Manual de soluciones del libro

"Métodos dinámicos en economía"

Versión 0.4

Héctor Lomelí Ortega

Beatriz Rumbos Pellicer
Lorena Zogaib Achcar

1 de septiembre de 2004
Índice General

2 Ecuaciones diferenciales lineales 3

3 Ecuaciones no lineales de primer orden 7

4 Sistemas de ecuaciones diferenciales lineales 11

5 Análisis cualitativo 15

6 Conceptos básicos de dinámica discreta 20

9 Optimización estática 22

11 Introducción al cálculo en variaciones 39

1
Nota para el lector

La presente es una versión preliminar de las soluciones del libro Métodos dinámicos
en economía.
Estamos conscientes de que, a pesar del esfuerzo y cuidado puestos en este tra-
bajo, es probable que existan errores involuntarios en las respuestas que aquí pre-
sentamos. Agradeceremos sus comentarios y correcciones al presente documento
a las siguientes direcciones electrónicas:

lomeli@itam.mx
rumbos@itam.mx

Con cierta frecuencia aparecerán nuevas versiones en la página del departamento

de Matemáticas del ITAM, en:

http://matematicas.itam.mx

Gracias por leer nuestro libro.

Los autores

2
Capı́tulo 2
Ecuaciones diferenciales lineales

2.2 b = −3, c = 6, x0 = 5.

2.3 α = 3, β = − 19 , A = 1 1
18 , B
= 18 . Por lo tanto la solución para las condiciones
1 1 1
iniciales dadas es x(t) = − + e3t + e−3t .
9 18 18
2.4 α = 0, β = 7. Por lo tanto la solución para las condiciones dadas se puede
escribir como y(v) = 7e−v sin v.

2.5 a) x(t) = ke5t , la solución no converge a su estado estacionario.

b) x(t) = ke− 2 , la solución sí converge a su estado estacionario.
t

c) x(t) = 8 + ke−t , la solución sí converge a su estado estacionario.

d) x(t) = 2 + ke5t , la solución no converge a su estado estacionario.

2.6 P(t) = 5 + ke−6t , el estado estacionario es P∗ = 5. La solución sí converge a su

estado estacionario.

2.7 a) P(t) = P0 eat .

ln 2
b) t∗ = .
a
c) lim P(t) = 0.
t→∞

2.8 P(t) = P0 e(α−β)t . Si α > β, lim P(t) = ∞, es decir que P crece indefinidamente.
t→∞
Si α = β, lim P(t) = P0 , es decir que P es siempre constante. Si α < β,
t→∞
lim → ∞P(t) = 0, es decir que P se extingue.
t


E E at E E
2.9 P(t) = + P0 − e . Si P0 = , entonces P(t) = , por lo tanto lim P(t) =
a a a a t→∞
E E
es decir, la población es constante. Si P0 > , entonces lim P(t) = ∞, es
a a t→∞

3
 4

E
decir la población es creciente. Si P0 < , entonces lim P(t) = −∞, es decir
a t→∞
la población es decreciente.
T
2.10 Factor de integración µ(t) = e t r(s)ds . Interpretación: Y(t) es la inversión, B(t)
 t
YT
es el precio del bono y + δ(s )ds es la cantidad de bonos que se tienen
BT T
en la inversión.
1
2.11 a) r(t) = r0 − .
t+1


r0 (t−T) T+1
b) B(t) = e .
t+1
c) δ(t) = −er0 (T−t) . Si δ < 0 tenemos retiros.
1  r0 (T−t) 
d) Z(T) = e − 1 + 1.
r0
 
T + 1 r0 (t−T) 1  −r0 (t−T)
e) Y(t) = e 1+ e −1 = B(t)Z(t). Simplificando
t + 1 
 r0 
T+1 1 1
Y(t) = 1− er0 (t−T) + .
t+1 r0 r0

2.12 a) Ẏ es el cambio en la inversión. Se debe a las ganancias rY generadas

por invertir a una tasa Y menos las perdidas −X(t) debidas al flujo de
inversión.
 T
b) Y(t) = er(t−T)Y(T) + ert e−rs X(s)ds. En el límite T → ∞, Y(t) =
 ∞ t
rt −rs
e e (s)ds.
t
 ∞
c) Cambio de variable τ = s − t. Por lo tanto Y(t) = e−rτ X(τ + t)dτ.
0
 ∞
2.13 L {a f (t) + bg(t)} = e−st [a f (t) + bg(t)] dt
0
 ∞  ∞
−st
= e
(a f (t)) dt + e−st (bg(t)) dt
0 0
 ∞  ∞
−st
=a e f (t)dt + b e−st g(t)dt = aL { f (t)} + bL {g(t)} .
0 0

1
2.14 a) x(t) = + ce−2 sin t .
2
1
b) x(t) = + ce−t .
2

2
t3
c) x(t) = 5 + e− 3 .
 5

1
d) x(t) = − et + e−6t .
7
1 2 −u3
e) y(u) = + e .
3 3


e αr dα
2.15 a) ṗ + pe = . Resolviendo encontramos que
r−α r−α


d d −( αr )t
p (t) = + p0 −
e e
e r−α
r r
.
 ∞  b
d
−rt d
b) de dt = lim de−rt dt = − lim e−rb − 1 = .
b→∞ 0 r b→∞ r
0


d d αr d
c) lim pe (t) = + p0e − lim e−( r−α )t = = p∗ ya queα, r > 0 y r > α.
t→∞ r r t→∞ r
d α
d) Sustituyendo (2.29) en (2.28) se tiene que p = + (p − pe ) . Por lo tan-
r r
∗α
to p = p (p − p ) . Ahora bien, usando la solución para pe se obtiene
e
r
que


r ∗ α
p(t) = p − pe .
r−α r−α




r α r
Por lo tanto lim p(t) = p∗ − y lim pe = p∗ −

 t→∞ r − α r − α t→∞ r − α
α
p∗ = p∗ .
r−α


αr αr
e) p(t) = p − ∗
(p0e − p∗ ) e−( r−α )t , con r > α. Además
r−α
αr
pe (t) = p∗ + (p0e − p∗ ) e−( r−α )t ,

con r > α.
dv dv
2.16 Sea v = ln y, entonces ev = y y y = ev . Sustituyendo ev + P(t)ev =
dt dt
Q(t)ev v. Por lo tanto v − Q(t)v = −P(t).
t3 c
2.17 Sea v = ln y, resolviendo para v se obtiene v(t) = − + . Como y(t) = ev(t)
4 t
t3
entonces y(t) = e− 4 + t .
c

2.18 Sea A ẍ + B ẋ + Cx = 0 una ecuación diferencial homogénea con coeficientes

constantes, donde A = 0, B, C ∈ R. Sean x1 , x2 dos soluciones de la ecuación,
es decir: A ẍ1 + B ẋ1 + Cx1 = 0 yA ẍ2 + B ẋ2 + Cx2 = 0. Sea x3 = ax1 + bx2 .
Entonces A ẍ3 + B ẋ3 + Cx3 = A (a ẍ1 + b ẍ2 ) + B (a ẋ1 + b ẋ2 ) + C (ax1 + bx2 ) =
a (A ẍ1 + B ẋ1 + Cx1 ) + b (A ẍ2 + B ẋ2 + Cx2 ) = 0. Por lo tanto x3 = ax1 + bx2
es solución de la ecuación A ẍ + B ẋ + Cx = 0.
 6

2.19 a) ẍ = −1, x(0) = 2, ẋ(0) = 4.

b) ẍ − 3ẋ + 2x = 6t − 7.
c) ẍ + 4ẋ + 5x = 0.

2.20 a) x(t) = et .
 √ √ 
5 23 13 23
b) x(t) = e 4t 3 cos t + √ sin t .
4 23 4
c) x(t) = e−t [cos t + sin t] .
d) x(t) = (1 − 3t)e3t .
√ √
2.21 a) x(t) = k1 e(1+ 2) t
+ k2 e(1− 2) t
− 7.
b) x(t) = c1 cos t − c2 sin t + 1.
 √ √ 
5 23 23
c) x(t) = e 4 t c1 cos t − c2 sin t + 3.
4 4
d) x(t) = A + Be3t − 4t.
1
e) x(t) = c1 e−t + c2 e2t − .
2
1
f) x(t) = c1 e−3t + c2 te−3t + .
9
β
2.22 p(t) = m̄ + e− 2 t (A cos δt − B sin δt) , con β > 0, δ
0.
β

 
e− 2 t −βA βB
u(t) = ū − − Bδ cos δt + − Aδ sin δt .
γ 2 2

Además lim p(t) = m̄ y lim u(t) = ū, lo que quiere decir que se satisface el
t→∞ t→∞
mismo comportamiento asintótico que en el caso β > 4αγ.
t
2.23 a) x(t) = c1 cos 2t − c2 sin 2t − cos 2t.
4
14
b) x(t) = c1 e−t + c2 e3t − 3t2 + 4t − .
3
4
c) x(t) = c1 e−t + c2 e2t − te−t .
3
1
d) x(t) = c1 e3t + c2 e−t − et − cos t + 2 sin t.
2


1 4
e) x(t) = e−3t (c1 cos 2t − c2 sin 2t) + e−2t cos 2t + sin 2t .
17 17

2.24 x(t) = k1 et + k2 e2t + k3 e−t .

