Metodos y Modelos Matematicos para Economistas - Angel de La Fuente

Contenido
Prefacio y reconocimientos
PARTE I PRELIMINARES
1. Revisin de conceptos bsicos 3
1. Conjuntos 3
2. Un poco de lgica 6
a. Propiedades y cuantificadores 6
b. Implicacin 9
c. Mtodos de prueba 11
3. Relaciones 15
a. Relaciones equivalentes y descomposicin del conjunto dentro de
las clases 16
b. Orden de relaciones y Conjuntos ordenados 17
4. Funciones 19
5. Estructuras algebricas 24
a. Grupos y Campos 25
b. Espacios vectoriales 28
6. Sistema de nmeros reales 29
a. Conjunto de axiomas para el sistema de nmeros reales 30
b. La propiedad del supremo 31
c. Valor absoluto 34
7. Numeros complejos 35
Bibliografa 38
Notas 38
2. Mtrica y espacios normados 39
1. Espacios mtricos y normados 40
2. Convergencia de sucesiones en espacios mtricos 46
3. Sucesiones en R y 49
4. Conjuntos abierto y cerrado 58
a. Interior, lmite y cierre de conjuntos 59
b. Puntos lmite y caracterizacin secuencial en trminos de secuencia 61
5. Lmites de Funciones 64
6. Continuidad en espacios mtricos 66
7. Espacios mtricos completos y Teorema de la cartografa de la
contraccin 79
a. Secuencias de Cauchy y Espacios mtricos completos 80
b. Operadores y el Teorema de la cartografa de la contraccin 85
8. Compacidad y el teorema de Weierstrass 90
a. Compacidad y algunas caracterizaciones 90
b. Relacin con otras propiedades topolgicas 95
c. Funciones continuas dentro de conjuntos compactos 98
9. Conjuntos conectados 100
10. Mtricas y normas equivalentes 104
11. Continuidad de correspondencias en 108
Bibliografa 114
Notas 115
3. Espacios vectoriales y transformaciones lineales 117
1. Independencia lineal y bases 117
2. Transformaciones lineales 122
a. Imagen y Kernel de una funcin lineal 123
b. El Inverso de una Transformacin Lineal 126
3. Isomorfismos 127
4. Mapeo lineal entre espacios normados 132
a. Homeomorfismos Lineales 134
b. La norma de un mapeo lineal 135
c. El espacio vectorial normado ( , ) 137
5. Cambios de base y similitud 144
6. Valores propios y vectores propios 146
Apndice: Ecuaciones polinomiales 152
Bibliografa 154
Notas 155
4. Clculos diferenciales 156
1. Funciones reales diferenciables univariadas 156
2. Derivados Parciales y Direccionales 162
3. Diferenciabilidad 167
4. Diferenciabilidad continua 177
5. Funciones homogneas 184
Bibliografa 187
Notas 188
Parte II Esttica
5. Modelos estticos y esttica comparada 190

1. Modelos lineales 191
2. Esttica Comparativas y el Teorema de la Funcin Implcita 195
a. Derivados de funciones implcitas y estticas comparativas 197
b. El teorema de la funcin implcita 200
3. Existencia de equilibrio 213
a. El Teorema del Valor Intermedio 214
b. Teoremas de punto fijo 216
4. Problemas 219
Bibliografa 222
Notas 223
6. Conjuntos convexos y funciones cncavas 224
1. Conjuntos convexos y teoremas de separacin en 224
a. Combinaciones convexas y envolvente convexa 226
b. Propiedades topolgicas de conjuntos convexos 229
c. Interior Relativo y Lmite de un Conjunto Convexo 232
d. Teoremas de Separacin 236
2. Funciones cncavas 240
a. Algunas caracterizaciones 241
b. Propiedades de las funciones cncavas 246
c. Concavidad para funciones uniformes 253
3. Funciones cuasicncavas 256
Apndice: Formas cuadrticas 262
Bibliografa 266
Notas 267
7. Optimizacin Esttica 268
1. Programacin no lineal 268
a. Conjunto convexo restringido 270
b. Restricciones de Igualdad: El Problema de Lagrange 275
c. Restricciones de desigualdad: El problema de Kuhn-Tucker 282
d. Programacin cncava sin diferenciabilidad 288
2. Esttica Comparativa y Funciones de Valor 291
a. El Teorema del Mximo 292
b. Esttica comparativa de problemas de optimizacin uniforme 299
c. Funciones de valor y teorema de la envolvente 302
3. Problemas y aplicaciones 306
a. Maximizacin de beneficios por parte de una empresa competitiva 306
b. Contracciones implcitas 308
Bibliografa 313
Notas 313
8. Algunas Aplicaciones a la Microeconoma 315

1. Preferencias del consumidor y utilidad 317
a. Relaciones de preferencia 317
b. Representacin por una funcin de utilidad 321
c. Preferencias dbiles 327
2. Teora Del Consumidor 328
a. Maximizacin de la utilidad y funciones de demanda ordinaria 329
b. Minimizacin del gasto y demanda compensada 335
c. Relacin entre demandas compensadas y ordinarias: Ecuacin
de Slutsky 341
3. Equilibrio general de Walrasian en una economa pura del intercambio 344
a. Demanda agregada 345
b. Existencia de equilibrio competitivo 350
c. Propiedades del bienestar del Equilibrio Competitivo 358
4. Juegos en forma normal y equilibrio de Nash 365
5. Algunos modelos tiles de competencia imperfecta 369
a. Aumento de los rendimientos de la especializacin en un
Modelo Dixit-Stiglitz 370
b. Costos Fijos, Poder de Mercado y Exceso de Entrada en un Modelo
Cournot 373
Bibliografa 375
Notas 376
PARTE III DINMICAS
9. Sistemas Dinmicos I: Conceptos bsicos y sistemas escalares 378
1. Diferencia y Ecuaciones Diferenciales: Conceptos Bsicos 378
a. Interpretacin geomtrica 380
b. Problemas de valores iniciales y de lmites 381
c. Algunas definiciones 382
d. Existencia, singularidad y otras propiedades de las soluciones 384
2. Sistemas Autnomos 387
a. El Flujo de un Sistema Autnomo 387
b. Comportamiento asinttico 393
c. Estados estables y estabilidad 394
3. Ecuaciones diferenciales autnomas 396
a. Ecuaciones Lineales con Coeficientes Constantes 396
b. Ecuaciones autnomas no lineales 398
c. Una nota sobre la dinmica comparativa 402
4. Ecuaciones de diferencia autnoma 403
a. Ecuaciones Lineales con Coeficientes Constantes 403
b. Ecuaciones no lineales 405
5. Solucin de ecuaciones lineales no continuos 411
6. Solucin de sistemas de tiempo continuo 413
a. Existencia local y singularidad 414
b. Soluciones Mximas 420
c. Dependencia de condiciones y parmetros iniciales 426
Bibliografa 436
Notas 436
10. Sistemas Dinmicos II: Dimensiones ms altas 438

1. Algunos resultados generales sobre sistemas lineales 438
2. Solucin de sistemas lineales con coeficientes constantes 440
a. Solucin por Diagonalizacin 441
b. Valores propios imaginarios 444
c. Valores propios repetidos 446
d. Sistemas no homogneos y condiciones de estabilidad 447
e. Espacios estables e inestables 451
f. Sistemas lineales en el plano 454
3. Sistemas no lineales autnomos 465
a. Diagramas de fase para sistemas planares 465
b. Anlisis Local por Linealizacin 468
4. Problemas 470
Bibliografa 472
Notas 474
11. Sistemas Dinmicos III: Algunas Aplicaciones 475

1. Un modelo dinmico IS-LM 475
a. Diagrama de fases y anlisis de estabilidad 477
b. Efectos de la poltica monetaria 482
2. Introduccin a los modelos previsin perfecta 484
a. Un Modelo de Precios de Acciones 484
b. Modelo de sobrecarga de Dornbusch 494
3. Modelos de crecimiento neoclsico 499
a. La tecnologa y los factores de precios en un mundo neoclsico 499
b. El modelo de Solow 503
c. Un modelo de superposicin de generaciones (Diamond) 508
4. Algunas tcnicas prcticas 515
a. Linealizacin y Derivacin de una Ecuacin de Convergencia 515
b. Resolver el modelo de Solow con Mathematica 519
5. Problemas 521
Bibliografa 527
Notas 528
12. Introduccin a la optimizacin dinmica 530

1. Programacin dinmica 530
a. El Principio de Optimalidad y la Ecuacin de Bellman 531
b. Algunos resultados para problemas estacionarios con
descuento 534
2. Control ptimo 547
a. El principio mximo 548
b. Transversalidad y condiciones suficientes 553
c. Restricciones que implican variables de estado y de control 559
Bibliografa 560
Notas 561
13. Algunas aplicaciones de la optimizacin dinmica 563

1. Buscar modelos 563
a. El modelo bsico de bsqueda de empleo 564
b. Un modelo de macro basado en la bsqueda 569
2. Crecimiento ptimo en tiempo discreto 578
a. Propiedades de la Funcin de Poltica y la Secuencia
ptima del Capital 583
b. La Ecuacin y Dinmica de Euler 585
3. Inversin con costos de instalacin 589
a. Modelo de inversin con costos de instalacin 591
b. Acumulacin de Capital y Precios de Acciones en una Pequea
Economa abierta 598
4. El modelo Cass-Koopmans y algunas aplicaciones 603
a. Consumo ptimo para un hogar de vida infinita 603
b. Equilibrio y dinmica en un modelo con impuestos sobre
factor de ingresos 606
c. El costo del bienestar de los impuestos de los factores 610
5. Problemas 623
a. Un Modelo de Eficiencia-Salario 623
b. Desempleo en un modelo de igualacin 625
c. El Comportamiento de la Tasa de Ahorro en el Modelo Cass-
Koopmans 627
d. El gasto productivo del gobierno en un modelo de crecimiento
endgeno 628
e. Un modelo de R&D endgeno 629
Bibliografa 632
Notas 633
Apndice. Soluciones a los problemas 636

Prlogo y Agradecimientos
La mayora del tiempo del estudiante promedio de posgrado en economa es empleado en

aprender un nuevo lenguaje, el de las matemticas.
Aunque la inversin, eventualmente, da resultado de muchas maneras, el proceso de
aprendizaje puede ser un poco doloroso. Lo s porque yo he estado ah. Recuerdo las largas
noches resolviendo los misterios del Hamiltoniano, la frustracin de no entender ni uno solo
de los papeles en mi segunda lista de lectura de macroeconoma, el shock cultural que vino con
la transicin de los libros de texto de licenciatura, con los diagramas familiares y las
explicaciones intuitivas, a la Teora del Valor de Debreu, y mi desesperacin antes de la breve e
increble prosa de los textos matemticos donde busqu la iluminacin sobre las propiedades
arcaicas de contracciones.
Este libro es un intento de hacer la transicin a la economa a posgrado algo menos doloroso.
Aunque algunos de mis lectores nunca me crean, he tratado de hacer una serie de cosas que
puedan hacer sus vidas un poco ms fciles. La primera ha sido recoger en un lugar, con una
notacin homognea, la mayora de los conceptos matemticos, resultados, y tcnicas que se
requieren para seguir los estndares de los cursos de teora del primer- y segundo-ao.
Tambin he tratado de organizar este material en secuencias y lgicas y he ilustrados sus
aplicaciones a algunos de los modelos estndar.
Y el ltimo pero no menos importante, he intentado proveer pruebas rigurosas para la mayora
de los resultados como una forma de obtener que el lector utilice razonamiento formal.
A pesar de todo el esfuerzo puesto en hacer el texto lo ms claro posible, el resultado sigue
estando lejos de ser entretenido.
La mayora de estudiantes sin una buena base de pregrado en matemticas probablemente
encontrarn el camino un poco spero a veces. Ellos tienen toda mi simpata y les aseguro que
eso construir su carcter.
Este libro se ha hecho ms grande en el proceso. Empez como un conjunto de notas que
escrib para m mismo durante mi primer ao en Penn. Estas notas fueron entonces refinadas
para el beneficio de mis jvenes alumnos cuando me convert en asistente de ctedra, y
finalmente se convirtieron en notas de conferencia cuando tuve la desgracia de graduarme y
fueron forzadas al otro lado del podio. A lo largo del camino he recibido mucha ayuda.
Mucho del material principal puede ser remontado a las clases magistrales de Richard
Kihlstrom, George Mailath, Beth Allen, David Cass, Maurice Obstfeld, Allan Drazen, Costas
Azariadis, y Randy Wright.
La primera versin de estas notas fue compilada conjuntamente con Francis Bloch durante un
largo y bochornoso verano de Filadelfia como una referencia para un curso introductorio de
verano para estudiantes nuevos. Francis tuvo la buena idea de dejar el proyecto despus de eso,
pero parte de su material sigue aqu de una forma u otra. Varios colegas y amigos han tenido la
paciencia de leer varios partes del manuscrito y han hecho muchos comentarios tiles y
sugerencias. Entre ellos, me gustara especialmente agradecerles a David Perez y Maite
Naranjo, quien tambin ha contribuido con un par de las pruebas ms difciles. Gracias
tambin a varias generaciones de estudiantes de la Universidad Autnoma de Barcelona y otros
distintos lugares, quienes, mientras se mantenan al pendiente a travs de sucesivas versiones
de este manuscrito, me han ayudado a mejorarlo de varias maneras y han detectado un
razonable nmero de errores, as como los tpicos errores tipogrficos. Finalmente, me gustara
agradecer a Conchi Rodriguez, Tere Lorenz, y el resto del equipo del Instituto de Anlisis
Econmico por su apoyo secretarial y por su heroico comportamiento en la mquina Xerox.
1
Revisin de Conceptos Bsicos
Este captulo revisa algunos conceptos bsicos que se utilizarn en todo el texto. Uno de sus
temas centrales es que las relaciones y las funciones se pueden utilizar para introducir
diferentes tipos de "estructuras" en conjuntos. As, las relaciones de cierto tipo pueden usarse
para ordenar conjuntos de acuerdo a criterios como la precedencia, el tamao o la bondad;
las operaciones algebraicas se definen mediante funciones, y una funcin que formaliza la
nocin de distancia entre dos elementos de un conjunto se puede utilizar para definir
conceptos topolgicos como convergencia y continuidad. Adems, tambin introducimos
algunas nociones simples de la lgica y discutimos varios mtodos de la prueba que sern
utilizados extensivamente ms adelante.
1. Conjuntos
Un conjunto es una coleccin de objetos que llamamos elementos. Denotamos los conjuntos
por letras maysculas, y los elementos por letras minsculas. Si x es un elemento de un
conjunto X, escribimos x X, y x X en caso contrario. Un conjunto A es un subconjunto
de X si todos los elementos de A pertenecen a X. Esto se escribe A X (A est contenido
en X). Formalmente, podemos escribir
( )
Donde la flecha unidireccional () denota la implicacin, y la flecha de dos vas ()

indica equivalencia. Dos conjuntos, A y B, son iguales si tienen los mismos elementos, es
decir, A = B si y slo si A B y B A El smbolo denota el conjunto vaco, un conjunto sin
elementos. Por convencin, es un subconjunto de cualquier conjunto X.
Dado un conjunto X, el conjunto de potencia de X, escrito P(X) o 2 , es el conjunto
formado por todos los subconjuntos A de X. Una clase o familia de conjuntos en X es un
subconjunto de P(X), es decir, un conjunto cuyos elementos son subconjuntos de X.
Usaremos maysculas "huecas" para denotar familias de conjuntos. Por ejemplo,
= { ; , }
3
X X
A B A B
AB AB
Figura 1.1. Unin e interseccin de dos

conjuntos
Donde es un conjunto de ndices, como el conjunto de todos los nmeros naturales
menores que algn nmero dado n. En lo que sigue tomaremos como dado un conjunto X
(el conjunto universal), y asumiendo que "no hay nada" fuera de X, trabajaremos con sus
subconjuntos. Dado dos subconjuntos de X, A y B, definimos su unin, A B, como el
conjunto
= { ; }
Es decir, A B es el conjunto de elementos de X que pertenecen a A o B por ambos.

De manera similar, la interseccin de A y B, denotada por A B, es el conjunto cuyos
elementos pertenecen a ambos conjuntos al mismo tiempo:
= { ; }
Estos conceptos se pueden extender de manera natural a clases de ms de dos conjuntos.
Dada una familia de subconjuntos de X, = { ; } , su unin e interseccin se dan
respectivamente por:
= = { ; . . } y
= = { ; }
Donde el cuantificador existencial "" significa "existe algo", "el universal cuantificador" ""
significa "para todos" y "s.th." significa "tal que". Es decir, x es un elemento de la unin
si pertenece a al menos uno de los conjuntos de la familia , y es un elemento de la
interseccin si pertenece a todos los conjuntos en la clase.
El siguiente teorema resume las propiedades bsicas de las uniones e intersecciones de
conjuntos.
4
Conjuntos
Teorema 1.1. Propiedades de uniones e intersecciones de conjuntos. Sean A, B y C son tres

subconjuntos de X. A continuacin, las propiedades siguientes:
(A B) C (AC) (BC)
A B A B
C C
Figura 1.2. Ley distributiva
(i) Ley conmutativa: = =

(ii) Ley asociativa: ( ) = ( ) = ( ) =
( ) = .
(iii) Ley distributiva : ( ) = ( ) ( ) ( ) = ( )
( )
Dos conjuntos A y B son disjuntos si no tienen elementos en comn, que es, si = .

Ms generalmente, dada una familia de conjuntos, = { ; } , decimos que los
elementos de son parejas disjuntas si
A veces usaremos la notacin A B para indicar la unin de disjuntos conjuntos .La

expresin denotar la unin de una familia de pares de conjuntos disjuntos.
Una particin de X es una clase de pares de conjuntos disjuntos en cuya unin es s
mismo; Es decir, = { ; } es una particin de si
, = =
Dado dos conjuntos A y B en X, su diferencia ~( ~ / ) es el conjunto de

elementos de A que no pertenecen a B:
~ = { ; }
5
El complemento de A (relativo a ) es el conjunto ~ de elementos de que no

pertenecen a A:
~ = = { ; }
Por lo tanto, tenemos
~ = (~) ~ = ~
X
A B
Figura 1.3. A B = A ( B). A B = A (-B)
Sea = { ; = 1,2, } una clase de conjuntos en , y sea = { ; = 1.2, } la familia

formada por los complementos de los elementos de A. El siguiente resultado dice que el
complemento de la unin de es igual a la interseccin de , y el complemento de la
interseccin de es la unin de .
Teorema 1.2. Dualidad o las leyes de De Morgan. Sea = { ; }una familia de conjuntos en
; entonces
(i) ~( ) = (~) ,
(ii) ~( ) = (~ ).
Este resultado tambin se cumple cuando consideramos complementos relativos a algn
conjunto que no es el conjunto universal. Por lo tanto, si = { ; }es una familia de
subconjuntos de algn conjunto , entonces
(i) ~( ) = (~ ),
(ii) ~( ) = (~ ).
2. Un poco de lgica
En esta seccin introducimos algunas nociones bsicas de lgica que se usan a menudo en
demostraciones.
(a) Propiedades y Cuantificadores
Fijar un conjunto , y sea una propiedad tal que para cada elemento de , la sentencia
" tiene propiedad " es verdadera o falsa (pero no ambas a la vez, y no ninguno). Si la
6
Un poco de lgica
propiedad tiene para x, decimos que () es verdadera y escribimos (). Con cada una
de estas propiedades podemos asociar el conjunto de elementos de para la cual ()
es verdadera:
= { ; ()}
X
P QT
( P Q )T
Figura 1.4. Conjuntos asociados con

(P Q
propiedades compuestas
)T
De manera similar, con cada subconjunto A de podemos asociar la propiedad "siendo un

elemento de ". De esta manera podemos establecer una correspondencia entre conjuntos y
propiedades que nos permitan identificar las operaciones lgicas con operaciones de
conjuntos.
Dada una propiedad , su negacin ("no ") es otra propiedad tal que () es
verdadero si y slo si () es falso. Porque para cualquier en precisamente una de las
dos propiedades se mantendr, el conjunto asociado con es el complemento de
:
() = { ; () } = { ; () } = ~
Por lo tanto, y () forman una particin de . Es decir, para cualquier propiedad ,
() = () =
Las conectivas lgicas "" () y "" () se pueden usar para construir propiedades
compuestas. Dadas dos propiedades P y Q, su conjuncin (" ) es la propiedad
que se mantiene si y slo si mantienen al mismo tiempo. Por lo tanto, el conjunto
asociado con es la interseccin de los conjuntos asociados con las dos propiedades
originales. Es decir,
( ) = { ; () ()} = { ; ()} { ; ()} =
De manera similar, definimos la (no exclusiva) disyuncin de , (" "),

como la propiedad tal que ( )() es verdad cuando () o () o ambos se
mantienen. Por lo tanto, el conjunto asociado con la disyuncin de es la unin de
:
( ) = { ; () ()} = { ; ()} { ; ()} =
7
Para construir la negacin de una propiedad compuesta, podemos hacer uso de Las leyes De
Morgan. Del teorema 1.2 tenemos
~( ) = (~ ) (~ ) ~( ) = (~ ) (~ )
De donde
( ) = () () ( ) = () ()
Es decir, no tener la propiedad " " es equivalente a no tener uno, y no tener la

propiedad "es la misma que falta al menos uno de ellos.
Los cuantificadores se usan a menudo para indicar que todos o algunos de los elementos de
un determinado conjunto tienen una cierta propiedad. Decir que todos los elementos del
conjunto A tienen propiedad , usamos el cuantificador universal () y escribimos
, () ( , , () ) (1)
Para decir que algunos elementos de A tienen una propiedad dada, utilizamos el valor
existencial cuantificador ()1:
, . . () ( ,
() ) (2)
Los cuantificadores pueden ser vistos como generalizaciones de conexiones lgicas. Por lo
tanto, si A es un conjunto finito de la forma {1 , 2 , } , las afirmaciones (1) y (2) son
equivalente a
(1 ) (2 ) ( ) y (1 ) (2 ) ( )
respectivamente. La notacin anterior, sin embargo, tiene la ventaja de ser ms compacto y
tambin se puede utilizar para conjuntos infinitos.
Las expresiones que implican varios cuantificadores se encuentran comnmente. Por
ejemplo, la declaracin
, . . (, ) (3)
Significa que "para todo x en A, existe un elemento y en B tal que el par (x, y) tiene propiedad
P. En estos casos, es importante mantener en mente que el orden en el que los
cuantificadores aparecen cuestiones. Por lo tanto, la declaracin
. . , (, ) (4)
("Existe un elemento y en tal que para cada en , el par (, ) tiene propiedad ") es
diferente de (3): En el primer caso, la eleccin de y pude depender del valor dado de ,
mientras que en (4) estamos afirmando la existencia de al menos un y que funcionar para
todos los posibles valores de . Si dejamos y el conjunto de nmeros reales, y la
propiedad de que + = 0, por ejemplo, la sentencia (3) es verdadera ( = ),
pero (4) es falsa.
A menudo queremos negar declaraciones que involucran cuantificadores. Si no es verdad
que todos los elementos de un conjunto A tienen propiedad , entonces claramente debe ser
el caso de que algunos elementos de A tienen propiedad . Por lo tanto
[ , ()] . . ()
8
Un poco de lgica
QT
PT
Figura 1.5. Implicacin como inclusin

establecida
Del mismo modo, si no existen elementos de A con propiedad , todos los elementos de l
deben satisfacer . Es decir,
[ , . . ()] , ()
Por lo tanto, para negar una declaracin que hace uso de cuantificadores, reemplazamos la
con , y viceversa, y negar las propiedades. El mismo principio se aplica a las declaraciones
que implican varios cuantificadores. Por ejemplo,
( , , . . (, )) . . ( . . (, ))
. . , (, )
Es decir, comenzamos con la afirmacin "para todo en , existe un elemento y en tal

que el par (, ) tiene la propiedad . "Si eso no es cierto, entonces debera existir algn
en tal que para todo en el par (, ) no tiene propiedad .
(b) Implicacin
A menudo hacemos declaraciones del tipo "propiedad P implica propiedad Q" - lo que
significa que todos los elementos que tienen propiedad P tambin satisfacen Q. Esta
afirmacin puede escribirse " " - una expresin que tambin se puede leer como
"Si P entonces Q"

"P es una condicin suficiente para Q", o
"Q es una condicin necesaria para P."
En trminos de los conjuntos asociados, " " significa que
Utilizando cuantificadores, la sentencia tambin puede escribirse
, ()
9
Es decir, si todos los elementos x con propiedad tambin satisfacen , entonces debe
estar contenido en el conjunto , y viceversa.
PT QT
PT (-QT )
Figura 1.6.
Para expresar " " en trminos de una propiedad equivalente que ser til despus,
observe que
(~ ) =
Donde es el conjunto universal. La prueba de esta equivalencia se deja como un ejercicio,

pero el resultado debe ser intuitivamente claro, ya que si contiene , todos los puntos
que se encuentran fuera de ser necesariamente fuera . De ah la afirmacin es
verdadero si y slo si
(~ )
O, de manera equivalente, la propiedad () siempre se cumple. La Figura 1.6 trata
de clarificar este resultado.
La negacin de , escrita o ( ), es verdad cuando existe al menos un x
que satisface P pero no Q (es decir, cuando . . ()). Basndonos en nuestra
discusin anterior, esto equivale a decir que es verdadero cuando la negacin de
() es verdadera para algunos x en X.
Aplicando las leyes De Morgan,
(() Q) = P (Q)
Lo que implica que es equivalente a
(~ )
Este resultado es fcilmente evidente usando un diagrama de Venn: Como se ilustra en Figura
1.6, si no es un subconjunto de , entonces debe haber elementos de fuera de ;
por lo que la interseccin de y ~ no puede estar vaca, y en viceversa.
10
Un poco de lgica
Adems de su negacin, hay otras afirmaciones relacionadas con la implicacin .

Son
(i) su conversa: ,
(ii) su inversa: , y
(iii) su afirmacin contra positiva: .
Si tanto la implicacin PQ como su conversa QP son verdaderas, decimos que P y Q

son equivalentes y escriben PQ.
Una declaracin y su contraposicin son equivalentes, como se ve fcilmente aplicando la
equivalencia
(~)(~)
A los conjuntos asociados con las dos propiedades. Esta observacin es til porque a veces
es ms fcil probar lo contrapositivo que la original declaracin.
(c) Mtodos de prueba

Hay varios mtodos que se utilizan a menudo para demostrar que una proposicin de la
forma o es verdadera. Uno de los ms comunes es el mtodo deductivo, en el
que partimos asumiendo que P sostiene y usa esta informacin para verificar que Q es
tambin verdadera. Debido a que es difcil ser mucho ms especfico en este nivel de
generalidad, consideraremos un ejemplo simple. Habr muchos otros ms tarde.
Ejemplo2.1. Prueba de la primera ley De Morgan. Sea = { , } una familia de

conjuntos en . Queremos probar que:
( ) = ( )
Es decir, queremos demostrar que cualquier elemento de ( ) tambin pertenece a
( ), y viceversa. Para ello basta con verificar que las definiciones de los dos conjuntos
son equivalentes a:
~( ) ( . . )
, , ~
( )
Lo que queramos mostrar, en palabras:
i) Tome un x arbitrario en el complemento . Por la definicin x no es un

elemento de . Negando la definicin de la unin de la familia de conjuntos
(x pertenece a si es un elemento de cualquiera de S) obtenemos eso.
ii) x no pertenece a S; esto es lo mismo que decir que para cada , x pertenece al
complemento de , que a su vez es equivalente a lo afirmado.
iii) x es un elemento de la interseccin de los complementos de , ( . ).
11
iv) Finalmente , porque esto es cierto para algn x en . El conjunto de todas

esas (i.e., ) deben estar contenidas en ( . )
Dese cuenta que las razones son tambin validas en la direccin opuesta. Por lo tanto hemos
probado que
( ) ( ), esto es, ( ) ( )
Y
( ) ( ), esto es , ( ) ( )
y podemos concluir que esos conjuntos son iguales .
Problema 2.2 Probar la siguiente equivalencia ( x pertenece al conjunto universal):
( ) =
Problema 2.3 probar la segunda ley De Morgan: Sea = { , } una familia de conjuntos
en . Luego ( ) = ( ).
El siguiente ejemplo muestra la utilidad de la equivalencia entre una implicacin y su
contraposicin.
Teorema 2.4 dando dos nmeros reales aleatorios a y b , tenemos
> 0, + ( )
Demostracin .La contraprestacin de lo declarado ( ) puede ser escrita
> > 0, > +
Esto es fcil de probar porque > , > 0, y existen nmeros reales tal que 0 <
< (e.g, ( )/2). Para cualquier nmero que tengamos
+ < + ( ) =
Otro mtodo que es til para establecer propiedades asociadas con el conjunto de nmeros
naturales se basa en el siguiente axioma.
Axioma. 2.5 El principio de la induccin. Sea P una propiedad de los nmeros naturales(o
enteros positivos) pueden o no tener, si
(i) Existen algunos nmeros naturales 0 tal que (0 ) es vlido y

(ii) Para cualquier nmero natural , () ( + 1),
Luego P es vlido para todos los nmeros naturales mayores o iguales que (0 ).
Es decir, para probar las declaraciones de la forma todos los nmeros naturales mayores
o iguales a (0 ) tienen la propiedad P.Basta con establecer que la propiedad es vlida
para (0 ) y si se cumple para tambin se cumple para + 1. Observe que este
enunciado es sobre la estructura de los nmeros naturales. Eso nos dira si el conjunto de
nmeros naturales mayores o iguales que 0 es el conjunto {0 , 0 + 1, (0 + 1) + 1, }(i.e
este conjunto puede construirse recursivamente aadiendo 1 al elemento anterior,
12
Un poco de lgica
empezando desde 0 ). Si empezamos desde cero , esta propiedad puede tomarse como una
definicin del conjunto para nmeros naturales y por lo tanto puede ser visto como un
axioma o un supuesto bsico. Sin embargo proporciona una manera sencilla de establecer
muchos resultados tiles, como ilustracin tenemos el siguiente ejemplo.
Ejemplo. 2.6. Una demostracin por induccin. Demostraremos para cualquier entero
positivo k,

( + 1) (1)
=
2
=1
(donde n toma todos los valores enteros de 1 hasta k). La frmula claramente para 1 , porque
despus eso simple dice que
1(1 + 1)
1=
2
Luego asumiremos que (1) tiene para cualquier k y demostrar que esto tambin se sostiene
para + 1. Por esto , nosotros agregamos ( + 1) a ambos lados de (1) y reorganizamos
los trminos para obtener
+1
( + 1)
( ) + ( + 1) = + ( + 1) = ( + 1) (1 + )
2 2
=1 =1
( + 1)( + 2)
=
2
que completa la demostracin.
Una estrategia que tambin es til es la demostracin por contradiccin. Para mostrar que ,
es suficiente para mostrar que es una negacin, ,produce una contradiccin, es decir,
un enunciado de la forma () ,que nunca puede ser cierto. Intuitivamente, la idea es
que si una premisa lleva a una contradiccin, entonces no puede ser correcto. Formalmente,
si podemos mostrar que lleva a una contradiccin, demostraremos que
() ()
(Donde estamos haciendo uso de una equivalencia derivada anteriormente). Pero luego del
enunciado contrapositivo
() ()
tambin ser verdad. Y porque la primera propiedad siempre es verdadera ( para cualquier x
y R, ya sea R o ser verdadero), la segunda (que , como hemos visto , es equivalente a
) siempre se mantendr. Como ejemplo, probaremos el siguiente resultado
teorema 2.7. El principio del buen orden. Cada conjunto no vaco de enteros positivos
contiene un elemento mnimo.
Demostracin. Sea P un conjunto no vaco de enteros positivos, y se define S como el
conjunto de todos los positivos que son estrictamente menores que todos los elementos de
P.
13
Es decir
= {+ ; < }
Para probar el teorema , asumimos primero que P no tiene un elemento ms pequeo y trata
de demostrar que esto implica que S es un conjunto de enteros positivos. Pero eso sera una
contradiccin , pues entonces S contendra al conjunto P ( que es no vaco por suposicin
),implica que para cualquier nmero p en P tendramos p<p, lo cual es imposible.
Suponiendo que P no tiene un pequeo elemento, procederemos por induccin:
(i) Observamos que 1 ,que es el entero positivo ms pequeo, debe pertenecer a S.
(ii) Luego, sea k un nmero cualquiera entero positivo. Vamos a demostrar que si
k pertenece a S, entonces tambin pertenece k+1. Nosotros procedemos por
contradiccin: Supongamos que k es estrictamente menor que cualquier
elemento de P, pero k+1 no lo es (i.e , + 1 ).
Luego ( implica que + 1 ) hay un nmero 1 tal que + 1 1.
Ms , porque P no tiene menos elementos, existe algn otro nmero 2 tal
que 2 < 1 combinando estas dos inecuaciones ,
2 < 1 + 1
2< + 1 (1)
Ahora, porque ambos 2 y k son enteros, (1) implica
2
Y concluimos que k no es estrictamente menor que cada elemento de P.
Por lo tanto, hemos llegado a una contradiccin , y concluimos que lo que implica que
+ 1 .
Dado (i) y (ii) , se sigue por induccin que S es el total de + .

