Вы находитесь на странице: 1из 577

■ ■ ■

e
MATEMÁTICAS BASICAS
PARA ECO N O M ISTAS

con notas históricas y contextos económicos

SERGIO MONSALVE

' ^ ( UNIVERSIDAD
r n ! NACIONAL
* J DE COLOMBIA

VICERRECTORÍA ACADÉMICA
E D IT O R IA L
Sergio Monsalve
Editor

Profesor asociado del Departamento


de Matemáticas, Universidad Nacional de
Colombia. Especializado en teoría de juegos
clásica y evolutiva y en equilibrio general
walrasiano, su labor académica y profesional
se ha caracterizado por una marcada preo­
cupación por la formación de economistas
con rigor e intuición, atentos al desarrollo y a
las fuentes históricas de las ideas.

Entre sus publicaciones se cuentan Introduc­


ción a los conceptos de equilibrio en economía
(1999, 2002), Un curso de teoría de juegos
clásica (2005) y diversos artículos en revistas
nacionales e internacionales.
MATEMÁTICAS BÁSICAS PARA
ECONOMISTAS 3

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

FACULTAD DE CIEN C IAS ECONÓMICAS


UNIVERSIDAD N AC IO N AL DE COLOMBIA
Catalogación en la publicación Universidad Nacional de Colombia

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

ISBN 978-958-719-304-6 (v. 0). - ISBN 978-958-719-305-3 (v. 1). -


ISBN 978-958-719-306-0 (v. 2). - ISBN 978-958-719-307-7 (v. 3)

1. M atem áticas 2. Modelos económicos 3. M atem áticas para economistas


4. Algebra lineal 5. Cálculo 6. Optimización m atem ática 7. Program ación diná­
mica I. Monsalve Gómez, Sergio, 1962-, ed.

CDD-21 510.2433 / 2010

Matemáticas Básicas para


Economistas 3: Optimización y
Dinámica
©Sergio Monsalve Gómez
©Omer Ózak C o au to r:
©Universidad Nacional de Colombia O m er O zak
©Facultad de Ciencias Económicas Facultad de Economía
Universidad Externado de Colombia,
Bogotá
C o lab o rad o r del au to r:
G ian carlo R om ano
Economista
Primera Edición, 2010
Universidad Nacional de Colombia,
ISBN: 978-958-719-307-7
Bogotá
Diseño de carátula
Ángela Pilone Herrera
índice general

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

G. Optimización en conjuntos convexos: teoremas de separación de


Minkowski ........................................................................................123
a) Aplicaciones del teorema de separación de Minkowski . . 128
7. Optimización en correspondencias: el teorema del máximo 131
8. Teoremas de punto f i jo .....................................................................137
a) Aplicaciones de los teoremas de punto fijo 141
9. Contexto ec o n ó m ic o ........................................................................144
a) Comportamiento económico racional sin interacciones:
algunos e je m p lo s..................................................................145
b) Características generales de las funciones del productor
y consumidor racional sin interacciones............................ 159
c) Comportamiento económico racional sin interacciones:
tradición paretiana del modelo w alrasia n o ......................1CG
d) Comportamiento económico racional con interacciones:
la teoría de juegos clásica 192
Ejercicios complementarios 206

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

b) Bifurcación y caos 315


6. Contexto e c o n ó m ico ....................................................................... 322
a) El modelo IS -L M ................................................................. 323
b) El modelo Arrow-Debreu: la economía como un sistema
mecánico ..............................................................................334
c) La teoría de interacciones: hacia una visión de la econo­
mía como un sistema orgánico........................................... 355
d) Nota final: sobre la “mano invisible” de Adam Sinith, el
modelo Arrow-Debreu y los juegos poblacionales 3C8
Ejercicios complementarios 370

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

índice alfabético 547


La ciencia se ha construido para satisfacer
ciertas necesidades de nuestra mente;
ella nos describe.
Y aunque tiene cierta relación con el mundo real,
esa relación es muy, muy compleja.

Robert J. Aumann
Premio Nobel de Economía 2005
Sergio Monsalvc le dedica este esfuerzo a
su profesor de matemáticas Jairo Charris

A la memoria de Juan Alonso, Jorge Diego, Nancy y Adriana


Presentación general

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

volución marginalista y de la comunión entre racionalidad y marginalismo;


en el volumen 3 aparecen tres de las visiones modernas más importantes sobre
el comportamiento económico: el modelo keynesiano IS-LM no-lineal de Hicks,
el modelo walrasiano de Arrow y Debreu, y los modelos de interacciones eco­
nómicas y sociales. El objetivo en cada uno de estos análisis es el problema
económico por sí mismo y las consecuencias que el desarrollo lógico de las hi­
pótesis y las herramientas matemáticas entregan para discusión tanto a nivel
teórico-conceptual como de política económica. En ningún caso se centra en
las herramientas matemáticas que están siendo utilizadas.
En definitiva, este trabajo es una invitación a comenzar a entender el potencial
y, sobre todo, los límites de la herramienta matemática tradicional en la teo­
ría económica; es una invitación a entender que las matemáticas tradicionales
están mejor diseñadas y adaptadas a las ciencias exactas como la física, pero
quizás 110 para el estudio de los fenómenos sociales y económicos, y esto inten­
tamos resaltarlo en el texto cuando presentamos numerosos ejemplos tomados
de la física, de la química, o de la biología. Pero aunque estamos convencidos
de que las matemáticas son más claras que cualquier otro lenguaje y de que
en numerosas ocasiones muestran lo que no podría lograrse por introspección,
probablemente el verdadero aporte de ellas a las ciencias sociales y económicas
únicamente podrá ser evaluado por las generaciones futuras; no antes y, por
supuesto, no ahora. Solo que en ese camino no deberíamos seguir ni la moda
del día, ni la aprobación o desaprobación de nuestros colegas. En su lugar, nos
debería preocupar alcanzar más y más claras comprensiones de lo que sucede
en los fenómenos económicos que enfrentamos día a día, y si estas u otras ma­
temáticas son un mecanismo apropiado para lograrlo, habríamos avanzado un
paso más en este propósito.
Una palabra final. Algunos tienen la creencia de que no hay manual ni texto,
por bueno que sea, que pueda relevarnos de la lectura de los artículos originales
y de los textos clásicos; y que nadie debería permitirse que “le cuenten” lo que
dicen los escritos originales. Pero creemos que esta es una opinión, por lo me­
nos, falaz. Claro está que es ideal poder leer los textos originales y los clásicos.
Sin embargo, el estudiante que apenas se insinúa en cualquier área del cono­
cimiento, requiere de esquemas y de puntos de referencia para poder avanzar
con mayor seguridad y consistencia; posteriormente, una vez haya adquirido
cierta madurez y entendimiento, es absolutamente necesario que recurra, aho­
ra sí, a los textos clásicos y a los originales. Comenzando por esta estrategia,
un estudiante correrá, creemos, un menor riesgo de confundirse o, lo que sería
fatal, de extraviarse definitivamente.
Por último, ha sido un honor para quien esto escribe, haber podido realizar en
compañía de su antiguo profesor de matemáticas de la Universidad Nacional de
Colombia, sede Medellín, Fernando Puerta, los volúmenes O y 2 de este texto.
Matemáticas Básicas para Economistas 3: Óptimización y Dinámica XV

Agradecemos a las Facultades de Ciencias y Ciencias Económicas de la Univer­


sidad Nacional de Colombia, en particular al profesor Carlos Andrés Álvarez
(Coordinador de Publicaciones de la Facultad de Ciencias Económicas) por su
inmensa disposición en el proceso de producción de este libro. También a la
Facultad de Economía de la Universidad Externado de Colombia, y al Depar­
tamento de Matemáticas de esta universidad. De igual manera a aquellos de los
que recibimos sugerencias y comentarios: Diego Arévalo, Julián Arévalo, Oscar
Benavides, Catalina Blanco, Lina Cañas, Angélica Chappe, Lola Coba, Luis
Jorge Ferro, Jorge Gallego, Norma Gómez, Carlos Augusto Jiménez, Gustavo
Junca, Crescendo Huertas, Norman Maldonado, Juliana Moneada, Eduardo
Mantilla, Ángela Ospina, Diego Pardo, Sergio Parra, Carolina Peláez, Lida
Quintero, Aida Sofía Rivera, María Cristina Rodríguez, Diego Rojas, Marcela
Rubio, Renata Samacá, Alejandra Sánchez, Humberto Sarria, Biviana Suárez,
Jennifer Taborda, María del Pilar Tejada, Ana Tamayo, Héctor Useclie y Mi­
guel Zárate. Un agradecimiento del editor al Banco de la República por su
apoyo en la realización de estudios de economía a nivel de doctorado (Uni-
versity of Wisconsin-Madison y The Hebrew University of Jerusalem). A la
editorial de la Universidad Nacional de Colombia, en especial a su director
Luis Ignacio Aguilar y a su jefe de editorial Dora Inés Perilla, nuestro recono­
cimiento por el gran trabajo realizado. También a Maribel Romero, Santiago
Sierra, Danny Sierra, Dora Millán y Nathalie Jiménez, por su paciente digi­
tación de nuestros difíciles manuscritos. Pero, por encima de todo, a nuestras
familias que son el gran aliento y nuestra razón de ser.

Sergio Monsalve
Bogotá D.C., febrero de 2008
Nota del editor para el volumen 3

El presente volumen es el último de los cuatro que conforma la colección Ma­


temáticas básicas para economistas. En él, como podría esperarse, el lector
encontrará un material más avanzado que en 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. Por lo anterior, el lector quizás tendrá que
enfrentar este último volumen con mayor atención y disciplina dado que, segu­
ramente, se encontrará con exigencias propias de la materia que le obligarán,
en numerosas ocasiones, a ser recursivo, ingenioso y muy paciente. Un buen
momento para cultivar o fortalecer estas virtudes.
Es nuestra recomendación, sin embargo, que este primer curso de optimización
y dinámica se haga sin apelar de manera extrema al formalismo cuando de estu­
diantes de pregrado se trate. Obviamente, para cursos o seminarios superiores
la exigencia debería ser mayor. Por ejemplo, en aquellos cursos sólo debería
enfatizarse en la correcta comprensión de los teoremas (sin demostración, ex­
cepto algunas excepciones a criterio del docente), en la aplicación adecuada de
ellos a través de ejemplos ilustrativos, y en el entendimiento cabal a través de
la elaboración de numerosos ejercicios. Por supuesto, todo esto enmarcado por
una selección apropiada del material del libro que se adapte a los espacios y
tiempos académicos. Esa es la metodología que recomendamos siempre para
cursos de matemáticas de pregrado en economía.
Varias advertencias de notación no solo para este volumen, sino también para
los tres volúmenes anteriores. Los números con expresión decimal se escriben
utilizando el punto (.) para separar la cantidad entera de la decimal. No se
recurre a la notación, también común, de la coma (,). Además, utilizamos la
notación ■ para indicar que una demostración ha finalizado, la notación ▲
para indicar que un ejercicio (o ejemplo) ha terminado, y los asteriscos para
indicar que un ejercicio propuesto puede ser “difícil” ( (*) para los ejercicios
“difíciles” y (**) para los “muy difíciles”).
Por último, deseamos agradecer a todos aquellos que, a través de versiones
semestrales desde febrero de 2003, ayudaron a que esta obra de cuatro volúme­

XVII
XVIII Matemáticas Básicas para Economistas 3: Optimización y Dinámica

nes se consolidara paso a paso, lentamente, a pesar de los numerosos errores


y críticas que surgieron sobre las primeras versiones, pero que con su pacien­
cia y comprensión entendieron que esta era una propuesta de construcción
colectiva entre estudiantes y profesores que, obviamente, conllevaba un difícil
proceso. En particular, un agradecimiento muy especial a Nathalie Jiménez
por el paciente y cuidadoso trabajo de digitación y de armada electrónica, no
solo de este volúmen, sino de la colección completa. Mi más profundo reco­
nocimiento a ella. También un agradecimiento a los estudiantes de economía
de las Universidades Nacional de Colombia, Externado de Colombia y Ponti­
ficia Javeriana, que sufrieron los rigores de versiones preliminares, y que tanto
ayudaron a corregir, ampliar, aclarar y profundizar, intentando hacer de este
trabajo uno accesible y mejor dispuesto a sus necesidades y requerimientos.
Ojalá lo hayamos logrado.
Prólogo
Por: Eduardo M antilla P.

En esta obra se recogen las experiencias didácticas de los autores en la ense­


ñanza de la matemática, especialmente en las carreras de ciencias económicas,
tomando como eje central el trabajo de varios años del profesor Sergio Mon-
salve.
Los textos hechos a partir de los apuntes de clase tienen el encanto de traslucir
la manera de trabajar del maestro. Su aproximación a los temas. Su particular
manera de decir las cosas para hacerlas comprensibles a los estudiantes. Su
forma de acercarse al conocimiento. A qué le da prelación. Un texto hecho
así es como una radiografía del alma pedagógica del maestro. Por eso es tan
importante que no se pierdan las experiencias de quienes trabajan bien, para
que otros las aprovechen e, inspirados en ellas, adelanten su labor docente y
cimenten su formación como educadores.
Esta obra refleja una manera de hacer las cosas de manera atractiva y rigurosa
y, en cuanto a su contenido, completa para las carreras de ciencias económicas.
Sus autores logran darle unidad y sabor en un trabajo dispendioso para ellos
y útil para quienes tienen a su cargo asignaturas de matemáticas que aquí
pueden seleccionar los temas que les sean necesarios, con la seguridad de que
están bien tratados y son accesibles para los estudiantes.
Al ver la totalidad de la obra resalta el enorme trabajo que significó para el
profesor Monsalve y sus compañeros recoger, ordenar y reelaborar sus expe­
riencias y presentarlas como lo hacen. Para quien esto escribe, es especialmente
atractivo el manejo de los temas geométricos que tan buenos resultados dan
desde el punto de vista formativo y para la comprensión general de la materia.
La presentación de modelos económicos y las notas históricas son herramien­
tas formidables para mostrar y dar un contexto al devenir de los conceptos
matemáticos y su utilización por parte de la economía.
Los autores merecen felicitaciones y el reconocimiento de la comunidad univer­
sitaria por haberse comprometido en tamaña tarea, y por la forma cuidadosa
en que lo hicieron. Por lo bien que les quedó, y por lo útil que será para las
futuras promociones de estudiantes. Ojalá esta obra sea probada por otros
maestros que, en la práctica, son los que, con su frecuente utilización, califican
la excelencia de este tipo de trabajo.

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

incendiarlos. Actualmente, la posibilidad de concentrar la luz se aprovecha, por


ejemplo, en la construcción de telescopios reflectores (inventados por Nevvton).
Y como el comportamiento de las ondas de radio es similar al de los rayos
luminosos, también se utilizan reflectores parabólicos para concentrar ondas
de radio emitidas por fuentes débiles y convertirlas en un haz intenso.

F ig u ra 1. En el panel a) tenemos una función con segunda derivada


positiva en un intervalo; como se observa, > a ; por tanto, la pendiente
crece. En el panel b) aparece una función con segunda derivada negativa
en un intervalo; allí, < a , por lo que la pendiente decrece.

En el Renacimiento, fue Galileo Galilei (1C32) quien primero comprendió los


principios fundamentales que regulan el fenómeno del movimiento curvilíneo.
Galileo se proponía entender, en particular, el comportamiento de los proyec­
tiles. Y aunque el cañón, que se usaba desde el siglo XIV, había tenido muchos
perfeccionamientos, la teoría del movimiento de los proyectiles era deficien­
te, ya que matemáticos y físicos intentaban aplicarle las equivocadas leyes del
movimiento basadas en la física de Aristóteles. Gracias a Galileo (y también
a Newton) hoy sabemos que la trayectoria de una piedra arrojada desde un
borde de cierta altura corresponde a un movimiento parabólico descrito funcio-
nalmente por
gt2
s(t) = — — + t’ot + s0

donde t es la variable tiempo; s(t) es la altura de la piedra en el tiempo £;


g = 9.8 m /s2 es la aceleración constante de los cuerpos que caen; t’o es la
velocidad inicial con que fue lanzada la piedra; y so es la altura desde la que se
hizo el lanzamiento (figura 2). Como veremos, esta curva s(-) es una función
cóncava.
Un siglo después, va en el plano puramente analítico, podría decirse que la
primera investigación detallada de curvas de orden superior (incluyendo allí
Lección 1: Funciones cóncavas y cuasicóncavas 3

curvas cóncavas y convexas) fue el libro de Leonhard Euler (1748) titulado


Introductio in Analysis Infinitorum. En el segundo volumen de este libro, Euler
muestra la geometría analítica de estas curvas en un lenguaje muy cercano al
que aparece en los textos contemporáneos. En particular, esta fue la primera vez
que se estudiaron ecuaciones cartesianas para las tres cónicas (elipse, parábola
e hipérbola) cuya geometría tanto había preocupado a los antiguos griegos
clásicos y alejandrinos. Y es desde este trabajo de Euler que se apuntala todo
el estudio moderno de las funciones cóncavas y convexas.
De las importantes nociones de concavidad y convexidad (y sus generalizacio­
nes) discutiremos entonces en esta lección.

1. Funciones cóncavas y convexas


A menos que se especifique lo contrario, en esta lección asumimos que C es un
conjunto convexo1, no vacío de Rn.

D efinición 1. (Función cóncava)


Diremos que una función / : C -» R es cóncava si, y solo si, para todo x, y G C,
X € [0,1], se cumple que

f ( Xx + (1 - X)y) > Xf ( x) + (1 - X)f(y) (1)

Diremos, además, que /(•) es estrictamente cóncava si la desigualdad (1) es


estricta para x ^ y, A € (0,1).

1 Recordemos que C C Rn es un conjunto convexo si, y solo si, para todo x, y € C y


A € [0,1], se tiene que también Ax + (1 —A)y € C (volumen 1, lección 8).
4 Matemáticas básicas para economistas 3: Optimización y dinámica

Así, geométricamente, una función de dos variables es cóncava si el segmento


de recta que une dos puntos cualesquiera está por debajo del arco de la curva
que los une (figura 3a).
D efinición 2. (Función convexa)
Diremos que una función / : C —>R es convexa si, y solo si, para todo x, y 6 C,
A € [0,1], se cumple que

/(A * + (1 - A)y) < Af ( x) + (1 - A)/(y) (2 )

Diremos que es estrictamente convexa si la desigualdad (2) es estricta para


x y, a e (o, i).
La interpretación geométrica para dos variables es que el segmento de recta
está por encima del arco de la curva que une a x y y (figura 3b).

F ig u ra 3. Panel a): Típica función cóncava. Panel b): Típica función


convexa.

N ota 1.
a) Dadas las definiciones anteriores, es claro que una función /(•) es convexa
(estricta) si, y sólo si, —/(•) es cóncava (estricta).

b) Observemos que la concavidad es una noción de conjunto; es decir, una


función puede ser convexa en cierta región de su dominio y cóncava en otra
(figura 4a).

c) A partir de la definición, también es claro que toda función estrictamente


cóncava es cóncava, y que toda función estrictamente convexa es convexa.
Ejem plo 1.
Probemos, mediante la definición 1, que f ( x ) = y/x es estrictamente cóncava
en [0, oo) (figura 4b).
Lección 1: Funciones cóncavas y cuasicóncavas 5

Solución.
can x, y > 0, x ± y y A € (0,1). Entonces debemos mostrar que

/( A * + (l- A )y ) > A /(x ) + (l-A )/( y )

o, lo que es equivalente,

y/Xx + (1 - A)y > \ \ / x + (1 - A)y/y

Si elevamos ambos lados de esta desigualdad al cuadrado, tenemos que

Ax + (1 - A)y > A2x + (1 - A)2y + 2A(1 - X)>/xy/y

de la cual, reordenando términos, obtenemos que

A(1 —X)x + A(1 —A)y > 2A(1 —A)y/xy/y

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

F ig u ra 4. Panel a): Función convexa en [0,a] y cóncava en (a, b].


Panel b): f ( x ) = y/x, x > 0 es estrictam ente cóncava.

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

o, lo que es equivalente, que

/ ( A ii + (1 - \) y i, Ax2 + (1 - A)j/2) > A /(x i,x 2) + (1 - A )/(yx, j/2)

Y esto es

y/(Xxi + (1 - \ )y i)(\ x 2 + (1 - A)y2) > \y/XlX 2 + (1 ~ A)y jy m

Si elevamos ambos lados de la desigualdad al cuadrado, obtenemos

(Axi + (1—A)?/i)(Aa:2 + ( l —A)t/2) > A2x ix 24 -(l-A )22/iy2+ 2 A (l-A )>/xiX2V/2/i2/2

y, realizando los productos de la desigualdad, llegamos a:

\ 2x xx 2 4- A(1 - X)xiy2 4- A(1 - X)y\x2 + (1 - \ ) 2y \y 2 >

> ? X \X 2 + (1 —A)2t/i2/2 + 2A(1 —X)y/XiX2 y/yiV2


de lo cual obtenemos que

A(1 —X)x\y2 4- A(1 —A)yi£2 > 2A(1 —\) y /x i x 2y/y i y 2

SiA = 0 o A = l, esta desigualdad es cierta. Y si A ^ 0,1 entonces se tiene que

x iy 2 4- 2/ 1X2 > 2y/x ix 2\/yiy2

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

F ig u ra 5. En el panel a), la función f ( x , y ) = y /x y , x > O, y > 0.


En el panel b), la función f ( x ,y ) = x 2 + y2.

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]

lo cual, calculando los cuadrados, es

A2( x ,) 2 + (1 - A)2(j/i)2 + 2A(1 - A)*!»i + A2(x2)2 + (1 - A)2(j/2)2+


2A(1 - A)x2y2 < A(xi)2 + A(x2)2 + (1 - A)(yi)2 + (1 - A)(y2)2

o, simplificando, esto es equivalente a

A2(x i)2 + (yi)2 - 2A(t/i)2 + A2(jíi)2 + 2Axij/i - 2 \ 2x iy l + A2(x2)2+


(j/2)2 - 2A(y2)2 + +A2(y2)2 + 2Ax2y2 - 2A2x 2y2 < A ^ ) 2 + A(x2)2+
(2/ 1)2 — A(yi)2 + (y2)2 - A(y2)2

y de nuevo simplificando, arribamos a que

A2(x i)2 - A (yi)2 + A2(?/i)2 + 2Áxiyi - 2A2xiyx + A2(x2)2 - A(t/2)2+


A2(y2)2 + 2Ax2t/2 — 2A2rr2y2 < A (x i)2 + A(x2)2

Agrupando términos, obtenemos

2A(1 - A)xij/i + 2A(1 - A)x2y2 < A(1 - A)(xi)2 + A(1 - A)(x2)2+


A ( l - A )(y i )2 + A ( l - A )(W )2
8 Matemáticas básicas para economistas 3: Optimización y dinámica

que es equivalente a

A(1 - A)(a?i - yi)2 + A(1 - A)(x2 - y2)2 > O

y que, claramente, se cumple, pues A 6 (0 ,1) y xi ^ ¡/i o ^ 2/2* ^

Ejercicios 1
1. Pruebe que si /(•) es cóncava (estricta), entonces también h(x, y) =
f ( x ) + 0f ( y ) es cóncava (estricta), para f3 > 0.

2. Pruebe, utilizando la respectiva definición, que:

a) y) = mín{x, y} es cóncava para x > 0, y > 0. ¿Será estrictamente


cóncava?
b) / (xyy) = máx{x, y} es convexa para x > 0, y > 0. ¿Será estrictamente
convexa?
c) ¿Será cierto que si una función / : R+ -» R+ es convexa, y / _1(*)
existe, entonces / _1(-) es cóncava? [Indicación: Un gráfico de /(•) y
/ _1(*) ayudaría].

2. Propiedades fundamentales de las funciones cón­


cavas
Recordemos que hemos asumido que, en adelante, C C Rn es un conjunto
convexo no vacío. Dado esto, los siguientes teoremas nos presentan las propie­
dades básicas de las funciones cóncavas. El primero de estos nos muestra que la
definición aparentemente algebraica de función cóncava tiene una muy fuerte
implicación topológica:

Teorem a 1. (C oncavidad => con tin u idad)


Si /(•) es cóncava en C, entonces es continua en el interior1 de C. Es decir,
no existen funciones cóncavas discontinuas.

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

Teorema 2. (U na característica im portan te de las fu n cion es cónca­


vas)
Si f : C —>R es cóncava, el conjunto de n ivel su perior a a, Sn = {x G C |
f ( x) > a;}, es convexo para todo a G R (figura 6a). La recíproca no siempre es
cierta (ejemplo 7, adelante).
D em ostración.
Si x ,y G SQ, entonces f ( x ) > a , f ( y) > a . Como /(•) es cóncava, entonces
para todo A G [0,1], /
f ( Xx + (1 - X)y) > A/(x) + (1 - A)f (y)
> Xa + (1 - A)q = a
Luego, Ax + (1 —A)y G 5 ft, lo que prueba que S¿ es un conjunto convexo. ■

Teorema 3. (C on dición de p rim e r orden de las fu n cion es cóncavas)


Sea f : C —>R continua enC y diferenciable con continuida(f) en el interior de
C; entonces, /(•) es cóncava en C si, y solo si, para todo x ,y en el interior de
C:
/( * ) - f ( y) < V/Cif) - ( x - y ) (3)
En particular, en el caso de funciones cóncavas de una sola variable, tenemos
que I .
}(x) ~ }(y) < f ' (y)( x - y) (figura 6b) (4)
Además, en el caso general de n variables, /(•) es estrictamente cóncava si, y
solo si, f ( x ) — f ( y) < V /(y ) • (x —y) para todo x, y en el interior de C, con
x^y.

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

Dado que /(•) es diferenciable, tenemos que si A -> 0,

f'(y)(x - y ) > f( x) - }(y )


5 Es decir, con primeras derivadas parciales continuas en C.
10 Matemáticas básicas para economistas 3: Optimización y dinámica

F ig u ra 6. En el panel a) se m uestra el conjunto de nivel superior SQ, el


cual es un conjunto convexo (teorem a 2).
En el panel b) se presenta la condición de concavidad “ pendiente de
C D < pendiente de A B ” (teorem a 3).

b) Si x , y están en el interior de C, para A G [0,1],

f ( x) < / ( Xx + (1 - X)y) + f'(Xx + (1 - X)y)(l - A)(x - y)


f{y) < /(A x + (1 - A)y) + f'(Xx + (1 - X)y)(X)(y - x)
Multiplicando la primera desigualdad por A y la segunda por (1 — A), y
sumando, se obtiene que

Af ( x) + (1 - A)f (y) < f ( Xx + (1 - A)y)


y así, /(•) es cóncava en C.
La demostración para el caso general es ya casi inmediata, pues basta tomar la
función F ( A) = f ( y + \ { x —y)) con e < A < 1+e para e > 0 pequeño, y calcular
F' {A) para luego aplicar el caso de una sola variable. En efecto, utilizando el
resultado anterior en esta función tendríamos que

F( l ) — F(0) < V F(0)(1 —0)

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. ■

Sin embargo, esta condición de primer orden para la noción de concavidad,


aunque fundamental, no es la más utilizada en las aplicaciones. En su lugar,
era de esperarse, aparecen las condiciones de segundo orden, pues éstas son las
que caracterizan la forma en que se “curva” la función. Veamos esto.
Lección 1: Funciones cóncavas y cuasicóncavas 11

T eorem a 4. (C o n d ició n de segundo orden de las fu n c io n e s cóncavas)

a) Si /(•) es dos veces diferenciable con continuidad en el interior de C y


continua en C, entonces /(•) es cóncava en C si, y solo si, para todo x en
el interior de C, la matriz hessiana

a 2/
H f (x) = (5)
dx idxj (*) Í,j= 1

es sem id efin id a negativa; es decir, si, y solo si, X H f ( x ) X T < 0 para


todo X € Rn .6

b) En particular, en el caso de funciones de dos variables, tendremos que


/(♦) es cóncava en C si, y solo si, la matriz hessiana

A B
B C

satisface A < 0 y A C — B 2 > 0 para todo x en el interior de 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).

Figura 7. Rectas tangentes con pendientes decrecientes.

Dem ostración.
*
[Primero demostraremos c), y luego a); el literal b) queda como ejercicio para
el lector.]
Demostración de c):

6 Volumen 1 (Álgebra lineal), lección 8.


12 Matemáticas básicas para economistas 3: Optimización y dinámica

i) Supongamos que /(•) es cóncava en C. Por el teorema 3, tenemos que


para todo x en el interior de C y h suficientemente pequeño,

f ( x ) - f ( x + h) < f ' ( x + h ) ( - h ) y f ( x + h) - f ( x ) < f' (x)(h)

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

/( * ) - / ( y) = í'{x )(x - y ) + - y)2

Pero, por nuestro supuesto, f ”{c) < 0, y así,

/( * ) - 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.

ii) Sean a, 6 G C, y h = 6 — a. Como a, 6 son puntos interiores de X,


o
existe un e > 0 tal que a + A/i € C para —e < A < l + e . Luego, de
nuevo por la parte c) de este teorema, se tiene que F(t) = f ( a + Ah) es
d2f
cóncava en (—e, 1 + e) ya que F "(A) = 53 ~ q ~~q— Per 0 como
A = (1 - A)0 + Al, a + \ h = (1 - A)a + A6, F(0) = /( a ), y F (l) = f(b),
la desigualdad (1 —A)F(O) + AF(1) < F (( l —A)0 + Al) se convierte en
(1 —t)f (a) +t f ( b ) < /((1 —t)a + tb) que es cierta para todo t e [0,1],
a, 6 e C.
Lección 1: Funciones cóncavas y cuasicóncavas 13

El siguiente teorema está en la misma dirección del teorema 4. Sin embargo,


es muy importante especificarlo porque hará la advertencia de que, en el caso
de la concavidad estricta, ya la equivalencia de resultados no se da, y en su
lugar únicamente tenemos una implicación. Los contraejemplos para mostrar
que esto es así, son abundantes.

Teorema 5. (T íp ica característica d iferen cia l de las fu n c io n e s e stric ­


ta m e n te cóncavas)
a) Si /(•) es dos veces diferenciable con continuidad en el interior de C y
continua en C, entonces /(•) es e stric ta m e n te cóncava si, para todo x
en el interior de C, la matriz hessiana H/ ( x) es d efinida negativa. El
recíproco no es cierto siempre.

b) En particular, en el caso de dos variables, tendremos que /(•) es estricta­


mente cóncava si la matriz hessiana
A B
Hf(x) = [
B C

d2f d2f d2f d 2f


d0nde A = d ^ ’ B = ted-y = d¿d-X ’ C = d ? ’ SatÍSfaCC A < ° y A C -
B 2 > 0 para todo x en el interior de C (observe que, en tal situación,
también C < 0).

c) En el caso de funciones de una sola variable, /(•) es cóncava estricta si, y


solo si, f ,f(x) < 0 para todo x en el interior de C.
D em ostración.
La prueba de esta propiedad es similar a la del teorema 4, utilizando la condi­
ción para concavidad estricta del teorema 3. Sin embargo, es necesario mostrar
un caso en el que el recíproco no sea cierto, como asegura el teorema. Para
ello basta considerar el ejemplo típico de función cóncava estricta para la cual
A = B = C = 0 : /( x , y) = —x 4 —y4 en (0,0). ■

N ota 2. (P ropiedades de las funciones convexas)


Las propiedades fundamentales de las funciones convexas se obtienen utilizando
el hecho de que /(•) es convexa si, y sólo si, —/(•) es cóncava y, utilizando los
resultados de los teoremas anteriores. Un buen ejercicio para el lector sería
escribirlas explícitamente.
Ejem plo 4.
Es fácil mostrar (figura 8) que:
i) f ( x ) = ln(x) es estrictamente cóncava para x > 0.
14 Matemáticas básicas para economistas 3: Optimización y dinámica

ii) Si a > O, g ( x ) = l / x a es estrictamente convexa para x > 0,


pues aplicando directamente el teorema 5 c), obtenemos, en cada caso, que:

0 f " ( x ) = _ ~“9 < 0 si x > 0. ii) g " {x ) = — >0 si x > 0.


X X ~>~a

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.

iii) Convexa si, y solo si, 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.

ii) Para la concavidad estricta necesitamos que la desigualdad en a) se cum­


pla estrictamente. Por un argumento similar al anterior, tenemos que la
función es cóncava estricta si 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:

i) Cóncava si, y solo si, a + £ < 1.

ii) Estrictamente cóncava si, y solo si, a + /? < 1.

iii) Además, mostremos que, en ningún caso, la función es convexa.

Solución.
Tenemos que

±
d
— = O íX
dx

y la matriz hessiana está definida por

donde
16 Matemáticas básicas para economistas 3: Optimización y dinámica

b) Y también debe cumplir que

d 2f d 2{ ( d 2f \ \
d x 2 dy2 \dxdy) ~
es decir,

^a(a —l)rrQ-:y j ^P(P — l):ra 2/^” 2J — > O

o, lo que es lo mismo,

ap( a - 1)(/? - 1)x 2Q~2y20- 2 > a 2p 2x 2a~2y20~2

o,
(a - 1 ) { P - 1) > a p
de lo cual obtenemos,
-a -P +1>0

que es equivalente a
ct + P < 1

ii) Por lo anterior, las condiciones de concavidad estricta A < 0 y A C —B 2 >


0 se satisfacen si, y solo s i , a < l y a + / ? < l ; e s decir, si, y solo si,
a + P < 1 (puesto que hemos supuesto a > 0 y p > 0).

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 > |

es todavía un conjunto convexo7. Esto demuestra que el recíproco del teorema


2 es, en general, falso.

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

F ig u ra 10. En el panel a), la función f ( x , y ) = y/xy.


En el panel b), la función f ( x , y ) — x 2y 2 para x > O, y > 0.

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))

donde g(x) = 1/x. Pero sabemos (ejemplo 4, b) que g(x) es estrictamente


convexa para x > 0; así que

a 1/ 2 (As(xi) + (1 - A)g(x2)) > a l/2g(Axi + (1 - A)x2)

= « ! / * [ _____l ____ 1
[Axi + (1 - A)X2

lo que es equivalente a A(xi,t/i) -f (1 — X)(x2ly2) G Sa , que es el resultado


buscado. ▲

Dada la definición de función cóncava, podemos derivar sus propiedades alge­


braicas:
18 Matemáticas básicas para economistas 3: Optimización y dinámica

Teorema 6. (Álgebra de fu n cio n es cóncavas)

a) Si a 6 R, y /(•) es cóncava, entonces /(•) + a es cóncava.

b) Si a G R+ y /(•) es cóncava, entonces af ( - ) es cóncava.

c) Si /(•), g(-) son funciones cóncavas, entonces ( f + g)(‘) es cóncava.

d) Si /(•), g(-) son funciones cóncavas, entonces ( / • g)(-) ni (f / g )(‘) son


necesariamente cóncavas.

e) Si f : C —>IR es cóncava estricta y F : R —» R es estrictamente monótona


creciente y estrictamente cóncava, entonces (F o /)(•) es también cóncava
estricta.

D em ostración.

a) Sea /(•) cóncava, y definamos g(‘) = /(•) + a; entonces

¿j(\x + (1 - A)y) - /( A i + (1 - A)y) + a


> Af ( x ) + (1 - A)f (y) + a
= A (/(x) + a) + (1 - X)(f(y) + o)
= Ag(x) + (1 - X)g(y)

b) Sea a 6 R+ y /(•) cóncava, y definamos g(-) = a /( -); entonces

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)

c) Sean /(•), g(-) funciones cóncavas; entonces

(/ + + (1 - -% ) = /(A® + (1 - A)jr) + g(Xx + (1 - X)y)


> Xf ( x) + (1 - A)f (y) + Ag(x) + (1 - A)g(y)
= A( / + s)(x ) + (1 - A )(/ + g)(y)

d) Si f { x) = x y g(x) = x 1/ 2, vemos que ambas son cóncavas, pero (f - g ) ( x ) =


x 3/ 2 no lo es. Por otro lado, si f ( x ) = x 1!2 y 3 (1 ) = x, entonces (f / g ) ( x ) =
i - 1 / 2 es convexa.
Lección 1: Funciones cóncavas y cuasicóncavas 19

e) Sean F(-) estrictamente creciente y estrictamente cóncava, y /(•) estricta­


mente cóncava; entonces

(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 -

El siguiente teorema es uno de los más utilizados en las aplicaciones, ya que


afirma que si usted ya está seguro de que la función que va a maximizar es
cóncava, entonces basta derivarla (si esto es posible) y hacerla igual a cero.
Allí aparecerán entonces los puntos de máxima (si existen).
Teorema 7. (Es fá c il o p tim iza r fu n cio n es cóncavas)
Si f : C -> R es cóncava y diferenciable con continuidad en el interior de C,
todo punto crítico (esto es, todo x* en el interior de C tal que V /(x*) = 0) es
un máximo global (o absoluto) (figura 11).

Figura 11. Todo punto crítico x* de una función cóncava es un máximo


global.

D em ostración.
Por el teorema 3, tenemos que si j/G C , y / i * ,

/ ( » ) - / ( * * ) < V / ( * ’ ) ( » - x ') = 0

Puesto que V /(x*) = 0 (x* es un punto crítico), entonces

f ( y) < f ( x *) Para tQdo y e C

Por lo tanto, x* es un máximo global. ■


20 Matemáticas básicas para economistas 3: Optimización y dinámica

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

c) /(z,2/) = 31n(x -f y), d) f ( x, y) = x 2 + y 2 - 1


x +y>l

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

2. Como ilustración del teorema 1, muestre que

m = {[1f sisi*e(“’1
x = 0
1
es convexa en [0,1], continua en (0,1], pero discontinua en [0,1].

3. Funciones cuasicóncavas y cuasiconvexas


Una pregunta básica, que trataremos de responder en esta sección, es para
qué tipo de funciones es cierto el recíproco del teorema 2; es decir, que S a
sea convexo para todo a G R. La respuesta la encontramos en las funciones
cuasicóncavas, introducidas por John von Neumann en 1928.8
D efinición 3. (Función cuasicóncava (von N eum ann (1928)))
Diremos que una función / : C —>R (donde, recordemos, C es un subconjunto
convexo no vacío de R n) es cuasicóncava si, y solo si, para todo x ,y G C ,
A €[0,1], se cumple que

/( A i + (1 —A)j/) > mí n { f ( x ) , f ( y ) } (6)


Además, diremos que /(•) es cuasicóncava estricta si, y solo si, para todo
x ,y G C, x y, X G (0,1), se cumple

/( A i + (1 - X)y) > m ín{/(x), f ( y) } (7)


8 Von Neumann, J. (1928), Zur Theorie der Gessellshaftspiele, Mathematische Annalen,
vol. 100, 295-320.
Lección 1: Funciones cóncavas y cuasicóncavas 21

D efinición 4. (Función cuasiconvexa (von N eum ann (1928)))


Diremos que una función / : C -» R es cuasiconvexa (estricta) en C si, y solo
si, —/(•) es cuasicóncava (estricta) en C.
Una inmediata relación entre las funciones cóncavas y cuasicóncavas la encon­
tramos en el siguiente teorema:
Teorema 8. (C oncavidad => cuasiconcavidad)
Toda función cóncava (estricta) es cuasicóncava (estricta); y toda función con­
vexa (estricta) es cuasiconvexa (estricta).
D em ostración.
Sea / : C —>R una función cóncava; entonces para todo x, y €C , A G [0,1],

} { \ x + (1 - A)y) > Af ( x) + (1 - A)/(y)


> \ m m { f ( x ) , f ( y ) } + (1 - A) m ín{/(x), f ( y)}
= m ín { /(i),/(j/)}

De manera similar, tenemos que toda función convexa es cuasiconvexa. Las


demostraciones bajo la condición estricta son también similares. ■

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.

Figura 12. Una función cuasicóncava no cóncava.


22 Matemáticas básicas para economistas 3: Optimización y dinámica

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

4. Propiedades fundamentales de las funciones cua­


sicóncavas
Quizás la primera propiedad de las funciones cuasicóncavas que debe mencio­
narse es que, a diferencia de las funciones cóncavas, no toda función cuasicón-
cava es continua, como se puede ver en la figura 13. Sin embargo, sí existe una
relación entre monotonicidad y cuasiconcavidad para funciones con dominio
real, que la expresamos formalmente en el teorema 9.

----- 1----- 1----- 1----- 1----- 1— ►


Figura 13. Una función cuasicóncava no continua.

Teorema 9. (M on oto n icid a d => cuasicon cavidad)


Si C C R , entonces toda función monótona9 (estricta) es cuasicóncava (estric­
ta). Sin embargo, no toda función cuasicóncava es monótona.

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

La principal característica de las funciones cuasicóncavas se tiene en el siguiente


resultado:

Teorema 10. ( C aracterización topológica de las fu n cion es cuasicón­


cavas )
Una función f : C —►R es cuasicóncava si, y sólo si, para todo a € R, el
conjunto de nivel
SQ - {x £ C \ f ( x ) > q}
es un conjunto convexo.

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,

f ( Xx + (1 - A)y) > mín{ f ( x ) , f ( y ) } > m ín{a,a} = a

Luego, Xx + (1 - A)y G Sa .

b) Ahora supongamos que S a es convexo, y probemos que /(•) es cuasicóncava.


Para ello, definamos

a = m ín{/(x), f ( y) } con x, y € C fijos

Entonces f ( x ) > a y f ( y ) > ot. Y, por la convexidad de SQ, tenemos que


Xx + (1 - X)y € SQ, y así,

/( A i + (1 - A)y) > a = m ín{/(x), f ( y) }

que es la definición de cuasiconcavidad. ■

Ejemplo 8. (U na clase especial de funciones cuasicóncavas)


Todas las funciones (Cobb-Douglas) f ( x , y ) = x 1y con /?, 7 > 0 son cuasi­
cóncavas estrictas en R++ (figura 14), porque para todo a > 0 , el conjunto de
nivel superior a a,

Sa = { ( x, y) € R++ I f ( x , y ) > a} = {(x,y) 6 R++ | x~>y0 > a}

= |(x,y)€R++| j / > ^ |

es un conjunto convexo (la prueba de esto es similar a la del ejemplo 7). En


particular, observemos que si 7 + /? > 1 , entonces /(•) es cuasicóncava estricta,
pero no es cóncava.
24 Matemáticas básicas para economistas 3: Optimización y dinámica

Figura 14. S n para la función f { x , y ) = x ay ”', a , /? > 0; x, y > 0.

Ejem plo 9. (U na función cuasicóncava y convexa)


Existen funciones cuasicóncavas que inclusive son convexas (y no son lineales):
Si f ( x ) = x 2, x > 0, entonces para a > 0,

SQ = {x e R+ | i 2 > a} = { i 6 K+ | x > y/a }

es un intervalo y, por lo tanto, es un conjunto convexo.

Teorema 11. (Álgebra de fu n cio n es cuasicóncavas)

Si f(' ), g(') son dos funciones cuasicóncavas, entonces se cumple que:

a) La función h(’) = / ( • ) + a, a G R , es cuasicóncava.

b) La función h(>) = a /( - ) es cuasicóncava, si a > 0.

c) La función /i(-) = / ( • ) + g(-) no es necesariamente cuasicóncava.

d) Ni la función /i(-) = /(•) g(-), ni h(-) = /(*)/p(*) son necesariamente


cuasicóncavas.

e) Si F(') es estrictamente creciente, entonces la función compuesta (F o


/)(•) también es cuasicóncava. Si además /(•) es cuasicóncava estricta,
entonces ( F o / ) ( - ) es cuasicóncava estricta.

D em ostración.
a) Si f ( \ x + (1 —A)y) > m ín { /(x ),/(y )} , entonces

/ ( Xx + (1 - A)y) + a > mín{/(ar), f( y) } + a


Lección 1: Funciones cóncavas y cuasicóncavas 25

b) Si / ( Ax + (1 —X)y) > m ín { /(x ),/(y )} , entonces


af ( Xx + (1 - A)y) > am ín { /(x ), f{y)} = m ín{af ( x) , af {y) }

c) La esencia de la dificultad aquí radica en que la función mín{x, y} no es


lineal. Por ejemplo, para x > 0, sean f ( x ) = x 2 y g(x) = —x. Entonces
( / + 9)(x ) = x 2 — x no es cuasicóncava, pues si x = 0 , y = 1 y A = 5 ,

( / + g)(Xx + (1 - A)y) = - \ < mín { (/ + <,)(0), ( / + fl)(l)} = 0

Sin embargo, /(•) y g(‘) sí lo son, pues f ( x) = x 2(x > 0) es cuasicónca-


va estricta (ejemplo 9 y figura 15a), y g(x) = —x es lineal y, por tanto,
cuasicóncava.
d) Si f ( x ) = x, entonces f 2(x) = x 2 no es cuasicóncava en R. De otro lado,
si f ( x ) = x 3 y g(x) = x, entonces f ( x) / g( x) = x 2, x ± 0 , que no es
cuasicóncava.
e) Si f ( Xx + (1 —X)y) > mín{ f ( x ) , f ( y ) } y F(z) > F(w) si z > w, entonces
F( f ( Xx + (1 - X)y)) > F(m ín{/(x), f ( y) }) = m ín { F (/(x ))f F(f ( y))}. m

Figura 15. En el panel a) una función cuasicóncava y convexa y =


x2, x > 0. En el panel b) se muestra que las combinaciones convexas
Xx + (1 - A)y, A £ (0,1) siempre obtienen un mayor valor cuando la
función es cuasicóncava estricta.

N ota 4. (U na propiedad im portante)


La definición de cuasiconcavidad estricta implica, en particular, que si /( x ) =
f ( y) = oí con x / i / , entonces / ( Ax 4 - (1 — A)y) > a para todo A € (0,1).
Es decir, las combinaciones convexas Ax + (1 —A)y, X G (0,1), tienen siempre
mayor valor que los puntos x, y, cuando estos dos estén en la misma curva de
nivel (figura 15b). ▲
26 Matemáticas básicas para economistas 3: Optimización y dinámica

Hasta aquí hemos especificado la cuasiconcavidad sin hacer referencia a la di-


ferenciabilidad de las funciones; sin embargo, si la función /(•) es diferenciable
(una o dos veces), podemos caracterizar la cuasiconcavidad mediante los teo­
remas siguientes:
Teorema 12. ( C ondición de p rim e r orden de las fu n cio n es cuasicón-
cavas)
Sea f : C —>R diferenciable en el interior de C. Entonces /(•) es cuasicóncava
(estricta) en C si, y solo si, f ( x ) > f {y) implica

V /(y )(z - y) > 0 ( V/ ( y) ( x - y ) > 0)

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)

lo cual, para x ^ y, es igual a

(1 - A)(x - y)
Dado que /(•) es diferenciable, tenemos que

b) Supongamos que f ( x ) > f ( y) implica f ' ( y) ( x — y) > 0 y probemos que


/(•) es cuasicóncava. Sean x , y en el interior de C tales que f ( x ) > f ( y)
y definamos la función <t> : [0 , 1] —» R como = / ( Xx + (1 —A)y) =
/ ( X(x —y) 4-y), la cual también es continua y diferenciable. Para demostrar
que /(•) es cuasicóncava, debe ser que <p(X) > <j>(0) para todo A £ (0,1).
Supongamos, por el contrario, que <¡>(X) < 0(0) para algún A € (0,1).
Entonces podemos encontrar Ao 6 (0,1) tal que <£(Ao) < 0(0) y 0'(Ao) < 0.
Por la regla de la cadena

¿'(Ao) = / ' ( Ao(x - y) + y){x - y) < 0

Y como hemos supuesto que

0(0) = } { y) > /(Ao(x - y) + y) = <£(A0)


Lección 1: Funciones cóncavas y cuasicóncavas 27

entonces, por hipótesis,


/'(A 0(x - y) + 2/)A0(x - y) > 0
lo cual es una contradicción.
La demostración para las funciones cuasicóncavas estrictas es similar. ■

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

Y si a esta curva y( x ) nos es posible calcularle la segunda derivada, obtendre­


mos que
d2y _ d 'df/dx
dx2 dx df/dy\

&L + d 2f dyl \ d 2f & ±dy


dy d x 2 + d y d x dx J dx dxdy d y 2 dx

(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

que es el criterio que determina la cuasiconcavidad-cuasiconvexidad de /(•).


Es precisamente a este determinante al que llamaremos (en el caso 2 x 2) el
hessiano orlado (de orden 2 ) correspondiente a /(•, •).

Definición 5. (M atriz hessiana orlada)


Dada / : C —> R, definimos, para r < n, la matriz hessiana orlada de orden r
(correspondiente a /(•)) como la matriz

’0 dL OL
Oxi Sh dxr

dL &± e*f 02f


dx\ dx{ dx\0x2 Ox\dx,

ÊL d*f
0X2 dx2dx\ dx% dx*2ÓXj

OL oh d*f
Oxr dxrdx1 dxr'dx2 dxi

Observe que una función de n variables tiene n matrices hessianas orladas


, A i-

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) Si las matrices hessianas orladas satisfacen (—l) r | Dr |> 0 para todo x


en C, y todo r = 1 ,2 ,... ¿n entonces /(•) es cuasicóncava estricta en
C.

b) En el caso de dos variables, tendremos que /(♦, •) es cuasicóncava si la


matriz hessiana orlada
0 a c
a A B
c B C_

a j a _
donde - ddfx , c -- 9 f Aa -- d2f
d x 2 , Bn -- ^02 f , C
n -- d2f , ,
^ , satisface

i) a > 0 y c > 0 ; ó, a < 0 y c < 0


ii) a2C —2 acB 4 - (?A < 0
Lección 1: Funciones cóncavas y cuasicóncavas 29

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

h(y 2 ) < (1 - A)h(y0) + Xh(yi) = (1 - A)x0 + Axi = x 2


Luego
= / ( % 2 )>2/2 ) < f ( x 2ty 2)
Por lo tanto, /( x o , 2/o) = /(^ i> 2/i) implica

/((1 - A)(x0, yo) + A(*i, 2/ 1))


= / f e , 2/2 ) > f ( h{y2), y2) = a
= f ( x o, yo)
que es la condición de cuasiconcavidad para este caso.

Ahora supongamos que f ( x \ , y i ) > /(xo,yo)> y sea \ el máximo A tal que

/ ( ( 1 - A)(x0 , 2/o) + H x i, yi )) = f ( xo>yo)

Sea (x2, y2) = (1 —Á)(xo,yo) + Á(xi,j/i). Si 0 < A < A, entonces podemos


escribir
(1
- A)(x0,í/o) + A (xi,yi) = (1 - t)(x0, y0) -h t{x2, y2)
donde t = A/Á.

Como f ( x 2, y2) = /(xo,?/o), entonces tendremos que

/ ( ( 1 - A)(x0 ,y0) + A(xi,?/i)) = / ( ( 1 - t)(x0, y0) + t (x2, y2)) > f ( x 0jy0)

Y aplicando continuidad y la definición de A, se tendrá que

/ ( ( 1 - A)(x0 , 2/o) + A(xi,í/i)) > f { x 0, y0)

Esto muestra que /(*,*) es cuasicóncava. ■


10 Arrow, K. J., Enthoven, A. C. (1961), Quasi-Concave Programming, Econometrica,
vol. 29, 779-800.
30 Matemáticas básicas para economistas 3: Optimización y dinámica

E jem plo 10.


Probemos mediante el criterio del hessiano orlado del teorema anterior, que la
función f ( x , y ) = x ayP, <*,/?> 0 , es cuasicóncava en

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.

b) Además, se tiene que

a2C — 2acB + c2A = (a x a~1y ^ ^/3(/3 — l)# “?/3-2^ —

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 .

Por lo tanto, se tiene la cuasiconcavidad de /(•, •).

Ejem plo 11.


Podemos probar que /( x , y) = yex (figura 16) es cuasicóncava en R 2 utilizando
el criterio del hessiano orlado. En efecto: aquí a = yex yc = ex , A = yex, B = ex,
C = 0, y vemos que:
Lección 1: Funciones cóncavas y cuasicóncavas 31

a) En primer lugar, a > O y c > 0.

b) Además,

a2C - 2acB + c2A = O(ye*)2 - 2 (ye1) (ex) (e1) + (e1)2 (ye1)


- - 2 ye3x + ye3x = - ye31 < O

de tal forma que /(*,•) es cuasicóncava.

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:

a) /( z , y) = y/x + y/y, con x, y > 0


b) / ( x , y) = x 2 + y, con x ,y > 0
c) f ( x , y ) = (x + y)3, con x, y > 0
d) / ( x , y) = (xa + y0)1/0 , con x , p 0 y a > 0
e) f i x ->y) — máx{ 3 x , 42/}, c o n x , y > 0
f) f ( x >y) = ( * - + { y - é )2> con x ,y > 0
g) f ( x iV) = (lnx)Q + (lny)^, con a,/3 > 0 , x > 1 , y > 1
h) f ( x iV) = z ( 2/ + 4), con x ,y > 0
i) /(x, y) = lOOx — 10x2 + 10xy, con x, y > 0
j) /(®»y) = 200í/ — 15?/2 + lOxy, con x, y > 0
2 . ¿Será que la propiedad b) del teorema 11 es sólo cierta para a > 0 ? Si es
así, escriba un ejemplo en el que no sea cierto para a < 0. Si no es así,
entonces pruebe el resultado.

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

De discusiones previas (volumen 2, lección 3) ha quedado claro que la teoría


económica convencional está construida, en gran parte, sobre la base de ta­
sas marginales decrecientes que, como veremos, están íntimamente ligadas a la
noción de concavidad (funciones cóncavas): funciones de utilidad cóncavas, fun­
ciones de producción cóncavas, etc. En cada uno de estos casos, la justificación
es diferente.
Una función de utilidad cóncava estricta (y que también se acostumbra a asu­
mir creciente) indica que más consume el agente cuando mayor satisfacción
obtiene, aunque este nivel de satisfacción es cada vez “menos intenso”. El con­
cepto de utilidad marginal decreciente fue utilizado quizá por primera vez por
Nicholas Bernoulli (1713) y Daniel Bernoulli (1738) para resolver la paradoja
de San Petersburgo (volumen 2 (Cálculo), lección 4). En sus inicios, algunos
economistas como Jereiny Bentham (1789)11 y Nassau Sénior (1836)12 utili­
zaron la idea, pues esta noción permitía conectar los conceptos de “deseo” de
las mercancías con la demanda efectiva. Posteriormente, todos los economis­
tas marginalistas (Jevons, Marshall, Walras y Pareto, entre otros) utilizarían
recurrentemente esta fundamental noción sobre el comportamiento individual
al tomar una decisión de consumo.

Por su parte, una función de producción cóncava estricta (y también creciente)


indica que, cuanto mayor sea el número de insumos utilizados, mayor será el
nivel de producción, aunque el rendimiento de la “máquina” (por desgaste y
otras limitaciones) es cada vez menor. Esta idea, conocida como la Ley de los
rendimientos marginales decrecientes o de la Productividad marginal decrecien­
te (para evitar confusiones con la idea de rendimientos decrecientes a escala),
fue pensada originalmente para aplicaciones a la economía de factores agrí­
colas, por A.R.J. Turgot en sus Observations de 1768, y por Thomas Robert
Malthus en su Essay on the Principie of Population de 1798. Posteriormente
fue aplicada, más generalmente, a otros factores de producción, por Johann
Heinrich von Thünen (1826),13 y otros. Pero la cima del concepto se encuentra

11 Bentham, J. (1789), An Introduction to the Principles of Morals and Legislation,


Kitchener: Batoche Books.
12 Senior, N. (1836), An Outline of the Science of Political Economy. London: Richard
Griffin and Company.
13 Von Thünen, J. H. (1826), Der Isolierte Staat in Beziehung auf Landwirthschaft un
National Ökonomie, vol 1. TVaducido al inglés por Carla M. Wartenberg, New York:
Pergamon Press Oxford. 1966.
Lección 1: Funciones cóncavas y cuasicóncavas 33

en el trabajo de John Bates Clark (1889, 1891, 1899)14, 15, 16 y en el de Philip


H. Wicksteed (1894).17
La relación entre concavidad y marginalidad decreciente de la utilidad o de la
productividad se puede escribir formalmente. Asumamos que podemos repre­
sentar la utilidad o la producción por medio de una función dos veces diferen-
ciable con continuidad F : C -» R con C C R 2 un conjunto convexo, abierto
y no vacío. Note que con la hipótesis de convexidad de C asumimos que los
bienes son perfectamente divisibles,18 de tal forma que tenga sentido hablar
de cambios infinitesimales en el consumo o en la producción de los mismos.
Así, podemos representar la utilidad o la productividad marginal del bien Xi
dF
(i = 1 , 2 ) como la derivada parcial ——. Claramente, un signo positivo de esta
(J X {
derivada confirmaría que el aumento de la cantidad de X{ aumenta el nivel de
utilidad o de producción. Por otro lado, la hipótesis de utilidad o de producti-
d2F
vidad marginal decreciente del bien X{ se escribe < 0 , y la de la utilidad
uxf
d2F
o la productividad marginal no creciente del bien X{ se escribe < 0.

Teorema 14. (C oncavidad e stric ta => m arginalidad decreciente)


Sea F : C R una función de utilidad o de producción, dos veces diferenciable
con continuidad, donde C C R 2 es abierto, convexo y no vacío.

a) Si la función de utilidad o de producción es cóncava estricta, entonces tiene


utilidades o productividades marginales decrecientes.

b) Si C C R, la función de utilidad o de producción es cóncava estricta si, y


solo si, tiene utilidad o productividad marginal decreciente.

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

14 Clark, J. B. (1889), Possibility of a Scientific Law of Wages. Publications of The


American Economic Association.
15 Clark, J. B. (1891), “Distribution as Determined by a Law of Rent”, Quarierly
Journal of Economics, vol. 5(3), 289-318.
16 Clark, J. B. (1899), The Distribution of Wealth: A Theory of Wages, Interest and
Profits, New York: Macmillan.
17 Wicksteed, Philip H. (1894), An Essay of the Co-ordination of the Laws of Distribu­
tion, London: London School of Economics.
18 Volumen 1 (Álgebra lineal), lección 8.
34 Matemáticas básicas para economistas 3: Optimización y dinámica

marginalidades decrecientes, aunque no es cóncava. Aun así, por una aplicación


directa del teorema 13, se tiene el siguiente resultado:

Teorema 15. (M arginalidad decreciente y cuasiconcavidad)


Sea F : C R una función de utilidad (o de producción) monótona creciente
en cada uno de sus argumentos, y dos veces diferenciable con continuidad,
donde C C R 2 es abierto, convexo y no vacío. Si la función tiene utilidades (o
d2F
productividades) marginales decrecientes y - ■ > 0 , entonces la función de
oxoy
utilidad (o de producción) es cuasicóncava estricta.

