Matemticas Avanzadas para la Economa

Manuel Snchez Snchez (UNED)

Curso 2013/2014

Optimizacin con restricciones de desigualdad:

Condiciones de Kuhn-Tucker
Hasta ahora, hemos estudiado como maximizar o minimizar una funcin sujeta a restricciones
en forma de ecuaciones de igualdad. En esta seccin, nos ocuparemos de problemas de
programacin no lineal, con restricciones en forma de desigualdad.
Los programas con restricciones de desigualdad, tienen una historia mucho ms reciente que
los programas analizados anteriormente. Las caractersticas y mtodos de resolucin de estos,
se empiezan a dar a conocer en los aos cincuenta de este siglo, mientras que los programas
con restricciones de igualdad o sin restricciones conforman la optimizacin clsica, y han sido
utilizados desde el siglo XVIII.

Los mtodos tericos de resolucin de los programas no lineales, con restricciones de

desigualdad, son conocidos a partir de los trabajos de los matemticos norteamericanos Kuhn
y Tucker, publicados en 1951.

Este tipo de programas representan con ms fidelidad, las circunstancias en las que se
desenvuelve la actividad econmica, ya que normalmente se dispone de cantidades limitadas
de recursos - ms de una vez habremos ledo que la economa es la ciencia de la escasez pero sin la obligacin de emplearlas en su totalidad, si ello no resulta necesario.
As, este nuevo tipo de programas, nos posibilita obtener soluciones ptimas que no saturen1
necesariamente todas las restricciones, pudiendo quedar recursos que no sea necesario utilizar
hasta su agotamiento.
Consideremos el problema sencillo de programacin no lineal:

Un punto factible ( , ) satura o activa la restriccin ( , )

caso contrario

( , )<

cuando se verifique que ( , ) = . En

diremos que ( , ) no satura la restriccin.

( , )

Pgina

max ( , )

Cursso 2013/201
14

Matemticas Avan
nzadas parra la Econooma
Manuell Snchez Snchez
S
(U
UNED)

Lo prim
mero que haremos es escribir unn procedimiiento, que nos
n permitaa obtener to
odos los
puntos ( , ) quue pudieran
n resolver el probleema. Este procedimieento establlece las
ker, que son condicionnes necesarrias para
denominnadas conddiciones neccesarias de Kuhn-Tuck
que un ppunto - que cumple la hiptesis d
de cualifica
acin de lass restriccioones2 - sea ptimo.

( , ) sujeta a ( , )

Regla ppara resolveer

1. A
Asociar unn multiplicaador constaante de Lag
grange

, a la restricccin

( , )

ddefinir la fuuncin lagraangiana:

( , )= ( , )+ ( ( , ) )
2. IIgualar a ceero las deriv
vadas parciaales de

( , ):

( , )=

, )+

, )=0

( , )=

, )+

, )=0

3. IIntroducir la condicin
n de holgurra complem
mentaria:
0,

=0

( , )<

4. E
Exigir que ( , ) satisffaga la restrriccin:
( , )
( , ) que, junnto con loss valores asociados
Hallar ttodos los puntos
p
a
dde

, satisffacen las

condicioones (2), (3), y (4).

Advirttase, que loss pasos 1 y 2 son exacctamente loss que se usaaron en el m

mtodo lagrrangiano
de la seeccin anteerior. Como
o la condiccin 4 se tiiene que saatisfacer obbviamente, la nica
novedadd es la conddicin 3.

Condicin 3
Esta conndicin dicee que
As si

debe ser no po sitivo y, adems que

si ( , ) < .

< 0, se debbe tener ( , ) = .

Ver N
Nota p.s.

Pgina

Una forrmulacin alternativa de

d esta condiicin es quee:

Matemticas Avanzadas para la Economa

Manuel Snchez Snchez (UNED)
0,

Ntese que es posible que sean

Decimos que

Curso 2013/2014

( , )

=0y ( , )=

0y ( , )

=0

a la vez en (3).

son desigualdades complementarias en el sentido de que

a lo ms se puede "dar holgura" a una, esto es, a lo ms una es estricta. Equivalentemente, al

menos una debe ser una igualdad.

