ara aT) 24 re ere kere AY emer oe net eny rend Peis!a DIEGO ESCOBAR URIBE atema _2a. Edicion _ Se EDICIONES UNIANDES Facultad de Ciencias Departamento de Matematicas PAVONNG EScRinia als {0S UbADS 4 ee WSIS : nth BaD FEE, SENERAL UNANDES A AlfaomegaEscobar Uribe, Diego Economfa matemitica / Diego Escobar Unibe. — 2. edicién - Bogot4 : Universidad de los Andes, Facultad de Ciencias, Departamento de Matemdticas, Ediciones Uniandes : Alfaomega Colombiana, 2005. 3\l p.; 17x 23.cm." ISBN 958-682-603-1 1. Economfa matemitica I. Universidad de los Andes (Colombia). Facultad de Ciencias. Departamento de Matematica IL Tit. CDD 330.1543 Primera edici6n: julio de 2001 Segunda edicién: diciembre de 2005 © Alfaomega Colombiana S.A. J Calle 106 A No. 22-56 1 Teléfono: 6 197677 Bogot4 D.C., Colombia hetp://alfaomega.com.co editorial@alfaomega.com.co © Universidad de Los Andes, Facultad de Ciencias, Departamento de Matematicas. Calle 19 A No. 1-37 Este Teléfono: 3 394949 — 3 394999, Ext: 2786 Bogoté D.C., Colombia http://matematicas.uniandes.edu.co . Matema@uniandes.edu.co Ediciones Uniandes Carrera 18, No 19-27. Edificio AU 6 Bogoté D.C., Colombia Teléfono: 3394949- 3394999. Ext: 2133. Fax: Ext. 2158 http://ediciones.uniandes.edu.co infeduni@uniandes.edu.co ISBN: 958-682-603-1 Diagramaci6n: Juana Vall-Serra Disefio de carétula: Teresa Mariiio Garcfa Edicién e impresién: Alfaomega S.A. Calle 106 A N® 22-56 - Bogoté, Colombia Teléfonos: (571)619 7677 + Fax: (571) 602 0633 Correo electrénico: aeditorial@ alfaomega.com.co Impreso en Colombia ~ Printed in Colombia Todos los derechos reservados. Esta publicacién no puede ser reproducida ni en su todo ni en sus partes, ni registrada en o trasmitida por un sistema de recuperacidn de informacién, en ninguna forma ni por ningin medio sea mecénico, fotoquimico, electrénico, magnético, electro-éptico, por fotocopia o cualquier otro, sin el permiso previo por escrito de ta editorial. NN). Contenido Cn Prefacio iii Introduccién / Vv 1. Analisis convexo 1.1. Conjuntos convexos....- ++ ee eee bee ee 1 1.2. Funciones céncavas y convexaS 2. ee ee 4 1.3. Méximos de funciones céncavas .. 6.6 ee ee es 21 1.4. Optimizacién restringida-igualdad ....--- eee teers 25 1.5. Optimizacién restringida-Kuhn-Tucker .. 2.6. - +++ +e: 36 1.6. Hjercicios 2... es ee 57 1.7. Apéndice . 6... ee 61 1.8. Sugerencias y soluciones ©... - ee ee ee es 67. 2. Aplicaciones econémicas 71 91. Teorema de laenvolvente 2... 0.6 ee eee eee val 9.2. Teoria dela producci6n .. 1... eee ets 81 93. Teoria del consumidor ......--00 22 ee eee Dee 94 2.4. Hjercicios . 6. ee 108 2.5. Sugerencias y soluciones .......- Le eee 113 JRPRRPRERERHRRE Pe eee PP ee Pe e|e|ECONOM[A MATEMATICA 3. Ecuaciones diferenciales 3.1. Introduccién. .. 2... ee eee 3.2. Solucién de casos sencillos ..........02.. 3.3. Ecuaciones de orden superior ............ 3.4, Sistemas de ecuaciones diferenciales 3.5. Diagramas de fase ..........2..000... 3.6. Hjercicios .. 2... el 3.7. Sugerencias y soluciones ............... 4. Ecuaciones en diferencia 4.1. Introduccion... 2... ll, La 4.2, Ecuaciones lineales ...........2.,202..., 4.3. Ecuaciones deordenn>2.............. 44. Sistemas de ecuaciones............20,.. 4.5. Estabilidad .. 2.2... 4.6. Ecuaciones no lineales ........,.., Dee 4.7, Hjercicios ........0., ee eee ee 4.8. Sugerencias y soluciones ..'°......... Moe. 5. Optimizacién dindmica 5.1. Introducci6n. . 2... eee, 5.2, Principio de Pontryagin ...........2... 5.3. Generalizaciones ... 2.2.0... 5.4. Calculo de variaciones .......... lee 5.5. Horizonte infinito.. 2... 0... alle. 5.6. Elementos de programacién dindmica 5.7. Hjercicios . 2... le 5.8. Apéndice 22... el 5.9. Sugerencias y soluciones ..........202,.., Bibliografia Indice alfabético , Prefacio ee ! Este libro es el fruto de muchos ajios de dedicacién de Diego Escobar a la investigaciOn y a la docencia. Desde hace mucho tiempo era evidente la necesidad dé una elevada forma- cin matematica por parte de los economistas, dado el estado de desarrollo de la ciencia econdémica. Este libro llena un vacio claro. La formacién basica en matematicas, que han tenido los economistas, consiste en cursos de célculo diferencial e integral y de Algebra Lineal. El presente libro va més all4 de estos conocimientos y esté disehado para un ultimo curso de matematicas para economistas. Los temas que trata son los necesarios para una buena comprensién de la microeconomia y la macroeconomia. Empieza con los temas indispensables para las teorfas del consumidor y el productor, como