You are on page 1of 289

MATEMÁTICAS AVANZADAS

APLICADAS A LA ECONOMÍA

Alberto A. Álvarez López
María de los Ángeles Arándiga Ráez
Fernando Javier Nieto Jover
Javier Sanz Pérez

UNNERSIDAD NACIONAL DE EDUCACION A DISTANCIA .·.

,
Indice

Presentación 13

I Convexidad 15
Introducción 15
l. Conjuntos convexos 17
1.1. Definición de conjunto convexo 17
1.2. Combinaciones convexas 18
1.3. Conjuntos convexos y aplicaciones afines 19
1.4. Operaciones con conjuntos convexos 21
1.5. Propiedades topológicas de los conjuntos eonvexos 23
2. F\rnciones cóncavas y funciones convexas 25
2.1. }Unciones cóncavas 25
2.2. Caracterización de una función cóncava 29
2.3. F\mciones convexas . . . . . . . . 32
2.4. Funciones cóncavas diferenciables 34
2.5. l·brmas cuadráticas. Aplicaciones a la concavidad de
funciones de clase C2 37
2.6. Funciones convexas diferenciables 40
2.7. Funciones estrictamente cóncavas 41
2.8. F\mciones estrictamente convexas 42
i 3. Gf'..neralización de funciones cóncavas y convexas 43
3.1. Funciones cua.sicóncavas . . . . . . . 43
3.2. Más sobre formas cuadráticas. Aplicación a la cuasi-
concavidad de funciones de clase C2 45
3.3. F\mciones cuasiconvcxas 49
3.4. FUnciones pseudocóncavas 50
4. Apéndice . . . . . . . . . . . . . 51
4.1. Subespacios afines de Rn. Aplicaciones afines 51

8 IN DICE

4.2. Envoltura convexa de un conjnnto .. 53
4.3. Separación de conjuntos convexos 55
4.4. Teorema del punto fijo de BROUWER 57
4.5. Otras propiedades de las funciones cóncavas 59
5. Recordatorio: funciones de varias variables 61
5.1. Topología usual de IR" 61
5.1.1. El conjunto !R11 • Producto escalar. Norma.
Distancia 61
5.1.2. Sucesiones en R 11 63
5.1.3. Subconjuntos abiertos y subc.onjuntos ce-
rrados de IR" . . 64
5.1.4. Subconjuntos acotados de R 11 • Sucesiones
acotadas. Subconjuntos compactos de R.11 65
5.1.5. P1mto interior. Entorno. Punto adherente 66
5.2. Límites, continuidad y derivabilidad de funciones de
varia.'l variables 67
5.2.1. .Funciones numéricas de n variables 67
5.2.2. Límite de funciones numéricas de n varia-
bles . 67
5.2.3. Continuidad de funciones numéricas de n
variables . . . . . . . . . . 69
5.2.4. Dcrivabilidad de funciones numéricas de n
variables 70
5.2.5. FUnciones de n variables con valores en R.m 71
5.3. Diferenciabilidad de funciones de varias variables 73
5.3.1. Diferencial de una fnnción 73
5.3.2. Teorema de los incrementos finitos 75
5.3.:1. Funciones de clase C 1 , funciones de clase C2 .
Fórmula de TAYLOR. Desarrollo limitado 75
5.3.4. Funciones homogéneas . . . . . 77
5.3.5. Difercnciahilidad de funciones con valores
en IRm 77
5.3.6. FUnciones implícitas 78
Resumen 80
Actividades recomendadas 85
Bibliografía . . . . . . . 90

!NDICE 9

11 Complementos de optimización 91
Introducción 91
l. Definiciones, notaciones y ejemplos 93
1.1. Extremos, globales y locales, de una función sobre un
conjunto ........ . 93
1.2. Extremos locales de una función . . . 94
1.3. Planteamiento de un problema de optimización 95
1.4. Problemas de optimización con restricciones de igual-
dad y de desigualdad 96
2. Condiciones necesarias de KU!-JN-TUCKER . . . . . . . . 98
2.1. Introducción . . . . . . . . . . . . .... . 98
2.2. Enunciado general de las condiciones necesarias de
KUHN-TUCKER .........• 98
2.3. Ejemplos de aplicación de las condiciones de KUHN-
TUCKER. . . . . . . . . . . 101
2.4. Problemas de minimización . . . . 111
2.5. Interpretación de los multiplicadores 115
3. Condiciones necesarias de FRITZ-JOHN 117
3.1. Introducción 117
3.2. Enunciado general de las condiciones necesarias de
FRITZ-JOHN ....... . 118
4. Condiciones suficientes 120
5. Introducción a la programación convexa 129
Resumen 132
Bibliografia . . . . 135

IIIMatrices positivas 137
Introducción 137
l. Matrices positivas 138
1.1. Matrices positivas 138
1.2. Matrices estrictamente positivas 139
2. Matrices positivas y modelos lineales de producción 141
3. Matrices productivas , . , . . . . . . . . . . . . 146
3.1. Definición de matriz productiva. Ejemplos 146
3.2. Caracterización de las matrices productivas 148
3.3. Traspuesta de una matriz productiva 151
4. Conjuntos autónomos . . . . . . . . . . . . . 151
4.1. Definición de conjunto autónomo. Propiedades 151
4.2. Determinación práctica 154

10 f\.!DICE

4.3. Productos fundamentales . . 161
5. Matrices indcsmmponibles 163
6. Estructuras productivas de subsistencia 166
7. El teorema de FHOBENIUS . . . . . . . . 170
8. Apéndice . . . . . . . 174
8.1. Demostración del teorema sobre matrices productivas 174
8.2. Demostración del teorema de FROBENIUS 178
Reslliilen . . . . . . . . . . . . 185
Ejercicios y actividades recomendada..'! 188
Ejercidos de autoevaluación 204
Bibliografía . . . . . . . . . . . . . . . 207

IV Sistcrnas de ecuaciones recurrentes de primer orden 209
Introducción . . . . . . . . . 209
l. Sistemas de dos ecuaciones recurrentes 211
l. l. Resolución del sistema homogéneo 211
1.1.1. Método de reducción 211
1.1.2. Método directo 215
1.1.3. Ejemplos 218
1.2. Solución particular. Detenninación de constantes 220
2. Sistemas de n ecuaciones recurrentes 222
2.1. Resolución del sistema homogéneo . . 222
2.1.1. Método directo . . . . . 222
2.1.2. Método de la matriz directa 224
2.1.3. Ejemplo 225
2.2. Solución particular 226
3. Conceptos previos 227
3.1. Puntos de equilibrio 227
3.2. Estabilidad . 228
4. Condiciones de estabilidad 229
4.1. Ejemplo 231
5. Sistemas no totalmente estables 232
5.1. Definición y metodología 232
5.2. Sistema homogéneo de dos ecuaciones recurrentes con
dos incógnitas 232
5.3. Ejemplo 233
ltesmnen 235
Bibliografía . . . . . 235

1. . . 294 Bibliogra. 2. 288 4. . l. . . .1. . . Resolución del sistema homogéneo 261 2.1. . . . Problemas propuestos . . Apéndice: estabilidad 291 Resumen . . .ffa .1. Solución particular . Ejemplos . .1:1. .1. . . .1. . 250 1. . . . Resolución del sistema homogéneo 239 1. 242 1.4. Solución particular 252 2. . Método directo 245 1. . . Solución de los problemas propuestos 289 5.2.2.3. . Método de reducción 239 l. . . Sistemas de ecuaciones diferenciales 2x2 . . .2. . l. . . . 297 . . 239 l. 237 l. . . . Ejemplos .ÍNDICE 11 V Sistemas de ecuaciones diferenciales lineales de primer or- den 237 Introducción . . . Método directo 267 2. Sistema de ecuaciones diferenciales nxn 255 2. . . . 282 3. Método de reducción 265 2. .

el de los números reales positivos. se incluye un gran número de ejemplos y ejercicios en los que tales conocimientos encuentran aplicación práctica. Los autores quieren dejar constancia de su agradecimiento a los com- pañeros del Equipo Docente de la asignatura. programación convexa). • Y los dos últimos son una introducción a los sistemas dinámicos dis- cretos (sistemas de ecuaciones en diferencias finitas) y oontinuos (si&- temas de ecuaciones diferenciales). • El segundo amplía lo ya. del segundo ciclo de la licenciatura en Economfa. Cuestiones de notaci6n. Son . conjuntos autónomos. por sus sugerencias y comen- tarios. en la UNED. tivas. y por R+. A cada capítulo se adjunta un resumen de loa conceptos y resultados vistos en su desarrollo. • El tercero trata la teoría de las matrices positivas (matrices produc. y por las enriquecedoras discusiones sobre las materias tratadas en este texto. en las asignaturas Matemáticas I. II y III). fun- ciones de varias variables cóncavas y convexas). Esta asignatura pretende servir de complemento y ampliación a la for- mación en matemáticas aplicadas a la Economía que el alumno ya ha recibido durante los cursos anteriores (en particular. El contenido se desarrolla en cinco capítulos: • El primero está dedicado a la convexidad (conjuntos convexos. Como complemento necesario a los conocimientos teóricos. Designaremos por R+ el conjunto de los números reales positivos o nulos. matrices indescomponibles). conocido sobre optimización (oondiciones de KUHN-TUCKER y de FRITZ-JOHN.Presentación En estas Unidades Didácticas que el lector tiene ahora en sus manos se recogen los contenidos de la asignatura Matemáticas Avanzadas Aplicadas a la Economfa..

LOS AUTORES . Lineal para Economfa y Empresa. "cf. FUnciones de una vacjable y Cálculo II para Economia y Empresa. :Estas citas se abrevian de la forma. Cálculo JI". Cálculo 1" y "cf. Álgebra Linelll". respectivamente. Funciones de varias varia- bles. Problemas Resueltos y Cues· tiones Comentadas.Álgebra. Algebra.: "d. Proble- mas de . Lineal. Cálculo I para Economia y Empresa.Álgebra Lineal". "cf.14 PRESENTACIÓN frecuentes las citas a los textos: Lecciones Elementales de .

La primera sección está dedicada. Se caracterizan estas funciones y se ven sus propie- dades más importantes.Capítulo 1 Convexidad Alberto A.: . así como las funciones convexas. En la segunda sección se estudian ampliamente las funciones cóncavas y las funciones convexas. En este capitulo estudiamos ampliamente la convexidad. en la teoría del equilibrio general). y se recoge una breve introducción a las funciones pseudocóncavas. En los restantes apartados del apéndice se estudian otros aspectos de la convexidad que también encuentran amplia aplicación a la Economía. conceptos que figuran en al- gunas de las propiedades de los conjuntos convexos y de las funciones con- vexas. Álvarez López INTRODUCCIÓN Los conjuntos convexos. sobre todo las que se verifican cuando son diferen- cia. de la opti- mización. a los conjuntos convexos y a sus pro- piedades más destacables. También se tratan las funciones estrictamente cóncavas y las estrictamente convexas. figuran en algunos desarrollos de Economía (por ejemplo. Es de destacar la aplicabilidad de la teoría de las formas cuadráticas al estudio de la concavidad de funciones de clase C2. El primer apartado de éste versa sobre subespacios afines y aplicaciones afines. En la tercera sección se muestran algunas generalizaciones del concepto de función c6ncava que también se utilizan en Economía. se estudian las propiedades más importantes de las funciones cuasicón- cavas y cuasiconvexas.bles. tanto de oonjuntos como de funciones. Este capítulo incluye un apéndice. y juegan un importante papel en muchos aspectos de la teoría. En concreto.

16 CONVEXIDAD

separación de conjuntos convexos y teorema del pWito fijo de BROUW~R
(del que se incluye una aplicación económica).
Para leer este capítulo, el ahunno necesita tener frescos los conceptos
y los resultados más importantes del cálculo con funciones de varia:; varia-
bles. Nos ha parecido oportuno preparar una sección en la que se recopilen
algunos de éstos, si quiera de forma sucinta. Las citas a esta sección se
especifican de la forma: "cf. Recordatorio".
Finalmente, se incluye un resmnen del capítulo, así como una lista de
textos en los que se puede ampliar información sobre las materias tratadas.
También se ha incorporado una colección de actividades recomendada.o;;, que
no son más que prohl<"JTias resueltos sobre distintos aspectos de lo visto en
el capítulo.

CONJUNTOS CONVEXOS 17

l. CONJUNTOS CONVEXOS
1.1. Definici6n de conjunto conve:w
Si x y y son dos puntos de Rn, el segmento que une x y y es el subconjunto
de lRn siguiente:
{>.x+(l- >-)y 1 OS>- S 1}.
Un subconjunto de Rn es convexo s.i contiene todo segmento que una dos
de sus puntos:

De la definición se deduce que el conjunto vacío: 0, es un conjunto
convexo.
En IR, los únicos conjuntos convexos son los intervalos.
En Rn 1 los snbespacios afines son ejemplos de conjuntos convexos, como
prueba la siguiente

Proposición l. Un subespacio afín de 1Rn es un conjunto convexo.
Demostración. Sea A = v+ P un subespacio afín de IR!', es decir, v E lR" y Fes un
subespacio vectorial de lR". Si a: y y son dos puntos arbitrarios de A, y>. E \0, 1],
vamos a comprobar que >.a:+ (1- >.)y E A.
Sea a:= v +U¡ y y = v + tl2, donde u 1 y u2 son vectores de F. Entonces:
>.a:+ (1- >.)y= >.(v--.-- ul) + {1- >.)(u+ u2)
= >.v + >.u 1 + {1- >.)v + (1- A)u2
= v + >.u1 + (1- >.)u2.
Si hacemos u= Au1 + (1- >.)u2, entonces u E F, y por tanto:
>.x+(l- >.)y =v +u E A.
En conclusión, A es convexo. C.Q.D,

Como consecuencia de la proposición anterior, los subespacios vecto-
riales, los hiperplanos, las rectas y los subconjuntos formados por un solo
punto son conjuntos convexos, pues todos ellos son subespacios afines.

18 CONVEXIDAD

1.2. Combinaciones convexas
Si Vt, 112, . , Vp son puntos de IRn, y a¡, a2, ... , ap son números reales
tales que:
a:¡ ;?: O, 0:2 2:: O, , ap;::: O

{
a1y+a2 + ···+ap = 1,
entonces de a:¡Vt+a2v2+· · ·+apVp diremos es una combinación convexa
de los puntos v¡, v2, ... , Vp.

Proposición' 2. Dados V¡, v2, ... J Vp, pllil.tos de IRn J el conjunto e de los
puntos que son combinación convexa de ellos:

C= {taivi ai 1 ;:=:O pa.ral -:f i :Sp, y tai = 1}•
es convexo.
Demostración. Sean 3'l y y dos puntos de C:

'
x = La;v; y '
y= Lfku;,
i=l i=l

y sea>. E [0, 1]. Comprobemos que >.x + (1 ~>.)y E C.
Se tiene:

>.:e = L' >..o:;u; y (!->)y~
'
2)1- >)~····
i=l i=l

y por tanto:

>x + (1- >)y~ L' (>a,+ (1- >)~,) v,.
i=l

Si hacemos: S¡ = >.a;+ (1 - >.)¡3¡ para 1 :5 i :S; p, entonces cada s; es positivo o
nulo (pues lo es>., 1- >.,a; y /3.), y además:
p p p p

L'• ~ L(>a, +(1- >)~,)~>¿a, +(1->) L~'
<=1 i=l i=l
= >... 1 + (1- >.). 1 = 1,
lo que establece que pertenece a e el punto:
'
¿),v, =>..a:+ (1- >.)y.
i=l
En conclusión, el conjunto Ces convexo. C.Q.D.

CONJUNTOS CONVEXOS 19
·-~~---"'

Nótese que el conjunto de los pnntos que son combinación oonvexa de
dos puntos dados es el segmento que los une.

Proposición 3. Si e es convexo, toda combinación convexa de puntos de e
pertenece a e.

Demostración. Si v 1 , v 2 , ••• , vP son puntos de C, probaremos por recurrencia
que toda. combinación convexa de ellos es un punto de C.
Si p = 1, es obvio que v 1 E C; si p = 2, toda combinación convexa de V¡ y 112
pertenece a C (por definición de conjunto convexo).
Hagamos la hipótesis de que toda combinación convexa de Vt, v2, ..• , Vp-1
eS de C, y probemOS que toda combinaciÓn convexa de V11 Vz, ... 1 Vp pertenece
a C. Sea v una combinación convexa de v11v2, ... , vp, es decir:
,
v =E a,v;, donde: a¡ ;:: O para 1 :::; i :::; p,
i=1

Si ap = 1, entonces v = vp, y v E C. Si a¡, < 1, entonces el punto:
H
w=w1-~
" a v,;
i=l p

es una combinación convexa de v 1 , Vz, ... , vp-ll pues:
,_,
~;::O para 1:::; i:::; p- 1, y E~-1-ap_1·
1-0'p . 1-ap-1-a,-,
•=1

y en consecuencia (de acuerdo con lo supuesto) w E C. Pero por ser C convexo,
también pertenece a e el punto: Ú:pVp + (1- ú:p)w, y como:
,
v = ¿a,v.¡ = a:PvP + (1- ap)w,
•=1

se concluye que v E C. C.Q.D.

1.3. Conjuntos convexos y aplicaciones afines

Proposición 4. La imagen por una aplicación afin de un conjunto convexo
es un conjunto convexo.

Demostración. Sea C un subconjunto convexo de Rn, y sea <P una aplicación afín
de Rn en Rm. Probemos que ¡p[C] es convexo. Es decir, probemos que si w 1 y W2
son dos puntos de </J[C]:

20 CONVEXIDAD

y si >..E [0, 1], entonces >.wt + {1- >.)wz E tP[C].
Se tiene (teniendo en cuenta que la imagen por una aplicación afín de una
combinación afín es la combinación afín de las imágenes):

Pero >.v 1 +(1->.)vz es una combinación convexa de v 1 y v2, y por tanto un punto
del conjunto convexo C. En consecuencia: Aw1 + (1- >.)wz E cp[C].
El conjunto cp[C] es, pues, convexo. c.c¡.D.

Consecuencias de la proposición 4. Se verifica:
• Si C ~ IRn es convexo y cr E lR, el conjunto:

es convexo.
En efecto, aC es la imagen de C por la aplicación lineal:

es decir: J[O] = aC, y como fes una aplicación afín -toda aplicación
lineal ea aplicación afín-, f[CJ ;;;;; etC ea convexo.
• SiC o;; Rn es convexo y vE Rn, el conjunto:

es convexo.
En efecto, V+ e es la imagen de e por la aplicación afín:

esdecir: Q)[C]=v+C.

Proposición 5. La imagen inversa por una aplicación afín de un conjunto
convexo es un conjunto convexo.

Demostración. Sea C' un subconjunto convexo de R.m, y sea ~ una aplicación afín
de R.n en JRm. Probemos que ~- 1 [C') es convexo. Es decir, probemos que si v 1
y v2 son dos puntos de ~- 1 [G'], y ..\E [0, 1], entonces:

Como ~ es una. aplicación afín, se verifica.:

.P(>u, + (1- >)u,) ~ >q>(u,) + (1- A)q>(u,). (1)

y). . a2.D. convexo. En consecuencia: 1>(Av 1 + (1. un conjunto de la forma: { (xt. En conclnsión: ¡p... y para cada i E I sea C. 1. La intersección de conjuntos convexos es un conjunto con- vexo.nto conjunto (.1\C']. es decir: Av1 + (1. Xn) E R" t. c.1[C'] es convexo.Q. ¡f>(v¡) y ¡f>(v2) son puntos del conjunto convexo C'.. es decir.. a.A)y E C. . C.xi::.unvexo--- ( -oo. Demostración. no son simultáneamente nulos.xn) ERn 1 ~a. E [0. a2.D. b] por la aplicación lineal: • (2) i=l • Un semiespacio abierto..tXi < b}.>. .4. un conjzmto de la forma: { (xt. . Pues es la imagen inversa del intervalo -y por ta.ll.. 1].··· . y por tanto: ). .b) por la aplicación lineal definida en (2). como v 1 y v2 son puntos de ¡p.A)v2 E 1>. y el segundo miembro de (1) es un punto de C'.A)v E C. Se verifica: • Un semiespacio cerrado. Operaciones con con:juntos convexos Proposición 6. convexo: Aa:: + (1. un sub- conjunto convexo de JR". an yb son números reales y a1. es un conjunto convexo. an y b son números reales y a1.¡ cuando i recorre I: Si x y y son dos puntos de C. pues. entonces. para cada i E I. donde at.X2.. Pues es la imagen inversa del intervalo (-oo.. .a::+ (1.. az. a2. es un conjunto convexo. esto es.1[0']. an no son simultáneamente nulos. . Sea 1 un conjunto arbitrario. X2. b}. 1 donde a 1..)v2) E C'. . por ser C.. El conjunto Ces..COKJUNTOS CONVEXOS 21 Ahora bien. . Consecuencias de la proposición 5. .Q. Designemos por C la intersección de los conjuntos C.. .

xn) de Rn que verifican: n D. .A:r2 + (1. conjunto convexo). pues: (111+)" ~ (0. ... Xp) + (1. i :5 n. y 2 . ••• . El conjunto de los pun- tos (x¡.+= "¡O. c. 1]. . El producto de conjuntos convexos es convexo.x.ra 1 :5: i :5: p. se obtiene: A(::ct.A){y 1 . El conjunto es convexo.. Sea C. pues: R. El conjunto lR't es convexo.~= JR+ X··· X R. .w.D. ..A)Y. .A)y1.. Axp + (1. el punto A:c1 + (1. .··.s.+oo) X··· X (O... • EJEMPLO 4. • Proposición 7.22 CONVEXIDAD EJEMPLO l. EJEMPLO 2. i:::::. y ).:rp) + (1.• .. nveces • . convexo. Xp) y (Yt> Y2.A)y 2. +oo)..x. X2. . y x.::::.A)(Yt>Y2•· . Demostración. .yp) = (A:rt + (1 .+oo). Pn y w números reales. . . ::c 2 .X2.. Compr<?- bamos que el conjunto C = G 1 x G2 x · · · x e"P es convexo.~O para1SiSn. i=l es convexo..)Ell<" ¡:fy. ~ O}. . Yp) E C. Sean Pl! P2. que son conjuntos convexos (al ser semiespacios cerrados). y como.. pues es igual al siguiente producto de intervalos: • EJEMPLO 3. pues.. Xn) E Rn 1 X. un subconjunto convexo de Rn• pa. Si ( X1.x. en ton- ces: A(:r¡. .Q. . 1 :::::. p. El conjunto Ces.. +oo) x . x (0.x.:c2.X"¡l. . El conjunto (IR'f-)n es convexo. para cada 1 :::::..A)yp) ... Yp) son dos puntos de e. .w} '"' 1 y {(x¡. pertenece a (por ser este e. . pues es la intersección de los siguientes conjuntos: {(x.. E [0.

Consecuencia de la proposición 8. 20).)y E C. La adhere. p. Si C¡ y Cz son dos subconjuntos con- vexos de IRn.)y. Probemos que la adherencia de C: C (conjunto de puntos de R'"' que son adherentes a e). vamos a probar: >.Q.xp + (1.>.CONJUNTOS CONVEXOS 23 Proposición 8.Q.>. Si :e y y son dos puntos de C. o de (3) se deduce: lím (>. & decir. E [0.5.)yp E e (por ser e convexo). 19) se concluye que el conjunto C1 +e2 es convexo.:z:p + (1. tales que: (3) Consideremoo la sucesión (>.>. Probemos que es convexo el conjunto: La aplicación: es obviamente lineal ~y por tanto afín-.)yp)· Se verifica: o para cada pE N. (xp) y (Yp)._e2 es la imagen por S de C¡ Xc2.>. Sean C 1 y C 2 dos subconjuntos convexos de lR".)y.x + (1. C. C.>.D. el conjunto Ü es convexo. Demostración. p. Propiedades topológicas de los conjuntos convexos Proposición 9.>.nóa de WJ conjunto convexo es WJ conjWJto con- vexo. En conclusión. En consecuencia: >.xp + {1. que es convexo. 1.)yp) tiene sus términos en e y converge al punto >.>.x + (1.)y E C. suma de conjWJtos convexos es un conjWJto convexo. y el _. . la sucesión (>. existen dos sucesiones de puntos de C.a:p + (1. >. consecuencias de la proposición 4.D.>. La.a:+ (1. es un conjunto convexo.)yp) = >. Por ser a: y y puntos de C. y>.a:+ (1. Sea e un subconjunto convexo de Rn. entonces a:C¡ +/3C2 es convexo (cf. Demostración.1]. Con la proposición 4 (cf. y a: y j3 son dos números reales.

)(y. i ::. comprobemos que el límite de toda sucesión convergente cuyos términos sean puntos de Ces un punto de G.\)y E B(:~:o. r). o:P 2.xo) + (1. ya que se tiene: El conjunto C es cerrado. r) una bola abierta. de Rn es un conjunto convexo. sea: m Xp = ¿apitl. Sea B(:c0 .xo)) ~ ))>.. m.. 1 ::::. IIY.)y E B(xo.. Una bola.xoll. 1 Oi 2: O para. puntos de IRn. Para demostrarlo. Para cada. Sea (xp) una sucesión convergente cuyos términos son puntos de C.xoll :$ máx{llx.24 ---~Cc. abierta o cerrada. B(xo. r). es decir: Aa: + (1 -.a::oll < r y d(y.x + (1.. Que la bola cerrada B(xo. En conclusión. En efecto. se tiene: d(x. 1].r) y de la proposición 9.>.)y.Yo) = IIY. Sean x y y dos puntos de B{zo.ONVEXIDAD EJEMPLO 5.)y.>.>. El conjunto Ces acotado.Yoll < r. donde: aP = (o:p 1. . • Proposición 10.(x.a:o) = lla:. y A E [0. el conjunto e de los puntos que son combinación convexa de ellos: e~ {t. es compacto.n. .x + (1 ->. O:pm)· Esta sucesión verifica que sus términos son puntos del conjunto: .r) es la adherencia de B(xo.))x-xoll +(1. p E N. i~l Consideremos la sucesión ( ap).x + (1. Dados V}) 112.v.xo)ll 5 >.r).)))y. xo) ~ ))>. . Demostración.zoll} < r. r). r) es convexo. Como :r: y y son puntos de B(xo.>.r) es un conjunto convexo se deduce del hecho de que B(xo. y en consecuencia: d(>.• 'Vm.. Probemos que >.

2.D. Fijados unos puntos de Rn (en cantidad finita). Y Ces cerrado.. puntos. lo primero se probó en la proposición 2 (cf. FUNCIONES CÓNCAVAS Y FUNCIONES CONVEXAS 2. Ahora bien. 6. En conclusión. I_. Queda asegurado que cualquier combinación convexa de dos puntos de Ces un punto de C. actividad 1. existe. se tiene: m lím (a:. 18)..) es un punto de C. Ces compacto. V.v. una subsucesión (a~(pl) que converge a un punto de D: m y es obvio que la subsucesión (a:q(p)) converge a ¿a.. p.1. Nota bene. el mnjunto de los puntos que son combinación convexa de ellos es convexo y compacto. 6. ... Funciones cóncavas Es decir: el valor de la función en una combinación convexa de dos puntos del conjunto convexo Ces mayor o igual que la misma combinación convexa de las imágenes de dicha. pues este conjunto es convexo. como la sucesión (a:. que resulta ser un punto •=l de C.o segundo se acaba de probar en la proposición 10.) es convergente. p. i=L y por tanto el límite de la sucesión (x. C.FU!\JCIOT\ES CÓNCAVAS Y FUNCIONES CONVEXAS 25 ~-~-~~=----- que es compacto (cf. 85). Nota bene..o.)= lím (xq(p)) = La. pues.Q.

(1. análogamente se demostraría que es cóncava sobre R" la función -llz. ..>)y)~ -11>• + (1. i=l es una función cóncava sobre R". .. ¿lljx.xz. 11•11 .>)J(y)." . pues A::c+(l->. es cóncava sobre e' pues cualesquiera que sean los puntos z y y de e' y el número)._¡.) E R.>)y)~ V(x) + (1. 1]..z)=2x-y+z-8 y f2(x. • .y. las funciones: f 1 (x.>)f(y).26 CONVEXIDAD EJEMPLO 6.. se tiene: J(>x + (1.) = Lllix¡ +bE R. dados z y 'lJ pertenecientes a R"..z..) E R" . . y el número >. Si fijamos un vector zo de R". • EJEMPLO 7. de las propiedades de la norma se deduce: !(>x+ (1. i=l es una función cóncava sobre R".x.>) IIYII ~ >!(x) + (1. . En efecto. de [0. La función f(z) = -llzll = -J:t~+x~+···+x~ es cóncaVH. 1]..".11.l:!O- bre R..x.. y)... cualesquiera que sean los puntos :r: y y de R".zoll de la variable :z:.>IIIYII ~ _. perteneciente a [0. 1]. Una función constante sobre un conjunto convexo no vacío C: x E C~ f(x) =k E R._¡. xz. E R.>M 2: -1>111•11. Por ejemplo. f(xi..y.t)=x-y+7t son cóncaVBB sobre R 3 y sobre R 4.x. En particular. xz. se tiene: • EJEMPLO 8.)y es una combinación afín de x y y {y la imagen por una aplicación afín de una combinación afín es igual a la combinación afín de las imágenes).. ... En efecto. Una aplicación afín de IR" en lit: n (x¡.de [0... . respectivamente. una aplicación lineal de R" en R: n (x 1 .

.(>z. Si 1 $. Demostración. f2.entonces la función deJa variable z: (4) es cóncava sobre C.. C. entonces la función es cóncava sobre C. .).). i :::. probemos se verifica: f(>z.>)t. i $.) + (1. . Escolio. a2. (5) Si 1 :$. /2. son números reales mayores o iguales que O.(>•• + (1.Q.>)f(z. .>)z. 1]. se tiene: /. p. Si f¡. según (4) se tiene que /o(a:) 2::: f(a:) para cada z E e..(>•• + (1.>)z 2 ) 2: >!(••) + (1.) + (1. . En consecuencia: f(>•. E [0.D. entonces de la concavidad de f• y de la. a.>)f(z.). Proposición 12.>. y como>. (4)) se deduce: t.) =mfo{f. y>. + (1. .(z.) + (1.) 2: Af(z.>)f(z.>)z. fp son funciones cóncavas sobre un conjunto convexo e.>)z.+ (1.) 2: >h(z. definición de f (d.>)f(z. i $. /11 son funciones cóncavas sobre un conjunto convexo C..) + (1.) 2: >!(•. Si f¡.son números reales positivos o nulos: lo que justifica la desigualdad (6).. Si a:1 y Z2 son dos puntos de e. y a 1 . $p) 2: >f(z. y 1.). .FUNCIONES CÓNCAVAS Y FUNCIONES CONVEXAS 27 Proposición 11. y se verifica (5). p. p. . +(1->)z. .) 11$. (6) es decir: cualquiera que sea 1 :::.

x2 ) es cóncava.X2) E R. luego A y B son convexos. y a E lR.F(x) + (1. ejemplo 8).>.x2)ER 2 1Jx~+:r1<2} y B={(x1 .-:z.~ > -2} y B 1 = { (Xt. Si w y y son dos puntos de C.x2)ER 2 1Jx~+xk.. y por tanto Aw1 + (1. EJEMPLO 9.. se deduce: ' F(>. entonces. Los conjuntos: A={(x 1 . E [0. entonces de la concavidad de f se deduce: f(>. es decir: y).x + (1.(x) +(1.od. 1]. pues. cóncava sobre C. la.xl + (1. proposición 13) los conjuntos: At = {(xl!:z. La función Fes. Si Xl y Xz son dos pHntos de {a: E e 1 f(x) >o}.x + (1. sobre JR 2 (cf. Demostración.)y) i=l ' .)L.D.L.::: a}.od. lj. E [0. 1 C.. Argumentando como en el caso anterior se demostraría la convexidad del con- junto {x E C f(w). >. pues.a) 1 son convexos.2} son convexos. En efecto. función -jx~ +x~ de (x 1 .28 CONVEXIDAD Demostración. y>.A}:c2 es un punto de {x E C 1 j(x) >o:}.)a:2) 2: Af(x¡} + (1. Proposición 13.>. cóncava sobre C. C. entonces los conjuntos {"'E e 1 !("')>a) y {• E e !("').>.(>.)y)~ L.)f(~2) >>.2) E1R 2 1-Jx~-1.)F(y).nto (cf.a+ (1.21-Jx~ +x~ ::::0: -2} son convexos. Si f es una función cóncava sobre un conjunto convexo C. Pero A= A1 y B = Bt. de ser cada/.D.Q. y cada o:.>.od.(y) ' i=l i=l ~ >.>.Q. convexo.A)et =o:.>. y por ta. positivo o nulo. • . Este conjunto es.

y sea f una función numérica definida sobre C.\ EIR 1 x+-\w E C}. Si w :f. Los siguientes enunciados son equi- valentes entre si: a) f es cóncava sobre C.2. e • Si es abierto..w := (s+ (1... y tE Ic(x.. Ic(x.. dado un subconjnnto convexo no vacío de Rn.O. Se verifica: • El conjunto Ic(x. es decir. C.. w) es un intervalo de números reales. En efecto. Proposición 14.n. Caracterización de una función cóncava En lo que sigue. si >. y este último punto pertenece al conjunto convexo e por pertenecer a e los puntos a: +A 1 w y a:+A2w.1 + (1. . 1] tal que>..r) ~C.O) = R. sea to E le(:~!. está comprendido entre ellos. w). w). entonces >. w). Entonces a:+ tow E e. que es abierto.= SÁ¡ +(1-s)>.FUNCIONES CÓNCAVAS Y FUNCIONES CONVEXAS 29 2. Sea e un subconjunto convexo no vacÍo de JR.E Ic(z.c/llwll) <. entonces Ic(a:. En efecto.1 y >.s)(z + A2w).w) ~ {. En consecuencia.w).s)A2) w == s(z + A1w) + (1.<olllwll < '• y por tanto :e+ tw E E( a:+ tow.s)) :1! + {s>. y lc(x. existes E [0. si x es nn e punto de e y w un vector de ]Rfl' denotaremos por le( x. Propiedades del ctJnjunto Ic(x. 2 son dos puntos cualesquiera de Ic(:~!. :1! + >.w) y>.(x +tow)ll ~ lt. b) cualesquiera que seBJl X E eyw E Rn' la función numérica de una variable real: A e--> f(x + Aw) es cóncava sobre el intervalo Ic(:v.r) . w).. B(to.. w).. entonces Ic(x.to] < r/ Jlwjj. Si jt. entonces: ll(x +tw).2. y existe r > 0 tal que B(z + tow. w) es un intervalo abierto de números reales. w) el conjunto: Ic(x. pues. Si w =O. w) es abierto.

w)) = f(sa:¡ + (1. w).. + (1.•)>.x2) <o sf(. o lo + (1.) + (1. + (1. • (b} "' (<}' Sean (:z: 1..s)Y2) E Ir}. + (1.x. debemos que es lo mismo: (s:z:¡ probar se verifica: i) S:ll¡ + (1.)w) = /((• + (1..s)zz E 0.2) = J(x2). :tt y :1:2 son puntos de ey (7) y seas E [0.. w).y¡) y (:z:2.s)>.) = !("' + (•>. • (a) "' (bi Denotemos por h la función real de una variable real: ~ f----1.) + (1. + (1. Debemos probar que s(a:t.s)h(>..1 y A2 dos puntos de Ic(x. entonces Xt E C.) = •h(>.112) E Hj..w) + (1.)..) <o sh(>.. f(z +Aw).¡) /(zl) y h(>. debemos demostrar: h(s>.. y) E e X IR 1 y< f(z)) es convexo en JRn+l.s).. y se tiene: h(s>. Si hacemos :t:¡ = :e+ A¡W y :1:2 = .•)>.) . Sean >..s):z:2.x + Azw. Demostración. y seas E [0...sy1 + (1. es decir.s)("' + >...) + (1.y¡} + (1. . 1].s)(z2..y) E e X IR 1 Y$ f(z)) es convexo en JRn+l.•))"' + (•>. definida sobre Ic(. es decir. = h(>. 1].)w) = f(s(z + >. d} el conjunto: H¡ = {(z..•)f(z.s)>.Y2) dos puntos de ltj. Zz E C.30 CONVEXIDAD e) el conjunto: H'J ={(o:.•)h(>.

s)X:z E e. y por tanto: f(sx¡ + (1. se tiene: f(sx¡ + (1.y 2 ) dos puntos de H¡.a) E Jt}.s)xz) > sy1 +(1.1J2) EH¡. es decir: (sx¡ + (1. 1/2.s )( x:z.y 1 .yz. consi- deremos el intervalo Ic(x 2 .·l+(l-. que por hipótesis es convexo.')h(O) ?: sf(xt) + (1.s)y:z. La función real h definida de la forma: es. de lo que se deduce (ii) (si fuera f(sx 1 __¡__ (1. Por tanto.s)y2 -o. llc- garíamO'I a un absurdo)..o:. 1].)·0) ~ . y1 ) y (x 2 .s)yz) E Ht. Para probar (ii).s)(x:z. . g1 enunciado (i) es consecuencia de ser C convexo.x:z).h(l) + (1. sy¡ + (1. f(sx 1 +(1.s)xz)?: sy 1 + (1.s)xz) = h(s) ~h(. por hipótesis.x 2 ).s)x:z) > sy¡ + (1.s)yz) EH¡. El conjunto H¡ es efectivamente convexo en R"-+1. y1 -a)+ (1. esto es.yz) EH¡.~YI + (1. y por tanto: s(x 1 .s)Y2· La convexidad de C demuestra (i). • (dJ => M Sean X¡ y X:z dos puntos de e. Debemos probar que s(xi>y1 ) + (1.s)yz. luego: s( x 1 . • (o)=> (d)' Sean (xl!y1 ) y (xz. cóncava sobre Ic(x:z. o lo que es lo mismo: (sx1 + (1.X¡.s)yz. entonces (x 1 . y además h(1) = f(xt) y h(O) = f(x:z). que por hipótesis es convexo.s)xz) < sy1 + (1. ii) f(sx 1 + {1. x 1 .FU~CIONES CÓNCAVAS Y FU"JCIONES CONVEXAS 31 ii) f(sx 1 + (1.s)y2 . Si hacemos y¡ = f(x¡) y 112 = f(xz). teniendo en cuenta (8) y (7). y seas E [0. y:z) son puntos de H¡.o) y (xz. y sea S E [0. al que pertenecen loo números reales O y l.s)x:z.sy1 + (1. Hemos probado: Va> O. Entonces loo puntos (x 1 .s)(x 2.s)x:z) > sy1 + (1.o:) E H'}.s)f(x:z) > sy1 + (1..s)x:z.1]. debemos probar se verifica: i) SX¡ + (1.s)y:z. esto es: (sx¡ + (1.a) son de Hf. fijemoo o > O arbi- trario.s)x:z. Para probar (ii).y1 ) + (1.

ejemplo 6. de [0. +bE IR.!. 1). p. y el número >. con toda aplicación lineal de Rn en R.)y)~ A/(z) + (1. por tanto. X:. . Una aplicación afín de Rn en R: " (Xt. 2. y lo mismo acontece. se tiene (e f. • .Xn) = 2::). y convexa sobre R.32 CONVEXIDAD y en consecuencia: La función f es. pues. pues cualesqniera que sean los puntos x y y de IR". C.• .r.• . •.FUnciones convexas Es decir: el valor de la función en una combinación convexa de dos puntos del conjunto Ces menor o igual que la misma combinación convexa de las imágenes de dichos puntos. Una función constante: x E C ~k E !R (donde Ces convexo no vacío) es simultáneamente cóncava y convexa sobre C. Toda aplicación afín de Rn en R es. i~l es una función convexa sobre Rn.Q D.>)f(y).n.Xn) E R" >------+ f(xt. .x.. pues.r. EJEMPLO 10.. cóncava sobre C. p.3. X:. 26): /(>z + (1. • EJEMPLO 11. una función a la vez cóncava. como se deduce del ejemplo 7 (cf. 26).

fUI\ ClONES CÓ'>. p. . 27) se dedur.. .CAVAS Y FU\CIONES Cü\1\'EXAS 33 EJEMPLO 12. entonces la funciÓil de la variable x: J(x) ~ mix{f¡(x). y o E lR. entonces los conjuntos (xECif(x)<a} y {xECif(x)<:a) son convexos. .. 27). 8i f es una función COilVexa sobre tul conjunto COllVexo e.xoll de x también es convexa sobre R". 0:2. y sea f una función n11mérica definida. Si xo E lR". .jxf+x~+···+x.. la función llx. sohre C. p.. p. J. Si JI. Los siguientes emmciados son equi- valentes entre si: . .. h.n. • Argumentando como en la proposición 11 (d. p. . 26). fp son funciones convexas sobre un conjunto convexo C. es convexa so- bre Rn. pues la función: es cóncava sobre Rn (cf. p. 29) se infiere la siguiente caracterización de una función convexa: Proposición 18. /p son ftmciones convexas sobre un conj1mto convexo C. y cq. fz. Sea C un subconj1mto convexo no vacío de R. ap son números reales mayores o iguales que O. Si h.. . ejemplo 8.. De la dcfmidón de función convexa y de la proposición 12 (cf.(x)} es cmJvcxa sobre C. De la definición y de la proposición 13 (cf. Oc la definición y de la proposición 11 ( cf. La función g(x) = !lxll = . h(x). entonces la función es convexa sobre C.. se tiene: Proposición 15.e la siguiente Proposición 16. . 28) se obtiene: Proposición 17.

convexo y abierto. Sean x y y dos puntos de C y probemos se verifica: f(x).y))(x. Cálculo 1.y). y por tanto (cf. función nwnérica. 74) con derivada: h'(t) ~ df(y + t(x. y sea f una. punto de C. e) el conjunto {(x.y).f(x +Aw) es convexa sobre el intervalo Ic(x. (lO) Dado que f es cóncava sobre C y diferencia. ' es decir: h(l). 4· Punciones cóncavas diferenciables Proposición 19. pues: h(l) ~ f(x). Suponemos se verifica (9).Ulto de C. Recordatorio. 239): h(O).::: h'(l). y) E C 2 . probaremos que la función: h(t) ~ f(x +tv) . (11) Ahora bien. Una condición necesaria y suficiente para que f sea cóncava.z. la función numérica de una variable real: >. Sea C <.h(O).> df(x)(x. b) cualesquiera que sean x E C y w E IRn. 1 d} el conjunto {(x._ Rn un conjunto no vacío. 2. La condición es suficiente.h(l) > h'(l) o 1 .y)) es cóncava sobre Ic(y. x-y) (cf. O y 1 son elementos del intervalo abierto Ic(y. (9) Demostración. Dados z E 0 y vE IR". h(O) ~ f(y) y h'(!) ~ df(x)(x. f(x). 29) y derivable en cada punto t de este intervalo (cf. p. sobre C.f(y) .f(y) :> df(x)(x. proposición 14. y) E C X R 1 y 2:: f(x)} es convexo en Rn+l. diferenciable en cada pi.y). y con (11) se concluye (10). La condición es necesaria.. !----).y). w). p.y). p.34 CONVEXIDAD a) f es convexa.ble en cada. la función h de la variable t: h(t) ~ f(y + t(x. sobre C es: ~ (x. y) E C x R y> f(x)} es convexo en Rn+l. y debemos demostrar que j es cóncava sobre C.

la diferencial de f en el punto x•.h(t.) 2 df(x.). y por tanto h' es decreciente sobre Ic(x. . v).(.)((t.h(t. En conclusión. de (12) y (13) se deduce: h'(t ) > h(t. (12) pues f(xd = h(tt). y hagamos :z:1 = x+t1v y x2 = :z:+t2v.) ~ h(t. Sea f una función cóncava sobre un subconjunto abierto y con· vexo e de IRn que es diferenciable en cada punto de C.v) (cf.v).) > h'(t2 ) l ~ ti t2 t2 t¡ .::: (ti~ t2)h'(tt). se verifica: Vx E C. p.) 2 (t.) . y en consecuencia: h(tt) ~ h(t2).FL'NCIONES CÓNCAVAS Y FUNCIONES CONVEXAS ------- 35 es cóncava sobre Ic(x. proposición V. es decir.).v). capítulo II.)(x.V)= Ic(x.x. Sean t 1 y t2 dos elementos de Ic(x. Dado que f~. 242).(x*) =O para cada 1:::..h(t.D. (13) Si h < t2..). j(x2) = h(t2).)df(x.(x*) =O para 1 :5 i :5 n.t.) ~ df(x.f(x. Demostración. i :5 n. Corolario.. De la misma forma obtendríamos: h(t. C. o lo que es equivalente (por ser h derivable): h' es o decreciente sobre ¡.. y h'(t) = df(x +tv)(v) y por tanto h'(tt) = df(x 1 )(v).Q.t. la aplicación lineal: " 1 Cf. Si x• E es tal e que: f~. f(x) S f(x')). Cálculo I. entonces f admite un máximo globaP sobre C en x* (es decir.v)..t. . h es cóncava so- bre Ic(x. Entonces de (9) se deduce: f(x.5.).)(v). y fes cóncava sobre C.)h'(t.)v) ~ (t.

f(y) :¿.Yt) 2 + b(xz. Yz)) = -ax~ . la función: j(x 1.xz) = -ax~. Pero a(x 1 .f(y 1. pues!~. fes cóncava sobre R 2 • Por otro lado. x2)(vb vz) = ( -2ax 1 )v¡ + (-2bx2)v2 E R. Y2) . es decir: V y E e.y. 34).2 +ay'by' 1 + 2• (15) y restando (14) de (15) resulta: f(x¡.( -2ax~ + 2ax¡y¡ . O y b 2: O.112) 2. Para cada (y¡.dj(x11 x2)( (x11 Xz) . 2bx~ + 2bx 2 w. df(x')(x'. C. En consecuencia.:: O.X2).(Yt.(Yt. corolario de la proposición 19).(y¡. Rn consecuencia (cf.yz) = -2ax~ + 2ax 1 y 1 . pues a 2: O y b.2bxz(xz.yz) E R 2 se tiene: dj(x¡.bx~ + ay~ + by~ . la función f admite un máximo global so-bre R 2 en el punto (0. EJEMPLO 13.) ~ df(xl1xz)((x¡. de (9) se deduce: Vy E e.Q D..bx~) . O) ~O y ¡.bx~ es cóncava sobre JR 2 • En efecto.Y7.36 COJ\\TEXIDAD es la aplicación 0: (y1 . (0. (0. xz) E IR~ es la aplicación lineal: (v¡. Dados a :2:. luego: 2 f(x¡. Yt) + b(x 2 .xz). y)~ 0.-ax 'bx' 1 . proposición 19.(-ay~ -by~) -. como: J.f(Yt. O) ~O.x2).Xz)(xt -y¡. O) ( cf. vz) E R 2 f---t df(x¡.xz) = -2bxz.xz -112) = -2ax 1(x¡ .f(y¡. Xz) . /(y)~ /(x').xz). • .xz) = -2ax 1 y j~ 1 (x.y2 ... La función f es diferenciable en cada punto de R 2 (pues es un polinomio) y su diferencial en un punto (x¡.Y2) 2 2: O. (x 1 .Y2)).xz)((xt.• ..Y2)) = dj(xt.Yt). (14) Por otra parte: f(x¡. p.2bx~ + 2bx~yz) = a(x¡ . ) E IR" f---t O E R. 112) = ( -ax~. y f admite un máximo global sobre e en x•. •. f(x').

1xiXj. . sin embargo. x2. n y para 1 ::.1. x2. q(x) 2: O. q(x) <O. Se puede demostrar (cf. p.FUNCIONES CÓNCAVAS Y FUNCIO\IES CONVEXAS 37 ~~-- 2. para 1 ::. pues no es una función homogénea de grado 2 (nótese.3) = xf. X. • De una forma cuadrática q sobre IR" diremos es semidefinida negativa si verifica: y diremos que q es definida negativa si verifica: Vx E IRn. y definida positiva: 'rl x E R. 88) que mm forma cuadrática sobre JR 2 : . de una función numérica f definida sobre IRn se dic-e es homogénea de grado a (sobre IRn) si verifica: Vt >O.J E R. La función r(x¡. Análogamente se define semi definida positiva: 'rl X E IR". que es homogénea de grado 3).x4) = x~ es una forma cuadrática sobre lR 4. xn) = ¿¿a."-{0}. i=l j=l donde a. i ::. Formas cuadráticas. Aplicaciones a la concavidad de fun- ciones de clase C2 Recordemos lo que es una función homogénea sobre IRn: dado un número real o:.:3. Vx E IRn. .5. f(tx) ~ t"f(x). x2) = x 1 x2 -x~ es una forma cuadrática sobre R 2. una forma cuadrática sobre IR" es una función numérica q definida sobre IRn que puede escribirse de la forma: n n q(x) = q(x1. Diremos que q es indefinida si no es semidefinida negativa y no es sernidcfinida positiva. Es decir.X2. actividad 6. La función q(x¡.xJ +3x¡X2X3 no es una forma cuadrática. q(x) > O... EJEMPLO 14. n.. j ::. La función p(x¡.{0}.

O y b'l ..xn) = l:I:aijXiXj. La condición es necesaria. • es semi definida positiva precisamente si: a~ O. e ::. 2 Cf. (16) ·- -1 -1 )- x.··· ... .. que f sea cóncava sobre C es que. Sea C ~ 1Rn un conjunto no vacfo.ac < O. i=lj=l Nótese que la forma cuadrática asociada a la matriz simétrica: es: q(x. O. • es definida positiva precisamente si: a > O. Una condición necesaria y suficiente pare.X2. Problemll8 de Algtlbra Lineal. Sea :e E e. XJ Demostración. . como fes cóncava y de clase C2 sobre e.n: n n fPJ q(v)=q(v¡. .. la siguiente función h: h(t) ~f(x+tv).(:n)v.. . Dada una matriz real A =cuadrada de orden n y simétrica2. e <O y b2 . y sea f una función numérica de clase C2 sobre C.v2.vn)=LLa ·B . convexo y abierto. Si (v1.v. (a¡i). sea semideiinida negativa la forma cuadrática sobre lR.v2. Vn) E lR". y) = ax 2 + 2bxy + cy2 • Como nna aplicación de las formas cuadráticas se tiene la siguiente caracterización de función cóncava: Proposición 20.ac S: O. para cada a: E 0.ac < O.38 CONVEXIDAD verifica: • es semidefinida negativa precisamente si: a :::. e~ O y b2 . . capítulo IV.) ElR". v2. e > O y b2 . y probemos se verifica: (17) cualquiera que sea (v¡. . • es definida negativa precisamente si: a < O. O.¡v... . llamaremos forma cuadrática asociada a la matriz A a la siguiente forma cuadrática sobre lRn: n n q(xt.ac::.

f. y.1] y a+/3:51.v) = Ic(z. 76): • • lf' f h"(t) = EEax ax (• +tv)v. Recordatorio. p.f. h"(t) :5O. hessiana de f en x (cf. •. entonces y como la forma cuadrática es ~por hipótesis.u). para cada (x. Es decir: Vt E Ic(z. la función f(x.v). (19) La función f es de clase C2 sobre el conjunto convexo y abierto R. se tiene que h"(t) :5O. FUNCIONES CÓNCAVAS Y FUNCIOI\ES CONVEXAS 39 es cóncava sobre Ic(z. la forma cuadrática asociada a la . Supongamoo que para cada z E e la forma cuadrática q definida en (16) es semidefinida negativa. Nótese que la forma cuadrática dada en (16) es la asociada a la matriz ·. y) de este conjunto. /3Ej0. x R. . y por tanto (cf. Dados dos números a: y /3. p. Cálculo I. ex probemos que la función: h(t) = f(z + tv) es cóncava sobre Ic(z. si y ~ólo si. v).y) de R. O E Ic(z. p. (18) i=lj=l • 3 -'- Ahora bien. Recordatorio. X R¡. La condición es suficiente. 242): h"(O) :5O.semidefinida negativa.\ EJEMPLO 15. y con (18) se concluye (17). corolario de la proposición V. u).v).-.5. y la matriz hessiana de f en un punto (x.Q. es: De acuerdo con la proposición 20. C.y) = rxyP es cóncava sobre R¡ x R¡ si y sólo si: Cl'E[0.v) y dos veces derivable en cada punto t de este intervalo con derivada segunda (cf. 75).1). la función f será c6ncava sobre R¡ x R. Si tE Ic(z..O.f.f.v. fijado (z.v) E R". o lo que es equivalente: hes cóncava sobre Ic(z.

2yP'::. Sea f una fWJción convexa sobre subconjWito abierto y con- lUl vexo e de lRn que es diferenciable en cada punto de Si x• Ee. Estas tres desigualdades son a su vez equivalentes a (19). f(x). Punciones convexas diferencíables Como una función f es convexa precisamente si la función (-!) es cóncava. es tal e que: f~. p. convexo y abierto.. y sea f una función numérica de clase (. y sea f lllla función nwnérica diferenciable en cada punto de C.y). O. Corolario.{3(o:+(3-l):s. (a~x•-'y'-')'. . se verifica: \lx E e.(n(n. y lo mismo acontece con las restantes funciones potencia de las desigualdades anteriores. de las proposiciones 19 (cf. y) E C'.O.f(y) ~ df(x)(x. capítulo 11. Una condición necesaria y suficiente para que f sea convexa sobre C es: V(x. sea semidefinida positiva la forma cuadrática: 3 Cf. 37): o(o. Como: xor. entonces f admite un mínimo globaP sobre el conjunto e en x* (esto es. p. Sea C ~ JR.0 y o.l)x•-'y') (~(B -l)x•. para cada x E e. • 2. convexo y abierto. (3((3 -l)x"y¡>-z :5O. estas desigualdades son equivalentes a: a(a-1):50. i::. (x*) =O para 1::. 38) se deduce: Proposición 21. p.l)x"'. (3((3-1):::.6.1 sobre e. Una condición necesaria y suficiente para que f sea convexa sobre C es que. 34) y 20 (cf. f(x) 2: f(x*)).'-') ~O.-Zyf' > O.40 CONVEXIDAD matriz hessiana anterior es semidefinida negativa. Proposición 22. Sea e ~ Rn un conjunto no vacío. lo cual se tiene precisamente si (cf.n un conjunto no vacÍo. n.

