MIKROEKONOMSKI TEMELJI

MAKROEKONOMIJE

Alen Belullo

4. veljaµce 2008.
Sadrµzaj

1 Problem optimizacije 2
1.1 Funkcija cilja, varijable izbora i skup mogućih rješenja . . . . . . 2
1.1.1 Konveksnost i konkavnost funkcije cilja . . . . . . . . . . 3
1.1.2 Presjek funkcije za …ksnu vrijednost funkcije . . . . . . . 4
1.1.3 Svojstva skupa mogućih rješenja . . . . . . . . . . . . . . 6
1.2 Rješenje problema optimizacije . . . . . . . . . . . . . . . . . . . 6
1.2.1 Postojanje rješenja . . . . . . . . . . . . . . . . . . . . . . 7
1.2.2 Lokalna i globalna rješenja . . . . . . . . . . . . . . . . . 8
1.2.3 Jedinstvenost rješenja . . . . . . . . . . . . . . . . . . 11
1.2.4 Unutarnji i rubni optimum . . . . . . . . . . . . . . . . . 11
1.2.5 Odre†ivanje optimuma . . . . . . . . . . . . . . . . . . . . 11

2 Ponašanje potrošaµca 15
2.1 Kardinalistiµcki pristup . . . . . . . . . . . . . . . . . . . . . . . . 15
2.2 Ordinalistiµcki pristup . . . . . . . . . . . . . . . . . . . . . . . . . 16
2.2.1 Funkcija cilja . . . . . . . . . . . . . . . . . . . . . . . . . 17
2.2.2 Skup mogućih rješenja . . . . . . . . . . . . . . . . . . . . 17
2.2.3 Ravnoteµza potrošaµca . . . . . . . . . . . . . . . . . . . . . 19
2.2.4 Efekt supstitucije i efekt dohotka . . . . . . . . . . . . . . 24
2.2.5 Izvo†enje krivulje potraµznje . . . . . . . . . . . . . . . . . 26

3 Ponašanje proizvo†aµca 28
3.1 Funkcija proizvodnje . . . . . . . . . . . . . . . . . . . . . . . . . 28
3.1.1 Cobb-Douglasova funkcija proizvodnje . . . . . . . . . . . 30
3.2 Ravnoteµza proizvo†aµca . . . . . . . . . . . . . . . . . . . . . . . . 31
3.2.1 Maksimizacija proizvodnje uz zadanu razinu troškova . . . 32
3.2.2 Minimizacija troškova uz zadanu razinu proizvodnje . . . 33
3.3 Tri stadija proizvodnje . . . . . . . . . . . . . . . . . . . . . . . . 35
3.4 Izvo†enje funkcije ponude iz funkcije troškova poduzeća . . . . . 38

1
Poglavlje 1

Problem optimizacije

Ekonomija se sastoji od skupa teorija koje imaju zajedniµcki cilj: objasniti na koji
se naµcin ograniµceni resursi alociraju izme†u alternativnih mogućih upotreba.
Jedna od tih alternativa bit će poµzeljnija nego ostale s gledišta nekog kriterija.
Bit je problema optimizacije izabrati, na temelju navedenog kriterija, najbolju
raspoloµzivu alternativu.
Najuobiµcajeni je kriterij izbora me†u alternativama u ekonomiji cilj maksi-
mizacije neµcega (kao maksimizacija pro…ta poduzeća, korisnosti potrošaµca) ili
minimizacije neµcega (troškova proizvodnje). Ekonomski, takve probleme mak-
simizacije ili minimizacije moµzemo kategorizirati pod općim nazivom optimiza-
cija ili "traµzenje najboljeg". S µcisto matematiµckog stajališta me†utim, pojmovi
"maksimum" i "minimum" ne nose u sebi nikakvu konotaciju optimalnosti već
se traµze odre†eni ekstremi koji prikazuju ekstremne vrijednosti.

1.1 Funkcija cilja, varijable izbora i skup mogu-

ćih rješenja
U formuliranju problema optimizacije prvo moramo opisati funkciju cilja u
kojoj ovisna varijabla prikazuje objekt maksimizacije ili minimizacije i u kojoj
skup neovisnih varijabli oznaµcuje objekte µcije se veliµcine u modelu mogu izabrati
sa stajališta optimizacije. Zbog toga ćemo se prema neovisnim varijablama
odnositi kao prema varijablama izbora (varijable odluµcivanja). Ograniµcit
ćemo se uglavnom na probleme s jednom ili dvije varijable izbora jer je veći
broj varijabli nemoguće prikazati u dvodimenzionalnom prostoru.
Osim de…niranja varijable izbora i funkcije cilja u problemu optimizacije mo-
ramo de…nirati moguće konaµcne alternative koje ulaze u skup mogućih rješenja.
Budući da je svaka alternativa uobiµcajeno prikazana kao "toµcka" u prostoru,
skup mogućih rješenja je "skup toµcaka". Ako problem nema ograniµcenja skup
mogućih rješenja je n-dimenzionalni realni vektorski prostor (gdje je n broj
varijabli izbora). Ako problem ima ograniµcenja onda je skup mogućih rješenja
podskup tog prostora. Npr. potrošaµc ne moµze trošiti negativne koliµcine dobara,

2
 zato ako oznaµcimo sa x1 ; x2 ; : : : ; xn koliµcine razliµcitih dobara koje potrošaµc mo-
µze kupiti, imamo odmah sljedeće n nejednakosti ili uvjete nenegativnosti koje
suµzuju naš skup mogućih rješenja

x1 0; x2 0; : : : :; xn 0: (1.1)

Iz navedenog slijedi da se problem optimizacije sastoji od varijabli izbora,

funkcije cilja i skupa mogućih rješenja.

1.1.1 Konveksnost i konkavnost funkcije cilja

Na Slici 1.1 vidimo graf konveksne funkcije. Za diferencijabilne funkcije
moµzemo de…nirati konveksnost funkcije pomoću uvjeta f 00 (x) > 0 ili analogno
za konkavne f 00 (x) < 0; me†utim, ako funkcija nije diferencijabilna u jednoj
ili više toµcaka, ova de…nicija nije nam od pomoći. U tom sluµcaju moramo na
drukµciji naµcin de…nirati konveksnost/konkavnost funkcije.

f ( x2 )

(1 − λ )f ( x1 ) + λf (x2 )

f ((1 − λ )x1 + λx 2 )

f ( x1 )

x1 (1 − λ ) x1 + λx2 x2

Slika 1.1: Strogo konveksna funkcija

Na Slici 1.1 vidimo da ako uzmemo dvije toµcke x1 i x2 i spojimo vrijednosti

koje funkcija poprima u tim toµckama f (x1 ) i f (x2 ) dobit ćemo spojnicu. Ako
imamo konveksnu funkciju spojnica će u cijelosti leµzati iznad funkcije (kao na
Slici 1.1). Pomoću izraza (1 ) x1 + x2 za 0 1, tj. konveksnom
kombinacijom toµcaka x1 i x2 , moµzemo izraziti bilo koju vrijednost x izme†u
toµcaka x1 i x2 . Naime, ako je = 0 tada x = x1 , ako je = 1 onda x = x2 .
Pomoću izraza (1 ) f (x1 ) + f (x2 ) za 0 1 moµzemo izraziti konveksnu
kombinaciju izme†u dviju vrijednosti funkcije f (x1 ) i f (x2). Ovom konveksnom

3
kombinacijom de…niramo vrijednosti spojnice za domenu u intervalu od x1 do
x2 .
U sluµcaju da je funkcija strogo konveksna kao na Slici 1.1 tada spoj-
nica u cijelosti leµzi iznad grafa funkcije za sve x u intervalu (x1 ; x2 ) ili vrijedi

(1 ) f (x1 ) + f (x2 ) > f ((1 ) x1 + x2 ) 0 1: (1.2)

Ako u jednadµzbi 1.2 nemamo strogu nejednakost tada kaµzemo da je

funkcija konveksna i de…niramo je

(1 ) f (x1 ) + f (x2 ) f ((1 ) x1 + x2 ) 0 1: (1.3)

Konkavna Linearna Nije konkavna ni konveksna

f(x) f(x) f(x)

x x x

Iz gornje slike vidi se da u sluµcaju konkavne funkcije cijela duµzina spojnice

leµzi ispod grafa funkcije ili strogo konkavnu funkciju moµzemo de…nirati sa

(1 ) f (x1 ) + f (x2 ) < f ((1 ) x1 + x2 ) 0 1 (1.4)

te konkavnu funkciju sa

(1 ) f (x1 ) + f (x2 ) f ((1 ) x1 + x2 ) 0 1: (1.5)

Za linearnu funkciju vrijedi

(1 ) f (x1 ) + f (x2 ) = f ((1 ) x1 + x2 ) 0 1; (1.6)

tako da na temelju jednadµzbi 1.3 i 1.5 moµzemo reći da je linearna funkcija

konveksna i konkavna u isto vrijeme, ali nije strogo konveksna ni strogo
konkavna, što proizlazi iz jednadµzbi 1.2 i 1.4.