Porque esto lleva a contradiccin, concluimos que P debera tener un minimo elemento.
Problema 2.8. La siguiente modificacin del principio de induccin a veces es til: Sea P una
propiedad de los nmeros naturales (o enteros positivos) pueda o no tener. Si
(i) (0) es vlido y

(ii) si P es valido para todos los elementos = 0,1, , 1, luego tambin
es valido para n.
luego P es vlido para todos los nmeros naturales.
Completa la siguiente prueba de este resultado: Sea S el conjunto de nmeros no negativo
para la cual ( ) es falso. Queremos demostrar que es el conjunto vaco, y usamos el
principio de buen orden y la suposicin (i) y (ii) para llegar a la contradiccin.
Problema 2.9. Usar el principio de la induccin modificada para probar que ningn elemento
mayor a 1 es un nmero primo (no tiene divisor entero diferente a 1) o el producto de los
nmeros primos.
14
Relaciones
3. Relaciones
Dado dos conjuntos y , su producto cartesiano es el conjunto de todos los pares

ordenados formados por un elemento de seguido por uno de . Esto es
= {(, ); , }
Una relacin (binaria) de y es un subconjunto para . En algunos casos

trabajaremos con relaciones definidas en . En este caso hablaremos de una relacin
definida en .
Si(, ) , a menudo escribimos () y decir que es una imagen de .El

conjunto de imagen para x est dado por
() = { ; (, ) }
Si R es una relacin de a , su relacin inversa, 1, es una relacin de a definida por
1 = {(, ); (, ) }
Sea una relacin de a . Si es un subconjunto de , la imagen de bajo es un

subconjunto de dado por
() = { ; . . (, ) } = ()
Si es un subconjunto de , la imagen inversa de bajo es su imagen establecida en 1:
1 () = { ; . . (, ) } = 1 ()
La imagen inversa para (i.e el conjunto de puntos para al menos tienen una imagen en )
es el dominio para la relacin:
= 1 () = { ; () }
Y la imagen para bajo es el rango de :
= () = { ; 1 () }
Dadas las dos relaciones y definida en el conjunto de , diremos que es una sub
relacin para o, equivalentemente, si .Tambin podemos decir que
S es una restriccin para o que es una extensin de . Por ejemplo, el vector dominante
dbil () definido por:
= 1, ,
Es una relacin binaria definida en . El vector dominante estricto (>), definido de
manera similar,pero con desigualdades estrictas , es una subrelacion del vector dominante
dbil (), porque > implica .
15
Sea R una relacin de , y una relacin de . Su composicin, es una

relacin de dado por
= {(, ); . . (, ) (, ) }
Intuitivamente , el concepto de relacin proporciona una manera para formalizar la idea
que dos objetos (normalmente dos elementos del mismo conjunto)estn en una relacin
entre si. Por ejemplo si y son nmeros reales, uno puede ser mayor que el otro. Si y
denotan paquetes de consumo para un consumidor dado, este puede preferir uno que otro.
La notacin interpretado como esta en una cierta relacin con ,es por lo tanto
ms sugerente que la notacin (, ) ,a pesar que son equivalentes. Sin embargo, la
definicin formal de relacin como un conjunto es conveniente para el punto de vista de
las matemticas. Nos permite, por ejemplo, pensar en trminos de subconjuntos para o
descomponer en factores menores.
Como hemos visto, la nocin de relacin es un instrumento bsico que puede ser usado para
definir distintas estructuras en un conjunto. En la seccin 4 veremos como se introduce el
concepto de funcin como un tipo de relacin especial. Que, a su vez , nos permitir
introducirnos en la algebra y en la estructura topolgica en un conjunto definiendo funciones
con propiedades convenientes que llamaremos operaciones o mtrica. Antes de entrar a
este tema la discusin en el resto de esta seccin nos enfocaremos en dos tipos de relaciones
que pueden ser usadas para imponer un orden en un conjunto dado. Una relacin equivalente
nos permite particionar un conjunto en subconjuntos para equivalente elementos, y una
relacin de orden nos permite clasificar los elementos de un conjunto de acuerdo de preferencia,
precedencia y talla. Porque tal relacin se define en trminos de ciertas propiedades que la
relacin puede tener, comenzamos por introducir estas propiedades.
Definicin 3.1 sea una relacin binaria definida en . Diremos que es
reflexivo si ,
simtrica si , , ,
asimtrica , , ( ) = , y
transitiva , , , ( )
(a) Relacin de equivalencia y descomposicin de un conjunto en clases
Definicin 3.2. Relacin de equivalencia. Una relacin binaria definida en un conjunto
es una relacin de equivalencia si es reflexiva, simtrica y transitiva.
A veces nos interesamos en descomponer un conjunto dado en pares disjuntos cuya unin
es igual al conjunto original (i.e, en una particin). Tal particin de un conjunto se llama
descomposicin del conjunto (equivalente) en clases. Una forma natural de lotear tal
particin es especificar una relacin equivalente y asignar a cada clase todos los
elementos que estn relacionados entre s bajo .
16
Relaciones
Relaciones
Teorema 3.3 Particin de un conjunto en clases. Un conjunto puede ser particionada en

clases usando una relacin de equivalencia como un criterio para asignar dos elementos de
la misma clase. Por el contrario cada particin de un conjunto define una relacin de
equivalencia en l.
Demostracin. Sea una relacin de equivalencia en . Para cada en , definir el conjunto
= { ; }
Es obvio que cada elemento de pertenece a por lo menos uno de tales conjuntos, y tambin
algunos de esos conjuntos pueden ser iguales. Para demostrar que la relacin define una
particin, debemos demostrar que cualquiera de estos dos conjuntos , son disjuntos
o idnticos, (s ).
Supongamos que , tienen un elemento comn, sea c. Por suposicin, .

Por simetra, , y por transitividad,
( )
Por lo tanto estan en la misma clase de elementos y concluimos que si tienen

algn elemento en comn, son del mismo conjunto. Esto es, los pares de conjuntos disjunto
de este tipo forman una particin de en una clase de equivalencia.
Observamos que todas las particiones de en clases de pares disjuntos determinan una
relacin binaria en , donde significa que y pertenecen a la misma clase .Esta
claro que esta relacin es reflexiva, simtrica y transitiva (i.e es una relacin de equivalencia).
Definicin 3.4 Conjunto de cociente. Sea un conjunto, y una relacin equivalente en

que determina una particin de en clases. El conjunto de equivalencias bajo se denomina
el conjunto cociente de con respecto a .
(b) Relaciones de orden y conjuntos ordenados
Una clase de relaciones binarias de inters particular es la que nos permite formalizar la idea
de algunos elementos de un conjunto que dominan (o son mayores que) a otros. Tal
relacin se llama relacin de orden,y un conjunto en el que una relacin de orden se ha
definido se llama conjunto de ordenado.
Sea una relacin binaria en el conjunto . Interpretamos la expresin como

diciendo, que de alguna manera relevante domina , es mayor que o es contigua a ella.
Equivalentemente, podemos trabajar con la relacin inversa donde es equivalente
a e indica que es menor que o que le precede. Ahora definiremos dos tipos de
relaciones de orden comunes.
Definicin 3.5. Preordenacin. Una relacin binaria " definida en un conjunto es una
preordenacin parcial o un cuasiordenamiento si es reflexiva y transitiva, es decir, si
, , , y [( y ) ]
Decimos que est parcialmente preordenado por . Si, adems, cualquier par de
elementos y de X son comparables bajo la relacin, es decir, si
17
, , ,
Entonces " "es un completo o preordenamiento total, y decimos que es totalmente

preordenado por " ".
Definicin 3.6. Ordenando. Una relacin binaria definida en un conjunto es de orden

parcial si es reflexiva, transitiva y antisimetriaca, es decir, si es una relacin parcial
preordenada y, adems
, , ( y ) =
Entonces diremos que est parcialmente ordenada por " ". Si, adems, cualquier par de
elementos de son comparables bajo la relacin, " " es un ordenado total o un completo,
y decimos que esta totalmente ordenada por ella2.
La relacin de orden estndar definida en el conjunto de nmeros reales es un ordenamiento
completo. Esta relacin es antisimtrica , para dos nmeros reales ,
= .
Observe que la nica diferencia entre una preordenacin y una ordenacin es que el
preordenamiento no necesita ser anti simtrico; es decir, es imposible tener , ,
y .En este caso , escribimos ~ y decimos que y son equivalentes.
Un preordenamiento puede ser descompuesto en sus componentes simtrico y asimtrico
mediante la definicin de las dos subrelaciones siguientes
>
(donde significa no ") En el contexto de la teora de las preferencias, estas

relaciones seran llamadas la preferencia estricta e indiferencia de relaciones.
En un conjunto ordenado, el concepto del elemento "mejor" o "ms grande" tiene sentido.
Por lo tanto, podemos hablar de maximizacin con respecto a una relacin de orden. Sin
embargo, debemos ser un poco cuidadosos, porque si la relacin de orden no es completa,
algunos elementos del conjunto pueden no ser comparables. En este caso, no podemos
hablar de un "mximo", pero todava podemos definir algunos conceptos estrechamente
relacionados.
Definicin 3.7 Elementos mnimos y mximos. Sea un conjunto preordenado parcialmente

por una relacin " " Un elemento de es mximo (con respecto a " ") si ningn otro
elemento de lo domina estrictamente, es decir, si
~ ( = para un ordenamiento)
Similarmente, un elemento de es mnimo si ningn otro elemento precede estrictamente,
es decir, si
~ ( = para un ordenamiento)
Donde " . " es la relacin inversa de
18
RevisinFunciones
de Conceptos Bsicos
Definicin 3.8 Elementos ms grandes y ms pequeos. Sea un conjunto pre ordenado

parcialmente por " " un elemento de es un elemento mayor o ltimo de si domina
cada elemento de (es decir, si , ). Un elemento de es un menor o primer
elemento de si precede a cada elemento de (es decir, si , ).
Observe que un elemento ms grande debe ser mximo, pero un elemento mximo no puede
ser mayor si el pre ordenamiento es parcial, pues algunos elementos de pueden no ser
comparables con ella. Si el pre ordenamiento es completo, sin embargo, los elementos sern
tambin los ms grandes. Si la relacin "" es una ordenacin, el mayor elemento, cuando
existe, es nico y se llama mximo. Esto no necesita ser el caso con un pre ordenamiento,
donde podemos encontrar varios elementos ms grandes que son equivalentes pero son
diferentes entre s. Con los cambios apropiados, todo esto tambin es cierto para los
elementos mnimos y ms pequeos
4. Funciones
Entre los tipos de relaciones ms importantes estn aquellos a los que llamamos funciones.
Intuitivamente, una funcin de un conjunto X a un conjunto Y es una regla que asigna a cada
elemento de X un elemento nico de Y. Digamos que es la imagen de bajo , y se escribe
= (). Por el contrario, es un elemento de la pre imagen o imagen inversa de , escrito
1 ()
Definicin 4. 1. Funcin. Sea X y Y dos conjuntos. Una funcin de X a Y, escrita :

, es una relacin de X a Y con la propiedad de que para cada existe un elemento
nico tal que (, ) .
La imagen y pre imagen de un conjunto bajo una funcin dada, y el dominio y rango de la
funcin, se definen como para cualquier relacin. Si es una funcin de X a Y, su dominio
es X, y su rango es el conjunto (). Si A es un subconjunto de X, su conjunto de imgenes
es el subconjunto de Y formado por las imgenes de sus elementos:
() = { ; . . = ()} = ()
Dado un subconjunto B de Y, su imagen inversa es el conjunto 1 () formado por

aquellos elementos de X con imgenes en B:
1 () = { ; () }
Si es un elemento de X, y R es una relacin, la imagen de x, (), puede ser subconjunto

de Y, incluyendo el conjunto vaco. Si R es una funcin, sin embargo, () contiene
exactamente un punto de Y. Por lo tanto, una relacin R es una funcin si y slo a si su
dominio es el conjunto entero X y, adems,
(, 1 ) y (, 2 ) 1 = 2
O, equivalentemente,
, ! . . = ()
19
Revisin Relaciones
de Conceptos Bsicos
Donde "!" significa "existe exactamente un elemento.

Dos funciones y son iguales si son idnticas como conjuntos, esto es, si
. Esto es lo mismo que decir que y tienen el mismo dominio y rango y, adems, para
cada en = , tenemos () = ().
Funciones
X Y Z
g
f
y
x z
h=gf
Figura 17. Composicin de dos funciones.
Si es una funcin y, adems, su rango es todo el conjunto y, es decir, si () = , o
, . . = ()
Entonces decimos que es suryectiva o sobre Y. Tambin decimos que es inyectiva o uno-a-
uno si siempre asigna diferentes imgenes a diferentes elementos de , es decir, si
1 , 2 , (1 ) = (2 ) 1 = 2
o, equivalentemente, si 1 2 implica (1 ) (2 ) . Finalmente, la funcin es

biyectiva si es "uno-a-uno" y "sobre", es decir, si cada elemento de tiene una imagen inversa
y esa imagen inversa es nica.
Dada una funcin , su relacin inversa 1 : 1 () puede o no ser una
funcin. Si es una funcin, 1 se dice que f es la funcin inversa de . Si es uno-a-uno,
cada y en () tendr una imagen inversa nica en X, y por tanto 1 ser una funcin de
() en . Si es tambin sobre, 1 ser una funcin de Y a X.
Si f es una funcin de X en Y, y es una funcin de Y en Z, su composicin, es
la funcin de X en Z definida por ( )() [()]. La composicin de dos funciones
obedece a la ley asociativa, es decir,
( ) = ( ) =
pero generalmente no es conmutativa.
20
Revisin deFunciones
Conceptos Bsicos
Ahora vamos a revisar algunos resultados elementales sobre las propiedades de los conjuntos
de imgenes y conjuntos de imgenes inversas en una funcin e introducir algunos conceptos
que se definen en trminos de funciones
Teorema 4.2. Sea: f: XY una funcin, y = {Bi; i I} una familia de subconjuntos de Y.

Entonces
() f 1 (iI Bi ) = iI f 1 (Bi ),
() f 1 (iI Bi ) = iI f 1 (Bi ).
Demostracin
() 1 ( ) ()
s. th. ()
s. th. 1 ( )
1 ( )
() 1 ( ) ()
, ()
, 1 ( )
1 ( )
Teorema 4.3. Sea: f: XY una funcin, y = {Ai , i I} una familia de subconjuntos de X.

Entonces
() f(iI Ai ) = iI f(Ai ),
() f(iI Ai ) iI f(Ai ).
Demostracin
( ) ( ) iI s. th. () =
s. th. () = ( )
iI ( ).
21
Revisin deFunciones
Conceptos Bsicos
() ( ) s. th. () =
, s. th. ( ) = (. . , = )
, ( )
( )
Problema 4.4. Explique por qu la inclusin slo funciona en una direccin en la segunda parte
del Teorema 4.3, pero en ambas direcciones en la primera parte.
(i) Dar un ejemplo en el que ( ) es estrictamente mayor que ( ).
(ii) Probar que si es uno-a-uno, entonces ( ) = ( )
Problema 4.5. Dada una funcin : X Y dos subconjuntos de , 1 y 2 , y dos subconjuntos

de , 1y 2, muestran que
(i) 1 (~1 ) = ~ 1 (1 ),
(ii) 1 (1 ~2 ) = 1 (1 )~ 1 (2 ),
(iii) si es biyectiva, entonces
(~1 ) = ~(1 ) (1 ~2 ) = (1 )~(2 )
Qu podemos decir si no es biyectiva?
Problema 4.6. Sea una funcin de X a Y, con A un subconjunto de X, y B Un subconjunto

de Y. Entonces
[ 1 ()] 1 [()]
Cundo los dos conjuntos no son iguales entre s?
Secuencias
Una familia de funciones particularmente til es la formada por funciones cuyo dominio es
el conjunto de los nmeros naturales. Sea X un conjunto arbitrario, y el conjunto de
nmeros naturales. Una funcin s: X se dice que es una secuencia en X. Intuitivamente,
podemos pensar en una secuencia, o ms bien en su rango, como un conjunto ordenado de
elementos de X. En la notacin usual, denota el valor de la secuencia en i, es decir, () =
y { }se utiliza para indicar que estamos hablando de la secuencia "como un todo".
22
Funciones
A veces es til definir una secuencia recursivamente. Es decir, dado una funcin de X en
s mismo, y un elemento de X, existe una nica secuencia { } en X tal que 0 = y
+1 = ( ) para n = 1, 2, ....
De vez en cuando podemos querer trabajar con un "subconjunto" de una secuencia dada (es
decir, con una subsecuencia). Formalmente, sea s: X una sucesin, y considere una
funcin estrictamente creciente g: . La funcin compuesta dada por () =
[ ()] para cualquier nmero entero positivo es una subsecuencia de s. La notacin
usual para una subsecuencia de { } es { }, con dos subndices. Intuitivamente, una
subsecuencia es una secuencia formada por la supresin de algunos trminos de la original.
Para cualquier = 1, 2, ..., la funcin creciente ( ) selecciona un cierto nmero positivo
> 1 , y tomamos el trmino correspondiente de la secuencia original para formar
{ }. Por ejemplo, los trminos pares de una secuencia forman una subsecuencia.
Correspondencias
Una correspondencia de X a Y es una funcin que a cada elemento x del conjunto X asigna un
subconjunto del conjunto Y. Por lo tanto, una correspondencia de X a Y, denotada
por : X Y, es una funcin ().
Alternativamente, una relacin de X a Y es una correspondencia de X a Y si su dominio

es X, es decir, si para todo en X tenemos () . Por lo tanto, toda relacin de X a Y
es una correspondencia definida en su dominio . Tambin podemos decir que una funcin
es un caso especial de correspondencia en el que el conjunto de imgenes de cada elemento
de X es un singleton (es decir, un conjunto formado por un solo elemento).
Axioma de eleccin
Uno de los supuestos bsicos de la teora de conjuntos es el llamado axioma de eleccin.

Dice que dada una coleccin arbitraria de conjuntos no vacos en X, siempre existe una
funcin de P (X) a X misma tal que ( ) para cada en . Es decir, asumimos
la existencia de una "funcin de seleccin" que elige un elemento de cada uno de los
conjuntos en . Parece razonable suponer que esto siempre es posible, pero cuando no
podemos dar un criterio de seleccin especfico, tenemos que recurrir al axioma de eleccin.
Esta suposicin se utiliza a menudo (en muchos casos implcitamente) en las pruebas en las
23
Revisin deFunciones
Conceptos Bsicos
que en algn momento hacemos una declaracin de la forma "tomamos un elemento de

cada uno de los conjuntos en una clase dada ."
Finito, infinito y conjuntos contables

Cuando contamos el nmero de elementos de un conjunto X, asociamos con cada elemento
un nmero natural. En otras palabras, contar los elementos de un conjunto X equivale a
construir una funcin de X al conjunto N de nmeros naturales. La generalizacin de esta
idea nos lleva al concepto de cardinalidad (o nmero cardinal) de un conjunto.
Decimos que dos conjuntos A y B son numricamente equivalentes si existe una funcin biyectiva
de A en B. Si un conjunto A es numricamente equivalente a algn subconjunto del conjunto
de enteros positivos, +, decimos que A es un conjunto contable. Si este subconjunto de +
es de la forma {1, 2, . . . , }, el conjunto es finito, y su nmero cardinal es simplemente el
nmero de sus elementos. El conjunto vaco se considera finito, y su nmero cardinal es
cero. Si A no es numricamente equivalente a {1, 2, . . . , ), decimos que es un conjunto
infinito.
Por lo tanto, un conjunto A es contable si es finito o si existe una biyeccin de A al conjunto
entero + de los enteros positivos. En el segundo caso, A es un conjunto infinito pero
contable, y su nmero cardinal se llama 0 ("alephzero"). Tambin hay conjuntos infinitos
que no son contables, como el conjunto de nmeros reales.
Generalizacin del producto cartesiano
Hemos definido el producto cartesiano de dos conjuntos X y Y como el conjunto de todos
los pares ordenados de la forma (, ), donde y . Supongamos ahora que se
nos da una clase ms general de conjuntos, = { ; , }. Si el ndice establecido
es finito, digamos de la forma = {1,2, . . . , }, el producto Cartesiano = se
define, como es de esperarse, como el conjunto de todas las n- tuplas ordenadas =
(1 , 2 , . . . , ) tal que para cada = 1, . . . , . Decimos que es la i-sima
coordenada de , y el i-simo componente de . Para generalizar el concepto a una familia
arbitraria de conjuntos (posiblemente infinita y no contable), usamos el concepto de
funcin. Por lo tanto, el producto Cartesiano se define como el conjunto de todas las
funciones : tales que () para cada .
5. Estructuras Algebraicas
En la mayora de las aplicaciones, trabajamos con espacios numricos, es decir, conjuntos
cuyos elementos son nmeros, secuencias de nmeros o funciones numricas. Parece natural
imponer una estructura algebraica en tales conjuntos definiendo operaciones.
En trminos generales, podemos definir una estructura algebraica = {( ), } como una

coleccin formada por uno o ms conjuntos de elementos (generalmente numricos),
junto con un segundo conjunto de operaciones definido en los conjuntos . Una operacin
es simplemente una funcin definida en el producto Cartesiano de dos o ms conjuntos y
tomando valores en otro conjunto que puede o no ser uno de los conjuntos anteriores. Dado
un conjunto , una operacin n-sima en es una funcin . Por ejemplo, una
24
Estructuras
Revisin Algebraicas
de Conceptos Bsicos
operacin binaria en es una funcin : que asigna a cada par de elementos

(, ) de un elemento nico de X. A menudo escribimos = . Si es una
operacin binaria en , decimos que est cerrada con respecto a la operacin " ", o que
"" es una ley de composicin interna.
Ahora vamos a definir algunas estructuras algebraicas importantes. Las diferentes estructuras
se caracterizan por diferentes propiedades de las operaciones.
(a) Grupos y Campos
Sea X un conjunto, y "" una operacin binaria definida en l. Decimos que "" es una
operacin asociativa si
, , , ( ) = ( )
Si esta propiedad se mantiene, podemos escribir expresiones como sin

ambigedad. Decimos que " " es conmutativo (o satisface la ley conmutativa) si el orden de
composicin no altera el resultado, es decir, si
, , =
La operacin " " definida en X tiene un elemento de identidad si existe un elemento de X tal
que
, = =
Observe que la definicin implica que el elemento de identidad, cuando existe, es nico. Para
ver esto, suponga que y son ambos elementos de identidad. Entonces, = y
= , de donde = = .
Un elemento es el elemento simtrico o inverso de x con respecto a " " si la composicin

de los dos es el elemento de identidad, es decir, si
= =
Si la operacin es asociativa, la inversa de , cuando existe, es nica, porque si y son

ambas inversas de , tenemos
= = ( ) = ( ) = =
Sea y son dos operaciones binarias definidas en el conjunto . Diremos que es

una ley distributiva con respecto a si
, , () = ( )( ) y () = ( )( )
Si es conmutativa, estas dos propiedades (distributiva a la izquierda y en la derecha) son

equivalentes.
25
Definicin 5.1. Grupo y grupo conmutativo. Sea G un conjunto, y " " una operacin definida
en l. Decimos que = {,} es un grupo si est cerrado bajo " " y esta operacin es
una ley asociativa, dotada de una identidad y con la propiedad de que cada tiene un
elemento inverso con respecto a Si, adems, " " es conmutativo, decimos que {,}
es un grupo conmutativo.
Sea {,} un grupo, y considere la restriccin de " " a algn subconjunto de . Si se

cierra con respecto a " " y {,} satisface las otras condiciones en la definicin de grupo,
decimos que {,} es un subgrupo de {,}. Claramente, {,} hereda las propiedades
"manipulativas" de {,} (es decir, las propiedades asociativas Y leyes conmutativas); Por lo
tanto, para mostrar que {,} es un subgrupo, es suficiente verificar que contiene la
identidad , y que para cada en , su inversa es tambin en .
Definicin 5.2. Campo. Un campo = {, +,} es una estructura algebraica formada por un
conjunto junto con dos operaciones binarias (+,) definidas en l, llamadas adicin y
multiplicacin, respectivamente, que tienen las siguientes propiedades:
I. El conjunto junto con la operacin de suma es un grupo conmutativo. La

identidad aditiva se denomina 0, y el elemento simtrico de cada se
denota por (). Es decir, para cada , , , las propiedades siguientes se
mantienen:
1. Propiedad asociativa:( + ) + = + ( + )
2. Propiedad conmutativa: + = +
3. Existencia de identidad aditiva: ! 0 . + 0 = 0 + =
4. Existencia de elementos inversos: , ! () . + () =
() + = 0
II. La multiplicacin es una operacin asociativa y conmutativa, dotada de una

identidad llamada 1 ( 0), y cada elemento de diferente de cero tiene una
multiplicacin inversa, escrito 1 o 1. Es decir, , , , tenemos lo
siguiente:
1. Propiedad asociativa: ( ) = ( )
2. Propiedad conmutativa: =
3. Existencia para identidad de multiplicacin: ! 1 . 1 = 1 =

4. Existencia para elementos inversos: ( 0) , ! 1 s. th 1 =
1 = 1
III. La multiplicacin es distributiva con respecto a la adicin:
, , , ( + ) = ( ) + ( ) = +
Sea = {, +, } un campo y un subconjunto de . Decimos que { , +, } es un

subcampo de si {, +, } es un campo a su derecha, es decir, si se cierra bajo ambas
operaciones y las propiedades requeridas en la retencin de definicin. Como antes, si
26
Revisin de Conceptos
Estructuras Bsicos
Algebraicas
es un subconjunto de , heredar las propiedades manipuladoras de (es decir, las

propiedades asociativa, conmutativa y distributiva se mantendrn en , porque se
mantienen en todo ). Para verificar que un subconjunto de da lugar a un subcampo
de , por lo tanto, es suficiente para verificar la existencia de elementos inversos y de
identidad (con respecto a la adicin y multiplicacin) y que S est cerrado bajo ambas
operaciones
Los ejemplos ms comunes de campos son los nmeros reales y complejos, con las
definiciones estndar de adicin y multiplicacin. De hecho, la definicin de "campo" se
basa directamente en las propiedades algebraicas del conjunto de nmeros reales dotados
de las operaciones estndar.
Todas las propiedades bsicas de las operaciones de nmeros reales pueden derivarse de
los axiomas de campo. Por ejemplo:
(i) , 0 = 0 = 0; por la ley distributiva, tenemos
+ = 0 + 0 = (0 + 0) = 0 =
Por lo tanto, + = ; aadiendo el aditivo inverso de a ambos lados de esta

expresin,
tenemos
+ = + + 0 = 0 + =
(ii) , (1) = : = (1) ; entonces, utilizando la
existencia de un elemento cero y la ley distributiva junto con el resultado anterior,
+ = 1 + (1) = (1 + 1) = 0 = 0
De donde concluimos que es el aditivo inverso de .
Problema 5.3. Sea "" una ley de composicin interna sobre que satisfaga la propiedad
asociativa y est dotada de un elemento de identidad. Probar que si y tienen elementos
simtricos y , entonces el elemento simtrico de es .
Problema 5.4. Sea un conjunto arbitrario, y {,} un grupo. Demuestre que el conjunto de
funciones de en , dotado de la operacin definida por la composicin de las imgenes,
es decir,
, ( )() = () ()
es un grupo.
Problema 5.5. Demuestre que la interseccin de subgrupos de es un subgrupo de .
27
b) Vectores espaciales
Definicin 5.6: Vectores espaciales. Un vector o espacio lineal , definido sobre un campo
es un conjunto de elementos llamados vectores, juntos con una operacin binaria
llamada adicin vectorial, y una operacin llamada multiplicacin
por un escalar (un elemento del campo ). Estas operaciones tienen las siguientes
propiedades:
I. Vector adicin es una ley de composicin interna en (V se cierra bajo l), y [ , + ] es

un grupo commutativo, esto es, para todo , , , tenemos lo siguiente:
1. Propiedad asociativa: + ( + ) = ( + ) +
2. Propiedad commutativa: + = +
3. Existencia de la identidad aditiva: ! 0 + 0 = 0 + =
4. Existencia de elementos inversos: , ! ( ) + ( ) =
( ) + = 0
II. Para todo , y para todo , , tenemos lo siguiente:
5. Doble propiedad distributiva: ( + ) = + y ( + ) =

