TEORIA MICROECONOMICA PRINCIPIOS BASICOS Y AMPLIACIONES Novena edicién WALTER NICHOLSON Revision técnica Marcos S. Avalos Bracho Centro de Alta Direccién en Economia y Negocios Universidad Anshuac Ma. Mercedes Muiioz Sanchez Tecnolégico de Monterrey Campus Estado de México ‘Rostrala BraCapitulo 2 LAS MATEMATICAS DE LA OPTIMIZACION Muchos mudelo econémicasparten del supuesto gue wn agente quiere determinar el valor éptimo de wna “funcién. En elcaso de lo consurnidores, esa funcio. mide ln wsilidad que ses obriemen de sus comprasy, ‘en el de las empresas, mide Ins ganancias de és. Sin embargo, en ambos casos, las cuestones matemticas formales de la solucién son muy similares, En ete enpétula se analicardin las mareméticas gue som comunes ‘a todo et tipo de problemas. Para aguelos que estén fumilinvizades con ef céilula multivariable, ete tala servird de repas Para aguelos que silo extn familiarizados con algunos conceptas del cielo bisco, ste capitula les proporcionard las bases mecesavias para comencar a analizar el cileulo aplicado a ia conse trucciin de modelos microccondnmicos, En general, ef capitulo pretende ofrecer una referencia que puede resulta muy til a medida gue se presenten es concepts matemstics a lo largo del libra. Maximizaci6n de una funcion con una variable Vamos a comenzar con un ejemplo sencillo, Supéngase que el administrador de una empresa quiere maximizae! las ganancias que obtendes de la venta de un bien determinado. Supéngase tambien que las ganancias (rt) que obtenga dependerin exclusivamente de la cantidad (g) que venda de ese bien. Mateméticamente, Sig). (2.1) a figura 2.1 muestra una posible relacién entre my g. Es evidente que, para obtencr la ganancia mixima, el administrador debe producir g*, con lo cual obtendré n* ganancias. Si se tuviera una ¢grifica como la de la figura 2.1, pensarfamos que es posible resolver este problema con s6lo uti lizar una regla para medir. Sin embargo, supdngase que (como, de hecho, seria mis probable) el administrador no tiene una descripcion tan precisa del mercado. Por tanto, intentaré variar q para ver dénde puc- de obtener la ganancia maxima. Por ejemplo, si se parte de la ganancia q,, las-ganancias de las ventas seran mA continuacin, cl administrador probara la produccion yy veria que as 33 hancias han aumentado am. La nocion que dicta el sentido comin, que indica que fs ganan- cias han aumentado debido al incremento de q quedaria expresada de manera formal como mom ax B59 9 E50, 2.2 nn 49 ae dionde se utiliza el simbolo & para indica “ia variacin de” x 0 4 Siempre que Ax/Aq sea post tivo, las gananciasirdn en aumento y el administrador seguiréincrementano la producién. Sin "En exe cpio, por lo gene, eudiarcns problems de masimiacién. Pars extn pobre de ‘Mopar un slag plement gl sve ue a manimacon de) er eget» si ai ennCCapitdo 2 Las mutes des optiniacon 21 ipotética entre la cantidad producida y las ganancias ‘Si un administrador quiere aleanzat el nivel de produccion que maximiza las ganancis, tenia que producie, g*. Nocese queen a", dn /dq= 0. Cantidad ‘embargo, en el caso de incrementos de la produccién que se ubiquen a la derecha de g*, An/Aq serd negativo, y el administrador sabra que estarfa cometiendo un error si sigue expandiendo 4. Derivadas Usted sabe que el limite de An/Ag para variaciones muy pequeftas de q se llama derivada de la fancidn, x = f(g), y se escribe como dr/dg 0 df/dg 0 f(g). Mas formalmente, la derivada de tuna funcion m-=,f(g) en el punto 4, se define como ef se Sth fg” ig @3) Observe que el valor de este cociente depende claramente del punto g, que se elija. Valor de la derivada en un punto Aqui, es preciso mencionar una convencién sobre notaciones: a veces es pertinente mostrar de ‘manera explicita el punto en el cual se calculara el valor de la derivada. Por ejemplo, el valor de la derivada en el punto q= 9, se escribiria a gla = % (24) En otras ocasiones, nos interesa el valor de dn/dg para todos los valores posibles de 4, y en- tonces no se menciona de manera explicita ningin punto concreto para el cilculo de fa de- vada, a >0, ‘igh = 0 al <0. aay = 43 {Cul es el valor de dn/dg en q*? Deberia ser igual a cero, porque los valores de q inferiores a 7° tienen un valor positivo y los superiores a g* tienen un valor negativo. La derivada es la pen En el ejemplo de a figura 2.1, mientras queParte 1 Tneodsioo diente de la curva en cuestién; es decir, esta pendiente es positiva a la izquierda de g* y negativa ala derecha de g*. En el punto g*, la pendiente de f(g) es 0. Condicién de primer orden para el maximo Este resultado es bastante general. Para que la funcién de una variable alcance su valor maximo cen un punto, la derivada en ese punto (si existe) debe ser cero. De aqui que, si un administrador pudiera estimar la funcién f(g) con alguna suerte de datos reales, entonces, en teoria, podria en. contrar el punto donde df/dg= 0. En este punto éptimo (por decir g*), se cumplirfa que 4f| | no (2.8) dq Condiciones de segundo orden ‘Sin embargo, la aplicacién ingenua de esta sola regla podria engatar a un administrador poco experimentado. Por ejemplo, supéngase que la funcién de las ganancias tiene una de las formas que presentan la figura 2.2a 0 2.2b, Si la funcién de las ganancias es la que muestra la figura 2.2a, entonces el administrador, al producir donde dn/dy= 0, elegitia el punto gi. Este punto, de hecho, le proporcionaré un minimo, y no un maximo de ganancias. De otra parte, si la fun- cién de las ganancias es la que muestra la figura 2.2b, entonces el administrador elegiria el punto gf, que, si bien le offece una ganancia superior a la de cualquier nivel de produccién infe- rior a qh sin duda es inferior a cualquier produccion superior a qf. Estas situaciones indican el hecho matemético de que dt/dq=0 es una condicién necesarin para alcanzar un maximo, pero rno es una condicion suficiente, Para asegurarnos de que el punto elegido es, en efecto, un punto maximo, es preciso imponer una segunda condicién. Ec funciones de ganancias que ofrecen resultados engaiiosos si s6lo se aplica la regia de la primera derivada nm a) I aplicaci de la regla de la primera dervadalevara a leila eansiad gf, Este punto es, de hecho, un punto de ganancias minimas. De ota part, en bel nivel de prodguccén 43 seria el rcomendado por la fegla dela primera der vada, pero este punto inferior a todas las producsiones superiors 2 gf. Esto demuesta grifiamente que encontrar un ppunto donde la derivada sea igual a cero s uma condicion necesara, ero no sufciemte para que una funciéa alcance su Cantidad a CantidadCapito 2 Lax materia dea opiniasiin 23 La intuicién indica que esta condicién adicional es evidente: la ganancia disponible si produci- mos un poco més 0 un poco menos que g* debe ser menor que la que se obtendria con g*. Sino faera asi, entonces el gerente podria buscar un nivel de produccién mejor que q*. Matemitica- mente, esto significa que dx/dg debe ser mayor que cero cuando g < g* y debe ser menor que 0 cuando q> g*. Por tanto, en q*, dt/dg sera decreciente. Otra forma de decir lo mismo es que Ia derivada de drt/dg debe ser negativa en q*. Segundas derivadas Se dice que la derivada de una dlerivada es la segunda derivada y se escribe On a Ly ag? dg FO Por tanto, la condicién adicional para que q* represente un maximo (local) es ar | wn 7 <0, 2.6 aq? |9= 9" Ole r oy donde la notacién nos recuerda, de nueva cuenta, que se debe calcular esta segunda derivada para el punto g*. De aqui que, aun cuando la ecuacién 2.5 (e/g = 0) es una condicién necesaria para alcan- zar el maximo, se debe combinar con la ecuacién 2.6 («'x/dg! < 0) para asegurarnos de que el punto es un maximo local de la funcidn, Las ecuaciones 2.5 y 2.6 juntas son, por tanto, condi- ciones suficientes para alcanzar este méximo. Por supuesto que es posible que, mediante una se- rie de prucbas y errores, el administrador sea capaz de optar por g* empleando informacién del mercado en vez de un razonamiento matemético (recuerde la analogia de Friedman acerca del ju- gador de billar). En este libro nos ocuparemos menos de cémo se encuentra el punto y mis de sus propiedades y de como cambia cuando varian las condiciones. El anlisis matemitico seré de grin utilidad para responder a estas preguntas. Reglas para el calculo de derivadas A continuacién se presentan algunas reglas para calcular derivadas. Se utilizarin en muchas partes de este libro. 1. Si bes constante, entonces a fe 2. Si bes constante, entonces MIEN — spy ee 3. Si bes constante, entonces igs a ding 1 ees donde In significa logaritmo con base ¢ (= 2.71828). dot =a" In a para cualquier constante a. Un caso particular de esta regla es de"/dx= e'Pare Iwreduciin Supéngase ahora que f(x) y g(x) son dos funciones de x y que existen f(x) y a'(x) Envonces 6, EOI). ps 9 Al f(x) 7, MEY 5 6 Fog) + Fog). 4) 8. “Lae) _ reste - feos) a [a()P siempre y cuando g(x) # 0. Por iiltimo, si y= flx) y x= (2) y si tanto f*(x) como g(2) existen, entonces 9 2 de ds ds ds de” Este resultado se conoce como Ia regla de la eadena, Ofrece una forma cémoda para analizar cémo una variable (2) afecta a otra variable (9) exclusivamente en razén de su in- fluencia en alguna variable intermedia (x). Algunos ejemplos son: dew dem das 10. te Has) de Alin(axy] _ glin(ax)] | dax) _ -@= inex) 11. de ‘dax) de = In(ax) In(ax). yo, Alins2)) lite’) atx) dee) de Funciones con varias variables ‘Los problemas econémicos no suelen implicar funciones de una sola variable. La mayor parte de las metas que interesan a los agentes econémicos depencen de varias variables y ellos deben ele- tir de entre éstas. Por ejemplo, la wsilidad que obtiene un individuo de sus actividades como consumidor dependerd de la cantidad que consuma de cada bien. En el caso de la finciin de >producciin de wna empresa, la cantidad producida dependers de la cantidad de trabajo, capital y tierra dedicados a la producciGn, En estas circunstancias, el hecho de que esta variable (3) de~ penda de una serie de otras variables (xm, . . . 5 %) se escribe Y= Flay Bay oy Bade (2.10) Derivadas parciales ‘Nos interesa calcular el punto en el cual y aleanza su valor méximo, asf como los intercambios due se deben hacer para aleanzar ese punto. De nuevo, resultaria mas ficil pensar que el agente ccambia las variables que estin a su disposicién (las x) para poder encontrar un maximo. Por des- gracia, con una funcién de varias variables, la idea de fs derivada no esta bien definida. Tal ‘como la pendiente de ascensi6n a una montafa dependera de la direccién que se leve, la pen~ diente (0 la derivada) de una funcién dependers de la direccién que se elija. Por lo general, las Xinicas pendientes direccionales de interés son las que se obtiencn aumentando una de las x ‘mientras que todas las dems variables permanecen constantes (en la analogia de la montaia po- difan medirse las pendientes sélo en directién norte-sur o este-oeste). Estas pendientes direc-CCaprls2Latmatemsica des optimize Maximizacion de las ganancias . SupGngase que la relacion entre ganancias (n)y cantidad producida (g) est deverminada por (a) = 1000454". 27) (Ua grfica de esta Funcin se parecera a la pardbola que mucste a figura 2.1. Se puede deter minar el valor de q que maximiza las ganancias por diferenciacion G7 2000-100 = 0 (28) por lo que | gr =100. 