenta; y si
eb
c *
R < —, entonces F < 0, y así F (t) disminuye. Esto lo dibujamos con flechas
c c
que apuntan al norte cuando R > — y al sur cuando R < Claramente, el
eb eb
C CL
equilibrio (—, —) es inestable.
eb b
Lección 3: Sistemas dinámicos 249
•FM -— j
a
R= O
r L_
c
m
Figura 13. Diagrama de fase del sistema de Lotka-Volterra.
ii) Diremos que el punto de equilibrio (x*,y*) del sistema dinámico bidi-
mensional
x(t) = f ( x ( t) ,y (t) ,t)
250 Matemáticas básicas para economistas 3: Optimización y dinámica
lím ( x ( t ) , y ( t ) ) = {x',y’)
t—too
N ota 2.
Obsérvese que ambas definiciones de estabilidad son locales: describen el com
portamiento del sistema cerca de un punto de equilibrio. Si un equilibrio (x*,y*)
es estable para todas las condiciones iniciales x(to), entonces diremos que es
globalmente estable. En general, aunque deseable, la condición de estabilidad
global es difícil de alcanzar.
x = a u x + atíy
y = a2\x + a22y
x = an x + a n y + 6i
Lección 3: Sistemas dinámicos 251
o, en forma compacta,
z = A z -f b, b=
ii) Si la matriz A del sistema SDL tiene dos valores propios Ai,A2 distin
tos y no es una matriz diagonal, 10 entonces la solución general es una
combinación lineal de las funciones eXlt y ex<2t y tiene la forma
iii) Si la matriz A del sistema SDL solo tiene un valor propio X y no es una
matriz diagonal, entonces la solución general es una combinación lineal
de las funciones ext y teXi, y tiene la forma
donde a, ¡3 € R y
D em ostración.
i) Supongamos que
'xi(í) x 2 (t)
¿i(t) = z2 (t) =
M * ).
son soluciones al SDL. Veamos que, entonces, a z \(t) + bz2 (t) también es
solución al sistema, para todo a, b G R. Pero esto es inmediato, ya que
cuya solución es
aeXlt
z\t) =
t3eX2t
Como z(t) = C z'(t), se obtiene el resultado buscado.
Lección 3: Sistemas dinámicos 253
aeXt + fiteXt
A t) = ¡3ext
x = —3x + y '- 3 1 X
ó (¿, y) =
y = x-3 y 1 “3 y.
vemos que:
det(>l —A7) = 0
que es
- 3 - A 1
det = 0
1 -3-A
es decir,
(3 + A)2 —1 = 0
y así, Ai = - 2 , A2 = - 4 .
ii) Para A2 = —4, tenemos que (012, 022) es un vector asociado con A2 si,
y solo si,
^ ii [ci2] = roí
1 íj M
' [oj
y vemos que C12 = 1, C22 = —1 satisfacen esta condición.
d) Por tanto, de acuerdo con la parte a) del teorema 4, la solución general,
para a,/? G IR, tiene la forma
x = ae~ 2t + 0 e~4t
y = ae~ 2t — fie~4t
x = 2 x — 4y
CN
X
1
o =
y = x — 3y ! -3 y.
vemos que:
2 -4
1 -3
(A - 2)(A + 3) + 4 = 0
1 -4
1 -4 -Gl
lo cual se satisface en (c n ,c 2i) = (4,1).
ii) Para A2 = - 2 el vector propio (012, 022) debe satisfacer la condición
4 —4 C12 0
1 -1 .022. 0
x = 4ote1 + pé~2t
y — d é + ¡3e~2t
x = y 0 i X
( i ,y ) =
1
y = —4x y.
.O
observamos que:
a) En este problema el único equilibrio del sistema dinámico es (0,0).
0 f
-4 0
satisfacen la ecuación característica
A2 + 4 = 0
-2 i 1 ' cu 0"
-4 -2 i .C21_ 0
[2 i 1 C12* 0
-4 2i C22. 0
x = ( 7 1 + 7 2 ) eos 2 1 + ( 7 1 - 7 2 )* sen 2 1
y = —2(71 + 72 )¿sen 2 ¿ + 2(71 —72)2 eos 2 1
y(í) *2/ = 0 r-
1
Figura 17. El centro del ejemplo 24.
x = a eos 2 t + /? sen 2 t
y = —2 a sen 2 t + 2/5 eos 2¿
x = -x + y
y= -x - y
notemos que:
258 Matemáticas básicas para economistas 3: Optimización y dinámica
iii) Si ambos valores propios tienen partes reales positivas, el sistema es una
fuente.
iv) Si los valores propios son imaginarios puros, Ai = ib, X2 = —ib, entonces
el sistema es un centro (o vórtice).
260 M atem áticas básicas para econom istas 3: O ptim ización y dinámica
A partir de los ejemplos anteriores, es claro que un sistema lineal puede tener
diferentes tipos de comportamiento en las vecindades de un equilibrio, depen
diendo de sus valores propios. Para determinar bajo qué condiciones estamos
en presencia de uno o de otro tipo, podemos también utilizar un criterio que
no exige nuestro conocimiento explícito de los valores propios. Para este efecto,
consideremos de nuevo el sistema dinámico lineal homogéneo (SDL)
x = a n x + ai2y
y = a 2i x + 0222/
an au
A = (*)
021 «22
On - A 012
det(.4 - X I) = — A2 — (on + 022)A + det A — O (*
021 022 — A
ra n oi2
a 2i 022.
n i ) S i q > O y p = O, e n to n c e s ( 0 , 0 ) es un centro.
A > O A > O
P
punto de silla
Ejemplo 26.
asintóticamente
inestable
estable
1 ----------- r
inestable
E jem p lo 27.
a) En el sistema del ejemplo 22,
x = —bx + cz
z= x
dx
decir, igual a —a— donde a > 0, y el signo menos señala que el medio resis-
at
tente actúa en contra del movimiento. De la ley de Newton, que afirma que el
producto de la masa de un punto material y su aceleración es igual a la suma
de las fuerzas que actúan sobre este, tenemos que
d?x dx
ml * = - bx- aTt ()
es la ecuación que describe el movimiento x(í) del punto material en cualquier
instante del tiempo.
■ 0 1‘
b a
- 771 771-
d) S o lu c ió n g en e ra l p ara siste m a s n o h o m o g é n e o s
Hasta ahora hemos estudiado sistemas homogéneos del tipo
x{t) = an x(t) + aí2 y(t)
y{t) = a2 í x(t) + a22y(t)
(1 )
D em ostración.
Veamos, primero, que z(t) = z9 {t) + zp(t) es solución al sistema (*). En efecto:
de forma que z\(t) — z2 (t) es una solución z9 (t) al problema homogéneo. Así,
zi(t) = z9 (t) + z2 (t), que es equivalente a lo que buscábamos.13 ■
x = 2x + y + t \2 ll [VI Til
í-vM ° “ ' [ o 2 j y + [l]
con condiciones iniciales x(0) = 1 y y(0) = 0, comenzamos escribiendo la
solución general al sistema homogéneo
x p(t) = m o + m \t
yp(t) = m 2 + m 3t
y así
7711 = 2771o+ m 2, mi + 7773+ 1= 0
7723 = 2 772 2 + 1 » 27713 = 0
Por lo tanto,
Y así,
V « = /Je* - 5
x(0) = a - i = 1
y(í) = ^ - I = 0
x(t) = ^ e 2t + i í e 2í - í - i
x(t) = f (x (t),y(t))
y(t) = g(x(t),y(t)) ( 1
dado en la definición 6, donde ahora asumiremos que /(•, •) y <;(•, •) no son ne
cesariamente lineales. Sabemos, por el teorema 3, que el SDNL tiene soluciones
locales únicas. Sin embargo, no es mucho más lo que podemos decir: encontrar
soluciones analíticas explícitas es un objetivo muy difícil o imposible. Quizás
lo primero que podríamos hacer es encontrar los equilibrios (x*, y*) del sistema
resolviendo, simultáneamente, = 0, g{x*,y*) = 0. Esto, en sí mismo,
268 Matemáticas básicas para economistas 3: Optimización y dinámica
puede ser un objetivo complicado, pero no lo será en los casos aquí presentados.
dg_ dg
dx dy
Con estos dos conceptos, construimos uno nuevo muy importante en la teoría
de los sistemas dinámicos no lineales:
D efinición 13. (Linealización de un SD N L )
Si {x*,y*) es un equilibrio del SDNL, entonces su linealización alrededor de
(x*,y*) es
x = a \\x + a \2 y
y = a2ix + a22 y
donde
» =
an - df «12 = 7T-
ox
(**.»•)
dg
an 21 =
- d9 a 22 =
OX dy
(*MT)
es decir, x = A x, donde
Lección 3: Sistemas dinámicos 269
Pero la cuestión realmente importante es: ¿qué se puede decir acerca del com
portamiento dinámico local del SDNL alrededor de basados en el com
portamiento de su linealización? El siguiente teorema es una de las respuestas
básicas a esta pregunta.
cuyos puntos de equilibrio son (x*,y*) = (0,1) y (x*,y*) = (0, —1). Las matri
ces jacobianas en estos puntos son, respectivamente,
2x 2y
3(y — 1) Sx
2x 2y 0 -2
3(t/ - 1) 3x -6 0
x = —2y, y= —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.
Ejem plo 31. (E jem plo clásico: dinám ica del péndulo)
Un péndulo matemático es un punto material de masa m, suspendido de una
cuerda de longitud l. Asumamos que todos los estados del péndulo permanecen
en un plano. En la figura 22, la fuerza tendiente a recuperar el péndulo a la
posición O A es la fuerza de gravedad mg actuando sobre el punto material.
La posición del péndulo en cualquier tiempo t está dado por el ángulo <j>.
Supongamos que la dirección positiva de <f> es en el sentido contrario a las
manecillas del reloj. El arco A A! = l<¡> es la distancia movida por el punto
d(AA')
material de la posición de equilibrio A. La velocidad de movimiento v =
dt
estará dirigida a lo largo de la tangente al círculo y será
v = l- f-
dt
O O
dv d?<t>
m — = —mg sen (p (*)
at d t* ~ l SQn<¡
Esta ecuación diferencial ordinaria de segundo orden puede reducirse al si
guiente sistema dinámico (definiendo x =
dt
Para (f> pequeño, el único punto de equilibrio es (0,0). Haciendo lineal (**)
alrededor de (0,0) obtenemos el sistema dinámico lineal
0 l' V
0. X
r
Aquí, los valores propios de la matriz
0 1
¥ 0
son Ait2 = y así las soluciones oscilarán alrededor del punto de equili
brio estable (0,0) que representan el movimiento pendular que conocemos.
f) E l m é to d o d e L yap u n ov
Otro de los teoremas básicos para el análisis local alrededor de equilibrios de un
sistema dinámico no lineal fue establecido por el matemático ruso Aleksandr M.
Lyapunov [1857-1918] en 1892 en The General Problem of Stability of Motion.
Veamos en qué consiste.
V : B e( x * y )
tal que
r Recordemos que B6(x*,y*) es la bola abierta de centro en (x*,y*) y radio e.
272 Matemáticas básicas para economistas 3: Optimización y dinámica
i) V ( x \ y ') = O
ii) V (x ,y ) > O para todo (x,y) ^ (x*,?/*)
iii) < O para toda solución local (x(£), ?/(£)) ^ (x*,y*) del
sistema no lineal SDNL.
Entonces (x*,y*) es estable. Si, además, la desigualdad iii) es estricta, entonces
(x * ,y *) es asintóticamente estable.
A la Junción V(-, •) se le conoce como fu n c ió n de L yapunov.
D em o stració n .
Hirsch y Smale (1971).18 ■
N o ta 4.
Si la vecindad mencionada en el teorema de Lyapunov es todo el plano R2,
entonces diremos que (x * ,y *) es global y asintóticamente estable y, así, todas
las soluciones se aproximan a (x*,y*) cuando t —> oo. Por lo tanto, sabre
mos que las soluciones son asintóticamente estables, aún sin saber cuáles son.
El problema aquí es que no existe un método directo de obtener funciones
de Lyapunov para un sistema dinámico específico, aunque algunos problemas
particulares podrían sugerirla, como veremos en los siguientes ejemplos.
E jem p lo 32.
Veamos si el sistema
x = —2y, y- x
V (x ,y ) = ax2 + by2
Para ello, habría que encontrar los valores de a y b que harían que, en efecto,
esta fuera una función de Lyapunov:
i) K ( 0 ,0 ) = 0
Ejemplo 33. (Otro ejem plo clásico: dinám ica de un resorte rígido)
Consideremos un punto material de masa m atado a un resorte que se mueve
en el eje x horizontal sin ninguna resistencia, y que actúa bajo la ley de Hooke
ampliada, es decir, la fuerza elástica es igual a —6(x + x 3), 6 > 0. En este caso,
la ecuación que describe el movimiento x(t) del punto material es
x = y, / + x ó)
y ~ -----(x 3\- a y
m
Este problema tiene una función de Lyapunov para el equilibrio (0,0) dada por
En efecto,
i) 7(0,0) = 0
(siglo VI a.C.) estudiaban las vibraciones de una cuerda, encontrando que so
nidos armónicamente consonantes son producidos cuando la cuerda se divide
en ciertas proporciones numéricas simples que, se puede mostrar, están direc
tamente relacionadas con los valores propios de cierta ecuación asociada a la
ecuación diferencial de propagación de onda. Y este problema de proporciones
numéricas lo extendían también a los metales y a otros materiales.
Pero a pesar de estas búsquedas de armonía en la naturaleza, solo hasta el siglo
XVIII fue posible escribir la primera ecuación diferencial de onda (en derivadas
parciales) por parte de d ’Alembert (TYaité de Dynamique (1743)), y comenzar
a entender la importancia de los valores propios.
Ejercicios 2
x = 2x — 4y, y= x — 3y
x = - x 4- y, ÿ= - x — y
4. Resuelva explícitamente el sistema dinámico (¿, y)T = A[x, y]T +b, donde
a)
c)
x = y, y - ~ (x 4- x 3)
mi) ~ m g — bv2
m — r 4- m w 2x = A cos(wt) w > 0, A¿ 0
276 Matemáticas básicas para economistas 3: Optimización y dinámica
x = —2 x — y 2
y = -y - x 2
x = Ax
'3 1 4 '
A = 5 2 2
2 3 -2
2/(n) + oí 4- • • • + an y = 0 (*)
xi = y, x2 = y = x \ , x 3 = y = x 2 , ...
Señale la forma que deben tener las soluciones de esta ecuación dife
renciad. Después, encuentre la ecuación auxiliar de la ecuación dife
rencial (similar a lo que hicimos en el caso n = 2), cuyas soluciones
serían los valores propios de A.
d) Defina las nociones de estabilidad y estabilidad asintótica para siste
mas lineales de orden n.
20 Hirsch, M. y Smale, S. (1974), óp.cit
Lección 3: Sistemas dinámicos 277
x t+i = c x t (i.e. f ( x h t) = c x t)
puede resolverse fácilmente: observe que
X t + i = c x t = c ( c x t ~ i) = c2 X t - l
= c 2 ( c x t - 2 ) = C3 X t —2 = . . .
= Ct + 1 X 0
Xt = Xq c*
21 Más adelante se entenderá que los sistemas dinámicos discretos pueden ser extrema
damente complejos, y que esta hipótesis de continuidad nos mantiene atados a cierta
“regularidad” que, así, logra que no sea aun más complicado el comportamiento de
estas dinámicas.
Lección 3: Sistemas dinámicos 279
Xt
M -
J * ' -
j v "
^ ja r
4+ X 0 ^
= (xo)2'
xt Xt
f
/
i -
/
1y *"M xq-«
i*—1
§
caso |xo| > 1 caso |xo| = 1 caso |xo| < 1
Figura 24. Trayectorias del ejemplo 36.
X¿ — t x ¿—i — —2
= t ( í - l ) ( t - 2 )a* - 3 = ...
- ti X o
x t = t !x 0
x t = M I c(*J ] x 0
■ (íH
donde
<-1
JJ c (¿ ) = c ( 0 ) c ( l ) - - - c ( í - l )
t= 0
donde c(-), &(•) son funciones cualesquiera. Este tiene como soluciones
Ejemplo 40.
De acuerdo con el ejemplo 39, el sistema dinámico “lineal”
7
x t+ 1 = 2xt + 3l,
( l - c ) 8'73° i? o = ¿ ñ o
y así, c = 0.000121. Por tanto, la antigüedad t, del hueso, según este modelo,
está dada mediante la ecuación
QH
(1 -0 .0 0 0 1 2 1 )% = — Ro
de donde se deduce que t = 9,950 años, que coincide con el tiempo previsto en
el modelo continuo (ejemplo l l ) . 23
Ejem plo 42. (Interés sim ple, com p u esto y am ortización)
a) Si una suma inicial de dinero So recibe interés simple a la tasa r por periodo
de pago, la cantidad de dinero en cualquier tiempo t (en años, meses, etc.),
£t, estará regida por el sistema dinámico discreto
S t = S 0{l + r t) * = 0 ,1 ,2 ...
S t+i = (1 + if S o t = 0 , 1, 2 . . .
St St
So S o -"
a) b)
periodo de pago. Aquí, el capital principal St+i (después del pago j*+i)
es igual al capital principal St (después del pago P¿) más el interés iSt
incurrido durante el periodo t + 1, menos el pago P*+i. Es decir,
o, lo que es igual,
St+i = (1 + i)St — Pt+i
Esta ecuación se puede resolver como
t
S t = ( l + i)iS o - ' £ { l + i)t~ kPk
k= 0
T =
z(l+ ¿)N So
1 - ( 1 + * )* + !
284 Matemáticas básicas para economistas 3: Optimización y dinámica
Así, x* es una solución constante del sistema, pues si x t• = x* para algún £*,
entonces X r+i = f ( x t*) = /(a;*) = x* y también x ¿*+2 = / ( x t*+i) = f ( x t*) =
/(x*) = x*, etc. En otras p ala b ra, una vez alcanzado el punto de equilibrio,
el sistema permanecerá allí, por siempre. Gráficamente, un punto de equilibrio
es aquel donde la gráfica de /(•) se intersecta con la recta y = x.
a) El sistema dinámico x ¿+1 = cx¿, c ^ 0, del ejemplo 34, solo tiene un equi
librio x* = 0, pues /( x ) = ex solo se intersecta con la recta y = x en ese
punto.
b) El sistema dinámico xt+\ — (x¿)2 del ejemplo 36 tiene como únicos equili
brios x* = 0 y x* = 1 pues /( x ) = x2 solo se intersecta con la recta y = x
en estos dos puntos.
x*
Figura 26. Función carpa.
Vemos que los ejemplos 34, 35 y 36 son autónomos, mientras que el ejemplo
37 es no autónomo.
Ejemplo 45.
El diagrama de fase del sistema, para xo dado,
= T
1+ ce* 1
l\ „ A t c 6 R
Lección 3: Sistemas dinámicos 287
la ecuación logística discreta no tiene una solución explícita, excepto para al
gunos valores particulares de f.i. Más aun, esta ecuación discreta muestra una
rica y complicada dinámica, que contrasta dramáticamente con su homóloga
continua, como veremos adelante. Es claro que los puntos de equilibrio de la
ecuación logística discreta son x* = 0 y x* = - -----.
D em o stració n .
[Solo probaremos i); la parte ii) queda como ejercicio al lector].
En primer lugar, si \f'(x*)\ < M < 1 para cierto M > 0, entonces, por la
continuidad de / ', existe un intervalo I que contiene a x * tal que \f'(x)\ <
M < 1 para todo x G I. Por el teorema del valor medio (volumen 2, lección 3)
existe £ entre cualquier xt0 € / y x* tal que
fato+t I — M \xto x |
Ejercicios 3
1. Muestre que xt = 3¿ —2Í_3, t — 0 ,1 ,2 ,..., satisface el sistema dinámico
discreto
Xt+i = 2Xt -h 3*
xt+\ = 2 + — xq dado
a) x¿+i = 5txt\ xq = 2
b) Xt-f-l = —1
c) Xt+ 1 = 4 + Xt\ XQ = 3
c) Tomar 5 años de gracia (esto es, no pagar ninguna cuota por 5 años
dejando acumular intereses, y después del periodo de gracia, pagar en
5 años con cuotas fijas).
x t+i = o n ^ í + a \2yt
Lección 3: Sistemas dinámicos 293
es autónomo si, y solo si, f ( x t,y t,t) = f ( x t,yt), g {xt,yt,t) = g(xt,yt) para
todo ¿ = 1 ,2 __ Es decir, /(•, •) y g(-,*) no dependen explícitamente de t.