Las ecuaciones (2) y (3) se conocen como las condiciones de Kuhn-Tucker. Ntese que ellas
son, esencialmente, condiciones necesarias para la solucin del problema (1).
Nota
Hiptesis de Cualificacin de las restricciones
Las condiciones de Kuhn-Tucker son necesarias solamente si se satisface una
disposicin especfica llamada hiptesis de cualificacin de la restriccin
(h.c.r.), que impone una cierta condicin sobre las funciones de restriccin,
con el propsito de descartar ciertas irregularidades en la frontera del conjunto
factible, que invalidaran la condiciones de Kuhn-Tucker como necesarias,
dndose la posibilidad de la existencia de puntos que siendo ptimos del
problema, no verifiquen dichas condiciones.

Esta disposicin h.c.r. es en general difcil de comprobar, por ello en la

prctica, se exige el cumplimiento de la condicin de regularidad, que es
una condicin suficiente para que se verifique la h.c.r.

Condicin de Regularidad de un Punto

Un punto ( , ) es regular si no satura ninguna de las restricciones, o bien, en
el caso de saturar alguna de ellas, los gradientes de las restricciones saturadas

las

condiciones de Kuhn-Tucker sern condiciones necesarias, que deber

cumplir cualquier posible ptimo del conjunto factible.

Pgina

Supondremos que se verifica la denominada h.c.r, de modo que

en dicho punto son vectores linealmente independientes.

Matemticas Avanzadas para la Economa

Manuel Snchez Snchez (UNED)

Curso 2013/2014

Ejemplo
Resolver el problema:
max ( , ) = x + y + y 1 sujeta a

( , ) =x + y 1

Solucin
La funcin lagrangiana es:
( , ) = x + y + y 1 + (x + y 1)

(i)

Las condiciones de primer orden son:

( , )=2 +2

( , )=2 +1+2

=0

(ii)
=0

(iii)

La condicin de holgura complementaria es:

0,

=0

x +y <1

(iv)

Queremos hallar todos los pares ( , ) que verifican estas condiciones para un valor adecuado
de .
Consideramos primero la condicin (ii), que es 2 (1 + ) = 0.

Hay dos posibilidades:

= 0.

= 1 entonces (iii) da 1 = 0, que es una contradiccin. Por tanto,

Supongamos que x + y = 1 y as

condiciones (ii) a (iv).

= 0.

= .

Entonces (iii) implica que

Por tanto, (0,1) con

= 1 ya que segn acabamos de ver

= 3/2 y as se verifica (iv).

= 3/2, es un candidato a ptimo porque se satisfacen todas las

Tomemos primero

= 0.

Pgina

Si

= 1 o

Matemticas Avanzadas para la Economa

Manuel Snchez Snchez (UNED)

Curso 2013/2014

= .

Tomemos ahora

La condicin (iii) da

= 1/2 y se verifica tambin (iv).

Por tanto, (0,1) con

= 1/2 es otro candidato a ptimo.

Finalmente consideremos el caso en que

Esto es: 1 <

= 0 y x + y < 1.

< 1.

Entonces (iv) implica que

= 0 y (iii) da

= 1/2. Por tanto, (0, -1/2) con

= 0 es un

candidato a ptimo.

La conclusin es entonces que hay tres candidatos a ptimo. Ahora bien:

(0,1) = 1

(0, 1) = 1

(0, 1/2) = 5/4

Si sustituimos dichos puntos en la funcin objetivo, deducimos que en el punto

(v)
=0 e

= 1 se encuentra un mximo local del problema, mientras que en el punto (0, 1/2) hay
un mnimo local.

Mtodo de Resolucin del Problema General

Un problema de programacin no lineal general es el siguiente:

max ( , ,

( ,, )
..
( ,, )

Ahora ya es muy fcil dar una regla para resolver el problema general (1) de programacin no

Pgina

lineal. Damos la regla en el siguiente recuadro

Matemticas Avan
nzadas parra la Econooma
Manuell Snchez Snchez
S
(U
UNED)

Cursso 2013/201
14

para resolver el probleema generaal de progrramacin no lineal

Regla p
max ( )
ddonde

= ( ,,

( )

,,

).
( )= ( )+

Escribir la funcin
f
lagrrangiana:
1. E
dondde

( = 1, ,

( )

son multiplicadores dde Lagrange asociadas con las

rrestriccionees.