29) En q= 100, la ecuacin 2.7 muestra que las ganancas son igual a 60 000; es decir, el méximo valor posible. Por ejemplo, si la empresa decidiera producir q = 50, las ganancias serfan igual 2 37 500. En q= 200, las ganancias serfan igual a cero. Podemos saber que 4 = 100 es el maximo “global” si se demuestra que la segunda derivada de la funci6n de las ganancias es -10 (véase la ecuacidn 2.8). De aqui que la tasa de incremento de las sganancias siempre vaya decreciendo; es decir, hasta q= 100 esta tasa de incremento sigue siendo postiva, pero por encima de este punto pasa a ser negativa. En este ejemplo, 4= 100 es el kinico valor méximo local de la funcién x. Sin embargo, en el caso de fanciones mas complejas puede haber varios méximos, Pregunta: Suponga que la produccién de la empresa (9) esté determinada por la cantidad de trabajo (/) que contrata de acuerdo con la funcion g= 2/1. Suponga también que la empresa puede contratar todo el trabajo que desee a $10 por unidad y que vende su produccidn a $50 por unidad. Por tanto, las ganancias son una funcién de dada por x!) = 100 - 104, ;Cusnto trabajo debe contratar esta empresa para poder maximizar sus ganancias y cusl ser el monto de dichas ganancias? ionales se denominan derivadas parciales. La derivada parcial de y respecto a (es decir, en direeci6n a) x; se escribe YF op 0 ee! Queda entendido que al caleular esta derivada se mantiene constante el valor de todas las dems «x. De nuevo, es preciso destacar que el valor numérico de esta pendiente depende del valor que tome 4 y del valor (predeterminado) de 2, Una definicién algo mas formal de la derivada parcial es of ax [Fay «+» Pls + bsX2» » = Flin), yy donde la notacién indica que +2, .. . , % 8 mantienen constantes en los valores predeter- minados &, |, &, de forma que podamos estudiar Ginicamente el efecto del cambio de %: Calculariamos las derivadas parciales respecto a las otras variables (1, . . . , %) de esta misma26 Parte Iain ‘CAlculo de las derivadas parci: Es muy facil calcular las derivadas parciales. El cleulo se hace igual que tratindose de las de- rivadas tradicionales, es decir trarando x, . . . , %, como constantes (como lo son, de hecho, en la definicién de una derivada parcial). Veamos los ejemplos siguientes: 1. Siy=f(xj, a) = asd + bey + ord, entonces fhe f= 208, +0 : F pe Bee hata +20, Nétese que, en general 3//2, es funcién tanto de x; como de x; y, por tanto, su valor de- penderé de los valores particulares que se asignen a estas variables. Asimismo, depender de los parimetros , by ¢, los cuales no cambian a medida que x; y x cambian. 2. Siy= fltin mg) =5 emt, entonces, OF fy = bet ae, Ae 3. Siy= fla.) =aln 4 + bln, entonces Notese que ef hecho de tratar x como constante en la derivacién de f/x, hace que el término bin x, desaparezca con la diferenciacién, porque no cambia cuando x, cambia. En este €2s0, a diferencia de lo que ocurrié en los ejemplos anteriores, el tamaiio del efecto de x; en y es inde~ pendiente del valor de x. En otros casos, el efecto de x; en y dependerd del nivel de 2. Derivadas parciales y el supuesto ceteris paribus En el capftulo 1 se describié la forma en que los economistas utilizan el supuesto ceteris paribus, «en sus modelos para mantener constantes diversas influencias externas, de modo que les permita analizar, en un contexto simplificado, la relacién precisa que estin estudiando. Las derivadas parciales son la forma matemitica precisa de representar este planteamiento; es decir, muestran, cémo Jos cambios de una variable afectan un resultado, cuando todas las demés influencias se mantienen constantes, 0 exactamente lo que los economistas necesitan para sus modelos. Por ejemplo, la curva de demanda de Marshall muestra la relacién entre el precio (p) y la cantidad (g) demandada cuando se mantienen constantes todos los demés fictores. Si se utilizan de- rivadas parciales, entonces podria representarse la pendiente de esta curva mediante 4/3p para indicar los supuestos ceteris paribus que estamos aplicando. La ley fundamental de la demanda (que el precio y ta cantidad se mueven en direccién contraria cuando no cambian fos demas fac- tores) queda reflejada, por tanto, por el enunciado matematico “24/ap < 0”. De nueva cuenta,Capito 2 Las mma el opeinieacion Ja utilizacién de una derivada parcial nos recuerda los supuestos ceteris paribus que tienen apli- ‘acion en la ley de la demanda, Derivadas parciales y unidades de medida En las matematicas, se presta relativa atencién a la forma de medir las variables. De hecho, muchas veces ni siquiera se hace mencién explicta del asunto, Sin embargo, las variables que se emplean en economia por lo general se refieren a magnitudes reales y, por tanto, nos debe in teresar Ia forma de medirlas. La consecuencia més importante de elegir unidades de medicion podria ser que, muchas veces, las derivadas parciales que se utilicen para resumir el comporta- miento de la economia reflejarin estas unidades. Por cjemplo, si g representa la cantidad de gasolina demandada por todos los consumidores estadounidenses durante un aio en particular (medida en miles de millones de galones) y p representa el precio por gal6n en délares, enton. ces dq/Ap mediri el cambio de la demanda (en miles de millones de galones por afio) debido a tun cambio de precio de un dolar por gal6n. El tamatio numérico de esta derivada dependeri de ‘cOmo se midan qy p. La decision de medi el consumo en millones de galones por ahio mulipl carla el tamaio de la derivada por 1000, mientras que la decisién de medir el precio en centavos por galén la reduciria por un factor de 100. El hecho de que el tamano numérico de las derivadas parciales dependa de la unidad de me- ida que se elija plantea algunos problemas para los economistas. Muchas teorias econémicas predicen el signo (la direcciGn) de las derivadas parciales, pero las predicciones de la magaitud ‘numérica de estas derivadas dependerian de la forma en que los autores decidan medi sus va~ riables. La comparacidn de estudios serfa pricticamente imposible, sobre todo dada la extensa variedad de sistemas de medicién que se utilizan en todo el mundo. Por lo anterior, los econo- mistas han optado por adoptar una forma diferente, sin utilizar unidades de medida, para eva- luar los efectos cuantitativs. Elasticidad: una definicién general ‘Los economistas utilizan las elasticidades para resumir casi todos los efectos cuantitativos que les interesan, Dado que estas medidas se concentran en el efecto proporcional que el cambio de tuna variable tiene en otra, éstas no estin sujetas a unidades; es decir, las unidades “se eancelan” cuando se calcula la elasticidad. Por ejemplo, suponga que ys funci6n de sy, posiblemente, de otras variables. Por tanto, la clasticidad de y con relacién a x (denotada como ¢,,) se defi- ne como eeaas (2.12) ee = Re Nitese que, independientemente de cémo se midan yy * las unidades de medida se cancelan, porque aparecen tanto en un numerador como en un denominador. Notese también que, dado {que 7 #60n positivas en la mayor parte de las siuaciones econdmicas, la elasticidad, 4, y la de~ tivada parcial 2y/8x tendrin el mismo signo. Por tanto, las predicciones tedricas respecto a la direccidn de ciertas derivadas también se aplicard a sus correspondientes elasticidades. [Alo largo de este libro encontraremos aplicaciones especifcas del concepto de fa clasticidad, centre ella algunas que usted debe conocer, como la elasticidad precio de mercado de fa oferta fla demanda. Sin embargo, también se presentarin muchos conceptos nuevos que se pueden ‘expresar con mayor claridad en términos de clasticidad, ”partes Elasticidad y forma de la funcion__ a Ta definicién de la ecuacién 2.12 deja en claro que se debe evaluar la elasticidad en un punto es pecifico de una funcién, En general, podemos esperar quie el valor de este parimetro varie acorde con distintos rangos de la funcién. Esta observacién queda claramente demostrada en el caso donde yes fancién lineal de x en la formula y= a+ bx+ otros términos. En este caso OR oeng x : Soy * ; ax y u y atbe+ (2.13) lo cual deja en claro que ¢,,, no es constante, Por tanto, para funciones lineales es especialmente importante sefalar el punto donde calcularemos la clasticidad. Si la relaci6n de la funcién entre xy yes de forma exponencial yoaxt centonces la elasticidad es una constante, independientemente del punto donde se mida: =F cate! 2 om oe y ax Una transformacién logaritmica de esta ecuacién también proporciona una definicién alterna- tiva de elasticidad muy cémoda. Dado que Iny=Inatbins, tendremos any : Jinx (2.14) Por tanto, se podrin calcular las elasticidades por medio de la “diferenciacién logaritmica” Como se veré mis adelante, esta forma de proceder con frecuencia ¢s el camino mas facil para hacer estos célculos, Pregunta: :Hay alguna otra forma de funciones ademis de las exponenciales que tienen una elasticidad constante, cuando menos dentro de cierto rango? Derivadas parciales de segundo orden La derivada parcial de una derivada parcial ¢s directamente ansloga a la segunda derivada de una funcidn de una variable y se llama derivada parcial de segundo orden. Se escribiria como aap /ax.) ax; , de manera més sencilla, como af Ox, Ee eeCapirde 2 La mami del optiminacisn 29 Para los ejemplos anteriores: 1 PE = fate fi fa fa 2. fue mesh Sia = abe, fam abe fia = Berth, Bh fin =0 fu=0 fuest Teorema de Young Estos cjemplos ilustran el resultado matemético segiin el cual, en condiciones bastante genera~ les, no importa el orden que se siga al hacer una diferenciacion parcial con objeto de calcular derivadas parciales de segundo orden. Es decir, Si* fi (2.16) para un par de variables x, 3}, Este resultado se conoce, a veces, como el “teorema de Young”. Para una explicacién intuitiva del teorema, volvamos ala analogfa de la ascensién a una mon tafa, En este ejemplo, ef teorema dice que la cantidad que avance un montafsta dependers de las direcciones y las distancias que recorra, pero no del orden en que ello se produzca, Es de- cir, la cantidad que avance ser independiente del camino que siga, siempre y cuando el mon- tafista vaya de un conjunto de coordenadas del mapa a otro. Por ejemplo, el montafista puede avanzar una milla hacia el norte y después recorrer una milla hacia el este, o puede seguir el orden inverso, recorriendo primero una milla hacia el este y después una milla hacia el norte, Sea como fuere, la cantidad del avance seré la misma, porque, en ambos casos, el montafista se desplaza de un punto concreto a otro. En capitulos posteriores se utilizar bastante este resul- tado porque offece una forma muy ficil de mostrar algunas de las predicciones de los modelos econdmicas respecto al comportamiento? Usos de las derivadas parciales de segundo orden Las derivadas parciales de segundo orden tendrin una funci6n importante en muchas de las teorfas econdmicas que se plantean en este libro, Los ejemplos mis importantes son los que se relacionan con la parcial “propia” de segundo orden, fi, Esta funcién muestra Ia influencia mar- ginal de «jen [= asin”) a medida que aumenta el valor de x, El valor negativo de f, es la forma matemitica de indicar el concepto econémico de la productividad marginal decreciente. Asimismo, la parcial cruzada J, refleja los cambios que registra la productividad marginal de x, a medida que x, aumenta. El signo de este efecto puede ser positive 0 negativo. El teorema de Young indica que, en general, los efectos cruzados son simétricos. En términos més generales, las derivadas parciales de segundo orden de una funcién brindan informacién acerca de la cur- er veorem de Young implica qe a mooie de derive prc de segundo onden de na fanclon 5 una mts iméxica, Esa sme tas ofc tn sere de ess econdrcs, Para ta breve induce & le conespon mates undone economia vee a a plas de ee esl30 arte Itrsin vatura de la funcién. Mis adelante, en este mismo capitulo, se veré el importante papel que tiene la informacién para determinar si se satisfacen © no las diversas condiciones de segundo ‘orden para alcanzar un maximo. Maximizacion de funciones con varias variables Ahora, con ayuda de las derivadas parciales, se puede explicar c6mo determinar el valor maxi: ‘mo para una funcién con varias variables. Para comprender los conceptos matemiticos utiliza dos para la resolucién de este problema, seri de mucha utilidad recurrir a una analogfa con el caso de una sola variable. En el caso de una sola variable, podemos imaginar a un agente que varia xen una cuantia muy pequefa, dx, y observa la variacidn de y (denominada dy). Esta va- rlacién esti determinada por la expresion dy= f(x) dx. (2.17) 1a identidad de la ecuacibn 2.17 reflea el hecho de que Ia variacién de y es igual a la variacién de x multiplicada por la pendiente de la funcidn. Esta formula es equivalente a la de la pendiense ‘0: 0 punto que se utiliza para las ecuaciones lineales en algebra bésica. Al igual que antes, la condicién necesaria para alcanzar el maximo es que dy = 0 para pequefias variaciones de x en. torno al punto éptimo. De lo contrario, y aumentaria acorde con los correspondientes cambios de x. Sin embargo, como dv no es necesariamente igual a cero en la ecuacién 2.7, dy= 0 debe implicar que, en el punto deseado, f'(x) = 0. Esta es otra forma de obtener la condicién de primer orden de un maximo que ya hemos derivado. Usilizando esta analogia, veamos las decisiones que toma un agente econémico que debe ele- air los niveles de varias variables. Supéngase que este agente quiere