O. (x . y sea f una bmción numérica df'Jinida sobre C. Sea C ~ IRn un conjunto no vacío. convexo y abierto. Una condición necesaria y suñciente para que f sea estrictamente cóncava sobre () es que.E R >---+ f(x) E R es constante sobre R. con w i. p. a diferencia del enunciado de la pro- posición 14 (cf.da punto de C. w) = {>. E IR 1 x + Aw E G}. Una condi- ción necesaria y suficiente para que f sea estrictamente cóncava sobre C "'' V (x. se demostraría: Proposición 23.. y) E 0 2 .y).FU:-. En el enunciado de la proposición anterior se exige que el vector w sea distinto del vector O. cualesquiera que sean x E C y w E lRn. La razón es la siguiente: cuando w = O. la función numérica de una variable real: h--+ f(x + >.w) sea estrictamente cóncava sobre Jc(x.O) =R. pero no estrictamente cóncava (como se comprueba inmediatamente). 7. y la función >. ll.f(y) > df(x)(x. 29). Nota bene. se tiene que Jc(x. Proposición 24. (20) . y por tanto cóncava sobre R. y sea f una función numérica diferenciable en ca. Con argumentos como los utilizados al estudiar las funciones cóncavas. Sea C 1m subconjunto convexo no vacío de lR"."y) = f(x). Punciones estrictamente c6ncavas Nótese que 1ma función estrictamente cóncava sobre 1m conjunto tam- bién es c-Óncava sobre el mismo conjunto..JCIONES CÓNCAVAS Y FUI\ ClONES CONVEXAS 41 2.

e lamente en el pnnto . 2. Sea f una función estrictamente cóncava sobre un subconjunto abierto y convexo C de IRn que es diferenciable en cada punto de C. entonces f admite un mínimo global sobre so. y) E C 2.8. se tiene la caracterización de la proposición 24 con el sentido de la desigualdad estricta (20) cambiado: V(x.UIB. (x ¡f y) = f(x). Si :~:• es un punto de e tal que: f~ 0 (x*) =O para 1 S: i:::.. n. Proposición 25. función numérica de clase C2 sobre e. .f(y) < df(x)(x. entonces f es estrictamente cóncava sobre C. Sea C ~ IRn un conjunto no vacío.e*. . y sea f l. (x)viVj E IR í=lj=l l J es definida negativa. Funciones estrictamente convexas Obsérvese que una función estrictamente convexa sobre 1m conjtmto también es convexa sobre el mismo conjunto. . La condición de la proposición 25 es suficiente.(x*) es nula. convexo y abierto. vn) E IR f----t LLax· {)x. pero no necesaria. Para funciones e8trictamente convexas.42 ~------~C~ONVEXIDAD Corolario. Si para cada X E e la forma cuadrática: n n n az¡ (viJ vz. entonces f admite un máximo global sobre C solamente en el punto x*. También se tiene la condición suficiente de la proposición 25 cambiando "definida negativa" por "definida positiva".y). si f es diferenciable y x~ E es tal que cada derivada parcial f~. para que una función sea estrictamente cóncava.. e y como consecuencia.

definida sobre un intervalo cerrado [a. o si pertenecen.···•·••~r~r~ll~·t~\fit~~.>.l)y) ~ f(y). Ax + (1 ->.~. La función fes efectivamente cuasicóncava sobre l. Si x y y son dos puntos de!. con el mismo argumento que se utilizó en el ejemplo 16 se prueba (22). admite en el punto e un máximo global sobre ..~J1<~. e). y.iCAVAS Y CONVEXAS _ _ _ 43 3. probemos se verifica: f(. b). ambos.l)y) 2 m.b] (con a< b). Si f es creciente.x + (1. sobre !) .. y.Xx + (1.a. pues. y si f es decreciente: f(x) :2: f(>.lx + (1..b]. qne x E [a. E [0. e] y decreciente sobre el intervalo [e. GENERALIZACIÓN DE FUNCIONES CÓNCAVAS Y CONVEXAS 3 . y). GEI\ERAL!ZACIÓN DE FU:-JCIOI\ES CÓ:-.. bJ.g(y)). El punto Ax+(l. • EJEMPlO 17. de donde: x :::. Funciones cuasic6ncavas -.o{f(x). al intervalo [c.~ci . y dado A E [0. EJEMPlO 16. entonces f es cuasieóncava sobre I. En ambos casos. (21) Pongamos: x :::. 1:. l.b) tal que g es creciente sobre el intervalo [a. 1].b]). Entonces la función g es euasicóncava sobre el intervalo [a.{{t11r~~ ~:~:~1:~}~ri~r~. o decreciente. Sea g una función numérica de una variable. Si fes una función numérica de una variable monótona sobre un intervalo (no vacío) 1 (es decir: f es creciente. de esta doble desigualdad se deduce: f(x) ~ f(.f(y)}.1. (22) Si los puntas x y y pertenecen.)y) :2: f(y). se infiere (21).A)y) 2 m. e) y y E (e.o{g(x). al intervalo [a. Dados doo puntos X y y del intervalo [a. am- bos. .lx + (1. con la signiente propiedad: existe e E (a.A)y . b:. Consideremos. debemos probar se verifica: g(.)y ::. b) (en particular.

se concluye {22). C.z + (1.=:: o:}. 28).Q.Oj. condición es suficiente. Si una función es cóncava sobre un conjunto. Demostración. Nótese que el recíproco del aserto anterior no se verifica: una función cuasicóncava puede no ser cóncava. admite en el punto O un máximo global {sobre JR) y es decreciente sobre [0. Si x y y son dos puntos de Sa.f(y)) :> "· y así: >.x + (1. . Por ejemplo. de ello se deduce: f(>.x + (1.J(y)).)y E Sa. en ambos casos.. sobre el segundo es decreciente y g(Ax + (1. Sea C un subconj1mto convexo no vacío de IRn. La función f es. p. b]. E [0. cuasicóncava sobre [a. La condición es necesaria.IR+. y sea f una función numérica definida sobre C.t. una condición necesaria y suficiente de cuasiconcavidad para fuciones diferenciables 4 • 4Puede oorumltarse una demostración en el manual de los profesores S!MON y BLUME. E :o. El resultado visto en este ejemplo se generaliza sin dificultad a funciones de una variable que verifiquen la propiedad anterior no sobre un intervalo [a.>.)y):> mro{f(z). Consecuencia de la proposici6n 26. probemos es convexo el conjunto: S a = { :r E C 1 f(x) . Esta función es cuasicóncava sobre R. bj.D. pero no es cóncava sobre . cuasicóncava sobre C. sea convexo el conjunto {x E e 1 f(x) .z + (1. cf. Por ejemplo.=::a:}. fijado o: E R. y] (o a ambos}: sobre el primer intervalo la fun- ción g es creciente y se tendría: g(Ax + {1 ~ A)y) '2: g(x).. enunciamos. A continuación. Entonces x y y son puntos del conjunto SJ(11 ¡.>. El conjunto Sa es. Sean x y y dos puntos de C. función g(x) = -x 2 verifica: es creciente sobre (-oo. y al ser éste convexo también a él pertenece el punto >. sin demostración. la función f(x) = x 2 es cuasicóncava sobre lR.>.)y. pues.=::o: y f(y) . Supongamos que f es cuasicóncava so- bre C y.::: g(y). +oo). (y por tanto: f(x) . La. sección 21.44 CONVEXIDAD pertenece al intervalo [x. utilizando el hecho de que f es cuasicóncava sobre C podemos escribir: f(>. y sea >. también es cuasicóncava sobre el mismo conjunto (cf. Pongamos: f(x) 2:: J(y). e] o al [e. para cualquier número i'eal a:. 1]. pues.)y) . La función g es. la. sino sobre cualquier intervalo de interior no vacío.>. Una condición necesaria y suficiente para que f sea cuasicóncava sobre e es que. ejemplo 16). (al ser creciente sobre este intervalo. proposi- ción 13. • Proposición 26. y>. 1]. convexo.3. pues.)y):> f(y) ~ mfo{f(z).>.=::a).

GENERALIZACIÓ\1 DE FUNCIONES CÓNCAVAS Y CONVEXAS 45

Proposición 27. Sea C ~ lRn un conjunto no vacío, convexo y abierto,
y sea f una [rmción numérica diferenciable en cada punto de C. Una
condición necesaria y suficiente para que f sea cuasicóncava sobre C es:

V (x, y) E C 2, f(y) 2: f(x) => df(x)(y - x) 2: 0.

Debemos observar que las funciones cuasicóncavas diferenciables no
verifican la propiedad de admitir un máximo global en 1lll punto donde
se anulen las derivadas parciales, propiedad que sí verifican las funciones
cónc.avas (cf. corolario de la proposición 19, p. 35). Por ejemplo, la fun-
ción f(x) = x 3 es cuasicóncava sobre el intervalo abierto IR (por sermonó-
tona, cf. ejemplo 16), y es diferenciable en cada ptmto de JR, pero en el
punto x• = O, donde se anula su derivada, no admite ningún tipo de máxi-
mo.

3.2. Más sobre formas cuadráticas. Aplicación a la cuasiconcavi-
dad de funciones de clase C2
Sea q una forma cuadrática sobre lRn (cf. apartado 2.}\. y sea F un subes-
pacía vectorial de lRn. Que la forma cuadrática q es definida negativa
restringida al subespacio vectorial F (o, simplemente, definida negativa
sobre F) significa:

Vx E F- {0}, q(x) < 0;
y que q es semidefinida negativa restringida a F (o sobre F) significa:

Vx E F, q(x) <;O.
Análogamente se consideran definida positiva restringida a F y semi-
definida positiva restringida a F.
A continuación, mostramos una condición necesaria y suficiente para
que una forma cuadrática sea definida negativa sobre un subespacio vec-
torial determinado por una ecuación. La enunciamos y demostramos para
formas cuadráticas de dos variables. En ella se hace lL<lO de determinantes5 •

Proposición 28. Sea. q una forma cuadrática sobre JR2 , asociada a la. matriz
simétrica:

(~ :) '
5
Cf. Álgebra Lineal, apéndice A.

46 _ _ _ _ __ CONVEXIDAD

es decir: q(x, y) = ax 2 + 2bxy + cy 2, y sea F el subespacio vectorial de JR. 2
siguiente:

F~ {(x,y) E & 2 lpx+qy~ O),

donde p y q no son simultáneamente nulos. Una condición necesaria y
suficiente para que la forma cuadrática q sea definida negativa restringida
al subespacio vectorial F es:

o p q
p a b >O.
q b e

Demostración. Designemos por d el determinante del enunciado:

o p q
d= p a b =-aq2 +21rpq-cp2 ,
q b e

y supongamos que q =f O. Si (x,y) es un vector de F, es decir: y= -pxjq, entonces:

De esta forma, el signo del número q(x, y) y el signo de d son opuestos cualquiera
que sea el vector (x, y) no nulo de F. En consecuencia, el que la forma cuadrática q
sea definida. negativa. sobre F, es decir: q(x,y) <O para todo (x, y) E F- {(0,0)},
es equivalente a que d >O. C.Q.D.

Condición necesaria y suficiente de definida positiva restringida. Con las
notaciones de la proposición anterior, se tiene: la forma cuadrática q es
definida positiva sobre el subespacio vectorial F precisamente si:

o p q
p a b <0.
q b e

EJEMPLO 18. La forma cuadrática q(x, y) = -x 2 - y'l +2xy sobre R. 2 es definida
negativa restringida al subespacio vectorial { (x,y) E lR. 2 x +y= O}.
1

En efecto, la forma cuadrática q es la asociada a la matriz simétrica:

(
-!
1
¡)
-1 '

GENERALIZACIÓN DE FUl\ClONES CÓNCAVAS Y CONVEXAS
-·-.·-~
47

y se tiene:

o 1 1
l -l 1 =4>0.
1 1 -1

Con la proposición 28 (cf. p. 45) se mncluye que la forma cuadrática q es efecti-
vamente definida negativa sobre elsubespacio vectorial {(x,y) E Jlfll x +y= 0}.

Generalización. Para formas cuadráticas sobre !Rn se tiene la caracteri-
zación que enunciamos a continuación6 , la cual generaliza la de la propo--
sición 28 (cf. p. 45) para formas cuadráticas sobre R. 2 • Sea q una forma
cuadrática sobre R.n, asociada a la matriz simétrica (bij), y sea F el subes-
·~ pacio vectorial:

donde a¡, a2, ... , a,.. no son simultáneamente nulos. Se consideran los n -1
determinantes:

o a, o a,
o a, a,l
a, bu bt2 '
a, bu
a, a,
b, bu a, bu ""1
bln:
... '
a, &,, ¡,,¡ a, b,
a, b,
&,, b231'
b,,
"'' an bn>

La forma cuadrática q es definida negativa restringida al subespacio vec-
bnnj

torial F precisamente si los determinantes anteriores alternan en signo,
siendo el primero de ellos positivo; y es definida positiva restringida a F
precisamente si son todos negativos.
Lo visto hasta ahora sobre formas cuadráticas restringidas a subespacios
vectoriales puede aplicarse al estudio de la cuasiconcavidad de funciones de
clase C2 . Como oclll'rc con la concavidad, juega un papel central en este
estudio la forma cuadrática asociada a la matriz hessiana. Pero ahora
vamos a estar íp.teresados en si tal forma cuadrática es definida negativa,
positiva, etc, restringida a cierto subespacio vectorial.
Se tiene el siguiente resultado 7 :
6Cf. el texto del Prof. A. MAs-COLELL et al., sección M. D.
7
Para ver una demostración se puede acudir a las referencias citadas en el texto de las
profesoras R. BARBOLLA y P _ SANZ: La Concavidad en un Modelo Económico, pp. 48
y SS ..

48 CONVEXIDAD

Proposición 29. Sea C ~ IR.n un conjunto no vacfo, convexo y abierto, y
sea f una fWición numérica de clase C2 sobre C. Si, para cada m E C, la
forma cuadrática sobre IR.n asociada a la matriz hessiana D 2 f(x) es defi-
nida negativa restringida al subespacio vectorial {vE IRn df(x)(v) = 0}, 1

entonces la función f es cuasicóncava sobre e.

Corolario. Sea f una función numérica de dos variables de clase C2 sobre un
conjunto C no vaeio, convexo y abierto. Si para todo (x, y) E C se verifica:

entonces f es cuasicóncava sobre C.
Demostración. Nótese que, para cada (x,y) E C, los conjuntos

{ (u,v) E IR2 1 <1/(x, y)(u, v) ~O} y { (u,v) E IR 2 1 J;(x,y)u + t;(x,y)v ~O}

son el mismo subespacio vectorial de R 2 , y que podemos suponer que el gra,..
diente V f(x, y) es no nulo (pues, en caso contrario, no se verificaría la desigual-
dad del enunciado). Teniendo en cuenta la proposición 28 (cf. p. 45}, la forma
cuadrática asociada a la matriz D 2 l(x, y) es definida negativa sobre el subespacio
vectorial anterior precisamente sí:

o l~(x,y) f~(x, Y)
l~(x, y) f:2(x,y) f~~(x,y) >O,
t;(x,y) l/:11 (x,y) ~~~(x,y)

lo que es equivalente a la desigualdad del enunciado. De acuerdo con la propo-
sición 29, el que esta desigualdad se verifique para todo punto de Ces entonces
condición suficiente para que 1 sea cuasícóncava sobre C. C.Q.D.

Nota. La matriz cuyo determinante se éalcula en la demostración de la
proposición anterior o, más en general, la matriz:

" (x")
! .,,..,,
que está definida para una función numérica 1 de n variables que admite
las n 2 derivadas segundas en un punto :r:•, es la matriz bessíana de la fun-
ción 1 en el punto a:• orlada con loa términos del gradiente de f en a:•. t::.

GENERALIZACIÓN LJE FUNCTONES CÓ;>.;CAVAS Y COI\VEXAS 49

EJEMPLO 19. Dados dos números positivos c:t y /3, la función f(x,y) = ·;¡;C'yf3 es
1
cuasicóncava sobre R+ x JR:¡..
En un punto (x,y) E R.~~ xlR~, la matriz hessiana de f orlada por las derivadas
k--
parciales es:
1'
o:x<>-iyt3
a( a- 1)x"'- 2y¡J'
o.{Jx"'-1¡/-l

y el determinante de esta matriz es igual a:

Como, por hipótesis, o: y {3 son positivoo, el número anterior es positivo cualquiera
que sea (x,y) E R¡ X R+. La función fes, pues, cuasicóncava sobre lR'f- X R:+. •

3.3. Funciones cuasiconvexas

Nótese que una función f es cuasiconvexa sobre un mnjunto convexo
precisamente si la función (- f) es cuasicóncava sobre el mismo conjunto.

EJEMPLO 20. Si f es una función numérica de una variable monótona sobre un
intervalo (no vacío) I, entonces fes cuasiconvexa sobre l.
En efecto, al ser f monótona sobre J, también lo es la función (- j) (si una
es creciente, la otra es decreciente); de acuerdo con el ejemplo 16 (cf. p. 43), la
función(- f) es entonces cuasicóncava sobre I, lo que equivale a afirmar que fes
cuasiconvexa sobre J.
En una variable, una función monótona es, pues, tanto cuasicóncava como
cuasiconvexa.

EJEMPLO 21. Una función numérica de una variable, definida sobre un intervalo
cerrado [a,b] (con a< b), para la cual existe e E (a,b) de forma que la función

Sea C ~ IR. 44). p. 3. convexo y abierto.2(x. p.y) E C2. e] y creciente sobre [c. De la función f diremos es . Sea C ~ 1Rn un conjunto no vacío. y)f~(x. Finalmente. y) < O. un mínimo global sobre [a.b] en el punto e) es cuasiconvexa sobre [a. Sea C un subconjunto convexo no vacío de Rn. y) . y) . Una condición necesaria y suficiente para que f sea cuasiconvexa sobre C es que. De la proposición 27 (cf. 45) se infiere la siguiente caracterización de la cuasiconvexida.¡. entonces la función f es cuasiconvexa sobre C. Si. y sea f una función numérica diferenciable en cada punto de C.4. convexo y abierto. como se deduce del ejemplo 17 (cf.b). y sea f lUla fWición numérica de clase C2 sobre C.50 CONVEXIDAD es decreciente sobre [a. convexo y abierto. y) 2J. sea convexo el conjunto {:z: E C 1 f(x) :5o:}. • De la proposición 26 (cf.z) sO. se deduce la siguiente Proposición 30. para cualquier número real a:. si la función f es de dos variables (es decir: n = 2). para cada (x.y) E C.~. y sea f una función nwnéríca díferenciable en cada punto de C. pue~.(x. Punciones pseudocóncavas Sea C ~ 1Rn un conjunto no vacío. Una condición necesaria y suficiente para que f sea cuasiconvexa sobre C es: V(z. una condición suficiente para que f sea cuasiconvexa sobre C es que. sobre tal intervalo. Como consecuencia de la proposición anterior. una función que es con~ vexa sobre un conjunto también es cuasiconvexa sobre el mismo conjunto. para cada :z: E C. para funciones de clase C2 se tiene la siguiente condición suficiente de cuasiconvexidad: Proposición 32. y) 2t. 43). Una función que verifique esta propiedad sobre un intervalo de interior no vacío (no necesariamente un intervalo de la forma [a. y sea f una función numérica definida sobre C.2(x. se verifique: 2/~(x..d para funciones diferenciables: Proposición 31.b) (admitiendo. f(y) S /(z) => df(z)(y.f~(x.b]) también es cussiconvexa. y)f~u(x. p. la forma cuadrádca sobre 1Rn asociada a la matriz hessiana D 2f(:z:) es de- finida positiva restringida al subespacio vectorial {vE 1Rn] df(:z:)(v) = 0}.n un conjunto no vacío. En particular.

y) E e 2. Para más detalles puede consultarse: Algebra Lineal. 48. entonces f es cuasicóncava sobre C. SANZ. 8Cf. Queremos también aiiadir que la condición suficiente de cua. y en su corolario. Las funciones psendocóncavas sí verifican la propiedad de admitir un máximo global en un punto donde se anulen la:. abierto y cDnvexo. 34).c!C':'. 0 => f(y) <. 4. la pseudoconcavidad implica la cnasiconcavidad8 : si una función f (diferenciable) es pseudocóncava sobre un conjunto C. p. Más en concreto: de una función f. abierto y convexo. df(x)(y.x) 2:: O=? f(y) 2:: f(x).c··_ _ 51 pseudocóncava sobre e si verifica: '(x. f(y) <. también es condición suficiente de pseudoconcavidad9 .iconcavidad de una función de clase C2 vista en la proposición 29 (cf. p. p. sobre un conjunto abierto C ~ R". p.APÉND. y x* es un punto de e tal que se anulan las n derivadas parciales f!r.x) = O para cHda y E C. Punciones pseudoconvexas. Diremos que unH función es pseudoconvexa sobre un eonjunto si su opuesta es pseudocóncava sobre el mismo conjunto. entonces f tarnbién es pseudocón- cava sobre C. Como una consecuencia de la condición necesaria y suficiente de con- cavidad vista en la proposición 19 (cf.1. .17. la concavidad implica la pscudoconcavidad. e) texto de los profesores S!MON y BLU).y) E C 2. (x*) \ entonces se tiene: dj ( x) (y . en concreto: si una función f. de lo que se deduce (de acuerdo con la definición de función pseudocóncavª"): Vy E e. APÉNDICE 4. f(x). diferenciable en cada punto de un conjunto C no vacío. Subespacios afines de R. 1R). es cóncava sobre C. para funciones diferenciables. BARBOLLA y P. diremos es pseucloconvexa sobre e si verifica: \i(x. Aplicaciones afines En este apartado se recogen c. diferenciable en cada Inmto de 1m e conjunto no vacío. 521'!. df(x)(y.x) <.n:. d texto citado de las profesoras H. derivci. se tiene que.<. capítulos VI y VIII. f(x'). la ilmción f admite en el punto x• un máximo global sobre C. Por otra parte.C.n. 21.onceptos relacionados con subespacios afines y con aplicaciones afines.das parciales: si fes una flmción pseudocóncavH. 9 Cf. teorema. es decir.

• Todo subespocio vectorial de IR" es subespacio afín de lR". es un subespacio afín.-·. De la aplicación cf> de Rn en JRm diremos es una apli- cación affn si existen un vector W E R.. Vp. Si v 1 .) E IR" J ta. Vp son vectores de R. a2.!m de IR". se dice es un hiperplano de R. . Si w =O.n. De un subconjunto no vacío de IR" se dice es subespacio afln de lR" si puede obtenerse como suma de un vector de IR" y un subespa.x. Aplicaciones afines. ap son números reales tales que a¡ + a2 + · · · + ap = 1.. Del conjunto H~ {(xt.m tales que: . Combinaciones afines.. . el subespacio afín anterior se reduce a {v }. si w =f O. . Todo hiperplano de Rn es subespacio afín de R. v2... • Si v y w son dos vectores de IR". a2. .'1 de forma que: Se tienen las siguientes propiedades: • Un subconjunto de lR" formado por un único punto es un subespacio afín de lR".. si no es vacía. • La intersección de subespacios afines.m y una aplicación lineal f de JRn en R.¡xi =d}.w se dice es una recta de lR". a.n... ..cio vectorial de IR". no siendo a 1. . En símbolos: el subconjunto no vacío A ~ lR" es subespacio affn de IR" si existen un vector v E lR" y un subespacio vectorial F de JR. ..n.x2..52 _ _ _ _ __'C:~-~!_I_D_A_D Subespacios afines de IR". el conjunto v+IRw~ {v +Aw j A E IR} es subespacio a. •=1 con at. . simultánea- mente nulos. . . entonces del vector: O¡ V¡+ 0'2V2 + · · · + O'pVp diremos es una combinación afín de V¡. lln y d números reales. v2. a2. . de v+R. y si a 1 .

• La imagen por 4> de un subespa.2. por tanto..a. Sea: H =U H. pues rE N' si :z: y 1J son puntos de H.··· . y y E Ht. Por otro lado. Envoltura convexa de un conjunto Sea A un subconjunto de lR11 • Se llama envoltura convexa de A. E [0.) EAr }· B! obvio que H 1 =A. de la proposición 3 (cf. (23) . • si A es convexo.. entonces Co(A) =A. Se prueban sin difi- cultad las siguientes propiedades: o As.. Ht si s <t. = H1 U H2 U··· U Hr U···.as den+ 1 puntos de A. Co(A). Consecuencias de la definición de envoltura convexa.IÍJ.. y que H 8 s. En conclUBión: H ~ Co(A). La envoltura convexa de A: Co(A). Co(B). En consecuencia: H 2 Co(A). es el conjunto de las combinaciones convex. 1].2.APÉNDICE 53 Sea 4> una aplicación afín de IR11 en lRm. Se verifica: • La imagen por 4> de una combinación afín es igual a la combinación ai. >. o As. y por tanto. B = Co(A) s. J=l 1 (>. p. Co(A).>..:z: + (1.a2.) Eli+..)y E Ha+t ~H. La envolttll'a convexa de un conjunto es. sea Hr el conjunto de las combina- ciones convexas de r puntos de A: Hr = {t>. Para cada r E N• =N. si no es vacía.j = 1 J=l y (al.. el menor conjunto convexo en el que está contenido.IJ>. >. a la intersección de todos los conjuntos convexos que contienen el conjunto A. El conjunto Hes convexo.{0}..cio afín de lRn es un subespacio afín de lRm. 19) se deduce: Vr E N-. Co(A). entonces: '0. 1Rn. Sea A <. con :z: E H. Demostración.··· .a. t>. es un subespacio afín de lR11 • 4. de las imágenes. Hr s.. y se de- nota: Co(A). • La imagen inversa por <P de un subespado afín de IR m. H s. Proposición 33. o Co( Co(A)) ~ Co(A).

+t (25) De (23) y {25) concluimos que Co{A) = Hn+l· C. =O. j=l 1=1 concluimOB que y es una combinación convexa de menos de r puntos..~. Si tomamos los r . L::..J.. "/.•. lm j=l j=l números {3¡. y sea y E Hr (para evitar trivialidades.··· . . 0): v=L:>....r}.D.Q. /32.>. +E{). Vj E {1.~. de donde: H . no todos nulos.B1<o}. podemos suponer que A# 0.r y .. j=l j=l Existen r números{}¡. flr. .a. .. (24) j=l j=l En efecto..a..iaJ = L>. {k.2.1 vectores que son linealmente dependientes (pues r-1 > n). r tal que: r > n + 1. comprobaremos que sir> n+l. ) EA.+a =.=l y (al!a2... . entonces existen r-1 números reales {h.. se tiene que LP.ja. 1 :5 j :5 r.j 2:: O. ~O.54 CONVEXIDAD Probemos que H = Hn+l· Para demostrarlo..2.. .j =O... >. donde: E=mrn{-~ ll$. entonces Hr = Hr-1· Fijemos. Si definimos ahora: Aj = >.. . . 3j E {1. =O.+2 = H. {J. y como: " " Y= L>. entonces: " L)i = 1. .··· . . no todw nulos. pues.. . . con(>. tales que: " " I). ) E IR~.. tales que: " " y tomando Pt de suerte que ¿p..r}.2.. ~O y I:P.•.j$.. >. /32. . H. /3.. Es decir: = Y E Hr-1• y por tanto: Hr Hr-1• En consecuencia: =H.a. es decir. son no todos nulos y verifican (24)..a.

(Si se verifica: (Vx E A. Estos tres subconjuntos de IRn son efectivamente un hiperplano y dos semi- espacios cerrados. . sección 6 del capítulo VIII. a: ?.rdato.APÉ-"WICE _ __ 55 4." al que no pertenece el vector O. MICHP. p. 260. entonces existe un vector v E lRn no nulo tal que: v x E e. se dice que H separa estrictamente A y B.) JGCf.) Se tiene el siguiente teorema12: Teorema l. diremos que H separa A y B si A está contenido en 1mo de los semiespacios cerrados determinado por H y B está c. 62.3.3. . p. 12 Para ver una demostración puede consultarse el manual del Prof. Reco.d. llamaremos hipcrplano d-e ecuación J(x) = d al hiperplano de IRn: H ~ {x E 11!. ." 1 f(x) ~ d}. una aplicación lineal no nula de lRn en IR). SiC el:l un subconjunto convexo de R.f(x)2d y VxEB.L. f(x) < d). Álgeb. J(a:) > d) y (lix E B. y los semicspacios cerrados determinados por JI serán los semiespa- ClOS: {xElR"If(x)Sd} y {xElR"If(x):>d}.l 3 de los vectorel:l v y x. sec· ción 23. o. an son números reales no torios nulosll. Si A y B son dos subconjuntos convexos de lR'\ y H es el hiperplano de ecuación J(x) = d. (Recuérdese que V • a: designa el producto cscalm.rio. Álgeb. Separación de conjuntos convexos En este apartado utilizaremos la siguiente nomenclatura: si f es una forma lineal10 no nula sobre lRn (es decir. 11 Cf. y d E lR.ra Lineal..n es de la forma: donde a1o a2. respectivamente. pues toda forma lineal no nula sobre R.ra Lineal. v..f(x)<:. 13 Cf.ontenido en el otro: VxEA.

?:O.) E G¡ x C.X¡ E Cz. afirmar (cf. v•x. 1 E C 1 . o en otras palabras: el hiperplano de ecuación f(x) = d separa los conjuntos convexos Ct y C2. p. denotando por d su ínfimo. o bien (por ser f lineal): /(z2) . De (27) se infiere que el conjunto {f(z2) z2 E C2} está acotado inferiormente. y O rt. es decir: f(xz.x 1 ) . luego podemos escribir: C.r. C2 -C1 (pues en caso contrario existirían x 1 E C 1 y Xz E C2 tales que Xz. . y. (26) La aplicación: es una forma lineal no nula sobre !Rn. y Ct y Cz no serían disjuntos)..Q.::-:O.D. y v • (:cz. teorema l) que existe un vector v E !Rn no nulo tal que: VxECz-C1 .X¡ =O. fijado :~: 1 E C 1 . Podemos. podemos escribir: pues si xz E C:~.::-: f(zt).?: O (cf. Si C1 y Cz son dos subconjuntos convexos disjuntos de !Rn.C1 = Cz + (-1)011 y cf.x1) . consecuencia de la propo- sición 8. (26)). entonces xz. se tiene: (28) Pero (28) se cumple cualquiera que sea . entonces existen un número real d y una forma lineal no nula f sobre IRn tales que: Y(x¡. pues.56 CONVEXIDAD Teorema 2 (teorema de separación). 23). El conjunto: es convexo (obsérvese que Cz.).C¡. Demostración.x. 1 Por tanto. f(x¡) :S d :S f(x.

.r. . d.p. i ::.d. entonces la demanda agregada del bien i supera wt: d¡(p) > Wi· Vamos a comprobar que con las hipótesis anteriores existe un vector de precios p* = (pt.r 1~' 57 4-4· Teorf!ma del punto fijo de BROUWER Del siguiente resultado no incluimos una demo::. convexo y compacto. n. de H. i :S: n. y fes una función coJJtinua definida sobre C y con valores en C.tración 11 : Teorema 3 (teorema del punto fijo de 8ROUWER).p2. . definimos sobre C la función: g. esto es. . .. Supondremos que las ftmciones d¡ son continuas. por ejemplo.e verifica la ley de WALRAS..p2.p.(p) = 1 ' -1 (donde la renta total se ha normalizado a 1). hS} para cada bien i existe un precio íTi > O tal que si p = (p ¡. Para cada l s. n) el vector de los recursos disponibles de una economía. 1 :::. Más en concreto: hl} para cada 1 :::. . n h2} si p = (p¡.rr.(p) es la cantidad del bien i demandada por la economía. ._ i :::.'l demandas y los recursos: d. p. N!KAlDO (Academic Press. 1964). 1/w2] X··· x [-.w" (29) 14 Puede consultarse. 1/wl] x [-.. n... n.ualdad entre la. .p~) E (JR+)n con el que se asegura la i¡¡. .lto nu vacío: C~ {v~ (p¡. :5 1 W¡ para 1 :::.p. wn) E (iR~)n (es decir: Wí > O para cada l ::..+)n y toma valores en lR ¡.(p*) = w.. y también haremos la hipótesis de que :.rr2..pz.) es un vector de precios. . el t"xto: Convex Structures and F. Si C ~ iR" es llll conjunto no vacío.. 15 Cf. Kueva York. la función d." 1/wn). .(p) ~ p¡ + d. Aplicación económim15 Sea (w¡. :::.. Pn) es un vector de precjos con p.. se tiene: DJ. i:::. Sea el conjw.(p). . la función de demanda agregada del bien i. :S. el texto dell'rof. . MICHEL. si p = (p 1 . p") es un vector de precios. está dcfmida y es continua so- bre (JR. w2. P2. cPn) E (IR~)" 1 rr. y de que no hay saturación. i :::.. i :$_ n} = [7rt. 481. y sea d 1 . entonces existe XQ E C tal que: j(xo) = XQ.conomic Theory. 1 ::.

(p) S 1/w. si 1<. que también ea continua.(p"') < 1ri· Entonces de {30) y de (31) se deduce que 7r¡ = f¡(Y') = pj 1 y llegamos a que d. lo que oontradioe la hipótesis de que g.(p) < "'• j¡(p) = g.(p"') es menor que 7rfi· • g.Wi >Pi = 11'i.~...(p') S 1fw. el con- e jtmto ee convexo y compacto. . de una proyección. S g. w. /i[C] ~ [7t¡ 1 l/wt) 1 y por consiguiente la. definida sobre C.58 CONVEXIDAD que es continua.(p) > 1/w.¡ g.. . con la hipótesis (h2) llegamos a: • pld.¡ g.a. De (30) se deduce que. Entonces de (30) y de (31) ee deduce' 2. gt(p*) = pj + ~(p*). pero entoncee de (29) ee inJiere. hip6tesis {hl)-. funci6n: J(p) = (ft(p). teorema 3) 1 existe p* = {p¡. )a función~ ---continua por l.. y definirl'K'I!!Ila función: "" .(p') > w.(p') > 1fw.cloe oon positivos o nulos).ns (h3)). Ahora bien.. para cada. pues es la suma. h(p). de donde: d. Por otro lado.(p). y una constante.(p)).(p') S ~ = w. {hlpóte. = f¡(p') = p¡. ea continua y toma. . .. (30) { 1/w¡. Hagamos la hipótesis de que g.. valores en C.. pues ea el producto cartesiano den interva- los cerrados y acotados. o equivalentemente: {31) Para cada.(p') = 1 j=l (pues todos los suman. 'J. 1 ::5 i ::5 n se verifica: • 1ri :5g¡:(p*): Se prueba por reducción al ab8UI'do: supongamos que 91.(p') S Did.. . 1 ::5 i :5 n.p~) E C tal que: J(Y') = p*. Aplicando el teorema de BROUWER (cf. También se prueba por reducción al absurdo..

y sea .. como fes cónca'\!8 sobre C y (:z:.).PÍ + d. + (1 -l)y.Wi = P: = 1/UJi./(~) y lfm (/(v. .) + (1 -l)/(v. + (1-l)v.\ E [0. se tiene: /(l~.. Demostración. (32) Dado que z E lJ y 11 E lJ. luego: f<IJ>') -~~ti:P'). de (35) y (33) ee deduce: i Hm (/(l~.. y con (31) y (29) se ooncluye: PÍ ./(lz + (1 -l)g).) . Probemo9 se verifica: /(l~ + (1-l)y) . un vector de precios con el que se asegura. la igualdad entre las demandas y los recursos. ! lóm (/(~)). ~ + (1. + (1 -l)v. o.!. Ott-us propiedatks de lGs funcionu cóncaua.) = 11· (33) Para cada pE N.g. APEN'DICE 59 ED CODSeCilellcia. y hay contradicción con la suposición original de que 9iW) es mayor que 1/w..) y {vi') cuyos términos son puntos de e y tales que: lfm (~¡o)=% y lim (v./.(p').. _ < g·(p') 1 < .Wí S Pi+ Wi.(p') . l/(z) + (1-l)y.. (34) Ahora bien: · lfm ("'.l)y. pues. par& cada 1 S: i S: n se tiene: "". _Wj.) . 1].. Si f es Wl& función cóncava sobre Wl conjunto convexo y abicxto C. pasando al límite en (34) s.p'). de (29) se iD!Iere: g¡(p•) =Pi + d¡(p•) . Sean "' y y doe puntos de C.o.yp) e (jJ. l/(z. (35) y con la continuidad de 1 sobre e.. En con8eCUencia.6.)) = /(g).. existen dos sucesiones convergentes (%.)) .l. entonces fes cóncava sobre C.s Proposición 34.w.q. y fes continua sobre C (adherencia de C). es decir: c4(p•) = W&· Hemos encontrada.c obtiene (32). En consecuencia. 4.

f(xo) <: f(x. (37) i=l Fijemos a> 0.-w(y.xo. Lv.(x.o:) E HJ (pues f(x).Xz. f(x). y< f(x)}. Sea C ~ 1Rn un conjunto convexo.y) E lf}. 29).··· .o:< j(x)).xo). Si x = (x¡.a). entonces existe una aplicación lineal f. (38) i=l de lo que se infiere que w ::::.f(xo)) E HJ).. entonces (x. Vn. Vz.. p. . Si f es una función cóncava sobre C.. w) E Rn+l tal que: V(x¡. .(x. en contradicción con (38)). . y¡ es continua sobre C. y E IR. .y) E E}...Xon.J(xo)} ~ {(x.X2.xo.x .f(xo)) f/:_Jt}. se tendría que (xo. X01... -xo.) T w (f(x) . (36) Demostración. v2. Teorema 4.X2 .xo. Xoz. Xn.f(xo)) 1 x E e. . . O (si w > O.(x. w) • (x¡ . es decir: ii(x¡. Del teorema 1 (cf.y) E e X i!<l Y< f(x)} es convexo en JR"+l (cf.. 55) se deduce existe un vector no nulo (vi.j(x). . . l=l esto es: " ¿v.. el conjunto { wo: 1 o:> O} no estaría acotado superiormente.. .) -.Y.xz. entonces¡ es convexa sobre C. .f(xo)) ::::-_O. y (xo. .. proposición 14. luego también es convexo (en R"+ 1 ) el conjunto: HJ + (-l){(xo. y. (v. .xn) E C.. y de (37) se deduce: " ¿v. Bl conjunto HJ ~ {(x.f(xo)) ::::-_O... de IR" en IR tal que: V X E e.) +w ((!(x).. . p.f(xo)) ~O.xn. y Xo es un punto interior de C. y además el vector O E Rn+l no pertenece a él (en caso contrario. Si f es una función convexa sobre un conjunto convexo y abierto e. 60 CONVEXIDAD Para funciones convexas también se satisface la misma propiedad: Proposición 35. v.f(xo)) ~ wa.

El vector de IR. Tomando E> O de modo que f < rflv~o:l.xo.f(xo)} O> O. pertenece a B(xo.=Xa. RECORDATORIO• FUNCIONES DE VARIAS VARIA- BLES 5.D..Xn) E lRn se verifica: (39) '~· (sin más que dividir en (38) por -w. Finalmente.f(xo)) = -wZ. la propiedad enunciada en el teorema anterior es verificada por la aplicación lineal df(xo)."+l: es no nulo. Por otro lado.Q.::: O es absurda. 5. Por tanto. El conjunto 1Rn. p.1. . r).(x.) +0 · (f(x). como se deduce de (9) (cf. y se cumple (36). sii#-k. y dado (xt. el vector (xt. i=l y la desigualdad: -rui .. 1 $ k ~ n. y x~o:=Xo~o:-W~o:.1. Producto escalar. Si f es diferenciable en xo. la aplicación: es lineal. y por tanto existe r >O tal que B(xo. 34).. necesariamente w >O.1. RECORDATORIO: FUNCIONES DE VARIAS VARIABLES 61 Se verifica que w < O.xoll = f lv~o:l < r). y por tanto a C (pues llx.X2 1 • •• . Y en consc~ cuencia de (38) se deduce: n O· o:$ ¿v. se deduce: l(x. Norma. Distancia • 1Rn: conjunto de las n-upla. . C. En efecto: supongamos que w = O y lleguemos a un absurdo.s de números reales.Xz. que es un número positivo). . pero ya que (39) se tiene cualquiera que sea o:> O. y por tanto V k #.(f(x). Topología usual de Rn 5. pro- posición 19. xo E Ó.0 para algún k.xo).r) ~C.xn) tal que: x.

y) ~ llx. x2. o 11>·"'11 ~ I.\E IR). Xn) de IR": Vectores unitarios: los que tienen norma igual a l..) 2 . x2. Los vectores de la base canónica de JRn son unitarios. (x • x)(y • y). o llx + Yll <: llxll + IIYII· • Distancia (euclidea) entre a:= (x¡.. • Norma (euclídea) del vector x = (x¡. . . Propiedades de la norma: o llxll ~O Y ( llxll ~O <> "'~O). Xi es la i~ésima componente de a:. . .Yll ~ ( ~(x.x.x2. Y2.62 _ _ _ _ _ CONVEXIDAD Es un espacio vectorial sobre IR. o desigualdad de SCHWARZ: (:~: • y) 2 ::. xn) y y= (Yt. . . . x2.) de IR.n (o de :z: a y): n ) 1/2 d(x. ...Y2.. Sus elementos se denominan: puntos o vectores (indistintamente). y. Si lll = (x¡...n: para cada 1 :5 i :5 n. • Producto escalar de :z: = {x¡..··· . Xn) E IR...yn) (vectores de IRn): n X • Y= XJY¡ + X2Y2 + ·· · + XnYn = LXiYi· i=l Propiedades: <> simétrico: x • y = y • x.) y y= (Y¡.XIIIxll (.y.··· ... (ox + ¡Jx') oy~ o(xoy) + !l(x' • y) <> bilineal: y { x • (ay+ {3y1 ) =a:( a:: • y)+ f3(x • y') (o: y {3 números reales).

y) S: d(x. donde q es nna aplicación de N en N estrictamente creciente (es decir. • La sucesión (x. Xp E H(v..t). lím(x.). El limite de nna sucesión convergente es único. respectivament¡.p)=vi)· Linealidad: si las sucesiones (xp) y (y. • Subsucesión de nna sucesión (xp): una suc.) convergen. a v y a w: lím ( ax. se escribe: lím (x. xu) o' r}.y)~o . . tal que: Vp E N.RECORDATORIO: FL"NCIONES DE VARIAS VARIABLES 63 Propiedades: od(x. Si la sucesión (x. y)~ d(y. Sucesión convergente: la que tiene algún lírnit. si: '<lE> 0. Se denota: (xp. r) ~ {x E lR" 1 d(x. 5.1. x~y).n}. • Bola abierta de centro xo E IR" y radio r > 0: B(xo. oves límite de la sucesión (x.r) ~ {x E R" 1 d(x.) = v.y). Vp 2': k.xo) < r).esión (xq(p)). x). o también: (xp)· Término de orden k de la sucet~ión (xp): el pnnto Xk. ' . Sucesiones en IR" • Sucesión de puntos de IR": aplicación de N (números naturales) en lR".) de p1.. + (3yP) = av + (3w.P E N).e. ::lk E N.2.z) +d(z.) converge al límite v.O) = {xo}.. • Bola cerrada de centro xo E IR" y radio r 2': 0: ll(xo. .y)2:0 y (d(x. xp)) =O ~ (ViE{1. o d(x.2. q(p) < q(p+ 1)).mtos de R" converge al punto vE lR". Se tiene: R(xo. Condiciones necesarias y suficientes: lím (xp) =v ~ lím (d(v.. o desigualdad triangular: d(x.

IRn es cerrado si: para cada sucesión con· ver gente cuyos términos son puntos de R. entonces el produc- to B1 X B2 X • • • X Bn es un subconjunto cerrado de IRn. y IRn son conjuntos abiertos y cerrados. de conjlllltos abiertos es un conjunto abierto. entonces la sucesión ( Xp) es convergente y tiene el mismo lími· te: lím (xp) = lím (xp. de conjuntos cerrados es un conjnnto cerrado.. o Si. Ai ~ IR es abierto.: n. 5.-------'==<>"' El término de orden k de la sucesión {xq(p)) es: Xq(k) (coincide con el término de orden q(k) de la sucesión (::cp)). Bi ~ 1R es cerrado.64 --------- CONVEXIDAD .: i ::.p. o si la subsucesión (xp. o Una. La sucesión: (xp+k) también se denota: (xp. o El complementario de un conjunto cerrado es un conjnnto abier- to. o El complementario de un conjunto abierto es un conjunto ce- rrado. Propiedades: o toda subsucesión de una sucesión convergente es una sucesión convergente que tiene el mismo límite. y la intersección finita. B(x. o Si. entonces el produc- to A1 X A2 X • · · X An es un subconjunto abierto de IRn.3.1. o La unión arbitraria. y la unión finita. En símbolos: VxEIRn. . Subconjuntos abiertos y subconjuntos cerradoB de IRn • Conjunto abierto: A ~ Rn es abierto si: para todo punto de A existe una bola abierta centrada en el punto que está contenida en A. • Propiedades y ejemplos: o El conjunto vacío: 0. el límite de la sucesión pertenece a B.p ~k).::: k).----.r)~A). para cada 1 S i S n. xEA ~ (3r>O. o La intersección arbitraria. para cada 1 ::.p :2:: k) de una sucesión (xp) es convergente. • Conjunto cerrado: B e.n es un conjunto cerrado. o Una bola abierta es un conj1mto abierto. o Un hiperplano de JR. bola cerrada es un conjunto cerrado..

o las bolas (abiertas o cerradas} y los conjnntos finitos están aco- tados. SubconjuntmJ acotados de R. Condición necesaria y suficiente: la sucesión (xp) está acotada pro. Condición necesaria y suficiente: A es compacto precisamente si toda sucesión cuyos términos pertenezcan a A admite tma subsucesión con- vergente con límite nn pnnto de A.1. Condición necesaria y suficiente: A ~ lRn está acotado precisamente si. Propiedades: o todo subconjunto de un conjrmto acotado está también acotado. <> Un subconjunto finito de Rn es un conjunto cerrado. el conjnnto de las i-ésimas componentes de los vectores de A está acotado en R.n • Conjunto acotado: A ~ lRn está acotado si: existe bE IR tal que todo vector de A es de norma menor o igual que b: 'V x E A. Sucesiones acotadas. 5.. acotada (en IR). la sucesión (xip) está acotada en Jlt Propiedades: o toda subsucesión de nna sucesión acotada está a su vez acotada. cisamente si. llxll :5 b.RECORDATORIO: FUNCIONES DE VARIAS VARIABLES 65 <> Un semiespacio cerrado de R. . an no simultáneamente nulos) es un conjunto ce· rrado. para cada 1 :5 i :5 n.n: (a¡. Subconjuntos compactos de R.n. . • Conjunto compacto: A ~ IRn es compacto si: A es un conjunto cerrado y acotado. • Una sucesión (xp) está acotada si: la sucesión (llxpll) está.. a2. i ::. para cada 1 ::.4. n. Teorema de BOLZANO-WEIERSTRASS: toda sucesión acotada de puntos de Rn admite una subsucesión convergente. o la unión finita de conjuntos acotados es un conjunto acotado. . o toda sucesión convergente está acotada.

B(x.n: • Punto interior de A: punto a:: E A tal que existe una bola abier- ta B(x.r) o = B(x. SI A es entorno de x y (:z:p) es una sucesión que converge a a::. El conjunto A es abierto precisamente si es entorno de cada uno de sus puntos.iJ(.r) contenida en A: 3r >O. o Aes un conjunto abierto. o A es un conjunto cerrado.66 CONVEXIDAD 5.r)nA¡t0). En símbolos: A= {a:: E A l3r >O.. o B(. Propiedades: o A~ A.r) ~A. Se denota: A.r}.r) ~ . o el conjunto A es abierto precisamente si: A= A..r)..1.r) ~A}. es decir: a:: E Ji. o si A ~ B y B es cerrado: A~ B (A es el menor cerrado que contiene el conjunto A). Entorno. Punto interior. - o sir> 0: B(a::. • Punto adherente de A: punto a:: E JRn para el que existe una suce- sión convergente cuyos términos pertenecen a A y cuyo límite es igual a "· Adherencia de A: conjunto de sus puntos adherentes. Propiedades: o A~ A. B(x.5.. o el conjunto A es cerrado precisamente si: A = A. Punto adherente Consideramos un subconjnnto A no vacío de lR. . Se denota: A. entonces existe k E N tal que todos los términos de la sucesión (:z:p) de orden mayor o igual que k pertenecen a A. B(. o "EA=> (Vr>O. • Interior de A: conjunto de sus puntos interiores. • Entorno de un punto a: E lRn: A es entorno de a: si: a:: es interior a A. o si A ~ B: A ~ B.

1..A: • Que el número reall es límite de f(z) cuando x tiende a zo. { (x. 'r/xER'\ !¡·• 1 ' (x E A y d(x... Conjunto de definición de la función f: conjunto D (conjunto de partida de la aplicación /).-+ f(x) E IR.2. un conjunto A~ D y un punto xo E . y): intersección de la superficie con el plano horizontal de ecuación z = h. lll-+lllo . Límite de funciones numéricas de n variables 1 Consideramos una función mnnérica f de n variables. y. permaneciendo x en A. La función f está definida sobre un entorno del punto xo si: :z:o • es interior a D: :z:o E D. La función f está definida sobre el conjunto A si: A ~ D. '< Superficie de ecuación z = f(x. permanece en D.. RECORDATORIO: FUNCIONES DE VARIAS VARIABLES 67 5. • Representación de una función numérica de dos variables: se con- sidera una función numérica f de dos variables. • Se denota: lím f(x) =l. O también: curva de ecuación f(x. su conjunto de defini- ción D..2. z) E JR3 1 (x. y)= h (en el plano xOy). 1 5.2.. lll-HIIO •EA Notación particular: si A= D y :r=o E se omite el p~ecisar que x b. o que f(x) tiende a l cuando :.r:: en A. Curva de nivel de altura h de la superficie de ecuación z = f(x. X<J) < ó) => { lf(x) -ll < ').y): representación del grafo de f ! en el espacio de dimensión 3 (dotado de un origen y de una referencia ortonormal).n en IR: x E D..r::o. Limites. significa: 'rle>O..r:: tiende a :. 3ó>O. y se denota: lím f(x) =l. per- maneciendo :..2. continuidad y derivabilidad de funciones de varias variables 5. Punciones numéricas den variables • Función numérica (o función real) de n variables: aplicación f de un subconjunto D de lR. con conjunto defini- ción D: Grafo de ¡. y)). y) E D y z ~ f(x..

significa: Va E IR. l · l 1 . • Que f(x) tiende a más infinito (+oo) cuando x tiende a xo. :z:-+a:o :z:EA :z:EA' o Si: lím f(x) =l y E es un entorno de xo: lím f(x) =l. . 'VxElR. 36>0. perma- neciendo X en A. y f(x) admite limite cuando x tiende a Xo. al + {Jl'.xo) <o) => (f(x) >a). entonces este límite es único. f(x)fg(x) (ffi !' f 0). perma- neciendo x en A. (x E A y d(x. con C ~ lR cerrado.l)---J.<eo meA . f(x) E C.x 0) < 6) => (f(x) <a). enton~ . entonces este límite es igual a f(xo)- o Si: lím f(x) =l y lím g(x) = l'. 36>0. y: Vx E A. :ll-4:JlO "" entonces: l E C. • Propiedades: o Se tiene unicidad del limite: si f(x) admite límite cuando x tiende a xo. per- maneciendo X en A.>JEA "'EAnE o Si xo E A. respectivamente. f(x) =:::.1!:---J. entonces admiten límite: 111-+ICO :1:4"'0 :z:EA :z:EA lf(x)l.n. entonces: !ím f(x) =l. Consecuencia: si: lím f(x) = l.a. o Si: lím f(x) :z:-Htlo = l. (x E A y d(x. a. o Si: lím f(x) = l. Se denota: lím f(x) = -oo. y: Vx E A. <1!---J.::I!o •EA • Que f(x) tiende a menos infinito ( -oo) cuando x tiende a xo. f(x)g(x). y sus valores son: ]ll. VxEIRn. <e-+:z:o :zl-+:Z:o . l/l'. significa: VaElR.<eo •EA ces: l =:: . af(x) + f3g(x). Se denota: lím f(x) = +oo. permaneciendo x en A.68 ------··-· CONVEXIDAD Condición necesaria y suficiente: para cada sucesión (Yp) de pnntos de A que converja a xo se verifica: lím (f(Yp)) =l. A'~ A y xo E A'.

. . ~ al--HilO ¡'' •EA • La función f es continua si: es continua sobre su conjunto de defini- ción D. o Si f es continua sobre A: J es continua sobre cualquier subcon- jlmto de A.. RECORDATORIO: FUNCIONES DE VARIAS VARIABLES ~~~~~~~~~--'69 • Condición necesaria y suficiente para límites infinitos: f(z) tiende a w (+oo o -oo) cuando z tiende a x 0 .X2. • Propiedades: o Una función es continua sobre un conjunto abierto precisamente si es continua en cada uno de los puntos del conjunto abierto. ' o Las n proyecciones: pri(x 1. si y sólo si: para cada sucesión (Yv) de puntos de A que converja a X() se verifica: lím (/(yp)) = w.n. • La función J e_s continua en el punto xo E Dsi: "'-+"'o lím J(x) = f(zo). o Una función compuesta de funciones continuas de las compo- nentes de X= (xl.3.··· . o Si f y g son continuas sobre A: son continuas sobre A las fun- ciones: f(z) lf(z)l. permaneciendo x en A. 0). f(z)g(z). Continuidad de funciones numéricas den variables Consideramos una función numérica J den variables con conjunto de defini- ción D: • La función f es continua sobre el conjunto A ~ D si: Vzo E A. g(z) f. . g(z) (la última si: Va: E A..x2. 1 :5 i S n.xn) es continua. af(z) + f3g(z). son continuas sobre R. o Si f y g son continuas en xo: son continuas en Xo las funciones: f(z) .2. lfm f(z) ~ f(zo). f(z)g(z). af(z) + /3g(z). ' lf(z)l. 5. g(z) (" g(zo) #O).xn) = x..

o Si fes continua sobre un conjunto compacto A: el conjunto f[A) está acotado (en lR) y admite máximo y mínimo. entonces también los conjun- tos {x E A 1 f(x) ~O} y {x E A 1 f(x).. a. lo mismo acontece con: af + f3g.. X¡ • Operaciones: si f y g admiten derivada parcial con respecto a Xi en a. ai-ll x¡. f fg (si g(a) =¡!:. (af + fJg)(a) ~a ax/a) + fJ ax. se puede afirmar sobre el conjunto {a: E A 1 !(a:) E S}: es cerrado si lo son A y S..... a2. y es abierto si lo son A y S.(fjg)(a) ~ g(a)' ax/a)g(a) -f(a)&x/a) . ei A es abierto.. Consecuencia: si A es cerrado.0}. Una función racional P/Q {cociente de dos polinomios den va- riables) es continua sobre {x E IRn Q(z) #.. i ::. . jg.a variable real x¡: j(a1.U'l. . . . 1 o La función d(x. entonces también el conjunto {a: E A [ f(a:) >O} es abierto.2. o Si f es continua sobre A y S ~ IR. y se tiene: & a¡ a o ax. O} wn cmados. Derívabilidad de funciones numéricas de n variables Consideramos una función numérica f den variables con conjunto de defini- ción D: • Derivada parcial de f con respecto a xi (1 ::. de la función numérica de 1. an) E D: la derivada en a.4.9 (a). 5.(a). ai+It . (fg)(a) ~ ax. o también: f~. Propiedad: si f admite derivada parcial con respecto a xi en a.70 CONVEXIDAD o Un polinomio de n variables es una función continua sobre lR". a a¡ ag o ax. . 0).). a) de la variable a: (a E IRn fijado) es continua sobre IRn. (a). (a) g(a) + f(a) ax. Se denota: aa¡ (a). y h es una función numérica de una variable derivable en j(a): la función ... n) en el pun- to a= (al. La función [[a:[[ de X es continua sobre lRn. a 1 (a¡ a9 ) o &x.

. • Teorema de SCHWARZ: si f es una función numérica de dos va- riables tal que las funciones ¡:. La función f es derivable sobre A si: f es derivable con respecto a cada una de las n variables x1 sobre A (1 ~ i ~ n). y se tiene: a~. -8x 2 2 1 • Por recurrencia. entonces coinciden las derivadas cruzadas en (xo.: la función X E A 1-------+ f~. o ' arob. J r_¿.¡11 y f~x están definidas sobre un en- torno de (x 0 . . YO) = f~~(xo. Consecuencia: se puede invertir el orden de derivación en las derivadas p-ésimas de una función numérica de n variables en aquellos puntos en los que dichas derivadas p-ésimas sean continuas.= z:.1en: !"x. Xi 2 . Punciones den variables con valores en lRm • Función de n variables con valores en IR m: aplicación f de nn subconjunto D de lRn en lRm: x E D 1-------+ f(x) E lRm. La función f es p veces derivable sobre un conjunto abierto A si: las nP derivadas p-ésimas de f están definidas en todo punto de A. Se d enota: s1. Conjunto de definición de la función/: conjnnto D {conjunto de partida de la aplicación /). 8 Xj y s1 J a'-f< a l .. . x 12 . 71 compuesta h o f admite derivada parcial con respecto a x 1 en a.. o tamb'' 1en: !" x. . (ho /)(a)~ h'(f(a)) ~t. xi. Yo). • (Consideramos nn conjunto abierto A ~ D. y son continuas en (xo. • Derivada segunda de f con respecto a Xi y Xj en el pun- to a E D: derivada parcial con respecto a Xj en el punto a de la . Yo).• .z: 8'! (a ). es decir: ¡:¡y(xo. •."_ 1 . (a).• fun C!On !'X.2. es: la derivada parcial con respecto a Xi" de la derivada (p. x..) La función f es deri- vable con respecto a X..¡ sobre A si: J admite derivada parcial con respecto a Xi en todo punto de A.5. 5. 8 X. Yo).(x) E lR. Función derivada parcial de J con respecto a X.xi (a ). (a l . Yo).. .RECORDATORIO: FUNCIONES DE VARIAS VAR=IAB=L=E=S~--.1)-ésima de f con respecto a Xi¡. la derivada p-ésima de f con respecto a xi 1 .