son el andlisis convexo y las técnicas de optimizacién estdtica bajo restricciones de igualdad o desigual- dad; sigue con las herramientas matematicas utilizadas en modelos dindmicos, micro 0 macroeconémicos; es decir, con ecuaciones diferenciales y en dife rencias finitas, y concluye con los temas de optimizacién dindmica, con los formalismos alternativos de teorfa del control 6ptimo, cdlculo de variaciones y Programacién Dindmica. No es facil organizar un curso con estos temas; antes de los bros del profe- sor Escobar, era necesario tomar capitulos de diferentes textos de mateméaticas orientados a los ingenieros o a los matematicos puros, pues no existia una pu- blicacién que presentara estos indispensables temas desde el punto de vista del economista. iiiECONOMIA MATEMATICA E] contenido del libro ha sido probado en numerosos cursos, por el pro-- fesor Escobar y sus colegas y disc{pulos en varias facultades colombianas de economia, y ha sido refinado con esa experiencia. Felicito al profesor Escobar por este nuevo trabajo y le agradezco, en nom- bre de los economistas colombianos, su dedicacién a la docencia en estos temas, la cual ha permitido elevar la formacién mateméatica de los estudiantes y, por tanto, facilitar su asimilacién de la teorfa econdémica moderna. Manuel Ramirez Gomez . Coordinador del Grupo de Investigacién . Facultad de Economia, Universidad del Rosario iv eee , Introduccién J. Marschak decia: “el hecho de que una teorfa internamente coherente y determinada se formule o no en términos ‘matematicos, no cambia su esencia ldgica; pero es mas facil verificar su coherencia y su determinacién si se evuncia en términos matematicos”. Este principio me ha servido como leitmotiv al escribir este libro. La coherencia, la belleza, el rigor y la simpleza matenatica dejan ver un tema como la economfa desde otra perspectiva. Hoy en dia, y para no entrar en un didlogo de sordos, cualquier economista debe poder leer y comprender el lenguaje matemdtico para poder opinar sobre lo que muchos colegas intentan decir. : Desde la aparicién de mi primer libro, Introduccién a la economia ma- temdtica, se han presentado avances y han surgido con mucha més fuerza al- gunos temas matematicos que, aunque no eran desconocidos, si se han vuelto indispensables. La primera edicién del presente trabajo introdujo ciertas modificaciones, sobre todo al incluir un desarrollo mayor del Teorema de la Envolvente y algunos cambios en la seccién sobre Programacién Dindmica. : ‘La presente edicién, recogiendo los avances que mencioné, de nuevo, in- troduce cambios en el tema de la optimizacién dindmica para casos discretos ampliando el principio de solucién de Bellman. Ello se debe a sugerencias de colegas y lectores que necesitan del instrumento de la Programacién Dindmica y, en particular, las aplicaciones a la macroeconomfa. Esta edicién también tiene cambios sustanciales en cuanto al formato y la presentacién. En particular, para hacer més facil su lectura, se dejaron espacios suficientes entre los desarrollos de las ecuaciones que facilitan su lectura y Vv TwWTt JPPRRETYE= Te ONOMIA MATEMATICA , Séguimiento. Quiero agradecer en forma especial a Juana Vall-Serra por su . dedicacién, minuciosidad Y sugerencias para el nuevo formato. La esperanza es que todos estos esfuerzos se traduzcan en una mayor com- preusién por parte de log lectores, y que este libro no sélo sirva su Propésito de ser un texto bdsico de Economia Matematica, sino, a su vez, un manual de referencia en estos temas. Esguerra y Eliana Medina en Ediciones Uniandes y Teresa Marifio por parte de Alfaomega, 8racias por su paciencia y colaboracién. : \ ‘ Diego Escobar Uribe Bogota, diciembre de 2005 vi Capitulo I a Analisis convexo 1.1. Conjuntos convexos globales y tnicos 0 sdlo locales. En lo general interesan y se buscan log prime- TOs, pero no es posible tener puntos de “buen comportamiento” sin éxigirles a Definicién 1.1. Un conjunto x C R” se llama convexo, si para cualquier "ut €X yA € (0,1), Any +t — Alay eX Geométricamente, la convexidad significa, por lo tanto, que un Conjunto €s convexo siempre y cuando el Segmento de recta que une cualquier par de puntos 21 y x9 esté contenido enteramente en el conjunto.ECONOMIA MATEMATICA Ax, 41-A] x, Figura 1.1. . . Podemos agrupar algunas de las mds importantes y elementales propiedades de los conjuntos convexos en el siguiente teorema: Teorema 1.1. Si_X ¥ Y son dos conjuntos convexos, entonces \ i XY es un conjunto convexo. i, X+Y=a{z+y|ze X, 4 © Y} es un conjunto convéxo. iii, KX ={kzl|xe X}, donde k € R, es un conjunte convexo. Demostramos formalmente la segunda parte del teorema anterior. En los ejercicios al final del capitulo se | e pedird al lector la demostracién de los restantes enunciados. : Demostracién. Sean 21 y z2 dos elementos cualesquiera de X+Y, Existen entonces £1, 4% € X Y v1.42 €Y tal que z, = T1 +N Y 22=22+4y9. Témese # = Az + [1 Alen = Mor + yn) + [1 — Allg yp) ~ = (Az + [1 _ A] 22) + Oy + fl - A]ye). Pero como X,Y son conjuntos convexos, se tiene que Ar, + [1 — Aas € X y M1 +[1-AlyweY y, Por lo tanto, ze X+Y, _I ANALISIS CONVEXO Ejemplo 1.1. (i) Eldisco M, = {(x,y) € R? |2?