2. IIgualar a ceero todas lass derivadas parciales dee primer ord

den de ( )):

( )

( )

( )

=0

( = 1, , )

3. IImponer lass condicionees de holguura complem

mentaria:
0,

=0

( )<

4. E
Exigir que x satisfaga las
l restricciiones:
( )

( = 1, ,

Hallar ttodos los x, y los valorees asociadoos de

,,

que satiisfagan todaas esas cond

diciones.

Estos soon los canddidatos a ptimo, y, si eel problemaa tiene solu

ucin, al meenos uno dee ellos lo
resuelvee.

= ( ,,

El conjjunto de vectores
v

) que verrifican todaas las resttricciones se

s llama

conjuntto admisiblle, o ms freecuentemennte, el conju

unto factiblle.

igualdadd

( ,,

( ,,
)=

see puede esccribir como ( , ,

ess equivalentte a las dos desigualdad

des

( , ,

). Tamb
bin una
) , y una
)

desiguaaldad como

) es eqquivalente a maximizar ( , ,

Pgina

Ntese que minimiizar ( , ,

Matemticas Avan
nzadas parra la Econooma
Manuell Snchez Snchez
S
(U
UNED)
( ,,

Cursso 2013/201
14

) . De esta
e
maneraa la mayo
oria de loss problemaas de optim
mizacin

restringida se puedden expresarr en la form

ma (1).

Como een la seccin anterior, las condiciiones de Ku

uhn-Tucker son esenciaalmente necesarias
para la solucin deel problemaa (1), pero no son sufficientes. Ell siguiente teorema no
os ofrece
condicioones suficieentes:

Cond
dicioness Suficieentes dee Kuhn
n-Tuckeer
Las conndiciones suuficientes co
onllevan disstintas impllicaciones que
q las conddiciones necesarias,
ya que si un puntoo

satisfaace una conndicin sufiiciente paraa mximos, entonces ese punto

debe maaximizar la funcin objjetivo.

En estee sentido, las condiciones suficcientes noss proporcionan un tippo de prueeba ms
definitivvo, aunquee al ser s
lo suficiennte, una so
olucin gen
nuinamente ptima pu
uede no
satisfaceer la condiccin suficien
nte.

En la p
prctica apparecen con
n frecuenciaa programass de optimizacin en llos que el conjunto
c
factible S es conveexo y la funcin objetivvo es cncav
va o convex
xa en S.
Estos prrogramas se denominaan convexoos y simpliffican consid
derablementte la resolu
ucin del
problem
ma de optim
mizacin.
Concrettamente en un program
ma convexoo, el ptim
mo local es tambin gllobal y adeems las
condicioones necesaarias de Kuh
hn-Tucker sson tambin
n suficientess.

Condiciones Suficcientes de ptimo

Gloobal
Consideeremos el problema
p
(1), y suponngamos quee el punto

es un punto regu
ular, que

satisfacee las condicciones de Khun-Tucke

K
er (2), (3) y (4), siendo las funcionnes de restriccin gi
diferencciables en S,
S entonces:
Si el conjuunto factiblle S es connvexo y laa funcin f es diferennciable y cncava
((convexa) en
e S, el puntto

es m
mximo (mn
nimo) global.

Si f es estrrictamente cncava
c
o eestrictamente convexa, entonces, el punto

es un

Pgina

m
mximo o mnimo
m
glob
bal estricto..

Matemticas Avanzadas para la Economa

Manuel Snchez Snchez (UNED)

Curso 2013/2014

Nota
En general no siempre es fcil determinar si el conjunto factible S es convexo, Sin
embargo cuando las restricciones gi son convexas en el dominio de optimizacin,
podemos asegurar que el conjunto factible S es convexo.