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

Figura 17. Función de producción según Wicksell (1901,1902).

27 Smith, A. (1776b), Investigación sobre la naturaleza y causas de la riqueza de las


Naciones, México: Fondo de Cultura Económica.
28 Young, A. (1928), Increasing Returns and Economic Progress, Economic Journal,
vol. 38(152), 527-542.
29 Kaldor, N. (1966), Causes of the Slow Rate of Economic Growth in the UK. UK:
Cambridge.
36 Matemáticas básicas para economistas 3: Optimización y dinámica

A continuación presentaremos una perspectiva no marginalista desde donde se


han estudiado los rendimientos a escala, y que se centra en el problema del
tipo de escala.

Definición 6. (C onjunto de producción)


Definimos un plan de producción como un vector y de la forma y = (y i, . . . , yn) G
Rn tal que cada yi identifica cuánto del í-ésimo bien se ha utilizado en ese plan.
Si yi < 0 , el bien se ha empleado como insumo en el plan de producción; si
yi > 0 , el bien es un producto final del plan; y si yi = 0 el bien no se ha
utilizado en el plan. Al conjunto Y C Rn de todos los planes de producción
disponibles lo llamamos conjunto de producción.

Para utilizar los conjuntos de producción en la elaboración de una teoría de


la producción es necesario dotarlos de ciertas propiedades matemáticas. A lo
largo de esta sección supondremos que los conjuntos de producción Y son
subconjuntos no vacíos de R n tales que si y G Y y z < y, entonces z G K30;
es decir, que dadas ciertas cantidades de insumos, siempre es posible producir
menos que lo que se produciría con aquellas cantidades.
Ahora, dado un plan de producción y en un conjunto de producción Y , cambiar
la escala de operación es multiplicar y por un número no negativo A. Aumentar
la escala es permitir a A ser mayor que 1 ; y disminuirla es permitir a A ser
menor que 1 .

D efinición 7. (R endim ientos a escala para conjuntos de producción)


Dado un conjunto de producción Y , diremos que:

a) Y tiene rendimientos crecientes a escala si se tiene que cuando y G Y ,


entonces Ay € Y para todo A > 1 (figura 18a).

b) Y tiene rendimientos decrecientes a escala si se tiene que cuando y G F ,


entonces Ay e Y para todo 0 < A < 1 (figura 18b).

c) Y tiene rendimientos constantes a escala si se tiene que cuando y G Y ,


entonces Ay G F para todo A > 0 (figura 18c). Así, Y tiene rendimientos
constantes a escala si, y solo si, tiene rendimientos crecientes y decrecientes
a escala.

Los siguientes teoremas establecen la conexión directa entre el concepto de


cambio de escala y el de convexidad del conjunto de producción 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

producto producto producto

a) b) c)

Figura 18. En el panel a): un conjunto de producción con rendi­


mientos crecientes a escala. En el panel b): un conjunto de pro­
ducción con rendimientos decrecientes a escala. En el panel c): un
conjunto con rendimientos constantes a escala.

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 . ■

Como vimos en la sección anterior, es usual estudiar la teoría de la produc­


ción haciendo uso de funciones de producción. A continuación relacionamos
los conceptos de conjunto de producción y de función de producción. Para ello
supondremos, en adelante, que el conjunto de producción Y es un subconjunto
no-vacío y cerrado de Rn.

D efinición 8. (Función de producción)


Si y C Mn es un conjunto de producción de n —1 insumos y un sólo producto,
31 Recordemos (volumen 1 (Álgebra lineal)) que un conjunto Y C Rn y 0 G Y es un
cono (con vértice en 0) si para cada y € y y A > 0 s e tiene que Ay € Y.
38 Matemáticas básicas para economistas 3: Optimización y dinámica

podemos describir cada plan de producción en Y como un vector de la forma


(y, —z) con —z = (—zi, —Z2 , . . . , —zn_ i), de forma que diferenciemos el produc­
to y de los insumos z . Con esto, podemos definir la función de producción f( z )
asociada al conjunto de producción Y que denota la máxima producción posible
para cada nivel de insumos z = ( z i,. . . , zn), es decir, para cada z definimos

f ( z ) = máx{ y | (y, - z ) € K}

Así, la función de producción está determinada por la frontera superior del


conjunto de producción (figura 19).

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

Por otro lado, supongamos que la función de producción es cóncava y sean


(y , —z), (?/, —z f) € y , A € (0 , 1 ). Por definición de concavidad y de la función
de producción, sabemos que

}{Xz + (1 - X)z') > Af( z ) + (1 - X )f(z') > Xy + (1 - A)y' > 0;

por lo tanto, A(y, —z) + (1 —A)(?/, —zf) G Y ; es decir, Y es convexo. ■

De los teoremas 16 y 18, obtenemos, inmediatamente, el siguiente resultado:


Corolario 1.
Si la función de producción /(•) asociada al conjunto de producción Y es cón­
cava y satisface /(O) = 0, entonces Y tiene rendimientos decrecientes a escala.

Después de estudiar el concepto de escala en conjuntos de producción, nos


corresponde analizar este concepto para funciones de producción, y relacionarlo
con la noción de concavidad de éstas. Comencemos por las definiciones básicas:

Definición 9. (R endim ientos a escala para funciones de producción)


Sea / : D —> R, donde D C R o D C R2, una función tal que si x G D se tiene
que Ax 6 D para todo A > 0. Entonces diremos que /(•):

a) Tiene rendimientos decrecientes a escala si, y solo si, para todo A > 1,

/(Ax) < A/(x)

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 ,

/(Ax) > A /(x)

De la definición 9 es inmediato el siguiente resultado:

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

a) La función de producción f( x ) = ln(x + 1) para x > 0, tiene rendimientos


decrecientes a escala pues ln(Ax + 1) < Aln(x 4 - 1) para cualquier A > 1 .
En efecto: la anterior desigualdad es equivalente a ( x + l ) A > Ax + 1, que
es una consecuencia directa del teorema binomial de Newton (volumen 0
(Fundamentos) y volumen 2 (Cálculo)).
b) La función de producción f( x ) = ex para x > 2 tiene rendimientos crecien­
tes a escala pues eAx > A(ex) conduce, cuando A ^ 1 , a que x > InA*31,
y esto es cierto ya que 2 > h^A*^1) para todo A > 1 . La dificultad, aquí,
radica en que si 0 < x < 2 .entonces x > lnA ^ - 1 puede no tenerse para
algunos A’s. A

Y ahora relacionamos los rendimientos a escala en los conjuntos de produc­


ción con los rendimientos a escala en las funciones de producción mediante el
siguiente importante teorema.
T eorem a 20. (F un ció n de p ro d u cció n , re n d im ie n to s a escala, y co n ­
ju n to s de producción)
Sea Y C R n un conjunto de producción de una tecnología que produce un único
bien y utilizando insumos z € R+“ 1; y sean, además,

Z = { z e R l- 1 \( y ,- z ) e Y }

y f : Z —>R la función de producción asociada a Y . Entonces:


a) /(•) tiene rendimientos crecientes a escala si, y solo si, Y tiene rendi­
mientos crecientes a escala.
b) /(•) tiene rendimientos constantes a escala si, y solo si, Y tiene rendi­
mientos constantes a escala.

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.

c) Supongamos que /(•) tiene rendimientos decrecientes a escala, y sea (y , —z) G


Y . Probemos que A(y, —z) G Y para todo 0 < A < 1. Por definición,
^y < y, por hipótesis, tenemos que f( j X z ) < jf(X z ); por lo tanto,
t y < A /(z) < f { \ z ) para todo 0 < A < 1. Por otro lado, si Y tiene rendi­
mientos decrecientes a escala, entonces j f ( X z ) < f ( j \ z ) para todo A > 1 ,
por lo cual, /(Az) < Af( z ) para todo A > 1. ■

Y el siguiente es uno de los resultados centrales de esta sección.

Teorema 21 ( Concavidad => rendim ientos decrecientes a escala).


Sea / : £ ) - > R una función de producción y /(O) = 0. Si /(•) es cóncava
entonces /(•) tiene rendimientos decrecientes a escala.

D em ostración.
Es consecuencia directa del corolario 1 y del teorema 20. ■

N ota 5. (M itos en la teoría básica de la producción)


Aunque la concavidad de la función de producción (con / ( 0 ) = 0 ) implica ren­
dimientos decrecientes a escala, la relación entre las nociones de rendimientos
a escala y concavidad-convexidad no es inmediata. Invitamos al lector a dar
ejemplos que ilustren las siguientes afirmaciones:

a) Los rendimientos decrecientes a escala de una función de producción, no


implican su concavidad. [Indicación: f( x ) = e~x para x > 0]

b) La convexidad de la función de producción no implica un tipo particular de


rendimientos a escala. [Indicación: f( x ) — ex para x > 0]

c) Los rendimientos crecientes a escala de una función de producción no im­


plican su convexidad. [Indicación: una función Cobb-Douglas con suma de
exponentes mayor que 1 podría servir (ejemplo 6 )]
42 Matemáticas básicas para economistas 3: Optimización y dinámica

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.

i) Sobre la existen cia de una función de utilidad bajo certidum bre

a) En primer lugar, asumimos que todo consumidor selecciona sus planes (o


canastas) de consumo dentro del espacio cartesiano de mercancías RIf. =
{x € Rn/x > 0} donde n es el número de mercancías disponibles en el
mercado. Notamos a este conjunto, llamado conjunto de consumo del con­
sumidor,, mediante X , y asumiremos entonces que éste es un subconjunto

32 Hicks, J. y Allen, R., (1934), A Reconsideration of the Theory of Value, Economica,


vol. 1(1), 52-76.
33 Von Neumann y Morgenstern, O., (1944), Theory of Games and Economic Behavior,
Princeton: Princeton University Press.
34 Arrow, Kenneth J. (1951), Alternative Approaches to the Theory of Choice in
Risk-Taking Situation, Econometricay vol. 19, 404-437.
35 Herstein, Israel y Milnor, (1953), An Axiomatic Approach to Measurable Utility,
Econometrica, vol. 21, 291-297.
36 Debreu, G. (1899), Representation of a Preference Ordering by a Numerical Function,
in Decision Processes, ed. by R. M. Thrall, C. H. Coombs, and R. L. Davis. New
York: Wiley (1899).
37 Savage, Leonard J. (1954), The Foundations of Statistics. New York: Wiley and Sons.
Lección 1: Funciones cóncavas y cuasicóncavas 43

no vacio, cerrado y convexo de R+.

b) En segundo lugar, asumimos también que este consumidor tiene un criterio


de selección entre los diversos planes de consumo en X , que está estructu­
rado de la siguiente forma:
Dados dos planes de consumo x i,x 2 € X , éstos son siempre comparables
mediante cierta relación definida sobre X , la cual notamos =^, tal que

xi ^ x2 ó x 2 =4 x i (*)

La primera relación se lee como x \ es a lo más tan deseado como x2; y la


segunda se lee x 2 es a lo más tan deseado como x \.
Para que opere como una relación de preferencia, además de asumir que
es una relación completa (es decir, que cualesquiera dos planes de consumo
sean comparables a la manera de (*)); también asumimos que es reflexiva
(es decir, x \ x \ para todo x \ € X ) y que es transitiva (es decir, si
X2 y X2 ^ X3 , entonces x \ =<: x$ para todo x i,x 2 ,x 3 G X ). Todos estos
supuestos hacen de un preorden completo sobre X .3S
Además, si sucede que x \ ^ x 2 y x 2 ^ x i, entonces diremos que los planes
x \ y x 2 son indiferentes, y escribimos x\ ~ x 2. Y si se da el caso que x \ ^ x 2
pero no que x 2 x i, entonces diremos que x 2 es (estrictamente) preferido
a xi, y lo notaremos por x \ -< x 2, o bien x 2 >- x \. Puede observarse que
la relación definida sobre X por ~ (llamada relación de indiferencia) es
reflexiva, transitiva y, además, simétrica (es decir, xi ~ x 2 implica x 2 ~ x \
para todo x i,x 2 € X ); por tanto, es una relación de equivalencia sobre X
que genera clases disyuntas de equivalencia :39 para un x \ € X fijo, su clase
de equivalencia, que en este contexto llamaremos una clase de indiferencia
(Edgeworth (1881)40), es el conjunto

[xi] = {x € X | x ~ xi}

Así, un plan de consumo x € X cualquiera, pertenece a su clase de indife­


rencia, y a ninguna otra. En otras palabras, se ha “particionado” el conjunto
de consumo X en clases disjuntas de indiferencia, como se muestra en la
figura 20 .

c) Ahora que hemos partido el conjunto de consumo en clases disjuntas de


indiferencia a través de la relación ordinal entre planes de consumo, la
38 Volumen 0 (Fundamentos).
40 Edgeworth,
Ibíd' Prancis Y. (1881), Mathematical Psychics: An Essay on the Application
of Mathematics to the Moral Sciences, London: Kegan Paul and Co.
44 Matemáticas básicas para èconomistas 3: Optimización y dinámica

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

Figura 20. Curvas de indiferencia sobre R+.

D efinición 10. (Función de utilidad)


Una función de utilidad (continua) sobre el conjunto de consumo X preor-
denado por es una función continua u : X —>R tal que

a) x \ ^ x 2 si, y solo si, u (x 1) < u (x 2).


b) £1 ~ x 2 si, y solo si, u (x 1) = u (x 2).

Con esta definición tenemos el siguiente teorema:

Teorem a 22. (E xisten cia de la función de utilidad (E ilenberg (1941))


Si para todo x ' 6 X , los conjuntos

{x € X I x =3! x r} {x € X I x £= 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 ■

N ota 6. (Orden lexicográfico)


Un ejemplo de preorden completo que no puede representarse mediante una
función de utilidad es el orden lexicográfico42 en R2 . Este es, por definición,
(a, 6) -< (a', b') si (i) a < a' ó (ii) a = a' y b < b'. Veamos esto más
claramente: supongamos que u(-) es una función de utilidad que representa
las preferencias lexicográficas. Entonces, para cada x \, x 2 G R+ con x i > x 2j
se tiene que
u (xi,2 ) > u (x i , l ) > u (x 2 , 2 ) > u (x 2 , 1 )
Además, para cada x G R+ podemos encontrar un racional r(x) tal que
u(x, 2 ) > r(x) > u(x, l) 43. Así, se tiene que si x \ > x 2 entonces

r(x i) > u (x i, 1) > u (x 2 , 2 ) > r (x 2)

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 .

Ii) Sobre la convexidad de las preferencias


Quizás por razones de índole más matemática que económica, se asumen ciertas
características de convexidad sobre las preferencias. Veamos cuáles son.

D efinición 11. (C onvexidad de las preferencias)


Sean x \ , x 2 G X con x \ ± x 2, para A G (0,1),

a) Si x 2 > # i, entonces Ax2 + (1 —A)xi x \ (convexidad débil de =^) (figura


21 a)).

b) Si x 2 y x \, entonces Ax2 + (1 —A)xi >- x \ (convexidad de =^) (figura 21 b)).

c) Si x 2 ~ x i, entonces Ax2 + (1 —A)xi y x \ (convexidad estricta de =<:) (figura


21 c)).

41 Debreu, G. (1959b), Theory of Value, An Axiomatic Analysis of Economic Equili-


42 brium, New Heaven and London: Yale University Press.
Es decir, el orden del diccionario.
Esta es una aplicación de la propiedad de densidad de los números racionales (volumen
0 (Fundamentos), lección 4).
46 Matemáticas básicas para economistas 3: Optimización y dinámica

Figura 21. En el panel a) unas preferencias con convexidad débil.


En el panel b) unas preferencias convexas. En el panel c) unas
preferencias =<: con convexidad estricta.

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:

convexidad estricta => convexidad ==> convexidad débil

D em o stració n .
Ver Debreu (1959a).44 ■

Y, finalmente, conectamos los conceptos de convexidad de las preferencias con


una noción ya familiar para nosotros: la de cuasiconcavidad de la función de
utilidad.

T eo rem a 24. (C o n v ex id ad d e p re fe re n c ia s y cu asico n cav id ad )


Sea tí(-) una función de utilidad para ^ (cuya existencia esté garantizada por
las condiciones del teorema 22); entonces:

a) ^ es convexa débil si, y solo si, w(-) es cuasicóncava.

b) es convexa estricta si, y solo si, u(-) es cuasicóncava estricta.

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). ■

Notemos el significado económico de esta hipótesis. Ya habíamos observado que


toda función cuasicóncava estricta u(x) tiene la propiedad de que si u(x) = a
y u(y) = a , donde x ,y G R2, y a > 0 , entonces u(Xx + (1 — A)y) > a,
A € (0,1); es decir, cualquier combinación estricta de los planes de consumo
x, y es siempre mejor (en términos del nivel de utilidad) que cualquiera de los
dos planes x, y. En otras palabras, un consumidor con una función de utilidad
cuasicóncava es aquel que no se especializa en ningún tipo de producto: siempre
prefiere combinar. De hecho, un carro de supermercado cargado con múltiples
productos describe tal comportamiento de consumo.

m) La función de utilidad esperada


Ya hemos visto cómo se modela la elección de los consumidores y productores
cuando éstos tienen plena certidumbre sobre los efectos de las acciones que to­
man. Vamos ahora a analizar cómo un agente racional puede tomar decisiones
bajo riesgo. Para entender el tipo de problemas al que nos enfrentamos, supon­
gamos que se nos ofrece la oportunidad de participar en el siguiente juego de
azar: se lanza una moneda (que suponemos no está cargada) hasta que salga
una cara, y si esto ocurre en el n-ésimo lanzamiento, se nos promete un pago
de 2n_1 monedas. ¿Cuánto estaríamos dispuestos a pagar para participar en
tal juego? Sabemos que e l11valor aduanal” del juego es igual al valor esperado
de los pagos del mismo, E(w); es decir

i ((1/2) ■2 + (1/4)2* + (l/8 )2 3 + • • • ) = 00

Por lo tanto, si valoramos el juego por su valor actuarial, deberíamos estar


dispuestos a pagar cualquier cantidad finita de dinero para tener el derecho
a jugar. Sin embargo, un poco de introspección nos deja ver que, en general,
nadie estará dispuesto a pagar más allá de cierta cantidad finita determinada .45
Esta es, precisamente, la ya mencionada Paradoja de San Petersburgo, debido
45 El lector puede hacer el siguiente ejercicio mental: imagine que en vez de una moneda
de oro se le diera un billete de $1 0 ,0 0 0 , ¿cuánto estaría dispuesto a pagar por ese
juego? Seguramente no más de $2 0 , 0 0 0 o $30,000.
48 Matemáticas básicas para economistas 3: Optimización y dinámica

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

Más aun: se puede mostrar (¿podría hacerlo el lector?), que si la utilidad


marginal es decreciente, entonces en este juego siempre se tiene que E (u) < oo,
quedando así “resuelta” la paradoja.
La teoría de Cramer y Bernoulli ha sido incorporada como una de las princi­
pales formas de modelar la elección de agentes bajo incertidumbre, y se conoce
como la teoría de la utilidad esperada (con probabilidades objetivas), que fuera
axiomatizada por primera vez por John von Neumann and Oskar Morgenstern
(1944)46 (y, posteriormente, por Leonard J. Savage (1954)47) y que presenta­
mos a continuación.

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

D efinición 12. (Lotería)


Sea X = { 1 ,..., n} el conjunto de resultados y

A P O = {(Pl,--.,Pn) € [0,1]"/P l + • • • + ? „ = 1}

el conjunto de todas las distribuciones de probabilidad que asignan probabili­


dad pi al elemento X{ € X . El conjunto A (X ) es el conjunto de loterías y a un
elemento p G A (X ) se le llama lotería.

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) Sea X = {cara, sello) el conjunto de resultados de lanzar una moneda.


Entonces el conjunto de loterías es el simplex unidimensional

A (X ) = { ( p , l - p ) / 0 < p < l }

y ( 5 , 3 ) es un ejemplo de lotería.

b) Sea X = {—$ 100 , $ 200 , $500} el conjunto de resultados de un proyecto de


inversión; entonces el conjunto de loterías es el simplex de dimensión 2 ,

A (X ) = { ( p , q , l - p - q ) / 0 < p < 1, 0 < q < 1 }

v) E xistencia de la función de utilidad esperada


A diferencia del caso bajo certidumbre, vemos que la función de utilidad espe­
rada satisface una condición muy importante:
50 Matemáticas básicas para economistas 3: Optimización y dinámica

D efinición 13. (Función de utilidad esperada)


Sea X = {1, . ..,n } el conjunto de resultados, A (X ) el espacio de loterías
asociado a éste y U : A (X ) R una función de utilidad sobre X . Si para todo
p,q e A (X ), X € [0,1], £/(•) satisface
U(Xp + (1 - X)q) = AU (p ) + (1 - A)U{q)
entonces diremos que U (•) es una función de utilidad esperada sobre el espacio
de loterías A (X ).
Con esta definición se tiene que
n

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).

48 Es decir, para todo p ,q ,r 6 A(X) se tiene: i) p ^ q 6 q =3 p; ii) Si p qy q =3 r,


entonces p ^ r (volumen 0 (Fundamentos)).
Lección 1: Funciones cóncavas y cuasicóncavas 51

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 .

A este tipo de funciones de utilidad esperada se les conoce como funciones de


utilidad tipo von Neumann-Morgenstern (vN-M) .

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 ,

V(As + (1 - X)t) = 0U(\s + (1 - A)í) + 7 = P(\U(s) + (1 - A)(7(t)) + 7


= A (t/(s) + 7 ) + (1 — + 7)
= AV (s) + (1 - A)V(t)

y, por lo tanto, K(-) es una función de utilidad esperada.


Por otro lado, supongamos que £/(•) y F(-) son funciones de utilidad esperada.
Sea r G A (X) y elijamos Ar G [0,1] tal que

U(r) = ArU(p) + (1 - Ar)U(q)

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

49 Herstein, Israel N. y Milnor, J. (1953), óp. cit..


Von Neumann, John y Morgenstern, O. (1944), óp. cit..
Fishburn, Peter C. (1994), Utility and Subjective Probability. Elsevier: Ams-
terdam.
52 Matemáticas básicas para economistas 3: Optimización y dinámica

cias, debe ser que

V (r) = A r V(p) + (1 - Xr)V(q) = \ rV(p) + (1 - Xr )V(q)


= \ r {V (p )- V (q ))+ V (q )

-gípT^ w <VM- 1'w >+ t'w


. _ PW W H - l 'W )
U ( p ) - U ( q ) U(r, + V W U (p)-U (q)
= ¡3U(r) + 7

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

decrecientes. Normalmente, los modelos que implican no convexidades obligan


tratamientos formales mucho más sutiles, complicados y hechos a la medida
de la situación a la mano. No existe aún una “caja de herramientas” para estos
modelos, aunque la teoría de juegos (clásica y no clásica), junto con las técnicas
de dinámica cualitativa y teoría de la probabilidad, han comenzado a abrir el
espacio. Este es parte del reto para los años que vienen .52 Al final, lo que debe
entenderse es que el fenómeno de los rendimientos crecientes a escala no es una
“anomalía” de la teoría económica estándar, sino un complemento.

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).

2. Pruebe que toda función convexa y cóncava es un hiperplano que no


necesariamente pasa por el origen.

3. ¿Será que toda función cuasiconvexa y cuasicóncava es entonces un hi­


perplano que no necesariamente pasa por el origen?

4. Pruebe que si /(•) y g(-) son convexas (cóncavas) en C, entonces m áx{/(-),


p(-)} también es convexa (cóncava) en C. ¿Qué pasa con mín{/(•)> 0 (‘)}?

5. Analice cuáles de las siguientes funciones son cóncavas (estrictas), con­


vexas (estrictas), cuasicóncavas (estrictas), cuasiconvexas (estrictas):

a) f ( x , y) = x a + Pya ; c* > 0 ; 0 < /? < 1 ; x, y > 0


b) } {x ,y ) = x + lny; x, y > 1
c) f ( x ,y ) = 3 x y - y 3 + l
d) f{ x ,y ) = 3x2 + y2 - l

6 . Si
x2 si x < 0
ln(rr + 1) si x > 0

¿Será /(•) cóncava (estricta)? ¿convexa (estricta)? ¿cuasicóncava (estric­


ta)? ¿cuasiconvexa (estricta)?

7. Pruebe que

es cuasiconvexa. ¿Será estrictamente cuasiconvexa? ¿Será convexa?

8 . Ya habíamos estudiado, en el volumen 2 (Cálculo), la función CES

/ ( z , y) = A [axp + Pyp] p

(donde x, y > 0, a, (3 > 0, —oo < p < 1 , p ± 0, A > 0) como función


de utilidad y de producción. ¿Bajo qué condiciones es cóncava (estricta),
convexa (estricta), cuasicóncava (estricta) o cuasiconvexa (estricta) esta
función?
Lección 1: Funciones cóncavas y cuasicóncavas 55

9. La función CRRA

/(« > - - r = r
^lnx si 7 = 1

con x > 0, 7 > 0, al igual que la función CARA

con x > 0, a > 0, también fueron estudiadas en el volumen 2 (Cálcu­


lo) como funciones de utilidad. ¿Bajo qué condiciones son estas funciones
cóncavas (estrictas), convexas (estrictas), cuasicóncavas (estrictas) y cua-
siconvexas (estrictas)?

10. Utilizando el teorema 7, encuentre el valor máximo de P (x ,y ) = —x 2 —


y2 + 22 x + 18y — 102 , para x > 0 , y > 0 .

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)].

13. a) ¿Será que un punto crítico de una función cuasicóncava es de máxima


global?
b) ¿Será que un máximo local de una función cuasicóncava es un má­
ximo global? [Indicación: Tome f( x ) = [x ] ] 54 ¿Y si la función es
cuasicóncava estricta?

14. En R 2 construya conjuntos de producción:

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)

donde, para todo t > 0 y x € D, se tiene que tx € D.


Algunos ejemplos de funciones homogéneas son:

a) Si f( x ) = y/x, x > 0, entonces

f( tx ) = y/tx = y/ty/x = Ú f( x )

para todo t > 0 . Así, /(•) es homogénea de grado 1/ 2 .


b) Otro ejemplo es la función lineal f ( x ,y ) = x + y, x, y € R; aquí,

/( íx , ty) = tx + ty = t(x + y) = ¿/(x, y)

para todo t > 0. Así, /(*, •) es homogénea de grado 1.


c) Ahora consideremos la función /( x , y) = xy, x ,y € R; aquí,

f ( tx ,t y ) = (tx)(ty) = t2x y - t2f ( x t y)

para todo t > 0. Así, /(•,•) es homogénea de grado 2 .


X
d) Finalmente, consideremos la función /( x ,y ) = - , x ,y € R, y ^ 0;
y
aquí,
f(tx,ty) = ^ = j = f{x,y)
iy y
para todo t > 0 y, así, /(•, •) es homogénea de grado 0 .
e) Quizás no sobre advertir que no todas las funciones son homogéneas.
Tomemos, por ejemplo, la función lnx. ¿Podría el lector dar otro
ejemplo?
Lección 1: Funciones cóncavas y cuasicóncavas 57

Asuma / : D —>R+ con D C R + ó D C no vacíos, y pruebe que:

a) Si /(•) es homogénea de grado a con 0 < a < 1 , entonces /(♦) tiene


rendimientos decrecientes a escala.
b) Si /(•) es homogénea de grado a = 1, entonces /(•) tiene rendimientos
constantes a escala.
c) Si /(•) es homogénea de grado a > 1 , entonces /(•) tiene rendimientos
crecientes a escala.

16. Para las siguientes funciones determine si son homogéneas y, en caso de


que lo sean, su grado de homogeneidad:

a) f( x ) = \n x b) f( x ) = (x + 3)2

c) f ( x, y) = - d) f ( x, y) = (x + y )2
y

o /< * .» ) - « ■ * ’

17. Para las siguientes funciones, si es posible, determine el tipo de rendi­


mientos a escala que presentan; si lo considera necesario, en cada caso
restrinja el dominio donde se presenta el tipo de rendimiento:

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

18. ¿Será que si una función de producción es convexa y /(O) = 0, entonces


tiene rendimientos crecientes a escala?

19. ¿Será que los rendimientos marginales decrecientes implican o son impli­
cados por los rendimientos a escala decrecientes?

20. (*) Muestre que si C C es un cono convexo y / : C —>R es homogénea


de grado 1 y cuasicóncava, entonces /(♦) es, de hecho, cóncava.

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

el que a la muchacha le gusta sólo el pollo y el queso en su pizza, pero


al muchacho sólo le gusta el pollo y los champiñones, los obligaría, en
caso de cenar juntos, a escoger la pizza sólo con pollo, muestra bien lo
que queremos explicar. Aun así, cabe mencionar que en ningún caso
afirmamos que la función agregada de utilidad sea siempre la suma
de las funciones de utilidad de cada uno de los agentes. Sólo que este
ejemplo justifica el resultado cuando esto sí pueda tenerse. ¿Podría el
lector dar otro ejemplo que ilustre el punto anterior?
b) En 1982, los ganadores del premio Nobel en economía, Gerard Debreu
(ganador en 1983) y Tjalling Koopmans (ganador en 1975), presen­
taron el siguiente resultado .55 Si / = f \ + f 2 es cuasicóncava en C,
donde f \ y f 2 son dos funciones no constantes, entonces alguna de las
dos funciones es cóncava estricta en C. ¿Cómo podemos aplicar esto
al problema de agregación de la teoría del consumidor?
La generalización a n funciones / i , f 2, . . . , f n , todas ellas no constan­
tes, es que si / = f \ -f f 2 + • • • + f n es cuasicóncava, entonces a lo
más una de ellas no es cóncava estricta. ¿Podríamos -decir, a partir de
esto, algo acerca de los mecanismos de consumo en general?
22 . Considere las siguientes hipótesis sobre una familia de conjuntos de pro­
ducción {Yj}™=l y del conjunto de producción agregado de la economía,
Y = E ] =1Y f~

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)

a) Interprete económicamente cada una de las anteriores afirmaciones.


b) (*) Pruebe que si se cumple la condición de convexidad para Y , éste es
cerrado, y se satisface la condición de libre disponibilidad (viii) arri­
ba), entonces Y —R+ C Y (Debreu (1959)56). Interprete el significado
económico de este resultado.
55 Debreu, G. y C. Koopmans (1982), Additively Decomposed Quasiconvex Functions,
en “Mathematical Programming: Scientific Papers of Tjalling C. Koopmans” (1985),
Springer Verlag.
56 Debreu, G. (1959), The Theory of Value, An Axiomatic Analysis of Economic Equi­
librium. New Haven and London: Yale University Press.
Lección 1: Funciones cóncavas y cuasicóncavas 59

23. Pruebe que los conjuntos

{x G R+ | x ^4 x'}, {x G R+ | x > x 1}

para el orden lexicográfico, no son cerrados en R+.

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 /(•),

f ( x k ) = f i ^ k x + (1 - A k)yk) > ><kf{x) + (1 - Xk)f{yk)

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

f( x ) = f{X kx k + (1 - Ak)zk) > Xkf ( x k) + (1 - Xk)f(zk)


de tal forma que
f( x ) > lím sup f ( x k) (**)
k—►oo
De las dos desigualdades (*) y (**) se tiene que

lím ínf f(x k ) > f( x ) > lím sup f(x k )


k—too k—►oo
y sabiendo que
lím sup f{x k ) > lím ínf f{x k )
k ^ oo k->°°
se tiene, entonces, que

f( x ) = lím sup f( x k ) = lím ínf f(x k )


fc->oo fc^ ° °

y, por lo tanto, lím ^o o f(x k ) = f( x ) y, así, /(•) es continua en x. ■

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

una acción, utilice la mínima cantidad de energía necesaria para su ejecución.


Por ejemplo, es común observar que la trayectoria de una partícula o de una
onda en movimiento se completa siguiendo la trayectoria más corta o en el
menor tiempo posible. O ambos.
Un famoso ejemplo de esta economía del comportamiento físico lo descubrió
Herón de Alejandría en el siglo I d.C. Él encontraba que la igualdad de los
ángulos de incidencia y reflexión formados por un rayo de luz que alcanza a un
espejo plano se debe a que sigue la trayectoria más corta posible. Mil seiscientos
años más tarde, Fermat mostraría que también un principio del mínimo regía
el proceso de refracción de la luz. Y otros ejemplos importantes han surgido
en mecánica, electrodinámica, relatividad y física cuántica.
La búsqueda de propiedades de máximo y mínimo ha jugado un papel impor­
tante en el desarrollo de la ciencia moderna, e incluso se ha creído que, para
las leyes físicas, los principios del mínimo y del máximo son su acceso natural,
y hasta en ocasiones en la historia se ha buscado a través de ellos el principio
unificador de todas las ciencias.

1. Planteam iento del problema


Una típica (y muy común en la práctica) caracterización de problemas de
optimización es encontrar valores extremos de una función /( x , y) restringida
a un subconjunto bien especificado de R+:

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

tenemos que /( x , y) = x y , y g(x, y) = 5 - 3 x - 4 y.


Lección 2: Optimización estática 63

Figura 1. El problema de optimización

Ejemplo 2.
En el problema

Maximizar x+ y
sujeta a x 2 + y2 < 1
x > 0
y > 0

tenemos que / ( x , y) = x -1- y, y g (x , y) = 1 —x 2 —y2.

De manera semejante, los problemas de minimización de una función, sujeta a


una restricción funcionalmente bien especificada, también están considerados
de esta forma, puesto que el problema

Minimizar f ( x ,y)
sujeta a g (x, y) > 0
x >0
y >0

es equivalente al problema

Maximizar —/ (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):

a) Minimizar (x—l ) 2 -f y2 b) Minimizar x 2 —y 2


sujeta a y > x 2 -f 1 sujeta a 3x + 4y > 12
x > 0 x> 0
2/>0 y> 0

c) Minimizar 3x+7y d) Maximizar yex


sujeta a (x 3 4- y3) 5 > 100 sujeta a 2x + 8 y < 50
x > 0 x> 0
y > 0 y> 0

e) Minimizar 5x+2 y f) Minimizar 3x5+5y5


sujeta a 7x + 9y > 15 sujeta a x+ y> 2
x > 0 x > 0
y> 0 y >o

2. Optimización en conjuntos compactos:


el teorem a de W eierstrass
En la lección 1 del volumen 2, habíamos establecido que si / : [a, 6] —> R
es una función continua, entonces ésta alcanza un valor máximo y un valor
mínimo, ambos globales (figura 2). Este teorema, fundamental en la teoría de
la optimización de funciones de una sola variable, se puede generalizar así:
T eo rem a 1. (T eorem a de W eierstra ss)
Si f : S —>R , con 5 C R 2 com pacto (es decir, cerrado y acotado), es continua,
entonces alcanza un valor máximo y uno mínimo, ambos globales.
D e m o stració n .
Sea R = f ( S ) C R; como S es compacto (es decir, cerrado y acotado), enton­
ces R también es compacto y, así, existen a, A G R tales que a = mín R
y A = m áxi?; luego, a = /(xo,yo) y A = f ( x i , y i ) para ciertos puntos
(zo,yo)>(zi,yi) € S. m
Este es, quizá, el resultado básico de la teoría de la optimización matemática
y aquí lo utilizaremos ampliamente.
65

máximo global

mínimo global

a b
Figura 2. Máximo y mínimo global de una función continua sobre
un conjunto compacto.

En particular, si S = {(£,?/) € M2 | g{x,y) > 0 } es compacto, y la función


objetivo f( x ,y ) es continua, entonces el problema (KT) siempre tendrá solu­
ción. Esto lo utilizaremos de manera recurrente en el transcurso de la presente
lección.
Ahora: Puesto que ya conocemos condiciones para la existencia de soluciones
al problema (KT), sería muy conveniente, en este punto, preguntarnos por su
unicidad. El siguiente teorema da condiciones suficientes para esto:
Teorema 2. (U n teorema de unicidad)
Si el conjunto S = {(rr, y) € R+ | g{x, y) > 0} es convexo, y f{ x ,y ) es estric­
tamente cuasicóncava, entonces toda solución de (KT) es única.
D em ostración.
Supongamos que (xo, 2/o) y { x i,y i) son dos soluciones distintas al problema
(KT), y que, por lo tanto, f(xo ,yo ) = f ( x i ,y i ) . Entonces, para cualquier
A € (0 , 1 ), se tendrá que f ( \ x o + (1 - A)xi, Ayo + (1 - A)yi) > /( x i,y i) , dado
que /(•) es cuasicóncava estricta. Además, como S es convexo, claramente se
tiene que (Ax0 + (1 - A)aJi,Aí/o + (1 - A)yi) G S. Por lo tanto, (xi,y{) no
puede ser solución al problema (KT) y, por ende, sólo puede existir una única
solución. ■

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

2 garantizar que esta solución es única?

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

c) Minimizar 3x+7 y d) Maximizar yex


sujeta a (x2 + y 2) 3 > 1 sujeta a 2x + Sy < 50
x >0 x > 0
y> o y> 0

Maximizar 5x+2 y Maximizar 3x ^ + 5y 2


sujeta a 7x + 9y < 15 sujeta a x+y= 2
a: > 0 a; > 0

y >o y >0

[Indicación: dibuje el problema, y recuerde que el hecho de que el conjunto de


restricción no sea compacto no implica, automáticamente, que la solución no
exista.]

3. Optimización con restricciones de igualdad:


el m étodo de los multiplicadores de Lagrange
El método de los multiplicadores de Lagrange es la técnica tradicional para
resolver explícitamente problemas de optimización restringida cuando las fun­
ciones objetivo y de restricción son diferenciables con continuidad en R++.
Este método se centra en la solución específica del problema

Maximizar f(x ,y )
sujeta a g (xyy) = 0 (L)
x >0
y> 0

donde la restricción es de igualdad estricta. En adelante, a este problema lo


denotaremos por (L).
Lección 2: Optimización estática 67

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

En estos problemas de optimización restringida, a menudo las curvas de nivel


son de una gran ayuda visual para identificar la ubicación de las soluciones en
el plano. Recordemos que, en el primer cuadrante del plano, las curvas de nivel
(isocuantas) de la función / (x, y) = x y , son hipérbolas hacia el origen: para
ex.
a > 0, xy = a equivale a y = — (figura 3a).
x
Y la restricción del problema es que se deben satisfacer las condiciones 3x+4y =
5, x, y > 0 (figura 3b). Es decir, debemos buscar sobre el segmento de recta
de la figura 3b, el punto (x*,y*) (ambos mayores que cero) que haga /(x , y) lo
más grande posible. Si superponemos la figura 3a con la figura 3b y observamos
la dirección de crecimiento de las curvas de nivel, encontramos la figura 4.

Figura 3. Panel a): Curvas de nivel x y = a para distintos ct s.


Panel b): Restricción 3x + 4y = 5, x, y > 0.

Gráficamente, un punto como (x*,y*) en la figura 4 resuelve nuestro problema.


¿Cómo hallarlo? Lagrange encontró que, precisamente en (x*,y*), los vectores
gradientes V /(x*,y*) y Vg(x*,y*) ¡son paralelos! y que esto solo ocurre allí,
como se ve en la figura 4 cuando comparamos el comportamiento de los gra­
dientes V / y V g en los puntos (x*,í/*); por ejemplo, (x,y). Esto es, existe un
escalar A tal que
V f ( x \ y * ) = \ V g { x \ y ') . ( 1)
68 Matemáticas básicas para economistas 3: Optimización y dinámica

Figura 4. Curvas de nivel y recta de restricción.

Y en honor del descubridor de esta importante condición, al número A se le


llama multiplicador de Lagrange}

D efinición 1 . (C ondiciones de p rim e r o rd e n (C P O ) de L agrange)


Si /(*) y g(') son funciones diferenciabas con continuidad en K2+ +, y A € R,
definimos las condiciones de primer orden del problema de Lagrange (L) de la
siguiente forma:

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:

T eo rem a 3. (M ultiplicadores de Lagrange (Lagrange (1 7 8 8 )))


Supongamos que f : R++ —> R y g : R++ —> R tienen derivadas parciales
1 El término “multiplicador de Lagrange” fue acuñado solo hasta 1919 por Gillie A.
Larew en el artículo Necessary Conditions in the Problems of Mayer in the Calculus
of Variations, publicado en Transactions of the American Mathematical Society.
Lección 2: Optimización estática 69

continuas. Si (x * ,y*) e R++ resuelve el problema

Maximizar f ( x , y)
sujeta a g (x, y) = O (L)
x > O
y > O

entonces existe un número A ^ O tal que

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

en esa vecindad. Ahora: de la condición que surge de maximizar f( x ,y (x )) en


obtenemos que, en (x*,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 )

Llamemos ^ ) . Así, en (x * ,y *),


d y ^ 9y) U ,V )

df
dx = l(l)" í-í »
v, de manera similar,
70 Matemáticas básicas para economistas 3: Optimización y dinámica

De (2) y (3) se obtiene que

( d
l 21) = x (? l
\d x d y ) \d x d y )

o, lo que es igual,
| ( x * ,y * ) = ^9 | ( x *, y *) ■

N ota 1. (D efinición de lagrangiano2)


Existe una forma equivalente de resolver el problema (L). Definamos su la­
grangiano, £(•), como la función C : R++ x R++ x R —> R definida por
£ (x ,y , A) = f ( x ,y ) — \g ( x ,y ) . Entonces el problema de optimizar £ (x ,y , A)
nos conduce al problema (L). En efecto: las condiciones de primer orden para
optimizar £(•) son

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’

o, de forma más simple,

V /( 0 = <;(•) = 0

que son las condiciones de solución del problema (L).

E jem plo 3.
Resolvamos el problema

Maximizar xy
sujeta a 3x + 4y = 5
x >0
y >0

utilizando las condiciones de primer orden de Lagrange (figura 5).

2 Aunque la idea fundamental es de Lagrange (Mécanique Analytique (1788)), el término


“lagrangiano” fue acuñado, al parecer, por Samuel Zalil en 1962 en el artículo A
Deformation Method for Quadratic Programming que apareció en el Journal of the
Royal Statistical Society.
Lección 2: Optimización estática 71

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

V /(x*,y*) = (y*,x*) = A(3,4) = AV g (x \y * )

o, equivalentemente, un A ^ 0 tal que

= 4A, y * = 3A

Pero como 3x* + 4y* = 5, entonces 3(4A) + 4(3A) = 5. Y así, A = Por


consiguiente,

Figura 5. Solución gráfica del ejemplo 3.

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

Por lo tanto, A2 = ^ y tendremos que A = ± ^ = . Como debe ser x > 0, y > 0,


entonces la solución a las CPO es

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}

es compacto y f( x ,y ) = x + y es continua en 5, por el teorema de Weierstrass


existe solución al problema; además, dado que en los extremos del conjunto,
(0 , 1) y ( 1 , 0 ), la función objetivo f ( x yy) no toma su valor máximo sobre 5 ,
entonces el valor máximo es el previsto: f (x*, y*) = x* + y* = ^ ^ =
y/2.4 A
4 ¿El lector podría explicar por qué x" = y*? Es decir, ¿cuáles de las características del
problema hacen que las soluciones sean iguales?
Lección 2: Optimización estática 73

Vk
\

Figura 6 . Solución gráfica del ejemplo 4.

Ejemplo 5. (U n problem a geom étrico)


Para encontrar, entre todos los rectángulos inscritos en un círculo de radio i?,
el que tiene mayor área, podemos representar el área de un rectángulo como
el producto (2 x)( 2 y) de sus lados, donde x ,y son números positivos que satis­
facen la ecuación x 2 + y2 = R 2 (figura 7a). Este problema se puede solucionar
convirtiéndolo en el problema representado en la figura 7b. El problema es,
entonces,

Maximizar xy
sujeta a x 2 + y2 = R 2
x >0
y >o

Aquí, /( x , y) = x y , g (x, y) = x 2 + y2 - R 2, y dado que ambas funciones tienen


derivadas parciales continuas, queremos encontrar un A ^ O tal que

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

(x*)2 -f (y*)2 = 2(x *)2 = R 2

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)

Figura 7. En el panel a): Rectángulos inscritos en un círculo de


radio R. En el panel b): Transformación y solución gráfica del
ejemplo 5.

E jem p lo 6 . (O tro p ro b le m a g eo m étrico )


Queremos encontrar el diseño de un tanque cilindrico que contenga V litros de
agua, pero que utilice la menor cantidad de material en su construcción.
Solución.
La cantidad de material que se utiliza es igual a la suma de las áreas de la base
y de la pared del tanque; esto es, n r2 + 2nrh, donde r es el radio del cilindro
y h su altura. El volumen del tanque es n r2h. Así, el problema es
Minimizar n r2+2nrh
sujeta a ttr2h = V
r > 0
h >0
Aquí, / ( r , h) = —(nr2 + 2nr/i), g(r, h) = n r2h —V”; por lo tanto, se satisfacen
las condiciones del teorema de Lagrange, de manera que las soluciones (que
existen por el teorema de Weierstrass, y no pueden ser soluciones con r = 0 o
h = 0 ) deben estar entre las soluciones de las condiciones de primer orden, las
cuales son
—(2nr + 2ir/i, 27rr) = X(2nrh, n r2)
Lección 2: Optimización estática 75

Esto es equivalente a

—2nr — 27vh = \2 n rh , —2n r = Xnr2

lo que implica que A = —2 ^ 0; y así, r* = h*; de esto, reemplazando en la


restricción, obtenemos

Como se satisface Vg(x*,y*) / (0,0), la cantidad óptima de material a usar


es 3 v^7tV 2. A

Ejemplo 7. (La ley de la refracción de la luz (Ley de Snell (1627)))


Un punto móvil debe pasar de A a B (figura 8 ). En la trayectoria A M se mueve
con velocidad vj, y en la M B con velocidad v2. ¿Dónde deberíamos colocar el
punto M sobre la línea horizontal D D ' para que la trayectoria de A hasta B
pueda recorrerse lo más rápido posible?

Solución.

Sean a , 0 los ángulos desconocidos señalados en la figura 8 ; a y b las longitudes


conocidas de las perpendiculares de los puntos A y B a la línea horizontal
D D \ respectivamente; y c la distancia horizontal conocida entre tales puntos.
El tiempo requerido para recorrer el camino de A a B está dado por la función
7G Matemáticas básicas para economistas 3: Optimización y dinámica

Se requiere entonces encontrar el mínimo de la función ¿(a,/?) sujeta a la


relación entre los ángulos

a tan a + b tan (3 = c

Aquí, la función objetivo t(a, ¡3) es continua, el conjunto restricción es compac­


to y, por tanto, el problema cumple las condiciones del teorema de Weierstrass
para que tenga solución. Además, ninguna solución está en los extremos de
la restricción, como fácilmente puede comprobar el lector. Así, dado que se
cumplen las condiciones del teorema de Lagrange, la solución debe satisfacer
las condiciones de primer orden

Y esto, con un poco de álgebra, implica que


sen a v\
sen (3 V2
que es, precisamente, la ley de refracción de la luz. Según esto, un rayo de
luz se refractará en su paso de un medio a otro de tal forma que el tiempo
que transcurre de 1111 punto en 1111 medio, a otro punto en el otro medio, ¡es
minimol A

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)

donde A ^ 0. De allí obtenemos que


ay^P i
(3x P2
De esta igualdad despejemos y:

P20L
Lección 2: Optimización estática 77

y reemplacemos en la restricción, de forma que (figura 9)

* _ OlM
X ~ (a + P)pi

y, por tanto,
m
y
{a + P)p2

Como se cumple Vg(x*,y*) = (—P i,~ P 2) í (0,0), y (x*,y*) es la única solu­


ción de las CPO, ella es la solución al problema. Podemos afirmar esto, dado
que el conjunto S = { (x ,y ) € R+ | p \x + p2y = M } es compacto, la función
objetivo /( x , y) = x ay0 es continua y no es máxima en los bordes del conjunto
de restricción (teorema de Weierstrass). El máximo aquí viene dado entonces
por

/ qM y ( m a ap 0 M Q+0
^ \ ( Q + 0 )P i) \ ( a + (3)p2/ (a + 0 )a+0PiP2

Xeinos que este resultado generaliza el ejemplo 3. ▲


y

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:

(y,x) = A(l + y ,x + 3i/2)

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

y* = 0.56 y así, x* = 0.18

Dado que Vg(x*,y*) ^ (0,0), hemos encontrado el punto óptimo. ▲

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].

2 . Utilizando el método gráfico, decida si el problema de maximizar /( x , y) =


x 3 + y3 sobre la recta x + y = 1 tiene solución (asuma x > 0 , y > 0 ).

3. Resuelva analíticamente los siguientes problemas de optimización:

a) Minimizar x+y b) Maximizar xy


sujeta a xy - 7 sujeta a x +y=7
x > 0 x> 0
y >0 y > 0

Maximizar V x + y/ÿ y > 0

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

e) Maximizar x(y + 4) f) Minimizar 3x - 2y


sujeta a x2+ y = 7 sujeta a 2x y = 4
x >O x >0
y >O y > 0

4. Calcule los puntos sobre la curva x 2y = 2 más próximos al origen.

5. Encuentre el máximo volumen que puede contener un tanque cilindrico


con tapas, si se tiene una cantidad A de material para construirlo.

G. Entre los rectángulos con perímetro fijo, demuestre que el cuadrado es el


de mayor área.

7. a) Entre todos los triángulos inscritos en un círculo dado, demuestre que


el triángulo equilátero es el de mayor área.
b) ¿Cuál es el rectángulo de mayor área inscrito en un círculo?
c) ¿Y cuál es el polígono regular de mayor área inscrito en un círculo?

4. Optimización con restricciones de desigualdad: el


método (de) Kuhn-Tucker (1951, 1956)5,6
Otra caracterización fundamental de problemas de optimización es buscar valo­
res extremos de una función f{ x ,y ) cuando existen restricciones de desigualdad
bien determinadas funcionalmente dentro del dominio de elección. Un proble­
ma que aparece muy comúnmente es, en su forma más simple, así:

Maximizar f ( x , y)
sujeta a g(x, y) > 0 (KT)
x >0
y > 0

En lo que sigue mostraremos la aproximación de Harold Kuhn [1925- ] y Al-


bert Tucker [1905-1995] a este tipo de problemas, partiendo de las técnicas
de programación lineal desarrolladas previamente por George Dantzig y Jack
5Kuhn, Harold W. y Tucker, A. W. (1951), Linear Inequalities and Related Systems,
6 Princeton, NJ: Princeton University Press.
Kuhn, Harold A. y Tucker, A. W. (1956), Proceedings of the Second Berkeley Sympo-
sium on Mathematical Statistics and Probability: Nonlinear Programming, Berkeley:
University of California Press. J. Neyman (ed.).
80 Matemáticas básicas para economistas 3: Optimización y dinámica

Laderman en 1947. Kuhn y Tucker advirtieron la posibilidad y necesidad de


una generalización del método lineal, buscando resolver, particularmente, pro­
blemas de utilización eficiente de recursos cuando las funciones objetivo, y las
restricciones, no eran necesariamente lineales. Veamos entonces algunos ejem­
plos hacia los cuales está expresamente dirigida la técnica desarrollada por
estos dos matemáticos.
Ejem plo 10. (Soluciones de esquina)
Consideremos el siguiente problema,
Minimizar x+y
sujeta a x 2 + y2 > 1
x >0
y> o
Claramente, este problema es uno del tipo (KT) si hacemos f( x ,y ) = —(x + y)
y 9(x >y) = x 2 + y2 — 1. Es decir, el problema puede escribirse como
Maximizar —(x + y)
sujeta a x 2 + y2 — 1 > 0
x >0
y >o
Aquí podemos encontrar las soluciones gráficamente: éstas son (1,0) y (0,1)
(figura 10). Y obsérvese que en ambos casos la restricción x 2 + y2 > 1 se
satisface con igualdad, pero que la solución no es interior a R+, como se
estudiaba en el método de los multiplicadores de Lagrange. Estas soluciones se
conocen como soluciones de esquina o borde (por obvias razones), y el método
(de) Kuhn-Tucker es útil para hallarlas analíticamente, como veremos más
adelante.
Ejem plo 11. (Soluciones interiores a la restricción)
Consideremos el problema

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

Figura 11. Solución gráfica del ejemplo 11

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

definida por £(x, y, A) = f ( x ,y ) —Ag (x,y). Ya sabemos que las soluciones al


problema del lagrangiano

Maximizar f ( x yy)
sujeta a g (x , y) = 0 (L)
x >0
y >0
82 Matemáticas básicas para economistas 3: Optimización y dinámica

están dentro de las soluciones a las condiciones de primer orden

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 dividiendo por Ax y tomando el límite cuando Ax -* 0, es


Lección 2: Optimización estática 83

Figura 12. En el problema (KT) las soluciones de esquina tienen


pendiente negativa.

, 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

en (x*,y*, A*) (con respecto a x) siempre es cero: x*


) =0'
esta manera tendremos que

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:

0 d ¿ - XT y ^ ° ' ' »(*•»> * °

“» * ( s - As ) “ 0i X í M ~° (CP0)
84 Matemáticas básicas para economistas 3: Optimización y dinámica

N ota 2. (K uhn-Tucker generaliza Lagrange)


Observe que si g = 0 , x > 0, y > 0, las CPO son equivalentes a

„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 ■

Ejem plo 12.


Tomemos el problema
Maximizar x + y
sujeta a x 2 + y2 < 1
x >0
y >0
e intentemos resolverlo mediante el método de Kuhn-Tucker, aplicando el teo­
rema 4.
7 Arrow, Kenneth J., Hurwicz, L. y Uzawa, H. (1961), Constraint Qualifications in
Maximization Problems, Naval Research Logistics Quarterly.
U'cción 2: Optimización estática 85

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:

i) 1 + A(2x) < 0 ; 1 + A(2y) < 0 ; 1 - x2 - y2 > 0


ii) x (l + A(2x)) = 0; 2/(1 + A(2t/)) = 0; A(1 - x 2 - y2) = 0

Estudiamos cuatro casos:


1. Si x > 0, y > 0, entonces, de ii),

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* =

2. Si x > 0, y = 0, entonces de ii), A = — ^ 0 y así, x 2 = 1 ó x — 1. Sin


2x
embargo, no se satisface i), pues 1 + A(2 • 0) = 1 ¿ 0.
3. Si x = 0 , y > 0 , entonces, de forma similar a lo analizado en el caso
anterior, obtenemos que no se satisface i), pues 1 + A(2 ♦0) = 1 ¿ 0.

4. Si x = 0, y = 0, entonces de ii), debe ser A = 0, y no se satisface i). Por


lo tanto, x = 0 , y = 0 no es solución a las condiciones de primer orden.
Dado que f( x ,y ) = x + y es continua, y el conjunto restricción es compacto,
por el teorema de Weierstrass /(•) alcanza un máximo. Vemos que, en 1.,
f(x * ,y *) = y/2; en 2., f( x * ,y ) = 1; y en 3., f(x* ,y* ) = 1. Por lo tanto,
ontre 1., 2 ., y 3 . se llega a que el valor máximo de / ( i , j / ) = i + i/ sujeta a las
restricciones g(x, y) = 1 —x 2 + y2 > 0 , x > 0 , y > 0 , se obtiene cuando

l W _v^ X. _ _ V 2
x -y - 2 , 2

y el valor máximo es y/2. A

Ejemplo 13. (Soluciones interiores, de nuevo)


Consideremos nuevamente el problem a del ejemplo 11
86 Matemáticas básicas para economistas 3: Optimización y dinámica

sujeta a x+ y < 5
x> 0
y > O

y resolvámoslo ahora por el método Kuhn-Tucker.

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(-1)<0; -2^y-0-A(-l)<O ; b-x-y>Q

x (1 —2x + A) = 0; y (1 —2y + A) = 0; A(5 —x —y) = 0


Estudiamos cuatro casos:

1. Si x > 0, y > 0, entonces, de ii), A = 2x — 1 ; y A = 2y —1 ; lo que implica


que x = y. Debemos considerar dos casos: A = 0 y A ^ 0.

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.

2. Si x > 0, y = 0, entonces de ii), A = 2x — 1 / 0. Nuevamente, debemos


considerar dos casos: A = 0 y A ^ 0 .

a) Si A = 0, entonces x = Luego, x* = y* = 0, A* = 0. Pero


esta solución no puede aceptarse ya que no satisface la condición i)
-2(j,-i)-A(-l)<0.
b) Si A 0, de ii), x = 5. Luego, x* = 5, y* — 0, A* = 9. Esta solución
tampoco puede aceptarse, ya que A* > 0.

3. Si x = 0, y > 0, entonces, de forma similar a lo hecho en el segundo caso,


obtenemos que este tercer caso no proporciona soluciones.

4. Si x = 0 , y = 0 , entonces A* = 0 , pero esta solución no satisface i).


Lección 2: Optimización estática 87

De lo anterior, obtenemos que el valor mínimo de (x — \ ) 2 —(y — \ ) 2 sujeta a


las restricciones g(:r, y) = 5 —x - y > 0 , £ > 0, y > 0 se obtiene (figura 11) en

i* = i , y* = i , A* = 0

Aquí, A* = 0 se debe a que la solución es interior a la restricción (not binding)


como entenderemos mejor más adelante. A

N ota 3. (¿Falla el m étodo Kuhn-Tucker?)


A la luz del método Kuhn-Tucker (teorema 4), ¿el lector podría decir por qué
en el ejemplo clásico presentado por Arrow y Enthoven (1961),8

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

Continuando con nuestra presentación del método Kuhn-Tucker, ahora nos


podríamos preguntar: ¿cuándo es cierto el recíproco del teorema 4? Es decir,
si (x*,y*) es una solución de las (CPO), será entonces que también es una
solución al problema de optimización (KT)? Una respuesta está en el próximo
teorema, pero antes mostremos, precisamente, un ejemplo en el que las CPO,
por sí mismas, no son suficientes para resolver el problema KT. El caso clásico,
también presentado por Arrow y Enthoven en 1961, es

Maximizar ( x - 1 )3
sujeta a 2 —x > 0
x >0

cuyas soluciones de CPO arrojan x = 1 , A = 0, siendo la verdadera solución


x = 2. Veamos entonces qué condiciones sobre /(•, •) y g(-, •) se requieren para
que CPO =>> KT.

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)

■5 “ > 0 y p(x, y) > 0 para algún x > 0 , y > Q;

c; V / l ^ . y ) 7^ 0 ?/ f ( x ,y ) es dos veces diferenciable en una vecindad de

d) }{x ,y ) es cóncava;

entonces (x*,y*) es solución al problema de optimización (KT).

D em o stració n .
Ver K. J. Arrow and A. C. Enthoven (1961).9 ■

E jem plo 14.