+
6. Ley para asociar escalares: ( ) = ( )
7. Neutralidad de la identidad escalar multiplicativa, 1: 1 =
Trabajaremos normalmente con el vector espacio definido sobre el campo de los nmeros
reales. Generalmente usaremos letras griegas para denotar escalares, y letras latinas para
indicar vectores. Ntese que usamos el mismo smbolo para el vector adicin y para el vector
escalar; aunque son diferentes operaciones, esto no debera ser un problema. Notamos
tambin que el punto () es a menudo omitido cuando multiplicamos un vector por un
escalar.
La mayora de los vectores espaciales que encontrars en las aplicaciones son casos espaciales
del siguiente espacio:
Teorema 5.7: Sea un conjunto no vaco y un campo. El conjunto de todas las funciones
: , con adicin y multiplicacin por un escalar estn definidos por
( + )( ) = ( ) + ( ) y ( )( ) = ( )
es un vector sobre el campo .
Es obvio que la mayora de los axiomas del espacio-vectorial mantienen dadas las
propiedades del campo . El elemento cero es la funcin z tal que ( ) = 0 para cada
28
Sistema
El de Nmeros
Sistema Reales
de Nmeros Reales
; adems, dada una funcin arbitraria , su aditivo inverso ( - ) est dado por ( -
)(x) = -(x).
Si en el teorema 5.7 tomamos para ser el conjunto de los primeros n enteros positivos y
F = , obtendremos el vector espacial ( ), que es simplemente el conjunto de los
vectores en con el vector adicin y escalar definidos componente por componente:
= + = + y = = ( = 1, 2, . , )
Si es el conjunto de nmeros naturales, y es , obtenemos el espacio de secuencias reales
infinitas, con vector adicin y multiplicacin escalar definida trmino por trmino. Con =
{(, ); = 1, , , = 1, , } nosotros tenemos el espacio vectorial de matrices
definidas sobre un campo , con las definiciones usuales de adicin matricial y
multiplicacin por un escalar, y as sucesivamente.
En lo que sigue, con frecuencia omitiremos la distincin entre el espacio vectorial y con
conjunto subyacente (como ya hemos definido en el caso de campos). Dado que es un
espacio vectorial sobre un campo . Si un subconjunto de es un espacio vectorial bajo
las mismas operaciones definidas en , diremos que es un subespacio vectorial de . Por
tanto, hereda las propiedades manipuladoras que se mantienen en el conjunto de ; por lo
tanto, para establecer que es de hecho un subespacio vectorial, basta con verificar que est
cerrado bajo la adicin y multiplicacin por un escalar, que el vector 0 es un elemento de ,
y que para cada en , ( ) es tambin un elemento de . En efecto, es an ms fcil
como se muestra en el siguiente resultado, cuya demostracin se deja como un ejercicio.
Teorema 5.8: Sea un espacio vectorial sobre el conjunto , y sea, un subconjunto no

vaco de . Entonces, es un subespacio vectorial de , si y solo si:
, y , , tenemos + .
Problema 5.9: Probar el teorema 5.8
6. El sistema de nmeros reales
Muchos de los espacios sern trabajados con los conjunto construidos de alguna manera a
partir del conjunto de los nmeros reales. Por lo tanto, es importante para revisar las
propiedades bsicas de este conjunto. Es posible construir empezando por los nmeros
naturales como conceptos indefinidos, definiendo despus las operaciones de adicin,
multiplicacin, sustraccin y divisin, e introduciendo nuevos nmeros cuando sea necesario
asegurar que esas operaciones no tienen resultados fuera del conjunto de los nmeros
existentes. De esta manera llegaremos al conjunto de nmeros racionales. Entonces se
observ que aunque cada nmero racional puede ser representado como un punto en una
lnea recta, la afirmacin contraria no es verdadera, sugiriendo que el conjunto tiene, para
ponerlo informalmente, algunos agujeros en l. El problema tambin se manifiesta a travs
de la imposibilidad de buscar o encontrar soluciones reales a algunas ecuaciones simples (por
29
ejemplo, 2 = 2) para cubrir estos agujeros definimos los nmeros irracionales y

entonces, finalemente el conjunto de nmeros reales como la unin de los racionales e
irracionales.
S es posible, aunque tal vez menos instructivo, definir directamente como un conjunto
que satisface una serie de propiedades o axiomas. Ese es el camino que tomaremos aqu,
porque usaremos ms tarde las propiedades de en lugar del mtodo de su construccin. El
conjunto aparece, entonces, como un conjunto en el que hemos definido varias estructuras:
una estructura algebraica que nos permite realizar las operaciones usuales de adicin y
multiplicacin, y una estructura de orden compatible con las dichas operaciones, que nos
permiten decir que algunos nmeros son ms grandes que otros. Estos 2 conjuntos de
propiedades (que tambin se sostienen para los racionales estn complementados por el
llamado de axioma de completitud, que completan la lista de propiedades definidas de . De
forma intuitiva, este tercer axioma es el que nos permite establecer la existencia de una
funcin biyectiva de al punto de la recta.
Problema 6.1: Muestre que all hay un nmero no racional = / (donde son enteros
con no divisores en comn) tal que 2 = 2 (por contradiccin: asumimos 2 / 2 = 2, y
muestra que esto implica que ambos son pares, lo que contradice nuestras
suposiciones. En algn punto, tendremos que usar el hecho que el cuadrado de un entero es
tambin impar. Prubenlo).
(a) Un conjunto de axiomas del sistema de nmeros reales
El conjunto puede ser definido como un conjunto ordenado completo, es decir, esto es,
un conjunto que satisface las 3 propiedades o axiomas listados a continuacin. La existencia
de un conjunto como tal puede establecerse comenzando del conjunto de nmeros naturales,
en varias maneras. (e.g. Rudin, 1964, pp. 17ff.; Bartle, 1976, pp. 49-50)
Axioma 6.2: Axiomas de campos. El conjunto dotado de las operaciones adicin y multiplicacin, es un
campo. Es decir, ambas adicin y multiplicacin son leyes de composicin interna (i.e., se cierra bajo esas
operaciones) que satisfacen las propiedades conmutativas y asociativas y estn dotadas de identidad y elementos
inversos (excepto por el elemento cero, la identidad aditiva, que no tiene inversa multiplicativa). Adems la
siguiente propiedad distributiva es vlida: para todo , , , ( + ) = + .
30
Sistema de Nmeros
El Sistema Reales
de Nmeros Reales

L H
Figura 1.8. El axioma de completitud
Axioma 6.3: Axioma de orden. Existe un ordenamiento completo3 < definido sobre
que es compatible con la adicin y multiplicacin de la siguiente manera:
, , , + + y ( 0 )
Es decir, la desigualdad entre 2 nmeros se conserva si ( ) agregamos un nmero real

arbitrario a ambos lados o ( ) multiplicamos a ambos lados por un nmero no negativo.
El elemento cero ( 0 ) es la identidad aditiva.
Axioma 6.4: Axioma de completitud. Dado y , conjuntos no vacos de nmeros reales, con
la propiedad que:
y ,
Entonces existe un nmero real tal que:
y ,
Problema 6.5. Para , y , nmeros reales arbitrarios. Usando los axiomas de orden,
determine si las siguientes proposiciones son verdaderas:
( i ) ( y ) + +
( ii )
(b) La Propiedad del Supremo

En esta seccin exploraremos algunas implicaciones del axioma de completitud. Para esto,
necesitamos definir algunos conceptos que hagan uso de los axiomas de orden.
Definicin 6.6. Un conjunto delimitado y el lmite de un conjunto. Sea un conjunto de

nmeros reales. Si existe un nmero real (no necesariamente en ) tal que para
todo en , decimos que es un lmite superior de y que el conjunto est limitado por
encima. Un lmite inferior est definido de manera anloga, excepto que ahora requerimos
que > l para todo .
Observe que si es un lmite superior del conjunto , entonces cualquier nmero mayor
que es tambin un lmite superior de . Por lo tanto, si el conjunto est limitado por
encima, tendremos un nmero infinitos de lmites superiores. El ms pequeo de todos los
lmites superiores de es llamado el supremo () de un conjunto, escrito .
31
Definicin 6.7. Supremo e infinito, Sea un conjunto de nmero reales que est limitado
arriba. El nmero s es el supremo de ( = ) si es su lmite superior ms pequeo,
esto es s:
(i) es un lmite superior para : , , y

(ii) ningn nmero menor que es un lmite superior de :
< , . . >
En el caso de un conjunto que est delimitado por debajo, el mayor lmite inferior o nfimo
() del conjunto est definido de manera anloga.
Ntese que si es el supremo de , entonces cualquier nmero mayor que no es el mnimo

lmite superior de , y cualquier nmero menor que no es un lmite superior. Por lo tanto,
debe contener nmeros que estn arbitrariamente cerca de . Tambin est claro que si
, , y B est limitado por encima, entonces A est tambin limitada por encima,
y sup B > sup A.
Las definiciones del lmite superior y supremo de un conjunto X no requieren que estos
nmeros pertenezcan a X. Si X tiene un supremo s y s es un elemento de X, llamaremos a s
el mximo de X y escribimos s = max X. Por ejemplo, el intervalo (0,1] tiene un mximo igual
a 1, mientras (0,1) no tiene un mximo, aunque s tiene un supremo (como el caso 1)
Podemos mostrar que el axioma de completitud es equivalente a la afirmacin que todo
conjunto de nmeros reales no vaco que est limitado arriba tiene un supremo.
Teorema 6.8: La propiedad suprema. Todo conjunto no vaco de nmeros reales que est limitado arriba
tiene un supremo. Este supremo es un nmero real.
Observando que = es equivalente para = ( ), donde si y

solo si . Vemos tambin que cada conjunto no vaco de nmeros reales que est
limitado abajo tiene un infinito.
Demostracion: Sea sea un conjunto no vaco de nmeros reales con un lmite superior, y
define U como el conjunto de lmites superiores de . Por suposicin, U no est vaco, y por
definicin, para cada y cada . Por el axioma de completitud, existe un
nmero real tal que:
x<<uxX y uU
Porque < para todo en , es un lmite superior de X; adems, porque < u para
todo u en el conjunto U de lmites superiores de X, es el supremo de X.
Por tanto, el axioma de completitud garantiza la existencia de un supremo para ciertos
conjuntos de nmeros reales. El seguimiento de los resultados muestra que la propiedad
suprema implica el axioma de completitud, estableciendo as la equivalencia para las 2
propiedades.
32
ElSistema
SistemadedeNmeros
NmerosReales
Reales
Teorema 6.9. La propiedad suprema implica el axioma de completitud.
Demostracin: Sea L y H conjuntos no vacos de nmeros reales, con la propiedad que

para todo en L y todo h en H. Entonces cada h es un lmite superior de L, y se sigue que L
tiene un supremo, con sup L < h para todo h < H. Despus, porque sup L es el lmite inferior
de H, H tiene un mnimo que no puede ser ms pequeo que L. Por lo tanto L tiene un
supremo, H un mnimo y
<
Poniendo = o , o ambos cuando coinciden, tendremos el axioma de
complitud.
Los siguientes resultados revelaron 2 importantes implicaciones de los axiomas de
completitud. Teorema 6.12, en particular, establece la existencia de soluciones reales para la
ecuacin x2 = 2.
Teorema 6.10. La propiedad de Arqumedes. En el conjunto de los nmeros naturales no tiene lmite
inferior (i.e. para cualquier , existe un nmero natural tal que n>x).
Problema 6.11. Pruebe el teorema 6.10 Use el mtodo de contradiccin: si el resultado es falso,
entonces existe un nmero real que es un lmite superior de . Use el teorema 6.9 y la
definicin del supremo para obtener una contradiccin.
Teorema 6.12. La existencia de 2. Existe un nmero real x > 0 tal que x2 = 2.
Demostracin: Sea = { ; 0 < 2 < 2}. El conjunto Y es no vaco (porque 0 Y) y

est acotado superiormente (e.g., por 2, porque > 2 2 > 2). Por la
propiedad del supremo, Y tiene un supremo que ser llamado x. Probaremos que x2 = 2
mostrando que podemos excluir otras posibilidades: Si x2 < 2, entonces podemos buscar un
nmero mayor que x que est en Y, y si x2 > 2, podemos buscar un nmero positivo menor
que x que tiene un lmite superior para Y. Debido a que ambas afirmaciones contradicen el
hecho de que x es el menor lmite superior de Y, los resultados son los siguientes:
Primero: mostraremos que si x2 < 2, entonces x no puede ser el supremo de Y. Asumimos
que sup Y = x y x2 < 2. Entonces 2 - x2 > 0 y (por la propiedad de Arqumedes) podemos
seleccionar un entero positivo n > 1 tal que:
2+1 2+1
> < 2 2 (1)
2 2
Entonces, usando (1) tenemos:

1 2 2 1 2 + 1
(+ ) = 2 + 2 + 2 2 + < 2 + (2 2 ) = 2

33
1
Por lo tanto, 0 < (x + (n))2 < 2, indicando que x+1/n Y. Esto es hemos encontrado
un elemento de Y mayor que x = sup Y, cual es claramente imposible. Por lo tanto 2 no
puede ser estrictamente menor que 2.
Similarmente, asumimos que 2 > 2, y luego m es un entero positivo tal que:

1 2 1 2
> y > 2 2 (. . , > < 2 2) (2)

Entonces:
1 2 2 1 2
( + ) = 2 2 + 2 > 2 > 2 ( 2 2) = 2

1 1
Por tanto 0 < x (m) , (x (m))2 > 2 y por ende x-1/m > y para todo y en Y. Hemos
encontrado un nmero positivo menor que x que es lmite superior de Y. Dado que esto
contradice el hecho de que x es el supremo de Y, no puede ser verdad eso que 2 > 2. Esto
nos deja solo con la posibilidad que 2 = 2.
Una extensin de este argumento puede ser usado para establecer la existencia de n races de
nmeros reales positivos.
Problema 6.13. Sea A y B conjuntos no vacos de nmeros reales, ambos de lmite superior, y
C sea el conjunto.
C = { c = a + b; a A, b B }
Muestra que C tiene un supremo dado por:
sup C = sup A + sup B
Problema 6.14. El intervalo semiabierto (, ] es el conjunto de los nmeros reales x tal que
< < . Otros intervalos, tales como (, ) y [, ], estn definidos de manera
anloga. Muestre que un conjunto no vaco de de los nmeros reales est en un intervalo
si solo si cuando y estn en , y cualquier nmero real tal que x < < y tambin estn
en S.
Indicio: Sea S un conjunto deseado, y definido a = inf S (o a = - si S no est limitado

debajo) y = (o = si no est limitada arriba). Usando las definiciones del
supremo e infinito, mostramos que (, ) [, ].
(c) Valor absoluto
Una importante funcin definida en es el nico que asigna para cada nmero real un valor
absoluto. La funcin |.|: est definido por |x| = max {x,-x} o
34
Revisin
Sistema de Conceptos Bsicos
Nmeros Reales
x si x > 0
|x|=
-x si x < 0
Entre otras cosas, la funcin valor absoluto nos permite introducir la noticin de distancia
entre 2 nmeros, porque | | corresponde a la longitud del segmento real lineal que
une los puntos correspondientes a y . Como veremos en el captulo 2, una vez que
tenemos definida la medida de distancia en el conjunto, podemos introducir estructuras
topolgicas que nos permitir definir los conceptos de identidad, continuidad y convergencia.
Problema 6.15. Muestre que si 0, entonces || < si y solo si < < .

Ahora estableceremos una muy importante desigualdad.
Teorema 6.16. Desigualdad triangular para nmeros reales. Sea y 2 nmeros reales, entonces:
| + | || + ||
Demostracin: Por definicin de valor absoluto, tenemos
|| || || ||
Aadiendo las 2 desigualdades, lado por lado,
(|| + ||) + || + || | + | || + ||
Problema 6.17. Dados los nmeros reales , = 1,2, , muestre lo siguiente:
(i) | =1 = | < =1 | | (por induccin usando el tringulo de desigualdad)

(ii) | | < | | + | | (buscando una adecuada sustitucin en el tringulo de
desigualdad)
7. Nmeros complejos
Ya hemos visto que una de las razones que motiva la construccin de es el deseo de un
sistema numrico en el cual la ecuacin x2 = 2 tenga solucin. Una razn similar motiva la
construccin de un conjunto de nmeros imaginarios. Este conjunto es un campo que
contiene las races cuadradas de los nmeros negativos incluida la solucin de la ecuacin x2
= - 1. En esta seccin discutiremos brevemente un sistema de nmeros ms grande, el de
los nmeros complejos, el cual contiene ambos: el de nmeros reales y el de nmeros
imaginarios.
35
Dado que ms bien haremos un uso bastante limitado de los nmeros completos ms
adelante en este libro, hemos simplificado introduciendo algunas nociones bsicas, sin
demostraciones o mucho formalismo en la discusin.
Un nmero complejo es un nmero de la forma:
= +
Donde y son nmeros reales, y es la unidad imaginaria, = 1. El nmero es la

parte real de (Re ), y es la parte imaginaria (Im ). Un vector complejo = (1 , , ) es
simplemente un vector cuyos componentes son nmeros completos.
El conjugado de un nmero complejo = + es el nmero = , con el signo de la

parte imaginaria invertida. El conjugado de un vector complejo = (1 , , ) es
= (1 , , ),
el vector cuyos componentes son conjugados complejos de los
componentes del vector original.
El mdulo de un nmero complejo es la normal del vector que est representado en el plano
complejo, esto es
|| = = 2 + 2
Observe que un nmero complejo y su conjugado tienen el mismo mdulo y que el

productor de un nmero complejo y su conjugada es el cuadrado de su mdulo en comn.
( + )( ) = 2 2 2 = 2 2 (1) = 2 + 2 = 2
A menudo es conveniente para representar nmeros complejo en un punto con coordenadas
(, ) en un plano (el plano de los complejos) en el cual el eje vertical mide el componente
imaginario, y el horizontal el componente real. Sea el ngulo formado por el vector
representado por el nmero complejo c y el eje horizontal del plano complejo, est ilustrado
en la figura 1.9. Obsrvese que:
b
cos = = y sin = r

Por tanto, podemos escribir el nmero = + en la forma trigonomtrica:
= + = + = ( + )
36
Nmeros complejos
Eje imaginario
= +

Eje real
-b = +
Figura 1.9. Representacin grfica de un nmero complejo
Usando la representacin en serie de MacLaurin del seno, coseno y funciones exponenciales,

obtenemos la frmula de Euler:
= +
En el cual nos dice que escribir el nmero complejo se puede de manera equivalente:
= + = (cos + sin ) =
Observe que la normal de es 2 + 2 = 1; as se encuentra en la

circunferencia de la unidad en el plano complejo. Como el ngulo vara desde 0 hasta 2
radianes, el nmero rota alrededor del origen de una distancia constante igual a 1.
37
Bibliografa
Bibliografa
Apostol, T 1974. Mathematical Analysis, 2nd ed. Reading, MA: Addison-Wesley.

Apostol, T 1991. Calculus, vol 1, 2nd ed. Barcelona: Ed. Revert.
Bartle, R.1976. The Elements of Real Analysis, 2nd ed. New York: Wiley.
Blackorby,C. 1989. orderings y Preordering In: J.Eatwell, M. Milgate, y P. Newman(ed.),
The palgrave utility y probabity. New York: Norton.
Bryant, V.1990. Yet Another introduction to Analysis. Cambrige university Press.
Clark, C. 1982. Elementary Mathematical Analysis, 2nd ed. Belmont, CA: Wadsworth.
Germignani, M. 1972 Elementary topology, 2nd ed. New York Dover.
Haaser, N. B., And Sullivan, J.A. 1991 Real analysis. New York: Dover.
Kolmogorov, A. N. and fomin, S. V. 1970. Introductory Real analysis, New York: Dover.
Lange, S. 1989. Undergraduate Analysis, 2nd ed. Berlin: Springer-Verlag.
Michel,P. 1984. Cours De Mthmatiques pour Economiter. Paris: Economica.
Rudin, W. 1964. Principles of mathematical Analysis, 2nd Ed. New York: McGraw-Hill.
Yamane, T. 1977. Matemticas para economistas, 2nd ed. Barcelona: Ariel.
Notas
1. El smbolo ! " es utilizado para indicar que es el nico elemento con una
propiedad exacta. As, la expresin ! . . ()significa existe
precisamente un elemento de que cumple la propiedad .
2. Algunos autores utilizan el trmino ordenar para referirse a lo que llamamos pre
ordenamiento completo . Luego ese pre ordenamiento significar pre
ordenamiento parcial. En nuestra terminologa. En la teora de la aplicacin en la
economa, comnmente no es una posibilidad de confusin, porque , ordenar no es
usado en la teora de las preferencias del consumidor.
3. Una clasificacin completa en es reflexiva, transitiva y relacin binaria anti
simtrica con la propiedad que cualquier par de elementos de son comparables
bajo la relacin. Ver seccin 3(b).
38
2
Espacios mtricos y normados
El lector debe estar familiarizado con pequeos o reducidos espacios Euclidianos,

particularmente con la recta real y el plano Cartesiano. Dados dos puntos, y , en uno de
estos espacios, la distancia entre ellos, (, ), es la longitud del segmento de la lnea recta
que los une. Si y son nmeros reales, esta corresponde al valor absoluto de su diferencia,
que es (, ) = | |; si y son puntos en el plano con coordenadas (1 , 2 ) y
(1 , 2 ), respectivamente, la distancia entre ellos est dada por la norma Euclidiana del
vector diferencia:
(, ) = = (1 1 )2 + (2 2 )2
Equipados con una nocin de distancia, podemos definir dos conceptos de fundamental
importancia en el anlisis matemtico: continuidad de una funcin, y lmite de una sucesin.
Recuerde, por ejemplo, que una sucesin { } de nmeros reales converge a su lmite si
> 0, > | | <
Eso es, dado un nmero arbitrario pequeo > 0, existe algn entero positivo tal que
todos los trminos de la sucesin de orden mayor que estn contenidos dentro de un
intervalo abierto centrado en con radio . En un similar modo, la definicin de continuidad
tambin hace uso del concepto de distancia. Decimos que una funcin : es
continua en un punto si
> 0, > 0 | | < |() ()| <
Intuitivamente, una funcin continua asigna puntos que estn cerca unos de otros en
imgenes que tambin estn cerca, y una sucesin { } converge a si tomando lo
suficientemente grande podemos forzar a a ser arbitrariamente cercano a . Lo que es
esencial en ambas definiciones es la nocin de distancia ms que las frmulas especficas que
la definen.Esta observacin sugiere que, si podemos definir una apropiada medida de
distancia, podemos
39
Espacios Mtricos y Normados
generalizar convergencia, continuidad, y otros conceptos topolgicos para conjuntos ms

complicados sin perder completamente la intuicin geomtrica que obtenemos del estudio del
plano. Esto nos lleva al concepto de espacio mtrico, que es simplemente un conjunto en que
tenemos definida una til nocin de distancia (es decir, uno que conserva las propiedades de la
familiar distancia Euclidiana que realmente necesitamos para obtener resultados tiles). La
experiencia ha demostrado que esas propiedades bsicas son las siguientes:
(i) La distancia entre dos puntos es siempre no negativa y es cero si y solo si los dos puntos
son en realidad lo mismo.
(ii) La distancia de a es la misma que la distancia de a .
(iii) El recorrido ms corto entre dos puntos es la lnea recta. Una manera de decir esto es
como sigue: dados tres puntos , , y , es siempre verdad que:
(, ) (, ) + (, )
Como veremos en breve, estas propiedades son suficientes para caracterizar una funcin de
distancia que nos permitir definir todos los importantes conceptos topolgicos en una clase
muy general de espacios.
1. Espacios mtricos y normados

Definicin1.1. Funcin mtrica o de distancia. Una funcin mtrica o de distancia definida en un
conjunto es un valor real, no negativo: + tal que para todo , , y en tenemos
(i) (, ) 0, con igualdad si y solo si = ,
(ii) (, ) = (, )
(iii) (, ) (, ) + (, ) (desigualdad triangular).
Definicin 1.2. Espacio mtrico. Un espacio mtrico es un par (, ), donde es un conjunto, y
una mtrica definida en este.
Dado un espacio mtrico (, ) y un subconjunto de , es claro que la restriccin de a ,
denotada por | , es una mtrica definida en . Por lo tanto el par (, | ) es tambin un
espacio mtrico, o un subespacio mtrico de (, ).
A menudo trabajamos con conjuntos dotados de estructura algebraica y una funcin de distancia.
Tales espacios son particularmente tiles porque nos permiten realizar operaciones algebraicas
sobre sus elementos, adems para definir conceptos topolgicos como convergencia o conjuntos
abiertos. Ahora introducimos una importante familia de tales conjuntos, los as llamados espacios
vectoriales normados.
Empezamos por definir una norma en el conjunto de puntos subyacente a un espacio vectorial
. Una norma es una funcin que asigna a cada vector en un nmero real no negativo
40
que interpretamos como su magnitud. Es, por lo tanto, una generalizacin del valor absoluto de
un nmero real o de la longitud de un vector en el plano.
Definicin 1.3. Norma. Sea un espacio vectorial, y el conjunto subyacente de puntos. Una
funcin de valor real : es llamada una norma si satisfice las siguientes propiedades
para todo y en y cualquier escalar .
(i) no negatividad: 0
(ii) solo el vector cero tiene norma cero: = 0 = 0
(iii) desigualdad triangular: + +
(iv) = ||
Definicin 1.4. Espacio vectorial normado. Un espacio vectorial normado es un espacio vectorial
equipado con una norma.
Un espacio normado naturalmente se convierte en un espacio mtrico si definimos la distancia
entre dos vectores como la norma de su diferencia, es decir,
(, ) =
Observe que la funcin (,) automticamente satisface la definicin de mtrica. Decimos que
( ) es la mtrica generada por la norma . Cuando hablamos de propiedades topolgicas en
un espacio vectorial normado, siempre ser en trminos de su mtrica.
La informacin que un determinado conjunto dotado con una funcin de distancia es un espacio
mtrico puede ser muy til, porque nos permite usar una gran cantidad de resultados que se
sostienen en espacios mtricos. Usualmente, verificar que tal par es un espacio mtrico es
bastante fcil, excepto posiblemente por la desigualdad triangular. Ahora consideraremos
algunos ejemplos de espacios mtricos tiles.
Ejemplo 1.5. Espacio Euclidiano n-dimensional. Es fcil ir desde el plano o desde el espacio
tridimensional a un espacio Euclidiano de dimensin arbitraria (pero finita). Denotaremos este
espacio por = ( , ). Es decir, es ahora el conjunto de vectores-dimensional.
= { = (1 , 2 , , ); = 1, , }
Y la mtrica es la distancia Euclidiana entre dos vectores, definida como la norma Euclidiana de
su diferencia, = + ():

(, ) = = ( )2
=1
Con el fin de mostrar que ( , ) es en efecto un espacio mtrico, es suficiente con verificar
que es una norma. Es obvio que satisfice las dos primeras propiedades definitorias
41
de una norma; verificando que la desigualdad triangular se mantiene toma un poco ms de

trabajo. Comenzamos por probar un resultado relacionado.
Teorema 1.6. Desigualdad de Cauchy-Schwarz. Sean y , = 1, , , nmeros reales, luego
2
( ) ( 2 ) ( 2 )
=1 =1 =1
Prueba. Para cualquier nmero real , tenemos

0 ( )2 = 2
2 + 2
2
=1 =1 = =1
Ahora, poniendo = = / =1 2 , decimos que

= (= )2
2 2 + 2 0
=1 =1 2 = (=1 2 )
2
=1
(= )2 2
2 0 ( ) ( 2 ) ( 2 )
=1 =1 2 = =1 =1
Tomando la raz cuadrada en cada lado de la desigualdad de Cauchy-Schwarz, obtenemos

2 2
=1 =1 =1
Usando este resultado, es fcil verificar que la desigualdad triangular se mantiene en . Dados
tres vectores , , , tenemos

[ (, )]2 = ( )2 = [( ) + ( )]2
=1 =1

= ( )2 + ( )2 + 2 ( )( )
=1 =1 =1
2 2
( ) + ( )
=1 =1

+2 ( )2 ( )2
=1 =1
= [ (, )]2 + [ (, )]2 + 2 (, ) (, )
= [ (, ) + (, )]2
Lo que implica el resultado deseado,
(, ) (, ) + (, )
42
Problema 1.7. La desigualdad de Cauchy-Schwarz-Bunyakovsky. Sean y funciones continuas

[, ] . Adaptar la prueba anterior para establecer el siguiente anlogo del teorema 1.6 para
integrales:
2
( ()()) ( [()]2 ) ( [()]2 )

Un conjunto dado (espacio vectorial) puede tener varias mtricas diferentes (normas) definidas
en l. Por ejemplo, una alternativa para la norma Euclidiana en es la norma sup, definida para
cualquier como el valor de su componente ms grande:
= {| |; = 1,2, , }
Dos normas1 y 2 definidas en el mismo espacio vectorial se dice que son Lipschitz-
equivalentes si existen nmeros reales positivos y tales que para cualquier vector , tenemos
1 2 1
Las mtricas Lipschitz-equivalentes se definen de manera anloga. Intuitivamente, dos mtricas
son Lipschitz-equivalentes si siempre estn de acuerdo en s o no dos puntos dados estn cerca
unos de otros. Como veremos ms adelante, esto implica que mtricas equivalentes conservan
propiedades tan importantes como la apertura y la convergencia.
Problema 1.8 .Mostrar que la norma sup, : , como se defini anteriormente, es una
norma.
Problema 1.9. Mostrar que la norma sup y la norma Euclidiana son normas Lipschitz-
equivalentes probando para cualquier-vector , .
Ejemplo 1.10. Espacios de producto. Sean (, 1 ) y (, 2 ) espacios mtricos. Definimos el
espacio de producto de estos dos espacios como el par ( , ) donde la mtrica del producto
: + , est definida por
[(, ), (, )] = [1 (, )]2 [2 (, )]2 (1)

(o, alternativamente, por = 1 + 2 o = {1 , 2 }). Esta definicin se puede
extender de manera obvia al caso de cualquier nmero finito de espacios mtricos. El siguiente
problema pregunta al lector que verifique que ( , ) es en s mismo un espacio mtrico
43
()
()
a b
Figura 2.1 x
Problema 1.11. Muestre que es una mtrica.

Ejemplo 1.12. Algunos espacios de funciones. A menudo es conveniente definir una mtrica en
un conjunto de funciones. Por ejemplo, considerar el conjunto de funciones continuas
[, ] . Dos mtricas tiles en este conjunto son la mtrica sup, definida para cualquier y
en por
(, ) = sup |() ()|
[,]
Y la mtrica 2 , dada por
1/2
2
2 (, ) = ( [() ()] )

Ntese que estas dos mtricas captan ideas bastante diferentes sobre lo que significa que dos
funciones estn cerradas. De acuerdo a la mtrica sup, (, ) ser pequea si y estn
cerca de todos los valores de , mientras que en la mtrica 2 basta que estn cerca en promedio
de su dominio. Estas dos mtricas no son equivalentes, para funciones que estn arbitrariamente
cerca en promedio pueden estar muy alejadas unas de otras a lo largo de un pequeo intervalo,
como se ilustra en la Figura 2.1.
En algunas aplicaciones nos interesa cmo funciones similares son en trminos tanto de sus
valores como de sus derivadas. Si dejamos que sea el conjunto de
44
funciones [, ] que son 1 veces continuamente diferenciables (vase Captulo 4),

una mtrica apropiada puede definirse como sigue. Dado , la mtrica en se define, para
, por
(, ) = sup {|() ()| , |() ()|, , | () () () ()|}
[,]
Donde () es la -sima derivada de .
Concluimos esta seccin con algunas definiciones adicionales. Dado un espacio mtrico (, ),
la bola abierta con centro en y radio es el conjunto
() = { ; (, ) < }
La bola cerrada []est definida de la misma manera, pero con dbil desigualdad. A menudo
escribiremos la -bola con centro en . A menos que sea indicado de otro modo, se entender
que la bola es abierta.
Un conjunto en un espacio mtrico est acotadosi podemos encontrar una bola cerrada de radio
finito que lo contiene. Formalmente, dado un espacio mtrico (, ) decimos que un
subconjunto de est acotado si existe algn punto en , y algn nmero real , tal que
(, ) para todo .1 Equivalentemente, est limitado si tiene un dimetro finito,
donde
= sup{(, ); , }
Una funcin de algn conjunto en (, ) est limitado () est limitada.
Dada una mtrica, podemos definir, adems de la distancia entre dos puntos, la distancia entre
un punto y un conjunto o entre dos conjuntos. Dado un espacio mtrico (, ), sea un
subconjunto de , y algn punto en . La distancia de a se define como
(, ) = (, )

Si y son dos subconjuntos de , la distancia entre ellos est dada por

(, ) = (, ) = { (, ) ; , }

Problema 1.13. Probar que la unin de cualquier coleccin finita de conjuntos limitados est
limitada. (probar para dos conjuntos; el resultado sigue por induccin. Dibujar una imagen.)
Problema 1.14. Usando la desigualdad triangular, mostrar que para cualquier , y en un espacio
vectorial normado, las siguientes son verdaderas:
() y () +
45
Problema 1.15. Demuestre que el conjunto de secuencias reales acotadas es un espacio mtrico,
con la norma definida por (, ) = | |.
Problema 1.16. Sea (2 , 2 ) un espacio mtrico, 1 un conjunto, y : 1 2 una funcin uno
a uno. Definir una funcin 1 ( ) por
1 (, ) = 2 [(), ()], 1
Demuestre que(1 , 1 ) es un espacio mtrico.
Problema 1.17. Dar un ejemplo de dos conjuntos y en un espacio mtrico tal que = ,
pero (, ) = 0
Problema 1.18. Probar que el conjunto [, ]de funciones reales continuas definidas en el
intervalo [, ] es un espacio mtrico cuando la distancia entre dos funciones y est definida
por
(, ) = |() ()|
[,]
Problema 1,19. Demostrar que la siguiente desigualdad es vlida para cualquier :

| |
=1
Sugerencia: probar directamente para = 2, y luego proceder por induccin.
2. Convergencia de Sucesiones en Espacios Mtricos
Hemos visto que una sucesin enes una funcin : cuyo conjunto es el conjunto de
nmeros naturales y cuyo rango es un subconjunto de . Si (, ) es un espacio mtrico,
podemos definir convergencia exactamente como para sucesiones de nmeros reales.
Definicin 2.1. Convergencia en espacios mtricos. Sea (, ) un espacio mtrico, y { } una
sucesin en . Decimos que { } converge a , o que la sucesin tiene lmite , si
> 0, () > () ( , ) < [, ()]
Si { } tiene lmite , escribimos { } lim = . Una sucesin que no converge se

dice que diverge.
Es decir, una sucesin es convergente si sus trminos se acercan cada a vez ms a algn punto
, en la medida que, dado un arbitrario nmero pequeo > 0, podemos
46
Convergencia de Sucesiones en Espacios Mtricos
(x) (x )

x x
Figura 2.2.
encontrar siempre algn entero positivo () (que depender en general del elegido) tal que
todos los trminos de la sucesin de orden superior de () se encuentran dentro de la-
bolacentrada en . Equivalentemente, la sucesin { } de puntos de tiene lmite si y solo si
la sucesin de nmeros reales {( , )} converge a cero.
Problema 2.2. Usando la definicin formal de lmite, mostrar que