+y? < 4} es un conjunto convexo mientras la circunferencia My = {(z,y) € R? |a2 + y? = 4} no loes. (ii) Los conjuntos Mz = {(z,y) €R?|y> 22} y My = {(z,y) € R?|y > |x}} son también conjuntos convexos. Verifiquemos lo anterior para Mo. Para ello supanga que (x1, y1) y (Za, y2) son dos puntos cualesquiera de M2 y, por lo tanto, tenemos que . Wea y Yd? Para 4’€ [0, 1] vale entonces que Ay > Az? y también [1 ~ A]ye > [1 — A]arg?, por lo que! Aon + [L = Alya & Aey? + [1 — Along? > (Aay + [1 — Alera)? que implica A(z1, 1) + [1 — A] (x2, ye) = (Avi + [1 — Aare, Ay + [1 — A]ye) € Mo. (iii) El conjunto My = {x € R”|Az < b}, donde A es una matriz m x n yb un vector m x 1, es un conjunto convexo. Este conjunto, que representa un poliedro, aparece como conjunto de puntos factibles en un problema de programacién lineal. Para verificar que realmente es convexo basta de nuevo tomar dos puntos cualesquiera X1,22 € Mg. Para ellos, se tiene que Az) A221? +2X(1 — A)a122 + (1 — A)P29?. PPFFRECCRR ete er eee ere ee ccECONOMIA MATEMATICA 1.2. Funciones céncavas y convexas my Estudiamos a continuacién las funciones convexas y las funciones céncavas. Estos conceptos, como dijimos, estardn ligados a la caracterizacién de minimos y méximos de una funcién. Definicién 1.2. Sea f : X —+R con X C R™ convexo. i. f se llama una funcién conveza si para cualquier par de puntos 1, wgEX yA€ [0,1], f(Aay + [1 — A]za) < Af(e1) + [F- A] f(z2). ii. f se llama estrictamente conveza si en (i) cambiamos “< por “<% y € (0,1). : iii, f se llama céncava si —f es convexa 0, lo que es lo mismo, si en (i) se sustituye “<” por “>”. De nuevo podemos dar para una funcién convexa y para el caso’ 0 de ser X CR una interpretacién geométrica: 4 +f) . 4 f(%2) A(x) + [1-2] f(a) f(x, + [1-2]x,) 6 F(%) ee x Axjt[l-A]x, 2X, x. . Figura 1.2. La convexidad dice, entonces, que la imagen del punto Az; + [1 — Alxg debe estar por debajo de la combinacién \f (x1) + [1 —A]f (22). En forma similar se define una funcién estrictamente céncava. 4 \ ANALISIS CONVEXO ‘Nota 1.1. (a) Por la anterior definicién queda claro que muchas propiedades de las fun- ciones convexas se prueban en forma idéntica para funciones céncavas. Por ello, en las demostraciones y ejemplos que siguen nos limitaremos, en lo general, a tratar el caso de funciones céncavas. (b) Naturalmente se desprende que estrictamente convexo o céncavo implica convexo 0 céncavo. : _ En varios textos se definen funciones convexas y céncavas por otro camino que en algunos casos es mds conveniente. Para ello se introduce el concepto de hipégrafo y epigrafo de una funcidén, y simplemente se define una funcidén céncava como aquella cuyo hipégrafo es un conjunto convexo. Similarmente, una funcién convexa es aquella cuyo epigrafo es convexo. Sin embargo, el teore- ma que sigue mostraré que las definiciones son, respectivamente, equivalentes. Para ello veamos primero qué se entiende por hipdgrafo y epigrafo: Definicién 1.3. Sea f : X —+ R con X C R” convexo i. Hy = {(z,k)|x € Xk ER,k < f(x)} se llama el hipdgrafo de f. ii, By = {(2,k)|c © X,KER,k > f(z)} se lama el epigrafo de f. Nétese que tanto i ¢ como Js son subconjuntos de R*+1, La figura 1.3 nos ilustra para f(x) = x? estos dos conceptos.JPET eee ee eeeee eee erage? ECONOMIA MATEMATICA Teorema 1.2. Sea f:X—+RconX cR® convexo. Entonces, i, f es convexa <> Ey es un subconjunto convexo de R"+, ii, f es cOncava <=> Hy es un subconjunto convexo de R*+1, Demostracién. Mostraremos (ii): “=” Sea Hy convexo y sean 21,29 € X. Como (x1, f(#1)); (wa, f(ae)) € Hy y Hy es un conjunto convexo, : Mei, f(21)) +[1—A] (a2, f(g) = (Aa +[1~Alwo, Af(e1)+[1—-A]f (a2) iy. Pero esto significa que , f (Ati +[1—A}ze) > Af(a1) + [1 Alf (22), es decir, f es céncava. a “=>” Suponga, al contrario, que f . es una funcién céncava y sean (2,1), (a2, ko) € H;. Entonces, ky < flti)y ko < f (xa). ° 7 Como 4 € [0,1] ‘ ". Aki < Xf (21). . [1—A}ke < [1 — Al f(x2) que implica . Aki + [1 —Alko < Af(ay) +1 Alf (x2) | S fn + [1 ~A]zg), ya que f es céncava. Por Jo tanto, (Av, + [1 — Ajera), Mey + [1 — A]ke) € Hy, lo que significa que Hy es un conjunto convexo. a] Exigirle a una funcién que sea céncava o convexa puede resultar en varias aplicaciones una condicién demasiado fuerte. Por ello es suficiente, en algu- nos casos de interés, pedirle una condicién més suave, pero que en virtud del las funciones cuasiconvexas y cuasicéncavas, y estableceremos la relacién con la concavidad y convexidad. Definimos primero el concepto de contorno que nos facilita esta tiltima tarea, : : 6 . : ANALISIS CONVEXO Definicién 1.4. Sea f : X —+ R con X C R" convexo. Sea y un elemento del rango de f. Entonces los conjuntos se llaman: i Cry) = {2 © X| f(x) = y} el contorno de f en y. ii, CSp(y) = {2 € X| f(x) > y} el contorno superior de f en y. ili, Cl¢(y) = {a € X|f(x) < y} el contorno inferior de f en y. Teorema 1.3. Sea f: X —+R con X CR" convexo. Entonces, i.Si f es céncava => Para todo y del rango de f, C'S;(y) es un conjunto convexo. | ii. Si f e& convexa > Para todo y del rango de f, CI;(y) es un conjunto - convexo. Demostracién. Demostramos (i): Sean 21,29 € CS f(y). Entonces, f (a1) > y y f(x2) > y. Como f es céncava F(Avi + [1 —A}e) > Af (a1) + [1 — A] f(22) 2Ay+[l-Aly=y- lo cual significa que el contorno superior es un conjunto convexo, ya que Any + (L— A)xo € CS;(y). a) Nota 1.2. (a) Témese en cuenta que Cs,C'S; y CI; son subconjuntos de R”. (b) No es vélido el teorema 1.3 en el sentido contrario, como puede apreciarse | en el siguiente contraejemplo: Sea f(r) = x3, entonces CS;(y) = {2|2® > y} = {le > yi} = [p3, 00) que es. un conjunto convexo. Pero f (x) no es una funcién céncava. Definicién 1.5. Sea X. © R* convexo. Se dice que f : X —+ R es una ' funcién cuasicéncava (convexa) <> C'S;(y) (CI ‘7(y)) es un conjunto convexo para cualquier y del rango de f. 7ECONOMIA MATEMATICA Una forma diferente de ver la cuasiconcavidad o cuasiconvexidad, y mds acorde con la definicién 1.2, nos la proporciona el siguiente teorema: Teorema 1.4. Sea X Cc R® convexo. Entonces f£:X Res i cuasicéncava + Para cualquier x1, 22 € X con f(z1) > f(22) > f(Azy + [2 — A]z2) > f (22), siendo € [0,1] cualquiera?, il, cuasiconvexa o — f €8 cuasicéncava = Para cualquier 21,22 € X con F(t1) $ f(x2) > ; fAx1 + [1 —A]z2) < f(a), siendo 4 € [0,1] cualquiera, Demostracién. “s” Supongamos que 71,22 € CS;(y), de tal manera que F (zi) 2yy- f (22) > y. Sin pérdida de generalidad, suponga que | Mes) 2 F(e2) > f(Aer + [1 — rox) > flog) > y, Por lo tanto, At, + fl— Alze €E CSs(y), es decir, C'S's(y) es convexo ¥; Por consiguiente, la funcién f es cuasicéncava, “=>” Sea ahora CS 's(y) convexo para cualquier y del rango de f. Definimos y° = min{ f(), f (a2)}. Como C'Ss(y°) es convexo, Ary +(1—A)aq € C'S(y°) para cualquier \ € (0, 1] Y, por lo tanto, : : F(A + [1 — Alara) > y2, Suponiendo que F(z) 2 f (x2), esto quiere decir que f(Ax, + {1 - A]x2) > f (22). _! Una formulacién equivalente que se utiliza en al : icd 1 ‘unos textos es: f es cuasicéncava ° F(Aai + [1 — Ajz2) > min{f(z1), f(2)} para todo 21,226 X, . . . 8 \ ANALISIS CONVEXO Nota 1.3. Lo anterior nos indica que para funciones cuasicéncavas su contorno superior debe ser convexo y viceversa. No es asi para funciones céncavas, La diferencia radica en el hipdgrafo. Puede haber funciones con hipégrafo no convexo que de tener contorno superior convexo serfan sélo Ccuasiconcavas. Es decir, se tiene: (a) f céncawva (convexa) => f cuasicéncava (cuasiconvexa). (b) f céncava > H; convexo y CS convexo. ‘(c) f cuasicéncava + C'S; convexo. i Antes de Proseguir, veamos un ejemplo, por cierto muy importante en econom{a pues, muestra las curvas de indiferencia para dos bienes, en el cual tenemos una funcidn que es cuasicéncava pero no céncava. Ejemplo 1.2. Sea f : X — R definida por f (21, £2) = 21 22, donde X= {(21,%2) | 71> 0, x2 > 0}. CS s(y) = {(a1,") | 21 >0, 29 > 0, z122 > y} = { (21,22) | z1>0, t2> 0, 22> a que, como se aprecia en la figura 1.4, es un conjunto convexo, Tenemos, por lo tanto, que f es cuasicéncava. Sin embargo, Hy = {(21, 22, k) | Z1>0, 22> 0, 2129 > k} t . no es convexo. Do Témese por ejemplo (21,29, ky) = (1,1,1) ¥ (yt, ya, ke) = (2, 2,4). Tenemos M111) + [1 ~ AI(2, 2,4) = (2-2-4 — 32), pero (2~A)? =4-4\4+? <4-3), ya que 4? < } para cualquier € [0,1]. Es decir, H f 00 es convexo y, por lo tanto, segiin el teorema 1.2 (ii), la funcién f no es céncava.ECONOMIA MATEMATICA Figura 