Observamos que el sistema dinámico lineal es autónomo.
D efinición 22. (P u n to d e eq u ilib rio (o esta c io n a rio ))
Un punto (x*,y*) es un punto de equilibrio (o estacionario) del sistema diná
mico
x t+i = 2 x t + yt
y t+1 = x t - 2 yt
x t+i = x t(yt - 1)
yt+1 = Vt - xt
los puntos de equilibrio son (x*,y*) = (0,0) y (x*,y*) = (0,1) (que es donde
x(y - 1 ) = x , y2, —x — y).
294 Matemáticas básicas para economistas 3: Optimización y dinámica
xt+i = / (xt^ytjt)
2/f+i =g( x t , yt , t )
es estable si dado e > 0, existen 5 > 0 y to > 0 tales que si \\(xt0 ,yt0) —
(rr*,?/*)|| < S, entonces \\(xt,yt) - (x*, 2/*)|| < c para todo t > to. En caso
contrario diremos que es inestable o no estable.
estable
Figura 33. Ejemplos de estabilidad (páneles izquierdo y central); e-
inestabilidad (panel derecho).
(A -X I) = 0 (A-XI) (*)
y a, f i e R.
296 Matemáticas básicas para economistas 3: Optimización y dinámica
iii) Si la matriz A del sistema (SDisL) tiene dos valores propios complejos
donde (cn,C 2i) es un vector propio asociado o Ai; y (012, 022) es un vector
propio asociado a A2 .
D em o stració n .
i) Utilizaremos el hecho de que si A es una matriz no singular, entonces
puede ser descompuesta como A = C D C ~l , donde
Cll C12
C21 C22
es la matriz generada por los vectores propios (columna) correspondientes
a los valores propios Ai, A2 , y
Ai 0
D =
0 A2
Aplicando esto, tenemos que
x t = acnA i + @0 12 X2
yt = QC21A1 + PC22X2
donde a = c ^ x 0 + c ^ y o , P = ¿21 x o + c ^ y 0.
ii) Si A tiene un solo valor propio (que tiene que ser real), entonces, por
el teorema de descomposición de Jordán, existe una matriz C tal que
C ~ lA C = «7, donde
TA 11
J =
0 A
y C es la matriz de vectores propios que satisface el sistema (*) en el
teorema (volumen 1 (Álgebra lineal), lección 7). Aplicando esto, tenemos
que
A* ÍA'” 1
zt = A z t - i = . . . = A 1zq = C J lC *20 - C [o Zo
A‘
Lección 3: Sistemas dinámicos 297
x t = (a cn 4- /?ci2)Af 4- ^cn¿Aí_1
Vt = (ac2\ 4- Pc22) \ l 4- pc2 i t \ l~l
Solución
a) El único equilibrio del sistema es x* = y* = 0.
b) Los valores propios de la matriz A son Ai = 1 4- \/3¿, A2 = 1 — Vsi; o, lo
que es equivalente (volumen 0 (Fundamentos)),
Ai = 2 (eos f 4- ¿ sen g ) , A2 = 2 (eos § —i sen J )
x t = V S a 2 l eos(^-t) — V s p 2 l se n (^t)
O o
yt = - a 2 ‘ s e n ( |í) - /32‘ co s(|¿ )
298 Matemáticas básicas para economistas 3: Optimización y dinámica
1 1
x t+i = x t + yt ó Z t+ i =
0.25 1 zt
y t+ 1 = 0.25xí + yt
notamos que:
con a , ¡3 € R. ▲
£¿+i = a n x t + a i2yt
Vt+i = «21x t + 022yt
Lección 3: Sistemas dinámicos 299
a n a \2
la ecuación característica de la matriz de coeficientes A =
021 <*22
det(i4 —AI) = O donde X € R. Específicamente,
an - A ai2
det(A - XI) = — X —(&ii + o>22)X + det(A) = O
a2l Q22 — X
Sea p = máx{|Ai|, IA2 I} donde Ai, A2 son los valores propios de A, y |A| es el
valor absoluto de X si éste es un número real, y su módulo (longitud) si es un
número complejo. Entonces:
D em o stració n .
El teorema es consecuencia directa del teorema 13 de caracterización de las
soluciones. La figura 36 ilustra casos particulares. ■
Vt
Figura 36. Panel a): nodo asintóticamente estable (Ai = A2 < 1).
Panel b): nodo degenerado (Ai < A2 = 1).
300 Matemáticas básicas para economistas 3: Optimización y dinámica
b) En el sistema discreto
xt+i = xt + yt
yt+1 = 0.25xt + yt
los valores propios son Ai = 1.5 y A2 = 0.5; así, p = 1.5 y, por tanto, el
equilibrio (0,0) es inestable.
4 =i n ^ o , z% = i
t= 0
r=0 t=0
Ejemplo 56.
Para resolver el sistema
^t+i — 2a?f -f yt + 1 xo = l
yt+i = 2 yt + 1 yo = 1
a f = a 2í + / ? í2 í"\ yf = /32e
— 777o I 77í»it
y¿ = 7712+ m3¿
y se trataría de hallar los coeficientes desconocidos mo, m i, 7712, y 7713. Por
tanto, al satisfacer estos el sistema dinámico, debe tenerse que
mo = 0 , mi = - 1 , 7712 = —1 , 7713 = 0
Y así, la solución particular es
x t = (1 + t)2 l - t
yt = 2Í+1 - 1
xt+i = Vt
yt+i = -p m - poxt
E jem p lo 57.
Resolvamos las siguientes ecuaciones en diferencias:
Solución
a) La ecuación en diferencias x t + 2 -f Sxt+i + 1 2 xt = 0 e6 equivalente al sistema
lineal
xt +1 = yt
y t+1= - 8yt - 12x t
Nt = N t-n + N t-t2
N t = N t - 1 -4- N t - 2
N t - N t- 1 - N t- 2 = 0
xt+i = } { x t, yt)
yt+1 = 9 (x t,y t)
( f( x ,y ),g ( x ,y )) =
A la componente
26 Perron, O. (1929), Über Stabilität und asymptotisches Verhalten der Integrale von
Differential gleichungs systemen, Mathematische Zeitschrift.
27 Pielou, Evelyn C. (1977), Introduction to Mathematical Ecology, New York: Wiley.
28 Un ejemplo de crecimiento de una población que puede modelarse mediante estas
ecuaciones es la de cierto tipo de mariposas (Lucila Zuprina).
306 Matemáticas básicas para economistas 3: Optimización y dinámica
x t = yt
otyt - (a - l) x t
yt+1
Ot + Xt
Ahora linealizamos este sistema no lineal alrededor de (0,0) mediante la matriz
' 0 1'
jacobiana en (0,0) que es A = 1 =2 . i , y cuyos valores propios son
1 /4 - Sa . 1 -3 a
Al = 2 + V A2 = 2 “ V~
a) Si 4 - 3a < 0 entonces
1 1 / 3 - 4 a .--------r f ^
P(A) = (Ail = - + — \l---- 1 = \f1 -- <1
2 2V a V a
a —1
Luego, x* = y* = también es asintóticamente estable si a >
e) E l m é to d o de L yapunov p a ra siste m a s d is c r e to s
trid im en sio n a le s
Ya sabemos, por lo realizado con los sistemas dinámicos continuos, que el mé
todo de Lyapunov es una técnica para investigar la naturaleza cualitativa de las
soluciones sin calcular estas explícitamente. Es una de las herramientas prin
cipales de la teoría de la estabilidad, y se trata de encontrar cierta función que
satisfaga particulares condiciones alrededor de un equilibrio, y esto conducirá
a determinar las características de estabilidad de este último, a pesar de no
tener información alguna sobre las soluciones explícitas del sistema dinámico
original.
Lección 3: Sistemas dinámicos 307
x t+i = f ( x t t yt)
Vt+1 = 9 { x t ,y t )
y asumamos también que existe una función Lyapunov V : R2 —>• R tal que
i) V ( x \y * ) = 0
ii) V (x ,y ) > 0 para todo (x,y) en una vecindad de (x * ,y*) con (x,y)
V*)’
D em ostración.
Ver ejercicio complementario 23 al final de la presente lección. ■
Luego, si a < 1,entonces A V (xt,y t) < 0 y, por tanto, (0,0) es estable. In
fortunadamente, debido a que el término (a 2 — l)x 2 es igual a cero también
cuando = 0 (eje y), el método de Lyapunov nada nos dice acerca de la
estabilidad asintótica de (0,0), y esta situación es típica en la mayoría de los
problemas encontrados en aplicaciones en ciencias e ingeniería. Existen, por
supuesto, métodos alternativos, pero las técnicas necesarias para comprender
las a cabalidad están fuera del alcance de este texto. Esto, dicho sea de paso,
es el primer encuentro con un problema dinámico para el que las herramientas
aprendidas aquí son insuficientes. Pero, debemos decirlo, en el estudio de los
308 Matemáticas básicas para economistas 3: Optimización y dinámica
sistemas dinámicos, que esto suceda es más la norma que la excepción, algo
que comenzaremos a entender en la próxima sección.29
i'^,^
2 ’ 2 y
t -n
\
-n
2 ’ 2
= 4x2j/2(x2 + y2 - 1) < 0
X t + 1 = x t - x 3t y ¡ , y t+ i = y t
A V (x t , yt) = x f y¡ (x? y¡ - 2)
Ejercicios 4
1. Calcule los equilibrios de los siguientes sistemas dinámicos discretos:
x t+i = 3x t + 2yt xt
a) b) x t+i =
Vt+1 = - x t + 5yt 1 - yt
«« =
2/í+i - ----- —
1- xt
c) Xt+l = V x Í - V y i d) Xf+l _ x 2 y 2
2/Í+1 = x t - y t y t+ 1 _ 3Xí _|_ 2yt
x t+i = x t - x] y\
2/í+i = x t
x t+1 = yt - yt (*? + yh
yt+i = x t - x t (x2 + y 2)
es asintóticamente estable.
310 Matemáticas básicas para economistas 3: Optimización y dinámica
a) 2 x t+ 2 - 5xí+i + 2 x t = 0
b) x t+ 2 + 6rrí+i + 2 bxt = 0
c) Sxt+ 2 - 6xt+i + 4xt = 3
d) x t+ 2 — 3xí+i + 2 x t = 1
9. Para el sistema
yt Xf
xt+i = yt+i =
1 + xV i+ y?
encuentre los puntos de equilibrio y determine su estabilidad. [Indicación:
use V (x , y) = x 2 + y2]
donde
o
o
0
A(t) =
0 0 0 1
-Pk(t) -Pk-l(t) -Pk-2{t) -P l(í).
Lección 3: Sistemas dinámicos 311
O
O
h(t) =
L*w J
Zl(t) = X U z 2 (t) = x t+ 1 , Zk(t) = X t +k - l
d) Si p j ( t ) = p j para j = 1,2,..., k , encuentre las soluciones explícitas de
la ecuación en diferencias (*).
e) Escriba las correspondientes definiciones de estabilidad y estabilidad
asintótica para el sistema dinámico discreto lineal.
f) Escriba condiciones sobre los valores propios para la estabilidad asin
tótica.
g) Escriba condiciones de Lyapunov para la estabilidad asintótica.
a) b)
Figura 38. En el panel a) el diagrama de fase de la función carpa;
y en el panel b) el de su cuadrado.
30 Li, T.Y. y Yorke, J.A. (1975), Period Three implies Chaos, American Mathematical
Monthly.
Lección 3: Sistemas dinámicos 315
A pesar de que a principios del siglo XX, Poincaré (1952)31 comprendió esta
posibilidad con toda precisión, el caos determinístico permaneció virtualmente
inexplorado y desconocido hasta los años de 1960: las semillas sembradas por
Poincaré sólo podían germinar con los avances de la matemática experimental
a través de computadores. En efecto: los movimientos complicados y erráticos
de los sistemas caóticos determinísticos solo comenzaron a entenderse mejor a
través de las complejas figuras geométricas de computador asociadas con estos
movimientos: los fractales.
El término fm etal fue introducido por Benoit Mandelbrot en 1975 para descri
bir ciertas formas fragmentadas irregulares con intrincadas estructuras en toda
escala.32 El estudio de los fractales se incorporó al cuerpo principal de investi
gación de los sistemas caóticos cuando se hizo claro que estos exóticos objetos
geométricos aparecían muy comúnmente en muchos contextos naturales y, en
particular, en sistemas dinámicos no lineales con caos determinístico.
La idea esencial de los fractales es la existencia de estructuras similares y no
triviales a toda escala, así que los pequeños detalles están referidos directamente
al objeto entero. Técnicamente, esta propiedad se conoce como escalonamiento
(scaling) y conduce a una aproximación teórica que permite la construcción
de detalles finos del objeto a partir de crudas descripciones generales. Una
consecuencia de esta invarianza de escala es que los objetos fractales tienen
dimensiones fraccionarias en lugar de dimensiones enteras; es decir, en lugar
de ser líneas, áreas o volúmenes, los fractales se encuentran en alguna parte
entre ellos. En el mundo real, este escalonamiento sólo ocurre dentro de algún
rango finito de medidas. Por ejemplo, los copos de nieve vistos al microscopio
son, sólo aproximadamente, fractales. Aún así, el concepto de fractal juega un
papel central en esta teoría.
X t + 1 — f i Xt ( l 3J¿)
*¡ - ^
Observemos que esta expresión es real solo para fi> 3, que es cuando comien
zan a aparecer los dos 2-ciclos.
Es posible continuar de esta forma y buscar para qué valores del parámetro
fi podemos tener 3-ciclos. Sin embargo, algo de trabajo computacional con
la iteración f 3 (x) — x no nos arroja ningún resultado. Pero si buscamos 4-
ciclos mediante la iteración f A(x) = x , encontramos (mediante computador)
que aparecen cuando 1 + >/6 < < 3.544090...; y cuando 3.547090... <
H < 3.564407... aparece un 8-ciclo; este proceso de bifurcación continúa in
definidamente. Así se forma una sucesión {/in} donde fio = 3, fi\ = 3.449499,
¡i2 = 3.544090, fiz = 3.564407, ..., y se puede mostrar que esta sucesión con
verge al valor de Feigenbaum fi00 = 3.57. Es decir, notablemente, todos estos
ciclos de periodos 2 ,4 ,8 ,1 6 ,3 2 ,..., 2n , . . . , ocurren en la región finita de fi por
debajo del valor fi00 = 3.57 (figura 43).
Es todavía mucho lo que se puede aprender de este simple ejemplo. Aquí, el
mecanismo mediante el cual el sistema cambió de un movimiento regular a
Lección 3: Sistemas dinámicos 319
2
3
/
/
/
uno caótico fue el de las bifurcaciones doblando el periodo (es decir, mediante
una sucesión de ciclos límites con periodos crecientes con 2n, también llamadas
bifurcaciones de cascada). Sin embargo, esta no es la única forma en que los
sistemas no lineales pasan del movimiento regular al movimiento caótico. Se
han identificado muchas otras rutas, tales como crecimiento intermitente o no
periodicidad en el crecimiento de los periodos de los ciclos.
1 3 1 + V 6 3.54409 V
Ahora: ¿qué sucede cuando /z > /Zqq « 3.57? Por encima de /Zoo la dinámica
es turbulenta: la ecuación logística muestra conjuntos de atracción mucho más
complejos que los puntos fijos y los ciclos límite que aparecen por debajo de
Voo. Allí sí aparecen If-ciclos para cualquier orden K .
Cada uno de estos conjuntos de atracción es lo que hemos llamado un atractor
extraño. Más allá del valor crítico ¿zQQ, la ecuación logística ahora sí presen
ta caos deterministico. Y aunque este complicado comportamiento aperiódico
claramente motiva el nombre de caos, ¿realmente tiene la característica crucial
320 Matemáticas básicas para economistas 3: Optimización y dinámica
A 3.57
?
Figura 44. Regiones caóticas.
donde /*(•) denota la í-ésima iteración de /(•). Se sabe que A siempre existe y
que es independiente de x para la mayoría de las condiciones iniciales. Un valor
A > 0 indica que puntos iniciales cercanos se separan exponencialmente a una
tasa A. Por ejemplo, el exponente Lyapunov de la ecuación logística aparece
en la figura 44. Las regiones caóticas son aquellas en las que A > 0. Observe
que solo aparecen regiones caóticas cuando fi > 3.57 « ¡iqq. Las regiones para
¡jl > 3.57 en las que A < 0 corresponden a las llamadas ventanas periódicas
▲
Lección 3: Sistemas dinámicos 321
Ejercicios 5
1. Pruebe que el exponente de Lyapunov de la función carpa es, también,
ln2.
6. C ontexto económico
Solo hasta hace cinco décadas (o un poco más), los modelos dinámicos no
lineales no tenían mayor impacto en el desarrollo de la teoría económica. In
clusive estas herramientas eran desconocidas, o consideradas irrelevantes. Los
primeros sistemas dinámicos en economía aparecieron, en modelos bien desa
rrollados, durante los años de 1950 y 1960 con los trabajos de Richard Good-
win [1913-1996]. Allí, él estudiaba el problema de la existencia de oscilaciones
persistentes, determinísticas y endógenas en el ciclo económico dentro de la
tradición keynesiana y de Cambridge (UK). Sin embargo, estos trabajos no
tuvieron suficiente influencia, en su momento, para garantizar el despegue de
las teorías no lineales. Inclusive, casi cualquier esfuerzo en este sentido era con
ducido a la manera de un sistema dinámico lineal con, en el mejor de los casos,
alguna característica estocástica.
A pesar de esto, en los últimos treinta años, muchos economistas han veni
do mirando las distintas variables económicas bajo la hipótesis de que una
porción relevante de ellas podría explicarse como un fenómeno dinámico no
lineal, creado por la interacción de fuerzas de mercado, tecnologías, preferen
cias, etc. En los años de 1980 hubo una explosión de modelos con dinámicas
no lineales que intentaban explicar la evidente irregularidad de variables ma-
croeconómicas tales como el PIB, las tasas de interés, las tasas de desempleo,
etc., mirando la posibilidad de que la sola no linealidad pudiera dar origen a
estos comportamientos, sin que hubiera rastro alguno de aleatoriedad.
Quizá el primer artículo en este sentido fue el de Benhabib y Day (1981), quie
nes estudiaban consumo, intercambio y acumulación en modelos de genera
ciones traslapadas (Samuelson (1958)33, 34). Otro artículo pionero con aquella
orientación es el de Dana y Malgrange (1984)35, quienes estudiaban ciclos eco
nómicos; también Day(1982;1983)36, 37, quien encontraba ciclos irregulares en
modelos de crecimiento clásicos y neoclásicos; Grandmondt (1985)38, quien es
a) El modelo IS-LM
39 Pohjola, M.T. (1981), Stahle, Cyclic and Chaotic Growth: The Dynamics of a Discrete
Time Version of Goodwin’s Growth Cycle Model, Zeitschrift für Nationalökonomie.
324 Matemáticas básicas para economistas 3: Optimización y dinámica
teoría, y mostrar que arroja resultados que, de hecho, han sido co
múnmente considerados como dados, pero que no coinciden con las
conclusiones de Mr. Keynes, entonces tendremos al fin una base de
comparación satisfactoria. Esperamos poder aislar las innovaciones
de Mr. Keynes, y así, descubrir cuáles son los problemas reales de
disputa.
Y agregaba:
* = /«(JV,), y =fy(Ny)
donde f x y f y son dos funciones conocidas.