Resolvamos el problema

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:

i) 2 + A < 0; 3 + A < 0; 1 - x —y > 0


ii) x(2 + A) = 0; y( 3 + A) = 0; A(1 —x — y) = 0

Analizamos cuatro casos:

1. Si x > 0, y > 0, entonces de ii), A* = —3 y A* = —2, lo cual es imposible.

2 . Si x > 0 , y = 0, entonces de ii), A* = —2 y x* = 1. Pero, de i), se tiene


que A = —2 no satisface 3 + A < 0.
9 Ibíd.
Lección 2: Optimización estática 89

3. Si x = O, y > O, entonces de ii), A* = —3 y y* = 1 y estas satisfacen todas


las condiciones; por lo tanto, x* = 0, y* = 1 , A* = —3 es una solución al
problema.

4. Si x = 0 , y = 0 , entonces, de ii), A* = 0 , pero esta no satisface i).

Vemos que el máximo se obtiene en

x* = 0 , y* = 1 , A* = - 3

y es igual a 3 (figura 13a). ▲

a) b)
Figura 13. En el panel a), la solución gráfica del ejemplo 14.
En el panel b), la solución gráfica del ejemplo 15.

Ejem plo 15.


Resolvamos, para y > 0 dado, el problema

Minimizar Ax2 *f 2y2


sujeta a x+y=y
x> 0
y> 0

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:

(i) —Sx —A < 0; —Ay —A < 0; x +y -y =0


90 Matemáticas básicas para economistas 3: Optimización y dinámica

(ii) x (—8 x —A) = 0; y ( - 4 y - A) = 0; \ ( x + y - y) = 0

Analizamos tres casos (ya que el caso x = y = 0 no podemos considerarlo,


puesto que x + y = y > 0 ):
1. Si x > 0, y > 0, entonces, de (ii), A = - 8x ^ 0 y A = - 4 y ^ 0; lo que
implica y = 2x y, de nuevo, por (ii),

lo cual satisface todas las condiciones; es decir, es una solución al pro­


blema.

2 . Si x > 0 , y = 0 , entonces, de (ii), A = - 8 x ^ 0 y de la restricción, x = y,


y = 0, A = —8y. Sin embargo, esto no satisface (i) —4 y —A < 0, y por lo
tanto, no es solución.

3. Si x = 0 , y > 0, entonces, de (ii), A = —4y ^ 0 y de la restricción, x = 0


y V — V, A = —4y; lo cual no satisface (i) —8x — A < 0, y por lo tanto,
no es solución.
Por el análisis anterior, tenemos que la única solución es

Ejem plo 16.


Resolvamos el problema

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:

i) —2 —A < 0; —3 —A < 0; x+y - l>0


ii) x ( —2 - A) = 0 ; y (—3 —A) = 0; A(x + y - l ) = 0
Lección 2: Optimización estática 91

Analizamos cuatro casos:

1. Si x > 0, y > 0, entonces, de ii), A = —2 y A = —3, lo cual es imposible.

2. Si x > 0, y = 0, entonces, de ii), A = —2 y de la restricción x* = 1 . Por


lo tanto, x* = 1 , y* = 0, A* = —2 .

3. Si x = 0, y > 0, entonces, de ii), A = —3 y de la restricción y* = 1 . Por


lo tanto, x* = 0, y* = 1 , A* = —3, lo cual no cumple i).

4. Si x = 0 , y = 0 , entonces no se cumple i).

Por tanto, el mínimo del problema se obtiene en

x* = 1 , y* = 0, A* = - 2

y es igual a 2 (figura 14a). A

Figura 14. En el panel a) la solución gráfica del ejemplo 16.


En el panel b) la solución gráfica del ejemplo 17.

Ejem plo 17.


Resolvamos para W\,W2 > 0:

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:

i) - w \ —A < 0 ; —W2 + 2 Ay < 0 ; x — y2 — 1 > 0


ii) x ( - w i - A) = 0 ; y (2 \y - w2) = 0 ; A(x - y 2 - 1) = 0

Analizamos cuatro casos:


w2
1. Si x > 0, y > 0 entonces, de ii), A = —w\ / Oy A = — ^ 0 , lo que
w2
2y
implica y = —- — , y ésta no satisface y* > 0 .

2 . Si x > 0 , y = 0, entonces, de ii), A = —w\ ^ 0, y nuevamente de ii),


x* = 1 , y* = 0, A* = —w\.

3. Si x = 0, y > 0, entonces, de ii), A = ^ ^ 0 , y así, de ii), y2 = —1 , lo


2y
cual no tiene solución en R.

4. Si x = 0, y = 0, entonces, de ii), A = 0, pero ésta no satisface i).


El óptimo se encuentra en x* = 1, y* = 0, A* = —w\ y es w\ (figura 14b). A

Ejem plo 18.


Resolvamos el problema

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

i) - 3 - Ay < 0; - 2 - Ax < 0; x y —5 > 0


Lección 2: Optimización estática 93

Figura 15. Solución gráfica del ejemplo 18.

ii) x (—3 —Ay) = 0 ; y ( —2 —\x ) = 0; A(xy —5) = 0

Aquí solo hay un caso de estudio: x > 0, y > 0. De ii), A = —| ^ 0 y


A = —- ^ 0; lo que implica x = \y . Entonces, de ii),

*• = > / £ í/* = v/ ¥

Como > 0, y para (x, y) = (5,5) se tiene que g (x,y) = 20 >


0, entonces (x*, 2/*) es solución al problema (figura 15). ▲

Ejem plo 19.


Resolvamos el problema:

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:

i) - 2 x + A < 0; 1 + A < 0; 5- x - y >0


ii) x(—2 x + A) = 0; 2/(1 + A) = 0; A(5 —x —y) = 0
94 Matemáticas básicas para economistas 3: Optimización y dinámica

Figura 16. Solución gráfica del ejemplo 19.

Analizamos cuatro casos:

1. Si x > 0, y > 0 entonces, de ii), A = 2 x ^ 0 y A = —1, y esto implica


que x = — lo cual no satisface las condiciones.

2. Si x > 0, y = 0 entonces, de ii), A = 2x ^ 0; y así, x = 5, y = 0, A = 10,


lo cual no satisface A < 0, y, por lo tanto, no es solución.

3. Si x = 0 , y > 0 entonces, de ii), A = —1 , y así, x = 0, y = 5, lo cual


satisface todas las condiciones, y, por consiguiente, es solución a nuestro
problema.

4. Si x = 0, y = 0 entonces, de ii), A = 0, lo cual no satisface 1 + A < 0, así


que no es solución.

Del análisis concluimos que

= 0, y* = 5

es la solución óptima al problema, y el mínimo de la función objetivo es igual


a 2 (figura 16). ▲

Ejem plo 20.


Resolvamos el problema

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

i) y 4- 4 + 2 \x < 0 ; x 4- A < 0; 8 - x 2 —y > 0


ii) x(y 4-4 4- 2Xx) = 0; y(x 4- A) = 0; A(8 —x 2 — y) = 0

Analizamos cuatro casos:

1 . Si x > 0 , y > 0 entonces, de ii), A = — ± 0 y A = —x / 0, lo que


implica x 2 = y de ii), x 2 = 8 —y. Así, x* = 2, y* = 4, A* = —2.

2 . Si x > 0, y = 0 entonces, de ii), A = / 0, y nuevamente de la


condición ii), x* = 2\/2, y* = 0 , A* = — que no satisfacen i).

3. Si x — 0, y > 0 entonces, de ii), A = —x = 0, y así de i), y < —4, lo que


no satisface la condición y > 0 .

4. Si x = 0, y = 0 entonces, de ii), A* = 0; pero esto no satisface la condición


i) y 4- 4 4- 2 Ax < 0.

Vemos que 1. es la única solución a las CPO y, por tanto, el óptimo está en

x* = 2, y* = 4, A* = - 2

y el valor máximo es 16 (figura 17). A

Figura 17. Solución gráfica del ejemplo 20.


96 Matemáticas básicas para economistas 3: Optimización y dinámica

b) In te r p r e ta c ió n d e lo s m u ltip lic a d o r e s d e L agran ge y e l t e o ­


rem a d e la e n v o lv e n te
Hasta ahora parecería que los multiplicadores de Lagrange (A) son solo pará­
metros convenientes de ajuste para la solución del problema tipo Lagrange

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

Ahora: si nuestro problema de Lagrange es

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

C (x(a),y(a), A) = f(x (a ),y (a )) - \[g (x(a ),y(a )) - a] (**)

la función lagrangiana evaluada en funciones diferenciables de la forma (i(a ), y(a )),


donde x(0) = x* y y(0) = y *. Derivando con respecto a a, obtenemos

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

Evaluando en (x*,y*), obtenemos que

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:

Y de la definición de £(•) en (**), y del hecho de que (x*(a),y*(a)) es la


solución al problema (L’), es claro que

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 ).

La importancia de la ecuación de sensibilidad se ve claramente en el caso


en que A = 0. Es el caso del ejemplo 13, donde la solución al problema es
x* = y* = ~ y A* = 0. Aquí, esta nulidad del multiplicador A significa que
pequeñas variaciones de la función g (x, y) = 5 —x — y no arrojará ningún
cambio en el valor del óptimo /( ^ , = 0. Así, a mayor valor absoluto de A,
mayor será el cambio de la valoración en el óptimo al cual A está asociado.

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.

Pero aunque al anterior se le puede considerar un “teorema de la envolvente”,


a continuación presentamos su versión más conocida y general, e invitamos al
lector a probarlo e interpretarlo adecuadamente (figura 18): Sean /(#,?/, a) y
g (x ,y ,a ) funciones diferenciables con continuidad sobre R 3, donde (x,y) € R2,
a e R, y consideremos el problema de máximo de Kuhn-Tucker
98 Matemáticas básicas para economistas 3: Optimización y dinámica

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.

T eorem a 6. (Teorema de la envolvente)

dF (a) _ d C (x ,y yX)
da da (x(a),y(a))

donde C (x(a),y(a), A) es la función lagrangiana

C(x(a),y(a),X) = f{x(a),y(a),a) - X [s(i(a),?/(a),a)] (**)

Una aplicación típica del teorema de la envolvente es la siguiente: puesto que


para a, 6 , a , Q > 0 cantidades conocidas, el problema de optimización

Minimizar ax + by
sujeta a x y = QQ
x >0
y >0

tiene como solución

H T f.
entonces, si definimos C (a , 6 , Q) = ax* + by*, se tendrá que

C (a,6,<?) = 2(a6)1/2QQ/2

y así, por el teorema de la envolvente (teorema 6 ), se tendrá que


Lección 2: Optimización estática 99

Figura 18. El teorema de la envolvente.

Ejercicios 4
1. Resuelva analíticamente (utilizando los teoremas apropiados y encon­
trando las soluciones explícitamente) e ilustre gráficamente los siguientes
problemas:

a) Minimizar (x - l )2 + (y —2)2 b) Maximizar 2 2


z 2/
sujeta a y > x 2 4- 1 sujeta a 3x + 4y < 12
x > 0 x > 0
y > o y >o

c) Maximizar yex d) Minimizar 5x4-27/


sujeta a 2x + Sy < 50 sujeta a 7x 4- 9t/ > 15
x > 0 x > 0
y > 0 y> o

Minimizar 3x5+5 y* ^ Meiximizar 31nx4-y^


sujeta a x+y= 2 sujeta a 2x 4- 7y < 90
x > 0 x > 0
y >o 2/ >0

2. De todos los óptimos calculados en esta lección 2, ¿cuál (o cuáles) son


más sensibles a cambios en la respectiva restricción? [Indicación: aplicar
el teorema de la envolvente].
100 Matemáticas básicas para economistas 3: Optimización y dinámica

5. Optimización lineal: el m étodo simplex


La optimización lineal (también conocida como programación lineal) 10 consis­
te en optimizar una función lineal, restringida por funciones lineales. Nació
durante la Segunda Guerra Mundial, y después de esta crecería rápidamente
debido a los esfuerzos conjuntos de matemáticos y estadísticos por resolver
problemas concretos del ejército norteamericano.
El primer resultado general sobre programación lineal apareció en la tesis de
maestría de William Karush de 1939,11 aunque el premio Nobel en Economía
(1975) Leonid V. Kantorovich [1912-1986], también en 1939,12 había propuesto
modelos de programación lineal para estudios de planeación de producción y
un algoritmo de solución. Sin embargo, los trabajos de Karuch y Kantorovich
fueron ignorados en la Unión Soviética de entonces, y así permanecieron hasta
la creación del muy útil método simplex de George B. Dantzig 13 [1914-2005].
Dantzig, a quien se le considera el “padre de la programación lineal” junto con
John von Neumann y el mismo Kantorovich, trabajó durante y después de la
Segunda Guerra Mundial en la Fuerza Aérea de los Estados Unidos. Su objeti­
vo era crear modelos matemáticos prácticos de planeación y programación de
asuntos de asignación en las tropas (de allí el término militar “programación”
que se le da a esta área de la optimización matemática). De hecho, el ori­
gen mismo del método simplex para resolver problemas de optimización lineal
surgió en la conformación de una dieta apropiada para estas tropas. Era un
problema de 77 variables que requirió 120 días-hombre para resolverlo manual­
mente, utilizando calculadoras de escritorio: hace un poco más de 50 años no
había los suficientes desarrollos para resolver este problema en segundos, como
lo hacemos hoy.
En los años de 1960, con el advenimiento de hardware, software y algoritmos,
muchos problemas de programación lineal pudieron ser resueltos mediante el
método simplex en los primeros computadores conocidos en ese entonces. Du­
rante cierto tiempo, Dantzig y sus colegas estudiaron numerosas situaciones
tomadas de la experiencia de la Segunda Guerra Mundial, y mostraron que
muchas de ellas podían (con cierta aproximación) convertirse al formato que
hoy conocemos de la programación lineal y que, además, las soluciones mejo­
raban cuando se pasaba de un vértice a otro del conjunto poliédrico formado
10 Término acuñado por Tjalling Koopmans en 1948.
11 Karush, W. (1939), Mínima of Functions of Several Variables with Inequalities as
Side Constraints, M. Se. Dissertation, Department of Mathematics, University of
Chicago.
12 Kantorovich, Leonid V. (1939), The Mathematical Method of Production Planning
and Organization, Management Science, vol. 6(4), 363-422.
13 Dantzig, George B. (1949), Programming in a Linear Structure, Econometrica, vol.
17, 73-74.
Lección 2: Optimización estática 101

por las funciones lineales de restricción, alcanzando eventualmente la solución


óptima, y que es la esencia misma del método simplex. Dantzig y su grupo
(particularmente, Jack Laderman) continuaron probando su método simplex,
y encontraban que, a pesar de las dudas iniciales, funcionaba realmente bien.
Con el desarrollo de los computadores, Dantzig comenzó entonces a soñar con
un “laboratorio de optimización de sistemas”, inspirado, además, en el traba­
jo monumental del economista (entonces soviético) YVassily Leontief con sus
tablas insumo-producto para la economía de los Estados Unidos (volumen 1
(Álgebra lineal)). Problemas de planeación urbana, sistemas de transporte, di­
seño de mecanismos óptimos en ecología, biología, medicina, economía, etc.,
comenzaron a tener, por primera vez en la historia de las matemáticas, una po­
sibilidad de tratamiento analítico unificado. Desde los años de 1960, el método
simplex ha venido siendo explorado exhaustivamente por numerosos investi­
gadores, y estos cambios han transformado notablemente el que es, quizás, el
más socorrido método en la teoría de la optimización matemática.

a) El problema y su solución gráfica


El problema central de la optimización lineal es escoger valores no negativos de
ciertas variables que maximicen o minimicen una función lineal (dada) sujeta
a un conjunto (dado) de restricciones lineales. Es decir, el problema canónico
de programación lineal (PL) es resolver

Maximizar c ix i -1- c2x 2 4------ h CnXn


sujeta a a ii^ i + ai2%2 H------ HainXn < &i (PL)
a2\X\ 4- a22x 2 4- • • • 4- a2nx n < b2

0>TTI1^1 + f lm 2 ^ 2 H----------H O'mnXn <


donde x i > 0 , x 2 > 0 , . . . , x n > 0 ; y c\, a n , ...,amn; b\, b2 , b m son
constantes. En forma matricial, esto se puede escribir así:

Maximizar cTx
sujeta a Ax < b
x >0

donde c = (c*)"=1, x = (£¿)”=1, b = (&¿)£u ^ = (a¿j)*=it..M


m- Aquí x > 0
significa que > 0 para todo i = 1 , . . . , n. De la misma manera para A x < b.
Si x € R n satisface la restricción A x < b, se dice que x es factible.
Claramente este es un caso particular del problema de optimización de Kuhn-
Tucker, en el que las funciones objetivo y las restricciones son, todas, lineales.
102 Matemáticas básicas para economistas 3: Optimización y dinámica

Sin embargo, aquí estudiaremos un algoritmo de solución (método simplex), di­


ferente del método de Kuhn-Tucker, que se adapta mejor a este tipo particular
de problemas.14
Ejem plo 21. (El problem a de la dieta)
El problema de la dieta es clásico en la literatura de la optimización lineal,
porque fue el primer problema económico resuelto mediante este método. Al
igual que muchos otros modelos matemáticos, éste comenzó siendo sólo un
ejemplo y un campo de pruebas del método de optimización lineal, pero terminó
teniendo inesperadas e importantes aplicaciones prácticas.
El hecho central del modelo es que una dieta adecuada debería satisfacer cier­
tas especificaciones (calorías, vitaminas, etc.) y que esta calidad de la dieta
se mide sumando las calidades de estas componentes. Un ejemplo simple es
este: Supongamos que sólo tenemos tres elementos nutricionales: 1 (calorías),
2 (vitaminas), 3 (proteínas), con estándares mínimos diarios de 700, 400 y 300
unidades, respectivamente. Asumamos que hay dos clases de alimentos # i, x 2,
y que hay una cantidad constante de cada elemento nutricional en cada unidad
de cualquiera de los alimentos. Esta hipótesis hace que el problema se pueda
analizar con el instrumento de la optimización lineal, pues, en definitiva, la in­
formación se puede resumir en una tabla (matriz) como lá siguiente, donde a¿j
(i = 1,2,3; j = 1 , 2 ) es el número de unidades del elemento nutricional i que
está contenido en el alimento j. Allí asumimos que o n = 1 , «21 = 2 , 031 = 1 , y
que a\2 = 3, a22 = 1, a 32 = 1 (de aquí, podemos decir que el alimento 2 tiene
tres veces más calorías que el alimento 1, la mitad de las vitaminas y la misma
cantidad de proteínas).

Alimentos Estándares
X\ £ 2 mínimos
cr­

1 (calorías)
O
O
ii

«11 «12
O
O

(vitaminas)
II

2 «21 022

3 (proteínas) «31 032 63 = 300

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

Asumamos p\ = 2 y p2 = 12 . La pregunta que buscamos contestar es: ¿cómo


conformamos una dieta que, cumpliendo con los estándares mínimos, resulte
lo menos costosa posible? Es decir, debemos resolver, para x, y :

Minimizar 2x4-12 y
sujeta a x 4 - 3y > 700
2x 4- y > 400
x 4 -y > 200
x > 0
y > o

Para atacar este problema podemos, primero, recurrir al método gráfico:


De la figura 19, y con un poco de álgebra elemental, obtenemos que la solución
es x* = 700 unidades del alimento 1, y* = 0 unidades del alimento 2, y el costo
de la dieta que satisface los estándares mínimos es 1400.

Figura 19. Solución gráfica del problema de la dieta.

Pero también podemos encontrar la solución utilizando el método de Kuhn-


Tucker. Sabemos que el problema tiene solución, y que ésta se encuentra entre
las CPO, ya que se cumplen las condiciones del teorema 5. Las CPO son:

i) - 2 - Ai - 2A2 - A3 < 0 ; - 1 2 - 3AX- A2 - A3 < 0 ;


x 4- 3y > 700 2x + y > 400 x 4- y > 200

ii) x ( —2 —Ai —2A2 —A3) = 0; í/ ( - 1 2 —3Ai - A2 —A3 ) = 0;


Ai(x 4-3 y - 700) = 0 ; A2 (2 x + y - 400) = 0; A3(x + y - 200) = 0

Dado que x y y no pueden ser cero simultáneamente, debemos analizar única­


mente tres casos:
104 Matemáticas básicas para economistas 3: Optimización y dinámica

1. S ix > 0, y > 0 entonces, deii), A1 + 2 A2 +A 3 = - 2 y 3 A1 +A 2 +A 3 = - 12 .


Esto nos conduce a tres situaciones:

a) Si Ai = 0 entonces A2 = 10 y A3 = —22 , y nuevamente por ii),


x* = 200, y* = 0 , lo cual no satisface y > 0 ni A¿ < 0.
b) Si A2 = 0 entonces Ai = —5 y A3 = 3, que no satisface A¿ < 0.
c) Si A3 = 0 entonces Ai = —^ y A2 = §, lo cual no satisface A¿ < 0.

2. Si x > 0, y = 0 entonces, de ii), Ai + 2 A2 + A3 = —2. Y aquí tenemos,


nuevamente, tres casos:

a) Si Ai = A2 = 0 , entonces A3 = —2 y de ii), x* — 200, que no satisface


o-
b) Si Ai = A3 = 0, entonces A2 = —1, y de ii), x* = 200, y esto no
satisface i).
c) Si A2 = A3 = 0, entonces Ai = —2 y, de ii), x* — 700, y* = 0. (Ésta,
sabemos, es la solución. ¿Puede decir el lector por qué?)

3. Si x = 0, y > 0, entonces de ii), 3Ai + A2 + A3 = —12 . Tenemos, de


nuevo, tres casos:

a) Si Ai = A2 = 0, entonces A3 = —12 y de ii), y* = 200, que no satisface


0-
b) Si Ai = A3 = 0, entonces A2 = —12 , lo que no satisface i).
c) Si A2 = A3 = 0, entonces Ai = —4, que no satisface i).

Por lo tanto, la solución es x* = 700, y* = 0, y el costo de la dieta es 1400, tal


y como lo habíamos calculado (más simplemente) utilizando la figura 19.

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

Definiendo x¿j como el número de unidades del producto que se despachan


desde el origen i al destino j , podemos formular este problema así:
m n

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

Todo esto nos lleva a que nuestro problema es

Minimizar 10xn + 20 x i 2 + 20 x 21 + 40x22


sujeta a x n + X12 = 5
£21 + X22 = 2
£11 + X21 = 4
Xl2 + £22 = 3
Xij > 0

Aquí, infortunadamente, no podemos solucionar gráficamente, pues el problema


tiene más de dos variables. Pero dado que existen cuatro incógnitas y cuatro
restricciones, la solución al problema debe estar entre las soluciones al sistema
de ecuaciones lineales; por lo tanto, podemos utilizar el método gaussiano de
solución (volumen 1 (Álgebra lineal)) para encontrar (si es posible) la solución
a nuestro problema. Tratemos primero de solucionar el sistema, para lo cual
106 Matemáticas básicas para economistas 3: Optimización y dinámica

restamos la tercera restricción de la primera y la cuarta de la segunda, de tal


forma que obtenemos

- x 2i = 1
- X 12 + X21 = - 1
x \\ + X21 = 4
X\2 + X22 = 3

Vemos que la primera y la segunda igualdad son linealmente dependientes; por


lo tanto, el sistema tiene la siguiente forma:
£11 = 4 —X21
X 12 = 1 + X21
x 22 = 2 - £21
Para que la solución del sistema sea factible, es decir, que cumpla todas las
restricciones del problema, debe ser 0 < X21 < 2 .
Por otro lado, los costos de transporte tienen el siguiente orden c\\ < c\2 =
C21 < C22, de tal forma que lo menos económico es enviar desde el origen 2 al
destino 2, y lo más económico es enviar del origen 1 al destino 1. Por lo tanto,
el plan óptimo debe enviar lo menos posible del origen 2 al destino 2 , y esto se
logra tomando X2\ = 2. De esta forma,

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

Aunque el método gráfico puede ser útil en problemas en dos dimensiones,


no lo es para problemas de orden superior. También vemos que el método
Kuhn-Tucker es demasiado engorroso en estos casos específicos. Por tal razón,
debemos recurrir a otros métodos de solución. Una forma alternativa de atacar
el problema es el ya comentado método simplex desarrollado por Dantzig.
Para aplicar este método, lo primero que se hace es convertir las desigualdades
de las restricciones del problema (PL) en ecuaciones. Para ello, se utilizan cier­
tas variables s = ( s i ,. . . ,s m) > 0 , llamadas variables de holgura, donde cada
Si se utiliza para asegurar que la i-ésima restricción se cumpla estrictamente.
Así, nuestro problema (PL) se convierte en
Lección 2: Optimización estática 107

Maximizar c\X\ + C2X2 H------ b CnXn


sujeta a a \\x \ + a\2 x 2 -1-------h a inxn + s\ = bi
a 21 x l + d22X2 -f • • • + CL2nXn s2 — b2

Q"mlX\ + 0>m2X2 + **• + dmn^n + sm = bm


Xi > 0, X2 > 0, . . . , Xn > 0
Si > 0, S2 > 0, . . . , Sm > O

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

se puede escribir, introduciendo las variables de holgura s \ , s 2 ,s 3 , de esta


forma:
Maximizar 3x+2 y
sujeta a x + 2y + si = 5
3x + Ay + 52 = 8
2x + y + 53 = 4
x >0
y >0
51 > 0 , 52 > 0 , 53 > 0
108 Matemáticas básicas para economistas 3: Optimización y dinámica

b) De forma similar, el problema

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

lo podemos escribir como


Maximizar 3x 4- 7y 4- I0z
sujeta a 4x + y + 2z + s\ = 3
7x 4- 3y 4- 2 4- s2 = 4
x 4- hy 4- 4z 4- 53 = 6
x > 0
2/>0

2>0
«1 > 0,52 > 0, S3 > 0

introduciendo las variables de holgura 51 , 52 , 53 .


D efinición 3. (V ariables b ásicas y no b ásicas)
Supongamos un sistema (PL) con restricciones de m ecuaciones lineales con
n variables, x i , . .. ,x n, donde n > m, y que, arbitrariamente, podemos elegir
n —rn variables xm+i, Zm+2 , . . . , xn, de tal forma que las restantes m variables
x i , ... ,x m se puedan expresar en términos de ellas. Entonces a x i , . . . ,x m las
llamaremos variables básicas y a xm+i , x m+2 , . . . ,x n las llamaremos variables
no básicas.

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

tres variables básicas en el sistema de restricciones son las variables de


holgura «1, 52 , 53 , ya que podemos expresarlas como

5 1 = 5 —x —2y
52 = 8 —Sx — 4y
53 = 4 - 2x - y

b) De manera similar, en el problema

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

también tres variables básicas en el sistema de restricciones son las variables


de holgura 51 , 52 , 53 , ya que podemos expresarlas como

5 1 = 3 - 4x - y - 2z
52 = 4 —7x — 3y — z
53 = 6 - x - 5y - 4z A

Ahora que hemos convertido el problema (PL) en un problema con restricciones


de igualdad, podemos reescribirlo como un sistema de ecuaciones de la siguiente
forma:

CLnXi + 0 12 ^ 2 + ------« 1 n x n + 5 i = b i

a21 x l + « 22^2 H------ h « 2n^n + $2 = &2

a m lx l "t"a m2x 2 4" ’ **"t"Q>mnx n “I"s m = bm


CiXi + C2 X2 H------ 1" CnXn -f 05i 4------ h 0sm = /

o, en conveniente forma matricial,

A x 4- I s = b
cTx + 0T5 = /
110 Matemáticas básicas para economistas 3: Optimización y dinámica

donde / representa el valor de la función objetivo. Si pensamos en el vector de


variables como (re, s) podemos representar este sistema por medio de la tabla
(o matriz) simplex, como sigue:

an <Zl2 flln 1 0 0 bi
021 Û22 Û2n 0 1 0 h

Oml am2 ** amn 0 0 .. • 1 bm


C\ c2 •• • Cn 0 0 .. • 0 f

A I

A los elementos de la última fila de esta matriz que son diferentes de / , se les
llama indicadores.

Ejem plo 25.


a) El problema

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

lo representamos, entonces, por la matriz simplex

1 2 1 0 0 5
3 4 0 1 0 8
2 1 0 0 1 4
3 2 0 0 0 /

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 /

Hagamos ahora una aproximación al método simplex. En primer lugar, es claro


que si en el problema (PL) se tiene que los indicadores Ci son menores o iguales
a cero, entonces, para maximizar debe tomarse x = 0 como solución
óptima. Pero si algún Cj es positivo, entonces se debe asignar a la variable Xj
el máximo valor “posible”, es decir, el valor de Xj debe permitir una asignación
factible a las restantes variables. Para esto observemos que en la restricción

(taxi 4" * 4” ciijXj 4~ * 4~ dijiXji 4~

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

Xj = — —Si —diiXi —di2X2 —♦• • —dij—iXj—i — dij+iXj+i —• • • dinxn]


aij
112 Matemáticas básicas para economistas 3: Optimización y dinámica

y luego reemplazar esta expresión en las otras ecuaciones, obteniendo el nuevo


sistema

__ __ __ 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 = —

____ . ____ . . ------- . am j »- biCLm j


Û m l^ l Q‘m 2 x 2 4~ * ’ * 4* d m n X n H" s m $i — “m
-da da

donde

----- Q>ikQ>hj » / . . / .
a hk = O’h k -------------, h ^ J y k ^ J
d{j

y, por tanto, el nuevo / está dado por

^ 2 ° ix i = (C1 - — L )x \ + (°2 - ~~~^~)x 2 4- * * * 4- { C n - ~ ~ ~ ^ ~ )x n + — - -^ -S *


^ d ij d ij d ij d ij d ij

donde podemos repetir el proceso anterior hasta que los indicadores sean me­
nores o iguales a cero .15

Según lo anterior, el método simplex consiste en utilizar operaciones elemen­


tales entre filas hasta hacer que todos los indicadores sean números negativos
o ceros, ya que entonces se habrá encontrado el máximo / . Para hacer de este
proceso uno algorítmico, Dantzig sugería seguir estos pasos:

15 En algunos casos no es posible llegar a este objetivo, significando la no existencia de


una solución.
Lección 2: Optimización estática 113

A lgoritm o 1. (M étodo sim plex (D antzig (1947)))

Paso 1. En la tabla simplex elija entre las n —1 primeras columnas, la columna


j que tenga el mayor indicador positivo. Si hay más de una columna
con el mismo valor, elija cualquiera de éstas.

Paso 2. Para los elementos a¿j > 0 de la columna j elegida anteriormente,


defina el elemento pivote de la columna j como

es decir, el pivote es el elemento positivo de la columna j de la matriz

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 .

Si todos los indicadores son no positivos, se habrá alcanzado el máximo valor


de / . El valor de las variables no básicas es cero, y el de las variables básicas
está dado por el valor de la última columna de la tabla simplex en la fila en
que se puede despejar la variable básica. El valor óptimo / está dado en la
última entrada de la tabla simplex.

Ejemplo 26.

a) Regresemos a la tabla simplex del ejemplo 25 a):

1 2 1 0 0 5
3 4 0 1 0 8
2 1 0 0 1 4
3 2 0 0 0 /

Entre las primeras 5 columnas, la que tiene el mayor indicador es la columna


1, así que el pivote estará en esa columna. Calculamos
114 Matemáticas básicas para economistas 3: Optimización y dinámica

y por tanto, el pivote es o ^ . Utilizando la tercera fila, realicemos ahora las


siguientes operaciones fila básicas: dividimos la fila 3 entre 2; restemos la
fila 3 de la fila 1; multipliquemos la fila 3 por 3 y restemos de la fila 2; y,
multipliquemos la fila 3 por 3 y restemos de la fila 4. Obtenemos la siguiente
tabla simplex:
3 1
0 2
1 0 2 3
5 3
0 0 1 2 2
2
1 1
1 0 0 2
2 2
1 3
0 0 0 / - 6
2 2

Como hay un indicador positivo, volvemos al paso 1 . La columna con el


mayor indicador es la columna 2 , y el pivote es el elemento a j2, ya que

— = 2 ——- = - — =4
ai2 ’ 022 5’ 032

Realizando operaciones elementales con la segunda fila, obtenemos la tabla


simplex
3 2 9
0 0 1 5
5 5
2 3 4
0 1 0
5 5 5
1 4 8
1 0 0
5 5 5
0 0 0
1 6 f _ 32
5 5 J 5

Como todos los indicadores son no positivos, liemos encontrado el óptimo,


donde x* = §, y* = jj, sj = jj, sj = 53 = O y el valor máximo es Pero,
puesto que sj / O, tendremos que la primera restricción en el problema
original se satisface estrictamente.

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

4 1 2 1 0 0 3
7 3 1 0 1 0 4
1 5 4 0 0 1 6
3 7 10 0 0 0 5

La columna con el mayor indicador positivo es la 3, y como

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

Como todos los indicadores son no positivos, tenemos que en el óptimo


3
x* = 0 , y* = 0 , z* = 2

Además, la segunda restricción del problema original se satisface estricta­


mente, y el valor óptimo de la función es 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

(que, de ahora en adelante, llamaremos problema primal) con el siguiente pro­


blema dual (PD)

Minimizar bTy (PD)


sujeta a A Ty > c
y> 0

donde y € K+, c y b son iguales a los del problema primal.


E jem p lo 27.
a) El problema dual del ejemplo 23a es

Minimizar 5x' + 8 y' + 4z'


sujeta a x ' + 3y' + 2z' > 3
2xf + 4y' + ¿ > 2
x' > 0
y '> 0
z' > 0

b) El dual del ejemplo 23b es

Minimizar 3x' + 4 y'+ 6 z'


sujeta a 4x' + 7y' + z' > 3
2x' + 7/' 4- 4z' > 10
x ',y ', z' > 0 a

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 . ■

Y el próximo teorema da indicios de que existe una relación importante entre


los problemas primad y dual:
Lección 2: Optimización estática 117

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. ■

Y así, arribamos a uno de los teoremas más profundos de la optimización


estática: el teorema de dualidad, que muestra que el problema primal y el
problema dual están íntimamente relacionados.

Teorema 9. (Teorem a de dualidad)


Si el problema primal tiene solución óptima finita, entonces el problema dual
también tiene solución óptima finita, y los valores de ambas funciones objetivo
son iguales. Si el primal no tiene óptimo acotado, entonces el dttal no tiene
solución factible.

D em ostración.
(Teorema 13 adelante.) ■

Así, utilizando el problema primal, todo problema de mínimo puede convertirse


en uno de máximo, el cual puede resolverse por el inótodo simplex anterior­
mente estudiado. Una vez obtenida la solución del problema de máximo, por
el teorema 13, el valor óptimo de la función objetivo en el problema de mínimo
es igual, y los valores óptimos de las variables en el problema de mínimo son
iguales al negativo de los indicadores de las variables de holgura del problema
de optimización.

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

Minimizar 60x + 20y + 3z + 20w


sujeta a 3x + 6 y — z + 2w > 4
- 4 x + 2y + z + 5 r/4 > 2
118 Matemáticas básicas para economistas 3: Optimización y dinámica

x > O
y > o
z >O
w > O

Un análisis directo nos llevaría a un problema en el espacio euclidiano de cuatro


dimensiones. Pero es posible escribir este problema así:

'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

Por tanto, el problema primal es

Maximizar [4,2]
co

"60'
6 2 'xi 20
sujeta a <
-1 1 X2 3
2 5 20
xi > 0, X2 > 0

Y este problema primal sí puede dibujarse en un plano bidimensional como


en la figura 20. Allí, vemos que la solución óptima ocurre en x \ = 30/13,
x \ — 40/13, y así z* = x* — 0.
De esta manera, el problema original se reduce a

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

Cuya solución y* = 8/13, w* = 2/13. Por lo tanto, el problema original tiene


como solución al vector (0, 8/13, 0, 2/13).

30/13'
(0,8/13,0,2/13) = (4,2)[; = 200/13
40/ 13

E jem plo 29. (P ro b le m a de la d ie ta , de nuevo)


Volvamos al problema de la dieta:
Minimizar 2x4-12?/
sujeta a x 4- 3y > 700
2x 4- y > 400
x 4 *y > 200
x > 0, y > 0
El primal de este problema es
Maximizar 700i' + 400y' + 200 z'
sujeta a x ' + 2 y' + z' < 2
3x' + y' + z '< 12
o

o
Al

x' 0, J
Al

Al

cuya tabla simplex es

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

El mayor indicador no negativo está en la columna 1 y el elemento pivote es


ajj, con lo cual obtenemos la siguiente tabla simplex:

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 =

Como en este problema las restricciones son ecuaciones, no es necesario incluir


variables de holgura; sin embargo, para poder reinterpretar el resultado, es
necesario plantear el problema como uno de desigualdades, con lo cual la tabla
simplex es
1 0 1 0 1 0 0 0 10
1 0 0 1 0 1 0 0 20
0 1 1 0 0 0 1 0 20
0 1 0 1 0 0 0 1 40
5 2 4 3 0 0 0 0 /
Lección 2: Optimización estática 121

Realizando las operaciones usuales, obtenemos como resultado

1 0 1 0 1 0 0 0 10
0 0 -1 1 -1 1 0 0 10
0 1 1 0 0 0 1 0 20
0 0 0 0 1 -1 -1 1 10
0 0 0 0 -2 -3 -2 0 / - 120

de donde, reinterpretando, obtenemos x ^ = 2, x j 2 = 3, x jx = 2, x £2 = 0> y


valor óptimo de la función es 120 , como habíamos encontrado anteriormente,
en el ejemplo 22. A

Finalmente, ¿cómo cambian los valores de las soluciones de un problema de


programación lineal cuando hay pequeños cambios en los parámetros de las
restricciones? Para resolverlo, supongamos que x* es la solución al problema
primal

Maximizar cTx
sujeta a Ax < b
x >0

que x* + Ax es solución al problema primal

Maximizar cTx
sujeta a A x < b + Ab
x > 0

y que y* es la solución al problema dual de cada uno de los problemas primales.


Entonces, por el teorema 9,

cTx* = bTy *, y cT (x* + Ax) = (b + A b)T y*

v, por lo tanto, cTAx = AbTy*. Pero cTAx no es más que el cambio en el


valor óptimo de la función objetivo del problema original al cambiar un poco
el valor de las restricciones. Por lo tanto, podemos interpretar (al igual que en
el caso de los multiplicadores de Lagrange) el valor de y¡ como el cambio en el
valor de la función objetivo ante cambios (pequeños) en el valor de
122 Matemáticas básicas para economistas 3: Optimización y dinámica

Ejercicios 5
1. Encuentre los valores óptimos de los siguientes problemas lineales:

i) Utilizando el método gráfico.


ii) Utilizando el método de Kuhn-Tucker.
iii) Utilizando el método simplex.
iv) Resolviendo el problema dual.

a) Minimizar 5x—7y b) Maximizar 15x+2 y


sujeta a 3x + y > 10 sujeta a 3x —y < 10
x + 3y > 4 x — 3y > 4
x >0 x > 0
y> 0 y> 0

c) Maximizar 2x+by d) Minimizar I2x+42y


sujeta a x < 4 sujeta a x + 2y > 3
y< 3 x + 4y > 4
x + 2y < 8 3x + y > 3
x >0 x >0
y> o y > o
2. Pruebe que la solución del problema

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\ =

3. Pruebe que la solución del problema

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

e s x = 0, t / = | , z = l , y e l valor del problema es y . Además, muestre


que la solución del problema dual es x \ — 0 , yi = z\ —

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

6. Optimización en conjuntos convexos: teoremas de


separación de Minkowski
Ahora es claro que los métodos de optimización están basados en: i) la estructu­
ra topològica del conjunto sobre el que se optimiza, y ii) la estructura analítica
(lineal, continua, etc.) de la función objetivo. En esta sección profundizamos
en una característica topològica del conjunto de restricción, que ya había si­
do estudiada: la convexidad. Aquí destacaremos algo que se vislumbraba con
los problemas de programación lineal: que ciertas propiedades geométricas de
los conjuntos convexos están íntimamente conectados con la forma como se
resuelve problemas de optimización sobre ellos.

Recordemos, en primer lugar, que en el cálculo diferencial de una variable,


cuando se requería optimizar (maximizar o minimizar) una función cóncava
estricta (o convexa estricta) diferenciable, se recurría a encontrar los puntos
donde la recta tangente era paralela al eje de abscisas (figura 21). Allí notá­
bamos que esta recta tangente descomponía el plano en dos semiplanos, uno
de los cuales contenía totalmente a la gráfica de la función. En dos variables
124 Matemáticas básicas para economistas 3: Optimización y dinámica

Figura 21. Recta tangente que separa.

sucedía lo mismo con el plano tangente, y, por supuesto, en varias variables


con el hiperplano tangente.
En segundo lugar, recordemos que cuando intentábamos resolver problemas
típicos de optimización en dos variables, mediante el método de Lagrange o
de Kuhn-Tucker, en general nos encontrábamos con que, en el punto en que
se resolvía el problema, las dos gráficas (la de restricción y la de objetivo)
solamente se intersectaban allí, y lo hacían de tal forma que se podía trazar
por allí una tangente que “separaba” a las dos gráficas (figura 22 ).

Figura 22. Optimización y separación.

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

T eorem a 10. (E xisten c ia de hiperplanos separadores (M in ko w ski (1 9 1 0 )))

Sea C un conjunto convexo y cerrado en R2, y sea p e R n. Entonces se tiene


uno (y solo uno) de los siguientes casos (figura 23):

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

ll«- p || < ll* - p ||

para todo x € C, y sea n = q — p. Como p £ C, entonces n ^ 0. Veamos


que el hiperplano que pasa por p y es perpendicular a n satisfará nuestros
requerimientos; es decir, que

H = {x e R 2 | (x - p) • n = 0}

es el hiperplano buscado, y para ello vamos a probar que C está contenido en


el semiespacio definido por la condición (x —p) • n > 0 .

Figura 23. Un hiperplano separando un conjunto convexo y un


punto.
126 Matemáticas básicas para economistas 3: Optimización y dinámica

Sea q' ^ q un punto cualquiera de C. Entonces, para todo con


0 < t < 1 , se tiene que

I l 9 - P l l < 11(9 - V ) + t{q' - 9 )||

y elevando esta desigualdad al cuadrado se tiene que

(q - p f < ( q - p )2 + 2 t(q - p)(q' - q ) + t2 {q' - q f

Cancelando y dividiendo entre t, se obtiene que

o < 2 ( q - p)(q' - q) + t(q' - q)2

y haciendo t —►0 se obtiene que

0 < (<7 —p)(q' - q) = n(q' - p) + n(p - q) = n(q' - p) - n • n

Pero como n • n > 0, entonces

n(q' - p) > 0

que era lo que queríamos probar. ■

Y aun podemos enunciar un resultado más general:

T eorem a 11. (O tro teo rem a de M in k o w sk i (1910))


Si C C Rn es un conjunto convexo y p está en la frontera de C, 16 entonces
existe un hiperplano sop o rte de C en p; es decir, existe un hiperplano H
tal que p € H , y C está contenido en uno de los dos semiespacios cerrados
determinados por H (figura 24)-

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

que la esfera es un conjunto compacto (cerrado y acotado). Nuevamente, por


el teorema 10 anterior, para todo x e C y todo k,

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

X 'v ! > p 'v !

y esto prueba el teorema. ■

Ejem plo 31.

Figura 24. H es el hiperplano soporte de C en p.

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

mediante el método de Kuhn-Tucker, allí encontramos que la solución


era (x*,y*) = (-£=,-£=). ¿Podría el lector ilustrar esto con una gráfica
apropiada?
128 Matemáticas básicas para economistas 3: Optimización y dinámica

b) Al buscar una recta de la forma A (x —x*) + B (y —y*) = 0 que pasa por


el punto (x*,y*) y que lo separe del conjunto convexo

{(z,J/) 6 R + / f ( x , y ) > / ( i * , 2/*)} = { ( l , t ) € l ^ / l ¡ l > y }

encontramos que, como (A , B ) es un vector normal a la recta, entonces


podemos hacer

A = — (x* y*) = — y B — — (x* y*) = —


d x (X ' y ) s / 2 y d y [ 'y ’ v/2
lo que nos lleva a que la ecuación de la recta es x + y = y/2R.

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.

Figura 25. Conjunto convexo no suave.

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

algorítmicas concretas inmediatas. Sin embargo, es corriente utilizarlo como


poderosa herramienta para demostrar teoremas clásicos de optimización que,
ellos sí, tienen un desarrollo algorítmico específico. Aquí ilustraremos lo ante­
rior, probando el teorema del minimax de von Neumann (volumen 1 (Álgebra
lineal), lección 8 ), y el teorema de dualidad (teorema 9 de la presente lección)
para la programación lineal, que estudiamos previamente.

Teorem a 12. (M in ko w ski => m in im a x )


Para cualquier matriz A mxn, existen distribuciones de probabilidad p* G R " y
q* € Km tales que, en ellas, se da la igualdad

máx mín qApT = mín máx qApT


p <7 p Q

D em ostración.
a) Primero, notemos que para cualquier p € Rn y q € Rm, se tiene que

mín qApT < qApT < máx qApT


<i p

y, por lo tanto,
máx mín qApT < mín máx qApT
p *i 9 p

b) Restaría entonces demostrar que

mín máx qApT < máx mín qApT


Q P P Q

para ciertos p* € Rn y q* € Rm. Para ello, sea

H = {x e R m/ x = ApTp&r& algúnp 6 Rn y ApT > v\e}

donde v\ = máxp míng qApT y e = ( 1 , 1 ) G Rn. Observe que H es convexo


y no vacío, y, por el teorema de separación de Minkowski (teorema 8 ), existe
q* 6 R m tal que q*ApT < v\ para todo p G Rn. Y como mínqmáxp qApT <
máxp q*ApT , tendremos que

mín máx qApT < V\ = máx mín qApT


q p P <7

que era lo que queríamos mostrar. ■

T eorem a 13. (M in ko w ski => teorem a de dualidad)


Si el problema primal tiene solución óptima finita, entonces el problema dual
también tiene solución óptima finita, y los valores de ambas funciones objetivo
son iguales. Si el primal no tiene óptimo acotado, entonces el dual no tiene
solución factible.
130 Matemáticas béLsicas para economistas 3: Optimización y dinámica

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

Como C es un cono, debe ser d > 0; además, puesto que (0 , 0 ) G C , tenemos


que d < 0. De esto concluimos que d — 0 y s < 0. Asumamos que s = —1;
entonces, por la desigualdad anterior, —r + xw > 0 para todo (r, w) G C que,
de la definición de C, implica
(6 —A x )y T — tz° + tcTx > 0

para todo y > 0 y t > 0. En particular, si t = 0, A x < 6 , es decir, x es factible


en el primal. Si y = 0 y t = 1 , entonces cTx > z° que, por el teorema 7,
implica cTx = z°; y, a su vez, por el teorema 10 , asegura que x es un óptimo
del problema primal. La demostración recíproca es similar y se deja al lector
como ejercicio. ■

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:

a) C = {(x,y) e R 2 | x > 0, y > x2}, p = ( 1 , 1)


b) C = {(x,y) e R 2 | y < lnx, x > 1 }, p — (2 , ln 2 )
c) C = {(x,y) € R 2 | y > ex + 1 }, p = (0, 2 )

2. ¿Será que, en el teorema 11, el hiperplano de soporte es único? Ilustre


con un par ejemplos.

3. / Teorema de J. Farkas (1902)] Pruebe, utilizando el teorema 11 de sepa­


ración de Minkowski, que si A una matriz n x n dada y b e Rm, entonces
una y solo una de las siguientes alternativas es cierta:

a) El sistema A - x = b tiene una solución x > 0 (todas la componentes


mayores o iguales a cero).
b) El sistema de desigualdades yTA > 0 tiene una solución j / e R " que
satisface y • b < 0 .
c) ¿Geométricamente, cómo puede interpretarse esto desde la perspecti­
va de las soluciones de un sistema de ecuaciones lineales? [Indicación:
el teorema de Minkowski se manifiesta claramente en la solución de
un problema de optimización de una función lineal con restricciones
lineales de desigualdad].

**4) ¿Será que el teorema de Minkowski implica el teorema de Weierstrass?

**5) ¿Es el teorema minimax un teorema de dualidad? Es decir, ¿teorema de


dualidad => teorema minimax?

7. Optimización en correspondencias: el teorema del


máximo
Nuestros métodos hasta ahora están destinados a la optimización de funciones;
es decir, de relaciones en que a cada número se le asigna otro número (y sólo
uno). Desde 1939, el grupo francés Bourbaki desarrolló el concepto de corres­
pondencia; es decir, relaciones en las que a cada número se le asigna ya no solo
otro número, sino una colección de números. Las situaciones reales en que esto
puede suceder son múltiples, y el objetivo de esta sección es describir algunos
resultados sobre optimización en este tipo de estructura. Entre ellos, quizás el
resultado más importante es el teorema del máximo, y paja comprenderlo nos
preparamos ahora.
132 Matemáticas básicas para economistas 3: Optimización y dinámica

D efinición 4. (C orrespon den cia (B ourbaki (1 9 3 9 )))17


Si S ,T C Rn, no vacíos, entonces una correspondencia ip de S en T es una
función
V V{T)
donde V (T ) es el conjunto de partes de T (es decir, todos los posibles subcon-
juntos de T), y tal que, para todo s G S, ip(s) ^ 0 .18
Así, una correspondencia (p de S en T , le asigna a cada 5 € S un conjunto no
vacío ip(s) e V (T ) (figura 26).

Figura 26. Correspondencia <¿>(s).


Las nociones de continuidad en funciones de variables reales se trasladan a
correspondencias de la siguiente manera:
D efinición 5 (C ontinuidad en correspondencias (B erge (1 9 5 9 ))19).
i) Una correspondencia <¿>: S —¥ V (T ) es semicontinua superiormente en
un punto s 6 S si cuando sn -> s y £n —> ¿ con tn e <¿>(s„), entonces
t 6 <p{s).

ii) Una correspondencia <p : S —►V (T ) es semicontinua inferiormente en un


punto s € S si sn —> s y t G (p(s) implica que existe una sucesión {£„}
con tn e ip(sn) tal que tn —>t.

iii) Una correspondencia ip : S V (T ) es continua si es semicontinua supe­


riormente e inferiormente.
17 Bourbaki, N. (1939), Éléments de Mathématique, París: Hermann.
18 En ocasiones, sin embargo, y si la notación no permite confusión, escribiremos
simplemente y? : S —> T.
19 Berge, C. (1959), Topological Spaces: Including a Treatment of Multi-valued Functions,
Vector Spaces and Convexity, Paxis: Dunod.
Lección 2: Optimización estática 133

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

Esta correspondencia (figura 27) es semicontinua superiormente, dado que para


toda sucesión {sn} con sn € [0,5] tal que sn —» s sólo existe una única sucesión
{fn} tal que tn € <£>(sn) y tn —►t : la sucesión {¿n} = {2}, la cual converge a t =
2, y, claramente, t € <p(s). Sin embargo, la correspondencia no es semicontinua
inferiormente, ya que podemos tomar sn —> 2.5 y 3 G <¿>(2.5), pero no existe
una sucesión {ín} que satisfaga tn —> 3 tal que tn € <p(sn).

¥>(«)♦
4 --

3 --

2 ---------------------------- ,
i
i -- ¡
i
------------- 1------------- h -
2.5 5 s

Figura 27. Correspondencia semicontinua superiormente

T eorem a 14. ( C aracteriza ció n de la se m ic o n tin u id a d sup erio r)


La correspondencia ip : S —> T es semicontinua superiormente sobre S si, y
sólo si, su gráfico

graf (p = {(s, t ) e S x T \ t e <¿?(s)}


es cerrado en S x T .20
D em ostración.
a) Sean s G S, sn -> s, tn -» t con tn € <p{sn)\ entonces (sn jtn) —> (s ,t). Y,
como graf ip es cerrado, entonces (s , t) € graf (p. Luego t € y?(s) y, así, 0 es
semicontinua superiormente.
20 S x T es el producto cartesiano de 5 y T (volumen 0 (Fundamentos)).
134 Matemáticas básicas para economistas 3: Optimización y dinámica

b) Sean s € S, sn -» s, tn —►t con tn € <p(sn). Entonces, como <p es semi­


continua superiormente, se tendrá que t G <p(s) y, por lo tanto, (s,¿) €
graf ip; es decir, graf ip es cerrado. ■

conjunto
¥>(«)

Figura 28. Una correspondencia ip(s) con graf <p cerrado.

Ejem plo 33.


Sean S = [0,10] y T = [0,100], y definamos

<p(s) = [s2> «2+ !)


Veamos que esta correspondencia es semicontinua superiormente mostrando
que graf (p es cerrado.
Solución.
Sea {(sn,¿n)} una sucesión en g ra f<p tal que (sn, t n) —> (s,t). Veamos que
(5 , ¿) e graf (p. En efecto,
lím sz, < lím tn < lím sz, + 1
n-> oo n —>00 n—¥oo

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

Ahora: dado s E S, uno puede estar interesado en caracterizar los elementos


<p{s) C T que maximizan cierta función continua / : S x T —>■R; y también
puede estar interesado en conocer el comportamiento de la correspondencia
de valores máximos, A¿(s), de /(•) sobre <p(s). Una respuesta a estas dos pre­
guntas está dada por el siguiente resultado muy importante en el análisis de
corresp ondencias:
Lección 2: Optimización estática 135

Teorema 15. (Teorem a del m áxim o (B erge (1 9 5 9 )))21


Sean S , T C Rn conjuntos no vacíos; si f : S x T —►R es una función continua
y ip : S —> V (T ) es una correspondencia continua en s G S, entonces:

a) / * : S —» R, definida por f* (s) = m á x { f( s ,t) \ t G <p(s)} es continua en


S.

b) fi : S -» V (T ), s —►f.i(s) = arg m á x { /(s,í) | t G <¿>(s)} es semi continua


superiormente.

Demostración.

a) S ea { s n } C S ta l q u e sn —> s € S, y p ro b e m o s q u e f* (sn) —>• f*(s).

i) P u e s to q u e / ( • , •) es c o n tin u a , e n to n c e s p a r a to d o t G tp(s) fijo, se tie n e


que f ( s n,t) -► f( s ,t) .
ii) Como (p : S -» V (T ) es semicontinua inferiormente, entonces para
cada t € <p(s) fijo, existe una sucesión tn G <p(Sn) tal que tn -> t.
Ahora: dada la definición de /*(•), existen sucesiones {en} y {¿m}j
ambas tendiendo a 0 , tales que

/ ( M ) < f* (s) < f ( s , t n) + en

f ( sm ¿) — / (s n) 5: f ( s n j t n ) + Sn

P o r t a n to ,

f{ s n,t) - f { s , t n) - en < f* (sn) - f* (s) < f{ s n, t n) - f{ s ,t) + 6n

E l r e s u lta d o se o b tie n e d e i) y ii) c u a n d o h a c e m o s n - » oo.

b) N o te m o s, e n p rim e r lu g a r, q u e

fi(s) = {t G </>(s) / /( s , t) = /*(«)}

S ea sn —>• s c o n { s n } C 5 , s G T , y p,n —> c o n p,n G A¿(sn ), y p ro b e m o s


q u e Ji G / / ( s ) . E n e fe c to , c o m o /2„ G <¿>(sn ) y / ( s n ,/2n ) = / * ( s n ), e n to n c e s ,
p u e s to q u e /* ( • ) es c o n tin u a , se t e n d r á q u e f ( s n,p,n) —» / * ( s ) ; y c o m o
ta m b ié n /(♦ ,♦ ) es c o n tin u a , e n to n c e s f ( s n ifln) —> f( s ,fi). P o r lo ta n to ,
/(s ,/¿ ) = f*{s) y d e a q u í G / i ( s ) , p u e s p, G <p(s) d e b id o a q u e <¿?(-) es
s e m ic o n tin u a s u p e r io rm e n te .

21 Berge, óp. cit.


136 Matemáticas básicas para economistas 3: Optimización y dinámica

E jem plo 34.


Corroboremos el teorema del máximo en el caso en que S, T = R, (p(s) = [—2 , 2]
para todo s G R, y f( s ,t) = s t:
a) /* : R —>R, definida por

f* (s) = má x { s t / t G [-2,2]} = 2|s|


es continua en R.

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:

a) <t> : [0,1] -> [0,1] b) ¿ : [ - l , l ] ->‘[0,1]


s -> [0,5] s (0, s2]

c) (j>: [—2,0] —> [—2,4] d) <j) : [—2, —1] -» [0; —1]


5 -» {5 ,s2}

e) <j) : [0,1] —y [0,1] definida por

[Indicación: Un dibujo ayudaría en cada caso].


2. Adicione condiciones suficientes (si son necesarias) para que la siguiente
afirmación sea teorema: “Si / es una función continua en el punto s, y <p
es semicontinua superiormente (semicontinua inferiormente) en el punto
f( s ) entonces ip = ip o / es semicontinua superiormente (semicontinua
inferiormente)”.

3. Falso o verdadero: “Si ^ : S —» T es semicontinua superiormente y C C S


es compacto, entonces = {í € T / t G ip(c) para algún c G C } es
compacto en T ”.
Lección 2: Optimización estática 137

4. Defina si es posible aplicar el teorema del máximo en los siguientes casos


y, en caso de que sea así, llévelo a cabo:

a) (¡>: [0,1] —y [0,1] definida por (¡>(s) = [0,5], y f ( s , t) = s2t.


b) <j> : [0,1] —> [0,1] definida por

y donde f( s .t ) = -— ------.
J ’ 1 1 +s+t

8. Teoremas de punto fijo


Los teoremas de punto fijo son herramientas que están profundamente enrai­
zadas en la naturaleza topològica y algebraica de Rn. Establecen, de hecho,
interrelaciones entre las nociones de convexidad y continuidad, y ayudan a re­
ducir, en cierta medida, los comportamientos no lineales a descripciones lineales
del problema en estudio.
Aunque ya en la lección 1 del volumen 3 (Cálculo) hicimos la primera aproxi­
mación al concepto de punto fijo y a su naturaleza topològica, solo hasta ahora,
que hemos reunido un acervo suficiente de conocimientos, es posible entender
a plenitud uno de los principales resultados.

Teorema 16. (Teorem a de p u n to fijo de B rou w er (1912))


Supongamos que S es un subconjunto no vacío, compacto y convexo en Rn. Si
<p : S S es una función continua, entonces </?(•) tiene al menos un punto
fijo; es decir, existe x* es tal que y>(x*) = x* (figura 29).