1 1 2 + 2 1
() lim = 0 () lim =0 () lim 2
=
3 + 4 3
Imagine que se da algn arbitrario pequeo. Debe producir un entero positivo tal que
Antes de que podamos hablar del lmite de una sucesin, debemos mostrar que est definido de
manera nica. Esto se hace en el siguiente resultado, que muestra que, si una sucesin tiene
lmite, entonces este es nico.
Teorema 2.3 Unicidad del lmite. Una sucesin { } en un espacio mtrico (, ) tiene a lo ms un lmite.
Prueba. Probaremos el resultado por contradiccin. Intuitivamente,{ } no puede acercarse a
dos lmites diferentes. Si lo hiciera, podramos encontrar trminos de la sucesin que estaran,
simultneamente, cerca de dos puntos lejanos.
Supongamos que { } tiene dos lmites diferentes, y . Entonces (, ) > 0, y podramos
construir dos bolas abiertas disjuntas, () y (), cada una centrada en un lmite diferente,
como se ilustra en la Figura 2.2.2 Si ambos y eran lmites de { } existiran enteros positivos
() y () tales que () para todo > () y () para todo > ().
Se deducira que () () = para todo > mx{(), ()}, pero eso sera
imposible (habramos encontrado un elemento de un conjunto vaco).
Problema2.4. Sea { } una sucesin convergente con lmite . Mostrar que toda subsucesin de
{ } converge a .
Teorema 2.5. Toda sucesin convergente en una mtrica est limitada.
47
Prueba. Asumir { } . Luego existe algntal que ( , ) < 1 para todo > . Definir
= max{1, (1 , ), , ( , )}
Que es finito y bien definido, porque estamos tomando el mximo de un conjunto finito de
nmeros reales. Por construccin, ( , ) para todo , por lo tanto, la bola limitada
() contiene la sucesin, y la distancia entre dos trminos de { } no puede exceder el
dimetro de la bola; que es, para cualquier y ,
( , ) ( , ) + (, ) = 2 <
Ahora introducimos un concepto estrechamente relacionado con el lmite. Es posible que una
sucesin pueda contener una o muchas subsucesiones convergentes, incluso si no converge.
Llamamos a los lmites de tales subsucesiones, puntos de agrupacin (de la sucesin original).
Definicin 2.6. Punto de agrupacin. Sea { } una sucesin en un espacio mtrico (, ), y un
punto en . Decimos que es un punto de agrupacin de { } si cualquier bola abierta con
centro en contiene infinitamente muchos trminos de la sucesin. Es decir,
> 0 , > ()
Notar cuidadosamente la diferencia entre las definiciones de lmite y punto de agrupacin: si es

el lmite de { }, cualquier -bola en torno a contendr todos los trminos de la sucesin
excepto el primer (). Para un punto de agrupacin , requerimos solo que cualquier bola en
torno a contenga un nmero infinito de puntos de la sucesin. Esta es una condicin ms dbil,
porque todava podemos tener un nmero infinito de trminos fuera de la bola. Por lo tanto, el
lmite de una sucesin es un punto de agrupacin. Por ejemplo, la sucesin definida por
= 0 para par y = 1 para
Tiene puntos de agrupacin, pero no converge.
Sea el lmite de alguna subsucesin { } de { }. Luego es un punto de agrupacin de { },
porque cualquier () contendr un nmero finito de { } y por lo tanto de { }. En un
espacio mtrico (pero no necesariamente en espacios topolgicos ms generales). La afirmacin
inversa es verdadera.
Teorema 2.4. Sea { } una sucesin en un espacio mtrico (, ). Si es un punto de agrupacin de { },

entonces existe alguna subsucesin { } of { } con lmite .
48
Sucesiones en y
La demostracin de este resultado es un ejemplo de una demostracin por construccin. Para

demostrar que algo existe, demostramos que podemos construir esto usando las suposiciones
dadas.
Prueba: Si es un punto de agrupacin de { }, tenemos, por definicin,
> 0 , () (1)
Para construir una subsucesin con lmite , consideremos una sucesin de bolas abiertas con
centro en y radio 1/ , {1/ ()}. Se deduce de (1) que para cada existe algn tal que
1/ (), y que, adems, es posible elegir > 1 para todo (de modo que { }es
de hecho una subsucesin). A medida que aumenta sin lmite, el radio de las bolas tiende a
cero, lo que implica que { }
3. Sucesiones en y
La mayor parte de los espacios de inters en nuestras aplicaciones se construyen a partir de los
nmeros reales. Por lo tanto, nos resultar til establecer algunas propiedades importantes de
sucesiones en .
Una sucesin de nmeros reales{ } es creciente si +1 para todo , y decreciente si
+1 . Una sucesin creciente o decreciente se dice que es montona. El resultado siguiente
dice que cada sucesin creciente de nmeros reales que est limitada por arriba converge a su
supremo. De la misma manera, puede demostrarse que cada sucesin real decreciente que es
limitada por debajo converge a su nfimo. Por lo tanto, cada sucesin acotada montona de
nmeros reales converge.
Teorema 3.1. Cada sucesin creciente de nmeros reales que est limitada por arriba converge a su supremo.
Si { } est aumentando y tiene lmite , a menudo escribimos { } .
Prueba. Sea { } una sucesin real creciente, y supongamos que est limitada por arriba. Por
propiedad suprema, { }tiene un supremo que llamaremos . Queremos demostrar que es el
lmite de la sucesin, es decir, que para algn > 0 podemos encontrar algn entero positivo
tal que () para todo .
Fijar algn > 0 arbitrario. Por la definicin de supremo para todo ; Adems,
no es un lmite superior de{ }, por lo que existe algn trmino de la sucesin tal que >
. Finalmente, debido a que{ }es creciente, tenemos > para todo .
Tenemos demostrado que para el dado , existe algn tal que
+1 . ..
49
Figura 2.3.
< < + | | <
Finalmente, debido a que es arbitrario, concluimos que { } .

Una sucesin real { } est limitada si est limitada por arriba y por debajo, es decir, si existen
nmeros reales y tal que.
Para todo
O, equivalentemente, si existe algn nmero tal que | | para todo . Hemos visto que
toda sucesin convergente en un espacio mtrico est limitada. En general, lo contrario no es
cierto: existen sucesiones divergentes limitadas. Sin embargo, para el caso de , se puede
demostrar que cada sucesin limitada contiene al menos una subsucesin convergente. Para
probar este importante resultado, necesitaremos el siguiente teorema:
Teorema 3.2. Toda sucesin de nmeros reales contiene una subsucesin creciente o una subsucesin decreciente y
posiblemente ambas.
Demostracin. Dada una sucesin arbitraria de nmeros reales { } , definir el conjunto.
= { ; > > }
Para poner una interpretacin intuitiva sobre , imagine un nmero infinito de personas sentadas
en una lnea muy larga de asientos en una sala de cine, con la pantalla en el extremo derecho de
la lnea, e interprete como la altura de la ensima persona en la lnea. Entonces es el conjunto
de personas que pueden ver la pelcula (es decir, el subconjunto de la audiencia que consiste en
individuos que son ms altos que todos los que estn delante de ellos). Observe que hay
solamente dos posibilidades: O un nmero infinito de gente puede ver la pelcula, o solamente
un nmero finito de ellas puede. Mostraremos que en el primer caso podemos construir una
subsucesin decreciente de { }, y en el segundo una creciente.
Observe que el conjunto { ; }, pensado como una sucesin (posiblemente finita), est
siempre decreciendo, por la definicin de , para si , debemos tener >
+1. . (Intuitivamente, las personas que pueden ver la pantalla deben ser arregladas En orden
de la altura decreciente), Por lo tanto, si es ilimitado (es decir, si siempre podemos encontrar
a otra persona ms abajo de la lnea que puede ver la pantalla), Hemos determinado, para
{ ; }es una subsucesin decreciente (infinita) de { }.
La otra posibilidad es que es finito (es decir, limitado por arriba). Por la propiedad suprema,
tiene entonces un supremo que llamamos (aproximadamente, es el ltimo
50
Sucesiones en y
X=altura
pantalla
1 2 3 4 5 6 7 8 9
Figura 2.4. Construccin de las sucesiones decrecientes
X=altura
..pantalla
. N N+1 N+2..
Figura 2.5. . Construccin de una subsucesin creciente

persona que puede ver la pantalla). Ahora vamos a construir una sucesin creciente comenzando
con la ( + 1)sima persona. Ponemos 1 = + 1. Ahora, puesto que la persona 1 no puede
ver 1 , debe existir una persona ms alejada de la lnea que sea ms alta (es decir, >
alguien 1 ). Llamar a la primera persona como 2 . Ahora,2 > no puede ver tampoco,
as que debe haber una persona an ms alta ms abajo, y as sucesivamente. De esta manera
podemos construir una subsucesin creciente { }, partiendo de la primera persona que no
puede ver y tomar en cada etapa al individuo que est bloqueando la visin de la anterior.

51
Ahora, sea { } una sucesin acotada de nmeros reales. El teorema anterior nos dice que { }
contiene al menos una subsucesin montona. Claramente, esta subsucesin debe estar
delimitada, por lo que podemos aplicar el teorema 3.1 (o su anlogo para disminuir sucesiones)
para obtener el siguiente resultado:
Teorema 3.3 Bolzano-Weierstrass. Cada sucesin real limitada contiene al menos una subsucesin convergente.
Problema 3.4. Queremos demostrar que cada sucesin real { }contenida en [, ]tiene una
subsucesin que converge a un punto en el intervalo. Debido a que {( )} est limitado, el
teorema de Bolzano-Weierstrass asegura que lo hace De hecho tienen una subsucesin
convergente. Asumir que el lmite de esta subsucesin est fuera [(, ) ](ejemplo > ).
Demuestre que esto conduce a una contradiccin (primero, dibuje una imagen).
Los dos resultados siguientes nos dicen que tomar los lmites de sucesiones convergentes
"preserva" dbiles desigualdades y operaciones algebraicas
Teorema 3.5. Sea{ }y { }sucesionesreales convergentes, con { } , y { } .Si para

todo , entonces .
Demostracin. Fijar algunos > . Debido a que { } , y { } , existen enteros

positivos (/2) y (/2) tales que.

| | < /2 (/2) Y | | < /2 para todo > ( ) (1)
2
Poniendo = { (/2), (/2)}, ambas desigualdades en (1) se mantienen

simultneamente. Por lo tanto, para > , tenemos
> /2 Y < + /2 (2)

Y podemos escribir
= ( ) + ( ) + ( ) < (3)
Porque 0 por suposicin. Finalmente, porque < para algn positivo , debe
ser cierto que 0.
De hecho, los supuestos del teorema pueden debilitarse: todo lo que necesitamos es que exista
algn N tal que para todo > . Observe tambin que el teorema no se cumple para
desigualdades estrictas. (Puede usted construir un ejemplo de dos sucesiones que tienen el
mismo lmite, aunque < para todo ?)
Teorema 3.6. Sea { } y { } una sucesin real convergente, con { } y { } . Entonces
52
Sucesiones en y
(){ + } +
(){ }
(){ / } / Siempre que 0 0 par todo
Prueba
(i) Utilizando la desigualdad triangular. Podemos escribir
|( + ) ( + )| = |( ) + ( )| | | + | | (1)
Ahora, fijar un > arbitrario. Debido a que { } y{ } , existen enteros positivos
(/2) y (/2)tales que
| | < /2 > (/2) Y | | < /2 > (/2) (2)

Escribe = { ( ) , ( )}. Entonces, para cada > , ambas desigualdades en (2) se
2 2
mantienen simultneamente, y tenemos, usando (1):

|( + ) ( + )| | | + | | < + =
2 2
(ii) Procediendo de una manera similar, tenemos
| | = | + | = |( ) + ( )|
| || | + ||| |(3)
Fijar algn > 0. Por supuesto, { }es convergente y por lo tanto limitado (teorema 3.3); Por
lo tanto, existe algn nmero positivo tal que
| | Para todo (4)
A continuacin, debido a que ambas sucesiones convergen, podemos encontrar un entero
tal que
| | < /2 > (5)
Y, siempre que || 0 , otro tal que

| | < > (6)
2||
Poner = { , } si || 0 , y = de lo contrario. Volviendo a (3), tenemos,
para cualquier > :

| | | || | + ||| | < + || =
2 2||
((Si || = 0, el segundo trmino despus de la desigualdad estricta es cero).
(iii) para establecer la ltima parte del teorema, basta con demostrar que {1/ } 1/,
proporcione 0 -u y no = 0 , y luego use (ii). Ahora escribimos
1 1 | |
| | = | | = | |||
(7)

53
Como antes, ahora usaremos la convergencia de { }para poner un lmite en esta expresin.
Por definicin de lmite, podemos encontrar 1 tal que
||
| | < > 1 (8)
2
Usando la desigualdad del triangular,

|| = |( ) + | | | + | | | | || | |
Usando esta expresin y (8), tenemos que, par todo > 1 ,

| | || | | (9)
A continuacin fijar algn > 0. Por la convergencia de { }, podemos encontrar algn 2 >
1 tal que para todo > 2 tenemos
||2
| | < (10)
2
Finalmente, sustituyendo (9) y (10) en (7),

1 1 | | ||2 /2
| |= < =
| ||| ||2 /2
Claramente, si reemplazamos una de las sucesiones por una constante, las demostraciones slo
se vuelven ms simples. Por lo tanto dado cualquier dos nmeros reales y , tenemos
{ } , { + } + , y{ + } +
Adems,
{ } = { + (1 )} + () =
Obsrvese tambin que las demostraciones hacen uso de slo algunas propiedades bsicas del
valor absoluto que son compartidas por cualquier otra norma. Por lo tanto, es fcil adaptar los
argumentos anteriores para mostrar que las partes relevantes del ltimo teorema se mantienen
para cualquier espacio vectorial normado.
Hemos visto que las sucesiones convergentes estn necesariamente limitadas. Por lo tanto, las
sucesiones sin lmites no tienen un lmite en el sentido propio, incluso si "tienden al infinito", un
concepto que ahora definimos con precisin.
Definicin 3.7. Una sucesin de nmeros reales { } tiende al infinito, escrita { } , si para
cualquier nmero existe algn entero () tal que > para todo > ().
54
Sucesiones en y
El resultado siguiente es a menudo til cuando usamos para determinar si realmente una
secuencia dada tiende al infinito. La prueba es dejada como un ejercicio.
Teorema 3.8. Sea { } una sucesin de nmeros reales positivos. Entonces { } si y solo si {1/ }0.
Problema 3.9. Pruebe el teorema 3.8.
En muchos usos trabajamos con sucesiones en espacios finitos-dimensional euclidianos. El

teorema siguiente dice que en tal espacio, las sucesiones convergen. Por secuencias de
coordenada significamos las verdaderas sucesiones cuyos trminos son los componentes de cada
vector en la sucesin original. Este resultado puede ser ampliado a finito-espacios vectoriales
dimensionales normados y a espacios de producto.
Teorema 3.10. Una sucesin { } en converge a un vector = (1 , 2 , . . , ) si y solo si

cada sucesin convergente { } converge a .
Prueba. Notar que { } si y solo si { } 0. De ah, podemos considerar el caso en

el cual el lmite es el cero vector sin cualquier prdida de generalidad.
()Primero, asumir { }0, y fije algn>0. Por la convergencia de{ } a 0, existe
algn N tal que ( , 0 ) < para todo > , es decir,
> ( , 0 ) = 2
=1( ) <

Ahora observe que para cualquier j=1........, m, tenemos| |=( )2 2
=1( ) . De ah es
tambin verdadero que para la N n>, tenemos| 0|< para todo el j=1......, m; es decir cada
una de las sucesiones de coordenadas convergen al nmero real cero.
() Ahora asumir que todas las sucesiones componentes convergen. Dado unos >0,
podemos encontrar nmeros enteros positivos tal esto.
Para cada = 1,2, , , > | | < (1)
Si ahora definimos la = , (1) sostiene para todas las sucesiones componentes, a
condicin de que > . Tenemos, entonces,
( , 0 )= 2 2
=1( ) < /= para todo >
De ah, { } 0 para todo implica { }0.
55
Problema 3.11. Convergencia en espacios de producto. Sea (, 1 ) (, 2 ) espacios mtricos,

y considerar el espacio de producto ( = , ), con el producto mtrico definido por
(, ) = [(, ), (, )] = [1 (, )]2 + [2 (, )]2 (1)
Muestre que la sucesin { } = {( , )}converge a = (, ) en ( , ) si y solo si

{ } converge a en(, ) y { }converge a en(, ).
Problema 3.12. Bolzano-Weierstrass en . Muestre que cada sucesin limitada en contiene

al menos una subsucesin convergente.
Para terminar esta seccin, consideramos las propiedades de convergencia de dos familias
comnmente encontradas de sucesiones reales.
Teorema 3.13. Sea un nmero real, y considerar la sucesin { }. Como , tenemos lo siguiente:
()|| < 1, { } 0.
() > 1, { } .
() 1, { }.
Problema 3.14. Para demostrar este problema, necesitamos el resultado siguiente, conocido como
la desigualdad Bernoulli: para cada de nmero entero positivo y cualquier 1, (1 + )
1 + . Demostrar que esto es verdadero por induccin. En la prueba dnde necesita usted
asumir que 1?
Problema 3.15. Ahora podemos demostrar el Teorema 3.13. Sugerencia: si|| < 1(
0),podemos escribir|| = 1/(1 + ) para algunos > 0; si > 1, entonces = 1 + para
algunos > 0. Usar la desigualdad Bernoulli.
Teorema 3.16. Sea un nmero real, y considerar la sucesin{ }. Tenemos lo siguiente:
() < 0, { } 0.
() > 0, { } .
Ahora mostraremos que cuando > 0 y > 1, la proporcin / tiende al infinito

como ; eso es, la funcin exponencial crece ms rpido que cualquier potencia de .
Primero, sin embargo, necesitamos el resultado siguiente.
Teorema 3.17. Sea { } una sucesin de nmeros reales no nulos. Si
56
Sucesiones en y
+1
| =<1

Prueba. Fijar algn 0, y escoger algn (, 1). Porque 0 <|+1 / |= |+1 |/

| |L<, existe algn tal que |+1 |<| | para todo n> . Por induccin, podemos
escribir.
|+ | <|+1|< 2 |+2| < < | | (1)
Para cualquier > 0. Ahora, porque 0 como , existe cierto K tal que
</| |para todo > . As, para > , tenemos

|+ | < | | < | | =
| |
y { } 0.
Teorema 3.18. Sea b > 0 y a >1; entonces { / } .
Prueba. Escribir = / . Mostraremos que { } 0. Por el teorema 3.8, esto implica
{1/ }= { / } .Ahora,
+1 (+1) 1 +1 +1 1
= = ( ) y por tanto lim =<1
+1
Por el teorema 3.17, concluimos que { } 0.
Problema 3.19. Dada una sucesin de nmeros reales { }, la sucesin { } definida por =

=0 , es llamada la sucesin de sumas parciales de la serie infinita=0 . Si { } converge

a algn lmite (finito) S, entonces escribimos =0 = .
Considerar la sucesin { ; = 0,1, }, donde0 < < 1, y definir como antes. Verificar
que (1 - a) = 1 +1 . Usar esto para mostrar que
=0 = 1/ (1- a).
Problema 3.20. Dada la funcin

2 +2
() = (1)
2
Definir una sucesin { } de nmeros racionales por
1 = 1 y +1 = ( )para todo >1 (2)
57
Tenemos, entonces,
2 = 1.5, 3 = 1.147 (3)
(i) Probar que si converge, entonces su lmite es = 2. (Complete la expresin

siguiente: = lim +1 = lim ( ) = ) hemos visto en el captulo 1 (problema

6.1) esto 2 no es un nmero racional. De ah{ } no converge en . Mostraremos, sin
embargo, que la sucesin dada tiene un lmite real.
(ii) Probar que para 2 ya que tenemos 2. (Demostrar que() 2usando
2 + 2 2. Por qu?
(iii) Calcular el valor de(+1 ) como una funcin de y1 Usar la expresin
resultante para probar que para 2, { }es decreciente (en la induccin).
Por el anlogo de Teorema 3.1 para sucesiones decrecientes limitadas por debajo, { } converge
a un nmero real. De ah, existe un nmero real tal que 2 = 2.
4. Conjuntos Abiertos y Cerrados
Definicin 4.1. Conjuntos abiertos y cerrados. Sea (, ) un espacio mtrico. Un conjunto en
es abierto si cada all existe una bola abierta centrada enque est contenida en, es
decir,
, > 0 ()
Un conjunto en es cerrado si su complemento ~ es abierto
Intuitivamente, un conjunto es abierto si, comenzando de cualquier punto en este, cualquier
pequeo movimiento todava nos abandona dentro del .4 Ahora estableceremos
algunas propiedades bsicas de conjuntos abiertos.
Teorema 4.2. Propiedades de conjuntos abiertos. Dejar (, )est un espacio mtrico. Entonces
(i) y son abiertos en ,
(ii) La unin de una familia arbitraria (posiblemente el infinita) de conjuntos abierto es abierta,
(iii) La interseccin de una coleccin finita de conjuntos abiertos es abierta.
Prueba
(i) Esto debera ser entendido como una convencin. y es tanto abierto como cerrado
.5
(ii) Es obvio: sea { , , 1} una familia de conjuntos abierto; entonces si
, pertenece a algn particular , y porque es abierto, existe algn > 0 tal que
() est contenida en y por lo tanto en .
(iii) Sea { , , = 1, . . , } una familia finita de conjuntos abiertos. Queremos
demostrar esto ==1 es abierto. Tome cualquier punto en ; por definicin,
pertenece a cada uno y todos s y porque esos conjuntos abiertos, podemos encontrar
bolas abiertas
58
Conjuntos abiertos y cerrados
() tal que para cada , () . Observe que la bola ms pequea est contenida
en todos los simultneamente, y por lo tanto en A. Esto es, si ponemos =
{ }, entonces

() () = 1, , () =
=1
Que muestra que A es abierto.

La condicin de que la familia de conjuntos sea finita es importante. Si tuviramos un nmero
infinito de conjuntos, { }podra ser cero (tenga en cuenta que el mnimo podra no existir).
En ese caso, puede que no haya una bola lo suficientemente pequea para hacer el trabajo. Por
ejemplo, si tomamos la interseccin de la familia infinita de intervalos abiertos
{(-1,1), (-1/2,1/2),, (-1/n, 1/n),}
Nos encontramos con el conjunto {0}, que no est abierto.
Usando las leyes de Morgan y el resultado anterior, es fcil demostrar que los conjuntos
cerrados tienen las siguientes propiedades:
Teorema 4.3. Propiedades de conjuntos cerrados.
(i) y X se cierran en X.
(ii) Se cierra la interseccin de una coleccin arbitraria de conjuntos cerrado.
(iii) La unin de la familia finita de conjuntos cerrados se cierra.
Problema 4.4. Probar teorema 4.3.
(a) Interior, Lmite y Cierre de un Conjunto
Definicin 4.5. Interior, exterior, lmite y cierre de un conjunto. Sea (X, d) un espacio mtrico, y
A un conjunto en X. Decimos lo siguiente:
(i) Un punto X es un punto interior de A si existe una bola abierta centrada en , ( ),que
est contenida en A. El conjunto de todos los puntos interiores de A se llama int A (intA).
> 0 ( )
(ii) Un punto X es un punto exterior de A si existe alguna bola abierta alrededor de que
est contenida en el complemento de A(~ ). El conjunto de todos los puntos
exteriores de A se llama su exterior (ext A).
> 0 ( ) (~)
(iii) Un punto X es un punto lmite de A si cualquier bola abierta alrededor de l interseca

A y su complemento. El conjunto de puntos de frontera de A se llama su lmite, escrito
AlmA o A.
> 0, ( ) ( ) (~)
59
(iv) Un punto X es un punto de cierre de A si alguna -bola alrededor de l contiene al menos

un punto en A. El conjunto de puntos de cierre de un conjunto se llama su cierre, escrito
cierre (cre)A o .
> 0, ( )
Es claro de la definicin que intA A: Debido a que cualquier punto interior de A se encuentra
dentro de una bola contenida en A, debe estar en A; De la misma manera, extA (~A).
Adems, A creA para cualquier bola abierta alrededor de un punto xA contiene al menos
un elemento de A, es decir, x mismo. Por lo tanto,
(1)
Por otra parte, un punto lmite de A puede pertenecer a A o a su complemento, y lo mismo
ocurre con los puntos de cierre.
Tambin es evidente que el interior, el exterior y el lmite de cualquier conjunto A en X
constituyen una particin de X; Es decir, son conjuntos disjuntos, y
= (2)
Finalmente, tenemos
= (3)
Y
= (~ ) (4)
Ejemplo 4.6. Sea A la bola cerrada [] = { ; (, ) }.Entonces

[]= () = { ; (, ) < }, () = { ; (, ) > },
[] = { ; (, ) = }, [] = []
Problema 4.7. Probar que: = (~)
Utilizando los conceptos de interior y cierre de un conjunto, se obtienen las siguientes
caracterizaciones de conjuntos abiertos y cerrados:
Teorema 4.8
(i) intA es el conjunto abierto ms grande contenido en A.
(ii) A est abierto si y slo si A = intA.
(iii) cl A es el conjunto cerrado ms pequeo que contiene A.
(iv) A est cerrado si y slo si A = clA.
60
A

x

Figura 2.6. Interior, exterior, lmite, y puntos de cierre.
Prueba
(i) Primero mostramos que est abierta. Por definicin de "interior", para cada punto
existe una bola abierta ( ) contenida en A. Para demostrar que est
abierto, tenemos que ir un paso ms all y verificar que ( ) est contenido En .
Debido a que una bola abierta est abierta, alrededor de cualquier punto y en
( )podemos Construir otra bola abierta contenida en ( )y por lo tanto en A. Se
sigue que Cualquier punto y ( )es un punto interior y Be (x) est realmente
contenido en A.
A continuacin, mostramos que es el mayor subconjunto abierto de A. Si B es
cualquier subconjunto abierto de A, entonces todos sus puntos son por definicin
puntos interiores de A. Por lo tanto, para cualquier conjunto,
(ii) Si = , entonces A est abierto, porque est abierto. Si A est abierto,
entonces su subconjunto abierto ms grande es A s mismo, y por lo tanto = .

Problema 4.9. Probar las partes (iii) y (iv) del Teorema 4.8.
(b) Puntos lmite y Caracterizacin de Conjuntos Cerrados en
Trminos de Sucesiones
Definicin 4.10. Puntos lmite y conjunto derivado. Sea (X, d) un espacio mtrico, y A un conjunto
en X. Se dice que un punto en X es un punto lmite (o grupo) de A si cada bola abierta
alrededor de ella contiene al menos un punto de A distinto de .
El conjunto de todos los puntos lmite de A se llama su conjunto derivado, denotado por
():
() > 0, ( ) (\{ })
61
Observe que esto es ms restrictivo que la definicin de punto de cierre, porque ahora la
interseccin de A y ( ) no puede ser slo el punto en s. Los puntos para los cuales este
es el caso se llaman puntos aislados. Por lo tanto, los puntos de cierre son puntos lmite o puntos
aislados.
Teorema 4.11. (X, d) un espacio mtrico yA un conjuntoen X. Un punto X es un punto lmite de A siy
slo si existe una secuencia en\{. }que converge a .
Prueba
()Supongamos que existe una secesin { } en \{. } (es decir, con un para
todo n ), con { } . Entonces para dado cualquier > 0 existe algn nmero entero
positivo tal que
( , ) < >
Pero entonces tenemos ( ) (\{. }) para el dado. Debido a que esto es cierto
para cualquier > 0, es un punto lmite de A.
() Supongamos que es un punto lmite de A, es decir,
> 0, ( ) (\{. }) (1)

Mostraremos que podemos construir una secuencia con las propiedades deseadas. Poner 1 =
1; Por (1), existe algn eje 1 ( ) (\{. }). A continuacin, poner
(1, ) 1
2 =
2 2
Y, de nuevo por (1), existe 2 2 ( ) (\{. })Continuando de esta manera, podemos
construir una secuencia { } en \{. } con la propiedad que
1
0 < ( , )
21
Como l /21 0, tambin lo hace ( , ) , y por tanto { } .

Ahora obtendremos dos caracterizaciones tiles y estrechamente relacionadas de conjuntos
cerrados.
Teorema 4.12. Un conjunto A en un espacio mtrico se cierra si y slo si contiene todos sus puntos lmite.
Prueba
() Supongamos que A est cerrado (es decir, su complemento est abierto). Entonces
para cualquier , existe algn > 0 tal que
() () A =
62
Por lo tanto, ningn punto de puede ser un punto lmite de A, y se deduce que todos
estos puntos deben estar contenidos en A.
() Para demostrar que si A contiene todos sus puntos lmites, entonces Ac est abierto,
probamos la afirmacin contrapositiva: Si no est abierto, entonces contiene algunos puntos
lmite de A.
Supongamos que no est abierto. Entonces, negando la definicin de conjunto abierto,
existen puntos en Ac con la propiedad de que ninguna bola abierta alrededor de ellos est
enteramente en . Sea x un tal punto. Para cualquier > 0, la bola ()contiene al menos
un punto en A - necesariamente diferente de x, porque . Por lo tanto, x es un punto
lmite de A situado en .
Usando el teorema 4.11, podemos reformular esta ltima caracterizacin de cerrado en

trminos de secuencias: Un conjunto A est cerrado si y slo si cada secuencia convergente en
A tiene su lmite en A. Esto sugiere un mtodo que a veces es conveniente para mostrar que Un
conjunto dado A est cerrado: Considere una secuencia convergente arbitraria contenida en A,
y use las propiedades del conjunto para mostrar que el lmite tambin est contenido en l.
Teorema 4.13. Un conjunto A en un espacio mtrico se cierra si y slo si cada secuencia convergente { }
contenida en A tiene su lmite en A; Es decir, Apara todo n y { } x implican quex A.
Prueba. Supongamos que toda secuencia convergente { } contenida en A tiene un lmite x en
A. Entonces, en particular, esto se cumple para todas estas secuencias con la propiedad que
para todo n. Se deduce que A contiene todos sus puntos lmite y por lo tanto est cerrado
Por el contrario, supongamos que A est cerrada, y sea { } una secuencia convergente
contenida en A con lmite x. para todo n, entonces x es un punto lmite de A y por
lo tanto pertenece a A (porque A est cerrado). Alternativamente, = para un cierto n, y
porque A, tenemos A.
Problema 4.14. Demuestre que en una mtrica / espacio la bola cerrada [ ]es un conjunto
cerrado. (Tome un punto lmite de [ ] y considere una secuencia arbitraria { } en
[ ] con el lmite : Utilice la desigualdad del tringulo para mostrar que debe ser en
[ ].)
Problema 4.15. Sea B un conjunto no vaco de nmeros reales acotados arriba. Sea = .
Muestre que . Observe que esto implica que si B est cerrado.
Problema 4.16. Sea A un conjunto en un espacio mtrico (, ). Demuestre que si A est
cerrada y , entonces (, ) > 0.
Sugerencia: Probar el contrapositivo.
63
5. Lmites de Funciones
Ahora vamos a definir el lmite de una funcin entre dos espacios mtricos y mostrar que se
puede caracterizar en trminos de los lmites de las secuencias.
Definicin 5.1.(, ) y (, ) dos espacios mtricos, con A un conjunto en X, una funcin
, y 0 un punto (lmite) de A. Decimos que tiene un lmite 0 cuando x se aproxima a
0 si
> 0, > 0 0 < (, 0 ) < [(), 0 ] <

Entonces escribimos() 0como 0 , o lim0 () = 0

Intuitivamente, () se aproxima 0 como 0 si, al elegir x suficientemente prximo

a 0 , podemos traer () tan cerca de 0 como queramos. Obsrvese que no se ha dicho nada
en la definicin sobre el valor de en 0 ; de hecho, 0 puede que ni siquiera est en el dominio
de . Exigimos, sin embargo, que 0 sea un punto lmite de A para que siempre podamos
encontrar puntos en el dominio de tan cerca de 0 como queramos.
El siguiente resultado muestra que el lmite de una funcin se puede caracterizar en trminos
de la convergencia de secuencias.
Teorema 5.2. Sea (, ) y (, ) dos espacios mtricos, con una funcin , y 0 un punto lmite de
X. Entonces tiene lmite 0 como 0 si y slo si para cada secuencia { } que converge a 0 en (, ),
con 0 , la secuencia {( )}converge a 0 en (, ).
Prueba
()Supongamos que lim0 () = 0 , y sea{ }una sucesin en X, con 0 y { }

0 . Queremos mostrar que{( )} 0 , es decir, que
> 0, () [(), 0 ] < para todo n> () (1)
Fijar un > 0 arbitrario. Para la funcin, () tiene lmite 0 como 0 , por lo que podemos
traer () arbitrariamente cerca de 0 eligiendo x suficientemente prximo a 0 ; Es decir, para
el dado,
> 0 [(), 0 ] < Para todo ( 0 )\{ 0 } (2)
Finalmente, el hecho de que { } 0 garantiza que podemos obtener suficientemente cerca
de 0 eligiendo n suficientemente grande. Formalmente, la convergencia de { } implica que
para el en (2),
( ) ( 0 ) > ( ) (3)
Ahora, (2) y (3) juntos implican (1) (con () = ( )), es decir,{( )} 0 .