(d N x \
c) El valor de la inversión o, simplemente, la inversión, es w x I J =
326 Matemáticas básicas para economistas 3: Optimización y dinámica
y = kY (3)
Ix = C(i) (4)
I , = S ( i,Y ) (5)
en las que se determinan las tres incógnitas Y , Ix , i. Aquí:
a) La ecuación (3) es la ecuación cuantitativa (de Cambridge) que rela-
M
ciona el ingreso total Y, y la demanda de dinero — , a través de una
constante de proporcionalidad k.
b) La ecuación (4) afirma que la cantidad de inversión (o demanda por
capital nuevo) dépende de la tasa de interés i.
c) La ecuación (5) dice que el ahorro 5, depende de la tasa de interés y
del ingreso.
Para Hicks, este modelo es una “teoría muy razonablemente consistente, que
es también consistente con los pronunciamientos de un reconocible grupo de
economistas”, pero sabe que si se intenta estudiar fluctuaciones dentro de este
modelo, comienzan las dificultades:
Es evidente que el ingreso de dinero experimenta grandes variacio
nes en el curso de un ciclo económico (trade cycle), y que la teoría
clásica sólo puede explicar estas variaciones por medio de variacio
nes en yr o en k, o, como una tercera y última alternativa, por
cambios en la distribución.
“Contra” las tres ecuaciones de la teoría clásica,
y = L ( i ,Y ), I x = C{i), Ix = S (Y )
R = y + K 2i e Xtt + K 22ew
Yt = C t + R t
C t = ocYt-i
42 Samuelson, P. (1939), Interactions between the Multiplier Analysis and the Principle
of Acceleration, The Review of Economic Statistics.
332 Matemáticas básicas para economistas 3: Optimización y dinámica
Rt = p(Ct - Ct-\)
donde Ct es el consumo en el período t\ Rt es la tasa de interés en el período
t; y Yt es el ingreso en el período t. Aquí, a > 0 es el “acelerador” y p > 0 es
el “multiplicador”. La primera ecuación afirma que el ingreso agregado es igual
a la suma del consumo agregado y la inversión privada en cada periodo: es la
identidad macroeconómica básica. La segunda ecuación afirma que el consumo
es proporcional al ingreso del periodo anterior; a a también se le llama la
“propensión marginal a consumir”. La última ecuación afirma que la inversión
privada es proporcional al incremento en el consumo a través del tiempo; a
ésta se le conoce como el “principio de aceleración”.
De estas tres ecuaciones se obtiene, con un poco de manipulación algebraica,
que
YM - { a + aP)Yt- i + * P V t = 0
Es decir, el ingreso agregado de un periodo determinado es una ponderación
de los ingresos agregados de los dos periodos anteriores. Por lo estudiado en la
presente lección, la estabilidad de este sistema dinámico alrededor de Y = 0,
depende de las raíces de su ecuación característica
A2 — (a + ap) A + a p = 0
que son
A _ (a + ap) ± y/(a + aP) 2 - AaP
2
y que obliga a estudiar tres casos:
i) Si las dos raíces son reales y diferentes, es decir, si (a + a/3)2 > 4a/3,
entonces éstas serán menores que 1 si, y solo si, a < 1, como el lector
puede fácilmente comprobar. Por tanto Y = 0 es asintóticamente estable
si, y solo si, a < 1 (es decir, si el acelerador es “pequeño”).
ii) Si las dos raíces son reales e iguales, es decir, si (a + a p )2 = 4a/?, en
tonces estas serán iguales a >/afi. Por tanto, en este caso, Y = 0 será
asintóticamente estable, si, y solo si, a p < 1.
iii) Si las dos raíces son números complejos, es decir, si (a + a p )2 < 4ap,
entonces el módulo de ellas es igual a aP , por lo que la condición para
la estabilidad asintótica de Y = 0 es, también, a p < 1. Su convergencia,
sabemos por lo aprendido en esta lección, es a través de ciclos.
Note cómo este modelo, a través de lá interacción entre multiplicador y acelera
dor, puede generar fluctuaciones económicas endógenas; es decir, la economía
puede exhibir ciclos que no son producidos necesariamente por shocks aleato
rios exógenos. Sobre esta perspectiva de la teoría de los ciclos económicos ver
Lección 3: Sistemas dinámicos 333
Y = a { /(y , i?, K ) - S (Y , R , K )}
R = 'y { L ( Y ,R ) - L s }
K = I(Y , R, K ) —p K
I = a H (Y , M ) = a I(L (Y , M ), Y )
43 Kaldor, N. (1940), A Model of the Trade Cycle, Economic Journal, vol. 50, 78-92.
44 Hicks, John R.(1950), A Contribution to the Theory of the Trade Cycle, London:
Clarendon Press.
45 Goodwin (1951), The Nonlinear Accelerator and the Persistence of Business Cycles,
Econometrica, vol. 19, 1-17.
46 Day, Richard H. (1982), Irregular Growth Cycles, American Economic Review, vol.
72(3), 406-14.
47 Grandmont, J. M. (1985), On Endogenous Competitive Business Cycles, Econome
trica, vol. 53, 995-1045.
48 Boldrin, M. (1983), Applying Bifurcation Theory: Some Simple Results on the
Keynesian Business Cycle, Note di Lavoro 8403, University di Venezia.
49 Day, R. H. y J. Shafer (1985), Keynesian Chaos, Journal of Macroeconomics, vol.7(2),
277-295.
334 Matemáticas básicas para economistas 3: Optimización y dinámica
b) E l m o d e lo A r r o w -D e b r e u : la e c o n o m ía co m o u n s iste m a
m ec á n ic o
Pero Arrow no fue el único con acceso a esta información. El francés Ge
rard Debreu (premio Nobel en economía en 1983) había llegado simultánea e
independientemente a, esencialmente, los mismos resultados, y decidieron pu
blicar conjuntamente los resultados (Arrow y Debreu (1954)54). Además, un
poco antes de que este artículo apareciera, otros economistas, Lionel McKen-
51 Cassel, G. (1932), The Theory of Social Economy, New York: Harcourt Brace.
52 Publicado de manera pòstuma en “Wald, Abraham (1951), On Some Systems of
Equations of Mathematical Economics, Econometrica, voi. 19, 368-403”, pues Wald
murió en 1950 en un accidente aéreo.
53 Nash, J. F. (1950), Equilibrium Points in n-Person Games. Proceedings of the
National Academy of Sciences, voi. 36(1), 48-49.
54 Arrow, K. J. y Debreu, G. (1954), Existence of an Equilibrium for a Competitive
Economy, Econometrica, voi. 22, 265-290.
336 Matemáticas básicas para economistas 3: Optimización y dinámica
zie (1954)55 y Tjalling Koopmans (1951 )56, obtuvieron similares resultados con
herramientas un tanto distintas. Como en el caso de Newton y Leibniz en el
siglo X V II con la invención del Cálculo, o en la “revolución marginalista,>de
Menger, Walras y Jevons, la existencia de un equilibrio general competitivo fue
un descubrimiento múltiple e independiente.
La historia de Debreu comenzó en 1948 cuando el principal economista francés
de la época, Maurice Aliáis (premio Nobel en economía en 1988), lo propuso
para la beca Rockefeller para estudiar economía en los Estados Unidos. Debreu,
con formación en matemáticas y física, arribó con 28 años a la Universidad de
Harvard en 1949; luego pasó a Berkeley, Chicago, Oslo y, posteriormente, en
1955, a la Universidad de Yale, donde fue profesor asociado de economía. Su
más famosa monografía, Theory o f Valué, publicada en 1959, fue presentada
como tesis de doctorado en la Universidad de Paris en 1956.
Debreu se había iniciado en economía leyendo el libro de Aliáis, A la Recher-
che d ’une Discipline Economique (1943). En este, Aliáis buscaba presentar y
extender el pensamiento de Walras sobre el equilibrio general, y además lo re
lacionaba formalmente con la noción de optimalidad desarrollada por Pareto.
Sin embargo, las limitaciones de todas las contribuciones (incluida la de Aliáis)
antes de los primeros años de la década del cincuenta consistían en el hecho de
que utilizaban el método de multiplicadores de Lagrange y tasas marginales de
sustitución para caracterizar el óptimo; y ni la derivabilidad de las funciones
ni las tasas marginales de sustitución son conceptos primitivos de la teoría.
Esto último fue particularmente claro con el desarrollo del Análisis de activi
dades de Koopmans (1951) al aplicar la programación lineal y la teoría de la
dualidad al problema de la formulación de la teoría del equilibrio general, y ex
plícitamente corroborado por Arrow y Debreu en sus trabajos clásicos (Arrow
y Debreu (1954) y Debreu (1959)), en donde utilizaron teoremas de punto fijo,
estructuras convexas (conos, poliedros, conos asintóticos, etc.) y teoremas de
separación de Minkowski para conjuntos convexos, en lugar de las nociones
derivadas de la condición de diferenciabilidad.
Durante el establecimiento de lo que hoy se acostumbra a llamar “sistema
general walrasiano” (es decir, desde los Éléments de Walras (1874) hasta el
modelo de Arrow y Debreu (1954)57), el problema de existencia no fue ni
comentado ni reconocido por los economistas en general; solo por aquel pequeño
grupo de economistas de la “tradición alemana” que ya hemos mencionado y por
Koopmans. De hecho, ninguno de los textos clásicos tales como Foundations of
Economic Analysis de Samuelson (1947) y Valué and Capital de Hicks (1946)
55 Mckenzie, L. W. (1954), On Equilibrium of Graham’s Model of World Trade and
Other Competitive Systems, Econometrica, vol. 22, 147-161.
56 Lección 8, volumen 1 (Álgebra lineal).
57 Arrow, K. J. y Debreu. G. óp. cit.
Lección 3: Sistemas dinámicos 337
Sin embargo, solo hasta la piedra angular del Existence of an Equilibrium for
a Competitive Economy (1954) de Arrow y Debreu, y la ampliación de la
Theory of Valué (1959) de Debreu, podemos decir que esta versión teórica del
pensamiento walrasiano (es decir, el “sistema general walrasiano de equilibrio
general”) había sido sólida y matemáticamente delimitada, y sus debilidades
completamente esclarecidas.
La noción de m ercancía
Para el modelo Arrow-Debreu, las mercancías son bienes o servicios con una
precisa especificación de sus características físicas, y del lugar y fecha en que se
consumen u ofrecen. Se asume que solo hay un número finito, /, de mercancías,
haciendo de R l el espacio de mercancías del modelo.
El lector podrá reconocer que las condiciones del literal b) están relacionadas
con la existencia, la monotonicidad, la continuidad y la cuasiconcavidad de
la función de utilidad subyacente a este comportamiento del consumidor (el
“contexto económico” de la lección 1).
59 Por ejemplo, de un pan no se puede obtener la misma energía eléctrica con la que se
horneó.
340 Matemáticas básicas para economistas 3: Optimización y dinámica
producto producto
60 Claramente influidos, tanto Koopmans como Arrow y Debreu, por la escuela mate
mática francesa Bourbaki que, a su vez se inspiraba en Euclides en la búsqueda de
una estructuración axiomática de todas las matemáticas conocidas hasta principios
del siglo XX (lección 4, volumen 0 (Fundamentos)).
Lección 3: Sistemas dinámicos 341
de los consumidores, cuya suma son las dotaciones agregadas que menciona
mos antes. El teorema de existencia probado por Debreu (1959)61 se refiere a
una economía de propiedad privada, aunque la estructura del modelo Arrow-
Debreu también admite el estudio de economías centralizadas y sin propiedad
privada, para las cuales también existe un equilibrio, como probara Debreu en
la misma famosa monografía.
(S = ( ( x i, ^ ) , « ) , K ) , ( ^ ) )
donde para cada par % es un número no negativo tal que Oij — 1 Para
todo j, que representa la participación del ¿-ésimo consumidor en los beneficios
del j-ésimo productor.
d .l) 0 G Yj
d.2) Y es cerrado
d.3) Y es convexo
d.4) Y n ( - Y ) = {0}
D em o stració n .
Ver Debreu (1959).62 ■
62 Ibíd.
Lección 3: Sistemas dinámicos 343
Y con esta definición tenemos versiones muy generales de los teoremas del
bienestar económico, ya vistos en el “contexto económico” de la lección 2. Para
las demostraciones, remitimos nuevamente al lector a la citada monografía de
Debreu (1959), con el convencimiento de que el lector tiene, en este punto,
todos los requisitos matemáticos para comprenderlas cabalmente.
Ejemplos que ilustran los dos teoremas del bienestar económico, ya han sido
presentados en el “contexto económico” de la anterior lección 2.
D em ostración.
Ver Debreu (1970). ■
P 1
Px = p > 0; Py - 1; xa = Y + p = XB = 1 + p = Vb
Ui = 5 > j l o g x)
j =1
"50 0 0 0 ‘
0 50 0 0
0 0 400 0
0 0 0 400
Por su parte, el sector productivo de la economía está determinado por la
matriz 4 x 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 cálculos (con computador), Kehoe encuentra los siguien
tes tres equilibrios, en donde la entrada Cj¿ de las matrices corresponde a la
asignación Xj (consumidor i, mercancía j):
E quilibrio 1:
'26 43 200 2 4 '
20 5 80 100
2 1 119 1
2 1 1 275
Vector de precios:
P = (0.25, 0.25, 0.25, 0.25)
Equilibrio 2:
[26.00 67.43 48.49 83.09'
12.75 5 12.37 220.77
8.25 6.47 119 14.28
0.58 0.45 0.07 275 _
Vector de precios:
E quilibrio 3:
‘ 26 39.07 224.36 14.50'
22 5 98.77 66.49
1.78 0.81 119 0.54
3.31 1.50 1.86 275
Lección 3: Sistemas dinámicos 347
Vector de precios:
P = (0.27514, 0.25, 0.30865, 0.16621)
¿Podría especificar este modelo y, desde allí, explicar con precisión por qué
la inclusión de funciones de producción lineal en esta economía, lleva a la
aparición de múltiples equilibrios?
señalando que, partiendo del desequilibrio, D (t) decrece a medida que t crece.
■
El teorema anterior exige una condición bastante restrictiva: el equilibrio es
globalmente estable si todas las mercancías son sustituías brutas a todos los
niveles de precios.
UA {x A , v a ) = XA VA UB (x B,Vb ) = X B %IB
73 Leonid Hurwicz [1917-2008] recibió el premio Nobel en Economía en 2007 por sus
aportes a la teoría del diseño de mecanismos, un área de la teoría de juegos.
74 Este teorema, de hecho, también fue probado por Allais (1943) bajo las mismas hi
pótesis esencialmente, y utilizando el teorema de estabilidad de Lyapunov.
Lección 3: Sistemas dinámicos 349
con dotaciones
wa = (1,2) wB = (2,2)
z y ( P x t P y ) S V A ( P x , P y ) + V b (P x , P V) ~ (™y + W y ) = ^ ~ 2
¿Py
* 4 * 5 * 5 * 7 * 7
Px Py “ XA — Va ~~ 3 ’ — ^5 yB — 3
Han pasado más de 50 años desde que Arrow y Debreu establecieron las condi
ciones para la existencia de un equilibrio competitivo. Sin embargo, es muy poco
(y muy débil) lo que sabemos acerca de las dinámicas del modelo Arrow-Debreu.
Solo sabemos lo suficiente del tâtonnement, pero no mucho más. Cuando pen
samos en dinámicas walrasianas nos remitimos al ficticio “subastador” creado
por el propio Walras. Aquel que, de manera centralizada, señala precios guián
dose por los excesos de demanda de las mercancías, pero que, durante todo este
tiempo, asume el resto de la economía totalmente fija. Actualmente (ver, por
ejemplo, Gintis (2007))75 se intenta modelar estas economías como “sistemas
adaptativos complejos” que muestran mejor los comportamientos típicos de las
economías de mercado. El reto ahora es construir modelos analíticos formales,
y no solo computacionales controlados en laboratorio.
75 Gintis, H. (2005), The Dynamics of General Equilíbrium, The Economie Journal, vol.
117.
350 Matemáticas básicas para economistas 3: Optimización y dinámica
Ui(x\ ,x ¿) = x}x?, i = A ,B
Por tanto, el núcleo está dado por las asignaciones [{x a^x \ ) A x 1b^x 2b )\ ^a^es
que
Es decir, es el conjunto
D em ostración.
Ver Debreu y Scarf (1963).81 ■
Este resultado podría verse como negativo para la teoría del equilibrio general.
Existen muchas interpretaciones de las implicaciones de este (algunas de ellas
equivocadas). Nos adherimos a que el teorema desarrollado por Sonnenschein,
Mantel, Debreu y Mas-Collel muestra que una economía Arrow-Debreu no
puede ser un prototipo aceptable de una economía si queremos entenderla más
allá del problema de existencia y optimalidad. Más aún, esta indeterminación
de los comportamientos de equilibrio partiendo solo de excesos de demanda,
es una consecuencia de la falta de especificidad sobre cómo interactúan los
agentes unos con otros. Precisamente de esta falta de especificidad ha tratado
de encargarse la teoría de juegos y, en general, la teoría de las interacciones
económicas y sociales.
dos sabe lo que el otro escogerá y, por tanto, tiene que hacer hipótesis sobre
esto. Si-al final ambos escogen D, obtendrán 5 unidades monetarias de pago
cada uno; si el agente 1 escoge I y el agente 2 escoge D , el primero recibe 4
unidades monetarias de pago y el segundo no recibirá ninguna; si es el agente
2 el que escoge 7 y el agente 2 escoge D , entonces este último no recibirá nada,
mientras que el agente 2 recibirá 4 unidades; y si ambos agentes escogen 7,
cada uno obtendrá dos unidades monetarias de pago.
agente 2
D I
agente 1 D 5,5 0,4
I 4,0 2 ,2
últimas dos
acciones del oponente mejor respuesta
DD D
II I
ID D
DI D
E i = (.D D , D D ), E 2 = (D D , D I), E 3 = (D D, ID ),
E 4 = (D D , II ) , E 5 = (D I, D I) E 6 = (D I, ID ),
E 7 = (D I, II ), E 8 = (ID , ID ), E 9 = (ID , I I ) , E l0 = (I I, I I )
n
Y si 7T = 2 Pi^i es el uPa&° esperado promedio” de jugar las n estrategias,
97 Maynard Smith, J. y Price, G. R. (1973), The Logic of Animal Conflict, Nature, vol.
246.
Lección 3: Sistemas dinámicos 361
^ - 7 r), i = 1 ,2 ,..., n
7T£> = 5P d + 0(1 —P d ) =
tTl = 4P D + 2(1 - P D ) = 2Pd + 2
7f = P d ^ d + (1 —P d )k i = 3 P q + 2
PD = P d (5Pd - 3 P l - 2) = P d ( P d ~ l ) ( - 3 P d + 2)
2
Los puntos de equilibrio de esta dinámica son Pd = 0, Pd = 1, P d = ^ y
su estabilidad la ilustramos en el diagrama de fase de la figura 54. Observe
entonces cómo la teoría evolutiva ha eliminado la posibilidad del equilibrio
mixto, y sólo deja las alternativas de los equilibrios de Nash en estrategias
puras.99
todos todos
izquierda derecha
I
•+ ♦
I
2
0 3 1 Pd
I D
I 5,5 0,0
D 0,0 2,2
100 Kandori, M., Mailath G.J. y Rob, R. (1991), Learning, Mutation, and Long Run
Equilibria in Games, Econometrica, vol. 61.
Lección 3: Sistemas dinámicos 363
equilibrio mixto
•4—< « —« « t ----- ►
—► »♦
(2,2) (5,5)
(D ,D ) ( /,/)
Aunque siempre existe el peligro de buscar que los problemas económicos “ra
cionalicen” el uso de las herramientas y no al contrario, se cree por parte de
algunos economistas (Instituto Santa Fe (New México, USA), entre muchos
otros), que los métodos basados en interacciones abarcan una perspectiva muy
amplia en economía, pues allí subyacen problemas aparentemente disímiles co
mo nacimientos por fuera del matrimonio, aglomeración de firmas en regiones,
difusión de tecnologías, etc. De hecho, se ha convertido en una herramienta
muy poderosa para comprender fenómenos de este y otros tipos.