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 ■

Ejemplo 35. (Ejem plos de puntos fijos)

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

Figura 29. Teorema de punto fijo de Brouwer.

b) Sea A 2 el simplex unitario en R2, es decir, A 2 = { ( x \,x 2 ) € R2 / xi +


X2 = 1 } (que es un conjunto no vacío, compacto y convexo), y definamos
/ : A 2 -> A 2 mediante

que es una función continua. Los puntos fijos aparecen al resolver la igualdad

la que nos lleva a

o a (x i )2 = x i, X1 X2 = 0 . Y así, los puntos fijos son todos los puntos de la


forma (0 ,# 2) para x 2 € [0 , 1], y el punto aislado ( 1 , 0 ).

El siguiente teorema clásico de puntos fijos es el teorema de Kakutani, que


ahora se aplica a correspondencias en lugar de aplicarse a funciones. Como se
verá adelante, este teorema es, de hecho, equivalente al teorema de punto fijo
de Brouwer.

T eo rem a 17. (T eo rem a de p u n to fijo de K a k u ta n i (1 9 4 1 ))


Sea (p : S -> 'P(S), con S un subconjunto no vacío, compacto y convexo de
Rn. Si <p es una correspondencia semicontinua superiormente tal que para todo
s € S, (p(s) es convexo (y no vacío), entonces ip(-) tiene al menos un p u n to
fijo , es decir, existe s* £ S tal que s* 6 <p(s*) (figura 29).
Lección 2: Optimización estática 139

Figura 30. Teorema del punto fijo de Kakutani.

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

Con esto, definimos la función (pe : S —> S mediante la fórmula


mt
<p'{x) = ^ 2 wi(x ) bi
¿=i

donde b\ G <p(a*) es fijo, y w \(x) está dado por la fórmula

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 ,

IK " ~ *11 á || a-” - x Cn || + || i e„ - i ||< | | = e

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

y $<$ es convexo, se tendrá que x €n G Haciendo n tender a infinito tendremos


que
x G $25
para todo 5, y esto finaliza la prueba.

Con la demostración del teorema 17, notamos que el teorema de Brouwer


implica el teorema de Kakutani; y es claro que el teorema de Brouwer es un
caso especial del teorema de Kakutani. Por lo tanto, podemos afirmar que:

C orolario 2.
Los teoremas de punto fijo de Brouwer y Kakutani son equivalentes.

E jem plo 36. (M ás ejem plos de puntos fijos)

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.

b) Sea (p : [0,1] -» ^ ([ 0 , 1]) definida por (p(x) = [0, Esta correspondencia


también satisface las condiciones del teorema de Kakutani (¿por qué?). Para
hallar los puntos fijos, recurrimos a la condición x* G (p(x*) = [0, -*-5 -}, y
arribamos a que x* = 0 .

c) Sea tp : [0,1] —> P ([0 ,1]) definida por (p(x) = [0,2x2 — | x 3 — \ x A + ¿ ] .


También esta correspondencia satisface las condiciones del teorema de Ka­
kutani, y los puntos fijos están determinados mediante la condición

*’ € [ 0 , 2 (z*)2 - ? ( z * ) 3 - ^ + 1 ]

es decir, todos los puntos x*de la unión de intervalos [0,0.13] U [0.56,0.91].


Lección 2: Optimización estática 141

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 K (p,q) = qApT para A = [a¿j]mxn, p en el símplex unitario de


Rn, y q en el simplex unitario de R m] y luego defina las correspondencias

<p(q) = arg máx K (p, q), ip(p) = arg máx K (p, q)


Q p

■ Defina la correspondencia

f(p ,q ) = v(q) * V»(p)

y establezca que su dominio y su rango es A n x Am.

■ Pruebe que esta correspondencia satisface las hipótesis del teorema de


punto fijo de Kakutani.

■ Por tanto, existen p* y q* tales que (p*,q*) £ y(q*) x V>(V*)• Es decir,

P* 6 <p(q*), q* e i¡>(p*)

Así, K(p,q*) alcanza un máximo en p*, y K(p*,q) alcanza un mínimo


en q*. Por consiguiente, (p*,q*) es un punto que satisface

máx mín qApT — mín máx qApT


p q q p

b) También es posible demostrar el teorema de Frobenius (1902) (o, más pre­


cisamente, de Perron-Frobenius (Perron (1907))) que se había discutido en la
lección 7 del volumen 1 (Álgebra lineal):

Teorema 18. (T eorem a de P erro n (1 9 0 7 )-Frobenius (1903))


Sea A una matriz cuadrada n x n no negativa (no nula). Entonces, la matriz A
tiene algún valor propio no negativo (y no todos cero). Y, con el máximo valor
propio, está asociado un vector propio cuyas componentes son no negativas (y
no todas cero).
142 Matemáticas básicas para economistas 3: Optimización y dinámica

Estas son las pautas para su demostración (Nikaido (1968)):


■ Sea L(A ) = {/í 6 R / A x > ¡ix para algún x > 0} y pruebe que L (A) ^ 0
y es acotado superiormente.

■ 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.

■ Sea íl = { i e An/ A x > A(yl)x} donde An es el simplex unitario en Rn,


y establezcamos la función

f : íí —y Í7

definida por
/( * ) = , , n . 1 „ - (In + A)x
1 + 2 ^ i J = l a i3 x 3

donde A = [a¿j], x — (X j).


¿Por qué está bien definida esta función? [Indicación: Pruebe que A f( x ) >
A(A )f(x)].
■ Pruebe que Cl es compacto y convexo en Rn.

■ Pruebe que /(•) es continua.

■ Aplique el teorema de punto fijo de Brouwer para garantizar la existencia


de un x* 6 Q tal que f{x*) = x*; es decir

1 ~ ( I n + A)x* = x '

Pruebe que

[53 ai3x j Ix* - Ax*

y que

A(A) = 2 2 a» xJ
i,j = 1

Ejem plo 37.


a) La matriz ^ ^ ene como valores propios Ai = 1 , A2 = 6 . Así, A(>1) = 6 ,
y un vector propio
p: asociado a este valor propio es [4,1].
'1 2 01
b) La matriz 2 2 2 tiene como valores propios Ai = —1 , A2 = 2 , A3 = 5.
0 2 3
Lección 2: Optimización estática 143

Así A(Á) — 5, y un correspondiente vector propio es [1,2,2].


c) La matriz J tiene como valores propios Ai = A2 = 0. Así, A(^4) = 0, y
un correspondiente vector propio es [1,0].

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.

a) Los consumidores tratan de maximizar su satisfacción (utilidad) de consu­


mir bienes y servicios, y lo hacen aumentando las compras de cada bien
hasta que lo que ganan por una unidad adicional de algún bien sea equipa­
rada con lo que tendría que entregar por obtenerla. De forma similar, los
individuos ofrecen mano de obra a las firmas que quieren emplearlos de tal
modo que equiparan las ganancias de ofrecer una unidad marginal de sus
servicios (e.d. el salario que recibirían) con la “desutilidad” de la mano de
obra misma (posibilidades de ocio). Así, los individuos eligen de acuerdo
con la noción de marginalidad, y esto produce una teoría de demanda de
bienes y oferta de mano de obra.
b) En forma similar, los productores intentan producir las unidades de un bien
de tal forma que el costo de producir una unidad marginal sea equiparado
al rendimiento que genera, y así se maximizan sus beneficios. Las firmas
Lección 2: Optimización estática 145

también* contratan empleados de tal modo que el costo de un contrato adi­


cional sea equiparado con el valor del producto que ese empleado adicional
produciría.

A teorías basadas en estas hipótesis se les llama teorías neoclásicas. Así, en


definitiva, para la economía neoclásica, el sistema económico es un campo
de mecánica racional: los agentes son los átomos; la función objetivo es la
función de energía’, y el objetivo es la optimización de la energía. Atomicidad,
funciones objetivo y, sobre todo, optimización, son las características centrales
de la teoría neoclásica. Así, ligada a una ciencia exitosa, como la Física, la
economía neoclásica ha buscado hacer de la Economía una ciencia también.
Que lo haya logrado es un tema aún de debate.

a) C o m p o r ta m ie n to e c o n ó m ic o ra cio n a l sin in tera ccio n es: a l­


g u n o s ejem p lo s
La división metodológica neoclásica de una economía entre productores y con­
sumidores condujo, por tanto, a un análisis detallado de cada uno de estos
sectores separadamente, y, en particular, de cada firma o consumidor aislada­
mente; es decir, no existe interacción, ni entre procesos productivos, ni entre
consumidores, ni entre productores y consumidores: los agentes de estos secto­
res económicos operan paramétricamente a través de señales del mercado tales
como los precios, y no existe ninguna interacción entre ellos que afecte sus
decisiones económicas. Veamos esto con cierto detalle.

i) C om portam iento del productor racional (I): m ínim os costos


Ya sabíamos (volumen 2 (Cálculo)) que una de las formas de modelar el com­
portamiento de los productores en teoría económica es por medio del problema
de mínimos costos:

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

Para asegurar la existencia de una solución a este tipo de problema de produc­


ción, sólo necesitaríamos que el conjunto

s = {(x,t/) e R+ / f ( x , y ) > yo}

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)

5' = {(x, i/) € R2+ | / ( z , y) > ?/o, w i x + w 2y < wix* + w 2y'}

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

Ejemplo 38. (M ínim os costos con tecnología C obb-Douglas)

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 _ «

Figura 32. Mínimos costos con tecnología Cobb-Douglas.

Solución.
Las condiciones de primer orden del problema del productor son

i) —w\ — XaxQ~ly& < 0; —W2 — X(3xQy0 ~ 1 < 0; x ay0 > yo

ii) x ( - wi — Xq i q_1/ ) = 0; y (-W 2 — Xpxay&~1) = 0

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

C(w l M o) = L (f +^2( ^ ) ‘ 2/0

A C(w \,W 2 ,yo) se le conoce como la función de costos de la tecnología Cobb-


Douglas. Notemos que el problema del productor tiene solución, independien­
temente del tipo de rendimientos a escala que presente la función de produc­
ción. ▲

Ejem plo 39. (M ínim os costos con tecnología lineal)


En el problema de mínimos costos
Minimizar W\x+W2 y
sujeta a a x -f Py > yo
x > 0
y >o
donde w i,w 2 , a ,(3 > 0; yo > 0 fijo, las condiciones de primer orden del proble­
ma del productor son
i) —w\ —Aa < 0; —w2 —A/5 < 0; a x + fiy > yo
ii) x (—w\ —Aa) = 0; y ( - w 2 - A/?) = 0; A (ax + Py - yo) = 0
Analizamos tres casos:
W\ W2
a) Si x > 0, y > 0, entonces, de ii), A = ------^ O y A = - — ^ 0 , lo cual
a p
solo se cumple si % = — (caso muy particular). Si se tiene esta última
P w2
igualdad, entonces A* < 0, y de (ii) debe tenerse ax* + py* = yo. Por lo
tanto, cualquier combinación de x, y que satisfaga la restricción también
satisface todas las condiciones.
b) Si x > 0, y = 0, entonces, de ii), A = —— / 0 y x* = - . Para que se
W\a a a
cumpla la condición i) debe tenerse que — < —, y en este caso,
w2 p
Lección 2: Optimización estática 149

c) Si x = O, y > O, entonces de ii), A = —y ^ O y y* = Para que se

cumpla la condición (i), debe tenerse que % < — , en cuyo caso,


P w2

x* = 0,

Así, la producción óptima es yo, y la Junción de costos de la tecnología lineal


es
W2 . a ^ w\
- 5- 2/0 si - < —
p (3 w2
C (w i,w 2 ,yo) =
W 1 . Q W\
— yo si - > —
a p w2

Las demandas óptimas son las correspondencias

. 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

(figura 33), y el costo marginal es

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

Ejem plo 40. (M ínim os costos con tecnología CES)


En el problema de mínimos costos

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:

(i) —wi — Xa [axp 4- x p~l < 0 ;


—W2 — Xfi[axp 4- PypY ^ yp~l < 0 ;
[axp + j3yp]p > yo

(ii) x w\ —Xa [axp -I- Pyp]~ ^ xp_1) = 0 ;


y ( - w 2 ~ X{3 [axp 4- 0 y p}~ ^ 2/p_1) = 0 ;
A {[axp 4- Pyp)~p - yo) = 0
Analizamos tres casos:
1. Si x > 0 , y > 0 , entonces de (ii),

A = ------------ “ t ^£----- = ------------ -------------^ 0


a [axp 4- (3yp] p x p~l [axp 4- fiyp) ? yp~1
de lo cual resulta que
Lección 2: Optimización estática 151

y utilizando nuevamente (ii), obtenemos que

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* = P~pz i W2 ~1 ^ a ' p ^ W i ' 1 + yo

y cuyo costo es

C ( w i , w 2,yo) =

2. Si x > 0, y = 0, entonces de (ii), A = —- y 7é 0 y i = -^y. Así, x* =


olp o ? q Tp
W\
y* = 0, A* = ---- j-, que cumple todas las condiciones, y cuyo costo es
o¿p
rit \ w iVo
C(w\,W 2 ,yo) = — —•
Ol p

3. Si x = 0, y > 0, entonces de (ii), A = —^ j ^ O y y = Así, x* = 0,


pp @p
y* = A* = — que cumple todas las condiciones, y cuyo costo es
pp pp
^ w2yo
C (w i,w 2 ,yo) = — —
p-p
La función de costos de la tecnología CES es

[(= ? )* + (£ )* ]“ » si p < 0

C ( w u w 2ly0) = < p> 0


m '«
1

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 .

y las demandas óptimas son

___L_ 4r / ___L_ -^T ___L_


a p~l wÇ ía p -'w { + p~l W2 ) yo, p< 0

x*(w i,w 2 i yo) = 4 *-<(§)* p > o


aï W ,
o si ^ > ( ? y p> o
w2 \P J

—f i -fi- i - e- \ ~
1 í Q P-iWi 1 + P P~l W¡ 1 J yo, p< o

y*(wl i w2 ,yo) = si p> 0


W2 \P J ,

yo si p> o
w2 \P J

n) C om portam iento del productor racional (II): m áxim os benefi­


cios

Otro mecanismo muy utilizado para modelar el comportamiento del productor


racional es el supuesto de que maximiza beneficios, es decir, se asume que el
productor resuelve el problema
Lección 2: Optimización estática 153

Maximizar p y - w \x - w2y
sujeta a y = f ( x, y)
x > o
y >0

donde y > 0 es el total de la producción, p > 0 es el precio de venta del


bien, w i,w 2 > 0 son los precios de los insumos utilizados en la producción y
f ( x ,y ) es la función de producción (o tecnología). Notemos que este problema
es equivalente al problema

Maximizar P f{x ,y ) - w i x - w2y


sujeta a x > 0
y >o

Por un “truco” similar al utilizado anteriormente, podemos concentrar nues­


tra atención en un subconjunto compacto del conjunto restricción; y si /( x , y)
es continua, entonces el problema tendrá solución. Además, si /(x ,j/) es es­
trictamente cuasicóncava, entonces, por el teorema 2, la solución será única.
Por último, si suponemos que f ( x ,y ) es diferenciable con continuidad en R+,
entonces el problema cumple con las condiciones del teorema 5, y podemos
encontrar la solución entre las soluciones de las condiciones de primer orden:
3/ ** - n p—df - w 2 = 0.
p a í - u’i = 0 ’ oy

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)

El problema de hacer máximos los beneficios, en este caso, se puede plantear


así: dados Q1 /3ip yw i,w 2 > 0, a + £ < l ,

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

de lo cual obtenemos que


wi (3
y = ----
W 2 Oí
x

Reemplazando en las condiciones de primer orden, encontramos las funciones


de demanda de factores:
Lección 2: Optimización estática 155

con función de oferta

y función de beneficios

n(p,u>i,u>2) = ( i - q -/3 )p o+^ -1 ( ~ ) ° +^ 1 (jfj

¿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

Ejem plo 42. (M áxim os beneficios con tecnología tip o lineal)


Dados a , ¡3, p, u/i, > 0,

Maximizar p f( x , y) - w \x - w2y
sujeta a a x + ¡3y = f( x ,y )
x > 0
y> o
Solución.

El problema de optimización del productor es equivalente a

Maximizar p (a x + (3y) — w \x —w2y


sujeta a x > 0
y > 0

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

E jem plo 43. (M áxim os beneficios con tecnología tip o CES)


Dados a , P, p, p, w \, W2 > O,

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

pa (a xp + Pyp)~ ^ x p~l = w i, pP (a xp + Pyp) ^ yp~l = W2

de lo cual obtenemos
o

Dado que la función de producción es homogénea de grado 1 y, por tanto, tiene


rendimientos constantes a escala, la función de beneficios es 23

n ( p , w u w2) = O

y, así, la escala de operación es indeterminada, de tal forma que las demandas


de factores también son indeterminadas (excepto por la relación entre factores
expuesta en (*)). A
Utilizamos el teorema de Euler (volumen 2, lección 2), que afirma que toda función
homogénea /(x , y) de grado a satisface

af(x,y) = ^ +^ y
Lección 2: Optimización estática 157

n i) C om portam iento del consum idor racional: el problem a de la


m áxim a utilidad
Como advertimos antes en esta misma sección, al modelar el comportamiento
del consumidor nos basamos en la idea de que este busca su máxima utilidad
restringido a su asignación presupuestal, asumiendo que el resto de la economía
opera paramétricamente con respecto a él (o ella), y que solo recibe señales de
precios como mensajeros de información de las actividades de los otros agentes.
Desde esta visión, nuestro consumidor enfrenta el problema
Maximizar u(x> y)
sujeta a p \x 4- p2y < M
x >0
y> 0

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

S = {(x,y) G R+ | p \x + p2y < M }

es convexo. Si la función de utilidad es, además, diferenciable con continuidad


en R^_, entonces se cumplen las condiciones del teorema 5 y, así, la solución al
problema estará entre las condiciones de primer orden
du du
i) + Api < 0; 0 ^ + -*P2 <O; p ix + p2y < M

ii) i ^ ^ + Ap!^=0; V ^ ^ + A p 2 ^ =0 ; \ ( M - p i x - p 2y) = 0

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.

Ejemplo 44. (M áxim a utilidad tip o C obb-Douglas)


Maximizar x ay0
sujeta a p \x 4- p2y < M
x >0
y > o
158 Matemáticas básicas para economistas 3: Optimización y dinámica

Figura 36. El problema del consumidor racional,

donde los parámetros p i,p 2 , M 1 a 1ß son todos positivos.

Solución.

Las condiciones de primer orden del problema del consumidor son

(i) a x a~ l yß + Api < 0; ß x Ctyf3~l 4- \ p 2 < 0; p \x + p¿y < M


(ii) x ( a x Q~l yß -f Api) = 0 ; y (ß x ayß~l + Áp2) = 0
A (M - p ix — P2y) = 0

Analizamos únicamente el caso x > 0, y > 0 (¿por qué?). De esta manera, de


(ü),
Qxa~ 1 v^ 3 x Qy^~^ .
A = —— -----— 7^ 0 y A = ——— - ---- 0
Pi P2
y así,
Pi ß
y = ------ X
P2 Oí

y nuevamente de (ii), obtenemos las funciones de demanda del consumidor

y nivel óptimo de utilidad

( 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.

i) C a ra c te rístic a s de la función beneficio de u n p ro d u c to r racio n al


La función de beneficio asigna el máximo nivel de beneficio de la firma para
cada nivel de precio del producto y los precios de los insumos (figura 37). El
primer estudio de la función de beneficios fue el trabajo pionero de Harold
Hotelling (1932)24.

T eorem a 19. (F unción de beneficio (H o tellin g (1 9 3 2 )))


Si la función n : R++ -* R, Y l(p,w\,w 2 ), resuelve el problema de optimización
del productor

Maximizar p f(x , y) — W\x — w2y


sujeta a x > 0
y > 0

donde p ,w i,w 2 > 0, y /(•»•) es una función de producción continua (arbitra­


ria), entonces n(-,*,-) satisface:

a) n (p,iui,u/ 2) > 0 para todo p,u/i,tU2> es decir, las firmas nunca eligen tra­
bajar con beneficios negativos.

b) Xl(p,w \,w 2 ) es no decreciente en p y no creciente en w\ y w2, es decir,


que aumentos en el precio del bien vendido nunca perjudica los beneficios
de la firma, y que aumentos en los precios de los insumos nunca mejoran
los beneficios óptimos.

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) H (p,w \,w 2) es convexa en (p,u/i,tu2)-

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

Figura 37. Típica función beneficio para un nivel de precios p dado.

E jem p lo 45.
Verifiquemos que la función de beneficio de la tecnología Cobb-Douglas

n(p,u>i,W2) = (1 —a —f})p ~ ñ T P -¡ 0 -)a+s~‘ ( y )“**-1


cumple con las propiedades del teorema anterior:

a) Aquí,

a n (p ,w u w2) / w 2\ ^ >Q
dp \ a / \ P /

dU{p,wuW2) = /w i\7rrhi-i í wA <Q


dw\ l a / \ P)
d U (p,w uw 2)
dw 2

b) Además, para t > 0,

rn.tr,.» „ < « ,) ( ' - f ') " u ( f‘ )

= t n ( p ,w i,w 2 )

c) Por último, es inmediato ver que la función es convexa, utilizando el teorema


4 de la lección 1.
Lección 2: Optimización estática 1C1

ii) C aracterísticas de la fu n ción de costos de un produ ctor racional

La función de costos (figura 38)y su análisis se debe al famoso texto Founda­


tions of Economic Analysis de Paul A. Samuelson (1947);25 y también a los
trabajos de Ronald Shephard (1953). Veamos cuáles características la distin­
guen.

Teorema 20. (Función de costos (Sam uelson (1 9 4 7 )))


Si la función C : R3++ —> R, C (wi,W 2 ,yo), resuelve el problema de optimización
del productor

Minimizar w \x + w2y
sujeta a f ( x , y) > y0
x >0
y> 0

donde /(-,♦) es una función de producción, entonces satisface:

a) C (w \yW2 ,yo) es no decreciente en ivi,W2 ,yo-

b) C (w \,W 2 ,yo) es homogénea de grado 1 en (w \,w 2 ), para yo fijo.

c) C(w i,W 2 i yo) es cóncava en (W\,W2 ), para yo fijo.

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

satisface las propiedades del teorema 20 anterior:

25 Samuelson, Paul A. (1947), Foundations of Economic Analysis, Cambridge: Harvard


University Press.
162 Matemáticas básicas para economistas 3: Optimización y dinámica

Figura 38. Función de costos para nivel de producción yo dado,

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 -

b) Además, para t > 0,

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)

c) Sean (rui,«^), (w ^w ^) € y A € [0,1]. Si se tiene que

w\ ^ a w[ a
W2 ~~ P ' w'2 ~~P
Lección 2: Optimización estática 163

entonces

C (\w \ + (1 - X)w'1 ,\w 2 + (1 - A)u4>2/o) = ^ ^—^^2


a
= A— yo + (1 - A)— 2/0
a a
= \C (w u w2 yyo) + (1 - \)C (w [,w f2 yyo).
El caso con las desigualdades anteriores al revés es similar. Si

'OH. <£ <


W2 ~ ¡3 ~ W f2

entonces se tiene que


Xw\ + (1 —A)iüi a Xw\ + (1 — A)w[ a
\w2+ (1 —A)zí>2 — P* Aií72 + (1 — \)w2
' ~P
El primer caso implica que

C(\wi + (1 - X)w[,Xw2 + (1 - A)tí4 , 2/0) = *Wl + - — —^—^2/0

= AC(tui, tu2»2/o) + (1 - \)C(w[,w'2,yo).

El otro caso es similar.

m) Características de la función de dem anda de un consum idor


racional
Aquí observaremos las características que describen una función de demanda
cuando esta proviene del comportamiento racional de un consumidor (figura
39).
Teorema 21. (Función de dem anda)
Si las funciones (x,y) : R++ -» R+, (z(pi,p2> A/), 2/(pi,P2» M )), resuelven el
problema de optimización del consumidor

Maximizar U(x, y)
sujeta a p \x + p2 y < M
x > 0
2/>0

donde £/(•, •) es una función de utilidad continua, cuasicóncava estricta y cre­


ciente en x y y, entonces:
164 Matemáticas básicas para economistas 3: Optimización y dinámica

a) x (p i,p 2 ,M ), y(pi,P 2 ,M ) son no crecientes en pi y P2 , respectivamente; y


no decrecientes en M .
b) x (p i,p 2 ,M ), y(pi,P 2 ,M ) son homogéneas de grado O en (pi1 p2 ,M ).
c) x (p i,p 2 ,M ), y(p i,p 2 ,M ) son cóncavas en M .
d) x (p iyp2 ,M ), y(pi,p2 ,M ) son continuas.
Demostración.
Ver ejercicio complementario 36. ■

Ejemplo 47. (Demandas de consumidor tipo Cobb-Douglas)


Las funciones de demanda de un consumidor con función de utilidad Cobb-
Douglas son
aM (3M
x*(pi,p2 ,M ) = y*(piip2 i M ) =
P i(a + p) ’ p2(a + 0)
Veamos que éstas satisfacen las condiciones del teorema anterior,
a) Calculando las derivadas parciales con respecto api,í>2 y M tenemos que
9 x*(pi,p2 ,M ) aM d y '( p u p2 ,M )
<0 = 0
dpi p j(a + P) dpi
dy’ (pi,P2,M ) PM dx*(pu p2 i M )
<0 = 0
dp2 p%(a + P) dp2
dx*(pi, p 2>M ) a dy*(Pi,P2,M ) P
>0 >0
dM P i(a + P) ÔM P2(<* + P)
Lección 2: Optimización estática 165

x ’ ( \ p u Xp2 , \ M ) = Api(Q + /?) = x * (p i,p 2,M )

»*(Api, Apa, A M ) = Xp^ {+ p ) = y*(Pi.P2. M )

c) Ambas funciones son lineales en M y, por tanto, cóncavas.

d) Es claro que son continuas en (pi,P2 ,M ) G K++.

iv) Características de la función de utilidad indirecta de un consu­


midor racional
A diferencia de la función de utilidad, la función de utilidad indirecta es muy
conveniente en la implementación economótrica, ya que esta dependerá, de pa­
rámetros susceptibles de ser medidos a través de datos. Por esta sola razón
merece tener un estudio particular.

Teorema 22. (Función de utilidad indirecta)


Si la función v : R++ -> R% ,v(pi,p2 ,M ) — u (x(p i,p 2l M ), y(pi,p 2, M )) es
evaluada en las soluciones al problema de optimización del consumidor

Maximizar u(x, y)
sujeta a p \x 4- p2y < M
x > 0
V> 0

donde £/(-,*) es una función de utilidad continua, cuasicóncava estricta y cre­


ciente en x y y, entonces satisface:

i) v(pi,p2 , M ) es no creciente en p\ y en p2; y no decreciente en M .

ii) t>(pi,p2 ,AÍ) es homogénea de grado 0 en (pi,p 2 ,M ).

iii) u (p i,p 2 » ^ ) es cuasiconvexa en (pi,p2).

iv) v(pi,p2 ,M ) es continua.

D em ostración.
Ejercicio complementario 37. ■
166 Matemáticas básicas para economistas 3: Optimización y dinámica

Ejem plo 48.


Verifiquemos que la función de utilidad indirecta de la función de utilidad
Cobb-Douglas
( aM Y f PM
V(PUP2,M ) [M a + ^ J [ p2{a + p ) )

satisface las condiciones del teorema anterior:


i) Al derivar con respecto a p\ y p2 obtenemos:
dv(j>i,P2 ,M ) _ _ a _ / a tf \° / ¡3M Y
dpi P i \Pi(q + 0)J V P 2 ÍQ + / ? )/

dv(pu p 2,M ) = _ l_ í aM y Q

dP2 P2 \ P l(a + 0 )/ \ P 2(q + /3)/

ii) Además,

. ( M . A - « fe .« .« )

iii) La función de utilidad indirecta es una función cuasiconvexa en (pi,í>2 )


aplicando la definición 4 de la lección 1.
iv) Esta función es, claramente, continua en R%+.

c) C o m p o r ta m ie n to e c o n ó m ic o r a c io n a l sin in tera ccio n es:


tr a d ic ió n p a r e tia n a d e l m o d e lo w a lra sia n o
Después del trabajo pionero de Walras (Éléments d ’économie politique pu-
re(1874)) sobre el equilibrio general económico bajo competencia perfecta, y
antes del “modelo-síntesis” Arrow-Debreu, (1954); Debreu, (1959) que estudia­
remos en la próxima lección, la teoría se bifurcó en dos grandes “escuelas”:
i) La primera, conocida como la “tradición alemana”, se dirigió, fundamen­
talmente, al problema matemático de la existencia del equilibrio general
walrasiano. Esta línea, inspirada por el modelo Walras-Cassel aparecido
en el texto de Gustave Cassel de 1918 Theoretische Sozialókomie (volu­
men 1 (Álgebra lineal), lección 4), continuó con los trabajos de Abraham
Wald (1936)26, Karl Schlesinger (1933)27, y John von Neumann (1932)28
26 Wald, A. (1936), On Some Systems of Equations of Mathematical Economics,
Econometrica (traducción de 1951).
27 Schlesinger, K. (1933), On the Production Equations of Economic Valué Theory, en
Baumol, W. y Goldfeld, S. (1968), Precursors in Mathematical Economics, London
School of Economics.
28 Von Neumann, J. (1932), A Model of General Economic Equilibrium, Review of Eco­
nomic Studies, Traducción de 1946.
Lección 2: Optimización estática 167

(volumen 1 (Álgebra lineal), lección 6). De hecho, la primera prueba


que se conoce sobre la existencia de un equilibrio competitivo, la obtuvo
precisamente Wald (1936,1951), aunque también von Neumann había al­
canzado a mostrar la existencia de equilibrio en su modelo de crecimiento
de 1932.

ii) La segunda, conocida como la “tradición paretiana”, tuvo su inspiración


en el Manuel d ’Économie Politique (1906) de Pareto, quien fuera alumno
y sucesor de Walras en la Escuela de Laussane (Suiza). Este, aunque
reconocía la teoría pura formal (es decir, los Éléments) de Walras como
su principal fuente de inspiración, una y otra vez aseguraba que el resto
del trabajo de su maestro era “fútil metafísica”. Este tipo de afirmación
de Pareto haría que se sesgara el estudio de Walras sólo a la teoría pura,
dejando de lado sus trabajos en economía política aplicada y social, que
para él eran parte integral de su obra, pero que hoy están empezando a
tener un mejor reconocimiento.

Posteriormente John Hicks profundizaría en este concepto cuando afirmó


que si de estudiar el problema del equilibrio general planteado por Walras
se trataba, era mejor ir a Pareto o a Wicksell que al propio Walras. De
hecho, en el prólogo de Valué and Capital de 1939, Hicks aseguraba que
su propósito general era “examinar la teoría de Pareto y aplicar después
esta teoría del valor perfeccionada a aquellos problemas del capital que
estaban fuera del alcance de Wicksell a causa de la imperfección de los
instrumentos de que disponía”
Pareto y Hicks fueron, sin duda, los pioneros de una corriente muy influ­
yente en el pensamiento económico del siglo XX: el estudio del concepto
de equilibrio general competitivo y su profunda relación con el problema
del bienestar económico. Sin embargo, en su propósito, no sólo limitaron
el pensamiento original walrasiano, sino que aplicaron y discutieron so­
bre objetos de los que no tenían la seguridad de que existieran, pues, por
cualquiera que sea la razón, los problemas de existencia del equilibrio ge­
neral competitivo nunca estuvieron en su agenda de investigación. Pareto
(Manuel, § 38), al igual que Walras, se contentaba con el argumento falaz
de que si el número de ecuaciones es igual al número de incógnitas en­
tonces la existencia de solución estaba garantizada. Por su parte, Hicks,
implícitamente, argumentaba que la solución debería existir basándose
en el significado económico de las ecuaciones.29
Esta visión paretiana-hicksiana del trabajo original de Walras sería apun­
29 Si el lector piensa que garantizar la existencia de un objeto que cumple cierta ca­
racterística, es un ejercicio importante pero sin consecuencia alguna, lo invitamos a
considerar el siguiente muy sencillo ejemplo: “Supongamos que existe un único número
168 Matemáticas básicas para economistas 3: Optimización y dinámica

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) .

Una de las ventajas del sistema paretiano es que es pedagógicamente con­


veniente y su intuición gráfica es muy simple a través de tres herramientas
fundamentales: primero, las curvas de nivel (introducidas por Edgeworth en
su Mathematical Psychics de 1881); segundo, las cajas de Edgeworth (confusa­
mente vislumbradas por el mismo Edgeworth en su obra magna de 1881, pero
introducidas en propiedad por Pareto en el Manuel de 1906); y tercero, las
fronteras de posibilidades de producción (introducidas por Lerner (1932)). Y
aunque con ellas se ilustran claramente las condiciones del equilibrio general,
desafortunadamente, el gran costo de esta aproximación es que, en general,
se apoya en fuertes hipótesis de diferenciabilidad de las distintas funciones
empleadas.

i) E l m odelo p a re tia n o
Desde la perspectiva actual, el sistema paretiano podría describirse así:

a) Un conjunto de mercancías; es decir, “cosas valiosas e intercambiables” (Elé-


ments, §41).

b) Un mercado de esas mercancías; es decir, “el lugar donde se cambian las


mercancías” (Éléments, §41).

c) Todos los agentes (consumidores y productores) responden a precios to­


mados paramétricamente, es decir, a precios dados por el mercado, justifi­
cándose esto sobre la base de que no era posible ningún comportamiento
natural que es el más grande de todos los números naturales. Entonces ese número
es el 1 , puesto que si otro número natural x > 1 fuera el más grande, entonces,
como x 2 > x, ya x no sería el más grande”. Esta es una simple muestra de a qué
conclusiones podemos llegar si comenzamos el argumento lógico con una hipótesis
que es falsa.
30 Bowley, Arthur L. (1924), The Mathematical Groundwork of Economics, Journal of
The Royal Statistical Society.
31 Hicks, John y Allen, R. (1934), A Reconsideration of the Theory of Value, Economica.
32 Lerner, Abba P. (1932), The Diagrammatical Representation of the Cost Conditions
in International Trade, Economica.
33 Kaldor, N. (1939), Welfare Propositions in Economics, Economic Journal
34 Scitovsky, T. (1942), A Reconsideration of the Theory of Tariffs, Review of Economic
Studies.
Lección 2: Optimización estática 169

manipulador dentro de una economía suficientemente grande. Al respecto,


Walras afirmaba que:

(...) Los mercados mejor organizados desde el punto de vista de la


competencia son aquellos en que las ventas y las compras se hacen
mediante subasta, a través de agentes tales como los agentes de
cambio, corredores de comercio o voceadores que las centralizan,
de tal forma que ningún cambio tiene lugar sin que las condicio­
nes sean anunciadas y conocidas y sin que los vendedores tengan
la oportunidad de rebajar sus precios y los compradores de aumen­
tarlos. A sí ftincionan las bolsas de valores públicos, las bolsas de
comercio, los mercados de grano, de pescado, etc. Al lado de estos
mercados existen otros donde la competencia, aunque no tan bien
organizada, funciona todavía de una manera bastante adecuada y
satisfactoria: tales son los mercados de frutas y legumbres, de vo­
latería. Las calles de una ciudad donde se encuentran almacenes
y panaderías, carnicerías, tiendas de ultramarinos, sastrerías, za­
paterías, constituyen mercados con una organización un poco más
defectuosa desde el punto de vista de la competencia pero, sin em­
bargo, ésta está presente de forma suficiente. (...) Supondremos
siempre un mercado perfectamente organizado^desde el punto de
vista de la competencia, de igual forma que en la mecánica pura
se supone que las máquinas se encuentran libres de rozamientos.
(Éléments, § 4 V-
Y, por su parte, Pareto decía:
Si observamos la realidad, vemos que el tipo (I) ¡[de individuo]/™
se encuentra donde hay competencia entre los que se conforman.
Las personas con las cuales contratan pueden no estar en compe­
tencia y no seguir en consecuencia el tipo (I). El tipo (I) es tanto
más neto cuando la competencia es más extensa y perfecta. Es
precisamente porque cada día en la Bolsa de París hay muchas
personas que compran y venden renta francesa, que sería locura
pretender modificar las condiciones de ese mercado comprando o
vendiendo algunos francos de renta. Evidentemente, si todos los
que venden (o compran) se pusieran de acuerdo, podrían efecti­
vamente modificar esas condiciones en provecho suyo; pero no se
conocen unos a otros, y cada uno actúa por su cuenta. En me­
dio de esta confusión, y de esta competencia, cada individuo no
35 N. del Ed. Quizá de aquí proviene el término “competencia perfecta”.
36 Para Pareto, un individuo tipo (I) es aquel que únicamente busca satisfacer sus gustos.
En su lugar, un individuo tipo (II) es el que busca modificar las condiciones del
mercado para “sacar ventaja, o para otro fin cualquiera”.
170 Matemáticas básicas para economistas 3: Optimización y dinámica

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.

e) Las ilustraciones gráficas del sistema paretiano inevitablemente requieren


reducirlo a una economía compuesta por dos consumidores, dos productores,
y dos factores (2 x 2 x 2). Es básicamente allí donde se desarrolla todo el
modelo. En estas gráficas se ilustra la situación en que los dos consumidores
buscan obtener satisfacción máxima por consumir lo que producen las dos
firmas, sabiendo que están restringidos a un presupuesto determinado por
el valor de los bienes de capital que poseen y del trabajo que puedan ofrecer.
Así, el capital y el trabajo requerido para la producción está en manos de
los dos consumidores. Las empresas, siguiendo a Walras, son mecanismos
para organizar la producción tomando los insumos de los consumidores y
ofreciéndoles bienes finales. El equilibrio se alcanza cuando se encuentran
unos precios que tienen la característica de hacer que las firmas produzcan
exactamente lo que los consumidores necesitan.
Se acostumbra utilizar la siguiente notación:
a) Los consumidores son A y B.
b) Los factores son k y l (normalmente asociados con capital (k) y trabajo
(O)-37
c) Los productores (firmas) son x y y. Aquí se acostumbra a asumir que cada
firma produce únicamente un bien mediante una función de producción
x = f* (k x ,lx) : R% -»■ R+ y y = P (k y ,ly ) ■» 1 R+-
37 Sobre los factores de producción, tanto Walras como Pareto tienen otras divisiones me­
todológicas y de razonamiento económico. La presentada aquí es la más comúnmente
utilizada en la versión paretiana actual, aunque la discusión sobre la conveniencia de
asumir la existencia de una unidad básica de capital es un problema aún en discusión.
Lección 2: Optimización estática 171

d) ua (xa,Va) ' —> R es la función de utilidad del agente A que depende


del consumo de bienes (xa,Va)\ y su dotación inicial de factores (es decir,
las cantidades de factores (unidades de capital y horas de trabajo) que el
consumidor A coloca a disposición del mercado en el período bajo estudio)
es w A = (k A J a )•

e) De manera análoga, el consumidor B tiene su función de utilidad ud (x b ,Vb ) •


y su dotación inicial wb = (fctfj#).
Ahora:
i) La primera condición del sistema paretiano es la optimización por parte
de los consumidores:

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

Figura 40. El problema del consumidor paretiano.

b) Para el consumidor B , el problema es similar: este se enfrenta al pro­


blema
Maximizar u B (x B í Vb )
sujeta a Px^ B + PyVB < r k A + s i A
xb > 0
VB > 0
y con las mismas condiciones sobre u b (x b ,¡Jb ) de monotonicidad y
concavidad estricta, las condiciones de Lagrange, son, en este caso:
duD du B
= Aflpy; PxXb + PyVB = rfci? + s Ib
d^ = XDPx; dyD
donde Ab es el multiplicador de Lagrange para el agente B . Y se ob­
tiene la respectiva condición de sustitución entre bienes en equilibrio:
du B
d x B _ Px
(2)
8UB Py
dyB
c) Así, de (1) y (2),
duA duB
ÔXA d xB
(xa ^ a ) _ Px _
(3)
duA ~ P y~ duB
d ij A
(xa # a ) dyB (zo»yó)
es decir, en equilibrio, las tasas marginales de sustitución entre los
dos bienes serán iguales para ambos agentes.
Lección 2: Optimización estática 173

Advirtamos, de paso, que las demandas de los consumidores, x* y y¡


para.z = A, B, son independientes de una multiplicación por escalar de
los precios, porque si estos cambian de (px ,p y, r, s ) a (tpx , tpyy tr, ts) para
t > 0, la recta presupuestal no se modifica para ningún consumidor y, por
ende, las demandas de los consumidores no cambian. Es por esto que,
en equilibrio, podemos escoger algún precio diferente de cero (llamado
“numerario”39), y representar los otros precios en términos de este. Así, es
natural encontrar que, en equilibrio, las demandas se escriban en términos
de precios relativos.

ii) La tercera condición de este tipo de economía es la optimización por


parte de los productores:

i) Cada firma intenta maximizar sus beneficios sujeta a restricciones


tecnológicas y de precios:
Para la firma que produce x:

Maximizar pxx — rkx - slx


sujeta a x = f x(kxJ x )
kx > 0
lx > 0

y para la firma que produce y:

Maximizar pyy — rky — sly


sujeta a y = f v(kyJ v)
ky > 0
ly > 0

Nuevamente, el modelo paretiano asume diferenciabilidad con con­


tinuidad, monotononicidad estricta y concavidad estricta de las fun­
ciones de producción / x(-.-) y / y(*-*)» lo que, a su vez, implica rendi­
mientos decrecientes a escala en ambas firmas. Así, las condiciones
necesarias de optimalidad para los productos x y y son respectiva­
mente,
(4)

df«
r = P vdky'
ñT (5)

39 Término acuñado por Auguste Walras, padre de Léon Walras.


174 Matemáticas básicas para economistas 3: Optimización y dinámica

de donde se obtiene la conocida condición

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

Figura 41. El problema de la firma paretiana.

iii) Así, encontrar un equilibrio walrasiano consistirá en hallar unos precios


de mercado px, py, r y s tales que las condiciones

* * + * * = /* ( * £ ,«
tó + t á = /*(*{. 5 )
k ’x + k; = k A + k B (7)
l*x + ly — ~Ia + I b

se satisfagan; es decir, que se tengan las conocidas condiciones walrasianas de


“oferta=demanda”. Claramente, estos precios px, py, r y s y asignaciones k *,
l*, k*} 1 *, x*A, y x * B, se calculan utilizando las ecuaciones de optimalidad
(1), (2), (3), (4), (5) , (6) y (7) de arriba.

40 Recordemos que al cociente del lado izquierdo de (6 ) se le llama tasa marginal de


sustitución técnica.
Lección 2: Optimización estática 175

El problema general del equilibrio se escinde, en consecuencia, en


otros, tres que consisten: 1 ° En determinar el equilibrio en lo que
concierne a los gustos; 2o En determinar el equilibrio en lo que
concierne a los obstáculos o en lo que concierne a los productores;
30 En encontrar un punto común a esos dos equilibrios, que formará
un punto de equilibrio general (Manuel, § 90, Cap. III).

il) La c a ja de E d g ew o rth : típ ic a h e rra m ie n ta p a re tia n a

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.

b) En el caso de la interrelación entre los dos productores, la caja de Edgeworth


tendrá medidas (lado) y Ia +I b (altura). En la figura 43 aparece una
curva conformada por todas las intersecciones tangenciales de las curvas de
nivel de las funciones de producción. A esta curva se le llama “frontera de
176 Matemáticas básicas para economistas 3: Optimización y dinámica

consumidor B

consumidor A _____________ _

Figura 42. Caja de Edgeworth.

posibilidades de producción” (Lerner (1932)41). También en este caso, esta


curva está conformada por todos los pares (kx,lx ) y (ky,ly) que satisfacen
la ecuación (6) de optimalidad en la producción.

ky
----------- productor y

productor x _____________ _ kx

Figura 43

iii) La ley de Walras (1874)


Notemos que en el modelo paretiano se tiene que

(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,

fe r, Py) ' i? A + VA + Vb ) = (^, s) • (7 , 4 + lD, kA + k B )

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).

iv ) Econom ías paretianas de intercambio puro


Un caso particular muy importante del modelo paretiano son las economías de
intercambio puro. Estas son economías en las que no existe sector productivo
alguno (por lo tanto, la mano de obra no juega ningún papel), y de lo que
se trata es de que cada consumidor intercambie las mercancías que son de su
propiedad, con los otros consumidores, dadas sus preferencias sobre ellas, y sus
respectivos presupuestos. La razón por la cual este tipo de economía es funda­
mental en el modelo paretiano, es que allí se pueden ilustrar magníficamente
los principales resultados asociados con el modelo general, mediante cajas de
Edgeworth-Pareto.
Ejemplo 49. (U na econom ía de intercambio puro)
Consideremos una economía de intercambio puro (es decir, sin sector produc­
tivo) conformada por dos mercancías x y y , y dos consumidores A y D donde
las preferencias están representadas por las funciones de utilidad

u a {xa , y a ) = xa i! a , u d { x d , yn) = x d yo

y las dotaciones de los consumidores son

wA = (1,2) wb = (2,2)

Aquí, el problema del consumidor A sería entonces

Maximizar u A (x¿, ya ) =xa Va

sujeto a p x XA + PyyA = Px + ^Py


xa, V A > 0
De las condiciones de primer orden se obtiene que
V A = Px
XA Py
42 Patinkin, D. (1956): Money, Interest and Prices, Evanston, 111: Row, Peterson.
178 Matemáticas básicas para economistas 3: Optimización y dinámica

PxXA + PyVA = Px + 2py


Resolviendo estas dos ecuaciones se obtienen las funciones de demanda del
consumidor A:
1 p
XA(Px,Py) = X +
¿ Px
VA(Px,Py) = 1 + ~ ~
2py
El problema del consumidor B es similar, y se obtienen sus funciones de de­
manda:

XBÍPx,Py) = 1 + —^

VB {PxiPy) = 1 + —
Py
Las funciones de exceso de demanda serán, entonces,

Zx(Px,Py) = XA (px ,Py) + XBÍPx,Py) ~ (“ i + W?) = — - ^


Px ¿
3d
Zy{Px,Py) = VA{Px,Py) + íIB(Px,Py) ~ (Wy + ™y) = XT' “ 2
¿Py
Observemos que las funciones de demanda y de exceso de demanda dependen
únicamente de los precios relativos: si los precios se multiplicaran por un escalar
positivo í, las demandas no se modificarían.
Las últimas dos ecuaciones satisfacen la correspondiente ley de Walras; es decir,
para cualquier par de precios positivos px,p y, se tiene que

PxZx(Px,Py) + PyZy(Px,Py) = 2Py ~ |p * + ^Px ~ 2py = 0

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:

1. Únicamente si el mercado coloca los precios de equilibrio (o un múltiplo


escalar de ellos), podrán los dos consumidores tener satisfechas sus de­
mandas de bienes. Cualquier otro precio los obligaría a tomar decisiones
subóptimas.

2. Los precios de equilibrio son una consecuencia de la riqueza y los gustos


de los agentes. Más precisamente, de las dotaciones iniciales y de las
utilidades marginales de los agentes.

3. En general, las mercancías más escasas tienen precios de equilibrio más


altos.

4. En general, en un equilibrio walrasiano el “más rico” toma ventaja de su


posición con respecto al menos favorecido.

(...) la sociedad no es homogénea, y los que no cierren volun­


tariamente los ojos, deben reconocer que los hombres difieren
mucho los unos de los otros desde el punto de vista físico, mo­
ral e intelectual.
A estas desigualdades propias del ser humano corresponden las
desigualdades económicas y sociales, que se observan en todos
los pueblos, desde los tiempos más antiguos hasta los tiempos
más modernos, y sobre todos los puntos del globo, de tal suerte
que estando siempre presente ese carácter, se puede definir a
la sociedad humana como una colectividad jerárquica. (Manuel,
§2, Cap. VII).
180 Matemáticas básicas para economistas 3: Optimización y dinámica

v) Ó ptim os de W alras-E dgew orth-Pareto (1 8 7 4 ,1 8 8 1 ,1 9 0 6 )


Desde su primer libro sobre economía ( L ’économie Politique et la Justice) pu­
blicado en 1860, hasta su muerte en 1910, la preocupación fundamental de
Walras fue el problema de la justicia social De hecho, su división entre “eco­
nomía pura” (positiva) y “economía social” (normativa) muestra bien esto, y,
cabe notarlo, el propósito central de sus Éléments fue más el de mostrar la
posibilidad de formular un sistema económico racionalmente consistente que
cumpliera las demandas de justicia social.
En Théorie de la Proprieté de 1896, Walras definió la justicia en el intercambio
de bienes, en términos de dos condiciones: primero, la total libertad de cada
individuo para buscar su propia ventaja en el mercado; y segundo, la completa
eliminación de cualquier oportunidad para que un individuo se beneficie en
el intercambio a expensas de su contraparte o de cualquier otro. Sin duda,
bajo esta mirada, el sistema de equilibrio general walrasiano es profundamente
moralista.
De hecho, Walras no creía que la competencia perfecta en un mercado fuera
la mejor manera de generar la máxima suma de la satisfacción total para la
sociedad, sino que era un sistema diseñado para eliminar beneficio alguno del
intercambio y de la producción. Por ello, en equilibrio, nadie se hace más rico
ni más pobre; allí, la única forma en que un individuo se hace más rico es
mediante la formación de capital a través del ahorro, y la única forma en que
se hace más pobre es consumiendo más allá de sus ingresos: el sólo intercambio
bajo competencia perfecta nunca tiene efectos de distribución. Y esto no era por
condenar la natural búsqueda de beneficio en las actividades económicas, sino
para realizar la función moral de no dar algo por nada. Precisamente a este
problema se refería Walras cuando, en lo que se ha dado en llamar el Teorema
de la máxima satisfacción social, afirmaba que

El intercambio de dos mercancías en un mercado regido por la li­


bre competencia es una operación por medio de la cual todos los
poseedores, tanto de una como de dos mercancías, pueden lograr la
mayor satisfacción postble de sus necesidades, con la condición de
entregar la mercancía que venden y recibir la mercancía que com­
pran en una proporción común e idéntica.43 (Éléments, § 99)

La historia del pensamiento económico no reconoce totalmente este aspecto


social del pensamiento walrasiano, y tampoco ve en este teorema el zumo de
una condición de optimalidad social inherente al equilibrio competitivo. En su
lugar, y con la confirmación gráfica de las cajas de Edgeworth, han establecido
este mismo concepto alrededor de la siguiente definición de Pareto (1906):
43 Esta proporción es la tasa marginal de sustitución.
Lección 2: Optimización estática 181

Diremos que los miembros de una colectividad gozan, en cierta posi­


ción, del máximum de ophelimite,44 cuando es imposible encontrar
un medio de alejarse muy poco de esta posición, de tal suerte que
la ophelimite de que goza cada uno de los individuos de esta co­
lectividad, aumenta o disminuye. Es decir que cualquier pequeño
desplazamiento a partir de esta posición tiene necesariamente por
efecto aumentar la ophelimite de que gozan ciertos individuos, y
disminuir aquella déla cual gozan otros; de ser agradable a unos y
desagradable a otros. (Manuel, § 33, Cap. VI)

Esto se escribe, ahora, así:

Definición 6. (Ó ptim o de W alras-Pareto)


Una asignación factible [(xa, y a), (x b,Vb)\ de una economía competitiva es
un óptimo de Walras-Pareto (conocido comúnmente como óptimo Pareto) si, y
solo si, no existe otra asignación factible [{x'A, y'A), (x'D, y'D)\ tal que u*(a;J, j/J) >
u1 (xí, yi) para i = A ,B , pero ifr*(x'-, y ') > u ^(xj,yj) para j = A ó j = B.

Es decir, un óptimo de Pareto es una asignación factible en la que ningún


agente puede mejorar sin que el otro agente pierda. Y una típica caracteriza­
ción marginalista de estos óptimos se encuentra en el siguiente teorema, que,
también hoy, escribimos así:

Teorema 23. (C aracteriza ció n de los ó p tim o s de P areto (W alras (1874)>


E dgeworth (1881), P a reto (1 9 0 6 )))

Supongamos que las funciones de utilidad

uA : R+ -> R u D : R+ -> R

son cuasicóncavas estrictas, estrictamente crecientes en cada uno de sus argu­


mentos, y doblemente diferenciables con continuidad. Entonces, una asignación
[(xÍ>tó)» (x *A'Va )] en Ia caÍ a de Edgeworth es óptima de Walras-Pareto (inte­
rior) si, y solo si, las tasas marginales de sustitución coinciden allí; es decir,
en este punto se tiene que

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. ■

Es conveniente destacar que las asignaciones paretianas, aunque óptimas en un


sentido muy particular, no son necesariamente “justas” o equitativas, y esto lo
veremos muy claramente en el siguiente ejemplo, en donde, típicamente, existen
infinitas de ellas, unas que favorecen a un agente, y otras que favorecen al otro.
Aquí se resalta nítidamente que eficiencia y equidad tienen dos direcciones
normativas no necesariamente compatibles.
Ejem plo 50.
Consideremos la economía de intercambio puro de dos consumidores A y J9,
con funciones de utilidad

ua (x a , v a ) = xa va, uB(xB ,yB) = x B yB


y dotaciones iniciales agregadas (3,4).

Escribiendo la correspondiente condición de eficiencia paredaña, obtenemos


que
duA duB
3xa _ UA _ dxB _ VB
duA xa duB xb
dyA dyB
45 ¿Por qué es esto equivalente a la definición 6 de óptimo de Walras-Pareto?
46 ¿Qué teoremas de esta lección aplicamos para hacer tal afirmación?
Lección 2: Optimización estática 183

o, lo que es equivalente,

Y, de aquí, arribamos a la curva de óptimos de Walras-Pareto para esta eco­


nomía:

y* = ^ Y - o < i a <3 a

Figura 44. Curva (recta) de contrato

Cabe advertirse que, además de Walras, también Edgeworth (1881) se adelantó


a Pareto en la noción de optimalidad que lleva su nombre:

Se requiere encontrar un punto (xy) tal que, en cualquier dirección


en la que demos un paso infinitamente pequeño, P y II no aumenten
a la vez, sino que cuando uno aumente, el otro disminuya. Puede
demostrarse desde una diversidad de puntos de vista que el lugar
geométrico del punto deseado es
dPdn _ d P d n _o
dx dy dy dx
cuyo lugar geométrico aquí proponemos denominar curva de con­
trato.47 (Mathematical Psychics, Parte Segunda)

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

v i) Los dos teorem as del bienestar


Existen dos relaciones muy importantes entre la optimalidad paretiana y el
equilibrio walrasiano. La primera formaliza, parcialmente, una creencia lar­
gamente sostenida desde, por lo menos, el siglo XVIII de Adam Smith, que
afirmaba que la competencia perfecta “conducía” a un estado “óptimo” de la
economía. El problema aquí era que se creía que tal “óptimo” debería conte­
ner criterios de justa distribución de la riqueza y del ingreso y, esa no es una
característica de los equilibrios competitivos. Por lo tanto, esta conexión entre
equilibrio competitivo y óptimo se aplazó hasta la aparición de la noción de
óptimo de Pareto. Esta, que fue claramente visualizada por el mismo Walras,
y explicitada por Pareto utilizando la caja de Edgeworth, asegura que, bajo
las hipótesis del modelo paretiano, el mecanismo de precios asigna los bienes
eficientemente (en el sentido de Pareto). Veamos este resultado en notación
actual.
Teorema 24. (P rim e r teorem a de la econom ía del b ien esta r (W alras
(1874), E dgew orth (1 881), P a reto (1 9 0 6 )))
Sean

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

uÁ (xA ,yA ) > uÁ (xA ,yA ) y u b {x b ,Vb ) > u D (x'D ,y*D )

Entonces, dado que [ ( ^ , 2/^), (x ¿,y ¿)], (p*,pj)) es un equilibrio walrasiano,


satisface que

P'X*A + P'yVA > VxWX + PyWy . P'xXB + P'yVB > P>f + P'yWy
Sumando estas dos desigualdades se obtiene

P 'J x A + XB ) + p ’y iyA + Vb ) > Px(Wx + w x ) + p ’y (w y + wy)


Lección 2: Optimización estática 185

Y como [{xA,yA),{x B,yB)\ está en la caja de Pareto-Edgeworth, entonces

P l(wi + Wx ) + Py(wy + V y ) > P't (™x + W°) + p j ( + W°)

lo cual es una contradicción. ■

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

y dotaciones iniciales agregadas (3,4). Allí encontramos que la curva de óptimos


de Pareto para esta economía es

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. ▲

El teorema anterior nos muestra la calidad normativa que tiene un equilibrio


walrasiano: no es, necesariamente, una asignación ni equitativa ni “justa”, pero
satisface cierto criterio de eficiencia.
Pero este equilibrio no tendría la importancia que se le ha dado, si no fuera
porque también aparece conectado con los problemas de la descentralización.
El problema de asignar recursos óptimamente mediante el vehículo de los pre­
cios, ha estado en el corazón de los estudios sobre la descentralización de una
economía. La sola hipótesis de que si los consumidores y los productores re­
suelven sus problemas independientemente, sin saber nada uno del otro, sino
a través del mecanismo de información que son los precios, asegura una im-
plementación efectiva del óptimo previamente establecido por las autoridades
económicas, era y continúa siendo, uno de los más importantes problemas que
enfrenta la economía política. Un resultado así permitía entrever la posibilidad
de descentralizar las decisiones de los agentes de una economía centralizada a
través de los precios.
El segundo teorema de la economía del bienestar que asegura que, bajo cier­
ta redistribución de los recursos, podemos hacer, de un óptimo de Pareto, un
equilibrio walrasiano, no parece haber sido detectado por Walras, ni por Ed-
geworth. Quizás Pareto lo vislumbró, pero lo que sí es cierto es que nunca lo
estableció con claridad:
186 Matemáticas básicas para economistas 3: Optimización y dinámica

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.