Capı́tulo 3
Ecuaciones no lineales de primer
orden

3.1 a) x(t) = |t| o x(t) = t si t > 0.

b) x(t) = |t| o x(t) = t si t > 0.
1
c) x(t) = .
2−t
 π
d) x(t) = tan t − 1 + .
4

71
e) x(t) = 2 (t + 1)3/2 + .
3

27

2
3.2 a) y(x) = sin−1 2
.
x +1
b) y(x) − 2 ln |y(x) + 2| = − ln |x + y| − 1.

1 t 1 3t
c) y(x) = − e + e .
2 2
N∗
3.3 a) N(t) =   para N ∗ = N0 . Si N ∗ = N0 entonces N(t) =
N∗
1+ N0 −1 e N ∗ kt
∗
N .
b) lim N(t) = N ∗ , es decir que el número de personas que habrá oído el
t→∞
rumor cuando t sea muy grande tenderá al número total de personas
del pueblito.
s
3.4 Sea w = k1−α . Resolviendo se obtiene w(t) = ce−(1−α)(n+δ)t + . Por lo tanto
n+δ
  1−α
1
1
−(1−α)(n+δ)t s
la solución para k es de la formak(t) = w 1−α = ce + .
n+δ

7
 8

  1−α
1
s
Además lim k(t) = = k∗ .
t→∞ n+δ
L̇ L L 1
3.5 a) Sea Υ = K γ L1−γ . Entonces = α − β = α − β γ 1−γ = α − β γ 1−γ =
L Υ K L K L
Lγ Lγ+1
α − β γ . Por lo tanto L̇ = αL − β γ , donde K es constante.
K K

−γ 1 β β
b) Sea w = L . Resolviendo se obtiene w(t) = γ − γ
e−αγt + .
L0 αK αK γ

  1
− γ1 1 β −αγt β −γ
Por lo tanto L(t) = w(t) = γ − e + .
L0 αK γ αK γ

 1
 γ1
β −γ α
c) lim L(t) = γ
. Por lo tanto lim L(t) = K.
t→∞ αK t→∞ β
1
3.6 a) Sea w = y1−n . Su solución está dada por w(t) = keαt − . Por lo tanto
α
1 C
y(t) = αt . Como P = y + L, entonces
ke − 1/α r
1
P(t) =   + L.
1
P0 −L + r
αC eαt − r
αC

L, P0 = C − L
b) lim P(t) = .
t→∞ P0 , P0 = C − L
1
3.7 a) x(t) = .
2t − 2 + ce−t
1 1
b) Sea w = 2 , cuya solución es w(x) = x + + ce2x . Por lo tanto y(x) =
y 2

− 21
1
± x + + ce2x .
2
1 x+c x
c) Sea w = , cuya solución es w(x) = . Por lo tanto y(x) = .
y x x+c
1  
d) Sea w = 3 , cuya solución es w(x) = x3 2x3 + c . Por lo tanto y(x) =
y
1
1
.
x [2x3 + c] 3
3.8 a) Sea w = x−6 , entonces la tenemos la solución w(t) = 1 + ce6t . Por lo tanto
x(t) = 1.
4 c
b) Sea w = x−4 , entonces la tenemos la solución w(t) = − + 44 . Por lo
43t t
1
tanto x(t) =  .
4 47
43t 44 − 4
43t
 9

1 c
c) Sea w = y−2 , entonces la tenemos la solución w(t) = + √ . Por lo
√ t t
tanto y(t) = t, con t > 0.

3.9 a) x = 0 equilibrio inestable; x = 2 equilibrio estable.

b) x = 0, x = 12 equilibrios inestables; x = 3 equilibrio estable.
c) x = 2nπ equilibrio inestable; x = (2n + 1) π equilibrio estable.
d) x = k equilibrio estable.

3.10 a) Si x0 < 2 entonces x(t) converge a 2. Si x0 > 2 entonces x(t) diverge.

b) Si x0 < 0 entonces x(t) converge a 0. Si 0 < x0 < 1 entonces x(t) conver-
ge a 1. Si x = 1 es un punto de equilibrio estable.
c) Si x0 < 0 entonces x(t) converge a 0. Si x0 > 0 entonces x(t) diverge.


d u (u ) (u ) − u u u u u u
3.11 a) Como = = 1 − . Entonces =
dw u (u )2  2 (u )2


 (u )
d u d u
1− 
= k. De esta manera = 1 − k. Lo que implica
dw u dw u
u  u
= (1 − k)w + A . Donde A es continua. Por lo que se tiene =
u u
1 u  1

. Sea A = −A entonces −  = .
A + (1 − k)w u A + (k − 1)w
b) A + (k − 1) w > 0 con w > 0.
w2 u 1
c) Si k = 0 entonces u = k2 + k1 Aw − k1 . Si k = 1 entonces −  = ,
2 u A
la cual es una función CARA (aversión relativa al riesgo constante). Si
u 1
k > 1 entonces −  = y se parece al caso k = 0.
u A + (k − 1)w
1
3.12 a) ṗ = [(αm0 + µ + αµt) − αp] . Por lo que la solución para esta ecua-
1 − αλ
ción es
α
p(t) = (m0 + µλ + µt) + (p0 − m0 − λµ) e− 1−α t .

Además lim p(t) = ∞, y

t→∞

lim ṗ(t) = µ = ṁ.

t→∞

1
b) ṗ = (p − m0 − µt) . Cuya solución, para las condiciones iniciales da-
λ
das, es:
t
p(t) = (m0 + µλ + µt) + (p0 − m0 − λµ) e λ .

Además lim p(t) = ∞, y lim ṗ(t) = ∞.

t→∞ t→∞
 10


e (1 − τ)dα αr
3.13 a) Sea ṗ = pe . Resolviendo se obtiene
r−α r−α
αr
pe (t) = p∗ + (p0e − p∗ ) e−( r−α )t

y
α αr
p(t) = p∗ − (p0e − p∗ ) e−( r−α )t .
r−α
(1 − τ) d
Además lim pe (t) = lim p(t) = ≡ p∗ .
t→∞ t→∞ r
b) Si τ aumenta a τ̄ > τ entonces en el momento del cambio, el cambio en
el precio ṗ pasa de un valor cero a un valor negativo (el precio tiende a
disminuir) correspondiente a la condición pe = p∗ . Después ṗ aumenta
en el tiempo y el sistema procede asintóticamente hacia un nuevo valor
de equilibrio, pe = p̄∗ < p∗ .
 
(1 − τ) d rt (1 − τ) d
c) p(t) = p0 − e + .
r r
(1 − τ̄) d
d) El nivel del precio diverge, a menos que p0 = , con τ̄ > τ.
r
Capı́tulo 4
Sistemas de ecuaciones
diferenciales lineales
   
1 1
4.1 a) X(t) = c1 e−2t + c2 e−4t .
1 −1
   
1 √ 1 √
b) X(t) = c1 √ e(2+ 3)t + c2 √ e(2− 3)t .
3 − 3
   
1 1
c) X(t) = c1 + c2 e−4t .
0 −4
   
2 3
d) X(t) = c1 + c2 et .
1 1
   
e−t cos t e−t sin t
4.2 a) X(t) = c1 + c2 .
−e−t sin t e−t cos t
   
4 4t
b) X(t) = c1 e3t + c2 e3t .
−2 1 − 2t
   
cos 2t t sin 2t
c) X(t) = c1 e + c2 et .
sin 2t − cos 2t
   
−1 −t
d) X(t) = c1 e t + c2 et .
−2 1 − 2t
     
1 2t 1 3t 1 1
4.3 a) X(t) = c1 e + c2 e − .
1 2 2 1

11
 12

 √ 
3
2 cos t
e− 2 t
3
b) X(t) = c1 √ √2 √
− cos 3
2 t+ 3 sin 3
2 t
 √   
3
2 sin t − 32 t 2
+c2 √ √2 √ e + .
− sin 2 t−
3
3 cos 3
2 t
5
     
1 1 1 5
c) X(t) = c1 e2t + c2 e3t − et .
1 2 2 4
   
−1 t 0
4.4 a) X(t) = e− 2 . Por lo tanto lim X(t) = .
10 t→∞ 0
 
cos βt
b) X(t) = eαt .
sin βt
   
5 5 cos t + 15 sin t
   
c) X(t) =  0  +  20 cos t + 10 sin t  et .
0 30 cos t − 10 sin t
   
1 1
4.5 a) X(t) = (2 + w) et + (1 − w) e−2t .
1 −2
b) w = −2.

4.6 a) Se necesita que trA = a + d = 0 y que det A = ad − bc < 0. En este caso

 
λ1 = bc − ad > 0 y λ2 = − bc − ad < 0.
     
x(t) b b
b) = c1 e λ1 t + c2 e−λ1 t .
y(t) λ1 − a −λ1 − a
   
3 1
4.7 a) X(t) = c1 + c2 e−4t .
1 −1
   
3 3c1
b) lim X(t) = c1 = .
t→∞ 1 c1
     
1 5 cos t + sin t 5 sin t − cos t
     
4.8 X(t) =  3  e2t + c1  12 cos t + 2 sin t  et + c2  12 sin t − 2 cos t  et .
1 4 cos t 4 sin t
 
−2 −7 −2
 
4.9 A =  0 1 0 .
3 7 3
 13

4.10 a) Como el conjunto {w1 , w2 , w3 , . . . , wn } es l.i. para todo t, por lo tanto las
columnas de Φ(t) son l.i. de modo que existe la inversa Φ−1 (t).
b) Sabemos que cada wi con i = 1, . . . n es solución de la ecuación Ẋ = AX,
por lo que se tiene que ẇi = Awi para i = 1 . . . n. Así
 
Φ̇(t) = ẇ1 ẇ2 . . . ẇn
   
= Aw1 Aw2 . . . Awn = A w1 w2 . . . wn = AΦ(t).
 t
c) Sea Υ(t) = Φ(t) Φ−1 (s) f (s)ds. Por lo tanto
0
 t
Φ−1 (s) f (s)ds = Φ−1 (t)Υ(t).
0

Por otra parte

 t
Υ̇(t) = Φ̇(t) Φ−1 (s) f (s)ds + Φ(t)Φ−1 (t) f (t)
0
−1
= Φ̇(t)Φ (t)Υ(t) + f (t) = AΦ(t)Φ−1 (t)Υ(t) + f (t)
= AΥ(t) + f (t).