Los modelos de interacciones sociales difieren de tratamientos anteriores en
que se centra en interdependencias directas de los agentes económicos y no
en las dependencias indirectas que surgen de la participación conjunta. Y una
clave se encuentra en que esta aproximación puede establecer caracterizacio
nes matemáticas precisas sobre cómo las distintas estructuras de interacción
se asocian con diferentes distribuciones de comportamiento para mostrar la
emergencia de fenómenos agregados. En lo que sigue, mostraremos el modelo
básico Brock-Durlauf (2001) de interacciones sociales, que es un paradigma de
esta nueva metodología.
Supongamos que tenemos una población homogénea en la que los agentes in-
teractúan simétricamente, en el sentido de que resuelven
máx uA w í )
«*€{1,-1}
con uí (w í ) = hwi + Jw iE i(m ) -1- £í (w í )
donde
101 Durlauf, Steven N. y Brock, W. A. (2001), Discrete Choice with Social Interactions,
Review of Economic Studies, vol. 68
364 Matemáticas básicas para economistas 3: Optimización y dinámica
(el grado de heterogeneidad no observada en los individuos está medido por /?),
entonces se puede probar fácilmente que el valor esperado por el agente i sobre
el comportamiento promedio de la población es
ex — e~x
tan h <*) =
Pero como asumimos que todos los agentes son idénticos, podríamos indagar
por aquellas medidas de comportamiento en las que existe auto consistencia
en las creencias; es decir, donde
m = E i(m )
o, lo que es lo mismo,
m = tan h ( 2 (3h 4- 2 ¡3Jm)
y entonces obtenemos (figura 57) el siguiente resultado fundamental: si f3J > 1
y h 0 existe un H > 0 tal que:
C om entario últim o
Ya.habíamos afirmado que en el modelo competitivo Arrow-Debreu no existen
interacciones entre agentes. Solo a través de la señal de precios es que los
agentes reaccionan. Pero lo hacen aisladamente. De hecho, la coordinación
entre agentes se logra sin que ninguno advierta directamente la existencia del
otro. El concepto de equilibrio walrasiano (y su eficiencia) es, a menudo, un
punto de referencia con respecto al cual se compara cualquier otro proceso
distributivo. Pero ¿cómo y quién decide sobre las señales del mercado? ¿cómo
se realizan efectivamente las transacciones que conducen a ese (o algún otro)
equilibrio? La primera pregunta la responde el modelo competitivo a través de
la figura ficticia del subastador walrasiano, y ya se conocen las dificultades con
esta hipótesis. Si se fuese a contestar la segunda pregunta, quizá estaría uno
inclinado a pensar en negociación multilateral, comunicación entre agentes,
etc. Y este ha sido el trabajo de muchos economistas durante buena parte de
la mitad del siglo pasado, casi todos enmarcados en el esquema walrasiano.
Precisamente, tratando de evitar dificultades con la segunda pregunta es que
surge la hipótesis de que en cada sector (consumidores, productores, etc.) solo
104 Bickchandani, S., Hirshleifer, D., y Wech, I. (1992), A Theory of Fads, Fashion, Cus-
tom, and Cultural Exhange as Information Cascades, Journal of Political Economy,
vol. 100.
Lección 3: Sistemas dinámicos 367
existe un agente, de tal manera que el comportamiento agregado del sector es,
exactamente, el de ese agente representativo promedio; nuevamente el papel de
las interacciones se anula: pareciera que no es claro que los fenómenos econó
micos agregados requieren comprender el comportamiento individual y también
sus interacciones. Un ejemplo de esto aparece en los nuevos modelos de in
teracciones de la mecánica estadística aplicada a la socioeconomía (modelo
Brock-Durlauf, que vimos antes), en donde se tienen comportamientos ma-
croeconómicos regulares que no corresponden al comportamiento individual
promedio.
La teoría ahora se mueve alejándose cada vez más de aquella visión de la eco
nomía como modelo walrasiano.105 En un sistema donde hay interacciones, la
idea de solo una señal (los precios) que desata una serie de elecciones (deman
das y ofertas) que satisfacen una condición de consistencia (el equilibrio), debe
necesariamente modificarse. Una posibilidad inmediata es el modelo de inter
acciones de la teoría de juegos clásica alrededor de los conceptos de equilibrio
de Nash. Sin embargo, todos estos modelos comparten defectos fundamentales
con el modelo walrasiano. Ademáis del problema de la posible multiplicidad de
equilibrios, aparece el de las dinámicas (procesos de aprendizaje) conducentes
a ellos. Aun más, la complejidad del razonamiento implicado en la obtención
del equilibrio hace todavía menos tratables este tipo de modelos. Es muy ilu
minador de la conexión existente entre los mercados walrasianos y los juegos
clásicos el que sus soluciones todas coinciden cuando las interacciones entre
individuos prácticamente desaparecen en los juegos con continuos de agentes
(Aumann (1964),106 Hart (20 05)107).
Otros dos caminos fundamentales que siguen las investigaciones actuales están
entre los extremos de las estructuras competitivas y la teoría de juegos clásica:
1. Los modelos de interacción local, en los cuales existen “estructuras de
vecindad” bien definidas, los agentes interactúan, la mayoría de las veces,
solo con los que están en su “vecindad”. El análisis del comportamiento
agregado resultante de este proceso es el centro del problema. Ejemplos
de estos son alguna parte de la teoría de juegos evolutivos, y una parte
de lo que hoy se conoce como juegos de la nueva economía social basados
en el modelo Brock-Durlauf (1996, 2001).108
Esta es la razón por la que, como dice Smith, un individuo que “intenta sola
mente su propio beneficio es conducido por una mano invisible a alcanzar un
fin que no formaba parte de sus intenciones. Ni el hecho de que ese fin no for
mara parte de sus intenciones es siempre malo para la sociedad. Al perseguir
sus propios intereses, el individuo promueve a menudo los de la sociedad de un
modo más efectivo que cuando intenta directamente promoverlos. No he vis
109 Arthur, B. (1989), Competing Technologies, Increasing Returns, and Lockin by His-
torical Events, The Economic Journal, vol. 99, 116-131.
Lección 3: Sistemas dinámicos 369
to nunca que quienes dicen comerciar para el bien común hayan hecho mucho
bien”.
Para Smith es el sistema de precios el mecanismo que desempeña la misión
de inducir a personas que viven en partes muy distantes a cooperar para pro
mover sus respectivos intereses. Este mecanismo desempeñaría esta misión sin
necesidad de una dirección centralizada, sin obligar a las personas a hablar
entre sí, etc. Así, como resultado, los individuos coordinarían sus actividades
a través del mercado libre, buscando cada uno su propio interés, de tal modo
que todos se beneficien. Fue una idea brillante para aquel tiempo el pensar en
un orden económico como consecuencia involuntaria de los actos de muchas
personas, cada una actuando por interés propio.
En sus Lectures in Political Economy (II) de 1901, Wicksell afirma que Wal-
ras buscaba, con su modelo de equilibrio general, encontrar un argumento a
favor del laissez faire y de la no intervención estatal de Smith. Sin embargo,
no existe referencia a esto en los Éléments de Walras. Claramente, el modelo
Arrow-Debreu es la solución general formalizada de un problema planteado
originalmente por Walras: determinación de precios que igualen oferta y de
manda en cada mercado. Pero en el camino de encontrar hipótesis significativas
desde el punto de vista económico que garantizaran la existencia del equilibrio
walrasiano, se encontraron los límites del modelo: el modelo es estático (a pe
sar del tâtonnement) con escasas posibilidades de permitir un análisis serio de
economías reales en funcionamiento.
Algunos de los economistas austriacos como Cari Menger y Friederich von
Hayek veían instituciones (tales como el mercado) como el resultado del flujo
de acciones individuales (individualismo metodológico). Menger aseguraba que
“lo que puede criticársele a Adam Smith, y aun a algunos de sus seguidores
(quienes han desarrollado más exitosamente la economía política) es su defec
tuosa comprensión de las instituciones sociales creadas no intencionalmente
y su importancia para la economía”. De hecho, hasta hoy no existe ningún
argumento sólido y formal que asegure que el orden espontáneo de Adam Smith
sea necesariamente benéfico.
Explicar la mano invisible como un proceso dinámico ha sugerido a algunos
economistas modernos una explicación evolutiva sobre cómo se desarrollan ins
tituciones tales como el mercado a partir de acciones individuales. La teoría
de juegos de población ha comenzado a clarificar cómo la evolución de acciones
espontáneas puede dar origen a una consecuencia social no buscada; y este
orden social resultante es frecuentemente consistente con ciertas formas de op
timización individual. Sin embargo, esta optimización no implica maximizar el
bienestar social en forma alguna. Fenómenos de mano invisible abundan en las
economías modernas, y aunque los juegos de población son una herramienta útil
para modelar la mano invisible, es necesaria todavía mucha más investigación.
370 Matemáticas básicas para economistas 3: Optimización y dinámica
Ejercicios complementarios
1. (Un problema de evaporación). Experimentos indican que una prenda
porosa húmeda a la intemperie pierde su humedad a una tasa propor
cional a su contenido de humedad. Si una tela extendida en el exterior
pierde la mitad de su humedad durante la primera hora, ¿cuándo estará
prácticamente seca si las condiciones climáticas permanecen invariables?
a) x = Sx + 4x2 b) x = tx + t2 x 2
donde p (t), q(t), r(t) son funciones continuas conocidas, puede reducirse
a uno tipo Bernoulli mediante la sustitución y = x —y \(í), donde y\ es
una solución particular de la ecuación de Riccati. En particular, resuelva
las ecuaciones de Riccati:
a) x = t3(x —t)2 + j b) x — x + tx 2 + t
A > 0, B > 0
o por
x(t) = 0 para todo t
8. Verifique que:
x = x + y, y = - x + 3y
x = x + y, y = - x + 3y
x = x + 2 y + x 2, y = 2 x + y + xy
10. Generalice, hasta donde sea posible, los resultados de esta lección para
el caso de sistemas dinámicos de tres o más dimensiones.
Ti = k\X\
T2 = k2 (x2 ~ X\)
Tz = k3 (x3 - x 2)
s2 s3
T il i 7713
m m 7712
i i i i i i i i i
m \x \ = —Ti + T2
Lección 3: Sistemas dinámicos 373
77l2¿2 = “ ^2 + X 3
7723¿3 = —T3
¿
0
0
~x{ —(ki + £2 ) ^2 0 V
0 7712 0 ¿2 = &2 -(&2 + fo) h X2 (*)
O
0 k3 - k 3_ _x 3_
co
_¿ 3_
3
~x{ V
M ¿2 = S Z2
_¿ 3_ .X3_
donde M es la matriz 3 x 3 de la izquierda de la igualdad (*), y S es
la matriz 3 x 3 de la derecha de la igualdad (*). Observemos que S es
simétrica; esto corresponde al hecho de que la fuerza actuando sobre
debido a la posición m j es igual a la que actúa sobre m j debido a la posi
ción de ra¿, ya que los resortes transmiten estas fuerzas simétricamente.
Analice ahora este sistema dinámico.110
12. (Modelo de duelos). Existe una cantidad notable de escritos sobre mo
delos de ecuaciones diferenciales de combates. Un ejemplo elemental de
este tipo de modelos es
^ = P-AN-CM
dt
dN
-j- = Q - BM - DN
dt
donde M y N son el número de tropas amigables y hostiles en el tiempo
í, respectivamente; P y Q representan la rapidez a la que entran nuevas
tropas; A y B son la rapidez de pérdida del combate; y C y D son
proporciones de rapidez de pérdida operácional (de accidentes, de tiempo,
etc.).
x t+ i = x t - 5yt, y t+ i = x t - y t
110 Debería señalarse que las matrices simétricas ocurren muy frecuentemente en proble
mas de la mecánica clásica.
374 Matemáticas básicas para economistas 3: Optimización y dinámica
para a , /? G R.
es, para a, € R,
= (q + /?¿)2Í + ¿^2* 3 + 3¿ + 6
a) x t+ 2 - 5xí+i -f 6xf = 0
b) x t+ 2 ~ 5xí+i + 6x t = 2
c) Xt+ 2 - 3xt+i + x t = 2 *
d) x t+ 2 + x t = 0
e) Xt+ 2 4* := sen
donde a , /? > 0.
a) x = - x 2\ x t+i = —x 2
2 2
b) x = - x + £í+i = H----
X Xt
c) x — x “t* 7j = ~f- 7
xt+i = a x\ —bxt + 1, a, b € M
23. (*) [Demostración del teorema de Lyapunov para sistemas discretos (teo
rema 17)] El objetivo de este ejercicio consiste en que el estudiante aven
tajado siga cuidadosamente la siguiente prueba:
D em ostración.
Sea a i tal que la bola B a i(x*,y*) C G fl H donde G es el dominio
común de /(•) y g(-). Como /(•) es continua, existe «2 > 0 tal que si
(x ,y ) € B a2 (x*,y*), entonces f{ x ,y ) € B a i(x*, y*). Sea 0 < e < olí
dado. Definamos tp(e) = m ín {V (x,y) | e < \\(x,y) — {x*,y*)\\ < a i} .
Por el teorema del valor intermedio, existe S con 0 < <5 < e tal que
V (x) < tp(e) siempre que \\(x,y) — (x*,y*)\\ < S.
376 Matemáticas básicas para economistas 3: Optimización y dinámica
Yt = Ct + It
Ct = ( l - 8 ) Y t- 1
h = v(Yt- 1 — Yf_2) 4- A
donde es ingreso agregado en el periodo t ; Ct es consumo en el periodo
t\ I t es inversión en el periodo í; A es inversión autónoma constante;
( 1/s ) > 1 es el multiplicador; y v > 0 es el acelerador.
Lección 3: Sistemas dinámicos 377
Yt - (1 - s + v)Yt- \ + vY t- 2 = A
Dt — a — bPt Ot = c + d P t-i
31. ¿Será cierto que en una economía de intercambio puro, con dos consu
midores y dos bienes, si cada uno de ellos tiene funciones de utilidad
Cobb-Douglas, entonces el equilibrio walrasiano es único?
32. En una economía walrasiana con tres mercancías, las funciones de exceso
de demanda para las dos primeras mercancías son
Zx i j Pxi Py) = ~ P x + Py + 1
Zy{Px,Py)=Px-2Py + 2
y la tercera es el numerario.
Ua = (x a ) * + lnyA, UB = \n xB + lnyB
Optimización dinámica
Introducción
Fueron dos las causas principales del surgimiento del análisis funcional (es de
cir, del análisis de espacios vectoriales infinito dimensionales) en el siglo XX.
De un lado, se hizo necesario interpretar desde un punto de vista uniforme
el copioso material acumulado a lo largo del siglo XIX en distintas ramas de
las matemáticas: muchos de los conceptos fundamentales del análisis funcional
emergían naturalmente desde, por ejemplo, la teoría de las ecuaciones diferen
ciales, o la teoría de las funciones de variable real. El análisis funcional permitió
comprender numerosos resultados desde un punto de vista único que, a menu
do, mostraba diversas maneras de extensión teórica y práctica. De otro lado,
la investigación de problemas matemáticos en mecánica cuántica había llegado
a ser un punto crucial en el desarrollo del análisis funcional por sí mismo, pues
creaba y sigue creando, diversas ramas de este. Podría decirse que el análisis
funcional es a la física contemporánea lo que el cálculo diferencial e integral
fue (y es) a la mecánica clásica.
Puesto que es imposible incluir aquí los problemas más profundos del análisis
funcional, nos concentraremos en familiarizar al lector, de forma un tanto bre
ve y esquemática, con algunos de los conceptos más importantes que fueron
estudiados principalmente a comienzos del siglo XX, basados en los artículos
clásicos de Stefan Banach (1922) y David Hilbert [1862-1943], quienes fueran
los fundadores del análisis funcional. Desde entonces este se ha desarrollado
vigorosamente, y con estas estructuras se han hecho aplicaciones en casi todas
las áreas de las matemáticas, muy particularmente (que es lo que aquí nos
interesa) a ciertos problemas básicos en ecuaciones diferenciales, en el cálculo
de variaciones, y en la teoría del control óptimo.
381
382 Matemáticas básicas para economistas 3: Optimización y dinámica
N ota 1.
En analogía con Rn, a menudo llamaremos a X el espacio y, a sus elementos,
puntos.
Ejem plo 1.
d) Otro espacio métrico, que es, quizás, el más importante para nuestros in
tereses en esta lección, es el conjunto C[0¿j de todas las funciones continuas
f : [a, 6] -> R, con la distancia entre dos funciones continuas / y g, definida
por
d (f,9 ) = max \f(x ) - 3 (i)|
*6 [0 ,6]
En efecto:
i) d (f,g ) = O si, y sólo si, máx |/(:r) —g(x)\ = O, y esto implica que
x€(a,6]
/ = g, pues si existiera xq € [a, 6] tal que f ( x 0 ) 7^ g(x 0 ) entonces
máx | / (i) - s (* )| > | / (i0) - fl(z0)l > 0.
z€[a,6J
ii) Claramente, d ( f , g) = d(g, / ) por propiedades básicas del valor abso
luto.
iii) Como |f( x ) — h(x)\ < \f(x ) — g(x)\ + |g(x) — h(x)\ para toda función
h(-) en C[a5¿], entonces el resultado se tiene una vez recordemos que
máx(i4 + B ) = máx(yl) 4 - m áx(B ) para cualquier par de conjuntos de
números (no vacíos) A y B (volumen O (Fundamentos), lección 4).3
1 La suma (*) existe puesto que es menor o igual que ( S S ií^ * ) 2)^ + (Z)Si(2/»)2)^*
* ¿Podría decir el lector por qué nos restringimos a funciones continuas si, aparente
mente, no hemos necesitado de esa característica para garantizar las condiciones i),
ii), iii) de un espacio métrico?
384 Matemáticas básicas para economistas 3: Optimización y dinámica
d {A ,B ) — I (ciij bij) 2
V
donde A = [dij)nXn, B = [bij]nxn. Sobre este espacio desarrollaremos
importantes resultados posteriormente.
a) N o c io n e s to p o ló g ic a s fu n d a m e n ta le s
Una vez establecida la noción de distancia, el siguiente paso es definir ciertos
conceptos básicos haciendo una transcripción casi autom ática de las corres
pondientes nociones en la topología estándar de Rn.
E jem plo 2.
En R2, con la distancia estándar, las bolas abiertas y cerradas lucen como las
de la figura 1. Un buen ejercicio aquí es que el lector dibuje las bolas abiertas
y cerradas de centro (0,0) y radio 1 en R 2, pero con las métricas definidas en
el ejemplo 1 b).4
Ejem plo 3.
En C[a¿], las bolas abiertas y cerradas (figura 2) se escribirían así:
E jem p lo 4.
Note que en el espacio Cj0)i], la sucesión de funciones {xn}n€N es acotada por
la bola cerrada de centro en / = 0 y radio 1; es decir, por
1 --
O fr—
O 1
Figura 5. f(x ) = 0 si x 6 [0,1); /(1) = 1
D efinición 6. (Subsucesión)
Diremos que un subconjunto {^nfeHeN es una subsucesión de {x„} si {n^} es
una subsucesión estrictamente creciente de números naturales.
Teorema 1. (U n te o re m a c o n o c id o )
Sea X un espacio métrico, y {xn} una sucesión de puntos de X . Entonces:
i) El límite de {xn} es único.
ii) Si x n x cuando n tiende a infinito, entonces toda subsucesión de {zn }
también converge a xo.
D em ostración.
i) Sean x$, x0 dos límites distintos de la sucesión {zn }. Entonces, para e =
d(xo,£Ó) y 71 suficientemente grande, d(xn ,x o) < § y d(xn}x f0) < §. Por lo
tanto, d(xo, x0) - d(xo,xn) + d(xn,x'Q) < § + § = e = d(xo,£q), y esto es una
contradicción.
ii) Sea {xnfcHeN una subsucesión de {xn }. Entonces dado e > 0 existe un
natural N tal que x n € B e(xo) para n > N . Sea k € N tal que n k > N \
entonces x Uk, 6 B e(xo) para todo k' > k , y, así. para todo nw > N se tendrá
X n k, € B e( x o). ■
Teorema 2.