Teorema 25. (Segundo teorem a de la econom ía del b ien esta r (P are-


to (1906), Lange (1942), A liá is (1 9 4 3 )))
Sean

u* i —y K
(z»,2/¿) -> ul(xi,yi)

para i — A ,B , funciones de utilidad continuas, estrictamente crecientes y cua-


sicóncavas. Sea [(xA , y A ) , ( x B , y B )] una asignación óptima de Pareto en la que
cada agente tiene una cantidad positiva de cada mercancía. Entonces exis­
ten unos precios px y py no negativos tales que [(x ^ , y ¿ ), ( x B ,y*B ), (PxiVy)] es
un equilibrio walrasiano para las dotaciones iniciales = x \ , Wy = y*A ,
™x = Xg, = y’D .51

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 )}

es decir, M a es el conjunto de planes de consumo que el consumidor A prefiere


a (^ ,2 /^ ), y M b es el conjunto de planes de consumo que el consumidor B
prefiere a (xB ,y B). Ya que las funciones de utilidad son estrictamente cuasi-
cóncavas, entonces M a y M b son conjuntos convexos.
Definamos ahora M = M a + M b \ es decir, M es el conjunto de todas las com­
binaciones agregadas que pueden ser distribuidas entre los dos consumidores de
48 Es decir, en condiciones de competencia perfecta.
49 Lange, óp. cit.
50 Aliáis, óp. cit.
51 Pareto, al parecer no inuy claro del resultado que tenía a la mano, afirmó sobre esto:
Para los fenómenos (I) si existe un punto donde el sendero recorrido por
los individuos que contratan es tangente a las curvas de indiferencia de
esos individuos, ese es un punto de equilibrio. (Manuel, § 112, Cap. III).
Lección 2: Optimización estática 187

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,

Px{x - (x*A + x*B )) + py{y - (yA + yB )) > 0

para todo (x , y) € M.
Queremos ver que {px,py) es un vector de precios de equilibrio:

i) Veamos primero que (px,py) es no negativo: sea e\ = (1,0). Ya que las


funciones de utilidad son monótonas crecientes estrictamente, entonces
(w + e i) € M . Así, px( 1 + wx - (x*A + x"B)) + pv(wy - (y \ + ifD)) > 0,
es decir, p x > 0. Tomando e2 = (0,1) podemos mostrar que también
Py > 0.

ii) Veamos que, a estos precios, el consumidor A maximiza su utilidad


en (xA,y A), y el consumidor B maximiza su utilidad en (xB,y B). Es
suficiente ver que si ux(xi,yi) > u*(a:¿ ,$/,*), para i = A, B, entonces
PxXi + p yyi > pxx * + p yy*. Veamos primero que si ux(xi,yi) > ul(x*,?/*),
para i = A ,B , entonces pxX{ + pyyi > pxx \ + pyy* (es decir, con desigual­
dad no estricta): si ux(xi,yi) > ul(x*,y¡ ), entonces sean

(®í.y¡) = 8(x¡,y,); (x'py'j) = (x j,yj) + (i - 6)(x í , v í )

donde 6 es un número suficientemente pequeño. Ya que las funciones de


utilidad de los consumidores son monótonas crecientes estrictamente y
continuas, entonces [(x¡,2/-), (x'-,y')] domina en el sentido de Pareto a
[(x h V i)Á x *jiy))\- Por lo tant0>{x'i + x^y'i + y'j) e M . Así, px ( { l - 0 ) x i +
x J + Oxí) + py((l - 6 )yi + y¿ + Byi) > px (x¡ + x)) + py(y¡ + yj), es decir,
PxXi + pyyi > pxx* + pyy*.

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

0pxXi + QpyVi < pxx\ + pyy¡


188 Matemáticas básicas para economistas 3: Optimización y dinámica

para todo 9 € (0,1). Ya que las funciones de utilidad son continuas,


entonces existe 0' e (0,1) tal que ul(0'x¿, O'yi) > ul(x*, y*); y así, 0'pxXi+
0'pyyi > Pxtf+Pyy*, lo cual implica que O'pxXi + 0'pyyi < 6fpxXi + 0'pyyi,
y esto es una contradicción. ■

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

donde 0 < xa < 7 52

podemos hacer de este un equilibrio walrasiano encontrando un par de precios

respectivas restricciones presupuéstales

que, obviamente, se van a satisfacer en el óptimo de Pareto escogido (aquí


es donde se efectúa la anunciada redistribución de la riqueza entre A y B).
Escribiendo la relación de optimalidad “tasa marginal de sustitución = relación
de precios”, llegamos a que
28x^4
7 + 3x A = Px
-— = — que es equivalente a
2x>l Py 2XA Py

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

v il) Equilibrio com petitivo y negociación: el concepto de núcleo de


una econom ía
Uno de los elementos menos creíbles del modelo paredaño es que solo si los
precios que rigen en el mercado son los de equilibrio, tendremos a los agentes
satisfaciendo sus objetivos de manera óptima y, por tanto, alcanzando el óptimo
(en el sentido paretiano). Sobre cómo alcanzar este equilibrio si los precios
originales son diferentes fue una de las más celebradas (y criticadas) do las ideas
de Walras. El proceso de tâtonnement (tanteo) fue creado por el propio Walras
en Éléments, tratando de mostrar cómo era que se llegaba a la situación de
equilibrio sólo por movimientos de la oferta y demanda al ritmo de movimientos
de los precios:

Si la demanda es superior a la oferta, el precio de dicha mercancía


en términos del numerario subirá; si es la oferta la que supera a
la demanda, bajará. ¿Qué debemos hacer para probar que la solu­
ción teórica y la solución del mercado son idénticas? Simplemente
comprobar que el alza y la baja [[de los precios]] son una forma de
resolución por tâtonnement del sistema de igualdades de las ofertas
y las demandas. (Eléments, §125)
Esta es, en esencia, la conocida ley de la oferta y la demanda. Pero no es claro
que todos los demás parámetros (gustos, tecnología, etc.) se puedan suponer
constantes, mientras el sistema de precios hace su tránsito hacia el equilibrio.
Por ello, y con justa razón, el proceso de tâtonnement no es un argumento
poderoso para creer en economías competitivas convergiendo al equilibrio.53
Otra vertiente de este problema provino del mismo Edgeworth (1881). Fue él
quien introdujo la noción de curva de contrato que tiene más importancia que
la de una simple curva conformada por óptimos de Pareto. Un subconjunto
de esta curva, después llamada el núcleo (core) de la economía (M. Shubik
(1959),54 comenzó a ser estudiada por Edgeworth para economías de inter­
cambio con dos mercancías y dos tipos de agentes,55 en donde éstos podían
negociar y recontratar. Aunque de manera un tanto confusa, allí mismo mostró
un resultado extraordinariamente sorprendente e iluminador: Bajo competen­
cia perfecta, típicamente el núcleo se “contrae” hacia el equilibrio competitivo,
a medida que el número de agentes (no de tipos) crece indefinidamente.
Este resultado y otros similares abrieron un caudal de pensamiento sobre los
problemas de formación de precios para “economías grandes”, completamente
53 Sobre el mecanismo del tâtonnement discutiremos nuevamente en el “contexto
económico” de la lección 3.
54 Shubik, Martin J. (1959), Edgeworth Market Games. En Luce y Tuckcr (eds.),
Contribution to the Theory of Games IV, Princeton University Press.
55 Muchos agentes, pero solo de dos tipos, digamos, trabajadores y empresarios.
190 Matemáticas básicas para economistas 3: Optimización y dinámica

distinta a aquella de la igualdad entre oferta y demanda. Planteaba que cierto


tipo de negociación con posibilidades de recontratación permitía la emergencia
de los precios y, por tanto, de los mercados. No necesitaban asumir, a priori,
la existencia de ellos: éstos surgían de forma endógena del modelo.
Sobre esta otra aproximación a los problemas del equilibrio general que nace a
partir de la teoría de la “curva de contrato” de Edgeworth (1881), discutiremos
un poco más en la lección 3.

v iii) D ificultades con el m odelo paretiano


En la caracterización de sus óptimos, el modelo paretiano está profundamente
enraizado en el uso de tasas marginales de sustitución estrictamente positivas.
Por lo tanto, podría creerse que tendríamos problemas con los teoremas del
bienestar cuando las funciones de utilidad o de producción no sean diferencia-
bles, o se anulen cuando el agente no tiene cantidad alguna de esa mercancía.
Sin embargo, veremos que esto no es necesariamente cierto. Ilustramos esto
parcialmente en el siguiente ejemplo.
Ejem plo 53. (D ificultades con el m odelo paretiano)
En la economía de intercambio puro

u a (x A i v a ) = 3xj4 + 21n y a va = (2,1)

u b (x b , 2/b) = m ín{xB, yB } wA = (0,1)

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

y, de aquí, los precios de equilibrio emergen:

p j _ V lÓ - 2
P l~ 3
y también las asignaciones de equilibrio:

x *A = y*A = 1.72 XB = yb = 0.279

Note que, en equilibrio, la mercancía x es más costosa que la mercancía


y; y que, como debería esperarse, ambos agentes salieron beneficiados del
intercambio pues

uA(1.72,0.279) > uA(2,1) y u fl(1.72,0.279) > uB(0,1)

c) La curva de contrato de este intercambio es yA = x A.

d) El primer teorema del bienestar lo ilustramos notando que el equilibrio


competitivo yA = 1.72 = x \ está en la curva de contrato.

e) A su vez, el segundo teorema del bienestar lo ilustramos haciendo, para el


agente A,
duA
dxA _ Px
duA Py
OtJA
en un punto cualquiera (xA,y A) de la curva de contrato, es decir, donde
xa = Va para 0 < x A < 2. Por tanto, llegamos a que la relación de precios
de equilibrio estará dada por

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

(volumen 1 (Álgebra lineal)) en el caso lineal, Mckenzie (1954)57 en un caso


específico del comercio internacional, Arrow y Debreu (1954)58 y, fundamental­
mente, Debreu (1959)59 que, en su momento, fue la más compacta, coherente
y sistemática presentación de las posibilidades y limitaciones del modelo de
equilibrio general walrasiano. Sobre el modelo Arrow-Debreu discutiremos en
el contexto económico de la lección 3.

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.

57 Mckenzie, L. (1954), On Equilibrium in Graham’s Model of World Trade and Other


Competitive Systems, Econometrica.
58 Arrow, Kenneth y Debreu, G. (1954), Existence of an Equilibrium for a Competitive
Economy, Econometrica.
59 Debreu, G. (1959a), Theory of Value, An Axiomatic Analysis of Economic Equili­
brium, New Heaven and London: Yale University Press.
60 Von Neumann, J. (1928), Zur Theorie der Gessellshaftspiele, Mathematische Annalen.
Lección 2: Optimización estática 193

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:

D efinición 7. (Juego finito en forma estratégica (B orel (1921)63, von


N eum ann (1928)))

i) Un juego finito en forma estratégica (o normal) es una 3n-tupla

r = (iV,( C i ) i € N , (Uí)íe n )

donde:

a) N = { 1 ,..., n} es el conjunto de jugadores;


b) Ci es el conjunto finito de estrategias puras para el jugador i € N (de
allí la condición de finitud del juego).
c) U{ : njL jC j -> R es la función de pagos (utilidad) para el jugador i €
N que asigna un pago (número real) a cada combinación de estrategias
(c i,. . . , Cn), donde el producto cartesiano np=1Ct = C\ x C2 x ... x Cn
es el conjunto de estrategias conjuntas.64
63 Borel, E. (1921), La théorie du jeux et las equations intégrales á noyau symétrique,
París: Comptes rendus hebdomadaires des séances de l ’Académie des sciences, vol.
173, 1304-1308.
64 Observemos cómo la función de utilidad captura la noción de “interacción estratégica”;
es decir, el pago que un agente recibe al realizar su propia acción depende también
de las acciones de los demás.
Lección 2: Optimización estática 195

ii) Un juego finito en forma estratégica T = (AT, (C¿)¿eAr, (ut-)¿e;v) es un juego


con información simétrica,65o completa,66 si T es conocimiento común;
es decir, todos los jugadores conocen T, cada uno sabe que los demás
conocen T, cada uno sabe que los demás saben que ella conoce T, etc.

La representación más típica de un juego es aquella que comprende sólo dos


jugadores que escogen entre un número pequeño de estrategias diferentes des­
critas mediante una bimatriz. En la bimatriz, las celdas contienen los pagos de
cada jugador para las posibles combinaciones de estrategias.

Ejemplo 54. (El dilem a del prision ero)


Uno de los juegos más importantes de la teoría de juegos clásica es El dilema
del prisionero. El juego consiste, en su versión estándar, en lo siguiente: Dos
sospechosos de un delito son detenidos y ubicados en celdas diferentes de tal
manera que no puedan comunicarse. La pena para el delito son cinco años de
prisión. La única forma en que las autoridades pueden condenar a los sospe­
chosos es haciendo que al menos uno de ellos confiese. La descripción del juego
es la siguiente: si ambos sospechosos confiesan, la sentencia será de cuatro años
de cárcel para cada uno. Si ninguno de los dos confiesa, la sentencia será de tan
sólo un año en la cárcel para cada uno, dada la falta de pruebas para realizar
una condena. Y si uno confiesa y el otro no, el que confiesa será puesto en
libertad por colaborar con la justicia, mientras el otro será sentenciado a los
cinco años de prisión. El juego en su forma estratégica es como aparece en la
siguiente bimatriz:

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

otro, hasta tanto ambas decisiones hayan sido tomadas. La completitud en


la información proviene de la hipótesis de conocimiento común del juego por
parte de los jugadores.
Según la teoría de Nash, una forma con la que podemos resolver este tipo de
juegos está fundamentada en el siguiente principio:

La combinación de estrategias que los jugadores predeciblemente


escogerán es aquélla en la cual ningún jugador podría mejorar su
pago escogiendo unilateralmente una estrategia diferente, si supone
que los otros siguen eligiendo la estrategia previamente escogida.

Este es el principio del concepto-solución que se conoce como equilibrio de Nash


de un juego no cooperativo, y que podemos presentar más formalmente como
sigue:

D efinición 8. (Equilibrio de N ash (1950))


Sea T = (N , (C¿)¿6n , (í¿i)zeiv) un juego finito en forma estratégica, donde N es
el conjunto de jugadores, Ci es el conjunto de estrategias puras de cada jugador
y Ui(') su función de pagos. Una combinación de estrategias puras c* = (c*)¿G^
es un equilibrio de Nash en estrategias puras para el juego T si y solo si

M ci , c-i) > “ ¡(c i.c lj)

para todo c¿ € Ci y para todo i 6 N .

Ejem plo 55.


Resolviendo el dilema del prisionero (ejemplo 54) por equilibrios de Nash,
encontramos que si el sospechoso 1 cree que el sospechoso 2 va a confesar (C),
la mejor decisión que él puede tomar es también confesar (C), con lo que se
quedaría con un pago de —4. Si a su vez, el sospechoso 2 cree que el sospechoso 1
va a elegir su estrategia confesar, lo mejor que puede hacer es confesar y recibir
un pago de -4 . De manera que el par de estrategias (confesar, confesar) es un
equilibrio de Nash en estrategias puras del juego y entrega a los jugadores un
pago de —4 a cada uno.
Es importante destacar aquí que en este juego es imposible alcanzar, a tra­
vés de estos principios de solución, la asignación cooperativa resultante de la
combinación de estrategias (no confesar (N C ), no confesar (N C )), ya que los
jugadores no tienen incentivos para mantenerse en esta elección. Cada uno de
ellos hace lo mejor que puede independientemente de lo que el otro jugador
haga. Haría falta, en este caso, algún mecanismo externo que hiciera a los ju­
gadores jugar cooperativamente, haciendo de esta elección lo mejor para ellos.
La moraleja es importante: el concepto de equilibrio de Nash muestra que una
Lección 2: Optimización estática 197

sociedad podría, solo a través de incentivos individuales (es decir, de manera


inteligente pero egoísta), llegar a estados que no son óptimos socialmente67.

Ejemplo 56. (Juego de coordinación)


Consideremos el juego cuyos pagos vienen dados por

jugador 2
D I
jugador 1
D 10,10 0,0
I 0,0 1,1

El juego tiene dos equilibrios de Nash en estrategias puras: (D ,D ) e ( / ,/ ) . Si


el jugador 1 cree que el jugador 2 escogerá su estrategia D, su mejor-respuesta
a esta elección es la estrategia D. De igual forma, si el jugador 2 cree que el
jugador 1 escogerá su estrategia D , la mejor respuesta a esta elección es su
estrategia D. Por lo tanto, (D , D) es un equilibrio de Nash del juego que deja
a cada uno de los jugadores con un pago de 10. Ahora: si el jugador 1 cree que
el jugador 2 elegirá la estrategia /, su mejor-respuesta es la estrategia /, y si
el jugador 2 cree que el jugador 1 escogerá la estrategia /, su mejor-respuesta
es también escoger I. Entonces (/, I) es otro equilibrio de Nash del juego que
deja a cada uno de los jugadores con un pago de 1. Obsérvese que para los dos
jugadores es mejor jugar el primer equilibrio porque los deja con un pago más
alto.

Ejemplo 57. (T ira r la m oneda)


Ya sabíamos que en el juego tirar la moneda (matching pennies), dos agentes
lanzan cada uno una moneda; si en ambas monedas aparece cara o sello, el
jugador 1 gana la moneda del otro; si difieren, es el jugador 2 el que la gana.
Los pagos se ilustran en la bimatriz de la figura 45.
Para intentar solucionar este juego, tomemos, por ejemplo, el par de estrategias
(C, C ); dado que el jugador 2 cree que el jugador 1 escogerá su estrategia C, lo
mejor que ella puede hacer es escoger su estrategia 5, lo que muestra que (C, C )
no puede ser un equilibrio de Nash. De forma similar, el par de estrategias
(C, S) tampoco puede ser un equilibrio de Nash ya que si el jugador 1 espera
que 2 juegue S , lo mejor que éste puede hacer es desviarse y jugar S. Por
un argumento similar, se puede mostrar que en las demás combinaciones de
estrategias puras también existen incentivos para desviarse unilateralmente

67 Este es un ejemplo de cómo las interacciones directas pueden llevar a situaciones


sub óptimas en el sentido de Pareto, que no es lo que ocurre cuando los agentes, sin
interactuar unos con otros, solo responden a señales de precios, como vimos en la
sección anterior (primer teorema del bienestar).
198 Matemáticas básicas para economistas 3: Optimización y dinámica

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.

Ii) Una estrategia mixta del juego T es una combinación de distribuciones

<7 = (¿Ti, (72, • • • j 0"n)

donde a¿ G A¿ para todo i; es decir,


n

< 7 € J I A<
1=1

De acuerdo con la definición anterior, es claro que el conjunto de las estrategias


mixtas contiene al de las estrategias puras. En este caso, cada cr¿ le asigna
probabilidad 1 a cierta estrategia pura y probabilidad 0 a las demás estrategias.
Lección 2: Optimización estática 199

Ejemplo 58. (Estrategias m ixtas de tira r la m oneda)


En el juego de tirar la moneda, una estrategia mixta para el jugador 1 se puede
describir como la asignación de una probabilidad (p ) a su estrategia C , y de una
probabilidad (1 —p) a su estrategia S. Esta estrategia mixta para el jugador 1
se acostumbra escribir
p [C ] + ( 1 - p )[S ]

Notemos que si p es igual a 1 se tiene la estrategia pura en la que se juega


C con certeza (figura 46). De forma similar, para el jugador 2 una estrategia
mixta puede describirse (como se muestra en la figura 46) como la asignación
de probabilidades (q) y (1 —q) para las estrategias C y S respectivamente. Se
acostumbra escribir esta estrategia como

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

Definición 10. (U tilidad esperada)


Sea T = (N, (C í )í£n , (ui)iex ) un juego finito en forma estratégica. Dado un
perfil de distribuciones
n
(T=(<Ti,...,<Tn) e
i=l
la utilidad esperada del jugador i asociada a este perfil corresponde a la si­
guiente expresión:
n

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

Ejem plo 59. (U tilidades esperadas de tira r la m oneda)


Consideremos el juego de Tirar la moneda, tal como se establece en la figura
45. En este juego, las utilidades esperadas de los jugadores 1 y 2 para cada una
de sus estrategias son:
U lE (C) = 2 q - l , U1E(S) = l - 2 q, U & C) = l - 2 p , U%(S) = 2 p - l .
Con esto, las utilidades esperadas por participar en el juego son:

U¡¡ = 2p(2q - 1) - 2 q + 1 U% = 2q(l - 2p) + 2p - 1

Definición 11. (Equilibrio de N ash m ixto)


En un juego finito en forma estratégica T = (N, {Cí)í£n, [uí)í£n ), el perfil de
estrategias mixtas a* = (a*)¿eAr € FKLi A» es un equilibrio de Nash si, para
cada i € N , la estrategia mixta cr* del jugador i es una mejor-respuesta a las
estrategias mixtas de los demás jugadores. Esto es, a* es un equilibrio de Nash
en estrategias mixtas para el juego T si, y solo si,
u¿(o-*,cr!_¿) > u¿(crj,<j*¿) V<r¿ € A¿. Vi € N

donde
(o-i.ffV) = (a l,* 2 , . . . , a * .!,0 i,

Como hemos visto, una estrategia mixta es una distribución de probabilidad


sobre las estrategias puras de un jugador. De esta forma, un equilibrio de Nash
en estrategias mixtas corresponde a una situación en la que al menos uno de
los jugadores 110 se ve beneficiado por “desviarse unilateralmente” a jugar una
estrategia pura u otra estrategia mixta.
Cuando un jugador sigue una estrategia mixta en un equilibrio de Nash, debe
ser indiferente entre las estrategias puras a las cuales les asigna probabilidad
positiva: si no lo fuera, entonces aquella estrategia pura que obtiene mayor
utilidad esperada dominaría a la estrategia mixta. El siguiente teorema ilustra
esta idea y nos permite, efectivamente, calcular equilibrios de Nash mixtos.
Teorema 26.
Si un jugador utiliza una estrategia mixta no degenerada (es decir, que asigna
una probabilidad positiva a más de una estrategia pura) en un equilibrio de Nash
mixto, entonces es indiferente entre todas las estrategias puras a las cuales les
ha asignado probabilidad positiva. La afirmación recíproca no es cierta.
D em ostración.
Ver Monsalve y Arévalo (eds.) (2005).68 ■
68 Monsalve, Sergio y Arévalo, J. (2005), Un curso de teoría de juegos clásica. Bogotá:
Universidad Externado de Colombia.
Lección 2: Optimización estática 201

E jem plo 60. (E l juego de coordinación, otra vez)


Consideremos, nuevamente, el juego de coordinación del ejemplo 56 que otra
vez presentamos en la figura 47, y encontremos su equilibrio de Nash mixto.

(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,

U lE (D) = 10g + 0(l —g) = 10?


U e (I) = 0<j+ 1(1 - 9) = 1 - g
De forma análoga, si el jugador 2 cree que el jugador 1 va a jugar su estrategia
Derecha con una probabilidad p, y su estrategia Izquierda con una probabili­
dad 1 —p, sus pagos esperados por jugar las estrategias Derecha e Izquierda,
respectivamente, son:

tfj|(2?) = 10p + 0 ( l - p ) = 10p


t/j|(/) = op + i ( i - p ) = i - p
Como se establece en el teorema 26, cada jugador escogerá la probabilidad con
la que juega cada una de sus estrategias puras de tal forma que su oponente
sea indiferente al momento de elegir entre estas; es decir, la utilidad esperada
de cada una de sus estrategias puras debe ser igual para cada jugador. Así,
tenemos que

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 ) ]

el cual ofrece a los jugadores pagos esperados, en equilibrio, de (0.9,0.9), que


es inferior al pago en los equilibrios de Nash en estrategias puras (10,10) y
(1,1). Nótese, sin embargo, que una vez han sido elegidas las probabilidades
con las que cada uno de los jugadores elige su posible acción, cada uno de ellos
es indiferente entre jugar su estrategia mixta, y jugar una estrategia pura; esto
es, los valores esperados de sus utilidades son siempre 0.9.
Estos resultados tienen un sentido profundo: los dos equilibrios puros los perci­
bimos en la vida cotidiana de la calle cuando notamos que “todos manejan por
la derecha” y “todos manejan por la izquierda” son equilibrios que vemos, entre
otros lugares, en la Europa continental y en Gran Bretaña, respectivamente.
Son acuerdos tácitamente encontrados, es decir, convenciones alcanzadas a
través del tiempo. Aún así el equilibrio “a veces por la derecha, y a veces por
la izquierda” no tiene un referente claro en la realidad, y esto se destacará
cuando veamos, en el “contexto económico” de la lección 3, que las sociedades
van excluyéndolo “evolutivamente” como posibilidad de acuerdo, a medida que
transcurre el tiempo. ▲

Ejem plo 61. ( T irar la m oneda, otra vez)


En el ejemplo 59 habíamos visto que las utilidades esperadas de los jugadores
en el juego de tirar la moneda vienen dadas por las siguientes expresiones:

Í/¿(C) = 2 (7 -1 , Ug(S) = 1 —2q


U2E(C) = 1 - 2p, U%(S) = 2p - 1
De acuerdo al teorema 26, se tiene que U ^(C) = Ug(S) y que Ug(C) = t/jr(¿>)
y, por tanto p — - y q = - . Así, el equilibrio de Nash mixto de este juego es
[(1/2,1/2) ,(1/2,1/2)], y los pagos esperados, en equilibrio, son de cero para
cada jugador.
Este resultado permite entender un poco mejor el significado del concepto de
equilibrio de Nash: [(1 /2 ,1 /2 ), (1/2,1/2)] podría interpretarse no como que
esta estrategia vaya a ser realmente jugada, sino como una amenaza de jugar,
con igual probabilidad, cualquiera de las dos estrategias: No solo jugar efec­
tivamente una estrategia, sino “amenazar” con jugarla, es el comportamiento
que da mejores pagos dadas las amenazas del otro jugador.69 A
69 Un arquero de fútbol, al momento de ser pateado un penalti, sabe muy bien lo que
debe hacer: para él, la mejor estrategia es amenazar con jugar, con igual probabilidad,
a un lado o al otro.
Lección 2: Optimización estática 203

El siguiente es uno de los resultados centrales de la teoría de juegos clásica. De


hecho, las técnicas utilizadas por Nash en este teorema inspiraron a K. Arrow
y G. Debreu para alcanzar la correspondiente demostración de la existencia de
un equilibrio competitivo bajo condiciones muy generales.

T eorem a 27. (Teorem a de existen cia de equilibrios de N ash (1950))


Todo juego finito en forma estratégica tiene al menos un equilibrio de Nash (en
estrategias puras o mixtas).

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:

1. A es convexo: Sean o = (<Ji),a' = (a[) G A; es claro que para A G [0,1],


se tiene que Acr + (1 —\)cr' = (A<7¿-f (1 —A)<r¿). Aquí podemos asumir que
0 » = [V c j)^ v ^onc^e Pcj es Ia probabilidad asociada a la estrategia pura
iip / \ JJCt
Cj con i Pcj = 1 » y Pcj > 0 ; de manera similar, para o\ = [Pcj) •
Entonces tendremos que:

a) A<r¡ + (1 - = (ApCj + (1 - A)p'Cj) f j x


b) AvCj + (1 - A)p'c. > 0 y

c) E ^ Í A p c , + (1 - A)p'.) = A E$='i Pc, + (1 - A) E5=', Pe, = 1

y esto prueba la convexidad del conjunto A.

2. El conjunto A es compacto ya que A¿ es compacto (simplex unitario)


para todo i € N .

3. Ahora: sea : A —> A t-, definida, para a G A, por

7 ¿(a) = {cr{ 6 Aj / u¿(crt-, cr_¿) > u¿(cr¿,<r_¿) para todo Gí G A¿}

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 ^

U { ( c para todo a i G A¿;

es decir, o * es un equilibrio de Nash.


204 Matemáticas básicas para economistas 3: Optimización y dinámica

a ) P r o b a r q u e 7 ¿(<r) es n o v a cío , e s d e c ir, q u e el p r o b le m a

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

u í ( ctí,<t L í ) > Ui(<Ti,cr-i) p a r a to d o G Ai


Ui((7 i , a f_ i) > U i(< J i,a -i) p a r a to d o G A¿

A sí, Ui(\a[ -f (1 - \ ) a " ya -i) > Uí {(Jí , ( J - í ), p a r a to d o Oí G A ¿.


c) P r o b e m o s q u e el g rá fic o d e 7

W ( 7) = { (° V )I e 1 (0 )}

es c e r ra d o . S e a (an ,a'n) G g r a f( 7 ) y (an ,a'n) -> (<j, a ') , d o n d e a,a' G


A , y d e b e m o s p r o b a r q u e (<7,cr') G <7ra/(7 ) . P e ro e s to es in m e d ia to ,
y a q u e si <j’n i -+ e n to n c e s , d e

Ui(a'n ,(T -i) > U i((T i,(T -i) Oi G A i


Ui(a'n , a - i ) > Uí (<Tí ,<j - í ) G A ¿,

te n d re m o s q u e cr¡ G 7 z(<j ), y e s to c o m p le ta la d e m o s tra c ió n . ■

O b s e rv e m o s q u e e s te te o r e m a g a r a n tiz a , p a r a ju e g o s c o n u n n ú m e ro fin ito d e


ju g a d o r e s , la e x is te n c ia d e , al m e n o s, u n a c o m b in a c ió n d e e s tr a te g ia s t a l q u e
n in g u n o d e ello s te n g a in c e n tiv o s u n ila te r a le s p a r a c a m b ia r s u p r o p ia e s t r a t e ­
g ia . E s d e c ir, d e q u e cada c o n flic to tie n e , e n p r in c ip io , u n a “s o lu c ió n ” a u n q u e
e sta p u e d a im p lic a r c o m p o r ta m ie n to s a le a to r io s a p r io r i.

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

70 Para el estudiante interesado en una buena introducción a la teoría de juegos coa­


liciónales, recomendamos Osborne, M. y Rubinstein, A. (1994), A Course in Game
Theoryy MIT Press.
Lección 2: Optimización estática 205

A pesar de su aspecto prometedor en los primeros años de 1950, el impacto de


la teoría del equilibrio de Nash se dispersó muy lentamente. Al principio, casi
toda la atención se centró en el análisis de los juegos coaliciónales que tanto
habían apoyado von Neumann y Morgenstern desde su particular y estrecha
perspectiva de las interacciones. La literatura de los años de 1950 y los de
19G0 así lo atestigua. Posteriormente, al rescatar la importancia del trabajo de
Nash, se fue entendiendo que la mirada tradicional walrasiana de la economía
(desde la teoría de precios y mercados competitivos) tenía serias limitaciones.
Por ejemplo, problemas de interacción económica donde los individuos tienen
diferente información, no caen con facilidad dentro de los argumentos típicos de
precios; la organización interna de una firma tampoco está claramente abarcada
en el esquema de precios y competencia perfecta; el problema del surgimiento
del dinero como instrumento financiero y de intercambio ha estado por fuera
de las aproximaciones clásicas de los modelos de equilibrio general. Inclusive
en las épocas de los grandes debates acerca del socialismo, pudo verse cómo
los modelos basados en precios podían ser inútiles para probar los defectos y
virtudes de una economía centralizada. También la creación y operación de las
instituciones, que son un factor esencial en el funcionamiento de los mercados
económicos, cae, regularmente, por fuera de los esquemas de la teoría de pre­
cios, etc. La teoría de juegos (y, en general, la teoría de interacciones) muestra
un camino más allá de esta mirada. Hoy, la visión de la teoría económica, a la
luz de estos avances, comienza a cambiar.
206 Matemáticas básicas para economistas 3: Optimización y dinámica

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

b) Escriba los correspondientes resultados de Lagrange y Kuhn-Tucker


para el problema anterior.
c) Similar al literal b), cuando hay 3 restricciones.
d) Similar al literal b), cuando las funciones dependen de 3 variables
x ,y ,z .
e) Generalice a m (> 3) restricciones y n (> 3) variables.

2. Halle los máximos y mínimos de la función definida sobre el conjunto de


restricción S en cada uno de los siguientes casos:

a) f { x , y) = x 3 + y 3 - 9xy -f 27; S = [0,4] x [0,4]


b) f ( x ,y ) = x 2 + 2 y3 - x\ S = {(x, y) G R2 | x 2 + y2 < 1}
c) f { x , y) = 3 4- x3 - x 2 - y2; S = {(x, y) 6 R2 | x2 + y2 < 1 x > 0}

3. Resuelva analíticamente (utilizando los teoremas apropiados y encon­


trando las soluciones explícitamente) e ilustre gráficamente los siguientes
problemas:

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

(Aquí, a ,/? ,a , 6 , A /,m i,m 2 son todos positivos).

4. Determine el punto sobre el plano x -I- 2 y *f 3z = 13 más cercano al punto

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 - 8x 2 —10y2 +12xy - 50x + 80y


sujeta a x + y < 1
8x2 + y2 < 2
x >0
y> o
a) Resuelva geométricamente.
b) ¿Por qué el método de Lagrange no funciona aquí?
c) Determine los valores óptimos de x y y utilizando el método de Kuhn-
Tucker.

7. ¿Para qué valores de a , /?, 7 , 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

8. Un grupo de 3 personas es propietario de un lote cuadrado, y planean


construir sus casas en él. Buscando privacidad, tratarán de que la dis­
tancia entre los centros de las casas sea lo más grande posible. ¿Dónde
deberían construir sus casas?

9. Un vendedor debe comenzar su ruta de viaje en una ciudad, visitar otras


3 ciudades, y regresar a la ciudad de la que partió de tal forma que
la distancia total recorrida se minimice. ¿Puede usted hacerle, a este
respecto, alguna recomendación al vendedor?

10. Calcule el máximo producto posible de tres números positivos x, y, z, si


x + y + z2 — 16.

11. Encuentre (si existe) el punto de la región de los (x , y , z ) con x > 0,


y > 0, 2 > 0; x 2 — x y + y 2 —z 2 < 1, x 2 + y 2 + z 2 = 1 más cercano al
origen (0,0,0).

12. Halle los valores máximo y mínimo de f ( x , y , z ) = x —2y + 7z sobre la


esfera x 2 + y2 + z 2 < 30, si x > 0, y > 0.

13. Pareto en su Manuel de 1906 (§ 3, Cap. II) afirma que:

Se sabe, por ejemplo, que los alveolos de las abejas se terminan


en pirámide, y que con el mínimo de superficie, es decir con
el más pequeño gasto de cera, hacen el máximum de volumen,
es decir que pueden contener la más grande cantidad de m iel
Nadie supone, sin embargo, que es así porque las abejas han
resuelto por el empleo de un silogismo y de las matemáticas un
problema de máximum.

Discuta matemáticamente la primera afirmación, y reflexione sobre la


segunda.

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

entonces las m desigualdades son ahora

xo -f a,iX > bi (i = 1, . . . , m)

donde = ^H«*!!2, y el problema es

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

Resuelva este problema, por el método de Kuhn-Tucker, sólo para el caso


m —2 .

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.

a) Plantee el problema de la empresa en términos del método simplex.


b) Suponga que n = 4 y m = 6 y que

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

y que la matriz de coeficientes de producción es

1 10 2 14
3 6 7 3
1 1 1 1
2 4 2 3
5 7 1 2
1 3 3 9

Encuentre los niveles óptimos de producción de cada producto.


210 Matemáticas básicas para economistas 3: Optimización y dinámica

c) Determine cuánto se demanda de cada insumo, y para cuáles insumos


existen sobrantes en el inventario.
d) Determine cuál insumo tendría mayores efectos sobre el nivel de ventas
si se cambiara su nivel de inventarios.

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.

17. Dé dos ejemplos económicos reales de tecnologías con rendimientos cre­


cientes a escala.

18. ¿Cuáles son las condiciones de primer orden de Kuhn-Tucker para el


problema de distribución de recursos

Maximizar / (x) + g(y) + h(z)


sujeta a x + y + z < b,
x > 0'
y> 0
z >0

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

[<*ixi - + [a2 x 2 - ^ 2X2]

para ciertos c*i, £ 1, 0 :2 »/fe > 0.


El inversionista busca maximizar este último valor. Utilizando el método
Kuhn-Tucker, pruebe que:
71 Dixit, Avinash K. (1990), Optimization in Economic Theory. Oxford University Press.
Lección 2: Optimización estática 211

-x- + , una parte de C no se invierte.


Pi P2
b) Si
Q1 Q2
C*!» <*2 >
A + A.
entonces todo proyecto recibirá alguna inversión,
c) Interprete estos resultados.
20. [Un consumidor racionado] Para Pi,P2 ,M ,k > 0, 0 < < 1, resuelva el
problema del consumidor
Maximizar ln x + 0 ln y
sujeta a p \x + p2y < M
x <k
x >0
y> 0

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

22. Compare los resultados de los ejercicios 20 y 21.


23. Para < 7 < 1, 0 < 0 < 1, resuelva el problema de un
consumidor con función de utilidad tipo CRRA

Maximizar

sujeta a P\x + P2y < M


x > 0
V> 0

24. Para p i,p 2 , A/ , 7 > 0, 0 < /3 < 1, resuelva el problema de un consumidor


con función de utilidad tipo CARA

Maximizar ---- e 7X ——e 7y


7 7
sujeta a p \x + p2y < M
x >0
y> 0
212 Matemáticas básicas para economistas 3: Optimización y dinámica

25. Para a ,/ ? ,7 > O, px ,p y,p ZlM > O, resuelva el problema del consumidor

Maximizar x°y ^z'y


sujeta a pxx + pyy + pzz = M
x > 0
y > 0
2: > 0

26. Resuelva el problema de un consumidor con función de utilidad separable


y cuadrática; es decir,

Maximizar u(x) + (3 u(y)


sujeta a p \x H- p^y < M
x > 0
y >0

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

a) Dibuje el conjunto de planes (x, y) posibles para esta economía.


b) ¿Será que la solución tendrá que ser x = 50, y = 200 (empleo total
de los recursos)? ¿Por qué?
72 Ibíd.
Lección 2: Optimización estática 213

Suponga ahora que la sociedad tiene un objetivo (o “función de bie­


nestar social”) definido por:

ir(.T, y) = a ln x + ¡3 ln y

donde a, /? > 0, a + (3 = 1, son constantes conocidas y que trata de


maximizar esta función.
c) Escriba el problema de optimización de esta sociedad.
d) Escriba el correspondiente lagrangiano.
e) Escriba las CPO de Kuhn-Tuckcr para este problema.
f) Pruebe que, en un óptimo, no es posible mantener ambos factores
subutilizados.
g) Pruebe que si (3 > 8/9 entonces x = 450a, y = 225P es una solución.
h) Pruebe que si P < 2/3 entonces x = 150a, y = 300/? es una solución.
i) Pruebe que si | < P < 8/9, se obtiene la solución de utilización total
de factores: x — 50, y = 200.
j) ¿Cuáles son las soluciones óptimas?
k) Confirme que cada precio sombra (multiplicador de Lagrange) en este
problema es el efecto sobre el bienestar social de tener una unidad
adicional de ese factor.
1) Muestre que si un factor no está totalmente utilizado en un óptimo,
entonces su precio sombra es cero.
iii) Confirme que un precio sombra positivo significa que un incremen­
to marginal en disponibilidad del recurso afectará positivamente la
producción.

28. [Un problema del análisis de actividades (Koopmans (1951))] En el “con­


texto económico” de la lección 8 del volumen 1 (Álgebra lineal), discu­
tíamos el modelo de Koopmans de la existencia de un equilibrio compe­
titivo y sus características de bienestar. El presente ejercicio plantea un
problema concreto y simple del “análisis de actividades” que Koopmans
generalizó en su modelo pionero de 1951:
Existen n actividades, A i, A 2 , • • • , A n a las que cierta firma puede recu­
rrir, utilizando la oferta disponible de m recursos (insumos), 7?i, # 2 , **• ,
Rm . Supongamos que es la oferta disponible del recurso que es
la cantidad del recurso utilizado en la actividad A j en cada unidad
producida; y que cj es el valor neto de una unidad producida bajo la
actividad A j . El objetivo de la empresa es escoger adecuadamente los
niveles de utilización de las diferentes actividades de tal manera que se
214 Matemáticas básicas para economistas 3: Optimización y dinámica

maximice el valor de la producción sujeto a los recursos dados. Es decir,


la empresa necesita encontrar las intensidades x j > 0 a que debe operar
las respectivas actividades A j, de tal forma que maximice el valor total
de la producción i cj xj sujeto a la condición de que las cantidades
de recursos utilizados en esta operación no puede sobrepasar la oferta,
es decir, aijxj < Para 2 = 1,2, El ejercicio aquí consiste
en que el lector construya y resuelva un ejemplo concreto de análisis de
actividades con ra = 3 y n = 2 .,e interprete el resultado adecuadamente.

29. [Prueba de existencia de equilibrios en el modelo de von Neumann (1932)j


Utilizando el teorema minimax, podemos probar el teorema de existencia
de solución única del modelo de von Neumann que estudiamos en el vo­
lumen 1 (Álgebra lineal), y que reproducimos a continuación. El ejercicio
consiste en que el lector siga cuidadosamente la prueba del teorema.
Consideremos una economía donde hay n bienes G \, G2, ..., Gn que pue­
den producirse mediante m procesos Pi, P2 l..., Pm- En cada proceso P¿ (i =
1,2, ...,m ) se utilizan cantidades conocidas a^- (expresadas en unidades
convenientes) y se producen las cantidades conocidas 6^-, de los respec­
tivos bienes G j(j = 1,2, ...,n). El proceso, entonces, puede simbolizarse
de la siguiente forma:
n n

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 este, von Neumann lo llama el coeficiente de expansión de la economía.


Las incógnitas del modelo son, entonces,

i) Las intensidades i i , . . . , i m de los procesos P i,...,P m;


ii) El coeficiente de expansión (o tasa de crecimiento), a , de la econo­
mía;
iii) Los precios 7/ 1,..., yn de los bienes G 1,..., G„;
Lección 2: Optimización estática 215

iv) El factor de interés ¡3, donde asume que


P _ ¡n _ V2 _ _ U n- 1
y2 y3 yn

Las ecuaciones económicas son:

a A TX < B TX (1)

donde A = [ay]mxm B = [6¡j]m)<n y X = [xj, ...,xm]T y a = — = — =


x2 x3
x m—1

¡3A Y > B Y (2)


donde Y = [yi, ...,2/n]r *

Si tenemos en cuenta la condición — = ... = X- n~- = a y la condición


x2 xm
— = ... = entonces (1) y (2) conforman un sistema de m + n
2/2 Vn
desigualdades con m + n incógnitas. Pero como estas no son ecuaciones
sino desigualdades, el hecho de que el número de ellas iguale el número
de incógnitas, no constituye ninguna garantía de que el sistema pueda
resolverse.

T eo rem a 28. (M in im a x => Von N e u m a n n )


Si aij + bij > 0 el modelo de von Neumann tiene una única solución

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.

Utilizando (1) y (2) se tiene que

máx mín u (y, yT ) = a , mín máx ií(y, yT) = ¡


y yT yT y
216 Matemáticas básicas para economistas 3: Optimización y dinámica

y, por el teorema minimax, a = /?.73 ■

30. Para a,/3 > 0, suponga que un productor tiene una tecnología Leontief
definida por
f( x ,y ) = mín {ax,¡3y}

Encuentre la función de costos y las demandas de factores en este caso.


Note que esta función no es derivable, por lo cual, aparentemente, no
podría utilizar los métodos presentados en la presente lección.

31. ¿Podría
ln(l + p)
Yl(p,wuw2) =
W\W2

ser una función de beneficios que proviene del comportamiento racional


estándar?

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

x(P i,P y,M ) = ~ + 1


Py
y(P x,P v , M ) = ^ + 1
Px

ser funciones de demanda para un consumidor racional estándar?

34. [Demostración del teorema 19 (función de beneficio)¡ Seguir cuidado­


samente la siguiente prueba: Supongamos que IT(p, w \, W2 ) resuelve el
problema del productor.

a) Si /(0 ,0 ) > 0, entonces el máximo del problema del productor debe


satisfacer n (p ,w \,w 2) > IT(p,0,0) > 0, ya que el productor puede
elegir no producir.

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

b) Sean x', yf los valores de x , y que resuelven el problema al precio p', y


sean x n, y" los que lo hacen al precio p". Entonces, por la definición
de U (p,w \,w 2), tenemos que

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'.

Supongamos que pn > p'; entonces tenemos que

n(p", w \,w 2) = p”f{ x " , y") - w \x" - w2y"


> p " f(x ', y') - w \x f - w2yf
> p 'f(x ', y') - w ix' - w2\j
= n(p', ^1,^ 2)
De manera similar, si x', xj son los valores de x ,y que resuelven el
problema al precio w[ \ y x", y" los que lo hacen al precio w'{, entonces

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'

Supongamos que > w[ ; entonces

n (p\ w \, w2) = p j{ x ‘, y1) — w[x' — w2yf


> p f ( x " , y " ) - w \ x " - w 2 y"
> p f(x " , y") - w"x" - w2 y"
= Xl{p",u/{iW2)

Y de forma similar para w2.


c) Sean x', y' los valores de x, y que resuelven el problema de optimiza­
ción a los precios pf,w [,w 2, y sea t > 0; entonces

II(tp \ tw [,tw 2) = tp 'f( x f, y') — tw^x' — tw 2y'


- t (p 'f(x ', y') - w[x' - w2y')
= tll(p' ,w \,w 2)

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,

n(Ap' + (1 - A )/, Aw\ + (1 - A)w'{, X w 2 + (1 - A)v/¿)


= (Apf + (1 - A)p ")f(x "f,y f") - (Xw[ + (1 - A)w'{)x'"
218 Matemáticas básicas para economistas 3: Optimización y dinámica

- (A«4 + (1 - AKV"

+ (1 - A) (p "/(x '", j/'") - w'{x'" ~ w W ")


< A (p’f ( x ’, y') - w[x‘ - w'2y')
+ (1 - A) (p " f(x \ y1) - w "x - w'íy')
= \ n ( p \ w \ , w 2’ ) + (1 - \)U{p",w'iw'Í).

35. [Demostración del teorema 20 (función de costos)¡ Seguir cuidadosa­


mente la siguiente prueba: Supongamos que C(u)i,W2 ,yo) resuelve el
problema de optimización del productor.

a) Sean x', yf son los valores de x, y que resuelven el problema al precio


w[ ; y x n,y n los que lo hacen al precio w"; entonces

w [xr + W2y* < vJ\x” + W2y",


w \x " + W2 y" < w "x' + W2y'.

Supongamos que w" > w[. Entonces

C (w [,w 2 ,yo) = w'ix’ + w2y' < w[x" + W2y" < vJ[xn + W2 y ”


< w"x' + w2 yf = C (w i', w2 ,yo)

Y de forma similar para W2 -


b) Si x', y' son los valores de x, y que resuelven el problema a los precios
w [,w 2 y t > 0, entonces

C(tw[, tw'2, yo) — tw [x' + tw 2y' = t (w[xf + W2 yf)


= tG(wi)W 2 ,yo)

c) Dado que C (w \, W2 ,yo) es lineal en W\,W2 , entonces es cóncava.

36. [Demostración del teorema 21 (funciones de demanda)] Seguir ciudado-


samente la siguiente prueba: Supongamos que (x(pi,p2> M ) y (pi,p2> Af))
resuelven el problema del consumidor.

a) Sea 5 = {(x,y) G R+ \ p \x + P2 y < M}, si S t = {{x,y) G R+ |


tp ix + tp2 y < tM , t > 0}, de ii) tenemos que S = S t. Sea p" > p[, y
definamos tf = t" = j^, S t>= {(x,t/) G R+ \ t'p ix + t'p2y < t'M }
y St" = {(a:, y) G R+ | t”p \x + tnp2y < £"M}, entonces tenemos
que S¿// C Por lo tanto, dado que U (x,y) es creciente en sus
argumentos, x{p",p2 ,M ) < x(p/1,p 2,M ), y(p”,P2 ,M ) < y{p\,P2 ,M ).
La prueba para P2 y M es similar.
Lección 2: Optimización estática 219

b) Dado que la restricción p \x -f p2y < M, es igual a la restricción


tp ix + tp2y < tM para t > 0, el problema del consumidor se man­
tiene inalterado, si multiplicamos (p i,p 2 ,M ) por de forma que
x (tp i,tp 2 i tM ) = x (p i,p 2 ,M ), y (tp i,tp 2 ,tM ) = y(p i,p 2 ,M ).
c) Sean M ', M " > 0, y supongamos que x (p i,p 2, M ), y{pi,p2, M ) no son
cóncavas. Entonces

Pix(Pi,P2 ,M ') + p 2y(p i,p 2 ,M ') < M '


Pix(Pi,P2 ,M ") + p 2y (p u p 2 i M ") < M ",
de lo cual,

P ix(pi,p2 , XM1 + (1 - X )M ")+ p 2y(pu p2 ,X M ' + (1 - X)M")


< A [pM pi ,p2,M') +p2y(pi,p2, M')\
+ (1 - A) [pix(pi,p2 ,M ") + p 2 y(pu p2 ,M ")]
< XM ' + (1 - X)M"

Por lo tanto, en (x{pi,p2 ,X M ' + (1 - X )M "),y(p¡,p2 ,X M ' + (1 -


X)M ")) la restricción no se cumple con igualdad. Así, deben existir
** > x(p u P2 ,X M ' + (1 - X)M") y y* > y(pu p2 ,X M ' + (1 - X)M")
tales que p¡x‘ +p2 y ' < X M '+(1 —X)M". Dado que U(•, •) es creciente
en sus argumentos,

U (x \y * ) > U (x(pu p2 ,X M f^ - ^ M ,,h y (p l ,p 2 ,X M ,+ ( l - X ) M ,%

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

v(puP 2 ,M ) = U (x(pu p2 l M ), y (p i,p 2 ,M ))

resuelve el problema de optimización del consumidor


220 Matemáticas básicas para economistas 3: Optimización y dinámica

a) Esta propiedad se sigue del hecho de que £/(-,*) es creciente, y de


que x(p i,p 2 , M ), y (p \,p 2 , M ) son no crecientes en p i,p 2 y no decre­
cientes en M.
b) Se tiene por la homogeneidad de grado 0 de x (p i,p 2 , M ) y (p i, 7?2, A/).
c) Primero, si p'[ > p[ y p2 > p'2, entonces v(p",p2, M ) < v(p[,p2, M ).
Y, como Ap[ -f (1 —\)p i > p[ y Xp'2 + (1 —X)p2 > P2i entonces
v{Xp[ + (1 - A)p'/, \p '2 + (1 - A)pt¡) < v(p[,p'2 ,M ).
d) Se sigue inmediatamente a partir de la continuidad de las funciones
x (p i,p 2 ,M ) y y (p u p 2 i M ).

38. Considere la siguiente economía de intercambio puro de dos mercancías


y dos consumidores, A y B , cuyas funciones de utilidad son:

u a (x a ,Va ) = (x a ) 5 (v a )*
UB(xB,yB) = (x b )* (yo)^

a) Encuentre el equilibrio si wa = (1/3,2/3) y wb = (2/3,1/3).


b) Corrobore los dos teoremas del bienestar económico.

39. Suponga que existen únicamente dos mercancías en una economía de


intercambio puro y que la función de exceso de demanda de la mercancía

/ , íoopj + 200py in;


Zx{Px,Py) = --------z-------- - ~ 100
¿Px

a) Encuentre la función de exceso de demanda de la mercancía y , zy(px ,p y).


b) Calcule los precios de equilibrio.

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:

Z y(Px,P y,Ph) = 2ph - 1

Zh(pI ,Py,PH) = APy~ 2Ph - 2


Px

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

41. Considere la siguiente economía compuesta por dos mercancías y tres


consumidores, A y B, cuyas funciones de utilidad y dotaciones iniciales
son:

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.

42. Como dijimos antes, la tradición paredaña nunca se preocupó por el


problema de la existencia del equilibrio competitivo, a pesar de que esto
concepto fue el centro de atención con respecto a su propiedades e im­
plicaciones. Aun así, en seguida mostraremos una de las pruebas típicas
de existencia en el caso de economías de intercambio puro, y le pedimos
al lector seguirla con cuidado. Esta prueba ya tiene los elementos (teore­
ma de punto fijo de Brouwer, formas funcionales convenientes, etc.) que
serían esenciales en la prueba general de; existencia del modelo Arrow-
Debreu que veremos en la lección 3. Cabe, en cualquier caso, advertir cine
estos elementos provinieron, paradójicamente, de la prueba de existencia
de equilibrios de Nash que fuera publicada por el mismo John Nash en
1950. Es decir, la teoría de existencia de equilibrios walrasianos le debe
mucho a la teoría de existencia de equilibrios de Nash.
Teorema 29. (Existencia de equilibrios walrasianos)
Sean U { : R^. -> R
{x í , V í ) - * U ' ( x i , y i )

para i = A ,B , funciones de utilidad continuas, monótonas crecientes


estrictamente y cuasicóncavas estrictas y (xu^W y) y ,w jj) las do-
taciones iniciales de los consumidores A y B , respectivamente. Además,
supongamos que si pj = 0, entonces Zj(pXypv) > 0 para j = x, y. Enton­
ces existe algún par de precios positivos (px ,p*j) tales que zx (p*,p*) = 0 y
zy(px ,Py) = 0 ; es decir, existe un equilibrio walrasiano para la economía
descrita por estas funciones de utilidad y dotaciones iniciales.

En efecto, habíamos mostrado en el teorema 21 que las funciones de


demanda de los agentes son continuas, de tal forma que también las
222 Matemáticas básicas para economistas 3: Optimización y dinámica

funciones de exceso de demanda son continuas. Sea P = { ( p x , Py) G


[0,1 ]2 / p x + P y = 1} y sea la función g : P -» P definida por

/ v _____________ Px + máx{0,zx(px,p y)}________


y 1 + máx{0,zx(px,p y)} -f máx{0, zy(px,p y)}

, ) = ________ Py + máx{0,¿y(px,p y)}________


y x’ y 1 + máx{0,zx(px,p y)} + máx{0,zy(px,p y)}

Vemos que (gx,gy) G P , ya que

„ , \ i / „ x ___________ Px - i - máx{0, zx(px,p y)}___________


y y xi y 1 + máx{0, Zx (p x , p y ) } + máx{0, Zy (p x , p y ) }

+ _________ py + máx{0, ¿y(px,p y)}________


1 + máx{0,zx(px,p y)} + máx{0,zy(px,p y)}

P x + P y -1- máx{0, ^j(px,p y)} + máx{0, zy (px ,py)}


1 + máx{0, zx (pxypy)} + máx{0,Zy(Px,Py)}

= 1

Como P es un conjunto no vacío, convexo y compacto, y g(-) es una


función continua, por el teorema del punto fijo de Drouwer (teorema 16),
existe al menos un punto fijo de <?(•), (p j,p j) € P . Veamos que (px,p j)
es un equilibrio walrasiano. Tenemos que el punto satisface

. _____________ P x + máx{0, zx (p*x ,py)}________


P z ~ 1 + máx{0, Z x ( p J ,p ¿ ) } + máx{0, z y ( p j , p ¿ ) }

. _____________ 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,

p* (máx{0, zx (px ,py)} + máx{0, zy(pÍ,pJ)}) = máxfO.ZxÍp^pJ)}

p’y (máxfO.ZxÍpJ.pJ)} + máx{0, z¡,(p",p*)}) = máx{0,zy(p*,p¿)}.

Multipliquemos ambas ecuaciones por zx (p*,p*) y zy(p*,p*) respectiva­


mente, obtenemos entonces
Lección 2: Optimización estática 223

P ÍM p J.p J) (máx{0, zx (p¿,p¿)} + máx{0, zy(p'x,p ’y )}) =

= Z xtó.pJ) m áx{0,2x(pi,pj)}.

P'yZy(Px,P'y) (máx{0, 2i(pí,pJ)} + máx{0, zv(p i,p j)} ) =

ZyiPx’P'y) máx{0, z„(p;,p¡)}.

Sumando ambas igualdades obtenemos

(píz*(pj,pj) + p'yzy(p'np'y)) (máx{0,2i(p j,p J)} + máx{0, Zyíp^pj)})

= Zi (p Í . p J) máx{0, Zi (p Í , p J)} + zy(p i,p j) máx{0, zy(p j,p ')} ,

que por la ley de Walras es equivalente a

z*(pj,pj) máx{0, zx (p I , p I ) } + zy(p*,p¿) máx{0, zv(pj,pj)} = 0.

Si zx (pl,p*) > 0 o Zy(p*,p*) > 0 se tiene que

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,

PÍ2x(pJ,pJ) +PjZy(PÍ-Pj) < 0


contradiciendo la ley de Walras. Así, debe ser zx (px ,py) = 0 y zy(px1 py) =
0. ■

43. ¡Equivalencia entre equilibrios walrasianos y puntos fijos]. Ya sabemos


(teorema 29) que el teorema de punto fijo de Brouwer garantiza la exis­
tencia de un equilibrio walrasiano. Pero lo que podría sorprendernos aho­
ra es que la afirmación recíproca también es cierta. Veamos esto:
Consideremos la siguiente versión del teorema de existencia de equilibrios
walrasianos, y que, aquí, llamaremos EEW:

T eorem a 30. (E E W (N ika id o (1956)74))


Sea A n = {p = (pj) € R" / Pj = 1} (simplex unitario en Rnj, y
sea T un subconjunto compacto y convexo de Rn. Supongamos, además,
que ip : A n —> -P(r) es una correspondencia semicontinua superiormente
(cort'espondencia de exceso de demanda) que envía cada punto de A n en
74 Nikaido, H. óp. cit.
224 Matemáticas básicas para economistas 3: Optimización y dinámica

un subconjunto convexo no vacío de T, y que, también p -x > O para todo


x G ip(p) (Ley Walras). Entonces existe p* G A n tal que

■<p(p*) > O

Uzawa (19G2)75 ha probado que también es cierto el teorema recíproco:

T eo rem a 31. (W alras => B ro u w er)


El teorema E EW implica el teorema de punto fijo de Brouwer.

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 *„. ,,_.N


t t í t "

Y si en esta igualdad vectorial sumamos sus componentes, y recordamos


que p* y f(p*) están en A n, entonces llegamos a que

/(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

45. ¡Teorema de Frobenius (Parte II)] Existen varios resultados complemen­


tarios al teorema de Frobenius (teorema 18). Son los siguientes:

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 ).

**46. Nótese la validez de los siguientes esquemas:

teorema de =>■ teorema de => teorema de von Neumann


Minkowski minimax (crecimiento)

teorema de & teorema de teorema de


Brouwer Kakutani minimax

¿Podría el lector ampliar este esquema utilizando los resultados de la


presente lección? ¿Qué posibles conexiones entre resultados sugeriría este
esquema?

47. Reflexione y critique cuidadosamente la siguiente afirmación tentativa


del editor:

Es bien sabido que los tres teoremas: el de punto fijo de Brou­


wer, el de punto fijo de Kakutani, y el de existencia de equi­
librios competitivos, son equivalentes. Además, el teorema de
punto fijo de Kakutani implica el teorema de existencia de equi­
librios de Nash. De esta manera, si supiéramos que este últi­
mo implica el teorema de punto fijo de Kakutani, podríamos
entonces afirmar que los teoremas de existencia de equilibrios
competitivos y de equilibrios de Nash, son equivalentes, y así la
teoría de juegos clásica no nos llevaría más allá de donde nos
ha llevado la teoría del equilibrio general competitivo.
Lección 3

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.