1.4. Vamos ahora a estudiar un teorema que nos muestra las propiedades de composicién de las funciones céncavas y cuasicéncavas. , Composiciones Teorema 1.5. Sea X C R® convexo, fi: X GR g:X 4R i, Sea f(z) = k g(x). Si g es céncava, entonces f es céncava sik >Oy convexasik 0; FAt1 + [1 ~ dJoa) = kg (Any + [1 — A]z2) 2 RAg(a1) + [1 — Alg(a)) = Af (04) + [1 - A]f(z2), ya que g es céncava y f = kg. 10 \ ANALISIS CONVEXO (i) | | f(Qa1 + [L ~ Ara) > AF(2) + [LA] Fen) g(Aa + [1 —A]aa) > Ag(z1) + [1 — A] g(a), lo que implica ; A(Aay + [1 — A]zze) = f (Aer + [1 — Ale) + g(Azr + [1 — A]z9) 2 Af(a1) + [1 — A] (a2) + Ag(z1) + [1 — d] 9(22) _ ya que f, g son céncavas. Por lo tanto, . Airy + [1 — A]xe) > Ah(21) + [1 — A] h(x). Es decir,.h es céncava. (iii) . g(Aty + [L~ Nora) > Ag(xr) + [1 — A] g(arg) por ser g céncava y como fh, es mondtona creciente, A(gQ21 + [1 — Axa) > A(Ag(e1) + [1 — A} 9(a2)) f(Azi + [1 — Alaa) > M(ofe) + [1 — A] A(g(x2)) = Af (zi) + [1 — A] f(a) por ser h también céncava, e.d. f es céncava. Para el caso de la cuasi- concavidad, supongamos que ‘ 9(@1) 2 9(22) => g(Any + [1 — A}ae) > g(ax9) por ser g cuasicéncava. Como h es monétona creciente, entonces A(g(21)) > h(g(x2)), es decir, f (x1) > f (z2). : Pero también - 4 ; A(g(Aei + [1 —A]x2)) > h(g(22)). Por lo tanto, F(Aaz + [1 — Alara) > f (22), . lo que significa que f es cuasicéncava. tt: 11 APT VTVVVANV eee ee eee ccaECONOMIA MATEMATICA Notm Ld, (a) No es villido que la suma de dos funciones cuasicéncavas sea cuasicéncava ©omo lo muestra el siguiente Contraejemplo: Sea f(x) = 23 + 2, 9(x) = ~2y. F(x) es una funcién monétona creciente (f! = 322 4. 1) y, como veremos enseguida, éstas son Cuasicéncayas, g(x) a 8u vez es lineal Y; Por lo tanto, céncava y por ello Cuasicéncava, - Pero h(x) = f (2) +9(2) =23 > NO es cuasicéncava, porque CS;(0) = {re X23 ~ > 0} = {2 € X]e(e ~1)(24 1) > 0}. =[-1,0]u {1, 00) , f NO es un Conjunto convexo, Tenemos, por lo tanto, que (ii) sélo és aplicable para funciones céncayag Y convexas, . : \ (b) En contraste con lo anterior, en (iii) es indispensable exigir la coucavidad de la funcién h. Es d ecir, la composicién de una funcién monctona creciente con una funcién céncava no necesariamente eg Céncava, Veamog este punto con un ejemplo para el caso similar de funciones cOnvexas: Por ejemplo, si g(a) = a2 y A(z) = log(z), g es convexa y h es monétona creciente, pero f(z) = h(g(z)) = 2 log(x) es céncava.. Es decir, la composicién de una convexa con una monétona creciente nd necesariamente 8 convexa. Esta Propiedad tiene especial importancia, Por ejemplo en Ja teoria neoclésica del consumidor donde se introducen funciones de utilidad que deben.re- flejar las preferencias de un consumidor entre dos conjuntos de bienes. La Teorema 1.6. Toda funcién fi:xX-—3 R,X CR convexo, que sea monétona creciente eg cuasicéncava JY Cuasiconvexa, ‘ : - 12 . ANALISIS CONVEXO Demostracidn. Sea w>m>f (11) >f (x2) por ser f mondtona, creciente. Entonces, At 2 Az. => Xaxy -%)>0 3 ®a+X(21—a2) >a => Az, +[1—A]azg > ap. Como f es monétona creciente, F(Az + [1 — Ajza) > f(z2), -lo que significa que f es cuasicéncava, La demostracién de la cuasiconvexidad se deja como ejercicio. | débiles como vimos, garantizan también que un méximo © minimo local sea global? Y més atin, jserdn éstos tinicos? Desarrollamos para esto el concepto de cuasiconcavidad y cuasiconvexidad estricta, Definicién 1.6. Sea [:xX— R, X Cc R* convexo: Entonces se dice que i. f es estrictamente Cuasicéncava si para 21,09 © X con f(x1) > f(x), f(t, + [1 ~ A]t2) > f(a) siendo d € (0, 1). ii. f es fuertemente cuasicéncava si para 71,02 € X con 2, % tay Fle) > Ff (x2), fe + [1 ~ Alt2) > f(w2) siendo 2 € (0,1). Nota 1.5. . a . Las definiciones 1.2 y 1.6 dejan ver claramente la relacién entre los diferentes conceptos. En efecto se tiene: estrictamente fuertemente estrictamente céncava cuasicéncava cuastcéncava cuasicéncava Tomese en cuenta, sin embargo, que estrictamente cuasicéncaya no implica cuasiconcavidad como lo muestra el ejemplo siguiente. 