Un punto xo € X es un punto límite de Y C X si, y solo si, existe una sucesión
{zn} de puntos de Y tales que x n —>xo cuando n —>oo.
D em ostración.
i) Supongamos que Xo € Y es un punto límite de Y . Entonces toda bola
abierta B r(xo) C X contiene infinitos puntos de Y. Tomemos, para rn =
una sucesión {#„} con x n € B rn(xo). Así, d(xnyx o) < ¿ y, por tanto, {xn }
converge a x q .
ii) Supongsunos ahora que existe una sucesión {xn} de puntos de Y , distintos
de x0) tales que x n —>xo. Tomemos r > 0 cualquiera; entonces, existe N 6 N
tal que x n € B r(xo) para n > N . Por tanto, existen infinitos puntos de la
sucesión en la bola abierta B r(xo). ■
y solo si, para todo y € Y existe una bola abierta B r(y) contenida en Y ; es
decir, B r(y) C Y (figura 7).
D em ostración.
i) Supongamos que Y es abierto, y sea y € Y . Si para rn — l/ra, n € N, se tiene
que B rn(y) D Y c 0 entonces existe una sucesión {yn} C Y c tal que yn —>y .
Pero, en tal caso, Y° no sería cerrado en X .
ii) Supongamos que para todo y € Y existe una bola abierta B r (y) C Y .
Tomemos una sucesión convergente de puntos {yn} C Y c tal que yn —> y, y
probemos que y e Y c (es decir, que Y c es cerrado). Si, por el contrario, y € Y ,
entonces existiría r > 0 tal que B r(y) Q Y y tendríamos que también infinitos
términos de {yn} están incluidos en y , lo que contradice la hipótesis de que
{ y n } Q Y c. •
D em ostración.
i) Sea y un punto en la unión de la familia de abiertos; entonces y está en al
menos uno de los conjuntos abiertos de la familia; por el Teorema 3, existe una
bola abierta con centro en y y contenida totalmente en este conjunto abierto
particular, y, por consiguiente, en la unión de todos los conjuntos abiertos, que
era lo que queríamos probar.
más pequeña de estas bolas (que existe porque el número de abiertos es finito)
tendremos una bola abierta que está contenida en todos los conjuntos abiertos
y, por tanto, en la intersección de estos. ■
D em ostración.
i) Supongamos, primero, que / es continua en xq € X , y que alguna sucesión
{xn} en X está convergiendo a xq. Tomemos e > 0 y, con centro f ( x o) y radio
e, construyamos la bola abierta B e( f ( x o)) C Y . Entonces f ~ 1 (B e( f ( x o))), al
ser abierto en X , y al contener al punto x$, nos permite asegurar que existe
una bola centrada en xo totalmente contenida en f ~ 1 (B e( f ( x o))). Pero como
{xn} converge a rro, entonces a partir de un N en adelante, todos los términos
de la sucesión {xn} están en f ~ 1 (B e( f ( x o))), y así D ( f( x n),f(x o )) < e.
? ( / ) = [ bf( x )d x
Ja
que es una función continua entre estos dos espacios métricos, pues para todas
/ , g E C\aJbj se tiene que
Teorema 6.
Toda sucesión convergente en un espacio métrico es una sucesión de Cauchy.
La afirmación recíproca no es cierta.
7 Volterra, V. (1888), Leçons sur les équations intégrales et les équations intégro-
différentielles, Gauthier-Villars (1913).
8 Hadamard, J. (1910), Leçons sur le calcul des variations, Paris: Éditions Jacques
Gabay.
9 Fréchet, M. (1906), Sur quelques points du calcul fonctionnel, Springer Wien.
10 La palabra “funcional” (“'fonctionnel”) fue acuñada por un pionero del análisis funcio
nal, Maurice Fréchet, en 1910.
394 Matemáticas básicas para economistas 3: Optimización y dinámica
D em ostración.
Sea lím x n = xo con {xn \ una sucesión en X y también xn € X . Enton-
n—too
ces, dado e > 0 existe un número natural N tal que si m ,n > N se tendrá
que d(xn, xo) < e/2 y d(xm, x q ) < e/2; por tanto, d(xn , x m) < d(xn , xo) +
d(xo, xm) < | + | = e. Que la afirmación recíproca de este teorema no es
cierta, lo vemos en el contraejemplo de abajo. ■
1«
Il ir l Ii i ii ii ii *>
-4 -3 -2 -1 1 2 3
-1
Figura 9
ii) Ahora probamos que {xn} tiene una subsucesión convergente {xnk} y, pa
ra comprobarlo, escribimos la desigualdad anterior así:—M < x n < M .
Entonces la sucesión tiene infinitos términos de ella en al menos uno de
los dos subintervalos [—M, 0] ó [0, M] (podemos asumir esto, porque en
caso contrario la sucesión sería constante a partir de un N en adelante
y, así, es convergente). Supongamos que este es [0, Ai] y, de la misma
manera, dividamos [0, M] en los subintervalos [0, M/2] y [Af/2,0], y asu
mamos, sin pérdida de generalidad, que existen infinitos términos de la
sucesión en [M /2,0]. Luego, continuamos de la misma manera y subdi-
vidimos por mitades este último intervalo y escogemos uno de los dos en
el que se encuentran infinitos términos de la sucesión, etc. Claramente,
la longitud de estos subintervalos (que es ^£rr) va tendiendo a cero; por
tanto, escogiendo un término de la sucesión en cada uno de los subinter
valos seleccionados, tendremos una subsucesión {xnk} convergente. Sea
L el límite.
iii) Finalizamos la prueba de que R es completo mostrando que L es, preci
samente, el límite de la sucesión {xn }. Pero esto es inmediato si notamos
396 Matemáticas básicas para economistas 3: Optimización y dinámica
El espacio métrico C^a 6j, con la distancia del máximo, es un espacio métrico
completo. En efecto: supongamos que { /n} es una sucesión de Cauchy en C^a by
Entonces, en particular, para cada xq G [a, 6], { f n (^o)}neN es una sucesión
de Cauchy y, por el ejemplo 14, es convergente. Supongamos que definimos
la función / de tal manera que para xq G [a, 6], f ( x o) = límn->oo f n (xo), y
probemos que / es continua. En efecto: observemos que para todo y G [a, &],
n G N, se tiene que
| fn (x ) ~ fm {x ) |< C
y haciendo m —>oo obtendríamos que
l/n (*)-/(*)|< €
no es, en general, un espacio métrico completo, y este podría ser el del ejemplo
13 anterior. Sin embargo, podemos mostrar otro contraejemplo: La sucesión
398 Matemáticas básicas para economistas 3: Optimización y dinámica
D em ostración.
El siguiente es uno de los teoremas más útiles para espacios métricos completos.
En la próxima sección haremos un uso conveniente de él, aplicándolo en el
problema de garantizar la existencia de soluciones a ecuaciones diferenciales
ordinarias, y, posteriormente, en la existencia de soluciones a un tipo particular
de problemas de control óptimo.
Entonces T tiene un único punto fijo; es decir, existe un único x* € X tal que
T (x * )= x * .
D em ostración.
Sean xq € X cualquiera, y, para n £ N, x n = Si m < n entonces
Hn)(x o)
donde an = ------;— . Por ejemplo, allí mostrábamos que (con xq = 0) para
ni
todo x 6 R se tiene que
s e n i = a : _ _x 3 + _x 5 _ x_7 + ...
X2 X4 X6
cosa;=1_ _ + _ _ _ + ...
x X X2 X3
6 = 1 + 1! + 2f + ¥ + -
y para | x |< 1, x ^ —1,
/i \ x2 x3 x4
ln(l + I ) = a:- - 2- + Y - 4- + -
y allí la convergencia la interpretábamos en el sentido de convergencia puntual,
es decir, para cada x fijo, se tenía que la serie 53|JLq a n#n convergía. Lo que
haremos en esta sección es mostrar que, de hecho, allí había más información
implícita que ahora vamos a develar.
En primer lugar, si hubiéramos utilizado los resultados de la lección 4 del
volumen 2 (Cálculo) sobre series infinitas habríamos encontrado que toda serie
de potencias tiene un “radio de convergencia” R , con 0 < R < oo, tal que para
cada x con | x —xo |< i?, la serie converge (absolutamente); y si | x —xo |> R
la serie diverge; el caso de los puntos extremos x = xo ± R debe decidirse en
cada caso particular. La forma de hallar este R es simple: recordemos que, en
esta última lección citada, el criterio del cociente para series infinitas afirmaba
que si se daba que lím ^ o o | |< 1 entonces la serie Y ^ = i an convergía.
Aplicando esto a una serie de potencias, tendríamos que
,, | a„+i(x —a;o)n+11 ,, |a n+i ( i - i 0)| „ ,
lim -------t--------- r-— = lim ------------------ < 1
n—
>oo| an {x — X oj” I n->oo| an I
si este límite existe.13 Por ejemplo, para las tres primeras series de arriba, se
tiene que R = oo, y en la última serie se tiene que R = 1, como el lector puede
comprobar fácilmente. Note que, en este último caso, la serie converge si x = 1
pero no converge si x = —1.
En segundo lugar, notábamos14 que anx n es una expresión de la función
límite cuando m —►oo de la sucesión de funciones
m
GnZ71} = {a0, a0 4- cl\x , a0 + a \x + a2x 2, ...}
m
c) E sp a c io s m é tr ic o s c o m p a c to s
En R n, sabemos (volumen 2 (Cálculo)) que un subconjunto compacto es uno
que es cerrado y acotado. Sin embargo, si quisiéramos caracterizar, en general,
subconjuntos compactos Y de los espacios métricos X , lo primero que quizá
deberíamos mirar es si es posible generalizar el teorema de Weierstrass a espa
cios métricos que afirma que toda función f : Y —> R que sea continua, debe
alcanzar un máximo y un mínimo, si Y es compacto. Sin embargo, en espacios
métricos, en general, no es suficiente con garantizar que Y sea cerrado y acota
do para tener este resultado, como veremos en un ejemplo más adelante. Aun
así, recordemos que en el volumen 2 (Cálculo) mostrábamos que, en R n, un
subconjunto era compacto si, y solo si, de todo recubrimiento de este mediante
infinitos conjuntos abiertos, podíamos tomar un recubrimiento que constara de
solo unos cuantos de estos conjuntos abiertos. Esta es, precisamente, la defini
ción que transcribiremos desde R n para definir espacios métricos compactos, y
que, a su vez, nos ayudará a generalizar el Teorema de Weierstrass en espacios
métricos abstractos.
15 Si el lector está interesado en adelantar más sobre estos criterios y, en general, sobre
las series de potencias, le recomendamos Spivak (1978).
Lección 4: Optimización dinámica 403
D em o stració n .
Esta demostración es difícil y requiere de recursos y argumentos más allá de
la mirada de esta sección introductoria a los espacios métricos. El lector in
teresado podría consultar el texto clásico “ Kolmogorov, A.N. y S.V. Fomin
(1970). ■
404 Matemáticas básicas para economistas 3: Optimización y dinámica
l - 2 / n = ( l - í / ) ( l + ¡/ + --- + 2/"-1)
entonces, tomando y = 1 —ó' con S' < S, obtendremos que
D em o stració n .
Esta demostración se puede consultar en el texto clásico citado: “Kolmogorov,
A.N. y S.V. Fomin (1970), Introductory Real Analysis, Dover Publications”. ■
L em a 1.
La imagen de un espacio métrico compacto por una función continua, es un
espacio métrico compacto.
D em o stració n .
Sea C un subconjunto compacto de un espacio métrico X y / : X -» Y una fun
ción continua, donde Y es otro espacio métrico. Si tomamos un recubrimiento
abierto {Ai} de f( C ) entonces la familia { f ~ 1 (A{)} es un recubrimiento abierto
de C. Como C es compacto, entonces podemos tomar, de la familia { / -1 (>!{)},
un recubrimiento finito del mismo C. Pero, en tal caso, esta familia nos da
rá origen a un recubrimiento finito del conjunto f( C ) tomado de la familia
{¿O- ■
Y con este lema, es inmediato demostrar uno de los teoremas más importantes
para espacios métricos compactos:
D em ostración.
Puesto que, según el lema 1 anterior, el conjunto f ( X ) es compacto en R,
entonces es cerrado y acotado, y, por tanto, tiene un valor máximo y uno
mínimo. ■
406 Matemáticas básicas para economistas 3: Optimización y dinámica
0 si —1 < z < 0
x si 0 < x < 1
que tiene derivada discontinua y, por tanto, por el teorema fundamental del
Cálculo (volumen 2 (Cálculo)), no puede ser imagen de ninguna función con
tinua en
Ejercicios 1
1. Dibuje las bolas cerradas de radio 1 y centro (0,0), para el espacio R2 con
las dos distintas métricas señaladas en el ejemplo 1 b). [Indicación: En
la primera distancia podría tener que dibujar en el plano R2, el conjunto
de todos los pares (x, y) que satisfacen que máx{| x |, | y |} = 1; y en
la segunda distancia podría tener que dibujar el conjunto de todos los
paxes (x,y) tales que |x| + |t/| = 1. Con esto, hallar las bolas cerradas es
inmediato.]
Lección 4: Optimización dinámica 407
|| f n ||^ a n
donde
— {{10mx}} < —
10m ~ 10m
pruebe, utilizando el criterio de Weierstrass, que, efectivamente, esta su
cesión converge uniformemente a la función continua
¿ ¿ { { io -* } }
m=l, 10m
e*2
i) xex ; ii) iii) xse n x ; iv) cos(2x)
. 2 / 1 + COs(2x) o / /i 2 w
v) eos x ( = ------ ^ — -); vi) sen x (= (1 - eos x))
d (f,g ) = m á x |/(x ) - s ( x ) |
xGX
es un espacio métrico completo.
i) x + y = y + x (Ley conmutativa).
viii) lx = x.
iii) ||x + 2/|| < ||x|| -f ||í/|| para todo x ,y e V (desigualdad triangular).
17 Note que, hasta cierto punto, esta ha sido la idea que hemos desarrollado en este
texto: primero, en el volumen 1 (Álgebra lineal) estudiamos la estructura algebraica
(de espacio vectorial de Rn; y después, en el volumen 2 (Cálculo), estudiamos su
estructura topològica y diferencial.
Lección 4: Optimización dinámica 411
||/ || = xe[a,6]
m&c I /( * ) I
oo
D em o stració n .
Para simplificar notación, sea ® la bola cerrada con centro en 0 y radio 1 del
espacio de Banach X .
i) Si B es compacta entonces podemos encontrar un número finito de puntos
x i , x 2 , —,x n en X tales que ® es cubierta por las bolas abiertas de centro
en Xi y radio 1/2. Si mostramos que el espacio generado E = (xi,a?2>
coincide con X entonces habremos probado que X es finito-dimensional. Ahora:
es claro que E es finito-dimensional y, por tanto, es cerrado en X (¿por qué?).
Supongamos, por el contrario, que existe un x € X —E , y definamos d (x, E ) =
ínfy€£ || x —y ||. Construyendo una bola cerrada alrededor de x que intersecta
a E, tendremos que esta intersección es un conjunto compacto (¿por qué?) y,
por el teorema de Weierstrass generalizado (teorema 10), existe un z £ E tal
que d(x, E ) = ínf || x — z || con z ^ x ya, que E es cerrado en X . Por tanto,
existe un xi tal que
y, así,
II X - z - II X - z II Xi ||< Nx 2 z N
Lección 4: Optimización dinámica 413
IMII = . / E K )2
V1<i,j<n
donde A = [aij]nxn. Una pregunta legítima es si puede tener sentido extender
el resultado en series de potencias
—^— = 1 + £ + £2 + £ 3 -!-----
1- X
a una expresión matricial como
( I - A ) - 1 = I + A + A 2 + A Z + ---
I + A + A 2 + A 3 -\-----
Pero de la igualdad
( / - A )(I + A + A 2 + A 3 + ■■■+ A n) = I - A n + 1
( I - A )~ l = I + A + Á 2 + A 3 + ■■■
Ejercicios 2
1. Calcule dos aproximaciones de la inversa de la matriz (I 2 — A) con A =
0 2 0 3 ’ utl^za<^0 fórmula
(^2 ~ A ) 1 = I 2 + A + Á 2 + Á 3 + • • •
IMI = v ^ i >
D efinición 20. (E spacio de H ilb e rt (von N e u m a n n (1929)))
Un espacio de Hilbert es un espacio de Banach en el que la norma proviene de
un producto escalar.
E jem p lo 26. (D os de ellos no son com o los o tro s)
a) Rn con el producto interno estándar es el más elemental espacio de Hilbert.
b) t 2 con el producto interno definido por
<{zi},{y;» = ^ ( x í V í )2
i=1
para las sucesiones ( x i)g 1} (í/í)?^ G t 2, es un espacio de Hilbert.
c) C^a aunque es un espacio de Banach, n o es un espacio de Hilbert porque,
como veremos enseguida, su norma no procede de un producto escalar.
d) El espacio 9JlnXn de todas las matrices cuadradas de tamaño n es un espacio
de Hilbert con el producto interno definido por
mn
(.A, B ) = ) ' dijbij
i=l
para las matrices A = [a¿j]n xn y B = [6¿j]n xn-
416 Matemáticas básicas para economistas 3: Optimización y dinámica
Quizá una conclusión adecuada aquí es que, aunque los espacios y C ?«M
son espacios con álgebra y topología suficientes para ser muy importantes por
sí mismos, desafortunadamente estas topologías no son suficientemente especí
ficas como para que se pueda construir una geometría sobre ellos que dé origen
a esa topología. Quizás el lector pensará que esto los ha'ce espacios “menos fuer
tes”, pero en el siguiente ejemplo veremos cómo uno de ellos podrá “absorber”
parte de la geometría del único espacio de Hilbert í 2.
19 Una prueba de esto la encontramos, nuevamente, en Kolmogorov y Fomin (óp. cit).
Lección 4: Optimización dinámica 417
1 cos(nx) sen(nx)
* sen(nx) sen(mx) ^ _ q
/ s/ñ y/ñ
r 1 sen(mx) _
L v 25F A
Además,
sen(nx) sen(nx) _ ^
a
418 Matemáticas básicas para economistas 3: Optimización y dinámica
* cos(nx)
eos (n i) cos(raa;)
cos(raa;)
/ ---- 7=-------- t=— dx = 1
' V 5F " V ? <fa:
L ^ 7 % d x = l
Ejercicios 3
1. Muestre que un espacio de Banach H es un espacio de Hilbert si, y solo
si, se cumple la “ley del paralelogramo”
D em ostración.
Es una intrincada aplicación del teorema de Arzelá (ver, por ejemplo, “Kolmo
gorov, A.N. y S.V. Fomin (1970), Introductory Real Analysis, Dover Publica
tions”). ■
A del plano R2 que contiene a (£ 0 , 2/0 ); V supongamos que existe una constante
M > 0 tal que
t x = f { x ' y)
tiene un única solución y = y(x) que satisface y(x 0) = yo.
D em ostración.