encontrar un conjunto de « que maximice el valor de y= fla}, % - 5%). El agente podria considerar la posibilidad de cambiar s6lo una de las x, por decir a, al tiempo que mantiene constantes todas las demés. La variacion de (es decir, dy) que se derivarfa de una variacién de x; esté determinada por y= Fe, = fds. Esta expresién afirma que la variaciOn de y es igual a la variacién de », multiplicada por la pen- diente calculada en la direccién de xj. Utilizando una vez més la analogia de la montafa, esta Sakae ere renee eer gore ere es minada por la distancia que recorra hacia el norte multiplicada por la pendiente de la montaita, medida en direccién norte. Diferencial total Si se varlan todas las « en una cantidad pequea, el efecto total en x seré la suma de todos los efectos, tal y como se ha demostrado antes. Por tanto, la variacién total de yse define como rn 4 of das Ot Beg Te, as) = fide, + frsbiey +--+ frthns Esta expres se denomina diftrencial roal de fy es diretamente aniloga a la expresin de caso de una sola variable de la ecuacién 2.17. La intuicién indica que la ecuacién es razonable: Ia variacion toral de yes la suma de las Varaciones provocadas por la variacién de cada una de las x* dy "Posemos war ls rend otal def ecu 2.18 par deca a ela de scaler, epcada a faniones con ais aie. Supe {himes qe Yo flan) pie =ale)y = fs) Siena et funlone son dierncales, stones podteros cleus os eon gue Shavanheida des dene en a dtrencal oul de ye fl, fae S dvsimos ens ecuscin eae de tenemo® Por tanto, par ler ect de en y tenemos ue cles cm afta or dor decrminnts de (es esi, 8). Si de pended sd ennley eatoncesshrendecmoe tn ed ang. ie read no ecbenda qu debemos tae elcid (eincarttos lon ccton prises cua caeaamos derived de fncnes con vr variable,a atemstics de a opinion Condicién de primer orden para un maximo Una condicién necesaria para un maximo (0 un minimo) de una funcion f(xy sy «+ - 5%) €9 que dy= 0 para una combinacién de pequetas variaciones de las a. Esto s6lo puede ocurrir si, ‘en el punto considerado fi El punto en el que es vilida la ecuacién 2.19 se lama punto eritico, Esta ecuacién es la condi- cin necesaria para obtener un méximo local. Para comprobar lo anterior guiados por Ia in: tuicién, veamos que en el caso de que una de las derivadas parciales (por ejemplo, ff) fuera mayor (o menor) que cero, entonces podria incrementarse y aumentando (o disminuyendo) x. Enton: ces, un agente econdmico podria determinar este punto méximo encontrando el punto donde y sna a movimientos muy pequefios de ninguna de las x. Este resultado es extremada- erty Caleulo del maximo Supongase que yes una funcidn de x; y x determinada por yea ~ LP (y = 2P +10 (2.20) f= 0. 2.19) ye-si+ 2m abt de +5. Por ejemplo, y podria representar la salud de un individuo (medida en una escala del 0 al 10) y “x; y sy serian las dosis diarias de dos medicamentos para mejorar su salud. Se quiere calcular los valores de 1 y #4 que hacen que y tenga el mayor valor posible. Partiendo de las derivadas par- ciales de y respecto a x; y 4 y aplicando las condiciones necesarias dadas por las ecuaciones 2.19, se obtiene (2.21) Por tanto, lafunci6n esté en el punto eritico cuando x; = 1, x = 2. En este punto, y= 10 es el mejor estado de salud posible. Si se experimenta un poco tendremos pruebas convincentes de que éste es el valor mas alto que puede tener ». Por ejemplo, si x, = a2 = 0, entonees y= 5, 0 st = =I, entonces y=9, Los valores de x, y a mayores que 1 y 2, respectivamente, dismi nuyen y debido a que los términos cuadréticos negativos de la ecuacién 2.20 aumentan. Por consiguiente, el punto que hemos calculado aplicando las condiciones necesarias es, de hecho, un maximo local (y global). Pregunta: Suponga que y toma un valor fijo (por ejemplo, 5). ;Cémo lucirfa la relacién im: plicita entre x y 24? Qué pasaria si y= 7? ,O si y= 102 (Estas graficas son ffneas envalventes de la funcién y las analizaremos con mis detalle en varios capitulos posteriores. Véase también el problema 2.1.) {De manera mie orm a2 Pane Insodeciéa mente importante para el anilisis econdmico. Afirma que deberfamos llevar una actividad (es deci, las x) al punto donde su contribucién “marginal” al objetivo (es decir, ») es cero. Dete- rnernos antes de ese punto no maximizaria J. Condiciones de segundo orden Sin embargo, de nuevo, las condiciones de la ecuacién 2.19 no son suficientes para garantizar ¢l méximo. Podemos ilustrarlo retomando nuestra consabida analogia: todas las cumbres de las co- linas son (mas o menos) planas, pero no todos los Iugares planos son la cumbre de una colina, Es necesaria una condicién de segundo orden, ansloga a la de Ia ecuacién 2.6, para asegurarnos de que el punto que se calcule al aplicar la ecuacién 2.19 es un maximo local. La intuicién indica que, para un méximo local, y deberia decrecer en el caso de variaciones pequefas de las x que se alejen del punto eritico. Como en el caso de una sola variable, esto implica necesatiamente que se recurra a las derivadas parciales de segundo orden de la funcién f Estas parciales de segundo ‘orden se deben sujetar a ciertas restricciones (andlogas ala restriccién que derivamos en el caso de una sola variable) para que el punto critico calculado con Ja ecuacién 2.19 sca un maximo local. Mis adelante, en este mismo capitulo, se analizarin estas restricciones. Funciones implicitas Con frecuencia, se escriben las ecuaciones matemiticas con una variable “dependiente” (9) en funcién de una o més variables independientes (x), pero ésta no es la tinica forma de escribir cesta relacién. Como ejemplo trivial, la ecuacién yemetb (2.22) también se puede escribir como yomx-b=0 (2.23) 0, de forma incluso més general, como F(5 9m b= 0 (2.24) donde esta notacién funcional indica una relacion entre x y y que también depende de la pen- diente (m) y de los parimetros de la intersecci6n (4) que no varian, Las funciones que escribimos con estas formulas a veces se conocen como fivnciones implicitas porque las relaciones entre las variables y los parimetros estin presentes de forma implicita en la ecuacién, en vez de ser caleu: lados de forma explicita como, por decir, y como funcidn de xy de los parimetros m y B. ‘A menuido, resulta ficil pasar de funciones implicitas a funciones explicitas. Por ejemplo, la funci6n implicita xt2y-420 (2.28) se puede “resolver” para como 2y+4 (2.26) © para ycomo (2.27) Derivadas de las funciones implicitas En muchas circunstancias, es muy util calcular las derivadas directamente de las Funciones im- plicitas, sin resolver una de las variables de manera directa. Por ejemplo, la fancién implicita de {fles 9) =O tiene una diferencial total de 0 = ful + fidy, por tanto (2.28) De aqui que se pueda ealeular la derivada implicta dy/dx como el cociente de las derivadas par- ciales de la funcién implicita, con signo negativo, siempre y cuando f, 0.Capt 2 Lax materscms dee opiniacin Otra vez, una frontera de posibilidades de produccién En el ejemplo 1.3 analizamos una frontera de posibilidades de produccién para dos bienes con ha formula (2.29) 6, escrita en la formula implica {fis 9) = 2a? + ~ 225 (2.30) De aqui que, fi 4s, £ spot la ecuacién 2.28, el costo de oportunidad del intercambio entre xy yes nfs te fe Ae (2.31) de fy Dy fe {que es justo el resultado que se obruvo antes, con bastante menos trabajo. Progunta: ;E:n este caso, el intercambio entre xy y por qué depende exclusivamente el cociente de x entre 3, pero no del “tamaito de la economia® como lo refleja a constante 225? Teorema de la funcién implicita “Tal vez no siempre podamos resolver las funciones implicitas de la forma 4+ 9) = 0 para fan- iones explictas Gnicas de la forma y= f(x). Los matemsticos han analizado las condiciones que se deben cumplir para que se pueda resolver, en forma explicita, una funcién implicita determi nada cuando una variable es una funcién de otras variables y de diversos parimetros. Aqui no se analizarin esas condiciones, pero éstas entrafian requisitos para las diversas derivadas parciales de la funcién que son suficientes para garantizar que existe, en efecto, una relacién inica entre la variable dependiente y las variables independientes.® En muchas aplicaciones matemiticas, estas condiciones de las derivédas son precisamente las que se necesitan para asegurarmos de que se cumplan las condiciones de segundo orden para un maximo (o un minimo). De aqui que, en estos casos, afrmemos que se cumple el rearema de la funcién implicita y que, por tanto, pode- mos resolver de manera explicita los intercambios entre las variables en cuesti6n. El teorema de la envolvente ‘Una de as principales aplicaciones del teorema de la funcién implicita, que se utilizaré en muchas partes de este libro, se llama teorema de la envolvente, éte se reficre a cOmo varia el valor pti- ‘mo de una fancién determinada cuando cambia un parimetro de la funcién. Dado que muchos de los problemas econémicos que se analizarin tratan de los efectos del cambio de un paréme tro (por ejemplo, los efectos que el cambio del precio de mercado de un bien tendré en las compra de un individuo), haremos este tipo de célculos con frecuencia. El teorema de la envol vente suele proporcionar un buen atajo, “Enconrart una expan della del wane del unsn implica en dvesosconerter en, Cal P, Simon y Lawrence Blas Mathematics or Exam WoW. Noon, Noes York, 1924, e415u Parte 1 Inteduscin Un ejemplo especifico La forma més sencilla de comprender el teorema de la envolvente podria ser mediante un ejem- plo. Supéngase que yes una funcién de una sola variable (x) y de un parémetro (a) dada por yore? tax, (2.32) Para distintos valores del parimetro a, esta funci6n representa una familia de parbolas inver~ tidas. Si se asigna un valor determinado a a, la ecuacién 2.32 sélo es una funcién de x y po- ddremos calcular el valor de x que maximiza y. Por ejemplo, si a= 1, x" = + y, para estos valores de xy a, y= £ (su valor méximo). De igual manera, si a= 2, x* = 1 y 3° = 1, Por tanto, el in- cremento de una unidad en el valor del parimetro a habe incrementado el valor maximo de en}. En la tabla 2.1, se utlizan los valores enteros de « entee Oy 6 para caleular los valores 6p- timos de sy los valores asociados del objetivo, x. Nétese que a medida que aumenta a el valor maximo de y también aumenta, La figura 2.3 tambien ilustea lo anterior, mostrando que la relacin entre ay y* es cuadrétca. Ahora se quiere caleular de manera explieita emo varia y* a medida que varia él parimeteo Un arduo planteamiento directo El teorema de la envolvente afirma que hay dos formas equivalentes para realizar este cétculo. Primero, podemos calcular la pendiente de la funcién directamente en la figura 2.3. Para ello, se debe resolver la ecuacién 2.32 para el valor 6ptimo de para cualquier valor de a ay 2x +a =05 a +0 =05 por tanto, a Si se sustituye este valor de x* en Ia ecuaci6n 2.32 se obtendra yh =e + alt) Valor de y*(Capt 2 Lap asec des opinion ustracién del teorema de ta envolvent El teorema de la envolvente dice que se puede determinar [x pendiente de la relacin entre y* (el valor miximo de 3) y el pacimetro as se ealuls la pendiente dela relacion stir, que se encentra a suttue lo valores 6pcimos rexpectvos de sven la funcion objetivo y al ealeulr dy/2, y éta es pecnamente la relcién que mucsta la gura 2.3 De la ecuacén anterior, resulta fc ae at te ied (2.33) ¥, por ejemplo, para a = 2, dy*/da = 1. Es decir, cerca de a = 2 el efecto marginal del incre mento de @ es que incrementa y* en la misma cantidad. Cerca de « = 6, todo pequeio in: cremento en a incrementaré y* ai tiple de esta variaci6n. La tabla 2.1 ilustra este resultado EI atajo de la envolvente Llegae a esta conclusién ha sido un tanto complicado. Hemos tenido que encontrar el valor 6p. timo de « para cada valor de a y después sustituir este valor por x* en la ecuacién de y. En casos mas gencrales, este proceso puede ser muy tedioso porque exige que se maximice la funcidn ob- jetivo repetidas veces. El teorema de la envolvente, al ofrecer un planteamiento alternativo, dice gue se pueden calcular variaciones pequeas en a, dy* /da manteniendo x constante en su ralor iptimoy calculando simplemente )/0a directamente a partir de la funciGn objetivo.36 Parte? Intodacciéo Si se procede de esta manera, se obtendré ay 2, 34) apt (2.34) Yo Para x* se tended ayt eal (2.35) ste es precisamente el resultado que se obtuvo antes. La figura 2.3 iustra la