1.1.2 Presjek funkcije za …ksnu vrijednost funkcije

Za zadanu funkciju y = f (x1 ; x2 ; : : : ; xn ) moµzemo izabrati proizvoljni broj c i
de…nirati
y = f (x1 ; x2 ; : : : ; xn ) = c: (1.7)

4
 Jednadµzba 1.7 de…nira skup vrijednosti x1 ; x2 ; : : : ; xn koje daju istu vrijed-
nost funkcije f , kojeg zovemo presjek funkcije za …ksnu vrijednost funk-
cije.
Ako imamo funkciju koja preslikava iz dvodimenzionalnog u jednodimenzi-
onalni prostor f :R2 !R tada presjek funkcije za …ksnu vrijednost funkcije
moµzemo de…nirati skupom
S = x1 ; x2; f (x1; x2 ) 2 R3 ; f (x1 ; x2 ) = c : (1.8)
Ovakav sluµcaj s dvije varijable je zgodan jer okomitom projekcijom skupa S u
dvodimenzionalni prostor moµzemo prikazati presjek funkcije ravninom za …ks-
nu vrijednost funkcije koji, ovisno o tome radi li se o proizvodnji ili korisnosti
potrošaµca, zvat ćemo razliµcitim imenima (izokvante ili krivulje indiferencije).
Trodimenzionalni graf i presjeci za …ksnu vrijednost funkcije projicirani u dvo-
dimenzionalni prostor prikazani su na slici 1.2.
f(x1,x2)

x1 x2

Slika 1.2: Presjek funkcije za …ksnu vrijednost funkcije

Vaµzno svojstvo presjeka je da ako je funkcija neprekidna i njezin presjek je

neprekidan. Pretpostavimo da je funkcija f (x) diferencijabilna (iako je nepre-
kidnost funkcije nuµzan ali ne i dovoljan uvjet diferencijabilnosti), njezin totalni
diferencijal bit će
df = f1 dx1 + f2 dx2 = 0 za f (x) = c: (1.9)

5
Iz 1.9 dobijemo
dx2 f1
= za (f2 6= 0) : (1.10)
dx1 f2
Iz 1.10 vidimo da se nagib presjeka u jednoj toµcki moµze direktno izraµcunati
iz parcijalnih derivacija funkcije u toj toµcki. Ako parcijalne derivacije imaju
isti predznak presjek će imati negativan nagib, ako parcijalne derivacije imaju
razliµcit predznak presjek će imati pozitivan nagib.
Moµzemo primijetiti da povećanje konstante c pomiµce presjeke za f1 ; f2 > 0
prema desno jer za dani x2 potrebna je veća vrijednost x1 kako bi se zadovoljila
jednadµzba koja de…nira presjek. Iz toga proizlazi da se problem optimizacije svo-
di na postizanje najvišeg mogućeg presjeka kako bi se maksimizirala vrijednost
funkcije cilja.

1.1.3 Svojstva skupa mogućih rješenja

Imamo µcetiri vaµzna svojstva skupa mogućih rješenja u problemu optimizacije:

neprazan skup; sjetimo se da je skup mogućih rješenja u problemu opti-

mizacije skup toµcaka koje zadovoljavaju ograniµcenja. Prazan skup impli-
cira da nema ni jednog rješenja.
zatvoren skup; sve toµcke na njegovoj granici moraju biti unutar njega
samog. Npr. skup brojeva S = fx; 0 x 1g je zatvoren dok su sku-
povi de…nirani na intervalima A = fx; 0 < x < 1g ili B = fx; 0 < x 1g
otvoreni.
ograniµcen skup; skup je ograniµcen kada se nalazi u jednom intervalu.
Dakle skup brojeva x u intervalu 0 < x < 1 je ograniµcen, ali otvoren, dok
je skup x 0 neograniµcen prema gore, ali istovremeno je zatvoren.
konveksan skup; ako za bilo koje dvije toµcke u skupu S µcitava spojnica
koja povezuje te dvije toµcke leµzi u S, tada se kaµze da je S konveksan
skup. Ako za bilo koje dvije toµcke s granice konveksnog skupa cijela
spojnica, osim njenih ekstrema, leµzi u nutrini skupa, kaµzemo da je skup
strogo konveksan. Ako dio spojnice leµzi na granici skupa, onda kaµzemo
da skup nije strogo konveksan. Na slici 1.3 skup C je strogo konveksan,
dok je skup A konveksan ali nije strogo konveksan. Skupovi B i D nisu
konveksni skupovi.

1.2 Rješenje problema optimizacije

Rješenje problema optimizacije je jedan n dimenzionalan vektor µciji su elementi
varijable izbora iz skupa mogućih rješenja koje maksimiziraju ili minimiziraju
funkciju cilja. Oznaµcimo funkciju cilja sa

f (x1 ; x2 ; : : : ; xn ) = f (x) (1.11)

6
 Slika 1.3: Konveksnost skupova

gdje je x vektor koji se sastoji od n varijabli izbora. Pretpostavimo da moramo

maksimizirati f . Oznaµcimo skup mogućih rješenja vektora x sa S. Rješenje
problema je vektor varijabli izbora x za kojeg vrijedi

f (x ) f (x) za svaki x 2 S; x 2 S: (1.12)

Po de…niciji problema, našje cilj pronaći vektor x iz skupa S koji maksimizira

f.

1.2.1 Postojanje rješenja

Dovoljni, ali ne i nuµzni, uvjeti za postojanje rješenja problema optimizacije su
sljedeći:

funkcija cilja mora biti neprekidna

skup mogućih rješenja mora biti neprazan, zatvoren i ograniµcen.

Npr. na slici 1.4a) prikazan je problem optimizacije s jednom varijablom x, s

funkcijom cilja f (x) i sa skupom mogućih rješenja u intervalu 0 x x0 . Ovaj
skup je zatvoren, neprazan i ograniµcen a funkcija cilja je neprekidna. Rješenje
problema maksimizacije funkcije cilja je x0 za vrijednost funkcije cilja ymax ,
gornja granica skupa mogućih rješenja.
U 1.4b) me†utim imamo prekid u funkciji cilja u x0 . U tom sluµcaju nemamo
rješenje problema maksimizacije jer za x ! x0 vrijedi lim0 f (x) = 1.
x!x

7
 f(x) f(x)

1 ymax

ymin

0 x' x 0 x0 x' x
(a) (b)

Slika 1.4: Postojanje rješenja

Pretpostavimo da je skup de…niran na intervalu 0 x < x0 tako da gornja

granica x0 ne pripada skupu. U tom sluµcaju kao npr. na slici 1.4a) ako x ! x0
stalno ćemo in…nitezimalno povećavati vrijednost funkcije bez mogućnosti da
odredimo maksimum. Drugim rijeµcima ymax nije vrijednost koju funkcija moµze
poprimiti jer x0 2= S.
Pretpostavimo da na slici 1.4a) imamo ograniµcenje x 0 a da je funkcija
za x > x0 monotono rastuća. U tom sluµcaju neće postojati maksimum jer
ćemo povećavanjem x uvijek povećati f (x) i to do beskonaµcnosti. Zato je vaµzna
ograniµcenost skupa.
Treba napomenuti da su to dovoljni, ali ne i nuµzni, uvjeti, tj. i bez zadovo-
ljenja jednog ili više uvjeta (osim za neprazan skup) moµzemo, ali ne moramo,
imati rješenje problema optimizacije. Me†utim, ako su zadovoljeni svi uvjeti,
uvijek ćemo imati rješenje.

1.2.2 Lokalna i globalna rješenja

Rješenje koje zadovoljava jednadµzbu 1.12 zovemo globalnim rješenjem (globalni
maksimum) zato jer u toj toµcki funkcija cilja poprima vrijednost koja nije manja
od bilo koje druge toµcke iz skupa mogućih rješenja. S druge strane lokalnim
rješenjem zovemo rješenje koje zadovoljava
f (x ) f (x) za svaki x 2 N S; (1.13)
gdje je N skup toµcaka iz okoline toµcke x .

8
 f( x)
S

f( x*)

f( x**)

0 x** x* x0 x
N** N*

Slika 1.5: Lokalni maksimum

Na slici 1.5, zbog pojednostavljenja, prikazali smo samo jednu varijablu iz-
bora, tako da vektor u našem primjeru postaje skalar x. Skup mogućih rješenja
S de…niran je nejednakostima: x 0; x x0 . Funkcija cilja f (x) ima dva
maksimuma, jedan u x a drugi u x . Okolina ovih toµcaka de…nirana je kao
N i N . Vrijednosti x i x zadovoljavaju uvjet 1.13, me†utim, samo x
zadovoljava 1.12. Zbog toga kaµzemo da je x globalni maksimum za S dok je
x lokalni maksimum za N S.
Kada moµzemo biti sigurni da je lokalni maksimum ujedno i globalni?
Razmotrimo problem optimizacije s dvije varijable gdje µzelimo maksimizirati
funkciju cilja f (x1; x2); f 1; f 2 > 0. Vidimo da na slici 1.6a), gdje imamo strogo
konkavnu funkciju cilja i nekonveksan skup mogućih rješenja, imamo dva lokalna
maksimuma x i x0 od kojih je samo x ujedno i globalni maksimum jer u toj
toµcki funkcija cilja poprima najveću vrijednost. Na slici 1.6b), gdje je skup
mogućih rješenja strogo konveksan a funkcija cilja nije konkavna, opet imamo
više lokalnih maksimuma od kojih je samo x ujedno i globalni maksimum.
Relativni maksimum ujedno je i apsolutni maksimum kada imamo:

konkavnu funkciju cilja i

konveksan skup mogu´cih rješenja

Na slici 1.7 prikazan je konveksan skup i konkavna funkcija cilja. Vidimo

da toµcke na segmentu ab osim što su lokalni maksimum ujedno su i globalni
maksimum.