Ejemplo
Un individuo consume dos bienes en cantidades
( , )=

e , y deriva utilidad segn la funcin

= 10 y

. Los precios de los dos bienes son

= 5, respectivamente, y

= 350.

el ingreso del individuo es

Supongamos que consumir una unidad del primer bien toma 0,1 horas, mientras que una del
segundo se consume en 0,2 horas. El individuo dispone en total de 8 horas, como mximo,
para dedicar a su consumo de los dos bienes. Cules son los niveles de consumo ptimos de
esta persona?
Solucin.
El problema es:
max ( , ) =

10 + 5 350
0,1 + 0,2 8

La funcin lagrangiana es:

( , )=

+ ln +

(10 + 5 350) +

luego las condiciones necesarias para que ( ,

) resuelva el problema son que existan

tales que:

0,

+ 10
+5

+ 0,1

=0

+ 0,2

=0

=0

10

(i)
(ii)

+5

< 350 (iii)

Pgina

(0,1 + 0,2 8)

Matemticas Avanzadas para la Economa

Manuel Snchez Snchez (UNED)
0,

=0

Curso 2013/2014
0,1

+ 0,2

< 8 (iv)

Para cada una de las dos restricciones tenemos bien igualdad (si la restriccin esta activa) o
desigualdad (si la restriccin esta inactiva). As, hay cuatro casos diferentes:

Ambas restricciones estn activas.

En este caso:
10

+5

0,1

+ 0,2

= 350 (v)

La solucin de (v) y (vi) es ( ,

=8

(vi)

= (20,30). Si insertamos estos valores en (i) y (ii),

obtenemos el sistema de dos ecuaciones:

10

+ 0,1

+ 0,2

La solucin de este sistema es ( ,

= 1/20
= 1/30.

) = (

, ), luego hemos encontrado un candidato

a ser solucin, puesto que las condiciones de Khun-Tucker se satisfacen. (ntese que es
importante verificar que

0)

La primera restriccin esta activa, la segunda no.

En este caso, (v) se sigue cumpliendo pero no as (vi), que ahora resulta:
0,1

+ 0,2

< 8.

De (iv) sabemos que

en (v) , obtenemos que

= 0, mientras (i) y (ii) implican que

Pero esto implica que 0,1

= 17,5 y, por tanto

+ 0,2

=2

= 2 . Reemplazando

= 35.

= 8,75 lo cual viola la segunda restriccin, luego

concluimos que no puede haber una solucin bajo este caso.

Pgina

II

0y

Matemticas Avanzadas para la Economa

Manuel Snchez Snchez (UNED)
III

Curso 2013/2014

La segunda restriccin esta activa, la primera no.

Aqu, (vi) se cumple pero: 10

De (iii) tenemos que

+5

< 350.

= 0, mientras que (i) y (ii) nos dicen que 0,1

Reemplazando en (vi), obtenemos que

Pero esto implica que 10

+5

= 20 y, por tanto

= 0,2 .

= 40.

= 500, lo cual viola la primera restriccin.

Nuevamente, podemos concluir que no puede haber una solucin bajo este caso.

IV

Ambas restricciones estn inactivas.

En este caso

= 0, lo cual hace que (i) y (ii) sean imposibles de satisfacer.

Conclusin:
Hay solo un candidato a solucin: el punto (20,30).

Al ser la funcin f estrictamente cncava su matriz Hessiana es definida negativa -, y la

regin factible convexa ya que est formada por restricciones lineales - concluimos que en
el punto hallado se encuentra el mximo global estricto.

Nota:
El mtodo general para hallar todos los candidatos a ptimo en un problema de
programacin con restricciones de desigualdad se puede formular as:

Estudiar primero el caso en que todas las restricciones estn activas,

A continuacin estudiar la totalidad de los casos en que todas menos una estn
activas, luego aquellos en que todas menos dos estn activas, y as sucesivamente.

Se termina por el estudio del caso en que ninguna restriccin esta activa.

Lagrange, que satisfacen todas las condiciones relevantes.

Por ltimo buscamos entre todas las posibilidades para hallar la mejor.