Por lo tanto Υ es una solución particular a la ecuación Ẋ = AX + f (t).

       
x(t) 4 − 10
4
t 1 − 11 t 1 2500
4.13 a) = c1 e + c2 e 10 + .
y(t) 3 −1 11 1625
       
x(t) 4 − 10
4
t 1 − 11 t 1 17 t
b) = c1 e + c2 e 10 + e 10 .
y(t) 3 −1 6 19

4.14 a) ẋ = f (x, y), ẏ = 1.

1 1
b) x(t) = c2 e2t − t − .
2 4
x (w) = a1 x(w) + b1 y (w)
4.15 El sistema lineal con coeficientes constantes es .
y (w) = a2 x (w) + b2 y (w)
     
x(t) 1 2 1
4.16 = c1 t + c2 t4 .
y(t) 1 3

4.18 a) x(t) = (cos t + sin t) e−t . Además lim x(t) = 0.

t→∞
1 5 3t
b) x(t) = + e .Además lim x(t) = ∞.
3 3 t→∞
19 44 −5t 6
c) x(t) = − e + t.Además lim x(t) = ∞.
25 25 5 t→∞
 14

d) x(t) = (1 + 2t) e−t .Además lim x(t) = 0.

t→∞
2t
e) x(t) = (1 − 2t) e .Además lim x(t) = −∞.
t→∞
8 1 1
f) x(t) = −4e−2t + e−3t + .Además lim x(t) = .
3 3 t→∞ 3




u + w −x u−w u + 2v + w
4.19 a) y(x) = e + cos x + sin x.
2 2 2
b) w = u y v = −u. Con esto se tiene y(x) = ue−x . Por lo tanto lim y(x) = 0.
x→∞

1 4 2
4.20 y(t) = e−2t + et cos t − et sin t. Además lim y(t) no está definido ya que la
5 5 5 t→∞
función oscila.


2v − 2u − 1 −x
4.21 a) y(x) = e
−5



2v + 3u − 1 x 2v − 2u + 4 x
+ e cos x + e sin x.
5 10

b) u = 1 y v = −1. Con esto se tiene y(x) = e−x . Por lo tanto lim y(x) = 0.
x→∞

1 t 1 −t 1
4.22 y(t) = e − e − sin t.
4 4 2
Capı́tulo 5
Análisis cualitativo
 
0
5.1 a) P∗ = es un punto silla.
0
 
0
b) P∗ = es un espiral atractora.
0
 
∗ 0
c) P = es un espiral repulsora.
0
 
0
d) P∗ = es un nodo repulsor.
0
 
∗ − 53
e) P = 1
es un punto silla.
3
 
0
5.2 a) P∗ = es un punto silla.
0
 
∗ 0
b) P = es degenerado inestable.
0
 
0
c) P∗ = es degenerado.
0
 
∗ −3b
d) P = es un punto fijo para cada b. Por lo tanto hay una infini-
b
dad de puntos fijos, cada uno de ellos degenerado.
 
9
e) P∗ = 4 es un espiral repulsora.
− 92

15
 16

 
0
 
5.3 a) P∗ =  0  es degenerado.
0
 
0
∗  
b) P =  0  es nodo repulsor.
0


0
 
c) P∗ =  0  es degenerado.
0
 
−4
 
d) P∗ =  1  es nodo repulsor.
1
     
0 0 2
5.4 a) Existen cuatro puntos fijos: P1∗ = , P2∗ = , P3∗ = ,y
0 6 0
 
∗ 4
P4 = . El punto P1∗ es un nodo repulsor, P2∗ un nodo atractor, P3∗
−2
 
x(t)
un punto silla y P4∗ una espiral atractora. Se tiene que lim =
t→∞ y(t)
 
0
es decir que la población de x se extinguirá y la de y tenderá a 6,
6
no es posible que las dos poblaciones coexistan en el largo plazo.
     
∗ 0 ∗ 0 ∗ 3
b) Existen cuatro puntos fijos: P1 = , P2 = , P3 = ,y
0 2 0
 
4
P4∗ = . El punto P1∗ es un nodo repulsor, P2∗ un punto silla, P3∗ un
−2
   
∗ x(t) 3
nodo atractor y P4 un punto silla. Se tiene que lim =
t→∞ y(t) 0
es decir que la población de x tenderá a 3 y la de y se extinguirá, no es
posible que las dos poblaciones coexistan en el largo plazo.
     
0 0 1
c) Existen cuatro puntos fijos: P1∗ = , P2∗ = , P3∗ = ,y
0 3 0
 
10
P4∗ = 3
14
. El punto P1∗ es un nodo repulsor, P2∗ un punto silla, P3∗ un
3    
10
x(t)
punto silla y P4∗ un nodo atractor. Se tiene que lim = 3
14
t→∞ y(t) 3
 17

es decir que la población de la especie x se estabilice en 10 3 y la de y en

14
3 . Se espera que las poblaciones coexistan en el largo plazo.
   
P∗ 0
5.5 a) Para el punto fijo ∗
= ,se tiene la dirección estable dada por
N 0
 
0
λ = −1 que es U = , y la dirección inestable dada por λ = 1 que
1
 
1
es V = .
0
b) Como γNP es el número de encuentros Depredador-Presa por unidad
de tiempo, entonces γ representa la frecuencia de encuentros entre las
especies.

5.6 a) Se obtiene un comportamiento cíclico si 0 < a < 1 y b = a.

b) El sistema es estable si a < 1, b > a y ab < 1.
   
w∗ ∗ a
5.7 El punto fijo está dado por ∗
=p . La solución del sistema es
p 1
     
w a 1
= c1 + c2 AB+C
e−|λ2 |t ,
p 1 A
   
w a
donde λ2 = A − a (AB + C) . Además lim = c1 . Por lo tanto,
t→∞ p 1
 
a
los puntos fijos son múltiplos del vector y son puntos de equilibrio
1
estables.

5.8 a) P∗ = (0, 0) es un punto silla porque λ1 = α + β > 0 y λ2 = α − β < 0.

 
1
b) Para el punto fijo P∗ se tiene Es = gen con λ2 < 0 y
α+β
 
1
Eu = gen con λ1 > 0.
α−β
5.9 El punto P∗ = (0, 0, 0) es un punto silla porque det A = −6 < 0. El espacio li-
 

 1 

s  
neal estable es E (0̄) = gen  −1  que representa una recta. El espacio

 

1
   

 5 1  
u    
lineal inestable es E (0̄) = gen  0  ,  0  que representa un plano.

 

2 0
 18

   
k ∗ 1
5.11 a) El punto fijo es P∗ = = y es un punto silla porque para
c∗ 4
5
ese punto se obtiene λ1 = − 12 < 0 y λ2 = 45 > 0.
b) En P∗ la recta tangente que aproxima la variedad estable Ws (P∗ ) es c =
4
k. Similarmente, la recta tangente que aproxima la variedad inestable
5
1 13
Wu (P∗ ) es c = − k + .
2 10
4 ∗
c) c0 ≈ (1.1) = 0.88 > c .
5
5.12 v = −2u.
1
5.13 a) Los puntos fijos son cuatro: P1∗ = (0, 1), P2∗ = (0, −1), P3∗ = ( √ , 0), y
3
1
P4∗ = (− √ , 0). Los puntos P1∗ y P2∗ son los únicos puntos silla. Los
3
puntos P3∗ y P4∗ dan soluciones cíclicas. Para P1∗ se tiene
 
0 % &
Es (P1∗ ) = gen = (x, y) ∈ R2 | x = 0 ,
1
 
1 % &
E u
(P1∗ ) = gen = (x, y) ∈ R2 | y = 1 .
0
Para P2∗ se tiene
 
1 % &
Es (P2∗ ) = gen = (x, y) ∈ R2 | y = −1 ,
0
 
0 % &
Eu (P1∗ ) = gen = (x, y) ∈ R2 | x = 0 .
1

b) Por regla de la cadena

ẏ dy/dt dy dt dy
= = = .
ẋ dx/dt dt dx dx
Entonces
dy ẏ 1 − 3x2 − y2 1 − 3x2 y2
= = = − .
dx ẋ 2xy 2xy 2xy
Por lo tanto

dy 1 − 3x2 1
= y−1 − y,
dx 2xy 2x
que es una ecuación de Bernoulli con n = −1.
 19

c)
% &
Ws (P1∗ ) = Wu (P2∗ ) = (x, y) ∈ R2 | x = 0

y
% &
Wu (P1∗ ) = Ws (P2∗ ) = (x, y) ∈ R2 | x2 + y2 = 1 .
   
∗ 0 ∗ 3
5.14 a) Hay dos puntos de equilibrio: P1 = y P2 = 4
. El punto P1∗
0 3
es un nodo repulsor y P2∗ es un punto silla.
   
