Matemáticas IV

UNIDAD 1: OPTIMIZACIÓN ESTÁTICA

1.2 FUNCIÓN CÓNCAVA Y CONVEXA
 Definición de concavidad
Una función 𝑓 𝒙 = 𝑓 𝑥1 , … , 𝑥𝑛 definida en un conjunto convexo 𝑆 es
cóncava en 𝑆 si
𝑓 1 − 𝜆 𝒙𝟎 + 𝜆𝒙 ≥ 1 − 𝜆 𝑓 𝒙𝟎 + 𝜆𝑓 𝒙

para todo 𝒙𝟎 , 𝒙 ∈ 𝑆 y todo 𝜆 ∈ 0,1

𝑓 1 − 𝜆 𝒙𝟎 + 𝜆𝒙
𝑓 𝒙𝟎 𝑓 𝒙

1 − 𝜆 𝑓 𝒙𝟎 + 𝜆𝑓 𝒙

𝒙𝟎 𝒙
1−𝜆 𝒙𝟎 + 𝜆𝒙

FUNCIÓN CÓNCAVA Y CONVEXA 2

 Definición de concavidad
Una función 𝑓 𝒙 = 𝑓 𝑥1 , … , 𝑥𝑛 definida en un conjunto convexo 𝑆 es
cóncava en 𝑆 si
𝑓 1 − 𝜆 𝒙𝟎 + 𝜆𝒙 ≥ 1 − 𝜆 𝑓 𝒙𝟎 + 𝜆𝑓 𝒙

para todo 𝒙𝟎 , 𝒙 ∈ 𝑆 y todo 𝜆 ∈ 0,1

( ) ( )
f (1 −  )x 0 + x  (1 −  ) f x 0 + f ( x )
Desigualdad
de Jensen

FUNCIÓN CÓNCAVA Y CONVEXA 3

 Definición de concavidad
Si la desigualdad es estricta:
𝑓 1 − 𝜆 𝒙𝟎 + 𝜆𝒙 > 1 − 𝜆 𝑓 𝒙𝟎 + 𝜆𝑓 𝒙

Entonces se dice que la función es estrictamente cóncava.

La función 𝑧 = 𝑔(𝑥) es
estrictamente cóncava, pero
la función 𝑧 = 𝑓(𝑥, 𝑦) es
cóncava.

FUNCIÓN CÓNCAVA Y CONVEXA 4

 Definición de concavidad

La función 𝑓 es convexa en 𝑆 si – 𝑓 es cóncava o,

equivalentemente si se verifica:
𝑓 1 − 𝜆 𝒙𝟎 + 𝜆𝒙 ≤ 1 − 𝜆 𝑓 𝒙𝟎 + 𝜆𝑓 𝒙

para todo 𝒙𝟎 , 𝒙 ∈ 𝑆 y todo 𝜆 ∈ 0,1

FUNCIÓN CÓNCAVA Y CONVEXA 5

 Propiedades
a) Si 𝑓1 , … , 𝑓𝑚 son funciones cóncavas y 𝑎𝑖 ≥ 0, ∀𝑖 = 1, . . , 𝑚 , entonces
σ 𝑎𝑖 𝑓𝑖 es cóncava.
b) Si 𝑓 𝒙 es cóncava y 𝐹 𝑢 es cóncava y creciente, entonces 𝑈 𝒙 =
𝐹 𝑓 𝒙 es cóncava.
c) 𝑓 es cóncava si y solo si 𝑀𝑓 = 𝒙, 𝑦 : 𝒙 ∈ 𝑆, 𝑦 ≤ 𝑓 𝒙 es convexo.
d) Sea 𝑓 una función real definida en 𝑆 ⊆ ℝ𝑛 y sea
𝑋 = 𝒙 ∈ 𝑆: 𝑓 𝒙 ≤ 𝑎 , 𝑎 ∈ ℝ , si 𝑓 es convexa en 𝑋, entonces 𝑋 es un
conjunto convexo de ℝ𝑛 .
e) La función lineal en Rn : 𝑓 𝒙 = 𝒂 ∙ 𝒙 + 𝑏 es, a la vez, cóncava y convexa.
Considere que 𝒂 = 𝑎1 , … , 𝑎𝑛 es un vector constante y 𝑏 ∈ ℝ.

FUNCIÓN CÓNCAVA Y CONVEXA

FUNCIÓN CÓNCAVA Y CONVEXA 6

 Propiedades

Las propiedades anteriores también son válidas en los siguientes casos:

a) Si 𝑓1 , … , 𝑓𝑚 son funciones convexas y 𝑎𝑖 ≥ 0, ∀𝑖 = 1, . . , 𝑚, entonces
σ 𝑎𝑖 𝑓𝑖 es convexa.
b) Si 𝑓 𝒙 es convexa y 𝐹 𝑢 es convexa y creciente, entonces 𝑈 𝒙 =
𝐹 𝑓 𝒙 es convexa.
c) 𝑓 es convexa si y solo si 𝑁𝑓 = 𝒙, 𝑦 : 𝒙 ∈ 𝑆, 𝑦 ≥ 𝑓 𝒙 es convexo.
d) Sea 𝑓 una función real definida en 𝑆 ⊆ ℝ𝑛 y sea
𝑋 = 𝒙 ∈ 𝑆: 𝑓 𝒙 ≥ 𝑎 , 𝑎 ∈ ℝ , si 𝑓 es cóncava en 𝑋, entonces 𝑋 es un
conjunto convexo de ℝ𝑛 .