A comienzos del siglo XVIII, Jacob Bernoulli escribía ecuaciones diferenciales


basadas en los principios newtonianos para estudiar el movimiento planetario.
También su hermano, Johann Bernoulli, modelaba fenómenos físicos utilizando
ecuaciones diferenciales y las resolvía. A su vez, Jacopo Riccati (1752) estu­
diaba un tipo de ecuación muy particular que hoy lleva su nombre. Y así, a
principios de ese siglo, aunque se había logrado reunir una cierta cantidad de

227
228 Matemáticas básicas para economistas 3: Optimización y dinámica

técnicas de solución de clases específicas de ecuaciones, todavía no se tenía una


teoría general.
Consolidar, generalizar y crear métodos nuevos y más poderosos para atacar los
problemas planteados en la solución de ecuaciones diferenciales fue el trabajo
de Leonhard Euler. Y una de las claves de su éxito fue el que Euler entendió
el papel que podría jugar el concepto de función. Utilizando sus conocimientos
sobre estas, desarrolló diversos procedimientos generales para la solución de
muchas clases de ecuaciones diferenciales. Su trabajo también incluyó el uso
de métodos numéricos para hallar soluciones aproximadas a casi todo tipo de
ecuaciones. Fue, en definitiva, el maestro constructor de la futura teoría de las
ecuaciones diferenciales.
Posteriormente vendrían otros matemáticos a retinar y extender las ideas de
Euler. En 1728, Daniel Bernoulli utilizaba los métodos de Euler para estudiar
oscilaciones mecánicas. También D’Aleinbert estudiaba y resolvía ecuaciones
diferenciales parciales a lo largo de la línea de Euler. Pero además, Lagrange,
Laplace y Fourier (entre muchos) reconocieron que, en esta área, Euler era el
maestro de todos.
A comienzos del siglo XIX, Gauss y Cauchy, basados en teoría y conceptos de
funciones con variable compleja, utilizaban las ecuaciones diferenciales como
palanca de entendimiento de la teoría de las órbitas planetarias, de la teoría
de la gravitación, y de la propagación de ondas sobre una superficie líquida.
También fue Cauchy quien, como consecuencia de los fundamentos lógicos del
Cálculo, daría bases matemáticas sólidas a la teoría dtí las ecuaciones diferen­
ciales. Sobre los fundamentos aportados por Gauss y Cauchy, discurrieron los
trabajos de muchos matemáticos del siglo XIX.
Precisamente hacia mediados del siglo XIX aparecerían los problemas de siste­
mas de ecuaciones diferenciales. El matemático alemán Cari G. Jacobi [1804-
1851] convirtió la teoría de determinantes y transformaciones lineales en una
herramienta poderosa para resolver estos sistemas. También A. Cayley, J.J.
Sylvester y J. W. Gibbs, pioneros en el desarrollo de lo que hoy llamamos álge­
bra lineal, propusieron (desde una perspectiva similar a la de Jacobi) diversos
métodos lineales para la solución de problemas concretos en termodinámica,
electromagnetismo, mecánica y astronomía, que involucraban ecuaciones dife­
renciales.
Para finales del siglo XIX, se encontraron abundantes aplicaciones y desarro­
llos adaptados a estas, que requerían de avances teóricos más profundos. Entre
otros, en 1876, el matemático alemán Rudolf Lipschitz (1876) estableció algu­
nos teoremas de existencia para soluciones de ecuaciones diferenciales (lección
4), que le darían un aire de solidez teórica a esta importante área del análisis
matemático. De esta época data, precisamente, el origen de la teoría de los
Lección 3: Sistemas dinámicos 229

sistemas dinámicos atribuida a Henri Poincaré [1854-1912], y que George D.


Birkhoíf [1884-1944], en la primera mitad del siglo XX, establecería como área
específica de la teoría de las ecuaciones diferenciales.

Hoy en día, la teoría de las ecuaciones diferenciales y la teoría de los sistemas


dinámicos están en plena expansión y evolución.

1. Sistemas dinámicos (continuos) en una dimensión


Debido a la novedad, variedad de herramientas, conceptos, y métodos, no hay
duda de que es precisamente la obra de Poincaré el punto de origen de la teo­
ría de los sistemas dinámicos. Desde el comienzo, Poincaré concibió la teoría
cualitativa y la estabilidad de las ecuaciones diferenciales con un ojo puesto en
la mecánica celestial y, en particular, en la estabilidad del sistema solar (enten­
dida como la estabilidad de trayectorias planetarias). En su trabajo, Poincaré
articuló temas centrales que ahora son de nuestro interés aquí: la teoría cua­
litativa de las ecuaciones diferenciales (diagramas de fase); y el estudio de la
estabilidad global o local de las soluciones a través de la noción de equilibrio.

Comenzamos entonces nuestra lección, definiendo los sistemas dinámicos (con­


tinuos) más elementales posibles: los sistemas en una dimensión.

Definición 1. (Sistema dinámico continuo en una dimensión)


Un sistema dinámico continuo en una dimensión es una ecuación diferencial
de la forma
x(t) = f( x ( t) ,t) (CID)

donde t es la variable tiempo; x(t) : I -> A es una trayectoria; x(t) =


f : A x I —>R es una función diferenciable con continuidad; el conjunto A C K
es abierto, no-vacío; y / es un intervalo abierto de la forma (a, +oo), donde
a € R U {—oo}, o de la forma (—oo,a) donde a € R U {oo}.

Definición 2 . (¿Qué es resolver este sistema dinámico?)


Resolver un sistema dinámico continuo x(t) = f( x ( t) ,t) es encontrar todas las
posibles trayectorias x(t) que satisfagan esta ecuación. A cada una de tales
trayectorias x(t) se le conoce como una solución al sistema dinámico.

Ejemplo 1. (Sistema dinámico lineal fundamental)


El sistema

x(t) = c x(t) (es decir, /( x , t) = ex, con c constante para todo t)


230 Matemáticas básicas para economistas 3: Optimización y dinámica

lo podemos resolver fácilmente mediante antiderivación1, encontrando que to­


das las soluciones x(t) tienen la forma

x(t) = kect para alguna constante k € R

De hecho, observemos que k = x(0). A esta, por razones evidentes, se le llama


la condición inicial del sistema dinámico. De manera que todas las soluciones
al sistema dinámico lineal, tienen la forma (figura 1)

x(t) = x(0) ect t e (—oo, oo)

Claramente,

lím x(t) = 0 si c< 0; x(t) = x(0) si c= 0

lím x(t) = +oo si c> 0 y x(0) > 0


<->oo

lím x(t) — —oo si c> 0 y x(0) < 0


í —►oo

caso c > 0 caso c < 0


Figura 1. Soluciones al sistema x(t) = cx(t) para x(0) > 0.

Ejem plo 2. (U n sistem a dinám ico no lineal)


El sistema

x(¿) = x (t)2 (es decir, f ( x , t ) = x 2 para todo t)


dx
también es fácil de resolver mediante la antiderivación: Puesto que, aquí, — =
d d
x 2 entonces, si x / 0, = dt, y así, / —^ ~ f dt, y, por lo tanto, —x ~ l = t+ k
para algún k € R. Luego, todas las soluciones x(t) (figura 2) tienen la forma

x(t) = — Para algún k € R; ó x(t) = 0 para todo t

1 Volumen 2 (Cálculo), lección 4.


Lección 3: Sistemas dinámicos 231

donde la condición inicial, para las soluciones del primer tipo, es x(0) = ——si
k / 0. En-cualquier caso, notemos que x(í) = 0.

Figura 2. Soluciones al sistema x(t) = x (t)2.

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

donde la condición inicial es x(0) = k. Notemos que siempre se tiene que


lím^oo x(t) = +oo (figura 3).

Ahora: Al estudiar un sistema dinámico, podrían aparecer ciertas soluciones


muy particulares que ayudan a entender este movimiento. A estas, la Física
siempre las ha llamado “equilibrios”, y la teoría de las ecuaciones diferenciales y,
en particular, la de los sistemas dinámicos, también ha adoptado este nombre.
232 Matemáticas básicas para economistas 3: Optimización y dinámica

D efinición 3. (P unto de equilibrio)


Un punto x* G A es un punto de equilibrio (o estacionario) 2 del sistema diná­
mico continuo x(t) = f( x ( t) ,t) si, y sólo si, f( x * ,t) = 0 para todo t.

Es decir, x(t) = x* para todo t e l e s una solución que, al satisfacer x(t) = 0


para todo t , el sistema dinámico, una vez alcanzado el punto x *, permanecerá
allí por siempre.

Ejem plo 4.

a) Para el sistema dinámico x(t) — c x(t), el único punto de equilibrio, si c ^ 0,


es x* = 0.

b) Para el sistema dinámico x(t) = x(¿)2, el único punto de equilibrio es tam­


bién x* = 0.

c) Para el sistema dinámico x(t) = c x(t) + 6, el único punto de equilibrio, con


c 0, es x* = —b /c .

d) El sistema dinámico x(t) = x ( t)2 -f 1 no tiene equilibrios. De hecho, me­


diante antiderivación es fácil mostrar que la solución general es de la forma
x(t) = tan (t 4- k) para k € R.

e) Para el sistema dinámico x(t) — x ( t)2 — 1, los equilibrios son x* = 1,


x* = —1 (múltiples equilibrios). Mediante antiderivación se puede mostrar
que, además de x* = 1 y x* = —1, todas las soluciones están dadas por las
funciones
l + e2t+k
~ l _ e2t+k
para algún k 6 R. Note que

lím x(t) = —1, lím x ( t) = 1


t— ►oo t—►—oo
Á

El siguiente teorema afirma que, en general, todo sistema dinámico en una


dimensión (bajo las condiciones de la definición 1 ) tiene solución tínica, aunque
sólo sea “local”, es decir, en un intervalo alrededor de un “tiempo” ¿o £

Teorema 1. (Existencia y unicidad local de soluciones (R. Lipschitz


(1 87 6 )))
Si xo E A y ¿o € I> entonces existe una tínica solución x(t) al sistema dinámico
x(t) = /( x , t), definida en un intervalo abierto alrededor de to donde x(to) =
Xo.
2 También llamado punto fijo.
Lección 3: Sistemas dinámicos 233

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” .

D efinición 4. (S istem a din ám ico au tó n o m o )


Un sistema dinámico x(t) = f(x (t), t) es autónomo si, y sólo si,

/(x(¿),¿) = f(x (t)) para todo t €I

Es decir, /(•, •) no depende explícitamente de £; en otro caso, lo llamaremos no


autónomo.

Notemos que los sistemas dinámicos de los ejemplos 1 y 2 son autónomos,


mientras que el del ejemplo 3 es no autónomo.
Para describir gráficamente el sistema autónomo x(t) = f(x (t)) mediante un
diagrama de fase, simplemente dibujamos la función /(•) en un diagrama x vs
f( x ) (= x). Así, valores positivos de /(•) corresponden a valores positivos de x,
y esto significa que x(-) es una función creciente. Para indicarlo en la gráfica,
dibujamos flechas en el sentido de t creciente. De la misma forma, valores
negativos de /(•) corresponden a valores negativos de x y, por tanto, x(-) es
una función decreciente de £; y para indicarlo, dibujamos flechas en el sentido
de t decreciente. Claramente, los puntos de equilibrio serán las intersecciones
de /(•) con el eje X , es decir, cuando / = 0. Así, encontramos que las flechas
señalan la dirección en que x(t) se mueve en el tiempo, y esto nos da una
solución cualitativa del sistema dinámico.
234 Matemáticas básicas para economistas 3: Optimización y dinámica

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.

Figura 4. Diagramas de fase del sistema dinámico x(t) = cx(t),


con c / 0 .

Pero también podemos describir un sistema dinámico con un diagrama de fase


unidimensional que es, sin duda, más sencillo. La técnica consiste aquí en que
si x — x * es un equilibrio del sistema dinámico autónomo x(t) = f{ x ), entonces
se estudian los signos de } (x) cuando x es un poco mayor que x*, y cuando
es un poco menor que x*. Si el signo es positivo, entonces x > 0, es decir, x
crece, y las flechas irán hacia la derecha; y si es negativo, entonces x < 0, es
decir, x decrece, y las flechas irán hacia la izquierda.
Por ejemplo, en lugar de las gráficas bidimensionales de la figura 4, podríamos
dibujar, respectivamente, los diagramas unidimensionales de la figura 5, que
son equivalentes y más simples.

< ------ r*------ r<------ r<------ r*------ 1< t ------>t------ >i------ >t------ --------->t------ >r
0
--------> > > - > i------- >i------- ------------- r*------- 1<------- 1< < -------- <--------

Figura 5. Diagramas de fase unidimensionales para ¿(£) =


cx(t), c 0.
Lección 3: Sistemas dinámicos 235

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.

Figura 6. Diagramas de fase del sistema x(t) = x (t)2 —1.

b) E sta b ilid a d u n id im en sio n a l


Uno de los principales objetivos de los sistemas dinámicos es estudiar el com­
portamiento de sus soluciones cerca de un punto de equilibrio. Esto constituye
la llamada teoría de la estabilidad. Quizás no sobre resaltar aquí que la impor­
tancia del concepto de estabilidad para sistemas dinámicos radica en el hecho
de que en los cálculos implicados en la construcción de una máquina eléctrica,
o en el estudio del vuelo de aeronaves, o de un proceso químico, etc., la diná^
mica sea o no estable determina en gran parte el éxito o fracaso del proceso
analizado. La definición básica de estabilidad para sistemas dinámicos en una
dimensión es la siguiente:
Definición 5. (Estabilidad)
i) Diremos que el punto de equilibrio x* del sistema dinámico x(t) =
f( x ( t) ,t) es estable si dado e > 0 existen ó > 0 y to > 0 tales que
|x(í0) - x*\ < 5 implica |x(¿) - x*\ < e para todo t > t0. En otro caso,
diremos que x* es inestable (o no estable) (figura 7).

ii) Diremos que el punto de equilibrio x* del sistema dinámico x(t) =


/(x (¿ ),í) es asintóticamente estable (o atractor) si es estable, y si
límt-Kjo x(t) = x* (figura 7).
236 Matemáticas básicas para economistas 3: Optimización y dinámica

equilibrio estable equilibrio asintótico estable equilibrio inestable


Figura 7. Equilibrios estables e inestables.

Es decir, un equilibrio es estable si cuando una solución comienza cerca de


este equilibrio, permanecerá siempre cerca de él. Y, de la misma forma, este
equilibrio es asintóticamente estable si cuando una solución comienza cerca de
este, entonces convergerá allí.3

Determinar la estabilidad de un equilibrio mediante esta definición puede ser


complicado. Por ejemplo, puede ser que no sea posible encontrar las soluciones
explícitamente. En el caso de los sistemas de una dimensión no es, sin embargo,
muy complicado establecerlo utilizando los diagramas de fase; el siguiente teo­
rema confirma nuestra intuición dentro del gráfico cualitativo de los sistemas
autónomos.

Teorema 2. (C riterio de estabilidad para sistem as autónom os)


Sea x* un punto de equilibrio del sistema dinámico autónomo x(t) = f(x (t)).
Entonces (figura 8):

i) Si f'(x* ) < 0, entonces x* es asintóticamente estable.

ii) Si f'(x* ) > 0, entonces x* es inestable.

iii) Si f'(x* ) = 0, el criterio no permite decidir.

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

Los puntos de equilibrio x \ y £5 son asintóticamente estables y se


tiene /'( x 1) = 0 y f \ x ¿ ) < 0. Los puntos de equilibrio X2,X3 ,X4
son inestables con /'(a ^ ) = /'(x ^ ) = 0 y /'(a ^ ) > 0 .

iii) Que si f'(x* ) = 0 el criterio no permite decidir, lo vemos en los casos


f( x ) — x 2 y f( x ) = x 3 en x* = 0 . ■

E jem plo 8.

a) En el ejemplo G, tenemos que f( x ) = ex; luego f'( x ) = c y así:

i) Si c < 0, entonces x* = 0 es asintóticamente estable.


ii) Si c > 0, entonces x* — 0 es inestable (figura 4).

b) En el ejemplo 1 , tenemos que f( x ) = x 2 —1; luego /'( x ) = 2x y el compor­


tamiento de los equilibrios, x* = 1, x* = —1 , es

i) Como / ' ( —1) = 2(~1) < 0, entonces x* = - 1 es asintóticamente


estable.
ii) Como / ' ( 1) = 2(1) > 0, entonces x* = 1 es inestable (figura 6).

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,

f'( x ) = (x - 1)(2 - 3x) + x(2 - 3x) - 3x(x - 1)

a) Como /'(0 ) = —2 < 0 , entonces x* = 0 es asintóticamente estable.

b) Como / ' ( |) = \ > 0 , entonces x* = \ es inestable.

c) Como / ' ( 1) = —1 < 0, entonces x* = 1 es asintóticamente estable.

Los diagramas de fase de la figura 9 corroboran a), b) y c).


238 Matemáticas básicas para economistas 3: Optimización y dinámica

---- 2 ^ l^ N ^ X 0 2 1
3

Figura 9. Diagramas de fase del sistema x(t) = x (x —1)(2 —Sx)

E jem plo 10. (D esintegración radiactiva)


La ley de la desintegración radiactiva del elemento químico radio afirma que la
tasa de desintegración es proporcional a la cantidad inicial de radio presente.
Para averiguar la cantidad de radio presente en cualquier tiempo t posterior,
notamos primero que si R(t) es la cantidad de radio no desintegrado en el
tiempo ¿, entonces —R es la tasa de desintegración, y como esta es proporcional
a i?, entonces la ecuación de desintegración es

—R = cR donde c > 0 es una constante conocida.

y ya sabemos que la solución a este sistema dinámico en una dimensión es

R (t) = R{ 0) e-c¿

donde R (0) es la cantidad presente de la sustancia química al comienzo del


proceso.

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.

Ejem plo 11. (D atación por carbono radiactivo (Libby (1949)))


Si un hueso fósil tiene el 30% de la cantidad original de carbono 14 (eC'14),
¿cuál es su antigüedad?

En la atmósfera, la proporción del carbono radiactivo qCu y el carbón común


es constante, lo cual se cumple también para los organismos vivos. Cuando
un organismo muere, cesa la absorción de qC14 al respirar y al alimentarse.
Por tanto, la edad de un fósil puede estimarse comparando la proporción de
carbono presente en el fósil con el de la atmósfera. Esta es la idea de Datación
por carbono radiactivo de W. Libby (premio Nobel en Química en 1910).
Lección 3: Sistemas dinámicos 239

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)

entonces c = — 0.000121. Finalmente, el tiempo después del cual el 30% de la


cantidad original de &CU sigue presente, se calcula así:

y(0)e(-oooom )t = ^ l / (0)

y, de allí,
t = 9,950 años
que es la antigüedad del hueso, según este modelo.

Ejemplo 12. (Ley de Torricelli)


Los experimentos de Evangelista Torricelli [1608-1647] (un discípulo de Galileo)
indican que el agua sale por el orificio inferior de un tanque cilindrico (como
el de la figura 10) con una velocidad

h = -26M ^Vh (*)


13
donde h(t) es al altura del agua arriba de orificio en el tiempo í, B es el área de
la base circular del tanque, y A es el área del orificio. El coeficiente que aparece
en la ecuación es igual a 0.6 y/2 g, donde 0.6 es un “factor de contracción” debido
a que el flujo tiene una sección transversal menor que el orificio y g = 980 cm /s2
es la aceleración de la gravedad en la superficie terrestre. Para calcular la altura
del agua h(t) en cualquier momento ¿, notemos que este sistema dinámico tiene
como único equilibrio h* = 0 (tanque vacío) y, mediante antiderivación, se
encuentra que su solución es

h(t) = h(0) - 13.284 t

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

aplicar el teorema 2 y, derivando el lado derecho de la ecuación (*) con respecto


a / i y evaluando en valores positivos cercanos a h* = 0, obtendremos siempre
valores negativos, mostrando que este equilibrio es, en efecto, asintóticamente
estable.

Figura 10. Ley de Torricelli.

Ejercicios 1

1. Tomando los sistemas dinámicos de los ejemplos 6 y 7, compare el com­


portamiento de sus soluciones explícitas que aparecen en un gráfico t v s. x(t),
con el el correspondiente diagrama de fase unidimensional del sistema di­
námico; es decir, justifique la descripción de cada diagrama, en términos
del otro.

2. Compruebe, mediante antidiferenciación, que todas las soluciones del sis­


tema dinámico
¿(£) = cx(t) + 6, c 0

tienen la forma x(t) = kect —(b/c).

3. a) Compruebe, mediante antidiferenciación, que todas las soluciones del


sistema dinámico
x(t) = c(t)x(t) + b(t)

tienen la forma

b) Con la fórmula anterior, calcule las soluciones generales del sistema


dinámico
¿(£) = —j x ( t ) 4- 5t2
Lección 3: Sistemas dinámicos 241

c) Calcule también las soluciones del sistema dinámico

x ( t) = j x ( t ) — t

4. Para los sistemas dinámicos b) y c) del ejercicio anterior, encuentre, si


existe, la solución que satisfaga x (l) = 5. ¿Es esta una solución global o
local?

5. Dibuje los diagramas de fase unidimensionales de los siguientes sistemas


dinámicos autónomos:

a) x = fj,x (l — x) con fi > 0 (ecuación logística)


b) x = ax& + bx 0 < b < 1, a 0, >0

c) x = ax3; o^O d) x = ln(x —1)

e) x = 2 -f sen x f) x — x i

6. Estudie el comportamiento de estabilidad de los equilibrios (si existen)


de los sistemas dinámicos autónomos del ejercicio anterior.

7. Resuelva explícitamente mediante antidiferenciación, encuentre los equi­


librios y analice la estabilidad con su correspondiente diagrama de fase,
en cada uno de los siguientes casos:

a) x + (t + l)x 3 = 0 b) x = —y/ 1 — x

c) x = x 2 sen t d) x = e2t eos x

l i X
e) x = 3 x 2 — \ x f) x — -

8. Suponga que la población de la Tierra cambia a una rapidez proporcional


a la población actual, y asuma que en cierto instante t = 0 de la historia,
la población era de 600 millones; y que 300 años después la población era
de 2,800 millones. Encuentre la población de la Tierra para el año 2020.
Si se supone que la Tierra puede sostenerse a sí misma con 2.5 x 1010
habitantes, ¿cuándo alcanzaría este límite?
242 Matemáticas básicas para economistas 3: Optimización y dinámica

2. Sistemas dinámicos (continuos) en dos


dimensiones
En esta sección ampliamos la discusión a los sistemas dinámicos continuos
planares; es decir, en dos dimensiones. Y aunque las técnicas de análisis varían,
los conceptos centrales se mantienen. Veamos esto.

D efinición 6. (Sistem a dinám ico continuo en dos dim ensiones)


Un sistema dinámico continuo en dos dimensiones es un par de ecuaciones
diferenciales de la forma
x(t) = f ( x ( t ) , y { t ) , t )
y(t) = g ( x ( t ) ,y ( t ) , t )

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}.

D efinición 7. (¿Qué es resolver este sistem a dinám ico?)


Resolver el sistema dinámico en dos dimensiones (C2D) es encontrar todas
las trayectorias posibles (x(¿),í/(¿)) que satisfagan, simultáneamente, las dos
ecuaciones diferenciales. A cada una de estas trayectorias (x (t),y (t)) se le
conoce como una solución del sistema dinámico.

Ejem plo 13. (Sistem a dinám ico lineal fundam ental)


El sistema lineal, para 011 , 012 , 021,^22 £ R,

x — o>\\x "4* Q>\,¿y


y = Ü2\X + Ü22y

(es decir, f ( x ,y ) = a \\x + a \2y, g (x ,y ) = a2 \x + 022y son funciones lineales)


será estudiado en detalle más adelante. Por ahora, sin embargo, y a guisa de
ejemplo, el lector podría mostrar que las trayectorias

x(t) = ae~ 2t + (3e~4t


y(t) = ae~ 2t — (3e~4t

(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

Ejemplo 14. (U n sistem a dinám ico no lineal)


El sistema dinámico no lineal
x = x y 2, y= - y 2
(es decir, donde f ( x ,y ) = x y 2, g(x, y) = y2 son funciones no lineales) tiene
como soluciones a
x(t) = k e 't+ z, k € R

«<‘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

tiene entre sus soluciones a


1
x(t) = \n[t(t 4- ki)] + k2i y(t)=
t + k\
Definición 8. (P unto de equilibrio)
Un punto (x*,y*) es un punto de equilibrio (o estacionario) 5 del sistema diná­
mico

¿ (0 = f(x (t) , y (t), í), ¿ ( 0 = 9(x(t), y (t), t)


si, y solo si,
f(x * ,y * ,t) = 0, g (x*,y*,t)= 0

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

E jem p lo 17. (E q u ilib rio s m ú ltip les)


Para el sistema dinámico

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)

definida en un intervalo abierto alrededor de to donde x(ío) — x o V y(to) = yo-


D em o stració n .
Ver teorema 14, lección 4 (Optimización dinámica). ■

Para terminar esta sección establecemos la noción de sistema dinámico autó­


nomo en dos dimensiones. Estos tendrán la virtud de permitir claras descrip­
ciones de la dinámica mediante sus correspondientes “diagramas de fase”, como
veremos en la próxima sección.
Lección 3: Sistemas dinámicos 245

D efinición 9. (Sistem a autónom o)


El sistema, dinámico en dos dimensiones

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.

Ejem plo 20.


El diagrama de fase del sistema dinámico

x = 2x + y ( = f ( x ,y ) )
y = x - 2y (= g (x ,y ))

lo construimos, sin hacer explícitas sus soluciones, de la siguiente forma:


246 Matemáticas básicas para economistas 3: Optimización y dinámica

= f(x, y) = o

= 9 (x ,y ) = o

Figura 11. Diagrama de fase en dos dimensiones.

a) Primero, dibujamos en el plano los puntos (x,y) tales que f( x ,y ) = 0, es


decir, 2 x -f y = 0; y después los puntos (x, y) tales que g (x , y) = 0, es decir,
x — 2 y — 0; siendo su punto de intersección el único equilibrio del sistema:
(x*,y*) = (0,0) (figura 12).

b) Luego observamos que se ha dividido el plano en cuatro regiones: región I


(primer cuadrante), región II (segundo cuadrante), región III (tercer cua­
drante), y región IV (cuarto cuadrante), (figura 12).

i) En la región I se tiene que

/( x , y) =2x + y > 0 y g (x ,y )= x — 2 y < 0

ii) En la región II se tiene que

f( x ,y ) - 2 x + y < 0 y g (x ,y )= x - 2 y < 0

iii) En la región III se tiene que

f( x ,y ) = 2 x + y < 0 y g (x ,y )= x - 2 y > 0

iv) En la región IV se tiene que

f( x ,y ) = 2 x + y > 0 y g{x,y)= x - 2 y > 0

c) En tercer lugar, dibujamos la flechas:

i) En la región I, puesto que / > 0 y x — / , entonces x crece, y esto lo


dibujamos con una flecha hacia el este. De manera similar, puesto que
g < 0 y y = g, entonces y decrece, y esto lo dibujamos con una flecha
hacia el sur. La dirección de la dinámica en la región I será entonces
en la dirección sureste.
Lección 3: Sistemas dinámicos 247

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.

Los casos iii) y iv) son similares.

Ya con esta información, el diagrama de fase del sistema dinámico aparecerá


como en la figura 12.

Figura 12. Construcción del diagrama de fase del sistema x =


2 x + y, y = x - 2 y.

E jem plo 21. (E cuación de L otka-V o lterra)


Estimulado por el Essay on the Principie of Population (1798) de Thomas
Malthus, quien afirmaba que las necesidades de población en expansión de­
bían exceder la oferta de recursos naturales en algún punto del tiempo, Pierre
Verhulst (1838) publicó lo que él llamó la ecuación logistica para describir el
crecimiento de la densidad poblacional. Esta ecuación, redescubierta en 1920,
fue reescrita y ampliada dentro del esquema predador-presa por el biofisico
norteamericano Alfred Lotka (1925)6 y el matemático italiano Vito Volterra
(1926)7. Este modelo se conoce hoy como el modelo Lotka-Volterra.
La versión continua del modelo logistico de Verhulst es la ecuación diferencial

dN r(k - N )N
dt k ( '

donde r es la tasa máxima de crecimiento poblacional (o parámetro m a ltu ­


siano), A; es la máxima población sostenible, y N (t) es la cantidad de población

6 Lotka, A. (1925), Elements of Physical Biology, Baltimore: Williams and Wilkins.


7 Volterra, V. (1926), Variazioni e fluttuazioni del numero d’individui in specie animali
conviventi, Mem. R. Acad. Naz. del Lincei, voi. 2, 31-113.
248 Matemáticas básicas para economistas 3: Optimización y dinámica

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.

El modelo Lotka-Volterra es la base de muchos de los modelos que hoy en día


se utilizan en biología matemática para el análisis de dinámicas de población.
Desafortunadamente, en esta forma el modelo presenta algunos “problemas”
importantes: ningún equilibrio es “estable” y, en su lugar, los predadores y
las presas crecen y decrecen cíclicamente sin afianzarse alrededor de ningún
equilibrio. Y aunque esta ciclicidad sí se observa en la naturaleza, no es abru­
madoramente común. Al parecer, el modelo Lotka-Volterra no es suficiente
para describir el fenómeno adecuadamente. Quizás falta más información de
contexto. Para averiguar más sobre este tipo de modelos de evolución de es­
pecies y otros de la biología matemática, invitamos al lector al excelente texto
de J. D. Murray (2002), Mathematical Biology: I. An Introduction (Springer).

b) E sta b ilid a d e n d o s d im e n sio n e s


De forma similar a los conceptos de estabilidad y estabilidad asintótica desa­
rrollados para sistemas unidimensionales, en el caso de los sistemas bidimen-
sionales tenemos la siguiente definición:

D efinición 10. (Estabilidad bidim ensional local)


i) Diremos que el punto de equilibrio (x*,y*) del sistema bidimensional

¿(i) = f ( x ( t) ,y (t) ,t)


y(t) = g(x (t),y(t),t)

es estable si dado e > 0 existen S > 0 y ¿o > 0 tales que ||(x(£o),2/(ío)) —


(x*,y*)|| < S implica ||(z(¿), */(£)) — (rc*,y*)|| < c para todo t > to. En
otro caso, se dirá que (x*,y*) es inestable (figura 14).

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

Figura 14. Ejemplos de estabilidad e inestabilidad local.

y(t) = g (x(t),y (t),t)

es asintóticamente estable (o atractor) (figura 14) si es estable con

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.

c) S is te m a s lin e a le s (c o n tin u o s) en d o s d im e n sio n e s


Como es ya costumbre, al intentar describir un fenómeno, inicialmente busca­
mos su descripción formal más simple posible, es decir, su estructura lineal.
D efinición 11. (Sistem a dinám ico lineal)
i) Un sistema dinámico lineal homogéneo(SDL) es un sistema de la forma

x = a u x + atíy
y = a2\x + a22y

o, en forma más compacta,

z = A z, donde z = (x, y), A = [a n 012 (*)


|a 2i a22.

ii) Un sistema dinámico lineal es no homogéneo si es de la forma

x = an x + a n y + 6i
Lección 3: Sistemas dinámicos 251

y = a2\x 4- CL22V 4* &2

o, en forma compacta,

z = A z -f b, b=

Buscando resolver el SDL, recordemos que la solución a la ecuación z = az


es de la forma z ( t) = zoeat. Podríamos intentar una solución de este tipo
asumiendo en el (SDL) que z = zoeXt con zq = (xo>2/o) como condición inicial.
Reemplazando esto en (*), tenemos

z = A z — A(zoext) y z= Xzoext = (XI)zoext

Si igualamos ambas expresiones y dividimos a ambos lados por eXt encontramos


que
(A - X I)z0 = 0
Por tanto, podemos encontrar soluciones del SLD de la forma z = zoext, si
A es un valor propio (o espectro) de la matriz A y zq es un vector propio
correspondiente al valor propio A. De hecho, podemos decir aún más:
Teorema 4. (Soluciones del sistem a lineal (Poincaré (1886)))
i) El conjunto de soluciones del sistema dinámico lineal SDL es un espacio
vectorial;8 es decir, la combinación lineal de cualquier par de soluciones
del SDL también es una solución del SD L.9

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

x = a c \\eXlt + 0 c\2 eX2t


y = ac2ieAlí + /5c22 eX2Í

donde el vector columna (on,C 2i)T es un vector propio asociado a Ai, y


el vector columna (ci2 ,c22 )T es un vector propio asociado a X2 ; y donde
a ,P e R .n
Subespacio del conjunto J r de todas las funciones h : R R.
9 A esta característica de los sistemas dinámicos lineales se le conoce como principio
de superposición.
10 Si A es una matriz diagonal, entonces el SDL en dos dimensiones se transforma
en dos SDL en una dimensión, y se pueden solucionar directamente aplicando los
métodos ya estudiados.
11 Aquí asumimos que si A = a + ib (a, 6 € R, i2 = —1 ) es un número complejo,
entonces ext se calculará utilizando la fórmula Euler exbt = eos(bt) + zsen(bí) y así,
e(*+ií>)í = e°teibt (volumen 2 (Cálculo)).
252 Matemáticas básicas para economistas 3: Optimización y dinámica

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

x = (a c n + fici2 )ext -I- ¡3cn text


V = (ac2i + Pc22)ext + fic2 \te Xi

donde a, ¡3 € R y

(A -X I) (A - XI) C12" Cll


fcH C22. .C21.
(*)

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

d{az\(t) + bz2 {t))


= a¿\(t) + b¿2 (t) = a A zi(t) -I- bAz2 (t)
dt
= A (az\ (t) + bz2 (t))

pues z\(t) y Z2 (í) satisfacen SDL.

ii) Utilizaremos el hecho de que A es una matriz diagonalizable y, por tanto


(volumen 1 (Álgebra lineal), lección 7), puede ser descompuesta como
A = C D C ~ \ donde C = Cn °12 es la matriz generada por los vec-
[C21 C22J
tores propios (columna) correspondientes a los valores propios distintos
Ai, A2 , y
Ai 0 '
D =
0 A2
Definamos z' — C 1 z. Entonces

¿' = C _1z = C _1A z = D z'

cuya solución es
aeXlt
z\t) =
t3eX2t
Como z(t) = C z'(t), se obtiene el resultado buscado.
Lección 3: Sistemas dinámicos 253

iii) Si A sólo tiene un valor propio, entonces por el teorema de descomposición


de Jordán (volumen 1 (Álgebra lineal); lección 7), existe una matriz C
A 1'
tal que C lA C = J , donde J = y C es la matriz de vectores
0 A
propios que satisface el sistema (*) en el teorema. De forma similar a ii),
definimos z’ = C ~l z , de lo cual obtenemos

aeXt + fiteXt
A t) = ¡3ext

Ejem plo 22. (N odo)


Para encontrar la solución general a

x = —3x + y '- 3 1 X
ó (¿, y) =
y = x-3 y 1 “3 y.
vemos que:

a) El único equilibrio del sistema dinámico x = 0, y = 0 es x* = y* = 0.

b) De acuerdo con el teorema 4, debemos encontrar primero los valores propios


de la matriz
[—3 ll
A =
1 -3
o, equivalentemente, resolver

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 .

c) Luego calculamos los vectores propios correspondientes a cada valor propio:

i) Para Ai = - 2 tenemos que (c n ,c 2i) es un vector propio asociado con


Ai si, y solo si,
-i i' en 0
i - i .C21. 0
y como solo necesitamos un (c n ,c 2i) ^ (0,0), entonces vemos que
cu = C21 = 1 satisfacen bien el requerimiento.
254 Matemáticas básicas para economistas 3: Optimización y dinámica

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

Figura 15. El nodo del ejemplo 22.

e) Es siempre conveniente, de ser posible elaborar una representación gráfica


de las soluciones mediante un diagrama de fase. Aquí, este se obtiene si, en
primer lugar, hacemos j3 = 0 y a ^ 0 e s cualquiera. Así encontramos que
y = x es una solución. La dirección de las flechas hacia cero sobre la recta
y = x de la figura 15, la determina el hecho de que lím x(t) = lím ae~2t = 0.
í->o t-*o
De la misma manera, s i a = 0 y / ? 7¿ 0 es cualquiera, encontramos que
y = —x es también una solución, y la dirección de las flechas hacia cero la
determina el hecho de que lím x(t) = lím Be~4t = 0 = lím = —0 e~4t =
t—>00 Í-KX> t —>00
lím y(t). Las curvas cuadráticas que aparecen en la figura 15 surgen del
t-HX)
hecho de que12
0 (x + y )2 = 2 a 2(x - y)

y las flechas en dirección al origen surgen de que, en general, lím x(t) =


00
i —►
lím y(t) = 0 para todo q , |0 € 1 . Al punto de equilibrio (0,0) lo llamaremos,
¿->00
en este caso, un nodo y es asintóticamente estable.
12 Para obtener esta ecuación, escriba X = e~2t y Y = e~4t en el sistema original; luego
resuelva para X y Y , y note que Y — X 2.
Lección 3: Sistemas dinámicos 255

Ejem plo 23. (P unto de silla)


Para encontrar la solución general de

x = 2 x — 4y

CN
X

1
o =
y = x — 3y ! -3 y.

vemos que:

a) En este problema el único equilibrio del sistema dinámico es (0,0).

b) Los valores propios de la matriz

2 -4
1 -3

satisfacen la ecuación característica

(A - 2)(A + 3) + 4 = 0

cuyas soluciones son Ai = l y A 2 = —2.

c) Determinemos los vectores propios de cada valor propio:

i) Para Ai = 1 el vector propio (c n ,c 2i) debe satisfacer la condición

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

lo cual se satisface en (012, 022) = (1,1).

d) Por tanto, por el teorema 4, la solución general del sistema dinámico es

x = 4ote1 + pé~2t
y — d é + ¡3e~2t

para a,/? € R. La complicada dinámica de la figura 16, surge del hecho de


que las soluciones x y y satisfacen la ecuación

27a20 = (x - y)2 (4y - x)


256 Matemáticas básicas para economistas 3: Optimización y dinámica

Ejem plo 24. (C entro)


Para encontrar la solución general de

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).

b) Los valores propios de la matriz

0 f
-4 0
satisfacen la ecuación característica

A2 + 4 = 0

cuyas soluciones son Ai = 2 i y A2 = —2i.

c) Determinemos los vectores propios de cada valor propio:

i) Para Ai = 2i el vector propio (cn,C 2i) debe satisfacer la condición

-2 i 1 ' cu 0"
-4 -2 i .C21_ 0

lo cual se satisface en (c n ,c 2i) = (1,2i).


11) Para A2 = —2i el vector propio (012, 022) debe satisfacer la condición

[2 i 1 C12* 0
-4 2i C22. 0

lo cual se satisface en (012, 022) = (1, —2t).


Lección 3: Sistemas dinámicos 257

d) Por el teorema 4, la solución general es de la forma

x = 71 e 2it +, 72e - 2it


y = 271 ie2lt - 272 ie~2lt

para 71,7 2 G C. Esto es equivalente a

x = 7 i(cos 2 ¿ + ¿sen2¿) + 72 (cos(—2¿) + zsen(—2 t))


y — 2 7 i¿(cos 2 í + isen2¿) —272 Í(cos(—21 ) + isen (—2 t))

que es, a su vez. equivalente a

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.

Tomemos 71 = \( a + i(3) y 72 = \( a —iP) con a,/3 € M; entonces podemos


escribir las soluciones como

x = a eos 2 t + /? sen 2 t
y = —2 a sen 2 t + 2/5 eos 2¿

Notemos que estas soluciones satisfacen (2 x )2 + y 2 = (2a)2 + (2/3)2 que


corresponden, para diferentes valores de a y j3, a figuras elípticas (figura
17).
Ejemplo 25. (Espiral)
Para encontrar la solución general de

x = -x + y
y= -x - y

notemos que:
258 Matemáticas básicas para economistas 3: Optimización y dinámica

a) En este problema el único equilibrio del sistema dinámico es (0,0).


b) Los valores propios de la matriz
-1 í
-1 -1
satisfacen la ecuación característica
(1 + A)2 + 1 = 0
cuyas soluciones son Ai = —1 + i y A2 = —1 —i.
c) Ahora determinemos los vectores propios de cada valor propio:
i) Para Ai = —1+¿, el vector propio (cu, C21) debe satisfacer la condición

lo cual se satisface en (c n ,c 2i) = ( 1 , i),


ii) Para A2 = —1 —i, el vector propio (012, 022) debe satisfacer la condición

lo cual se satisface en (ci2 , C22 ) = (1, —¿)-


d) Por el teorema 4, la solución general es de la forma
x = 7ie(“ 1+t)í + 72e^-1 “ ^ í
y = 7 i¿e^” 1+^ í - 72
para 7 1 ,7 2 € C. Esto es equivalente a
x = 7 ie-t(cos¿ + ¿sení) + 72 e_í(cos(— t) + isen(-t))
y — 71 ic_f (cosí + ¿sení) — 72 ¿e-í(cos(— t) + ¿sen(-í))
que, a su vez, es lo mismo que
2 = (7 1 + 7 2 )0 1 eos t + (7 1 —7 2 )¿e 1 sen t
V = “ (7 i + 7 2 ) e _ í sen t + (7 1 —7 2 )¿e- í eos t
Si tomamos 71 = ^(a+z/3) y 72 = \(oL—ip) con a ^ e R , entonces podemos
escribir las soluciones como
x = a e _í cos(í) —/?e_í sen(¿)
y = —ae~l sen(¿) —pe~l eos(t)
para a,/? € R (figura 18).
Lección 3: Sistemas dinámicos 259

i) Clasificación de los tipos de equilibrio


Ya hemos visto el comportamiento de varios sistemas particulares del (SDL).
A continuación presentamos la definición formal de estos tipos de comporta­
miento.
Definición 12. (T ipos de equilibrios de sistem as dinám icos lineales)
Sea
a n ai2
A =
021 «22
la matriz del sistema (SDL) y Ai, A2 sus valores propios.

i) Si Ai < O < A2 , entonces el sistema es un punto de silla.

ii) Si ambos valores propios tienen partes reales negativas, el sistema es un


valle:

a) Si Ai = A2 = A < O y A = A/, el sistema es un foco convergente.


b) Si Ai < A2 < O, entonces el sistema es un nodo convergente.
c) Si Ai = A2 < O, entonces el sistema es un nodo impropio convergente.
d) Si Ai = a + ib, X2 = a —ib, a < O, entonces el sistema es una espiral
convergente.

iii) Si ambos valores propios tienen partes reales positivas, el sistema es una
fuente.

a) Si Ai = A2 > O y A = A/, el sistema es un foco divergente.


b) Si Ai > A2 > O, entonces el sistema es un nodo divergente.
c) Si Ai = A2 > O, entonces el sistema es un nodo impropio divergente.
d) Si Ai = a + ib, A2 = a — ib, a > O, entonces el sistema es una espiral
divergente.

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/

Aquí, la ecuación característica de la matriz de coeficientes

an au
A = (*)
021 «22

es det(>l — X I) = O, donde A G R. Específicamente,

On - A 012
det(.4 - X I) = — A2 — (on + 022)A + det A — O (*
021 022 — A

Ahora: si p = on + 022 = Traza(>l), q = det.4 , A = p 2 — 4 q tendremos la


igualdad
(A - Ai)(A - A2) = A2 - (Ai + A2)A + AjA2
Al comparar esta con (**), observamos que p = Ai + A2 es la s u m a de los
valo res p r o p i o s de A , y q = A1A2 su producto.
De acuerdo a lo anterior, es inmediato el siguiente teorema de clasificación de
los tipos de equilibrio:

Teorem a 5. (Clasificación de cuatro tipos de equilibrio)


S i en la m a t r i z de coeficientes

ra n oi2
a 2i 022.

del s i s t e m a d i n á m ic o lineal x = A x , d e fin im o s p = Traza(yl) = on + 022»


q = det A ; A = p 2 — Aq, e n to n c es

\) S i q > O y A > O, e n to n c e s ( 0 , 0 ) es un nodo.

II,) S i q < 0 , e n to n c e s (0 , 0 ) es un p u n t o de silla.

n i ) S i q > O y p = O, e n to n c e s ( 0 , 0 ) es un centro.

IV) S i p O y A < O, e n to n c e s (0 , 0 ) es un a espiral.


Lección 3: Sistemas dinámicos 261
¿ -n A= O

A > O A > O

P
punto de silla

Figura 19. Diagrama de tipos de equilibrio.

Ejemplo 26.

a) En el sistema del ejemplo 22,

así, p — aii + «22 = —6, q = detyl = 9 — 1 = 8, A = p2 —4q = 4. Por el


teorema 5, el equilibrio (0,0) es un nodo.

b) En el sistema del ejemplo 23,

y así, p = a u + a 22 = —1, q = det A = - 2 , A = p2 - 4q = 9. Por el teorema


5, el equilibrio (0,0) es un punto de silla.

c) En el sistema del ejemplo 24,

y por tanto, p = a \\ + <122 = 0, q = det A = 4, A = p2 — 4q = —16. Por el


teorema 5, el equilibrio (0,0) es un centro.

d) En el sistema del ejemplo 25,

U y así, p = a u + a 22 = - 2 , q = det A = 2, A = p2 - 4q = - 4 < 0. Por el


teorema 5, el equilibrio (0,0) es una espiral.
262 Matemáticas básicas para economistas 3: Optimización y dinámica

Pero, además de esta clasificación general de los tipos de equilibrio, existe un


criterio menos específico pero también muy útil para determinar su estabilidad:
T eo rem a 6. (C rite rio de esta b ilid a d para siste m a s lineales)
Si en la matriz de coeficientes
¿ _ \a n a 12
[<*21 a22.
del sistema dinámico lineal x = A x, definimos p = Traza(A) y q = det(yl),
entonces:
\) Si p < 0 y q > 0, el equilibrio (0,0) es asintóticamente estable,
u) Si p < 0, y q > 0, el equilibrio (0,0) es estable.
III,) Si p > 0 ó q < 0, el equilibrio (0,0) es inestable.
D em o stració n .
Este teorema es conclusión inmediata de la definición 12 y del teorema 5. ■
Q

asintóticamente
inestable
estable

1 ----------- r
inestable

Figura 20. Diagrama de criterios de estabilidad.

E jem p lo 27.
a) En el sistema del ejemplo 22,

así, p = a\\ + a22 = —6 y q = det j4 = 8. Por el teorema 6, el equilibrio


(0,0) es asintóticamente estable.
b) En el sistema del ejemplo 23,

así que p = o n + 022 = —1 y q = det^4 = —2, y, por el teorema 6, el


equilibrio (0,0) es inestable.
Lección 3: Sistemas dinámicos 263

c) En el sistema del ejemplo 24,

así, p = d\\ 4- ü22 = 0 y q = det A = 4. Por el teorema 6, el equilibrio (0,0)


es estable.

d) En el sistema del ejemplo 25,

así, p — a n + a,22 = —■2 y q = det A = 2. Por el teorema 6, el equilibrio


(0,0) es asintóticamente estable.

N ota 3. (Ecuación diferencial ordinaria com o un sistem a dinám ico)


Observemos que una ecuación diferencial ordinaria de segundo orden de la
forma
c¡?z » ,d z
d ¡? + b d i + c z = 0
es equivalente al sistema dinámico lineal

x = —bx + cz
z= x

donde x = ^ = z. Observemos que los valores propios de este sistema se


dt
encuentran resolviendo la ecuación característica A2 + b \ + c = 0 del sistema
dinámico y, luego, se aplica el teorema 4 para encontrar las soluciones a la
ecuación diferencial ordinaria. Así, t oda la teoría de los sistemas dinámicos
lineales con coeficientes constantes abarca la teoría de ecuaciones diferenciales
ordinarias de segundo orden con coeficientes constantes. Sobre esto volveremos
más adelante.

Ejemplo 28. (U n ejem plo clásico: la dinám ica del resorte)


Consideremos un punto material de masa m moviéndose a lo largo del eje ho­
rizontal x en un medio resistente (por ejemplo, en un líquido o en un gas)
bajo la influencia de la fuerza elástica de un resorte actuando bajo la ley de
Hooke\ es decir, la fuerza elástica del resorte actúa hacia la posición de equili­
brio y es proporcional a la desviación con respecto de ésta, donde la posición
de equilibrio ocurre en el punto x = 0. Así, la fuerza elástica es igual a —bx con
b > 0 (a b se la conoce como coeficiente de restitución). Asumamos también
que la resistencia al medio es proporcional a la velocidad del movimiento; es
264 Matemáticas básicas para economistas 3: Optimización y dinámica

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.

La ecuación diferencial ordinaria de segundo orden con coeficientes constantes


dada por (*) puede reducirse a un sistema dinámico lineal bidimensional así:
Sea z = — ; entonces (*) es equivalente a m — = —bx — az\ y, por tanto, el
at dt
sistema lineal es
b a
x = z, z = -----x ------z
m m
Es fácil mostrar que los valores propios de la matriz de coeficientes

■ 0 1‘
b a
- 771 771-

son Ait2 = —2m \J 4m^ ~ ^ y deberemos estudiar tres casos:

C aso 1 (a2 > 4mb).


En este caso, Ai, A2 < 0, Ai ^ A2 , por el teorema 6, todas las soluciones tende­
rán al punto de equilibrio x = 0 que es asintóticamente estable. Físicamente,
este caso ocurre cuando la resistencia al medio es suficientemente grande pa­
ra poder evitar oscilaciones. El punto material no puede pasar a través de la
posición de equilibrio x = 0 más de una vez. Después, luego de alcanzar la
distancia máxima desde el punto x = 0, comenzará una lenta aproximación a
este punto de equilibrio, pero nunca pasará de nuevo a través de él.

C aso 2 (a2 = 4mb).


En este caso, Ai = A2 , ambas reales negativas. Nuevamente, por el teorema
6, todas las soluciones, tenderán al punto de equilibrio x = 0 que es asintóti­
camente estable. El movimiento del punto material será similar al del primer
caso.

C aso 3 (a2 < 4m6).


En este caso, Aj = i y A2 = - ^ - £ 7 i son
Lección 3: Sistemas dinámicos 265

números complejos. El punto material llevará a cabo oscilaciones a lo largo del


eje x (más específicamente, alrededor del punto de equilibrio): como a > 0, es
decir, como el medio sí ofrece resistencia al movimiento (aunque esta resistencia
es pequeña (a2 < 4bm), entonces la amplitud de la oscilación tenderá a cero y
las oscilaciones desaparecerán.

Figura 21. Dinámica de un resorte.

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 )

o, en forma más compacta,


an a 12
z = Az, donde ¿r = (x ,t/), A
<*21 a 22

Sin embargo, en muchos casos nos interesa encontrar soluciones a sistemas no


homogéneos de la forma
x(t) = a \\x (t) + a\2 y(t) -f w \(t)
(2)
2/(0 = an x(t) + a22 y(t) + w2(t)
donde iüi(-) y w2(-) son diferenciables funciones arbitrarias. En forma más
compacta, esto se puede escribir como
z = A z + w, donde zT = (rr, y), wT = (w \,w 2)

Teorema 7. (Solución general a sistem a s no homogéneos)


La solución general al sistema
z(t) = Az{t) + w (t) (*)
es de la forma
z(t) = 2?{t) + zp(t)
donde zg(t) es la solución general al sistema dinámico homogéneo, y zp(t) es
una solución particular de (*).
266 Matemáticas básicas para economistas 3: Optimización y dinámica

D em ostración.
Veamos, primero, que z(t) = z9 {t) + zp(t) es solución al sistema (*). En efecto:

z(t) = ^A z* (t) + z”(t)) = Az»(t) + A zp(t) + w(t)


dt
= A (z9 (t) + zp(t)) + w(t) = A z(t) + tu(£)

ya que z9 (t) es solución al sistema homogéneo y zp(t) es solución particular a


(*). Ahora: para ver que toda solución al sistema (*) es de la forma z9 (t)-{-zp(t))
supongamos que z\(t) y z2(¿) son soluciones al sistema, entonces tenemos que

- (ziit)dt 22(~ ~'= 2i(i) - ¿2(<) = A{zi{t) ~ 22(í))

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 ■

Ejem plo 29.


Para encontrar la solución generad a

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

x9 (t) = ae2t + p te2í


yg(t) = /Je2í

Para encontrar una solución particular al sistema, es casi siempre conveniente


buscarla similar a la función w(t); es decir, en este caso, debe tener la forma

x p(t) = m o + m \t
yp(t) = m 2 + m 3t

donde ra o ,m i,m 2,m s se pueden determinar así: colocando la solución-parti­


cular xp(t), yp(t) dentro del sistema original x = 2 x + y + t, y = 2 y + 1 ,
obtendremos que

raí = 2(rao + m \t) + (m 2 + m ^t) + í, = 2 (m 2 + m ^t) + 1


13 ¿Acaso este teorema no le recuerda al lector la estructura de las soluciones a un
sistema no homogéneo de ecuaciones lineales? (volumen 1 (Álgebra lineal)). ¿Por qué
cree el lector que surge esta similitud?
Lección 3: Sistemas dinámicos 267

y así
7711 = 2771o+ m 2, mi + 7773+ 1= 0
7723 = 2 772 2 + 1 » 27713 = 0

Por lo tanto,

Y así,

de lo cual, la solución del sistema no homogéneo es

x(t) = ae2t + (3te21 — t — ^

V « = /Je* - 5

Además, de las condiciones iniciales tenemos que

x(0) = a - i = 1

y(í) = ^ - I = 0

Así, a = | , 0 = \ . Luego la solución del sistema no homogéneo es

x(t) = ^ e 2t + i í e 2í - í - i

e) S is te m a s (co n tin u o s) n o lin e a le s e n d o s d im e n sio n e s


Consideremos nuevamente el sistema dinámico autónomo en dos dimensiones

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.

Ahora, al encontrar un equilibrio (x * ,y *), es fundamental analizar la dinámica


del sistema en cercanías a él, y esto lo haremos con una técnica típica: apro­
ximar un sistema no lineal mediante uno lineal, en la vecindad del equilibrio.
Este es el intento por reducir un problema complicado a uno simple y maneja­
ble como es el de los sistemas lineales. Para justificar el proceso, comencemos
recordando la matriz jacobiana de / y g en (x * ,y *) (volumen 2 (Cálculo)):
■d¿ ■
±
d
dx dy (**.!/*)

dg_ dg
dx dy

formada por las primeras derivadas parciales de /(♦, •) y p(-, •) evaluadas en el


punto (x * ,y *), y recordemos también la expansión en series de Taylor

/( * .» ) = § £ (y - y ’ ) + R i ( x - x ') + R [(y - y ')

» ( * .» ) = § ! (y - y ’ ) + R ï(x - x*) + R¡¡(y - y *)

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.

T eorem a 8. ( Teorem a de linealización (H a rtm a n (1 9 6 3 )u y Grob-


m a n (1 9 5 9 )15))
Supongamos que (x* ,y*) es un equilibrio del SDNL tal que la matriz jacobia-
na */(/, <?)|(x*)y.) no tenga ningún valor propio con parte real nula (es decir,
ningún valor propio de la jacobiana es de la forma \ = ib). Entonces tenemos:
a) Si (x*,y*) es un equilibrio asintóticamente estable de la linealización del
SDNL, entonces también es un equilibrio asintóticamente estable del SDNL.
b) Si (x*,y*) es inestable para la linealización del SDNL, entonces también es
inestable para el SDNL.
D em o stració n .
Ver P. Hartman (1963).16 ■

El teorema de linealización afirma que si ninguno de los valores propios de


la matriz jacobiana en equilibrio es un número imaginario puro, entonces los
sistemas lineal y no lineal son equivalentes en términos cualitativos; es decir,
los nodos, puntos de silla, espirales, etc., en el sistema lineal siguen teniendo
un comportamiento respectivo, similar en el modelo no lineal.
Veamos algunas aplicaciones de este teorema:
E jem plo 30.
Consideremos el SDNL del ejemplo 17:

x = x 2 + y 2 - 1 (= f ( x , y)), y = Zx(y - 1) (= g(x, y))

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

14 Hartman, P. (1963), On the Local Linearization of Differential Equations, Procee­


dings of the American Mathematical Society.
15 Grobman, D. (1959), Homeomorphisms of Systems of Differential Equations, Dokl.
Akad. Nauk.
16 Hartman, P. Op. cit.
270 Matemáticas básicas para economistas 3: Optimización y dinámica

Los respectivos valores propios son, para J ( f , g ) |(0(i) : A - 0 (multiplicidad


2); y para J ( f ,g ) |(o,-i) : A = ± y /l2 . Luego el teorema de linealización nos
da información local en el punto de equilibrio (0 ,-1 ), mas no en el punto de
equilibrio (0,1). Para el punto (0, —1), la aproximación local es

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

Figura 22. Dinámica del péndulo.

Para establecer la ecuación de movimiento, descompongamos la fuerza de gra­


vedad m g en dos componentes y la primera de las cuales está dirigida a
lo largo del radio O A! y la segunda a lo largo de la tangente al círculo. La com­
ponente no puede afectar el valor numérico de la tasa v , ya que claramente
está balanceada por la resistencia de la suspensión A!. Solo la componente
Lección 3: Sistemas dinámicos 271

puede afectar el valor de la velocidad v. Esta componente siempre actúa ha­


cia la posición de equilibrio A; es decir, hacia un decrecimiento de </>, si <t>es
positivo, y un crecimiento si es negativo. El valor de ~P es —mg sen (f), y así
la ecuación de movimiento del péndulo es, de acuerdo a la ley newtoniana de
movimiento,

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

>= x, x = —y sen <¡ (**)

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.

Teorema 9. (M étodo de Lyapunov (1892))


Supongamos que (x * ,y *) es un equilibrio del SDNL, y asumamos también que,
para cierto e > 0, existe una función continua y diferenciable17

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

tiene una función de Lyapunov en el equilibrio (0,0) de la forma

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

ii) V (x, y) > 0 para todo (x, y) ^ (0,0) si a, 6 > 0

iii) Además, si (x,y) ^ (0,0), entonces


dV
V = — = 2axx + 2byy — 2ax(—2y) + 2 by(x)

lo cual satisface V — 0 cuando a — 1 y b = 2; y, así, (0,0) es estable.