Pgina

hallamos todos los vectores x, junto con los valores asociados de los multiplicadores de

10

Por supuesto que el orden no importa, pero hay que considerar cada caso. En cada paso

Matemticas Avanzadas para la Economa

Manuel Snchez Snchez (UNED)

Curso 2013/2014

Resolucin Grfica de Problemas de Optimizacin

Restringida
Cuando el programa de optimizacin est definido sobre el plano, es decir, la funcin objetivo
es de dos variables, el estudio grfico del problema puede ser en muchos casos un mtodo
til para su resolucin, evitando as, las ecuaciones de Kuhn-Tucker.
Para resolver grficamente un problema de optimizacin, seguiremos los siguientes pasos:

Se dibujan las curvas de nivel de la funcin objetivo.

Observando el crecimiento de las curvas de nivel y el conjunto factible, es posible

determinar grficamente dnde se encuentran los ptimos del problema.

Si el ptimo es un vrtice del conjunto factible punto de interseccin de las

restricciones -, su clculo se realiza fcilmente a partir de las restricciones.

Si el ptimo se encuentra en el interior del conjunto factible, el problema es

equivalente a un problema de optimizacin sin restricciones.

Si el ptimo es punto de tangencia entre una curva de nivel de la funcin ( , ) y una

( , ) = de las restricciones, el problema es equivalente a un
de las curvas
problema de optimizacin con restricciones de igualdad.

.
Ejemplo
Un proceso productivo transforma dos inputs en cantidades x e y en un output en cantidades
Q1 siguiendo la relacin:
=3 +
La utilidad de este proceso ha sido analizada, obtenindose en funcin de los inputs como:
( , )=

Si por restricciones del mercado sabemos que nunca se deben obtener ms de 4 unidades de
. Cules ser las cantidades de inputs que maximizan la utilidad del proceso?

Pgina

Al ser el conjunto factible

= ( , ): 3 + 4,
0, 0 convexo y la funcin
(
)
objetivo
, =
cncava, ya que su matriz Hessiana es semidefinida negativa,
podemos aplicar la condicin suficiente de globalidad de modo que si existe un mximo ha
de ser global.

11

Solucin:

Matemticas Avan
nzadas parra la Econooma
Manuell Snchez Snchez
S
(U
UNED)

Cursso 2013/201
14

Por otraa parte, al ser

s el conjjunto factibble compaccto cerrraado y acotaado -, y la funcin
objetivoo continuaa, el teorem
ma de los vvalores extrremos3, aseegura la exi
xistencia de ptimos
globaless.
De la reepresentacin grfica observamos
o
que la curv
va de nivel mxima quue se puede alcanzar
sujeta a la restricciin plantead
da en el enuunciado dell problema, se encuentrran en el pu
unto A =
(0,4). O
Observemos que es el punto
p
del cconjunto facctible que pertenece
p
a la curva de
d mayor
nivel dee la funcin de utilidad.

Conddiciones de no negativid
n
dad paraa las varriables.
Es frecuuente que las
l variablees que apareecen en loss problemass econmiccos de optim
mizacin
sean noo negativas por su prropia naturaaleza. A co
ontinuacin
n veremos ccomo no es
e difcil

Ver A
Apndice.

Pgina

12

incorporar esas resstricciones a la formulaacin del prroblema de optimizacin; por ejeemplo, la

Matemticas Avanzadas para la Economa

Manuel Snchez Snchez (UNED)
restriccin

Curso 2013/2014

0 se pueden representar por

( ,,

)=

0, y se introduce un

multiplicador de Lagrange adicional para ella. Sin embargo, para no tener que manejar
demasiados multiplicadores de Lagrange, se suelen formular las condiciones necesarias de
solucin de los problemas de programacin no lineal con restricciones de no negatividad de
las variables de una forma ligeramente distinta.
max ( , )

Consideremos primero el problema:

( , )=

Introducimos las funciones:

( , ) ,

0,

( , )=

Las restricciones del problema pasan a ser: ( , ) ,

( , )0

( , ) 0.