Como /(•) es continua, entonces existe una constante K tal que \f( x ,y ) \ < K
para todo (x,y) en cierta bola B abierta en A que contiene a (xo,yo)- Sea
ahora 0 < 6 < j j tal que si \x —x q \ < 5 y \y —yo\ < K S entonces (x, y) € B\ y
sea C * el conjunto de funciones reales continuas </?(•) sobre \x —xo| < ó y tales
que |tp(x) —yo\ < K S equipado con la norma del máximo. Es claro que C* es
completo ya que es un subespacio cerrado de
Definamos ahora el operador r/j : C* —> C* por
i>(<p)(x) = yo + í f ( t , ip(t))dt
Jx 0
Notemos que, entonces,
teorema 8 (teorema de punto fijo) para garantizar que existe una única función
y G C* tal que ip(y) — y ; es decir,
dy
que, como dijimos, es equivalente a la ecuación diferencial — = /(rr, y). ■
dx
T eo rem a 14. (E x isten cia de solución p a ra u n siste m a din ám ico )
Dadas n funciones reales continuas /¿(f,2/i, ...,2 /n ) , i = 1,2, ...,n, definidas so
bre un conjunto abierto no vacío de Rn+1 que contiene el punto (¿o, 2/oi >•••>VOn),
suponga que todas satisfacen la condición de Lipschitz
\ f i ( t , V i , - , V n ) - f i ( t , v í , - , í h ) \ < M (máx \ y i - y i \ )
1< i< n
para cierto M > 0 fijo. Entonces existe un intervalo |í —¿o! < <^ en el que el
sistema dinámico
^ = f ¡ ( t , y i , - , y n) i = 1 , 2 ,...,n
= ,y n = fn ( t)
D em o stració n .
Es similar a la demostración del teorema 13 anterior. ■
Ejercicios 4
1. Basándose en el teorema 13, pruebe el teorema 14.
sen(a) _ v
sen(a') w
donde a y a ' son los ángulos formados por el rayo con los medios I y i7 , res
pectivamente. A esta última ley empírica se le conoce como Ley de Snell (Snell
(1621)). Pero lo importante aquí es que Fermat demostró que esta trayectoria
satisface la condición de que el rayo de luz llega de P a Q en el menor tiempo
posible (conocido como el Principio de Fermat). Este, sin duda, también puede
considerarse como un problema de cálculo de variaciones.
Observemos que todos estos problemas tienen en común el que se le asigna un
número a cada curva de una cierta familia de curvas. En el primer ejemplo
de la reina Dido, la familia consiste en todas las curvas cerradas de longitud
conocida/ y el número es el área encerrada por cada curva; en el ejemplo de
Newton, el número es la superficie del sólido y, las curvas, aquellas que rotan
alrededor de un eje para formar el sólido; y en el ejemplo de los hermanos
Bernoulli, la familia de curvas es la de todas aquellas que tienen a dos puntos
fijos como extremos, y el número asociado con cada curva es el tiempo que
toma el cuerpo en recorrerlas. Y así, el problema del cálculo de variaciones
es encontrar la curva que maximiza (o minimiza) los números asociados. No
mucho después de los hermanos Bernoulli, los famosos matemáticos Leonhard
Euler y Joseph Louis Lagrange establecerían y desarrollarían métodos generales
para resolver este tipo de problemas de optimización.
Sin embargo, los problemas pueden incluir entidades geométricas más compli
cadas. Otro famoso problema del cálculo de variaciones es el conocido como
Problema de Plateau: dada una curva cerrada en el espacio tridimensional,
424 Matemáticas básicas para economistas 3: Optimización y dinámica
encontrar la superficie que, teniendo la curva como borde, tiene la mínima su
perficie. El Problema de Plateau (llamado así en honor del físico belga Joseph
Plateau [1801-1883] y resuelto por Tibor Radó (1930) y Jesse Douglas (1931),
tiene aplicaciones en la física: si la curva se construye con un alambre delgado
y lo sumergimos en una solución jabonosa, entonces la película que resulta
asumirá, muy aproximadamente ¡la forma de la superficie de área mínima!22
En el siglo pasado, la teoría general de la relatividad de Einstein dio otro ejem
plo: en nuestro espacio-tiempo, sin im portar cómo pudiera ser su geometría, los
rayos de luz y los cuerpos sobre los cuales no actúa ninguna fuerza ¡se mueven
a lo largo de las trayectorias más cortas!
Hubo un periodo en la historia (hace aproximadamente 200 años) cuando los
físicos creían que toda la Física podría deducirse de ciertos principios de mí
nimo sujetos al cálculo de variaciones. Creían que la naturaleza seguía ciertos
“principios econoinizadores” para obtener máximos (o mínimos) a partir de
medios dados. Es quizá por esta razón que algunas teorías matemáticas (como
es el caso de la teoría económica) devinieron en la aplicación de principios de
optimización y, en particular, del cálculo de variaciones.
tal manera que minimice la distancia atravesada. Pero, del Cálculo básico, se
tiene que esta distancia es
í a/ 1 + (c(t))2dt
Jt0
— r s - r f ( s ) ^
= í y /l + (c(t))2dt
Jto
Minimizar f y /l + (c(t))2dt
{c(t)} Jto
sujeta a c(ío) = co
c(h ) = ci
que encuadra dentro del problema básico (CV) anterior con v(c(t),c(t),t) —
\ / l + (¿(<))2-
sujeta a c(to) = cq
c(ti) = ci
que también encuadra dentro del problema básico del cálculo de variaciones
(CV) anterior con v(c(t), c(t),t) = 27rc(t)y/l 4- (¿(¿))2-
b) E l p r o b l e m a d e e x is te n c ia d e s o lu c io n e s
Tomemos, una vez más, el problema del cálculo de variaciones clásico
rh
Maximizar / v(c(t),c(í ),<)(/£
{c(0> Jto
sujeta a c(¿o) = co (CV)
c(ti) = Ci
definido por
rh
5(c(í)) = / v(c(t), c(í), t)dt
Jto
Lección 4: Optimización dinámica 427
Que el problema del cálculo de variaciones clásico (CV) tenga al menos una
solución,, es una conclusión directa del teorema generalizado de Weierstrass
para espacios métricos compactos (teorema 10 ), una vez nos aseguremos que
C 0 y que # sea continua. Esto último se ve inmediatamente al utilizar el
teorema del valor medio para varias variables (volumen 2 (Cálculo)).
donde r}(t) es una curva continua con derivada continua a trozos para la cual
7/(¿0) = ) = 0 , y € es el parámetro de variación. A su vez, definamos
f t¡ ( dv d ( dv\ \
Jt0
(ecuación de Euler)
428 Matemáticas básicas para economistas 3: Optimización y dinámica
V (¿ )= fr* v (z (t),z(t),t)d t
JtQ
Jtn
d2V d (d V , d f h (d v dv \
de2 de de de J to \ d c ^ ^ d c ^ J
f l1 ( d dvx . d ,d v .\
" i . ( ’ S ' ï ’ + ’ S 'S V '“
Pero
d dv. d2v . d2v
de de ^ de2 ^ dede
d (d v . _ d2v . d2v
de de ^ d cd c^ ^ d cd c
y as*,
d2V f h ( 2d2v n . d2v ...o & A
! S = l i 7' d ¿ + 2m d¿dc + {T,) d ? ) dt
dv d f dv\ . .
~dc~ Ht \ 9 é ) (ecuación de Euler)
N ota 2.
i) Note-que si en la ecuación de Euler, la función v no depende de c, obten
dríamos únicamente
dv
de
que es un problema estático de optimización muy simple.
ii) También puede suceder que v no dependa explícitamente de c, en cuyo caso
tendríamos, de la ecuación de Euler, que
Minimizar
sujeta a c(¿o) = co
c(ti) = ci
Y así,
m
v 'i + (¿W )a
para alguna constante k. Pero esto, a su vez, implica que c(t) debe ser también
constante (¿por qué?). De allí que c(t) debe ser lineal en t\ es decir,
c(ti) = Ci
c(t) = í \ / c 2 (t) - k2
c + v/c2 —k2
y, por tanto,
Lección 4: Optimización dinámica 431
c(¿ o ) = c o , c(íi) = ci
que es la curva conocida como catenaria (del latín catena que significa “cadena”
(volumen 2 (Cálculo)). Según el teorema 15, esta es la solución al problema
planteado debido a que v(c,c) = 2 n (c y /l 4- (c)2) es convexa. ¿Cuáles son las
constantes m y k en términos de cq y ci?
Ejem plo 34. (La cicloide y el problem a del braquistócrono)
/*X1 dt ds j __ 1 f Xl y /l + ^ x ) ) 2 ;
L d s d x dX y/2g JXQ V c(t) - yo
Minimizar
{c(<H f /
JJxi
J ± ± ^ d x
X1 V
sujeta a c(xo) = 0,
c(x i) = í/i
de donde, por antiderivación, se muestra que existe una constante k tal que
y llegamos a que
Ejercicios 5
1. ¿Será que el siguiente problema tiene solución?: “Sobre una recta L to
memos dos puntos A y B a una distancia fija, y busquemos el triángulo
rectángulo A O B que haga el área mínima
O
A B L
Minimizar
sujeta a c(l) = 0
c(3) = 2
Maximizar í c(t)dt
{c(0> Jo
sujeta a f y /l + (c(t))2dt = a
Jo
c(0) = co
c( 1) = ci
c + fiy /l + c 2 ~ ■ = fci
V i + c¿
c — k i = —-
V i + c2
c — k\ —¡i eos x
y así,
de llsen xdx
d t = ---------= ------------------ = LLCOSX
tan x tan x
y, por consiguiente, para alguna constante &2 se tendrá que t = n sen í+ fo
y, así,
(t - k2 )2 + (c - k \ )2 = fi2
a) S o lu ció n p o r e l p r in c ip io d e l m á x im o (L . P o n tr y a g in e t ál.
(1 9 6 1 ))
Como decíamos antes, el problema del cálculo de variaciones clásico sufre de
algunas limitaciones que una nueva teoría, desarrollada por Lev Pontryagin et
ál. (1961)23, conocida como la teoría del control óptimo (o cálculo de variacio
nes moderno), intenta resolver. Pontryagin llamaría a esta teoría el principio
del máximo. La esencia de la teoría del control óptimo está, precisamente, en
“controlar” cierto sistema dinámico en un determinado período de tiempo, de
tal manera que se satisfaga un objetivo específico. El sistema dinámico describe
la evolución de una variable k(t) que llamamos variable de estado (a partir de
un estado inicial x q ) y que está siendo sometido a “controles” continuos c(t)
{variable de control) para que se optimice un funcional que, en general, está
descrito mediante una integral que, a su vez, depende de la variable de estado,
de la de control y, quizás explícitamente, del tiempo.
El problema canónico del control óptimo en el caso continuo se puede establecer
como
í tl
Maximizar I v (k (t),c (t),t)d t
{c(0> Jto
sujeta a k(t) = <?(&(£), c(£), ¿) (CO)
23 Pontryagin, L. S., V.G. Boltyanskii, R.V. Gamkrelidze y E.F. Mishchenko (1961),
The Mathematical Theory of Optimal Processes, Gordon and Breach (Traducción de
1986).
Lección 4: Optimización dinámica 437
k(to) ~ k0
k(ti) = k\
Maximizar f ( k(t) — dt
M oj Jo v 2 ;
sujeta a k(t) = k(t) + c(t) (CO)
A;(0) = 0
*(1) = 0
24 En lo que sigue, los teoremas y resultados están establecidos para el caso m = 1,
n = 1. Sin embargo, la generalización al caso general es inmediata, y aplicaremos
estas ampliaciones sin dudar.
438 Matemáticas básicas para economistas 3: Optimización y dinámica
Por tanto, nuestro problema es encontrar la función c(t) que haga máximo el
funcional
V (c(t)) ■
Note que, por ejemplo, si c(t) = —31 + 1 2 entonces k(t) = 1 —é + 1 —£2, y así
V(c) = —e. Pero si
2e1-t
c(t) = - 1
w e+ 1
entonces V — l ) = ¿ p j > V (—3t + t2) = - e + |§ , como el lector puede
comprobar fácilmente. Pero el control c(t) = — 1 es más que eso: es el
control óptimo como se puede mostrar con las técnicas que desarrollaremos
más adelante. Insertando este control óptimo en la ecuación (*), llegamos a
que la variable de estado estará dada por
« ,)—
$ : C —>M
Lección 4: Optimización dinámica 439
definido por
$(c(t),k(t)) = í v(k(t),c(t),t)d t
Jt0
Asumiendo que C ^ 0, el problema de control óptimo (CO) tiene solución, pues
sería una conclusión directa del teorema de Weierstrass para espacios métricos
compactos (teorema 10), una vez se tenga que # es continua. Pero esto se ve
inmediatamente al utilizar el teorema del valor medio para varias variables
(volumen 2 (Cálculo)).
El principio del máximo puede verse como una extensión del método de los
multiplicadores del Lagrange a problemas de control óptimo: en cada punto del
tiempo estaremos resolviendo un problema estático de optimización como los
que ya habíamos estudiado en la lección 2. Sin embargo, como aquí la restric
ción es un sistema dinámico, entonces los multiplicadores de Lagrange deben
ser funciones continuas fi(t) a las que, típicamente, se les llama multiplicadores
dinámicos de Lagrange o, también, variables de coestado.
Iniciemos entonces construyendo una función lagrangiana de la forma
*»
fi(t)k(t)dt
)
=J ¿)+V’(t)g(Kt)ic{t)yo]dt
+ / fi(t)k(t)dt - [fi(ti)k(ti) - n (t0)k(t0)]
Jt0
Z ( t ) = C( t) + €7](t)
donde r}(t) y u (t) son curvas continuas con derivadas continuas a trozos para
las cuales cj(í0) = vi^o) = v{ti) = u (h ) = 0, y e es el parámetro de variación.
Con esto, las condiciones de primer orden sobre el lagrangiano nos conducirían
a las siguientes ecuaciones:
440 Matemáticas básicas para economistas 3: Optimización y dinámica
[tl\dvfuu^ ^ t tU^dgf
[ g ’- (k(t), c(t), t) + f i ( t ) f c (k(t), c(í), í)] n m =o
Jto
que, puesto que r¡ es arbitraria, implica que
0 4 = o 0:
g ( f c ( í ) ,C( í ) , í ) + / í ( í ) ^ w í ) , c ( í ) , í ) = - m {**)
= 0:
€—0
g (k (t),c (t),t) = k (t) (* * * )
Y si definimos la expresión
H = v(k(t), c(í), £) + //(£) #(&(£)> c(¿), ¿),
(que en adelante llamaremos la función hamiltoniana o, simplemente, el ha-
miltoniano del problema de control óptimo (Hamilton (1835))), entonces las
ecuaciones (*), (**) y (* * *) de arriba, se escribirían de una forma más simple:
dH n
^ =0 w
i k = -^ <**>
f = (.*.)
D em o stració n .
(Pontryagin et ál. (1961)25 y Mangasarian (1966)26). ■
N o ta 4.
El problema (CO) puede expresarse en términos de minimizar en lugar de
maximizar en la forma típica: colocando el negativo de la función v(-).
dH
P aso 1 . Aplique -7 — = 0 y encuentre c en función de fc, n y t.
oc
P aso 2. Inserte esta c en el sistema dinámico y resuelva para k y /z, utilizando
dH
-^7 - = —/i, las condiciones iniciales, y las terminales. Resolver esto analüi-
ok
camente puede ser imposible a pesar de que, por un teorema de existencia,
sepamos que la solución existe. Por eso, suele ser muy conveniente utilizar
diagramas de fase como los que aprendimos en la lección 2 (siempre que el
hamiltoniano sea autónomo, es decir, que no dependa del tiempo).
E jem p lo 36.
Resolvamos el problema
Maximizar
WO)
25 Pontryagin et âl. (1961). ôp. cit.
26 Mangasarian, O. (1966), Sufficient Conditions for the Optimal Control of Nonlinear
Systems, Siam Journal of Control, vol. 4.
442 Matemáticas básicas para economistas 3: Optimización y dinámica
s u je t a a k= uj + rk(t) — c(t)
k(0) = 0, k(T ) = 0
S o lu c ió n .
E l c o rre s p o n d ie n te h a m ilto n ia n o es
H = e P1 ln (c ) + ¡jl{uj + r k — c)
n e-*
-----------/i = 0 (* )
de “ c
OH
r ¡i = - i i (**)
-d k = ~ ^ :
dH ;
k = uj + r k — c
r = k:
iOfl (* * * )
N o te q u e , e n e s te c a s o , es in m e d ia to d e (* * ), q u e
1
CÛ
*&
3^
(* * **)
il
o
k = uj + rk — c
= uj + r ;k -------- e rt
/¿o
C(r-/J)í
= uj + r k -----------
Mo
y e s ta e c u a c ió n d ife re n c ia l p a r a la v a ria b le d e e s ta d o k (t ), a f o r tu n a d a m e n te ,
se p u e d e resolver analíticamente (le c c ió n 3) c o m o
r(l - e~PT )
^ ~ w/3( 1 - e~rT) >
Lección 4: Optimización dinámica 443
e(r~P)t
c(t) =
/ío
y su comportamiento dependerá de si /? > r, fi = r, ó /? < r. A
Pero hasta ahora solo hemos aplicado las condiciones de primer orden de un
problema de control óptimo, y no hemos explicitado “condiciones de segundo
orden” que muestren que las soluciones encontradas mediante el principio del
máximo, efectivamente, resuelven el problema de encontrar el máximo. Pero
ellas, afortunadamente, también existen:
D em ostración.
Ver Mangasarian(1966)27. ■
Minimizar
(c(í)} Jo
sujeta a k\ = ¿2 = c(t)
M 0) = 0; M l ) = ¡
*2(0) = 0; *2(1) = 2
27Ibfd.
444 Matemáticas básicas para economistas 3: Optimización y dinámica
Solución.
Aquí, el ham iltoniano es
•x d H
i) -^- = „0: c + fi2 = r,0 (*)
... dH
11)
.
-q £ = - F -
. .
A*i = o y /i = -MI
.
2 , >
(**)
iii) ¿1 = y ¿2 = c (* * *)
P aso 2: De (**) se tiene que /¿i = m i y //2 = —m\t+m2 para ciertas constantes
mi y m2 - Por tanto, de (* * *) y (*), ¿2 = c — —/i 2 = fn\t —7722; de lo cual,
k2 = ^m i¿2 — m 2¿ -f mz para cierta constante 7713. Entonces, de ¿1 = k2 en
(* * *), se tiene que k\ = \m\tz — \m2t2+ m^t + m\ p ara cierta constante 7714.
Ahora: de las condiciones iniciales tenem os que
k\(0) = 0 = 7714
k, 1(1) = -2 = -7711
1 1 7 1 2 + 7713 + Wl4
- -7
/c2(0) = 0 = 7713
A:2(l) = 2 = ^ m i - m 2 + m 3;
es decir,
V= v(k(t),c(t),t)dt — n(t)c(t)dt
Es decir,
2. L ínea te rm in a l h o rizo n tal: en este caso (k\ fijo pero t\ libre), la situa
ción es un poco más complicada pues en (*) se requiere hacer 5(fc(¿i)) = 0
y <5(¿i) 0. Así, la condición de transversalidad debe ser
H (t i) = 0
Una explicación del porqué aparece aquí la condición adicional //(¿i) > 0,
se tiene cuando nos damos cuenta de que esta es una aplicación directa
del teorema 4 (K-T CPO) de la lección 2, pues nuestro problema,
en este caso, es uno estático de encontrar máximos con condiciones de
desigualdad, en el que el método de Kuhn-Tucker se aplica directamente.
donde
k(T) = 0
Sin embargo, no es posible resolver la ecuación (1) mediante una fórmula ex
plícita para T en términos de los parámetros fundamentales del modelo. Aun
así, en casos numéricos concretos, sí es posible resolverlo para T con cualquier
grado de aproximación.
E jem p lo 39. (U n caso de lín ea te rm in a l v e rtic al tru n c a d a )
En el ejemplo 36, supongamos que queremos encontrar el T > 0 tal que
k(T) > 2. La condición de transversalidad nos indica que este particular T
debe satisfacer
Lo primero que hacemos aquí es buscar si existe un T > 0 que sea solución a
la ecuación k(T) = 2, es decir,
Lü
r
Sin embargo, esta ecuación tampoco es posible resolverla explícitamente para
T. Obviamente en casos numéricos concretos esto sí es posible para cualquier
grado de aproximación de T.
Ahora: suponiendo que sí fuera posible esta fórmula explícita para T, el pro
blema se resolvería para cualquier fio > 0 que hiciera T > 0. Si esto no fuera
posible el problema no tendría solución, ya que k(T) > 2 implicaría ¡i{t) = 0,
y así obligaría a que fio = 0, y esto no puede ser, como el lector observará
fácilmente en la solución del ejemplo 36.