18 Hirsch, M. y Smale, S. (1974), Differential Equations, Dynamical Systems, and Linear
Algebra, New York: Academic Press.
Lección 3: Sistemas dinámicos 273

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

m x = —b(x 4- x3) —ax, a> 0

Nuevamente, reducimos esta ecuación diferencial ordinaria de segundo orden


a un sistema dinámico haciendo y = x:

x = y, / + x ó)
y ~ -----(x 3\- a y
m
Este problema tiene una función de Lyapunov para el equilibrio (0,0) dada por

V (x ,y ) = + + x ) + ,19 ^ > ° “Pequeño”

En efecto,

i) 7(0,0) = 0

ii) V (x , y) > 0 para (x, y) ± (0,0)

iii) Además, si (x,y) ^ (0,0), entonces

V = m yy + b(x + x3)x 4- P (xy 4- x y 4- axx)

= (m y 4- px) + x3) ay^j + K x + x *)v + Py2 + a0 x y

= - f i — (x2 4- x4) - (am - (3)y2


m
< 0 para ¡3 suficientemente pequeño

Por el teorema de Lyapunov, el equilibrio (0,0) es asintóticamente estable; es


decir, la masa, eventualmente, retornará al estado de reposo. (¿Será posible
resolver este problema mediante linealización?)

N ota 5. (Sobre los valores propios en los sistem as dinám icos)


La aparición de valores propios de cierta matriz en las soluciones de los siste­
mas dinámicos que hemos estudiado formalmente, ha estado, tácita o explíci­
tamente, en el fondo de muchos problemas prácticos de la física y las ciencias
naturales desde por lo menos dos mil años atrás. Por ejemplo, los pitagóricos
19 Esta es una “función de energía” del sistema.
274 Matemáticas básicas para economistas 3: Optimización y dinámica

(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

1. Compruebe que para cualquier a , G K,

x(í) = 4ae1 + (3e 2t, y(t)= ael + pe 2t

satisfacen el sistema dinámico

x = 2x — 4y, y= x — 3y

2. Compruebe que para cualquier a , G M,

x(t) = ae~l eos(t) + (3e~l sen(¿), y(t) = —ae.~* sen(í) + /? e _ í cos(í)

satisfacen el sistema dinámico

x = - x 4- y, ÿ= - x — y

3. Utilizando la ecuación característica, resuelva las siguientes ecuaciones


diferenciales ordinarias:

a) y" + 3y' + 5y = 0 b) y n —4t/ + 2y = 5

4. Resuelva explícitamente el sistema dinámico (¿, y)T = A[x, y]T +b, donde

a)

c)

5. Aplicando los teoremas 5 y 6, clasifique el tipo de equilibrio que es (0,0)


y su estabilidad en cada uno de los cuatro casos del ejercicio anterior.
Lección 3: Sistemas dinámicos 275

6. Dibuje el diagrama de fase del sistema

x = y, y - ~ (x 4- x 3)

calculando inicialmente sus puntos de equilibrio.

7. Supongamos que un paracaidista cae desde un avión hacia la Tierra y


el paracaídas se abre en el instante t = 0, cuando la velocidad del para­
caidista es v q . Encuentre la velocidad v(t) del paracaidista en cualquier
tiempo t posterior, si este se rige por la ecuación

mi) ~ m g — bv2

donde m es la masa del hombre más el equipo; g = 9.8 m /s2 es la


aceleración de la gravedad; y el término bv2 (con b > 0) es la fuerza de
resistencia del aire que actúa en contra del movimiento del paracaidista.

8. Para el sistema dinámico x = Ax, y = /i?/, dibuje el diagrama de fase,


escriba la solución general y determine el tipo de equilibrio que es (0,0)
y su estabilidad cuando:

a) A, /i > 0 c) A < 0 < fi


b) // < 0 < A d) A, y, < 0

9. Encuentre y clasifique los puntos de equilibrio de las siguientes ecuaciones


utilizando técnicas de linealización:

a) x 4- 6 (x2 - l) x 4- x = 0 (casos: ó > 0, <5 <


b) x 4- x 4- sen(x) = 0
c) x 4- cos(x) = 0
d) x 4- x 4-x = 0
e) x 4- x 4- x = —x 3
f) X = X

10. (Oscilación lineal de una partícula bajo la acción de un resorte, de la re­


sistencia de un medio y de una fuerza periódica). Describa la dinámica de
la partícula de masa m cuyo movimiento x(t) está regido por la ecuación

m — r 4- m w 2x = A cos(wt) w > 0, A¿ 0
276 Matemáticas básicas para economistas 3: Optimización y dinámica

11. (Hirsch y Smale (1974)20) Encuentre la función de Lyapunov para el


equilibrio (0,0) en el sistema dinámico

x = —2 x — y 2
y = -y - x 2

y concluya sobre la estabilidad del equilibrio.

12. (S o lu ció n general a u n s iste m a lineal de ord en n )

a) Muestre que las soluciones al sistema dinámico lineal

x = Ax

donde A es una matriz n x n d e coeficientes constantes y b es un vector


de dimensión n, dependen de los valores propios de A , y, siguiendo lo
estudiado en esta sección para el caso n = 2, describa las soluciones
específicas en cada uno de los siguientes casos:
i) Cuando todos los valores propios son reales y distintos.
ii) Cuando todos los valores propios son reales pero algunos se re­
piten.
iii) Cuando algunos de los valores propios son complejos,
b) Resuelva explícitamente el sistema x = A x cuando

'3 1 4 '
A = 5 2 2
2 3 -2

c) Considere la ecuación diferencial ordinaria de orden n,

2/(n) + oí 4- • • • + an y = 0 (*)

y escríbala como un sistema dinámico de la forma x = A x haciendo

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

e) (Criterio de Routh-Hurwicz) Muestre que en el sistema dinámico de


orden n, x = A x, la ecuación característica
det(i4 —AIn) ~ An *+- aiAn 1 + 0,2An 2 *+■• • • + an = 0
tiene todas sus raíces con parte real negativa si, y sólo si, todas las
siguientes matrices tienen determinantes positivos:
ai 1 0 0
<13 a 2 ai 1
A i = [ai], A2 A„ = a5 a.4 03 0*2
-E a? ÜQ as a4

f) Utilice el criterio de Routh-Hurwicz para establecer una condición de


estabilidad asintótica para x = A x.
g) Sin calcular explícitamente los valores propios del sistema dinámico
x = A x y decida si la solución x = 0 es asintóticamente estable o no,
cuando
3 1 4
^ = 5 2 2
2 3 -2
h) Decida sobre la verdad o falsedad de las siguientes afirmaciones con
respecto a la estabilidad del equilibrio x = 0 en el sistema x = Ax:
i) x = 0 es globalmente estable si A es semidefinida negativa.
ii) x = 0 es globalmente estable si A tiene todas sus entradas en la
diagonal principal, negativas; y todo el resto de entradas, positi­
vas.
iii) x = 0 es globalmente estable si A tiene sus menores principales
de orden impar, negativos; y los de orden par, positivos.
[Indicación: solo considere los casos n — 2 y n = 3, si el problema
inicialmente le parece complicado].
i) Siguiendo las pautas de esta sección, extienda los resultados de siste­
mas no lineales de dimensión 2, a sistemas no lineales de dimensión
n.

3. Sistem as dinámicos (discretos) en una dimensión


A diferencia de los sistemas dinámicos continuos, los sistemas dinámicos dis­
cretos describen la evolución de eventos a medida que pasa el tiempo en forma
discreta, es decir, comenzando en un punto xo, el sistema genera la sucesión

zo, f(x0), / ( / ( * o))» /(/(/(* o ))),


278 Matemáticas básicas para economistas 3: Optimización y dinámica

donde /(•) es una función determinada. En notación conveniente, esto se escribe

*0. /( * o), f2(xo), f3(xo), •••


donde /^ x o ), Para ¿ = 0 ,1 ,2 ,---- , se llama la t-ésima iteración de xq bajo /(•).
Al conjunto {/*(xo) | t = 0 ,1 ,2 ,...} se le conoce como la órbita (positiva) de
xo. Este proceso iterativo es el que define, en esta situación, el sistema dinámico
discreto: Si llamamos xt = / ¿(xo) para t = 0 , 1 , 2 , . . entonces

xt+i = / t+1(*o) = / ( / ‘Oro)) = f(xt)

D efinición 14. (Sistem a dinám ico discreto)


Un sistema dinámico discreto es una ecuación en diferencias de la forma

xt+i = f ( x t, t) para t = 0 ,1 ,2 ,...

donde xq es dado, y / : A x (NU {0}) —> R, con A C R no vacío, es una función


continua.21 dada.

D efinición 15. (¿Qué es resolver un sistem a dinám ico discreto?)


Dado xq G R, resolver un sistema dinámico discreto xt+i = f ( x t ,t ) es en­
contrar todas las posibles trayectorias que satisfacen esta ecuación. A
cada una de las trayectorias se le conoce como una solución al sistema.

Ejem plo 34. (Sistem a dinám ico lineal fundam ental)


El sistema dinámico, con xo dado,

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

Es decir, la solución general es

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

Si, por simplicidad, asumimos xo = 1, entonces (figura 23):


a) Si c > 1, x t -» oo cuando t oo

b) Si c = 1, x t = 1 para todo ¿ = 1 ,2 ,...

c) Si c < 1, x t —>O cuando t ->> oo

Xt
M -

J * ' -
j v "
^ ja r
4+ X 0 ^

caso c > 1 caso c = 1 caso c < 1

Figura 23. Trayectorias del ejemplo 34.

Ejemplo 35. (Sistem a dinám ico lineal fundam ental)


El sistema
x t+i = c x t + b b O, c 1
con xo dado, puede resolverse, por recursión, de manera similar: Observe que

x t+i = cxt + b = c (cxt~ i + b) + b = <?xt- \ + be + 6


= c2 (cx t- 2 + b) + be + b = c3xt _2 + be2 + be + b = ...
= ct+1xo + bé + b é~ l + • • • + be + b

Es decir, la solución general del sistema es


t- i 1 _ t
x t = éxQ + b ^ c k = é x o + b( ° )
k=o °
Ejemplo 36. (U n sistem a dinám ico no lineal)
El sistema
x t+i = x \
con xo dado, también es fácil de resolver de manera recursiva:

Xt = ( Z f - i ) 2 = (( s í-2 )2) 2 = (z t-2 )4

= ((x í-3 )2) 4 = (z t-3)8

= (xo)2'

Así, la solución general (figura 24) es x t = (xo)2 >Para t = l , 2 , —


280 Matemáticas básicas para economistas 3: Optimización y dinámica

xt Xt
f
/
i -
/

1y *"M xq-«

i*—1
§
caso |xo| > 1 caso |xo| = 1 caso |xo| < 1
Figura 24. Trayectorias del ejemplo 36.

Ejem plo 37.


El sistema
x t+ 1 = (t + l)x t
con xo dado, tiene como soluciones

X¿ — t x ¿—i — —2

= t ( í - l ) ( t - 2 )a* - 3 = ...
- ti X o

donde ti = 1 • 2 • 3 • • • ( t — 1) • t 22 Es decir, la solución general es

x t = t !x 0

Ejem plo 38. (O tro sistem a dinám ico “lineal”)


Generalizando el ejemplo anterior, encontramos que el sistema dinámico de la
forma
x t +1 = c(t)xty xo dado
donde c(t) es una función cualquiera del parámetro de tiempo í, tiene como
soluciones

x t = M I c(*J ] x 0
■ (íH
donde
<-1
JJ c (¿ ) = c ( 0 ) c ( l ) - - - c ( í - l )
t= 0

El lector puede, fácilmente, comprobar esto por inducción matemática (volu­


men 0 (Fundamentos)).
22 Recuerde que t\ se lee factorial”.
Lección 3: Sistemas dinámicos 281

Ejemplo 39. (Sistem a dinám ico “lineal” general)


Un sistema dinámico que generaliza el del ejemplo anterior es

xt+i = c(t)xt + b(t), xq dado

donde c(-), &(•) son funciones cualesquiera. Este tiene como soluciones

como el lector puede comprobar mediante inducción matemática y un poco de


paciencia.

Ejemplo 40.
De acuerdo con el ejemplo 39, el sistema dinámico “lineal”
7
x t+ 1 = 2xt + 3l,

tiene entonces como solución general,

Ejemplo 41. (D esintegración radioactiva (de nuevo))


La ley de desintegración de un elemento químico radioactivo afirma que la tasa
de desintegración es proporcional a la cantidad inicial presente. Averigüemos
la cantidad del químico en cualquier tiempo t posterior. Para ello, sea R t la
cantidad de radio no desintegrado en el tiempo t. La tasa de desintegración
estará dada por el valor —(Rt+i —Rt)- Como esta es proporcional a entonces

donde Ro es la cantidad presente del químico al comienzo del proceso. Por


ejemplo, en el caso del carbono 14 ($ClA), estudiado en el ejemplo 10, pre­
guntábamos por la antigüedad de un hueso fósil que tiene 30 % de la cantidad
original de carbono 14, y obteníamos el cálculo de 9,950 años de antigüedad. Si
282 Matemáticas básicas para economistas 3: Optimización y dinámica

el análisis lo hacemos desde los sistemas dinámicos discretos, encontramos lo


siguiente: puesto que la vida media del carbono 14 es de 5,730 años, entonces

( 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

St+i = St + rSo t — 0 ,1 ,2 ...

cuya solución es (figura 25a)

S t = S 0{l + r t) * = 0 ,1 ,2 ...

En este caso, los intereses no generan nuevos intereses.

b) La situación es diferente cuando la suma de dinero inicial recibe interés


compuesto a la tasa i por periodo de pago. En tal caso, la cantidad de
dinero en cualquier tiempo í, S t, estará regida por el sistema dinámico
discreto
St+i = iSt-h iSt t = 0 ,1 ,2 ...
cuya solución es (figura 25b)

S t+i = (1 + if S o t = 0 , 1, 2 . . .

Ahora los intereses s í generan nuevos intereses.

c) La amortización es el proceso mediante el cual un préstamo se paga-a través


de una sucesión de pagos periódicos, cada uno de los cuales se compone
de una parte que es pago de intereses y de otra parte que es el pago del
préstamo inicial (o capital principal).
Supongamos que St representa el capital principal después del pago P* en
el tiempo f, y asumamos también que la tasa de interés compuesto es i por
23 Adelante veremos que estos valores no siempre coinciden.
Lección 3: Sistemas dinámicos 283

St St

So S o -"

a) b)

Figura 25. En el panel a), la trayectoria de una cantidad de dinero


bajo interés simple. En el panel b), la trayectoria de una cantidad
de dinero bajo interés compuesto.

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,

St+i = St 4- iSt — Pt+1

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

donde So es la cantidad de dinero inicial (préstamo), y Pq = 0.


Si el pago se hace en cuotas fijas Pt = T para todo í, entonces el capital
principal en el tiempo t es

5t= (l+ í)‘


50+[(l + ¿)í+1-l]7
Y si fuéramos a pagar el préstamo en, exactamente, N pago iguales, ¿cuál
sería el pago en cada periodo? En este caso, hacemos S n = 0, y utilizando
la ecuación anterior, obtenemos que los pagos deben ser

T =
z(l+ ¿)N So
1 - ( 1 + * )* + !
284 Matemáticas básicas para economistas 3: Optimización y dinámica

D efinición 16. (P u n to de equilibrio o estacionario)


Un punto x* € R es un equilibrio24 del sistema xt+i = /(x¿, t) si, y solo si,
/(x*, t) = x* para todo t = 1 ,2 ,...

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.

E jem plo 43.

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.

Ejem plo 44. (La función carpa (te n t m a p ))


En el sistema dinámico
xt +1 = T(xt)
donde

existen dos equilibrios x* = 0 y x* = | (figura 26).

x*
Figura 26. Función carpa.

24 También llamado punto estacionario o punto fijo.


Lección 3: Sistemas dinámicos 285

D efinición 17. (Sistem a autónom o)


El sistema dinámico discreto xt+i = f ( x t, t) es autónomo si, y solo si, f( x t, t) =
f( x t) para todo t ; es decir, /(•, •) no depende explícitamente de t. En otro caso,
lo llamaremos no autónomo.

Vemos que los ejemplos 34, 35 y 36 son autónomos, mientras que el ejemplo
37 es no autónomo.

a) D ia g ra m a s d e fase p ara siste m a s d isc r e to s a u tó n o m o s u n i­


d im e n sio n a le s

Ahora presentamos el método cualitativo estándar de análisis de un sistema


dinámico discreto autónomo: los diagramas de fase. Ya en los modelos conti­
nuos hemos mostrado su poder como herramientas de análisis para ayudarnos
a entender el comportamiento de las soluciones en las cercanías de un punto
de equilibrio. Aquí, a través de los ejemplos, ilustramos la técnica de estos dia­
gramas. En primer lugar, localizamos los puntos de equilibrio en un diagrama
con abscisa x y ordenada /(x ) como los puntos de intersección de f( x ) con la
recta y — x. Después, ubicamos el punto de condición inicial (xo, f ( x o)), el cual
conectamos con el punto (x i,/(x o )), donde x \ = /(x o ) (es decir, conectamos
con la recta y = x), y este lo conectamos ahora con el punto ( x i,/(x i)) en
la gráfica de /(x ), y así sucesivamente. Las flechas de la dinámica del sistema
estarán en la dirección de la trayectoria antes descrita (figura 27).

Figura 27. Diagrama de fase para dos condiciones iniciales distin­


tas.

Ejemplo 45.
El diagrama de fase del sistema, para xo dado,

x t+i = cxt Cí 0,1


286 Matemáticas básicas para economistas 3: Optimización y dinámica

se debe estudiar en cuatro casos:


c > 1, c < -1 , 0 < c < 1, -l<c<0
y esto queda como ejercicio para el lector. De hecho, en la figura 28 se ilustran
dos de esos casos. ¿Cuáles son?

Figura 28. Dos diagramas de fase del ejemplo 45.

Ejem plo 46. Ecuación logística (versión discreta)


Sea xt la medida de una población en el tiempo t. Si /i es la tasa de crecimiento
de la población de una generación a otra, entonces
x t+i = fixt /x > 0 (ley de Malthus)
Si la población inicial es x(0) = xo, entonces, por iteración simple, sabemos
que
Xt-\-\ — Xq
es su solución. Si > 1, entonces xt —> oo cuando t -» oo; si n = 1, entonces
Xt = x0 para todo £; y si /i < 1, entonces x¿ —» 0 cuando t —> oo, y la
población se extinguirá eventualmente. Sin embargo, para la mayoría de las
especies biológicas ninguno de estos casos es válido: realmente, las poblaciones
crecen hasta que alcanzan un cierto límite debido a la escasez de recursos y a la
competencia por los mismos. Esta competencia se acostumbra modelar como
proporcional a 1 —x t. Así, se obtiene la ecuación logística discreta (figura 29)
#í+i = f i x t( l — x t) /x > 0 (ecuación logística)
donde fí está relacionada con la tasa de fertilidad. A diferencia de la ecuación
logística continua estudiada anteriormente, x = A x (l — x), cuyas soluciones
explícitas están dadas por

= 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* = - -----.

Figura 29. Diagrama de fase de la función logística discreta con


H = 2.5.

Ejemplo 47. (Telaraña)


El diagrama de fase del sistema Xt+\ = —axt + b donde 6 > 0, 0 < a < 1,
y xo dado, es el de la figura 30. Observe allí cómo, comenzando en x q , vamos
primero a la recta y = —ax + b, luego a la recta y — x, y de nuevo a la
recta y = —ax + 6, etc. Este procedimiento nos va llevando, en el tiempo, al
punto de equilibrio del sistema dinámico, que es aquel en el que las dos rectas,
y = —ax + b y y = x, se encuentran.

b) E sta b ilid a d en siste m a s a u tó n o m o s


Ahora establecemos los correspondientes conceptos de estabilidad para siste­
mas dinámicos autónomos discretos en una dimensión.
288 Matemáticas básicas para economistas 3: Optimización y dinámica

D efinición 18. (E stabilidad)


i) Diremos que el punto de equilibrio x* del sistema dinámico autónomo
xt+i = f( x t) es estable si dado € > 0, existen 5 > 0 y ¿o > 0 tales que
\x tQ— x *\ < ti implica | / ¿(xí0) — x*\ < e para todo t > ¿o (figura 31). En
otro caso, diremos que x * es inestable.

ii) Diremos que el punto de equilibrio x* del sistema dinámico ajf+i = f ( x t)


es asintóticamente estable (o que es un atractor), si es estable, y si
límt-^oorTí = x* figura 32). Además, si la condición de estabilidad asin-
tótica no depende del punto de partida xt0, entonces diremos que x* es
global y asintóticamente estable.

Regularmente, probar mediante la definición que determinado sistema es (o no)


estable, es realmente difícil (si no imposible) debido a que encontrar soluciones
explícitas no siempre es fácil (o posible). Por ello existen algunos criterios que
nos ayudan en el propósito de determinar la estabilidad de un equilibrio. El
más típico de ellos es el siguiente:

Teorem a 10. (C rite rio de estabilidad)


Sea x* un punto de equilibrio del sistema dinámico autónomo xt+i = }(x t)
donde /(•) es continuamente diferenciable en una vecindad de x*;

i) Si | f'{x*)\ < 1 entonces x* es asintóticamente estable.

ii) Si |/'(x*)l > 1 entonces x* es inestable.


Lección 3: Sistemas dinámicos 289

iii) De otro lado, si \f'(x*)\ = 1 necesitamos más información para decidir


sobre la estabilidad del punto de equilibrio x* (como veremos más adelante
con los teoremas 1 1 y 1 2 , y el ejemplo 49).

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

|x to + i - x ' | = | / ( x , 0) - / ( x * ) | = |/ '( £ ) I |x í o - X*| < M \ x h - x * |

Por inducción se tendrá entonces que

fato+t I — M \xto x |

y, de allí, como |xt0 — x*| = rj entonces se tendrá que límf-^ooXt = x*. ■

E jem plo 48.


Analicemos la estabilidad de los sistemas de los ejemplos 45-46:

a) En el sistema xt+i = cxt, f( x ) = ex y f ( x ) = c. Si c ^ 0, el único equilibrio


es x* = 0. Si c > 1, entonces este equilibrio es inestable; y si c < 1 entonces
es asintóticamente estable.

b) En el sistema x t+\ = (xt)2, f( x ) = x 2 y f'( x ) = 2 x. El equilibrio x* = 0


es asintóticamente estable, puesto que f'(x * ) = 0 < 1. Pero el equilibrio
x* = 1 es inestable, puesto que /'(1 ) = 2 > 1.

c) En el sistema x t+i = —axt + 6, donde 0 < a < l , 6 > 0 , f( x ) = —ax + 6 y


f'( x ) = —a. El único equilibrio es x* = Así, el equilibrio es asintótica­
mente estable, ya que \f'(x*)\ — a < 1.

d) En el sistema x t+\ = fixt ( 1 —x t) con // > 0, f( x ) = /zx( 1 —x) y f'( x ) =


/z( 1 — 2x). Los equilibrios de la ecuación logística discreta son x* — 0 y
x* = Vemos que /'(O) = / í y / ' = —2 —/x. Es decir, x* = 0 es
asintóticamente estable si fj, < 1, e inestable en otro caso; y x* = : es
asintóticamente estable si 1 < /x < 3, e inestable en otro caso. ▲

Los siguientes teoremas nos ayudan en el caso en que \f(x * )\ = 1


290 Matemáticas básicas para economistas 3: Optimización y dinámica

Teorema 11. (Estabilidad si f'(x*) — \)


Sea x* un punto de equilibrio del sistema dinámico autónomo Xt+\ = f( x t)
donde /(•) es tres veces diferenciable con continuidad en una vecindad de x* y
/'(* * ) = 1:
i) Si f"{x*) 0, entonces x* es inestable.
ii) Si f"(x* ) = 0 y f n(x *) > 0, entonces x* es inestable.
iii) Si f ,f(x*) = 0 y f m{x*) < 0, entonces x* es asintóticamente estable.
D em ostración.
[Solo probaremos i); Iels partes ii) y iii) quedan como ejercicio al lector.]
Si f f,( x * ) 0 entonces la curva es cóncava ( f ' ( x ) < 0) o convexa ( f " ( x ) > 0)
en una vecindad de x * . Por ejemplo, si f " ( x * ) > 0, entonces f ' ( x ) > 1 en un
intervalo de la forma ( x * yx * + e). Por un argumento similar al del teorema 10,
es fácil probar que x * es inestable. Y si f " ( x * ) < 0, entonces f ' ( x ) > 1 en
un intervalo de la forma ( x * , x * — e) y, nuevamente, un argumento como el del
teorema 10 nos lleva a que x * es inestable. ■

Teorema 12. (Estabilidad si f'(x*) = —1)


Sea x* un punto de equilibrio del sistema dinámico xt+i = f( x t) donde /(•) es
tres veces diferenciable con continuidad*5en una vecindad de x* y f f(x*) = —1:
i) Si —2 f m(x*) < 3 (f"(x* ))2, entonces x* es asintóticamente estable.
ii) Si —2f n,(x*) > 3 ( f ”{x*))2, entonces x* es inestable.
D em ostración.
Consideremos inicialmente la condición

Vt+i = 9(yi) donde g(y) = f 2 (y) (*)


Observemos que el punto de equilibrio x* del sistema original x t+\ = /( ^ t) es
también un equilibrio del sistema (*); y que si x* es asintóticamente estable
(o inestable) con respecto al sistema (*), entonces también lo es con respecto
al sistema original. Ahora: notemos que g'(y) = f ( f ( y ) ) f '( y ) y así g'(x*) =
( f '( x * ) ) 2 = 1. Luego aplicamos el teorema 11 y, al mostrar que

9"(v) = (/(/(»)))"= {f(y))2f"(í(y)) + /'(/(y))/"(y)


entonces gn(x*) = 0. De esta manera, el signo de gm(x*) determinará la esta­
bilidad asintótica o la inestabilidad de x*. Pero
S"'(x*) = - 2 / " V ) - 3 ( / ' V ))2

25 Es decir, su tercera derivada es continua.


Lección 3: Sistemas dinámicos 291

y esto finaliza la demostración. ■

Ilustremos lo anterior mediante el siguiente ejemplo:

Ejem plo 49.


Para encontrar los puntos de equilibrio y su estabilidad en el sistema

x t+i = x] -1- x t (= f ( x t))

notamos primero que el único equilibrio es x* = 0; además f'(x ) = 3x2 + 1,


luego /'(O) = 1 y también /"(O) = 0; pero /"'(O) = 6. Luego, por el teorema 11,
x* = 0 es inestable. ¿Podría el lector comprobar esto con un sencillo diagrama
de fase, comenzando por dibujar la curva f ( x ) = x 3 -f x y la recta y = x?

Ejercicios 3
1. Muestre que xt = 3¿ —2Í_3, t — 0 ,1 ,2 ,..., satisface el sistema dinámico
discreto
Xt+i = 2Xt -h 3*

2. Muestre que xt — t\ 2*, t = 0 , 1 , 2 , . . satisface el sistema dinámico dis­


creto
xt+\ = (t + 1)xt ■+■{t + 1)! 2 t

3. Resuelva, por recurrencia, el sistema dinámico discreto

xt+\ = 2 + — xq dado

4. Encuentre la solución de cada uno de los sistemas dinámicos discretos:

a) x¿+i = 5txt\ xq = 2
b) Xt-f-l = —1

c) Xt+ 1 = 4 + Xt\ XQ = 3

5. Judith pide un préstamo de 50 millones al Banco PrestaCasa a una tasa


de interés del 10% anual. El Banco le propone a Judith los siguientes
sistemas de pago:

a) Pagar en 15 años con cuotas fijas.


b) Pagar la mitad del préstamo en 5 años con cuotas fijas, y la otra mitad
en otros 10 años con cuotas fijas.
292 Matemáticas básicas para economistas 3: Optimización y dinámica

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).

¿Cuál es la cuota anual en cada sistema? ¿Cuánto debe Judith en el


tercer año? ¿Y en el séptimo?

6. En los siguientes sistemas dinámicos, determine (si existen) los puntos de


equilibrio, analice (si es posible, a través de los teoremas de la presente
sección) su estabilidad y dibuje las trayectorias y los diagramas de fase:

a) Xt+l = x2 - 4xt + 4 b) Xt+l = x] - x t


2x t
c) Xt+l = y/xt + 1 d) Xt+l 1+ xt

e) Xt+1 = ln(xt + 1) f) Xt+l = tan -1 xt

4. Sistemas dinámicos (discretos) en dos dimensiones


Si hemos comprendido lo que es un sistema dinámico continuo en dos dimen­
siones, la siguiente definición podría ser natural.

D efinición 19. (Sistem a dinám ico discreto)


Dadas las condiciones iniciales £o,2/o> un sistema dinámico (discreto) en dos
dimensiones es un par de ecuaciones en diferencias de la forma

x t+i = f ( x t,y t,t) (*)


Vt+i = 9 ( x t,y t,t)

donde t es la variable tiempo, las funciones / : A x {N U {0}} —> R, g :


B x {N U {0}} -> R son continuas, y A, B C R2.

D efinición 20. (¿Qué es resolver este sistem a dinám ico discreto?)


Dadas las condiciones iniciales (xo,2/o)> resolver el sistema dinámico (*) es en­
contrar todas las trayectorias posibles (xt,yt) que satisfagan simultáneamente
las dos ecuaciones en diferencias. A cada una de estas trayectorias (x£,y¿) se
le conoce como una solución al sistema dinámico.

Ejem plo 50. (S istem a dinám ico lineal)


El sistema dinámico discreto lineal, para aii,ai2>fl2i,a 22 € R,

x t+i = o n ^ í + a \2yt
Lección 3: Sistemas dinámicos 293

yt+i = G2i£t + 022yt


donde } { x i,y t,t) - <*11x t + a i 2í/t, y g {x t,y t,t) = a2ix t + a22 yt, será estudiado
más adelante.
D efinición 21. (S istem a au tó n o m o )
El sistema dinámico discreto

x t+i = i ( x t,y t,t)


Vt+i = 9 {xt,y t,t)

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

Xí+i = f( x t,y t,t)


2/í+i = g { x t ,y t,t)
si, y solo si,
X* = y* = g(x*, y* ,t)
para todo t = 1 ,2 ,3 ,...,
Observemos que, en este caso, xt = £*, yt = y* para t = 1,2,3,••• es una
solución al sistema que, si este la alcanza, permanecerá allí por siempre.
E jem plo 51. (E q u ilib rio único)
Para el sistema dinámico

x t+i = 2 x t + yt
y t+1 = x t - 2 yt

el único punto de equilibrio es (x*,y*) = (0,0) (que es donde 2 x + y = x,


x - 2 y = y).
E jem p lo 52. (M ú ltip le s eq u ilib rio s)
Para el sistema dinámico

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

a) E sta b ilid a d y d ia g r a m a s d e fase


Nuevamente arribamos a la noción de estabilidad, ahora en el contexto de los
sistemas dinámicos discretos en dos dimensiones. Debe advertirse, sin embargo,
que, aquí, los diagramas de fase no tienen la connotación descriptiva del caso
continuo; aquí serán diagramas simples del desplazamiento de x t versus el
desplazamiento de yt.

D efinición 23. (Estabilidad)

i) Diremos que el equilibrio (x * ,y *) del sistema dinámico

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.

ii) Diremos que el equilibrio (x*,y*) es asintóticamente estable si es estable,


y si lím£_>c)o(^í,2/í) = (%*>y*)' Si la estabilidad asintótica no depende
de ninguna condición inicial (a?f0,?/¿0), entonces diremos que (x*,y*) es
global y asintóticamente estable.

La figura 33 ilustra i) y ii).

estable
Figura 33. Ejemplos de estabilidad (páneles izquierdo y central); e-
inestabilidad (panel derecho).

b) S is te m a s lin e a le s (d isc r e to s ) en d o s d im e n sio n e s


Comenzamos nuestro análisis fundamental de los sistemas discretos en dos
dimensiones con los sistemas más simples posibles: los sistemas lineales.
Lección 3: Sistemas dinámicos 295

D efinición 24. (S istem a lineal d isc re to )


i) Un sistema discreto lineal y homogéneo (SDisL) es un sistema de la forma
xt+i = a u x t 4- a\2 yt (SDisL)
Vt+i = o>2iXt + d22 yt
o, en forma más compacta,
zt+i = A zt
aii a\2
donde zt = (xt,yt)T , A —
021 «22
ii) Un sistema discreto lineal no homogéneo es un sistema de la forma
^t+i = a u x t 4- ai2yt 4- &i
Vt+i = «21 Xt 4- 022 yt 4- b2
o, en forma más compacta,
zt+i = A zt 4- b
a ii o i 2
donde zt = {xt,y t)T , A = , b = ( b u b2)T .
«21 0.22
De manera similar a lo que teníamos para el caso continuo, podemos escribir
el siguiente teorema:
T eo rem a 13. (C a ra cteriza ció n de so lu cio n es)
i) Si la matriz A del sistema (SDisL) tiene dos valores propios reales y
distintos, entonces la solución general tiene la forma
x t = a c n \[ + @0 12 X2
yt = OtC2 iX\ + Pc22 A2
donde (c n ,c 2i) es un vector propio asociado a Ai; y (012, 022) es un vector
propio asociado a A2 ; a, ¡3 6 R.
ii) Si la matriz A del sistema (SDisL) tiene un valor propio real repetido (es
decir, de multiplicidad 2 ), entonces la solución general tiene la forma
x t = (acii + ¡3 c\2 ) A* + /?cn¿Aí_1
yt = (ac2i 4- 0c22)A/ 4- pC2 \ t \ t~ 1
donde

(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

Ai = r(cos O-f- i sen 6 ), A2 = r (eos 9 —i sen 0)

entonces la solución general tiene la forma

xt = acn r* cos(6 t) + P c ^ r 1 sen(0¿)


yt = OLC2\r l cos{6 t) + sen(0¿)

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

zt = A zt- i = . . . = A lz0 = C D 1C ~ 1zq

Si c“ 1 es la entrada i j de la matriz C -1 , entonces

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

Si c^1 es el elemento ij de la matriz C *, entonces

x t = (a cn 4- /?ci2)Af 4- ^cn¿Aí_1
Vt = (ac2\ 4- Pc22) \ l 4- pc2 i t \ l~l

donde a = c ^ x 0 4- c^12/o, P = 4- c^í/o-


iii) La demostración es similar a la realizada en i); solo se reemplaza Ai =
r(cos0 4- i sen 0), X2 = r(cos0 —¿sen0), y se aplican las reglas de expo­
nentes de complejos bajo la fórmula de Euler
ex6t = (eos 0 4-2 sen O)1 = cos(0¿) 4- i sen(Ot) u

E jem plo 53. (Foco in estab le)


Resolvamos y hallemos el diagrama de fase del sistema
1 3
x t+i = x t 4- 3yt zt+i =
-1 1
y t+1 = - x t 4- yt

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 )

c) Las soluciones (figura 34) son, entonces, de la forma

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

Ejem plo 54. (Silla)


Para construir el diagrama de fase del sistema

1 1
x t+i = x t + yt ó Z t+ i =
0.25 1 zt
y t+ 1 = 0.25xí + yt

Figura 35. Silla del ejemplo 54.

notamos que:

a) El único equilibrio del sistema es x* = y* = 0.

b) Los valores propios de la matriz A son Ai = 1.5, A2 = 0.5, y sus vectores


propios respectivos son (2,1) y (2, —1).

c) Las soluciones (figura 35) son de la forma

xt = 2 a (1.5)4 + 2/? (0.5)*


Ift = a (1 .5 )‘ -/3 (0 .5 )‘

con a , ¡3 € R. ▲

El siguiente criterio nos será de ayuda cuando busquemos establecer la estabi­


lidad del equilibrio (0,0) de un sistema lineal homogéneo:

T eo rem a 14. (C rite rio de estabilidad)


En el sistema dinámico lineal discreto

£¿+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:

i) (0,0) es un equilibrio asintoticamente estable si, y solo si, p < 1

ii) (0,0) es un equilibrio inestable si, y solo si, p > 1

ni) Si p = 1 el criterio no permite decidir sobre la estabilidad de (0,0).

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

Ejem plo 55.


a) En el sistema discreto
x t+ 1 = x t + 3yt
yt+i = - x t + yt

los valores propios son Ai = 1 + i\J3 y A2 = 1 —W 3; así p = 2 y, por tanto,


el equilibrio (0,0) es inestable.

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.

c) S o lu ció n g en er a l p ara s iste m a s n o h o m o g é n eo s


Al igual que en el caso continuo, queremos conocer la solución a un sistema di­
námico (discreto) lineal no homogéneo que, en este caso, también será resuelto
por medio de la suma de una solución particular del sistema no homogéneo y
la solución general del sistema homogéneo, tal como se explica a continuación.
Teorema 15. (Solución general a una ecuación no hom ogénea)
Si A(t) es una matriz 2 x 2 , y B (t) es una matriz 2 x 1 , entonces, la solución
al sistema
z t+ 1 = A(t)zt + B(t) (*)
es de la forma
■z f + z f
donde

4 =i n ^ o , z% = i
t= 0

es la solución al sistema dinámico homogéneo (es decir, con B (t) = 0), y

r=0 t=0

es una solución particular de (*).


D em ostración. /
Queda como ejercicio para el lector. [Indicación: utilice recursión (y paciencia)]
Lección 3: Sistemas dinámicos 301

Ejemplo 56.
Para resolver el sistema

^t+i — 2a?f -f yt + 1 xo = l

yt+i = 2 yt + 1 yo = 1

comenzamos escribiendo A (t) = q 2 ’ = [l] ’ Sabemos, seSÚn el teo­


rema 13, que la solución general al sistema homogéneo es

a f = a 2í + / ? í2 í"\ yf = /32e

Ahora: en general, no es práctico utilizar la fórmula para z f del teorema 15


anterior. Pero sí notamos de esta fórmula que la solución particular tiene la
misma forma funcional que B (t); es decir,

— 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 + m i(í + 1) = 2(mo + m \t) +7712 + m ^t + 1


m 2 4- m z { t + 1) = 2(m2+ 7713Í) + 1
lo cual implica que

mo = 0 , mi = - 1 , 7712 = —1 , 7713 = 0
Y así, la solución particular es

Por las condiciones iniciales, tenemos que a = 1 y /? = 2; con lo cual,

x t = (1 + t)2 l - t
yt = 2Í+1 - 1

El lector puede comprobar que estas soluciones satisfacen el sistema dinámico


dado.
302 Matemáticas básicas para economistas 3: Optimización y dinámica

N o ta 6. (E cu ació n en d iferen cias com o siste m a d in ám ico )


Observe que una ecuación en diferencias de orden 2 de la forma

Xt+2 +PlXt+l +Poxt = 0

se puede escribir como el sistema planar de ecuaciones en diferencias

xt+i = Vt
yt+i = -p m - poxt

y que, por tanto, puede resolverse encontrando las soluciones a la ecuación


auxiliar
A2 + p\ \ -f Po = 0
que serán exactamente los valores propios del sistema planar asociado.

E jem p lo 57.
Resolvamos las siguientes ecuaciones en diferencias:

a) x t+2 + 8a?t+i -f 12xt = 0. b) x t+2 + 5xí+i + 4x í = 0.

con condiciones iniciales xo = 1 y x \ = 3.

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

que tiene valores propios Ai = —6 y A2 = —2, y así la solución a la ecuación


en diferencias es de la forma

xt = a(-6 )' + p { -2f

que bajo las condiciones iniciales xq = 1 y x \ = 3 nos lleva a

b) De forma similar, podemos probar que la solución general a la ecuación en


diferencias x t+2 —3x¿+i + 2xt = 0 con condiciones iniciales xq = 1 y x \ = 3
está dada por
Xt = - 1 + (2)t+1
Lección 3: Sistemas dinámicos 303

Ejem plo 58. (U n problem a de transm isión de información)

Imaginemos que un sistema de señales solo tiene dos señales, Si y 52 , diferentes


(como por ejemplo, puntos y rayas en la telegrafía). Los mensajes son enviados
a través de un canal después de haber sido codificados en secuencias de esta
señal. Supongamos que Si requiere ti unidades de tiempo para ser transmitido,
y que S 2 requiere ¿2 unidades. Sea N t el número de posibles secuencias de
mensajes de duración t.
Consideremos primero aquellos mensajes de duración t que terminan con un
S i. Dado que Si toma ¿1 unidades de tiempo para ser transmitido, esta última
señal debe ser enviada a partir de t — ti. Pero, entonces, hasta el momento
t — ti hay N t-h posibles mensajes a los cuales les podemos agregar la señal
S i. Por tanto, el número total de mensajes de duración t que terminan con Si
es N t- ti. Pero, como un mensaje debe terminar en S i o S 2 , tenemos que

Nt = N t-n + N t-t2

Consideremos el caso particular cuando ti = 1 y ¿2 = 2; es decir, cuando una


señal toma el doble en ser transmitida que la otra. Entonces

N t = N t - 1 -4- N t - 2

que podemos reescribir en la forma estándar

N t - N t- 1 - N t- 2 = 0

para t = 0 ,1 ,__ Esta es una ecuación homogénea en diferencias con ecuación


auxiliar
A2 - A - 1 = 0

cuyas rafees son Ai = 5 + ^ y A 2 = | — Por tanto, la solución general es


de la forma

Dada la interpretación de Nt, es usual suponer que No = 0 y N i = 1, con lo


cual el número de posibles secuencias de mensajes de duración t es
304 Matemáticas básicas para economistas 3: Optimización y dinámica

d) S is te m a s (d isc r e to s ) n o lin e a le s e n d o s d im e n sio n e s


Como ya podíamos preverlo, resolver (o simplemente analizar la estabilidad
de) sistemas dinámicos discretos no lineales es realmente un propósito difícil.
Por esto, el método de linealización es frecuentemente utilizado como forma
de análisis de la estabilidad de un sistema dinámico (no lineal). Fueron Lya-
punov y Perron quienes originaron este mecanismo al aplicarlo al estudio de la
estabilidad de soluciones de ecuaciones diferenciales.
Consideremos de nuevo el sistema dinámico discreto homogéneo

xt+i = } { x t, yt)
yt+1 = 9 (x t,y t)

donde /(*,*) y #(•, •) no son necesariamente lineales. Por el teorema de Taylor


(volumen 2 (Cálculo)), podemos escribir

f( x t,y t) = f( x * ,y ’ ) + V / | ( i . (S. ) ( x í - x * ,yt - y*) + R f( x t,y t,x*,y*)


9 (xt,yt) = g(x*, y *) + Vg\{x",v-)(xt - yt - y *) + R g(xt, V u x * ,y * )
donde V/|(x*,¡/*) y V^|(x*>y*) son los gradientes de /(•, •) y <?(-, •) evaluados en
(x*,y*) respectivamente. Todo esto puede escribirse aún más sintéticamente
así:

( f( x ,y ),g ( x ,y )) =

(/(^*,2/’ ),9 (^ ‘ ,y*)) + J(f> 9 )\(x\y')(xt - x ',y t - y*) + (R f ,R g)

A la componente

(f( x * ,y " ) ,9 (x% y*)) + - x \ y t - y")

la llamaremos la linealización del sistema no lineal alrededor de (x* ,y*).

Teorem a 16. (Teorem a de linealización (O. P erron (1929))),)


Sea A = J (f,g )\(x*,y*); si p(A) = máx{|Ai|, IA2 I} < 1 donde Ai,A 2 son los
valores propios de A, entonces
Rf Rn
lim —— ^—-57 = 0 y lim rr-.— = 0
yt-)-0 j/t—
>0
Y, por tanto,

i) Si (x*,y*) es un equilibrio asintóticamente estable de la linealización del


sistema no lineal, entonces también es un equilibrio asintóticamente es­
table del sistema no lineal.
Lección 3: Sistemas dinámicos 305

ii) Si (x*,y*) es inestable para la linealización del sistema no lineal, entonces


también es un equilibrio inestable del sistema no lineal.
D em ostración.
Ver O. Perron (1929)26. ■

Ilustremos el teorema de linealización con un par de ejemplos:


Ejem plo 59.
¿Qué tipo de estabilidad tendrá el equilibrio (0,0) en el sistema no lineal

x <+i = t1t+^x2; (= f ( x t,y t))

s/í+1 = T T ^ 2 (= 9 (x t,y t))


1 + Vt
donde a,b > 0 ? Para responderlo, notemos primero que la matriz jacobiana
l(o,o) = ^ a tiene valores propios Ai = Va6, A2 = -y/ab. Luego:
b 0
a) Si \ab\ < 1 entonces (0,0) es asintóticamente estable para el sistema no
lineal.

b) Si \ab\ > 1 entonces (0,0) es inestable para el sistema no lineal.

¿Puede el lector intuir qué sucederá si \ab\ = 1 ?

Ejemplo 60. (E cuación logística de P ielou (1977))27


a —1
Analicemos la estabilidad del equilibrio x* = y* = -- del sistema dinámico
no lineal
axt ayt
It+ 1 ~ 1 + / 3 V Vt+1~ 1 + p y t- !
donde a > 1, /? > O.28 Obsérvese que aquí se asume, en la segunda ecuación,
un rezago de un tiempo.
Inicialmente debemos reducir el sistema a uno planar (es decir, en las variables
xt+i1yt+i,xt,yt)- Para esto, sean
a —1 _ a —1
x t = x t ------— , yt = y t ------

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

Entonces nuestro sistema no lineal es ahora


Qxt — (a — l) x t~i
xt+1 =
a + Pxt-\ Vt+1 a + fiyt-i
( a - l a - 1\
El equilibrio I ——— , ——— J corresponde al nuevo equilibrio (0,0). Y cam­
biando este a un sistema planar mediante xt = fjt-u Vt = Vt, obtendremos

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 >

b) Si 4 —3a > 0, también p(A) < 1 y, por tanto, x* = y* = es asintótica­


mente estable cuando a < | .
( a - l a - 1\
Así, el equilibrio I ———, ——— 1 siempre es asintóticamente estable, y esta
será la predicción de la población en el largo plazo para esta clase de mariposas.

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

Teorema 17. (M étodo de Lyapunov)


Supongamos que (x*,y*) es un equilibrio del sistema dinámico no lineal

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*)’

iii) A V ( x ,y ) = V (f(x ,y ),g (x ,y ) ) — V (x ,y ) < 0 para todo (x ,y) en una


vecindad de (x*,y*) con (x,y) / (x*,y*).

Entonces (x*,y*) es estable; más aún: si la desigualdad en iii) es estricta,


entonces (x* ,y *) es asintóticamente estable.

D em ostración.
Ver ejercicio complementario 23 al final de la presente lección. ■

Ejem plo 61.


Consideremos el sistema dinámico
OLXt
* * + != » , 2"+l = T ^ 2

con a , P > 0. Para estudiar la estabilidad de su equilibrio (0,0), sea V (x ,y ) =


x 2 + y2. Claramente ^ (0 ,0 ) = 0, V (x ,y ) > 0 si (x,y) (0,0) y además,

A V ( x (,yt) = Xt+i + Vt+i ~ xt ~Vt

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

Ejem plo 62.


Consideremos el sistema

x t+i = 2yt - 2ytx 2t, y t+ 1 = ^ x t + x ty 2

cuyos tres equilibrios son

i'^,^
2 ’ 2 y
t -n
\
-n
2 ’ 2

y estudiemos la estabilidad en (0,0). Para ello, tomemos la función V (x ,y ) =


x 2 + % 2. Entonces V(0,0) = 0, V (x ,y ) > 0 si (x,y) ± (0,0) y

A K (xt, yt) = 4y(2 - 8j/,2 x ? + 4y \x \ + x f + 4x?s/¡2 + 4xfy? - x? - 4j/(2

= 4x2j/2(x2 + y2 - 1) < 0

si x 2 + y 2 < 1. Luego V es una función de Lyapunov alrededor de (0,0) y, por


tanto, es un equilibrio estable. ¿Qué sucede con los otros dos equilibrios?

Ejem plo 63.


Consideremos el sistema

X t + 1 = x t - x 3t y ¡ , y t+ i = y t

cuyo único equilibrio es (0,0). Tomando la función de Lyupanov V (x ,y ) =


x 2 + y2, obtenemos que

A V (x t , yt) = x f y¡ (x? y¡ - 2)

y así, A V (x t,y t) < 0 si x 2 y2 < 2. Por el teorema 17, (0,0) es un equilibrio


estable.

Ejercicios 4
1. Calcule los equilibrios de los siguientes sistemas dinámicos discretos:

29 El lector interesado puede consultar el magnífico texto Guckenheimer, J. y Holmes, P.


(1983), Nonlinear Oscillations, Dynamical Systems and Bifurcations of Vector Fields,
New York: Springer, Verlag.
Lección 3: Sistemas dinámicos 309

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

2. Determine la estabilidad del equilibrio (0,0) en los siguientes sistemas


dinámicos:
\ i\ CLOC^
x t+i = sen yt - - x t x t+1 =
2 l + yt
^ __ byt - x t
V+ i4+a: #i 2/í+i1+
= X“íTT--

3. Encuentre todos los equilibrios del sistema


x t+1 = eos xí - yt
2/í+i =

y evalúe, si es posible, con las herramientas estudiadas, la estabilidad de


los mismos.

4. Determine la estabilidad de la solución (0,0) en la ecuación

x í+ 2 - \ x M + 2 xt+ \xt + 0 .bxt = 0

[Indicación: Haga yt = x¿+i y analice el sistema dinámico resultante].

5. Pruebe que el equilibrio (0,0) del sistema dinámico

x t+i = x t - x] y\
2/í+i = x t

es (por lo menos) estable, utilizando la función de Lyapunov V (x ,y ) =


x 2 + y 2. También compruebe el resultado mediante linealización.

6. Pruebe que el equilibrio (0,0) del sistema dinámico

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

7. Encuentre (mediante la ecuación auxiliar) la solución general en cada


una de las siguientes ecuaciones lineales en diferencias:

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

8. Teniendo en cuenta el teorema 15 y la nota 6, escriba la forma general


explícita de las soluciones a la ecuación (no homogénea) en diferencias

Xt+ 2 +Pi%t+i + PoXt — B (t)

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]

10. (Ecuación en diferencias com o sistem a dinám ico)

a) Muestre que las soluciones de un sistema dinámico discreto zt+i =


Azt + h(t) dependen de los valores propios de la matriz n x n, A.
b) Escriba las formas generales explícitas de estas soluciones.
c) Pruebe que una ecuación en diferencias de orden fc,

Xt+k + P i(t)x t+k-i + • • • + P k ( t ) x t = B (t) (*)

siempre se puede reducir a un sistema dinámico de la forma

*t+i = A (t)zt + h(t)

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.

5. Breve sobre ciclos lím ite, puntos periódicos,


bifurcaciones y caos
Una diferencia esencial entre los sistemas dinámicos lineales y los no lineales,
es que cualesquiera dos soluciones de una ecuación lineal pueden sumarse y,
de nuevo, se obtiene una solución; este es el principio de superposición de los
sistemas lineales, que hace del análisis de lo lineal algo sistemático y sin com­
plejidades. En contraste, dos soluciones de una ecuación no lineal no pueden
sumarse y obtener otra solución; ni siquiera es posible dividir el problema en
subproblemas, resolver estos últimos, y luego pegar las soluciones de algún
modo específico.
Entonces no es sorpresa que no exista una técnica analítica general para re­
solverlas. La Física tiene ejemplos que ilustran esta diferencia esencial. Por
ejemplo, cuando el agua fluye a través de un tubo a baja velocidad, su movi­
miento es laminar y su descripción matemática es regular, predecible y simple,
en términos analíticos. Sin embargo, cuando la velocidad excede un valor crí­
tico, el movimiento se hace turbulento, complicado, irregular y errático, que es
lo que caracteriza el comportamiento no lineal.
Es posible aislar al menos tres características que distinguen los fenómenos
lineales de los no lineales:

a) En primer lugar, el movimiento mismo es diferente desde un punto de vista


cualitativo; un sistema lineal muestra, típicamente, un movimiento suave y
312 Matemáticas básicas para economistas 3: Optimización y dinámica

regular en el espacio, y el tiempo puede describirse en términos de funciones


que se “comportan bien”. Los sistemas no lineales, sin embargo, a menudo
muestran transiciones de un movimiento suave a uno caótico, errático o,
también, a uno aparentemente aleatorio.

b) En segundo lugar, la respuesta de un sistema lineal a pequeños cambios


en sus parámetros o a un estímulo externo es generalmente suave y en
proporción directa al estímulo; para los sistemas no lineales, sin embargo, un
pequeño cambio en los parámetros puede producir una diferencia cualitativa
enorme en el movimiento.

c) Y, en tercer lugar, si se perturba un sistema lineal, este normalmente de­


caerá; este fenómeno, conocido como dispersión, hace que las ondas en los
sistemas laminares amplios tiendan a desaparecer a medida que se alejan
del punto de perturbación. En contraste, los sistemas no lineales perturba­
dos pueden mantener esta estructura con alta perturbación por un largo
tiempo, o aun (teóricamente) por siempre.

a) C iclo s lím ite s y K -c ic lo s


Para los sistemas dinámicos lineales, los puntos de equilibrio son los únicos
atractores. Sin embargo, los sistemas dinámicos no lineales tienen muchas más
posibilidades: por ejemplo, su comportamiento asintótico puede ubicarse sobre
un estado oscilante. Una ilustración de esto es el péndulo de un metrónomo que,
independiente de sus condiciones iniciales, finaliza siguiendo un movimiento
periódico con la frecuencia escogida. A tales atractores se les conoce como
ciclos limites (en el caso continuo) y K-ciclos (en el caso discreto). Veremos
en seguida ejemplos de esto.
Mucho más exóticos son los atractores extraños, llamados así precisamente de­
bido a sus propiedades raras y no anticipadas. El movimiento sobre un atractor
extraño muestra la mayoría de las propiedades asociadas con comportamien­
tos aleatorios, aunque las ecuaciones de movimiento sean completamente de-
terminísticas: el comportamiento “aleatorio” surge de forma intrínseca de la
dinámica del sistema. Por ejemplo, aunque en periodos cortos es posible seguir
la trayectoria exacta de cada punto inicial, en periodos largos, las pequeñas
diferencias en la posición original se amplifican enormemente, y, por tanto, son
muy difíciles las predicciones de su comportamiento de largo plazo.

E jem plo 64. (C iclos lím ites en sistem as continuos)


Existen sistemas físicos tales que, para oscilaciones pequeñas, introducen ener­
gía al sistema, en tanto que, para oscilaciones grandes, extraen energía del
mismo. En otras palabras, las oscilaciones grandes serán amortiguadas, mien­
tras que las oscilaciones pequeñas serán amplificadas. La intuición, a partir
Lección 3: Sistemas dinámicos 313

de esto, es que el sistema debería tender a cierto comportamiento periódico.


Una ecuación que revela esta situación se presenta en el estudio de circuitos
eléctricos en el vacío: es la famosa ecuación de van der Pol (1927):
y - /¿(l - y 2)y + y = 0 (*)
con n > 0 constante, que corresponde al sistema dinámico
x = n (l - y2)x - y

y cuyo único punto de equilibrio es x* = y* = 0. Su linealización alrededor


[-1 0 '
de (0,0) tiene matriz jacobiana , cuyos valores propios son Ai = 1
V -lj
y A2 = —1, así que ninguno de los criterios básicos que hemos estudiado nos
permite decidir sobre el comportamiento alrededor del equilibrio (0,0).
Afortunadamente, en este caso podemos, con un poco de manipulación alge­
braica en (*), mostrar que
._ y
V /x ( l- y 2) + K
para alguna K € R, y, por tanto, el diagrama de fase del sistema lucirá como
en la figura 37. De allí, claramente vemos que el equilibrio (0,0) es inestable, y
que aparece un ciclo límite con forma casi circular para ¡i — 0.1. Para /z > 0.1,
el ciclo límite dejará de parecerse a un círculo.
k= - 1

Figura 37. Diagrama de fase de la ecuación de Van der Pol.

E jem plo 65. (K -ciclos en sistem as d isc re to s)


Otro ejemplo de “extraños” comportamientos dinámicos se encuentra en el
clásico sistema dinámico discreto xt+i = T (x i) (conocido como función carpa)
donde
para 0 < x < \
T(x) _ í 2x
- x) para \ < x < 1
314 Matemáticas básicas para economistas 3: Optimización y dinámica

cuyos puntos de equilibrio son x* — 0 y x* = Ahora: es fácil verificar que


T 2(-) = T o T está dada por

4x para 0 < x < \


2(1 - 2 x) para \ < x < \
T 2 (x) =
4(x - \ ) para \ < x < |
4(1 —x) para | < x < 1

Los puntos de equilibrio de T 2(-) son x* = 0, x* = §, x* = §, y x* = dos


de los cuales (x* = 0, x* = | ) son también equilibrios de T(-). Observe que
T ( |) = | y T 2 ( |) = T ( |) = es decir, {§, |} es lo que se llama 2-ciclo
para T(-) (figura 38), y x* = | es lo que se llama un punto periódico de T(-),
con periodo 2. Observe que x* = | es un equilibrio para T 2(-), mas no para
T (-) .

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.

También se puede observar que es un 3-ciclo; es decir, T ( | ) =


T 2 ( |) = T (! ) = | y T 3 (! ) = T ( | ) = Más aún, utilizando una buena
calculadora de bolsillo se puede mostrar que T(-) ¡tiene ciclos de todo ordenl
E sta es una característica compartida por todos los sistemas dinámicos discre­
tos que tienen un 3-ciclo (T.Y. Li and J.A. Yorke (1975)30). Se ilustra con esto
que la dinámica de largo plazo no necesariamente conduce a uno de los puntos
de equilibrio: puede resultar en un K -ciclo.

30 Li, T.Y. y Yorke, J.A. (1975), Period Three implies Chaos, American Mathematical
Monthly.
Lección 3: Sistemas dinámicos 315

b) B ifu rca ció n y caos

“ Caos determinístico” es un término aplicado a todo comportamiento aperió­


dico, irregular, impredecible y “aleatorio” en el desarrollo temporal de ciertos
sistemas no lineales. En las últimas cuatro décadas este “ caos” ha sido obser­
vado en una increíble variedad de modelos matemáticos no lineales y en fenó­
menos naturales. De hecho, y esto es muy sorprendente, aunque los procesos
son estrictamente determinísticos y todas las fuerzas son conocidas, pareciera
como si su comportamiento fuera aleatorio.
Que un sistema gobernado por leyes determinísticas pueda exhibir comporta­
miento “ aleatorio”, va contra toda intuición normal. Quizá sea porque nuestra
intuición es “inherentemente linear; de hecho, el caos determinístico no pue­
de ocurrir en sistemas lineales. Más probablemente, esto es debido a nuestra
visión de un universo mecánico newtoniano: si uno conoce las posiciones y ve­
locidades de todas las partículas en el universo y la naturaleza de las fuerzas
entre ellas, entonces podríamos construir la carta de viaje del universo, para
siempre.
Sin embargo, en el mundo real, el conocimiento exacto del estado inicial casi
nunca es posible. No importa qué tan exacta sea medida la velocidad de una
partícula, siempre puede buscarse una medida aún mejor. Y aunque somos
conscientes de esto, en general asumimos que si las condiciones iniciales de un
mismo experimento realizado en dos sitios distintos son casi iguales, entonces
las condiciones finales serán casi las mismas. Para sistemas lineales esta hi­
pótesis puede ser correcta. Pero para sistemas no lineales esto es falso, y el
resultado es, precisamente, el caos determinístico.