razén por la cual los dos planteamientos ofrecen resultados idénticos. Las tangentes que ilustran la figura mues- tran valores de y para un fijo x*. Las pendientes de las tangentes son 3y/0a. Evidentemente, en i esta pendiente produce el valor que buscamos. Este resultado es bastante general y se utilizari en diversos momentos a lo largo de este libro para simplificar nuestros resultados. Para resumir, el teorema de la envolvente afirma que se puede determinar la variacién del valor Optimo de una funcién respecto a un pardmetro de esa funcién si derivamos parcialmente la funcién objetivo al mismo tiempo que mantenemos (0 varias x) constante en su valor Optimo. Es decir, a Die xt (a da 7 2a Mb (2.36) donde la notacién nos recuerda que se debe calcular 3y/3a en el valor de x que sea el Optimo para el valor especifico del pardmetro a que estamos analizando, El caso de muchas variables Un teorema andlogo de la envolvente ¢s vslido para el caso donde y es una funcién de varias variables. SupGngase que y depende de un conjunto de x (xj, . . « 5 %) y de un parimetro par ticular de interés, por decir, a, PES 5 Hae Be (2.37) Para determinar un valor 6ptimo de y tendriamos que resolver » ecuaciones de primer orden con la formula ay/oxj20 (EL, +++ 5s (2.38) yuna solucién a este proceso producirfa valores 6ptimos para estas x(x, af, - « . » #4) que de~ penderian implicitamente del parimetro a, Suponiendo que las condiciones de segundo orden se cumplen, en este caso aplicarfa el teorema de la funci6n implicita y garantizaria que podamos resolver cada x? como una funcién del parimetro a: (2.39) xy = x3(a). Si se sustituyen estas funciones en nuestro objetivo inicial (ecuacién 2.37) se obtendra una ex- presién en la cual cl valor 6ptimo de y {por decir, y*) dependers del parimetro a tanto directa como indirectamente, en razén del efecto de a sobre las x", SF Uxt (a), 83 (a), + + (a), 4] Si se deriva totalmente esta expresion tespecto a se obendri yt _ af dey, OF des, OF dvs , OF 2.40) de De de Be ds Oe de ae OO cSCapitals 2 Lae mates dea opsinizacion ‘Sin embargo, dadas las condiciones de primer orden, todos estos términos, excepto el iltimo, son igual a cero si las x toman sus valores 6ptimos. De aqui que, de nueva cuenta, se obtenga el resultado de la envolvente o_o da 2a” aoe donde se debe calcular esta derivada para los valores Sptimos de las El teorema de la envolvente: otra ver el estado de salud z ‘Antes, en el ejemplo 2.3, se analizaron los valores méximos de la funcién del estado de salud. ya-(x VP (4-2) +10 (2.42) y se determin6 que stel ste=2 (2.43) y= 10. Supéngase ahora que se utiliza el parimetro arbitrario a en vez de la constante 10 en la ecuacién 2.42, Aqui a puede representar un indicador de la mejor salud posible de una persona, pero este valor variard, evidentemente, de una persona a otra. Por tanto, (2% +a (244) = Fl%y My @) =n ~ 1 En este caso, los valores éptimos de sy x; no dependen de a (siempre son xt = 1, xt lo que, para esos valores épeimos, se obtienen 2), por (2.45) a 1 2.46) oa (2.46) Las personas que tengan “mejor salud por naturaleza” tendrin siempre valores més altos para 1%, siempre y cuando elijan x, y % de forma optima. Empero, esto es precisamente lo que indica el teorema de la envolvente, debido a que ay" _ OF da Oa (2.47) de la ecuacién 2.44. El incremento del parimetro a sencitic:” -nte aumenta el valor optimo de »* en una cantidad idéntica (de nuevo, suponiendo que se elijan correctamente las dosis de x; ¥ %). Progunta: Suponga que, por el contrario, observamos a dosis 6ptima de x, en la ecuacién 2.42, es decir, suponga que se utiliza un parimetro general, por decir, # en lugar de 1. Explique, en palabras y en términos matemticos, por qué dy* /2b en este caso, seria necesariamente igual as Parte nto Maximizaci6n con restricciones Hasta ahora nos hemos centrado en determinar el valor méximo de una funci6n sin restringir la Posibilidad de clegir entre las x disponibles. Sin embargo, en la mayor parte de los problemas econémicos, no todos los valores de las x son factibles. Por ejemplo, en muchas situaciones es necesario que todas las scan positivas. Este requisito se presentaria en el caso del problema que afronta el administrador que elige el nivel de produccién que maximiza las ganancias, o sea que una produccién negativa no tendria sentido. En otros casos, las x pueden estar restringidas por cuestiones econémicas. Por ejemplo, cuando un individuo elige los articulos que eonsumiré, rno puede clegir las cantidades que desea. Sus elecciones estan restringidas por el monto del poder adquisitivo que tiene; es decir, por la restricci6n de su presupuesto. Estas restricciones pueden, reducir el valor maximo de la funcién que se quiere maximizar. Dado que no podemos elegir libremente entre todas las x, y tal vez no sea tan grande como podria ser. Asi, diriamos que las restricciones son inactivas si se puede obtener el mismo nivel de yindepedientemente de que se imponga 0 no la restricci6n, E] método del multiplicador lagrangiano Un método para resolver los problemas de maximizacién con restricciones es el método del mul- tiplicador lagrangiano, el cual entrafia un inteligente truco matemstico que también tiene una interpretacidn econémica muy siti. La l6gica de este método es bastante sencilla, pero aqui no. se pretende hacer una presentacin rigurosa.* En una seccin anterior, ya se analizaron las condiciones necesarias para obtener un maximo local. Ahi, se demostr6 que en el punto 6p: timo, todas las derivadas parciales de fideben ser igual a cero. Por tanto, hay 1 ecuaciones (f= 0 de i=1, . . . , n) para m incognitas (las #). Por lo general, se pueden resolver estas ecuaciones para los valores éptimos de las x. Sin embargo, cuando existen restricciones para las «se tendra, cuando menos, una ecuacién adicional (la restriccién), pero sin variables adicionales. Por tanto, el sistema de ecuaciones esti sobredeterminado. La técnica lagrangiana introduce una variable adicional (el multiplicador lagrangiano), el cual no sélo ayuda a resolver el problema en cues- tién (puesto que ahora hay + 1 ecuaciones en n+ 1 incOgnitas), sino que también tiene una interpretacién iitil en diversas circunstancias econémicas. El problema formal Mis concretamente, suponga que se desea calcular los valores de xj, %,. « «5%, que maximizan Y= fli Bay oy (2.48) sujeto a una restrccién que s6lo permite utilizar ciertos valores de las x. Una forma general de ceseribir esa restricciGn es By Bay =o K) =O, (2.49) donde la fiuncién” g representa la relacién que se debe cumplir en todas las x: Condiciones de primer orden El método del multiplicador lagrangiano parte de la formulacién de la expresin B= Ply Hay + oy Be) FAB May sy Rady (2.50) donde 3 ¢5 una variable adicional llamada multiplicador lagrangiano. Mas adelante se interpre- tard esta nueva variable, Sin embargo, primero nétese que cuando se cumple la restricci6n, .% y ‘tienen el mismo valor {porque g(x, 835... %) = 0]. Por tanto, si limitamos nuestra aten- ‘i6n dinicamente a los valores de las x que cumplen la restriecién, entonces determinar el valor miximo restringido de fes equivalente a determinar el valor crtico de 4. Hagamos este célculo, “Para oa presenti dei, ve A.K. Din. Opinii ix Econom Ty, 2, Oxf Une ros, Ox, 199, Ps on 5 p.2 "Como seta ants, cs poste ees una fein dey «++» aye et forma impli. Por ejemplo, a resi 5 m = 10 se puede escribir como 10 ~~ y= 0. En capuls posteiores eniromos habilmente exe proediminto ars tata ese Sones: Porto aoa eines que anlar seri sen.Capiinde2 Lae matemties dea opinizaco 29 considerando que A también es una variable (ademas de las 2). A partir de la ecuacién 2.50, las condiciones para aleanzar un punto critico son ae & «fag =0 othe ae ae, fithgr =0 (2.51) fat hn = MP1 Kay 005 8) = Oe {, las ecuaciones 2.51 son las condiciones para obtener un punto critico de la funcion Z, Nétese que hay + 1 ecuaciones (una para cada xy otra més para 2) en 2 +1 incégnitas. En. general, es posible resolver las ecuaciones para 1, %y - - . > %y ¥ para A. Esta soluciOn tendré dos propiedades: 1) las x obedecerin a la restriccién porque la diltima ecuacién en 2.51 impone esta condicién; y 2) entre todos aquellos valores de las x que satisfacen la restricciOn, es decir, aquellos que también satisfagan las ecuaciones 2.51 harin que % (y por tanto f) sea tan grande como es posible (suponiendo que se cumplen las condiciones de segundo orden). Por tanto, el método del multiplicador lagrangiano ofrece un camino para encontrar una solucién al proble- ma de la maximizacién con restricciones que se plantearon al principio.* La solucién de las ecuaciones 2.51 normalmente seré diferente de la det caso sin restricciones (vease la ecuaci6n 2.19). En lugar de proseguir hasta el punto donde la contribucién marginal de cada x ¢s cero, las ecuaciones 2.52 nos obliga a “detenernos en un punto” debido a la restric- cidn, Solo en el caso de que la restriccidn no sea efectiva (en el cual, como se demostrard més adelante, } serfa cero), entonces coincidirian ecuaciones con restricciones con las que no tienen restricciones (asi como sus respectivas soluciones). Estas condiciones marginales revisadas tienen tuna interpretacion econémica en distintas situaciones. Interpretacion del multiplicador lagrangiano Hasta aqui se ha utilizado el multiplicador lagrangiano (2) dnicamente como un “truco” matemitico para llegar a la solucién que se queria. De hecho, esta variable también tiene una importante interpretacién econémica, la cual seré fundamental para nuestro andlisis en muchos puntos de este libro. Para desarrollar esta interpretacién, es necesario volver a escribir las primeras 1 ecuaciones de 2.51 como iim as he ~a (2.52) En otras palabras, en cl punto méximo, la proporcién de fj respecto a.g, es la misma para todas las x Los numeradores de las ecuaciones 2.52 son las contribuciones marginales de cada sa la funcién f Estas muestran cl Deneficio marginal que una unidad adicional de x, obtendri en la funcién que se est maximizando (es decir f) Es probable que sca més recomendable dejar la interpretacién completa de los denominado- res de las ecuaciones 2.81 hasta encontrar estos cocientes en aplicaciones econ6micas pricticas Entonces se veri que éstas suelen tener una interpretacién del “costo marginal”. Es deci, reflejan la carga que se ahade a la restriccién por utilizar un poco més de x,, Como ejemplo sencillo, su- ponga que la restricci6n exigiera que el gasto total en ; y x (por decir) est dado por una can~ tidad fja de dlares, F. Por tanto, la restriccién serla px + pats = F (donde p, ¢s el costo por "Ea ince eco, ve rade condiciones neces para un msn lel interior. Ea alguns problemas exondmico es necestio trodiar eas onucones de ma bastante aba) prs tea en cel posed de gue alguns de ls ese en I ter de lk {lade lass gables Tor semply sve equcre ue ola tao sean nega, entonce ese do las eonones dea gees $1 ape amg fen cr, por ea coon pckn cups Anns act ma tno ee vio expel,ra Pert 1 aeotossi6o unidad de x). Utilizando terminologia actual, podria escribirse esta restriccién de forma im- plicica como, Ay 82) = F~ Buds ~ poe =O. (2.53) En esta situac nse tendria Oe Bi (2.54) y la derivada -, refleja, en efteto, el costo marginal por unidad derivado de utilizar x, Prictica- mente todos los problemas de optimizacién que se encontrardn en capitulos posteriores hacen tuna interpretacion similar de los denominadores de las ecuaciones 2.52. El multiplicador lagrangiano como proporcién de costos a beneficios Ahora es posible interpretar las ecuaciones 2.52 en forma intuitiva. Estas indican que, pata los valores éptimos de las x, la proporcidn de beneficios marginales por incrementar x, con relacién a los costos marginales por inerementar x, deberia ser la misma para cada x. A efecto de ver que se trata de una condicién evidente para alcanzar un maximo, sup6ngase que no fuera cierto: supéngase que la “proporcién de costos a beneficios” fuera mayor para x; que para x;, En este aso, deberfa urilizarse un poco més de x; para alcanzar un méximo. Considérese la posibilidad de utilizar mis x; pero renunciando a una cantidad justa suficiente de x; para mantener g (la restriccién) constante. Por tanto, el costo marginal de la x; adicional utilizada seria igual al ‘costo ahorrado por utilizar menos %. Sin embargo, dado que la proporcién de costos a benef cios (la cantidad de beneficios por unidad de costos) es mayor para x; que para x, los beneficios, adicionales de utilizar més x, superarian la pérdida de beneficios derivada de utilizar menos + ‘Alutilizar una cantidad mayor de x; y, por tanto, menor de 2 incrementaria y porque s; offece “mis por su dinero”. Sdlo si las proporciones de los beneficios y los costos marginales son iguales para todas las x habri un maximo local, uno en el que ningiin cambio pequeno de las + puede hacer que la funcién objetivo aumente. En muchos puntos de este libro se desarrollarin aplicaciones pricticas de este principio bésico. Bl resultado es Fundamental para la teorfa micro. ‘econ6mica del comportamiento para optimizar. ‘También es posible interpretar el multiplicador lagrangiano (2) ala luz. de este analisis. 