() Ahora queremos probar la siguiente afirmacin
64
Lmites de Funciones
[ { } con{ } 0 0 , {( )} 0 ] lim0 () = 0

Resulta ms fcil demostrar la afirmacin contrapositiva:
lim () 0 [ { } 0 { } 0 , {( )} 0 ]
0
Es decir, si 0 no es el lmite de como 0 , entonces existen secuencias con { } 0 y

0 con la propiedad de que la secuencia de imagen {( )} no convergen en 0 .Ahora,
qu significa decir que 0 no es el lmite de como 0 . Tomemos la definicin de lmite,
> 0, > 0 ( 0 )\{ 0 }Tenemos[(), 0 ] <
Y negarlo, obteniendo
> 0, > 0, ( 0 )\{ 0 }Con el valor de [(), 0 ] (4)
Ahora demostraremos que si 0 no es el lmite de como 0 , entonces es posible encontrar
una secuencia { }tal que { } 0 y 0 , pero {( )} 0 . Escoja un que funcione
1
en (4) y considere una secuencia de bolas abiertas centradas en 0 con radio = . Por (4), es
posible elegir para cada n un punto 1 ( 0 )tal que [( ), 0 ] . Por

construccin,{ } 0 , pero{( )} 0
Este resultado nos permite obtener algunas propiedades importantes de los lmites de funciones
utilizando resultados anteriores sobre secuencias convergentes. Listamos algunas de estas
propiedades, dejando las pruebas como ejercicios.
Teorema 5.3. Unicidad del lmite. (, ) y (, ) son espacios mtricos, con A un conjunto en X, una
funcin, y x un punto lmite de A. Entonces el lmite de como 0 , Cuando existe, es nico. Es decir, si
() y () " como 0 , entonces = ".
Teorema 5.4. lgebra de lmites. Sea (, ) un espacio mtrico, con ( , . )un espacio vectorial normado, f
y g funcionesX Y, y 0 un punto lmite de X. Supongamos que () ay () bcomo 0
.Entonces:
(i) f(x) + g(x) a + b comox x 0 y
(ii) Para cualquier escalar, f(x) acomo x x 0 .
Si ( , . )es con la norma usual, entonces:
(iii) f(x)g(x) ab como x x 0 , y
(iv) f(x)/g(x) a/bcomo x x 0 , siempre queb 0.
Teorema 5.5. Preservacin de las igualdades y desigualdades. Sea (, ) un espacio mtrico, con funciones f y
g , y x 0 un punto lmite de X.
Entonces:
65
(i) supongamos que existe un > 0 tal quef(x)=g(x) para todo x B (x 0 )\{x 0 } y que f(x)
a como x x 0 ; Entonces g(x) a como x x 0 y
(ii) suponemos que f(x) a y g(x) b como x x 0 . Si existe > 0 tal que f(x)g(x) para todo
x B (x 0 )\{x 0 } , entonces a < b.
Problema 5.6. Utilice la definicin del lmite de una funcin para demostrar que si
lim f(x) = a y lim0 f(x) = b
xx0 xx
entonces lim0[ f(x) + g(x) ] = a + b. Probar el mismo resultado usando el teorema anlogo
xx
para los lmites de las secuencias.
Lmites en infinito y lmites infinitos
Sea una funcin . Se dice que () 0como si para todo > 0 existe
algn > 0 tal que |() 0 | < para todo > . El lmite de como se
define de manera anloga.
Los resultados anteriores sobre la preservacin de las desigualdades y el lgebra de los lmites
tienen anlogos directos para los lmites en el infinito.
Continuacin, sea (, ) un espacio mtrico, con una funcin , y 0 un punto lmite
de X. Decimos que () como x x 0 si
> 0, > 0 () > para todo ( 0 )\{ 0 }
En este caso, debemos ser ms cuidadosos con los lmites de sumas, productos y cocientes de
funciones. En particular, sea y las funciones , y 0 un punto lmite de X. Tenemos lo
siguiente:
(i) Si 0 () = 0 y 0 () = , entonces 0 [ () + ()] = , pero si

0 () = , el lmite de la suma puede ser cualquier cosa.

(ii) S 0 () = 0 > 0 y 0 () = , entonces 0 [ () + ()] = . Sin

embargo, si 0 () = 0 = 0, nada puede decirse sin estudiar y ms.

(iii) S 0 () = 0 > 0 y 0 () = 0, y () 0 en una bola abierta alrededor de

0 , entonces 0 ()/() = .

6. Continuidad en espacios mtricos

El concepto familiar de continuidad para una funcin de a puede extenderse de manera
natural a las funciones que asignan un espacio mtrico a otro. En esta seccin, definimos la
continuidad de funciones entre espacios mtricos, obtenemos algunas caracterizaciones tiles de
funciones continuas y probamos algunos resultados importantes con respecto a las propiedades
de funciones reales continuas definidas en un intervalo.
Definicin 6.1. Funcin contina. Sea (, ) y (, ) espacios mtricos, y una funcin .
Decimos que es continua en un punto 0 si
66
Continuidad en Espacios Mtricos
( ( 0 ))

(( 0 ))
( 0 ) (( 0 )) ( ( 0 ))
( 0 )
( 0 )
( 0 )
0 0
f continua en 0 f discontinua en 0
Figura 2.7
> 0, ( 0 , ) > 0 (, 0 ) < ( , ) [(), ( 0 )] <

La funcin es continua en un subconjunto de X si es continua en todos los puntos de A. Si
hablamos simplemente de una funcin continua, se entiende que la funcin es continua en todos
los puntos de su dominio. 8
Intuitivamente, una funcin continua asigna puntos cercanos en imgenes que tambin estn
cerca. Por lo tanto, si es continua en 0 , un pequeo cambio en x lejos de 0 no cambiar el
valor de la funcin demasiado. La notacin ( 0 , ) enfatiza que el valor de que funcionar
en cada caso depender del valor de y del punto 0 .
La intuicin geomtrica detrs de la definicin se captura ms fcilmente reformulndola en
trminos de bolas abiertas. Por lo tanto, una funcin / es continua en 0 si
> 0, > 0 ( 0 ) () (( 0 ))
O, equivalentemente, si
> 0, > 0 ( ( 0 )) (( 0 ))(1)
Es decir, dada una bola abierta alrededor de ( 0 ) con un radio arbitrariamente pequeo ,
siempre podemos encontrar otra bola con centro en 0 y radio cuya imagen en est
contenida en la primera bola, (( 0 )). El primer panel de la Figura 2.7 ilustra que esto siempre
es posible en un punto de continuidad. El segundo panel muestra que si es discontinuo en 0 ,
entonces es imposible encontrar tal para cualquier menor que el salto en la funcin en 0 .
67
Problema 6.2. Preservacin del signo. Sea una funcin continua de un espacio mtrico (, )
a , con la mtrica usual. Probar (directamente) que el conjunto { ; () > 0} est abierto.
Intuitivamente, este resultado dice que una funcin continua que es estrictamente positiva (o
negativa) en un punto mantendr su signo dentro de una bola suficientemente pequea alrededor
del punto original.
Usando la definicin del lmite de una funcin y la caracterizacin de lmites de funciones en

trminos de lmites de secuencias, obtenemos inmediatamente dos caracterizaciones tiles de
continuidad. El primero dice que una funcin es continua en un punto si su valor coincide con
su lmite, y la segunda dice que una funcin continua conserva la convergencia de las secuencias.
Teorema 6.3. Sea (, ) y (, ) espacios mtricos, y una funcin . Entonces es continua en un

punto 0 en X si y slo si cualquiera de las siguientes afirmaciones (equivalentes) es verdadera:
(i) f(x 0 ) es definida, y es un punto aislado x 0 es un punto lmite de X y lim0 f(x) = f(x 0 )
xx
(ii) Para cada secuencia { }convergente a x 0 en (X, d), la secuencia {( )}converge a f(x 0 ) en
(, ).
Por lo tanto, una funcin / es discontinua en un punto lmite 0 de X si el lmite de como

x x 0 no existe o si existe pero no es igual al valor de la funcin en 0 . Por ejemplo, la funcin
1
() =
1
Es discontinua en x = 1 porque no tiene lmite como 1. La funcin definida por

(, ) = (, ) (0,0) = 0
2 + 2
1 1
es discontinua por la segunda razn. Observe que la secuencia {( , )}converge a (0, 0), pero la
1 1
secuencia de imgenes ( , ) no se aproxima a 0.
Intuitivamente, una funcin es continua, excepto en los puntos correspondientes a "rupturas"

en su grfica. Sin embargo, la intuicin puede necesitar ocasionalmente alguna ayuda, como se
ilustra en el siguiente ejemplo.
Ejemplo 6.4. Considere la funcin : , definida por () = 0 si x es irracional, y por

1
() = si x es el nmero racional p/q, donde p y q son enteros sin factor comn y > 0.
Vamos a demostrar que es discontinua en todos los nmeros racionales y continuos en todos
los irracionales.
68
Qu significa que una funcin no es continua en un punto 0 ? negando la definicin de

continuidad obtenemos lo siguiente:
> 0 ( 0 ) [(), ( 0 )]
Por lo tanto para establecer una discontinuidad tenemos que producir un .

Ahora, permitir 0 = / sea un nmero irracional, y elegir 1/. A continuacin, para
cualquier > 0, la bola ( 0 ) = ( 0 , 0 + ) contiene al menos un nmero irracional
. Para este nmero,|( 0 ) ( )| = 1/ .
Siguiente, dejar que 0 es un nmero irracional y fijar algn arbitrario > 0. El intervalo
( 0 ) = ( 0 1, 0 + 1) contiene finitamente muchos nmeros racionales con
denominador no mayor que : 1/. Porque 0 es irracional y por lo tanto no puede ser cualquiera
de estos nmeros, la distancia entre 0 y el ms cercano es un nmero estrictamente positivo .
Por lo tanto, cualquier ( 0 ) es racional o un numero irracional / para > 1/. En el
primer caso, |( 0 ) ()|=0, y en el segundo, |( 0 ) ()| = > 1/.

Problema 6.5. Sea: la funcin definida por () = 1 para racional y () = 0para

irracional. Muestra que es discontinua en todas partes.
Sugerencia: recordar ese intervalo en la lnea real contiene los nmeros racionales e irracionales.
Problema 6.6. Dada una funcin : , define : 2 de () = (, ()). Use la
caracterizacin secuencial de continuidad para demostrar que si es continua el algn punto 0 ,
tambin lo es .
Problema 6.7. Considerar el espacio euclidiano dimensional finito . Para cualquier

{1,2, , } para todo que representa la proyeccin del mapa, : , se define para
= (1 , , ) de = . Mostrar que ( ) es una funcin continua.
Problema 6.8. Muestran que en cualquier espacio vectorial normado (, . ) la norma es una
funcin continua de a .
Problema 6.9. Probar que si es una funcin continua, entonces para cualquier conjunto ,
() [()].
Sugerencia: utilizar la caracterizacin de la continuidad en trminos de relaciones de inclusin

entre bolas abiertas dados en la expresin (1) despus de Definicin 6.1.
69
Usando la caracterizacin de continuidad en el Teorema 6.3, es muy fcil demostrar algunos

resultados importantes.
Teorema 6.10. Teorema de la funcin compuesta. Sea (,d), (, ), y(, )son espacios mtricos. Dado
dos funciones f: continua en 0 y : continua en ( 0 ), la funcin compuesta
es continua en 0 .
Probar. Vamos a utilizar la caracterizacin secuencial de continuidad. Que { } es cualquier

sucesin convergente a 0 en (X,d). Porque es continuo en 0 , tenemos {( )} ( 0 )
para cualquier sucesin semejante. Y ya que es continua en ( 0 ), {[() ]} [( 0 )]
para cualquier { } con { } 0 . Por lo tanto, es continua en 0 .
Problema 6.11. Sea y son funciones , y asumir que es continua en 0 y que ()

0 como . Demostrar que lim [()] = ( 0 ).

Usando la caracterizacin de continuidad en trminos de lmites y Teorema 5.4 sobre el lgebra

de lmites, obtenemos el siguiente:
Teorema 6.12. Sea (, )los espacios mtricos, y (, ) unespacio vectoriales normados. Dadas las funciones
y , , ambas continuas en 0 , tenemos lo siguiente:
i. + es continua en 0 , y
ii. para cualquier escalar , f es continua en 0 .
si (, ) es con la norma habitual, entonces
iii. es continua en 0 , y
iv. / es continua en 0 , tal que () 0en algunas bolas abiertos alrededor de 0 .
Hasta ahora, hemos estado hablando de continuidad en trminos locales. Es decir, definimos la
continuidad de una funcin en un punto y llamamos a la funcin continua cuando era continuo
en todos los puntos de su dominio. Ahora vamos a dar una caracterizacin directa "global" de
continuidad.
Teorema 6.13. Sea (, )y (, )el conjunto 1 () es cerrado en (, ).
Es decir, una funcin es continua si y slo si la imagen inversa de conjuntos cerrados estn
cerrados. Hacemos hincapi en que esto es cierto slo para imgenes inversas.
70

()
( )
C C
1 () ( )
1 ()
Figura 2.8.
Una funcin continua no asigna necesariamente conjuntos cerrados en sistemas cerradosy una
funcin que realiza el mapa conjunto cerrado en conjuntos cerrados no es necesariamente
continua.
Probar:
() Continuo en para cualquier C cerrado en Y, 1 ()es cerrado en .
Sea C un conjunto cerrado arbitrario en (, ). Demostremos que 1 ()es cerrado en (, )
verificando que contiene todos sus puntos. Sea un punto arbitrario lmite de 1 (); luego
(por el teorema 4.11) existe una sucesin{ } en 1 () que converge a . Dado que es
continua, la sucesin{( )} converge a (). Por construccin, ( ) para todo , y
por supuesto, C es cerrado. Por lo tanto, por teorema 4.13, el lmite de ()debe estar en C.
ahora, () 1 (), lo que implica que 1 () contiene todos sus puntos lmites
y por lo tanto es cerrado.
()para cuaquier C cerrado en , 1 () es cerrado en continuo en .
Nosotros probaremos la declaracin contra positiva:
Discontinua en algn punto 0 en cerrado C en con 1 () no cerrado
Sea discontinua en alguno punto 0 . Entonces (negando la caracterizacin de la continuidad
en trminos de la sucesin) { } 0 en con {( )} ( 0 ). Es decir, existe un > 0
tal que
[( ), ( 0 )] para todo (1)
(o por lo menos para todo en algunos de sub la sucesin{ } de { }, en caso el
argumento pasa por trabajar sin cambios con el sub la sucesin).
Usaremos este hecho para mostrar que existe un conjunto con las propiedades deseadas. En
particular, sea C el cierre de la sucesin de imgenes:
= ({( )})
71

[( ) ]
( 0 )
1 (C) 0 ( )
Figura 2.9
Siendo el cierre de un conjunto, C es cerrado. Probaremos que 1 () no se cierra, mostrando

que no contiene todos sus puntos lmite. En particular, vamos a mostrar que 0 es un punto de
1 () pero no pertenece a este conjunto. Tenga en cuenta que dado que C contiene
{( )}, tenemos 1 () para todo , y dado que { } 0 , 0 es un punto lmite de
1 () . Sin embargo, ( 0 ) (. . ( 0 ) no es un punto de cierre de {( )}), para (1)
implica (( 0 )) {( )}= para todo < . Por lo tanto, 0 1 ()
Tomando complementos de los conjuntos adecuados, es fcil obtener una caracterizacin

equivalente de la continuidad en cuanto a las imgenes inversas de conjuntos abiertos.
Teorema 6.14. Sean (, ) y(, ) espacios mtricos, y f es la funcin . Entonces es continua si y

slo si para cada sistema A abierto (, ) el sistema 1 () est abierta en (, ).
Problema 6.15. Usando el teorema 6.13, probar el teorema 6.14.

Problema 6.16. Sea (, ) un espacio mtrico, y (, )un espacio vectorial normado con vector
cero 0. Dada una funcin continua : , adaptar la prueba de las caracterizaciones de
continuidad en cuanto a las imgenes inversas de conjuntos cerrados para demostrar que el
conjunto 1 (0) es cerrado.
Esta ltima caracterizacin de la continuidad es de particular inters porque no contienen
ninguna referencia explcita a una mtrica. De hecho, cuando trabajamos en general espacios
topolgicos (los espacios mtricos son un subconjunto), empezamos con conjuntos abiertos (o
cerrados) como un concepto primitivo y la continuidad de definir en trminos de su imagen
inversa.
72
Continuidad uniforme
Un concepto de continuidad a veces que es ms til es el de continuidad uniforme. Tenemos

que una funcin entre dos espacios mtricos (, ) y (, ) es continua en un subconjunto A
de si para todo y en A tenemos
> 0, (, ) > 0 (, ) < (, ) [(), ()] < (1)
En general, el valor de que satisfacen (1) depende no slo del valor elegido para , sino tambin
en el punto en el cual estamos estudiando la funcin por lo tanto, la notacin (, ). Si es
posible encontrar algunos() que para cualquier valor dado de funcionar para cualquier
en A, decimos que la funcin es uniformemente continua en A. ms formalmente, tenemos lo
siguiente:
Definicin 6.17. Funcin uniformemente continua. Una funcin f: (X; d) (Y, ) es

uniformemente continua en un subconjunto A de X si para todo x, y A y para cualquier >
0 all existe algn nmero () > 0, independiente de x, tal que
(, ) < () [(), ()] <
es claro que la continuidad uniforme sobre un conjunto implica continuidad en el mismo

conjunto, pero lo inverso no es verdad.
Funciones Lipschitz
Ahora introducimos una nocin ms fuerte de continuidad que ser til en el captulo 9.
Definicin 6.18 Lipschitz y las funciones locales Lipschitz. Sea y espacios vectoriales
normados y E un subconjunto de . Una funcin : se dice que es lipschitz en E si
existe una constante positiva K tal que para todos y en tenemos
() ()
esta condicin se llama una condicin de Lipschitz y la constante K es una constante Lipschitz
de en E.
La funcin se dice que es localmente lipschitz en E si para cada punto de x0 en E existe un
> 0 y algunos K 0 > 0 tal que B (x0 ) E si para todo x y y en B (x0 ),
() () 0
73
Problema 6.19Mostrar que una funcin Lipschitz es uniformemente continua (y por lo tanto continua).
Homeomorfismo
Definicin 6.20. Homeomorfismo es una funcin continua con una inversa continua. La
continuidad de implica que dado dos puntos y en , su imagen = ( ) tambin
estar cerca. Dado una funcin continua arbitraria, sin embargo, es posible que los puntos que
estn lejos el uno sean mapeados por la funcin en puntos cercanos. Si es homeomorfica, que
es imposible, para la relacin inversa tambin es una funcin continua. Por lo tanto, se dan dos
puntos en X, sus imgenes bajo un Homeomorfismo no estn muy lejos. Mediante la
caracterizacin de la continuidad en trminos de sucesin de imgenes inversas de conjuntos
abiertos, obtenemos la siguiente caracterizacin de Homeomorfismo:
Teorema 6.21. A una funcin uno a uno : (, ) (, ) es un Homeomorfismo si y slo si ambos o es

verdadero las siguientes afirmaciones (equivalente):
i. Para todo , la sucesin{ } converge a en (, ) si y solamente si la sucesin de

imagen{( )} converge a () en (, ).
ii. Dado un conjunto abierto en (, ), su imagen ( ) es abierto en (, ), y dado cualquier
conjunto abierto en (, ),su imagen inversa 1 ( ) es abierta en (, ).
Dos espacios mtricos (, )y(, )homeomorfa si y solamente si existe algunos

homeomrficos de sobre esto es, = () o 1 definido en el conjuntoY. La relacin
"ser homeomorfa a" es una relacin equivalente en el conjunto de un espacio mtricos.
Intuitivamente, dos espacios mtricos homeomorficos son idnticas excepto por un continuo
cambio de coordenadas que conserva y convergen a conjuntos abiertos. Para muchos propsitos,
dos espacios mtricos (o topolgicas) homeomrficos en realidad son equivalentes. Propiedades
de los conjuntos que son invariantes bajo homeomorfia se conocen como propiedades
equivalentes.
Algunas propiedades de la funcin real continua
Vamos estableciendo ahora algunas propiedades importantes de la funcin real continua definida
en un intervalo. En secciones posteriores veremos cmo pueden ser parcialmente generalizadas
para funciones continuas definidas en espacios ms generales.
74
En muchas aplicaciones, estamos interesados en encontrar el mximo (o mnimo) de un valor

real dado la funcin sobre un conjunto. En principio, sin embargo una funcin continua definida
en un conjunto arbitrario no puede tener un mximo. Para el caso de una funcin continua de
, nos mostrar una condicin suficiente para la existencia de un mximo de un conjunto
que es un intervalo compacto. Comenzamos mostrando que la funcin debe ser limitada.
Teorema6.22. Sea : definida y continua en el intervalo cerrado y acotado [, ]. Entonces es

limitada en [, ]; es decir, existe un nmero real M tal que |()| para todo en el intervalo.
Probar. Vamos a mostrar que si es continuo y sin lmites en el intervalo, llegamos a una
contradiccin. Supongamos que, en aras de la concrecin, que existe un punto [, ] tal que
( ) . por el teorema Bolzano Weierstrass , la sucesin acotada { }tiene un
subsucesin convergente{ }con limite 0 . Porque [, ]es un conjunto cerrado, por otra
parte, tenemos 0 [, ], por teorema 4.13.
Ahora, por la continuidad de en 0 ,
lim ( ) = ( 0 ) (1)

por otro lado, { } es una subsucesin de { }y por lo tanto debe ser cierto que para cada
, ( ) > . as
lim ( ) = 0 (2)

Hemos llegado a una contradiccin. Si es continua , no puede ser ilimitada.

Este resultado nos dice que el conjunto {(); [, ]}, siendo un conjunto no vaco y
acotado de nmeros reales, tiene un supremo (y un nfimo). Ahora demostraremos que la
funcin tambin logra su supremo y nfimo en el intervalo (es decir, tiene un mximo y un
mnimo en [, ]).
Teorema 6.23. Teorema del valor extremo. Sea una funcin real continua en el intervalo cerrado y acotado
[, ]. Luego existen puntos y en [, ] tal que para todo[, ], ( ) () ( ).
Prueba. Se prueba la existencia de un mximo. Por el Teorema de 6.22 sabemos que =

sup f(x) existe. Vamos ahora a mostrar que este valor est en el (es decir., xM [a, b] tal
x[a,b]
que f(xM ) = ).
75
Observar que no hay ningn nmero menor que es una cota superior de {(); [, ]}.
Por lo tanto, para cada entero positivo , podemos encontrar algunos [, ]tal que
|( ) | < 1/ (1)
La sucesin{ } [, ]as construido es limitado y por lo tanto tiene un subsucesin

convergente{ } y es continua, tenemos {( )} ( ), es decir,
> 0. > |( ) ( )| < (2)
Siguiente, por la desigualdad del tringulo, podemos escribir

|( ) | |() ( )| + |( ) |
Para algn . Ahora elijo un arbitrario > 0. Usando (1) y (2), tenemos que para todo mayor
que algunos ,
1
0 |( ) | |() ( )| + |( ) | < +

Porque esta desigualdad debe sostener para todos > 0y arbitrariamente grande concluimos
que ( ) =
Teorema 6.24. Teorema del valor intermedio. Sea una funcin de valor real continua en el intervalo cerrado y
acotado[, ]. Entonces para cada nmero y (estrictamente) entre f(a) y f(b), existe un punto c (, ) tal que
() = .
Prueba. Asumir, por concrecin, que () < < (), y sea c dada por
= {[, ]; () }
Esto es, ces aproximadamente el mayor nmero en el intervalo para que() es menor que .
Note que el conjunto {[, ]; () }no est vaco, porque contiene un fin y est limitada
anteriormente por b. por lo tanto, cest bien definida por la propiedad suprema. Observe
tambin que, por construccin, () > para todo > .
Para establecer que () < , utilizaremos la propiedad de conservacin de la muestra de
funciones continuas de valor real (problema 6.2) para demostrar que ambos () > y () <
conducen a una contradiccin. Particularmente si, () < , entonces no es un
76
a c b
Figura 2.10
lmite superior de {[, ]; () }, porque all existe un > 0 tal que ( + ) <
(figura 2.10). Del mismo modo, si () > , then c no puede ser el menos lmite superior del
conjunto dado, para entonces existe un > 0 tal que () > para todo ( , ), y por
lo tanto es un lmite superior ms pequeo para{[, ]; () } en c. Finalmente,
porque () < < (), ces ninguno de estos puntos.
Problema 6.25. Ahora daremos una prueba alternativa para el teorema de valor intermedio. Sea
una funcin real de variable definida y continua en el intervalo [, ]. Asumir que () < 0 <
(). Para demostrar que existe algn punto en (, ) tal que () = 0, construimos dos
sucesiones{ } y { }de la siguiente manera:
1. poner 1 = y 1 = .
2. Para cada , que = ( + )/2, y evaluar en . entonces
(a) si ( ) > 0, poner +1 = y +1 = ,
(b) si ( ) < 0, poner +1 = y +1 = ,
(c) si ( ) = 0, detener.
(Haz un dibujo. Qu hacemos?) Con lo que hemos aprendido acerca de los lmites de las
sucesiones reales,
i. Prueba que { } y { }convergen y llamar su lmites y ;
ii. Demostrar que = (es decir, ambas secuencias convergen al mismo lmite).
Sugerencia: demostrar que { } 0. Llamamos el lmite comn de dos secuencias .

Queremos mostrar que este es el punto que queremos.
77
(iii) Utiliza la continuidad de y el teorema de la preservacin de las desigualdades

llegamos a la conclusin que() = 0.
Teorema 6.26. Sea una funcin real continua en el cierre y limita el intervalo [, ]. Entonces ([, ])es
un intervalo cerrado.
Prueba. Por el teorema del valor extremo, existen puntos y en [, ] tal que ( )
() y ( ) () para todo [, ]. Poner = ( ) y = ( ). Entonces
ambos y pertenecen a ([, ]), y este conjunto est contenido en [, ]. Sea
cualquier punto en [, ]; por el teorema del valor intermedio, hay algunos en (, ) tal
que ( ) = . Por lo tanto, cualquier se encuentra en ([, ]), y el resultado sigue.
Funciones Monotnicas
Sea : definida en algn intervalo = (, ). Decimos que es montonamente
creciente si para dos puntos cualesquiera y en , > implica () (), y
montonamente decreciente si la segunda desigualdad se reserva. Una funcin esmontona en un
intervalo dado si est aumentando o disminuyendo en el mismo.
Mostramos la funcin monotnica con lmites unilaterales en todos los puntos en el interior de
su dominio y contino casi en todas partes. .
Teorema 6.27. Sea montonamente creciente en (, ). Entonces los lmites unilaterales.
(x + ) = lim+ ()y (x .. ) = lim ()

Existe cada punto X de (, ), y por otra parte,

{(); < < x} = (x ) (x) (x + ) = {(); x < < }(1)
Adems, para cualquier X y en (, ), con x< , tenemos
(x + ) (x ) (2)
Comprobacin. Observar que el conjunto {(); x < < }es una morada delimitada por ()y
por lo tanto tiene un supremo que llamaremos . Claramente, (). Queremos demostrar
que es el lmite de al acercarnos adesde la izquierda, es decir, que dado cualquier > 0,
existe algn > 0 tal que
|() | < Para todo ( , )

Para ello, fijar un arbitrario > 0. Ya que es el menos lmite superior de {(); x < < },
no es un lmite superior y por lo tanto existe algn (, ) tal que
78
Espacios Mtricos Completos y el Teorema de la Cartografa de la Contraccin
() >
Debido a que es creciente, por otra parte,
< () () < < para cada (, )

y se deduce que
| () | < para todo (, )
que es la primera mitad de (1). La otra mitad sigue por el mismo razonamiento. A continuacin,
dados dos puntos e , con < , tenemos, por (1) y la monotonicidad de la funcin, que
( + ) = { {); < < } = { (); < < }
y
( ) = sup{(); < < } = {f(); < < }
Comparando esas expresiones, concluimos que( + ) ( )
Teorema 6.28. Sea monotnica en (, ). A continuacin, el conjunto de puntos de (, ) en el que es

discontinua es el ms numerable.
Prueba:Supongamos, por concrecin, que es creciente, y sea el conjunto de puntos en los

que es discontinua. Con cada podemos asociar un nmero racional () tal que
( ) < () < ( + )
Debido 1 < 2 implica (1+ ) (2 ), tenemos que (1 ) (2 ) Si1 2 . Por lo
tanto, hemos establecido una correspondencia uno a uno entre el conjunto D y un subconjunto
de los nmeros racionales. Debido a que el ltimo conjunto es numerable, por lo que es .
7. Espacios Mtricos Completos y el Teorema de la Cartografa de la Contraccin

Supongamos que nos gustara saber s o no una determinada sucesin{ } en un espacio mtrico
converge. Si procedemos aplicando la definicin de convergencia dada en la Seccin 2, tenemos
que empezar por adivinar cul es el lmite de la sucesin. Esto es a menudo difcil y con
frecuencia inconveniente, porque es posible que queramos definir un objeto como el lmite de
una sucesin, y podamos estar interesados en sus propiedades en condiciones que son demasiado
generales para permitir que determine un lmite especfico. Por lo tanto, sera til desarrollar
criterios de convergencia que no nos requeriran de adivinar el lmite.
79
En esta seccin vamos a demostrar que, en una cierta clase de espacios, conocidos como espacios
completos, la convergencia puede establecerse mediante el estudio del comportamiento de los
trminos de una sucesin, sin hacer referencia especfica a su lmite. En estos espacios, por otra
parte, tenemos disponibles un importante teorema de punto fijo (el teorema de la cartografa de
la contraccin) que es til en el establecimiento de la existencia y unicidad de las soluciones a
ciertos tipos de ecuaciones que surgen con frecuencia en las aplicaciones.
(a) Sucesin de Cauchy y Espacios Mtricos Completos
Definicin 7.1. La convergencia de Cauchy. Una sucesin { }en un espacio mtrico (, ) es

convergente en el sentido de Cauchy (o es una sucesin de Cauchy, o, simplemente, es
Cauchy") si
> 0, () , > (), ( , ) <
Es decir, es una sucesin de Cauchy si sus trminos se acercan cada vez ms cerca el uno al
otro. Intuitivamente, es obvio que, si los trminos de una sucesin estn cada vez ms y ms a
un lmite, tambin se estn acercando progresivamente entre s. A primera vista, parecera que
esto tambin debera funcionar al revs, porque si todos los trminos de una secuencia ms all
de un cierto orden pueden hacerse para encajar dentro de una bola de pequeo radio arbitrario,
entonces la secuencia debe converger seguramente. Sin embargo, los dos conceptos de
convergencia no son exactamente equivalentes. Dado un espacio mtrico (, ), es cierto que
cada sucesin convergente es de Cauchy, pero la declaracin contraria no es cierta. Hablando
vagamente, la razn es que una sucesin de Cauchy puede aproximarse a un lmite "fuera X" si
este conjunto tiene "agujeros" en ella o no contiene su lmite. Hay, sin embargo, una clase
importante de los espacios mtricos en el que las dos nociones de convergencia son equivalentes.
Estos son los llamados espacios mtricos completos. Ms formalmente, tenemos lo siguiente:
Teorema 7.2. Cada sucesin convergente en un espacio mtrico es de Cauchy.
Prueba. Sea (, ) un espacio mtrico, y { }una sucesin convergente en X con lmite .
Arreglar algo arbitrario > 0; entonces, por la convergencia de { }, existe algn entero
{/2) tal que
> ( / 2), ( , ) < / 2 (1)
Tome cualquiera de los dos trminos de la sucesin , con , > ( / 2); por la
desigualdad triangular y (1), tenemos
( , ) < { , ) + (, ) <
80
Es decir, dado que { }converge a , todos los trminos de la sucesin de un orden

suficientemente alta estarn cerca del lmite de , y por lo tanto no muy lejos unos de otros.
Por lo tanto, la sucesin es Cauchy.
En general, la declaracin contraria es falsa en un espacio mtrico arbitrario. Espacios en los
que se sostiene se dice que es "completo".
Definicin 7.3. Espacio mtrico completo y el espacio de Banach. Un espacio mtrico (, ) es
completo si cada sucesin de Cauchy contenida en converge a algn punto en .
Un espacio vectorial normado que es completa (en su mtrica natural) se llama un espacio de
Banach.
Ejemplo 7.4. Una sucesin de nmeros racionales puede tener un lmite irracional. Por lo tanto,
no est completa (vase el problema 3.20).
Considere el espacio mtrico formado por = (0,1] con la habitual mtrica. La

sucesin = 1 tiene lmite 0, que no es en el intervalo. Por lo tanto, este espacio no es
completo. Si aadimos el punto {0} para obtener el intervalo cerrado [0,1], sin embargo, el
espacio mtrico resultante es completo.
Teorema 7.5. Cada secuencia de Cauchy est acotada.