:z:-+:r:o Son enunciados equivalentes los siguientes: o Jím f(x) = v..m}. permaneciendo x en A. .. lfm f(x) ~ f(xo). .:z:o :o->:z:o :cEA :r:EA • La función f es continua sobre el conjunto A ~ D si: Vxo E A. y también linealidad: si lím J(x) = v .A. ... o Vi E {1.v) ~o. /2. f(x) E IR (donde pr1 f(x) denota la i-ésima componente del vector f(x) de IRm). Se denota: lím f(x) = v.0 o EA y lím g(x) = w..¡. Q:-->:z:o . (xEA y d(x. 36>0.. :z:->:z:o o EA o lfm d(f(x).) Que el vec- tor vE Rm es límite de f(x) cuando x tiende a xo.. :z:.v) <E). la sucesión (/(Yp)) converge a v......cA ' se omite el precisar que x Notación particular: si A = D y xo E D... lím fi(x) =vi.f2. permaneciendo x en A. entonces: lím (n/ + (3g)(x) = o:v + {3w..CONVEXIDAD 72'------------- La función f está determinada por las m funciones numéricas de n variables: x E D 1---} fi(x) = pr. . _ __. . .:z:o •EA Consecuencia: unicidad.2../m)- Consideramos una función J = (!1. :r:.xo) <ó) => (d(f(x). :r:->::r:o o EA La función f es continua si: es continua sobre su conjunto de defini- ción D. o que J(x) tiende a v cuando x tiende a :r:o. Se escribe: /=(ft. VxERn. con conjnnto de definición D: • (Consideramos nn conjunto A~ D y un punto xo E . ..¡... y se denota: lím f(x) = v. significa: 'i€>0... permanece en D. . fm) de n variables con valores en IRm. W-4Q:Q o EA o si (Yp) es una sucesión convergente con sus términos en A y con límite xo. .

xon): . Se denota: Df(x).RECORDATORIO: FUNCIONES DE VARIAS VARIABLES 73 La función f es continua en el punto Xo E b si: lfm f(x) ~ f(xo). y g es continua sobre B ~ Rm. (x) fih (x) ax¡ ax.n. entonces g o fes continua sobre A.:o Propiedades: o f es continua sobre A si y sólo si cada fi es continua sobre A (para 1 Si:::::_ m).3. 5. • (Consideramos un conjunto abierto A ~ D.(x) Df(x) ~ ax¡ ax. (x) a¡. y f!AJ ~ B. derivable sobre Rn y tal que su matriz jacobiana en todo punto de Rn coincide con su matriz asociada en las bases canónicas.. 1 :::::_ i : : :_ m.j) es la derivada parcial de la función f¡ con respecto a Xj en el punto x. axn 8fm(x) a¡m(x) 8fm(x) 8x 1 ax. (x) a¡.. Diferencial de una funci6n CoDBideramos una función munérica f de n variables definida sobre un entorno de un pnnto xo = (xo1. .3. Matriz jacobiana de f en x E A: matriz de orden (m. . axn a¡.1. n) cuyo término de posición (i. o continuidad de la función compuesta: si f es continua so- breA~ R. axn • Toda aplicación lineal de R.n en Rm es una función de n variables con valores en Rm continua. o f es continua en xo si y sólo si cada Ji es continua en xo (para 1 : : :_ i : : :_ m). (x) a¡. xo2. Se tiene: a¡.) La función f es deri- vable sobre A si: cada una de las funciones f~ es derivable sobre A. Diferenciabilidad de funciones de varias variables 5. a:->:.

i. o operaciones: si f y g son diferenciables en xo..f(xo). = O.. . f / g (si: g(xo) # O). "'-+ó>!o La diferencial de f en :z:o es única. { lím e(x. g xo o si f es diferenciable en xo + tov (con v i= O).::.. diJg)(xo) ~ f(xo)dg(xo) +g(Xo)df(Xo).. Jg. y es derivable en :z:o (existen las n derivadas parciales fiJxo)).. (xo)y...f + j3g. y se tiene: d(af + 6g)(xo) ~ adf(xo) + f3dg(xo). entonces la función: t 1-----+ g(t) = f(xo + tv) es derivable en to.--.Yn)= L)~. están definidas sobre nn entorno de xo y son • continuas en :z:o. y se tiene: n V(Yt.. i=l • Condición necesaria y suficiente: f es diferenciable en xo si y sólo si: f es derivable en :r:o y se tiene: n f(xo +y). y~O IIYII y#O Condición suficiente: J es cliferenciable en :r:o si: las n derivadas parciales f~-. lím --------. .(xo + tov)v..xoll .Y2.(a:o)y.Y2···· .yn) ElR'\ df(xo)(YI. lo mismo acontece con las funciones: o. n. o si f es diferenciable en Xo: la aplicación afín de la variable x: f(xo) + df(xo)(x ~ xo) es una aproximación afín de f en xo. xo) =O.::. i=l • Propiedades: o si f es cliferenciable en :z:o: f es continua en :z:o.¿¡.xo) + e(x. . y la diferencial de f en x 0 es la aplicación lineal df(xo)..-~'=-~1 ---. 1 d(f/g)(xo) ~ ( )' (g(xo)df(xo). de derivada: n g'(to) ~ df(xo + tov)(v) ~ ¿¡. 1.f(xo)dg(xo)). xo) llx .74 COI\V'EX!f)AD • La función f es diferenciahle en el punto x 0 . si: f(x) ~ f(xo) + df(xo)(x .

(zo).("'<<) . Teof'I'Oma de los inc~mentos finitos Consideramos una función numérica f de n variables: Si f es continua sobre el segmento que une dos puntos :vo y :e¡. con O<(}< 1. ax. Desarrollo limitado Consideramos una funci6n numérica f de n variables. 5. Propiedad: si J es continuamente difcrencia. ax.2.. funciones r. . 8x. Se denota: V/(~). es diferencia- ble en cada punto de A. o de clase C1.o) = X:} a'¡ Ei'J a ax¡ ("o) Xn 8xn8x.(zo). so-- bre A si: las n derivadas parciales de f son funciones conliinuas so- breA. Se denota: D 2 f (mo). entonces existe un número fJ.RECORDATORIO: FUNCIONES DE VARIAS VARIABLES 75 • (Se considera f derivable en zu. • (Se considera que f admite las n 2 derivadas segundas en un punto a::a. y diferenciable en cada punto del interior de este segmento. Se tiene: if'J Ei'J aX¡'("'<1) Ox 1 1Jx2 (zo) Ei'J Ei'¡ 2 aX2 a ("'o) 8x~ (zo) D f(..3.zj(mo). Fórmula de TAYLOR.) Matriz h~ssiana de f en zo: la matriz cuadrada de orden n de las derivadas segundas J:. tal que: 5. Se t>ene' V !("'<1) = (M M (zo).3.8.ble sobre A. M ("o) ) . Si fes diferenciable en zo: Vv E IR'\ df(a:o)(v) =V f(zo) • v. . ..k clase C2. Punciones de clase C1 . o también: gradf(~).) Gradiente de f en oto: vector de lR" cuyas componentes son las n derivadas parciales /~. y un subconjunto abierto A de su conjunto de definición: • La función f es continmunente diferenciable.

. Si j es de clase C2 sobre A. • (Se considera 1. . tal que: " 1""' f(xo + ¡¡) = /(zo) + L). cuyos términos son: /~. 2 donde J es de clase sobre un entorno de :ro.. • La función fes de clase C00 sobre A si: todas las derivadas sucesivas de f son funciones éantinuss sobre A.. Si fes de clase C2 sobre un entorno de zo+tov (con v -::¡f O). • Desarrollo limitado de orden 2: si f es de clase C2 sobre un entorno de zo.) La función f es de clase cP sobre A si: las n" derivadas p-ésimas de f son funciones continuas sobre A. entonces la función: t ~ g(t) = f(zo +tv) es dos veces derivable en to.y. y de norma menor que r existe un número O. • Aproximación cuadrática de f en zo: 1 /(o:o) + D/(zo)Y + Y' D' f(zo)Y.Ul número natural p > 2.. .1(o:o + Oy)y. . ¡¡) =O.. i=lj=l • Fórmula de TAYLOR de orden 2: si f es de clase C2 sobre una bola B(zo. i=l i=l. r). la matriz hessiana. Ymi yt es su traspuesta¡ y D f (zo) es la matriz fila.a:o. con O < 8 < 1. + :¡L. { ·- lfm e(o:o.y) 111111 2 .f:. .L. /~.76 CONVEXIDAD • La función f es de clase C2 sobre A si: las n 2 derivadas segundas de f son funciones continuas sobre A. D 2f( z) es simétrica en todo punto a: de A.=l 1 = /(zo) + D/(o:o)Y +:¡Y'D 2 /(o:o + Oy)Y (donde: Y ea 1a matriz columna cuyos términos son: y¡. .(zo). y Y denota la ma- C2 triz col11IOll8 cuyos términos son las componentes del vector diferen- = cia: y a: .(o:o}!l.. para cada. de derivada segunda: • • g''(to) = :E:Et:~j(zo +tov)v¡v. se tiene: /(zo + ¡¡) = /(zo) + D/(o:o)Y + ~Y'D'J(o:o)Y + <(o:o.(zo))..

)(ll).+)n si: 'lt >O. . /(t:r:) = 1"/(o. entonces la función J~ 0 es homogénea.).. <> la matriz asociada a la aplicación lineal d/{zo) eu las bases canónicas es la matriz jacobiana Df(a:o). zo: la aplicaci.. RECORDATORIO: FUNCIONES DE VARIAS VARIABLBS 77 5. y un número real a: 1 • La función fes homogénea de grado o sobre (JR.o).. . E (K+J". • Propiedades: ·-hm e(z..o) +d/(zo)(z-"'0) •• una aproximaci6n aft'n de 1 en zo. _ Condición necesaria y suficiente: { /(o. • Teorema de EliLER: si fes diferenciable en todo punto de (JR+)". . Diferencial de f en :!lo: la aplicación lineal d/(~o) de R" en lltm: 11 E IR">-+ d/(.. de n VBXiables). 'lo.~ = /(.$ m..."'') + llo. zo) =O. de grado a -1 sobre ~) 0 .4.) + df(. /m) de n variables oon valores en lit'"' definida BObre un emorno de un punto zo: • La función 1 es dlrerenclable en el punto a:o si: las m funciones numéricas k 1 :5 i . . una condición necesaria y BUficiente para que f sea.9.o..bles en :r:o."'•11 e(o:..6n afín de la variable z: f(o. FUncione~ lwmogéneas Consideramos una función numérica J definida sobre (~ )n (por tanto. DiferencialJilidad de funciones con valores en Rm = Consideramos una función J (11... • Propiedad: si fes homogénea de grado a sobre (R+)" y es derivable ron respecto a :Ei sobre (R+)". /2. o si f es diferenciable en.. 5.. .(m) = a/(z) . son dlfierencla.. homogénea de grado a sobre (Ri-)" es: n \f"' E (11!+)".3. .)(o.<if•(. d/m(zo)(y)) E Km.)(!1) = (dh(o:o)(y)..5. E••f.

Yu) .11 solución del sistema de ecuaciones: /(y. .6. tal que: para cada x de B(z\r).a fun-ción de m + n variables con valores en IRm. FUnciones impl{citas El resultado central es el teorema de la función implícita: • Si f es Wla función numérica de dos variables continuamente di- ferenciable sobre un entorno de (xo.··· . a:•).r) y B(y". donde: f(xo. y si J~(x0 .(xo. Si la variable X varía respecto de z* en (dx1 1 dx2. entonces existen dos bolas B(:z:". Si x varía de xo a un punto próximo xo+dx. s): y= y(x). entorno de x 0 .3. .(xo. O. • Caso general. 1JO). 1AJ)dx + f~(xo.yo). punto de !Rm x IR.as! D(go /)("<l) = Dg(f(•m)) D/(mo). entorno de Yo. dym) de la variación correspondiente de la variable y respecto de y• resolviendo el siguiente sistema de ecuaciones . y con valores en un intervalo abierto J. para cada x E I.:z:") de la variable y verifica que su dife- rencial en y• es nna aplicación lineal biyectiva.. y con valores en B(y*. donde q es la función q(z) = !(y~.s). Yo)dy =O. entonces se puede obtener una aproximación lineal dy de la variación correspondiente de y res- pecto de Yo resolviendo la ecuación: t.YO) = O. entonces se obtiene una aproxi- mación lineal (dy1.¡. t~i f es l. Además. sobre un intervalo abierto I. y para las matrices ja.. tal que. y una función g definida sobre B(x*. entonces existe una. función g definida. y si la función p(y) = J(y. 5.dx11 ) {vector que se considera de norma pequeña).cobian. el sis- tema de ecuadones: J(y. 110)/ J. Además: g'(xo) = .q(o:') = -dp(y')-I o dq(<U').r). :r:) = O.co). entonces 9 o! es d.iferenciable en zo y se tiene: d(gof)(xo) = dg(f(xo)) cdf(xo).J. y se tiene: d. la ecuación: f(x.(xo.W. continuamente diferenciable sobre un entorno de (y*. y) = O tiene a y = g(x) oomo única solución en J. g es diferenciable en x•.. a:) = O tiene una única solución en B(y".s).78 __________________________________________~C~O~NVEG~~D~AD~ <> difcrcnciabilidad de una funci6n compuesta: si J es difc- renciablc en xo y g es diferenciable en J(:. z) de la variable z. dm.

y df(y") es biyectiva. dym: 8 f 1 dyi+···+ llf¡dYm+ Bf¡dxJ+···+ BJ¡dx. •.. 8y¡ {)Ym {)xl tJxn donde las derivadas parciales se suponen evaluadas en (y*. entonces f admite una inversa ¡-I en un entorno de m• = f(y*). 8y¡ 8vm 8x¡ 8z:n a~ { -dl/1 a~ + .. · + -dYm + a~ w= -dXl + ..~O. a:*). dr•<. dY2. • Aplicaci6n: función inversa de una funci6n f de n variables con valores en lit~'~: si J es oontinuamente diferenciable sobre un entorno de J/".·> ~ df(y·¡-•.. 1 . que es diferenciable en m* y cuya diferencial en este punto es la aplicación lineal inversa de df(y*). •+ -dXn = 0.RECORDATORIO: FUNCIONES DE VARIAS VARIABLES 79 en las incógnitas dy¡. .

. .y) E02. VAE [0.1[. combinación convexa de puntos de un conjunto convexo pertenece al oonjlUlto. pero con desigualdad estrícta). >. a2.. o la adherencia de un conjunto convexo es un conjun~ convexo¡ \ . y los semi- espacios abiertos (como loe cerrados. 'llp de lR": todo punto de la. En símbolos: C ~ R" es convexo si: V(z. . donde n¡.t.. Cln no 80Jl simultáneamente nulos). x2. • Combinación convexa de p puntos 11¡ 1 u2. • Propiedades y ejemplos: o el conjunto vacío es convexo.)yEO. o en nt. . de llln. . o la imagen por una aplicación a. o toda.fi'n de un conjunto convexo es un COIJjunto oonvexo.. ••• . .. <> un subespa. a2. b} ~1 (donde a 1 . <> la imagen inversa por una aplicación afin de un conjunto convexo es un conjunto convexo. los únicos conjuntoe convexos son los intervalos.z+(!->." es convexo si contiene todo segmento que una dos de sus puntos.cio afú. . o wn convexos los smniespacios cerrados: { (x¡. el producto y la suma de conjuntos coiMlXOS es un c:oojunto ~vexo. xn) ER" 1 ta¡x. o la intersección. es un ronjunto convexo.80 CONVEXIDAD RESUMEN Conjunto• convezoa • Segmento que une dos puntos z y 11 de lRn: el conjunto: • Conjunto convexo: un subconjunto de R.. ap son números reales positivos o nulos y de suma igual a l. .<. forma: a 1v¡ + a2112 + · ·· + O:p1Jp.

.)f(z.1). h. ¡. FUnciones cóncavas y fu. .ncíone8 convemas Consideramos una función numérica f definida sobre un conjl. son conjUntos convexos. h. y a: E R. entonces { z E e 1 J(z) > a} y {z E e 1 f(z) . / 11 son convexas sobre C. 1).. f P. respectiva- mente.. • Función convexa sobre el conjunto convexo e: J es convexa sobre e e si: .>)f(m.. V> E [0.(z)} E IR.) oó >f(z. .>.( m)} E IR. o si h. f. también lo es la función: "'E e>--+ mfo{fl(m)."?:a} s¿n conjun)oá~nvexos. +(!->)m..m. donde a 1. a:2.. . . .).(m). 0p son números reales mayores o iguales que O y 11. . f2(z).J es cóncava sobre 1 es decir: V(m. o si f es cóncava sobre C. h. .RESUMEN 81 o las bolas. . tanto las abiertas como las cerradas.).Ulto con- e vexo no vaclo t::. . ... . .. f(>. lf>E [0... es cóncava o convexa sobre según sean. o fijada una cantidad finita de puntos de IR". {.>)m2) :2: Af(m¡) + (1.. el conjunto de los puntos que son combinación convexa de ellos es convexo y com- pacto. f p son e funciones.z. /2. m2) E e'. o sí h. o la función a1!l + a2!2 + · · · + C~p/p. o una función constante sobre un conjunto convexo es a la vez cóncava y convexa sobre el conjunto..) + (1.. . .) E e2 ._ Rn: • Función cóncava sobre el conjunto convexo G: J es cóncava sobre C si: V(m1. + (1. fp son cóncavas sobre e.. también lo es la función: m E e>--+ móx{fl(m). • Propiedades y ejemplos: o una aplicación afin de IRn en 1R es una función tanto cóncava como convexa sobre lR"".. f(>m.. cóncavas o convexas sobre C las funciones 11.

f(z)}es convexo en R"+ 1 . la función numérica de una variable real: A t---t f(x + >.y).82 CONVEXIDAD o si J es convexa sobre C y a E R.)(o:. o (Se considera1 además1 que 1 es de clase C2 sobre C.). • Caracterización de una función cóncava: los siguientes enunciados son equivalentes: o fes cóncava sobre C.f(y) 2: df(o:)(o: -y)./(¡¡) :5 d/(. w). o e 1 es ronvexa sobre si y sólo si: V(o.). o el conjunto {(z. y) E C x 1R 1 y¿ f(a:)} es convexo en ][t"-+1. o si z"' es un punto de e donde se anulan las n derivadas par- ciales f~. o el conjunto {(z.(x•).y) E C x R.j y> f(x)} es convexo en R"'+ 1 .. y) E C x lR j y< f(z)} es convexo en JRn+l. • Caracterización de una función convexa: los siguienteR enunciados son equivalentes: o J es convexa sobre C. o eloonjunto {(:e.. la forma cuadrática: .w) es convexa sobre Io(:c.) Una condición necesaria y suficiente para que J sea cóncava sobre e es que 1 para cada X E Cl sea aemidefinida negativa la forma cuadrática asociada a la matriz hessiana D 2 J(x) 1 es decir. f(o. y) E C 2. w) ={A E R 1 o:+ Aw E C}. y un mínimo global si es convexa. y) E Cx lltJ y$. entonces {::e E C 1 /(z) <a:} y {z E C 1 / ( z) $ o:} son conjuntos convexos. la funci6n numérica de una variable real: A 1----1. o cualesquiera que sean z E C y w E R". o el conjunto {(a:. • Se considera C abiexto (además de convexo) y f diferenciable en cada punto de C: () J es cóncava sobre e si y sólo si: 'o'(.. /(:r.y) E C'."'. o cualesquiera que sean a: E C y 'W E R. entonces f admite en x• un máximo global SO- bree si 1 es cóncava sobre e.w) es cóncava sobre el intervalo Jc(o:.f(z + >.

.¡ ~ f(J.. convexa so- bre 0 es que..)(. X E e) sea semidefinida positiva la forma cuadrática asociada a ]a ma....¡ ~ f(>.>.). si z* E C y ¡. si es estrictamente convexa....). y es estrictamente convexa si en cada punto tal forma cuadrática es d.E(0./(..E(0. es de- finida negativa la forma cuadrática asociada a la matriz heB- siana D 2 j(z).>.)f(...).1)....RESUMEN 83 Una condición necesaria y suficiente para que f sea..)-J(y) >df(z)(ro-y)... (.... i .clo e~ JR:n: ... y fes estrictamente convexa sobre e si y sólo si: Y(z. F\mción estrictamente convexa sobre C: fes estrictamente con- e vexa sobre si: Y(. i .)f(x. Propiedades: o si f es estrictamente cóncava sobre e..-y)...) + (1.(~•) = 01 1 ::5 i :5 n. también es convexa.)-J(y) <<lf(.. para cada z E e.)EC2. + (1. entonces f admite en z~ un máximo global único sobre e si f es estrictamente cóncava sobre e' y un mínimo global único si es estrictamente convexa.. Generalizaciones / / Consideramos una función numérica J definida sobre un conjunto con- vexo no va. (zfy) ~ f(... • F\mción estrictanlente cóncava sobre C: f es estrictamente cón- cava sobre e si: Y(...J... e o (se considera abierto y f diferenciable en cada punto de C) la función f es estrictamente cóncava sobre e si y sólo si: Y(z. <> (se considera e abierto y f de clase c"l sobre C) la función f es estrictamente cóncava sobre G si..>. VJ.eflnida positiva. (. + (1.1)...) > >. para cada. también es cóncava so- bre C.triz hessiana D 2 /(~).) < >.)EC2 . Y>.y)EC2..f(x.y)Ecf'..).) + (1. ("'iY)""" f(.

f(~z + (1 -~)y) . /(y) . sobre un intervalo es tanto cuasicóncava como cuasicon:vexa sobre el intervalo¡ o si f es cóncava sobre C. es decir: V(o:.ble en cada punto de G) la función J es cuasicóncava sobre e si y sólo si: V(a:.o:)$ O. y) E e. 'f ~E [0.y) E e'.1).(x. también es cuasicóncava sobre C. la forma. y es cuasiconvex:a si tal forma. si es convexa. es cuasicóncava sobre C si. y) · . y) .J~(x. y f es cuasiconvexa sobre e si y sólo si: V (z. F\wción cuasiconvexa sobre el conjunto convexo C: f es CUBSicon- e vexa sobre si: -1 es cuasicóncava sobre o.iaSncava sobre 0 si. cuadrática es definida positiva restrin- gida..~)11) $ máx{f(a:).J. se tiene: \ 2/¡(x. y) 2 t:z(:c.y) Ee'. para.y) E e'. también es cu.(x. y es cuasiconvexa sobre C si y sólo si: para cada o: E R es convexo el conjunto {z E C 1 /{z) :5 a}. o (se ronsidera C abierto y f de clase C2 sobre C) la función j es cuas.dea y ejemplos: o una función de una variable monótona. para. o f es cuasic6ncava sobre C si y sólo si: para. 'f ~E [0. cada ID E 0. cada a: E IR es convexo el conjunto {a: E e 1 f(a:) .z) .84 CONVEXIDAD • Función cuasicóncava sobre el conjunto oonvexo C: f es cuasic6n~ cava sobre C si: 'f (z. ca- da (x. al mismo subespa.1]. cuadrática &SOciada a la matriz hessiana D 2 f( :1:') es definida negativa res- tringida al rube'Pacio vectorial {vE IR" 1 <if(z)(v) =O}.y) > O.y) E e'.o f(z) => df(o:)(y. y)J::.o o}.y) 2 f.o mrn{f(z). /(y)}. o (se considera G abierto y f diferencia. y)f. . si f es de dos variables.(x. Pl'opieda.cio vectoxial. f(y) $ j(o:) => <if(o:)(y.z(x. J(y)). /(~a:+ (1.o O.asiconvexa.

y) E C se tiene la desigualdad anterior en el otro sentido. El conjunto D es la intersección de los m semiespa.sicóncava so- bree.. o.) Fun- ción pseudocóneava sobre G: f es pseudocóncava sobre C si: Propiedades: o si f es c6ncava sobre C..o:2. entonces f es cua. y por tanto D es cerrado (cf. • (Se considera e abierto y f diferenciable en cada punto de C. ACTIVIDADES RECOMENDADAS 1. Probar que el conjunto: D= {(o:¡. entonces f ea pseudocóncava sobre e. .nm) ElRm 1 fa. y ::e~ es un punto de donde e se anulan las n derivadas parciales f~ 0 (x*). (> si f es pseudo cóncava sobre e. Solución.cios cerrados {(o:¡. .ACTIVIDADES RECOMENDADAS 85 y e~:o cuasiconvexa sobre C si pa. 64) y ~exo (cf. .o:m) ElRm 1 0:¡. Recordatorio. p.. . p.d de una función de clase C2 antes ennnciada también es condición suficiente de pseu- doooncavidad.o:2. y el hipe:rplano { (a. entonces f admite en ::e• un máximo global sobre C¡ o la condición suficiente de cuasiconcavida. 21). 1=1 que son conjuntos cerrados y convexos.. .= 1}..rH. o si j es pseudocóncava sobre C. y ~o:í = 1} es convexo y compacto.··· ..o:m) ElRm 1 o:i ~O para 1 :5i$ m. cada (x.:: 0}. proposición 6..

.es). i :s.o es cóncava sobre el intervalo J = l(R...2 > O. a:¡ S l.n) E D.. . Solución.o vector de la base canónica de R" (1 Si :S n): e¡= (O. y e¡ el!!l el i-ésim.1¡)"'-• + (:cg¡ + A)Cli¡ + (zO(i-tl)y:~<í+l + · · · + (ZOn)ct. con derivada segunda: g"(-') = <>.1) ::. que es igual a 1). 1. (Nótese que.. En efecto.)JI =V~"~:>~= l.(<>.f. 1) p"'a 1 :> J :> n. Además. Para cada 1 ::.>. . como cada a. La condición es suficiente. D es compacto.s necesaria. entonces de la proposición 14 (cf. se tieJle: a'f :5: a¡. que es uu coojunto abierto por serlo (le¡. g es doo veces derivable sobre J. E [0. Demostrar que 1. La condición e.. xo2 1 ••• 1xon) es un punto de (R'f-)''. 29) se deduce que la función: g(.)"(:QJ. + . O.) En consecuencia.a.1){xo.. pues es cerrado y acotado. Si ~ = (xo1.Ul& condición neceB81'ia y suficiente para que la función: aea cóncava sobre (IR+)" es: <>.)" 1 + · ·· + (x0(.) = (xo.¡ verifica: O :s.cx. .O) (todas las componentes nulas aslvo la i. E J la concavidad de g implica que g"(>.ma.. o¡ ::. .) = !(Xo + Áe.. 1 1. . de ~se concluye que O::.}". pues si (a¡ 1C%··· . n la función: es cóncava sobre (Rf-)".)••-2• Ahora bien. p. entonces: Jl(a.ési. 2.>.) <_o.a.. para cada>... Si .¡. se tiene que a:¡(o¡ .86 CONVEXIDAD El conjunto D también es acotado. y como (xo¡ + A)a.

.¡)'">. Pero para.1).. mutatís mutandis. Solución. y en consecuencia (cf. 3.. í::.ACfiVIDADES RECOMENDADA. 1) para 1::.\)::. a.. (0.¡(w + Au) = (xi + . De la proposición 12 (cf.\v¡)"'• es dos veces derivable sobre el intervalo abierto J' = l(:. Que el conjunto del enunciado es oonvexo se obtiene al aplicar la proposición 17 (cf. proposición 14. Por tanto. p. y de derivada segunda: h 11 (>.1) ::::.. 29).ricas definidas sobre lR. 1 se deduce que Cti(a¡. 87 entonces la función: h(A) = f..t ::.1) ~O es equivalente a: es decir: o:¡ f/.<.) =vfa.. hes cóncava sobre J'. Sean f y g dos funciones numP. Justificar que es mnvexo el conjunto: Solución. n. . O. p. y sea: F = f + Ag. cada.n. x..\ E J' se tiene que h11{. Demostrar que una condición necesaria y suficiente para que la función: sea convexa sobre (lR~)n es: ai ~ (0. donde >. p. O. Obsérvese que la desigualdad: O:i(a¡. como la de la m:tivi- dad 2. E lR.(o.+)n. 29) fi es cóncava sobre (R. La resolución es. v) {cf.. siendo g una aplicación &fin. p. 27) se concluye que la función es cóncava sobre (R+) . (a::. pues (xi + Av1 )a•.v.2.2 >O y de ser O ::.t~_) . 5.l)(xi + >. la cual es convexa sobre (IR+ )3 en virtud del resultado probado en la actividad 3.. 33) a la función: :z1 + 213 + :z:3. 4.

esto es: Recfprocam. positiva si y sólo Ri: a . e :::. y) = ax 2 + 2bxy + cy2 verifica: • es semideñnida negativa si y sólo si: a :::.ac ::. y por tanto a ::. Como consecuencia.: O. O)= a. ae comprueba. at 2 +2bt+c serí_!)/ positivo para algún valor de t). 27). e > O y b2 . 33). En las condiciones dadas. y por tanto el discriminante: 4b 2 . • es definida positiva si y a6lo si: a >O. de lo que se deduce que la ecuadón de segundo gradoat 2 +2bt+c =O no puede tener dos soluciones distintas (pues.? O. O. si f es convexa. e $. O. Soluci6n.: O y b2 .ac ::. • es definida negativa si y sólo si: a < O. si fes cóncava.enLe. pero q(l.lt: O. Probar que la forma cuadrática sobre JR 2: q(x. es menor o igual ql. Solución.? O y l? . O y b2 . proposición 16. p. Se tiene: q(l. O y b2 . es decir. e . D.. Por otro lado: 'r/t E R. q(t. e< O y b2 . • es semideflnida. supongamos que a :.. O. entonces F es cóncava sobre lRn.88 CONVEXIDAD Demostrar que si j es convexa sobre Rn. F = f -i. y probemos que q es semidefinida negativa. sin dificultad que se verifica: Vt E R. y que si f es cóncava sobre lRn. Nota bene. 6. O. entonces F' es convexa so- bre lR".ac:::. entonces F =f + (Ag) es convexa (cf. {40) .O. Es indiferente el signo del número real A. e:::. at 2 +2bt +e$ O.g) es cóncava (d. y por tanto es a la vez cóncava y convexa sobre 1Rn. O. ac < O.ac $ O. 1)::::. pues q{O.4ac. O. O) :::.l) $. Análoga- mente..(>. Notemos que (Ag) es una aplicación afín. ac <O. e$. Supongamos en primer lugar que q es semidcfinida nega- tiva. proposición 12. O. en tal caso. y probemos que a S: O. O. p.

entonces y de (40) se deduce que q(a:.O) <O..entonces q(z. Las caracterizaciones de forma cuadrática seroidefinida poeitiva.X2.ACTIVIDADES RECOMENDADAS 89 Si y = O.áloga.O.x¡ 1 a:2 1 ••• 1 a:n} E Rn 1 E}:BtjXta:'J ~O.. de (41) se deduce: . negativa es tma función cóncava sobre lR". 38}..y) ~O. ..:m)= Ll:a¡. se tiene que q{a:. proposición 201 p. 1ttn) E RR se verifica: (43) Ahora bien. (41) t=lj=l y supongamos es semidefinida negativa: n n V (. la fun- ción f es cóncava sobre R" si y sólo si para cada a: E Rn y para cada (v¡ 1 tt2. La caracterización de forma cuadrática definida negativa es de de- mostración 8Jl. . y definida positiva se deducen inmediatamente de las anteriores. . 7.. En conclusión. O) = ax2. Si y f. (42) i=lj=l La función 1 es obviamente de claee C2 sobre li" J que es un conjunto oonvexo y abierto. y oomo a ~ O.y) = q{z. q M semidefinida negativa.x¡.x¡. Solucidn. Consideremos la siguiente forma cuadrática sobre R": n n f(x¡. Demostrar que toda forma cuadrática sobre 1R" semidefinida. En consecuencia (cf.

+ ¿¿a.. i=lj=l i=1i=1 n n n n = L:La. fes cóncava sobre l!t".v¡ i=l j=l i=l i=l n n = 2LLili. Lecciones ElemeiJtales de AJgebra Lineal para Eoonom:fa y Empresa.. ÁLVAREZ. San Julián (l~ones de Matemáticas para Economía y Empresa.:=t 8 x~ x.. Oxford University Presa. C. 1995. PRIETO.t~da. ARÁNDIGA • . + LL:a.R. Madrid.. • E. Problemas Resueltoa y Cuestiones Comentadas.v.matiqueB pour Économistes. Madrid. P. BLUME. Madrid. BARBOLLA. PRIETO.v¡v.E.on. 1998.v..ma.E. CERDÁ. Cours de Ma. Prentiee Hall. Économica.viv. 2000.ÁlgebraLilleal. =¿¿(a.v. 2001.Amciones de De.omfa.:::. Cálculo 1 para Ecoo. SANZ. OptWJizacíón..v. Madrid.v. SrMON. París. · • E.thé. y Empxesa. Madrid. -P.A. con lo que se verifica (43). o i=lj=l (la última desigualdad es una consecuencia de (42)). Mathematics for Economists. BIBLIOGRAFÍA • A.. ÁLVAREZ. Microeconomic Theory. segunda edición. BARBOLLA.("')v. M. Cálculo II para Economía y Empresa. San Julián (lecciones de Matemáticas para Economía y Em- presa. En conclusi6n. 1997. . P. • R. i=IJ=l n n n n = ¿¿a. Cuestiones. • R. Nort. Nue- va York. PRIETO. 1999. Funciones de varias variables. SANZ. Nueva York.A. A. L. E. Funciones de una variable.V<V..R.. Pirámide. • E.90 CONVEXIDAD y por tanto: n n &j n n ¿¿ ·o . • P. 1994.la. 1989. 1995. Madrid. MAS-COLELL et al . t=:l. Ejer- cicios y Aplicaciones a la Econom. M!CHEL. • C. . • A. C. 3).)v. 2). +a. La Concavidad en un Modelo Econ6mico.

tanto globales como locales. primera sección se establecen los conceptos báaicos: máximo y mínímCJ. El cálculo de los máximos y los mínimos locales de una función (lo que podemos denominar optimi~.z INTRODUCCIÓN En este capítulo se amplía lo ya visLo ea asignaturas anteriores sobre opti- mización de ñwciones de variaB variables con restricciones.' En las secciones segunda y tercera se estudian condiciones necesarias de S:Úlución de un problema de optimización con restricciones. quien quiera. En particular. . sección. enoontrar plUltos candidatos a ser solución. con la intención de compararlas con las de máximo y mínimo sobre un conjunto. Nos b. se estudian las condi- ciones necesarias de KUHN-TUCKER¡ en la tercera. sobre un conjunto.. parecido oportuno incluir también las definiciones de máximo local y de mínimo local.2. sección V . se introduce la forma general de un problema de optimiución con restricciones de igudldad y de desigualdad. Álvarez:.aó6n sin restricciones) no se desarrolla en este capítulo por ser materia suficientemente vista en asignatuxas anteriores. En la segunda. las condiciones necesarias de FRITZ-JOHN 1 de aplicabilidad nlás amplia que las primeras. Lópe. repasarlo puede consultar el texto Cálculo II. para lUla problema dado. o necesite. En la. que es el tipo de problema en el que nos centramos.a. y se detallan las notaciones y la nomenclatura sobre problemas de optimización que se van a emplear en el resto del capítulo. El lector .Capítulo 11 Complementos de optimización Alberto A. Estas condicio- nes necesarias nos permitirán.

donde se estudian problemas de optimización en los que las funciones involucradas verifican alguna propiedad de convexidad. La demostración de los resultados enunciados en estas secciones puede consultaree en cualquier manual sobre optimización de los citados en la bibliografía. se estudia. \ . Finalmente.wl dos últimas secciones se establecen condiciones suficientes de solución de un problema de optimización con restricciones. ayuda de las condiciones necesarias son efectiVRID. en concreto. eBtablecer que los can- didatos a solución obtenidos con la.ente soluciones. la teoría aquí vista permite trabajar con problemas que incluyan restricciones de ambos tipos. La última sección introdure al alumno en la pro- gra. Estas condi- ciones suficientes nos permitirán.92 COMPLEMENTOS DE OPTIMIZACION ha trabajado ya con l8B condiciones de KUHN-TuCKER1 aunque quizá B6lo con problemas que presentaban una única restricción (o varias. pero és- tas sólo de igualdad). En l.ación convexa. se incluye un resumen. Por otro lado. una condición suficiente de solución global.ación sobre algunos aspectos de la optimización no desarrollados en este capítulo.m. las condiciones de FRJTZ~JOHN son probablemente nuevas para el alwnno de esta asig- natura. así como una lista de manuales en los que el lector puede ampliar infonn. en algunos casos.

1. de la. sobre A en este punto./ admite en este p~ z• un máximo (global o local) sobre el mismo conjunto A. Nótese también que un máximo global sobre un conjunto A es un má- ximo loc:al.DEFINICIONES. de uno funci6n sobre un con- junto P8l11. .. sobre A en z* si admite un máximo o un mfnimo. y un punto z• de A. . y. un mínimo global sobre A es un mínimo loc:al sobre A. También diremos que f admite extremo. globole• g locales. global o local. NOTACIONES Y EJEMPLOS 1. Ec:ctremo&.sobre el mismo co¡ajunto A. global o local. 188 dos definiciones siguientes. COII8ideramos una función llUIIlérica f de n variables. Nótese que la función f admite en el punto a:• un mínimo (global o lo~) sobre el conjunto A precisamente si la función . mism& manera. NOTACIONES Y EJEMPLOS 93 l. un subconjunto A del oonjunto de definición de J. DEFINICIONES.

tal que j admite un mínimo global sobre B(m*.. oioE{O}U(1. tal que f admite un máximo global sobre B(z*.:: /(-3) =O. y sea A= [-3. 1/2) "=ffi= f(•) $ f(O) = 2.: f(l) = 1. oi•E(-3. f(z) $/(:o"). • J admite un máximo local sobre A en 0: si. por ejemplo.2. Diremos que f admite un máximo local en z* si existe una bola abierta B(z•. 1]. f(z). • f no admite máximo globa.r) en :z:•. r) en z* 1 es decir: 3r >O.. pues tomando. A n B(1. que es un subcol\iunto de [-3.+oo). /(•).94 COMPLEMENTOS DE OPTIMIZACIÓN EJEMPLO t. A n B(O. pues cualquiera que sea . r). entona. • J admite un máximo local sobre A en 1. r).:: /(z"). 1] n (1/2. 1] n (-1/2. .3/2) = {1/2. Vz E B(. y"""' ooda • e (-1/2.:e E A oevedfica. 1/2). por ejemplo. r = 1/2. l]~~e wrifica: /(r&)::. Consideremos la funci6n 0. tomamos r = 1/2. sobre la que f fotá definida. ~cumple. Vz E B(:o•. sobre la que f está deflnída. • = -3. &tremas locales de una funcidn Consideremos una f\mción numérica j definida sobre un entorno de un punto z* de JRR. bola abierta B(~.+oo). { 2. cuyo oonjunto de definición es [-3. . esto es: 3r >O.•.r) = [-3. +oo). pues en este punto admite un mfnimo global sobre A. 1].( sobre A en ningún punto de A. • f admite un mínimo local sobre A en -3. • 1.r). f(x)= 1•1. Diremos que f admite extremo local en r si admite un máximo local o un mfnjrno local en este punto. y para cada m e (1/2. Se tiene: • f admite un mínimo global sobre A en -3.r) = [--3.11-{0}. y diremos que f admite un ~imo local en z• si existe Ull8. 1}2) = (-1}2.r).

Los extremos locales de una función tienen que buscarse entre los puntos interiores de su conjunto de definición. r) = (1 -r. en segu. .ización (P) Bi la. para r = 1/2. el punto O es interior al conjunto de definición de /. y. Planteamiento de un problema de optimización Utilizaremos la notación y la nomenclatura BiguienteB. Sin embtu-go.. eA si la función f admite en ~· un máximo local sobre A.9. de un punto m• &-A-diremos es una solución local del pro- blema de optimización: maximil:ar j(&r. Dada una. función numérica f den variables. 1. como se comprobó en el ejemplo l. como acontece con los extremos sobre un conjunto. En efecto.+oo). puet~ para cada a: E (-1/2. 1/2) y admite un máximo global sobre este conjunto en O. 1 + r) sobre la que f esté definida se verifica: hay puntee :11 de la bola tales que f(:r:) > /(1). 1/2) se verifica: f(o) $ f(O) ~ 2.ndo lugar.) (P) { . función -/ admite en el mismo punto un máximo local. 8 EJEMPLO 2.DEFJNICIONES. En consecuencia. nótese que f admite en el punto 1 un máximo local sobre [-3. pues -3 no el!! un punto interior del conjunto de definición de/: -3 no es interior a [-3. En primer lugar. La función f no admite extremo locel en -3. • Obsérvese que. función admite en ~· un máximo global sobre A. no tiene sentido preguntanJe si &Ita admite en dicho punto un extremo local. 1]. La función f del ejemplo 1 admite un máximo local en O.~un subconjunto A del conjunto de defini· ción de f. pues para cada bola B(1. NOTACIONES Y EJEMPWS 95 Nota bene. por ejemplo. r) = (-1/2. y diremos es una solución global del problema de optim. y también hay puntos z de la bola toles que /(:e) < /(1). Tampoco f admite extremo local en 1 (que sí es punto interior del conjunto de definición). se tiene que f está definida so- bre B(O. se exige que el punto sea interior al conjunto de definición de la función. si un punto no m interior al conjunto de definición de una funci6n. es decir. . una función f admite en un punto un mínimo local preciBamente si la. Al definir extremo local se exige que la función esté definida sobre un entorno del punto.

•· el problema (P)_ no admite soluciones globales.s de igualdad y de de8igualdad EstudiaremOB problemas de optimi.~6'__ _ _ _ _ _ _ _ _ _ _ _ _ __'C~O~MP . la función: o. todas con conjunto de ..+oo). 1]. ..{0}. LEMENTOS DE OPTIMIZACIÓN Análogamente. con conjunto de definición 1m oonjnnto abierto O ~ IRn... 92. y sean 9t.9. ftmción f diremos es la función objetivo. si z E {O} U (1. . hz. {2.mplo 1 (p. y de acuerdo con lo dieho en este ejemplo citado. podemos afirmar lo siguiente: • el punto -3 es tanto una solución local como una solución global del pro- blema de optimización: minimizar f(x) { z E A. .zaci6n de un tipo particular que surge con profusión en Economía. f(x) = lxl. . ' 1 • 1 ' 1.:. Problemas de optimizaci6n con restriccione. ht. de un punto z• diremoo es una solución local (o global) del problema de optimización: si la función f admite en ~" un mínimo local (o global) sobre A En ambos problemas de optimización. . de la.. gp.¡X E ( -3. o simplemente. ..oo). Con IOR datos del f!jP. 94).¡" = -3.4... EJEMPLO 3. y del conjunto A diremos es el conjunto de los puntos factibles. es decir. y el conjunto A = [-3. Sea f una función numérica de n variables. hq funciones numéricas de n variables.. . el conjunto factible. • }(1':) puntoa Oy 1 son soluciones locale!:! del problema de optimización: maximizar f(x) (P) { x E A.

{ h. y 1 minimizar f(z) l (Q) con [as restricciones: g.) y {minimizar !{~) { zEA zEA. a partir de ahora.•). Considetemos el conjunto A formado por los puntos z de O que verifican simultáneamente las p + q siguientes oondiciones: g.). O. tanto locales como globales. { h¡(z) =0 para 1 ~ j $. j '5: q.. DEFINICIONES. Opara 1 ~ i $. En este caso1 tambiro diremos que el punto z• es un máximo local de f(z) oon las p restricciones de desigualdad: g.. r )... . h. hi(z) =O para 1 S j $. i '5: p. o lo que es lo mismo: que la función f admite en z"' un máximo local sobre el conjunto A. i ~ p.n.l que: V a: E A n B(.) =O. NOTACIONES Y EJEMPLOS 97 definición lR.) =O.. b} existe r > O ta. . O. h. q. g. hi(a..:z:' E A¡ es decir.. q.(lll) $. p. Que un punto z"' es solución local del problema (P).¡(~) ~O para1 ~ i ~ p..(. q}.•..(:z:) =O para 1 .. el punto z• pert)mece al conjtmto O (conjunto de definición de /) y verifica las condit:iones: 9i(z') :5O para 1 :5 i ~ p. Vamos a buscar soluciones. ht(o:) =O. {(:¡.$ j:::. en concreto significa: a) z' es un punto factible: . . f( a:) .(. .O para 1 $...') =O para 1 ~ j :5 q. y las q restricciones de igualdad: h.O para 1 $. de los problemas de optimización: maximizar f(a.). serán respectivamente denotados: maximizar !("') (P) con las restricciones: g.(. los cuales. O.(m) =O para 1 $. g. esto es: A= {z E O 1 g¡(lll) $.(... .(.) .•. (x) $..

b} '1"' E A.n. ~~ ••• 1 hq con conjunto de definicl6n JR... sobre si es o no ea solución.ri. f(z) " f(z•). nada podemos afirmar.\ sin tiD análiSÍB adicional.(:o) =O para 1 5 j 5 q}. bajo ciertas hipótesis.. debemos enfatizar que la validez de las condiciones nece- sarias que veremos sólo estará asegurada bajo ciertas hipótesis. Opo h1. . los puntos que la verifiquen serán candidatos a ser soluciones locales del problema. fh.. l. ~ •. mutatis mutandis. . Introduc:eión Enunciaremos. local o global.(. El hecho de que las funciones que definen las restricciones: {Jl.S. de fol'IIU} que sólo podremos enoontra. Nota. h. Finalmente. . también diremos que el pt. Enunciado generol de las condíeione• nece•ariaa de KUHN- TUGKBR Consideremos una función numérica f con conjunto de definici6n un con- junto abierto O !:. tengan como conjunto de definición lit" no es esencial. enunciaremos propiedades que deben necesariamente sex verificadas por toda soluci6n local de un problema de optimizaci6n oon restricciones.q. CONDICIONES NECESARIAS DE KUHN-TUCKER B. una tal oondici6n necesaria. Y. IR".mto a:• es un máximo global de f(a:) con las p restricciones de desigualdad: g¡(z) ~O para 1 :Si :S p. en este caso. y el conjunto: A= {z E O 1 g. y las q restricciones de igualdad: h.) S O para 1 Si 5 p..gan tales hipótesis: si un punto no la8 satísface.(z) =O para 1 :S j :S q. pero permite agilizar Jos enunciados de los resultados sin que se pierda su sustancia..r candidatos a solución entre los puntos que sa--\ tisfa.to z• sea solución. podemos escribir lo que significa que un pu. del problema (Q) (tan a6lo hay que escribir loa apartados (a) y (b) anteriores cambiando el sentido de la desigualdad delaparlado (b)}. h.98 COMPLEMENTOS DE OPTIMIZACIÓN Que= p=to a:' es soluci<!n global del problema (P) mgnilica' a) a:• es un punto factible: a:• E A. es decir. condicionea necesarias de solución local de un problema de optimización con restricciones de igualdad y de desigualdad. Sin embargo. ll 2. y de un punto que no la verifique podremos afirmar que no es solución. h1 . . p + q funciones numéricas 91. Conocida. !J2 1 ••• 1 [Jp. S.

esto es. Es decir. y si las funciones que definen las restricciones verifican una condición adicional llamada condición de cualificación.n para las demás).s restricciones del problema (P). en el sentido siguiente: los gradientes de las funciones g¡ que definen las restricciones de desigualdad saturadas en x• y los gradientes de las funciones hj.p} J g. y diremos que está no saturada en z• si: g¡(z•) <O. un punto z'" E O que verifica la.. cuya va. h2(z'") =O. si- guiente nomenclatura: dado un punto factible :r:•. pues.CONDJCIONES NECESARIAS DE KUHN-TUCKER 99 y consideremos el problema de optimización: maximizar f(w) (P) con las restricciones: g¡(x)::. son de clase C1 sobre su conjunto de definición (el coiJjunto O para f y R. sin exigir hipótesis adicional alguna.lídez sólo está asegurada si tanto la función objetivo: f..2. Veremos a continuación otra condición necesaria. . contemplamoo. .. hq(z'") =O. .(. O.c•) para 1 S j $_ q. Para detallar ésta.') ~ 0}.. hlt h2. gp(:z:•) ~O. { h¡("') ~o para 1 :$ j ~ q. esto es: :z:* es un elemento de O (conjunto de definición de !) que verifica las p restricciones de desigualdad: 91 (~'") :5. 1 ••• 1 gp.) Nótese que. son linealmente -independientes los vectores: V' m(z'") para i E r y V hJ(. son vectores linealmente independientes. . Diremos que las restricciones del problema (P) satisfacen la condición de cualificación en un punto fa.s restricciones que se verificaft en z• con igualdad son independientes. !1J. . O para 1 :$ í :$ p. restricción de desigualdad g¡(z) ~O está. como las funciones que definen las restricciones: g¡.. la posibilidad de que el problema sólo tenga restricciones de un tipo.:c'") =O. . Y2(z'") $_O. que definen las restricciones de igual- dad. .. p. i :::.. (Debemos observar que permitimos que pueda ser p = O o bien q = O. y dado 1 :::.. donde' r ~ {i E {1. saturada en el punto z• si: Yi(. . Condición de cualificación. y las q restriccionet'! de igualdad: h1(z'") =O. una condición necesa- ria inmediata para que un punto z• eea solución local de (P) es la de ser un punto factible: un elemento del conjunto A. pero no ambos.ctibYe a:'" (o que están cualificadas en x•) si Ia. utilizaremos la.. h 11 . diremos que la. .

p.>. . anterior. Nota bene. •..¡. . . En las condiciones del teorema. . • i=l j=l esto es: V L:(. ..).1. "'1> . función de la variable z: p q L:(. >. i=l . en particular~' que f'i = 0 para i E {1 1 2 1 . entcmces: 9t(z*) $O para 1 :$ i :$ p.L.1. (.!'ig.(o:).¡ 2: O y ¡Lj'gi(z•) =O. A:?. h2} las restricciones vediica.1. sólo para punt<. Aj. !Jp. hz. >.q.2 .100 COMPLEMENTOS DE OPTIMlZACIÓN Teorema 1 (condiciones ne~:esarias di! KUHN-TUCKER).(. diremos es ellagrangiano del problema de optimización (P).. estos multiplicadores son únicos.•) =O. 92. los números pj.. P. 1 ¡¡..2 . A: se llaman multiplicadores de KUHN-TUCKER..jh.. p . t·' wes que: Ki) para 1 :$ i $ p. h 1.. .. "'q .. Las condiciones (Kl} y (K2) se denominan condiciones necesarias de KUHN-TUCKER. se tiene: p. De acuerdo con el teorema 1. . sol~ci6n local z*.(z). . ••• .p}. La condición (Kl) sólo tiene sentido si el problema (P) tiene restricciones de desigualdad (es decir: p ~ 1).) = f(z). •• .p• . Fijada la.>. ) < o).L.=1 que depende de los parámetros p.V. . K2} el punto :z:* a¡ punto critico de la funci6n: L:(z) • = f(z). y 91. y se veriilca. y bajo las hipótesis del teorema. h. ....:6 factiblL los que estén cualificadas las restricciones podemos asegurar que las condic~ nes de KUHN-TUCKER son efectivamente condiciones nece5ariaa de solución -·~· 6 De la.(o:). p... ¡..... hi} fes de claseC 1 sobre O...2.L.1* (pues si i ~ r' entonces g. . •.(z'") =O para 1 :$ j :$ q. A2.2 1 ••• ...n !a condidón de eualificacíórr en z*. Si z• E IR" es una solución local del problema (P).h.\. . obsérvese que esta condición establece.• . . t en p + q numeras y eXl8 ' JJ.g. P. hq son de clBSeC1 sobre Rn.