9
x2 x2

x* x’

x*
x’

0 x1 0 x1
(a) (b)

Slika 1.6: Lokalni i globalni maksimum

x2

0 x1

Slika 1.7: Jedinstvenost rješenja

10
1.2.3 Jedinstvenost rješenja
Na slici 1.5 imamo jedinstven globalni maksimum dok je na slici 1.7 maksimum
segment ab. Kada imamo jedinstveno rješenje za svaki skup mogućih rješenja
moµzemo odrediti funkcije pomoću kojih stavljamo u relaciju optimalne vrijed-
nosti varijabli izbora s parametrima ograniµcenja. Ako ne postoji jedinstveno
rješenje imamo općenitiju relaciju izme†u skupova µciji su elementi optimalne
vrijednosti varijabli izbora i parametri ograniµcenja, poznato kao pridruµzivanje.
Budući da ćemo se u ovom tekstu ograniµciti na analizu pomoću funkcija, a ne
pomoću pridruµzivanja, za nas će biti vaµzno naći jedinstveni optimum.
Iz slike 1.7 intuitivno moµzemo zakljuµciti da će jedinstveno rješenje postojati
kada imamo:

strogo konveksni skup mogu´cih rješenja ili

strogo konkavnu funkciju cilja ili
strogo konkavnu funkciju cilja i strogo konveksan skup mogu´cih rješenja.

Treba naglasiti da su to dovoljni uvjeti: moguće je imati jedinstveno rješenje

a da ovi uvjeti nisu zadovoljeni.

1.2.4 Unutarnji i rubni optimum

Sada moramo de…nirati unutarnje toµcke i rubne toµcke skupa. Na slici 1.5
toµcke x = 0 i x = x0 su rubne toµcke skupa, dok su ostale toµcke iz skupa S unu-
tarnje toµcke skupa. Unutarnje rješenje imamo ako unutarnja toµcka zadovoljava
1.12 dok rubno rješenje imamo ako rubna toµcka zadovoljava 1.12. Na slici 1.5
toµcka x je unutarnje rješenje. Ako bi me†utim funkcija f imala oblik ispreki-
dane crte (prema toµcki a) na slici 1.5, onda bi postojalo rubno rješenje u toµcki
x0 . To je vaµzno za odre†ivanje aktivnih i neaktivnih ograniµcenja. Ograniµcenje
je aktivno ako postoji rubno rješenje koje se nalazi na rubu skupa de…nirano
tim ograniµcenjem. Imamo neaktivno ograniµcenje ako postoji unutarnje rješe-
nje ili ako se rješenje nalazi na rubu skupa de…niranog drugim ograniµcenjem.
U sluµcaju slike 1.5 gdje je rješenje x (unutarnje rješenje) ograniµcenja x 0 i
x x0 su neaktivna; kada imamo rubno rješenje u x0 samo je x 0 neak-
tivno ograniµcenje a x x0 postaje aktivno ograniµcenje o µcijem pomaku ovisi
promjena rješenja. U sluµcaju neaktivnog ograniµcenja moµzemo uvijek odrediti
dovoljno malu promjenu koja neće utjecati na optimalno rješenje, što nije sluµcaj
kod aktivnih ograniµcenja.

1.2.5 Odre†ivanje optimuma

U teoretskim modelima problema optimizacije opisuju se svojstva i uvjeti (nuµz-
ni) koje optimum mora zadovoljavati. Teoretski se modeli ne bave numeriµckim
rješavanjem problema optimizacije.

11
 Znamo da u sluµcaju slobodnog optimuma x (bez ograniµcenja) vrijedi

fi (x ) = 0 i = 1; 2; : : : ; n: (1.14)

Ekonomski problemi, ako nisu ograniµceni nekim funkcionalnim ograniµcenji-

ma, uglavnom su ograniµceni direktnim ograniµcenjima kao npr. uvjetom nenega-
tivnosti. Tipiµcni primjer slobodnog optimuma u udµzbenicima mikroekonomije je
izbor razine outputa koja maksimizira pro…t. Neka R(x) bude funkcija prihoda
a C(x) funkcija troškova gdje je x vektor outputa. Od tuda funkcija cilja (pro…t)
koju treba maksimizirati je f (x) = R(x) C(x) a vektor koji maksimizira ovu
funkciju ima svojstvo

fi (x ) = Ri (x ) Ci (x ) = 0: (1.15)

Vidimo iz jednadµzbe 1.15 da se pro…t maksimizira kada se graniµcni prihod

izjednaµci s graniµcnim troškom. Me†utim, je li ovaj problem bez ograniµcenja?
Ne moµzemo dopustiti negativnu proizvodnju dobara tako da postoji direktno
ograniµcenje tipa
xi 0 i = 1; 2; : : : ; n: (1.16)

U tom sluµcaju uvjeti iz jednadµzbe 1.15 prestaju biti nuµzni uvjeti za maksi-
mum.

f( x) f( x) f( x)

0 xi 0 xi 0 xi
x i* xi*=0 xi*=0
(a) (b) (c)

Slika 1.8: Aktivna i neaktivna ograniµcenja

Pogledajmo sliku 1.8 na kojoj je nacrtan graf funkcija pro…ta f (x) drµzeći sve
varijable, osim i te, na razini njihovog optimuma. U sluµcaju a) imamo vaµzeću
jednadµzbu 1.15, jer imamo xi > 0 pa je ograniµcenje de…nirano u 1.16 neaktivno.
U sluµcaju b) vidimo da je optimalna proizvodnja i tog dobra u xi = 0, ali u toj
toµcki funkcija ima negativan nagib. U tom sluµcaju ograniµcenje o nenegativnosti
je aktivno a jednadµzba 1.15 nije nuµzan uvjet za optimum. Nuµzan uvjet za

12
maksimum, kada imamo uvjet nenegativnosti, postaje

fi (x ) 0 xi 0 xi fi (x ) = 0 i = 1; 2; : : : ; n: (1.17)

To znaµci da ako je xi > 0 onda fi (x ) = 0 dok ako je xi = 0 onda f i(x )

0 za i = 1; 2; : : : ; n. Vidimo da jednadµzba (1.15) vrijedi samo kao poseban
sluµcaj kada imamo neaktivne uvjete nenegativnosti. Taj poseban sluµcaj je µcesto
korišten u standardnim udµzbenicima.
Iz prethodnog primjera vidjeli smo da nuµzni uvjeti za slobodne ekstreme
prestaju vaµziti kada imamo direktna ograniµcenja. Sada ćemo vidjeti koji su
uvjeti kada imamo funkcionalna ograniµcenja.Na slici 1.9 prikazana je krivulja

x2

x*
x2*

f (x1 , x 2 ) = c
T

g (x1 , x 2 ) = b
0 x1* x1

Slika 1.9: Optimum

g (x1 ; x2 ) = b koja µcini skup toµcaka koje zadovoljavaju uvjet g (x1 ; x2 ) = b:

Pretpostavimo da su f1 ; f2 > 0; toµcka optimuma nalazit će se u toµcki x na
presjeku za …ksnu vrijednost funkcije f (x1 ; x2 ) = c. Dijagram na slici 1.9 je
nacrtan tako da imamo zadovoljene uvjete koji osiguravaju jedinstven rubni
globalni optimum. Vidimo da je toµcka x dodirna toµcka, tj. nagib presjeka
funkcije f i nagib presjeka funkcije ograniµcenja g u toµcki x bit će isti, tj.
jednak nagibu tangente T na toµcki x . U jednadµzbi 1.10 dokazali smo da će
nagib presjeka funkcije cilja biti dxdx2
1
= ff21 za f2 6= 0. Na sliµcan naµcin se lako
g1
moµze dokazati da će nagib presjeka funkcije ograniµcenja biti dx
dx1 =
2
g2 za g2 6= 0

13
iz µcega slijedi da optimalna toµcka x mora zadovoljavati sljedeće uvjete:
f1 g1
= (1.18a)
f2 g2
g (x1 ; x2 ) = b ili/ili f (x1 ; x2 ) = c: (1.18b)

Jednadµzba 1.18a de…nira da funkcija g i f moraju imati isti nagib u toµcki

optimuma (x1 ; x2 ). Jednadµzba 1.18b zatvara sustav i osigurava da je dobivena
toµcka zaista toµcka dodira. Ako uvedemo gf11 = gf22 = > 0 gdje je broj koji
prikazuje odnose fi i gi za i = 1; 2 u toµcki optimuma vrijedi

f1 = g1 f2 = g2 : (1.19)

Na temelju gornje jednadµzbe moµzemo napisati nuµzne uvjete iz 1.18 kao

f1 g1 = 0
f2 g2 = 0
b g (x1 ; x2 ) = 0: (1.20)

Sada moµzemo uvesti Lagrangeovu funkciju

P
L (x; ) = f (x) + j [bj gj (x)] (1.21)
j

koja u našem sluµcaju s dvije varijable izbora i jednom funkcijom ograniµcenja

postaje:
L (x1 ; x2 ; ) = f (x1 ; x2 ) + [b g (x1 ; x2 )] : (1.22)
Karakteristika Lagrangeove funkcije je da ako parcijalno deriviramo funkciju po
x1 ; x2 i (Langrangeov multiplikator) i njihove prve derivacije izjednaµcimo s
nulom (kao da traµzimo slobodni ekstrem) dobit ćemo nuµzne uvjete iz jednadµzbe
1.20. Vidimo da pomoću Lagrangeove funkcije pretvaramo problem vezanog
ekstrema u problem slobodnog ekstrema.

14
Poglavlje 2

Ponašanje potrošaµca

Potrošaµc µzeli maksimizirati korisnost, tj. vlastito zadovoljstvo. U našim se

modelima pretpostavlja da je potrošaµc zadovoljniji kada moµze trošiti više do-
bara i usluga. Postoje dva osnovna pristupa problemu usporedbe korisnosti:
kardinalistiµcki pristup i ordinalistiµcki pristup.

2.1 Kardinalistiµcki pristup

Prema kardinalistiµckom pristupu korisnost (zadovoljstvo) se moµze izmjeriti u
apsolutnim veliµcinama zvanim utilima ili iznosom novca kojeg je potrošaµc
voljan µzrtvovati za još jednu jedinicu dobra. Glavni predstavnici ovog naµcina
razmišljanja su: Gossen (1854.), Jevons (1871.) i Walras (1874.). Pretpostavke
na kojima se temelji ovaj pristup su:

Racionalnost: potrošaµc µzeli maksimizirati korisnost uz dani dohodak.