Problema 7.6. Demostrar el teorema 7.5.
Problema 7.7. Demostrar que la secuencia { }definido en el problema 3.20 es Cauchy. (Utilizar
los resultados de partes (ii) y (iii) del problema 3.20. Un argumento similar a la utilizada en la
prueba del teorema de mapeo contraccin en la siguiente seccin funcionar.) Ntese que la
secuencia { }converge en (sabemos es completa), pero no en (que no est completo).
Teorema 7.8. Sea { } una sucesin de Cauchy en un espacio mtrico. Si { }tiene una subsucesin convergente
con lmite 0 , entonces la propia secuencia converge a 0 .
Prueba. Sea { } una sucesin de Cauchy en un espacio mtrico, y asumir que { }tiene una
subsucesin convergente { }con lmite 0 . Queremos demostrar que { } 0 . La
intuicin es muy simple: Debido { } 0 , todos los trminos de la subsucesin{ }de
suficientemente alta orden estar cerca de 0 ; pero debido a { }es Cauchy, todos los trminos
lo suficientemente lejos a lo largo de la secuencia, incluso los que no en { } ,no puede estar
muy lejos de 0 .
Fijar un arbitrario > 0; porque { } es Cauchy, hay un nmero entero positivo 1 (/ 2) tal
que
81

, > 1 (2) , ( , ) < /2 (1)
y dado que { } 0 , para el mismo /2 existe algn 2 (/2) de tal manera que
> 2 ( 2) , ( , 0 ) < /2 (2)
Poniendo = {1 , 2 }, (1) y (2) mantener de forma simultnea para cualquier > ,

y tenemos
, > , ( , ) < /2 ( , 0 ) < /2 (3)
El uso de (3) y la desigualdad triangular, tenemos, por lo dado y cualquier > ,
( , 0 ) ( , ) + ( , 0 ) <
para cualquier > . Esto demuestra el teorema: Observe que es cualquier trmino de
orden suficientemente ms alto en { }y no es necesario ser un trmino de la
subsucesin{ }
Ejemplo 7.4 sugiere que puede haber una conexin entre juegos completos y conjuntos
cerrados. El siguiente resultado establece esta conexin.
Teorema 7.9. Sea (, ) un espacio mtrico completo, un subconjunto de . Entonces (, ) es

completa si y slo si est cerrada.
Prueba. Sea { } una secuencia de Cauchy en un subconjunto cerrado de . Por el supuesto
de que (, ) es completa, { }converge a un punto en . Debido a que, Y es cerrado y
contiene la sucesin, sino que tambin debe contener el lmite (teorema 4.13). Por lo tanto Y
es completa.
Si Y es completa, cada sucesin de Cauchy contenida en Y converge a un lmite en Y. Ser
Cauchy (Teorema 7.2), cada sucesin a convergente en tiene su lmite en Y, por lo tanto,
que est cerrado.
Ahora vamos a demostrar que todo espacio de dimensin finita de Euclides es completo.
El primer paso - el establecimiento de la integridad de con la mtrica habitual es inmediata,
dado algunos resultados previos. La extensin de luego sigue fcilmente mediante la
equivalencia entre la convergencia en y convergencia de las sucesin en coordenadas.
Teorema 7.10.El conjunto de los nmeros reales se completa con la mtrica usual.
82
Prueba. Queremos mostrar que cada sucesin de Cauchy{ }en converge a un lmite real. Por
el teorema 7.5, cadasucesin est limitada. Por lo tanto, por el teorema de Bolzano-Weierstrass,
{ } tiene una subsucesin convergente { }con lmite de en . Por el teorema 7.8, "toda la
sucesin " converge a , y el teorema sigue.
Teorema 7.11. Cualquier dimensin finita del espacio euclidiano = ( , ) Esta completo.
Prueba. Sea { }, con = (1 , 2 , . . . , ) , es unasucesin de Cauchy. Para cualquier
> 0, existe algn entero positivo () de tal manera que
2
p, q > (), ( , ) = ( ) <
=1
De ello se desprende que, para cualquier = 1, . . . , ,

2 2
| | = ( ) ( ) <
=1
Por lo tanto, cada sucesin de componente { } es una sucesin de Cauchyen.

Por lo completo de , cada una de estas sucesin tiene un lmite real, digamos { } .
Definir como el vector cuyas componentes son los lmites de estos sucesiones reales, =
(1 , . . . , ). Hemos visto (teorema 3.10) que la convergencia en es equivalente al
componente convergencia por componente; Por lo tanto, es el lmite de la sucesin
del vector { }. Esto demuestra que cada sucesin de Cauchy en converge a un punto en
.
Sea () el espacio de las funciones de valor real delimitadas, continuas definidas en un

conjunto en . Es fcil demostrar que este conjunto, dotado de la norma definida por
= {|f(x)|; } (1)
es un espacio vectorial normado. El siguiente teorema muestra que este espacio normado es
completo. Este resultado ser til en los captulos 9 y 12.
Teorema 7.12. Dado un conjunto en , Dejar que () el conjunto de funciones limitadas con-continuo
: , con la norma sup definido por (1). Entonces [ (), ] es un espacio
completo vector normado.
Prueba Ya que sabemos [ (), ] es un espacio vectorial normado. Para probar la
integridad, necesitamos mostrar que cada sucesinde Cauchy{ } de funciones
continasacotadas converge en la norma superior. Vamos a proceder en tres etapas: En primer
lugar, se construye un "candidato" funcin ( ) para el lmite de
83
la sucesin; en segundo lugar, se verifica que esta funcin est acotada y continuas; en tercer
lugar, mostramos que { } en la normasup.
Dada una sucesin de Cauchy de funciones acotadas continuas { }, tomar algn en y
tener en cuenta la secuencia de nmeros reales { ()}. Tenga en cuenta que dado cualquier
nmero entero positivo y , tenemos
| () ()| {| () ()|, } =
Debido a que { }, es una sucesin de Cauchy, eligiendo mi n lo suficientemente alto como
para| () ()|arbitrariamente pequea para cualquier . Por lo tanto, { ()}es una
sucesin de Cauchy de nmeros reales para cualquier , y porque es completo con la mtrica
habitual, { ()}converge a un lmite real (finita), digamos ().
Por tanto, podemos construir una funcin que asigna a cada en el lmite {()}de la
secuencia de nmeros reales { ()}. Esta funcin, que est limitada por la construccin, ser
nuestro candidato para el lmite de la sucesin de funciones { }.
Para establecer la continuidad de , fijar un punto arbitrario en y algunos > 0.
Debido { } en la norma superior, existe un nmero entero positivo tal que <
/3 para todo > 1 . Por lo tanto,
| () ()| sup |() ()| < 3 (1)
para cualquier y todo > 1 . Adems, debido a es continua, hay una cierta 1 > 0 tal
que para el dado,
| () ()| < 3 , < 1 (2)
donde es la norma euclidiana en . El uso de (1), (2), y el tringulo desigual, la continuidad

de en sigue: Para cualquier 1 (), y la eleccin de > 1 tenemos
|() ()| |() ()| + | () ()| + | () ()|
+ | () ()| + <
Por ltimo, vamos a demostrar que 0 como . Solucionar algunos > 0 y

tenga en cuenta que debido a que { } es de Cauchy, hay algo de2 de tal manera que
< 2 , > 2 (3)

Por (3) y el tringulo desigualdad, dado cualquier en , tenemos
| () ()| | () ()| + | () ()| + | () ()|
< 2 + | () ()|
para todos los , > 2. Adems, debido { ()} (), podemos elegir (por
separado para cada si es necesario) para que | () ()| < 2. Por lo tanto, 2 es tal
que, dada cualquier > 2 ,
| () ()| <
84
Por lo tanto, para suficientemente alta, s es una cota superior para {| () ()|;
}, yporque es la ms pequea tal lmite superior, se concluye que <
para todo > 2, es decir, { } .
(b) Operadores y el Teorema de la Cartografa de la Contraccin

Una funcin : a partir de un espacio mtrico a s mismo es a veces llamado un
operador. Decimos que un operador es una contraccin si su aplicacin a cualquiera de los dos
puntos de los acerca entre s. Ms formalmente, tenemos la siguiente definicin:
Definicin 7.13. Contraccin. Sea (, ) un espacio mtrico, y : un operador en ella.
Decimos que es una contraccin de mdulo si por alguna (0,1)tenemos: , ,
(, ) (, ). La notacin se utiliza a veces en lugar de ().
Teorema 7.14. Cada contraccin es una cartografa continua.
Prueba. Sea una contraccin en (, ). Queremos demostrar que
> 0, > 0 (, ) < => (, ) <

Como es una contraccin, tenemos que para todas las , y alguna (0, 1),
(, ) < (, )
Teniendo en cuenta algunas , elija , de modo que ; entonces la definicin de
continuidad se satisface, porque
(, ) < (, ) <
Ejemplo 7.15. Sea : [, ] [, ] ser una funcin continua con pendiente positiva siempre
menor que 1. Entonces es una contraccin, porque (() ())/( ) < 1.
Figura 2.11 sugiere que no importa cmo lo dibujamos, debe cortar la lnea de 45, es decir,
debe tener al menos un punto fijo tal que () = .
Tome cualquier punto 0 en [, ] y definir una sucesin( (0 )} recursivamente
= (0 ), 2 = (1 ), . . . , +1 = ( )
Grficamente, la secuencia se construye como sigue: Dado el valor inicial 0, utilizamos la grfica
de la funcin para encontrar el valor de 1 luego usamos la lnea de 45 para proyectar 1 sobre
el eje horizontal, vamos de nuevo a
85
45
b
z=f(z)
2
2
1= (0 )
a0 1 z b
Figura 2.11. Mapeo de contraccin.
la grfica de para encontrar 2, y as. La cifra sugiere que no importa donde elegimos el punto
inicial 0en [, ], la secuencia converge al punto fijo.
El siguiente teorema dice que este resultado puede generalizarse a cualquier con-traccin
definida en un espacio mtrico completo.
Teorema 7.16. Teorema del mapeo de la contraccin. Sea (, ) un espacio mtrico completo, y :
una contraccin con mdulo < 1. Entonces
(i) tiene precisamente un punto fijo en ( , ! = ), y
(ii) la sucesin { (0 )}, definida por
1 = 0 , 2 = 1 , . . . , + 1 =
converge a para cualquier 0 punto de partida en .
Prueba
Existencia: Tomar una 0 punto arbitrario en y definir la sucesin{ (0 )} por
1 = 0 , 2 = 1 , . . . , +1 =
primero vamos a demostrar que esta sucesin es de Cauchy. Entonces, dado que (X, d) es un
espacio mtrico completo, la sucesin converge a un punto x enX. A continuacin, se muestra
que x es un punto fijo deT.
86
Mediante el uso de la definicin de la contraccin en varias ocasiones, vemos que la distancia

entre dos trminos sucesivos de la sucesin { (0 )} Est acotada y decreciente en :
(+1 , ) = d ( , 1 ) Bd( , 1 )
= (1 , 2 ) B 2 d(1 , 2 )
(1 , 0 )(1)
A continuacin, considerar la distancia entre dos trminos arbitrarios de la sucesin, m yn con
< . Usando la desigualdad triangular,
1
( , ) (+1 , 1 ) [ (1)]
=
1 1
d(1 , 0 ) = d(1 , 0 )
= =0

d(1 , 0 ) = d(1 , 0 ) (2)
=0 1
Debido a < 1, Bm/ (1 ) 0 como . Se deduce que, dado un arbitraria >
0, podemos elegir y suficientemente grande para que d (m, n) < ;Por lo tanto, {n(0)}
Es Cauchy para cualquier 0, y dado que (, ) es completa por supuesto, cada uno de esa
sucesin tendr un lmite en . Tomar uno de estos puntos y lo llaman *.
A continuacin, mostramos que * es un punto fijo de . Sea una contraccin, es continua.
Por lo tanto, podemos "tomar el lmite de la funcin" y escribir
( ) = ( ) = ( ) = + 1 =
Singularidad: Nada de lo que hemos dicho hasta ahora implica singularidad. Queda por
demostrar que es independiente de la eleccin del punto inicial 0 o, equivalentemente, que
slo hay un punto fijo de . Demostraremos que si tiene dos puntos fijos, deben ser iguales.
Supongamos que *y "son ambos puntos fijos de (es decir, Tx = x 'y TX' = x"). Debido
a que T es una contraccin, tenemos, por unos (0,1),
{, ") = ( \ ") (\ ")
Debido a < 1, esto puede mantener slo si (, ") = 0(es decir, si i = "), pues de lo
contrario llegaramos a
(, ") < (, ")
una contradiccin.
El siguiente ejercicio generaliza este resultado. No es necesario que ser en s mismo una
contraccin; es suficiente con que su ensima iteracin ( )una contraccin de para tener
exactamente un punto fijo. se define de forma recursiva por
2 = (), 3 = [ ()] = ( 2 ), . . . , + 1 = ( )
87
7.17. Sea (, ) un espacio mtrico completo, y : una funcin cuya ensima iteracin
es una contraccin. Demostrar que tiene un punto fijo nico.
El teorema de la cartografa de la contraccin es un resultado muy til. Se puede utilizar para
probar la existencia y unicidad de las soluciones a varios tipos de ecuaciones, incluyendo
ecuaciones diferenciales y algunas ecuaciones funcionales que surgen en relacin con los
problemas de optimizacin dinmica. Por otra parte, la segunda parte del teorema sugiere un
mtodo (el mtodo de aproximacionessucesivas) para el clculo de las soluciones a las
ecuaciones que se pueden escribir en la forma = , donde T es una contraccin: A partir
de una solucin de prueba conveniente, construir una sucesin{ } de forma recursiva con
+1 = . Si podemos encontrar el lmite de la sucesin, tambin hemos encontrado la
solucin a la ecuacin. De lo contrario, podemos aproximar la solucin a cualquier grado
deseado de exactitud mediante el clculo suficientemente muchos trminos de la sucesion.9
El siguiente teorema dice, de manera franca, que si una condicin de continuidad se

mantiene, podemos hacer esttica comparativa con puntos fijos de las contracciones.
Teorema 7.18. Dependencia continua del punto fijo de parmetros. Dejar (, ) y (, ) dos espacios mtricos,
y (, ) una funcin de . Si (, ) es completa, si es continua en , y si para cada
de la funcin T-un, Definida por () = (, ) para cada x e X, es una contraccin, entonces la
funcin de solucin : , con = (), que da el punto fijo como una funcin de los parmetros, es
continua.
Prueba Considere una sucesin convergente de valores de los parmetros, { } . Para
establecer la continuidad de , es suficiente para demostrar que
[ ( ), ()] 0 { } (1)
Por definicin, la funcin satisface la identidad () = ()para todo . El uso de esta
expresin en (1), tenemos
[ ( ), ()] = [ ( ), ()] (Por la desigualdad triangular)
[ ( ), ()] + [ ( ), ()]
[ ( ), ()] + [ ( ), ()]
donde la segunda desigualdad utiliza la suposicin de que es una contraccin, con un
mdulo n< (0,1). As,
[ ( ), ()] < [ ( ), ()] + [ ( ), ()]
88
de donde
1
[ ( ), ()] [ ( ), ()]
1
Ahora, es continua en , por lo que el lado derecho de esta expresin va a cero como { }
. Por lo tanto, (1) es titular, y ( ) es continua.
Recordemos que, dado un espacio mtrico completo (, ) y un subconjunto cerrada de
, (, ) es tambin un espacio mtrico completo (Teorema 7.9). Ahora supongamos que
: es una contraccin y mapas en s mismo (es decir, si , a continuacin,
). En ese caso, es una contraccin de , y el nico punto fijo de en debe encontrarse
en Algunas veces esta observacin nos permite establecer ciertas propiedades de un punto
fijo, aplicando el teorema de la aplicacin de contraccin en dos ocasiones - por primera vez en
un "gran "espacio para establecer la existencia, y luego de nuevo en un subconjunto cerrado
de orden en para mostrar que el punto fijo tiene ciertas propiedades. Por ejemplo, si (, )
es el espacio de las funciones reales y limitada continuas con la norma sup (vase la Seccin 1),
entonces el subconjunto de formada por funciones no decreciente est cerrada. Por lo tanto,
si una contraccin en (, ) los mapas de funciones no decreciente en funciones no
decreciente, el punto de T fijo ser una funcin no decreciente.
No siempre es fcil determinar si es o no una funcin dada es una contraccin. El siguiente

teorema, debido a Blackwell, da suficientes condiciones para un operador en un espacio de
funciones tiles para ser una contraccin. La ventaja de este resultado es que en algunas
aplicaciones econmicas, condiciones Blackwells son muy fciles de verificar.
Teorema 7.19. Condiciones suficientes de Blackwell para una contraccin. Sea ( , )el conjunto de funciones
acotada : , con la norma sup. Si un operador : ( , ) ( , )satisface las dos
condiciones
(i) monotonicidad: , ( , ), () () () () ,
(ii) descuento: (0,1) ( , ), 0, se tiene
[ () + ] [()] +
entonces es una contraccin.
Prueba Para cualquier , ( , ), tenemos
= + ( ) +
Por supuestos (i) y (ii),
( + ) +
89
Intercambiando los papeles de y , se obtiene, por la misma lgica,
( + ) +
La combinacin de las dos desigualdades, obtenemos el resultado deseado:

8. La compacidad y el teorema de Extremo-Valor

Sea una funcin real definida en un conjunto en un espacio mtrico. Un problema que surge
con frecuencia es el de encontrar el elemento de que va a maximizar o minimizar . Con el
fin de garantizar que existe un punto tal, ciertas restricciones tienen que ser colocados tanto en
la funcin y el conjunto. Por ejemplo, hemos visto que si es una funcin de un conjunto de
nmeros reales de a , una condicin suficiente para la existencia de un mximo es que es
continuo y es un intervalo cerrado y acotado. Uno de los propsitos de esta seccin es
extender este resultado en funciones continuas a los conjuntos ms generales. Esto nos lleva al
estudio de la compacidad.
(a) La compacidad y algunas caracterizaciones
Para introducir la nocin de compacidad, necesitamos algo de terminologa.
Definicin 8.1. Cubrir y abrir la tapa. Una coleccin de conjuntos de = { } en un espacio
mtrico(, ) es una cubierta del conjunto si est contenido en su unin, es decir, si
. Si todos los conjuntos estn abiertos, se dijo que la coleccin de para ser una
cubierta abierta de .
Definicin 8.2. Conjunto compacto. Un conjunto en un espacio mtrico es compacto si cada
cubierta abierta de tiene una cubierta abierta finita. Es decir, es compacto si se les da
ninguna cubierta abierto = { } de ella, podemos encontrar un subconjunto finito de
, [u. . . , }, que todava cubre .
Ntese que la definicin no dice que un conjunto es compacto si tiene una cubierta abierta
finito. De hecho, cada conjunto en un espacio mtrico (X9 d) tiene una cubierta abierta finito,
para el conjunto X universal es abierta y cubre cualquier conjunto en el espacio.
Ejemplo 8.3. (0,1) No es compacto. La coleccin de intervalos abiertos (1 / , 1) para 2 es
una cubierta abierta de (0,1) porque dado ninguna en (0,1), existe un entero tal que >
1 / , y por lo tanto (1 / , 1). Por lo tanto, (0,1) = =2 (1 / , 1). Sin embargo, no
es cubierta abierta finita {(1/ ), . . . , (1 / , 1)} ser suficiente para cubrir (0,1), para la
unin de estos conjuntos es (1/, 1),
90
Compacidad y el Teorema del Extremo-Valor
donde = 1<< , y dado cualquier hay algn nmero real estrictamente positivo
con < 1/.
Una condicin necesaria para la existencia de un mximo de una funcin sobre un conjunto
es que la funcin se limita en el conjunto. Para motivar a la definicin anterior (es decir, para
tratar de entender por qu conjuntos con tales propiedades extraas pueden ser tiles),
considerar cmo se puede ir sobre la extensin del resultado dado en el teorema 6.20 sobre el
lmite de la funcin continua en un intervalo[, ] a una clase ms amplia de conjuntos en un
espacio mtrico arbitrario.
Comenzamos observando que una funcin continua est limitada localmente. Sea :
continua, y considerar un punto arbitrario en . Entonces, por la definicin de
continuidad (con = 1), existe un nmero real positivo ()(que depende tanto del punto
elegido como de la funcin particular con la que estamos trabajando ) tal que
| () ()| < 1 para todo () ().Por lo tanto, est acotada en () ()por
= |()| + 1.
Considerar ahora lo que sucede cuando tratamos de extender esta propiedad de limitacin local
para todo el conjunto . La pregunta es si o no la continuidad de es suficiente para garantizar
la existencia de un lmite que funcione para todo de (para la funcin dada). Es tentador
tratar de definir como el mximo de la sobre todos los puntos en , pero que en
general no funciona, para los que puede haber un nmero infinito de tales y el conjunto de
tales nmeros puede no tener un lmite superior. Ntese, sin embargo, que el conjunto de bolas
abiertas {() ()} para todos es una cubierta abierta de A. Si A es un conjunto compacto,
existe un conjunto finito de tales bolas, { (1) (1 ), , () ( )}, que contiene todos los
puntos de . En este caso, el mximo del conjunto (finito) formado por los lmites locales
correspondientes {1 , , } est bien definido y proporciona un lmite global para la
funcin en el conjunto.
En conclusin, la compacidad nos permite sustituir una cubierta abierta arbitraria por una
cubierta finita. En algunos casos esto es suficiente como un sustituto de la finitud que nos
permitir extender a los conjuntos infinitos algunas propiedades que mantienen trivialmente en
los finitos.
No siempre es fcil trabajar directamente con la definicin de la compacidad. En el resto de
esta seccin vamos a desarrollar algunas caracterizaciones de compacidad que con frecuencia
son ms tiles que nuestra definicin original. El primero de estos, conocido como compacidad
secuencial, es vlido en espacios mtricos, pero no necesariamente en espacios topolgicos ms
generales.
Definicin 8.4. Compacidad secuencial. Un conjunto en un espacio mtrico es secuencialmente
compacto si cada sucesin de elementos de tiene una subsucesin convergente cuyo lmite
se encuentra en .
91
Ahora vamos a demostrar que la compacidad y la compacidad secuencial (que es esencialmente

la propiedad de Bolzano-Weierstrass) son equivalentes en espacios mtricos. La primera mitad
de la equivalencia es fcil de establecer.
Teorema 8.5. Un conjunto compacto en un espacio mtrico es secuencialmente compacto.
Prueba. Vamos a probar la afirmacin contrapositiva (un conjunto A en un espacio mtrico que
no es secuencialmente compacto no puede ser compacto) mediante la construccin de una
cubierta abierta de sin cubierta abierta finita. Si no es secuencialmente compacto, hay una
sucesin{ }de puntos de con la propiedad de que ninguno de sus subsucesiones converge a
un punto en A. Por lo tanto, ningn punto de A es el lmite de una subsucesin de { }, y se
deduce que para cada en existe una bola abierta () () que contiene slo un nmero
finito de elementos de { }. La familia = {() (); } es una cubierta abierta de .
Sin embargo, ninguna subfamilia finita de puede cubrir { } (Y por lo tanto ), pues cualquier
familia de este tipo contendr solo un nmero finito de trminos de { }. Por lo tanto, no es
compacto.
El resultado inverso toma un poco ms de trabajo. Comenzamos con algunas definiciones.
Definicin 8.6.-conjunto y conjunto totalmente acotado. Dado algn > 0 y un conjunto en

un espacio mtrico (, ), un-conjuntopara A es un conjunto de puntos de en tal que
()
Un conjunto en (, ) est totalmente acotado si tiene un finito -conjuntopara cualquier
> 0.
Es decir, un conjunto est completamente acotado si puede ser cubierto por un nmero finito
de bolas de radio arbitrariamente pequeo. Evidentemente, un conjunto totalmente acotado
est limitado necesariamente, pero la inversa no necesariamente es cierta.
Definicin 8.7. Nmero de Lebesgue para una cubierta abierta. Sea A un conjunto en un espacio
mtrico, y sea una cubierta abierta de . Se dice que un nmero real fijo > 0 es un nmero
de Lebesgue para si para cada en existe un conjunto () en tal que () ().
Por lo tanto, si tiene un nmero de Lebesgue, podemos "reemplazarlo" con una cubierta
abierta formado por bolas de radio constante, que a menudo es ms conveniente. Tener en
cuenta que, si esta "cubierta de la bola" tiene un subcubierta finita, tambin lo hace la original.
Ejemplo 8.8. Tenga en cuenta que una cubierta abierta no puede tener un nmero de Lebesgue.
Como en el ejemplo anterior, poner = (0,1) y considerar la cubierta abierta
92
= {(1/, 1); 2}. Para cualquier dado > 0, elija < ; entonces () = (0, + )
no est contenido en (1/, 1) para cualquier .
Teorema 8.9. Un conjunto secuencialmente compacto en un espacio mtrico est completamente unido.
Prueba. Vamos a demostrar que, si un conjunto no est completamente unido, entonces no

puede ser secuencialmente compacto - es decir, si para algn > 0 no hay-conjuntofinito
para , podemos construir una sucesin{ } en A sin subsucesin convergente.
Tomar cualquier 1 en , y sea1 = (1 ). Por supuesto, 1 no cubre, as que hay

algn2 , con2 1 2 . Sea2 = (2 ); entonces{1 , 2 } Todava no es una cubierta
de A, y por lo tanto existe algn3 , con 3 1 2 . Poner3 = (3 ), . . ., Etctera.
Continuando de esta manera, podemos construiruna sucesin { } con la propiedad que
( ) para todo y , como se elige cada nuevo trmino de la sucesin fuera de todas
las -bolas centradas en los trminos anteriores. Claramente, esta sucesin no tiene
subsucesionesde Cauchy y por lo tanto tampoco hay subsucesiones convergentes.

Teorema 8.10. Cualquier cubierta abierta de un conjunto compacto secuencialmente en un espacio mtrico tiene
un nmero de Lebesgue.
Prueba. Sea A un conjunto en un espacio mtrico (, ) con una cubierta abierta . Si no

tiene ningn nmero de Lebesgue, entonces, para cada > 0 existe algn punto en tal que
ningn conjunto en contiene ().En particular, para cada entero , podemos encontrar
algn punto e en tal que 1 ( )no est contenida en cualquier . Vamos a
demostrar que si es secuencialmente compacto, una sucesin en no puede tener esta
propiedad. Por lo tanto, dada la compacidad secuencial de , un nmero de Lebesgue debe
existir para cualquier cubierta abierta de la misma (o de lo contrario tenemos una contradiccin).
Por la compacidad secuencial de , cualquier sucesin { } de puntos en contiene una
subsucesin convergente { } Con lmite . Debido a que cubre , para
algn0 , y porque0 es abierta, existe algn entero tal que 2/ () . Vamos a
demostrar que 1/ ( ) para algunos trminos en la sucesin aprovechando el hecho de
que podemos traer{ } arbitrariamente cerca a y hacer 1/ ( ) arbitrariamente pequea.
Por la convergencia de { } a, existe algn tal que
1/ () para todo >
Elija > {, }, y observar que para cualquier punto y en1/ ( ) tenemo
93
1 1 1 1 2
(, ) (, ) + ( , ) < + < + =

Por lo tanto, para suficientemente grande, tenemos 2/ (), pero entonces
1/ ( ) 2/ ()
contradiciendo la no existencia de un nmero de Lebesgue. .
Ahora podemos probar que compacidad secuencial implica compacidad en un espacio

mtrico.
Teorema 8.11. Cualquier conjunto secuencialmente compacto en un espacio mtrico es compacto.
Prueba. Sea una cubierta abierta arbitraria de un conjunto compacto secuencialmente en un

espacio mtrico. Por el teorema 8.10, tiene un nmero de Lebesgue , y por el Teorema 8.9
existe un-conjunto finito (para el misma ) {1 , . . . , } para.Para cada = 1, . . . , hay
algn tal que ( ) , por la definicin denmerode Lebesgue. Debido a que
=1 ( ) =1 , tiene unasubcubierta finita {1 , . . . , }.
Ahora vamos a ofrecer una caracterizacin alternativa de compacidad en trminos de una

propiedad de familias de conjuntos cerrados.
Definicin 8.12. La propiedad interseccin-finita. Una familia no vaca de conjuntos = { ;

} tiene la propiedad de interseccin finita si cada (no vaca) subfamilia finita de tiene una
interseccin no vaca.
Teorema 8.13. Un conjunto en un espacio mtrico (o topolgico)(, ) es compacto si y slo si cada familia
de subconjuntos cerrados de que tiene la propiedad de interseccin finita tiene una interseccin no vaca.
Prueba
Supongamos que es compacto. Para demostrar que cualquier familia de subconjuntos

cerrados que tiene la propiedad de interseccin finita tiene una interseccin no vaca, vamos
a probar la siguiente equivalencia (contrapositiva): Sea = { ; } una familia de
subconjuntos cerrados de C con la propiedad de que = = ; entonces existe
alguna subfamilia finita de A con una interseccin vaca - es decir, existe algn conjunto finito
tal que = .
Para cada , sea = es el complemento del conjunto cerrado . Entonces, cada es

un conjunto abierto, y podemos escribir, usando las leyes de De Morgan (teorema 1.2 en el
Captulo 1),
= = ~( ) = (~ ) =
94
Por lo tanto, { ; } es una cubierta abierta de . Debido a que es compacto, { ;

} contiene un subcubierta finita de . Es decir, existe un conjunto finito tal que

lo que implica que
= ~( ) ~ (1)
Por otra parte, debido a que cada A es un subconjunto de C, tambin lo es su interseccin;

por lo tanto, tenemos
(2)
Combinacin de (1) y (2), concluimos que = , que establece el resultado deseado.
Por lo contrario, supongamos que tiene la propiedad de que, si la interseccin de cualquier

familia de subconjuntos cerrados de est vaco, entonces la interseccin de alguna
subfamilia finita de ellos est vaca (estamos utilizando el contrapositivo de nuevo). Sea =
{ ; }una cubierta abierta arbitraria de , de modo que

y observar que esto implica que

~( ) ~ (1)
A continuacin, sea
= (~ )
para cada , usando (1) y las leyes de Morgan, tenemos

= ( ( ) = ( ( )) = (~ ( )) (~) =
Por lo tanto, = { ; } es una familia de subconjuntos cerrados de cuya interseccin
est vaca. Por supuesto, existe alguna subfamilia finita de con una interseccin vaca; es
decir, existe algn conjunto finito tal que = 0, y se deduce que
= ( ( ) = ( ( )) = (~( )) =
Esto implica que est contenido en . Por lo tanto, { ; } es un subcover finito
de { ; }, y concluimos que es compacto.
(b) Relaciones con otras Propiedades Topolgicas

En espacios mtricos, compacidad est estrechamente relacionado con otras propiedades
topolgicas, a saber, cerrado, integridad, y acotacin. En esta seccin explicamos en detalle
algunas de las interconexiones entre estas propiedades.
Teorema 8.14. Cualquier subconjunto cerrado de un espacio compacto es compacto.
Prueba. Dado un espacio mtrico (, ), sea compacto, y considerar un subconjunto cerrado
de en Sea = {{ ; }} ser una cubierta abierta arbitraria de . Debido a que C
95
es cerrada, su complemento es abierto, y { ; } es una cubierta abierta de. Como

es compacto, esta cubierta tiene un subcover finita {1 , , } . Entonces{1 , , }
es un subcover finito de , que es, por lo tanto compacto.
Teorema 8.15. Un conjunto compacto en un espacio mtrico est cerrado.