>. el problema de optimización: maximizar {(. serán C'.) ~o. se determina.atos a ser solución local del problema de optimización. restricción.a.CONDTCTONES NECESARIAS DE KUHN·TUCKER 101 2. entre estos puntos factibles que satisfacen la condición de cualificación se buscan los que verifican efectivamente las condiciones de KUHN-TUCKBR.\. ()_ Las condiciooes (Kl) y (K2) se reducen a: existe un número A* tal que el punto z• es punto crítico de la función: C(") ~ f(z). junto con lOA puntos factibles en los qne la condición de cualificación no se satisface. los que sólo tienen una restricción. q"" depende del parámetro .'h(z). que sólo tiene una. . Queremos insistir en un detalle importante: un pwlto factible en el que no se satisface la condición de cualificación no puede ser dt::. El esquema de trabajo es el siguiente.¡..3. y ésta de igualdad.) ~ f(. es decir.). y f'Jltre éstos t>mpecemos C'-OD.ción del problema (P) (es decir: h(x"') = O) está cualificada en un punto factible ~· precisamente si el gradiente de la fun- ción h en :v• es no nulo: \1 h(z*) :f:. Por elloj un punto así debe ser considerado también nn candidaOO a ser solución. sea factible o no. Considere- mos~ put>. si los hay.¡. cwnpla o no las oond.¡.h(:r).s.. se buscan aquellos para los cuales existe una colección de multiplir. Ejemplolf de aplicación de ltu eondiciofles de KUHN-TUCKER En este apartado vemos cómo utilizar las condiciones necesarias de KUHN- TUCKER en distintos tipos de problemBS de optimización con restricciones. En primer lugar. Finalmente. Ellagrangiano del problema (P) es la funcióno J:(.ndid. Empecemos con problemas que sólo tienen restricciones de igualdad.dores que cumple (Kl) y (K2).>.Scartado como posible solución del problema. t<::n este caso. la condición de cualificación se formula de la siguiente manera: la l'ínica restric. podremos asegurar que no es solución.&.¡. de cualquier otro punto. En segundo lugar.) (P) { con la restricción: h(. Los puntos asf obtenidos.u los puntos factibles en los que se satisface la condición de cualificación (hipótesis (h2)). se comprueba la hipótesis (hl) del teorema 1.icioues de KUHN- TUCKER. de regularidad de la función objetivo y de las funciones que deñncn las restricciones.

todos lm puntos (z. 0). EJEMPLO 4. h.y): C(x. y la función que define la restricción: h(x. Busquemos puntos candidatos a ser soluciones locales del problema de opt. maximizar (P) { con la restricci6n: La función objetivo: f(:r:. es decir: h(:t.)l'h(z)..cl6n. y se verifica: h1) las funciones 1 y h son de clase C1 sobre su conjunto de definición.g) que verifican la condición necesaria son loe que simultáneamente verifican: h(x. lo que pernüte afirmar que la restricción verifica la condición de cualificación en / cualquier punto factible (hipótesis (h2)). y ésta de igualdad). Por otro lado. se tiene: V h(z.1).m.(z.y). todo punto (x.• es punto cn't. y debe ser un punto crítico dell&gr8Dgiano para un cierto valor de >. . y) que sea solución loctJ del problema (P) debe necesariamente ser un punto factible. De acuerdo con el teorema. Fs decir. y) = ("!. que depende del parámetro .y) = f(x. y) = O.<(• +y.y)).!OZ COMPLEMENTOS DE OPTIMIZACIÓN Para un problema de optimización' como el ( P) (que sólo tiene una restricción.I) = O en el punto (:z:. (el multiplicador 850ciado a la restricci6n h(a:.C("') = /(z). y)..ico de la funci6n. tiene por conjunto de definición: O = R2 .y) =x' + 4zy. 1) ! (0. h9) el gradiente de h en z• es un vector no nulo.z. como ambas funciones ron de clase C1 sobre Rz (de hecho.y) =0 ._(x.• tal que :. / Ellagrangiano del problema (P) ee la función de la variable (:z::. y)) = (1.>. Ji) = z3 + Uy.Ah(x. entonces h(z'") = Oy existe un multiplicador >.r.y)=x+y-1. también tiene por conjunto de definición llt2 . podem~ pue51 enunciar el teorema 1 de la siguiente manera: si z• es solución local del problema (P). son de'"' clase C"'). se verifica le hipótesis (hl).J.

candidatos a ser soluciones localE!s del problema (P). \ .-1) y (2/3. A) que verifican el sistema (1) son: (x. 8/3). A: c:(x. y sustituyendo en la primera ecuaci6n se obtiene: 33:2 -8z+4=0.:¡:1 2 y x 2 = 2/3..y) =0 ~(x. = 4x y y = 1-z.. = ecuación que tiene dos soluciones: ..y.TUCKER pueden aplicarse en todo punto factible. -l) y (x.CONDICIONES NECESARIAS DE KUHN-TUCKER 103 y. .y) =O. luego de cualquier punto de Jt2 dis. 1/3) son. y los puntos que verifican las condiciones necesarias de KUHN-TUCKER. 1/3.) = (2. y. Consideremos el problema de optimización: (P) m:aximizar { con la restricción: •'• 2m 2 +y 2 -3=0. la condiciones de KUHN. Nota bene. De las ecuaciones segunda y tercera se deduce: ).C~(x. y.y.. para algún vulor de A. En este ejemplo. En consecuencia. 8) y (x. pues. -l.y) =0 { h(x.\=0 (1) x+y-1=0. 6..) = (2/3. Loe puntos (2.C~(~.:y) =O y .. 1/3) podemos asegurar que no es solución local de (P).-1) y (2/3.) = (2.>. pUE!EI. son: (x. es decir: { &c 2 +4y-~=O 4%-. todas las ternas (x.>.tmto de (2. Resolvam<lS. • EJEMPLO 5.y.y) =0. l/3).) = (2/3. respectivamente. el siguiente sistema de tres ecuaciones en las incógnitas x. y.

pero todavía ninguna.2 (de hecho. (o.(2•2 +Y'. y las restantes en el segundo.-1.\=0 se obtiene que todas las ternas (x. En coru.>. restricción del problema (P) (pues: h(O.>. (1. (-1. (-1. -V3).3.1.-1/2). (-1. V3). Ella.y) = (4x.?-3=0. ea decir. y la función que define la restricci6n de = igualdad: h(x. (1. loo seis puntos: (0. el problema de optimización: maximizar f(a:) (P') { con las restricciones: h¡(z) =O que sólo tiene restricciones de igualdad. y. O). se obtienen las seís solucione~~: las dos prÍirl.-V3. se tiene: V h(x.) O.1/2).3.>. trabajamos con problemas con varias restricciones de igualdad.y).y)=2x 2 +. son de clase C1 sobre R. distinguiendo loa casos x O = y :t =j:. puee. De hecho. en todo punto factible la restricción está cualificada.grangiano del problema {P) es: L:(x.104 COMPLEMENTOS DE OPTIMIZACIÓN La funci6n objetivo: /(x. O. 0). recuérdese que no es factible. de desigualdad. 0).o).y)= 2cy-u>=O C~(x.y) = x 2 y. luego se verifica la bip6tesis (hl).. son los únicos pun- tos de R 2 que es posible sean soluciones locales.o).-1/2).1/2). y resolviendo el sistema de ecuaciones: { ~(x.y) 2a::: 3 + 1f. no Cl!l un punto factible. = {De le primera ecuación se deduce que :t(2y-4>. (1. \ Las restricciones de este problema satisfacen la condición de Cllllliñ- caci6n en un punto factible z' precisamente si los q gradientes V hJ(a:*). (1. -1).h(x.-1. Por otro lado.. 1). de clMe CO").) · • A continuación.3).ecuencia.erM en el primer ca&O.) En consecuencia. x~-2y.O) = -3 y!:.y) = f(x. 1).) que lo verifican son las seis siguientes: (o. (Sobre el punto (O.:u)= h(x. -1) SOilcandidatos a ser solución local del problema (P). pero este punto no verifica lo. Consideremos.1. (0. luego la función h admite un punto critico: {0. . h.!ego no puede ser solución.y) = x 3 y. (-1. 2y).

ahora.6 =O. j=l que depende.3 (P) con las restricciones: z:l + 2y +'~.u. o lo que es equi- valente. + z2. . pues en caso contrario la condición de cualifi. observamos que la funcí6n objetivo y 1M dos funcione5 que definen las restricciones: ~ f(rr:.epedientes.u. EJEMPLO 6.. . Busquemos puntos candidatos a ser solu- ción local del problema (P). {:ll') 8h.. A2. . ("'") 8h. siguiente manera: existen q multiplicadores A¡. (:ll') ah.E~Jh.. 8x2 {h.ricciones de igualdad. Las condiciOllell de KUHN-TUCKER: {K!) y {K2).tales que el punto :e• es punto cñtico de la función: C(a:) • = !("'). son vectores de R. Consideremos el problema de optimización: maximizar z2 +11 +z2.q. se pueden fonnlliar de la.•) 8h'(:o') 8x.{o:).. ::(:o') es de rango igual a q..h. ah. En particular.¡.z)=:z+:¡~-z.CONDICIONES NECESARIAS DE KUHN-TUCKER lOS 1 S j S q. { x+y-z=O.y.(z). .. n): 8h. ..z)=:z: 2 +2tl+z2 -6 y h?.. (:o') &. debe ser q :S n.cacl6n no se verificaría (más de n vectores de R'l no pueden ser linealmente independientes). >..) = rr:2 +.3.n ::(. ht(:z:.. >.. de los q parámetros>.(x. . i=l Ellagrangiazw del problema (P') es la función:_ C(z) ' = f(z). A2. la siguiente matriz de orden (q. 8x2 {h.E~. En primer lugar. que tiene dos res. (:ll') 8h2 (o:') lh.n linealmente ind.

3 (de hecho. z) . el lagrangiano de (P) es la función: C(z. si verificara la se- g1mda: y =- 2) 1 es dedr.(z. y.\lht(:t. z.y.y. z) =3? +JI +z2 -3. =o 2z.1.y.A2(x+y. >. pues.t.z)=(l.. necesariamente seda y = 2.-1). 2 .106 COMPLEMENTOS DE OPTIMIZACIÓN 80il de clase C1 sobre R. y. 1)..2~. .(x. z) = !(::. -3.0 ' (3. y la matriz de orden (2. (-1. y. de clase C'"").y. ningún punto de este tipo verifica simultáneamente ambas restric- ciones (si verificara la primera.\ 1 (x2 +2y+z'l -6). Por otro lado.1.l/.2. y. 2 .C~(x.y.z) =O h 1 (x. -21)..-1) con y E R.l. >. que depende de los parámetros At y -"2· La condici6n neceBW"ia viene dada por el si!ltema de ecuacionet~: .z =O :t2+2y+.z) =O h. z) !!Ca un punto de la forma: {l.z)=(2x. 9/2. En segundo lugar. la condición de cualificaci6n en todo punto factible.z2-6=0 \ :t+y-z=O.y.2:!:>.. ningún punto de e5te tipo es factible.\2 =O 2¡¡.C~(:z:. z) . z) =O . estudiamos la condición de cualificación.1. las restricciones de (P) satisfacen.1. esto es: 2x.z) E R.1 .y. Si (::e..z) =O.. son los gradientes anteriores es: 2m ( 1 21 -12z) ' matriz de rango igual a 2 salvo que (x..2z) y Vh2(z.0 ' -2-. se tiene: Vhl(x. Todas las quíntuplas (x..z) =O .y. 2.2z>. 1.y. +>. 3) cuyos dos vectores fila.t).:a) que verifican el sistema anterior son: l+v'l -l+v'l ) (1-v'l -1-v'l ) ( 2 .. 3/2.y. Ahora bien.3.1. -6.\2~{z.1..

la primera de las dos oondiciones necesarias de KUHN-TUCKER: (Kl). se obtienen las dos primeras quíntuplas. con una restricción de desigualdad y ningtma de igualdad. Nótese que si la restricción está no saturada en rrl.1. Ellagr~~ano del problema es la función: C(z) = /(:>:) -l'g(:r:).1). la función objetivo y la función que define )a restricción = = (rmpcctiwmente: !(x. (-1..• debe ser nulo (se deduoe de la igualdad: p•g(a:*) =O). Al haber restriCciones de desigualdad.y) zy y g(. si 1 . .z = O.-6. 1M dos restantes. Consideremos el problema de optimización: ' maximizar (P) { con la restricción: En primer lugar.-3). que depende del 'iámetro 1'· EJEMPLO 7. ambas. de clase CelO).6 =O y :e +y.1.z. 2 ' '(3. de clase c1 sobre Jll2 (de hecho. • Consideremos ahora el problema de optimización: maximizar /(:e) { con la restricción: g(z) ~O.CONDICIONES NECESARlAS DE KUHN-TIJCKER 107 (De las ecu&eíones primera y tercera se deduce la igualdad: 2(1.At = O. entonces p. estas condiciones necesarias se pueden enunciar de la si- guiente manera: existe un nllmero p•. tal que p•g(z•) =O y z• es punto critico de la función: C(z) = f(:r:) -l'•g(. de las dOB siguientes situaciones: o bien la restricción está no saturada en z"'t es decir: g(z•) < O¡ o bien está saturada: g(z*) =O.2. 2 ' -2-.z + z = O.). cobra sentido. Para este problema de optimización. los únicos puntos de R 3 candidatos a ser una solución local del problema (P) son: (l+v'l -l+v'\') (1-v'\' -1-v'\') -2-. La restricción de deeigusldad de este problema satisface la oondici6n de cualificación en un punto factible :e• ei se tiene una. y cualquier otro punto de R 3 no es máximo local de la función x 2 + fl~ + z~ .y) :r? +Y -1) son. pero el gradiente V g(z"') es un vector no nulo.A1 )(x + z) =O. 3 con las restricciones: x 2 + 2y + z~ .) En conclusión. si . positivo o nulo.

O) = -1 $O. son: . las ternas (x.t.¡. que sólo se anula en el punto (0.0) está no saturada.p(x 2 +Y'.y) de R.r2 +~=l. y la terna (0. la restricción está no saturada en (0.0).::: O tal que: g(x. es decir. de las = = dos primeras ecuaciones se obtiene: z '!} O. que depende del parámetro p.). y) es no nulo. todas las ternas que verifican simultáneamente las ecuaciones: '!}-2Zj1=0.r. pues. :t-2yp=0.y) =o g($.C(z. Todo punto (x. 2y).y) = (2.y) E R. En el segundo caso. 0). Mte punto verifica la restricción del pro- blema: g(O. para cada (:r.O) <O.y) =O . y) · p. Busquemos. función de la. De la última ecuaci6n se deduce: JI= O o .y) en el cnal pueda estar saturada podemos asegurar que el gradiente V g(x. = O. y): . Ahora bien.. O) verifica' ('J. y sobre cualquier otro punto factible (x. En el primer CBB~.y) ~ f(x. e5 decir: v-2:tp•=O x-'l. y tiene que ser punto crítico dellagrangiano para algún ¡. o (2) ~~~o <•'+li'-l)·p~o.y) ~ xy.YJL=D :c11 +11-1:::. O. 2 se tiene: V g(x. pues en el punto factible (0. pero no a:m igualdad: g(O.C~(a:. variable (x.y). (P) satisface la condición de <::ualificación en cualquier punto factible.y.) que verifican: C~(x.1).y)"' o p~O g{x.108 COMPLEMENTOS DE OffiMIZACIÓN En segundo lugar. Podemos afirmar que la restricción del problema.pg(x.y) · JJ =O.y) $O..x. l!lllagrangiano del problema (P) es la.2 que sea solución local del problelllllo (P) debe necesariamente satÜ!Úicer la restricción: g(a:. :t 2 +y3 =1.

y se vulnera la cuarta desigualdad de (2). -v'22) 1 son ks únicos~ R2 que es posible sean soluciones locales del problema {P)j estos treJ puntos son candidat011 a ser máximos Jocales de la.0).:.. pues su tercera compo- nente --el multiplicador.y). u-i' (P) con las restricciones: :¡:a: o.y) de la funci6n que define la restricción de igua1dad es DO nulo¡ se tiene: V h(x.y)' Qo Si x > O y y > O. o. En segundo lugar. EJEMPLO 8.Om... func16n :cy con la re5tricci6n de desigualdad: x2 + y 2 .::. y tan s6lo debemos comprobar que el gradiente en (z. { 11.(2x..:::. Busquemos candidatos a IIBl' solución local del problema de opti- mización: ma~m.1 ~ O. es decir: m. estudiemos la condición de cualiBcaci6n en un punto facti- ble (x. • Finalmente. trabajamos en el siguiente ejemplo con un problema de optimización que presenta restricciones tanto de igualdad como de desi- gualdad. (~·~). (-v'22...r CONDICIONES NECESARIAS DE KUHN-TUCKER 109 y de entre estas cuatro ternas se desechan las dos últimas.. O. i'+u'-•. (P) { -y. los puntos: (0. . i'+u'-4-0. o. 2u). En primer lugar 1 obaervamas que las funciones que intervienen en el problema: son de clase C"" !IOI:ne lll". ninguna de las dos restricciones de desigualdad está saturada en (z. y .•' con las restricdones: -x ::::. En consecuencia.y).es negativa.

~(x. JLI.y)·J. el terrero.y)=O. <> Análogamente. ~ Sí x "#-O y y"#. <> Si x = O.s en todo punto factible (:c.2:J::.y) :s.(x.C~(x.y).2) ~ (0.M()tl. pues en este punto la segunda restricción de desigualdad no está saturada y los gradientes de las funciones h y fJt son vectores linealmente independientes: V h(0. g.. =o.2). 1 + l'-2. pero este no es un punto factible. ""'0. en este punto también están cualificadas las res- tricciones del problema (P). TIJ. en contradicción con que 11 debe .x + J-'1Z + ¡.110 COMPLEMENTOS DE OPTIMIZACIÓN y este último vector sólo se anula en el punto (0.(x.y) ~f(x.4) y V g. (los dos primeros por las restric- cionet~ de desigualdecl.o. h(z. g.0).y)=O. y = = oon las d011 primeras se obtiene: 11 -1/2.4).2y).O.\ =o. Busquem05 las quíntu- plas (x. es decir: -2x +J. 2 que depende de 105 parámetros P.~. de donde: y = 2. ""'0.(x. l-'1 2:: O.2) ~ (-1.~.(0.g. JJ2:?!0.!¡. J. o. O).ll J. Las restricciones del problema están c1mlificad&S en el punto (0. pue!! 1 cualificada. <> Finalmente. y. y el punto (0.y) :s. el punto (2.caci6n en todo punto factible. . 2) es el único factible en el que está saturada la primera restricción de desigualdad.Ah(x.y) con x y y positiva!. de las dos últimas ecuaciones se deduce: /. por la de igualdad).y) ~o. JL2. Distingamos (. ). 92(x.I-2 = o. O) es el llnioo en el que está saturada la segunda restricción de desigualdad.(x. Las restricciones están.t 2y. XJLl =o.'1 1'2 =O. entonces: '1f = 4 y y ~ O.0). Ellagrangiano del problema (P) es la función: l:(x. P1:?!0. En conclusión.t2=0. 91(J:1 fi)•J1¡=0.. y) =y. +11'~•.A(z 2 +ri. las restricciones del problema {P) satisfacen la condici6n de cuali- fi.g.':J y ).y). el único punto en el que ambas restricciones de desigualdad se satisfacen simultáneamente con igualdad es {O. y).l2 2:: O.) para las que se verifica: .

son equivalentes los problemas de optimización: minimizar /(m) y {maximizar [-f](z) { zEA ZE A. ni tampooo sus restricciones. podemos actuar de otra manera. 100) establece las condiciones necesarias de KuHN- TUCKER de solución local de un problema. El punto (0. las condiciones necesarias de mínimo difieren de las de máximo solamente en que se exige que los multiplicadores asociados a tales restricciones de desigualdad sean negativos o nulos. <> Si :1: =O.y) con ambas componentes no nulas que satisfagan las condiciones necesarias. pues. con las mismas restrieclones. Para determinar los rofnimos locales con restricciones de una. se pueden enun. • y si hay restricciones de desigualdad. can los multiplicadores: Pi= Pi= O y x• = 1/4.4. las ya. las condiciones necesarias. No hay. las condiciones necesarias de mínimo local son las mismas que las de máximo local. Pmblema.CONDICIONES NECESARIAS DE KUHN-TUCKER 111 ser positivo o nulo. po- dríamos. hemos visto tan sólo hemce buscado máximoe locales de funciones con restriccio- nes. Dado que una. pues. funciOO f ~te en un puntQ un mínimo precisamente si su función opuesta: ( -1) 1 admite.B de minimización.ria.s de mínimo local con restricciones análogas a. . No obstante. p. 2) C8 el único de ll2 que es posible sea soluci6n local del problema ( P).2} satisface.eoesa. ~ mismos a. ~ Si y= O. puCB1 puntos (a:.r condiciones n. y en losejemploB que hasta ahora.cia. entonces x = 2¡ pero de la segunda ecuación e dednce: IL2 = -1 1 en ccmtradícci6n con que Jl'J debe ser positivo o nulo. En conclusión. el punto (0. • 2. entonces V= 2 (como se deduce de: x 2 + 7¡2 = 4 y V~ 0). vistas de máximo local En concreto: • si las restricciones son iOdas de igualdad. de maximízaci6n (con restriccio- nes de igualdad y de desígualdad). y t1t:1 obtiene: P1 = P2 = O y Á= 1/4. de la función opuesta. trabajar con el problema equivalente de determinar los má- ximos locales. función.s de mintmizacidn El teorema 1 (cf. Nada hemos dicho de 108 probleiilli. en el mismo punto. un máximo.rgu~ mentos que permiten probar el teorema 1. sin variar la función objetivo del problema.

Consideremot~ el problema de optimización. es solución..1 = O.1/3) trunbién son can- didatos a ser eolucí6n local del problema de minimizaci6n (Q).i6n: :ll +y. En el ejemplo 4 (cf.-1) y (2/3. Ahom bien. La notación: extremos f (:z) { "'EA resulta obvia: un punto o:r::. { con la restricción: 2x2 + 'lf . -1) y (2/3. Obsérvese que podemos:resumir lo dicho sobre los problemas (P) y (Q) de la siguiente manera. los puntos (2. Consideremos el problema de optimización: minimizar zs + 4xy (Q) { con la restricción: ::e +y.dad. local o global. que ea un problema de minimización. 1/3) {y de cualquier otro punto de R 2 distinto de &!tos podíamos afirmar que no era solución}. la condición de cualificación y el lagrangiano se formulan como hasta ahora. 102) trabajamos con el problema de maximización: maximizar :r3 + 4xy (P) { con la re5trio:. • EJEMPLO 10.lquier otro punto de R 2 distinto de ellos que no es solución de (Q).-1) y el (2/3.tremos :z:'-l.. y vimos. que había dos puntos candidatoa a ser solución loca. EJEMPLO 9.1 = O. En consecuencia. .l de (P): el punto (2. sobre el conjunto A. de este problema de optimización si la función J admite en . y podemos afirmar de cua. que tal cual las hemos for- mulado son condiciones necesarias de máximo local con restricciones.tremos { con la restricción: "'+""' a::+y-1=0.e• un extremo. las condiciones de KUHN-TUCKER. son también condiciones neazmial! de mínimo local con mstriccb:meiéuando estas restricciones eon de iguW. los puntO!! (2.112 COMPLEMENTOS DE OPTIMIZACIÓN En particular. s. local o global. vía las condiciones necesarias de KUHN-TUCKER. L/3) son los únicos de JR2 que es posible sean aoluciones locales del problema de optimización: ex. p.3 = O.

-1+0) 2 ' (1-VJ 2 .1. p.cci6n de igualdad. ( Cualquier otro punto de R.-6. Ellagrangiano de este problema. -p(x' +Y'.-3). (1. pero con la exigencia de que los multiplicadores asociados a las restricciones de desigualdad sean negativos o nulos. Si lmy restricciones de desigualdad. (1.3 no es extremo local de la funci6n z2 + y2 + r.(•. En el ejemplo 7 (cf. z+y-z=O. y cualquier punto de IR? distinto de estos seis no es solucí6n.•) -pg(•.-v'!i). que presenta una rCBtricci6n de desigualdftd.y) = /(•. podemos asegur~ que los seis puntos (O. y también el del problem& (Q).y) = . 107) trabaj~mos con el problema: maximizar X!J (P) { con la restricción: "'+Y'-1 :>o. 103). y teniendo en cuenta los cálcul08 llevados a cabo en el ejemplo 5 (cf.1).1) y (-1. Teniendo en cuenta kM¡. 3 con las restricciones: z2 + 2y + z2. • EJEMPLO 11. De acuerdo con lo dicho sobre problemae de minimizo.1).CONDICIONES NECESARIAS DE KUHN-TUCKER 113 que no tiene mM que una reatri.1. 105).z =O. Consideremos el problema de ~6n: millimizar X!J (Q) { con la restricci6n: x' +Y' -1 :>O. • EJEMPLO 12.-1).ci6n. .2 . para el problema de optimización: extremos :x:~ +y~ + z2 .6 =O y :z: +y. es: r. { . p. 6 = O. p.v'3).1).. son ~diciones necesarias de mínimo local las mismas condiciones de KuHN- TuCKER de máximo.3 con las restricciones: w2 + 2y + za . (-1.2. cálculos del ejemplo 6 (cf. (-1. se verifica que los únicos puntos de JR3 candidatos a ser solución local del problema '"'" 1+0 2 .-1) son candidatos a ser solución local de este problema. -1-VJ) 2 ' '(3. (0.

poT ejemplo.0.:t. O { g(x. ¡¡...J2 "'") 2 ' 2 son. pues su multiplicador correspondiente: 1/2. Como tampoco es solución local del de maximizaci6n el punto (-. lotl puntw: ---.=O (nótese que no hay escrita ninguna restricción sobre el signo de\ multiplicador) son la terna (0. Si esta componente es positiva o nula1 el punto correspondiente ea candidato a ser solución local del problema de maximi:roción (P).y):::. (P) (como ya sabíamos del ejemplo 7)..: O. z2+y2=4.¡.) tales que: C~(x. Nótese que el punto (./2/2).0). ( J2- 2 ' "'") 2 y ( . • EJEMPLO 13. en consecuencia.:::. f.2 %.___ (0. es positivo. Y si la tercera componente de la terna es negativs o nula. por ejemplo. --. los puntos: (0.114 COMPLEMEhiOS DI:: OPTIMIZACIÓN De acuerdo con ]013 cálculos llevados a cabo en el ejemplo citado. ( J2 2 ' "'") 2 y ( .. (Q) y. pues. .J2- 2 ' "'") 2 son los únicos de R 2 que es pooiblc sean soluciones locales del problemD./2/2. pues su multiplicador es negativo. no es solución local del pro- blema de minimizad6n. g(x.J.y)·~J. los únieo5 de R 2 que es posible sean soluciones locales del problema (Q). Consideremos el problema de optimización: y-.y) ~O y)= o L:~(.3 Lercem componente de est&~ ternas corresponderla al multiplicador.0) y las cuatro ternM: 1.0). el punto correspondiente es candidato a ser solución local del problema de minimización (Q)./2/2. todas las ter- nas (x./2/2).?: o.

y sea.. &te punto ea. coDSi. de optimización: ext . Interpretación de los multiplicadores Para facilitar la presentación. satjsface las condiciones necesarias de solución local del problema (Q).) { con la restricción: h(x. también podemos decir de este punto (0.4> 2(a)) es solución local del problema de optimización (Pa). en el citado ejemplo 8 desechamoe el punto (2. Ahora bien.deremos el problema de optimización: ext"'mos f(x. pues. 'lf) una solución local de ( P) para. y') y A( O)~ A'. Consideremos el problema.CONDICIONES NECESARIAS DE KUHN-TUCKER 115 En el ejemplo 8 (el p. .0). Si efec- tuáramos todos los cálculns.5. la de igual- dad). que se verifican las hipótesis del teorema. comprobaríamos que el punto (2.• el multiplicador asociado a la restricción en el punto (x'".. 100). el punto </>(a)~ (. CQD loe multiplicadores: .l. y) =O. >.(a). la. Jl2 = -1 y >. y obtuvimos que el punto (0. otro candidato a. Sea I un intervalo abierto tal que: O E I. • para cada a E I. y sea (x•. a. 2) es el único candidato a ser solución = = local de tal problelll8. 1 (cf.l.y) (P) { con la restricción: h(x. p.mos ~x. Como los multiplicadores aaociados a le. y"'). y) (P.d¡ el tercero. asociadCIS a las restricciones de de5igualde. • !l. 100) trabajamos con el problema de maximización corres- pondiente.• = -1.) Supongamos exi•ten dos funciones: </>(a) ~ (. Para cada a E I. {P). ser solución local de (Q).ui . {Nótese que para a.¿2 = -l. O) y de (0.tj =O. Cualquier punt<J de Ji2 distinto de {2. definidas sobre 1. y)= a. 1. 2) que es candidato a ser solución local del problema de minimizaci6n (Q). con los multi- plicadores: ¡. que verifican: • </>(0) ~ (x'. 2) no es soluci6n local del problemft de minímizsci6n (Q).(a).a restricciones de desigualdad son negativos o nulos.= O el problema (Pa) coincide con el problema. se verifican las hipótesis del toorema.l 2 (a)) y A(a) de la variable real a.u2 O y N = 1/4 (los dos prlmeroo. nos centraremos en problemas con una res- tricción de igualdad. O) como posible solución del problema de maximizaci6n porque 9e obtenía: ¡.

Ma)) =a. .a).y). está próximo al punto (x* 1 tf)).p(a)) -A(a)!{.P(a) es punto crítico de la función: (x.P(a)) ·of1(a) +~(.P(a)) ·~\(a)= l. solución local de (Pa). dicho plWto verifica la restricción de (P11 ). y')+ a. a).a = O en . y) = f(x. En consecuencia. solución local del problema (P(l). si a es un punto del intervalo I próximo a O.P(a)). aproximación del valor que toma f en el punto .) es: L:(x.P(a). y).P(a) es soludón local del problema (Pa).P(a)) =O y J. Definamos la.ngia.P(a)) #. de la forma: <!>(a) = I/ o .(o).P y A son diferenciabies en todo punto de I (en particu- lar. pues.P(a).no del p~ blema (P.(a)+ J. sobre el intervalo I. De las hipótesis dadas en el párrafo anterior se deduce que la función . como el punto . también se tiene que . si a es un número suficien- temente próximo a O.P(O)) + aA(O) = f(x'. 1/12(a) ). Podemos.A(a)h~(. entonces el punto (tP1 (a). (5) y (6) se ooncluye: <!>'(o)= A(o).116 COMPLEMENTOS DE OPTIMIZACIÓN y A(a) es el multiplicador asociado a la restricción h(x.P(a)). • las funciones .~•. viene dada por: /(. entonces una.(a) como la derivada con respecto a a del valor que la función objetivo f toma en el punto tfo(a).(<P(o)). y) .(a) es el multiplicador corres¡xmdiente y ellagra.y).(.P(a)) = h(~¡(a).A(a) (h(x.PI(•) = /(. es decir. ea decir.P(a)) =O. de derivada: <!>'(o)= f~(. (6) De (3). y por tanto. interpretar el multiplicador >.P de la variable a.(.y) r-+ f(x. y) -A (h(x. (3) Por otra parte. esto es: h(. se verifica: ¡.P es derivable en todo punto a de 1. una aproximación de f(.(. (4) y como >. (5) De la igualdad (4) se deduce (derivando con respecto a a): h~(. son continuas en a =O. .P(a)) ·~. funci6n numérica.

Sin un análisis adicional. 0)}. son de clase C1 sobre R.0). lo que puede complicar el verificar la condición de cualificación. es decir. de .y) = (2z. en los que no se conoce la forma ftmcional concreta de las funciones que definen 1M restricciones. Ir.as características es illcluirlo en la lista de candidatos a ser solución local del problema. tanto la fuuci6n objetivo: f(x. O) debe ser estudiado aparte.{(0. o al estudiar teoría ccon6mica. vía las condiciones necesarias de KllH~-TUCKER. CoMidérese el problema rle optimización: maximizat (P) { con la restrk::ció:n: Busquemos._ EJEMPLO 14.y) ~ f(x.y) =y. ·..IDICíO:. como la función que define la restricción:: h(x. de los tipos vistos hasta ahora.. Como este puuto es factible: h(O.3y2 ). y) = ZJ + l/'.ICS NbCl!SAIUAS DE FRITZ-JOHN 117 3.C(x.O) =O. C"'). Sería. En primer lllgllr. la función h presenta un único punto crítico: (0. junto con los puntos que han sido obtenidos oomo solucl6n de las condiciones necesarias de KUHN-TUCKFJR. se tiene: Vh(x.¡.y) ~y.. útil tener alguna generalización del teorema l ( cf. en algunas aplicaciones económicas. a menudo surgen problemas de optirob:.CO:-. por tanto. puntos factibles en los que falla la exigeucia. CONDICIONES NECESARIAS DE FRITz--JOHN 3. . En consecuencia.1. Ellagrangiano de (P) e5 la fuucióu:: .ción. pues. con la ayurla de las condiciones necesarias de KuHN-TUCKER (teore- ma 1).0)}.~(x' +y 3 ). p. sólo podremoo encontrar puntos candidatos a ser solución local del problema (P) entre los puntos factibles del conjunto R. En segundo lugar. 100) en la que no se imponga a las restricciones ninguna hipótesis adicional -oomo la condición de cualificación. lo más que podemos hncet con un punto de esl. de independencia lineal de los vectores gradientes. puntm candidatos ts ser rolución local del problewa (P). Por otra parte. re3tricdón sólo está cualificada en los puntos del conjunto R 2 . 2 (de hecho.{(0.y) -~h(x. Introducción G'uando buscamos candidatos a ser solución local de un problema de op- timización (con restticciones de igualdad y de desigualdad) vía las condi- ciones necesarias de KUHN-TUCKER. Il06 podemos encontrar con puntos en los que no se satisface la condición de cualifica.ación.2.El punto {O.

{(x.ctible del probltt_ ma (P) (ejemplo 14)' {(z. figura 1) e5 el punto de mayor ordenada entre los del conjunto..118 COMPLEMENTOS DE OPTIMIZACIÓN y el sistema de ecuaciones: C.(z. El punto (0.y) E IR' 1 x' +y'~ 0). q. f}2. y el problema de optimización: maximizar f(z) (P) con las restricciones: !h(~):::. j.:Uy' ~O (7) { h(x.. h2. Representación gráfica del conjunto fe.y) ~ 1.2.:. • 3.. ' hq con conjunto de definición an. . O)} es solución local del pro- blema (P). { h.(o:) =o !""• 1. Podemos. pues (cf. p+q funciones numéricas f/1.y)= x 2 +Jil =0 no tiene solución (como puede comprobar el lector sin dificultad). .{(0.sarias ele FRITZ- JOHN Consideremos una. ." :an.. el punto (0.y) ~ -2A. Enunciado geneml de l4s condiciones nece. aun siendo BOlución local de (P). y 0 X FIGURA 1. no ha sido encontrudo como candidato a ser soluci6n local utilizando las condiciones necesarias de KUI-IN- TUCKER. pues. "" Por otra parte.. O para 1:5 i Sp..0). ~O L:~(z.v) E IR2 1 x' +V' ~o}. . h1. función numérica f con conjunto de definición un con- junto abierto O!.. afirmar que ningdn punto del conjunto R2 . !Jp. O) es efectivamente solución local de (P).

Ob- sérvese que difiere del lagrangiano .L::~t!li("). !}2.h. y) = x 2 +rl son de clase C 1 sobre R 2 {de hecho. Teorema 2 (condiciones necesarias de FRITZ-JOHN). . EJEMPLO 15. . 1}.... A2. y f es de clBse C'1 sobre O. A2. h2.¡ = I'Óf("). Pp. j=l que depende de los parámetros 14J. ...). En las condiciones del teorema anterior. ' 9(z) = pof(a:).L:~Jh. de claae C ). Si~· E lR" es una solución local del problema (P). p2. F4) el punto :~:• es punto critico de la función: ¡¡¡. >. J. t>]... entonces. . p. Áq.tricción..· J. 11-2. no son simultáne8J7Jente nulas.L:~. se satisface la hipótesis de regularid&l del teorema 2. ..Li..p. . ÁJ. . 00 .y) =y y h(. .L:~'<!li(").¡gi(~*) =O. g. hq son de clase C1 sobre lRn. 1 ¡.. . Consideremos de nuevo El problema dE optimización del ejemplo 14 1cf.:::::. >. >..::z:..(a:).• . F3} las p + q + 1 número9 p. y existen p + q + lniÍllleros JlÓ.(.C en que incluye un multiplicador para la. . tales que: F1} para 1.l. A. . ll7)' maximizar (P) { con la r=:. se tiene: 1-'t ~O y p. 'Í=l ' i=l .ñ. de la función de la variable ... función objetivo. . ••.gwla. Como las funciones f(:c.. F2} !'/¡E {0. p.¡..... y !Jl.. p¡. h 1 . Aj.t. .:e:. a las restriccio- nes del problema. •. diremos es ellagrangiano generalizado del problema de optimización (P)..tj. y utilicemos el teorema 2 para bUBC8l' puntos candidatos a ser solución local de (P). i ::.CONDICIONES NECESARIAS DE FRJTZ-JOHN 119 Vemos a continuación un& oondición necesaria de solución local de (P) cuya validez está asegurada sin exigir hipótesis adicional a.

..u) = I'OY. 88 deduce: a: = 11 = O. Si p.~. ' 120 COMPLEMENTOS DE OPTIMIZACIÓN Dada.y). 4.(x' +y'). que el punto (0. O(•. =o { x2+va=D.I las cuaternas (x. -~ Aplicando el teorema 2 concluinto8. Jut3ga una papel importante en esta condi- ción suficiente la. La siguiente propoeición establece una primera oondición suficiente de solución local del problema (P).h(•.\1 ha de ser no nulo.Y) .("') =o para 1 :$ j :$ q. En definitiva.~ que es posible 8e8. CONDICIONES SUFICIENTES En esta secci6n estudiamos condiciones suficientes de solución local de un problema de optimización oon restricciones como los vistos hasta ahora. >. 0. 92. ~.o E {O. g. 1h que verifican el sistema de ecuaciones: es decir: -2x~.. po y .u) =P<>f(•. ejemplo 14) que el punto (0. obtenem011 que sólo es solución del sistema una cuaterna de la forma: {0. hq ron oonjunto de definición llt".o = O.. h¡. Recuérdese (cf.n de clase C'. O) ee el único de R.0..¡). .\11 bll&l. . la matriz beasiaria del la- grangiano. { h..o =1. O) es efectivamente aoluci6n local ·<~· .y. ejemplo 14).>. con Po y >. que no tiene solución¡ si p. . y el problema de optiiWzs. . este sistema se reduce al (7) (cf.O..ueillCI. . la función de la variable (z. Consíderelnos una función numérica f oon conjunto de definición un COlljunto abierto O ~ R'\ p + q funciones numéricas 91. =0 "". solución local de (P).ci6n: maximizar /(z) (P) con las restricciones: g¡(z) :S O para 1 :S i :S p. pues.1 no simultáneamente nulos y p. que depende de 1m parámetra. Estas condiciones suficientes requerirán que las funciones involucradas sea.. forma cuadráti<:a asociada a.. como .1) con A1 :¡f..po.3y'~. h2.

. p. se tiene: V . Supongamos que la [unción f es de clase C2 sobre O..CONDICJONES SUFICIENTES !21 Proposición l. asociada a la matriz hessiana D 2C(z•) es Jefinida . el conjunto de los puntos de O que satisfacen las restricciones. K2} la función: ' ' . proposici6n V. . \~ ~-· Kt) pa.. "' . 1 Es la condición suficieute de segundo orden de máximo loca. L:(•") = /(•")- &toes. L:(•").... la función C admite.imi. Es decir. . Un punto z• de lR"' es solución local del problema (P) si se verifica: a} z• es lactiblt.. b) m* satisface las condiciones de KUHN-TUCKER. EJEMPLO 16.. "'l• . ... de opt. \ e} la forma cuadrática.C(z) =/(a:). un máximo local1 en z'. asociada a la matriz hessiana D 2 C(z').C(z•) = O.. gp..zaci6n: maximilar -:¡.LAjh.. 92.•.l (sin restricciones). entonces. Designemos por A el conjunto factible del problema (P). "'q 2 voe:w. y que las funciones g1.•. existen p +q Il úmeros p. para cada ~ E An B(. es decir. ¡Jz. parte. . h 21 •• . C. se tiene: p. es tw punto de O que satisface las restricciones de (P).(z)...p• . 01) podemos escribir: /(•). y de ncuerdo con (K2). .. Consideremos el problema. L:(•).negativa DemDStraci6n.es que. . al ser definida negativa la forma cuadrátice.D. existe o > O tal que: •• • B(•".(z) i=l j:=] presenta un punto cr{tico en x'". . De ser 2l" un punto de A y de (Kl} se deduce: (8) Por otre. (P) { con lil restricción: x-y-1=0.~ . P.1 .:~::>.ral ~ i::::. L:(•).. .. (9) Teniendo en cuenta (8) y (9).:e*. . 1 hq son de clase C2 sobre R". p. o).g. es decir.. Cf. 223.8. esto es. h¡. . el punto :t:• es ~:~oluci6n local de (P).Q.¡ 2:: O y Jti9i(x•) =O.. Cálculo II.

El punto (1/2. pues se sustituye la condición {e) por otra. loo apartadoo (a) y (b) de la mnd' ' suficiente de la proposición l..q. para el problema de opti- mización: ' . la matriz hese.>.. El lagra.-1/2) satisface también la condición del apartado (e) de la condición suficiente. El punto (1/2. una condición suficiente de solución local más general que la de la pro- posición 1 (cf. p. y ellagrangiano toma la forma: La matriz hessiana de esta función en el punto (1/2 1 -1/2) es: ( -2 o o) -2 ' de forma cuadrática aeociada definida negativa.iana dellagrangiano sea definida negativa. En conclusi6n. el multiplicador correepondie es>. pediremos que sea.122 COMPLEMENTOS DE OPTIMIZACIÓN La función objetivo y la que define la n:stricci6n son de clase C2 sobre R:l (de hecho¡ de clase COO). Á~ O ~<··•>~ -2y+J.-1/2) verifica. -1/2) ea una soluci6n local del problema (P)..~o :c-y-1=0 es verificado a6lo por la terna (:e. y..miza• /(. El punto {1/2.ngiano del problema es la función: J:(z.-1/2) es candidato a ser solución local de (P). >(•.-1).y -1). definid& negativa restringida a cierto coDjUllto. . y la restricción verifica la condición de cualificación en todo punto factible. { h. y el sistema de ecuaciones: { J:~(z..* = -1. De hecho.("') ~o para 1 Sj S.y) ~-m'. Por otra parte.y) ~ -2z. y cualquier otro punto de R2 no es so~· n.. • A continuación enunciamos y demostramos.Y'..) (P) con las restricciones: g¡(:c) S O para1Sí:$p. pueo.)= {1/2. 121). menos restrictiva: en vez de exigir que la forma cuadrática asociada a.-1/2. es la única solución. el punto (1/2.

.(. 2. . y tal que! (10) (en particular. .p• A¡. . Supongamos que la función f es de clase C2 sobre O. hq son de clase C2 sobre IR'"'. ....:• de lit" es solución local del problema.(r•) = 0}.. Un punto :~. dh¡(. . forma cuadrática asociada.(z*).CONDICIONES SUFICIEKTES 123 Teorem11 3. Hagmna. .. 2. es decir.. luego admite desarrollo limitado de orden 2 en el punto a:• E O. b) ar" satisface las condiciones de KUHN-TUOKER. la bip6tesia de que oc• no es aoluci6D local de (P). . .. Designando por q la forma cuadrátíce.• . (P) si se veritica: a) :¡:~ es factible. e:(a:) =O . de clase & sobre O. esto es: existen p + q . donde r = {i E {1..ible del probleln8 (P). . entonces. Existe.. h 1 .p) 1 g.C(x") es definida negativa restringida al conjunto F* de los vectores y de :an tales que: Vi E r.Jh¡("') \ t=l J=l \ presenta. a. . y que las funciones 91 1 92. f no admite un máximo local sobre A en z*.í>jg. 1\q wes que.•)(y) = 0. podemos escribir: con ..V . ee. . y teniendo en cuenta que -por hip6tesis--. _.dg.L(or:*) =O. . h2. .. q).•)(y) = 0. .1• JJ2. . e) la. cada Zm es distinto de oc•). . la matriz bessíana D 2. P. . lím .. .>.. K!J) la función: p ' . Demostración.("')._.e(.D2L. un punto crítico en x•.Y Vj E {1. . se tiene: JL¡ ?: O y JLiYo(z~) =O. sobre !Rn asociada a la matriz hessiana . gp. n úmerOB P. .:". .I. (ll) pues de (8) (que se dedujo en la demostración de la proposición 1) podemos inferir que C(zm)?: J(•m) > /(••) ~ C(••). es un punto de O que satisface las restricciones de (P). esto ea. Para la sucesión (a::m) se verifica. ¡. . una sucesi6n (zm) de puntos de A que converge a ::.. "'2• •..)=!("'). Ls función 1:. K1) para 1 $ i ~ p. Designemos de nuevo por A el conjunto fact. .

. es decir: (13) Por otro lado...(z*)(v) ::50 para i E r. resulta: dh.z'll. De acuerdo con (12). diferen- ciable en z• 1 es decir: k. con v . la función hi O> -por hip6te~:~i... teniendo en cuenta que q es una función continua y el hecho de que la 5U<.z') HJ(•) IJz. luego admite una subsucesión convergente con límite un elemento de este conjunto. y tomando límites: q(y)/2..m) >O.z*ll.)..(z) =O . q.'etlion (~q(m)) converge al punto a:• (lo que implica. x•11.(z*) =Opa. En consecuencia. se tiene: de donde (teniendo en cuenta (11)): q(illm..(a:")(V) = O.(zq(m)) $0 y g. podemos escribir: (14) Con razonamiento análogo al del párrafo precedente.:t:"JI2 = La sucesión (Ym. prua cada 1 :5 j :::.. Sustituyendo z por Z•(m)• y teniendo en cuenta que Zq(m) y z" son puntos de A (y por tanto: h. existe UlW subsucwión {tlq(m)) que converge a un punto y de norma igual a l.: q(y). partiendo del hecho de que g.. que l(m (e(zq¡m¡)) = 0). (z.::: O. es de puntos del conjunto com~ = pacto { v E R" ]llvll 1}.(z') + dh. se obtiene: de donde.rai E r.J) >O. se obtendría: dg.. oo decir. ' 124 COMPLEMENTOS DE OPTIMIZACIÓN En particular.. En definitiva.(x~) = 0)..(z')(z. . con lfm e.(z) = k.. (15) . se tiene: ·. y dividiendo por !l:l:q(m).:z:•) + e-(. (12) 2ll:tm.s.{~q(m)) = h. para cada illm (que es distinto de :e•). -z")/ ll:z:m .. para el vector y se verifico. tomando límites.?: O." 1 2q(!l~(mJ) + e(Zq(m..

l. de donde: i<:l• L "'dg. pues. de optimización: m1mm1zar !(•) (Q) con las restricciones: 9í(z) ~O para 1-::=. (16} De (Kl) se deduce que p¡ =O para ir$. teniendo en cuenta (lO). . j=l con (lti) y (14} se obtil"..D. k=ll=l Jo l Se contradice. como se afirma en (13).h. Para el problema.. Ahora..ne~ O~ L:pjdg¡(al')(y).C(:e') = 0): <lf(x') ~ L ' p¡dg. ' I>. • y E F". el punto x• es solución loco. q.ssiana D 2. que el:' nula.(x). i ~ p.I:.¡¡. O. ¡¡.YI :2: O. Problemas de minimización.CONDICIONF. como la sunlB de (17). íE]' (17} pues de (Kl) y (15) se deduce que t-tidg¡(:z:")(y) ~O para i E r. es de números negt\tivotS o nulos.(:c•) es definida negativa restringida al conjunto F*. luego podemos eocribir: C(x) ~ f(x).: t• j=l dtl·donde (teniendo en cuenta que d. IEI' J=l Evaluando en í3l vector y esta igualdad de aplicaciones lineales: ' <lf(x')(Y) ~ I: p¡dg.(x')(y) ~O. C.C - • ¿¿& f}x (al*)Yr. como se deduce de (18) y (14) y de que IIYil = 1. el hecho de que la forUI<~.S SU Flt:TE"'TES 125 y análogamente también.(x') + I:>jdh1(x').{0}. " " 82. En conclusi6n.Q. cu&!rática asociada a la matriz he. I*. u. { hi(x) =O para 1 $ j -5.! del problema (P).(x). se probaría: <lf(x')(y). cada sumando es necesariamente nulo: (18) Finahneute.C.(x')(y) + L'idh¡(x')(y). hemos encontrado un vector y que verifica.

El conjunto F* es el subespacio vectorial: F" ~ {(u. Consideremoe el problema de optimización: \ extl't!!mos (R) { con la restricd6n: En el ejemplo 9 (cf. Vh(2. manera). de multiplicador igual a 8. . y cambiar en el apartado (e) "definida negativa"' por "definída positiva" (en particular. conespondiente. EBtudiemotJ si podemos util~ la condición suficiente del teorema 3. condición suficiente de solución local del problema de minimización (Q). solamente hay que cambiar en (Kl) el sentido de la desigualdad Jl.o)~o.o) E R' 1(1. Loo puntoo (2. correspondiente es: 12 •) (19) (4 o ' y querem()S averiguar si su forma cuadrática asociada e~:~ definida negativa (o defi- nida positiva) restringida al conjunto F• de los vectoreB (u.. Recordemos el la.1). para saber si son efeclivrunen.y) = m3 + 4xy. La condición suficiente de máximo local con restricciones dada por el teorema 3 (y por ende la correspondiente de mínimo local) no es en general necesaria. o)~ O}~ {(u. Nota. o su análoga para problemas dé roinimiz8ción. 0).(:r +y. -1). 112) vimos que los puntos {2. 1/3) . 1/3) son los únicos de R 2 que e:s posíble sean soluciones locales de este problema. v) de JR2 que verifican: dh(2. -1) y (2/3. t:.-1) y (2/3.C. el conjunto F• se define de la misma. Para tener esta. la matriz hessiana de la fun- ción .-l)•{u. 11) = x+y-1. En el punto (2. EJEMPLO 17.126 COMPLEMENTOS DE OPTIMIZACIÓN se puede demostrar una condición suficiente de aolución local análoga a la vista en el teorema 3.tWw:n lao partes (a) y (b) de la oondición suficiente. donde hes la función que define la restricción: h(x..o) E R' l•+v ~O}. ob.1) • (u.te !IOluciones l~ales.gr8Ilgiano del problema (R): -C(x. respectivamente. Para examinar la parte (e).o)~O.. p.-l)(u.>.i ~ O (ahora quedará: JJi :::. debemoo estudiar la forma cuadrática asociadllt a !G matriz hesaiana en cada uno de estos puntos de la función r.. con los multiplicadores 8 y 8/3.

' • Nota bene. -v'22) • .1 =O. re&tringida a p• pues: o 1 1 1 12 4 =-4<0. en con- creto.ana correspondiente es: y el conjunto F* es ahora. 1 4 o El punto (2/3. Por otra parte. con lo que coincide con el ~rubespacio F' que se obtuvo para el punto (2. de multiplicador 8/3. p. 1/3) es e!octivamente una. t!. En el ejemplo anterior. e11 un mínimo local de la función z3 + 4xy con ). ConBideJ:emos el problema de optimizaci6n: maximizar (P) { con la restricción: En el ejemplo 7 (cf. EJEMI'LO 18.CONDlCIONES SUACIENTES 127 recordando lo visto sobre formas cuadráticas restringidas en el capítulo I. 107) se obtuvo que los únicos puntos de lit' que es posible sean soluciones IOC8l. El conjunto p. este conjunto ha coincidido ser el mismo ¡mra b dos candidatos.1/3). l/3)(u.es de wte problellll\ son: (0. de hecho. proposición 28 (cf.). -1) es efectivamente una solución local del problema (R). 1 4 o El punto (2. en el punto (2/3. el de b vectores (u. +y .0). un máximo local. y en concreto la.v) de R 2 que verifican: dh(2/3. se obtiene que la forma cuadrática asociada a la matri2l de (19) el!! definida positiva. (-v'22 . solución local del problema (R). la matriz hessi. 3 depende en general del punto z• candidato a ser solución.de la parte (e) de la condición suficiente del teorema. pues: o 1 1 1 4 4 = 4 >0. lo ullsmo: u +v = 1. p. La forma. cuadrática aSociada a la matriz anterior restringida a F" es definid& negativa.a restricción a. v) = O. -1). 45. o lo que ez.

.y) = xy. pues. examine- mos la parte (e).12/2)(u./2/2.. En el punto (v'2/2. l 1 -1 El punto (-. -./2j2). donde: g(x.. si el punto (0. de multiplicador p.p(z2 +tl-1). 1. una solución local del problema (P). la restricci6n está no 5aturada en (0. g(O. la matriz hessiana de la función ¡. la matriz hatsiana de la función .2 lu+v ~O}. La forma cuadrática asociada a la matriz anterior es indefinida.0) fuera solución local de (P).. luego no se verifica la condici6n (e) del teorema.• = 1/2.0) (pues. -/2/2) es. Nada podemos decir. con Jos multiplicadores O. y la .C.v) E JR 2 1 (1/2)(12. pues: o 1 1 1 -1 1 >o. respectivamente.. Como g(O. la función xy admitiría en (0.y) =x 2 + y2 . pues. 1/2 y 1/2.0) un máximo local (sin restricciones). de multiplicador ¡J.O) <O.2/2) también es una solución local del problema (P). .0) sin un análisis adicional.. correspondiente es: Ahora bien. Finalmente.v) E i!. correspondiente es: (-1 1)1 -1 . v) de JR2 que verifican: p'dg(l2j2.• =O. . La forma cuadrática asociada a la matriz anterior es definida negativa restringida a F*. es decir: F' ~ { (u.O) = -1 <O). Nota.128 COMPLEMENTOS DE OPTIMIZACIÓN Estos tres puntos verifican los apartados (a) y (b) de la condición suficiente dada por el teorema 3. el conjunto F' es el de los vectores (u./2/2). Como la restricci6n de desigualdad del problema está saturada en (.O)./2/2.v) ~O}~ {(u. Recordamos ellagrangiano del problema (P): L(x./2/2. Con cálculos similares se comprueba que el punto ( -.v) ~o. el conjunto F• del teorema m ahora R 2. del punto (0. en el punto (D.12) • (u.

y bajo ciertas hipótesis.0). hq son afines.cientes de solución glob111 de un problema de optimización con restricciones de igualdad y de deai.. • . {12. y de acuerdo con lo obtenido en el ejemplo 12 (cf. -./2/2. . función objetivo 1 es cóncava sobre O.. 113). . .¡(z) :5O para 1 :5 i :5 p.gualdad. respectivamente). únicos de R 2 que es posible aean mínimos locales de la función rey con la restricción x 2 + y 2 . El punto (0. ••• . . gp. Pero tal matriz hessiana es: (~ ~)' y la forma. Cál- culo Il. ~ Por otro lado. cuadrática asociada a esta matriz es indefinida./2/2) y ( -. Con cálculos análogos a los llevados a cabo en los pá- rrafos precedentes. O) no puede ser. INTRODUCCIÓN A LA PROGRAMACIÓN CONVEXA En esta. la. pues. g. p.0). . h1. h'l. . p. Cf.TUCKER son condiciones suficientes de solución global.. y el problema de optimización= maximizar /(%) (P) con las ~stricciones. y las funciones h 1 .INTRODUCCIÓN A LA PROGRAMACIÓN CONVEXA IZ9 forma cuadrática 860ciada a la matriz hessiana de esta función en (O. (P) es convexo si el conjunto O es convexo.-'7) y (-v'2 v'2) 2 ' 2 son h. Consideremos una función numérica 1 con conjunto de definición un conjunto abierto O~ ntn.{"') =0 para 1 :5 j :5 q. Para problemas convexos. . Exigiremos a las funciones involucradas ciertas hipótesis de convexidad. ('7. proposici6n V. hq con conjunto de definición lRn. sección estudiamos condiciones su:fi. solución local de (P). los puntos {0. . que no es máximo lOC3l (como se comprob6 en la nota anterior). p +q funciones numéricas 91. {Jp 8011 convexas sobre O./2/2) son efectivamente mínimce lOClllez!.6. tampoco resulta ser mínimo locaL • 5.1 =O (recuérdense también los multiplicadores: O. -1/2 y -1/2.. h 2 . { h. Y d punto (0. Diremos que el problema. las funciones 91. 92.. 21Q./2/2. las condiciones ne- cesarias de KUHN. O) sería semidefinida negativa:l. se comprueba que los puntos ( . Lo cual se concreta en el siguiente ~Condici6n necesaria de segundo orden de máximo local (sin restricciones)..

puea el conjunto de definici6n de la función objetivo es R 2... entonces ¡e* es una soluci6n global del proble11l8. es c6ncavn sobre R.D. . ~ •••• . esto es: existen p + q números JLi. Si z• es un punto factible del problema (P) que veriflca las con· diciones necesarias de KUHN-TVCKER.¡.L~)h1 (z) i=l J=l presenta un punto crítico en :z:•. JL2.(x:*) =O. h 1 . . y de (20) "d. Si a:: es un punto factible cualquiera (en partiClllar: z E 0). 92. Demostración. (P). h2.s fun~ clones[.(z).duce' /(~) . · \"'1• JlP• · \"'2• · . p. L:(z') = /(<'). Por ser a::• un punto que satisface la:o restricciones de (P) y la condición (Kl) se tiene: (20) siendo A el conjunto factible del problema (P). las funciones: cadores son cóncavas 5obre O. 1 ~ i $ p. y al ser las funciones j.2 (la forma . '. 130 COMPLEMENTOS DE OPTIM1ZACIÓN Teorema 4.Q. .. se tie- ne. 34).!Í". esto es: . y por tanto ta.C(z) ~ f(z). lo mismo acontece con la función L.L~jg. g¡.•• . L:(~'). Be tiene: Jlt ~O y t-tig. la funci6n L admite un máximo global sobre O en :z:• (cí.. •. K2) la función: p ' . C.•.z:• es solución global del problema (P). Kt) paral $ i $ p. la función objetivo: -x~. L:(o) . Consideremos el problema de optimización: maximizar (P) { con la restricci6n: El problema (P) es convexo. hq diferenciables en todo punto del conjunto abierto O.. L:(~) . • . que es convexo.. . 9t. . "'~ \ •wes t -que. hq son cllferenciableB en todo punto de O. En conclusión. 92. admite en a::• un máximo global sobre O.mbién la función L. corolario de la proposi- ción 19 del capítulo I. En conrecuencia.. y dado que V .C(2:•) =O. •. como J:. f admite un máximo global sobre A eu a::•. 1 9p 1 h¡.. Al ser convexo el problema (P) y positivos o nulos los multipli- p. gp. EJEMPLO 19.. Supongamos que el problema (P) es convexo y que la.