13_ Ladefinicién 1.2 deja ver claro que una funcién e: ECONOMIA MATEMATICA Ejemplo 1.3. strictamente céncava es cénca- va. {Vale ésto también, para las cuasicéncavas? : Véamos el siguiente caso: Sea. Osiz=0 - fa)={sese Entonces fes estrictamente Cuasicéncava. Sin Porque si tj = 1 y z= —1, entoncegs f(x) = f (v2) = 1, pero f ($2, + 322) = F(0) =0< f (xq) contradiciendo Ja definicién anterior. . . R, X c R convexo. Se define una funcién @:R — R por medio de $(t) = f(te + [1 - tly). Entonces, f eg concava (cuasicéncava) @ es céncava (cuasicéncava).” Demostracién, En el caso de las céncavas, tenemos: “es” Sean z,y © X y sea $(t) = f(ta4 [1 —t]y) que es una fancién de variable . real con dominio [0,1], céncava, Entonces, Hee + [1 ~ dy) = b(4) = (et +. (1 — yo) =O + F600) =4F(@) + [apy por lo cual f es concava, “=>” al contrario, sea ahora f céncava. Tomando 31, s9 fijos en R O(ts, + (1 t]sq) = f (fis; + {1 — t]sg]a + {1 — (ts; + fl- t]s2)]y), que sumando y restando q_- t)y puede escribirse como fliiae+(~s)yj+f— t(sox + (1—sp)y) > (lie + (1 siy] + [Lt] f([sge + (1 ~ sa)y] = : tO(s1) + [1 —t4(s2) 14 embargo, f no es cuasicéncava ANALISIS CONVEXO Nota 1.6. (a) Funciones f:X —5RXcR que tengan derivadas Pparciales continuas de orden se llaman funciones C™, (b) Del célculo en una variable recordamos el criterio segiin el cual @:I—R, ICR es céncava en los siguientes casos: . (b1) Si es C1) $ es céncava © ¢(x) es decreciente para todo re J. “(y) ~ (2) S (y —2)¢"(c) para todo Zaye, (b2) Si ¢ es C2.¢ es céncava <= $" (x) < 0 para todo x el. (b3) En el caso ‘en: que ¢ sea cuasicéncava en (b1), se tiene la siguiente ‘ equivalencia cuya demostracién ge deja como éjercicio: @ es cuasicéncava ° . - Para a,y € I con Oy) > d(x) > (y — x)¢'(x) 20. tilizando el teorerha anterior y la nota 1.6 (a) podemos formular ahora la U . Caracterizacién de’ las funciones concavas y cuasicéncavas Para funciones C!. _ Esta forma de corroborar si una funcién es céncava es en muchos casos mds facil de.desarrollar que la definicidn. ‘Sea Vf (2) = (Lem, she), wees me) el gtadiente de f. Entonces, Teorema 1.8. Sea f:X RR X¥cCR convexo y abiertoS ¥ suponga que fesc}, — if céncava [convexa] f(y) S/>] f(a) + (y- x)V f(z). Ii, f cuasi¢éncava [cuasiconvexa] © Paraz,yeXx 20 £0) 2 [<] fle) = y~2)Vf(a) oo. 1 5Se dice que un conjunto X CR es abierto si para todo z € X existe un entorno U.(2) que esté totalmente contenido en X. Para el caso n = 1, los intervalos abiertos (a, 6) son abiertos en este sentido. . 15 SET TUAW yy.PCONOMIA MATEMATICA Demostracién. Mostramos (i). Sea #(t) = F(ty+fl~ tz) = f(a+ ty — 2). Entonces, f es céncava +> ¢ es céncava = #(s) ~ A(t) < (s ~ t)¢'(t) para todo s,t € (0,1). Ahora bien, : , n a _ . $= Dy) = y 20 H(0 + Hy ~2), i=i ° Por lo tanto, si f es céncava (con Jo cual des céncava) = (1 0)4'(0) = (y~a)V f(x) > 9(1) — $(0) = f(y) — F(x) Y, por lo tanto, , FY) S F(a) + (y~2)VF(2). Al contrario, suponga ahora que FY) - fle) < (ya) V F(x) para todo z,y 6 X. En particular, se tiene que ty+(l-taex y syt+(1~s)n ex para todo z,y € X y todo t, 3 € [0,1] por ser xX un convexo, Entonces, F(sy+(1—s)a)— F(ty+ (102) < : | [sy+(— s)z—ty—(1— da]VF (ty + (l-t)z) 9(8) — Ot) < (s-tHy- 2) VF (ty +(1—d)e) = (s— Dv. c Para verificar (ii), suponga que f es cuasicéncava y que f(y) > f(z). Entonces, - Para cualquier t € (0, 1] F(ty + [1 ~tlz) = f(x +t(y — 2)) > f(z). Pero entonces, f(a + ty ~ 2) — f(a) +0 rT ee 2 0. 16 \ " ANALISIS CONVEXO Tomando limite t > 0 se obtiene (y—2)V f(z) > 0. Al contrario, suponga que para f(y) > f (z) se tiene que (y — x) Vf (z) > 0. Introducimos de nuevo la funcién 1) = F(tyt [L-t]x) = fa + ty — z)) y sea s € [0, 1] tal que . 9(8) 2 (0) & F(e+s(y~2)) > @ + uly ~a)) que implica , fe +9(y—2)~2+0y—2)VF(ty + (1—2)x) = (s—tH)(y—2)VF(ty+ (1-12) >06 (s —t)#'(t) >0 con lo cual ¢ es cuasicéncava segun la anterior nota (b3): Finalmente, segiin el teorema 1.7, se tiene entonces que f es cuasicéncava. Para el caso n = 1, la parte (i) del teorema anterior en el caso de la convexidad nos dice que . : : FM 2 0) +0 -2)¢(e) » Wl. Hy | La figura 1.5 muestra la desigualdad anterior para funciones convexas: la pendiente entre cualesquiera dos puntos (pendiente de la recta secante) x y y {a@ R, X C R® convexo y abierto y sea f una funcién C2, Vamos a establecer criterios necesarios y suficientes para la (cuasi-)convexidad Y concavidad en este caso que se asemeja al caso unidimensional en el cual la concavidad se caracteriza por ~” <0. Definimos primero: Definicién 1.7. Sea A una matriz (n x n) simétrica. Entonces se dice que: i. A es negativa definida [n.d] siztAr <0 para todo z € R" x ¥ 0. 17ECONOMIA MATEMATICA, ii, A es negativa semidefinida [n.8.d.] si xtAx <0 para todo x € R*. ili. A es positiva (semi-)definida [p.d. (p.s.d.)} si se invierten en (i) y (ii) las - desigualdades. iv. Definimos las siguientes submatrices: 2) Quy Me= . k=1,...,n Gk we. we. Oke || se Daman menores principales de A: f Qe wee one Ask i, = Aji. tt jk , Ue Og donde {i,j,... ,k} es cualquier permutacién de & enteros tomados -del conjunto {1,...,n}. : || se laman menores de A, F(x) f(r)- fF) yrx ! Figura 1.5. 