A continuacin tomamos la funcin lagrangiana:

( , )= ( , )+ ( ( , ) )+

( ) +

( )

Las condiciones de Khun-Tucker son:

=

, )+

, )

= 0 (i)

, )+

, )

= 0 (ii)

( , )< )

(iii)

0 (= 0
0 (= 0

> 0)

(iv)

0 (= 0

> 0)

(v)

De (i) obtenemos:

, )+

De (iv) obtenemos que:

0 y

, )=

= 0 si

> 0.

, )+

, ) 0,

, )+

, )=0

De manera anloga, (ii) y (v) equivalen conjuntamente a:

> 0 (vi)

Pgina

13

Asi (i) y (iv) equivalen conjuntamente a:

Matemticas Avanzadas para la Economa

Manuel Snchez Snchez (UNED)
(

, )+

, ) 0,

, )+

Curso 2013/2014

, )=0

> 0 (vii)

Por tanto, las nuevas condiciones de Khun-Tucker son (vi), (vii) y (iii).

Ntese que, despus de sustituir (i) y (iv) por (vi) y (ii) y (v) por (vii), slo el multiplicador
asociado con ( , )

permanece.

Se puede extender la misma idea al problema de

max ( , ,

variables:

( ,, )
..
( ,, )

0, . ,

0 (I)

Formuladas brevemente, las condiciones necesarias de solucin de (I) son que, para cada
= 1, , :
( )

( )

0,

( )

0,

=0

( )<

Nota: supongamos que

( )

( = 1, ,

=0

>0

(II)

(III)

es admisible y satisface las condiciones (II), y las de holgura

complementaria, (III).

Entonces se demuestra que si la funcin lagrangiana

( ) es cncava,

resuelve el

problema de maximizacin.

Ejemplo

x5
x + y 1
x 0, y 0

Pgina

2
1
1
max (x, y) = x x + y , sujeta a
3
2
12

14

Resolver el siguiente problema:

Matemticas Avanzadas para la Economa

Manuel Snchez Snchez (UNED)

Curso 2013/2014

Solucin
La funcin lagrangiana asociada es:
2
1
1
( )= x x + y+
3
2
12
Las condiciones necesarias para que ( ,

( +

1)

resuelva el problema son que existan nmeros

tales que:

0,

0,

=0

0,

=0

>0

=0

> 0 (ii)

<5

(i)

(iii)

<1

(iv)

+ 1 > 0, y as, que

= 5. Pero este valor de

= 1.

= 1/12, por (ii).

= 1/12 implicara, por (i),

> 0, lo cual es imposible.

= 0, en cuyo caso (i) nos dice que:

Debe ser cierto, entonces que

+

= +

>0

=1+

De (i) se sigue entonces que

Esto a su vez implica que:

Concluimos entonces que ( ,

=0

= 3/4

= 1 + = 7/4

) = (3/4, 7/4) con

=0 y

= 7/4
= 1/12, satisface todas

las condiciones.
Por ltimo, se comprueba fcilmente que la funcin lagrangiana es cncava, luego este
candidato es la solucin del problema de maximizacin planteado.

15

=0

<0

Esto implicara, por (iii) que

que

0, lo anterior implica que

Supongamos que

< 0, lo cual implica, por (iv), que

De la condicin (ii) se sigue que

Como

Pgina

( 5) +

Matemticas Avan
nzadas parra la Econooma
Manuell Snchez Snchez
S
(U
UNED)

Cursso 2013/201
14

Apn
ndice
d plano
o.
Topoologa del
En el ccaso de lass funciones de varias variables se puede analizar
a
laas distincion
nes ms
relevanttes de los distintos
d
tipo
os de dominnios, mediaante el uso de los siguiientes conceptos de
topologa elementaal.

Punto IInterior
Un puntto (a,b) se llama
l
un pu
unto interioor de un con
njunto S dell plano, si exxiste un crculo con
centro ((a,b) totalm
mente conten
nido en S.
Conjun
nto abierto
Un conjjunto se llam
ma abierto si todos suss puntos son
n interioress.
Punto ffrontera
El punto (a,b) se llama
l
un pu
unto de froontera de un
u conjunto
o S, si todoo crculo co
on centro
(a,b) ccontiene puuntos de S y puntos nno perteneccientes a S.
S Un puntoo frontera de S no
pertenecce necesariaamente a S.
Conjun
nto cerradoo
Si S conntiene a todoos sus punto
os frontera sse dice que S es cerrad
do.