448 Matemáticas básicas para economistas 3: Optimización y dinámica
i/(r)= M 2 V (r)
donde
fi(T) = /i0e rT
k(T )-
e(r~P)T
c(T) =
Vo
Sin embargo, tampoco es posible resolver la ecuación (3) mediante fórmula ex
plícita para T. Como en los dos casos anteriores, solo con parámetros numéricos
concretos es posible resolverlo para T con cualquier grado de aproximación.
donde
H (T) = e~PT ln(c(T)) + fi(T)(w + rk(T) - c(T)) = 0
e(r -0 )T
c(T) = 1 —
Mo
H(T) = /20e“ rT
J_
k(T) = |^ ( 1 - e~rT) - ^ - ( 1 - e~0T )
/?Mov
Lo primero que hacemos aquí es tomar T = 3, y observar si este resuelve la
condición H (T) > 0 de (4) para ciertos //o- En caso contrario, nos preguntamos
si existe una T < 3 que satisfaga H (T) = 0. En caso afirmativo, esta es la
solución al problema de transversalidad. Desafortunadamente, tampoco aquí
es posible resolver la condición H (T ) = 0 mediante fórmula explícita para T.
Solo parámetros numéricos concretos permitirían solución con cualquier grado
de aproximación.
Lección 4: Optimización dinámica 449
Maximizar
lím H (t) = 0
(*)
(**)
g(k(t),c(t),t) = k(t) (* * *)
lím H it) — 0 (* * **)
Maximizar
M0>
sujeta a k(t) = lj + rk(t) — c(t)
450 Matemáticas básicas para economistas 3: Optimización y dinámica
lím n(t)k(t) = 0
í->00 ' v7
E jem p lo 43.
Para resolver el problema
roo
Maximizar I e ~ ^ ln(c(t))dt •
{c(0} Jo
sujeta a k(t) = ln k(t) — rk(t) — c(t) (COHI)
fc(0) = k0
lím k(t) libre
t-¥00
donde 0 < P, r < 1 son constantes, escribimos primero su hamiltoniano:
dH e~^
o
O
.1«
3.
(*)
II
II
l°
1
dH A
a F + /i = 0: ~ r) ~ ^ (**)
c= (r~ /3 -~ )c
k = ln k — rk —c
c = \nk —rk
k* k
Figura 12. Diagrama de fase.
452 Matemáticas básicas para economistas 3: Optimización y dinámica
lím H it) = 0
Maximizar
la función de valoración del problema (CO), y asumamos que existe una función
de valoración V*(k(t),t), que es solución para el problema general de control
óptimo (CO). El principio de optimalidad que subyace al método de la pro
gramación dinámica, afirma que también V*(k(t) + A k(t)yt + At) es solución
al problema de control óptimo (CO) cuando se comienza en k(t) + A k(t) en el
28 Bellman, R. E. (1957), Dynamic Programming, Dover Publications, Edición de 2003.
Lección 4: Optimización dinámica 453
dV* dV*
V*(k(t) + A k ( t), t + Ai) = V*(k(t), t) + A k(t) + At
OK Ot
Y así obtenemos, insertando esta última ecuación en la ecuación de recurrencia
(R), que
dV* f dV* 1
— o f = máx |t>(A:(í),c(í),t) + — g {k (t),c (t),t)j (Bellman)
ÍT 1
M inimizar I ~ (k2 (t) + c2 (t))dt
(c(í)} Jo 2
sujeta a k(t) = 3 k(t) + 2c(t) (CO)
k( 0) = k0
k(T) = ki
aplicamos la ecuación de Bellm an p ara obtener que
Derivando, con respecto a c(í), el térm ino entre paréntesis de la derecha, ob
tenem os que
c(t) — —2S(t)k(t)
Llevando esta expresión óptim a de c(t) a la ecuación ('**), llegamos (con k ^ 0)
a la ecuación de R icatti
^ = 1 - 6 S + 12S 2
cuya solución es
= if - m)i+ \
p ara cierta constante m por determ inar.
Por tanto, los controles óptim os son
donde la variable de estado k(t) e stá determ inada por el sistem a dinám ico
Ejercicios 6
1. Plantee intuitivamente (es decir, sin ecuaciones) el problema de servir
una gaseosa en un vaso sin que la espuma se derrame, como un problema
de control óptimo, identificando cuáles serían las variables de estado y
control, y cuál sería la función objetivo a optimizar. ¿Podría usted plan
tear, en lenguaje no formal, otros problemas cotidianos que se asimilen
al esquema del control óptimo?
2. Resuelva nuevamente, ahora utilizando el principio del máximo, el pro
blema planteado en el ejemplo 30 como uno de cálculo de variaciones:
Minimizar
sujeta a k = c(t)
k(t0) — k0
k(ti) = ki
Compare los dos métodos.
3. Muestre que k(t) = \ t + 1; c(t) — ^(1 —t)\ //(£) = 1 — t resuelven el
problema de control óptimo
í tl
Maximizar I (k(t) + c(t))dt
Mí» Jo
sujeta a k = \ — <?(t)
k(0 ) = 1
¿ (I) = 9/4
y también definimos
7 = e^1 A
Entonces
$) = v(k(t), c(t), t ) - 1-7 g(k(t), c(í), í)
Basándose en el principio del máximo aplicado al hamiltoniano H , en
cuentre las condiciones de primer orden para el hamiltoniano de valor
presente f). Extienda esto al caso con horizonte infinito. Escriba las co
rrespondientes condiciones de transversalidad.
fT
Maximizar I e~ ^ \/c(t)dt
Jo
sujeta a k = 100 + ^ ( 0 “ CW
fc(0) = 0, k(T) = 0
ÍT1
M aximizar / - ( 5 k?(t) + c2 (t))dt
{c(0} Jo 2
sujeta a k(t) — k(t) + 4c(í) (CO)
k( 0) = k0
k(T) = ki
10. (Control bang-bang). Para A, B, dos parám etros fijos diferentes de cero,
en el problem a de control óptim o
Maximizar - f tl dt
{c(0} Jto
sujeta a k = A k + Be
¿o, k(to), k(ti) dados
- 1 < c{t) < 1
H = - l + \{ A k + Bc)
c* = sign(XB)
rti
M aximizar - dt
Jto
sujeta a h = /:2, k2 = c
to, k(to ), k(ti) dados
- 1 < c(t) < 1
*12) (Un problema de control biológico). Es bien sabido que el control químico
de plagas con pesticidas es, en general, efectivo y rápido pero causa polu
ción. Una forma alternativa de tratar este problema es mediante “control
biológico”, que consiste en liberar “predadores” a cierta tasa para que
controlen la plaga (“presa”), o bien liberando cierta cantidad de plaga
para evitar la extinción de los predadores. Una forma de modelar este
tipo de problemas es determinando un sistema dinámico Lokta-Volterra
(lección 3) que minimice el costo del daño ecológico y el del pesticida uti
lizado. Sean, N\ el número de presas (peste); N 2 el número de predadores
biológicos; u(t) la velocidad con que se liberan presas (peste); v(t) es la
velocidad con que se liberan predadores biológicos; co(T) —co(0) el costo
del pesticida utilizado en el tiempo T; ci, C2 , a i, 0:2 , /?i, P2 , constantes
positivas. El problema es, entonces,
sujeta a +«*(<)
Ñ 2 (t) = ( h N 1 - a 2 )N2 + v(t)
N 1 (0) = N lQ> 0 ]N l (T) = ^
T
C = (^{v(fc(,Cí,í)] + n t + i { g { h , c t , t ) - (fct + 1 - fc()]}30
í= 0
T
C= kt,ct,t) + Ht+i9 {kt,ct,t) + kt(nt+1 - f*t)}
t=o
+v(k0 , Co, 0) + fiig(k0, Co, 0) + kom - kT+iHT+i
dv dg
Vt+1 - = - (*)
dkt + 111+ 1 dkt.
"» k = o:
fcí+i - kt = p(A;í, ct , £) (* * *)
* Aquí aparece fxt+i en lugar de /xt , ya que aquella es la adición marginal a la función
objetivo cuando se hace una adición marginal a kt+1 (lección 2).
460 Matemáticas básicas para economistas 3: Optimización y dinámica
(* * *)
H ( k , c, /i, t) = ln c + fi(w + rk — c)
(i)
31 Bertsekas, D. óp. cit.
Lección 4: Optimización dinámica 461
------Ht+ict = O (2)
ct
kt+1 = w (1 + r)kt - ct (3)
De (1) obtenemos que
r 1 il
(4)
^ 0 [rí
Por su parte, de (2) obtenemos que
(Ct)2 = - f - (5)
Mí+1
y así, de (4) y (5), y asumiendo temporalmente que /¿o > 0, encontramos la
sucesión de controles:
ct = J ^ m + r)\h (6)
V /¿o
y, de (3) y (6), obtenemos que la sucesión de estados satisface
con fio > 0 determinado por el valor de kr+i - De otro lado, puesto que v{k, c) =
lnc y g(k, c) = w + rk — c son cóncavas en (k, c), las ecuaciones (4), (6) y
(8) resuelven efectivamente nuestro problema original. ▲
H (T) = 0
H { T ) = t i ( T ) v '( T )
Y dado que hemos requerido que /io > 0 para que haya solución, entonces, de
(4), tendremos que /i{T + 1) > 0. Así, kr+i = 2, y solo restaría encontrar T a
partir de la ecuación
(1 + r)T + 5 ^ (1 + r )T ~ k~ 1 - y i Í ^ [ / 3 ( l + r)] 2 ^ = 2
lím H it) = 0 (* * *)
t-*oo v '
Los correspondientes teoremas de existencia utilizando el teorem a de Weier-
strass, y las condiciones de segundo orden para que las de primer orden arrojen,
efectivamente, las soluciones del problem a (COHI), son similares, y queda como
ejercicio para el lector adaptar estos resultados convenientemente.
M aximizar
Ê M)
x 1 u ——
t= o v 7
escribimos su hamiltoniano
¿2
H = k - — + //(A: + c)
464 Matemáticas básicas para economistas 3: Optimización y dinámica
ct + f¿t+i = 0 (2)
kt+i = 2kt -f Cf (3)
C2
lím + ct) = 0 (4)
í—>oo kt ~ ~ 2 +
= ( « + 1) Q ) - 1
ct = -(/¿o + 1) + 1
donde /¿o estará determinada por la condición de que lím ^oo kt es finito.32
La ecuación (6) puede resolverse explícitamente mediante el ejemplo 39 de la
lección 3, y está propuesto como ejercicio para el lector.
H = f? ln ct + ¡it(w + r k t ~ Ct)
' Según el teorema 18, debe ser que /¿ > 0 para que la solución encontrada sea la
verdadera solución. El lector puede verificar esto.
Lección 4: Optimización dinámica 465
V t= V o \ t 4 ~ (4)
[1 + r
ÍT T T
c< = t^(1 + r )l5 (5)
VM
o
kt = fco(l + r ) ‘ + ¿ ( 1 + r )‘~k~1 ( w - \¡ ^ - W + '•)]* ) (6)
k=O
y luego restaría probar que
lím Hit) = 0
t —►oo v 7
que, en este caso, se reduce a la condición típica de transversalidad
lím iit kt = 0
t—too
i l~l
__ noko
lún + no
LLnkn + Lln í -------- 1* £ j ( 1 + r)‘ * 1 (w - yJl±L\p(i + r)]t^ = 0
t —►oo
ko = ¿ ( 1 + r)~k~1 ( w - 1 + r )]S )
k=o V V Mo )
de donde obtenemos que
(7)
(7 - ko)(Vl+r - VP)
y esta determ ina los controles (ecuación(5)), y los estados (ecuación (6)). Ade
m ás de la ecuación (7), la condición de que lím ^ o o kr existe, obligará a con
dicionar los parám etros fundam entales del modelo.
K(fcr + i , T + l ) = 0
Note, de nuevo, cómo la program ación dinám ica descompone el problem a ori
ginal en un a sucesión de “pequeños” problem as de optim ización m ás simples,
siempre “de atrás hacia adelante”. Veremos esto con claridad en los siguientes
ejemplos.
Ejem plo 49. (D istribución óptim a de una cantidad fija)
Consideremos el problem a de m inim izar la sum a de los cuadrados de T números
no negativos desconocidos, sujetos a la restricción de que su sum a sea una
cantidad dad a que no se deprecia. El problem a lo planteam os así:
T
M axim izar — > (c¿)2
«*»
T
sujeta a ^ ct = C
t=o
cq,ci, ..., ct > 0; C > 0 dado
Lección 4: Optimización dinámica 467
P ara resolverlo, utilizaremos la program ación dinám ica comenzando con la pri
m era ecuación recursiva de Bellman, que corresponde a la del últim o período,
T:
V ( c , T - 1) = máx { - ( ct - i )2 + V ( C - cT- i , T ) }
{0< cT- i <C}
= , , { - ( ct - i )2 - (C - c r - i ) 2}
{ 0 < cT _ ! < C }
c r - 1 = \c
Esto nos dice que en cada uno de los dos períodos, T —1 y T, deberían “gastarse”
la m itad de los recursos C. De m anera similar, llegamos a que
V«, T - 2) - 0 T - ’ 1„ ( j X j f ) + V - 1)
Se puede probar, por inducción m atem ática (volumen 0 (Fundam entos)) que,
en general, para t = 0 ,1 ,2 ,..., T,
j4 = ¿ í J , | n ( 1 + a í? + - - + ( í ? a ) ' - ' - j ) +
Note la similitud con la función objetivo dentro de la sumatoria del problema original.
Lección 4: Optimización dinámica 469
B = q £ ( a /J ) >
J =0
y sus correspondientes controles ct, para t = 0 ,1 ,2 , dados por
Ct = . . . » a
\
con Aro > 0 dado. Estos últim os pueden expresarse explícitam ente como el
lector puede advertir fácilmente.
Por tanto, el problem a (COD) se resuelve tom ando (de form a adecuada) límites
al infinito en la solución de valoración de horizonte tem poral finito. Ilustram os
esto últim o en el siguiente ejemplo.
V ( k t t ) = ? { Á + B]n(k)}
donde
í-i
y
f? = a [ $ > /? ) * ]
j =o
y sus correspondientes c¿, para t = 0 ,1 ,2 , dados por
(kt)a
ct =
y, por tanto, la variable de estado está determ inada, p ara k2 > 0 dado, por la
ecuación dinám ica recursiva
kt+i = oc¡3(kt)a
que pueden expresarse explícitamente.
1 Qr t e ) 1
1—
sujeta a kt+i = Rt(kt —c¿) > 0
0 < a , /? < 1, fco > 0 dados
donde Rt es distribuida idéntica e independientem ente35 y, además,
E (R ¡-° ) < i
B k = m áx ( + pB(k - c ^ E i R 1-“) }
c>o 1 —a )
35 Es decir, cada R t es una “lanzada” de una misma distribución, y cada una de estas
Rt es independiente de cualquier otra.
36 Esto, claramente, evita el desarrollo del laborioso proceso iterativo, siempre y cuando
la suposición sobre V sea correcta.
472 Matemáticas básicas para economistas 3: Optimización y dinámica
c= ~ ~ i k (*)
1 -+* M a
donde
M = 0B( 1 - a)E(R 1~a)
Insertando la ecuación (*) en la ecuación de Bellm an, encontram os que
B ~ ------------ T = Z ------------
y, por tanto, los controles óptim os están dados por
E je m p lo 53. (U n p r o b le m a d e in v e n ta rio )
cuk 4- H (x k + uk + wk)
Ejercicios 7
1. Mediante el principio del máximo, resuelva
T
Maximizar Y ^ y/ci
(c‘> feS
sujeta a kt+i — kt = w — ct
ko dado
kx dado
oo
sujeta a ^ = C
t=o
co,ciT... > 0 ; C > 0 dado
donde a € [0 , 1].
El objetivo es que la tem peratura x 2y después de salir del horno 2, sea
lo más cercana posible a una temperatura ideal T, y que esto se logre
utilizando la mínima energía posible en los hornos. Es decir, se tra ta de
minimizar la función
T(V)(k) = m á x i m e ) +0V(g(klC))}
v) Concluya que
II T ( W ) - T (V ) || < P \ \ W - V \ \ •
8. Contexto económico
Quizá el problem a metodológico central para cualquier estudiante de Econo
mía es cómo abordarla. En el desarrollo de los “contextos económicos” de estos
cuatro volúmenes de “Matemáticas básicas para economistas ”, hemos intentado
convencer al lector de que, actualm ente, solo existen tres formas fundam entales
de aproxim arse al estudio de la Economía: el modelo keynesiano y sus deriva
dos, el modelo neoclásico Arrow-Debreu y su saga, y la teoría de interacciones,
incluyendo allí, en gran medida, las nuevas técnicas de complejidad. Pero lo
que queremos resaltar en este últim o “contexto económico” es que estas formas
de aproximación, por sí solas, serían teoría económica vacía si no existieran los
problemas económicos que van a ser tratados con ellas; que no son las “escuelas
de pensam iento económico” lo que es central sino los problemas económicos;
y que, difícilmente, un estudiante prem aturam ente “m atriculado” en una de
estas escuelas podrá tener una visión suficientemente am plia del problem a que
esté estudiando. Precisam ente, hemos escogido un problem a particular (pero
central) de la teoría económica (el problema de la construcción de la función
de consumo) con el que, aunque no harem os ningún tratam iento exhaustivo, sí
pretendem os sugerirle al estudiante que está comenzando, que el “m estizaje in
telectual” (aunque riguroso) es, quizá, la forma menos riesgosa y más científica
de atacar cualquier problem a económico, además de que de esta forma se irá
alejando de los vicios intelectuales que tanto daño han hecho, por generaciones,
al desarrollo de un pensam iento sano y libre del estudiante joven de ciencias
económicas.
C = h(N )
Ct = a + yY td (2)
donde a > 0 es el “consumo autónomo” (no depende del ingreso), que suele
dC
suponerse grande, 7 = es la propensión marginal al consumo, y Ytd es el
ingreso disponible agregado.
Ahora: se deduce de (1) y de (i) que conforme aumenta el ingreso real habrá un
exceso de ahorro. En el futuro no habría necesidad de hacer mayores esfuerzos
47 Formalmente, la propensión marginal al consumo es ¿ y .
Lección 4: Optimización dinámica 483
50 No es del caso discutir los problemas y dificultades de agregación; sin embargo, pode
mos decir que la disciplina aún carece de una teoría o de métodos satisfactorios para
la construcción de agregados macroeconómicos. De un lado, el enfoque del agente
representativo ha mostrado ser restrictivo y falseador de los hechos y ha reducido la
relevancia de la teoría. De otro, los agregados simplemente suelen asumirse, sin aten
der a determinar sus factores generadores y las interacciones económicas subyacentes.
486 Matemáticas básicas para economistas 3: Optimización y dinámica
La hipótesis del ciclo de vida (HCV en adelante) sostiene que los individuos
planean sus decisiones de consumo para periodos largos y lo distribuyen de la
manera más uniforme posible a lo largo de su horizonte de vida -como afir
mó Modigliani (1978) en su Conferencia Nobel “the self-evident proposition
that thè representative consumer will choose to consume at reasonably stable
rate, cióse to his anticipated average Ufe consumption” (p. 299) previendo su
retiro laboral. Si bien los ingresos laborales fluctúan, en algunos casos consi
derablemente, el uso del mercado de activos le permite al individuo trasladar
ingresos intertemporalmente a través del ahorro, de modo que su consumo no
varíe abruptamente, separando el flujo de ingresos del flujo de consumo. Así, la
HCV plantea que el patrón temporal de consumo es independiente del patrón
temporal de ingresos, y solo está determinado por las preferencias del individuo
y por el precio relativo en el tiempo del consumo.
pero puede acum ular riqueza financiera haciendo uso de su ahorro y de las
tenencias previas de activos
(6b)
¿ ( x T ^ - ao + ¿ ( i T ^
Observemos que la restricción de presupuesto tiene la forma
Ahora bien: La decisión del agente consiste en elegir la trayectoria tem poral
de consumo {c ¿ }¿ 1 0 y el nivel de riqueza term inal üt > 0, que m axim iza
la satisfacción que obtiene del consumo a lo largo de toda su vida, sujeto a
su disposición para acum ular activos, la no negatividad del consumo en cada
período y cierta riqueza inicial dada. El problem a del agente, entonces, es
M aximizar
ct
T T
sujeta a
con a(0) = a0
a j1 > 0
y ct > 0 para todo t = 0 , 1 , . . . , T.