(Este resultado puede no mantenerse en espacios topolgicos ms generales.)
Prueba. Sea A un conjunto compacto en un espacio mtrico (, ). Vamos a demostrar que A
es cerrado, mostrando que contiene todos sus puntos lmites. Sea un punto lmite arbitrario
de ; por el teorema 4.11 existe una sucesin{ } de puntos de con lmite . Por la
compacidad (secuencial) de , { } tiene una subsucesin convergente con lmite en . Por la
singularidad del lmite (vase el problema 2.5), es el lmite de la subsucesin y por lo tanto
debe estar en .
Teorema 8.16. Un conjunto en un espacio mtrico es compacto si y slo si est completo y totalmente acotado.
Prueba. Ya hemos visto que un conjunto compacto est totalmente acotado. La prueba de que
la compacidad implica integridad se deja como ejercicio. Ahora probamos la implicacin
inversa (es decir, que un conjunto completo y totalmente acotado en un espacio mtrico es
compacto).
Sea completo y totalmente acotado. Para establecer (secuencial) compacidad, tenemos que
mostrar que cualquier sucesin{ } en tiene un subsucesin convergente a un punto en . Y
debido a que estamos asumiendo integridad, es suficiente para mostrar que, dada cualquier
secuencia en , podemos producir una subsucesinde Cauchy, para que la integridad entonces
garantice la convergencia.
Sea { } una subsucesin arbitraria en . Debido a que est completamente unido, puede
ser cubierto por un nmero finito de bolas de radio 1 (un 1-conjnto). Entre estas bolas, tiene
que haber una, digamos 1,que contiene un nmero infinito de trminos de la sucesin. Estos
infinitos puntos de la sucesin original forman una nueva sucesin que llamamos {1 }. A
continuacin, podemos cubrir 1 con un nmero finito de bolas de radio12, y entre estas bolas
tiene que haber una, digamos 2, tal que 1 2 contiene un nmero infinito de puntos de
{1 }, formando una nueva sucesin{2 }. Continuando de esta manera, obtenemos una
sucesin{ } de bolas con radio 1 tal que 1 2 . .. contiene infinitos trminos de
la sucesin original, dando una nueva sucesin{ }.
Considerar ahora una "sucesin de cruz"{ }formada mediante la adopcin de un elemento de
cada una de estas sucesiones (es decir, el-trmino de { } se toma de { }). Observamos que,
por construccin,
96
1 2 . . .
Por lo tanto, dados cualquier nmeros enteros positivos y , con < , los trminos

y de{ }estn contenidos en la bola (de radio1), y por lo tanto

( , ) < 2
Por lo tanto, la subsucesin{ } es de Cauchy: Al tomar suficientemente grande, podemos

forzar todos los trminos restantes de la sucesin para caber dentro de una bola de radio
arbitrariamente pequeo. Por completitud, { }y converge a un punto en C. Por lo tanto, hemos
demostrado que una sucesin arbitraria en C debe contener una subsucesin convergente con
lmite en C, estableciendo as la compacidad secuencial del conjunto.
Problema 8.17. Demostrar que un conjunto compacto en un espacio mtrico es completo.
Problema 8.18. Sea A un conjunto compacto, y sea{ }una "sucesin decreciente" de un

subconjunto cerrado no vaco de tal que +1 . Mostrar que
=1 = no est vaco.
De los teoremas 8.9 y 8.15, sabemos que un conjunto compacto en un espacio mtrico es
cerrado y acotado. El siguiente resultado nos dice que lo contrario es cierto para conjuntos de
nmeros reales, estableciendo de este modo una importante caracterizacin de conjuntos
compactos en como aquellos que estn cerrados y acotados.
Teorema 8.19. Heine-Borel. Cualquier conjunto cerrado y acotado de nmeros reales es compacto.
Prueba. Tener en cuenta que cualquier conjunto acotado de nmeros reales debe estar contenido
en un intervalo cerrado [, ] con puntos finales finitos. Porque sabemos que cualquier
subconjunto cerrado de un conjunto compacto es compacto, slo necesitamos demostrar que
[, ] es compacto. Por el teorema de Bolzano-Weierstrass, cualquier sucesin contenida en este
conjunto (limitado) contiene una subsucesin convergente, y porque [, ] es cerrado, la
subsucesin converge a un punto en el intervalo (teorema 4.13), estableciendo compacidad
secuencial (ver Problema 3.4).
Este resultado se puede extender fcilmente a cualquier espacio eucldeo de dimensin finita.
Teorema 8.20. Cualquier subconjunto cerrado y acotado de es compacto.
Prueba. Sea un conjunto cerrado y acotado en . Entonces existe algn nmero tal que
para todo en. Por lo tanto, A est contenido en el cubo de lado dado por
97
= , donde = [, ]
Como en el anterior teorema, es suficiente para demostrar que es compacto, por el carcter
cerrado de , entonces garantiza su compacidad.
Para simplificar la notacin, sea = 2 (es decir, estaremos trabajando en el plano 2 ), y

considerar 2 = = [, ] [, ] y una sucesin arbitraria { } en este conjunto,
con = (1 , 2 ). Observe que {1 } y {2 } son sucesiones de nmeros reales contenidos en
el conjunto compacto = [, ], por el teorema de Heine-Borel, {1 } tiene una subsucesin
{1 } convergente a un lmite 1 en , y la correspondiente subsucesin de {2 }, {2 },tiene una
subsucesin convergente {2 } con lmite 2 en . Poniendo = (1 , 2 ), est claro

que (por la equivalencia entre la convergencia en 2 y convergencia de coordenadas en )
{ } ( 1 , 2 )

es decir, { } tiene una subsucesin convergente con lmite en 2, que establece la compacidad
secuencial de 2y por lo tanto de cualquier conjunto cerrado y acotado en el plano. El argumento
se puede extender fcilmente a cualquier espacio eucldeo de dimensin finita. Ms
generalmente, se puede demostrar que un producto finito de conjuntos compactos es compacto
(en la mtrica sup).
(C) Funciones Continuas en Conjuntos Compactos
Teorema 8.21. Sean (, ) y (, ) espacios mtricos, y ; una funcin continua. Si es un

conjunto compacto en (, ), su imagen () es compacto en (, ).
Prueba. Sea { }una sucesin arbitraria en (), y considerar una sucesin compaera formada
por los puntos en tal que ( ) = . Por la compacidad secuencial de C, { } tiene
una subsucesin convergente, digamos { }, con lmite de en C. Entonces, por la
continuidad de ,
lim = lim ( ) = ( lim ) = () ()

Por lo tanto, { } tiene una subsucesin{ } que converge a un lmite en (). Esto establece
la compacidad secuencial de ().
En el caso de una funcin de valor real, el teorema dice que la imagen continua de un
conjunto compacto es un intervalo compacto o un conjunto de ellos. Debido a que cualquier
conjunto de nmeros reales contiene tanto en su extremo superior y su nfimo, tenemos el
siguiente corolario importante:
98
Teorema 8.22. valor extremo (Weierstrass). Sea C un conjunto compacto en un espacio mtrico, y :
una funcin continua. Entonces f es acotada en C y alcanza tanto su mximo y su mnimo en el conjunto. Es
decir, existen puntos M y m en tal que
( ) = () ( ) = ()
Prueba. Vamos a probar la existencia de un mximo. Por el teorema anterior, () es un
conjunto compacto de los nmeros reales y, por tanto, est cerrada y delimitada. Sea p el
supremo. Entonces es un punto lmite de () (Por qu? 1 no es un lmite superior
para ()) Debido a que () est cerrada, se deduce que es contenida con en ella, es
decir, existe un cierto punto M en tal que = ( ).
Problema 8.23. Dar una prueba alternativa para el Teorema 8.21 directamente a travs de la
definicin de la compacidad. (Sea { , } sea una cubierta abierta de ()).
Teorema 8.24. Sea (, ) (, ) espacios mtricas, con ; una funcin continua, y C un
conjunto compacto en (, ). Entonces es uniformemente con-continuo en C.
Prueba. Sea > 0 se dar. Debido a que es continua, para cada punto en podemos
encontrar un nmero positivo () tal que
(, ) < () => [ (), ()] < / 2(1)

Para cada , sea () el conjunto de todos los puntos Y en C para los que d (, ) <
()/2. La coleccin de todos ellos () (uno para cada punto en C) es una cubierta abierta
de C, y porque C es compacto, hay una coleccin finita de puntos en C, digamos {1, . . . , },
de tal manera que
C B(X1 ) B(X ) (2)
Poner
{ (1 ), . . . , ( )}
=
2
y observar que > 0, porque este es un conjunto finito de nmeros positivos (es por eso
que necesitamos compacidad, garantiza que podemos encontrar una infinita subcubierta,
tenga en cuenta que el nfimo de una coleccin infinita de nmeros positivos puede ser cero).
Sean e sean puntos en tal que (, ) < . Por (2), hay algn punto de tal
manera que ( ), y por lo tanto
99
( )
(, ) < (3)
2
Adems,
( )
(, ) (, ) + (, ) < + ( ) (4)
2
Por lo tanto, tanto como estn lo suficientemente cerca de que podemos utilizar
(1) para concluir que
[ (), ()] [ (), ( )] + [( ), ()] <
Un argumento similar producir el siguiente resultado.
Teorema 8.25. Demostrar que si una funcin es localmente Lipschitz en un conjunto compacto, entonces es
Lipschitz en el conjunto(vase la definicin 6.18).
Problema 8.26. Compacidad del espacio del producto. Dejar (, 1 ) y (, 2 ) Ser espacios
mtricos, y considerar el espacio del producto ( = , ), Con la mtrica del
producto , definido por
(, ) = {(, ), ( , )} = [1 (, )]2 + [2 (, )]2 (1)
Mostrar que el espacio del producto ( = , ) es compacto si y slo si ambos (, )y

(, 2 ) Son compactos.
9. Conjuntos conectados
Un conjunto se dice que est conectado si se trata de una sola pieza (es decir, si no se
compone de dos o ms "componentes separados"). La siguiente definicin hace que esta
idea ms precisa.
Definicin 9.1. Separado y conjuntos conectado. Dos conjuntos y en un espacio mtrico
se dice que estn separadas si tanto y estn vacos (es decir, si ninguno de los
conjuntos tiene un punto situado en el cierre de la otra). Un conjunto en un espacio mtrico
se dice que est conectada si no es la unin de dos conjuntos nominales separados no vacos.
Ntese que la condicin para dos conjuntos que ser separados es ms fuerte que la
disyuncin, pero ms dbil que la exigencia de que la distancia entre ellos sea estrictamente
positiva. Por lo tanto, los intervalos (1, 0] y (0,1) son disjuntos pero no separado, ya que
0 se encuentra en uno de intervalos y en el cierre de la otra.
100
Conjuntos Conectados
Los intervalos (1,0) (0,1), sin embargo, estn separados, pero la distancia entre ellos es
cero.
Conjuntos conexos en la recta real tienen una estructura particularmente simple. Como se
muestra en nuestro siguiente resultado, los conjuntos conectados en son precisamente los
intervalos.
Teorema 9.2. Un conjunto de nmeros reales es conexo si y slo si es un intervalo
Prueba Recordemos que un conjunto de los nmeros reales es un intervalo si es que siempre
que y estn en , cualquier nmero real , con < < , tambin se encuentra en
(Problema 6.14 en el Captulo 1).
Tenemos primero que un conjunto de nmeros reales que no es un intervalo no est
conectado. Sea un conjunto tal. Entonces existen nmeros reales e en y tal que
< < , y podemos escribir S como la unin de dos componentes, de la siguiente manera:
= 1 2 = [ ( , )] [ (, )]
Tenga en cuenta que ninguno de estos conjuntos est vaca, porque 1 contiene al menos , y
2 contiene al menos y. Por otra parte, 1 y 2 estn separados, porque si 1 ( , ) y 2
(, ), y estos intervalos estn separados (ninguno de ellos contiene el nico punto lmite
comn, z). Por lo tanto no est conectado.
Para demostrar que cada intervalo se conecta, se muestra que un conjunto no conectados no
puede haber un intervalo. Sea un conjunto de nmeros reales no conectados. Entonces
existen no vaco separa los conjuntos y tal que = . Recogida y sea B, y
asumen (reetiquetado los conjuntos si es necesario) que < , como en la figura 2.12. Para
establecer que no es un intervalo, vamos a demostrar que hay un cierto nmero real
con < < .
Definimos
= { [, ]}
Entonces (vase el problema 4.15) tenemos y (debido a que y estn separados) x

B. Adems, tenemos < < .there son ahora dos posibilidades. Si , entonces hemos
encontrado el nmero deseado, por entonces < < y . Si , por otro lado,
tenemos (debido a que y estn separados), y se deduce que x se encuentra en el
conjunto ~ . Por lo tanto, podemos encontrar algn otro punto en este conjunto (y por
lo tanto no en ) tal que < < . Esto establece el resultado deseado.
A B
A x b
Figura 2.12.
101
Nuestro siguiente resultado dice que las funciones continuas preservar la conectividad. Por lo
tanto, una manera de establecer la conexin de un conjunto es demostrando que es la imagen
continua de otro conjunto que se sabe que est conectado.
Teorema 9.3. Dejar : sea una aplicacin continua entre dos espacios mtricos. Si es un subconjunto
conectado a , entonces () est conectado.
Prueba. Vamos a probar la afirmacin contrapositivo: Si () no est conectado, entonces
tampoco es C. Supongamos () no est conectado. Entonces () = , donde y
son no vaco, separadas de , es decir,
= y =
Dejar
A = 1 () = 1 ()
y darse cuenta de que a continuacin,
=
Donde ni ni est vaca, y
() = y () =
como se ilustra en la Figura 2.13.
Debido a que (Donde es el cierre de ), tenemos una 1 [()] = 1 ()
1 (). Debido a es continua y se cierra, 1 (). cerrado, y se deduce que 1 ().
(Recordemos que el cierre de es el conjunto ms pequeo cerrado que contiene A) Entonces
tenemos () [ 1 ()] (vase el problema 4.6 en el Captulo 1).
Recoleccin de nuestros resultados hasta ahora, tenemos
() , () = =
Y
()

A
P

B
Q
Q
Q
Figura 2.13
102
Conjuntos Conectados
Por lo tanto, podemos escribir
= Q = () () ()
Por lo tanto, () () = , y esto implica que = , por si el ultimo conjunto no

estuviera vaco, cualquier punto en tendra su imagen () (), que no poda,
por tanto, estar vaco.
Un argumentosimilar produce que = . Por lo tanto = no estn
conconectados, y el resultado sigue.
Sea una funcin continua de , e un intervalo en la lnea real. Por el teorema 9.3, ()
es tambin un intervalo y, por tanto, contiene todos los puntos que se encuentran entre sus
puntos finales. As, el teorema del valor medio (teorema 6.22) es un caso especial de este
resultado.
Un concepto estrechamente relacionado con la conectividad, y a menudo ms fcil de
comprobar, es el de la conectividad arco. Un conjunto en un espacio mtrico se dice que est
conectado a arco si cualesquiera dos puntos en este, pueden estar unidos por una curva continua
situada totalmente dentro del conjunto. Ms formalmente, tenemos la siguiente definicin.
Definicin 9.4. Arco y conjunto arco-conectado. Un conjunto en un espacio mtrico es un arco

si es la imagen de un intervalo cerrado de la lnea real bajo unhomeomorfismo (una funcin
continua con una inversa continua). Un conjunto en un espacio mtrico se dice que est
conectado a arco si dados dos puntos y en existe un arco que contiene y que est
contenido completamente en el conjunto .
Observe que un arco est conectado, ya que es la imagen continua de un conjunto conectado.
Nuestro resultado anterior muestra que cada conjunto arco-conectado est conectado. La
declaracin inversa, sin embargo, no se sostiene. Como un ejemplo, considerar el conjunto
, donde es la grfica de la funcin = (1/) para > 0, y B es el intervalo (1,1) en
el eje del plano cartesiano ( Figura 2.14). Como 0, la amplitud de las ondas sinusoidales
disminuye, y dado cualquier punto en , podemos encontrar puntos en A arbitrariamente
cerca de . Por lo tanto, estnconectados. Se puede demostrar, sin embargo, que
no est arco-conectado (Sutherland, 1993, pp. 99-101).
Teorema 9.5. Un conjunto arco-conectado en un espacio mtrico est conectado.
Prueba. Vamos a probar la afirmacin contrapositiva que un conjunto no conectado en un

espacio mtrico no puede ser arco-conectado.
103
y = sen (1/x)
1
0.5
x
0.1 0.2 0.3 0.4 0.5
- 0. 5
-1
Figura 2.14.
Sea D un conjunto no conectados. Entonces existen conjuntos no vacos y de tal manera

que = y
= = (1)
Sean y puntos arbitrarios de , respectivamente, y sea cualquier subconjunto de

que contiene tanto como a . Demostrar que no est conectado y no puede por lo tanto
ser un arco.
Observe que y son conjuntos no vacos (uno contiene al menos , y la otra al
menos ), y
( ) ( ) = ( ) = =
Queda por demostrar que y estn separados. Para esto, observe que cualquier
punto de cierre de es un punto de cierre en y en . Por lo tanto, ( ) .
Ahora podemos escribir
( ) ( ) ( ) ( ) = ( ) = =
Por el mismo argumento, ( ) ( ) = , y concluimos que no est conectado y

por lo tanto, no es un arco.
10. Normas y Mtricas Equivalentes

Ya hemos sealado que es posible (y, a menudo conveniente) definir varios mtricas o normas
diferentes en un conjunto dado. Surge entonces la pregunta de cundo mtricas alternativas
pueden considerarse equivalentes. En la seccin 1 se introdujo el concepto de equivalencia de
Lipschitz para mtricas y normas.
104
Normas y Mtricas Equivalentes
Ahora introduciremos una nocin alternativa de equivalencia (equivalencia topolgica) y

explorar la relacin entre estos dos conceptos.
Diremos que dos mtricas o normas son topolgicamente equivalentes si conservan las
propiedades topolgicas bsicas de conjuntos y funciones. Formalmente, vamos a definir la
equivalencia topolgica en trminos de la preservacin de convergencia y mostraremos que las
mtricas equivalentes tambin preservar la continuidad de las funciones y la apertura de los
conjuntos.
Definicin 10.1. Mtricas y normas topolgicamente equivalentes. Sea un conjunto no vaco, y
1 y2 dos mtricas definidas en l. Diremos que 1 y2 son topolgicamente equivalentes si
conservan la convergencia de sucesiones. Es decir, 1 y2 son topolgicamente equivalentes si
y slo si cumple la siguiente condicin: Para cualquier y cualquier sucesin { } en ,
{ } converge a en (, 1 ) si y solo si converge para x en (, 2 ).
Dado un espacio vectorial , dos normas 1 y 2 definidas en l se dice que son
topolgicamente equivalentes por decirlo si la mtricas que ellas generan son topolgicamente
equivalentes.
Teorema 10.2. mtricas equivalentes preservan la continuidad. Sea (, ) un espacio mtrico, con un conjunto
no vaco, y 1 2 dos mtricas definidas en l. Luego1 y 2 son topolgicamente equivalentes si y solo si
dadas dos funciones : y : tenemos que
(i) es 1 , )-continua si y solo si es (2 , )-continua
(ii) es (, 1 )-continua si y solo si es (, 2 )-continua
Prueba
() Asumir que 1 2 son mtricas topolgicamente equivalentes, y sea :
es una (1 , )-continua. Queremos mostrar que es tambin (2 , )-continua. Por el
teorema 6.3 (caracterizacin secuencial de continuidad), el (1 , )-continua de implica
que dada una sucesin { } convergente a 0 en (, 1 ), la sucesin {( )} converge
a ( 0 ) en (, ). Por la equivalencia de las mtricas, cualquier sucesin { } tambin
converge a 0 en (, 2 ), y porque la sucesin de imgenes {( )} converje a
( 0 )por la asuncin, la funcin es continua, otra vez por el teorema 6.3 Un similar
argumento puede hacerse para funciones :
() Asumir lo que sostiene la condicin (i) , y considerar un 1 -sucesin convergente
{ } en con limite . Queremos mostrar que { } converge a en (, 2 ). Sea
: , con () = , el mapeo de identidad en . Porque esta funcin es claramente
(1 , 2 )-continua, la condicin (i) implica que es tambin(1 , 2 )-continua. Por lo tanto,
por el teorema 6.3, la sucesin de imgenes {( )} = { } converge a () =
en (, 2 ), que es el resultado deseado.
105
Teorema 10.3. Mtricas equivalentes conservan conjuntos abiertos. Seaun conjunto no vaco, y 1 y 2 , dos
mtricas definidas en l. Luego una necesaria y suficiente condicin para que 1 y 2 , sean topolgicamente
equivalentes es la siguiente: un subconjunto de es 1 -abierto si y solo si es 2 -abierto.
Problema 10.4. Demostrar el teorema 10.3. Sugerencia: Utilice el teorema 10.2.
Estos resultados muestran que la convergencia y continuidad realmente no dependen en el

uso de una mtrica especfica per se, sino ms bien en la clase de equivalencia topolgica de las
mtricas que estamos utilizando o, equivalentemente, en la estructura de conjunto abierto del
espacio. Como ya hemos sealado, esta propiedad permite un tratamiento ms general de
muchos problemas en una amplia familia de espacios (espacios topolgicos) en la que los
conjuntos abiertos son esencialmente las nicas estructuras primitivas.
Los siguientes dos resultados describen la relacin entre la equivalencia topolgica y la

equivalencia de Lipschitz. El primer teorema dice Lipschitz-equivalente implica la equivalencia
topolgica. Lo contrario de este resultado no se mantiene en espacios mtricos arbitrarias, sino
que se sostiene en el espacio vectorial normado.
Teorema 10.5. Lipschitz-equivalente implica la equivalencia topolgica. Seaun conjunto no vaco 1 y 2dos
mtricas definidas en l. Si 1 y 2sonLipschitz-equivalente, es decir, si existen nmeros reales positivos y
tal que
1 (, ) 2 (, ) 1 (, ) , (1)
entonces,1 y 2son topolgicamente equivalentes.
Teorema 10.7. Equivalencia topolgica implica la equivalencia de Lipschitz en espacios vectoriales. Sea un
espacio vectorial, y 1 y 2 dos normas definidas en l. Si 1 y 2 son topolgicamente equivalentes,
entonces son tambin Lipschitz-equivalentes; es decir, existe constantes positivos m y M tal que
mx1 x2 x1 para todo x
Prueba. Probaremos la declaracin contrapositiva: Si 1 y 2 nos son Lipschitz-equivalente,

entonces no pueden ser topolgicamente equivalentes, es decir, podemos encontrar una
sucesin{ } que convergera para algn lmite en la mtrica inducida por 1 y no
convergera a en la mtrica inducida por 2 .
106
Normas y Mtricas Equivalentes
Supongamos que no hay M constante tal que x2 M x1 para todo . Entonces para cada
entero positivo puede encontrar algn con la propiedad que
2 > 1 (1)
Dividiendo ambos lados de (1) por 2 Y usando las propiedades definitorias de la norma,
tenemos
1
< para todo n
2 1

Lo que implica que la sucesin { } converja para 0 en la mtrica inducida por 2 . En el
2
otro lado,

= 2 = 1 para todo n
2 2 2

Entonces { } no converge para 0 en la mtrica inducida por 2 . El mismo argumento
2
trabajaremos con los roles de 1 y 2 invertidos.
Nuestro siguiente teorema dice que todas las normas son equivalentes en los espacios vectoriales
de dimensin finita. Este resultado es a menudo til porque nos permite elegir la norma que sea
ms conveniente para el problema en cuestin sin tener que preocuparse acerca de la validez de
los resultados.
Teorema 10.8. Equivalencia de todas las normas en . Si : es cualquier norma. Luego existe
una constante m, M > 0 tal que
mXE N(x) M XE para todo n (1)
donde es la norma Eucludiana en .
Prueba. Recordar el problema 6.8, que una norma es una funcin continua. Por el teorema de los
valores extremos (teorema 8.24) se deduce que () Alcanza tanto un mximo y un mnimo
en el conjunto compacto
C = { ; 1 }
Ahora si es un vector arbitrario en . Si = 0, luego (0) = 0 = 0, y (1) tiene
trivalidad. Si 0 = > 0 , y, usando las propiedades de definicin de las
normas, podemos escribir
() = ( 1 ) = (1 )
Ahora, porque 1 = 1 = / = 1, tenemos que 1 C y resulta que
107
(1 )
en donde
1 ()
y, recordando que =
()
11. Continuidad de Correspondencias en
Vimos en el captulo 1 que una correspondencia : es un mapeo del conjunto de
valor, es decir, un mapeo que asigna a cada punto en X un subconjunto () de .
Supongamos y son espacios mtricos. Entonces se dice que una correspondencia para ser
de valor cerrado {compacto de valor) en un punto si el conjunto de imgenes () est
cerrado (compacto) en .
Nos gustara extender al caso de correspondencias la nocin estndar de continuidad para una
asignacin de valor nico de una manera que preserve su interpretacin intuitiva. Por lo tanto,
nos gustara decir que la correspondencia es continua si un cambio pequeo en el argumento
de no cambia el conjunto de imgenes () mucho. Para ver cmo hacemos esto, y para ver
el problema que presenta, recordando la Seccin 6 que una funcin es continua si la imagen
inversa de un conjunto abierto es abierto. Si nos enfocamos en un punto especfico del dominio
en la funcin, este podra reaparecer como sigue: Una funcin es continua para un punto
cada vez que se encuentra en la imagen inversa de un conjunto abierto , as que todo punto es
eficiente. Si tratamos de aplicar esta definicin para correspondencias, inmediatamente caemos
en una dificultad: Cul es la imagen inversa de un conjunto bajo una correspondencia? Ntese
que ah hay dos posibilidades naturales: podemos definir 1 () como el conjunto de todos
los puntos de cuyo conjunto de imagen esta totalmente contenido en V, { ; () },
o como el conjunto de todos los puntos cuyo conjunto de imagen esta parcialmente contenido
en , { ; () }. La primera posibilidad es llamada la inversa fuerte o superior
de sobre , y la segunda es la inversa dbil o inferior. Cada uno de estos conceptos de inversa
da lugar a diferentes nociones de (semi) continuidad para correspondencias, y reservemos el
trmino continuo un conjunto valido funcional que es semicontinuo en ambos sentidos.
Observe que ambos tipos de hemicontinuidad reducen a la nocin estndar de continuidad si
es un mapeo de valor nico.
definicin 11.1. Continuidad para correspondencias. Si y son dimensiones finitas en
espacios Euclidianos, y es una correspondencia.
Luego decimos lo siguiente:
108
Continuidad de Correspondencias en
(i) es superior semi-continua (uhc) en un punto x X si para todo conjunto abierto V

contiene (x) existe una aproximacin de de x cada que (`) para todo x
U.
(ii) es inferior semi-continua (lhc) en un punto de x X si para todo conjunto abierto V
en Y con () existe una aproximacin a U de x cada que (`)
para todo .
(iii) es continua en x si ambos uhc y lhc estn en el mismo punto.
Una correspondencia es continua (uhc, lhc) si es continua (uhc.lhc) para cada punto en el
dominio.
Cada tipo de hemicontinuidad puede dar una sencilla interpretacin intuitiva en trminos de
restricciones colocado en un tamao de conjunto() como cambie. Primero, suponemos
que () es uhc para algn punto , fijar un conjunto abierto contenido (). En medida
que pasamos de al punto ms cercano de , el conjunto nos da un lmite superior del
tamao de (), porque requerimos que () permanezca constante en . Por lo tanto, semi-
continuidad superior requiere que el conjunto de imagen () no explote (llegue a ser
repentinamente ms grande) con un cambio pequeo en el razonamiento, pero permite que este
conjunto sea repentinamente ms pequeo. En el caso de la semi-continuidad inferior, en el otro
lado, el conjunto V acta como un lmite inferior en (), porque la interseccin del
conjunto de imagen con V no puede estar vaci. Por lo tanto, la regla de semicontinuidad sin
implosiona en el conjunto de imagen (peor no explosiona).
Figura 2.15 Ayudar a aclarar el significado de esta definicin. La correspondencia no es uhc
para 1 (pero si es lhc). Para ver esto, fijamos un conjunto abierto (1 ) como en la figura,
y ntese que por cada 1 ms pequeo que 1 pero arbitrariamente cerca de el, el conjunto de
imagen (1 ) no est contenido en . Por lo tanto, () explota como si 1 se moviera
para la izquierda. En el otro lado, es uhc en 2 pero no es lhc, porque a medida que avanzamos
desde este punto para la izquierda, el conjunto de imagen () de repente, se convierte mucho
ms pequeo.