Kardinalna korisnost: korisnost svakog dobra je mjerljiva.
Opadaju´ca graniµcna korisnost dobra: korisnost koja se dobiva od uzastop-
no potrošenih jedinica dobra opada.
Nezasitnost: graniµcna korisnost je uvijek veća ili jednaka nuli.
Konstantna graniµcna korisnost novca: graniµcna korisnost novca nije opa-
dajuća kao što je to sluµcaj za ostala dobra. To je nuµzna pretpostavka da
bi se novµcana jedinica mogla upotrijebiti kao mjera korisnosti.

Predstavnici kardinalistiµckog pristupa pretpostavljaju da potrošaµc moµze za

svako dobro odrediti apsolutnu graniµcnu korisnost koju mu donosi potrošnja
svake dodatne jedinice proizvoda ili usluge. Ako graniµcne korisnosti podijelimo
sa cijenama proizvoda dobijemo ponderirane graniµcne korisnosti.
U tablici 2.1 prikazane su ponderirane graniµcne korisnosti triju dobara. Vidi-
mo da vrijedi zakon graniµcne opadajuće korisnosti, jer dodatna doza potrošnje

15
 Tablica 2.1: Ponderirane graniµcne korisnosti
Doza x1 x2 x3
1 80 60 50
2 65 50 40
3 50 40 30
4 40 30 20
5 30 20 10

svakog dobra donosi manju dodatnu korisnost, i zakon o nezasitnosti jer su

graniµcne korisnosti uvijek pozitivne, neovisno o koliµcini potrošnje dobara. Ako
pretpostavimo da su cijene svih proizvoda 1 kn i da potrošaµc µzeli potrošiti 6
kn, tada će prvo kupiti prvu dozu dobra x1 koja mu donosi 80 utila, nakon
toga drugu dozu x1 koja mu donosi dodatnih 65 utila, zatim prvu dozu x2,
itd. Vidimo da će potrošaµc vo†en takvom logikom maksimizirati svoju koris-
nost sa 6 kn ako potroši 3 doze x1, 2 doze x2 i 1 dozu x3 i na taj naµcin dobije
80+65+50+60+50+50 = 355 utila. Nije moguća niti jedna druga kombinacija
sa 6 kn koja daje više utila potrošaµcu.
Moµze se lako primijetiti da pri optimalnoj potrošnji potrošaµc izjednaµcava
ponderirane graniµcne korisnosti dobara koje troši. U našem primjeru
ponderirane graniµcne korisnosti svih dobara na razini optimalne potrošnje po-
trošaµca iznose 50 utila. Budući da se zadovoljstvo ne moµze objektivno mjeriti
u nekim apsolutnim veliµcinama glavna slabost ovog pristupa leµzi u pretpostavci
da je korisnost kardinalno mjerljiva.

2.2 Ordinalistiµcki pristup

Po ordinalistiµckom pristupu (Pareto) potrošaµc ne mora znati speci…µcne jedinice
korisnosti razliµcitih dobara da bi izme†u njih izvršio izbor, već je za potrošaµca
dovoljno rangiranje (redanje) razliµcitih košara dobara u skladu sa zadovoljstvom
koje mu svaka košara pruµza. On mora odrediti poredak preferencija izme†u
razliµcitih košara dobara.
Pretpostavke na kojima se temelji ordinalistiµcki pristup su:

Racionalnost: potrošaµc maksimizira korisnost uz budµzetsko ograniµcenje.

Korisnost je ordinalna: potrošaµc zna samo rangirati preferencije kao in-
deks, ne znaju se apsolutne vrijednosti.
Opadaju´ca graniµcna korisnost dobra: korisnost koja se dobiva od uzastop-
no potrošenih jedinica dobra opada.
Nezasitnost: graniµcna korisnost je uvijek veća ili jednaka nuli.

Vidimo da ordinalistiµcki pristup preuzima od kardinalistiµckog pristupa pret-

postavke o racionalnom ponašanju potrošaµca, zakon opadajuće korisnosti i zakon

16
o nezasitnosti, me†utim više ne pretpostavlja da potrošaµc mora znati apsolutne
korisnosti (utile).

2.2.1 Funkcija cilja

Potrošaµc je suoµcen s problemom maksimizacije vrijednosti, po pretpostavci stro-
go konkavne, funkcije korisnosti

U = u (x1 ; x2 ; : : : ; xn ) (2.1)
max

gdje x1 ; x2 ; : : : ; xn oznaµcavaju varijable izbora, u našem sluµcaju potrošnju raz-

liµcitih dobara i usluga od strane potrošaµca.
Funkcija korisnosti ima sljedeća svojstva

ui 0 ; uii < 0: (2.2)

Svojstvo ui 0 oznaµcava µcinjenicu da je graniµcna korisnost veća ili jednaka

nuli (svojstvo nezasitnosti), a svojstvo uii < 0 na postojanje zakona opadaju-
će graniµcne korisnosti, budući da druga direktna derivacija uii pokazuje nagib
funkcije graniµcne korisnosti.
Ako zbog pojednostavljenja pretpostavimo da postoje samo dva dobra naša
funkcija cilja postaje
U = u (x1 ; x2 ) : (2.3)
max

Presjeci funkcije korisnosti za …ksnu vrijednost funkcije projicirani u dvodi-

menzinalnom prostoru (x1 ; x2 ) daju mapu krivulja indiferencije prikazanu
na slici 2.1. Udaljeniji presjeci od ishodišta prikazuju manju razinu korisnos-
ti (vidi sliku 1.2), stoga je u našem primjeru c1 < c2 < c3 : Budući da svaki
presjek funkcije oznaµcava skup toµcaka ili kombinacije dobara x1 i x2 koje daju
istu razinu korisnosti, presjeke za …ksnu vrijednost funkcije zovemo krivuljama
indiferencije jer je potrošaµc ravnodušan (indiferentan) dok se kreće po istoj
krivulji indiferencije, budući da bilo koja toµcka na toj krivulji njemu donosi istu
razinu korisnosti (zadovoljstva).

2.2.2 Skup mogućih rješenja

Potrošaµc je suoµcen s budµzetskim ograniµcenjem
n
X
pi xi M (2.4)
i=1

gdje pi predstavlja cijenu i-tog proizvoda a M dohodak potrošaµca.

Osim ovog funkcionalnog ograniµcenja imamo i direktno ograniµcenje

xi 0 za i = 1; 2; : : : ; n: (2.5)

17
 x2

u ( x1 , x2 ) = c3
u ( x1 , x2 ) = c2
u ( x1 , x2 ) = c1

0 x1

Slika 2.1: Krivulje indiferencije

Radi pojednostavljenja pretpostavit ćemo da postoje samo dva dobra x1 i x2

koje potrošaµc moµze trošiti. Na temelju ovih ograniµcenja skup mogućih rješenja
moµzemo u tom sluµcaju de…nirati sa
p1 x1 + p2 x2 M (2.6a)
x1 0, x2 0: (2.6b)
Ograniµcenja iz 2.6 de…niraju skup mogućih rješenja S prikazanog na slici 2.2.
Potrošaµc moµze cijeli svoj dohodak potrošiti na x1 pa će kupiti koliµcinu M
p1 tog
M
dobra, ili na x2 pa će kupiti koliµcinu p2 tog dobra, ili jednu od kombinacija
u skupu S. Gornja granica skupa S zove se budµzetski pravac kojeg moµzemo
de…nirati jednadµzbom
p1 x1 + p2 x2 = M (2.7)
ili u prostoru (x1 ; x2 ) sa
M p1
x2 = x1 : (2.8)
p2 p2
Vidimo da je skup mogućih rješenja:
1. Ograniµcen: uvjetima nenegativnosti xi 0 prema dolje a budµzetskim
pravcem prema gore.
2. Zatvoren: kombinacije dobara na budµzetskom pravcu dio su skupa S:
Konveksan: spojnica s granice skupa leµzi na granici skupa.
3. Neprazan: za M > 0:

18
 x2

M
p2

0 M x1
p1

Slika 2.2: Skup mogućih rješenja

Utjecaj promjene dohotka na budµzetski pravac

Iz jednadµzbe 2.8 vidimo da će promjena dohotka M promijeniti odsjeµcak na
ordinati budµzetskog pravca. Nagib budµzetskog pravca ostat će nepromijenjen
p1
jer se dohodak ne nalazi u koe…cijentu smjera budµzetskog pravca p2 .
Na slici 2.3 prikazan je efekt povećanja dohotka s M na M 0 na budµzetski
pravac. Vidimo da će taj efekt uzrokovati paralelan pomak budµzetskog pravca
prema sjevero-istoku.