INTRODUCCIÓN A LA PROGRAMACIÓN CONVEXA 131

cu8Clrática wociada.a la IIllltriz het~::~iana de esta función en cada punto de R 2 es
semidefinida negativa), y la función que define la restricci6n (de igualdad) es afín.
De acuerdo con el teorema 4, todo punto factible que verifique las condiciones de
KUHN-TUCJ<ER es solución global del problema (P).
En el ejemplo 16 (cf. p. 121) se obtuvo que el punto (1/2, -1/2) es factible y
wrifica las condicioneB de KUHN-TUCKER (se obtuvo l.t\mbién que es una solu- \
ción local de (P)). Este punto {1/2, -1/2) es, pues, una solución _global del pro-
blema (P). •

132 COMPLEMEI\TOS DE OYTIMIZACIÓI'\

RESUMEN
Definiciones 1J notaciones
ConsideilJ.lDOS una. función D'l.Ullérica f Ue n variables, un subconjunto A
del conjunto de definición de J, y un punto z* de A;
• Máximo global sobre el conjunto A: f admite un máximo global
sobre A en z* si se verifica: Vw E A, f(w):::; /(~*).
Mínimo global sobre el conjunto A; f admite un mínimo global
sobre A en w• si 11e verifica: Voo E A, f(x) 2: /(z•).
Máximo local sobre el coQjunto A; f admite un máximo local
sobre A en ¡;¡::• si existe r > O tal que:

Mínimo local sobre el conjunto A: f admite un rn.íniwo local
sobre A en a::• si exiRte r > O tal que:

'</"'E AnB(.,•,r), !("') ;> !(.,•).
Consecuencias de las definiciones:
o f admite en .:t:" un mínimo (global o local) sobre A precisamente
si (- f) admite en w• un máximo (global o local) sobre A;
ó un máximo global sobre A es un máximo local sobre A, y un
mínimo global sobre A es un núnimo local sobre A.
Extremo: f admite extremo, global o loC'AI, sobre A en x• si admite
un máximo o tm mínimo, global o local, sobre A en este punto.
• Problema de optimización:

(P)
{maximizar !("')
xEA.

El punto x• es una solución local de (P) si f admite en z" un
máximo local sobre A;
y x" ffi una solución global de (P) si f admite en x" 1m máximo
global sobre A.
Análogamente se definen solución local y solución global de los ¡;ro-
bleii18.S de optimización:

{minimizar
y

RESUME~ 133

En los tres problemas de optimización anteriores, la función f es la
función objetivo; el conjWl.to A, el conjnnto de los puntO!! facti-
bles, o conjunto factible.
• Problemas de optimización con restricciones de igualdad y de
desigualdad: si O es el conjunto de definición de j, y es abierto,
y g¡, gz, . , , , g1, ht, k?,, •.. , hq eon funciones numéricas con conjunto
de definición IR", }OI:l problemas de optimización con función objetivo f
y conjunto factible:

{"'E O 1 g;(m) <;O para 1::; i :S p, hi(%) =O para 1::; j .:S q},

se escriben:

{ max.m""' !("')
(P) con las restricciones: g;(x) <;O paral;:=;i;::;p,
h;("') ~o para 1 ::; j .:S q,
y

{ mioimizar /(x)
(Q) con las restricciones: g,(.,) <; o pare. 1 ::; .¡ ::; p,
h,(x) ~O para 1 ;:=; j $ q.

Condiciones necesaría8
Consideramos el problema. de optimización (P) de los párrafos anterio-.

• Condición de cualificación; las restricciones de {P) satisfacen la
condición de cua.lificación en un punto factible a:• (o están cualificadas
en z*) si son linealmente independientes los vectores;

V g.¡(z*) para i E r y V hi(z*) para 1 :S j::; q,

donde' I' ~ {i E {1,2, ... ,p} 1 g,(,') ~ 0).
• Condiciones ncccsarins de KUHN-TUCKER: si ro• es una. solución
local de (P), si f y g¡, 92, .•. , [ip, h1, h2, ... 1 hq son de clase C1 sobre
su conjunto de definición y si las r~tricciones verifican la condición
de cualificación en :ll-, entonces :ll* es un punto factible y existen p +q
números pi, .u2, ... , p;, Á;
Ai, .>..;, ... , tales que:
K1} para 1 $ i ~ p, se tiene: ¡.¡,j 2. O y p,ig¡(a:*) =O;

134 COMPLEMENTOS DE OPTIMIZACIÚN

K!J) el punto m• es punto crítico de la ftmción:
, .
L:(z) ~ /(z)- Li'tY<(")- Liljh¡(.,).
i=l i=l

Multipltcadores de KUBN-TuCKER: los números reales p¡,
.u;, ... , p;, >-i, "'2· ... , >.;. Fija.da la BOI.ución local z", son únicos.
Lagrangiano de (P): la función de la variable m:
p •
<:(a:)~ t(a:)- D<~ll<"'l- ¿:il;h;("'),
i=l j=l

que depende de los parámetros #1-t. IJ2, ... , ¡,tp, >.¡, >..2, •.. , Aq.
Para el problema (Q) de minimización: si sólo hay restricciones
de desigualdad, se tienen las mismas condiciones necesa.riM¡ si hay
restricciones de desigualdad, 1M condiciones de mínimo difieren de las
de :máximo 80lamen'te en que se exige que l.oti multiplicadores asociados
a tales n:strícciones de desigualdad sean negativos o nulos.
• Condiciones necesarias de FHITz....J OHN: Si z"' es una solución
local de (P), y / y g¡, 92, ... , gp, ht, 1&2, ••• , h11. son de clase C1
sobre su conjunto de definición, entonces z" es un punto factible y
existen p + q + 1 nÚIIlero!3 JJO, 14, f'2, ... , ~. >..i, >..;, ... , );; tales
que:
F1) par& 1 :5 i S p, se tiene: JJi 2: O y f-4fli(m•) =O;
n) f'O E {0,1};
F9}losp+q+l númerosf!O, p¡, p~, ... ,I'P, Aj, A;, ... , >.qnoson
simultáneamente nulas¡
F4} el punto,. es punto crftico de la función:
. ,
g(a:) ~ 1'0/(")- LPiY•(")- Liljh¡(z).
i-1
.
i=l

Condiciones .uficienteB
Consideramos de nuevo el problema de optimización (P):
• Si f YU1 , !12 , ••• , f}p, h1, ha, •.. , h, son de clase C2 sobre su conjWlto de
definición, un punto z:• es sohlci6n local de (P) si es factible, satisfa.oe
las condiciones de KUHN-TucK~ y la fornm. cuadrática asociada ala

BTBIJOGRAF!A 135

matriz hessia.na. D 2 .C(::~:"') es definida negativa restringida al conjunto
de los vectores y de Rn tales que:

~i E r, p¡dg;(o:')(y) ~ 0, y ~j E {1, 2, ... , q), dh;(z')(y) ~O,

donde 1' ~ {i E {1,2, ... ,p) J g,(z') ~ 0).
• Problema eonvexo: (P) es convexo si: O es oonvexo, fes cóncava
sobre O, 91, 92, , , . , gp son convexas sobre O, y h¡, h2, ... , hq son
afin.,.
Si (P) es convexo y{, YI, 92, ... , _gp, ht, h2, ..• , hq son diferenciables
en todo punto de O, un punto factible que verifique las condiciones
necesa.ria.s de KU!lN-TUCKER etl una. solución global de (P).

BmLIOGRAFÍA

• A. ÁLVAR.EZ. Cálculo II para Econamfa y Emprf'..sa. Funciones de
varias variables. San Julián (lecciones de Matemáticas para Economía
y Empresa., 3), Madrid, 1998.
• R. BARBOLLA, E. CERDÁ, P. SANZ. Optimización. Cuestiones, EJer-
cicios y Aplicaciones ala Economía. PI'f'ntice Hall, Madrid, 2001.
• R. BARBOLLA, P. SANZ. La. Concavidad en un Modelo Económico.
FUnciones de Demanda. Pirámide, Madrid, 1995.
• A. MAS-CoLELL et al .. Microeconomic Theory. Oxford University
Press, Nueva York, 1995.
• P. M!CHEL. CoiUS de Mathématiques pour Économistes. .f;conomic..a,
París, 1989, segllllda edición.
• E. PRIETO. Lecciones Elementales de Álgebra Lineal para Economía
y Empresa. C.E.R.A., Madrid, 1999.
• .K PRIETO. Cálcu]o I para Eco.nomfa y Empresa. Funciones de una
variable. Sa.n Julián (lecciones de Matemáticas para Economía y Em-
presa, 2), Madrid, 1997.
• C.P. SIMON, L. BLUME. Ma.thematics for Economitlts. Norton, Nue-
va York, 1994.

• Como complemento necesario a los conocimientos teóricos. Quienes necesiten repasar algún concepto o resultado pueden consultar el manual Álgebra IJneaJ. conjnntos autónomos. productos fundamentales. .. observamos lo siguiente: • Su contenido está dividido en siete secciones más un apéndice.Capítulo 111 Matrices positivas María Ángeles A rándiga Báez INTRODUCCIÓN En Econom!a.utocomproba. matrices indescomponibles). En este capítulo. Sobre este capítulo. estudiaremos las nociones clásicas y sus propieda- des (matrices productivas. 1 las matrices de coeficientes técnicos (definido el consumo in- termedio en un modelo de producción) son matrices con términos positivos o nulos. ae incluye un gran número de ejemplos en los que tales COllocimientos encuentran aplicación práctica. Estudiaremos también el teorema de FROBE- NIUS. • También se incluyen ejercicios que sirven de a.ción para el alumno.

sin especificar el orden.) S011 doB matrices positivas tales que AB está deñnido... entonces los términos de AB son de la forma: :E' ... entonces A + B es poeitiva. es positiva.1) 80.1) y B = (b.. que son positivos o nulos por serlo los términos a¡i y htJ. Matrices po. MATRICES POSITIVAS Notacl6n.138 MATRICES POSTI1VAS l. . entonces AB es positiva. en vez de: Ea¡.11 doB matrices positivas del mismo cmlen. . moe: P = (p¡} para designar una matriz columna P.ta de la definiclón es que una matriz nula (o matriz cero): O. 6 1. Nataci6n. En este capítulo. Los términos de A+B son de la forma: a. Se verifica: J) Si A = ("'') y B = (b..tb~....OOre.1. y 1 para designa:r la matriz identidad. Propiedades.. Sil es el ntimero de columnas de A (o el número de fllas de B)... que son positivos o nulos por serlo todos los términos IJü y bi<J. En lo sucesivo eecribirelllCJE 1 ECifkb.1+bt. ~. escri.. le 11=1 si no hay lugar a confusión. B} Si A= (a. y siempre que no dé lugar a confusión.t.ritivru Una consecuencia imnedia.

1.Bl= o . 1···1 M. DatKtSb'ac:iGn. y las m matrices coll. 1) sigujentes: 1 o o o 1 o E¡= o . pues: A= (AE. afirmar: .).Q. sea positiva: A&~O paral:$i:$m.E. propiedad 2).n= o o o 1 Una condición necesaria y suiiciente para que la matriz A sea posltim es que..a Nota bene. y por tanto poaitlva (cf. 1m oondici6n ·u lmficillnt& Si suponei1108 que para cada 1 :::.. .m).rinva.tiva.. Considerem0<1 una matriz A= (a. i :S m la JD&o trlz A& es poei. Si z es un número real. para cada 1 :S -f :S m. AE4 resulta ser el producto de doa matrices positivas. Motn:ce. C.l..j AE.DlDa de orden (m. La coodicióa ea necesaria. entonceB A es positiva.) de orden (n..D.. ' MATRICES POSITIVAS 139 \ Propoolcl6n l. en· tonces. como para cada 1 S i :S m la matriz & es positiva. . la matriz AE.B. eatrictamente po. Si supcwemos que A es positiva.

no ea nula. por serlo todos los términos 6.140 MATRICES POSIDVAS es lo mismo que afirmm-. a. By C son tres matrices reales del mismo Drden y o: es un número real positivo.: y son positivos.j) doo. A.?:O y A. C) ==> (A < C).itiva. positiva e invertible. (A < B y B 5. y no es estrictamente pooitiva. Resulta inmediatamente de las definiciones. matrices tales que su producto AB está definido. esto es.1c y blej. si A es una matriz que verifica. es una matriz" e!ltrictamente positiva. Demcstración.: 1) Si A. No ocurre lo mismo con las matrices.) y B = (bti) son dos matrices reaJes estrictamente poaiti- vas tales que AB está defiiJido. entonces: (A< B) ==> (A+C < B +C). Los términos de AB son de la forma.i=O. (A < B) ==> (aA < aB).>O. (A$B y B<C) => (A<C). Proposición 2. la primera estrictamente poo. la matriz: A= G n es positiva. A Propiedades. Se verifica. Sean A= (a¡¡) y B = (b. entonces no necesariamente se deduce que A sea estrictamente positiva. Los términM de C son de la forma: . El producto de dos matrices reales. Sea C = AB. 2} Si A= (a¡. Por ejemplo. una estrictamente po- sitiva y la otra positiva e invertible. entonces AB es estrictamente positiva. y la segunda cuadrada.

(con í y j pertenecientes a S) la cantidad (po- sitiva o nula) del bien í necesaria para produdr una unidad del bien j. :e. Xj. ~J es positivo y le. Si.. .. matriz C = AB es estricta. de la hipótesis ante- rior se deduce: a¡1z 1 es la ~tidad. . . representaremos con un nórnero natural de 1 a n tanto la industria como el bien que ésta produce. En conclusi6n. 2.n}. en vez del producto AB.MATRICES POSITIVAS Y MODELOS LINEALES DE PRODUCCJON 141 donde todos 1015 términO!! llik son positivos y todos los términm ~j 110n poeitivos o nulos.. está definido el producto BA. Xn unidades 1 respectivamente. unidades del bien i. • Hípótesis de adítivid«l. el razonamiento es completamente análogo. bien es producido por una sola. . MATRICES POSITIVAS Y MODELOS LINEALES DE PRODUCCIÓN Consideremos una. Ahora bien.Q. n.2. industria. de los bienes: 11 ••• 1 j. del bien i necesaria para producir las x 1 unidades del bien 1. O bien: para producir una unidad del bien j son necesarias rlij unidades del bien i. Supondremos se verifican las siguientes hipótesis: • Hípótesís de rendímientos consúntes a escala: para pxoducir x¡ unida- des del bien j son necesarias a. con lo que ninguna de sus columnas está _formad. En lo sucesivo..Ia matriz Bes invertible. atnXn es la cantidad del bien í necesaria paxa producir las x 71 unidades del bien n. y pondremos: 8={1.D. C. ••• . Si ee producen: x¡ 1 ••• . unidades del bien j. Representemos con at.- mente positiva.a enteramente por ceros¡ es decir. AseguramM que c01 es positivo si al menO& uno de los tkminoe biJj es no nulo.. atjXJ esla cantidad del bien i necesaria para producir las x. en cada columna de B hay al menos un término pO&itivo. y cada. estructura productiva que está constituida por n indus- trias que producen n bienes. Cada industria produce un solo bien. .

También supondremos que la cantidad disponible del bien i: x. Es decir: • Xi = ¿a¡¡x. Gn2 : . . + .. ... En las hipótesis anteriores se dice que el sistema de producción es lineal.. X e Y son las matrioea positivas siguientes: ~:) (~). y eacrito en forma matricial: donde A.. 1 ~i :5 n. + amxn = L GijXj j=l es la cantidad del bien i que es utilizada. ..X:J + · ·· + amxn + Yi = Xi C&n1X1 +···+a... A= ( 1121 : a. (::): . i=l o bien: anx1 +··· +a¡¡Xj +· ·· + GlnXn + Yt =X¡ llil:t'l + · ·· + at. De: z=• j=l rlijXj diremos es el consumo intermedio del bien i. por la estructura productiva. au a¡.1 an . . :e.x.142 MATRICES POSITIVAS La hipótesis de a. i=l • demanda final del bien i.x... + · ·· + llnnXn + Yn = Xn. tlnn . + a.ditividad afirma que la cantidad: n ll¡¡Xl +. que denotaremos: Yi (y¡ ~O}. se utiliza de dos formas diferentes: n • consumo intermedio del bien i: ¿a¡..... 'Yn . y que el IllOdelo que lo representa es un modelo lineal. Xn yY- .. . +y¡.X- . ••• : . '.

que es la única que lo produce. el conjunto: D(j) ={iES 1 a. Representemos las industrias y los bienes que producen por los mislll06 DÚDlel'()8: 1. por tanto.)= ( 1 1/2 O o 1 1/2 la matriz de coeficientes técnícos de la estructura productiva. y cado.. 2 y 3.MATRICES POSITIVAS Y MODELOS UNEALES DE PRODUCCIÓN 143 Dado un bien j E S. los inputs que la industria 1 necesita son el bien 1 y el bien 2: D(1) = {1. La industria 2 utiliza 1/2 unidades del bien 2 y 1 unidad del bien 3 para producir una unid8d del bien 2. para producir una unidad del bien 1. necesita como inputs para su producción aquellos bienes i que verifican: a¡.2). . Sea. O. industria produce un solo bien. ::¡f. deno- tado: D(j)¡ es decir. y por tanto: D(2) = {2. la indUBtria. la industria j. . a:u = 1 unidades del bien 2 y as1 = O unidades del bien 3. produc- ción del bien j. EJEMPLO 1. Entonces. El conjunto de los bienes que la industria j precisa como inputs será.: 1/2 o 1/16) A=(••.con tres industrias que produce tres bienes: cada bien es producido por una sola industria. Conaideremos una estructura productiva ---con sistema de pro- ducci6n lineal. 1 utiliza au = 1/2 unidades del bien 1. 3)..o' O} es el conjunto de loe bienes que son directamente necesarios para la.

Por ejemplo. entonces la unidad podría ser la tonelada métri<'A. Nota. o bien: (I. esta estructura productiva produce 1 unidad del bien l. por ejemplo.A)X ~Y.144 MATRICES POSITIVAS Por último. En este contexto entendernos por unitUd una cantidad qu(l so toma como medida. la industria a utiliza 1/16 unidades del bien 1 y 1/2 unidades del bien 3 para producir una unidad del bien 3: D(3) ~ {1. en qué con~ diciones podemos encontrar una matriz de producción X que satisfaga: X=AX+Y1 conX~O. {1) . y la. Y de demanda final.3}. ron X 2: O. 3 unidades del bien 2 y 7 unidades del bien 3. 13/2 1 1/2 7 • Nos planteamos el ¡. matriz positiva. si uno de los bienes producidos es acero.¡jgujente problema: dada la matriz positiva A de coeficientes técuico~. entonces la matriz de producción es: y el consumo intermedio del bien 1 en la producción es: el consumo intermedio del bien 2 es: por último. el consumo intermedio del bien 3 es: 13 2' Luego la matriz cuyos términoti 500 los co¡ISumos intermedilti es: ( 1~W) ~ (1i'o 1~. Si. 1/16) o (1) 3 ~Ax. ó.

MATRICES POSITIVAS Y MODELOS LINEALES DE PRODUCCIÓN EJEMPLO 2.A sea invertible y que su inversa: (!.~' . entonces de (1) deducimos: (2) Pero de (2) no podemos concluir que X 2:: O.. de 1/16 unidades del bien 11 1/2 unidades del bien 2 y 1/2 unidades del bien 3. 3 del bien 2 y 7 del bien 3. Estudiemos a continuación qué propiedades tienen la.• . sin embargo. como Y es positiva. 1 1/2 7 1/2 En palabraB: si la estructura productiva produce 1 unidarl del bien 1. entonces consumirá en el proceso de producción 15/16 unidades del bien 1. 1/2 pues con la producción: se verifica: En efecto: o 1/20 1/16) (1) (1/16) 3+1/2.A es invertible.. pudiendo así atender la.A es invertible y (I. si (1. propiedad 2 de las matrices positivas).= ("') 112 =. el producto: es una matriz positiva (cf.A).~ ·~-­ ' como matriz de ooe:ficienteuécnicos: o 1/16) 1/2o ' 1 1/2 ae puede satisiBCfl' la demanda final: Y. 5/2 unidades del bien 2 y 13/2 unidades del bien 3.A).a matrices positi- vas A tales que 1. • Si la m&triz 1. que t . . sea positiva para asegurar que (1) admite solución. Considerando la estructura productiva del ejemplo 1.A). En conclusión: es suficiente que la matriz 1.1 es una matriz positiva.1 .(1/16) Ya 1/2 . demanda.1 es positiva.

5o 0. por cjcm}Jlo.146 MATRICES POSITIVAS 3. no es productiva la matriz: (01 1/2D) . Ejemplos EJEMPLO 3.1.al: A~ (0.: • EJEMPLO 4. • .1D) es productiva. productiva debP-n existir dos números reales x 1 > O y :v2 > O tales que: pero: con lo que obtenelllOS una matriz columna que no puede ser estrictamente positiva. la mat. La matriz I'f'.riz columna: verifica. MATRICES PRODUCTIVAS 3. La. En consecuencia. matriz real: 1 D) ( 0 1/2 no es productiva.. Definición de matriz productiva.~. En efecto: para qufl !'!P. pues.

1a matriz: es productiva. En efecto. podemos asegurar existe una matriz de producción con la cual se consiguen excedentes en todos los bienes que produce la estructura productiva: hay un nivel de producción con el cual se produce estrictamente más de lo que se consume. Xt > ax2.MATRICES PRODUCTIVAS 147 EJEMPLO 5. Tomemos. Para cualquier número real a .?: O.Jes :z:-1 > O y :z:-z > O de forma que. si tomamos d011 números rea. Un caso concreto: a= 2. para cualquier número real a ~ O. • Una interpretación econ6mica de las matrices productivas es la siguien- te: si la matriz de coeficiente¡¡ técnicos de una estructura productiva (con sistema de producción lineal) es una matriz productiva. Obsérvese que en el caso particular de a= O obtenemos una matriz cero: O. que es. entonces: lo que muestra que. la matriz real: es productiva. X2=l y :&'¡=2·1+1=3>:~. por tanto. por ejemplo. productivn.2¡ se tiene: lo que confirma que es productiva la matriz: (~ ~). .

el excedente es. . 146): no es productiva. X. Utilizando el teorema 1. Con la ayuda del teorema 1 es fácil comprobar que la matriz real del ejemplo 4 (cf. Una condición necesaria y suficiente para que una matriz real A (cuadrada y positiva) sea productiva es que 1 . = • 3. 174).!. p. estudiemos si la matriz real: A= (1/2 O) 1 1/2 es productiva.(1/20 7 1 11/2o 11/16) O (1)3 (1/16) /271/2 1/2 .1 . Teorema 1 .A sea in vertible y que su inversa: (1. pues para la producción: se produce más de lo que se consume. sea positiva. concretamente. p. • EJEMPLO B. p.A). caracteriza las matrices productivas. 148 MATRICES POSITIVAS EJEMPLO 6. En efecto: y esta última matriz no es invertible. 143): 1/2 o 1/16) A= 1 ( o 1/2 1/2o ' 1 es productiva. La matriz de coeficientes técnicoa del ejemplo 1 (cf. Canu:terizaci6n de la8 matrices productivas El siguiente teorema. EJEMPLO 7. cuya demostración puede encontrar el lector en el apéndice (cf.AX = (31) .

.A es invertible y que (I. ejemp]o 6.A). F 1 . o -1/8) 1/2 1/2 -1/8 -1 1/2 G -1 1/2 F~. 4F3 F~+-F¡+(l/4)F~ o (g o ~) =l. La ll18triz I -A es: 1/2 o -1/16) I-A= -1 1/2 O .' uw.1 es positiva. Calculamos (1.1 • Se tiene: o -1/1D I-A=(~~ p..triz: A= 1/2 ( 1 1/2 ' o) • EJEMPLO 9. p. ( o -1 1/2 y su rango es igua] a 3 (como se comprueba con facilidad).A). Vamos a verificar que I.F1 +(1/8)F3 1 . 148): 1/2 o 1/16) A= ( 1 1/2 O o 1 1/2 es productiva. su inversa. y por tanto es invertible._-~F. F3+-F1+F. matriz ea invertible.. es: matriz que es positiva. luego es productiva la.MATRICES PRODUCITVAS 149 Se verifica: y ~ta última.._2F) o -1/8) (~ o1 -1/41/4 F5+-Pa+Fo Fs. La matriz de coeficientes técnicos (cf.

148). su ínversa es: (I -A)-'=(. Por el teorema 1 (cf.Sca que (J. A no es productiva. • EJEMPLO 10. • En efecto. entonces para la matriz de producción~1 definida por: se verifica.(I -A)-'.. Veamor~ ai es productiva la matriz real: A-e ~)- Cakulamcs /-A: l-A=(~ ~)-e n=(=: -~)· Resulta ser invertible. l"a+-~+Ft n (~ o 1 o Gn lio+-U't.:¡~ -~/2).es técnicos A es productiva y Y es la matriz de demanda final.+-:IF.A)-l. Ft+-F¡+(l/II)Fs :a y se veri. . e O o 1 o) O o o 1 F. si la matriz de coefici. p.s+-Fa+Fi o 2 2 F.:: O.: X¡ ~ O y X¡ = AX1 +Y. F.+-4F" Fs+-F~+(l/4)Fa 4 1 1/2) ( : ¡ .ent. que no es positiva.ISO MATRJCES POSrTIVAS y aplicando las DlÍ8malil transformaciones elementales a la matriz identidad I: I.

. EJEMPLO 11. .A). 2eV y o32#=0. de orden n y positiva.A'= (I. T es autónomo..A)t. Dejin. se verifica: S-T={2).eT}={. 3} es aul6ñomo.1. La traspuesta de una matriz productiva es Wl& matriz ~ ductiva.D.n}. p. Propiedad<~ Sea A = (aq) Uil8 matriz real cuadrada. y {.2} no es autónomo. = y QOmo 021 a.Q..AT' =((1. (a)).l6n 3. 4.A es imrertible. ( 1/2 1/4 1/4 El conjunto T ={1. (b)).3. y (b) (I. . C.2.A)-')'' y oomo (1. pues: I. El conjuqto 8 = {1. Consideremos la matriz real: 1/2 1/3 Aa= o 1/2 1/4) o .. Entonces: (a) I. . 7hupuesta de una matJV productiva Propoalc. también los ((1.A' es invertt*ble..AJT' =((1..A)-' •• pooitW. lieS-T. • .:za = O.3}.1 es po!dtiva. Dernastntción. T={l.A)-')'. CONJUNTOS AUTÓNOMOS 4. y oomo I. 14. En efecto. Y también se tiene qne (I.At) . también Jo es (1.CONJUNTOS AUTÓNOMOS 151 · 3. el conjunto V {1..A es mrert!blo (cf.1 es positiva.8).A)'. puea: (1.¡. concluimos quf: Ates productiva.3} es aut6nomo por defioici6n. matriz productiva.icidn de conjunto autónomo.. Sea A una. y sea: S= {1. Con el teorema 1 (cf. Se verifica que I . (cf... = Por el contrario. pues por ejemplo: 3eS-V.2.

1/2 o o 1/2 El conjunto T = {3} es autónomo.2.l3}.2.3} son autónomas: • S-{1}={2.n}.3}yaz¡=a~t=0.3}yal2=a32=0. Veamos a continuación algunas propiedade. es autónomo¡ 2} TU V es autónomo. Consideremos la matriz real: 1/2 1/2 o o 1/2 o A.a. • S= {1.~ O 1/2 1/2 o ( 1~2) . Par<~. .jET}={at3. real: los conjuntos: {1}. de los conjuntos autónomos.V y a12 =¡f O.2}={3} ya3t=a:n=O. . Proposición 4.2. 3} u¡ autónomo por definición. pues: S-T={l. En los ejemplos anteriores el conjunto S es el conjunto: {1. • 8-{1.2. • S-{2}={1. Sea A una matriz real cuadrada. El conjunto V= {2} no es autónomo¡ por ejemplo: 1 E S..a2a. • Nota bene. Si T y V son dos conjuntos at1t6nomos para lB. • EJEMPLO 13. .152 MATRICES POSITIVAS EJEMPLO 12. !ti. {1. si es no vacío.4} y {a¡JiiES-T. y a1a = a23 = a43 =0.. {2}. entonces se verifica: 1} T n V. matriz A. malriz. de orden n y positiva. donde n eR el orden de la matriz clladrada considerada.2} y {1.

Vj E TU V. . (4) Ahora: 1} De (3) y (4) se deduce que paro.Ju.(Tn V)..T) n (S. En símbolos: Yi E (S -T)n (S.D. 3. =O. j E Tn V (hay alguno por tratarse de un conjunto no vacío) basta que i E S-To que i E S.(TU V))• YiES-(TUV).Q.5}.2.. 11) Por otro lado. Vi ETnV.T) U (S.6}. asegurar que av = O. 4} es autónomo para A. en 'erecto.(Tn V)): Vi E S.V). lli. = O = para cada i e·s. o bien (obs"""ndo que (S. Sea A = {lli. que i E S .ut6nomo. Consideremos Ja matri2 real positiva: 1 o o o 1 o 1 1 o 1 o o A. ViETUV. =0..= o o 1 o 1 o o 1 o 1 o 1 o oo o 1 o 1 o o o o 1 El conjunto T {2.¡= O. EJEMPLO 14. se tíene que a. Gi¡ =O. Vj E {1.V pare asegurar = que av O. (3) y como V es autónomo.4. 'ij E T. de {3) y ( 4) también se deduce que si j E TU V 1 hace fu. cada. y por tanto T n V es autónomo. C.5.V.4}. se tiene: \il E 8-T. <1<¡ =0. U. Vj E V.6} y cadaj ET= {2.1 =0.= O. a. y en CODBecuencin.V pw-11.2. n}. Vj E TnV. a. o bien (teniendo en cuenta que (S. TU V es a.) ... se tiene: 'r/i E S. En símbolos: Yi E (S -T) U(S.T= {1.4. Como T es autónomo.V).T y que i E S. • . También V= {1.V) =S. a. y se& S = { 1 1 2.CONJUNTOS AUTÓNOMOS !53 Demostración.6} es autónomo: Vi E {3.3.V)= S. ..

!54 MATRICES POSITIVAS Entonces.6}. se interpreta como el conjunto de los bienes (o productos) que produce la estructura productiva. en la producción de un bien dado. y en una empresa que fabrique neumáticos el caucho interviene directamente en el proceso de fabricación. los neumáticos intervienen directamente en el proceso de fabricación.n}. 3.2.¡# O) es el de los bienes que son directamente necesarios para produclr el bien j. Vj E {2. ya sa.3. descuerdo con la propagidón anterior. se interpreta como la matriz de coeficientes técnicos de una estructura productiva. los conjuntos: TnV={2. y el con· junto S: S= {1. Determínación práctica Si la matriz real cuadrada A. Pexo para producir los bienes del conjunto D(j) también serán directamente neresarios otros bienes.4}(queesnovacfo) y TUV={l. . De esta forma.4}.. 'rfj E {1.2. podemos decir que el caucho interviene indirectamente en la fabricación de &utomóviles. = 0. • 4. Asimismo.6} son a. . 5. la empresa que elabora el caucho tendrá ciertos inputs: éstos también serán bienes indirectamente necesarios para fabricar automóviles. de los cuales podemOB decir que son indirectamente necesarios para producir el bien j.3. entonces el que un conjunto de bienes T ~ S sea autónomo para la matriz A puede interpretarse romo que no se necesitan los bienes de S.bemoa que el conjunto: D(j) = {i E S 1 a.ut6nomos. continuando con el ejemplo. El cauchO no es un input de la empresa que fabrica autom6viles1 pero sí es un input de una empresa que fab:dca un input para aquélla. y Vi E {5}.T para producir los bienes de T.. Se puede comprobar directamente: Vi E {1.6}. a¡i =O . Dado un bien j E S.4. .4.2. Estamos ahora interesados en saber qué bienes son necesariOB. Oi. de orden n y positiva. en una empresa que fabrique automóviles. Por ejemplo. directa o indirectamente.2.

. D(j) = {j}. Este primer paso consiste en escribir el bien j: j. Si fuera.. Que el bien j está enlazado con el bien i lo representamos de la forma: j-i. y sea: 8={1.. Primer paso. o D(j) = 0.la matriz. y "enlazarlo" oon todos los bienes i. Observamos que. . A = (Oij) lll.' O} está contenido en M(j). al conjunto M(j) per- tenecen -entre otros. i ED(k)}.o por el bien j y los bienes que participan directa o indirectamente en la producción del bien j.n} el conjunto de los bienes.CONJUNTOS AUTÓNOMOS 155 Dado el bien j.. por definición. hemos escrito el bien j y todos los bienes del OODjunto D(j). Tras llevar a cabo este paso.. del con- junto D(j). ningún bien i con estas características. el bien: j es un elemento de M(j). distintos del propio bien j. y el conjunto: D(j) ~ {i E S] a. Daremos a continuación un algoritmo que nos permitirá escribir los elementos de M(j).:2. ConsideratnOB un bien j E S. . En símbolos: M(j) ~{j}U{i E8]3k EM(i).el bien j y aquellos bienes q_ue son directamente neoeRarios en la producción del bien j. . M(j) ~ {j}. de coeficientes técnicos. EB decir. Sea. el algoritmo terminaría. no existiría. y . denotaremos por M(j) el conjunto fonnad.

156 MATRICES POSITIVAS EJEMPLO 15.ra la m~riz del ejemplo 11 (cC. Llevemos a cabo este primer paso en el cálculo de M(3) para la matriz del ejemplo 12 (cf. &gamos el primer Jl8(JQ ron el bien j = 1 pa. el algoritmo termina. en la pro- ducción del bien 3. lo enlazamos con el bien i = 3.3). p. directa o indirectamente. Escribimos: 1. 153): o o 1 o 1 o o 1 1 1 o o o o 1 o·· 1 o Ae = o 1 o 1 o 1 o o o o 1 o 1 o o o o 1 . y M(3) ={3}. 151): 1/2 1/3 1/4) As=01/20. ( 1/2 1/4 1/4 El conjunto de loa bienes directamente necesw-Í05 en la. Escribimos: 3. y como D(l) = {1. 1/2 o o 1/2 El conjunto de loo bienes directamente necesarios en la producción del bien 3 D(3) = {i E S 1 a.o 1/2 o 1/2 o o) . 152): 1/2 1/2 A. Efectue_mos el primer paso en el cálculo de M(I) para la matriz del ejemplo 14 (cf. p.! O}= {3}. producción del bien 1 D(1) = {i E S 1 au. y como D(3) = {3}. Deducimos que sólo el bien 3 es necesario. 3}. • EJEMPLO 17. p.( o 1/2 1/2 o .. que es el único elemento de D(l) distinto de 1: 1-+3..O 16.! O}= {1. • EJEMPI.

y el conjunto M(3) es el formado por los bienes escritos: M(3) ~ {1.CONJUNTOS AUTóNOMOS 157 Observamos que D(l) = {1 1 2. el bien j). llevamos a cabo lo siguiente: enlazamos k con todos loe bienes í que verifiquen: a} i E D(k). y continU&Ill08 de manera análoga con los nuevos bienes que se vayan escri- biendo. El algoritmo termina. 156): 1-3. EJEMPLO 18. entonces M(i) es el conjunto de todos los bienes que han sido escritos.3). impidan continuar el proceso. lo representalll06 así• 1( 6. luego debemos enlazar el bien 1 con el bien 2 y con el bien 6 1 que son los bienes de D(l) distintos del bien 1. sido escrito todavía en el desa. El algoritmo termina cuando las restricciones anteriores: (a) y (b). En el cálculo de M(1) para la matriz~ 1/2 1/3 1/4) As= o 1/2 ( 1/2 1/4 o ' 1/4 teníamos (ef. (5) Par&.3). 6}. p. continuar con el segundo paso del algoritmo. y el primer paso del algoritmo ha concluido. • Segundo paso. Para cada tlllO de los bienes k escritos en el paso anterior (salvo para.rrollo del algoritmo. ' pero tanto el bien 1 como el bien 3 ya han sido escritos en (5). ejemplo 18. • . b} el bien i no ha. Obsérvese que en este segundo paso escribimos los bienes que son indi- rectamente necesarios en la producción del bien j. observamos que para el bien k= 3 se verifica: D(k) = D(3) = {1. y por tanto no podemoo encontrar ningún bien i que verifique Simultáneamente las condiciones (a) y (b).

Paro el bien 2. direc~ o indirectamente.izar el bien 2 y el bieu 6. puea.: (6) Debemos. Se tiene: D(4) ~ {2. 6).6}. no podemos enlazar el bien 6 con ningún otro. 2. Para la matriz l l o o o o 1 1 o oo 1 As= o o 1 o 1 o o l o 1 o 1 o o o o 1 o 1 o o o o 1 el cálculo de M(l) noa había llevado {d. Sólo el bien 4 no ha sido €8Crito todavía en (6). y como el bien 2 y el bien 1 ya han sido escritos.7. no enlazamoo el bien 6 con ningún otro. por tanto. se tiene: D(2) ~ {2. El conjunto formado el bien 1 y los bienes qut: son.4). ya que los bienes l. 156) a. 2.158 MATRICES POSITIVAS EJEMPLO 19. Al no poder continuar el proceso. D(6) ~ {4. . p.e escribir: el bien 4. enl8. ejemplo 17. 4 y 6 son !08 bienes que liemos escrito: •. rtecesarios para producir el bien 1 es: M(!)~ {1.W. an. 4. se tiene. Debemoo proseguir wn el bien que acabamos d.amos el bien 2 con el bien 4: (7) Para el bien 6. el algoritmo termina. 4). y como tanto el bien 4 como el bien 6 ya han aido escritos (en (7)).

3. • M(4): Por ser D(4) = {2. El algoritmO termina después de un número finito d~ "enlaces" (a lo máa. y proporciona como re>ultado un único conjun- ro.4. escribamos todos loo conjuntos D(j) {1::::. En el segundo paso. (8)): <<:-· 3. y M(4) = {2. y por tanto: M(5) = {1. 6}.4}.5}.2. 5. D(6) = {4.4} el algoritmo termina. M(3). y como el bien 2 ya. • M(3)• Como D(3) = {3}.4}. 6}. • M(5): La aplicación del algoritmo nOB hace escribir (cf. M(4). • M(6): Se escribe: y en consecuencia: M(6) = {2. 4}.CONJUNTOS AUTÓNOMOS 159 Calculemos en este mismo ejemplo loo conjuntos de bienes.4). (8) D(4) = {2. • Nota bene. y por ser D(2) = {2. M(5) y M(6).4}. concluimos: M(2) = {2. Por comodidad. j :::. 2. Se tiene: • M(2)o Como D(2) = {2. está escrito. D(3) = {3}.6}. n.1). D(5) = {1. enl=unM 2 oon 4o 2-4. como: D(4) = {2.6}.4}. D(2) = {2. 4. M(2). 3. y este es el resultado del primer paso.4}. 6): D(1) = {1. h ."' tien" M(3) = {3}. escribimos: 4-2.

. En conclusión: M(J') ~ T. (10) es decir. a1s =O. Consideremos una matriz A= (a¡. deducimos: D(j) ¡. estudiamos algunas propiedades del conjunto M(j) (i E s¡. entonces se tiene: D(s) ¡. Si at8 .O.oM(j). se verifica que tlf 8 =O. c. 2. .son de T (cC. De la hipótesis: jET. y teniendo en cuenta (9). 2} Observemos que sises un bien cualquiera del conjunto aut6nomo T. y sea S = {1.T. 2) si T es un coQiunto autónomo pa. matriz A aJ que pertenece el bien j.D(s). entonces a¡ 8 = O (por ser T aut6nomo).: S. que por hipótesis pertenece a T. y de (9). M(j) es un conjunto autónomo para la matriz A.ra la. (10)). en consecuencia.T ~S. y por tanto: l ~ D(s). pero sil E D(s). Consideremos un bien j de S: 1) Debemos demostrar: VI E S-M(j). . (9) En efecto: si l es un bien del conjunto S. deberÍ3Iri. Sean: IES-M(j) y . n} el conjunto de todos los bienes. Vs E M(j). Se verifica: 1} Vj E S. como partimos de un elemento: j. . todos los bienes que son enlazada!! con j -elementos de DU). T. entonces T 2 M(j). en contra de lo supuesto. el conjunto M(j) es autónomo. Con un razonamiento análogo. .160 MATRICES POSITIVAS A continuación. En consecuencia.) de coeficientes técnicos. comprobamos que todos loe bienes que se escriben en el desarrollo del algoritmo para construir M(j) pertenecen a T. Demostración. Proposición 5.T. que es equivalente a (9). entonces: lE D(s) (el bien f sería directamente necesario en la producción del bien s).D. y se tendría que l E M(j). Por tanto.¡!. los bienes que se escriben en el primer paso del algoritmo son ele- mentos de T.Q. En el desarrollo del algoritmo.O!! haber enlazllodo el bien s con el bien l: s-1.

IJecesar. caracterización de los productos fundamentales es la siguiente: Proposición 6. pues. (12) De (11) y (12} se concluye: r = M(j). 2. Podemos.. Una condición . n} el conjunto de los bienes. p. Una.q. afirmar: 4. 160). . p.o. apartado (1) de la proposición 4.CONJU~~OSAUTÓN~O~M~O~S~----------------------------------~~~61 Corolario.ciente para que f sea un producto fundamentnl para A es que f pertenezca a todos los cnnjuntos autónomos para la matriz A. se tient1: r ¡: M()J. y sea S= {1. Sj } E S. Productos fundamentales Sea A una matriz de coefi.ia: y su:B. Sea r la intersección de todos las conjuntos autónomos a los que el bien j pertenece. apartado (1) de la proposición 5.entes técnicos. c. . Del apartado (2) de la propasici6n 5 obtenemos: r 2M()). (ll) Por otro lado. DeiT106b"adón.8. Como j E M(j) y M(j) es autónomo (cf. 152) al cual pertenece el bien j. .. res un conjunto autónomo (cf. entonces M(}) es igual a la jntersección de todos los conjuntos autónomos a los que el bien j pertenece.

pues para cada i E S el conjunto M(i) es autónomo pma A (cf. 3} y M(3) = {1.Q. p. Si f pertenece a todos los conjuntos autónomos para A. contenido en cualquier conjunto autónomo. 161). se tiene: av. Supongamos que Fes no vacío. =O. p. pero k E M(i) (por ser producto fundamental). M(!)= {1. y los productos fundamentales aon el bien 1 y el bien 3. y sea f un producto fi. EJEMPLO 20.3}.. proposición 6. i E. L8. . se deduce (cf. 160). y en conclusión: f E T. 151): 1/2 1/3 1/4) A.mdamental. propo5ición 5 1 p. y por tanto F es autónomo para A.3}.D. 1 ~ M(i). La condición ea necesaria. y por tanto~ 1<' <. condición es guficiente. entonces cada producto fundamental de F es un elemento de T (cf. luego los únicos conjuntos autónomos son: {1. '1'. Sea. entonces verifica (13). 3}. Ik: ~ ~ F. definición de producto fundamental): 3i E S. M(2) = {1. Para la matriz del ejemplo 11 (cf. De (13) y de la proposición 5 (cf. C. y sean.3} y {1. p. y como M(í) es un conjunto autónomo. ( 1/2 1/4 1/4 ae verifica. y en consecuencia f es producto fundamental. si no es vacio. 162 MATRlCES POSITIVAS Demo&tradón. es autónaaw y está. DemostraciOn. El conjunto F ~ S de los productos fundamentaJes. Tes no vac:ío).=Ol/20. 2.. • .Q. Si T ee un conjunto autónomo. Coralario. lES-F y kEF.2. pues pertenecen a todos los conjunkls autónomos.. T. 160) deducimos: fE M(i) <. Sea T un conjunto autónomo para A (por tanto. C.D. T.

No existe. pues si ocurriese que T e S. • EJEMPLO 22. p. 152): 1) ~ 1 o o 1 1 ' o o 1 se tiene: M(1)={1}. 163) es indescompomble. M(2)={2} y M(3)={1. ningún bienquepertenezcastmultáneameote e. = O CU8.ces T. La matriz del ejemplo 21 (cf. si T ~ S es un oonjunto autónomo para A.Cia de esta definición. • . como consecuencia de la definición anterior y de la.2.3} es el único oonjunto autónomo. Para la matdz del ejornplo 13 (cf. 162) no es indescom. M(2) y M(3) 1 y en consecuencia el conjunto de los productos fundamentales es vodo. MATRICES INDESCOMPONIBLES Como COD. • 5.: S. entou. EJEMPLO 23.ponible. p. Y todos los bienes son produetoa fundamentales.2.. Para la matriz: (¡ o~ o~). pues S= {1. Todm los bienes son productas fundamentalea.1ldo i e S . en contradicción con que A es estrictamente positM. La matriz del ejemplo 20 (cl'. puea hay ~ COIIjuntos autóllODlOS ac:lemú de S= {1. pues. p.3}. 1 el dnico oo»Jnnto autónomo.T y j E T.ReCllell.MATJUCES INDESCOMPONIBLES 163 EJEMPLO 21. La matriz del ejemplo 22 (d. matriz A es estrictamente positiva..3}. entonces es indescomponible.21 3}1 también~ autónomo el conjunto {1. 161). p. si la. para la matriz Indescomponible A todos los bienes son produc- to& fundamentales.2. propo6ici6n 6 (á. los COIIjuntoe M(l).2. En efecto. p.3}.. como se comprueba fácilmente. pues adem4a del conjunto S= {1. es {1. 163) tampoco es indescomponible.3}.. tendríamos que a. Si una matriz A se considera como una matriz de ooeficientes téc:oioos.. entonces.

. Corolario.2. A) ~ Vi <. que verifica: P= 'YBP. Demostración. n}. S.. Al ser T -:/: S. Si L fuera un conjunto distinto de S autónomo para At.ut6nomo para la. se tiene que S. esto es.D. ett. y se verifican las siguientes equivalencias: (T es aut6nomo para. {14) entonces P es estrictamente positiva. y¡~ número real positivo.(S-T).D. Para las matrices indescomponibles también se verifica: Proposición 8.T no es el conjunto vacío. Demostración.. En otrM palabras: Ates indescomponible. matriz indescomponible.Q. no nula.. pues A es indescomponible. Sea A = ( llii) una matriz reaJ cuadrada de orden n y po- si ti~ y sea S= {1. Sea B =(U¡.164 MATRICES POSITIVAS Proposición 7. At no admite ningún conjunto aut6nomo distinto de S.. Si P es una matriz colUilllla pOBltiva. matriz Ate.L sería un conjunto. VieS-T. C.j)· C. S. autónomo para la matriz: lo cual es absurdo. Si A es una. . = verifican por definición que aj.J =O <--> Vj e S.. Sea: .. enton- ces S. entonces el conjunto S-Tes aufi6nomo para la matriz A t. entonces también la. a}¡ =0 <==> S. Of!mostración. l'li. el único conjunto autónomo que admite 16.Q. .T es autónomo para At (pera la segunda equivalencia recuérdese que los términOiil de la matriz traspues- ta~ a~.) una matriz indescomponible. también distinto de S. matriz A. Si el conjunto T-::¡:. V j E T. ma-- triz At es indescOlilpoilible.T. Por tanto. S es a.

. y definamos: Entonces T eJ llO vacío. Pn .. es decir. son pMitivos. Sea.:::>-O. -yb.. pues P c. 1 ~ j :S n.>O. (16) 1<=1 Sf>A S= {1. T =S. (15) 1<=1 Pero como cada sumando de {15) e. pues. Pero B es una matriz indescomponible. El conjnnt.¡ positiva y no nula. y Tes un conjunto autónomo para la matriz B. b. n p¡ = L-rb.p" ..p1 =o. o equivalentemente: P<>O.=O y P. entonces: p. . y 'Y un número real positivo. I$i$n.. 2. autónomo.S tales que~ (17) entonces existe un número real positivo O tal que P = 8P 1 • Demostración..3 =O. n}. En efecto.Q..D. B = (b..~ P¡ P~ ... . n ~= L ¡bacPk 2: )'boJPJ 2:: O. y como 'Y y P. Proposición 9. y dA (16) deducimos: es decir.P. se tiene. 1 Si :S n. 1 :5 i :5 n. Si P = (Pi) y P' = (PD son dos matrices colwnna estrict~Jr­ mente positivB. C..o '/'es. Sea 6 el menor de los números siguientes: v:.) una matriz indescomponiblc. si i rt T y j E T.. y P ~ (P<) > 0.9 no negativo. y el único conjunto autónomo que admite es S.MATRICES INDESCOMPONIDLES 165 De (14) se deduce.

a lo que aquí llamamos estructura productiva de subsistencia. que V= 'YBV.óP' =V.D. En ofecto (cf. interpretación de (20) es que el total de la producción se dedica excluai.')6BP' =P. . X ~ O y X. 164). =Plo . La. n.ore8 denominan eoonomfa de subsistenci11. b}v~o=O. O. Algunos aut.166 MAl'RICES POSITIVAS por tanto.1 "E'If p. k s. 6.. J0-. (20) de la estructura productiva representada JlOI" la matriz A diremos es una estructura productiva de subsistencia Nota.p¡. de (a) y (e).vamente al consumo intetmedio.) de la forma: V=P-óP'. E!! una consecuencia. inmediata de (18) y (19). (19) Entoncm Z~e verifica: a) V es positiva.1Ítc P~: =o· e) V verifica./. o.Q... y P= 6P1• C. 1 • (18) •• Definamos la matriz columna V = (v. (17) y (19))' ~BV =~B(P. o fiCOnom~ cerradil. deduciríamce que V> O. = Plll . ESTRUCTURAS PRODUCTIVAS DE SUBSISTENCIA Sea A= (a¡i) una matriz de coeficientes técnicos. Si V no fuese nula. tal que: ~. Si existe una matriz de producción X tal que: AX =X. en contradicción con (b). y de la proposición 8 (cí p.óP') = . 6.BP. existe k. También es una consecuencia de (18) y (19}: v¡. · En COilCIUIIión: V es nula. 1 s.

La siguiente matriz de COEficientes técnicos: A~ ( 1/3 1 1/2 o) representa una estructura productiva de subsistencia. es decir.ESTRUCTURAS PRODUCTIVAS DE SUBSISTENCIA 167 EJEMPLO 24. se verifica: • Si la matriz A no es productiva. puoo (cf. entonces no necesariamente representa una producci6n de subsistencia. En conclusión. pues para la matriz de pro- ducción. ni representa una producci6n de susbsis- tencia. buscamos X tal que AX = X. • Fijaremos nuestro interés en matrices de coeficientes técnicos. y supondremos en el resto de esta sección que la matriz A es indescomponible. repre- sentantes de estructuras productivas de subsistencia. teorema l. la soluci6n son las matrices columna de la forma: que no pueden ser positivas y no nulas. . l48): I-A= -1 -1 ( -1 -1 -1 -1 -1)o -2 ' y esta matriz es de rango 2. A no es productiva. Si resolvemw el sistema homogéneo de tres ecuaciones con tres incógnitas: (I -A)X=O. y por tanto no invertihle. p. EJEMPLO 25. que sean indesoom- ponibles. La matriz: A~ (21 1) 1 2 2 l l 1 no es productiva.

conA>O. pues para la matriz de producción: se verifica: AX = X. 164). se comprueba que las matrices X tales que: AX = X (es decir. La matrhó A ES también indcscomponihlc. p. En efecto. EJEMPLO 27. de (20) se deduce que X > O (como una consecuencia inmediata de la proposlción 8 {cf. matriz de coeliciente~:~ técnicos indescomponiblc. y escribirt>.A)X = O). con X. X>O. • El teorema de DEBRElJ-HERBTEJN (que no demostraremos) afirma que si se verifica (21). al ser estrictamente positiva. y que a ::~u vez verifican que X~ O y X =j:. entonces existe una matriz columna P tal que: P= AtP y P >O. homogéneo: (I. las soluciones del sistema. que 90D estrictamente positivas. y: . Sea: A~ ("" a21 "") azz une. y por tanto cualquier matriz que verifique: AX =X.mos: AX=X. (.)..168 MATRICES POSITIVAS En este caso. Podemos interpretar la matriz columna estrictamente positiva P mmo aquella cuyos términos son los precios unitarios de los biene!'l. O. cuando haceruot1 '1 = 1).?: O y Xi-O. son~ matrices columna de la forma. La matriz: 1/2 1/2) A~ ( 1/3 2/3 representa una producción de sub5istencia. debe ser estrictamente positiva. siendo A una matriz indescomponible. (21) EJEMPLO 26.

quedan unívocamente determinados b precios de los demás bienes. De esta forma. corolario de la proposición 7. ( ) 22 { P2 = a12Pt + ll22P2• Ento~s. respectivamente. si fijamos el precio de un bien (numerario). si existe otra matriz columna estrictamente positiva P': tal que: P' =Atpt. ( 0 L/2 1/2 Para probar que A es una matriz representante de una producci6n de subsis- tencia debemos encontrar una matriz columna X. AdemáB. p. es decir: "") ("') ' a:~2 P2 o bien: = Pt auPt +02tP2. p. y la cantidad: es el coste de producir una unidad del bien 2. Consideremos la matriz de coeficientes técniCOB indescomponible siguiente: L/3 2/3 2/3) A~ 1/3 1/3 O . . X> O. como Ates indescomponible (cr. es decir. interpretando p 1 y P2 como los precios unitarios del bien 1 y del bien 2. se tiene que la cantidad: es el coste de producir una unidad del bien 1. 165) existe ó >O tal que P= óP'. entonces (cf. 164). tal que AX =X. • EJEMPLO 28. De (22) deducimos que el coste de producción de una unidad de cada uno de los bienes es ígual al valor bruto de dicha unidad. debemos resolver el sistema: (I-A)x~o. proposición 9.ESTRUCTURAS PRODUCTIVAS DE SUBSISTENCIA 169 una matriz columna ez~trictamente positiva tal que: P = AtP.

O y P=&BP. EL TEOREMA DE FROBENIUS Vemos ahora el importante teorema de FROB~IUS.170 MATRICES POSITNAS siendo X estrictamente positiva. 178). p.A')P= O.matriz {3B no es productiva. Pf.. haciendo~= 1/3. Dejamos su demostra- ción para el apéndice (cf. Para encontrarla debemos resolver el sistema: (I. Por ejemplo. teJ que: P=A'P. Sea B una matriz real positiva tal que para algún número real f3 > Ola . es decir. haciendo A = 2. Por tanto.. es decir. la producci6n es de subsistencia. Sus soluciones son las matrices columna de la forma: Fijado el precio del primer bien igual a 1. Entonces se verffica: 1) existe un número real & > O tal que o. Teorema 2 (teorema de FROBENIUS). para esta estructura productiva. obtenemos la siguiente matriz de precios: • 7. estrictamente positiva. (23) . siendo P estrictamente positiva. 2) existe una matriz columna P tal que: P? O.>o. Sus soluciones son las matrices columna de la forma: >. una matriz de producción es~ SabeliLCIS que existe una matriz de precios P.B es productiva precisamente si: O~ a<&.

En consecuencia. y no lo probiU'eiDOII. p. p. (26) o bien: (1 + f)(au. para loa precios P = (pi) en (25). un número real 1 positi:vo /3 tal que ¡3D no es productiw.) tal que P > O Y' (24) Si ponemos: á= 1 +t. como consecuencia de la proposi- ción 8 (cf. y existe (cf. 165} existe un número real positivo 6 tal que: P = óP'. Por otra parte. uuidad del bien i es Pi. el apartado (2) del teorema es en este caso: 2') existe una ma. es estrictamente m&yor que 1. Sea A = {Gii) una matriz productiva. podemos considerar f como una tasa de ganancia uniforme. entonces la expresión: a¡¡:p¡ + B2iP3 + ··· + llndln es el coste de la producción de 1lD8. entonces (cf. e indescomponible. . proposi- ción 9.EL TEOREMA DE FROBENIUS 171 Del número real & diremos es el número de FROBENIUS de la ma- triz B. Si la matriz B es inc:leBcomponible. unidad del bien i (1 S i S n). Poz tanto. ee puede aplicar el teorema de PROBBNIUS a laa matrices indeeeomponiblea. si P' es una matriz que verifica (2'). la igualdad (24) ""escribe' (l+f)A'P~P. 164). (2')) una matriz oolumna P ~ {¡>. Para una matriz indesoomponible D ~te. el número de FRDBE- Nrus1 para At: &..triz columna P tal que: P>O y P=éiBP. y por tanto At es productiva e indesoomponible. que es alCfLil.tPn) = PI! {1 + f)(a1nP1 + 021VJ2 + ··· + lln. y como el valor bruto de una.nPn) = Pn· Si int_erpretamos p¡ como el precio unitario del bien i.Zada.Pt + a21p2 + ·· · + an.