Figura 39. Un 3-ciclo de la función carpa.


316 Matemáticas básicas para economistas 3: Optimización y dinámica

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.

Ejem plo 66. (Caos determ inístico en la ecuación logística)


Un prototipo notable del caos determinístico y de las complicaciones que puede
presentar un sistema dinámico está dado por la ecuación logística

X t + 1 — f i Xt ( l 3J¿)

con /i > 0 (figura 40). Esta ecuación, aparentemente simple, es suficientemente


sutil para capturar la esencia de una clase completa de fenómenos reales que van
desde el análisis de poblaciones biológicas hasta el estudio de las transiciones
a turbulencia en gases y líquidos (por ejemplo, el helio líquido). Sin duda, es
el modelo más simple que muestra caos determinístico.

31 Poincaré, H. (1952), Science and Method, New York: Dover Publications.


32 Mandelbrot, B. (1983), The Fractal Geometry of Nature, New York: W.H. Freeman
and Company.
Lección 3: Sistemas dinámicos 317

El comportamiento de este sistema no lineal depende críticamente del paráme­


tro de control fi y exhibe en ciertas regiones repentinos y dramáticos cambios en
respuesta a pequeñas variaciones de éste. Estos cambios, técnicamente llamados
bifurcaciones, muestran un ejemplo concreto de la característica ya mencionada
sobre el comportamiento de los sistemas no lineales: pequeños cambios pueden
producir enormes diferencias cualitativas en el movimiento.

Figura 40. Función logística para diferentes valores de /x.

Ya sabemos que el más simple comportamiento asintótico (es decir, cuando


t —> oo) lo señala el cálculo de los puntos de equilibrio. En este caso son x* = 0
y x* = 1 — El lector puede mostrar que x* = 0 es asintóticamente estable si,
y solo si, /i < 1 y, por supuesto, inestable si // > 1. Por el contrario, x* = 1 —
es asintóticamente estable si, y solo si, 1 < fi < 3, e inestable si fi < 1 o /z > 3.
Esto podría sugerir que algo interesante sucede cuando /¿ alcanza el valor 1.
De hecho, hay una bifurcación en el comportamiento asintótico de los equili­
brios, ya que uno de ellos (x* = 0) pasa de estable a inestable, mientras el otro
(x* = 1 — pasa de inestable a estable. Esta bifurcación, que se conoce como
bifurcación transcrítica (figura 41), implica un intercambio de estabilidad entre
los dos puntos de equilibrio. En particular, si, digamos, /i = 0.99999, el equili­
brio x* = 0 es estable y cualquier trayectoria que parta de un punto cercano a
él, tenderá, eventualmente, a ese equilibrio. Pero si, digamos, fi = 1.0000001, el
comportamiento es diferente, y la trayectoria, aún partiendo del mismo punto
inicial, se alejaría hacia el equilibrio x* — 1 —
Una bifurcación más interesante ocurre cuando ¡i = 3. Repentinamente, en
lugar de que la dinámica se aproxime al equilibrio x* = 1 — ^ | , la solución
de largo plazo oscila entre dos valores; es decir, ¡el modelo tiene un 2-ciclo! Esta
bifurcación se conoce como bifurcación tipo tenedor (figura 42). Para calcular
estos dos valores, iteramos la función f( x ) = fix( 1 —x) dos veces y buscamos
318 Matemáticas básicas para economistas 3: Optimización y dinámica

Figura 41. Bifurcación transcrítica en la ecuación logística. Las


líneas punteadas indican las regiones de inestabilidad y las líneas
sólidas indican las regiones de estabilidad: Si fi < 1, x* = 0 es
estable; si fi > 1, x* — 1 — ^ es estable.

sus puntos fijos; así, resulta la ecuación de grado cuarto

(/ ° f)(x) ~ — x)[l — fix (l — x )) = x

que se satisface cuando x* = 0 (equilibrio inestable), x* = 1 — ^ (equilibrio


inestable para fi > 1), y aparecen otras dos soluciones:

*¡ - ^

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

/
/
/

Figura 42. Bifurcación tipo tenedor para /z > 3: un equilibrio es­


table x* = | se bifurca en un 2-ciclo más un punto fijo estable
x*

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

Figura 43. Diagrama de bifurcación.

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.

de sensible dependencia de las condiciones iniciales que hace que su compor­


tamiento de largo plazo parezca aleatorio? Paira estudiar este problema, uno
debe observar cómo dos puntos, inicialmente cercanos, se separan, a medida
que se hacen iteraciones de la función del sistema dinámico. Técnicamente,
esto puede hacerse calculando el exponente Lyapunov A, definido por

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

que aparecen en la figura 44.


E jem p lo 67 (S olución a n a lític a p a ra = 4).
Para el valor particular ¡i = 4, hagamos, en la ecuación logística, xt = sen2
Entonces se obtiene

sen2 0 t+1 = 4 sen2 9t{1 —sen2 6t) = 4 sen2 Qt eos2 6t = sen2(20¿)


de donde

y su solución es = 6o2t. Notemos que su exponente de Lyapunov es fácilmente


calculable:
ln(fl02*) ln#o ¿ln2
A = lím = lím 0.693 > 0
t—►OO t t—ïoo


Lección 3: Sistemas dinámicos 321

El lector interesado en profundizar sobre la teoría del caos y, en general, en


problemas no lineales, podría comenzar con Lorenz (1993) y Gleick (1987).

Ejercicios 5
1. Pruebe que el exponente de Lyapunov de la función carpa es, también,
ln2.

2. Muestre que la ecuación yt+1 = (yt)2 4- c puede transformarse en la


IJL ÍJL^
ecuación logística xt+i = fixt( 1 —xt) con c = —— —. [Indicación: Tome
y= fix + \fi.\

3. En la ecuación logística, muestre que x* = 0 es un punto fijo inestable


para /i = 1.

*4. Sea b un punto de periodo K de /(•); entonces, pruebe que:

a) b es estable si es un punto fijo estable de f K {').


b) b es asintóticamente estable si es un punto fijo asintóticamente estable
de /* (•).
c) 6 es inestable si es un punto fijo inestable de
322 Matemáticas básicas para economistas 3: Optimización y dinámica

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

33 Samuelson, P. (1958), An Exact Consumption-Loan Model of Interest with or


without the Social Contrivance of Money, Journal of Political Economy, vol. 66(6),
467-482.
34 Los modelos de generaciones traslapadas son modelos competitivos de dos tipos de
agentes (jóvenes y viejos) en los que el comercio solo puede darse entre agentes de
distinto tipo.
35 Dana, R. . y P. Malgrange (1984), The Dynamics of a Discrete Versión of a Growth
Cycle Model, “Analizing the Structure of Econometric Models”, Ed. J.P. Ancot.
36 Day, Richard H. (1982), Irregular Growth Cycles, American Economic Review, vol.
72(3), 406-14.
37 Day, Richard H. (1983), The Emergency of Chaos from Classical Economic Growth,
Quarierly Journal of Economics, vol. 98 (2), 201-13.
38 Grandmont, Jean-Michel (1985), On Endogenous Competitive Business Cycles, Eco-
nometrica, vol. 53, 995-1045.
Lección 3: Sistemas dinámicos 323

tudiaba “extrañas dinámicas” también en modelos de generaciones traslapadas;


y Pohjola (1981)39, que estudiaba ciclos económicos a la manera de Goodwin.
Desde aquella época ha habido un resurgimiento del interés en los modelos
dinámicos no lineales, aunque no existe un consenso general con respecto a
su utilidad en el estudio de lo que realmente sucede en una economía. En lo
que sigue, nos concentraremos en tres modelos básicos de la teoría económica
actual que ilustran esto: el modelo keynesiano IS-LM, el modelo Arrow-Debreu,
y los modelos de interacciones sociales y económicas; y en cada uno de ellos
analizaremos algunas estructuras dinámicas pertinentes.

a) El modelo IS-LM

John Maynard Keynes nació en Cambridge (Inglaterra) en 1883. Educado allí


mismo, tuvo una brillante carrera de pregrado en la que fue alumno de Alfred
Marshall. Luego de abandonar Cambridge, sirvió a su país en la India, don­
de escribió su primer libro, Indian Currency and Finance (1913), que es un
trabajo en el que Keynes hace una aplicación práctica de los principios mars-
hallianos sobre el intercambio al mercado indio. A su regreso, en 1909, recibió
la membresía en el King’s College de Cambridge, la cual mantendría hasta su
muerte. De 1911 a 1937 fue profesor de economía allí mismo.
Mientras estuvo en India, Keynes comenzó su Treatise on Probability, que dura­
ría escribiendo desde 1906 hasta 1912. Este fue un tema que siempre lo intrigó,
no solo en sus aplicaciones sino, también, en su teoría; de hecho, Keynes fue
un buen jugador de ruleta. De este libro escribiría el famoso lógico y mate­
mático Bertrand Russel: “...es imposible alabarlo suficientemente...”. También
fue aprobado por Alfred Whitehead, aunque le había criticado severa, pero
constructivamente, su manuscrito. Allí, Keynes estaba a favor del viejo y casi
olvidado concepto de probabilidad inductiva propuesto por Bernoulli y Laplace,
según el cual el propósito de la teoría era juzgar hipótesis y guiar juicios sobre
la base de evidencia. Y aunque el Treatise no es un trabajo profundamente
original, amplió la erudición de Keynes, su potencial lógico y sus “métodos de
asalto” a problemas con herramientas tanto teóricas como prácticas.
Pero el libro que primero lo llevó a la fama fue The Economic Consequences of
the Peace, publicado en 1919, basado en sus experiencias como oficial británico.
Este trabajo levantaría gran polémica debido a su ácida crítica a la causa de
los Aliados en la Primera Guerra Mundial. Pero el hecho de que el mundo
oficial le diera entonces la espalda fue para él motivo de reto y de posibilidad
de emancipación. Sus mayores logros, que vendrían más adelante, fueron su
respuesta.

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

El A Treatise on Money (1930), y su posterior clásico The General Theory of


Employment, Interest, and Money (1936), resumen sus máximas contribuciones
a la esfera del pensamiento económico como doctrina sistemática. En estos
trabajos, y en otros más populares como el How to Pay for the War (1940), se
encuentran ideas que han influido vastamente desde el estudiante más modesto
hasta los grandes teóricos y hacedores de política de gobiernos.

El m odelo IS-LM (H icks (1 9 3 7 )40)

Antes de la publicación, en 1936, de la General Theory of Employment, Interest,


and Money de John Maynard Keynes, los economistas habían desarrollado una
rica y penetrante visión microeconómica del comportamiento de los mercados
y de la asignación de recursos a través de ellos. Pero la visión macroeconómica,
es decir, el estudio de los acontecimientos agregados que afectan a toda la eco­
nomía, como la inflación, las recesiones, el desempleo, etc., tenía un desarrollo
menos elaborado. La economía de entonces no tenía cómo explicar, por ejem­
plo, la Gran Depresión de los años de 1930. Hasta entonces se afirmaba que las
economías tenían una tendencia a largo plazo a retornar al pleno empleo, y se
centraba en el estudio de ese largo plazo. Sus bases eran dos leyes económicas
que podían resumirse así: i) El nivel general de precios es proporcional a la
cantidad de dinero en circulación (teoría cuantitativa del dinero); ii) las tasas
de interés buscan equilibrar el ahorro y la inversión totales.
Por el contrario, en su General Theory, Keynes afirmaba que, en el corto plazo,
las tasas de interés no estaban determinadas por el equilibrio entre ahorro
e inversión en pleno empleo, sino por la preferencia por liquidez, que es el
deseo del público de mantener dinero en efectivo a menos que se le ofrezca
un incentivo suficiente para invertir en activos menos seguros y prácticos; y si
el ahorro deseado era mayor que la inversión deseada, lo que disminuiría no
serían entonces las tasas de interés, sino los niveles de empleo y producción.
Durante los años posteriores a la publicación del General Theory, muchos eco­
nomistas teóricos quedaron fascinados por las implicaciones de aquella visión
sobre el funcionamiento de una economía. Uno de ellos fue el premio Nobel de
1972, John R. Hicks, quien en 1937 escribiera Mr. Keynes and the “Classics”:
A Suggested Interpretation. En este, Hicks buscaba

[...] construir una teoría “clásica” típica, sobre un modelo anterior


más crudo que el del profesor Pigou.41 Si podemos construir tal

40 Hicks, John R. (1937), Mr.Keynes and the “Classics”: A Suggested Interpretation,


Econometrica, vol. 5(2), 147-159.
41 Se refiere al Theory of Employment de Arthur C. Pigou [1877-1959] de 1933. Este
libro, conjuntamente con su Employment and Equilibrium de 1941, resume bien el
pensamiento clásico sobre empleo, ingreso, y otras variables macroeconómicas.
Lección 3: Sistemas dinámicos 325

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:

Como nuestro propósito es la comparación, trataré de especificar


mi teoría clásica típica en una forma similar a la que Mr. Keynes
especifica la suya [...].

Hicks comienza presentando el modelo clásico en la siguiente forma:

i) Se asume que el periodo de estudio es suficientemente corto de tal forma


que la cantidad de equipo físico disponible de todas las clases pueda
considerarse fijo.

ii) Se asume que la mano de obra es homogénea.

iii) Se asume, además, que la depreciación es nula. Así, la producción de los


bienes de inversión corresponde a la inversión nueva.

iv) Si definimos x = producto de los bienes de inversión, y = producto


de los bienes de consumo, N x = número de hombres empleados en la
producción de bienes de inversión, N y = número de hombres empleados
en la producción de bienes de consumo; entonces, se asume que

* = /«(JV,), y =fy(Ny)
donde f x y f y son dos funciones conocidas.

v) Para determinar N x y N y se asume que:

a) El nivel de precios de los bienes de inversión es igual a su costo mar­


ginal que viene dado por w » donde w = salario.

b) El nivel de precios de los bienes de consumo es igual a su costo mar-


• dado
gmal que viene j ; por w \f d N v\y

(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

d) El valor del consumo o, simplemente, el consumo, es wy ( j.


\ dV )
e) El ingreso total es
fd N x \ fd N y \
w x{ - i r ) + w y {-d ¿-)s Y

f) Si conocemos Y e Ix entonces N x y N y estarán determinados también.


1. Las tres ecuaciones fundamentales planteadas por la teoría clásica de
Hicks son:

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,

~ = kY, Ix = C (i), Ix = S ( i,Y )

afirma que el General Theory de Keynes escribiría, en su lugar, las siguientes:

y = L ( i ,Y ), I x = C{i), Ix = S (Y )

y que estas difieren de las ecuaciones clásicas en dos formas:


Lección 3: Sistemas dinámicos 327

i) En lugar de la ecuación cuantitativa, la primera ecuación ^ = L ( i ,Y ),


es una relación entre el ingreso Y y la tasa de interés i. Esto lo dibuja
Hicks, para ^ fijo, como una curva (LM) con pendiente hacia arriba, ya
que, en tal caso, un aumento en el ingreso Y tiende a aumentar la tasa
de interés.

ii) De forma similar, reemplaza la ecuación de comportamiento del ahorro,


de tal forma que ahora éste depende únicamente del ingreso y , y no de
la tasa de interés. Así, las dos ecuaciones Ix = C (i) y I x = 5 (y ) generan
una relación entre Y e la cual Hicks dibuja como una curva (IS) con
pendiente hacia abajo, mostrando la relación (inversa) entre el ingreso y
la tasa de interés, que se requiere para que la inversión coincida con el
ahorro.

En estas circunstancias, el ingreso y la tasa de interés estarían determinados


en el punto P de la intersección de las dos curvas (figura 45), “exactamente
como se determinan precio y producción en la moderna teoría de la demanda y
la oferta. De hecho, la innovación del señor Keynes es cercanamente similar,
en este aspecto, a la innovación de los marginalistas.,\
328 Matemáticas básicas para economistas 3: Optimización y dinámica

La figura 46 muestra lo que, según algunos economistas, es el hecho más im­


portante de la General Theory de Keynes. No solo es posible mostrar que una
oferta monetaria dada determina cierta relación entre ingreso e interés (que es
la curva LM), sino que también puede decirse algo sobre la forma de la curva.
Según Hicks, la curva LM tendería a ser horizontal (i constante) a la izquier­
da, y casi vertical a la derecha (Y constante). Esto porque: (1) habría cierto
mínimo por debajo del cual la tasa de interés no cambia y (aunque Keynes no
hace ningún énfasis en esto), (2) habría un máximo nivel de ingreso que puede
ser financiado con una cantidad de dinero (figura 46).
De esta manera, si la curva IS está bien a la derecha (sea porque hay un fuerte
incentivo a invertir o una alta propensión a consumir) el punto P se hallará en
la parte de la curva que es casi vertical (Y constante), y el modelo clásico sería
todavía una buena aproximación al modelo: un aumento fuerte en la inversión
aumentará la tasa de interés, pero también tendrá efectos en el empleo (figura
47).

Figura 47. P está a la derecha (modelo clásico).

Pero si el punto P se encuentra a la izquierda de la zona donde la curva


LM es vertical, entonces la teoría de Keynes de que un aumento en la curva
de inversión Ix — C (i), aunque aumenta el empleo, no da origen a ningún
aumento en la tasa de interés (figura 48).
Según Hicks, este mínimo de la tasa de interés se aplica no solo a una curva LM
particular sino que debe ser el mismo para todas las curvas de nivel cuando ^
cambia. Si la oferta ^ aumenta, la LM se desplaza a la derecha (figura 49),
pero las partes horizontales son casi las mismas, y esto incomoda a la teoría
clásica: Si P se encuentra a la izquierda, es posible aumentar el empleo con solo
Lección 3: Sistemas dinámicos 329

aumentar la cantidad de dinero; pero si P está a la derecha, esto es imposible;


así, los mecanismos monetarios ya no podrán bajar la tasa de interés.

Figura 49. Dos curvas LM para diferentes ofertas monetarias.

Concluye entonces que, “la General Theory es la economía de la depresión”, y


continúa, para terminar su artículo:

Estas, entonces, son algunas de las cosas que podemos obtener de


nuestro aparato-esqueleto. Pero aún si puede considerársele como
una pequeña extensión del esqueleto similar del señor Keynes, to­
davía parece terriblemente crudo y plano. [...] Más aún, no se han
tenido en cuenta los problemas de la depreciación; como tampoco
los del proceso temporal.
330 Matemáticas básicas para economistas 3: Optimización y dinámica

“La General Theory es un libro útil. Pero no es ni el comienzo ni el final de la


dinámica económica”, finalizaba Hicks.

U n m odelo lineal IS-LM con dinám ica estable


Dentro de las muchas posibles versiones dinámicas del modelo IS-LM, consi­
deremos, inicialmente, la más simple: un modelo IS-LM lineal dinámico. Aquí,
Y = -(l-c )Y -0 R + F
~M (6)
R = k Y - hR + —

donde Y es el ingreso agregado; R es la tasa de interés; F es el gasto autónomo


(o índice de política fiscal); c es la propensión marginal a consumir (0 < c < 1);
P > 0 es la inversión marginal (con respecto a la tasa de interés); M son los
saldos monetarios nominales; P es el nivel de precios; k ,h > 0 representan
las demandas marginales de saldos reales con respecto al ingreso y al tipo de
interés, respectivamente. Asumimos, aquí, que ^ y F son constantes
Las soluciones al sistema (6) son de la forma
Y = F + K n ex,t + K 12 eMt

R = y + K 2i e Xtt + K 22ew

donde Ai, A2 son los valores propios de la matriz


-(1 -c ) -0
A =
k -h
y el punto de equilibrio es
hF + f i J k F -( l- c ) f
m + h { l-c Y pK + h (\-c )'
Resolviendo det(^4 —XI) = 0 se obtiene que
^ _ c - h - 1 ± y/[(l - c) + h]2 - 4[/i(l —c) + pk]
A“ 2
Luego,
i) Si A = [(1 - c) + h]2 - 4[/i(l - c) + pk) > 0 entonces ^ F , ^ es un nodo
asintóticamente estable.
ii) Si A = [(1 —c) -f h]2 —4[/i(l — c) + pk] < 0 entonces ^ es una
espiral estable.
De esta manera, este modelo IS-LM lineal dinámico, es siempre estable alre­
dedor del equilibrio (F , = ) .
Lección 3: Sistemas dinámicos 331

M ultiplicador-acelerador: un m odelo de inspiración keynesiana para


el estudio del ciclo económ ico
A comienzos de los años de 1930, aquellos que estudiaban el comportamiento
del ingreso real agregado (y ) de una economía, no tenían claro por qué esta
variable que tenía un comportamiento irregular (aunque recurrente) no crecía
o decrecía indefinidamente. La idea que subyacía era la de los “ciclos auto-
sostenidos”: cada tiempo de prosperidad económica contenía las semillas de la
siguiente depresión, y esta, a su vez, las semillas de la siguiente prosperidad.
En palabras del propio Keynes (1936):

Por movimiento cíclico queremos decir que, al progresar el sistema,


por ejemplo, en dirección ascendente, las fuerzas que lo empujan
hacia arriba al principio toman impulso y producen efectos acu­
mulativos unas sobre otras, pero pierden gradualmente su potencia
hasta que, en cierto momento, tienden a ser reemplazadas por los
operantes en sentido opuesto; las cuales, a su vez, toman impul­
so por cierto tiempo, y se fortalecen mutuamente hasta que ellas
también, habiendo alcanzado su desarrollo máximo, decaen y de­
jan sitio a sus contrarias. Sin embargo, por movimiento cíclico no
queremos decir simplemente que esas tendencias ascendentes y des­
cendentes no persistan indefinidamente en la misma dirección, una
vez iniciadas, sino que terminan por invertirse. También queremos
expresar que hay cierto grado de regularidad en la secuencia y du­
ración de los movimientos ascendentes y descendentes.

Hasta los tiempos de la General Theory, la llamada “macroeconomía clásica”


afirmaba que la economía tenía una tendencia a largo plazo a regresar al pleno
empleo. Como afirmábamos antes, sus dos pilares fundamentales eran la "teoría
cuantitativa del dinero”, y la teoría del interés.
El modelo del multiplicador-acelerador (Samuelson (1939)42), que está par­
cialmente inspirado en la General Theory de Keynes, es uno de los primeros
aportes a la teoría dinámica del ciclo económico. Consiste en determinar el
ingreso agregado de una economía cuando operan, conjuntamente, un “acelera­
dor” y un “multiplicador” keynesiano. En una versión simple de éste, asumamos
que la economía es cerrada (es decir, los agentes no pueden comprar ni vender
bienes o activos en el exterior), y que no existe gasto público. Formalmente,

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

los artículos seminales de Kaldor (1940),43 Hicks (1950),44 Goodwin (1951),45


Day (1982),46 y Grandmont (1985).47

D os ejem plos de dinám icas “extrañas” en m odelos IS-LM


Dos ejemplos clásicos en los que aparecen complicados ciclos límites y caos
determinísticos para la variable “ingreso real agregado” (es decir, ciclos límites
y caos en el ciclo económico) dentro de una estructura IS-LM, son los de Boldrin
(1983),48 y Day y Shafer (1985).49

a) Boldrin (1983) estudió un sistema IS-LM no lineal en donde muestra la exis­


tencia de ciclos límites para un amplio rango de valores de los parámetros
ol y 0 :

Y = a { /(y , i?, K ) - S (Y , R , K )}
R = 'y { L ( Y ,R ) - L s }
K = I(Y , R, K ) —p K

donde Y es el ingreso real, R es la tasa de interés, K es el stock de capital


agregado, I y S son la inversión y el ahorro, respectivamente, donde > 0,
§h < 0» § f > 0, y H > 0; L es la demanda de dinero donde > 0y
< 0; L s es la oferta monetaria fija; y, finalmente, a y (3 son parámetros
positivos.

b) Por su parte, Day y Shafer (1985) muestran la posibilidad de caos en un


modelo IS-LM donde la inversión depende del ingreso y de la tasa de interés.
El modelo consiste en las ecuaciones consumo-ingreso e inversión-ingreso
siguientes:
C = G{Y,, M ) = C (L(Y, M ), Y )

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

donde M denota la cantidad de dinero, L ( Y t M ) es la función LM que


representa el valor de la tasa de interés i?, y a es un parámetro positivo. El
resto de la notación es como en el modelo de Boldrin (1983).
El modelo lo complementan con un comportamiento dinámico de Y dado
por
Y t+i = G{YU M ) + a H ( Y u M ) + A

donde A es una constante positiva que representa el gasto exógeno. Los


autores utilizan funciones G y H continuas a trozos.

Actualmente, es claro que los comportamientos de dinámicas caóticas no son


raros, al menos teóricamente. Inclusive aparecen en numerosas dinámicas apa­
rentemente simples. Hasta ahora la teoría se ha venido moviendo a partir de
modelos muy cualitativos y abstractos, con predicciones un tanto vagas, que no
conllevan una inmediata implementación econométrica. Al parecer el camino
está abriéndose desde el otro extremo: el trabajo empírico de modelos complejos
mediante simulación computacional controlada, está dirigiendo la construcción
de modelos teóricos. Quizás así podamos entender mejor el comportamiento de
estas variables macroeconómicas.

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

La visión de una “economía en equilibrio” fue establecida por primera vez


por Walras en 1874, al parecer sugerida por su lectura del tratado Élements de
statique (1803) sobre el equilibrio de fuerzas mecánicas de Louis Poinsot [1777-
1859]. Esta era una particular elaboración de la idea simple (aunque todavía
no bien entendida) de que en un sistema económico todo afecta a todo: cada
cambio induce cambios y cada uno de estos, a su vez, induce otros cambios. La
lección económica que, según Walras, debía aprenderse, era que la demanda
de cualquier producto depende de los precios de todos los otros productos
(incluyendo entre los precios, los salarios y los precios de servicio de capital
(rentas)) y que estos, a su vez, dependían del precio del producto, y llamaba
“precios de equilibrio” a los precios que hacían que la demanda igualara a la
oferta en cada mercado.
El modelo de equilibrio general de Walras fue demasiado difícil para los econo­
mistas con poco entrenamiento matemático. Implicaba encontrar los precios de
todas las mercancías como soluciones de un gran número de ecuaciones que es­
tablecen la igualdad oferta-demanda en cada mercado.50 Pero ¿será que todas

50 Y prácticamente a esto se redujo inicialmente el pensamiento original de Walras, por


razones que ya la economía política nos ha permitido entender.
Lección 3: Sistemas dinámicos 335

estas ecuaciones tienen solución? Walras (mostrando algo de ingenuidad ma­


temática) aseguraba que sí, pues su sistema contenía tantas ecuaciones como
incógnitas.

La “tradición alemana” poswalrasiana notaría que el problema era difícil pe­


ro central al desarrollo del problema. El economista alemán Gustav Cassel
(1918)51 fue el primero en sugerir la posibilidad de que las ecuaciones no ne­
cesariamente tenían una solución no negativa. Por aquellos mismos años, Karl
Schlesinger retomó el problema original de Walras, consideró que las dificulta­
des con el modelo radicaba en una (sutil) interpretación equivocada, y creyó
que la demostración de la existencia del equilibrio general estaba al alcance
de la mano. Para ello, contrató a un matemático joven, Abraham Wald, para
trabajar en el problema. Wald (1933, 1936)52 obtuvo una prueba de existencia
bajo ciertas condiciones no fáciles de interpretar y, de hecho, muy fuertes a la
luz de posteriores desarrollos. Wald lograría emigrar de la Alemania nazi a los
Estados Unidos donde su interés se volcó mucho más hacia la estadística mate­
mática. En la Universidad de Columbia (Nueva York) fue uno de los profesores
del posterior premio Nobel en economía del año 1972: Kenneth J. Arrow.
Arrow comenzó a trabajar en el problema parcialmente resuelto de la existen­
cia del equilibrio general sobre el cual lo único que Wald le decía era que se
enfrentaba a un difícil problema. Sin embargo, una ayuda inesperada provino
del teorema de existencia de equilibrios de la teoría de juegos (John F. Nash
(1950)53), mediante el teorema de punto fijo de Brouwer (1912), introducido
a la economía matemática por von Neumann en 1932, que es equivalente al
problema de existencia del equilibrio general (ejercicios complementarios de
la lección 2). Arrow tomó y adaptó las herramientas matemáticas del teore­
ma de Nash y entonces pudo establecer, muy generalmente, condiciones bajo
las cuales las ecuaciones que definen el equilibrio general tenían al menos una
solución.

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

centraban su atención en el problema de la existencia del equilibrio general:


por alguna razón lo daban por garantizado. En lugar de esto, dedicaron sus
páginas a la estática comparativa y a la estabilidad de los equilibrios.

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.

El m odelo Arrow-Debreu (Arrow y Debreu (1954), Debreu (1959))


Arrow y Debreu, respetando la tradición, también recurrieron a la división
característica del individualismo metodológico (consumidores y productores),
y desde allí buscaron desarrollar una estructura amplia y rigurosa que incor­
porase todos los modelos de equilibrio general walrasianos (incluido el de los
Élements) conocidos hasta ese momento, y que también contuviera las co­
rrespondientes relaciones entre equilibrio y optimalidad paretiana. Su esfuerzo
concluyó con el modelo Arrow-Debreu que ahora presentamos.

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.

C om portam iento de los con su m id ores,

En principio, se define un consumidor como un individuo o un grupo de in­


dividuos con propósito de consumo unificado (por ejemplo, una familia), que
puede elegir planes de consumo de las distintas mercancías disponibles. En este
modelo, un plan de consumo es una especificación de las cantidades de bienes
de consumo y de las cantidades de servicios a ofrecer, al comienzo del período
(y para todo el período en que se desarrolla el modelo, y que está previamente
identificado). Las cantidades de bienes de consumo se representan mediante
números positivos (o ceros), y las cantidades de las distintas clases de servicio
a ofrecer se representan mediante números negativos (o ceros), por razones que
adelante se entenderán. Al conjunto de todos los planes de consumo se le deno­
mina su conjunto de consumo. Así, el conjunto de consumo de este consumidor
estará incluido en el espacio de mercancías, R*, del modelo.
338 Matemáticas básicas para economistas 3: Optimización y dinámica

Asumiremos que existe un número m de consumidores. Cada consumidor está


indicado por i = 1 ,... , ra. El í-ésimo consumidor elige un vector, su plan de
consumo Xi, en un subconjunto no vacío de R*, que es su conjunto de consumo
X{. Dado un consumo para cada consumidor, a la suma x = Y1T x i se
llama el consumo agregado (o total); y al conjunto X = Y^T X i se le llama el
conjunto de consumo agregado (o total). Supondremos aquí que para todo i:
a.l) X i es cerrado. Es decir, si existe una sucesión de planes posibles de con­
sumo {x” }, que converge a algún vector x en el espacio de mercancías,
entonces este vector también es un plan de consumo posible.
a.2) X i es convexo. Esto implica, en particular, que las mercancías son divisi­
bles en cualquier número de partes. Esto, por supuesto, obliga a interpre­
taciones muy finas de las mercancías que vamos a considerar.
a.3) X i tiene una cota inferior para <. Es decir, existe un consumo mínimo de
“subsistencia”.
Sobre X i se define un preorden completo =^¿ tal que:
b .l) No existe consumo de saciedad en X i.
b.2) Para todo x\ G los conjuntos {xí 6 | x f{} y {xí 6 X i | Xi
x¿} son cerrados en X{.
b.3) Si x \ y x ¿ son dos puntos de X i, y si t € (0,1), entonces x \ y i x\ implica
tx f + (1 —t)x\ y i x\ (figura 50).

Figura 50. Preferencias modelo Arrow-Debreu.

c) Si Wi es el vector de dotaciones iniciales del i-ésimo consumidor, entonces


existe € X i tal que < < Wi. 58
58 Note que esto implica que ningún agente puede tener dotación inicial nula de alguna
mercancía. Sin embargo, Debreu, en New Concepts and Techniques for Equilibrium
Analysis (International Economic Review (1962)), relajaría esta hipótesis para per­
mitir que esto último pudiera suceder, y que los teoremas centrales de existencia y
bienestar siguieran manteniéndose.
Lección 3: Sistemas dinámicos 339

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).

C om portam iento de los productores

Por su parte, un productor es, de acuerdo a Debreu (1959), una abstracción,


tanto sobre las formas legales de organización (corporación, propietario inde­
pendiente, etc.), como sobre los tipos de actividad (agricultura, manufactura,
construcción, servicios, etc.). Cada productor debe elegir un plan de produc­
ción, es decir, una especificación de las cantidades de insumos necesarias para
producir unas determinadas cantidades de productos, para el período en el que
se desarrolla la actividad económica. Los insumos se representarán mediante
números negativos (o ceros), y los productos mediante números positivos (o
ceros). Al conjunto de todos los planes de producción se le denomina conjunto
de producción. Se asume que en la economía existe un número entero positivo
n de estos productores, y, así, cada productor estará indicado por j = 1 , . . . , n.
El j-ésimo productor tiene como función económica elegir un vector, su plan
de producción y j, en un subconjunto no vacío del espacio de mercancías R l: su
conjunto de producción Yj.

Dada una producción yj G Y j para cada productor, el vector y = YJj Vj se


llama la producción agregada (o total); el conjunto Y = ^ 2 j Y j se llama el
conjunto agregado (o total) de producción. Supondremos aquí que, para todo
.7'v

d.l) 0 G Y j (posibilidad de no acción). Es decir, existe la posibilidad de no


operar en el sistema productivo.

d.2) Y es cerrado. Es decir, si {yn } es una sucesión de posibles planes agregados


de producción que converge a un vector y en el espacio de mercancías,
entonces también y es un posible plan de producción.

d.3) Y es convexo. Esto implica (lección 1) que el productor no tiene rendi­


mientos crecientes a escala (figura 51). Esta es, quizá, una de las mayores
limitaciones del modelo Arrow-Debreu.

d.4) Y fl (—Y ) = {0} (irreversibilidad). Es decir, los procesos agregados de


producción no son reversibles.59

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

Figura 51. Conjuntos de producción Arrow-Debreu

d.5) —R l+ C y , donde R+ = {x € R l \ x > 0} (libre disponibilidad de insu-


mos). Es decir, siempre es posible utilizar insumos y no producir ningún
producto.

Aunque ya Koopmans (1951) se había anticipado en la formulación axiomá­


tica60 de la versión lineal del modelo walrasiano (“Análisis de actividades”),
fueron estas (las de Arrow y Debreu) las condiciones más generales y más cla­
ras conocidas hasta entonces para que el sistema walrasiano tuviera un equili­
brio. Posteriormente, el mismo Debreu y otros debilitarían un tanto más estas
hipótesis, aunque sin perder nunca de vista las que aún hoy utilizamos como
“condiciones mínimas” para que el mercado walrasiano “pueda funcionar”.

El concepto de econom ía y equilibrio w alrasiano


Al comienzo del período existen unas dotaciones de mercancías agregadas,
dadas de manera exógena. Podemos caracterizar en este momento lo que con­
sideramos una economía. Esta se define por los conjuntos de consumo comple­
tam ente preordenados por una relación de preferencia, los conjuntos de pro­
ducción individuales y las dotaciones iniciales agregadas. Por su parte, en una
economía de propiedad privada los consumidores son los dueños de las firmas,
es decir poseen una participación en los beneficios de las mismas así como todas
las dotaciones iniciales. Luego, una economía de propiedad privada se define
por los conjuntos de consumo completamente preordenados por una relación
de preferencia, los conjuntos de producción individuales, las participaciones de
los consumidores en los beneficios de los productores y las dotaciones iniciales

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.

D efinición 25. (Econom ía A rrow-D ebreu)


Una economía Arrow-Debreu está definida por tres categorías:

i) Para cada consumidor i — 1 ,... ,ra, un subconjunto no vacío de R l


completamente preordenado por

ii) Para cada productor j = 1 ,... , n, un subconjunto no vacío Yj de R l.

iii) Para cada consumidor i = 1 ,2 ... ,ra, las dotaciones iniciales € R l.

Así, una economía Arrow-Debreu es una tupia de la forma

<B=((Xi,4 i) A Y j )Aw i))

D efinición 26. (Econom ía A rrow-D ebreu de propiedad privada)


Una economía Arrow-Debreu de propiedad privada es una economía de la forma

(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.

Definición 27. (Equilibrio walrasiano)


Un equilibrio walrasiano de la economía Arrow-Debreu de propiedad privada
£, es una (m 4- n + l)-tupla ((xj), (yj),p*) de puntos de R l tal que:

i) x* es un mayor elemento de {x¿ G X{ \ p*X{ < p*Wi 4- Para


=^i, para todo i;

ii) maximiza el beneficio relativo a p* sobre Y}, para todo j ,

iii) x* — y* = w (equilibrio de mercado).

El siguiente es uno de los principales aportes realizados por la economía ma­


temática en los años de 1950, y la clave en su demostración es, de nuevo, el
teorema de punto fijo de Kakutani:
61 Debreu, G. The Theory of Valué... óp. cit.
342 Matemáticas básicas para economistas 3: Optimización y dinámica

T eorem a 18. (E x iste n c ia del equilibrio w alrasiano)


La economía de propiedad privada (B = ((A¿, =^¿), (Yj), (iy¿), (0{j)) tiene un equi­
librio walrasiano si para todo i,

a) X i es cerrado, convexo y tiene una cota inferior para <.

b.l) No existe consumo de saciedad en X{.

b.2) Para todo x\ G X{, los conjuntos {x¿ | X{ y {xi € X i |


x[} son cerrados en X i.

b.3) Si x \ y x2 son dos puntos de X i, y si t € (0,1), entonces x2 y i x\ implica


tx \ + (1 - t)x\ >-i

c) Si Wi es el vector de dotaciones iniciales del i-ésimo consumidor, entonces


existe G X i tal que x^ « W i .

Además, para todo j,

d .l) 0 G Yj

d.2) Y es cerrado

d.3) Y es convexo

d.4) Y n ( - Y ) = {0}

d.5) Y D ( —R l+), donde R l+ = {x G R z | x > 0 }.

D em o stració n .
Ver Debreu (1959).62 ■

Este teorema fue un resultado tremendamente importante para la teoría econó­


mica, pues mostraba condiciones matemáticas precisas bajo las cuales podría
existir solución al problema original de Walras. Que a pesar de ser una econo­
mía estática, se entendiera que existían unos precios y unas asignaciones de tal
forma que los consumidores y los productores podían coordinar sus actividades
económicas de manera descentralizada, era un logro mayúsculo. Era, quizás,
comenzar a entender por qué los mercados reales en verdad podrían funcionar,
y que los precios que lo lograban, de hecho, existían. Sin embargo, mostrar que
este equilibrio Arrow-Debreu también gozaba de las ya previstas propiedades
paretianas de bienestar, era, obviamente, el siguiente paso.

62 Ibíd.
Lección 3: Sistemas dinámicos 343

D efinición 28. (Ó ptim o de Pareto)

i) En una economía Arrow-Debreu, dados dos equilibrios de mercado ((ajj), (yj))


Y ((x i)> (Vj)) (definición 27), diremos que el segundo es al menos tan
deseado como el primero, y se escribe ((x¿), (yj)) •< ((x i)AVj))^ P31*3,
todo ¿, se tiene que X{ ■<x {.

ii) Un equilibrio de mercado ((x¿), (yj)) de una economía Arrow-Debreu es


un óptimo de Pareto si para todo otro equilibrio de mercado ((x¿), (y¿))
que satisfaga ((x¿), (?/j)) < ((z¿),(2/j)) no podrá darse que X{ -< x\ para
algún i.

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.

Teorema 19. (P rim e r teorem a de la econom ía del bien estar)


En una economía Arrow-Debreu, todo equilibrio walrasiano es un óptimo de
Pareto.

Y aplicando el teorema de separación de Minkowski (teorema 11, lección 3),


Debreu también demuestra que:

Teorema 20. (Segundo teorem a de la econom ía del bien estar)


En una economía Arrow-Debreu, dado un óptimo de Pareto ((xj), (y¿)) donde
algún x ? no es un consumo de saciedad, existe un sistema de precios p no todos
nulos tales que: i) x \ m inim izap-X i sobre el conjunto G X í / xí y x*} para
todo i; ii) y*- maximiza el beneficio p • yj sobre Yj, para todo j.

Ejemplos que ilustran los dos teoremas del bienestar económico, ya han sido
presentados en el “contexto económico” de la anterior lección 2.

El problem a de la unicidad del equilibrio walrasiano


En Theory of Valué, Debreu solo se refiere a los problemas de unicidad y
estabilidad en una nota marginal. Pero en 1970, en Economies with a Finite
Set of Equilibria, ya mostraba que la multiplicidad de equilibrios en economías
walrasianas, no son un caso atípico, pero que, en caso de multiplicidades, cada
equilibrio es localmente único, siempre que se dieran ciertas condiciones de
diferenciabilidad sobre las funciones de exceso de demanda. Más aun: este
comportamiento es cierto en “casi todas” las economías, donde el término “casi
todas” tiene un significado matemático preciso (artículo de Debreu (1976),
344 Matemáticas básicas para economistas 3: Optimización y dinámica

The Application to Economics of Differential Topology and Global Analysis:


Regular DifFerentiable Economies, American Economic Review).
Introducimos ahora el concepto más importante en el estudio de la unicidad
del equilibrio walrasiano en una economía Arrow-Debreu de intercambio puro.

D efinición 29. (Su stitu ción bruta entre m ercancías)


Una mercancía i es sustituía bruta de una mercancía j al vector de precios p
si pi = p\ para todo i ± j , y pj < p' implica entonces que z¿(p) < Zi(p') para
i j, donde p = ( p i,. . . ,p/) y p' = (p'1}. . . ,p¡), y z¿(-) es la función de exceso
de demanda del consumidor i.

Es decir, la mercancía i se dice sustituta bruta de la mercancía j al vector de


precios p, si al disminuir (aumentar) el precio de la mercancía j , disminuye
(aumenta) el exceso de demanda de la mercancía i. Si tuviéramos diferencia-
bilidad en las funciones de exceso de demanda, esto entonces significaría que,
para i ^ j ,

El siguiente teorema da condiciones suficientes para la unicidad del equilibrio


walrasiano en una economía de intercambio puro, excepto una multiplicación
escalar (ya que p* es un equilibrio walrasiano si, y sólo si, tp* es un equilibrio
walrasiano, para todo t > 0).

Teorem a 21. (U n icid a d del equilibrio w alrasian o)


En una economía Arrow-Debreu de intercambio puro, si las funciones de exceso
de demanda agregada son homogéneas de grado cero en los precios y satisfacen
la sustitución bruta de las mercancías, entonces el vector de precios de equilibrio
p* es único salvo por una multiplicación escalar.

D em ostración.
Ver Debreu (1970). ■

E jem plo 68. (E conom ía con infinitos equilibrios)


Aunque lo usual en los libros de texto es encontrar ejemplos de economías de
intercambio con un solo equilibrio (“contexto económico”, lección 2), ejemplos
con infinitos equilibrios abundan. De hecho, como lo mostrara Herbert Scarf
(1960)63 en su famoso contraejemplo, esto ocurre muy comúnmente en el caso
de sustitución no bruta entre mercancías. Por ejemplo, si la economía es

U a (x a , Va ) = minian, y A}, wA = (1,0)


63 Scarf, H. (1960), Some Examples of Global Instability of the Competitive Equilibrium,
International Economic Review, vol. 1.
Lección 3: Sistemas dinámicos 345

Ub( xb, Vb) = m m { x B, y B}, w A = (0, 1)

sus equilibrios walrasianos son, todos, de la forma

P 1
Px = p > 0; Py - 1; xa = Y + p = XB = 1 + p = Vb

como el lector puede comprobar. ▲

Aun así, Dierker (1972)64 y Mas-Colell(1975)65 mostraron, utilizando el teore­


ma de punto fijo de Brouwer, que inclusive bajo ciertas hipótesis de diferen-
ciabilidad sobre las funciones demanda de los individuos (que en los ejemplos
más ilustrativos se cumplen), podría contarse el número de equilibrios de una
economía Arrow-Debreu de intercambio puro. Allí, definieron el llamado índi­
ce de un equilibrio, como el signo del determinante del negativo de la matriz
jacobiana de la función exceso de demanda evaluada en equilibrio, a la que se
le ha quitado la primera fila y la primera columna. Y luego prueban que la
sumatoria de los índices de todos los equilibrios es siempre + 1 ; que (cuando es
finito) el número de equilibrios de estas economías es siempre impar, y que un
equilibrio es único si, y solo si, el índice es + 1 en cada equilibrio potencial.
Posteriormente, Mas-Colell (1985)66 y Kehoe (1985)67 extendieron estos resul­
tados a economías Arrow-Debreu con producción, obteniendo, prácticamente,
los mismos resultados “genéricos” de Debreu (1970). En el artículo de 1985,
Kehoe construye, sin embargo, una economía Arrow-Debreu (con producción)
que tiene tres equilibrios. Este ejemplo muestra una economía con “buenas” ca­
racterísticas en la que, no obstante, surge la multiplicidad de equilibrios debido
a la inclusión de funciones de producción lineales en el sector productivo.

Ejemplo 69. (Econom ía de producción con tres equilibrios)


Kehoe (1985) estudia la economía con 4 mercancías, 4 consumidores y 4 produc­
tores, en la que los consumidores tienen funciones de utilidad para i = 1 , 2 ,3,4,
de la forma
4

Ui = 5 > j l o g x)
j =1

donde las constantes 7 ] están dadas por los coeficientes de la matriz

64 Dierker, E. (1972), Two Remarks on the Number of Equilibria of an Economy,


Econometrica, vol. 40(5), 951-53
65 Mas-Collel, A. (1975), On the Equilibrium Price Set of an Exchange Economy,
Journal of Mathematical Economics.
66 Mas-Colell, A. (1985), The Theory of General Economic Equilibrium: A Differentiable
Approach. Cambridge University Press.
67 Kehoe, T. J. (1985), Multiplicity of Equilibria and Comparative Statics, Quarterly
Journal of Economics, vol. 100(1), 119-147.
346 Matemáticas básicas para economistas 3: Optimización y dinámica

0.52 0.860.5 0.06 '


0.4 0.10.2 0.25
0.04 0.02 0.2975 0.0025
0.04 0.02 0.0025 0.6875
y las dotaciones iniciales Wj están dadas por los coeficientes bji de la matriz

"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:

P = (0.15942, 0.25, 0.03865, 0.55193)

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?

El problem a de estabilidad del equilibrio walrasiano: el t â t o n n e m e n t


de Walras
Es claro que el hecho de que una economía competitiva tenga un equilibrio
walrasiano no lo hace estable automáticamente. Y esto último, cualquiera que
haya sido la razón, ha sido visto como condición necesaria para que una econo­
mía competitiva pueda ser una buena herramienta para el análisis económico.
Y aunque, como afirmábamos en el “contexto económico” de la lección 2, para
Walras el equilibrio era alcanzado empíricamente mediante el mecanismo de
la competencia, es decir, del tâtonnement; este problema solo comenzó a ser
estudiado sistemáticamente y, con todo rigor, en 1958, por los premios Nobel,
Arrow y Hurwicz, en su “On thè Stability of thè Competitive Equilibrium”
(Econometrica); y en 1959 por Arrow, Block y Hurwicz en “On the Stability of
thè Competitive Equilibrium II” ( Econometrica). Allí prueban que el proceso
tâtonnement solo es estable bajo ciertas restricciones, tales como la sustitución
bruta (gross substitutability), y, como dijimos antes, Herbert Scarf (I960)68 ha­
bía mostrado que existen casos en los que el equilibrio walrasiano no es estable
globalmente, precisamente cuando esta condición falla.
Esto llevó a pensar, en aquel tiempo, que quizá hubiera otro camino al equilibrio
distinto al, en ocasiones, inestable tâtonnement. De allí surgieron los conocidos
“procesos de ajuste no-tâtonnement”69 estudiados por Uzawa (1962),70 Hahn
(1962),71 Hahn y Negishi (1962),72 entre otros, y que, en general, mostraron
mejor estabilidad que el mismo proceso tâtonnement.
Definición 30. (D efinición de t â t o n n e m e n t )
La regla de ajuste de precios

= Zi(p(t)), para i = 1,... ,Z (*)

68 Scarf, H. Óp. cit.


69 Estos son procesos tâtonnement en los que es posible, en cada etapa, la re contrata-
7n ción.
Uzawa, H. (1962), On the Stability of Edgeworth's Barter Process, International
Economie Review, vol. 3, 218-32.
71 Hahn, F. H. (1962), On the Stability of Pure Exchange Equilibrium, International
Economie Review, vol. 3, 206-213.
72 Hahn, F. H. y T. Negishi (1962), A Theorem on Non-Tâtonnement Stability, Econo­
metrica, vol. 30(3), 463-469.
348 Matemáticas básicas para economistas 3: Optimización y dinámica

es el tâtonnement (tanteo) lineal de una economía Arrow-Debreu de intercam­


bio puro de l mercancías. Aquí las funciones de exceso de demanda Zi(-) están
definidas sobre el interior de R l+, donde se suponen continuamente diferencia-
bles; y p(t) = (pi(£)>. • • ,P /(0) es el vector de precios en el tiempo t.
Esta regla de ajuste de los precios asume que la economía es, en lo demás,
estacionaria; es decir, que los conjuntos de consumo, las preferencias de los
consumidores, los conjuntos de producción y las dotaciones iniciales no varían.
La regla de ajuste expresa en una forma dinámica la famosa “ley de la oferta y
la d e m a n d a en cada instante del tiempo, se incrementará el precio de aquellas
mercancías para las cuales exista un exceso de demanda, y se reducirá el precio
en las cuales se observe un exceso de oferta. Como se mostrará en seguida, esta
regla, por sí misma, no garantiza que, a partir de un vector de precios inicial,
la economía tienda, a través del tiempo, al equilibrio. Se requieren condiciones
adicionales muy fuertes sobre las funciones de exceso de demanda de cada
mercancía.

Teorema 22. (T eorem a A rrow -B lock-H u rw icz (1959))™


Sea p* un vector de precios de equilibrio. Si las funciones de exceso de demanda
agregada satisfacen la ley de Walras, la homogeneidad de grado cero en los
precios y la sustitución bruta, entonces p* es globalmente estable.74
D em ostración.
Derivando, con respecto a í, la función D (t) = ^2j(Pj(t) —Pj)2, obtenemos que
para p ^ p*,

D (t) = 2 J 2 p A p í - p ') = ~ P *)(zi(P)) = - 2 Y ^ P j zj(P) < 0


i j j

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.

E jem plo 70. (U n ejem plo sim p le de tâ to n n e m e n t)


Consideremos una economía de intercambio puro

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)

Aquí, las funciones de exceso de demanda son


2« ^
* x ( P x , P y ) = X A ( P x , P y ) + X B ( p x , P y ) ~ (™x + w x ) = ~ ~ 5
Px ¿

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

El único equilibrio walrasiano de esta economía competitiva es (tomando como


numerario p * = 1):

* 4 * 5 * 5 * 7 * 7
Px Py “ XA — Va ~~ 3 ’ — ^5 yB — 3

La dinámica tâtonnement de este ejemplo la podemos escribir, con — = p,


así: Pÿ
^ ^
dt p 2 V'
cuyo equilibrio es p* = | , que es asintóticamente estable, pues la derivada de
(*) con respecto a p es menor que cero en p* = | . Pero también podríamos
haber utilizado el teorema 22 anterior, al darnos cuenta que las funciones de
exceso de demanda son homogéneas de grado cero, satisfacen la ley de Walras
y, además, cumplen con la condición de sustitución bruta entre las mercancías,
pues
^ > 0 y ^ > 0 A
Py Px

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

Equilibrio walrasiano y el núcleo de una econom ía

El modelo de equilibrio general Arrow-Debreu está basado en la hipótesis de


que los precios son “dictados por el subastador” y tomados paramétricamente
por todos los agentes económicos. Es evidentemente claro que esta hipótesis
es poco plausible para una economía con pocos agentes (pues alguno de ellos
podría tener influencia en los precios).
Francis Edgeworth, en su texto clásico, Mathematical Psychics de 1881, intro­
dujo la curva de contrato (posteriormente conocida como el núcleo) en econo­
mías de dos mercancías y dos tipos de agentes. Allí estudió lo que sucedía con
la curva de contrato cuando el número de agentes de cada tipo crece. Edge­
worth encontró que la curva de contrato “se contrae” hacia los estados de la
competencia perfecta, cuando el número de agentes aumenta.76 Pero este re­
sultado recibió poca atención durante más de 80 años, quizá debido a la forma
confusa en que Edgeworth presentó sus ideas.
En 1963, Debreu y Herbert Scarf publicaron A limit Theorem on the Core of
an Economy, una lúcida, elegante y breve demostración de las ideas de Ed­
geworth. Pero, nuevamente, el punto decisivo lo dio la teoría de juegos. Desde
la aparición del clásico Theory of Games and Economic Behavior de John von
Neumann y Oskar Morgenstern en 1944, el análisis de juegos coaliciónales77
venía desarrollándose rápidamente. En 1953, L.S. Shapley y D.B. Gillies esta­
blecieron un concepto-solución para estos juegos que dieron en llamar el núcleo
(core)7S. En 1959, M artin Shubik encontró la conexión entre la curva de contra­
to de Edgeworth y el núcleo de un juego cooperativo, y Herbert Scarf, inspirado
en esto, presentó en 1962 un notable análisis de la relación núcleo-equilibrio
walrasiano en economías de intercambio para un número contable de agentes
de cada tipo. Debreu y Scarf dieron en 1963 una prueba mucho más simple
de este teorema de equivalencia entre el núcleo y los equilibrios walrasianos a
medida que el número de agentes de cada tipo, crece.
Fue precisamente aquí que Robert Aumann (1964)79 observó la posibilidad de
generalizar el modelo con un número contable de agentes a uno con un continuo
de agentes que es, desde el punto de vista económico, la representación ma­
temática más adecuada de una economía perfectamente competitiva. Aumann
probó el teorema de equivalencia entre el núcleo y los equilibrios walrasianos
cuando la economía tiene un continuo de agentes. Hoy, los trabajos de Debreu,
Scarf y Aumann han desembocado en una enorme actividad de investigación,

76 “Contratos con competencia perfecta están perfectamente determinados”, decía


Edgeworth.
77 También llamados “cooperativos” (Monsalve y Arévalo (2005)).
78 Algunos también lo acostumbran a llamar el “corazón” de la economía.
79 Aumann, R. J. (1964), Markets with a Continuum of Traders, Econometrica, vol. 32.
Lección 3: Sistemas dinámicos 351

particularmente en la teoría de juegos de mercado (Hart (1988))80.


Buscando ejemplificar las ideas esenciales sobre la relación núcleo-equilibrio
competitivo en una economía, aquí caracterizaremos únicamente el núcleo de
economías de intercambio puro con dos agentes. El lector interesado en ampliar
estos conceptos puede consultar la bibliografía citada.

D efinición 31. (N úcleo de u n a eco n o m ía de in te rc a m b io p u ro )


El núcleo de una economía de intercambio puro de dos agentes, es el conjunto
de todas las asignaciones Pareto-óptimas, x, tales que para todo consumidor i,

Ui(x) > Uí (wí)

donde es la función de utilidad del consumidor i , y su dotación inicial.

E jem plo 71.


Para la economía de intercambio puro

Ui(x\ ,x ¿) = x}x?, i = A ,B

con dotaciones iniciales wa = (4,1) y w b = (1,4), se tiene, igualando las tasas


marginales de sustitución, que el conjunto de asignaciones Pareto-óptimas es

{ \(x A i xA)i (x Bi x b )\ / XA = xAi XA + XB ~ 5, Xa + XB = 5 }

El núcleo de esta economía lo encontramos en el conjunto de asignaciones


Pareto-óptimas [(x a i x a ) i (xb>x b)1 ta ^es Que

Ua (x a >x a ) > V a {4,1), Ub (x b , x b ) >

Por tanto, el núcleo está dado por las asignaciones [{x a^x \ ) A x 1b^x 2b )\ ^a^es
que

XA = XA> XA + XB = xa + x%= xa x \ ^ 4, x lB x% > 4

Es decir, es el conjunto

{[( x A i x a ) A x b , x b ) \ / x a = xa , XA + XB = 5, x \ + x% = b, 2 < x \ < s } k

Es notable observar que, además, todo equilibrio walrasiano, x, está en el núcleo


de la economía, pues, si no fuera así, entonces Ui(x) < Uí (w í) para algún i ,
y esto sería una contradicción pues, en equilibrio, ningún agente puede recibir
menos utilidad que la que originalmente le da la dotación inicial de mercancías.
80 Hart, S. y A. Neyman (1988), Values of Non-Atomic Vector Measure Games, Journal
of Mathematical Economics, vol. 17(1), 31-40.
352 Matemáticas básicas para economistas 3: Optimización y dinámica

Esto se ilustra en el ejemplo 71 anterior, ya que el único equilibrio walrasiano


es
[ ( * i,X2
A), (*¿, 4 ) ] = [(2.5,2.5), (2.5,2.5)] p = (1,1)

que, claramente, está en el núcleo de la economía.


De otro lado, para comprender el resultado central de esta sección, requerimos
del concepto de r-réplica de una economía de intercambio. Esta consta de r
“copias” de cada uno de los consumidores originales (es decir, con las mismas
funciones de utilidad y las mismas dotaciones iniciales). Obviamente, a cada
una de estas economías se le puede calcular su respectivo núcleo.

Teorem a 23. (C on tra cció n del núcleo)


Si las funciones de utilidad de una economía de intercambio puro con dos agen­
tes son estrictamente convexas y monótonas crecientes (estrictas) en cada uno
de sus argumentos, entonces, si el equilibrio walrasiano es único, este es el
límite, cuando r —>oo, de los respectivos núcleos de las r-réplicas de la econo­
mía.

D em ostración.
Ver Debreu y Scarf (1963).81 ■

Este extraordinario resultado señala, entonces, la importancia, en economías de


muchos agentes, de las asignaciones de equilibrio walrasiano: podemos llegar
a él, bien mediante el mecanismo de precios, mercancías sustitutas brutas y
tâtonnement, o bien mediante negociaciones con asignaciones en el núcleo. Son
dos mecanismos diferentes con un mismo resultado. Además, es extraordinario
observar que este teorema también nos muestra que una institución, como el
mercado (precios), es un resultado de negociaciones.

81 Debreu, G. y Scarf, H. (1963), A Lim