2 es la proporcién comtin de costos a beneficios de todas las x. Es decir, beneficio marginal de x; costo marginal de x, pata cada a}. Si relajéramos ligeramente la restriccién, no importarfa cuil de las x cambia (de he- cho, podrian variarse todas las x porque, en e! margen, cada una promete la misma proporcién de Beneficios respecto a los costos. En consecuencia, el multiplicador lagrangiano proporciona tuna medida de cémo esta relajacion general de la restricciOn afectaria el valor de y. En esencia 2 asigna un “precio sombra” a la restriccin. Un alto indica que se podria aumentar ysustancial- mente si se relaja la restricci6n, porque cada x tiene una proporcién alta de costos a beneficios. De otra parte, un valor bajo de A, indica que no ¢s posible ganar mucho si se relaja a restric~ ‘én. Sila restriccion es inactiva en absoluto, entonces 2 tendri un valor de cero, indicando asi {que la restriccién no limita el valor de y. En este caso, el célculo del valor méximo de y sujeto a Ia testriccion seria idéntico al céleulo de un maximo sin restricciones, El precio sombra de la res- triccidn es cero, Tambign es posible demostrar esta interpretacién de X utilizando el teorema de Ia envolvente como se describiré més adelante en este capitulo.” (2.58) Dualidad Esta explicacién demuestra que existe una clara relacién entre el problema de maximizar una funci6n sujeta a restricciones y el problema de asignar valores a las restricciones. Esto refija lo que sc conoce como el principio matemitico de la “dualidad”: todo problema de maximizacion con restriceiones trae asociado un problema dual de minimizacién con restricciones, el cual se entra en las restricciones del problema original (primitivo), Por ejemplo, adelantindonos un “next, cl ania gra en temo a problemas qu lo tenen una etestn. Por lo gener posers mangjar m ction (mm) ingestacendo smpenent marae nuevas (oaiadoreslaanganen) yr procairo de oma analogs lads anor.cap se matemacade ls opimiscn 4 poco al caso, diremos que los economistas suponen que los individuos maximizan su usilidad, Sujeto a la restricci6n de su presupuesto. Este es el problema original del consumidor. La duali- dad del problema del consumidor consiste en minimizar el gasto que necesita para alcanzar tun nivel determinado de utilidad. De otra parte, el problema primitivo de una empresa tal vez sea minimizar el costo total de los insumos que utiliza para producir una cantidad determinada, mientras que la dualidad de su problema seri maximizar la produccién dado un costo determi- nado de los insumos que adquiere. En capftulos posteriores se desarrollarin muchos ¢jemplos similares. Cada uno ejemplifica que hay dos formas de abordar un problema de optimizacién con restricciones. A veces, emprender un ataque frontal, analizando el problema primero, nos puede llevar a mayor cantidad de informacion. En otras ocasiones, el planteamiento de la duali- dad del problema puede resultar més instructivo. Con independencia del camino que se opte por seguir, los resultados casi siempre serin idénticos, por lo cual esta eleccién serd, fundamen- talmente, cuestién de conveniencia Maximizacién con restricciones: el estado de salud una vez mas ‘Volvamos otra vez al problema de la maximizacién de la salud. Al igual que antes, el objetivo del individuo es maximizar 342m -x} +4045, pero ahora supdngase que las opciones de x; y x; estin restringidas por el hecho de que el indi viduo sélo tolera una dosis de medicamentos por dia. Es decir, mtx (2.86) L-x-%=0. Notese que, dada la restriccién de las dosis posibles, ya no ¢s viable alcanzar el punto dptimo original (x, = 1, a = 2) por lo cual se deben determinar otros valores. Para ello, primero se es cribe la expresi6n lagrangiana: Baw} +2x,-x}t4m +5 +h (1-m-%) (2.57) Si derivamos miximo con restricciones: J respecto a xj, 4 y hse obtiene la siguiente condicién necesaria para obtener un =0 2m +2- 2x, +4-2=0 l-m-m (258) Se deben resolver estas ecuaciones para obtener los valores dptimos de x, % y A. Al utilizar la primera y la segunda ecuacién se obtiene 2x +2= Qu +4 4=e- (2.59) La sustitucién de este valor por a; en la restriccin offece la solucién: (2.60) (continiia)9 SCE eu otras palabras, si esta persona sélo tolera una dosis de medicamentos, entonces debe optar por tomar sélo el segundo medicament. al utilizar una de las dos primeras ecuaciones, es cil completar la solucién al demostear que n=2. (2.61) Por tanto, esta es fa solucién al problema de maximizacién con restricciones. Six, = 0, x = 1, entonces y toma el valor 8, La restriecidn de los valores de x y x para que su suma sea igual a 1 ha disminuido el valor maximo del estado de salud, 9, de 10 a 8 | Pregunta: Suponga que este individuo pudiera tolerar dos dosis por dia. gEsperaria usted que y aumentara? Los incrementos en su tolerancia mas allé de tres dosis al dia tendrian efecto en 9? Vallas éptimas y maximizacién con restricci eae Suponga que un agricultor tiene una valla de determinada longitud, P, y que quiere cercar el rea rectangular més grande posible. Qué forma de drea deberia cercar el agricultor? Se trata claramente de un problema de maximizacién con restricciones. Para resolverlo, dejemos que x sea la longitud de un lado det rectingulo y a longitud del otro lado. Por tanto, el problema consiste en elegir xy y de forma que maximice el érea del campo (dado por A= x- 9), sujeto a la restriccién de que el perimetro esta fijo en P= 2x-+ 2y. Si se escribe la expresion lagrangiana se tendri Ln x: y+MP-2x-2y), (2.62) donde 2 es la inc6gnita del multiplicador lagrangiano. Las condiciones de primer orden para el ae es 22=0 ae =22.=0 (2.63) P-2x-2y=0. Deben resolverse las tres ecuaciones de 2.63 de manera simulténea para x, yy A. Las dos primeras ecuaciones expresan que y/2 = x/2 =A, por lo cual x debe ser igual a y (el campo debe ser cuadrado). También implican que se deben elegir x y y de forma que la proporcién de los beneficios marginales respecto a los costos marginales sca ia misma para ambas variables. El be- neficio (en términos del érea cercada) de una unidad mds de x esta determinado por y (el area aumenta en 1 +9), y el costo marginal (en términos del perimetro) es 2 (el perimetro disponible se reduce en 2 por cada unidad que aumenta la longitud del lado x). Las condiciones del maxi mo dicen que esta proporcién debe ser igual para cada una de las variables. Puesto que se ha demostrado que x'= 3, es posible utilizar la restriceién para demostrar que (2.64) (continsia)yp puesto que y= 2A, lo 2 Las materia del optiniacon P 8 INTERPRETACION DEL MULTIPLICADOR LAGRANGIANO, Si el agricultor quisiera saber cudnto campo ‘més puede cercar afladiendo un metro més de valla, el multiplicador lagrangiano sugiere que podria calcularlo al dividir el perimetro actual entre 8. Algunas ciffas especificas dejarian en claro Jo anterior. Suponga que el campo actualmente tiene un perimetro de 400 metros. Si el agri cultor ha hecho tna planificacién “6ptima”, entonces el campo sera un cuadrado de 100 metros (= P/4) por lado, El érea cercada mediri 10 000 metros cuadrados. Supéngase ahora que el perimetro (es decir, la valla disponible) aumentara en un metro. Entonces, la ecuacién 2.65 “predeciria” que el drea total aumentarfa, aproximadamente 50 (= P/8) metros cuadrados. De hecho, se puede demostrar lo anterior de la manera siguiente: dado que ahora el perimetro mi- de 401 metros, cada lado del cuadrado tendré 401/4 metros. Por tanto, el area total del cam, po es (401/4)?, que, segiin la calculadora del autor de este texto, da por resultado 10 050.06 metros cuadrados. Por tanto, la “prediccién” de un incremento de 50 metros cuadrados que presenta el multiplicador lagrangiano es bastante atinada. Como en todos los problemas de ‘maximizacién con restricciones, en este caso el multiplicador lagrangiano proporciona informa ién atil sobre el valor implicito de la restriccién. a (2.68) Duatipan. La dualidad de este problema de maximizacién con restricciones es que, para un érea dada de un campo rectangular, el agricultor quiere minimizar el tamao de la valla que necesita para cercarlo, Materniticamente, el problema consiste en minimizar Pe 2x+2y, (2.66) sujeto a la restriceién Azx-y. (2.67) Escribiendo la expresién lagrangiana ge (donde D indica el concepto de dualidad) se obtendein las siguientes condiciones de primer or~ den para el minimo: a+ Dy + 2A 3-9) (2.68) az ax aZe ay ax a Si se resuelven estas ecuaciones como antes, se obtendri el resultado seyala 2.70) (2.69) Aqx-ys De nueva cuenta, el campo debe ser cuadrado para poder minimizar la longitud de la valla. EL valor del multiplicador lagrangiano en este problema es 2_2_2 aes 271 y «JA me A igual que antes, este multplicador lagrangiano india la relacion entre el objetivo (minim dar la vall)y la setsecign (la necesidad de crear el campo). Si el earpo tuviera 10 000 metros cuadrados, como se vio antes, serfa necesaria una valla de 400 metros de longitud. Bl incre~ mento del campo en un metro cuadrado exigiria aproximadamente 0.02 metros mis de valla (continiia)Parte 1 Iaeotuccién g COTES a /JA = 2/100) Usted tl vez quiets utiliza su cleladora para comprobar que, en efecto, es ast: una valla de 100 005 metros en cada lado cercaria exactamente 10 001 metros cua drados. Aqui, como en la mayoria de los problemas de dualidad, cl valor del lagrangiano de la dualidad es sencillamente la inversa del valor del lagrangiano en el problema inicial. Ambos offecen la misma informaci6n, pero de forma ligeramente distinta, Pregunta: En este caso, una restriccién implicita ¢s que el campo del agricultor es rectangular. Si no se impusiera esta restriccién, zqué forma del campo permitirfa cercar una érea méxima? Cémo puede demostrarlo? El teorema de la envolvente en problemas de maximizacion con restricciones El teorema de la envolvente, que se analizé anteriormente con relacién a los problemas de ma- ximizaci6n sin restricciones, también tiene importantes aplicaciones en los problemas de maximi- zacién con restricciones. Aqui se ofreceri tinicamente una breve presentacién del teorema, Mis adelante se verd una serie de sus aplicaciones. Supéngase que se quiere obtener el valor miximo de I= Als 085 ay (2.72) sujeto a a restricci6n Ble «+ 855 8) = 05 (2.73) donde se ha hecho explicito que las funciones f'y g dependen de un parimetro, a. Como se ha demostrado, una forma de solucionar este problema consiste en escribir la expresién lagrangiana Plas y resolver las condiciones de primer orden (véanse las ecuaciones 2.51) para los valores éptimos con restricciones xf. . . xf, De manera alternativa, es posible demostrar que 258) + Ag(a «3 @) (2.74) at ae da da Es decir, se puede determinar la variacién del valor miximo de y que resulta de un cambio en el parimetro a (y volvemos a calcular los nuevos valores éptimos de las x) al diferenciar parcial mente la expresin lagrangiana (ecuacion 2.74) y evaluando la derivada parcial resultante en el punto dptimo."” Por tanto, la expresion lagrangiana desempea el mismo papel si se aplica el teorema de la envolvente a problemas con restricciones que el que desempena la funcin obje tivo en los problemas sin restricciones. Como simple ejercicio, usted tal vez quiera demostrar que este resultado es vilido en el problema de la cerca alrededor del campo rectangular deserito en el ejemplo 2.7." (ei xia). (2.78) "Encontars un anins mis exude orem dela eavohene en problemas de masinizaion con remieiones en, Eugene Sergey Wing Suc. The Srstereo Enomice A Mathematical Anais Su. Lwin / McGrail, Boston, 2001, pp. 199-16 Deel esa del prer problems el perimtro Pes cl parkmeto ce pnp inter Al el low valores peice dey dey