.¡J4 + · · · + ClniPn) < p~. o bien. entonces. A y At son productivas e irreducibles. Consideremos la matriz de coeficientes técnicos: 1/6 2/3) A. pues. Por tanto. teorema de FROBENIUS). Entonces existen á: > O (número de FROBENIUS) y P = (P>) una matriz columna estrictamente positiva tal que: o bien (ya que d: #.¡. En consecuencia. f es una tasa de ganancia máxima. y la tasa de ganancia de cada bien es superior a p.. + (1/2)p. ( 1/2 1/3 · La matriz A es estrictamente positiva. . 148). ~ (2/3)p. (1 + p)( aup~ + a2. EJEMPLO 29. + (1/3).. ~ (1/6)p. A es también productiva (cf_ teorema 1. Podemos. { (1/d)p. < f.172 MATRICES POSITIVAS Ahora bien. existirá pi= (74) tal que P' > O y (1 + ¡. aplicar a la matriz At el teorema de FROBENIUS.0): (26) De (26) se deduce: (1/d)p. En consecuencia.t)At P' < P'. si O $ ¡. 0< l+p < l+f =&. p. y como la matriz: es positiva. y (1 + ¡:¡)At es una matriz productiva (cf.

aa. de ganancia uniforme máxima ea del 20%.EL TEOREMA DE FROBENIUS 173 es decir: Hacíend<l numerario el bien 1. obtenemos. y por tanto (pue. y la ta. El precio del segundo bieu es: y por tauro se obtiene la matriz de precios: La tMa de gtilllloncia uniforme máxima: r' es tal que: 1 +r=a= 5. ~ A 6 luego: r = 1/5. esto es: p1 = 1. lle- gamOB a: es decir: (á+ 3)(5á. ó: > O) el número de FROBENIUS de la UUI.I:. • .. o bien: pz=~-~· { (~-~)PJ=-~· Sustituyen® pz en la segunda ecuación por su vaWr obtenido en la primera.6) ~o 9&2 ' = de 1o que se deduce que á = 6/5 o ó_ -3.riz A' es Ó = 6/5.

En primer lugar. { b) X tiene sl menos un término positivo. Demostración de la condición suficiente.A).A). p.A. de orden (n. (28) Hagamos la siguiente hipótesis: existe una matriz colUllllla X = (x1). Demostremos que si I . tal que: (H) a)X=AX. entonces A es productiva. Por ser A productiva. probemos que I.A)P = (I. resulta: (1. entonces la. 140. Si U es la matriz columna de orden (n.A).A)(I. Demo8tmci6n del teorema sobre matrices productivas En este apartado demostramos la siguiente caracterización de las matrices productivas: Una. Demostración de la condición necesaria. a. con lo que A es productiva. Por otro lado. la matriz estrictamente positiva U y e la matriz positiva e invertible (I. y demostremos que 1.1.1 positiva. .A es invertible y (I. matriz: real A (cu• drada de orden n y positiva) sea productiva es que I.A sea fuvertible y (1. existe una matriz columna P >O. tsl que: P>AP. o bien: P-AP>O. APÉNDICE 8.1).A).A)-1 es positiva.1 U =U> O.A es invertible y (I.174 MATRICES POSITIVAS 8. en (27) por la matriz 1 . matriz columna: P= (I-At 1U (27) es estrictamente positiva (proposición 2. en consecuencia: (I. condición necesaria y suficiente para que la. Supongamos que A es productiva..1 es positiva. 1) cuyos términos son todos iguales a 1. P =(p.A)P > O. multiplicando por la izquierda. 1).A ea invertible.¡).

entonces.Z).n}. ~ z. = Pi• :l:k Xj donde la primera igualdad fS la definición de Z y la desigualdad del centro se obtiene de (29). =0. x. . =P~o. . O.z "o. •• -x. Si zj ::5: O. En definitiva: Vj E {1. 9} P. . o bien: P.. Obviamente: •• -P> > O y v· vJ E {12 . En efecto: p¡. resulta: P1c X= Pk AX =A(P• Zlc Zk Xk x). . Sea Pie el menor de sus elementos.APÉNDICE 175 Elal""tado (b) de (H) asegura que el conjunto: {:~ ll~j~n.2.. 2) p.:$ -:r:.>O} es no vacío. 2.Z > AP. . . z3 ::5: O< Pj· Por el contrario. Z. . Pj z. -z. Sea j e {1.Z tiene al menos un término nulo. (29) ~ ~ ~ Definimos la matriz columna Z = ( zs) de la forma: Se verifica: 1)Z -AZ. o bien: P-Z?. si Zj > O. P..p¡..e. fS decir..n}. .. P. . .-re. n } ... es decir: Z = AZ. se deduce: P. •• De (28) y del apartado 1. En efecto: multiplicando la ecuaci6n de (a) por 'Pfl/X¡r_.AZ. entonces: . :S: .. P?..Z > A(P. > 0 => P> .

176 MATRICES POSITIVAS Se tiene' A 2: O y P. y la matriz I. ' no es positiva (cf. Así. p. . Sean' l o o o l o E. (I-A)X=O. que contradice el hecho de que P.A)( -X) = O. 139).A)X = O. P = (¡¡... (30) lo cual establece que I. no tiene como solución ninguna matriz columna X con algún térnrino positivo.).. Pero si (I. Finalmente.Z > O. ' E.X=O. luego -X no tiene términos poBitivos. podemos escribir: (I. y por tanto un automorfismo de JRil. entonces (I..3 matriz columna P > O.A)X =O. del razonamiento anterior. de donde: P. por ser A productiva. En definitiva. la ecuación X= AX.= o o o 1 De acuerdo con (H') 1 alguna de las matrices: .Z tiene al menos un término nulo (apartado 3).Z 2: O (apartado 2).A).Z) ~ O. tal que' P > AP.A es invertible (de (30) se deduce que la aplicación lineal canónicamente asociada a la matriz I . proposici6n 1.A). Como consecuencia. así que A(P.A es invertible). demostremos que si A es productiva.A)X =O ==> X no tiene términos positivos. o bien: (I.1 es positiva. entonces: P-Z> A(P-Z) 2: O.1 no es positiva. también' (I. De nuevo.= o E. (31) Hacemos la siguiente hipótesis: (H') (J..n en lR11 . existe UD.= o .A es una aplicación lineal inyectiva de lR. la hipótesis (H) es falsa.

. } lli< O => Pk p.). En definitiva: P 2: V.2. Por el contrario. entonces: Pie p· Vj = -JJ:J :5 . . V~ O. (32) Como la matriz columna Y no es positiva.n}. -~-.APéNDlCE 177 SupongamOBque Y¡=(! -A). ./'IJk es negativo). 11> y¡ donde la primera igualdad es la definición de V y.V tiene al mena.. = •• -Yi :50<P:J (p¡. . para la desigualdad del centro.: X2:0 y Y=(I-A). Seaj E {1.2. .! Se verifica: 1}P. se utiliza (33) y que 7/j < O (cambio del sentido de la desigualdad). no es positiva.. y notemOB a partir de ahora: Y=Yi=(¡¡. obienX=(I-A)Y.yJ = PJ.. tendrá algún término nega- tivo. . ..n.) y X=Xt=(x. Y> Pk O -< ~ y V·JE {1. un término nulo.. ~ (33) DeflnhnO!! la matriz columna V= (v¡) de la forma. 2) P. entonces: Vj . o biell! P.1 X. si YJ ~ O. Si y¡ <0. En efecto.V 2: O. Claramente: ... así que el conjunto: es no vacío. 2 .. Entonces se verifica.l.1X:. . Sea Pll el mayor de sus elementos.n}. oonl E {1.

duce: (I. Demostroci6n del teorema de FROBENIUS En este apart&do demostramos el siguíente teorema: Sea A una matriz real positiva. cuadrada de orden n. se W.A)-1 2: O. en concreto. y (I. Para la demostración de este teorema necesitamos algunos conceptos y resultados sobre la topologfa usual en la recta real. • concepto de sucesión de números reales y de subsucesión de una sure- sión.::o . • concepto de limite de una.V tiene al menos un término nu1o (apartado 2). en contradicción con que P.:a<ói 2} existe una matriz columna P tal que: P2: 0. se trata. 8. de (32) y de la definici6n de V se obtiene: (1-A)(-V)~(I-A )(--Y ") Yk "'r ~--1-A)Y~--X"O. ~Puede eonsultarse el texto Cálculo 1. de sucesión convergente.V 2: O (apadado 1) re tiene: P.178 MATRICES POSITNAS 3} (I. También necesitarelllDB dos resultados Previos.A)(P.A)(-V) 2: O. de donde: P.V> A(P. y la propiedad de que de toda sucesión de números reales acotada se puede extraer una subsucesión convergente. Entonces se verifica. capítuloo I y II. • concepto de sucesión de números reales acotada.que: •• -->0 y x. En efecto. •• De (31) y do! apartado 3. o bien: P-V> A(P-V). tal que para algún número real {J > O la matriz f)A no es productiva.V> O. y las propiedades fundamentales de los límites. En conclusión: (H') ee falsa. Yk •·Ylo ra. sucesión de númeroa reales. De ser A 2: O y P.V)" O.2. P'f O y P~ óAP. de loa siguientes2 : • concepto de intervalo de números reales. 1) existe un número real ó > O tal que aA es productiva precisamente síO::.V)> O. .

aA. se verifica: a:A <B. Es--- cribiremos: Vi.O. que obviamente es estrictamente mayor que cero. pues: nO = O < B. se obtiene que existe un número real j3 >O tal que: /3A < B. entonces o:' > a y a 1A < B. Si A= (aij) y B = (b. /3. En la demostración que mostrarnos a continuación.n}. C. Demostración. entonces cualquier número real a> O verifica el enun- ciado.2.o:A >O. sea del mayor de los términos de A. en conclusión. Demostración..?: O y B . .. por ser B > O. Por otro lado. Proposición 11. .Q.. Si A f:. .Q O. C. entonces. Aplicando la proposición anterior a las matrices A . Si tomamos o: de forma que: entonces: y. entonces existe algún número rea1 d > o: tal que: a' A< B. el único índice con- siderado es i.. y en todos los casos recorre el conjunto {1....n}. .APÉNDICE 179 Proposición 10. en lugar de: Vi E {1.D. 1 ) son dos matrices del mismo orden tales que A ~ O y B > O.2. Como o:A < E. para algún número real a > O. Si A y B son dos matrices positivas del mismo orden tales que para algún número real o: > O se tiene que o:A < B. . Si llamamos o:' = o: . Si A= O.o:A > O. entonces éste también será estrictamente mayor que cero. si denotamos por e el menor de los términos de B.. entonces: B. o bien: (a+j3)A <B. eB decir: a A < B.

es decir: existe algún número real a: > O tal que aA es productiva.onclusión: J es de la forma [O. á' > ó y ó 1 E J. J. y así: e/ E J. 1)) estrictamente positiva. 189). es de la forma [O. • existe un número real & >O tal que J [0. En consecuencia: P > a' AP. ó]. ejercicio 3. para algún número real & > O. y la matriz &1 A sería productiva. ya que a A es productiva. = • existe un número real & > Otal que J = [O. 2} Existe algún número real a> O tal que a E J.180 ----~M'"'<TcRl=CES POSITIVAS Demostración de la primera parte. Una hipótesis del enunciado del teorema es que existe un número real {3 > O tal que {3A no es productiva. apli- cando la proposición 1[) (cf. 179) a las matrices positivas P y AP. Si a E J. 179) a las matrices AP :=:::: O y P > O.&]. Es decir.:n c. el:::. Se verifica: 1) 0 E J. Finalmente. veamos que J no puede ser de la forma [0. Así. con lo que e/ A es productiva. 2 y 3 es que J es un intervalo de Tit ~ que contiene el número O y algún número positivo. J no puede ser lR. veamos que la matriz &A no es productiva. y la matriz O. ó). Por tanto. se obtiene existe un número real a > O tal que: o:AP < P. Una consecuencia de estos apartados 1. Si &A fuera productiva. entonces existiría una matriz columna P > O tal que: P>áAP. en contradlcción con la suposición de que J es de la forma [O. {3 r¡. pero: aAP?: a'AP. &). a. &] . .+. como ya sabemos. J verifica una y sólo una de las siguientes condiciones: • J=lR.&]. Procedemos por reducción al absurdo. Sea: J ={o E JR+ 1 aA es productiva}. esto es. es productiva.+. entonces e/ E J. y al número real á > O. existe una matriz columna P > O tal que: P > aAP. F. o de la forma [O.&). p. al ser AP?: O (cf. En efecto: OA =O. Si Pes una matriz columna (de orden (n. Por tanto. Bn otras pala- bras. p. en consecuencia. de (34) se obtendría la existencia de un número real á 1 tal que á 1 > á y á 1 AP < P. (34) Aplicando la proposición 11 (cf. 3) Si a E J yO:::. existe un número real ó > O tal que aA es productiva precisamente si O ::::: a < ó. p.

1 .1 . 148). cada sumando es mayor o igual que 1. la matriz a 1 A es productiva. Supongamos: ó > 1.. como o: 1 AP1 es una matriz pOBitiva {apartado anterior)..a¡A).: . 140) a la matriz estricta- mente positiva U y a la matriz positiva e invertible (I. p. o bien: U+ a:1 APt = Pt. p. En efecto: de la definición de ll se obtiene: U= (1 -a 1 A)P1 = Pt.:'---.?: l.-.?: O. AP1 . con lo que: n LPi =pf+p~+···+p'i :?:~=n. Para verlo basta aplicar la proposición 2 (cf.--.---. 30bséJ:vese que denotamos los términos de P con superíndices. oumandos Definimos ahora: 1 "'1 -. ó=l n. ·+pf A partir del apartado 3 anterior. I -a¡A es invertible y su inversa es positiva: Sea U la matriz columna de orden (n. La matriz Pt . de ello.a:1 A). 1) cuyos térnúnos son todos iguales a 1: Se define: P1 = (I. 2} U :5 P¡. resulta: U :5 P¡ n 3J EPi~ n. es decir.APÉNDICE 181 Demostraci6n de la segunda parte. .1 U. i=l En virtud del apartado anterior. oon lo que a 1 E J. es obvio que O < )q :5 lfn..Pl+Pi+ --.(J4) es entonces nna matriz columna3 • Se verifica: 1} P1 >O y.. p. Resulta: O < a 1 < ó:.ettAPt.l. De acuerdo con el teorema 1 {cf. es decir: Vi. y sea a¡ = ó .

resulta: Del desarrollo anterior nos interesa recalcar lo siguiente: hemos partido de: O:¡= ó. sucesivamente. Sea un índice i cualquiera.P¡. también lo es X 1. Al ser P1 una matriz columna. y hemos definido. De acuerdo con la definición de X 1 y de . estrictamente positivos. 1 y una matriz colum- na X 1 . 'Í=l 4) X¡. y sus términos también se denotarán con superfndices. además. n 3} L:x\ ~ 1. se verifican las siguientes propiedades: 1} O< ~1 :.. nn número real >. n 2) L:x\ ~l. Análogamente. 1. por definición de X 1 resulta: 1 p. se define: X¡ = )qP1 . x'-Ap'. p'- I . partiendo de: • 1 0:2=0-2 . O< xj::.o:¡AX1 =A¡ U. en particular. de la forma: X 1 = (x1). 1/n. ~. 2} Vi.1. queda que O < xl ::5 1 {el caso xi = 1 se obtiene precisamente sin= 1). i=l En efecto: 3) Xt. Se verifica: 1}Vi.182 MAJRICES POSITIVAS Finalmente. 0<xi::51. ~-p:+pj+···+pr ~-pf+p~+···+pr' 1 como todos los términos de H son.et¡AXt =A¡ U.

U. de esta forma. • la sucesión (Am. Debe ser. entonces.. ~ 1.. se verifica: 1} O . que X 2: O. a los limites de las subsucesiones obtenidas de (x. (x~Jm?:l' respectivamente. i=l 4) X -&AX ~>.I. n i=l 4) Xm. . x. lo cual no es el caso. x2. o::. En general) partiendo de: 1 Ctm = & ~ -) con m E N. Tenemos.)m..\ al límite de la subsucesión obtenida de {Am)m>l• y x 1. es acotada.\2 y una matriz columna X2) que verifican también las cuatro propiedades anteriores. por la propiedad 2 anterior..:s. m 2: 1) m (sigue siendo un elemento de J) definimos un número real . si llamamos . 2)Vi. y definimos X como la m. . 2) Vi.amAXm = AmU. Obsérvese que la propiedad 2 nos dice. . 1. también son acotadas. X¡::. por la propiedad 1 anterior. . =O.S 1/n.APÉND~I~C~Ec______________________ 183 (que también es un elemento de J) definimos un número real .. según vimos en la primera parte.O.. y la propiedad 3 que X i. De acuerdo con esto.S 1/n.x. • las sucesiones de las coordenadas: las cuales.O<x!. De toda sucesión acotada de números reales se puede extraer una sub- sucesión convergente. que verifican: 1} O< Am . n 9} I.S>.::l• la cual.\m y una matriz columna Xm = x!n.)m>l' . . la propiedad 4 establecería que &A es una matriz productiva. ).\ no nulo. varias sucesiones de números reales: • la sucesión (a:m)m?:l• que converge a&. en particular.)m->l' (x!.triz col~ X= (xi)... si fuera .

si mE N con m. esto no supone pérdida de generalidad. debernos observar que hemos supuesto que Q > l. Para acabar. En efecto.::: 1... . Real- mente.¡.l cada O:m resulta así ser rm elemento de J. como ú > O. O y X~ óAX. X. definimos: l 0:¡=&--.. existirá un número natural m 1 tal que: o< Htj < 6. El resto de la demostración sería exactamente iguaL . =o:- m1 +m . rn¡ y. l n.IR4 _ __ MATRICES POSn 1\'AS En conclusión: existe una matriz colwnna X tal que: X :0: O. En este caso.

A 2 O. Que la matri.N 185 RESUMEN Matrices positivas Consideramos matrices reales: • Matrices positivdS: todos sus ténnino::.::. Dadas dos matrices A y B.::. . Matrices positivas y estructuras productivas Consideramos una estructura productiva. • Matrices estrictamente positivas: todos sus términos son positi- vos. (A< B y B <.RESCMF..f 2: O. (A 5 B y B <C) = (A< C). ... o si A E Mnm(IR) y E1. y cada industria produce rm solo bien: • Coeficiente técnico: cantidad. i .C) = (A< C)..A> O.'l matrices A y B. A. o bien: O. o el producto de dos matrices reales. . del bien i necesaria para producir una unidad del bien j. . es una matriz estrictamente positiva. (A< B) = (aA < aB). A::.O. Que la malriz A es positiva se denota: A. o el producto de dos matrices estrictamente positivas es una matriz estrictamente positiva. y dadas tres matrices A. Propiedades: o dado a> O. Ez. con n bienes y n industrias. donde cada bien es producido por una sola industria. rl. A es estrictamente positiva se denota: A> O. F. . A< B significa: B. o bien: O< A. o el producto de dos matrices positivas es rma matriz positiva. Propiedades: o la suma de dos matrices positivas es una matriz posi tivá. By C: (A< R) = (A+C < B+C).im son las m matrices columna de la matriz identidad Im.:::. m.~on mayores o iguales que O. Dadas do. B significa: B. una estrictamente positiva y la otra positiva e invcrtible. una rxmdición necesaria y suficiente para que A sea positiva es que AEi sr:a positiva para 1 .::.

es un conjunto autónomo. • Se verifica: AX +Y = X (las cantidades producidas se utilizan de dos formas diferentes: c-Onsmno intermedio y demanda fmal).n}: • Conjunto autónomo para la matriz A: T ~ S tal que: T = S.: 1 ) (matriz cuadrada de orden n y positiva).--··--·----- MATRICES POSITIVAS Matriz de coeficientes técnicos: A= (a. donde cada Yi 2:: O es la demanda final del bien i. • Propiedad: la unión de conjuntos autónomos. y el con- juntoS={1.::: O es la cantidad del bien i producida. V j E T.T.1 es positiva.) de or- den (n. Matrices productivas Consideramos una matriz A cuadrada y positiva: • Que la matriz A es productiva significa: existe una matriz X colum- na tal que X> O y X. • Matriz de producción: matriz columna positiva X= (x.AX >O. 1).186 .. .2.. • Propiedad: la traspuesta de una matriz productiva es también una matri:.~ productiva. .A) es invertible y (I. n • Consumo intermedio del bien í: LaijXj. Conjuntos aut6nomos Consideramos nna matriz A cuadrada de orden n y positiva. • Interpretación: si la matriz de coeficientes técnicos de una estructura productiva es una matri:.~ productiva.A). donde cada Xi. Consideramos que A es la matriz de coeficientes técnicos de una estructura productiva: • Que Tes autónomo para A significa: no se necesitan los bienes de S-T para producir los bienes de T. o bien T e S y Vi E S. . 1). entonces puede ser atendida cualquier demanda final. y la intersección si no es vacía. j=l • Matriz de demanda final: matriz columna positiva Y= (Yi) de orden (n. aii = O. • Condición necesaria y suficiente: A es productiva si y sólo sí ( I .

y así sucesivamente. Condición necesaria y suficiente: un bien es producto fundamental si y sólo si pertenece a todos los conjuntos autónomos. y éstos con los que son directamente necesarios para producirlos. • Producto fundamental: aquel bien que es utilizado. directa o indi- rectamente. M(j) es el conjunto formado por el bien j y aquellos bienes que son directa o indirectamente necesarios para la producción del bien j. X #. .. y de (P > 0 y P = "{BP) y (P 1 > 0 y P' = 'YBP') se deduce que existe 8 > O tal que P = 8P1 • Estructuras productivas de subsistencia Consideramos una matriz A de coeficientes técnicos: • La estructura productiva representada por A es de subsistencia significa: existe una matriz columna X tal que X 2: O. .RESUMEN 187 • Dado un bien j E S.n}. de (P 2: O. si no es vacío. • Propiedades de una matriz A. P #-O y P = 7HP) se deduce: P > O.O y AX =X. .2. que suponemos indescomponible: o X> O. Propiedad: el conjunto de los productos fundamentales. Para el cálculo de M(j): se escribe el bien j. <> si Bes indescomponible y 'Y> O. Propiedades: M(j) es autónomo. es autónomo y está contenido en cualquier conjunto autónomo. en la producción de cada bien. Matrices indescomponibles Consideramos una matriz cuadrada de orden n y positiva: • Matriz indescomponible (o irreducible): si el único conjunto au- tónomo que admite es S= {1.. • Propiedades: <> la traspuesta de una matriz indescomponible es indescomponible. El total de la producción se dedica exclusivamente al consumo inter- medio. y es el menor conjunto autónomo al que el bien j pertenece. representante de una producción de subsistencia. o existe una matriz columna P tal que P >O y P = AtP. y se enlaza con los bienes que son directamente necesarios para producirlo.

188 MATRlCES POSITIVAS

Se pueden interpretar los términos de P como los precios unitarios de
los bienes.
Bien numerario: bien cuyo precio unitario se fija, y que determina
el de los demás bienes.

El teorema de FROBENIUS
• Dada una matriz B de coeficientes técnicos, si existe fJ > O tal que fJB
no es productiva, entonces:
1) existe un número real á > O tal que a:B es productiva precisa-
mente si O S cr < 6:;
2) existe una matriz columna P tal que:

P ?_ O, P # O y P ~ ó.BP.

Del número real & se dice es el número de FROBENIUS de la ma-
triz B.
• Si B es indescomponible: P > O y única salvo producto por un
número real positivo.
• Si A es una matriz de coeficientes técnicos productiva e indescom-
ponible, se puede aplicar el teorema de FROBENIUS a A t 1 y & > l.
El número f = ó: - 1 > O se interpreta como una tasa de ganancia
uniforme máxima, alcanzable con el sistema de precios P.

EJERCICIOS Y ACTIVIDADES RECOMENDADAS
Matrices positivas

l. Estudiar si las siguientes matrices son positivas o estrictamente positi-
vas:

A-
- (o -1)o '
1 e~
2/3 -1/2)
-1/3 3/2 ,
( 3/2 1/3

23 25 72)
D ~
(2 1 1
Solución. Las matrices A y C no son positivas, pues alguno de sus
términos es negativo; a fortiori tampoco son estrictamente positivas.

EJERCICIOS Y ACTIVIDADES RECOMENDADA,S~---- 189

Las matrices B 1 D y E son positivas, pues todos sus términos son po-
sitivos o nulos; las matrices D y E son además estrictamente positivas,
pues todos sus términos son positivos (ninguno es nulo).

2. Estudiar para qué valores del parámetro real x es p08itiva la matriz:

A~(", x-1)
x2 + 1 ;
estudiar también para qué valores es estrictamente positiva.
Solución. Por delinición, la matriz A es positiva si todos sus tér-
minos son mayores o iguales que O. La matriz A es, pues, positiva
precisamente si se verifican simultáneamente:
X ;::: Ü, X ~ 1 :;::: Ü y x2 + 1 ;::: Ü
(nótese que el término de posición (2, 1) es positivo). La tercera desi-
gualdad se verifica cualquiera que sea el valor del parámetro real x; las
otras dos se verifican simultáneamente si y sólo si x es mayor o igual
que l. En consecuencia, la matriz A es positiva si y sólo si x :;:=:: l.
Por otra parte, de acuerdo con la definición, la matriz A es estric-
tamente positiva si todos sus términos son mayores que O. La matriz A
es, pues, estrictamente positiva precisamente si se verifican simultánea-
mente: x > O, x~ 1 > Oy x 2 +1 > O, o, equivalentemente, precisamente
si x > L
3. Si A es una matriz positiva, y a y /3 son dos números reales tales
que o: :::; /3, demostrar que o: A S /3A.
Solución. Sea A = (a.;j). Por ser A positiva, cada término aij es
positivo o nulo, y como o: S (3, se verifica: (/3 ~ o:)aij :;::: O. Como los
términos de la matriz {3A- o:A = ({3- a:)A son de la forma: (/3- o:)aij,
acabamos de demostrar que la matriz f3A- o: A es positiva, o lo que es
equivalente: o:A S /3A.
4. Sea A una matriz cuadrada de orden n ;:=:: 2, estrictamente positiva e
invertiblc. Demostrar que su inversa: A - 1 , no es una matriz positiva.
Solución. Si A- 1 fuera positiva, entonces AA- 1 sería el producto
de una matriz estrictamente positiva: la A, y una matriz positiva e
invertible: la A- 1 ; y de la proposición 2 {cf. p. 140) se deduciría que la
matriz AA- 1 es estrictamente positiva. Pero AA- 1 =In, y la matriz
identidad In no es estrictamente positiva si n :;:=:: 2.
En conclusión, la matriz A- 1 no es positiva.

190 MATRICES POSITIVAS

Matrices positivas y modelos lineales de producción
5. Consideremos una estructura productiva, con sistema de producción
lineal, formada por tres industrias que producen tres bienes: b 1 , b2
y b3, de forma que cada bien es producido por una sola industria y
cada industria produce un solo bien.
Una producción se lleva a cabo según las relaciones siguientes: se
producen 450 unidades de b¡, y para ello se utilizan 240 nnidades
de b1, 12 unidades de b2 y 18 unidades de b3; se producen 21 unidades
de ~. y para ello se utilizan 90 unidades de b¡, 6 unidades de ~ y 12
unidades de b3; y, por último, se producen 60 nnidades de b3 1 con 120
de bt, 3 de b2 y 30 de ba. Escribir:
a} la matriz A = (rL;j) de coeficientes técnicos,
b) la matriz de producción,
e) el consumo intermedio del bien ~.

d) la matriz de demanda final.
Solución.
a) Un coeficiente técnico aij señala la cantidad del bien bi necesaria
para producir una unidad del bien bj; por ejemplo, el coeficiente
técnico a13 se interpreta como la cantidad del bien b1 necesaria
para producir una unidad del bien b3. Dado que 60 rmidades del
bien b:J se producen con 120 unidades del bien b 1 , 3 unidades del
bien b2 y 30 del bien b3, al ser la producción lineal podemos afir-
mar que una unidad del bien b:J se produce con 120/60 unidades
de bl> 3/60 unidades de ~ y 30/60 unidades de b3, y en conse-
cuencia:

a13 = 2, a23 = 1/20 y a33 = 1/2.
De forma análoga, calculamos:

au = 240/450, a21 = 12/450 y a31 = 18/450,
Ul2 = 90/21, a22 = 6/21 Y a32 = 12/21.
En conclusión, la matriz de coeficientes técnicos es:

1/~0) .
8/15 30/7
A= 2/75 2/7
(
1/25 4/7 1/2

EJFRCICIOS Y ACTIV1DADES RECOME~DADAS 191

b) La matriz de producción es la matriz columna cuyos términos son
las cantidades producidas:

X=
450)
( 6021
e) La matriz AX, producto de la matriz de coeficientes técnicos y la
matriz de producción, es nna rnatriz colunma cuyos términos son
los cons1unos intermedios de los bienes:

8/15 30/7
AX ~ 2/75 2/7 2 ) (450)
1/20 21 (450)
21 ~
( 1/2 60 60
1/25 4/7

El consumo intermedio del bien b2 es, pues, igual a 21 unidades.
d) La matriz de demanda fmal Y verifica: AX -+-Y = X, luego:

Y = X - AX =
450) (450)
( ~~ -
(o)
~~ = ~

Matrices productivas

6. Si a y b son dos números reales positivos o nulos, demostrar que una
condición necesaria y suficiente para que la matriz real:

sea productiva es: a <1y b< l.
Soluci6n. De acuerdo con la definición, la matri7.:

es productiva si existen dos números reales x 1 > O y x2 > O tales que:

192 ~~-----~ -----------'~=~"-=
MATRICES POSITIVAS

es decir:

Ahora bien, se tiene:

x, - ax, >O, {" < 1,
(
abx') > O
x¡ -
xz- xz
{'=? y <====>- y
{
xz-bxz>D, b<l,

(para la segunda equivalencia se tiene en cuenta que x1 y xz son no
nulos). En consecuencia, una condición necesaria y suficiente para que
la matriz positiva:

sea productiva es: a < 1 y b < l.

7. Dada una matriz real A positiva:

A~("
'
b)
d '
demostrar que una condición necesana y suficiente para que A sea
productiva es que se verifique:

(1-a)(1-d)-bc>O, 1-d>O y 1-a>O~

Solución. La matriz I - A es:

-b )
1- d .

Sea C.~ (1- a)(1- d)- be~
En primer lugar, supongamos se verifica:

a< 1, d <1 y .ó. >O.

Como .Ó. > O, I - A es invertible, y su inversa, como fácihnente se
calcula, es:

(1- A)-'~ ((1-d)/C. b/ c. )
e/ C. (1-a)/C. ·

1 no sería positiva).A). en caso contrario) tendríamos que .:l bj.:::: O). (I ~ At 1 es positiva.A no sería invertible}.:l <O = { a (!. también es condición necesaria y suficiente para que A sea productiva. d <1 y A > O. de: se deduce: 1-a>O y 1-d>O.d)/.A).A).A sea invertible y (I. Por el teorema 1 (cf.ó. es decir. Por otro lado. 148). ya que.1 son no negativos (al ser A .:l <o (la primera implicación se justifica de la siguiente manera: si b.no es positiva. Hemos probado. podríamos deducir que la matriz (I. entonces. no puede ser a nulo (de ser así.:l ) c/A (1-a)/. I .EJERCICIOS Y ACTIVIDADES RECOMENDADAS 193 Por otro lado) como se tiene: a < 1 y d < 1.d) (1-a)/. y si fuera a 1 negativo. fuese distinto de O) entonces (I. En conclusión: 6 > O. se tiene: { b~O A< O= y = A~(!. los cuatro términos de (I. que una condición necesaria y suficiente para que I . Para finalizar. p. a)(!.1 sea positiva es: a < 1. No puede ser a negativo. sería igual a -be. supongamos que la matriz: (I-A)-'~((1-d)/..a)# signo(l.d) <O e= O ~ signo(!. En efecto.:l existe y es positiva. En segundo lugar. se deduce que a # 1 y d # 1. o e. De ser 6 > O.A). que es negativo. .

Demostrar que no es productiva la matriz A de coeficientes técnicos que se obtenía en el ejercicio 5 (cf. Dada la matriz de coeficientes técnicos: 1/2 1/8 1/2) A~ 1/4 o 1/2 ' ( 1/2 1/8 1/4 y la matriz de demanda final: 4Sobre transformaciones elementales de matrices. sea positiva (cf.A sea invertible y que la inversa de ésta: (I. p. la matriz A no es productiva. 190): 8/15 30/7 2 ) A~ 2/75 2/7 1/20 . ( -1/25 -4/7 1/2 Si en esta matriz efectuamos sucesivamente las transformaciones ele-- mentales4 siguientes: obtenemos la matriz: -30/7 -2 ) 5/7 -1/20 ' o o que es de rango igual a 2 y por tanto no es invertible.194 MATRICES POSITIVAS 8. En conclusión. A~ -2/75 5/7 -1/20 . Se tiene: 7/15 -30/7 -2 ) I. .A).1 . Lineal. ( 1/25 4/7 1/2 Solución. teorema 1. Una condición necesaria y suficiente para que la matriz A sea productiva es que la matriz 1 . p. sección 7 del capítulo IX. 9. puede consultarse el texto Álgebra. 148).

o bien: (I. Si probamos que la matriz de coeficientea técnicos A es productiva. es positiva. y la condición (35) se satisface para la matriz X dada por: X = (1. A)-' Y~ 56/3 16/3 24) (3) ( 68/3 16/3 ~~ i (132) ~ ~~ . p. propiedad 2. l::.A es invertible.EJERCICIOS Y ACTMDADES RECOMENDADAS 195 encontrar una matriz de producción X con la cual se alcance la de- manda final Y.56/3 16/3 16 ' ( -1/2 -1/8 3/4 ( 68/3 16/3 20 que es una matriz positiva. La matriz A ea. entonces puede ser atendida cualquier demanda final. productiva. Nota.1 Y (nótese que X a. pues. encontrar una matriz columna X positiva tal que: X~AX+Y. 138)). (35) Si la matriz A es productiva. es decir. y de inversa: 1/2 -1/8 -1/2)-l 88/3 20/3 24) (I.A es invertible y su inversa. (d.1 ~ -1/4 1 -1/2 . se consigue con la matriz de producción: 88/3 20/3 X~(!. Una matriz de producción que satisfaga una demanda final Y dada es una matriz X que verifica: X = AX +Y con X 2: O.A)X ~Y oon X ::>: O.A). pues es igual al producto de dos matrices positivas.A). Se verifica lo siguiente: que una matriz de coeficientes técni- cos sea productiva es condición suficiente para que pueda ser atendida cualquier demanda final en la estructura productiva. Soluci6n. entonces la matriz 1 . En efecto.sí obtenida es efectiva- mente positiva. y puede ser atendida la demanda final Y dada en el enunciado. Se comprueba fácilmente que la matriz 1 .

Una forma de simbolizar "la unión cuando j recorre T' es: u jET Teniendo en cuenta esta notación.ión.. Pongamos S= {1. jET . se verifica: T~ U(j} <:. . con lo cual T contiene cada conjnnto M(j) (cf. Teniendo en cuenta el apartado (1) de la proposición 4 (cf.196 MATRICES POSITIVAS Conjuntos autónomos 10.2. proposición 5. llegamos a la conclusión de que todo subconjunto no vacío de S es autónomo.n} y Es obvio que. 11. hemos probado que el número máximo de conjuntos autónomos para tu1a matriz cuadrada de orden n y positiva es: Card( P(S). p.{0}) ~ 2"-!. 152). Para el último contenido hay que observar que T es autónomo y que a T pertenece cada bien j. el conjunto {i} es autónomo para A. apartado (2)). Por otro lado. UM(j) <:.. 160. p. En conclusión: T~ U M(j). El primer contenido se deduce del hecho de que j E M(j). ¿Cuál es el número máximo de conjuntos autónomos que puede haber para una matriz cuadrada de orden n y positiva? Sol'IJC. En conclusión. para cada i E S. Solución. iET iET La primera igualdad es clara. . todo conjunto autónomo para A es un subconjunto no vacío de S. en- tonces Tes igual a la unión de los conjuntos M(j) cuando j recorre T. T. Demostrar que si T es un conjnnto autónomo para una matriz A.

a) El conjunto D(l) es el de los bienes directamente necesarios para la producción del bien 1: D(1) ~ {i E S 1 a. Solución. e) escribir por extensión todos los conjuntos autónomos. M(3) y M(4).¡ i' O}~ {1. . es decir.2. 2 y 3. como los bienes 1 y 2 ya han sido escritos. 4}. De forma. Ahora enlazamos el bien 4 con los elementos de D(4): (de nuevo. solamente enlazamos con el bien 3: 1-4-2-3. M(2).3}. no escribimos el bien 4.imil"'' D(2) ~ (1. Para la matriz de coeficientes técnicos: o 1~2) 1/2 1/2 A~ O 1/2 o o 1/2 1/2 o ' ( 1/2 o o 1/2 se pide: a) escribir por extensión los conjuntos D(l).4}. porque ya ha sido escrito en el desarrollo del algoritmo). b} escribir por extensión los conjuntos M(l). y lo enlazamos con los bienes del conjunto D(1): (el propio bien 1 también pertenece a D(1). Con- tinuamos con los bienes de D(2). D(2). en la práctica no escribimos los bienes más que una vez). elemento también de D(4).EJERCICIOS Y ACTIVIDADES RECOMENDADAS 197 12. em- pezamos escribiendo el bien 1. d) determinar qué bienes son productos fundamentales. con: 1. D(3) y D(4). b) Al aplicar el algoritmo para construir el conjunto M(l). D(3) ~ (3} y D(4) ~ {2.

aplicando el algoritmo para construir M(4) llega- mos a la figura: y M(4) = {1. Por último. el propio 2 no se repite). eetas posibles uniones se reducen a los conjuntos {3} y {1. se tiene di'eclamenk M(3) = {3). 3}. Por tanto: M(2) = {1.2. o o o 1/4 1/2 o o o o 1/9 . un bien es producto fundamental para A si pertenece a todos los conjuntos M{l). 4}. el b.3.3. figura: 2<-4 (como D(2) = {1. 13. p. 2. como la intersección de estos cuatro conjuntos es igual "'{3} n {1. pues.4} = {3). ya hemos escrito todos). Aplicando de la misma manera el algoritmo para construir el oonjunto M(2). 2. todo conjunto conjunto autónomo para A es igual a alguna de las posibles uniones de los conjuntos M(1). e) De acuerdo con el ejercicio 11 (cf. M(2).4). no hay nuevos bienes que enlazar con el bien 3 {de hecho. d} De acuerdo con la definición. El conjunto M{l) es el formado por todos los bienes escritos: M(1) = {1.2. 196).2. Considérese la siguiente matriz de coeficientes técnioos: 1/2 o a 5/9 3/8 1/2 1/3 o o 1/5 A= o o 1/6 o 1/3 con a?: O. M(3) y M(4).en 3 es el furico producto funda- mental. como D(3) = {3}. M(3) y M(4). 3. obtenemos la. M(2). los únicos conjuntos autónomos para la matriz A.3.4}.2.3. Como D(3) = {3}.4). debemos enlazar el bien 2 con dos bienes: ell y el 3.198 MATRICES POSITIVAS Finalmente. estos dos conjuntos son.

y también M(3). Se tiene: D(1) ~ {1. 14. M(4) ~ {1.T no pertenecen a todos los conjuntos autónomos. Soluci6n.4} y D(5) ~ {1. 2. que resulta igual a {1. 4} y M(5) ~ (1. M(2) U M(3) ~ {2.3}. M(4) y M(5). D(3) ~ {3}. Supongamos en primer lugar que a = O.3}. Finalmente. Soluci6n. los bienes de S .2. hay un producto fundamental: el bien 2. las uniones que proporcionan conjuntos nuevos son: M(1) U M(3) ~ {1.4. Los con- juntos autónomos posibles son seis: los mismos que antes menos el {3} y el {2. p.3}.2. 5}. En este caso: a= O. pues. M(2) ~ {2}. son todas las uniones posibles que podamos hacer con estos cinco conjuntos y que sean distintas de ellos.4}. . y no hay ningún producto fundamental: ningún bien pertenece simultánea- mente a los conjuntos M(1). 3}.2}. 4. M(2). M(3)UM(4) ~{1. 3. 3. 2. 161). que no son ahora autónomos.3}. Todos los conjuntos autónomos para A. Supongamos ahora que a> O. Si S es el conjunto de todos los bienes (que por definición es autónomo para cualquier matriz) y T es otro conjunto autónomo (en particular: T C S). M(2). 2}. M(4) y M(5). además de los propios conjun- tos M(1). luego no son productos fundamentales (d. los restantes conjuntos D(j) y M(j) siguen siendo los mismos. hay. escribir por extensión todos loe conjuntos autónomos para A y determinar qué bienes son productos fundamentales.3. ocho conjuntos autónomos para A.EJERCICIOS Y ACTIVIDADES RECOMENDADAS 199 Distinguiendo loe casos: a = O y a > O. y fácilmente se obtiene: M(1) ~ {1. Probar que para una matriz de coeficientes técnicos con al menos dos conjuntos autónomos existe algún bien que no es producto fundamen- tal. 5}. 2. M(3). D(2) ~ {2}. que ahora es igual a {1. M(3). Cambia el conjunto D(3). D(4) ~ {1. M(3) ~ {3}.2. pro- posición 6.

3/5 o 1/3 1/2 3/5 1/3 1/8 1/2 Solución. de donde> M(1) ~ M(2) ~ M(3) ~ M(4) ~ {1. 2. es el único autónomo para la matriz A 2. el único conjunto autónomo para la matriz A1: ésta no es indescomponible. 2. es autónomo para la matriz A 1 . la aplicación del algoritmo para determinar los elementos de los conjuntos M(i). permite escribir: 2-1-3. e) Para la matriz A 3 podemos escribir: 3~~4.2}.200 MATRICES POSITIVAS Matrices indescomponibles 15. el conjunto de todos los bienes: {1. pues es nulo el término de posición (2. . 1}. y el único conjunto autónomo es el de todos los bienes: {1. 3. 2. 3}. El conjunto de todos los bienes: {1. La matriz A3 es. no es. 2. 4}. 3}. y po' tanto> M(1) ~ M(2) ~ M(3) ~ {1. b) Para la matriz A2. con i E {1. 2. En consecuencia.~ 1/3 1/7 2/5 1/5 . 1 1/6 1/6 1/4 1/2) (1/2 1/3 o 1/7 1/2) o (1/2 1/2 1/3 1/7 3/4 o} A.1) (de he- cho: M(l) = {1}). pues. pues. y ésta es indescomponible.~ O 1/2) 1/4 ' b} Az ~ 1/3 1/2 1/5 o o +). 3. Estudiar si son indescompouibles las siguientes matrices de coeficientes e técnicos: e a} A. 3}. d} La matriz A4 es indescomponible por ser estrictamente positiva. 3-2--1. a) El conjunto formado por el bien 1: {1}.~ 1/2 o o 3/4 ' d} A. indescomponible.

el conjunto {2. Por tanto. Solución. la matriz B2 no es indescomponible. Estudiar. O. independientemente de que el parámetro real a sea positivo o nulo. no es el único conjunto autónomo para la matriz B2. 3} es autónomo para lama- triz Bt (además del conjunto de todos los bienes).A. A no es productiva. a) Para ct. b) Bz = (313) a 2 a . si son indescomponibles las siguientes matrices de coeficientes técnicos: oo) 1 1 . Si la matriz A representa una estructura productiva de subsistencia. la matriz Bz resulta ser estrictamente positiva. en función de que el parámetro real a sea positivo o nulo. (36) Si A fuese productiva. p. b} Si a= O. se tendría: de donde: X= O.3}. 148) sería invertible la matriz I . teorema 1. existe una matriz de producción X. y el conjunto de todos los bienes: {1. X 2::: O y X ::/= O. se tiene: M(!)~ {1. tal que: AX = X. multiplicando por la izquierda por su inversa en la igualdad (36). que contradice la hipótesis de que X =f:. . entonces (cf.3} y M(3) ~ {!. 3}. Por otra parte.2. Estructuras productivas de subsistencia 17.EJERCICIOS Y ACTIVIDADES RECOMENDA~D~A~S'__ _ __ 201 16. entonces A no es productiva. si a > O. M(2) ~ {1. En el caso a= O. La matriz Bt no es indescomponible. Comprobar que si A es la matriz de coeficientes técnicos de una estruc- tura productiva de subsistencia.talquier a 2::: O. y por tanto indescomponible. 2 3 2 1 1 Solución.A)X ~O.3}. 2. o bien: (I.

quedan automáticamente fijados los restantes precios. existe una matriz columna. p. Solución. es decir: AX = X. p.202 MATRICES POSITIVAS 18. 190). P estrictamente positiva tal que Esta igualdad es equivalente al sistema de ecuaciones homogéneo: (!. de la forma: •(1~) conAER Si fijamos el precio de uno de los tres bienes (numerario). por ejemplo. esto prueba que la estructura productiva es de subsistencia.A')P ~O. este sistema se concreta en: 1/15 -2/75 -1/25) -30/7 5/7 ( -2 -4/7 G') (o) P2 ~ O . (Pi). . En el citado ejercicio 5 se obtuvo la matriz de coeficientes técnicos siguiente: 8/15 30/7 2 ) A~ 2/75 2/7 1/20 . 168). Por otra parte. toman- do: PI = 11 los otros precios son: P2 = 10 y P3 = 5. Si P . -1/20 1/2 3 o cuyas soluciones son las matrices columna. Por lo tanto (cf. tomando la matriz P como la de las incógnitas.AX = O (la matriz de demanda final resultaba ser la matriz nula). la matriz A es indescomponible por ser estricta- mante positiva. Comprobar que es de subsistencia la estructura productiva del ejerci- cio 5 (ci. ( 1/25 4/7 1/2 También se encontró que para la matriz de producción: 450) x~ ( ~¿ se verifica: X .

))' (1/ó)p¡ ~ + (12/575)p. y con 240 unidades del bien bt y 16 unidades del bien bz se obtienen 40 unidades del bien ~. estrictamente positiva. Se considera el modelo de producción lineal con dos bienes. d) calcular la tasa de ganancia uniforme máxima. d} De lo probado en los apartadDS anteriores se deduce que podemos aplicar a la matriz At el teorema de FROBENIUS. Se pide: a) hallar la matriz A de coeficientes técnicos. siguiente: con 280 unidades del bien b¡ y 12 unidades del bien bz se obtienen 575 unidades del bien bt. ~ (240/40)p¡ + (16/40)p. a) La matriz de coeficientes técnicos es: A~ (280/575 240/40) _ 12/575 16/40 b) Se tiene: 295/575 -6) I. productivas. su inversa es: ( _ A)_ 1 ~ (23/4 230/7) I 4/35 59/21 ' que es positiva. Esta igualdad es equivalente a: (1/&)P = AtP..EJERCICIOS Y ACTMDADES RECOMENDADAS 203 El teorema de FROBENIUS 19. y existe una matriz columna P. A~ ( -12/575 3/5 ' y esta última matriz es invertible. b¡ y b2. pues. b) estudiar si la matriz A es productiva. (280/575)p¡ { (1/ó)p.. un número & positivo (número de FROBENIVS). Solución. tal que: P = &AtP. o bien (con la nota- ción' P~ (p. e) estudiar si las matrices A y At son indescomponibles. pues. e) Las matrices A y At son indescomponibles por ser estrictamente positivas. Existe. . Las matrices A y At son.

En conclusión. tras operar se obtiene la ecuación de segundo grado: 12 2 2 P2 + P2 . sólo una de las cuatro opciones es correcta. 12 Podemos afirmar que la tasa de ganancia uniforme máxima es de un 25%. de la segunda ecuación de (37) se deduce: & = 15/12. resulta: (1/&) ~ (280/575) + (12/575)p. La matriz: 1/2 a ) ( 1 1/3 es productiva para: a) a~ 1/4.25.. e) a~ 1/2. l. la matriz de precios es: Finalmente. pues. b) a~ 1/3. y por tanto: 15 f = . (37) { (1/&)p. Multiplicando la primera ecuación por P2 e igualando con la se- gunda.1 = 0. . como la última es negativa. el bien b 1 como numerario).204 MATRICES POSITIVAS Haciendo: PI = 1 (fijando.6 = O. La tasa de ganancia uniforme máxima: f. 575 23 cuyas soluciones son: 15 y -115/16. debe descartarse. d) a~ l. EJERCICIOS DE AUTOEVALUACIÓN En las siguientes cuestiones. es tal que: 1 + f = &. ~ (240/40) + (16/40)p..

b) o~ 2/25. e) o~ 1/12. b) para cualquier o:~ O. 5. 3} es autónomo para A. d) {2} es autónomo para A. b) {2.EJERCICIOS DE AUTOEVALCACIÓN 205 2.2} no es autónomo para A. b) {1} es autónomo para A.3} es autónomo para A. d) {1.a A~ ( O cualesquiera que sean los números a < 1 y b > O se verifica: a) {1. Dada la matriz real positiva: 1. la matriz A es e ) indescomponible. La matriz positiva: 2/3 3 ) ( o 1/4 NO es productiva para: a) o~ 1/15. ¿Cuál de las siguientes matrices NO es productiva? o)1 ' e) (1/2 1/4) 1/4 1/2 ' d) (1/2 o 3. 6. 4. d) solamente para o:= 2. e) A es indescomponible. . Determinar para qué valores del parámetro o: es productiva la matriz c~ 1~2): 4 real positiva a) para ningún valor de o:. e) solamente para o:= O. Dada la matriz real: se verifica: a) {3} es autónomo para A. d) o~ 1/14.

b) si a# O. e) M(3) ~ {3} pruca todo a 2 O. Si denotamos por M(i) el menor conjnnto autónomo para A al que pertenece el bien i (1 ::::. e) si a#. Consideremos la matriz real: 1/2 o a 5/9 3/8 1/2 1/3 o o 1/5 A~ o o 1/6 o 1/3 con a :2: O. d) si a= O. o o o 1/4 1/2 o o o o 1/9 e interpretemos A como la matriz de coeficientes técnicos de una es- tructma productiva. y si a. siendo {1.206 MATRICES POSITIVAS 7. d) M(4) ~ {1. 5). O. entonces M(3) ~ {3}. entonces ningún bien es producto fundamental para A. 3. 9. 5} el conjunto de los bienes. d) o o 1/3 o 1/3 3/4 o o o o 3/4 o o o o 2/3 o o o 3/4 2/3 o o o 3/4 8. b) ai a~ O. entonces: a) M(2) = 0 (conjunto va.2. entonces M(3) = {1.cio) para todo a. 2. 4.. el bien 1 es producto fundamental para A. el bien 2 es el único producto fundamental para A. 3}. ./.O. Determinar para cuál de las siguientes matrices positivas es autónomo el conjunto {5}: o o 3/4 2/3 o o o 3/4 2/3 1/4 1 o 1/4 1/3 o 1 o 1/4 1/3 1/2 a) o o 1/3 o o b) o o 1/3 o 1 3/4 o o o o ' 3/4 o o o o 2/3 o o o 3/4 2/3 o o o 3/4 o o 3/4 2/3 1/4 o o 3/4 2/3 1/4 1 o 1/4 1/3 2/3 1 o 1/4 1/3 1/2 e) o o 1/3 o 1 . i :$.::: O. Para la matriz A del ejercicio 8 también se verifica: a) A es indcscomponible para todo a 2:: O.4} para todo a 2 O.

3}.tiques pour Économistes.A. • E. 1989. 3c. d) {3} Respuestas correctas: la. ÁLVAREZ. lOb. Cours de Ma. C. e) no hay productos fundamentales. . Lecciones Elementales de Algebra. 4b.E. BIBLIOGRAFÍA • P. MICHEL. Madrid. A.BIBLIOGRAFíA 207 10. segunda edición. 6b. 9c. y Empresa.A. Lineal para Economfa. 5c. b) {1. ARÁNDIGA.R.. Économica.théma. París. • E. C. Algebra Lineal. 7a. 2000. Madrid. 1999.. M.. ( 1/2 1/4 1/4 El conjunto de los productos fundamentales para la matriz A es: a) todos los bienes son productos fundamentales. Considérese la siguiente matriz de coeficientes técnicos: 1/2 1/3 1/4) A~ O 1/2 O . 8d. 2b.R. y por tanto la ma- triz A es indescomponible. PRIETO. Problemas Resueltos y Cuestiones Comentadas.E. PRIETO.

con a E IR y g una aplicación definida sobre los números naturales y con valores reales. así como nna serie de oondiciones de es-_ tabilidad que deben cl.Sistemas de ecuaciones recurrentes de primer orden Fernando Javier Nieto Jo ver INTRODUCCIÓN En el presente capítulo se abordan algunos métodos de resolución de sis- temas de ecuaciones recurrentes. estas ecuaciones denomi- nadas recurrentes son la plasmación matemática de fenómenos dinámicos que pueden explicarse. Es importante resaltar que estas condiciones son de aplicación en los modelos económicos en su triple vertiente: como necesarias y suficientes. .n + g(n). general es del tipo: Un+I = au. por el comportamiento de alguno o al- gunos estados anteriores en el tiempo. mente como suficientes. fundamentalmente. a los siguientes: 1) Ecuaciones recurrentes de orden uno. en su caso. y para no entrar en un mero formulismo más o menos mecánico. Es conveniente destacar que. que son de las pocas ecuaciones que pueden resolverse explícitamente y cuya forma. solamente como necesarias o sola-. es importante el recordatorio previo de alguno de los conceptos ya estudiados en otros cursos de la carrera y que hacen referencia. n E N. y dentro de ellas las lineales. generalmente.Ullplir sus soluciones. Para una mejor comprensión del tema.

Estabilidad de las soluciones.210 SISTEMAS DE ECUACIONES RECURRENTES DE PRIMER ORDEN 2) Ecuaciones recurrentes de orden dos. b '1. b} Vectores y valores propios de una matriz cuadrada.O (para no ser de orden rmo) y g es una función definida sobre N. n E N. 3) Tanto para los apartados (1) y (2) anteriores las materias a repasar hacen referencia a: a) Soluciones generales de las ecuaciones (de la homogénea y solu· dones particulares). que tienen una gran variedad de aplicaciones y no ofrecen una excesiva complejidad y cuya forma general es del tipo: Un+2 = aUn-t 1 + bun + g(n). Reducción de matrices: a) Ecuación característica. e} Condiciones necesarias y suficientes para que una matriz sea dia· gonalizable. 4) Transformaciones matriciales. donde a. . y dentro de ellas las lineales. b E IR. b) Puntos de equilibrio.

iterar zt al momento t + 1. -y. 92(t) son funciones definidas sobre los números naturales y con valores reales. El método consiste en despejar de una de las ecuaciones del sistema una variable en el periodo t. se despeja Zt de la segunda ecuación del sistema. Cuando g¡(t) y 92(t) son iguales a cero el sistema (37) se denomina sis- tema homogéneo. En el supuesto de que a12 = O. SISTEMAS DE DOS ECUACIONES RECURRENTES Sea el sistema no homogéneo: Yt+t = anYt + at2Zt + g¡(t).-Yt+l· (4) a12 a12 . (3) a12 a12 para a12 #O 1 au Zt+1 = -!1<+2. (!) Zt+t = a2111t + ll22zt + 92(t). Pasamo6 a ver las soluciones generales de los sistemas homogéneos. aunque sí cada ecuación por separado.1. Reaolución del si8tema homogéneo 1. siempre que a12 :f. Ex- pondremos dos métodos de resolución. sin correlación entre las variables. 1.1. donde~. Es decir: 1 a11 Zt = -Yt+l . Zt+l> y sustituir estos valores obtenidos en la otra ecuación. O.1. La solución general de un sistema no homogéneo estará formada por la suma de la solución particular del sistema homogéneo correspondiente más una solución particular del sistema no homogéneo. Si a12 = a21 = O el sistema no se puede resolver. donde llij E 1R son constantes conocidas.. por ejemplo zt. E 1R son constantes conocidas y 91 (t). (2) Zt+l = a211/t + a22zt. Método de reducci6n Sea el sistema homogéneo: Yt+l = auYt + a¡2Zt.SISTEMAS DE DOS ECUACIONES RECURRENTES 211 l.