0 − 1
b) Existen dos puntos de equilibrio: P1∗ = y P2∗ = 3 . El
0 − 13
punto P1∗ es un punto silla y P2∗ es un centro (soluciones cíclicas).
   I(p∗ ) 
k∗ δ
5.15 El punto fijo = f  (k∗) es un punto silla.
p∗ r+δ

r−r2 − 4 det J ∗
a) La tasa de convergencia está dada por λ = < 0, don-
2
de
det J ∗ = −δ(r + δ) + f  (k∗ )I  (p∗ ).

Se tiene además que lim λ = −δ.

r>>1
 
1
5.17 a) El único punto fijo del sistema es P∗ = y es un punto silla.
e
 
∗ 0 % &
b) Para P∗ s
se tiene E (P ) = gen = (x, y) ∈ R2 | x = 1 y
1
 
1 % &
Eu (P∗ ) = gen = (x, y) ∈ R2 | y = ex .
e

c
c) y(x) = ex + .
x−1
d) Para P∗ se tiene
% &
Ws (P∗ ) = (x, y) ∈ R2 | x = 1

y
% &
Wu (P∗ ) = (x, y) ∈ R2 | y = ex .
Capı́tulo 6
Conceptos básicos de dinámica
discreta


1 t
6.4 a) xt = − (x0 − 2) + 2. Además lim xt = 2, es decir que es asintótica-
2 t→∞
mente estable.

t
3
b) xt = (x0 + 4) − 4. Además lim xt = ∞, es decir que es asintótica-
2 t→∞
mente inestable.


5 5
c) xt = (−1)t x0 − + . Además lim xt no está definido es decir que
2 2 t→∞
diverge.


1 t
d) xt = − x0 . Ademáslim xt = 0, es decir que es asintóticamente esta-
3 t→∞
ble.

6.5 La ecuación en diferencia para el ingreso es Yt+1 = mYt + (c + I) . Tiene como

c+I
punto fijo a y∗ = . Por lo tanto, la solución de la ecuación es Yt =
  1−m
c+ I c+I
mt Y0 − + . Además lim Yt = 1−mc+I
> 0, es decir que el punto
1−m 1−m t→∞
fijo es asintóticamente estable.

6.8 a) Puntos fijos: x1∗ = −1 el cual es asintóticamente inestable y x2∗ = 1 el cual

es un punto silla.
b) Puntos fijos: x1∗ = 1 el cual es asintóticamente inestable y x2∗ = 3 el cual
es asintóticamente estable.
1 8
6.10 a) pt = − pt−1 + . El punto fijo es p∗ = 2 el cual es asintóticamente esta-
3 3
ble, ya que lim pt = 2.
t→∞

20
 21

11 11
b) pt = −pt−1 + . El punto fijo es p∗ = el cual es inestable, se tiene
2 4
que lim pt no existe.
t→∞
c) pt = −3pt−1 + 16. El punto fijo es p∗ = 4 el cual es asintóticamente
inestable.
Capı́tulo 9
Optimización estática

9.1 Sean A y B subconjuntos convexos de R n .

a) Sea A + B = {a + b|a ∈ A y b ∈ B} y sean c1 , c2 ∈ A + B. Entonces

c1 = a1 + b1 , c2 = a2 + b2 donde a1 , a2 ∈ A y b1 , b2 ∈ B. Como a1 , a2 ∈ A
y b1 , b2 ∈ B con A y B convexos, entonces ∀λ ∈ (0, 1) se tiene que λa1 +
(1 − λ) a2 ∈ A y λb1 + (1 − λ) b2 ∈ B. Por lo tanto, [λa1 + (1 − λ) a2 ] +
[λb1 + (1 − λ) b2 ] ∈ A + B. De donde λ (a1 + b1 ) + (1 − λ) (a2 + b2 ) ∈
A + B. Entonces λc1 + (1 − λ) c2 ∈ A + B. Por lo tanto A + B es convexo.
b) Sea kA = {ka|a ∈ A} para k ∈ R y sean c1 , c2 ∈ kA.Entonces c1 =
ka1 , c2 = ka2 donde a1 , a2 ∈ A. Como a1 , a2 ∈ A y A es convexo,
entonces ∀λ ∈ (0, 1) se tiene que λa1 + (1 − λ) a2 ∈ A. Por lo tanto,
k [λa1 + (1 − λ) a2 ] ∈ kA. De donde λ [ka1 ] + (1 − λ) [ka2 ] ∈ kA. Enton-
ces λc1 + (1 − λ) c2 ∈ kA. Por lo tanto kA es convexo.

9.2 Sea X ⊂R n un conjunto convexo y sean f , g : X →R dos funciones cóncavas.

a) Sea α ∈ R + y sean x̄1 , x̄2 ∈ X. Como f es cóncava, entonces

f (λ x̄1 + (1 − λ) x̄2 )
λ f ( x̄1 ) + (1 − λ) f ( x̄2 ) , ∀λ ∈ (0, 1) .

Como α > 0, entonces

α f (λ x̄1 + (1 − λ) x̄2 )
α [λ f ( x̄1 ) + (1 − λ) f ( x̄2 )]

= λ [α f ( x̄1 )] + (1 − λ) [α f ( x̄2 )] .

Por lo tanto α f es cóncava.

22
 23

b) Sea α ∈ R − y sean x̄1 , x̄2 ∈ X. Como f es cóncava, entonces

f (λ x̄1 + (1 − λ) x̄2 )
λ f ( x̄1 ) + (1 − λ) f ( x̄2 ) , ∀λ ∈ (0, 1) .

Como α < 0, entonces

α f (λ x̄1 + (1 − λ) x̄2 )  α [λ f ( x̄1 ) + (1 − λ) f ( x̄2 )]

= λ [α f ( x̄1 )] + (1 − λ) [α f ( x̄2 )] .

Por lo tanto α f es convexa.

c) Como f y g son cóncavas, entonces ∀λ ∈ (0, 1) se tiene que

f (λ x̄1 + (1 − λ) x̄2 )
λ f ( x̄1 ) + (1 − λ) f ( x̄2 ) ,

g (λ x̄1 + (1 − λ) x̄2 )
λg ( x̄1 ) + (1 − λ) g ( x̄2 ) .

Por lo tanto,

f (λ x̄1 + (1 − λ) x̄2 ) + g (λ x̄1 + (1 − λ) x̄2 )

[λ f ( x̄1 ) + (1 − λ) f ( x̄2 )] + [λg ( x̄1 ) + (1 − λ) g ( x̄2 )] .

Entonces

( f + g) (λ x̄1 + (1 − λ) x̄2 )
[( f + g) ( x̄1 )] + (1 − λ) [( f + g) ( x̄2 )] .

Por lo tanto, f + g es cóncava.

d) Sea g ( x̄) ⊂ Y ⊂ R y sea h : Y → R una función cóncava y creciente.
Como g es cóncava, entonces ∀λ ∈ (0, 1) se tiene que

g (λ x̄1 + (1 − λ) x̄2 )
λg ( x̄1 ) + (1 − λ) g ( x̄2 ) .

Como h es creciente, entonces

h (g (λ x̄1 + (1 − λ) x̄2 ))
h (λg ( x̄1 ) + (1 − λ) g ( x̄2 )) .

De donde

(h ◦ g) (λ x̄1 + (1 − λ) x̄2 )
= h (g (λ x̄1 + (1 − λ) x̄2 ))

h (λg ( x̄1 ) + (1 − λ) g ( x̄2 ))

λh [g ( x̄1 )] + (1 − λ) h [g ( x̄2 )]
= λ (h ◦ g) ( x̄1 ) + (1 − λ) (h ◦ g) ( x̄2 ) .

Por lo tanto, h ◦ g es cóncava.

 24

9.3 a) Conjunto convexo.

b) No es conjunto convexo.
c) Conjunto convexo.

9.4 a) Si x = 0 o y = 0, entonces f (x, y) = 0, que es un plano en R3 (z = 0), y

sabemos que toda función que represente un plano es cuasicóncava en
particular (también es cuasiconvexa, cóncava y convexa). Si suponemos
que x, y > 0, queremos demostrar que para toda k ∈ R + , el contorno
superior de f en k, CS f (k) = {(x, y) ∈ R2++ |xy
k} es un conjunto
convexo. Sean x1 = (x1 , y1 ) , x2 = (x2 , y2 ) ∈ CS f (k) , de modo que
x1 y1
k y x2 y2
k. Sea

x = ˘x1 + (1 − λ) x2 = (λx1 + (1 − λ) x2 , λy1 + (1 − λ) y2 ) ,

con λ ∈ (0, 1) . Debemos demostrar que

(λx1 + (1 − λ) x2 ) (λy1 + (1 − λ) y2 )
k.

Así,

(λx1 + (1 − λ) x2 ) (λy1 + (1 − λ) y2 )
= λ2 (x1 y1 ) + (1 − λ)2 (x2 y2 ) + λ (1 − λ) (x2 y1 + x1 y2 )


2 x2 x1

kλ + k (1 − λ) + kλ (1 − λ)
2
+
x1 x2
 

2 2 x2 x1
= k λ + (1 − λ) + 2λ (1 − λ) + kλ (1 − λ) + −2
x1 x2

2 
2 x1 + x22 − 2x1 x2
= k (λ + (1 − λ)) + kλ (1 − λ)
x1 x2
(x2 − x1 )2
= k + kλ (1 − λ)
x1 x2
 
(x2 − x1 )2
= k 1 + (1 − λ)
k.
x1 x2

Por lo tanto, x ∈ CS f (k) . Lo que implica que CS f (k) es convexo, ∀k ∈

R2+ . Por lo tanto, f (x, y) = xy es cuasicóncava en R2+ .
b) Como f es doblemente diferenciable, analizamos simplemente el signo
de le matriz hessiana H :
   
f xx f xy 2 2
H= = .
f yx f yy 2 2
 25

2
Como f xx = 2 > 0, f yy = 2 > 0 y |H| = f xx f yy − f xy = 0. Entonces H es
positiva semidefinida. Por lo tanto, f es convexa (no estricta).
c) Como f es doblemente diferenciable, analizamos simplemente el signo
de le matriz hessiana H :
   
f xx f xy 2 0
H= = .
f yx f yy 0 2

Como f xx = 2 > 0, f yy = 2 > 0 y |H| = f xx f yy − f xy

2
= 4 > 0. Entonces H
es positiva definida. Por lo tanto, f es estrictamente convexa.