18 regen eerne st risen FS ‘ ANALISIS CONVEXO Ahora bien un conocido teorema del Algebra Lineal (véase [40] 0 [23]) nos dice que : Teorema 1.9. ° i Aepd oe [Ei] > 0,|Ho] > 0,...,/Hn| > 0 ii, Aesnd. & |Hy| <0, |Ha| > 0,...,(—1)"|4,| > 0 ii, Aes psd. 4 |H,|>0, [Ho] >0,...,1Aal>0 iv. Aes ns. [Fi] <0,|He|>0,..., (-1)"|Aa| > 0 Notese que no se puede reemplazar en el siguiente ejemplo: * 00 SeaA= (} ): Entonces [Ay | = 0, |H2| = 0 pera (7, Se reemplaza Hy por Hy. Pero xt Ar p.s.d. y no n.s.d: (iif) y (iv) A; por H; como lo muestra |=001. Por lo tanto, A cumple (iv) si = 2° > 0, lo que quiere decir que A es Definicién 1.8. Sea ahora f:X—R, una funcién C?..Entonces definimos: 0 fi... tn B= fi fu tee fin X C R* convexo y abierto y sea tf fe fat fim donde f; = of Y fin = of |B] se Hama el hessiano orlado . 2; tk Ox; Oxy . . Of... ft B= ft fir... he fe fer «sfc |B se aman menores principales hessianos orlados. Por medio de las tiltimas dos definiciones podemos ahora establecer crite Tios necesarios y suficientes para. la (cuasi-) convexidad y concavidad. 19 SPRUE TRT Titre eer eure: oeECONOMIA MATEMATICA ‘Teorema 1.10, Sea f : X — R 1X C R® convexo y abierto y sea f,C?. intonees: : i. f es céncava (convexa) <= H (2), la matriz hessiana de f esns.d. (p.s.d. ) para todoz € X. ii. Si f es cuasicéncava = |Bo| > 0, [Bs] < 0,...,(-1)"|B,,| = 0 para todo TEX, 2.> 0. . a iil. Si f es cuasiconvexa => [Bo] < 0, |Bs] <0,.. -)|Bal <0 para todo x € X; z>0. iv. Si |Bi| <0, |Bo| >0,... mente cuasicdncava, v. Si |By| <0,.. vexa. Nota 1.7, En (i) f resulta ser estrictamente céncava finida (positiva definida). Nétese que, en plicacién, pues, por ejemplo, f(z) = ~( f"(1) =O. Vamos a mostrar la parte ( consultarse [2]. »(+1)"|Bal > 0 para todo x EX = f es fuerte ’ ‘ -)|Brl <0 para todo x €X = f es fuertemente cuasicon- t (convexa) si H (a) es negativa de- este caso, no es valida la doble im- z—1)4 es estrictamente céncava, pero i). Para las demostraciones de (ii)~(v) puede Demostracién. Sea A(t) = f(ty+[1 ~t|x) = f (x+é(y—2)). Entonces, segtin el teorema 1.7 y la nota a ese teorema, f es é6ncava si "(t) <0. Pero, : , n n # f(c + tly ~ 2)) : a” o'(t) = >» ~~ Ba; day ~ 23) (yz ~ 2) tl j=l . = (y—2)'H (ax +t(y — ))\(y— 2) <0 por ser H n.s.d. en cualquier Al contrario, suponga que convexo, todo y € X puede Como f es céncava, 02 #0) = (y—2)'H(e)(y — 2) = vty (z)v, con lo cual A es negativa semidefinida para cualquier vector de X, ra punto de X. f es, por lo tanto, céncava. ; f es céncava. Como * es un conjunto abierto y escribirse como yY=Z+ tov con tg > 0 yrex, 5 20 : : ANALISIS CONVEXO 1.3. Maximos de funciones céncavas En esta seccién vamos a relacionar lo que hemos visto hasta este Punto con la caracterizacioén de méximos y minimos. Definicidn 1.9. Sea f : X — R, X CR”. Se dice entonces que i. f tiene un mézimo global en x* si f(x") > f(x) para cualquier € X. ii. f tiene un minimo global en 2* € X » Si f(a*) < f(x) para cualquier x € X. iii- f tiene un mdaimo local en 2 € X, si existe un entorno U.(2*) tal que f(x*) > f(x) para todo z € Ua") 0X. iv. Sustituyendo “>” anterior por “<” hablamos de un mtnimo local. Registramos sin demostracién una condicién necesaria, mas no suficiente, para la existencia de éptimos locales (no es suficiente como lo muestra el clasico contraejemplo f(z) = z* que no tiene ni méximo ni minimo en 2* = 0): Teorema 1.11 (condicién necesaria). Sea f: X —+ R, X CR” abierto. H (a) Ja matriz hessiana. i. Si f es C' y2* es un maximo (minimo) local de f => Vi (x*) =0. i, Si f es C? y 2* es un maximo (minimo) local de f > H(a*) es ns.d. (p.s.d.). . El siguiente teorema que representa el objetivo principal de esta seccién, ~ os relaciona, c6mo habifamos dicho, los é6ptimos con lo estudiado anterior- " mente. ~ : Teorema 1.12 (condicién suficiente). Sea f : X —+R, X C RB" abierto f,C?. Entonces si Vf(a*)=0y i H(z) es ns.d. para todo x € U,(x*) 0X alguna vecindad de x* => 2* eg un maximo local de f. i. H(2*) es n.d. > 2* es un maximo local de f. iti, H{(x*) es indefinida (ni p.s.d. ni n.8.d.) => x* no es ni méximo ni minimo local. , iv. f es una funcidn céncava => x* es un méximo global de f. 21Economia MATEMATICA v. Sisobre X convexo, f es estrictamente cuasicéncava > todo méaximo local de f es un maximo global, vi. Si sobre X convexo, fes fuertemente cuasicéncava => todo mdximo local de f es un médximo global tinico. vii. Un maximo global de una funcidn estrictamente céncava sobre un conjuato convexo X, es tinico, N aturalmente, el anterior teorema se puede formular Sustituyendo mdximo por minimo, céncava Por convexo y cuasiconcava Por cuasiconvexa, Demostracién, (i) Supongamos que x* no es mm maximo local. Existe entonces: un entorno Vi(a2") C U.