a ss furor emia expesion del ea (4) el campo, rls cl demosear que 44/aP~ 2/8, La dikeencacion del expres grangians aa 3% 1 yen ovals dpmos de yy M4 = 3 {econ 262) produce expen 24(Capel 2 Laz mazemisca dels opiniason Restricciones de desigualdad En algunos problemas econémicos las restrcciones no necesariamente se cumplen con exacti- tud. Por ejemplo, la restriecién del presupuesto de un individuo requiere que éste no gaste mis de cierta cantidad por periodo, no obstante, él puede gastar menos de esa cantidad. Las restric- ciones de desigualdad, también aparecen cn los valores permitidos para algunas variables de los problemas econémicos. Por ejemplo, por lo general, las variables econdmicas no deben ser nega- tivas (pero pueden tener un valor de cero). En esta seccién se demostrara como se puede adap- tar la técnica lagrangiana a estas circunstancias. Mis adelante, solo encontraremos problemas que requieren esta solucién matematica en unos cuantos lugares de este libro, pero su desarrollo aqui ilustraré algunos principios generales bastante congruentes con la intuicién econémica, Un ejemplo con dos variables A efecto de evitar demasiadas expresiones engorrosas, solo se estudiarin las restricciones de desigualdad en un caso simple que incluye la eleccin de dos variables. Sin embargo, es posible generalizar los resultados derivados. SupOngase que se quiere maximizar y = f(x, %2) sujeto a tres restricciones de desigualdad: 1. play #2) 2 05 2.620, (2.76) 3.520. De ahi que se est dando cabida a la posibilidad de que la restriccién introducida antes no se ‘cumpla con exactitud (una persona no necesita gastar todo su ingreso) y al hecho de que las dos x no necesariamente sean negativas (como ocurre en la mayor parte de los problemas econé- micos). Variables de holgura Una forma de resolver este problema de optimizacién es introducir tres variables nuevas (a, b y 6) que convic-cn las restricciones de desigualdad de la ecuacién 2.76 en igualdades. Para ase guramos de gue las desigualdades siguen siendo vélidas, se clevarin al cuadrado estas nuevas variables para asegurarnos de que sus valores sean positivos. Con este procedimiento, la restric ciones de desigualdad serin Lgl) - 0 2. -P=0,y (2.77) 3.m_-2=0. Toda solucién que obedezca estas tres restriceiones de igualdad también obedecer4 las restric- ciones de desigualdad, Asimismo, dari por resultado que los valores dptimos de a, b y ¢ offer can informacién respecto a la naturaleza de las soluciones para un problema de este tipo. Solucién con el método de Lagrange Una vez convertido el problema original que entrafia desigualdades a otro que entrafa igual dades, estaremos en posicién de utilizar métodos lagrangianos para resolverio. Dado que hay tres restricciones, se deben introducir tres multiplicadores lagrangianos: 2y, 2s y Ra- La expresion, Jagrangiana completa seri (is 2) +a Laos a2) = a] +(e - B) +A A). (2.78) 4s“ Parte toca Se quiere determinar los valores de x, 8, a Dy May Aa Y Dy que constituyen un punto critico para esta expresin. Esto requeriré ocho condiciones de primer orden: 2 fit hig ths =0 Fe =he hats ay oe aw ob Fe (2.79) En muchos sentidos estas condiciones son similares a las que se derivaron antes para el caso de una sola restriccién de igualdad (véase la ecuacién 2.51). Por ejemplo, las tres condiciones fi nales meramente repiten las tres restricciones revisadas. Esto garantiza que toda solucién obe- decerd estas condiciones. Las dos primeras ecuaciones también son similares a las condiciones éptimas calculadas antes. Si 2 y 2 fucran igual a cero, las condiciones de hecho serfan idénti- cas. Sin embargo, la presencia de multiplicadores lagrangianos adicionales en las expresiones ‘muestra que, en este caso, las condiciones Optimas comunes podrian no cumplirse con exactitud Flexibilidad complementaria Las tres ecuaciones que incluyen las constantes a, 6 y ¢ proporcionan la informacién més im: ortante acerca de Ja naturaleza de las soluciones a problemas que entraftan restricciones de desigualdad. Por ejemplo, la tercera linea de la ecuacién 2.79 implica que, en la solucién éptima 4, 0 a deben ser igual a cero.!? En el segundo caso (a = 0), la restriccibn ga, %) = 0 se cumple exactamente y el valor caleulado de ’ indica su imporrancia relativa para Ia funci6n objetivo, De otra parte, si a # 0, entonces A, = 0 lo cual demuestra que aun cuando la restriccién se re. Iaja, su valor para la funcién objetivo es cero. En el contexto del consumidor esto significa que si una persona no gasta todo su ingreso, entonces una cantidad mayor de ingreso. no contri- buiria en absoluto a mejorar su bienestar tras relaciones de flexibilidad complementaria también cumplen con las variables elegidas », y Por ejemplo, la cuarta linea de la ecuacién 2.79 requiere que en la solucién dptima & 0 Ay sean igual a cero, Si dy = 0 entonces la solucién éptima tendri x, > 0, y esta variable elegida ‘cumpliré con la prueba precisa del costo-beneficio que dice que f; + Ayj, = 0. Por otra parte, las soluciones donde 6 = 0 tienen x, = 0, y también requieren que Ay > 0. Por tanto, estas soluciones no involueran la utilizacién de x, porque esa variable no cumple con la prucba del costo-benefi- cio, como demuestra el hecho de que f+ Ig, < 0. Un resultado idéntico cumple con cada va riable x clegida, Estos resultados, que en ocasiones se conocen como las condiciones Kuln-Tucker en honor de sus descubridores, clemuestran que las soluciones para los problemas de optimizacién que in- volucran restricciones de desigualdad diferirén, en formas bastante simples, de problemas simi- "Aqui no nos ocparemor del aso degensrdo el les do aie son ceo.Capindo 2 Las emia de optimizacion 47 lares que involucran restricciones de igualdad. Por tanto, no podemos equivocarnos mucho si trabajamos primordialmente con restricciones que involucran igualdades y suponiendo ue se puede recurtir a la intuicién para expresar lo que podria ocurrir si los problemas involueraran, de hecho, desigualdades. fste es el planteamiento general que se adoptaré en este libro."* Condiciones de segundo orden Hasta ahora, nuestro anilisis de la optimizaciGn se ha centrado fundamentalmente en las condi- ciones necesarias (de primer orden) para determinar el maximo, Esta sera, en efecto, la prictica gue se aplicard en gran parte de este libro porque, como se vera, la mayor parte de los proble- ‘mas econdmicos utilizan funciones en cuyo caso tambin se cumplen las condiciones de segun- do orden para alcanzar un maximo, En esta seccidn se presenta un breve andliss de la relacién entre las condiciones de segundo orden para alcanzar un méximo y las correspondientes con- diciones de curvatura que deben tener esas funciones para asegurarmos de que se cumplan aquellas. A lo largo de todo el libro se irin presentando las explicaciones econémicas de estas condiciones de curvatura Funciones con una variable Primero analicemos el caso en el cual nuestro objetivo, 9, ¢s una funcién de una sola variable, x: Es decir, y= fle). (2.80) ‘Una condicién necesaria para que esta funcién alcance su valor méximo en algiin punto es que Bs pie ef @=0 (281) cen ese punto. Para aseguramnos de que ese punto es, en efecto, el méximo y tiene que decrecer ‘cuando nos alejamos de él, Ya se sabe (de la ecuaci6n 2.81) que, para pequetias variaciones de x, el valor de y no cambia y lo que se tiene que comprobar s si de aleanzar esa “meseta” y despues disminuye. Ya hemos derivado una expresion de la variacién de y (dy), que esta dada por la derivada total dy= f(x) de. (2.82) Ahora, lo que se necesita es que dy disminuya en el caso de pequeiios incrementos del valor de ‘x La diferencial de la ecuacién 2.82 esti determinada por Hay) = y= ALOVED gen pads dem fleas, (2.83) pero Py<0 implica que f(s) ds? <0 (2.84) y dado que ds? debe ser positiva (porque algo al cuadrado siempre es positivo), se obtendiri £ (2.110) yal combina este resultado con la ecuacién 2.109, se obtendra (2.1) Ahora se puede sustituir esta expresin por di en la ecuacin 2,107 para mostrar 1a condicién {que se debe mantener para que #?y sea negativa: Py = fuadet + 2st fas) + n(& a) Sh ays net ‘Si se combinan términos y se colocan sobre un denominador comin se obtendra (2.112) = finds} = Bia ae + Bs fy = Unf} 2ahh+ for Sh eu) Por tanto, para que dy < 0, se debe cumplir que Sil 2iohifi* fal <0 uy Funciones cuasi concavas Fata ecuacién parece poco més que una masa complejt y desordena de simbolos maser nae eee hecho, se wata de una condicion bastante importante, Represents un conjunto de2 Pare 1 Iorodscsion funciones llamadas funciones cuasi céncavas. Estas tienen la propiedad de que el conjunto de to- dos los puntos donde esa funcién toma un valor mayor que el de una constante especifica, es lun conjunto convexo (es decir, podemos tnir dos puntos cualesquier del conjunto con una linea contenida enteramente dentro del conjunto). Muchos modelos econémicos se caracterizan por ceste tipo de funciones y, como se vera con mis detalle en el capitulo 3, en estos casos la condici6n de cuasi concavidad tiene una interpretacién econémica relativamente sencilla. Los problemas 2.9 y 2.10 analizan dos funciones cuasi céncavas concretas que se encontrarin con frecuencia en este libro. El ejemplo 2.10 muestra la relacién entre la funcién céncava y la cuasi céncava, EJEMPLO 2.10 Funciones céncavas y cuasi céncavas, — Puede ilusrarse la diferencia entre las funciones cOncavas y las cuasi cGncavas con la funcién'® (ay 2) = (% « 2)* (2.115) donde las #3610 toman valores positivos y el parimetro k puede tomar diversos valores positivos. Sea cual fuere el valor que toma & esta funcién es cuasi céneava. Una forma de demostrar lo an- terior es analizar las curvas de nivel de la funci6n, estableciendo y igual a un valor especifico, por decit ¢. En este caso (amt o ymsed =e. (2.116) » Empero, esto tan sélo es la ecuacién de una hipérbole rectangular normal. Queda claro que el conjunto de puntos en los cuales y coma valores superiores a ¢ es convexa porque esti limitada por esta hipérbole. Un camino mas matemético para demostrar la cuasi coneavidad aplicaria la ecuacién 2.114 a esta funcidn, El élgebra necesaria para hacerlo tal vez sea un tanto compleja, pero vale la pena el esfiverzo. Estos son los distintos componentes de la ecuaci6n 2.114: | fix beta ‘fiz kta! fir = RR Vx pat (2.117) fia = Mh Vxiey* fas Batt st? Por tanto Diohifet faft B9(k— aft xf? ~ 204 + (k= Lath? ft? 2éei? 32 (1) (2.118) que ¢s claramente negativa, como lo requiere la cuasi concavidad El hecho de que la funcibn f sea concava o no dependers del valor de & Si &-< 0.5 la funcion es, fen efecto, céncava. Una forma intuitiva de ver lo anterior radica en considerar exelusivamente los puntos donde x; = x;. En el caso de estos puntos, (2.119) que, para k< 0.5, ¢s cncava, De otra parte, para k> 0.5, esta funcién es convera. (continsia) "an fanclon ean cao especial dea in 1 Cobb-Douglas. Vet tabi cl pblems 29 en le ampladones de ete plea don Seaconarl ms deal sobre ct uncon,Capito 2 Cas materisics dea epuinizacon Una prueba mis contundente utiliza las derivadas parciales de la ecuacién 2.117. En este caso, se puede expresar la condicion de la concavidad como fia ~ Fly = BCR LP sefh? 3? = Beh? a? af x? [Ok 1) - 4] (2.120) 23 3h [AC2k+ 1)] y esta expresién es positiva (como se requiere para la concavidad) para (-2b+1)>0 0 k< 0.5. De otra parte, la funcién es convexa para &> 0.5: Una ilustracién grafica — Ta figura 2.4 presenta ilustraciones tridimensionales de los tres ejemplos especificos de esta fun cién: pata = 0.2, k= 0.5 y k= 1. Nétese que en los tres casos las curvas de nivel de la funcién tienen formas hiperbélicas convexas. Es decir, para un valor fijo de y las funciones son bastante similares. Esto demuestra la cuasi concavidad de a funcién, Las diferencias principales entre las, fuunciones estan ilustradas por la forma en que el valor de y aumenta a medida que las dos = at. mentan juntas. En la figura 2.4a (donde & = 0.2) el incremento de y disminuye a medida que las, x incrementan. Esto imprime en la funcién una forma redonda, parecida a una taza, que indica Ja concavidad. Para = 0.5, y parece que se incrementa linealmente conforme las dos » aumen: tan, Esta ¢s la frontera entre la concavidad y la convexidad. Por dltimo, cuando &= 1 (como en la figura 2.4c) los incrementos simulténeos en los valores de las dos x incrementan a y muy ve lozmente. La esencia de la