9.5 f es una función cóncava para a  0 y b  0.

9.6 a) Si el dominio de la función se restringe a R2++ entonces f es cuasicóncava

y además estrictamente cóncava. Si el dominio incluye x, y < 0 entonces
f no es cuasicóncava, ni se aplica la definición de función cóncava al no
ser el dominio convexo.
b) f es cuasicóncava y además estrictamente cóncava.
c) f es cuasiconvexa y además convexa (no estricta).

9.7 Sea g : R n++ → R, dada por

 
g ( x̄) = ln Πnk=1 xkαk

con α1 , . . . , αn > 0. Entonces

 
g ( x̄) = ln x1α1 x2α2 . . . xnαn
= α1 ln x1 + α2 ln x2 + · · · + αn ln xn .

Por lo tanto  
− αx12 0 ... 0
 1 
 0 − αx22 
 ... 0 
H= 2 .
 ... ... ... ... 
 
αn
0 0 . . . − x2
n

α1 α1 α2 α1 α2 α3
Como |H1 | = − 2 < 0, |H2 | = 2 2 > 0, |H3 | = − 2 2 2 < 0, . . . , (−1)k
x1 x1 x2 x1 x2 x3
|Hk | > 0 con 1  k  n. Entonces H es definida negativa. Por lo tanto f es
estrictamente cóncava.
 26

9.8 Por el ejercicio anterior tenemos que la función

 α 
g ( x̄) = ln Πnk=1 xk k = ln (h ( x̄))

es estrictamente cóncava y, por lo tanto, cóncava. Existe un teorema que

establece que si f es creciente y h es cuasicóncava entonces f ◦ h también es
cuasicóncava. Entonces, como g es cuasicóncava y ex es una función creciente,
α
se tiene que h = eg = Πnk=1 xk k es cuasicóncava.

ā b̄
9.9 a) Sean ã = y b̃ =   . Entonces
f (ā) f b̄



ā 1
f (ã) = f = f ā
f (ā) f ( ā)


1 f (ā)
= f ( ā) =
f ( ā) f (ā)
= 1.
 
Similarmente f b̃ = 1. Como CS f (1) = { x̄ ∈ X| f ( x̄) = 1} y como
 
f ( ã) = f b̃ = 1, por lo tanto ã, b̃ ∈ CS f (1) .
 
λ f b̄
b) Sea µ =   . Como f : X → (0, ∞) , entonces f (ā) > 0
  (1 − λ) f ( ā) + λ f b̄
y f b̄ > 0. Además, como 0 < λ < 1 se tiene que λ > 0 y (1 − λ) > 0,
por lo tanto µ > 0. Por otra parte, reescribamos µ como
 
λ f b̄ + (1 − λ) f ( ā) − (1 − λ) f (ā)
µ=  
(1 − λ) f (ā) + λ f b̄
(1 − λ) f (ā)
= 1−   < 1,
(1 − λ) f (ā) + λ f b̄

(1 − λ) f ( ā)
ya que   > 0. Por lo tanto µ < 1. Se concluye que
(1 − λ) f (ā) + λ f b̄
0 < µ < 1.
c) Como ã, b̃ ∈ CS f (1) , 0 < µ < 1 y CS f (1) es convexo, entonces

(1 − µ) ã + µb̃ ∈ CS f (1) .
 
Por lo tanto, f (1 − µ) ã + µb̃
1.
d) De la definición de µ se tiene
 
λ f b̄ (1 − λ) f (ā)
1−µ = 1−   =  .
(1 − λ) f (ā) + λ f b̄ (1 − λ) f ( ā) + λ f b̄
 27

Entonces
 
1  f (1 − µ) ã + µb̃
 
     
(1 − λ) f (ā) ā λ f b̄ b̄
= f   +    
(1 − λ) f (ā) + λ f b̄ f ( ā) (1 − λ) f ( ā) + λ f b̄ f b̄
 
1 ' (
= f   (1 − λ) ā + λb̄
(1 − λ) f ( ā) + λ f b̄
1  
=   f (1 − λ) ā + λb̄ .
(1 − λ) f ( ā) + λ f b̄
 
1  
Es decir, 1    f (1 − λ) ā + λb̄ . Por lo tanto
(1 − λ) f (ā) + λ f b̄
   
(1 − λ) f ( ā) + λ f b̄  f (1 − λ) ā + λb̄ .

Por lo tanto f es cóncava.

α
9.10 Sea f (x1 , . . . , xn ) = x1α1 . . . xnαn = Πnk=1 xk k una función Cobb-Douglas y x ∈
R n++ . Es claro que f es cuasicóncava siempre, ya que es una transformación
 
creciente de la función cóncava ln x1α1 x2α2 . . . xnαn , y es por lo tanto cuasicón-
cava. Si α1 + · · · + αn = 1, entonces f es homogénea de grado 1, cuasicóncava
y positiva, por lo tanto, por el problema 9.9, f es cóncava. Si α1 + · · · + αn = 1,
entonces el hessiano de f es
 α (α −1) f α1 α2 f α1 α n f

1 1
2 x x . . . x x
 x1 1 2 1 n

H=  . . . . . . . . . . . . .

α1 α n f α1 αn−1 f αn (αn −1) f
x1 x n x1 xn−1 . . . x2
n

Por lo tanto, sus menores principales dominantes son:

 
α1 − 1 α1 . . . α1
α1 α2 . . . α k k  
|Hk | = 2
f  ... ... ... ... 
(x1 . . . xk )
αk αk . . . αk − 1
  
k
α1 α2 . . . α k k
= (−1) 1 − ∑ αi
k
f .
i=1 (x1 . . . xk )2

Por lo tanto, (−1)k |Hk | > 0. Entonces, H es definida negativa. Por lo tanto, f
n
es estrictamente cóncava. Si 0 < ∑ αk  1, entonces f es cóncava.
k=1
 28

 1
9.11 a) w (λx1 , . . . , λxn ) = δ1 (λx1 )ρ + · · · + δn (λxn )ρ ρ
  ρ ρ  1
= λρ δ1 x1 + · · · + δn xn ρ
 ρ ρ 1
= λ δ1 x1 + · · · + δn xn ρ
= λw (x1 , . . . , xn ) .

Por lo tanto, w es homogénea de grado 1.


lim (ln w)
b) Como limw = lim eln w = e ρ→0
. Además
ρ→0 ρ→0
 
 ρ ρ 1
lim (ln w) = lim ln +···+ δ1 x1 δn xn ρ
ρ→0 ρ→0
  ρ ρ

ln δ1 x1 + · · · + δn xn
= lim .
ρ→0 ρ

Cuando δ1 + · · · + δn = 1, este limite es del tipo 00 , ya que

 ρ ρ
ln δ1 x1 + · · · + δn xn → ln (δ1 + · · · + δn ) = ln 1 = 0.
ρ→0

Así, usando la regla de L’Hôpital se tiene que

(δ1 x1ρ +···+δn xnρ )

d
dρ
(δ1 x1ρ +···+δn xnρ )
lim (ln w) = lim
ρ→0 ρ→0 1
 ρ ρ

δ1 x1 ln x1 + · · · + δn xn ln xn
= lim ρ ρ
ρ→0 δ1 x1 + · · · + δn xn
δ1 ln x1 + · · · + δn ln xn
=
δ + · · · + δn
 1 
ln x1δ1 x2δ2 ...xnδn
= .
1
 δ 
δ
ln x11 x22 ...xnδn
Por lo tanto, lim w (x1 , . . . , xn ) = e . Es decir,
ρ→0

lim w (x1 , . . . , xn ) = x1δ1 x2δ2 ...xnδn

ρ→0

y corresponde a la familia de funciones Cobb-Douglas.

c) Es claro que si ρ = 1 entonces w (x1 , . . . , xn ) = δ1 x1 + · · · + δn xn , que es
una ecuación lineal (hiperplano en R n+1 ).
 29

n
ρ ρ ρ
d) Sea g (x1 , . . . , xn ) = ∑ δk xk = δ1 x1 + · · · + δn xn . Entonces,
k=1
 ρ−2 
δ1 ρ (ρ − 1) x1 0 ... 0
 ρ−2 
H= 0 δ2 ρ (ρ − 1) x2 ... 0 .
ρ−2
0 0 ... δn ρ (ρ − 1) xn

Por lo tanto, si 0 < ρ < 1, entonces ρ (ρ − 1) < 0. Lo que implica que

|H1 | < 0, |H2 | > 0, |H3 | < 0, . . . , (−1)k |Hk | > 0, . . . , (−1)n |Hn | > 0. Por
lo tanto, H es negativa definida. Por lo tanto, si 0 < ρ < 1, entonces g es
cóncava.
1
e) Con la definición del inciso anterior, se tiene que w = g ρ . Si ρ = 1, en-
tonces w es lineal (inciso c), de modo que es cuasicóncava. Si 0 < ρ < 1,
1
entonces g es cóncava (inciso d) y, como g ρ es una función creciente, en-
1
tonces w = g ρ es cuasicóncava también. Como w es cuasicóncava para
toda 0 < ρ  1, sólo toma valores positivos y como además es homo-
génea de grado 1 (inciso a), por el teorema del problema 9.9 concluimos
que w es cóncava. Por lo tanto, si 0 < ρ  1, entonces w es cóncava.
ā b̄
9.12 Suponemos que CI f (1) es convexo, se definen ã ≡ y b̃ =   . Como f
f ( ā) f b̄
 
es homogénea de grado 1, se obtiene que f ( ã) = f b̃ = 1. Además

CI f (1) = { x̄ ∈ X| f ( x̄)  1}.