(z*) con 2 € Vs(x*), a A 2* tal que f(z) > f(a*), Sea T= 2* + yz, donde0 < ll f(a"), tenemos, por lo tanto, que : 2H (a* + Ayz)z >0 Siendo x* + \yz € V5(2*), contradiciendo que H es ned. para todo zEU (2) OX, : a : (ii) De nuevo utilizando el teorema de Taylor, si Vf (z*) =Oy fes C2, existe un entorno U.(2*) tal que Parah=2~2* 20 re U(2"*),0€ (0; 1) WH (2* + Oh)h <0, , Pero como f(z) = f (2*) + EhtH (et + Bh)h, He) < fle" para todos los x € U.(z*). Es decir, tenemos un maximo local. ‘llel| es la norma o longitud del vector z ER’, 22 EE Pan tee ee ne En . ANALISIS CONVEXO (ili) Si H(2*) es indefinida, esto quiere decir que existen vectores Uuwex Para los cuales . wHU>O y witty < 0. Sea g:R > R dada Por g(t) = f(2* + tu). Entonces, g(t) = oV f(x" + tv) (0) = vVf(2*) = 0, ya que Vf(x*) = 0. Asf mismo, 9 (t) =v H(2* 4 tu)u 9" (0) = v'H(2*)u > 0, g'(t) es creciente en ¢ = 0, pero como 9'(0) = 0, g(t) > 0 para algtin t € (0,6), > 0. Esto significa que ot) = flat + tv) es una funcién creciente de ¢ en el intervalo (0, 6) y, en consecuencia, z* no puede ser un max local de f. En forma similar se Puede mostrar que si w' Hy F(%), donde se asume que Z representa al mdximo local. Como X es yn conjunto convexo Az* +[1~Neex para todo A € (0,4) siendo 6 € (0,1). Ahora bien, como f es estricta- mente cuasicéncava y f (x*) > f(2), se tiene que para € (0,1), f(Aa* + fl- A]é) > f (2). Esto es una contradiccién y Por ello no existe un x* con la propiedad descrita. . 23 SPP tree erry eee eeePEONOMIA MATEMATICA (vi) ‘Tomando a @ como maximo local se tiene una vecindad U,(Z) tal que J(@) > f(x) para todo x € U.(@) 0 X. Suponga que existe un z* € X tal que 2* # @ y f(#*) > f(#). Por la cuasiconcavidad fuerte se tiene que f(Ag* + [1 — Ajz) > f(@) para todo X € (0,1). Pero para un suficientemente pequeno Az* + [1~ Ngee UB) NX, de tal manera que no seria maximo local. (vii) Como una funcién estrictamente céncava es fuertemente cuasicéncava, el maximo es, segtin (vi), tinico. a] Ejemplo 1.4. Sea f(x,y) = 560z + 520y — 20? — Qry — 2y”. Calculamos la matriz hessiana: s)= (= =f) Y, por lo tanto, |A,| = -4 <9 y |H2| =12>0, lo que significa que la funcién f es estrictamente céncava, Ademas, Vf(z, y) = 0 significa aqui que 960 —4drz~2y=0 y 520 — 4y — 27 = 0 que implica z* = 100 y* = 80. Por lo tanto, (2*,y*) es un maximo global unico, Nota 1.8. Tenemos en especial para f:X GR, Xc R?, el siguiente resultado: Sea (2*,y*) un punto en X con Vf (z*,y*) =O y sea "flo v') Pfary) #2 F(a,y") f(a", y*) Og ay Oxy Oydr o |H(2*,y*)| = el determinante deJa-matriz, hessiana de segundas derivadas parciales, entonces (a) Si |\H(a*,y*)1 <0, f tiene un punto de silla en (x*,y*), es decir, f tiene un méximo en una direccién y un minimo’en otra. : 2 * Oe . : . (b) Si |H(x*,y*)| > Oy ew) > 0, f tiene un minimo local en (z*,y*). 24 ANALISIS CONVEXQ . 2 * ok . : (c) Si H(z", y*)| > Oy fe) < 0,.f tiene un maximo local en (x*,y*). y / (d) Si |H (z*,y*)| = 0, el teorema anterior no decide nada. Ejemplo 1.5. Sea f(x,y) = (y— a’)? +25 | Calculando VF (z,y) = 0 obtenemos como unico candidato a maximo o minimo el punto (2*, y*) = (0, 0). Como Of (x,y) i 3 4, # f(x, y) _ . 2 3 op Taty + 4a + 52"; Fin = Ay + 122 + 202 xX Of (a, y) = Ay — x”): f(a, y) = m Oy. - ay Pf(c,y) _ PF(x,y) Ozdy * Ayadr el determinante de la matriz hessiana evaluada en (0,0) es |H(o, 0)| = Oy, Por consiguiente, no se puede determinar con el criterio si hay en (0,0) un extremio. , . En realidad, no hay extremo, ya que f(0,0) =0, f(z,y) > 0 para todo 7 > Oy f(x,y) <0 parar <0 Yy=s" y, porlo tanto, en cualquier entorno alrededor de (0,0) f toma tanto valores positivos como negativos = 42 1.4. Optimizacién restringida-igualdad La mayoria de problemas de optimizacién no son problemas en los que se buscan éptimos simples de funciones de varias variables, sino donde, por lo general, hay limitaciones 0 restricciones sobre Jas variables. Asi, por ejemplo, en un problema de asignacién de recursos para maximizar los ingresos de un grupo de personas sélo se cuenta con una determinada suma (presupuesto limitado) 9 en un problema de produccién para minimizar los costos de produccién sobre todo el dominio de la funcién, sino sobre un dominio limitado por las ’ restricciones que el mismo problema impone. 25