funcién luce convexa para reflejar el ineremento de las ganancias. Una mirada atenta a la figura 2.4a sugiere que toda funci6n que sea c6ncava también seré cua- si céncava, El problema 28 le pide que demuestre si esto es asi. Este ejemplo muestra que lo contratio de esta afirmacién no cs cierto, 0 sea que las funciones cuasi céncavas no necesaria- mente son c6ncavas. La mayor parte de las funciones que se encontrarn en este libro también ilustrarén este hecho, o sea que la mayor parte serin cuasi céncavas, pero no necesariamente Pregunta: Explique por qué las funciones que ilustran Ia figura 24a y 2.4¢ tendrian valores méximos si las » estuvicran sujetas a una restriceién lineal, pero sélo la grifica de la figura 2.4 tendrfa un méximo sin restricciones. Funciones homogéneas ‘Muchas de las funciones que surgen de forma natural de la teoria econémica tienen otras propiedades matematicas. Un conjunto de propiedades particularmente importante se refiere al comportamiento que obscrvan estas funciones cuando todos (0 la mayor parte de) sus argu mentos incrementan proporcionalmente. Estas situaciones se presentan cuando nos planteamos preguntas como qué ocurriria si todos los precios incrementar:= 10% o cémo cambiaria la pro- duccién de una empresa si duplicara todos los insumos que utiliza. El andlisis de estas preguntas conduce, de forma natural, al concepto de las funciones homogéneas. En concreto, se dice que una funcidn f(s, %, . . &,) €s homogénea de grado & si Pl A% 9 Ha +++ 8) Los ejemplos de fanciones homogéneas mis importantes son aquellos donde k = 1 0 k= 0. Dicho en palabras, cuando una funcién es homogénea de grado uno, la duplicicién de todos sus argumentos duplica el valor de la funcién misma. En el caso de funciones homogéneas de # flay a.) (2.121)54 Pane Inodesin IIE reine concavesy cust concavas En los tes casos estas fanciones son euasi céncaas. Para una y Bj, sis curas de nivel son convenas, pero la fancién es snente cncava tan silo para R= 0.2, H cao #= 1.0 demuestra con claridad la flta de concavidad porque la funcion por debsjo de st plane tangente ayk=02 dyke 05 grado 0, la duplicacién de todos sus argumentos hace que el valor de la funcién no sufta cam: bio alguno, Las funciones también deben ser homogéneas cuando cambian s6lo ciertas sub series de sus argumentos; ¢s deci, la duplicacién de algunas de las x podria duplicar el valor de Ib fnci6n si los otros argumentos de Ia funcién se mantienen constantes, No obstante, usual ‘mente, la homogeneidad se aplica alos cambios de todos los argumentos de una fancién, Homogeneidad y derivadas Si una funcién de grado b es homogénea y si es posible diferenciarla, entonces las deriva das parciales de la funcién seran homogéneas de grado #— 1. La prueba de la anterior se derivaCapel 2 Lax mates des opsimizacise directamente de la definicién de homogeneidad. Por ejemplo, si se diferencia la ecuacién 2.121 con relacién a su primer argumento tendremos of les: Ai 6 Be) Sf (8) (2.122) ‘que demuestra que {f, cumple la definicién de homogeneidad de grado k~ 1, Dado que las ideas cde marginalidad son tan prevalecientes en la teorfa microcconémica, esta propiedad demuestra que algunas propiedades importantes de los efectos marginales pueden ser inferidas de las pro- picdades de la funcién subyacente misma, Teorema de Euler Es posible demostrar otra caracteristica muy titil de las funciones homogéneas si se diferencia la definicién de homogencidad con respecto al factor de proporcionalidad, t. En este caso, se dife- rencia primero el lado derecho de la ecuacién 2.121: BOY Fy oo By) = fi BL 6 6 iy) He et na (os Bn) yssise deja que £= I, esta ecuacién seré I(x, BAe) Ee EL Le) (2.123) Esta ecuacién se lama teorema de Buler (por el matemético que descubrié la constante ¢) para las funciones homogéneas. Demuestra que, en cl caso de una funcién homogénea, existe una relacién contundente entre los valores de la funcién y los valores de sus derivadas parciales. Di vversas relaciones econémicas entre funciones que son muy importantes estén fundadas en esta observacién, Funciones homotéticas ‘Una fancién homotética es aquella que se forma tomando una transformacién monétona de una fancién homogénea.”” Las transformaciones monétonas, por definicién, conservan el orden de la relacién entre los argumentos de una funcién y el valor de ésta. Si ciertos conjuntos de x pro: ducen valores mis altos de f también producirén valores més altos para una transformaci6n monétona de f; Sin embargo, dado que las transformaciones monétonas pueden adoptar muchas formas, no podemos esperar que conserven una relacién matemética exacta como la que encarnan las funciones homogéneas. Por ejemplo, consideremos la funcién fxs y) = x 9. Est claro que esta funcin es homogénea de grado 2; es decir la duplicacién de sus dos argumentos ‘multiplicaré el valor de la fancién por 4. No obstante, la transformacién mondtona, F, que sim- plemente suma 1 a f(es decir, F(f) = f+ 1 =) + 1) no es homogénea en absoluto. Por tanto, salvo en casos especiales, las funciones homotéticas no poseen las propiedades de homogenci dad de las funciones subyacentes y, sin embargo, si conservan una caracteristica importante de las funciones homogéneas: que los intercambios implicitos entre las variables de una funcién tan. sélo dependen de los cocientes de dichas variables y no de sus valores absolutos. Aqui, se de~ mostraré lo anterior en el caso de una funci6n implicita simple de dos variables f(x, y) = 0. Seré mis facil demostrar casos mis generales cuando se llegue al aspecto econémico del asunto mis adelante en este libro. "Dato que un co lite de una vanfirmasin moon 6 di I ein leds, oda fnconeshomogénens son ambi bometdsLa eeusién 228 demosaba que el imercambio implicit entre sy yen eco de una fan cign con dos arabes ed determina por oh, de f Sise supone que fes homogénea de grado b, sus devas parcial sein homogénes de grado Pe'Ly qued imereambio mplicto enue xy yes dy tft ty) falt 49) de ARC) fy (0) a Ahora dejemos que += + y la ecuaci6n 1.124 se transforma en 1{23) %. 9 f (2.125) * as) que muestra que el intercambio dependers exclusivamente de la proporcién de » a y. Ahora, si se aplica tna transformacién monétona F (donde F’ > 0), a la funcién homogénea original f se ob- tends (2.126) lo cual demuestra tanto que la transformacién monétona no afecta el intercambio, como que sta sigue siendo fancién tan s6lo de la proporcién de xa y. En el capitulo 3 (y en otras partes, del libro) esta propiedad facilitard mucho explicar algunos resultados te6ricos con grificas bidi- ‘mensionales simples, en las cuales no es necesario considerar los grados generales de las variables, clave, sino tan sélo sus cocientes Propiedades cardinales y ordinales En economia aplicada muchas veces és importante conocer la relacion numérica exacta que exis te entre las variables. Por ejemplo, al estudiar la produccin tal vez queramos saber con exact tud cutinto producto extra se produciefa con la contrataci6n de un trabajador mas, Esta es una intezrogante sobre las propiedades “cardinales” (es decir, numéricas) de la funcién de produe- cién, En otros casos, quiza sélo nos interese el orden que siguen diversos puntos en su clasifi cacién, Por ejemplo, en la teoria de la utilidad, suponemos que las personas clasifican por orden paquetes de bienes y que elegirin el paquete que ocupa el lugar més alto de la clasficacién, pero no asignan valores numeéricos jinicos a esta clasficaci6n. En términos matematicos, toda trans formaciéa monétona conscrva las propiedades ordinales de las funciones porque, por defini cién, una transformacién mondtona conserva las clasificaciones ordinales. Sin embargo, las tuansformaciones monétonas arbitrarias normalmente no conservan las propiedades cardinales ‘Las funciones analizadas en el ejemplo 2.10 ilustran estas diferencias. Ahi se observaron las ‘ransformacionés monétonas de la funcién Siesn 2) = (o588)* (2.127) Considerando diversos valores para el parimetro k, Se demosteé que la cuasiconcavidad (tna pro= Piedad ordinal) se conscrvaba para todos los valores de &. Por tanto, cuando se abordan proble~Capitals 2 Las mae de opiniecion imas que se concentran en maximizar 0 minimizar tal funci6n, sujeto a restricciones lineales, no debemos preocuparnos respecto a cual transformacién se utilizaré. Por otra parte, la funcién de la ecuacién 2.127 es eéncava (propiedad cardinal) tan s6lo para una serie reducida de valores de ‘&, Muchas transformaciones monétonas destruyen la concavidad de f. "También se puede utilizar la funci6n de la ecuacién 2.127 para ilustrar la diferencia entre las fun- ciones homogéneas y las homotéticas. Un incremento proporcional en los dos argumentos de f nos daria Sitsiy ty) = Pas = PYF Sy &)- (2.128) Por tanto, el grado de homogencidad de esta funcién dependera de &; es decir, el grado de ho rmogeneidad no se conserva independientemente de la transformacién monétona que se utlice. De otra parte, la funcién de la ecuacién 2.127 es homotética porque beled dey fe kts? (2.129) Es decir, el intercambio entre x, y x, depender exclusivamente de la proporcién de estas dos vatiables y no se veri afectado por el valor de &. Por tanto, la homoteticidad es ordinal. Como se verd, esta propiedad es muy itil para desarrollar argumentos grificos sobre proposiciones econémicas. Pregunta: ;La explicacién de este ejemplo cémo cambiarfa si se tomaran en cuenta transforma: ciones mondtonas de forma f(s, %, #) = x18) + & para diversos valores de k? RESUMEN ‘A pesar de que algunas partes de este capitulo parecen imponentes, el tema de este libro no son las matematicas, Por el contrario, nuestra intencidn fue reunir diversos instrumentos que se utilizarén para crear modelos econdmicos a lo largo de la parte restante del texto. Ahi, el mate rial de este capftulo serviré de titil referencia. Una forma de resumir los instrumentos matemiticos presentados en este capitulo es destacar de nueva cuenta las lecciones econdmicas que ifustran: + La posibilidad de utilizar las matemsticas offece a los economistas una via cémoda y répi- da para creat sus modelos. Asf, utilizando estos instrumentos mateméticos, pueden estu diar las implicaciones de diversos supuestos econémicos en un marco simplificado. ‘+ En sus modelos, los economistas emplean mucho el concepto matemitico de las derivadas de una funcién porque con frecuencia les interesa saber como los cambios marginales de una Variable afectan a otra variable. Las derivadas parciales son de especial utilidad para este fin porque, por definicién, representan estos cambios marginales cuando todos los emis factores permanecen constantes. Asi, las derivadas parciales incorporan el supuesto ceteris paribus que aparece en la mayor parte de los modelos econémicos. ‘© Las mateméticas de la optimizacién son un instrumento importante para crear modelos - ‘que suponen que los agentes econémicos intentan alcanzar wna meta de forma racional. En el caso sin restricciones, las condiciones de primer orden indican que se debe expan- dir cualquier actividad que contribuya a la meta del agente hasta el punto donde la cont bbucién marginal de una mayor expansion sea igual a cero. En términos matemiticos, la condicién de primer orden para aleanzar un ptimo exige que todas las derivadas parciales sean igual a cero, ”El Casi todos los problemas econémicos de optimizacién incluyen restricciones para las elec- ciones que pueden hacer los agentes. En este caso, las condiciones de primer orden para alcanzar un maximo sugieren que cada actividad debe operar en el nivel donde la propor- ees un conjunto convexo. ¢. Demuestre que si +B > 1 entonces la funcién Cobb-Douglas no es céneava (demostran do asi que no todas las funciones cuasi cOncavas son céncavas), (Nota: Se analizaré la funcion Cobb-Douglas con més detalle en las “Ampliaciones” de este capitulo.)CCaptto 2 Las mates dea optimiza 2.10 ‘Otra funcién que se encontraré a menudo en este libro es la “funcién poten yea? donde 0 <8 < 1 (a veces también se analzaré esta funciGn para los casos en que 8 también puede ser negativo, en cuyo e250 se utilizar Ia Forma y=.