Por lo tanto, ã, b̃ ∈ CI f (1) . Luego se define

 
λ f b̄
µ=  ,
(1 − λ) f ( ā) + λ f b̄

con ā, b̄ ∈ X y 0 < λ < 1. De modo que (problema 9.9), nuevamente 0 <
µ < 1. Como ã, b̃ ∈ CI f (1), 0 < µ < 1 y CI f (1) es convexo (ya que f es
 
cuasiconvexa), entonces f (1 − µ) ã + µb̃  1. Finalmente, sustituyendo ã, b̃
y µ en esta desigualdad y, viendo que f es homogénea de grado 1, se obtiene
que
   
(1 − λ) f ( ā) + λ f b̄
f (1 − λ) ā + λb̄ .
Por lo tanto, f es convexa. Ahora, apliquemos este resultado a la función
CES,
 ρ ρ 1
w (λx1 , . . . , λxn ) = δ1 x1 + · · · + δn xn ρ .
Es claro que w es homogénea de grado 1 (problema 9.11.a) y positiva. Fal-
ta ver que w sea cuasicóncava cuando ρ > 1, para aplicar el teorema recién
 30

demostrado. De acuerdo con el problema 9.11 inciso d, cuando ρ > 1 el hes-

siano de g es positivo definido (|H1 | > 0, |H2 | > 0, . . . , |Hn | > 0), de modo
1
que g es convexa y, por lo tanto, cuasiconvexa. Como w = g ρ con ρ > 0, es
decir, w es una función creciente de g, con g cuasiconvexa, por lo tanto w es
cuasiconvexa. Por lo tanto, por el teorema recién demostrado, w es convexa
si ρ > 1. Por lo tanto, si ρ > 0, entonces una función CES es convexa.

9.13 Sea Ω = (a, b) un conjunto convexo y abierto de R y sea y = f (z) una función
cóncava en Ω.

a) Sean a < z1 < z2 < z3 < b con z2 = λz1 + (1 − λ) z3 , 0 < λ < 1. Como f
es cóncava en Ω, entonces

f (z2 )
λ f (z1 ) + (1 − λ) f (z3 ) .

Por lo tanto,
y2
λy1 + (1 − λ) y3 ....... (1) .

Como z2 = λz1 + (1 − λ) z3 = λz1 + z3 − λz3 . Por lo tanto, λ (z3 − z1 ) =

z3 − z2 . Lo que implica que
z3 − z2 z2 − z1
λ= y, 1 − λ = ....... (2) .
z3 − z1 z3 − z1
Por último, se reescribe y2 como


z3 − z1
y2 = 1 ∗ y2 = y2
z3 − z1


z3 − z2 + z2 − z1
= y2
z3 − z1



z3 − z2 z2 − z1
= y2 + y2 ....... (3) .
z3 − z1 z3 − z1

Por lo tanto, sustituyendo (2) , (3) en (1) se obtiene





z3 − z2 z2 − z1 z3 − z2 z2 − z1
y2 + y2
y1 + y3 .
z3 − z1 z3 − z1 z3 − z1 z3 − z1

Multiplicando por z3 − z1 > 0 se tiene

(z3 − z2 ) y2 + (z2 − z1 ) y2
(z3 − z2 ) y1 + (z2 − z1 ) y3 .

Por lo tanto,

(z3 − z2 ) (y2 − y1 )
(z2 − z1 ) (y3 − y2 ) .

 31

(y2 − y1 ) (y − y2 )
Como z3 − z2 > 0 y z2 − z1 > 0, entonces
3 . Por lo
(z2 − z1 ) (z3 − z2 )
tanto
f (z2 ) − f (z1 ) f (z3 ) − f (z2 )

....... (4) .
z2 − z1 z3 − z2
b) Como Ω es convexo y por la densidad de los reales, siempre se pueden
escoger números r, s, t, u tales que a < r < s < x < y < t < u < b, para
cada x ∈ (a, b) .
c) Sean a < r < s < x < t < u < b. Podemos aplicar la ecuación (4) en
cada trío de puntos en r < s < x < y < t < u, obteniendo
f (s) − f (r) f (x) − f (s)



s−r x−s
f (y) − f (x) f (t) − f (y) f (u) − f (t)


....... (5) ,
y−x t−y u−t
con s, r, u y t fijos. Así, se definen las constantes c1 y c2 como:
f (s) − f (r) f (u) − f (t)
c1 = , c2 = ....... (6) .
s−r u−t
De (5) y (6) se obtiene
f (y) − f (x)
c1

c2 ....... (7) .
y−x
d) Por último, como y − x > 0 entonces lim+ c1 (y − x)
f (y) − f (x)

y→x
c2 (y − x) . Por lo tanto,

lim [c1 (y − x)]
lim+ [ f (y) − f (x)]
lim+ [c2 (y − x)] .

y→x + y→x y→x

Como
lim [c1 (y − x)] = lim+ [c2 (y − x)] = 0,
y→x + y→x
entonces
lim [ f (y) − f (x)] = 0.
y→x +

Por lo tanto,
lim f (y) = f (x) .
y→x +

Procediendo de modo similar, pero ahora con y < x se tiene que

lim f (y) = f (x) .

y→x −

Por lo tanto,
lim f (y) = f (x) .
y→x

Es decir, f es continua en x. Por lo tanto, f es continua en Ω = (a, b) .

 32

9.14 Sea x ∈ X y sea y ∈ X un punto en la vecindad de x. Por lo tanto,

1
f (y) ∼ T T
= f (x) + (y − x) ∇ f + (y − x) [H f (x)] (y − x) ,
2
donde H f (x) es el hessiano de f evaluado en x.

a) Sabemos que f es cóncava si y sólo si f (y)  f (x) + (y − x) T ∇ f . Por lo

tanto,
1
f (x) + (y − x)T ∇ f + (y − x) T [H f (x)] (y − x)  f (x) + (y − x)T ∇ f .
2
Entonces
(y − x) T [H f (x)] (y − x)  0.

Por lo tanto, H f (x) es negativo semidefinido.

b) Sabemos que f es convexa si y sólo si f (y)
f (x) + (y − x)T ∇ f . Así,
procediendo análogamente al inciso anterior, se tiene:

(y − x) T [H f (x)] (y − x)
0.

Por lo tanto, H f (x) es positivo semidefinido.

c) Suponemos que H f (x) es negativa definida, es decir,

(y − x) T [H f (x)] (y − x) < 0.

Por lo tanto, f (y) < f (x) + (y − x) T ∇ f . Por lo tanto, f es estrictamente

cóncava.
d) Suponemos que la matriz H f (x) es positiva definida, es decir,

(y − x) T [H f (x)] (y − x) > 0.

Por lo tanto, f (y) > f (x) + (y − x) T ∇ f . Por lo tanto, f es estrictamente

convexa.

9.15 Sea X ⊂ R y sean f , g : X → R de clase C 1 . Supongamos que x∗ = (x∗ , y∗ )

es una solución del problema. Se quiere mostrar que existe λ ∈ R tal que
∇ f (x∗ ) = λ∇g (x∗ ) , con g (x∗ ) = 0. Los puntos que satisfacen la restric-
ción están dados por g (x, y) = 0. Supongamos que ∇g = 0, de modo que
gx (x, y) = 0 o gy (x, y) = 0. Sin pérdida de generalidad supongamos que
gy (x, y) = 0. Por el teorema de la función implícita, la ecuación g (x, y) = 0
 33

define a y como función implícita diferenciable de x, es decir, y = y (x) si

gy (x, y) = 0. En ese caso,

dy gx
= − , gy = 0.
dx gy

Por lo tanto, y = y (x) en f (x, y) , el problema de optimización se reduce al

siguiente problema de optimización en 1 variable:

max F (x) ≡ f (x, y (x)) .

Entonces,
∗
dF (x) dy
= f x∗ + f y∗ = 0.
dx dx
Lo que implica
∗
gx
f x∗ + f y∗ − = 0.
gy
De donde f x∗ gy∗ − f y∗ g∗x = 0. Por lo tanto,
) )
) f∗ f y∗ )
) x )
) ∗ ) = 0,
) gx gy∗ )

donde los renglones de este determinante

 son linealmente
  dependientes. Por
lo tanto, existe λ ∈ R− {0} tal que f x , f y = λ gx , gy , o sea, ∇ f ∗ = λ∇g∗ ,
∗ ∗ ∗ ∗

con g (x∗ , y∗ ) = 0.

9.16 Como f : R n++ → R es una función de producción homogénea, continua y

cuasicóncava, entonces CS f (q) es convexo. Además, sea x∗ (w, q) una solu-
ción al problema, por lo tanto, el costo mínimo C (w, q) está dado por

C (w, q) = w · x∗ (w, q) .