Utjecaj promjene cijene dobara na budµzetski pravac

Ako se cijena p1 promijeni iz jednadµzbe 2.8 doći će do promjene nagiba bu-
dµzetskog pravca, dok će odsjeµcak na ordinati ostati nepromijenjen kao što je
prikazano na slici 2.4a). U sluµcaju da se promijeni cijena p2 dolazi do promjene
p1
i odsjeµcka na ordinati M p2 i koe…cijenta nagiba budµzetskog pravca p2 kao
što je prikazano na slici 2.4b). Na slici 2.4 prikazani su utjecaji smanjenja cijena
p1 na p01 (a) i p2 na p02 (b) na budµzetski pravac:

2.2.3 Ravnoteµza potrošaµca

Problem optimizacije potrošaµca u sluµcaju dva dobra sastoji se od funkcije ko-
risnosti koju treba maksimizirati iz jednadµzbe 2.3 i skupa mogućih rješenja

19
 x2
M'
p2

M
p2

0 M M ' x1
p1 p1

Slika 2.3: Utjecaj povećanja dohotka na budµzetski pravac

x2 x2
(a) (b)
M
M
p2 '
p2

M
p2

0 M M x1 0 M x1
p1 p1 ' p1

Slika 2.4: Utjecaj promjene cijene dobara na budµzetski pravac

20
de…niranog u 2.7

U = u (x1 ; x2 ) (2.9a)
max
p1 x1 + p2 x2 = M: (2.9b)

x2

u ( x1 , x2 ) = c3
B u ( x1 , x2 ) = c2
u ( x1 , x2 ) = c1

0 x1

Slika 2.5: Optimizacija potrošaµca

Na slici 2.5 prikazane su tri toµcke koje ulaze u skup mogućih rješenja (A, B,
C). Potrošaµc je indiferentan izme†u kombinacije dobara A i kombinacije doba-
ra B, budući da se nalaze na istoj krivulji indiferencije, me†utim kombinacija
dobara C donosi mu veću razinu zadovoljstva jer se nalazi na višem presjeku
funkcije korisnosti (c2 > c1 ): Presjek funkcije c3 nije mu dostiµzan niti u jednoj
kombinaciji zbog malog dohotka. Stoga potrošaµc maksimizira svoje zadovoljstvo
kada troši cijeli svoj dohodak za kombinaciju dobara (x1 ; x2 ) u toµcki C.
U toµcki C nagib budµzetskog pravca jednak je nagibu krivulje indiferencije
jer se budµzetski pravac ponaša kao tangenta na toµcku C krivulje indiferencije.
Iz jednadµzbe 2.8 znamo da je nagib budµzetskog pravca
dx2 p1
= : (2.10)
dx1 p2
Nagib krivulje indiferencije moµzemo izvesti iz svojstva presjeka funkcije za …ksnu
vrijednost funkcije jer se vrijednost funkcije ne mijenja kada se pomiµcemo po
tom presjeku ili će totalni diferencijal za razliµcite kombinacije potrošnje x1 i x2
biti nula:
@u @u
dU = dx1 + dx2 = 0: (2.11)
@x1 @x2

21
Iz 2.11 moµzemo lako izvesti
@u
dx2 @x1
= @u
; (2.12)
dx1 @x2
što predstavlja nagib krivulje indiferencije. Zbog zakona o nezasitnosti, koji nam
govori da ui > 0 za sve i iz 2.12, proizlazi da krivulje indiferencije imaju
uvijek negativan nagib, dok zbog zakona o opadajućoj graniµcnoj korisnosti
uii < 0 vidimo da će krivulje indiferencije biti strogo konveksne, uslijed stroge
konkavnosti funkcije korisnosti.
Iz slike 2.5 vidimo da je u toµcki optimuma C jednak nagib budµzetskog pravca
i krivulje indiferencije, stoga iz 2.10 i 2.12 vrijedi
@u
p1 @x1
= @u
; (2.13)
p2 @x2

što moµzemo pisati

@u @u
@x1 @x2
= : (2.14)
p1 p2
Iz jednadµzbe 2.14 vidimo da potrošaµc maksimizira svoju korisnost kada izjed-
naµcava graniµcne ponderirane korisnosti svih proizvoda koje troši. Mo-
µzemo primijetiti da smo došli do istovjetnog zakljuµcka kao i u sluµcaju kardina-
listiµckog pristupa, ali bez nerealne pretpostavke da je korisnost (zadovoljstvo)
mjerljiva veliµcina. Cijela se analiza u ovom sluµcaju temelji na pretpostavci da
potrošaµc zna odrediti koja od ponu†enih košarica dobara mu pruµza veće, koja
manje i na kraju koja isto zadovoljstvo u odnosu na neku drugu košaricu dobara.
Iz 2.14 vidimo da kada bi graniµcna ponederirana korisnost dobra 1 bila veća
u odnosu na dobro 2, potrošaµc bi poµceo više trošiti dobro 1 a manje dobro 2
što bi dovelo do smanjenja graniµcne korisnosti dobra 1 (zbog zakona opadajuće
graniµcne korisnosti) i povećanja graniµcne korisnosti dobra 2 (zbog zakona opa-
dajuće graniµcne korisnosti) što bi na kraju dovelo do njihovog izjednaµcavanja.
Ako do†e do promjene cijene, recimo povećanje cijene dobra 1, tada uz nepromi-
@u @u
jenjene ostale uvjete jednadµzba 2.14 neće više vrijediti jer @x @x2
p1 < p2 : Potrošaµ
1
c
se moµze vratiti u toµcku optimuma ako poµcinje trošiti više dobra 2 (smanji nje-
govu graniµcnu korisnost) na uštrb dobra 1 (poveća njegovu graniµcnu korisnost).
Stoga jednadµzba 2.14 predstavlja ravnoteµzu za potrošaµca jer kada u toj toµcki
maksimizira svoju korisnost i nema potrebe mijenjati svoju razinu potrošnje.

Formalniji pristup
Jednadµzbu 2.14 izveli smo na temelju gra…µckog prikaza i zakljuµcka da se "vidi"
da u toµcki optimuma nagib krivulje indiferencije je jednak nagibu budµzetskog
pravca. Formalniji pristup bio bi pristup temeljen na Lagrangeovoj funkciji.
Pretpostavke su da je funkcija cilja kontinuirana i strogo konkavna a skup mo-
gućih rješenja da je: neprazan, konveksan i ograniµcen. Lagrangeove funkcija za
problem optimizacije prikaznaog u 2.9 je
L (x1 ; x2 ; ) = u (x1 ; x2 ) + (M p1 x1 p2 x2 ) : (2.15)

22
Nuµzni uvjeti prvog reda za optimum su:
@L
= u1 p1 = 0 (2.16a)
@x1
@L
= u2 p2 = 0 (2.16b)
@x2
@L
= M p1 x1 p2 x2 = 0: (2.16c)
@
Iz 2.16a moµzemo dobiti vrijednost
u1
= ; (2.17)
p1
a iz 2.16b je
u2
= : (2.18)
p2
Budući da je vrijednost ista u obje jednadµzbe iz 2.17 i 2.18 moµzemo pisati
u1 u2
=
p1 p2
ili u drugom zapisu
@u @u
@x1 @x2
= : (2.19)
p1 p2
Dobili smo istovjetan rezultat kao i u 2.14, tj. da potrošaµc maksimizira svoju
korisnost kada izjednaµcava ponderirane graniµcne korisnosti dobara koje troši.

x2

A
0 x1

Slika 2.6: Kutno rješenje

23
 Na slici 2.6 nagib krivulje indiferencije strmiji je od budµzetskog pravca, tj.
ima manji nagib zbog negativnih predznaka:
dx2 dx2
jU =const < jM =const ; (2.20)
dx1 dx1
od tuda
dx2 u1 p1 dx2
jU =const = > = jM =const (2.21)
dx1 u2 p2 dx1
ili
u1 u2
> : (2.22)
p1 p2
Iz 2.22 vidlimo da u toµcki A graniµcna korisnost x1 je veća od graniµcne ko-
risnosti x2 i potrošaµc bi µzelio još kupovati x1 tako da supstituira x2 sa x1 , ali
ograniµcenje x 0 to ne dopušta. Lako je uoµcljivo iz slike 2.6 da budµzetski
pravac i krivulja indiferencije imale bi isti nagib za negativne vrijednosti x2 i za
pozitivne x1 . Zbog direktnog ograniµcenja x 0 imamo kutno rješenje u toµcki
A i umjesto uvjeta prvog reda iz 2.16 za Lagrangeovu funkciju imamo uvjete
prvog reda:
@L
= ui pi 0 ; xi 0 ; xi (ui pi ) = 0: (2.23)
@xi

2.2.4 Efekt supstitucije i efekt dohotka

Kada se promijeni cijena dobara, imamo kod potrošaµca dva efekta:

1. Efekt supstitucije: potrošaµc µzeli supstituirati skuplje dobro s relativno

jeftinijim.
2. Efekt dohotka: uz isti nominalni dohodak M smanjenje cijene dobra uµcinit
će potrošaµca realno bogatijim i obrnuto, ako se cijena povećala, potrošaµc
će sada biti realno siromašniji, tj. uz nepromijenjeni nominalni dohodak
imat će manji realni dohodak.

Hicks i Slutsky pokušali su dekomponirati ova dva efekta tako da kompen-

ziraju potrošaµcu promjenu realnog dohotka.
Na slici 2.7 prikazana je dekompozicija ukupnog efekta smanjenja cijene do-
bra x1 na efekt dohotka i efekt supstitucije po Hiksu. Potrošaµc je u prvobitnoj
ravnoteµzi u toµcki A, nakon µcega je uslijedilo smanjenje cijene dobra x1 . Nakon
smanjenja cijene potrošaµc nalazi novu toµcku ravnoteµze u toµcki B na višoj krivulji
indiferencije koja mu donosi više korisnosti. Ako µzelimo dekomponirati ukupan
efekt smanjenja cijene (od toµcke A do B) Hicks kaµze da moramo kompenzirati
promjenu dohotka ili kao u gornjem sluµcaju: budući da se potrošaµcu povećao
realni dohodak uslijed smanjenje cijene jednom proizvodu moramo ga "virtual-
no" osiromašiti tako da paralelno pomaknemo budµzetski pravac na prethodnu
krivulju indiferencije. Na toj krivulji indiferencije proizvo†aµc ne bira više toµc-
ku A, već toµcku C zbog efekta supstitucije realnog skupljeg dobra s jeftinijim.