Estos coonceptos se representan

n en la siguiiente figuraa (I).

Ntese que un conjjunto que contiene alguunos de suss puntos fro

ontera pero nno a todos, como el

Pgina

complem
mento es abbierto.

16

ltimo dde los repreesentados, no es ni abieerto ni cerraado. Un con

njunto es ceerrado si y solo
s
si su

Matemticas Avan
nzadas parra la Econooma
Manuell Snchez Snchez
S
(U
UNED)

Cursso 2013/201
14

En mucchos de los problemas de optimizzacin, los dominios estn

e
definiidos por un
na o ms
desiguaaldades. Loss puntos frontera perttenecen al conjunto
c
alll donde apparezcan siignos de
menor o igual.
Por ejem
mplo, si , y

son parmetros
p
positivos, el
e conjunto (presupuest
stario) de lo
os puntos

(x,y) quue verifican las desigualldades:

+

(i)

es cerraado.

Este connjunto es unn tringulo, como se mu

muestra en laa siguiente figura
f
(II).

no de los trees lados corrresponde a que una

Su fronttera son loss tres lados del tringullo. Cada un
de las ddesigualdadees de (i) seaa una igualddad.
Por otraa parte, el coonjunto quee se obtiene sustituyend
do por < y por > es abierto..
En geneeral:
Si ( , )es una fuuncin contnua y es uun numero real, los tres conjuntoss:
( , ): ( , )

( , ): ( , ) =

17

son cerrrados.

Pgina

( , ):
) ( , )

Matemticas Avan
nzadas parra la Econooma
Manuell Snchez Snchez
S
(U
UNED)

Cursso 2013/201
14

Si sustittuimos poor >, o po

or <, los coonjuntos corrrespondien
ntes son abieertos.

nto acotadoo
Conjun
Un conjjunto se llam
ma acotado
o si se puedee encontrar un crculo que
q lo conteenga. Los conjuntos
de las ffiguras (I) y (II) son acotados. P
Por el contrrario, el con
njunto de toodos los ( , ) que
verificaan

1e

0 es cerrrado pero no acotado

o

El conjuunto es cerrrado porque contiene a todos sus puntos

p
fronteera

Conjun
nto Compaccto
Un conjjunto cerrado y acotad
do se llama compacto..
Topologgia en
Los connceptos toppolgicos qu
ue acabaos de introdu
ucir se geneeralizan muuy fcilmentte a .
Recordeemos que se define la distancia eentre dos veectores
como =

Una

-b
bola con centro
c

( ,,

) + + (
= ( ,,

= ( ,,

) y

= ( ,,

) y radio

es el conju
unto de toddos los pun
ntos

) tales quue < .

Si sustittuimos la palabra
p
"crcculo" y conj
njunto S quee usamos en
n las definicciones de to
opologa
plana poor " -bola", y entorno N4, siguenn valiendo en
e las definiciones
d
de punto interior,
i

Un en
ntorno N dee un punto a es un conjjunto que co
ontiene una -bola conn centro a.

Pgina

18

conjuntto abierto, punto fron

ntera, conju
unto cerrad
do y conjun
nto compaccto.

Matemticas Avanzadas para la Economa

Manuel Snchez Snchez (UNED)

Curso 2013/2014

Teorema de los Valores Extremos:

Este es un teorema de existencia puro, ya que nos da condiciones suficientes para asegurar la
existencia de puntos ptimos, pero no nos dice como hallarlos. Para encontrarlos
Teorema
Si f es una funcin continua sobre un conjunto compacto (cerrado y acotado) S de ,
entonces existe al menos un mximo = ( , , ) y un mnimo = ( , , ) en S; esto
es, existen c y d en S tales que

Pgina

19

( ) ( ) ( ) para todo x de S