Por lo tanto, por el teorema de la envolvente, se obtiene el lema de Shepard:

∂C
= x∗j (w, q) ,
∂w j

para j = 1, . . . , n.

a) Se quiere demostrar que C es una función creciente de w j , j = 1, . . . , n.

∂C
Como x ∈ R2++ , entonces x j > 0 y como = x∗j (w, q) , entonces
∂w j
∂C
> 0. Por lo tanto, C es creciente con respecto a w j , para j = 1, . . . , n.
∂w j
 34

b) Se quiere demostrar que C es homogénea de grado 1 en w. Para ello,

utilizamos el teorema de Euler. Sea C = C (w, q) , entonces

∂C ∂C ∂C n
∂C
w1
∂w1
+ w2
∂w2
+ · · · + wn
∂wn
= ∑ w j ∂w j
j=1
n
= ∑ w j x∗j (w, q)
j=1

= C (w, q) .

Por lo tanto, w · ∇w C (w, q) = (1) C (w, q) . Por lo tanto, C es homogénea

de grado 1.
c) Se quiere demostrar que C es cóncava en w, es decir, que ∀λ ∈ (0, 1) se
cumple

C (λw1 + (1 − λ) w2 , q)
λC (w1 , q) + (1 − λ) C (w2 , q) .

Se tiene que

C (λw1 + (1 − λ) w2 , q) = (λw1 + (1 − λ) w2 , q) · X∗ (λw1 + (1 − λ) w2 , q)

= λ [w1 · X∗ (λw1 + (1 − λ) w2 , q)]
+ (1 − λ) [w2 · X∗ (λw1 + (1 − λ) w2 , q)]

λ [w1 · X∗ (w1 , q)] + (1 − λ) [w2 · X∗ (w2 , q)]
= λC (w1 , q) + (1 − λ) C (w2 , q) .

Por lo tanto, C es cóncava en w.

9.17 a) f se optimiza en x = 16000 y y = 64000. Por lo tanto, se tiene que fmax =

1
50 (16000) 2 (64000) 2 .

b) Sea d2 (x, y) = x2 + y2 , entonces d2 (x, y) se minimiza en los puntos
 √   √ 
1.1 − 1.1 √
P1 = √ y P1 = √ . Además dmin = 2.2.
1.1 − 1.1
c) Sea f (x, y) = ln x + ln (y + 5) = ln [x (y + 5)] . Entonces fmax ocurre en
(x, y) = (0, 4) con f max = f (4, 0) = ln 20.
d) Sea f (x, y) = x2 + y2 . Entonces fmin ocurre en (x, y) = (5, 5) con fmin =
f (5, 5) = 50.
e) Sea f (x, y, z) = xyz. Entonces f max ocurre en x = 43 , y = 4
3 y z = 43 , con
64
f max = .
27
 35

9.18 a) Las condiciones de Kuhn-Tucker están dadas por:

1
Lx = − 3λ1 − λ2 = 0,
3x
1
Ly = − λ1 − λ2 = 0,
3y
Lλ1 = A − (3x + y)
0, λ1
0, λ1 (3x + y − A) = 0,
Lλ2 = 40 − (x + y)
0, λ2
0, λ2 (x + y − 40) = 0.

El ingreso se tiene que restringir al intervalo (40, 120) porque si A  40

entonces la primera restricción del problema será inútil. De la misma
manera si A
120, entonces la segunda restricción del problema será
inútil.
i) Si A ∈ (40, 60) , entonces sólo la primera restricción está activa (λ1

A A
0, λ2 = 0) y la solución del problema es x∗ = , y∗ = .
6 2
ii) Si A ∈ [60, 80] , entonces ambas restricciones están activas (λ1
0,
A − 40 ∗ 120 − A
λ2
0) y la solución del problema es x∗ = ,y = .
2 2
iii) Si A ∈ (80, 120) , entonces sólo la segunda restricción está activa
(λ1 = 0, λ2
0) y la solución del problema es x∗ = 20, y∗ = 20.

9.19 Sea  
L (x, q, λ; w, p) = pq − w T x − λ [ f (x) − q] .

Entonces por las condiciones de primer orden, se tiene que la solución es del
tipo

x∗ = x∗ (w, p) ,
q∗ = q∗ (w, p) = f (x∗ (w, p)) ,
λ∗ = λ∗ (w, p) .

La función de máxima ganancia es

Π (w, p) = L (x∗ , q∗ , λ∗ ; w, p) = pq∗ (w, p) − w T x∗ (w, p) − λ∗ 0.

Entonces por el teorema de la envolvente:

∂Π ∂L
= = −x∗j (w, p) , j = 1, ...n.
∂w j ∂w j
∂Π ∂L
= = q∗ (w, p) .
∂p ∂p
 36

9.20 Se tiene que

  ' (
L x, λ; p, Ū = px − λ U (x) − Ū .

Por las condiciones de primer orden se tiene que

 
xh = xh p, Ū ,
 
λh = λh p, Ū .

La función de gasto es
     
E p, Ū = L xh , λh ; p, Ū = pxh p, Ū − λ ∗ 0.

Por lo tanto, por el teorema de la envolvente

∂E ∂L  
= = xhj p, Ū ,
∂p j ∂p j

para j = 1, . . . , n.

9.21 a) El problema
min p T x
,
s.a U (x) = V (p, m)
implica que

L (x; p, V (p, m)) = p T x − λ [U (x) − V (p, m)] .

Por lo tanto,
xh = xh (p, V (p, m)) .

En el óptimo se cumple la restricción, es decir:

 
U x (p, V (p, m)) = V (p, m) = U (x∗ (p, m)) .
h

Supongamos que U es monótona creciente, además de cóncava, enton-

ces existe U −1 y es posible cancelar U de ambas expresiones. Por lo
tanto,
xh (p, V (p, m)) = x∗ (p, m) .

b) El problema
max U (x)
  ,
s.a p T x = E p, Ū
implica que
    

L x; p, E p, Ū = U (x) − λ p T x − E p, Ū .
 37

Por lo tanto,
  
x∗ = x∗ p, E p, Ū .

En el óptimo se cumple la restricción, es decir:

      
p T x∗ p, E p, Ū = E p, Ū = p T xh p, Ū .

Como esto vale para p arbitraria, entonces

    
x∗ p, E p, Ū = xh p, Ū .

c) Por el inciso anterior y porque se cumple la restricción de Hicks se tiene

que
         
V p, E p, Ū = U x∗ p, E p, Ū = U xh p, Ū = Ū.

d) Por el inciso a) y porque se cumple la restricción de Marshall se tiene

que
E (p, V (p, m)) = p T xh (p, V (p, m)) = p T x∗ (p, m) = m.

αm ∗ βm
9.22 a) x∗ (p, m) = , y (p, m) = .
p1 p2


 
α α β β
b) V (p, m) = ln m .
p1 p2


   p1 α p2 β Ū
c) E p, Ū = e .
α β



  αp2 β Ū h   βp1 α Ū
d) xh p, Ū = e , y p, Ū = e .
βp1 αp2
1 1

∗ p1r−1 ∗ p2r−1
9.23 a) x (p, m) = m r r , y y (p, m) = m r r .
p1r−1 + p2r−1 p1r−1 + p2r−1
r r
r
1−r

b) V (p, m) = m p1r−1 + p2r−1 .

  r r
r−1
r
c) E p, Ū = Ū p1r−1 + p2r−1 .
  1 r
− r
1
r
d) xh p, Ū = Ū p1r−1 p1r−1 + p2r−1 ,y

  1 r r
− 1
r
yh p, Ū = Ū p2r−1 p1r−1 + p2r−1 .
 38

    
9.24 Se tiene x∗ p, E p, Ū = xh p, Ū . Entonces
   
∂xi∗    ∂xi∗    ∂E p, Ū ∂xih p, Ū
p, E p, Ū + p, E p, Ū = .
∂p j ∂m ∂p j ∂p j

∂E  
Por el Lema de Shepard = xhj , y como Ū = V (p, m) , m = E p, Ū y
∂p j
h ∗
x j (p, V (p, m)) = x j (p, m) . Por lo tanto

∂xi∗ (p, m) ∂x∗ (p, m) ∂xih (p, V (p, m))

+ x∗j (p, m) i = .
∂p j ∂m ∂p j
Capı́tulo 11
Introducción al cálculo en
variaciones
n
11.1 a) Por demostrar que x = ∑ |xi | es una norma.
i=1
n
i) ∀i = 1, ..n se tiene que |xi |
0. Por lo tanto, ∑ |xi |
0. Entonces
i=1
x1
0.
n
ii) |xi | = 0 si y sólo si xi = 0. Entonces ∑ |xi | = 0 si y sólo si x = 0. Por
i=1
lo tanto, x1 = 0 si y sólo si x = 0.
n n n
iii) cx1 = (cx1 , . . . , cxn )1 = ∑ |cxi | = ∑ |c| |xi | = |c| ∑ |xi | =
i=1 i=1 i=1
|c| x1 .
iv)
x + y1 = (x1 + y1 , . . . , xn + yn )1
n n
= ∑ |xi + yi |  ∑ (|xi | + |yi |)
i=1 i=1
n n
= ∑ |xi | + ∑ |yi | = x1 + y1 .
i=1 i=1
b) Por demostrar que x∞ = sup{|xi | , i = 1, . . . , n} es una norma.
i) ∀i = 1, ..n se tiene que |xi |
0. Por lo tanto, sup{|xi |}
0. Entonces
x ∞
0.
ii) x ∞ = 0 si y sólo si sup{|xi |} = 0. Esto sólo se cumple si y sólo si
|xi | = 0, que a su vez se cumple si y sólo si xi = 0. Es decir, si y sólo
si x = 0.