24
x2

Efekt Efekt x1
supstitucije dohotka

Slika 2.7: Dekompozicija po Hicksu

x2

A
B

Efekt Efekt x1
supstitucije dohotka

Slika 2.8: Dekompozicija po Slutskom

25
Stoga segment AC pokazuje efekt supstitucije, CB efekt dohotka a AB ukupni
efekt smanjenja cijena na potrošnju.
Slutsky smatra da "virtualno" osiromašenje potrošaµca ne mora vratiti po-
trošaµca na prethodnu krivulju indiferencije već je dovoljno da mu pruµzi moguć-
nost kupnje poµcetne košarice dobara u toµcki A. Slutsky kompenzira promjenu
dohotka tako da paralelno pomiµce budµzetski pravac potrošaµca prolaskom kroz
prvobitnu toµcku ravnoteµze A. Potrošaµcu je sada na raspolaganju košarica A, ali
on bira košaricu C koja mu donosi veću razinu korisnosti jer se nalazi na višoj
krivulji indiferencije.

2.2.5 Izvo†enje krivulje potraµznje

Na temelju analize krivulja indiferencije moµzemo izvesti krivulju potraµznje za
nekim dobrom. Krivulja potraµznje pokazuje µzelju potrošaµca za kupnjom odre-
†enog dobra kada se njegova cijena mijenja uz nepromijenjene cijene drugih
dobara i dohotka. Budući da se potrošaµc u našim modelima ponaša racional-
no, sve toµcke na krivulji potraµznje mogu se izvesti iz toµcaka ravnoteµze krivulja
indiferencije i budµzetskog pravca.

x2

A B

0 x1
p
A
p1

B
p2

D
0 x1’ x1* x1

Slika 2.9: Izvo†enje krivulje potraµznje

Iz slike 2.9 vidimo da ako je cijene dobra x1 na razini p1 tada potrošaµc troši
optimalnu košaricu dobara A u kojoj ima x01 dobra x1 . Pretpostavimo da je došlo
do smanjenja cijene dobra x1 na p2; što smo eksplicitno prikazali na donjem

26
grafu slike 2.9. Vidimo da će smanjenje cijene pomaknuti budµzetski pravac i
potrošaµc će dostići novu toµcku ravnoteµze B koja mu pruµza veće zadovoljstvo jer
se nalazi na višoj krivulji indiferencije. U toµcki B potrošnja dobra x1 je x1 . Iz
slike 2.9 vidimo da svaka toµcka na pravcu potraµznje D za dobrom x1 proizlazi iz
toµcaka ravnoteµze u kojima potrošaµc maksimizira svoju korisnost, uz budµzetsko
ograniµcenje.

27
Poglavlje 3

Ponašanje proizvo†aµca

Cilj potrošaµca je maksimizirati dobit. Dobit je razlika izme†u prihoda i tro-

škova. Budući da cijene diktira trµzište prihod će ovisiti o koliµcini koju proizvo-
†aµc proizvodi. Stoga, maksimizirati dobit proizvo†aµc moµze ili maksimizacijom
proizvodnje uz zadane troškove ili minimizacijom troškova za zadanu razinu
proizvodnje.

3.1 Funkcija proizvodnje

Proizvo†aµc dobiva proizvode koristeći se faktorima proizvodnje. U našim ćemo
se modelima ograniµciti na dva faktora proizvodnje, rad L i kapital K, i na
proizvodnju jednog proizvoda Y . Funkcija proizvodnje stavlja u relaciju
output poduzeća s njegovim inputima

Y = Y (K; L) : (3.1)

Pretpostavljamo strogo konkavnu funkciju proizvodnje kako bismo imali je-

dinstvenost rješenja. Presjeci funkcije za …ksnu vrijednost funkcije predstavljaju
izokvante koje su skup kombinacija inputa koji daju istu razinu outputa. Svoj-
stvo presjeka funkcije moµzemo prikazati totalnim diferencijalom
@Y @Y
dY = dK + dL = 0; (3.2)
@K @L
iz kojeg lako moµzemo izvesti nagib krivulja izokvanti
@Y
dK @L
= @Y
: (3.3)
dL @K

Izraz dK
dL iz 3.3 predstavlja graniµ
cnu stopu tehnološke supstitucije rada
kapitalom, ili koliko treba promijeniti rad na odre†enu promjenu kapitala da
bi proizvodnja ostala ista. Izraz @Y @L predstavlja graniµ
cnu produktivnost
@Y
rada, a izraz @K graniµcnu produktivnost kapitala. Graniµcna produktivnost

28
rada pokazuje nam koliko će se promijeniti proizvodnja (output) ako se rad
poveća za jednu jedinicu1 , i analogno graniµcna produktivnost kapitala pokazuje
za koliko će se promijeniti proizvodnja uslijed jediniµcnog povećanja kapitala.
Graniµcna produktivnost rada i kapitala mogu biti pozitivne kao i negativne
veliµcine. Stoga će nagib izokvante prikazan u 3.3 biti negativan jedino kada
su pozitivne i graniµcna produktivnost rada i graniµcna produktivnost kapitala.
Ako je jedna od graniµcnih produktivnosti negativna, tada će izokvanta imati
pozitivan nagib. Relevantno podruµcje za proizvo†aµca bit će kada su sve
graniµcne produktivnosti faktora proizvodnje koje koristi pozitivne, ili drugim
rijeµcima relevantno podruµcje za proizvo†aµca bit će u prostoru u kojemu izokvante
imaju negativan nagib.

K Linija grebena

Relevantno područje Linija grebena

Y ( K , L) = c3

Y ( K , L ) = c2
Y ( K , L) = c1

0 L

Slika 3.1: Izokvante

Linije grebena ome†uju prostor u kojemu izokvante imaju negativan nagib od

prostora u kojemu izokvante imaju pozitivan nagib u K; L prostoru. Relevantno
podruµcje je unutar linija grebena u kojemu izokvante imaju negativan nagib,
budući da negativan nagib izokvanti garantira da oba faktora imaju pozitivnu
graniµcnu produktivnost2 .
1 Strogo matematiµc ki trebalo bi reći za in…nitezimalnu malu koliµc inu, ali zbog pojednostav-

ljenja primjera i ekonomske interpretacije u ovakvim sluµcajevima govorit ćemo o jediniµcnim

promjenama
2 Specijalni sluµc aj bio bi da oba faktora imaju negativnu graniµc nu produktivnost. Ovaj

se sluµcaj eliminira pretpostavljajući da imamo takvu funkciju proizvodnje u kojoj graniµcni

proizvod barem jednog inputa je uvijek pozitivan.

29
3.1.1 Cobb-Douglasova funkcija proizvodnje
Do sada smo analizirali funkciju proizvodnje u općenitom obliku. Jedna speci…µc-
na funkcija proizvodnje je Cobb-Douglasova funkcija koja se µcesto upotrebljava
u ekonomskoj analizi. Ona glasi:

Y = AK 1 L 0< <1 (3.4)

gdje je A pozitivna konstanta koja odraµzava tehnološki napredak. Homogenost

ove funkcije moµzemo lako provjeriti tako da pomnoµzimo sve varijable s proizvolj-
nom konstantom . Ako pretpostavimo da je tehnološki napredak konstantan
imamo
1 1
A ( K) ( L) = A K1 L
1 +
= AK 1 La = Y: (3.5)

Iz 3.5 vidimo da je Cobb-Douglasova funkcija proizvodnje linearno homoge-

na funkcija što ima ekonomsku interpretaciju da vladaju konstantni prinosi na
opseg. Graniµcna produktivnost rada je
@Y
= AK 1 L 1
(3.6)
@L
a graniµcna produktivnost kapitala
@Y
= (1 ) AK L : (3.7)
@K
Ako podijelimo 3.6 s prosjeµcnom produktivnošću rada dobijemo koe…cijent
elastiµcnosti proizvodnje na promjenu rada
@Y L L
"Y;L = = AK 1 L 1
= : (3.8)
@L Y AK 1 L
Ako podijelimo 3.7 s prosjeµcnom produktivnošću kapitala dobijemo koe…cijent
elastiµcnosti proizvodnje na promjenu kapitala
@Y K K
"Y;K = = (1 ) AK L =1 : (3.9)
@K Y AK 1 L
Ako se rad poveća za 1% proizvodnja će se povećati za %, ako se kapital poveća
za 1% tada će se proizvodnja povećati za (1 )%. Nagib izokvante Cobb-
Douglasove funkcije dKdL moµ
z emo dobiti iz presjeka funkcije za …ksnu vrijednost
funkcije
@Y @Y
dY = dK + dL = 0; (3.10)
@K @L
iz µcega moµzemo izvesti
@Y
dK @L
= @Y : (3.11)
dL @K