Sustituyendo en (5) este valor de Yt.~.212 SISTEMAS DE ECUACIONES RECURRENTES DE PRIMER ORDEN Sustituyendo los valores de Zt y Zt+l en la segunda ecuación del sistema {38)._t. respectivamente.2. Veamos la solución del sistema para cada uno de los casos citados.. (8) . cuyas soluciones son: \ _a-v'a 2 +4b '"'2. iguales y reales o complejos (conjugados}. obtenemos: equivalente a: (6) Si llamamos obtenemos la ecuación: (7) denominada ecuación característica de la ecuación recurrente lineal (5). 2 . >.B>. tenemos: y operando. Según que el valor del discriminante !:l. los valores de >.~ +.i serán reales y distintos. A i. distintas de cero y la solución general será del tipo: Yt =a>. sea mayor. existen dos raíces reales. obtenemos la siguiente ecuación recUJTente lineal de orden dos homogénea: (5) Para encontrar la solución general de la ecuación (5) buscamos solu- ciones del tipo Yt = >. 1 y >. igual o menor que cero. 1} Si a 2 + 4b >O. y sus correspondientes iteraciones. = a 2 + 4b.O y tE N.

an)o: + .•' ~(a+ f3t) (. .B>. .IES RECURRE:-.".)' (11) t E N y a:. Es decir: 1 Zt = -Yt+1- a12 a uY t = 1..SISTEMAS DE DOS ECCACIO:-. •(<+1) -an a- u ( 0: + . -Yt = ~"'-~-'---'-- a¡2 a12 a12 a12 (9) siendo: 1 _ >. la Zt se hubiese despejado de la otra ecuación.•t.6>. 2} Si a 2 +4b =O.*.~+l +. El cálculo de zt se obtiene sustituyendo el valor de Yt de la ecua- ción (8) en la ecuación (39}.B>.~ (a+ f3t)>. El cálculo de Zt se obtiene sustituyendo el valor de Yt de la ecua- ción (11) en la ecuación (39). Es decir: 1 an a:>.Bt) >.(0: - a12 a12 + f3 (t + 1)) ).2 = >..i +.t) Zt = -Yt+ 1 .* = i' y la solución general será del tipo: y.an f3 y {3 .an .•' a12 a12 =(o:1 +{31t)>.{3'ElR (12) siendo 1 (>.~+l au(a:>. existen dos raíces reales e iguales >.* + x•.Bt ) ). tEN y a'.1 = >.au)o: + {JA* a= ' (13) a12 .es a R.2 .BE IR.. (10) a12 En el supuesto de que a12 = O. ~ ((>.ITES 213 donde a: y f3 son constantes pertenecient.

sen O(t + 1)) a¡.B)t+ 1 + A2{o:. en general bastante laborioso.ifl)' (15) donde At y A2 son constantes complejas. >. La solución general de la ecuación adoptará la forma: Yt ~ A¡~l +A.2 =a. las raíces de la. La solución general del sistema de ecuaciones adotará la siguiente forma 1 : (17) El valor de Zt se obtendrá sustituyendo el valor de Yt obtenido en la ecuación (17) en la ecuación (39).~~ ~ A¡ (a+ ifl)' +A.an {3. 1Aplicando la fórmula de DE MOIYRE: z' = r'(cos 9t+isen 9t).2 = r(cosO. ción {15) en la ecuación {39).( a.ifl)') 0!2 Para evitar el cálculo con números complejos en forma binómica. Es decir: 1 an zt ~ -Yt+l .-Yt a12 a12 r'+ 1(k1cosB(t+ 1) +k. .au)a + (an + a22)f3 . Obteniendo: At (a+ i. El cálculo de zt se obtendrá sustituyendo el valor de Yt de la ecua-. 2a12 ' (14) fJ' = a22. ecuación característica son complejas y conjugadas. 1 =a+ i{J y >.. . mediante las siguientes transformaciones: .if3Y+l zt~ •12 (16) 011 (A¡(a + ifl)' + A. Sea >. se suele adoptar la forma trigonométrica.\ 1=r{oos8+isen0).214 SISTEMAS DE ECUACIONES RECURRENTES DE PRIMER ORDEN Teniendo en cuenta que A• =~a= ~(an + a22) a1 - (a22.isen 8). .a11 rt(k 1 cos0t+k 2 sen8t) .(a.. 2at2 3) Si a 2 + 4b <O. si z = r(cos 9+i sen 9).i/3.

A)a¡ + a120:2 =O.SISTEMAS DE DOS ECUACIONES RECURRENTES 215 Recordando que: cosO(t + 1) = cos(Ot +O) = cosOtcosO.t + a220:2At. obtenemos: a¡At+ 1 = ana:tAt + a12aaAt.ra. sen O(t + 1) = sen(Ot +O) = senOtcosO + cosOtsen O.auk2 sen ot) .1. obtenemos que . Dividiendo ambas ecuaciones por A_t y operando obtenemos las siguientes ecuaciones: (a u . a:aAt+ 1 = aa¡a¡A. "" Solución análoga se hubiera obtenido de la. que un sistema homogéneo no tenga la solución trivial es que: au I=O.O. y teniendo en cuenta que la condición necesaria y suficiente pa. 1. zt+l = aa1Yt + a22zt· Sustituyendo los valores de Yt y Zt en el sistema. consiste en considerar directamente como soluciones del sistema homogéneo las funciones Yt = a 1 At.sen Otsen O. alternativo al anterior. ecuación (16) al igualar los valores de Yt de las ecuaciones (15) y (17). (k1rcosO+k2rsenO-auk¡ zt=r cost 8 "" (18) + ~reos O.A)a:a =O. Método directo Este método. Sea el sistema homogéneo ya descrito en las ecuaciones (38): Yt+l = anYt + a¡azt. de acuerdo con la hipótesis de partida. (19) a21a:1 + (a22. donde a 1 y a2 son constantes no simultáneamente iguales a cero y A#.A (20) . k 1rsen0.2. zt = a2At.. Excluyendo la solución trivial a:¡ = a:a = O. l au-A- aat aa2.

.)(a22.t Ytt = o: 1 .= >. ya analizados en el apartado anterior.~..>.o:~ )) la solución obtenida para>.. obtenemos de la primera ecuación an .Ba~ 2 ) >.i + /3' a~2 ) >. podemos consid- erar como solución general del sistema: Yt = aaP) >.t (2). Por con· siguiente. obtenemos: (24) Eligiendo. son reales y distintos obtenemos dos soluciones del sistema. .. y la solución general del sistema homogéneo estará en función de los valores de >.1 2 obtenemos como solución del sistema: (l}.a12a21) =O igual a la obtenida por el método anterior como ecuación (6).(an + a22)>. Sea (o:Pl. 1 y sea 1 (ai 2).t Y2t = 0:1 "2• Z2t = 0:2 112. Así.-.t (l).= >. (23) Para el cálculo de (ai1). Combinando linealmente estas soluciones con constantes arbitrarias. a~1 )) y (a~ 2 ). para>.~.2 la siguiente solución: (2). = >. para >. o:~ )) la solución obtenida para). = >.a12a21 (21) = >.= >.i + .. Es decir. 1 . Así: 1) Si los valores de >.).\¡ + a12o: 2(1) =O.216 SISTEMAS DE ECUACIONES RECURRENTES DE PRIMER ORDEN obtenemos la siguiente ecuación: (an ~ >.¡. ztt = a:z "t• y para >. a~2 )) basta sustituir en al ecua- ción (19) estos valores como soluciones de a 1 y a2. + (aua22. no simultáneamente iguales a cero en cada ecuación..2. (22} Zt = a' a~l) >. por ejemplo ai 1 ) = 1.2 . a partir de esta ecuación la operativa es la misma.

bajo determinadas simplificaciones.1 = . entonces: 1 Yt = o:>. Análogamente.-. se obtienen fórmulas similares a las expresadas en (17) y (18).~. análogas a las expresadas en las fórmulas (11) y (12). como por ejemplo para t = O.t Y Zt = 0: A¡ + "'2 (28) a12 a12 fórmulas que coinciden con las obtenidas por el método anterior como ecuaciones (8} y (9).a22 · Las ecuaciones (22) y (23). condiciones iniciales.au . La operativa para el cálculo de Zt en los apartados 2} y 3) es análoga a la utilizada en el apartado 1). (25) 0:~2) = >.2 .. Como puede observarse tanto el método de reducción como el método directo nos llevan a la ecuación característica (6) y (21}: >.(a u+ a22)>. 3} Si los valores de >. · DI y de la segunda ecuac16n: o: 2 . raíces de la ecuación característica.=-.•.•• ~. .a12a21) =O cuyas raíces determinan la solución general del sistema homogéneo. obtenemos (w.••-.zo). 2) Si los valores de >.1 a22 Es decir..i + ¡3>.•t. a.\2 = >. si o:~ ) = o:~2 ) = 1. al igual que d y ¡3'.(1) -_ Á¡ - .2-au. son complejas y conjugadas. La determinación de las constantes requiere un número de condicio- nes adicionales que verifique el sistema igual al número de constantes a determinar. >. pue- den expresarse de la siguiente forma. la solución del sistema será del tipo Yt ~(a+ f!t)>.t (!>. Estas condiciones vienen en general expresadas por los distin- tos valores dados a t. son reales e iguales. Zt = (o:1 + {j't)).''.SISTEMAS DE DOS ECUACIONES RECURRENTES 217 DI de donde o: 2 = ~-a. + (aua22.' " " : - •a a12 >. donde o: y ¡3 son constantes no simultáneamente iguales a cero.2 ..r-an.. (27) >.au = a21 (Z 6) a12 >.2 .

..ana22) =O . -(2+3)'. Z{l = 4. l=o:+f3. obtenemos: a¡>. a2>.218 SISTEMAS DE ECUACIONES RECCRRE\. Ejemplos EJEMPLO l. Zt+l = 3zt.Hl = 2o:t).\=5±v'24 2 La solución general será del tipo: A.t.2-au/3= 2-2B=O. a12 -1 /3'= >.(a12a21. U¡2 -1 P~a Yo= 1.¡-au 3-2 donde a'= a= --a:= -a:. 4=a'=-a y /3=5.(a11 + an)A.2 .zt. en el sistema homogéneo.!TES DE PRIMER ORDEN 1.3.D:2At.t. por consiguiente la solución será: Por el método directo se resolvería de la siguiente forma: sustituyendo.(0-6) ~o A2 -5A+6=0 . Zo = 4. Las raíces de la ecuación se obtienen de las ecuaciones (6) o (21) >. siendo Yo= 1. Resolver el sistema homogéneo: Yt+t = 2yt .1..t+1 = 3ar>.

Para1J2=4 4=a+2/3 o=-10 Para.(au + a22)A. • .)=0.1 .1 = 3 y >... El resto del ejercicio se resuelve igual que por el método anterior.(a12a21...= 3o2. Zt = 27-14t. >. 2 . la solución general será del tipo Yt =(o+ #t)le =a +(Jt.z:z=-1 -1=-2a+f3-4{3 y la solución general.SISTEMAS DE DOS ECUACIONES RECURRENTES 219 Dividiendo por >. ot(2->.2#t. Resolver el sistema.1)# = -4a + 2# = _ 20 + #. 2 . 2 1 = >..¡(3->.¡=O. obviamente. 1 Zt = (o'+ #'t)1 = ci + (J't.3)o + (3. 2 2 P'~ -1-3P~-2P. Zt:+l = -2yt.¡>.. siendo Y2 = 4 y z2 =-l.. • EJEMPLO 2.. a:. Teniendo en cuenta las ecuac. homogéneo Yt-"-t= 3yt+Zt:.2>.ones (6) o (21) >.¡.)-a:. con las condiciones establecidas es Yt=-10+7t. obtenemos: o: 1>. 2 con lo cual Zt = -2o: + P. La ecuación característica será: cuyas raíces son.Zt:.2. De las ecuaciones (14) obtenemos: a' = ( -1. = 2o: 1 -a:.ana22) =O >..:i.+ 1 =o >.= 2±~ = {1 =A 1 .. O::.2 = 2..

Bs decir: >.2/2 ± 2/2i - 2 . 1 = v'2+v'2i= 2ei"=2 ( cos~ +isen~¡). • 1.2.220 SISTEMAS DE ECUACIONES RECURRENTES DE PRIMER ORDEN EJEMPLO 3. por consiguiente. Solución particular. Supongamos que una solución particular sea la siguiente: yt = /-li Y zt = ¡. . Una vez establecidos algimos métodos para hallar la solución del sis- tema homogéneo. Determinación de constantes Sea el sistema homogéneo: Yt+I = auyt + a12Zt + b1. Zt+I = 3yt + v'2zt• Teniendo en cuenta las ecuacioneo (6) o (21) >.+4 =o Á- - 2/2 ± v'8=T6 . v'2-/2i.. 2 - {12 + /2i. Resolver el sistema homogéneo Yt+ 1 = y'2yt + 2Zt. Az = J2. La solución general del sistema adoptará la siguiente forma: Por (17) Y Zt se obtendrá sustituyendo los valores r = 2 y B = ¡ en la fórmula (18).2. (29) Zt+J = a12Yt + anzt + ~' análogo al expresado en el sistema (37). de un caso particular de {37). veamos como se calcula una solución particular del sis- tema (29). 2 -2-/2>.v'2i = 2e-~' = 2( cos¡ -isen¡). siendo b1 y ~ constantes pertenecientes a lR. Se trata. en donde g¡(t) = b1 y g2(t) = b2.

.--'-'='-~ (a u 1 )( a22 1) a12a21 ' (32) 1) + b¡a21 -~(au- ~2 .2 son constantes pertenecientes a lR. (33) it = J-1.S''--"''. adaptándose como soluciones del sistema expresiones del tipo: ilt =¡.--'-'-. La determinación de estas constantes.SISTEMAS DE DOS ECUACIONES RECURRENTES 221 donde JLt y J1.1 a22.t.22t. tendrán que verificar: 1-Lt = auYt + a.~-=~~-:. Esta condición implica que no puede existir nna solución de la ecuación característica del sistema homogéneo asociado al sistema (29) con A = 1. obtenemos el siguiente sistema (an .(a u -1)(a22.. (31) a21J1-1 + (a22 -1)¡.2· Cuando esto ocurre el método falla.a12a21 · El sistema (31) será compatible y determinado cuando se verifique: ( )( an . = Recuérdese que f. ya que si esto ocuxriese.-.21 + J.a12a21 ) = lan-1 a21 ""1 a22.it ilt+t = Ji-t y it = Zi+t = Ji-2· Operando.Ll y J-1.1).l. sustituyendo este valor en las ecuaciones (6) o (21) se obtendría: que es precisamente el desarrollo del denominador de f.1)JI-t + a12JI-2 = -bt.2 = -b2. cuya solución es: -b¡(a22 -1) +b2a12 Jl-t = . (30) Ji-2 = Ut2Yt + a22Zt + b-J. que hay que determinar. donde las JLii E 1R son constantes indeterminadas. requiere de un número de condiciones adicionales igual al número de constantes a determinar.L-:-=="---- .tu + 1-Lt2t.1 ¡< O.12zt + b¡. así como las que figuran en la solución del sistema homogéneo. Si JLt y JL2 son solución particular del sistema.1 .

donde a= (a1.1. A. Resoluci6n del sistema homogéneo 2. Método directo Para resolver el sistema (34) estudiemos inicialmente el sistema homogéneo: (35) cuya posible solución. SISTEMAS DE N ECUACIONES RECURRENTES DE PRIMER GRADO CON N INCÓGNITAS En general. Las Yt+l están definidas de la siguiente forma: Yt+I = Ylt.1. . "·· . es del tipo Yt = a>. ..t. . . Y(n-2)t+1 = Y(n-l)t• Y(n-l)t+l = Ynt· La matriz cuadrada de los coeficientes. . visto en la sección anterior... un sitema de n ecuaciones de primer orden con n incógnitas tiene la siguiente forma matricial: (34) donde Yt = (ylt. Ynt) es el vector columna de una función desamo- cicla de tiempo. .9n(t)) es un vector columna de una función des- conocida de tiempo.. definida por: au a¡2 A= an a:n a¡") (~~ ~2 ""'" y g(t) = (g¡(t).o:11 ) es un vector de constantes no todas iguales a cero.. está.a2 1 .g2(t). Y2t• .1. de acuerdo con el método directo. Ylt+l = Y'lt.222 SISTEMAS DE ECUACIONES RECURRENTES DE PRIMER ORDEN 2. 2.

asociado a la ecuación (38). A cada autovalor Aj le oorresponde un o:~j).SISTEMAS DE N ECUACIONES RECURRENTES 223 Sustituyendo el citado valor en el sistema (35). de la matriz A. La solución de la ecuación (39) nos facilita las n raíces >. es decir. es la ecuación característica de la matriz A cuyo desarrollo es el siguiente: IA-UI =>. = suma de todas las oombinaciones de los menores oomplementarios de orden r de la matriz A..O) si: (38) que como se observa. >. implica que: (37) El sistema (37) tiene una solución no trivial (o: i.2.¡. n-r.r+··· (39) + Cn-1( -lt+I >. obtenemos: (36) al ser >.n de la ecuación característica de la matriz A.n-c1). ... >.. ..= l( n! )! menores complementarios r. -=1 O. + (-l)nCn =O. donde n Ct = Laiii i=l c2 = suma de todos los menores complementarios de segundo orden de la matriz A. . de forma análoga a oomo se expresó en el caso de un sistema de dos ecuaciones oon dos incógnitas. la suma de los e. e. donde i y j toman valores de 1 a n..n-1+···+Cr(-l)n+r>.

.1 c) =PAta. Az.tantcs arbitrarias. (40) Ynt = A¡a~I) Al + Aza~2 ) >. tenemos: A=P.2. A 2 ~ (PAr')(PAP-') ~ PA(P-'P)Ap-' =PAAP.. A (2). Asimismo.t A (n) • Ylt = A tO¡(t). (13) siendo a= p-lc nn vector de constantes arbitrarias.t A (n) t Y2t = A 10:2(1)-t "'-I + 20:2 "'2 + · · · + nO:z A . podemos considerar que la solución de la ecuación (:l5) Yt+ 1 = Ay 1 es del tipo (41) donde e es un vector (n X 1) de com. Iterando el procedimiento.•. . podemos expresar que: At = PAtp-1 ( 42) por lo que la ecuación (41) puede escribirse de la forma: Yt =Ate= PAtP.1 AP o A=PAP.~ + · · · + Ana~n) . .V.1c= PAt(P.t "1 + 20¡ "'2 + · · · + na¡ >.1 =PA 2 P. Análogamente. Método de la matriz directa Hemos visto que la solución de una ecuación de la forma Yt+I = ay 1 es del tipo Yt = a 1c.IES RECURREI\TES DE PRIMER ORDE:-. donde e es una constante arbitraria. 2.1 . Si denominamos A a la matriz cliagonalizada de A.1 donde es la matriz diagonal de las raíces de A. Para la determinación de las constantes (A 1 . An) se precisa añadir condiciones adicionales.1. siendo p-l P = I..224 SIS"IEMAS DE ECUACIO\.1 Es decir: A (2J.

>. u¡.SISTEMAS DE N ECUACIONES RECURRENTES 225 2. Los valores propios son >.\¡ = -1 IA->.Ij~ -3 2->. Pp. =->. Ejemplo Resolver el sistema: Ylt = -Zt + 3wt. Y2t = -3yt + 2zt + 3wt. b) Cálculo de los vectores propios asociados a cada valor propio.Ij'<!~(A+I)'<!~ (-~ =~ D(:D m. 223 y $5 . Es decir: ->.u2+3u3 =0.9. U¡. 3 1 -1 2->.). . >. Ylt = Yt.: Matemáticas l.3 = 3. 2 -A-6=0. PRIETO et al.1 = -1. ~Vé~mse condiciones necesarias y suficientes para que una matriz sea diagonalizable en el texto del Prof.2 = 2. U2 + 3ua = Ü. Sea A~ H!: D· Para d. ( o o 3 Dado que los tres valores propios son todos reales y distintos la :ma-- triz A es d.1.Zt + 2Wt. y la matriz A adopta la forma: A~ -1 oo) O 2 O . Así: para. -3Ut + 3U2 + 3U3 = Ü.iagonalizar la matriz A recordemos los siguientes pasos: a) Cálculo de la ecuación característica y de los valores propios. -1 3 IA->.. Econonúay Empresa (Teoría.iagonalizable 2..3 +4>.

que adoptará la forma: Yt = ("") Y'lt Y3t = (~! -1 8 27) ("!) 8 O 8 27 O a2 a3 .0).2 y >. al igual que en el caso de dos variables. 1 = -1 será del tipo (1. la matriz P sería de la forma: La solución Yt adoptará la siguiente expresión: por lo que: Operando obtenemos la solución Yt. 2. Es por lo que. 1. con soluciones no siempre fac- tibles. donde bes nn vector de constantes. O. Sea iJ. se obtendrían para >. 1) y (1. Por consiguiente. una solución particular del sistema (45) . Análogamente. 1.226 SISTEMAS DE ECUACIONES RECURRENTES DE PRIMER ORDEN Cn vector propio asociado a >. se va a considerar que g(t) = b. la resolución de un sistema como el expresado en (35) entraña numerosas dificultades de cálculo. respectivamente. 1). un vector de constantes indeterminadas.2. Solución particular Con carácter general.3 vectores propios asocia- dos del tipo (1.

(1l*)nEN• es solución de la misma. Sustituyendo en las ecuaciones (45). Puntos de equilibrio Un vector X es un punto de equilibrio en un sistema dimí. de la citada ecuación recurrente. n E N donde f es una función que toma valores reales en el dorn. Recuérdese que en una ecuación recurrente de orden nno del tipo Un+l = f(un). consideraremos lo.CONCEPTOSPcReEcVI"'O"Sc_________________ 227 -----"··-- Al ser i!t = Yt+l =Y.inio D ~ lR.Os hay otros (si la unidad es un autovalor de A). generalmente.2 son vectores de constant-es indetenninadas.¡ y /-1. si la situación constantemente igual a u*. Recuérdese que un punto de equilibrio debe satisfacer la condición: X=AX.o si tiene la propiedad de permanecer inalterable en el tiempo. del tipo x(k + 1) ~ Ax(k)" gn donde el punto de equilibrio es.'l siguientes casos: a) Sistemas homogéneos.A) = O se adoptarán como soluciones del sis- tema (45) valores dependientes de t.mic. 3 .. objeto del terna. de donde En el supuesto que (I.. de la forma: donde p. obtenemos: fj = Af} + b.. En los sistemas dinámicos discretos. 3" CONCEPTOS PREVIOS Antes de exponer las condiciones de estabilidad de los sistemas recurrentes se ha considerado oportuno recordar algunos conceptos previos para la mejor comprensión de las mismas.1..<. el origen aunque en alg¡mo..'l ca. . se dice que u• E D es Wl punto de equilibrio.

Recuérdese que en una ecuación recurrente de orden uno del tipo lln+l = f(u.A) es no singular.1 donde A= ' An donde . sea diagonalizable. Si la unidad no es un autovalor de A. siendo f una función real con dominio D ~ JR. en su caso. . al conjunto formado por los valores iniciales de las sucesiones (u. de este sistema debe satisfacer: X=AX+b. la matriz (I.AX + b.02~2~8_ _ _ _ _ _~S=ISTEMAS DE ECUACIONES RECURRENTES DE PRIMER ORDEN b} SistemaB no homogéneos. n E N. la condición inicial de estabilidad es que la matriz A. En los sistemas dinámicos discretos.2.. En el caso de inestabilidad.). entonces la única solución es: Si la unidad es nn autovalor de A puede no existir ningún punto de equilibrio o. el vector tiende a infinito. en el sistema z(k + 1) = Az(k). un número infinito. tenemos que x(k + 1). es decir: A= MAM. X.)nEN que son solución de la ecuación citada y convergen a u•. Un punto de equilibrio X de un sistema lineal de ecuaciones recurrentes es estable o asintóticamente estable si para un incremento de las condiciones iniciales la solución correspondiente tiende a X..X). Análoga conchu. Estabüidad El concepto de estabilidad en los sistemas dinámicos está definido en rela- ción al punto de equilibrio. del sistema x(k + 1) = Ax(k).. si X es un pnnto de equilibrio de la ecuación x(k + 1) = Ax(k) + b. Así.\¡ son las raíces de la ecuación característica. La condición de que x(k) tienda a X es similar a la que z(k) tienda a cero. 3. del tipo x(k + 1) ~ Ax(k) + b. homogéneos.b = A(x(k).X= Ax(k). Un punto de equilibrio.ión se obtiene de los sistemas no. se llama conjunto de es- tabilidad del punto de equilibrio u•.

(l. .Aj tenga una diagonal dominante. Recuérdese que el estudio de la estabilidad de laa soluciones de un sis- tema se centra en el análisis de las condiciones que tienen que tener las raíces de la ecuación característica.. Sin embargo. J=l .. )¡2.. del sistema. ya. a exponer un método para estudiar las condiciones de estabilidad a partir de los coeficientes a¡. exclusivamente de los valores de las raíces}¡¡.. 1 -a21 -al2' 1-a22 >O ' 1. (fila dominante) . En- tonces las condición necesaria. .au -a12 -a13 -a21 1. por lo que se va.a. . para que sean menores que la unidad en valor absoluto.. -a. n positivos tales que: n h.. .a33 1.)> Eh.a11 >O.¡ -<>n> 1 -Bnn 2) Sea a¡. sin necesidad de calcular los a. como se ha visto oon anterioridad.a.. 2:: O. CONDICIONES DE ESTABILIDAD La estabilidad o inestabilidad en el tiempo de las soluciones del sistema {34) depende.. . A continuación enumeraremoa algunas de las condiciones de estabilidad: 1} Sea a¡. es decir: 1.. el desarrollo del determinante ea bastante laborioso si el número de variables es elevado. ..:::: O (con al menos un coeficiente estrictamente positivo). y suficiente de estabilidad es que los menores complementarios de la matriz ji.obtenidas al resolver la ecuación característica.. -aa¡ -a32 1. es decir.\¡.Aj sean todos positivos.a22 -a2a >O..au 1. sean reales o. La condición necesaria y suficiente de estabilidad es que la ma- triz ji. complejas. .CONDICIONES DE ESTABIUDAD 229 4. i = 1. que todos los coe- ficientes de la diagonal principal sean positivos y existan n números k¡.utovalores aY>.au -al2 -aIn -au 1-a22 -a:m >0.

.2.2. Formamos n sumas de valores abso- lutos: n is. 4} Sea a.1 constantes arbitrarias. un conjunto de condiciones de estabilidad suficientes es que todru¡ las ls1l sean menoreb· que la unidad.ai¡) > Lhjaji (columna dominante) j=l .l = Lia~1 1.j ~ O. Esta condición es análoga. sean menores que la unidad. .. j=1. j = 1. .3) Sea a.1 .n. Un conjunto de condiciones de estabilidad suficientes es que todas las Sj definidas en el apartado anterior.2..j) sea indescomponible (o irreducible).1 >O.. . 3. .n. . donde n n cuando a.::: Una condición suficiente de estabilidad es que la matriz A = ( a. 5} Sea aij O. 6} Sean a. Formemos las n swnas: n 8i=La. .. i~l Entonces. .j 2 O. i--'1 Un conjnnto de condiciones estabilidad suficiente es que Sj no sea mayor que la unidad y al menos una de ellas sea menor que la unidad.0~_ _ _ _ _ _SISTEMAS DE E_C_V_A_C_IC?l\E_S_R_E_C_URRENTES DE PRIMER ORDEN 0 o n hi(l.ti lo que es equivalente a que: n oh¡> Lhjaii· j=l Las condiciones de estabilidad expuestas en estos apartados (1) y (2) son equivalentes. a la expresada en el punto (4).

. definida anteriormente. 4. un conjunto de condiciones suficientes es que Js..l 7 a condiciones suficientes y el 8 y 9 a condiciones necesarias. Esta condici6n es análoga a la expresada en el punto (5). El epígrafe 10 se refiere a nna condición suficiente de inestabilidad. 1. i=l 9) Una condición necesaria de estabilidad es que el determinante de A sea menor que la unidad en valor absoluto. 2 se refieren a oondiciones necesarias y suficientes de estabilidad.<0 2 1 2 1-1 2 . Veamos si cumple algunas de las condiciones de estabilidad: • Condición 1: Condición necesaria y suficiente de estabilidad es que: 1-au>O y ~1-an -a21 -a. En nuestro caso: 3 3 1 1-. 8) Una condición necesaria de estabilidad es que: n L~i <n.. Entonces.1. pero se enuncia para una mayor claridad.CONDICIONES DE ESTABILIDAD 231 7) Sean a.= --2 <0 y = . sean mayores que la unidad. los epígrafes 1.l menos una de ellas sea menor que la unidad. constantes arbitrarias y A irreducible. defini- das con anterioridad. En resumen. los numerados del 3 a. 10} Una condición suficiente de inestabilidad es que todas las s.a22 1 >o. no sea mayor que la. Ejemplo Sea el sistema homogéneo: 1 zt+l = 2Yt + Zt. -1 1 2 1-. unidad y a.J.

luego no se cumple la condición de estabilidad. SISTEMAS NO TOTALMENTE ESTABLES 5.1. en su caso.} En nuestro caso: 3 5 an + a22 = 2 + 1 = 2 > 2. Sistema homogéneo de dos ecuaciones recurrentes con dos incógnitas Aunque el procedimiento es de utilización para sistemas homogéneos de n ecuaciones con n incógnitas en este apartado nos limitaremos. denominados también condicionalmente estables. al casO de sistemas homogéneos de 2 ecuaciones con dos incógnitas. Zt+t = a21Yt + a22Zt.232 SISTEMAS DE ECUACIONES RECURRENTES DE PRJMER ORDEN luego. Es conveniente que el alumno desarrolle. como ejem- plo.¡i <n . • Condición 8: Condición necesaria de estabilidad: n ¿a. el resto de las condiciones. . no se cumplen las condiciones de estabilidad. . El procedimiento consiste en elegir entre los valores de las condiciones iniciales aquellos en los que haya un modo de asociar una o varias constantes arbitrarias a la raíz o raíces inestables. lo que implica que el sistema pueda ser considerado como inestable.¡. se caracterizan porque al menos una de las rafees de la ecuación caracterís- tica es mayor que la unidad en valor absoluto. haciéndolas tender a cero. De esta fonna se puede pasar a un sistema estable condicionado a la posición inicial. Para obviar la citada situación se arbitra un procedimiento basado en las condiciones iniciales del sistema si. Sea el sistema homogéneo definido en (38): Yt+l = anYt + a¡2Zt. como ejemplo. 5.2. Definición y metodología Este tipo de sistemas. han podido ser seleccionadas. 5.

asímismo. cuando el discriminante de la ecuación característica. Q (47) zo = O:Ct + (3(3' 1 f3'Yo.CONDICIONES DE ESTABILIDAD 233 cuya solución. que zo = YQ0: 1• 5. (49) Yo Alternativamente.a u y (3' = . es mayor que cero.ZfJ zo-<>'Yo (48) o:= {1'-o! yf. t = O. Ejemplo Sea el sistema homogéneo expuesto en el apartado 4..Jff A~. 1 Zt+l = 2Yt + zt. zt = aa' A~ + f.3. Una condición necesaria y suficiente para que f3 = O. El procedimiento consiste en conocer las relaciones que los valores ini- ciales deben satisfacer para que f3 = O.J={J.elYo= O.1: 3 Yt+l = 2Yt + Zt.De la segunda ecuación se puede obtener. es que: zo. es del tipo expresado en las fórmulas (9) Yt = o:A~ + . si suponemos que f3 = O de la primera ecuación del sistema (47) podemos determinar o: dado Yo.BA~. de donde a1 = ZO. "" Supongamos que IA1I < 1 y IA2I >l. -a. . Considerando en las fórmulas (9) el valor de la posición inicial. donde A2. obtenemos: Yo= + (3.

to=O. Condición que indirectamente se había ya calculado al obtener e/ = -1.1 = 2 y >. de donde " = "'Yo'---. La solución del sistema será de la forma: Zt (1)' = aa:' 2 + f3{3'2t = -a: ..2.¡ (1)' + 1 . . siendo . 3 Una condición necesaria y suficiente para que {3 = O. sabiendo que a' = zo/Yo· Bajo esta relación el sistema dado será.¡f32t.2 = 2.2(!10 + zo) . 3 ..234 SISTEMAS DE ECUACIONES RECURRENTES DE PRIMER ORDEN cuya ecuación característica es: 1 que tiene por raíces >.a u = ~.2=zoo: Y fl. es que Yo+. a12 2 "" Considerando la posición inicial del sistema obtenemos: 1AJ =a +{3. estable condicionado a que: yo+zo=O. a= Á¡ -a¡¡ =- 1 Y {3' = >.

sin necesidad de calcular los autovalores obtenido~! a partir de las raíces de la ecuación característica. Madrid. ~da edición. La metodología ha sido la de inicialmente resolver sistemas de ecua- ciones recurrentes de primer orden de doe ecuaciones con dos incógnitas para pasar a continuación a sistemas más complicados. fundamentalmente. C. así como otras propiedades de los espacios vectoriales. PRIETO. Cours de Mathémat. las que hacen referencia a la reducción de matrices. se ha abordado el tema de loe sistemas homogéneos no t~ talmente estables. Para la resolución de estos sistemas se han utilizado diversos métodos encaminados a encontrar sistemas equivalentes más sencillos. También.8S. para el caso de dos ecuaciones con dos incógnitas. G. algunas definidas en este capítulo sobre las ecuaciones recurrentes. • P. del sistema homogéneo y de las soluciones particulares. En este sen~ tido. North Holland.matica1 Methods in Eco. 1996. se han utilizado transformaciones matriciales. debe aclarar la teoría expuesta sobre estos temas. París.A. Asimismo.iSII1. Économica. me- diante ejemploe. tanto para el sistema homogéneo como de las soluciones particulares. 1999.iques pour Économistes. Se han utilizado diversas definiciones y propiedades. BIBLIOGRAFÍA • G. . como son los casos de puntos de equilibrio y de estabilidad..RESUMEN 235 RESUMEN El contenido de este capítulo hace referencia a la resolución de algunos tipos de sistemas lineales de ecuaciones recurrentes. 1989. 1979.E.nomic Dynamics. GANDOLFO. Mathe. En el capítulo se enumeran diversos criterios para determinar las con- diciones de estabilidad de las soluciones de los sistemas de ecuaciones recu- rrentes.R. MICHEL. La resolución. eX- poniendo un procedimiento de resolución de las m. • D. Lecciones Elementales de Álgebra Lineal para Economfa y Empresa. • E. Introduction to Dynamic Systems. LUENBERGER. se han desarrollado métodos de resolución de sistemaB de n ecuaciones recurrentes de primer grado con n incógnitas. segunda edición.

y Empresa.). Madrid.E. 1988. (Teorfa..A. Economfa.R.. C.236 SISTEMAS DE ECUACIONES RECURRENTES DE PRIMER ORDEN • E. Matemáticas l. . PRIETO et al.

es decir ecuaciones diferenciales..Sistemas de ecuaciones diferenciales lineales de primer orden Javier Sanz Pérez INTRODUCCIÓN En la modelización de problemas económicos. Cuando las funciones g1.gn de (1) son iguales a cero el sistema . . . por lo que los modelos matemáticos necesitan de la resolución de sistemas de ecuaciones diferenciales. Además. diferentes varia- bles económicas y sus derivadas se suelen relacionar entre sí. la formulación matemática utiliza frecuentemente ecuaciones que involucran a variables económicas y sus derivadas. .

. y. EJEMPLO l. ..(t) + · · · +alnYn(t) + g¡(t).(t). el siguiente e~~ un sistema homogéneo: y.(t) = y¡(t) + y. Yn(t) ~ a.. Unn sean constantes reales.(t) ~ a21 y 1(t) + any2(t) + · · · + a2. y~(t)= YI(t)-6y:¡(t)+2y3(t)+6.(t) + g 2 (t). En este capítulo nos centraremos en la resolución de sistemas de ecua- ciones diferenciales donde las funciones an.(t) + ""'"'(t) + ..y.(t). todos ellos con coeficientes constantes: y~ (t) = y~(t) = -3y1(t) + 2y2(t) +3y3(t)..(t).y.(t) = 3y.y. ¡J.238 SISTEMAS DE ECUACIONES DIFERENCIALES Ll~EALES DE PRIMCR ORDEN recibe el nombre de homogéneo. + OnnYn(t) + Yn(t). en cualquier otro caso se habla de sistema no homogéneo.sen t. Nota bene.(t) ~ any¡(t) + a. los llamados sistemas de ecuaciones diferenciales lineales de primer orden con coeficientes constantes: ¡/.. El sistema (1) es de 'primer orden' pues sólo aparecen en él derivadas primeras y es 'lineal' pues cada ecuación diferencial del sistema es lineal en Yl•··· 1 Yn· 6.y.ren- cial~ lineales de primer orden. . A continuación recogemos varios sistemas de ecuaciones diff'.

. 1.. Método de reducción Un primer método para resolver el sistema (3) consiste en reducirlo a una única ecuación en la que aparezca aolamente una función desconocida.. para la resolu- ción del sistema (2) debemos calcular previamente dos cosas: una solución particular y la solución general del sistema homogéneo.it. De M:uerdo con el resultado de la proposición anterior. Comenc. (2) z'(t) ~ a¡¡y(t) + a¡.a22 son constantes reales.SISTEMAS DE ECUACIONES DIFERENCIALES 2X2 239 l. donde los coeficientes au. Proposición l.-y(t).1.1..1.z(t) + g¡(t). despejamos z en la primera ccuacíón: 1 1 an z(t) ~-y (t).. (4) a12 a12 . . &soluci6n del sistema homogéneo Consideremos el sistema homogéneo: y'(t) ~ a¡¡y(t) + a12z(t). . Esta reducción es siempre posible mediante las siguientes transfonnaeionn. donde los coeficientes a11. SISTEMAS DE ECUACIONES DIFERENCIALES 2x2 Un sistema de ecuaciones diferenciales lineal de primer orden 2x2 viene dado por: y'(t) = auy(t) + a¡zz(t) + g 1 (t). si la constante an es cJ. . A continuación pasamos a comentar los métodos de resolución más usuales para este tipo de sistemas. La solución general del sistema de ecuaciones diferen- ciales (2) se obtiene swnando a lUla solución particular la solución general del sistema homogéneo (el que resulta de hacer g 1 y 92 igual a cero). a22 son constantes reales y g¡.ltinta de cero. por ejemplo. 92 funciones reales de variable real. 1. (3) z 1(t) = azty(t) + az2z(t).emos ex- plicando la resolución del sistema homogéneo.

con lo que obtendríamos y.(a u+ a22)y'(t). = a2rY (t ) + - a22y'(t ) . entonces a2 1 debe ser distinto de cero y se seguirían los mismos pasos despejaudo en este caso y en la segunda ecuación del sistema.240 SISTEMAS DE ECUACIONES DIFERENCIALES LINEALES DE PRIMER ORDEK y derivando. en caso contrario no habrfa relación entre las funciones que aparecen en el sistema y se podría resolver cada ecuación por separado. Pasemos a calcular la solución general del sistema (3) en función de los valores de las raíces A¡ y A2. El cálculo de la solución general de la ecuación diferencial (6) se realiza a partir de su ecuación característica: (7) Denotemos por A1 y >. (6) De este modo. se tiene: auy'( t ) -1y"( t ) . iguales y reales o complejas (conjugadas).y''(t). ana22 . Nota bene. obtenemos: 1 z'(t) = . Si a 12 es igual a cero. .ana22)y(t) =O." 11 ¡/(t). a12 a12 a12 a12 o lo que es lo mismo: y"(t). la solución general de la ecuación diferencial (6) es: (8) donde q y c2 son constantes reales arbitrarias.(ar2a21.2 las raíces de la ecuación anterior. entonces a2 1 debe ser distinto de cero.. (5) llt2 llt2 de manera que sustituyendo (4) y (5) en la segunda ecuación del sistema homogéneo (3). i) Raíces reales distintas En este caso. En el supuesto de que a 12 sea igual a cero. estas raíces podrán ser reales y distintas. que ya sabemos resolver.y () t . D. para obtener z solamente habría que sustituir el valor de y junto al de y' en la ecuación (4).. conseguimos una ecuación diferencial lineal de segundo or- den.

1. obtenemos: (9) con lo que sustituyendo (8) y (9) en (4). (ct + c2t) =e .[c2 + >.SISTEMAS DE ECUACIONES DIFERENCIALES 2X2 241 Derivando la expresión anterior.'t +>. hemos obtenido con (8) y (10) la solución general del sistema homogéneo (3).'t. t cte 1 + Á2. >. ii) Raíces reales iguales Si las raíces son reales e iguales: >.'t. luego la igualdad anterior queda: t z () = [ (a22-an)c1+2c2 2a12 + a22-a11 2 e2t a12 l .•(ct +c2t)e>.e1 + e2t)] . hemos obtenido con (11) y (13) la solución general del sistema homogéneo (3). 1 t _ anc2 e>..1 = >.t)e'''. (13) De este modo..2 = >. 1t + A2c2 e>.. e . a11 ( a12 a12 es decir: Ahora bien. se tiene: z(t) = ÁtCt e>.~t)]e>.•(el + &.• = !(an + a22).au >.au (e 1 + e2t)e>. a12 a12 a12 a12 y agrupando términos: z (') = Át. . (12) Sustituyendo ahora (11) y (12) en (4) 1 se tiene: z(t) = ..'t a12 a12 >'t [c2 + ).•. la solución para y es: y(t) ~ (c1 + c. 2 t (10) a12 a12 De este modo.au e2e >.2t.2t _ auct e>. (11) y derivando obtenemos: y'(t) = e2e>.

2. tenem01>: z(t) ~ -y'(t) + 2y(t). Ejemplos A continuación se recogen varios ejemplos de resolución de sistemas de ecuaciones diferenciales homogéneos mediante el método de reducción. Resolver el sistema homogéneo: y'(t) ~ 2y(t).Oc¡ senut a12 11 l .2 = a . obtenemos: "" -a u eo:t(c¡ cos(}t + c2 sen Ot) + 012 ' y reordenando términos: z (t ) =e"'[(o. 1. (16) De este modo. EJEMPLO 2.i8. (17) z'(t) ~ 3z(t). resulta: z'(t) = -¡/'(t) +2y'(t). (18) y derivando.an)cz.1. Sustituyendo (14) y (15) en {4).1 = a+ iO y >.a11 )c¡ a12 + Oc2 cosvt+ n (a. hemos obtenido con (14) y (16) la solución general del sistema homogéneo (3). es decir: >.Oct) sen Ot]. (19) .242 SISTEMAS DE ECUACIONES DIFERENCIALES LINEALES DE PRIMER ORDEN üi) Raíces complejas Si las raíces son complejas.z(t). Deepejando z en la primera ecuación. entonces: (14) de donde 1/(t) = ae'10t(c1 cos8t +e¿ sen Ot) + eo:t( -8c1 sen 8t + 8c2 cos8t) (15) = eat[( oc¡ + Ocz) cos Ot + (acz .

(22) Sustituyendo ahora (21) y {22) en la segunda ecuación del sistema (20). (20) ''(t) ~ -4y(t). 3-2 3t 2-2 z(t) = ----=-lc1e 2t 3t + ---=¡-c2e =-e¡ e . su ecuación característica es: >.. (21) y derivando. 5A+ 6 =O. • EJEMPlO 3.3y'(t).5y'(t) + 6y(t) ~o. 2A+ 1 =0. de acuerdo con (8) y (10). se tiene: -y"(t) + 2y'(t) ~ 3(-y'(t) + 2y(t)). con lo que la solución del sistema homogéneo (17).2y' (t) + y(t) = O. que ya sabemos resolver. y sus raíces: A1 = 3. 2 . Resolver el sistema homogéneo: y'(t) ~ 3y(t) + '(t). tenemos: .2 = 2. su ecuación característica es: >. se tiene: y"(t). que ya _sa"?elll08 resolver.3y(t).SISTEMAS DE ECCACIONES DIFERENCIALES 2X2 243 Sustituyendo ahora (18) y (19) en la segunda ecuación del sistema (17). 2 . siendo c1 y c2 constantes reales arbitrarias.(y'(t). .3y'(t) ~ -4y(t).3y(t)). es: y(t)=c1e 3t+c2e 21 .¡1) ~ y'(t).z(t).. con lo que obtenemos la ecuación diferencial: y"(t). >. resulta: z'(t) = y"(t). Despejando z en la primera ecuación. (23) con lo que obteneiil06 la ecuación diferencial: y"(t) .

es: siendo Ct y c2 constantes reales arbitrarias.244 SISTEMAS DE ECUACIONES DIFERENCIALES LI:-. se tiene: -~y"(t) + ~y'(t) ~ 5y(t). y sus raíces: At = 3i. • EJEMPLO 4. tenemos: z(t) ~ -~y'(t) + ~y(t). Resolver el sistema homogéneo: y'(t) ~ y(t). de acuerdo con (11) y (13). su ecuación característica es: >.2z(t).IEALES DE PRIMER ORDEN y sus raíces: >...t = >. con lo que obtenemos la ecuación diferencial: que ya sabemos resolver. • . resulta: z'(t) = -~y 11 (t) + ~y 1 (t).2 = 1. (25) y derivando. es: y(t) = c1 cos3t + c2 sen 3t.~y'(t) + ~y(t)). 2 +9=0. -el + 3c2 -c2 . (24) z'(t) ~ 5y(t).(. con lo que la solución del sistema homogéneo (20).3ct z(t) = cos3t+ sen3t. (26) Sustituyendo ahora (25) y (26) en la segunda ecuación del sistema (24). 2 2 siendo c 1 y c2 constantes reale. con lo que la solución del sistema homogéneo (24). A2 = -3i...s arbitrarias. de acuerdo con (14) y (16).*l· Despejando z en la primera ecuación.

>. a21 a12 a22 . (27) z'(t) ~ a 21 y(t) + a22z(t). El sistema anterior tiene como solución trivial: V}= Ü> V2 = 0.9.t. v2>. Otro método de resolución es el 'método directo> que consiste en intentar directamente como soluciones del sistema las funciones: y(t) = v 1 ét> (28) z(t) = v2e>. 1 a22 son constantes reales. Como sabe- mos.>.t + a22v2e>. De este modo> las funciones que hemos considerado serán soluciones del sistema homogéneo (27) si y sólo si: {a u .t = auv¡e>. donde los coeficientes a u> .)v2] =O.>.)v¡ + a¡2V2 = 0> (30) a21v1 + (a22.e>. de donde eAt[(au.t = a21 Vt e>. Sustituyendo (28) en {27)> se tiene: Vt>.).e>..)vi+ a12v2] = 0> (29) e>.>. Método directo Consideremos de nuevo el sistema homogéneo: ¡/(t) ~ auy(t) + a12z(t). I=O.t..SISTEMAS DE ECUACIONES DIFERENCIALES 2X1 245 1.1.t. 1 o lo que es lo mismo: .t + a12v2e>. que debemos excluir de acuerdo con las condiciones de partida. para encontrar las soluciones no triviales de un sistema homogéneo debe verificarse que su determinante asociad> sea igual a cero: au->.t[a21v1 + (a22.)v2 =O. donde Vt y t12 son constantes reales no idénticamente nulas.

1 y >. ea decir: con lo que . entonces tendremos dos soluciones para el sistema (30).246 SISTEMAS DE ECUACIONES DIFERENCIALES LINEALES DE PRIMER ORDEN es decir: (31) La. a partir de la p:rimera ecuación del sistema se tiene: (1) _ >. 1 .. .2 de (31) son reales y distintas.1 es raíz de la ecuación característica. v~2 )) la obtenida para >. tenemos: (32) Si tomamos v~ 1 ) = 1. Igual que en el primer método. = >.1 . De acuerdo con la segunda ecuación del siet. l::. lógico pues el valor de >. debe ser el mismo independientemente del método elegido para resolver el sistema de ecuaciones diferenciales. pasamos a calcular la solución general del sistema homogéneo (27) en función de los valores de las raíces >. ecuación anterior recibe el nombre de ecuaci6n característica del sistema de ecuaciones diferenciales homogéneo (27). ahora bien este valor coincide con (33) pues >. Para la raíz >. i) Raíces reales distintas Supongamos que las raíces >. una para cada valor de>. Nota bene.2. Denotemos por (v~l). (33) "" Nota bene.~).1 y >.au v.ema: v~l) = «21/(A¡.«2:. 1 1 y por (v~ 2 ).2 de (31). La ecuación es la misma que la obtenida en {7).v~ )) la solución obtenida para >.

z(t) = C¡V~l)e). En el caso de raíces reales distintas. e.2t. ..' t + c2e.l. ~ >. e~.l. las obtenidas con el primer método de resolución.z: donde los valores v~l). ' . Sustituyendo ahora el valor obtenido para cada v~j). 1 es: y la obtenida con >.n ... v~ ) son los calculados anteriormente. 2 Combinando linealmente estas soluciones con constantes arbitrarias obtenemos la soluci6n general del sistema (27): y(t) = C¡V~l)eA¡t + 0." t + c 2 e>..O. la solución del sistema también suele escribirse en la forma equivalente: y(t) = c 1 e.Sc2cXc2~-----. 247 De manera similar para>.SISTEMAS DE ECUACIONES DlFERENCIALE.1V~Z)eA2t. 1 t + C2V~ )e.1 .\ 2 t. .2. tenemos: eoluciones similares como es lógico a (8) y (10).= >.. Nota. dond4"1 las constantes arbitrarias c1 .. la solución obtenida para el sistema (27) con >. z( t) = eJ..~t. fijando v~ 2 ) = 1. 2 donde los valores e¡ y cz son constantes reales arbitrarias. cz. ). c2 vienen dadas por las rela- ciooes: . ''"a.-' (34) "" . obtenemos: En resumen. _! ..

.'t.*. las ecuaciones anteriores se verifican para cualquier t si y sólo si: ex·- an)c2. resulta: (A*r.a21c2]t + [(>.\*.*.2 + >.a22)c.*.a21ct] =O. (>. (36) z'(t) = (A*c~ + d2 + A*cít)e>.an)c~ + cí.a12cí]t + [(>. y sustituyendo (35) y (36) en (27).an)€2.a11)c¡ + c2 el.n(ci + c2t)e>. se tiene: [(>. (37) a¡. entonces intentarnos corno soluciones: y(t) =(el+ c2t)el.'t = an(ct + c2t)e>.t + r.a22)~.] =O. (35) z(t) =(e'¡+ ~t)e>.*d1 + ¿2 + .'t.a12c.'t. ' (38) a¡2 (39) (40) . En consecuencia: . (>.'t = a:.*. Ahora bien. e.au)ct + c2. Derivando (35).a21c2 =O.* -an)c¡ +c2 -a12d1 =O. obtenernos: y'(t) =(A* e¡+ c2 + A*c2t)e>.a21c1 =O. (>. que siempre es distinto de cero. (>.'t. + cít)e>.a22)c2..'t + a 1 2(c~ + d:zt)é't.'t. + cí.\*-a11 <--:2 = 82.at2CÍ =o. [(>.1 .*.*. donde los valores C1. Dividiendo ahora por e>.\*cít)e>.'t..'t + a22(c.*c2t)e>. y~ son constantes reales arbitrarias. _1 _ (. c2.248 SISTEMAS DE ECUACIONES DIFERENCIALES LIKEALES DE PRIMER ORDEN ii) Raíces reales iguales Si las raíces de la ecuación caracterífltica son reales e iguales: A¡= A2 =A*... y orde· nando la expresión resultante.

b2)i = c2. se infiere: y como ). es decir: .)i "'" et] (42) = eat(c1 cos ()t + c:2 sen Ot).. obtenemos: soluciones similares como es lógico a (11) y (13). resulta: -(A*. de las igual- dades (41) y (37).i(). En resumen. iii) Raíces complejas Si las raíces de la ecuación earacterística son complejas.\* = (a 11 + an)/2. .\1 =a+ iO y . se tiene: y(t) = eat [b1 cos()t + btisen Ot + ~ cos ()t. es decir se cumple. las obtenidas con el primer método de resolución.• es raíz de la ecuación característica.a 11 ) = x•. .\2 =a..• es raíz doble de la ecuación característica. entonces obtenemos como soluciones: donde b1 y b2 son constantes arbitrarias. utilizando (37) y (38) para expresar cí y e~ en ftmción de Ct y c2. con lo que: (41) y por tanto (37) coincide con (39).a22. Si denotamos (bt + ~)::: c1 y (bt.SISTEMAS DE ECUACIONJ::S DIFERENCIALES 2X2 249 Pero ). y sustituyendo en (35). + b.~i sen ()tj ~ e"' [(b. con lo que (38) coincide con (10).b.) co. Por otro lado.et + (b.

Al ser distintas. La ecuación característica del sistema. de acuerdo con (31). 2 t + c~é 1 . la solución general del sistema (44) viene dada por: y(t) = c1 e.250 SISTEMAS DE ECUACIONES DIFERENCIALES LINEALES DE PRIMER ORDEN y por otro lado: z( t) = é"t [ (a-:~~)+il1 (bt cos Ot + ib1 sen Ot)+ + (a-:~~}-W (b2 cos Ot ~ ib2 sen (Jt)] = e ca [ (a-aH)(bt ~~!)+iO{b¡ -6:!) cos Ot+ + (a-au)(b¡ ~~~)+il1(bt +lr. hemos obtenido con ( 42) y ( 43) la solución general del sistema homogéneo (27). EJEMPLO 5.-all "" De este modo. donde los valores e~ y e~ vienen dados.!)i sen Ot] (43) = ec. ). y sus raíces: ). Ejemplos A continuación se recogen varios ejemplos de resolución de sistemas de ecuaciones diferenciales homogéneos.(t). 2 -4>. (44) . por: 1 -2.'(t) ~ 5y(t) + 3'(t).-12=0.1 e1 = . 3 . .2 = 6. de acuerdo con (34).t [<a-an}(b¡+bz)+l1(b¡-b2)i cos()t+ "" )(b¡-b2)i+i2l1(b¡ H2) sen (}t] + (c.mediante el método directo. 1. soluciones similares como es lógico a (14) y (16). es igual a: >. z(t) = cie.2 t +c2ét.4. Resolver el sistema homogéneo: y'(t) ~ y(t) +3.1 = -2. las obtenidas con el primer método de resolución.c l = -e1.1.

.\+4=0.. y sus raíces: .*). donde los valores e.(c 1 . y sus raíces: ). la solución general es: y(t)=(c 1 +c2t)e 2t.\2 = -i. (45) ''(t) ~ y(t) +z(t). es igual a: 2 . la solución general es: y(t) = Cte-2t +c2e6t. es igual a: 2 . de acuerdo con {37) y (38). con lo que la solución general del sistema homogéneo (46).(t). de acuerdo con (42) y (43). c1 = 1 = Ct. Resolver el sistema homogéneo: y'(t) ~ _. donde l01> valores Ct y c2 son constantes reales arbitrarias.\2 = 2. donde los valores c1 y c2 son constantes reales arbitrarias. z(t) =(e~ . • EJEMPLO 6. de acuerdo con (31). Al ser iguales. .c2 )t]e2 t.¡ = i. • . 2-3 .\ -4. • EJEMPLO 7. La ecuación característica del sistema. y c2 vienen dados. la solución general del sistema (45) viene dada por: y(t) = (c 1 + c2 t)e 21 . c!Jt)e 2 t. z(t) = -c2cost+c1sent. es: y(t) = c1 cost + c2 sen t. Resolver el sistema homogéneo: y'(t) ~ 3y(t). En conclusión. por: . (2-3)ct+c 2 c2 = -:::-¡-c2 = C¿.c2.\¡ = . de acuerdo con (31).. La ecuación característica del sistema.SISTEMAS DE ECUACIONES DIFERENCIALES 2Xl 251 En conclusión.. z(t) = -c¡e-2t + ic2e6t.\ +1=0. (46) z'(t) ~ y(t). z(t) = [c 2 . donde los valores c1 y c2 son constantes reales arbitrarias.