39
 40

iii) cx ∞ = sup{|cxi |} = sup{|c| |xi |} = |c| sup{|xi |} = |c| x∞ .

iv)

x + y∞ = sup{|xi + yi |}  sup {|xi | + |yi |}

 sup {|xi |} + sup {|yi |}
= x∞ + y∞ .

  1p
b
11.2 Por demostrar que  f  p = | f | p dt es una norma.
a

a) Es claro que  f  p es no negativa.

b) Además  f  p sólo vale cero cuando f = 0.
  1p    1p
b b
c) c f  p = |c f | p dt = |c| p | f | p dt = |c|  f  p .
a a

d) Si p = 1, entonces
 b  b
 f + g1 = | f + g| dt  (| f | + |g|) dt
a a
 b  b
= | f | dt + |g| dt =  f 1 + g1 .
a a

Si p = 2, como | f + g|  | f | + |g| , entonces

(| f + g|)2  (| f | + |g|)2 = | f |2 + |g|2 + 2 | f | |g| .

Además, utilizando la desigualdad de Cauchy-Schwartz, se tiene que

 b  b  b  b
2 2 2
| f + g| dt  | f | dt + |g| dt + 2 | f | |g| dt
a a a
*a *
 b  b  b  b
2 2 2
 | f | dt + |g| dt + 2 | f | dt |g|2 dt
a a a a
* * 2
 b  b
= 2
| f | dt + |g|2 dt  .
a a

Por lo tanto,
* * *
 b  b  b
| f + g|2 dt  | f |2 dt + |g|2 dt.
a a a

Es decir,  f + g2 =  f 2 + g2 .

 41

11.3 Sea V = { f : [0, 1] → R| f es continua}.

a) Por demostrar que V es un espacio vectorial sobre R.

i) Sean f , g ∈ V. Como f , g son continuas en [0, 1] . Entonces, f + g es
continua en [0, 1] . Por lo tanto, f + g ∈ V.
ii) Sean f , g, h ∈ V. Como la suma de funciones es asociativa, entonces

( f + g) + h = f + (g + h) .

iii) Sea f : [0, 1] → R, f (x) = 0. Claramente f es continua en [0, 1] , por

lo tanto, f (x) = 0 ∈ V.
iv) Sea f ∈ V. Como f es continua en [0, 1] entonces − f es continua en
[0, 1] . Por lo tanto, − f ∈ V. Además, f + (− f ) = 0.
v) Sean f , g ∈ V. Como la suma de funciones es conmutativa, entonces
f + g = g + f.
vi) Sea f ∈ V y sea α ∈ R. Como f es continua en [0, 1] , entonces α f es
continua en [0, 1] . Por lo tanto, α f ∈ V.
vii) Sean f , g ∈ V y sea α ∈ R. Claramente α ( f + g) = α f + αg.
viii) Sea f ∈ V y sean α, β ∈ R. Claramente (α + β) f = α f + β f .
ix) Sea f ∈ V y sean α, β ∈ R. Claramente α (β f ) = (αβ) f .
b) Dos posibles ejemplos de funcionales lineales sobre V son:
 1
J1 [ f ] = f (t) dt
0

y J2 [ f ] = f (0) .
c) Dos posibles ejemplos de funcionales no lineales sobre V son:
 1
J1 [ f ] = f 2 (t) dt
0
 2
1
y J2 [ f ] = f (t) dt .
0

1
11.4 a) x (t) = − t + 20. Por lo tanto, J [x] = −5.
2
b) x (t) = 9t + 10. Por lo tanto, J [x] = −10710.
1912
c) x (t) = t3 + 4t + 1. Por lo tanto, J [x] = .
5
t2 154
d) x (t) = + 4t + 1. Por lo tanto, J [x] = .
4 3
 42

16
e) x (t) = t. Por lo tanto, J [x] = .
3
f) Se tiene que
ẍ = 2x − y
.
ÿ = x
Por lo tanto,

x (t) = [(c1 + 2c2 ) + c2 t] et + [(c3 − 2c4 ) + c4 t] e−t ,

y (t) = (c1 + c2 t) et + (c3 + c4 t) e−t .

11 2
g) x (t) = t y y (t) = t + 2.
10 5
h) Se tiene que
ẍ = y
.
ÿ = x
1  t −t

Por lo tanto, x (t) = y (t) = π π e − e .
e − e− 2
2

i) x (t) = t. Por lo tanto, J [x] = 1.


t2 1
11.5 x (t) = + N − t.
2 2
11.6 a) x (t) = 4. Como f es convexa en (x, ẋ) , entonces se trata de un mínimo.
b) x (t) = −t + 4, o x (t) = t + 4 y T = 1.Como f es convexa en (x, ẋ) ,
entonces se trata de un mínimo.
1
11.7 a) x (t) = t2 − t + 1. Como f es convexa en (x, ẋ) , entonces se trata de un
4
mínimo.
1
b) x (t) = t2 − 4t y T = 16. Como f es convexa en (x, ẋ) , entonces se trata
4
de un mínimo.

11.8 Teniendo el modelo de inversión de la sección 11.7.1 como base, entonces sus-
tituyendo k(t) y su demanda k̇(t) en la condición de transversalidad se tiene
  2  
0 = lim e−ρT α k1 r1 er1 T + k2 r2 er2 T + A k1 er1 T + k2 er2 T + kρ
t→∞
  2 
−ρT
− lim e r1 T r2 T
B k1 e + k2 e + kρ
t→∞
+ ' ( ' (,
= lim e(2r1 −ρ)T k21 αr12 − B + e(2r2 −ρ)T k22 αr22 − B
t→∞
+ ,
+ lim e(r1 +r2 −ρ)T 2k1 k2 [αr1 r2 − B] + e(r1 −ρ)T k1 [A − 2Bkρ]
t→∞
+ ' (,
+ lim e(r2 −ρ)T k2 [A − 2Bkρ] + e−ρT Akρ − Bkρ2 .
t→∞
 43

Para que este límite converja es necesario que no aparezcan aquí los términos
e(2r1 −ρ)T y e(r1 −ρ)T que son divergentes, y esto se logra pidiendo que k1 = 0.
En este caso,
+ ' 2 ( ' (,
(2r2 −ρ)T 2 (r2 −ρ)T −ρT 2
lim e k2 αr2 − B + e k2 [A − 2Bkρ] + e Akρ − Bkρ = 0,
t→∞
se verifica automáticamente.
t2 √
11.9 x (t) = y T = 2N.
2



1 1
11.10 a) x (t) = c2 e−t + e −ρt
. Pero como c 2 = x 0 − , entonces

1 − ρ 1 − ρ2
2


1 1
x (t) = x0 − e−t + e−ρt .
1−ρ 2 1 − ρ2
b) Se tiene que f x = e−ρt − x y f ẋ = − ẋ, lo que implica que f xx = −1 < 0,
f x ẋ = 0 y f ẋ = −1. Por lo tanto,
 
−1 0
H= .
0 −1
De donde |H| = 1 > 1. Por lo tanto, f es cóncava en (x, ẋ) , es decir que
se trata de un máximo.
c) Al imponer la condición c1 = 0, y dado que ρ > 0, entonces


 
1 −t 1 −ρt
lim x (t) = lim x0 − e + e = 0.
t→∞ t→∞ 1 − ρ2 1 − ρ2
Por lo tanto, sí es cierto que

lim x (t) = 0.
t→∞

11.11 La trayectoria óptima de consumo es:

 

(ρ − r) ρ−r
c(t) = rc1 + w + − t.
βr β
Es decir que el consumo decrece linealmente
cont. Según las condiciones de
ρ−r
transversalidad tenemos que a(t) = a0 − t. Es decir que el nivel de
βr
activos decrece linealmente con t. Para verificar la concavidad de f se tiene
 
−β2 r2 e−ρt e−βc −β2 re−ρt e−βc
H= .
−β2 re−ρt e−βc −β2 e−ρt e−βc

Como f aa = −β2 r2 e−ρt e−βc < 0, f ȧ ȧ = −β2 e−ρt e−βc < 0 y

|H| = e−2ρt e−2βc β4 r2 − β4 r2 = 0,

entonces, H es negativa semidefinida. Por lo tanto, f es cóncava.

 44

11.12 a) Se debe cumplir el sistema de ecuaciones

k̇ = (A − δ) k − c,
ċ = (A − δ − ρ) c.

Resolviendo se tiene,
     
k 1 (A−δ)t 1
= c1 e + c2 e(A−δ−ρ)t .
c 0 ρ

Usando las condiciones de transversalidad se obtiene

k(t) = k0 e(A−δ−ρ)t , con A − δ − ρ < 0,

c(t) = k0 ρe(A−δ−ρ)t .

b) El único punto de equilibrio es el origen (k∗ , c∗ ) = (0, 0) , lo cual es una

consecuencia de la linealidad del sistema. Como el determinante del
sistema es negativo (λ1 = A − δ > 0, λ2 = A − δ − ρ < 0), por lo tanto,
se trata de un punto silla.
 
1
c) La variedad estable Ws es el espacio generado por el vector v2 = .
ρ
 
1 % &
Es decir, Ws = gen = (k, c) ∈ R2 | c = ρk . Por lo tanto la
ρ
variedad estable es la recta c = ρk. Debido a las condiciones de trans-
versalidad (lim k(T) = k∗ ) cualquier condición inicial tal que c0 = ρk0,
t→∞
llevará al sistema al punto (k∗ , c∗ ) = (0, 0) .