FUNCIÓN CÓNCAVA Y CONVEXA

FUNCIÓN CÓNCAVA Y CONVEXA 7

 Criterio de las primeras derivadas

Teorema:
Supongamos que 𝑓 𝒙 = 𝑓 𝑥1 , … , 𝑥𝑛 tiene derivadas parciales
continuas en un conjunto abierto y convexo 𝑆 ⊆ ℝ𝑛 . Entonces:
a) 𝑓 es cóncava en 𝑆 si y solo si, para todo 𝒙𝟎 , 𝒙 ∈ 𝑆,
𝑛
𝜕𝑓 𝒙𝟎
𝑓 𝒙 − 𝑓 𝒙𝟎 ≤෍ 𝑥𝑖 − 𝑥𝑖0
𝜕𝑥𝑖
𝑖=1
b) 𝑓 es estrictamente cóncava en 𝑆 si y solo si la desigualdad en
(a) es estricta para todo 𝒙 ≠ 𝒙𝟎 .
FUNCIÓN CÓNCAVA Y CONVEXA

FUNCIÓN CÓNCAVA Y CONVEXA 8

 Criterio de las primeras derivadas

Demostración (i):
(1) Como f es cóncava, la desigualdad de Jensen puede ser reescrita como:

𝑓 1 − 𝜆 𝒙𝟎 + 𝜆𝒙 − 𝑓 𝒙𝟎
𝑓 𝒙 − 𝑓 𝒙𝟎 ≤
𝜆

(2) Se define la función 𝑔 𝜆 = 𝑓 1 − 𝜆 𝒙𝟎 + 𝜆𝒙 = 𝑓 𝒙𝟎 + 𝜆 𝒙 − 𝒙𝟎 ,

de tal manera que 𝑔 0 = 𝑓 𝒙𝟎
(3) Entonces:
𝑔 𝜆 −𝑔 0
𝑓 𝒙 −𝑓 𝒙𝟎 ≤
𝜆
𝑔 𝜆FUNCIÓN
−𝑔 0CÓNCAVA Y CONVEXA 𝜕𝑓 𝒙𝟎
En el límite, cuando 𝜆 → 0+ , = 𝑔′ 0 =σ 𝑥𝑖 − 𝑥𝑖0
𝜆 𝜕𝑥𝑖

FUNCIÓN CÓNCAVA Y CONVEXA 9

 Criterio de las primeras derivadas

El teorema anterior es equivalente a:

𝑓 es cóncava en 𝑆 si y solo si, para todo 𝒙𝟎 , 𝒙 ∈ 𝑆,

′
𝑓 𝒙 −𝑓 𝒙𝟎 ≤ 𝒙 𝟎
− 𝒙 𝛻𝑓 𝒙𝟎

donde 𝛻𝑓 𝒙𝟎 es el vector gradiente de la función (vector que

contiene las primeras derivadas evaluadas en el punto 𝒙𝟎 )

FUNCIÓN CÓNCAVA Y CONVEXA 10

 Criterio de las derivadas de segundo orden

Sea 𝑓 una función doblemente diferenciable, 𝑓 ∈ 𝐶 2 , definida en

un conjunto abierto y convexo 𝑆 ⊆ ℝ𝑛 . Se define la matriz
hessiana de 𝑓 como la matriz que contiene a las derivadas de
segundo orden:

𝑓11 ⋯ 𝑓1𝑛
𝐻𝑓 𝒙 = ⋮ ⋱ ⋮
𝑓𝑛1 ⋯ 𝑓𝑛𝑛

FUNCIÓN CÓNCAVA Y CONVEXA 11

 Criterio de las derivadas de segundo orden

Teorema:
a) La función 𝑓 es cóncava si y solo si 𝐻𝑓 𝒙 es semidefinida
negativa para todo 𝒙 ∈ 𝑆.
b) La función 𝑓 es convexa si y solo si 𝐻𝑓 𝒙 es semidefinida
positiva para todo 𝒙 ∈ 𝑆.
c) La función 𝑓 es estrictamente cóncava si y solo si 𝐻𝑓 𝒙 es
definida negativa para todo 𝒙 ∈ 𝑆.
d) La función 𝑓 es estrictamente convexa si y solo si 𝐻𝑓 𝒙 es
definida positiva para todo 𝒙 ∈ 𝑆.

FUNCIÓN CÓNCAVA Y CONVEXA 12

 Criterio de las derivadas de segundo orden
Ejemplos:

Evalúe la concavidad de las siguientes funciones:

U (x, y ) = (x − x ) (y − y )
a 1− a
1. 0  a 1
 1
2.  (L, K ) = p0 L K  − wL − rK  0   =   
 2

3. 
Q(K , L ) = A K −  + (1 −  )L−  
−1 / 
( A  0,   0, 0    1)

FUNCIÓN CÓNCAVA Y CONVEXA

FUNCIÓN CÓNCAVA Y CONVEXA 13

 Función cóncava y convexa

Referencias

Lomelí, H. y B. Rumbos. Métodos Dinámicos en Economía: otra

búsqueda del tiempo perdido. Instituto Tecnológico Autónomo de
México. 2001. (Capítulo 10)
Sydsaeter K. y P. Hammond. Matemáticas para el Análisis Económico.
Prentice Hall. 1996. (Capítulo 17)

FUNCIÓN CÓNCAVA Y CONVEXA 14