E sta caracterización del problem a del consum idor nos perm ite abordarlo con
las técnicas lagrangianas de optimización restringida (Lección 2). Notemos que,
debido a que la restricción presupuestal corresponde a la que enfrenta el consu
m idor para todo su horizonte de vida, el m ultiplicador de Lagrange es constante
en el tiem po. La función lagrangiana del problem a del consumidor es
u'jct) ___A
u \ct)_______ * x (9a)
(1+W (l + r)‘
(9b)
(9c)
Por (9a) A > 0 y por ti'(0) = oo, se tiene que c¿ > 0 para todo í, y así, podemos
tra b a ja r la restricción presupuestal con signo de igualdad. De la m ism a m anera,
de (9a) obtenem os
ti'jct)_______ A
(1 + p y (l+ r )‘
490 Matemáticas básicas para economistas 3: Optimización y dinámica
o bien
„ '< « )-A(I± f)
La ecuación (10) nos dice que la asignación óptim a del consumo en el tiem po
ha de ser tal que la utilidad m arginal del consumo en el período t sea igual
a la utilidad m arginal de la riqueza financiera, A, por el precio relativo del
consumo en ese período; en general, la ecuación (10) determ ina la form a de la
trayectoria de consumo a lo largo del ciclo de vida, que depende de la tasa de
interés, la tasa de preferencia tem poral y, por supuesto, de la utilidad m arginal
del consumo; m ientras que la restricción presupuestal, con signo de igualdad,
fija el nivel inicial de consumo y el de la trayectoria tem poral.
Las condiciones que hemos im puesto al problem a hacen que las condiciones
de prim er orden tam bién sean suficientes. Por la concavidad estricta de u(c¿),
tenem os p a ra cualesquiera c\ y con c¡ que, om itiendo el subíndice
tem poral,
u(c2) — uic1) < ^ '(c1) ^ 2 —c1)
siendo c1 una trayectoria tem poral de consumo que satisface (9a) y (6) con
igualdad; m ientras que c2 es una trayectoria tem poral que satisface (6) con
igualdad. Entonces
á = _ _ í ^ L ( r _ /J) (i d
ct Ct u"(ct)
1
(12)
c = 6
donde
1 4- r 1
b= ■
r r ( l + r)T
492 Matemáticas básicas para economistas 3: Optimización y dinámica
st = V t - ct
(13)
El ahorro es alto cuando el ingreso corriente yt es alto respecto del flujo des
contado de ingresos. El agente “suaviza” la trayectoria de consumo por medio
del ahorro.
Por último, no podemos dejar de decir que estos resultados están asociados
estrechamente a la separabilidad temporal de la función de utilidad. De (10),
la tasa marginal de sustitución de consumo entre cualquier par de períodos
consecutivos es independiente de la corriente de consumo, pues
u'(ct) 1 -I- r
1. La H C V con b ase en la p ro g ra m a c ió n d in ám ica
Un tratamiento alternativo del problema de asignación temporal de con
sumo es por medio de la programación dinámica. El propósito de esta
sección es ilustrar el uso de esta técnica en la HCV. Las condiciones ana
líticas son las mismas que las postuladas en la sección precedente, así que
Lección 4: Optimización dinámica 493
las damos por sentadas. Sin embargo, trabajaremos con una función de
utilidad específica, para mostrar con claridad el procedimiento.
El consumidor tiene una función de utilidad por período u(c¿) = lnc*, que
descuenta a una tasa /? € (0,1). El objetivo del consumidor consiste en
maximizar su función de utilidad para todo el horizonte de vida, sabiendo
que puede transferir recursos intertemporalmente mediante la acumula
ción de activos, según la ecuación (4). El planteamiento del problema en
términos de la programación dinámica es
T
■ P e río d o Ti a r dada.
* _ (1 + r ) ( a r - 1 + 2/r-i) + VT
°r - 1 (l + r)(l + /8)
■ P e río d o T — 2: a r - 2 dada.
* _ (1 + r)2(ar - 2 + y r - 2) + (1 + r )y r-i + yr
Cr- 2 - (l + r ) 2(l + /? + /J2)
+ (1 + r f y r - 2 + (1 + r)yT- 1 + 2/7-]}
+ 0 A 2(r,/3)
donde k" — ¡3(1 + + (32). Este problema, como ya sabemos, está apro
piadamente caracterizado y tiene por solución
* _ (1 + r ) 3( a r - 3 + y r - 3 ) + (1 + r)2 yr~ 2 + (1 4- r ) y r - 1 + yr
Ct~3 ~ (1 + r ) 3( l + (3 + ()2 + (33)
Ahora bien: notemos que de las soluciones {c¿ }J=t ~3 halladas antes (que
se encuentran en la trayectoria solución óptima), emerge un patrón cla
ramente discernible, descrito mediante la ecuación
i-jg yr-t
ao (14)
1 - p t+i
cp = A;(r, w, u)yp
y = yp + yF (15)
c = c p + CF
w = E tí y ^ í ± z L (16)
ecuación de estado usual dada por (4), que a su vez da lugar a la restricción
presupuestal para el horizonte de vida del individuo.
T —t T -t
Maximizar
ct
sujeto a a t+1 = (1 + r)(at + 2/í —ct) (17)
con a(0) = a0
y üt =0
(19)
u ' ( c ,+ l) = ( l T 7 ) “ ' ( C í) + £ t+ 1 (2 2 )
Veamos que, bajo ciertas condiciones especiales, a partir de (22) podemos de
rivar la HIP de Friedman. Consideremos, como Hall (1978), una función de
utilidad cuadrática59
“ (<*) = - \ ( c - c t)2 (23)
(24)
i t i -t- r
Et[ct+1] = ct (25)
E t[u,(ci+1)] = c + Et[ct+1]
= c + ct+ 1 + £t+1
(26)
= Q + 7C( + £ (+ l
donde
Maximizar
ct
sujeto a a ¿+1 = (1 + r)(at + yt - ct) (27)
con a(0) = a 0
\ 00 V t+ T
t-*oo \ 1 + r r( 1 + r) 1 ') at + E tx=n
Y,
(28)
(31)
De otra parte, el capital humano, /i¿, definido como los ingresos actuales más el
valor presente esperado de las ingresos futuros del trabajo varían en el tiempo
de acuerdo con
(32)
= (1 + r)(h(_i - yt- 1) + Jn
donde
00 (Et - E t_ i)yt+T
504 Matemáticas básicas para economistas 3: Optimización y dinámica
b) B r e v e s ín te s ís
Ejercicios complementarios
1. (El problema de Steiner). TVes pueblos A , B , C (figura anexa) buscan
unirse por un sistema dé carreteras de longitud total mínima. ¿Dónde
debe colocarse un cuarto punto P de tal manera que esto se alcance?
Minimizar
W0>
sujeta a c(0) = 1
c(7) = 10
Maximizar
Maximizar
W0}
sujeta a k(t) = lj + rk(t) — c(t)
k(0) = 0, lím k(t) libre
Maximizar ¡l
Jo
sujeta a Jc = k(t) + c(t)
k(0 ) = 1
fc(l) = 0
7. Resuelva el problema
T
Maximizar /^ ( q )0
to
sujeta a kt+i = w + (1 + r)kt — ct
fco, kr+i > 0 dados
10. (Un modelo dinámico de monopolio (Evans (1924) ) 61* Considere un mo
nopolio que produce un único bien perecedero (es decir, del que no puede
mantener inventarios) con una función de costos totales dados mediante
la ecuación
C( t ) = a ( Q( t ) ) 2 + 0 Q ( t ) + 7
Q(t) = a - b P ( t ) + c ^
con a, 6, c > 0.
Suponiendo que el monopolista fija un precio inicial Pq y un precio ter
minal Pt en el período [0,T], calcule la trayectoria óptima de precios que
debería fijar el monopolista si quiere maximizar el beneficio.
t=o
ct + fcf+i = f 0kt
510 Matemáticas básicas para economistas 3: Optimización y dinámica
r 1 uo uo
k ~ ■ , c
fo -lu i Ui
/ oo
Maximizar E I V ' p l [(i - * ) « ]
<*» V s
sujeta a qt 4* x t = f ( k t)
k t+1 - (1 + S)kt = x t
Jcq dado
513
514 Matemáticas para economistas 3: Optimización y dinámica
---------- (2007): Dynamical Programming and Optimal Control, vol. I, II. At
hena Scientific, third edn.
■
--------- (1891): “Distribution as Determined by a Law of Rent”, Quarterly
Journal of Economics, vol. 5(3), 289-318.
516 Matemáticas para economistas 3: Optimización y dinámica
C oase, R. H. (1937): “The Nature of the Firm”, Economica, vol. 4(16), 386-
405.
CoURANT, R. (1937): Differential and Integral Calculus, vol. I—II. New York:
Wiley.
---------- (1973b): ‘Windfalls’, the ‘Horizon’, and Related Concepts on the Per
manent Income Hypothesis. Measurement in Economics: Studies in Mathe
matical Economics and Econometrics in Memory of Yehuda Grunfeld. Stan
ford University Press.
---------- (1982): Teoría de los precios. Traducción de José Vergara y José
Vergara L. de San Román. Alianza Universidad.
Hamilton, D. P. (1990): “The SSC Takes On a Life of Its Own”, Science, vol.
249(4970), 731-732.
---------- (1940): “A Model of the Trade Cycle”, The Economic Journal, vol.
50, 78-92.
---------- (1966): Causes of the Slow Rate of Economic Growth in the UK. UK:
Cambridge.
---------- (1957): Three Essays on the State of Economic Science. New York:
McGraw-Hill.
--------- (1936a): “Composite Commodities and the Problem of the Index Num
bers”, Econometrica, vol. 4(1), 39-59.
---------- (1944): “Interest Theory: Supply and Demand for Loans or Supply
and Demand for Cash?”, Review of Economic Studies, vol. 26, 88-91.
---------- (1952b): “Factor Prices and International Trade”, Economica, vol. 19,
67-84.
---------- (1973): Collected Economic Papers, Volume IV. Oxford: Basil Black-
well.
---------- (1979): The Generalization of the General Theory and Other Essays.
London: Macmillan.
---------- (1962b): “Walras Existence Theorem and Brouwer’s Fixed Point Theo
rem”, Economics Studies Quarterly, vol. 8, 59-62.
V o n N e u m a n n , J.
and O. M o r g e n s t e r n (1944): Theory of Games and
Economic Behavior. Princeton: Princeton University Press.
Von T hÜNEN, J. H. (1826): Der Isolierte Staat in Beziehung auf L andw irts
chaft un National Ökonomie, vol. 1. Traducido al inglés por Carla M. War
tenberg, Pergamon Press Oxford: New York.
V o n W i e s e r , F. (1876): Über das Verhältnis des Kosten zum Wert (“On the
Relation to Cost to Value”). Reimpreso en Wieser, Gesammelte Abhandlun
gen.
------ (1884): Über den Ursprung und die Hauptgesetze des wirtschaftlichen
Werthes.
532 Matemáticas para economistas 3: Optimización y dinámica
---------- (1935): “Über die Eindeutige Positive Lösbarkeit der Neuen Produk
tionsgleichungen”, Ergebnisse eines Mathematischen Kolloquiums, vol. 6, 12-
18.
---------- (1959): A General Theory of the Price Level, Output and Income
Distribution. Philadelphia: Chilton.
WlCKSELL, K. (1893): Value, Capital and Rent. London: Allen and Unwin. S.
Frowein (trad.) en 1954.
---------- (1898): Interest and Prices. New York: Royal Economic Society.
---------- (1914): “The Scope and Method of Political Economy in the Light of
the “Marginal” Theory of Value and Distribution”, Economic Journal, vol.
24(1).
> + (1 - A ) ( í ± i ^ i ! )
= Amín{a:, y} + (1 —A) mín{t/;, zj
535
536 Matemáticas básicas para Economistas 3: Optimización y dinámica
Ejercicios 2.
1. a) Estrictamente cóncava en (—oo, 0] y estrictamente convexa en [0, oo).
b) Estrictamente cóncáva en (—oo, 0), y estrictamente convexa en (0, oo).
c) La matriz hessiana es
3 3
" (*-£/)* ~~(*+!/)"
' {x+vf _ (*+y)2
Luego es cóncava estricta si x 4- y > 1.
d) La matriz hessiana es
T2 0
[ 0 2
Luego es estrictamente convexa estricta en R2.
e) La matriz hessiana es
i 0
0 i
-----T
2y* J
' Ù °
0 -2
Ejercicios 3.
1. a) Es una función convexa estricta y, por tanto, cuasiconvexa estricta.
Respuestas 537
Ejercicios 4.
1. a) El hessiano orlado es
0 i 1
2y/x 2y/y
1 _ 1 0
_ 1
2?P 0
Luego es cuasicóncava estricta.
6) El hessiano orlado es
0 2x 1
2x 2 0
1 0 0
Luego es cuasiconvexa estricta,
c) El hessiano orlado es
0 3 (x + y )2 3 {x + y )2
3 (* + y)2 6x 4* 6t/ 6x + 6y
. 3(x + y)2 6x + 6y 6x + 6y
Luego es cuasicóncava.
d) Es cuasiconvexa estricta,
f) El hessiano orlado es
0 2 x —1 2 y —1
2x —1 2 0
27/ - 1 0 2
0 y +4 X
2/ + 4 0 1
x 1 0
Ejercicios complementarios
1. f(x) = 0 si x 6 [0,1] U [2,3]; y f(x) = 1 si a: € (1 ,2 ).
10. x* = 11, y* = 9.
Ejercicios 2 .
1. a) Este problema no tiene solución pues si x y y crecen indefinidamente,
también la función objetivo f ( x , y) = ( x —l )2 + y 2 crece indefinidamente.
Ejercicios 3.
1. Máximo: (2,1).
2. x* = i , y ' = i
3. a) i* = V7, y" = \ f i
b) x* = 5 , 2/* = I
c) x* = § ’ 5 8 y* ~
540 Matemáticas básicas para Economistas 3: Optimización y dinámica
d) x* — u i ’ y* ~ 21
c) i* = 2/• = f
f) No tiene solución.
4. z* = V2, y* = l
r 2 /"i"
5. — A.3i
3\6n
Ejercicios 4.
1. a) i ' = 1, j/* = 2
b) i* = 2, y* = §
c) i* = 24, y* = \
d) i* = 2, y* = §
PÌ T * - i! ,/í _ 27 _ 125 _ 1 5 ,/iT
e) x “ 49^ 49’ y ~ 49 49 *
Ejercicios 5.
1. a) Solución no acotada.
b) Región no factible.
c) x* = 2, y* = 3
d) £* = 2 , 2/* = 5
Ejercicios 6 .
l.a) y — 2 £ —1 l.c) y = x — 2
Ejercicios 7.
l . a ) Es semicontinua superiormente e inferiormente y, por tanto, continua,
Ejercicios complementarios
2. a) Máximo (0,4), mínimo (3,3).
c) Máximo (0,0), mínimo (0 ,—1).
3. a) x* = 2, y* = 0 b) x* = 4, y* = 0
4- ( § , 2 , | )
5. x — 3, y ~ 3, z = 3
10. z* = f , y* = f,
11. x* = y* = jq, z* =
15. a)
Xn > 0
542 Matemáticas básicas para Economistas 3: Optimización y dinámica
b) El máximo se alcanza en x \ = ^ , X2 = O, X3 = O, X4 = .
39. b) ^ = i
Px 2
40. b) Utilizando la ley de Walras (pxzx + pyzy -I- PhZh = 0) se obtiene que
zx = — P hZh ? y bastaría reemplazar aquí con las fórmulas para zv
Px
y zx dadas en el problema.
40. c) — = 3 y — = 5
Px Px
a-, \ XA = -
41.*) , Py
1 + - , yA = 1! +, -(-)■, 9 + 1- - . 2 yB8 = l + 6 px ,
XB= -
, - - E + Eev. „
10 5 P l’ y 5 lOpj,
41. c) Px = —Px— = ?; P = Pv = I
Px+Py 3 V Px+Py 3
44. a) Este juego tiene tres equilibrios de Nash: dos puros ((j4, C) y (B,D)); y
uno mixto ((§^4 + | B , \ C 4 - 5 ^ )) .
■
<— — r<— r*— r<---- r<— ?— >i— ---- r*— r*— r<---- 1
0 1
a>0 n—
a<0
1 1
7. a) Las soluciones son x(t) = y x(t) = -
V t 2 + 2 t + 2C y/t2 “h 2 t + 2 C
b) Las solución es x(t) = 1 — \ t )2
Ejercicios 2 .
3. a) La solución es y(t) = Ci (eos \y /T lt) e ~ i l - C2 (sin ^ y / l l t ) e_ i í.
4- a) 1 W = 5 ^ 3 + + + Cae ^ - » ,
» W= ^ - Cb(l +
6. a)
Ejercicios 3.
4. a) x t = 2 • 5 2
Ejercicios 4.
1. a) Punto de equilibrio: (0,0).
i) V(0,0) = 0
n) V ( x , y) > 0 para (x, y) € {(x, y) € R 2/ x 2 + y2 < 2}
ni) A = V ( f ( x yy), g(x, y)) - V{x>y) = (x2 + y2 )2 (x2 + y2 - 2) < 0 si
(*, y) € {(x, y) e R 2 / x 2 + y2 < 2}
7. a) x t = ol2 1 + d) x t — a2* - 1 4* 1
Ejercicios complementarios
16. a) Xt = -f P2 l
e) x t = (a — §) sen y -I- /?cos y
Ejercicios 2
.333 3.333
i. (Ia- A ) - 1 = [J.952 2.381 .Primera aproximación: I2 + A + A 2+ A 3 =
fq3.314
'2.197 1.701 o 3.305'
. Otra aproximación: I2 + Yll=i A 1 = q g
0.486 1.711 ).944 2.369
546 Matemáticas básicas para Economistas 3: Optimización y dinámica
Ejercicios 3.
1. S i A = 0 e l r e s u lt a d o e s in m e d ia t o , d a d o q u e la fu n c ió n e s b iy e c t iv a . P a r a
A 0, te n e m o s q u e T(x) = \x s i, y s o lo s i,
/rk X2 x n- i v xf x
(0,^i, — , --- -) = A(x i ,x 2,x 3, ...)
¿ TI — 1
d e d o n d e o b te n e m o s q u e x \ = 0 , X2 = 0 , X3 = 0,..., x n = 0,... . E s d e c ir ,
x = 0.
Ejercicios 5.
1. No existe tal triángulo.
2. c(í) = í - 1
4. c(t) = - \ t 2 + + 1.
Ejercicios 6.
4. R e c u r r ie n d o a l software m a t h e m a t ic a , el le c t o r p u e d e c o m p r o b a r q u e la s
s o lu c io n e s s o n :
Ejercicios complementarios
3. k(t) = | ( í + 4), e(t) = - 2 ( 3 + 1), X(t) = - j (3 + 1).
547
548 Matemáticas básicas para economistas 3: Optimización y dinámica
V o lu m en 0: F u n d a m en to s V o lu m e n 1: Á lg e b ra lin e a l
OPTIMIZACIÓN Y DINÁMICA
E
l volumen Optimización y Dinámica es el último de los
cuatro que conforman la colección Matemáticas
básicas para economistas. En él, como podría esperarse,
el lector encontrará un material más avanzado que el resto
de la obra, pero también más cercano a las preocupaciones
del economista en formación y, por supuesto, del
profesional, pues las herramientas están mejor dispuestas
para la discusión de problemas económicos centrales.