30
Ako u 3.11 uvrstimo 3.6 i 3.7 dobijemo da za Cobb-Douglasovu funkciju vrijedi
dK K
= < 0: (3.12)
dL (1 )L
Izraz 3.12 osim što nam govori o nagibu izokvante Cobb-Douglasove funkcije
prikazuje graniµcnu stopu tehnološke supstitucije proizvodnog faktora ka-
pitala dodatnom jedinicom ulaganja proizvodnog faktora rada. Iz 3.12 vidimo
da izraz ima negativan predznak, budući da su sve vrijednosti na desnoj strani
jednadµzbe pozitivne. Naime faktori rada i kapitala ograniµceni su uvjetom ne-
negativnosti a je broj u intervalu (0,1). To nam govori da je nagib izokvante
negativan u svim relevantnim toµckama, te kada se ulaganje faktora rada pove-
ća, ulaganje faktora kapitala smanjuje kako bi razina proizvodnje ostala ista.
Drugim rijeµcima proizvodni faktori mogu se me†usobno supstituirati, a da to
ne utjeµce na razinu proizvodnje.
Sada smo dokazali da su izokvante u sluµcaju Cobb-Douglasove funkcije ne-
gativno nagnute. Postavlja se pitanje jesu li strogo konveksne, tako da uz ko-
nveksni skup mogućih rješenja (izotroškovni pravac) imamo zadovoljene uvjete
o jedinstvenosti rješenja? Strogo konveksna funkcija ima derivacije drugog reda
u svim toµckama veće od 0. Derivacija drugog reda izokvante je
d2 K d K K
= = > 0: (3.13)
dL2 dL (1 )L (1 ) L2
Moµzemo zakljuµciti da su izokvante izvedene iz Cobb-Douglasove funkcije ne-
gativno nagnute i strogo konveksne. Stoga uz konveksan skup mogućih
rješenja (izotroškovni pravac) garantira jedinstvenost rješenja.
Elastiµcnost supstitucije kapitala radom Cobb-Douglasove funkcije je
dK L K L
"K;L = = = : (3.14)
dL K (1 )L K (1 )
Iz 3.14 vidi se da je elastiµcnost supstitucije kapitala radom negativna, što pro-
izlazi iz negativne stope tehnološke supstitucije. Tako†er vidimo da Cobb-
Douglasova funkcija ima konstantnu elastiµcnost supstitucije faktora pro-
izvodnje jer ne ovisi o vrijednostima koje poprimaju varijable L i K, već
elastiµcnost supstitucije ovisi samo o konstantnom parametru . Budući da je
parametar elastiµcnost proizvodnje na promjenu rada, a (1 ) elastiµcnost
proizvodnje na promjenu kapitala, elastiµcnost supstitucije iz 3.14 moµzem pisati
i kao odnos elastiµcnosti
"Y;L
"K;L = : (3.15)
"Y;K

3.2 Ravnoteµza proizvo†aµca

Kao što smo rekli problem optimizacije proizvo†aµca moµzemo svesti na dualni
matematiµcki problem:
maksimizacija proizvodnje uz zadanu razinu troškova ili
minimizacija troškova uz zadanu razinu proizvodnje.

31
3.2.1 Maksimizacija proizvodnje uz zadanu razinu troško-
va
Problem maksimizacije proizvodnje uz zadanu razinu troškova moµzemo mate-
matiµcki prikazati kao:
Y = Y (K; L) (3.16a)
max
pL L + pK K = C : (3.16b)
Znaµci suoµceni smo s problemom maksimizacije funkcije cilja koja je u ovom
sluµcaju funkcija proizvodnje prikazana u 3.16a uz ograniµcenje da cijena rada
(pL ) pomnoµzena sa koliµcinom rada (L) plus cijena kapitala (pK ) pomnoµzena sa
koliµcinom angaµziranog kapitala mora biti jednaka odre†enoj razini troškova C .
Sve varijable i svi parametri mogu poprimiti samo nenegativne vrijednosti.

A
Y ( K , L) = c3

Y ( K , L ) = c2
Y ( K , L) = c1
pL L + pK K = C *
0 L

Slika 3.2: Maksimizacija proizvodnje uz zadane troškove

Gra…µcki vidimo iz slike 3.2 da se problem optimizacije iz jednadµzbe 3.16

svodi na traµzenje najudaljenije izokvante od ishodišta (veća razina proizvodnje)
koja se moµze dostići izotroškovnim pravcem (pL L + pK K = C ) koji se u
K; L prostoru moµze odrediti jednadµzbom
C pL
K= L: (3.17)
pK pK
Iz 3.17 vidi se da je odsjeµcak na ordinati tog pravca pCK dok da je koe…cijent
smjera ppK L
. Budući da su cijene nenegativne, iz toga slijedi da je nagib izotro-
škovnog pravca uvijek negativan u K; L prostoru. Izotroškovni pravac u našem
problemu optimizacije iz 3.16 predstavlja skup mogućih rješenja.

32
 Na temelju poµcetnih jednadµzbi problema optimizacije iz 3.16 moµzemo pos-
taviti Lagrangeovu funkciju

L (K; L; ) = Y (K; L) + (C pL L pK K) : (3.18)

Nuµzni uvjeti prvog reda za optimum su

@L @Y
= pK = 0 (3.19a)
@K @K
@L @Y
= pL = 0 (3.19b)
@L @L
@L
= C pL L pK K = 0: (3.19c)
@
Iz 3.19a dobijemo
@Y
@K
= (3.20)
pK
a iz 3.19b
@Y
@L
= (3.21)
pL
Kada izjednaµcimo 3.20 i 3.21 dobijemo jednakost
@Y @Y
@K @L
= : (3.22)
pK pL

Iz 3.22 vidimo da u toµcki optimuma (toµcka A iz slike 3.2) vrijedi da proizvo-

†aµc izjednaµcava sve ponderirane graniµcne produktivnosti faktora pro-
izvodnje koje angaµzira u proizvodnji. Ako cijena rada poskupi proizvo†aµc će
angaµzirati više kapitala i obrnuto ako poskupi cijena kapitala proizvo†aµc će
angaµzirati više rada. Ako se produktivnost rada poveća tada će proizvo†aµc an-
gaµzirati više rada i na taj naµcin smanjit će njegovu graniµcnu produktivnost i
obrnuto, ako se produktinvnost kapitala poveća proizvo†aµc će angaµzirati više
kapitala i na taj naµcin smanjiti njegovu graniµcnu produktivnost. Jedino kada
vrijedi jednakost 3.22 tada proizvo†aµc neće imati potrebe ništa mijenjati, zato
tu toµcku zovemo toµckom ravnoteµze potrošaµca.

3.2.2 Minimizacija troškova uz zadanu razinu proizvodnje

Problem minimizacije troškova uz zadanu razinu proizvodnje moµzemo matema-
tiµcki izraziti

C = pL L + pK K (3.23a)
min
Y (K; L) = Y : (3.23b)

Vidimo da smo sada suoµceni sa funkcijom cilja 3.23a u kojoj moramo mini-
mizirati troškove uz ograniµcenje iz 3.23b da moramo proizvesti Y koliµcinu

33
 K

Y ( K , L) = Y *

0 L

Slika 3.3: Minimizacija troškova uz zadanu proizvodnju

proizvoda.Vidimo iz slike 3.3 da proizvo†aµc ima zadanu razinu proizvodnje

Y (K; L) = Y koju mora zadovoljiti na naµcin da ima što manje troškove (iz-
otroškovni pravci što bliµze ishodištu). Stoga u ovom sluµcaju presjek funkcije
proizvodnje (izokvanta) postaje skup mogućih rješenja a funkcija troškova je
funkcija cilja koju moramo minimizirati. Budući da se radi o dualnom proble-
mu rješenje ovog problema optimizacije moralo bi biti isto kao i kod svojeg duala
prikazanog u jednadµzbi 3.16, tj. toµcka A.
Lagrangeova funkcija problema optimizacije iz 3.23 glasi

L (K; L; ) = pL L + pK K + (Y Y (K; L)) : (3.24)

Nuµzni uvjeti prvog reda za optimum su:

@L @Y
= pK =0 (3.25a)
@K @K
@L @Y
= pL =0 (3.25b)
@L @L
@L
= Y Y (K; L) = 0: (3.25c)
@
Iz 3.23a dobijemo
pK
= @Y
(3.26)
@K
a iz 3.25b imamo
pL
= @Y
: (3.27)
@L

34
Kada izjednaµcimo 3.26 i 3.27 dobijemo
pK pL
@Y
= @Y
; (3.28)
@K @L

što moµzemo pisati

@Y @Y
@K @L
= : (3.29)
pK pL
Vidimo da 3.29 je potpuno jednaka 3.22 što govori da smo minimizacijom tro-
škova za zadanu razinu proizvodnje dobili isto rješenje kao i za maksimizaciju
proizvodnje uz zadanu razinu troškova, tj. da u toµcki optimuma proizvo†aµc
izjednaµcava graniµcne ponderirane produktivnosti svih svojih faktora
proizvodnje.

3.3 Tri stadija proizvodnje

Ako de…niramo kratki rok kao vremensko razdoblje u kojemu proizvo†aµc ne
moµze mijenjati razinu angaµziranosti nekog faktora proizvodnje, već mu je jedan
od faktora …ksan, pretpostavimo da je to kapital, tada naša funkcija proizvodnje
glasi
Y = Y (K; L) (3.30)
gdje K oznaµcava …ksnu vrijednost kapitala. Vidimo da se u ovom sluµcaju ra-
di o presjeku funkcije proizvodnje, ali ne za …ksnu vrijednost funkcije već za
…ksnu vrijednost kapitala K. Na gornjem dijelu slike 3.4 prikazan je presjek
funkcije proizvodnje za …ksnu vrijednost kapitala u Y; L prostoru. Vidimo da
s porastom ulaganja varijabilnog proizvodnog faktora L krivulja ukupne pro-
izvodnje Y (K; L) najprije raste, u poµcetku ubrzavajuće (do toµcke A) a nakon
toga usporavajuće (od toµcke A do B) te nakon toµcke B pada. Iz krivulje ukupne
proizvodnje mogu se izvesti krivulje prosjeµcne produktivnosti rada YL i
graniµcne produktivnosti rada @Y @L koje su prikazane u donjem dijelu slike
3.4. Prosjeµcnu produktivnost rada moµzemo gra…µcki izvesti na temelju kuta što
ga sa apcisom zatvara zraka iz ishodišta kroz toµcke krivulje ukupne proizvodnje.
Vidimo iz slike 3.4 da je najveći kut u toµcki C, stoga će i maksimalna prosjeµcna
produktivnost rada biti u toj toµcki.
Krivulju graniµcne produktivnosti rada moµzemo gra…µcki izvesti na temelju
odre†enih toµcaka funkcije ukupne proizvodnje. Prva karakteristiµcna toµcka je
toµcka A, tj. toµcka in‡eksije. S lijeve strane funkcija ukupne proizvodnje ubrzano
raste a sa njezine desne strane i dalje raste ali usporeno. Drugim rijeµcima
moµzemo reći da je od 0 do toµcke A YLL > 0, dok da nakon toµcke A YLL < 0, gdje
YLL prikazuje parcijalnu derivaciju drugog reda funkcije proizvodnje po radu.
Drugim rijeµcima graniµcna produktivnost rada, koja je parcijalna derivacija prvog
reda, do toµcke A raste (ima pozitivan nagib jer je njezina derivacija YLL > 0),
a nakon toµcke A pada uslijed YLL < 0. Druga karakteristiµcna toµcka je toµcka B
u kojoj ukupna proizvodnja ima maksimum, iz µcega slijedi da je prva derivacije
te funkcije (graniµcna produktivnost rada) u toj toµcki jednaka nuli.