En las secciones anteriores hemos estudiado el cálculo de la solución general del sistema homogéneo. ahora debemos encontrar una solución par- ticular del sistema no homogéneo (47). (47) z'(t) ~ a. Como solución particular intentamos: f}(t) = Wt 1 i(t) = W2. Solucí6n particular Consideremos el sistema de ecuaciones diferenciales lineal de primer or- den 2x2: y'(t) ~ any(t) + auz(t) + g1 (t). pág. any(t) (48) z (t) = a21y(t) + a. sustituyendo en el sis- tema (48) y reordenando las ecuaciones. De acuerdo con la proposición 1 (cf. 1 siendo b1 y b:J constantes reales. 1 y(t) + a22 z(t) + gz(t). se tiene: anw¡ + a12w2 = -b¡. donde w¡ y w2 son constantes reales a determinar. 239). ilustraremos el método en llll sistema donde las fun- ciones 9 1 y 92 sean constantes. Para simplificar.z(t) + b¡. para ello utilizaremos el método de coeficientes indeterminados.2. z. con lo que: (50) . es decir: y'(t) ~ + a1 . Denotemos la solución particular del sistema anterior mediante barras: y. la solución general del sistema de ecuaciones diferenciales (47) se obtiene sumando a nna solu- ción particular la solución general del sistema homogéneo correspondiente (el que resulta de hacer 91 y fJ2 igual a cero).252 SISTEMAS DE ECUACIONES DIFERENCIALES LINEALES DE PRIMER ORDEN 1. (49) a21w1 + a22w2 = -~.nz(t) + b2.

EJEMPLO 8..w22 son constantes reales a determÍn8I'. la solución general del sistema (51) será la suma de ambas. cuya ecuación característica. 1 z(t) = [(c1 donde los valores c1 y c2 son constantes reales 8I'bítrarias.. luego la solución general del sistema homogéneo (52) viene dada por: y(t) = (c1 + c2t)é. (52) •'(t) ~ y(t). no homogéneo (51) usamos el método de coeficientes indetermínadoo.c2) + c2t]e . . ••• . tiene como raíces: >. + 1 =0. l a21 a22 e intentaríamos como solución partícul8I': donde w11 .SISTEMAS DE ECUACIONES DIFERENCIALES 2X2 253 Nota bene. es decir ensa. A2 . Resolver el sistema: y'(t) ~ 2y(t).. Z(t) = w 2 .a12a21 = 0. entonces: aua121 = aua22.•(t). ii) Solución partícul8I' Para calcular una solución particular del sistema. 2>.1 = A2 = 1.yamoo como solución del sistema: jj(t) = W¡. Para su resolución calculamos la solución genera.! del sistema homogéneo y una solución p8XtÍcular del sistema no homogéneo. Sí el sistema (49) no es compatible determinado. í) Resolución del sistema homogéneo El sistema homogéneo es: y'(t) ~ 2y(t).¡t) + 1. (51) •'(t) ~ y(t) -l. (53) .

• Finalmente) la determinación de las constantes c1 y c2 que aparecen en la solución general del sistema de ecuaciones . El problema de valor inicial admite una única solución: para cada YrJ. zo existe una única solución con y(to) = 1J0 1 z(to) = zo. 1::. y por tanto: y(t) ~ 1. normahnente t = O (de ahí el nombre de condiciones iniciales). las denominadas conr diciones iniciales. Sustituyendo en el sis- tema (51). donde los valores e1 y ez son constantes reales arbitrarias. es decir: y(t) =(el+ czt)et + 1.diferenciales requiere del conocimiento de una serie de condiciones adicionales. '(') ~ 3.Cz) + Czt]e 1+ 3. W1 = 1. z(t) = [(el . que indican el valor de las funciones y) z del sistema en un determinado momento. .254 SISTEMAS DE ECUACIONES DIFERENCIALES LINEALES DE PRIMER ORDEN donde w1 y w2 son constantes reales a determinar. se tiene: 2w1-Wz = -1. Nota. (54) iii) Solución general del sistema La solución general del sistema (51) será la suma de (53) y (54).

resulta: y(O) = 2. • 2. . Resolver el problema de valor inicial: y'(t) ~ 2y(t). Este sistema de ecuaciones diferenciales coindice con el resuelto en el ejemplo 8. . SISTEMA DE ECUACIONES DIFERENCIALES nxn Un sistema de ecuaciones diferenciales lineal de primer orden nxn viene dado por: ¡/¡(t) ~ au(t)y.SISTEMA DE ECUACIONES DIFERENCIALE S~N~X~N.__ __ 0 255 EJEMPLO 9. z(t) =[(e¡ . 9n son iguales a cero el sistema recibe el nombre de homogéneo. . En conclusión.. donde a11. (55) y(O) ~ 2.(t) + D.. con lo que su solución general es: y(t) = (e¡ + c2t)ee + 1. .Yn· 6. .(t).(t)y. Nota bene. Sustituyendo las condiciones iniciales en la solución obtenida. luego 0=c 1 -c2+3~c2=4.c2) + c2t]é + 3. ''(t) ~ y(t) -1. luego 2= Ct + 1 => Ct = 1. Cuan- do las funciones 91.nn(t)yn(t) + 9n(t).(0) ~O.. en cualquier otro caso se habla de sistema no homogéneo.. . (56) ¡/n(t) ~ an. El sistema (56) es de 'primer orden' pues sólo aparecen en él derivadas primeras y es 'lineal' pues cada ecuación diferencial del sistema es lineal en y¡.(t) ~ a..(t) +a.n2(!)1J2(!) + · · · + D. ¡/.(t)y¡(t) + a22(t)112(t) + · · · + 02n(t)yn(t) + g. 9n son funciones reales de variable real. . ann y 91. ..(t)112(t) + · · · + a. la solución general del problema de valor inicial (55) es: y(t) = (1 + 4t)et + 1. con c 1 y c2 constantes reales arbitrarias.. . z(t) = !-3 + 4tjé + 3..n(t)yn(t) + g.(t). z(O)=O.'(') + 1.. .

) a.. si denotamos: y. (58) EJEMPLO 10.'! de ecuaciones diferen- ciales 3x3: el siguiente es un sistema homogéneo: . +alnYn(t) + g¡(t).. G(t) ~ g. ann son constantes reales. . YÍ(t) = a21Y1(t) + a22Y2(t) + · · · + U2nYn(t) + 92(l). (t) Y2(t) au a.y..(t) Y(t) ~ Yn(t) A~ C' .(t) entonces el sistema (57) puede expresarse de la forma: Y'(t) ~ AY(t) + G(t).. a. A continuación recogemos varios sistema. g. g.i diferenciales de primer orden con coeficíentes constantes: Jh(t) = anYI(t) + a12Y2(t) + · .(t) + a. a. Antes de analizar los métodos de resolución de este tipo de sistemas es conveniente su representación en notación matricial.. .m(t) + · · · + annYn(t) + Yn(t).. (57) y~(t) ~ an. a. ann . (t) a. .256 SISTEMAS DE ECL'ACIOJ\ES DIFERENCIALES LINEALES DE PRIMER ORDEN Recuerde que en este capítulo nos centramos en la resolución de sistemas de ecuaciones diferenciales donde an. los lla- mados sistemas de ecuacione...

257 EJEMPlO 11. Consideremos el sistema de ecuaciones diferenciales: YW) = -Y1 (t) + Y2(t). es decir. (59) ( 3 -1 Comprobemoo que las siguientes matrices columna: son soluciones del sistema (59). en notación matricial: ~ -1 Y'(t) ~ : :) Y(t). Se verifica: (60) y por otro lado: .SISTEMA OE ECUACIONES DIFERENCIALES NXN _ _ _ _ __. y2{t) = Y1 (t) + 2y2( t) + YJ( t).y3(t). y3(t) = Jy2(t).

... . y por tanto la ecuación (62) puede escribirse de la forma: a.258 SISTEMAS DE ECUACIONES DIFERENCIALES LINEALES DE PRIMER ORDEN En consecuencia.. Demostración. _.a. Si definimos un conjunto de nuevliS variables Yt. a 11 .y<•-'(t) + · ·· + .__.Q..1Jn-I de ma- nera que: y'= Yt. M.(t).. " ao ao ao ao ao con lo que obtenemos el sistema: Y'(t) ~ AY(t) + G(t).-1> entonces 71~-l =y(". Yt =712... se comprueba que Z2(t) y Z3(t) son también soluciones del sistema (59).a. se tiene: y en conclusión: Z1 (t) es solución de (59).y<•-'(t) + a..(t).-2 o o o 1 o =<!& ~ -<>ft-2 .y'(t) + a._ 1/n.-y.-2 =Yn. . !1.. de (60) y (61)...y(t) ~ g(t). Razonando de manera análoga. (63) donde: y o 1 o o o o o 1 o o Y(t) ~ "' A~ G(t) ~ Yn.(t) ~ --y(t)... • Proposición 2. ..(t) g(t) +.-1 •• •• •• ""'" ~ ~ c. puede ser reducida a la forma (58). .-1 a2 a1 -y. son constantes reales y g una función real de variable real. (62) donde ao._. _. Thda ecuación dikrencial lineal de orden n: aov'"(t) + a.D. ..

5>. Así.J:CIALES NXN 259 Nota bene.3. (64) Su ecuación característica es: >.2. y sus raíces: con lo que la solución general de (64) es igual a: y(t) = c1 + Cze-c + c3é 1. c 2 . de manera que: 1 Y =Y1.4>. Si definimos un <:onjunto de nuevas variables y 1 . con c1 . entonces: :. y viceversa.5y'(t) =o. y por tanto la ecuación (64) puede escribirse de la forma: . ) será la solución general de (63). entonces Y2 =y"'. =o. si la solución general que conocemos es la del sistema (63): entonces su primer término: Yt. será la solución general de (62).SISTEMA DJ:: ECUACIONES DIFERE:-. Apliquemos el resultado de la proposición anterior en la ecuación diferen- cial (64). si y es la solución general de (62). ( y(~-> Y recíprocamente. Y2.4y 11 (t). Yi = Y2. ConBideremos la ecuación diferencial lineal de orden 3: y 11'(t). EJEMPLO 12. La importancia de este resultado radica en el hecho de que las soluciones se transmiten de (62) a (63). c3 constantes reales arbitrarias.

)'= Z'.Y.c2.Y.Yp es una solución del sistema homogéneo y Z = Y+ Yp. (-:) .+ G) = A(Z.. c2. 256). Se verifica: Z . El primer término de la solución general del sistema (65) es la solución general de la ecuación diferencial inicial (64). donde Yp es una solución particular de (66). 6.Q. C. ca constantes reales arbitrarias. Recíprocamente. =AY+ (AYP + G) = A(Y + YP) + G. Proposición 3. pág. m+o. sea Y una solución arbitraria del sistema homogéneo. Demostración.D. ca constantes reales arbitrarias.260 SISTEMAS DE ECUACIONES DIFERENCIALES LINEALES DE PRIMER ORDEN con lo que obtenemos el sistema: Y'(t) = AY(t) + G(t). (66) donde se sigue la notación reseñada al inicio de la sección (cf.Yp es una solución del sistema homogéneo. G(t) =m Puesto que la solución general de la ecuación diferencial (64) "es: y(t) = c1 + c2e-t + cae5 t. De acuerdo con el resultado de la proposición anterior. la solución general del sistema (65) será.(.= (AZ + G) -(AY. En efecto: (Z. solución general del sistema homo- géneo (el que resulta de hacer G igual a cero: G = 0). Sea Z una solución arbitraria de (66). En consecuencia: Y = Z. Se verifica: Y+ Yp es una solución de (66). para la resolución del sistema (66) debemos calcular previamente d06 cosas: una solución particular y la solución general del sistema homogéneo. de acuerdo con la proposición 2: Y(t) =o.) é'. (65) donde: o o) Y(t) = ( : ) .).-• +o. Así es: (Y+ Yp)' =Y'+ v. . Consideremos el sistema de ecuaciones diferenciales Y'(t) = AY(t) +G(t). con c 1 . La solución general del sistema de ecuaciones diferenciales (66) se obtiene sumando a una solución particular la. siendo c1 . • Nota bene. A= (o 1 O O 1 5 4 . Comencemos explicando la resolución del sistema homogéneo.Y.

.(t) = AZi.. . Si Z 1 (t). .. eiJionces: c 1 Z¡(t) + · ·· + CnZn(t) es también una solución del sistema.1. 257): -1 ~) Y(t). S'i Z 1 ( t).n}..Q. C. pág.Z. Re verifica la siguiente cadena de ignaldades: (c 1 Z 1 (t) + .. En conclusión: CtZt(t) + · · · + cnZ. . Proposición 4.Z~(t) = C¡AZ ¡(t)+ ·'' + CnAZn(t) = A(c¡Zt(t) + .. ...(t) ~ l:11) é'. Cn constantes reales arbitrarias.(t))' = c 1 Z. EJEMPLO 13.(t) es solución del sistema (67). Consideremos el si~tema de ecuaciones diferenciales del ejemplo 11 (cf. .. Resolución del si.. para i E {1. 1 Y'(t) ~ ~ 2 (68) ( 3 -l Comprobemos qne es solución del sistema anterior la matriz columna: donde z. -.SISTEMA DE ECUACIONES DIFERENCIALES NXN 261 2.. + c. . para c 11 ••• ... + c...D.Btema homogéneo Con~ideremos el sistema homogéneo: Y'(t) ~ AY(t).. Zn ( t) son soluciones arbitrarias del sistema anterior. . y por tanto. Demostr<Jción. (t) + . n). (67) donde A es una matriz real de orden (n.-cnZn(t)).Zn(t) son soluciones de (67): z.

.+ C~) ·-". • De acuerdo con la propooición 4. El número n de soluciones en un conjunto fundamental debe ser exactamente igual al orden de la matriz A del sistema.262 SISTEMAS DE ECUACIONES DIFERENCIALBS LINEALES DE PRIMER ORDEN Se verifica: (Z. m.(t) +Zs(t))' ~ A(Z. se tiene: (Z.z. nuestro objetivo ahora será determinar una base del mismo.(t) + Z3(t))' ~ Zi(t). 6. de (69) y (70).(t). Nota bene.Z.(t) +Zs(t)).Z2(t) + Zj(t) ~ U). . y en conclusión: (Z1 (t). (69) y por otro lado: {70) En consecuencia.-·.Z. el conjunto de soluciones de un sistema de ecuaciones diferenciales homogéneo es un espacio vectorial.(t).(t).Z 2 (t) + Z3(t)) es solución de (68).

. tenemos que Z 1. debemos buscar exactamente 3 soluciones linealmente independientes. . • . Nota. 257}. Calculemos un conjunto fundamental del sistema de ecuaciones diferenciales: -1 ~ 1 Y (t) = 21 1 Y(t). Z2(t). En nuestro caso. Za(t)} es un conjunto fundamental de soluciones del sistema (71) . Las soluciones Z 1 (t). Consideremos las matrices columna: De acuerdo con el ejemplo 11 (cf..•• 1 z. como la. como en t• = O se verifica: -1 1 rango(Z1 (0) 1 Z2(0) 1 Za(O)) =rango ~ 4 ( 3 entonces: Zt (t). Z~o(t) de un sistema de ecuaciones diferenciales lineal homogéneo son linealmente independientes si y sólo si existe un momento t* de manera que: ''""' (Z. matriz A del sistema es cuadrada de orden 3. y en consecuencia: {Z1(t).SISTEMA DE ECUACIONES DIFERENCIALES NXN 263 EJEMPLO 14. . Z2(t).(t•)) ~k. Za(t) son linealmente independientes. (71) En primer lugar. Z 2 y Za son soluciones de (71).(t•) 1 . pág. ") ( 3 -1 en notación matricial: Y'(t) ~ AY(t).

. existen una infinidad de matrices fundamentales. 1) cuyos términos son constantes reales arbitrarias: e ~ (~•. Cn constantes reales arbitrarias. . en consecuencia: Z 1 (t). donde Ces una matriz columna de orden (n. Si {Z1 (t).264 SISTEMAS DE ECUACIONES DIFERENCIALES LINEALES DE PRIMER ORDEN Nota bene. oon3tant" <eah . entonces se verifica: ctZt (t) + · · · + c. siendo c 1 . .. De acuerdo con los comentarios anteriores: w(t) ~ (-~-· es una matriz fundamentaL . La solución general del sistema (67) puede ser escrita en términos de una matriz fundamental llr{t). y por tanto otra matriz fundamental del sistema será: (2Z. El conjunto de soluciones del sistema homogéneo (67) es un espa- cio vectorial de dimensión n y {Z1 (t). Nota bene.Zn{t) forman una base. z. Zn{t)} un conjunto de exactamente n soluciones linealmente independientes del sistema...(t) ¡z..( t). Proposición 5.(t)} también es un conjunto fundamental de soluciones.-• Además. .D..:)' ~ con e. . de la forma: Y(t) ~ w(t)C. Zn(t)} es un conjunto fundamental de soluciones del sistema (67)... .(t) 1 z. z.. . .Q.Zn(t) es la solución general de (67).(t)). Por ejemplo: ¡zz. tantas como con- juntos fundamentales podamos encontrar. C.o. Demostración. . ••. (t).. .

y~(t) = 6y¡(t).y3(t).n). -1 1 Y'(t) ~ : 2 (72) ( 3 -1 De acuerdo con el ejemplo 14 (d. Resolver el siguiente sistema homogéneo ut.1.y2(t).ando el método de reducción: Y'(t)~ ( 2 : -1 :) Y(t).<iamos a comenlar los métodos de resolución má. pcíg.. un conjunto fundamental de soluciones del sistema es el siguiente: En com. C3 constantes reales arbitrarias. EJEMPLO 16.r. .J(t).ccucncia. (75) y3.1. (74) -1 -2 -1 En primer lugar. Calcular la solución general del sistema de ecuaciones diferenciales: ~) Y(t). la solución general de (72) es igual a: con C¡. (73) donde A es una matriz real de orden (n.Método de reducci6n Consideremos el sistema homogéneo: Y'(t) ~ AY(t).(t) = y¡(t) -r Zy2(t) -1-yJ(t).2.ili.2Y:.V 265 EJEMPLO 15. pa.s usuales para sistemas homogéneos. (. La generalización del mélodo de reducción visto tm sistemas homogéneos 2x2 a sistemas homogéneos nxn consiste en reducir (73) a una única ecuación diferencial de orden n en la que aparezca solamente una función desconocida.ES NX.SISTEMA OC ECllACIONES DIFFREl\CJAl. el sistema (71) se puede escribir de la forma: y. 2.(t) = -Yt(t). • A continuación. 263).

..2 = 3.YU'(t). 13y. 3 +>.\. 6 · Sustituyendo ahora (76). (78) 6 y derivando: '(t).(t) () y3t= . (80) que ya sabemos resolver.y2(t) +y. tenemos: t). se tiene: y~(t)+y~(t) = Y2(t)+Y2(t) +2¡¡ (t)+ (t) 6 6 2 Y3• con lo que: y~(t). . . y sus raíces: At =0.=0. (78) y (79) en la tercera ecuación del sistema (75) obte- nemos la ecuación diferencial: y~'(t) +y~(t) -12y~(t) =o. resulta: y.13y2(t) (79) Y3 .\a= -4. c2..266 SISTEMAS DE ECUACIONES DIFERENCIALES LINEALES DE PRIMER ORDEN El método de reducción consiste en reducir el sistema anterior a una única ecuación diferencial de orden 3 en la que aparezca solamente una función descono- cida (en nuestro caso intentaremos que sea Y2)· Despejando y 1 en la segunda ecuación. 2 -12.(t) Yt ( .\. (77) 6 Sustituyendo (76) y (77) en la primera ecuación del sistema (75).. c3 constantes reales arbitrarias. (76) 6 y derivando. su ecuación característica es: >. . con lo que la solución general de la ecuación diferencial (80) es: siendo c 1 .(t) = y({(t) +v2(t).

donde: La aplicación del método de reducción en sistem&l homogéneos nxn es una tarea laboriosa conforme se incrementa el número de ecuaciones.SISTEMA DE ECUACIONES DIFERENCIALES NXN 267 Sustituyendo el valor de 112 en (76) y (78) obtenemos el valor de y1 y 113.Z3(t)} es un conjunto fundamen- tal de soluciones del sistema (74). la solución general del sistema homogéneo {74) es: siendo Ct.2. es preferible en general aplicar otro método de reso- lución. ca constantes reales arbitrarias. (82) donde A es una matriz real de orden (n. En concreto: (81) En conclusión. Se verifica: {Z1 (t).Z2(t). 2. respectivamente. n). • Nota bene. Dado que las soluciones del sistema homogéneo vienen determinadas unívocamente por las rafees de la ecuación característica.Método directo ConsideremOB el sistema homogéneo: Y'(t) = AY(t). c:a. La generalización del método directo visto en sistemas homogéneos 2x2 a sis- temas homogéneos nxn consiste en intentar como posible solución de {82) la si- guiente: .1.

de orden n. Sustituyendo este tipo de solución en (82).Ve'-t=AVe"'.v). es decir igualdad que se verifica para cualquier t si y sólo si: (A. constantes reales. =O.1 . >. y la ecuación resultante es la ecuación camcterística de la matriz A: >. y las matrices no nulas del subespacio vectorial: L~ {V 1 AV ~>. El siguiente resultado nos indica c6mo obtener la solución general del sistema homogéneo (82) a partir de las n rafees >. Re- cuerde que nuestro objetivo es encontrar un conjunto fundamental de soluciones.. d. · · + (-l)"+ld. de {84) es un valor propio de la matriz A.268 SISTEMAS DE ECUACIONES DIFERENCIALES LINEALES DE PRIMER ORDEN siendo v 1 . (84) donde dt = 2:~= 1 au. ••• . y este sistema homogéneo tiene soluciones no triviales (V =F O) si verifica: (83) Expandiendo el determinante anterior obtenemos un polinomio en >.".2.. los vectores propios de la matriz A asociados al valor propio >.~jAj. . Es decir. . v. = suma de todos los menores complementarios de orden r de la matriz A.K +.. d. + (-l)"d.. ._¡). >. d2 = suma de todos los menores complementarlos de segundo orden de la matriz A.". se tiene: >...>.. Nota.l)V ~O.. la suma de los r!(nn! r)! menores complementarios de A.. Cada raíz >..1 + · · · + (-l)"+rd. de la ecuación (84).d1 >.

.'l: 2 -1. (o) con i E {1. 2. con Vt. el sistema (86) e. An. 2. con lo que sus raíces son: Al ser distintas.. la solución general del sistema (85) viene dada por: Y(t) =e¡ Vt.A.. son constlilltes reales arbitrarias. .. De acuerdo con nuestros datos. EJEMPLO 17. Nota bene. t::.. c3 son constantes reales arbitrarias y V1 . y por tlillto su solución general os: Y(t) = C¡ V¡e>. .A y desarrol!ando el determinante. V2. Vn vectores propios asociados. entonces: es un conjunto fundamental de soluciones del sistema homogéneo (82). de acuerdo con (83).. c2V2e 3t + C3 Vae.. . = 0. V3 soluciones no nulas del sistema: (A.:. 1 ) O l'i=O. .A. Si la matriz A tiene n valores propios distintos Al> . La proposición no nos indica el conjunto fundamental de solucione::~ cuando existen raíces repetidas en la ecuación característica.A. 2 1 6 -1-A o ~o -1 -2 -1. 3}.. es igual a: 1->. c2.t + · · · + Cn Vne>. (87) -2 -1.41 • donde c1 . A2 + 12A =O..SISTEMA DE ECUACIONES DIFERENCIALES NXN 269 Proposición 6. 2 Y'(t) : -1 (85) -1 -2 -1 La ecuación característica. obtenemos: -A 3 . Resolver el sistema homogéneo: ~( ~) Y(t). donde i E {1. 3}. O .nt 1 donde c1 . (86) Nota. ••. c.l)V...

1 =O el sistema (87) se transforma en: ~ ~~ ~) v. ~ (~)o ' ( -1 -2 -1 y su solución es: En consecuencia: V1 es cualquier matriz no nula del conjunto anterior. -2 -4 o y su solución es: En consecuencia: V2 es cualquier matriz no nula del conjunto anterior.2 = 3. Tomando por ejemplo k2 = 1.270 SISTEMAS DE ECUACIOI\ES DIFERENCIALES LII\EALES DE PRIMER ORDEN • Para la raíz >.te: v.~(~)·~13 (88) • Para la raíz >. se tiene: (89) • Para la raíz >. se tie~. el sistema (87) se transforma en: ( ~~ -1 ~: ~) VF (~) . 3 = -4. Tomando por ejemplo k 1 = 1. el sistema (87) se transforma en: .

obtenemos un conjunto fundamental de soluciones: En conclusión. A EJEMPLO 18. (91) -1 -1 -3 La ecuación característica es igual a: con lo que sus raíces son: At=-1.>. Tomando por ejemplo ks = 1. c3 son constantes reales arbitrarias.2=-l+i. . basta tomar: k1 = 1/6. 265). (89) y (90).>. la solución general del sistema homogéneo (8)5) es: donde c1 . se tiene: (90) De (88). La solución coincide con la que se obtuvo con el métoclo de reducción en el ejemplo 16 (cf. c2.SISTEMA DE ECUACIONES DIFERENCIALES NXN 271 y su solución es: En consecuencia: V3 es cualquier matriz no nula del conjunto anterior. Resolver el sistema homogéneo: Y'(t)~ ( ~ 1 o :) Y(t).3=-l-i. . k2 = 2/3 yk3=-1/2. • Nota bene. . pág.

el sistema (92) es: ( -~.~ (~). dondeiE{1. la solución general del sistema (91) viene dada por: Y( t) = c 1 V1 C 1 + c2 V2 e( -l+.=O.--. De acuerdo con nueRtros datos. (92) Nota. 3 3 donde e¡.3}. c2 .3}. Tomando por ejemplo k 1 = -1. V3 ~o luciones no nulas del sistema: (A-A.272 SISTE~tAS Db: ECUACIONES DIFERENCIALES LINEAl .\2 = -1 + i.. CJ ~on constante. ) V.2.c V e( -l-i)t. -1 : -3-A.)t .i :) -1 -2-1 o y su solución es: .l)V.2." realeH arbitrarias y V1 . 1 1. O coo i E {1. el sistema (93) se transforma en: v.--. V2 . (93) • Para la raíz A1 = -1 el sistema (93) ~e transforma en: y su solución es: En consecuencia: V¡ es cualquier matriz no nula del conjnnto anterior. se tiene: (94) • Para la raíz .~ (~). -1 -A.ES DE PRI'VIER ORDEN Al ser distintas.

V... las soluciones linealmente independientes a escoger son: (97) donde V y V son los vectores propios asociados. C3 son constantes reales arbitraria. • Como hemos visto en el ejemplo anterior.'AC!ONES DTFFRFJXCTALFS VX. se tiene: (96) En conclusión.ema homogé~ neo (91) es: donde c 1 . = o: .\ = a + iO y ). bien. c2.o.\V y AV = >. . Tomando por ejemplo k3 = -1. por lo que es con- veniente elegir otms soluciones que sean reales. Tomando por ejemplo k2 = -1. la solución general del si. Ahora..i.i!J son valores propios de la matriz A. las matrices (97) son complejas... en el caso de raíces complejas conjugadas. de (94).t. se tiene: (95) • Para la raíz .\' 273 En consecuencia: V2 es cualquier matriz no nula del conjunto anterior.. (95) y (96). el sistema (93) se transforma e u: 1 1-i -1 y su solución es: En consecuencia: V3 es cualquier matriz no nula del conjunto anterior.<. si . es decir: AV .\3 = -1 .SISTEMA DE Ell.

entonces se verifica. c2. • Hasta ahora no hemos considerando el caso en que alguno de los valores propios de la matriz del sistema se repita en la ecuación característica.. Resolver el sistema homogéneo: ~( ~ 1 Y'(t) o :) Y(t).274 SISTEMAS DE ECUACIONES DIFEREJ\CIALES LINEALES DE PRIMER ORDEN Si VeM = W 1 +iW2 . pág. (98) -1 -1 -3 De acuerdo con los resultados del ejemplo 18 (cf. teníamos como raíces: y como conjunto de soluciones linealmente independientes. la solución general del sistema homogéneo (98) es: Y(t)=c1 (-1) 1 ( -=t ) e-t+c 2 -cost+sent -~ot ) e-t. ( cost sen t En consecuencia. W1 y W 2 son soluciones linealmente independientes (reales). Ahora bien: -oo•t ) ( _.. ) = -cost+sent e-'+i -cost-sent e-'. 271). EJEMPLO 19.. es son constantes reales arbitrarias. e-'+cs ( -cost-sent O cost sent donde c1 . .

Proposición 7.. es decir: di m L =m.. .SISTEMA DE ECt:ACIONES DIFERENCIALES NXN 275 Consideremos el sistema homogéneo: Y'(t) ~ AY(t). ••• .>. Si para cada valor propio de la matriz A coinciden multiplicidad geométrica y algebráica. . (99) donde A es una matriz real de orden (n. D. en cada valor propio >. es siempre menor o igual que su multiplicidad algebráica: di m L $m. de A.¡t . n). -2 =O. >.l. . ' es un conjunto fundamental de soluciones del sistema homogéneo (99). . Resolver el sistema homogéneo: Y'(t) ~ H -2 -2 1 (lOO) La ecuación característica es igual a: 1-Á -2 2 -2 l. son conBtantes reales arbitrarias. con lo que. Vn vectores propios linealmente independientes. e. 2 -2 1. y su solución general: donde c1 . La multiplicidad geométrica de un valor propio >. .v2r.. ~"~t {V1 . . Nota. . EJEMPLO 20. entonces existen V1.

1) obtenemos V2.0) obtenemos V1 .\= -1 el sistema (101) se transforma en: ( -~ 2 -Z -~ -~) V~ (:) ' 2 O y su solución es: (k. obtenemos: con lo que sus ra. Al coincidir multiplicidad geométrica y algc- bráica y ser iguales a 2.. es posible encontrar dos vectores propios Vt y V2 asociados con el valor propio -1 linealmente independientes. = Z.) E 1<'}. Tornando por ejemplo (k 1 ... Bn consecuencia: di m/.276 SISTEMAS DE ECUACIONES DIFEREI\CIALES LINJ::ALES DE PRIMER ORDEN y desarrollando el determinante.\ (101) ( 2 -2 1. k 2 ) = ( 1.k. el sistema a resolver es: -~ ) V~ (:)o 1-' -2 -2 1.kes o valores propios son: Observe que la multiplicidad algebráica del valor propio -1 es igual a 2 y la del valor propio 5 ea igual a l. De acuerdo con nuestros datos. y para (k¡. Calculemos ahora los vectores propios de la matriz A.. k 2 ) = (0. es decir: (102) • Para la raíz.\= 5 el sistema (101) se transforma en: ...\ • Para la raíz..

obtenemos un conjunto fundamental de soluciones: Bn conclusión.SISTEMA DE ECUACIO:'-IES D-. c3 son constantes reales arbitrarias. .. Vm vectores propios asociados al valor propio ). qne sean linealmente independientes.IF. no es posible encontrar Vt. c2. tomando por ejemplo k= 1. .·EeRcEoN':"'C'IA"L"EcSCN'c"XC'c'_ _ _ _ _ _ _ _ _ _ _ _ _ _2_7_7 y su solución es: En consecuencia: V3 es cualquier matriz no nula del conjunto anterior. se tiene: De (102) y (103). la solución general del sistema homogéneo {lOO) es: donde c1 . de la matriz del sistema (di m L <m).. . y por tanto no es posible encontrar soluciones de la forma: que sean linealmente independientes. En este caso. • Solamente nos queda considerar el caso en E:l que no coincidan multiplicidad algebráica y geométrica en alguno de los valores propios ).

(105) donde A es una lll8triz real de orden (n. .\tv es solución del . (A. Si >. para cualquier matriz C de ConBtantes reales de orden (n. se verifica: e.1) 2 V + t'31 (A. n)... con C matriz columna de constantes reales.. En conclusi6n: eAtC es soluci6n de (105). Se verifica: la serie (104) es convergente a una matriz real de orden (n. Se tiene la siguiente cadena de igualdades: d -eAt=- dtdt A t 23! A t n! 2 2 d [l+At+--+--+···+--+··· A"t" 3 3 l A3t2 A"t"-1 =A+A2 t+--+· . 1). Se verifica: Y(t) = eAtc es solución de (105).>J) 3 V +· · · l .278 SISTEMAS DE ECUACIONES DIFERENCIALES LINEALES DE PRIMER ORDEN Nota. ·+--+· n! . es un autovalor de la matriz A y V su vector propio asociado. Demostración. Consideremos el sistelll8 homogéneo: Y'(t) ~ AY(t).D. C. Proposición 9..sistema homogéneo (105).Q. La matriz exponencial eAt es una lll8triz fundamental del sistema homogéneo (105).. + 2 (n 1)! + . Nota bene.M) V+ 2.. 3 3 l (106) En consecuencia: si Y(t) = eAtC.A•c ~ AY(t). At At =A [l+At+--+--+ 2 3! 2 2 A"t" . precisamente aquella que verifica: W(O) = ].\J)ty = é' [V +t(A. e:. Proposición 8. e:. Demostración. entonces: Y'(t) ~! ('"G) ~ A. En primer lugar: eAty = é'e(A-.n) para cualquier valor de t.>.

.I)W. ~ W. Según la definición de matriz exponencial. Z. En concreto: Z 1 (t) = é'Wt. (A. .... se tiene: eAty = é·'V.)! W¡] . Za(t) = eM [wa + tW2 + ~wt]. 1).-~. (A.SISTEMA DE ECUACIONES DIFERENCIALES NXN 279 Si A es un autovalor de la matriz A y V su vector propio asociado.>J)W2 = W1 ===> eAtW2 = ét(W2 + tW¡]. En consecuencia. .>..(t). es un valor propio de la matriz A con di m L <m. (110) .:. (A. (A->. de (107) y (108).D.>.I)Wm = Wm. W m son linealmente independientes.-t.I)Wa = W2. entonces se verifica. Demostración.>.I)W.\I) 3 W +··· J. (A.!)V ~O.AI)Wt =0 ~ eAtWt = étWit (A. y por tanto: (A. para cualquier matriz columna W de constantes reales (n. (A->.I) 2W + ~:(A-. ~O. (!08) y por tanto. Si>.Q. (!09) donde W 11 •• • . Z. Z2(t) = é'[W2 + tW1]. (A. Z-(t) son m soluciones linealmente independientes del sistema homogéneo (105) BSOcia- das al valor propio >.>. se verifica: eA'W = ét [w +t(A->. entonces: (A.I)W +.. C.(t).t [wm + tWm-I + · ·· + .I)Wm = Wm-1 => eAtWm = e>. aplicando la proposición 8: é'V es solución del sistema homogéneo (105).>. Proposición 10..>.I)W3 =W2 ===>eA'Wa=é' [wa+tW2+~W1 ].

1 1 Y'(t) ~ O 1 (111) ( o o 2 La ecuación característica es igual a: 1->. EJEMPLO 2L Resolver el sistema homogéneo: ~) Y(t). En conclusión: de W 1 . .: con lo que sus raíces o valores propios son: Observe que la multiplicidad algebráica del valor propio 1 es igual a 2 y la del valor propio 2 es l. y en consecuencia de (109) y (110) se infiere: Zt(t).\= 1 el sistema (112) se transforma en: y sn solución es: En consecuencia: di m L =l. . W2. De acuerdo con nuestros datos.. eA 1W es solución de (105) para cualquier matriz columna W de cons- tantes reales (n. obtenernm.. ...\ o • Para la raíz. o o 2->. el sistema a resolver será: ~)v~(~)· 1 1->. (112) o 2... 1). Z2( t). y desarrollando el determinante.Zm(t} son soluciones de (105). Zm (t) son soluciones linealmente independientes..D.Q. . C. Calculemos ahora los vectores propios de la matriz A. .. 1 o o 1->. .280 SISTEMAS DE ECUACIO!\ES PlfERE:-ICIALES LINEALES DE PRIMER ORDEN Ahora bien. Wm linealmente independientes se s1gue Z 1(t). .. o =0.Zz(t).

(113) • Para la raíz >. = 1: z.(t) w. = l.SISTEMA DE ECUACIONES DIFERENCIALES /1/X. ..I)W2 = W¡. z 2 (t). m ~" m' ~ = z. precisamente: Al no coincidir multiplicidad algcbráica (m= 2) y geométrica (di m L = 1).I)W1 =O.daE con el valor pro- pio ). el sistema (112) se transforma en: y su solución es: Bn consecuencia: dim [.(t)~e' m.. obteniendo: w. = 2. 1 Z 2 (t) = e :W2 +tW1 ].. (A. nos guiamos de la proposición 10 para encontrar l<!S soluciones linealmente independientes del sistema homogéneo (lll) asocia.~ m=Z.\' 281 Nota bene. En concreto: Z 1 (t) = etWt. (A.(t). Solamente es posible elegir un único vector propio V1 linealmente independiente asociado al valor propio 1.

(117) . En las secciones anteriores hemos estudiado el cálculo de la solución general del sistema homogéneo.. ilustraremos el método en un sistema donde G sea una matriz columna cuyos términa> sean constantes: G(t) ~ ~ B (:J. c3 son constantes reales arbitrarias.282 SISTEMAS DE ECUACIONES DIFERENCIALES LINEALES DE PRJMER ORDEN Tomando por ejemplo k = 1 conseguimoo el vector propio: (114) De (113) y (114). Para simplificar. Soluci6n particular Consideremos el sistema de ecuaciones diferenciales lineal de primer arden nxn: Y'(t) ~ AY(t) + G(t). . (116) Sustituyendo (ll6) en (115). se tiene el sistema: Y'(t) ~ AY(t) +B. la solución general del sistema homogéneo (111) es: donde c1 . c2. 2. . la solución general del sistema de ecuaciones diferenciales (115) se obtiene sumando a una solución particular la solución general del sistema homogéneo (el que resulta de hacer G igual a cero: G = 0). (115) De acuerdo con la proposición 3 (cf.. obtenemos un conjunto fundamental de soluciones: En conclusión. ahora debemos encontrar una solución particular del sistema no horrwgéneo (115). • 2. 260). pág.b. para ello utilizaremos el método de coeficientes indetennina- dos.. co~tantffi c~le. •iendo b..

es decir>.. (119} con lo que: Nota bene.... Si el sistema (119) no es compatible determinado. entonces: IAI =O. . (120) 1 Para calcular una solución particular del sistema anterior usamos el método de coeficientes indeterminados.oon w. es decir eilS8yamos como solución: Y---(~:)' _"' con w1.. obtenemos: AY::::-B. !':. Encontrar una solución particular del sistema: Y'(t) = -1 •) Y(t) ( 5 2 + (-8) 3 . EJEMPLO 22. = O.SISTEMA DE ECUACIONES DIFERENCIALES NXN 283 Denotemos la solución particular del sistema anterior mediante barras: Y. Wn OOMtant"' 8 d<te•min~.= O es un valor propio de A.w2 constantes a determinar. . obtenelllOB: • . (121) Sustituyendo {121) en el sistema (120). (118} Sustituyendo (118) en el sistema (117). 'nm son matrices columna cuyos términos son constantes 8 determinar y m la multiplicidad algebráica del valor propio >. . e intentaríamos como solución particular: donde nl. Como solución particular intentamos: Y = fl = (~J .

(126) donde w1 ..2A =O. .!tema: (122) Para su resolución calculamos la solución general del sistema homogéneo y una solutión particular del sil. (124) tiene como raíces: luego la solución general del sistema homogéneo (123) viene dada por: (125) donde los valores c 1 y c2 son constantes reales arbitrarias. Resolver el sil. Nota bene. la solución general del sistema (122) será la suma de ambas.. >. . 6 .na solución particular del sistema no homogéneo (122) usamos el método de coeficientes indeterminados. es decir ensayamos como solución del sistema: Y(t) ~ (~:) + (~:) t.284 SISTEMAS DE ECUACIONES DIFERENCIALES LINEALES DE PRJMER ORDEN EJEMPLO 23. ii) Solución particular Para calcular y. 2 . i) Resolución del sistema homogéneo El sistema homogéneo es: (123) cuya ecuación característica. Se cumple: A = O es raíz de multiplicidad 1 de la ecuación característica (124).!tema no homogéneo.w4 son constantes reales a determinar.

W2=W¡+2. se tiene: de donde: 7 W¡ E R. El problema de valor inicial admite una única solución: para cada Yo existe una única solución coJL Y(to) =Yo.XC"N_ _ _ _ _ _ _ _ _ _ _ ___é208'C5 Sustituyendo {126) en el sistema (122).( 11 )+c. las denominadas condiciones iniciales. ..( -11 )c"+(O7/2 )+(-'i')t. la determinación de las constantes c 1 . eligiendo w¡ = .SISTEMA DE ECUACIONES DIFERENCIALES N. Nota.~. -3/2 donde los valores c 1 y e:¿ son constantes reales arbitrarias. . Cn que aparecen en la solución general del sistema de ecuaciones diferenciales requiere del conocimiento de una !:óerie de condiciones adicionales. • Finalmente. que indican el valor de la función Y del sistema en un determinado momento. es decir: Y(t)~c. normalmente t =O (de ahí el nombre de condiciones iniciales). obtenemos: (127) iii) Solución general del sistema La solución general del sistema (122) será la suma de (125) y (127). y por tanto.

o oo ) (o)o .\ o • Para la raíz . con lo que sus raíces o valores propios son: Observe que la multiplicidad algebráica del valor propio 1 es igual a 2 y la del valor propio 2 es l..1)'(>.. De acuerdo con nuestros datos. (128) ( 3 6 2 -30 La ecuación característica es igual a: (>.\ = 1 el sistema {129) se transforma en: y su solución es: En consecuencia: di m L = l. Calculemos ahora los vectores propios de la matriz A.286 SISTEMAS DE ECUACIONES DIFERENCIALES LINEALES DE PRIMER ORDEN EJEMPLO 24. Solamente es posible elegir un único vector propio Ví linealmente independiente asociado al valor propio 1.{O). ~( ~) . Resolver el problema de valor inicial: Y'(t) ~ 1 o o) -4 1 O Y(t). -4 1->. el sistema a resolver será: 1->. Y(O) ~ (-~ ) . oon k E IR.2) ~O. precisamente: V. v~ (129) ( 3 6 2-. Nota bene... -6k .

. obtenemos un conjunto fundamental de soluciones: {. 279) para encontrar las soluciones linealmente independientes del sistema homogéneo (128) asociadas con el valor propio A= 1. nos guiamos de la proposici6n 10 (cf.SISTEMA DE ECUACIONES DIFERENCIALES NXN 287 = Al no coincidir multiplicidad algebráica (m== 2) y geométrica (di m L 1). En conclusión. Tomando por ejemplo k= 1.. cD · · c. obteniendo: (130) • Para la raíz A== 2.~}·+ .J U)· m. la solución general del sistema homogéneo (128) es: . el sistema (129) se transforma en: y su solución es: En consecuencia: di m L == l.~. pág.. conseguimos el vector propio: (131) De (130) y (131).

288 SISTEMAS DE ECUACIO!\ES DJFERE"'CJALES LINEALES DE PRIMER ORDEN donde c 1 . ( ~) +e. la solución del problema de valor inicial (128) es: Yt) ~o' (-: ) -33 +4te' ( -6 ~) + (~)e". d) Y'(t) (: 1 _:) Y(t). resulta el sis- tema: ( -: ) ~ .2z(t).2z(t).(~) ' ) -30 -6 -33/4 1 de donde: En conclusión. Sustituyendo las condiciones iniciales en la solución obtenida. z'(t) ~ 4y(t) + z(t). •) z'(t) ~ 2y(t). b) z'(t) ~ y(t). y'(t) ~ 3y(t). y'(t) ~ y(t) + z(t). 1 1 o o .. c2.z(t). e) d) z'(t) ~ 4y(t). 2. c3 son constantes reales arbitrarias. (-:. PROBLEMAS PROPUESTOS l. 3 2 1 ~ 2 e) Y'(t) ~ ("1 O 1 )1) Y(t). 1 -1 b) Y'(t) ~ (12 o 1 -2") Y(t).z(t).2z(t). 1 3 • 3.~ ++o. y'(t) ~ 2y(t). Encuentre la solución general de los siguientes sistemas de ecuaciones dife- renciales homogéneos 3x3: •) Y'(t) ~ (: -1 4) 2 -1 Y(t). Encuentre la solución general de los siguientes sistemas de ecuaciones dife- renciales homogéneos 2x2: y'(t) ~ 3y(t).

y'(t) ~ 3y(t).5. z(O) ~ 3. -5y(t) +4z(t). e) d) z'(t) ~ -y(t) + z(t). y'(t) ~ 2y(t) + 3. En todos los casos c 1 y c2 son constantes reales arbitrarias. z'(t) ~ 2y(t). Encuentre una solución particular de los siguientes sistemas de ecuaciones diferenciales: y 1(t) = 2y(t) + z(t).3z(t) + 1. e) z(t) = c1 el( cos 2t +sen 2t) + c2 e1 (sen 2t . 4.l. y(t) = e.z(t) + 2.2c2C 1 • . y(t)=c1e1 +c2te1.2z(t). 4. b) z(t) = (c 1 . Y'(t) ~ ( ~ ~ -~) Y(t).y. d) = z(t) 2cte3t. SOLUCIÓN DE LOS PROBLEMAS PROPUESTOS l. y(t) = c.SOLUCIÓN DE LOS PROBLEMAS PROPUESTOS 289 3.z(t) + 2. b) -1 2 4 y(O) ~ 1.(O) ~ 5.(O) ~ 5. y.7.5.¡1). y'(t) ~ y(t).cos 2t). e31 + c2e-t.2z(t) + 5.y.(O) ~ 7. a) z(t) = 2c1 e-t + c2 e 21 . z'(t) ~ -y(t). Resuelva los siguientes problemas de valor inicial: y'(t) a) z'(t) ~ ~ -2y(t) +z(t). a) b) z'(t) ~ y(t).e-t + 2c 2 e21 . c2 )é + c2 te1 • y(t) = c1 e1 cos2t + c2 é sen 2t.

e) Y(t) = -!t. z(t) = -11!. a) z(t) = ~e-t + ~e3t. a) y(t) ~ 1. 3. i(t)~3. b) y(t) ~ -1. d) y(t) = -llt. Resolución de problemas de valor inicial. En todos los casos Ct. Denotaremos por y. z(t) ~ 3. .~.15. z(t) =-~t.C2. Z la solución particular del sistema. 1. y(t) = ~e-t + ~ét.290 SISTEMAS DE ECUACIONES Dll'ERENCIALES LINEALES DE PRIMER ORDE!\ 2.c3 son constantes reales arbitrarias.10.

su determinante es distinto de cero. a lo largo de su trayectoria. APÉNDICE: ESTABILIDAD Consideremos el sistema de ecuaciones diferenciales homogéneo: Y'(t) ~ AY(t).ema es no singular. precisamente: Y~ = O. Esto no significa que la trayectoria tenga que aproximarse a Ye cuando t tienda hacia infinito. (132) donde A es una matriz real de orden (n. La noción de estabilidad de Ye está relacionada con el comportamiento de las soluciones del sistema. A continuación. Además. estamos interesados en si las soluciones del sistema (132) con- vergen o no a la solución de equilibrio cerca de la cual han inieado su trayectoria. n) no singular. .APÉNDICE: ESTABILIDAD 29! 5. esta será la única solución de equilibrio del sistema. si la matriz A del sist. Nota bene. definimos formalmente el concepto de estabilidad: Nota bene. Así. diremos que una solución de equilibrio Y~ es estable cuando cualquier solución del sistema (132) que se encuentre lo snficientemente cerca de Ye en el momento inicial to sigue permaneciendo cerca de Y. Un sistema homogéneo tiene siempre una solución de equi- librio. En particular. 6.

Puesto que la parte real de los valores propios es positiva. • Si Ia parte real de todos los valores propios de la. el comportamiento estable o inestable depende exclusivamente de las raíces de la ecuación característica. 1 se tiene que la única solución de equilibrio del sistema es: Para analizar su estabilidad debemos calcular los valores propios de la ma- triz A. CoilBideremos el sistema de ecuaciones diferenciales homogé- neo (132). Se verilica: • Si todos los valores propios de la matriz A son imaginarios puros. EJEMPLO 25.i. • Si la parte real de algún valor propio de la matriz A es positiva.292 SISTEMAS DE ECUACIONES DIFERENCIALES LINEALES DE PRIMER ORDEN Por la naturaleza de las soluciones de los sistemas de ecuaciones diferenciales. La matriz del sistema tiene como valores propios 1/10 -1.i y 1/10 . • . Proposición 11. entonces: Y~ es estable. Consideremos el sistema homogéneo: y ' (t) ~ (1/10 1 -1 1/10 ) Y(t). matriz A es negativa. entonce. es decir para analizar la estabilidad debell106 examinar solamente lH naturaleza de estas raíces. de acuerdo con la propooición 11 se concluye que la solución equilibrio Ye = O es inestable. entonces: Ye es inestable. (133) Como la matriz A del sistema es no singular: 1/110 ~/10 1 1 i" o.s: Ye es asintóticamente estable.

La solución equilibrio del sistema (133) es inestable. La matriz del sistema tiene como valores propios -1 y -3. la única solución de equilibrio del sistema es: Calculemos los valores propios de la matriz A para analizar su estabilidad.APÉNDICE: ESTABILIDAD 293 y2 J 2 1 -2 -1 -1 1 _. de acuerdo con la proposición 11 se concluye que la solución equilibrio Y.. Puesto que la parte real de los valores propios es negativa. 1 y por tanto. EJEMPLO 26. = O es asintóticamente estable. FIGURA 1. • . Consideremos el sistema homogéneo: -2 Y'(t) = l (134) ( La matriz A del sistema es no singular: -2 11 1 -2 #O.

...(t) diremos es solución del sistema (136). 1): '. . en cualquier otro caso se habla de sistema no homogéneo. a. . YÍ(t) = G:. .. si verifica: Z'(t) ~ AZ(t) + G(t).(t)) ¡¡. .(t) ( a. . el sistema de ecuaciones diferenciales {136) recibe el nombre de homogéneo.....(t) Y(t)~... g. Yn funciones reales de variable real • Notación: antes de analizar los métodos de resolución de este tipo de sis- temas es conveniente su representación en notación matriciaL Si denotamos: y..(t) entonces el sistema (135) puede expresarse de la forma: Y'(t) ~ AY(t) +G(t). . 9n son iguales a cero.•• .¡(t). ' G(t) ~ : . . (y.294 SISTEMAS DE ECUACIONES DIFERENCIALES LINEALES DE PRlMER ORDEN RESUMEN En este capítulo nos hemos centrado en la resolución de sistemas de ecua- ciones diferenciales lineales de primer orden con coeficientes constantes: Yi(t) = GnYI(t) + a12Y2(t) + · ·· +atnYn(t)... a..(')) ( Z2(t) Z(t) ~ ..ann son constantes reales y Yl.(t) a. . g¡{t). donde a1¡. . en notación G =O. A= .(t)) a.) ~ an .. (136) • SisteDl& homogéneo: si las funciones g1 .. (135) y~(t) = Gni!Il(t) + Gn2Y2(t) + ·· · +annYn(t) + Yn{t). Soluci6n general del siBtema no homogéneo • Solución particular: de una matriz columna de orden {n.¡¡y¡{t) + G22Y2(t) + · · · + a2nYn(t) _¡_ g:.

..RESUMEN 295 • Solución general: la solución general del sistema de ecuaciones diferen- ciales (136) se obtiene sumando a una solución particular la solución general del sistema homogéneo (el que resulta de hacer G igual a cero: G =O).Z... •.(t))' se dirá matriz fundamental del sistema. siendo c1. . entonces se verifica: c1Z1 (t) + · · · + c. . Nuestro objetivo es encontrar un conjunto fundamental de soluciones. .Z. IZ.Z. .. (t)} es un conjunto fundamental de solucione8. .. entonces diremos: {Z1 (t). • Valores y vectores propios: cada raíz)¡ de la ecuación característica (138) se dice es un valor propW de la matriz A..n). . c.. y la matriz de orden (n. A continuació. Solución general del sistema homogéneo Considerelll09 el sistema homogéneo: Y 1(t) = AY(t). ..o. • Ecuación característica: consideremos la igualdad: (138) expandiendo el determinante anterior obtenemos un polinomio en )¡ de or- den n.. . • Solución general: si {Zt(t).. constantes reales arbitrarias.. y las matrices no nulas del subes- pacio vectorial: vectores propios de la matriz A asociados al valor propio }¡. de la ecuación (138)... z.. . y la ecuación resultante se denomina: ecuación carocteristica de la matriz A. (137) • Conjunto fundamental de soluciones: si {Zt(t)..(t) 1. donde A es una matriz real de orden (n. (t)} es un conjunto fundamental de soluciones del sistema (137).>¡ 2 .n): (Z. .. (t) es la solución general de (137). (t)} es un con- junto arbitrario de n soluciones linealmente independientes del sistema ho- mogéneo (137). A. indicaremos cómo obtener la solución general del sistema homogéneo (137) a partir de las nraíces A11 ...

con V11 V2.296 SISTEMAS DE ECCACTONES DIFERENCIALES LINEALES DF.Z. de la matriz A ~e verifica di m L = m.(t).(t). En notación: di m L.. Vn vectores propios linealmente independientes.. 1 Multiplicidad algebráica de un valor propio >.: su multiplicidad como raíz de la ecuación característica y la denotaremos por m.. .. .>. Vn vectores propios asociados: Si para cada valor propio >. entonces: es un conjunto fundamental de soluciones del sistema homogéneo (137).··· .V}. y por tanto su solución general es: donde c 1 . ••• .. que son m soluciones linealmente independientes del sistema homogé- neo (137) ll. valor propio de la matriz A con di m L < m.. Vn vectores propios linealmente indepen- dientes y debemos acudir a otro tipo de soluciones: Z.Zm(t). . entonces podemos encontrar V1 ..¡. PRIMER ORDEN • Valores propios distintos (reales o complejos) Si la matriz A tiene n valores propios distintos >. es decir: 1 '•' ' V<''' {V' 2 '· • • ' V.>. ••• .. c.'iOCiadas al valor propio>. . son constantes reales arbitrarias.. . entonces no podemos encontrar V1 . . y por tanto su solución general es: donde Ct.<'"') n es un conjunto fundamental de soluciones del sistema homogéneo (137).. • Valores propios repetidos Conceptos previos: Multiplicidad geométrica de un valor propio>. . Si existe >. . Vn vectores propios asociados. c11 son constantes reales arbitrarias. Supongamos que la matriz A tiene n valores propios A¡.2.. . con V¡..: dimensión del su hespa- cío vectorial L ={V AV= >. An no necesariamente distintos. .. .11 . ••• .

Mathematical Metbods in Economic Dynamics. Economía y Empresa (Teocia).A. . . París. .AI)W3 = W2.n) y B es una matriz real de orden (n. = O no es un valor propio de la matriz A: Si ).E. donde W 1 .. (A. BIBLIOGRAFÍA • G. GANDOLFO.I)W2 = Wt. 1). Économica. = O es un valor propio de la matriz A: donde S1 1 . . Madrid. North Hol- land. 1989.M)W. segunda edición. segunda edición. PRJETO et ah. W m son linealmente independientes... • Solución particular: se denota Y. ~ 0. (139) donde A es una matriz real de orden (n.. Solución particular del sistema no homogéneo Consideremos el sistema no homogéneo: Y'(t) ~ AY(t) +B. Cours de Mathématiques pour Économistes.11m son matrices columna cuyos términos son constantes a determinar y m es la multiplicidad algebrá. C.R.ica del valor propio ).>. Z 2 (t) = eM(W2 + tW1]. (A. • P. 1996.Matemáticas l. = O. •. • E. Si ). (A. MJCHEL.• . 1988.BIBLIOGRAFÍA 297 En concreto: Z 1 (t} = eAtW¡.