«'/8 para aseguraraos de que todas las derivadas tienen el signo correcto). fa, Demuestre que esta Fancién.es céncava(y por tanto, también, de acuerdo con el resultado del problema 2.8, cua cOneava). Nowse que la 8 = I es un caso especialy que Ia fancién cs “estrictamente” concava sélo para 8 < 1 b. Demuestre que la forma multivariante de la funcién potencial = Fleas 2) = Can)? + )® también es cGncava (y cuasi cOncava), Explique por qué, en este caso, ol hecho de que fis = Ja =O hace que la determinacion de la concavidad sea especialmente sencilla e. Una forma de incorporar efectos de “escala” en la funci6n descrita en el inciso b consiste cen utilizar la transformacién mondtona GU 2) = 7 = [Ca + HY donde 7 es una constante positiva. {Esta transformaci6n conserva la coneavidad de Ia fur- cidn? ag es cuasi concava? LECTURAS RECOMENDADAS Dike, A.K Optimization in Economic Theory, 2a. ed., Oxford University Press, Nueva York, 1990, Te indi completa y moderno de ls tenicas de a opsimizacion. Emplen métados analisias relasiva- ‘mente avancadss Mas-Colell, Andreu, Michael D. Whinston y Jerry R Green. Microconomie Theory, Oxford ‘University Press, Nueva York, 1998 Cicer pune cncilopedico de las mazemticas en la microtcomomia, Muchos apéndices matemdrics eubren temas de sn anslisis de nivel velatioamente ato Samuelson, Paul A. Foundations of Beonomie Anaiys, Harvard University Press, Cambridge, MA, 1947, Apéndice de mateméticas A. Mie otha basics, Hl apendice Ade matemiieasprsntn wn andlie avancado de ls condiciones necerariasyraficietes par wo sxe, Silberberg, E. y W. Suen, The Structure of Economics: A Mathematical Anabss 33. ed) MeGraw- Hill, Nueva York, 2001. Ban aage manemizicn para icroeconomia que ince hincapiéen las prediccames observable del woris cconimica. Ei texto wsa mucho el teorema dela envolvente Simon, Carl P. y Lawrence Blume. Mathematics for Economins, W.W. Norton, Nueva York, 1994, ren muy itil que nr casi odo ls campos dels matemcas importantes para ins canons Aa a ey a nial bastante alo, os temas exacts agu mcjor gut en oeos text som las exaiones ‘Bferencialsy ln topologabisica del comjunto de punto. Sydsacter, K, A. Strom y P. Berck, Economists’ Mathematical Manual 32 ed, Springer-Verlag, Berlin, 2000. Bet eo indispensable para un repato de as maremdticas, Consene 32 capital gue aloron it eet ar ineramencar mazes emis ls conta, Las explincone an bev de Jao pee noes el lugar para enconsrar concepts mucros por primera Y= Taylor, Angus E.y W. Robert Mann. Advanced Calcul 32.4, John Wiley, Nueva Yorks 1983, pp. 183-195. Py serngeneral de céealo que tiene wna buena explcacién dela tenicaIngrangiana. “Thomas, George B. y Ross L. Finney. Caleulus and Analytic Geometry, 8 ed. Addison-Wesley, Reading, MA, 1992. ‘Thawo bikco de vileulo con una esrupenda explicacion de las téenicas de diferenciacién aAMPLIACIONES Es posible escribir, de forma muy compacta, las condiciones de segundo orden deseritas en el capitulo 2 si se utiliza el dlgebra matricial. En cesta ampliacidn se analizari brevemente este tipo de notacién, Volveremos a ella en algunas otras, partes de las ampliaciones y los problemas de capitulos posteriores, Revision del algebra mat: Las extensiones que aqui se presentan suponen cierto conocimiento general del algebra matricial Un breve recordatorio de sus principios seria: 1. Una marris nx & A, es una serie rectangu. lar de términos que tiene la formula an a2 | A=[ay]=| Agul i= 1, 15 j= 1, & Podemos sumar, re taro muliplicr ls matrices siempre ycuan- do sus dimensiones sean acordes. 2. Sim=b Asuna mati ciadeada. Una ma- tra cundrada estas gg La matrs identidad, Les una m+ n matte cuadrada donde oj 1 side jy ay=Osi 4 j 3. La determinante de una matriz cusdrada (Que eserbe [A|) es un escalar (es decir, un slo término) que se calela al multi plicar todos los eérminos de la matrz. Si tox? JA] = an aaa ~ an ae : 1) \A|=2-15=-13. 4. La inversa de una matriz.cuadrada n % 1, Ay es otfa matriz n x 2, A” de tal modo que A-M=I,. No todas las matrices cuadradas tienen una inversa. Una condicién suficiente y necesa tia para la existencia de Al es que 1A #0 5. Los menores principales de una matriz cuadrada nx m, A son la seric de determi nantes de las primeras pfilas y columnas de Condiciones de segundo orden y algebra matricial ‘A, donde p= 1, ». $i Aes 2 x 2, entonces el primer menor principal es ai: y el segun do es yy gs ~ A, 6. Una matriz cuadrada nx 1, A, es definida positiva si todos sus menores principales son positivos. La mateiz ¢s definida negativa si Jos menores principales alternan de signo partiendo de un signo menos.! 7. Una matriz simétrica de especial utilidad es la matris hesiana, formada por todas las de rivadas parciales de segundo orden de una funcién. Si fes una funcién continua y de rivable dos veces de 7 variables, la hesiana est§ determinada por [fr fia fan fa fan ~ fon Hif)= Lf fa Con ayuda de estas notaciones ahora es po- sible volver a examinar algunas de las con- diciones de segundo orden derivadas en el ‘capitulo 2 Som ‘A2.1. Funciones céncavas y convexas ‘Una fancién céncava es una funcién que siempre est por debajo (o sobre) de una tan- gente a fa misma. Altemativamente, una fisscir convexa siempre esté por debajo de una tangente. [a concavidad o convexidad de una funciGn esti dlererminada por su(s) segunda(s) derivada(s) Para una fancin de una sola variable, fix), el requisito es elaro. Si se utliza la aproximacién de Taylor en un punto (%) Lsg + dss) = flo) + f'(eo)de + So) + términos de orden superior. Si se supone que los términos de orden superior sean igual a 0, tendremos Slain + dx) S fl) + Fo) sif"(%) SO fla + dx) 2 flap) + f(s) 'Sralgunos de los deteminanes de ee denis pucden se igs decor gue i semen pos o semen seu no utrsi f” (x4) 0. Dado que las expresiones a la derecha de estas desigualdades son, de hecho, la cecuacién de la tangente a la funcidn en x, €s evi- dente que la fancion es (localmente) céncava si Flv) $0 y (localmente) convexa if") 2 0. ‘Ampliar esta idea intuitiva a muchas dimen- nes es bastante engorroso en términos de st notacion funcional, pero relativamente sencillo cuando st utiliza el dlgebra matricial, La concavi- dad exige que la matriz hesiana sea definida ne~ gativa, mientras que la convexidad exige que esta matriz sea definida positiva. Como en el caso de tuna sola variable, estas condiciones equivalen a cexigir que la funcin se aleje siempre de cual- quier tangente independientemente de la diree- cién que se emprenda.? Si f(s, %9) 8 una fancin de dos variables, la matriz hesiana esta determinada por aff &) Sa fr Esta matriz es definida negativa si Sin < OY fir fia fa fir > 0 que es precisamente fa condicién descrita en el capitulo 2 en la ecuacién 2.98. Las generaliza ciones a funciones de tres o mis variables siguen cel mismo pateén matricial Ejemplo 1 Para la funci6n de la salud del capitulo 2 (ecuacién 2.20), la matriz hesiana esta determi- nada por yeel primer y segundo menores principales son H,=-2<0 Hy = (-2(-2)-0=4>0. Por tanto, la funcién es céncava. Ejemplo 2 Se utiliza la funci6n Cobb-Douglas s* »* donde a, b€ (0, 1) para mostrar funciones de utilidad y fanciones de produccién en muchas partes de este libro. Las derivadas de primer y segundo orden de la funcién son fe aerty! Som bx yo fa= a(a~Lxr2ye fun Ub~ Vary, ‘Eonar una prucha ward le veri iulusarable de ts aproxt imacion de Tasoren Simon Blame (1983) cp. 2 Cupido 2 Lax materia de optimiza — 63 4 El primer menor principal de esta hesiana es Hy = ala 1)x"y"< 0, por lo que la funci6n ser céncava siempre y cuando Hi, = aa 1Y(O{ b= 1) 222 — abe Ay = a1 ~ a xy > 0, Esta condicion se cumple claramente si a+ <1 Es decir, en términos de la funcién de produc cién, la funcién debe mostrar rendimientos deerecientes a escala para ser cOncava. Geométi- camente, la funcién debe caer a medida que aumentan los dos insumos simulténeamente. A2.2 Maximizacion ‘Como se vio en el capitulo 2, las condiciones de primer orden para un méximo sin restriccio- rics de una funcién con muchas variables exigen que se ubique un punto en el cual las derivadas parciales sean igual a cero. Sila funci6n es cén- cava, estara por debajo del plano tangente en este punto y, por tanto, el punto seré un auténtico maximo. Puesto que la funcién de salud es e6n- «ava, por ejemplo, las condiciones de primer orden para el maximo también son suficientes. Por tanto, la hesiana de esta funcién es He le = Detty! aber tyht ales ty? (b— Wx ‘A2.3 Maximos con restricciones ‘Cuando las xen un problema de maximizacion 6 de minimizacién estin sujetas a restricciones, se eben considerar al expresar las condiciones de segundo orden. De nuevo, el élgebra matricial frece una forma compacta (aunque no muy in tuitiva) para mostrar estas condiciones. La nota ciGn implica la adici6n de filas y columnas a la matriz hesiana para el problema sin restringit, y después comprobar las propiedades de esta matriz aumentada. En conereto, se quiere maximizar ls, 8) sujeto a la restriccign* BU 8) = 0. Vimos en el capitulo 2 que las condiciones de primer orden para un maximo adoptan la forma "Ene punto srt un mii “lol” apc ablo e nesta en urepon opabalIs fansbn eedacavaen tod pares. "Aa slo veremon el cso de una sla esti. La geerliacon 2 matty rearcones es concepaaanate seal, por comple ch {utto nots, Enenntes una dein pec ea Spacer A P'Bek (2000), 9.98.Parte Ierodscisn Fitha=0 donde 2 es el multiplicador lagrangiano de este problema. Las condiciones de segundo orden para un méximo parten de la hesiana aumentada (“bordeada”)* 0 M1 52 In afafr fe Hy =| g; fa fir fon Bn fr far Son Para el méximo, (-1) Hy debe ser definida negativa; es decir, los menores principales de Hy deben seguir el patron ~+~ +, ete, partie: do del segundo menor. Las condiciones de segundo orden para un minimo exigen que (-1) Hy sea definida positivas es decir, que todos los menores principales de Hy, (excepto el primero) sean negativos, Ejemplo El lagrangiano del problema restringido de salud (ejemplo 2.6) ¢s Fa-x} + Ix, - xh + Au, +54+2(1-%,-m) y la hesiana bordeada de este problema es oat Hy =|-1-2 0 -1 0-2 El segundo menor principal aqui es con Ba 1-2. y el tercero es ona Hys =|-1-2 0/=0+0+0- aoa (-2)-0-(-2) = 4, por lo que los menores principales de Hi, tienen el patron exigido y el punto 4 es un miximo con restricciones. = 0 ote ques, = Opa oa ty jsntoncs pnts considers Che Hs cua feaana ample soca expresonlagangans de iisobe 2.50 queer una fc den I sanaber hos ‘Neteoe que el primer enor pin de He 0, Ejemplo En el problema de la valla dptima (ejemplo 2.7), a hesiana bordeada es 0-2-2] 20 | [21 0, Hy=4 Hy =8 por lo que, de nuevo, los menores principales, tienen el patron exigido para un miximo, ‘A2.4 Cuasi concavidad Si la restriccin, g, es lineal, es posible relacio- nar las condiciones de segundo orden analizadas en la ampliacién 2.3 exclusivamente con la for- ma de la funcién que se optimizars, f En este caso, se escribiria la restrccién como B= y las condiciones de primer orden del maximo son bi, by ~ bax fad, Leven Si se parte de estas condiciones, es evidente que la hesiana bordeada, Hi, y la matriz, Of fof fifi fir fiw Sifu fir\ fa fon faa fan tienen los mismos menores principales excepto para la constante (positiva) de proporcionalidad.? Las condiciones para el maximo de fsujeto a una restriccin lineal se cumplirin siempre que H’ tenga las mismas convenciones de signo que His; cs decir, (-1)HY debe ser definida negativa. Se dice que una funciOn, f para la cual HY sigue este patrén, es cuasi cincavn. Como se veri, tiene la propiedad de que el conjunto de puntos x para los cuales f(x) 2 ¢ (donde ces una constante) ¢s con- vexo. Para este tipo de funcién, las condiciones inccesarias para el méximo también son suficientes. iso we puede demosuar setalndo que, al mubplcar wna fla (o una Colt de una ate por una cansaete, determinant qed ‘lik pr amiss constantEjemplo Para el problema de las vallas fl ») = ayy HU esti determinada por [923] Por lo que y la funcién es cuasi eéncava.* "Dado que fn.) = ares un forma de fancin Cobie-Dougls que no rina, e69 dermustra que no fob as funclones ca ene Son const Sia embarg, acese que uta fcion mondo def [somo / sera cinca CCpltle 2 Lat menace des opemiacin 65 Ejemplo En términos mas generales, si fes una funcién de s6lo dos variables, la cuasi concavidad exige que Hy=+(fir <0 “fin Fi fia f+ Bi fafin > % que es precisamente la condicién definida en la ecuacidn 2.114, Por tanto, se tiene una forma relativamente sencilla para determinar la cuasi concavidad. Hy Referencias Simon, C.P.y L. Blume. Mashematics for Economists, WW. Norton, Nueva York, 1994 Sydsacter, R.A. Strom y P. Berck Economists’ Mathematical Manwa, 3a. ed. Springer-Verlag, Berlin, 2000,