35
 B
Y
Y = f (K , L )
C

0 L
Y ∂Y
I. II. III.
L ∂L ε Y ,L > 1 0 < ε Y ,L < 1 ε Y ,L < 0
A
C

Y
B L
0 ∂Y L
∂L

Slika 3.4: Tri stadija proizvodnje

Interesantna je veza izme†u graniµcne i prosjeµcne produktivnosti rada. Na-

ime, lako je dokazati da se u toµcki, u kojoj prosjeµcna veliµcina ima ekstrem
(minimum ili maksimum), prosjeµcna i graniµcna veliµcina sijeku.
Dokaz. Prosjeµcna veliµcina ima ekstrem u toµcki u kojoj vrijedi
!
@ Y K; L
= 0: (3.31)
@L L

Ako deriviramo prosjeµcnu produktivnost rada po radu dobit ćemo:

!
@ Y K; L YL L Y K; L
=
@L L L2
!
YL Y K; L 1 Y K; L
= = YL : (3.32)
L L2 L L

Iz 3.32 vidimo da će prva derivacija prosjeµcne produktivnost rada biti nula
Y (K;L)
kada YL = L , ili kada graniµcna produktivnost rada (YL ) bude jednaka

36
 Y (K;L)
prosjeµcnoj produktivnosti rada L .
Iz gore navedenoga slijedi da se u toµcki C, u kojoj prosjeµcna produktivnost
rada ima maksimum, prosjeµcna i graniµcna produktivnost rada sijeku.
Racionalan proizvo†aµc neće angaµzirati više rada od toµcke B jer je nakon te
toµcke graniµcna produktivnost rada negativna, ili angaµziranje više radnika u od-
nosu na prije dovodi do pada ukupne proizvodnje. Taj dio, u kojemu je graniµcna
produktivnost rada negativna zovemo trećim stadijem proizvodnje. Budući
da racionalan proizvo†aµc neće proizvoditi u trećem stadiju proizvodnje, pitamo
se hoće li proizvoditi u prvom ili drugom? U prvom stadiju proizvodnje
prosjeµcna produktivnost rada raste, dok u drugom stadiju pada. Ako pret-
postavimo linearno homogenu funkciju proizvodnje Y (L; K) moµzemo na
temelju Eulerovog teorema3 pisati
@Y @Y
Y = L+ K; (3.33)
@L @K
što derivaciju prvog reda prosjeµcne produktivnosti rada pretvara u
!
@Y @Y
@ Y @ @L L + @K K
=
@L L @L L
@Y @Y @Y @Y
@L L @L L + @K K @K K
= = : (3.34)
L2 L2
Budući da su faktori rad L i kapital K uvijek nenegativne varijable iz jed-
nakosti 3.34 slijedi da kada prosjeµcna produktivnost rada raste (njezina prva
@Y
derivacija je veća od nule) tada graniµcna produktivnost kapitala @K mo-
ra biti negativna, a kada prosjeµcna produktivnost rada pada tada je graniµcna
produktivnost kapitala pozitivna. Na temelju toga moµzemo lako zakljuµciti da
proizvo†aµc neće proizvoditi u prvom stadiju proizvodnje, gdje raste prosjeµcna
produktivnost rada što povlaµci negativnu graniµcnu produktivnost kapitala. Jedi-
no u drugom stadiju proizvodnje graniµcna produktivnost kapitala i graniµcna
produktivnost rada su pozitivne. Stoga će racionalan proizvo†aµc proizvoditi u
drugom stadiju proizvodnje.
Na temelju gra…µckih prikaza graniµcnih i prosjeµcnih veliµcina lako moµzemo
izvesti koe…cijente elastiµcnosti. Parcijalni koe…cijent elastiµcnosti proizvodnje na
promjenu rada moµzemo izraziti
@Y @Y
Y @L
"Y;L = @L
= Y
: (3.35)
L L

Na temelju slike 3.4 vidimo da je u prvom stadiju proizvodnje graniµcna

veliµcina veća od prosjeµcne veliµcine i na temelju izraza 3.35 moµzemo zakljuµciti da
je "Y;L > 1; u toµcki C "Y;L = 1; u drugom stadiju 0 < "Y;L < 1; te u trećem
stadiju "Y;L < 0:
3 O homogenim funkcijama i Eulerovom teoremu vidi A. Chiang, Osnovne metode mate-

matiµcke ekonomije, treće izdanje, Mate, Zagreb, 1994., str. 410 - 414.

37
3.4 Izvo†enje funkcije ponude iz funkcije troško-
va poduzeća

AC,MC,P

MC
C
P=40
B AC
P=35
D
P=30

A
20

0 Y’ Y’’’ Y* Y’’ Y

Slika 3.5: Prosjeµcni i graniµcni troškovi

Na slici 3.5 prikazani su prosjeµcni (AC ) i graniµcni (MC ) troškovi poduzeća.

Prosjeµcni troškovi su u poµcetku visoki jer se …ksni troškovi prevaljuju na manji
broj proizvoda. S povećanjem proizvodnje prosjeµcni troškovi padaju jer se …ksni
troškovi prevaljuju na više proizvoda. Me†utim njihov pad ide do toµcke A u
kojoj su prosjeµcni troškovi minimalni. Proizvo†aµc moµze najjeftinije proizvesti
jedinicu proizvoda po 20, kada proizvodi Y 0 koliµcinu proizvoda. U toj se toµcki
sijeku graniµcni troškovi s prosjeµcnim troškovima, budući da u toµcki A prosjeµc-
na veliµcina ima ekstrem4 . Kada bi trµzišna cijena proizvoda bila P=35, tada se
proizvo†aµcu isplati povećati proizvodnju na Y (u toµcku B), kada izjednaµca-
va svoje graniµcne troškove s graniµcnim prihodima, koji su u modelu savršene
konkurencije jednaki prodajnoj cijeni proizvoda. Kada bi se prodajna cijena
dodatno povećala na P=40, proizvo†aµc bi dodatno povećao proizvodnju na Y 00 .
Drugim rijeµcima vidimo da funkcija graniµcnih troškova od toµcke A predstavlja
funkciju ponude poduzeća koja je pozitivno nagnuta što odraµzava da će uz veće
trµzišne cijene proizvoda proizvo†aµc povećavati svoju proizvodnju i obrnuto, uz
manje prodajne cijene, smanjivat će razinu svoje proizvodnje. Jasno je da ova
analiza vrijedi ceteris paribus, ili uz sve ostale uvjete nepromijenjene. Postavlja
se me†utim pitanje kako bi se proizvo†aµc ponašao kada povećanje cijena ne bi
odraµzavalo povećanje cijena na trµzištu njegovih proizvoda, već povećanje opće
razine cijena. Povećanje opće razine cijena povećalo bi i troškove koje poduzeće
ima.
4 Vidi dokaz u jednadµzbi 3.32.

38
 P, MC S
MC’

A’ B MC
P2

A
P1

0 Y* Y’ Y

Slika 3.6: Funkcija ponude kada dolazi do promjene opće razine cijena

Tako npr. na slici 3.6 imamo poµcetnu ravnoteµzu proizvo†aµca u toµcki A, pri
kojoj po cijeni P1 proizvodi Y koliµcinu proizvoda. Ako se cijena poveća u P2
tada bi uz nepromijenjene troškove proizvo†aµc povećao svoju proizvodnju od
Y na Y 0 . Me†utim, ako pretpostavimo da nije došlo do promjene na trµzištu
proizvo†aµca, već da taj porast cijene odraµzava promjenu opće razine cijena to
znaµci da će i troškovi proizvo†aµca biti veći. U tom sluµcaju krivulja graniµcnih
troškova MC pomaknut će se u MC’, a ravnoteµzu će proizvo†aµc postići u toµcki
A’. Interesantno je primijetiti da u tom sluµcaju uslijed povećanja cijena nije
došlo do povećanja proizvodnje, ili da proizvo†aµc neovisno o razini cijena nudi
uvijek istu koliµcinu proizvoda Y na trµzištima. Od tuda po klasiµcnim ekonomis-
tima, koji vjeruju u brzo prilago†avanja cijena i nadnica (troškova), krivulja
agregatne ponude, koja ne odraµzava vezu na jednom trµzištu već u cijelom
gospodarstvu, okomita je na razini potencijalnog proizvoda, budući da cijene P
u makroekonomiji predstavljaju opću razinu cijena a Y bruto domaći proizvod.
Kod ekonomista koji vjeruju u sporo prilago†avanja troškova (Keynezijanci)
otvara se prostor promjene proizvodnje uslijed promjene cijena na trµzištu. Sto-
ga je i krivulja agregatne ponude prema njima više ili manje pozitivno nagnuta.

39