V
( 2 ) (2 )

( 1 )
(1 )
1 1 Escriba aqu la ecuacin. 2 2
Figura 2.15. Las fallas de hemicontinuidad superior e inferior.
109
Ahora desarrollamos algunas caracterizaciones alternativas de semicontinuidad inferior y

superior, son ms convenientes en aplicaciones que la Definicin 11.1. En todos los casos, el
dominio y rango de una correspondencia (el conjunto ) son asumidos como dimensin
finita en espacios Euclidianos.
Teorema 11.2 Una caracterizacin de semi-continuidad superior. Una correspondencia compacta
valida : es uhc en si solo si para toda sucesin de { } convergiendo para ,
cada sucesin acompaada { }, con ( ) para todo , tenemos una subsucesion
convergente { } con limite en ().
Prueba
Asumimos que es uhc en , y si { } es una sucesin convergiendo para , y { }, con
( ) para cada , una sucesin acompaada arbitraria. Empezaremos mostrando que { } es
limitada. Por el Teorema 3.3 y 3.10, estos implican que { } tiene una convergencia secuencial.
Luego mostraremos que el lmite de una sucesin se encuentra en (x).
Por suposicin, (x) es compacto y por lo tanto un conjunto acotado. Por lo tanto este es un el
conjunto limitado y acotado este contenido en (x). Por la semi-continuidad superior de ( ) ,
existe una aproximacin de en tal que () para todo . Ahora, porque{ }
, existe un numero entero cada que para todo > , y se sigue que ( )
B parra > . Por lo tanto, cada sucesin acompaada { ; ( )} es acotado y por
lo tanto contiene una subsucesion convergente. Llamemos a esta subsucesion { } y su lmite
.
Para mostrar que (), asumiremos que no es el caso y asumiremos una contradiccin.
Suponemos luego que y (). Porque () es (compacto y por lo tanto) cerrado, y no puede
ser un punto acotado de (), y sigue que la distancia entre y el conjunto () es
estrictamente positivo. Por lo tanto, podemos construir un -bola cerrada alrededor del conjunto
().
[()] = []
()
Que no contiene eligiendo tal que

0< < inf (, ) = ( (), )
()
Ntese que el inferior de [()] es un conjunto abierto tal que contiene (x).
Ahora, porque es uhc para , y { } , ( ) estara contenido en [()]
(actualmente, en el interior) para suficientemente grande. Este, a su vez, implica que la sucesin
acompaada { ; ( )} estara contenida en [()] para lo suficiente grande, y
por lo tanto tambin lo har la secuencia convergente { }. Porque [()] es cerrada, sigue
por el Teorema 4.13 que , es el limite de { }, tambin pertenecen a [()]. Esto
contradice que el hecho que y [()] por construccin [()]
La segunda parte del teorema dice que posee cierta propiedad sobre
110
sucesin,entonces la correspondencia es uhc. Sera conveniente para establecer la equivalencia

(contrapositiva) acertar que si no es uhc para x, luego esta propiedad no es siempre cierta.
Para esto, se asume que no es uhc para x, eso es, que existe un conjunto abierto V contenido
() tal que cada aproximacin de U de x contenga un punto con ( ) no contenido en V.
Luego podemos encoger una sucesin decreciente de tal aproximacin{ }, con +1
(dice = 1 () , una bola abierta con radio 1/n y centro en , y para cada uno de ellos hay

algn punto con ( ) no contenidos en V. Por construccin, { } , pero podemos
elegir una sucesin acompaada { }, con ( ), en cada camino que (es decir,
por cada ). Suponemos ahora que { } tiene una subsucesin convergente { }, y
la llamamos lmite de y. Porque { } est contenido en el conjunto cerrado , est limitado y
tambin debe estar en este conjunto (por el Teorema 4.13). Por lo tanto, y V, y porque V
contiene (), sigue que (). Esto establece el resultado deseado, para esto tenemos
construida una sucesin { } y una sucesin acompaada { ( )} esto puede no
tener una subsucesin convergente para un punto en(). Teorema 11.3 Una
caracterizacin secuencial de semi-continuidad inferior. Una correspondencia : es lhc par si y
solo si cada sucesin{ } convergiendo a y cada punto de ( ) existe una sucesin acompaada
{ }, con ( ) para todo n, que converge a.
Prueba
Asumir que es lhc en , si { } es una sucesin convergente en , y fijamos un punto
arbitrario en(), digamos. Para cada nmero entero , si 1/ () es la bola abierta
con radio1/ y centro a . Claramente, 1/ () () es no vaco, porque contiene
al menos el punto . Porque es lhcen , para cada donde exista una aproximacin
a para tal que por cada , tenemos ( )1 () . Porque { }

podemos encontrar, por cada dado, un nmero entero tal que
. Estos nmeros, adems, pueden ser asignados para que +1 >
. Note, adems, que con tenemos , y esto implica que ( )
1/ () es no vaco. Por lo tanto, podemos construir una sucesin acompaada { },
con escogido del conjunto ( )1 (), para cada con < +1 . Como , y por

lo tanto , incrementan, el radio de la bola 1/ ()tiende a cero, lo que implica que { }
converja a .
Como en el teorema anterior, probamos la contrapositiva del resultado deseado.
Asumimos que no lch en , es decir, que existe un conjunto abierto , con () ,
tal que cada aproximacin a de contiene un punto , con ( ) = . Tomando una
sucesin de cada aproximacin, = 1/ (), y cada punto apropiado en cada uno de
ellos, obtenemos una sucesin{ } que converge a por construccin y tiene la propiedad que
( ) = para todo .
Por lo tanto, cada sucesin acompaada { }, con ( ), est contenido en el
complemento de V, y si { } es convergente, lo mismo debe ser verdadero en su lmite, porque
el complemento de V es un conjunto cerrado. Significa que la sucesin acompaada de
111
{ } no puede converger a un punto en . Por lo tanto, si es un punto en () , no puede

existir una sucesin acompaada convergente.
Ahora introducimos otro concepto de continuidad para correspondencias, esencialmente

mediante la extensin de la caracterizacin secuencial de continuidad para las funciones (la
imagen de una sucesin bajo la funcin converge a la imagen del lmite de la sucesin). Antes de
establecer la definicin, recordar que la grfica de la correspondencia es el conjunto
= {, ; ()}
Definicin 11.4. Una correspondencia: como se dice, est cerrado si su grfico

est cerrado en ; que est cerrada siempre
{ }
( )n (x)

{ }
Problema 11.5. Demostrar que una correspondencia cerrado es valor cerrado.

Nuestro siguiente resultado muestra que el cierre est estrechamente relacionado con la hemi-
continuidad superior. Debido a esa razn tambin es bastante fcil de comprobar en muchos
casos, una forma conveniente para mostrar que una correspondencia dada es uhc debe establecer
su cerrado y luego aplicar teorema 11.6.
Teorema 11.6. Relacin entre cerrado y hemicontinuidad superior. Sea : una correspondencia
no vaca valorada y cerrada. Si para cualquier conjunto acotado en el conjunto de imgenes
() est delimitada, entonces es uhc.
Observe que, si el rango Y de la correspondencia es un espacio compacto, la suposicin de
acotacin se satisface automticamente.
Prueba. Fijar un punto arbitrario en . Entonces ()es un conjunto cerrado (por Problema
11.5) que est acotado (por hiptesis) y por lo tanto compacto. Por lo tanto, es compacto
valorado. Considere ahora una sucesin { } convergente a y una sucesin arbitraria
acompaada { }, Con ( ) para cada . Para establecer el resultado deseado,
tenemos que demostrar que{ }tiene una subsucesin convergente con lmite de ().
Debido { } , hay un conjunto acotado, digamos B, que contiene tanto a{ } como a

(Teorema 2.5). La imagen fija ()contiene la sucesin de compaa y, por supuesto, est
acotada. Por lo tanto (por los teoremas 3.3 y 3.10), { } tiene una
112
convergente subsucesin, digamos { },con lmite . Entonces {( , )} es una

sucesinen convergente a(, ), y se desprende de la grfica cerrada de que
(, ) (Es decir, que ()).
En el resto de esta seccin se indican algunas propiedades tiles de correspondencias uhc.
Teorema 11.7. Sea la correspondencia : valor compacto y uhc, si : es cerrado. Y

asumir que () () . Entonces la interseccin correspondiente a , definida por (
)() = () (), es un valor compacto y uhc.
Problema 11.8. Demostrar el teorema 11.7. Ntese que () () es compacto, por el
teorema 8.12.
Teorema 11.9. Sea la correspondencia : un valor compaccto y uhc. Luego la imagen debajo de
de un conjunto compacto C,
(C) = ()
es compacto.
Problema 11.10. Demostrar el teorema 11.9. Sugerencia: Utilice la secuencial caracterizacin
de la compacidad y el Teorema 11.2.
Teorema 11.11. Sean las correspondencias : , con = 1, , , valor compacto y uhc en

. Luego la correspondencia de la suma , definida por () = =1 ()
para cada , es valor compacto y uhc en .
Sean : y : dos correspondencias. Definimos su composicin, =

: por
() = () = [()] = ()
()
Teorema 11.13. Sea : y : uhc en . Entonces su composicin = es

tambin uhc en .
Prueba. Sea W un conjunto abierto que contiene (), y sea
= {; () W}
Para establecer la hemicontinuidad superior de , tenemos que demostrar que es un
conjunto abierto. Sea
113
X Y Z
(()) = ()
x ()
Figura 2.16. Composicin de dos correspondencias.
= { ; () }
y observar que () = [ ()] si y slo si () . Por lo tanto, tenemos

= { ; () }
Ahora, debido a es uhc, la apertura de W implica la apertura de . Similarmente, porque es
abierta y es uhc, se sigue que es abierto, que establece el resultado deseado.
Teorema 11,14. Sea : , con = 1, ...,n, correspondencias compacto valorado y uhc. entonces el
producto correspondiente ( ), con () = 1 () . . . () para cada en , es compacto valorado
y uhc.
Bibliografa
Apostol, T. 1974. Anlisis matemtico, segunda ed. Reading, MA: Addison-Wesley.
Berge, C. 1966. Espace Topologiques. Fonctions Multivoques. Pars: Dunod.
Binmore, K. 1982. Anlisis matemtico: un enfoque directo, 2 ed. Prensa de la Universidad de
Cambridge.
Border, K. 1989. Los teoremas de punto fijo con Aplicaciones a la Economa y la teora de
juegos. Prensa de la Universidad de Cambridge.
Byrant, V. 1990. Sin embargo, otro Introduccin al anlisis. Universidad de Cambridge. Prensa.
Clark, C. 1982. Primaria Anlisis matemtico, segunda ed. Belmont, CA: Wadsworth.
Gemignani, M. 1972. Primaria Topologa, segunda ed. Nueva York: Dover.
Giles, JR 1989. Introduccin al anlisis de los espacios mtricos. Cambridge Prensa de la
Universidad.
Haaser, N., y Sullivan, J. 1991. Anlisis Real. Nueva York: Dover.
114
Apndice: Solucin de los Problemas
Hildenbrand, W. 1974. Core y los equilibrios de una gran economa. Princeton University
Press.
Hildenbrand, W., y Kirman, A. 1976. Introduccin al anlisis de equilibrio. Variaciones sobre
Temas de Edgeworth y Walras. Amsterdam: Holanda del Norte.
Kolmogorov, A. R, y el Fomin, SV 1970. introductoria Anlisis Real. Nueva York: Dover.
Lang, S. 1989. Anlisis Pregrado. Berln: Springer-Verlag.
Michel, P. 1984. Cours de mathmatiques verter Economistes. Pars: Economica. Nikaido, H.
1972. Introduccin a los conjuntos y Asignaciones en la economa moderna. Amsterdam:
Holanda del Norte.
Protter, M., y Morrey, C. 1991. un primer curso de anlisis real, segunda ed. Berln: Springer-
Verlag.
Royden, HL 1988. Anlisis Real, 3 ed. Nueva York: Macmillan.
Rudin, W. 1964. Principios de Anlisis Matemtico, 2 ed. Nueva York: McGraw-Hill.
Stirling, D. 1990. Anlisis matemtico: un enfoque fundamental y directo. Nueva York: Ellis
Horwood.
Sutherland, W. 1993. Introduccin a la mtrica y los espacios topolgicos. Oxford: Clarendon
Press.
Notas
1 La eleccin de x es arbitraria: Observe que, si S satisface la definicin de acotacin para algunos x, sino
que tambin va a satisfacer para cualquier otro punto en , con sustituido por + (, ),
porque (, ) < (, ) + (, ). Cabe sealar que un conjunto dado puede estar limitada o
ilimitada en funcin de lo que estamos utilizando mtrica.
2 Para garantizar que () ( ) = , es suficiente para elegir , < (, ) / 2.
3 Cada conjunto no vaco de nmeros reales que est limitada anteriormente tiene un extremo superior
(ver Captulo 1).
4 Nota que la apertura se define con relacin a un espacio mtrico determinado (X, d). Puede ser
importante tener en cuenta que si X es en s incrustado en un conjunto ms amplio. Por ejemplo, sea A
un "crculo abierto" en un plano X, que es en s mismo un subconjunto de Y. espacio tridimensional
entonces A es abierto en X, pero no en Y, debido a que cualquier pequeo movimiento en Y lejos de la
X avin nos llevara a cabo de A. sin embargo, cualquier movimiento suficientemente pequeo lo largo
del plano y lejos de un punto en el crculo nos dejar dentro de la categora A. Si existe alguna posibilidad
de ambigedad, debemos decir que un conjunto a es abierto (o no) en X.
5 Tenga en cuenta que, de hecho, tanto X y satisfacen la definicin, pero de una manera bastante
extraa. Es cierto que en torno a cualquier punto en el podemos construir una bola abierta adecuada, o
hacer lo que queramos, para el caso, porque no existe tal punto. Lo mismo es cierto para X, porque no
es "nada" fuera de l.
6 Vase el Captulo 1.
7 Ocasionalmente podemos desear para definir el lmite de / cuando x se aproxima x a travs de
elementos de un conjunto dado A. lmites para funciones en diestros y zurdos, por ejemplo, se define
de esta manera requiriendo x acercarse x desde arriba o desde abajo. Ms en general, se dice que
tiende a 0 cuando tiende a 0 para si y slo si 0 es un punto lmite de A, y
> 0, > 0 [(), ] < d (, ) <
8 En cuanto a los lmites, es posible que de vez en cuando desee definir la continuidad con respecto a
un conjunto dado. Decimos que una funcin es continua con respecto a un conjunto A en un punto
0 si
> 0, > 0 [(), ( )] < d (, ) <
115
la continuidad derecha e izquierda continuidad de funciones reales, por ejemplo, se definen de esta
manera.
9 Dada una contraccin T con un mdulo 8, sea y una solucin de prueba arbitraria a la
ecuacin = . Si la solucin es cierta es fcil ver por el argumento utilizado en la prueba de la
existencia que
1
(. ) (, )
1
10 La definicin se puede extender al caso de los espacios mtricos generales. La mayor parte de los
resultados de esta seccin continan llevando a cabo en este entorno, pero las pruebas se hacen ms
complicados. El lector interesado puede consultar Hildenbrand (1974) para un tratamiento ms general.
116
3
Espacios vectoriales y transformaciones lineales
El concepto de un espacio vectorial fue definido en el captulo 1. Empezamos este captulo

con un breve repaso de la estructura de los espacios vectoriales, enfocndonos en el concepto
de bases. Luego pasaremos al estudio de las funciones lineales.
1. Independencia lineal y bases
Sea un espacio vectorial definido sobre el campo . Una familia de vectores en , =

{ ; }, es el rango de una funcin desde un conjunto de ndices a tal que () = .
Una subfamilia de es el rango de la restriccin de a un subconjunto de . Si es un conjunto
finito, hablamos de una subfamilia finita de .
Sea = {1 , , } una familia finita de vectores en . Una combinacin lineal de 1 , , es un

vector de la forma

=
=1
donde 1 , , son escalares, y es llamado coeficiente del vector .
Decimos que una familia finita de vectores = {1 , , }, es linealmente dependiente si al menos

uno de los vectores puede ser escrito como una combinacin lineal del resto. Equivalentemente,
decimos que 1 , , son linealmente dependientes si existen escalares 1 , , no todos cero, tal
que

= 0
=1
Para una familia finita = { ; }, decimos que es linealmente dependiente si existe al

menos una subfamilia finita de que es linealmente dependiente.
Una familia de vectores en es linealmente independiente si no es linealmente dependiente, es

decir, si para cada subfamilia finita { ; } de tenemos que

= 0 = 0
=1
117
Espacios Vectoriales y Transformaciones Lineales
Un subconjunto de se extiende o genera si cada vector en puede ser escrito como una
combinacin lineal de un nmero finito de elementos de , es decir, si por cada existen
escalares 1 , , y vectores , , en tal que

=
=1
Ahora podemos introducir el concepto de base que es vlido para cualquier espacio vectorial,
incluso aquellos de dimensin infinita.
Definicin 1.1. Base de Hamel. Una base de Hamel para un espacio vectorial es una familia
linealmente independiente de vectores que generan .
Una base de Hamel es un concepto muy til porque nos permite escribir cada elemento de en una
nica manera como una combinacin lineal de elementos de la base. As, una vez que tenemos una
base, conocemos todos los elementos de .
Teorema 1.2. Sea = { ; } una base de Hamel para . Entonces cada vector no nulo tiene una
nica representacin como una combinacin lineal, con coeficientes no todos cero, de un nmero infinito de vectores en .
Demostracin. Sea un vector arbitrario no nulo en . Porque (por la definicin de la base de Hamel)
genera , sabemos que tiene al menos una representacin de la forma
=
1
Donde 1 es un subconjunto finito de , y 0 para todo 1 . Asumimos que existe una

segunda representacin
=
2
Donde 2 es otro subconjunto finito de , y 0 para todo 2 . Mostraremos que esas dos
representaciones deben ser iguales.
Sea 3 = 1 2 , y sea = 0 para 3 ~1 y = 0 para 3 ~2 . Podemos entonces
escribir ambas representaciones en trminos de la misma familia finita de :
=
3 3
Del cual
( ) = 0
3
118
Independencia Lineal y Bases
Debido a que { ; } es una subfamilia finita de una base de Hamel, esta es linealmente
independiente. As, la ltima expresin implica que =0 para todo . Por lo tanto = , y
la representacin es nica.
Se puede mostrar que cada espacio vectorial no trivial ( {0}) tiene una base de Hamel, y que todas
las bases de Hamel de tiene el mismo nmero cardinal. Este nmero cardinal es entonces una
propiedad del espacio y es llamado dimensin (denotado como dim ). Una base finita y
dimensional de Hamel (es decir, una que contenga un nmero finito de vectores) es llamado una base.
Aunque trabajaremos la mayor parte con espacios vectoriales de finita dimensin, es importante
observar que ciertos espacios vectoriales de inters son infinitamente dimensionales.
Ejemplo 1.3. Sea un campo, y considere el conjunto
() = { = ( 1 , . , ); = 1, . , }
Ponemos
= 1 = y = 0
Y definimos los vectores
= (1,.., ,, )
(es decir, el vector ensimo tiene 1 como su p-simo componente, y los otros son cero). Si es
finito, es fcil demostrar que () es un espacio vectorial y la familia { ; = 1, . , } es una base
(la base cannica) para (). Si nos dirigimos al lmite y hacemos = , obtenemos el espacio
vectorial de infinita dimensin de la secuencias escalares, (). Observe que la familia infinita
{ ; = 1, . , } de secuencias con un solo 1 y todo el resto ceros no es una base de Hamel de
(), para eso es imposible escribir una secuencia con un nmero infinito de trminos diferentes de
cero como una combinacin lineal de un numero finito de secuencias de la forma . Es posible
mostrar, sin embargo, que hay una extensin de esta familia que es una base de Hamel para ().
En el caso de espacios vectoriales de finita dimensin, las bases tienen una muy simple estructura. En
particular, deberamos mostrar que si tiene una dimensin < , cualquier coleccin de n vectores
lineales independientes en es una base para .
Teorema 1.4. Sea = {1, , } una base de ; entonces no conjunto de ms de n vectores en es linealmente
independiente.
Demostracin. Sea = {1, , } una coleccin de + 1 vectores en . Podemos siempre encontrar

escalares 1 , . , +1 tal que
119
+1
= 0 ( 1)
=1
Lo que queremos mostrar es que hay s que satisfacen (1) y no son todos iguales a cero.
Ahora, = {1, , } es una base de , y entonces cada tiene una nica representacin como
una combinacin lineal de elementos de . Es decir, existen escalares , no todos ceros, tal que para
cada = 1, , + 1,

= ( 2)
=1
Reemplazando (2) en (1), vemos que los s deben satisfacer la siguiente igualdad:
+1 +1
0= ( ) = ( ) ( 3)
=1 =1 =1 =1
Ya que 1, , son linealmente independientes, (3) implica
+1
= 0 = 1, . . , ( 4)
=1
Observe que (4) es un sistema de n ecuaciones en + 1 no conocidos (los s). Como probaremos
ms adelante (y el lector deber ya saber), cada sistema tiene soluciones no triviales. Por tanto, es
posible encontrar s no todos cero que satisfagan (1), y concluimos que 1 , , +1 son linealmente
dependientes.
Este teorema implica que cada base para un espacio vectorial de finita dimensin tiene el mismo
nmero de elementos, si esto no fuera as, una base con ms elementos que otro no podra ser una
familia linealmente independiente. Otro casi inmediato corolario del Teorema 1.4 es el resultado
siguiente:
Teorema 1.5. Sea un espacio vectorial de dimensin . Entonces cualquier familia linealmente independiente de
vectores en , = {1 , , }, es una base para .
Problema 1.6. Demuestre el Teorema 1.5
Ejemplo 1.7. Sea un campo. El conjunto de todas las matrices de dimensin , = [ ]

( = 1, . , ; = 1, . , ), con matriz adicin y de multiplicacin por un escalar definido
componente por componente, es un espacio vectorial. Adems, las mn matrices con un 1 en la
posicin y ceros en todas las entradas es una base de que por consiguiente tiene dimensin
.
120
Independencia Lineal y Bases
Problema 1.8. Demuestre el siguiente resultado: Sea un espacio lineal normado con dimensin finita
sobre el campo real con base {1 , , }. Una sucesin { }, en , con =
=1 ( real),
converge a =
=1 si y solo si cada sucesin coordinada { } converge a para cada =
1, . , . (Es suficiente considerar el caso donde = 0.)
(i) Mostrar que si { } 0 para todo , entonces { } 0.

(ii) Para demostrar la implicacin inversa, suponga que { } 0, pero para cada
la sucesin coordinada { } no converge a 0. Entonces existe una subsucesin
de { } (para conveniencia de notacin, nos seguimos refiriendo a { } y unos
r>0 tal que { } > para todo n. Para cada , escribe
= {| |; 1 }

Y considere la sucesin { }, con = . Muestra que { } 0.

(iii) Utilice el teorema Bolzano-Weierstrass para mostrar que de { } podemos elegir
una sucesin que converge coordinadamente, pero a un elemento no nulo. Por
la primera parte del teorema, tenemos una contradiccin.
Problema 1.9. Utilizando el resultado anterior y la completitud de los reales, mostraremos que cada
espacio vectorial normado de finita dimensin sobre R es completo.
(i) Primero, muestre que si { } es Cauchy, entonces cada sucesin coordinada

{ } es Cauchy. (Demuestre la oracin contrapuesta: Si alguna sucesin
coordinada { } no es Cauchy, entonces tampoco es { }. Use el resultado en
el Problema 1.8.)
(ii) Usando (i), el Problema 1.8 de nuevo, y la completitud de R, muestre que el
resultado deseado se mantiene.
SUBESPACIO AFN
Sea un espacio vectorial, y un subespacio vectorial de . Un conjunto de la forma
= 0 + = { ; = 0 + , 0 }
es un subespacio afn de paralelo a .

Si = 0 + es un subespacio afn de , y 1 , . , son vectores en , entonces cada combinacin
lineal de 1 , . , es un vector de la forma

= = ( 0 + ) = ( ) 0 +
=1
=1 =1 =1
Donde para todo . Como es un espacio vectorial, tenemos = =1 . Si, adems,

tenemos =1 =1, entonces = 0 + , y por lo tanto . Es decir, una combinacin lineal
=1 de vectores en un subespacio afin de A pertenece a A si y solo si =1 = 1 . Una
combinacin lineal con esta propiedad es llamada combinacin afn.
121
2. Transformaciones lineales
Una funcin entre dos espacios vectoriales es muchas veces llamada una transformacin. Ahora,
introducimos una importante clase de transformaciones que, vagamente hablando, mantiene la
estructura algebraica del conjunto en el cual estn definidos.
Definicin 2.1. Transformacin lineal. Sea dos espacios vectoriales definido sobre el mismo
campo . Decimos que una transformacin = y es lineal si para todo 1 2 y
algunos, , tenemos
(1 + 2 ) = (1 ) + (2 )
Esto implica, por supuesto, que
(1 + 2 ) = (1 ) + (2 ) (1 ) = (1 )
Es decir, dados cualquier 2 vectores, la imagen de la suma debajo de una funcin lineal es igual a la
suma de sus imgenes, y la imagen del producto de un escalar y un vector es igual al escalar veces la
imagen del vector. Es en este sentido que podemos decir que una funcin lineal mantiene la estructura
algebraica del vector espacial en el cual est definido.
Problema 2.2. Demostrar que para cualquier funcin lineal , tenemos (0) = 0.
Denotaremos por (, ) al conjunto de todas las transformaciones lineales desde . Este es un

espacio funcional (es decir, un conjunto cuyos elementos son funciones). Sin embargo, podemos aun
pensar de cada funcin lineal como un vector cuando definimos una adicin y multiplicacin por un
escalar en la usual manera para funciones.
Dadas dos transformaciones lineales 1 2 (, )y escalares arbitriarios , la funcin =

(1 + 2 ), se define por
() = (1 + 2 )() = 1 () = 2 () para cada
Se asigna . Adems, (1 + 2 ) es una transformacin lineal, para, dados cualquier 2 escalares

y vectores 1 2 , tenemos (usando la linealidad de 1 2)
(1 + 2 ) = ( 1 + 2 )(1 + 2 ) = 1 (1 + 2 ) + 2 (1 + 2 )
= [1 (1 ) + 1 (2 )] + [2 (1 ) + 2 (2 )]
= [1 (1 ) + 2 (1 )] + [1 (2 ) + 2 (2 )]
= (1 + 2 )(1 ) + (1 + 2 )(2 ) = (1 ) + (2 )
Sigue que si 1 2 (, ), entonces 1 + 2 (, ),. Es obvio tambin que el resto de

axiomas de espacios vectoriales se cumplen para (, ).
122
Transformaciones Lineales
Por ejemplo, el vector nulo es una transformacin lineal que asigna a cualquier en el vector nulo
en y. tenemos, entonces, el siguiente teorema.
Teorema 2.3. Sea dos espacios vectoriales definidos sobre el mismo campo. El conjunto (, ) de
transformaciones lineales desde es un espacio vectorial.
Por lo tanto, cada combinacin lineal de funciones lineales es una funcin lineal. Es tambin fcil de
ver que la composicin de funciones lineales es lineal.
La composicin de dos funciones lineales es definida en la manera estndar. Sea : y :

dos transformaciones lineales. Entonces la composicin de mapeo = : es definido,
como para cualquiera dos funciones, por () = [()].
Problema 2.4. Demuestre que la composicin de dos funciones lineales es lineal.
(a) Imagen y Kernel de una funcin lineal
Definicin 2.5. Dada una funcin lineal : , su imagen (im) o rango es el subconjunto de dado
por
= () = { ; = () }
Y su kernel o espacio nulo es el subconjunto de dado por
ker = 1 (0) = { ; () = 0}
En otras palabras, es el conjunto de soluciones al sistema homogneo lineal () = 0 , y

es el conjunto de vectores por el cual el sistema () = tiene al menos una solucin.
Ahora mostraremos que ambos son espacios vectoriales, y probaremos un importante
resultado que relaciona la dimensin de esos dos espacios a que del espacio vectorial en el cual
est definido.
Teorema 2.6. Dado una transformacin lineal : , es un subespacio vectorial de . Si = {1 , , 0 }
es una base para , entonces {(1 ), . , ( )} genera .
Demostracin. Sea 1 2 vectores en (). Queremos mostrar que 1 + 2 () para cualquier

escalar . Ya que 1 , 2 () ,existen 1 , 2 tal que (1 ) = 1 (2 ) = 2 .Como
es un espacio vectorial, 1 + 2 , y por la linealidad de ,
(1 + 2 ) = (1 ) + (2 ) = 1 +2
Por tanto, 1 +2 (), y adems () es un subespacio vectorial de .
123
Considere un vector arbitrario = () en (), y sea = {1 , , } una base para . Entonces

tiene una nica representacin de la forma = =1 .Usando la linealidad de , tenemos:

= () = ( ) = ( )
=1 =1
Por lo tanto, cualquier () puede ser escrito como una combinacin lineal de las imgenes de los
elementos de una base de .
El rango de una familia de vectores = {1 , , } en un espacio vectorial es el tamao de la ms

grande familia independiente de vectores contenidos en . Si hay r vectores independientes en , ellos
generan al espacio vectorial de dimensin r. Por tanto, el rango de {1 , , } es tambin la dimensin
del subespacio vectorial formado por todas las combinaciones lineales de los vectores en .
Dada una transformacin lineal : y una base para , {1 , , } el rango de es la dimensin

de su imagen del espacio, imt. Por el teorema 2.6, el rango de T es igual al nmero de vectores
independientes lineales en [(1 ), . . , ( )].
Teorema 2.7. Dada una transformacin lineal : , es un subespacio vectorial de .
Problema 2.8. Demuestre Teorema 2.7.
Concluimos esta seccin con un teorema que muestra que hay una simple relacin entre las
dimensiones de , , y (el espacio en el que est definido). En la seccin siguiente
consideraremos las implicaciones de este resultado par a la dimensin del espacio de soluciones a un
sistema lineal de ecuaciones.
Teorema 2.9. Sea un espacio vectorial de finita dimensin, y : una transformacin lineal.
Entonces = dim() + .
Demostracin. Ponemos = , dim() = = dim() = . El teorema dice,

entonces, que = + .Sea {1 , . , } una base para , y {1 , . . , } una base para (si
kernel no es igual a {0}). Ahora, (), y adems para cada existe algn tal que
( ) = .Mostraremos que
= {1 , , ; 1 , . . , }
es una base para , que establece el teorema.
124
Transformaciones lineales
Primero mostremos que genera . Sea un vector arbitrario en .Ya que {1 , . , } es una base
para (),existen escalares nicos 1 , , ,tal que
() = =1 = =1 ( )
Por la linealidad de ,

() = ( )
=1
Y, de nuevo por linealidad, substrayendo la derecha del lado izquierda en la anterior expresin,

( ) = 0
=1
As, =1 ,y ya que {1 , . . , } es una base para , existen escalares

1 , , tal que

= = +
=1 =1 =1 =1
En conclusin, cualquier tiene una representacin como una combinacin lineal de elementos
de ; por tanto genera .
Para probar que es una base para , queda mostrar que es una familia linealmente independiente.
Si es o no el caso, existen escalares ( = 1, , ) ( = 1, , ) y tal que
=1 + =1 = 0 (1)
Lo que queremos mostrar es que deberan ser cero.
Aplicando a ambos lados de 1, tenemos
(=1 + =1 ) = =1 ( ) + =1 ( ) = 0 (2)
Ahora, , implicando ( ) = 0 para cada , dejndonos con
=1 ( ) = =1 = 0 (3)
Pero los son linealmente independiente por suposicin, entonces = 0 para todo , y (1) se
reduce a
=1 = 0 (4)
Finalmente, los s son tambin linealmente independientes por suposicin. Por tanto, = 0
para todo , y concluimos que = {1 , , ; 1 , . . , } es una familia linealmente
independiente.
125
(b) Inversa de una Transformacin Lineal
Definicin 2.10. Inversa de un mapeo lineal. Sea T: X Y un mapeo lineal. Decimos que es invertible
si existe un mapa S desde tal que
, [()] = = y
, [()] = =
donde son los mapeos idnticos en , respectivamente (es decir, las funciones que
mapean cada elemento en el espacio correspondiente en si mismo).
La transformacin es llamada la inversa de y es denotada 1 . Claramente, si 1 es la inversa

de , entonces es la inversa de 1 , y las relaciones en la definicin pueden ser escritas
1 [()] = y [ 1 ()] =
El siguiente teorema muestra que la inversa de una transformacin lineal es tambin una
transformacin lineal.
Teorema 2.11. Sea (, ) una funcin lineal invertible. Entonces el mapa inverso 1 : es lineal; es
decir, 1 (, ).
Problema 2.12. Demuestre el Teorema 2.11.
Recuerde que una transformacin : se dice que es inyectiva o uno a uno si no mapea distintos
elementos de en el mismo vector en , es decir, es uno a uno si
, , () ()
se dice que es suryectiva o sobre si () = (es decir, si su rango es el conjunto completo ).

Claramente, una transformacin lineal : es invertible si y solo si esta es inyectiva y subyectiva
a la vez, por el mapeo inverso es bien definida funcin si y solo si para cada existe un nico
tal que () = .
Concluimos con una condicin necesariamente til y suficiente para que un mapeo lineal sea uno a
uno.
Teorema 2.13. Una transformacin lineal : es uno a uno si y solo si () = 0 = 0, es decir, si

= {0}
126
Isomorfismos
Problema 2.14. Demuestre el Teorema 2.13. Sugerencia: Recuerde que para cualquier mapeo lineal ,
tenemos (0) = 0.
3. Isomorfismos
Ahora, mostraremos que dos espacios vectoriales de una misma dimensin son equivalentes desde
un punto de vista algebraico. Dos casos particulares de este resultado son de inters especial en
prctica:
(i) Cada espacio vectorial de dimensin finita definida sobre un campo , es equivalente al
espacio () definido en el ejemplo 1.3.
(ii) Si son espacios vectoriales definidos sobre un campo , de finita dimensin y ,

respectivamente, el espacio vectorial de transformaciones lineales desde , (, ), es
equivalente al conjunto de matrices de dimensin formado con elementos de .
Antes de entrar en detalles, necesitamos precisar la nocin de espacios vectoriales equivalentes.
Definicin 3.1. Isomorfismo y espacios vectoriales isomorfos. Dos espacios vectoriales son
isomorfos si existe una funcin lineal invertible (uno a uno y sobre) desde . Una funcin con
esas propiedades es llamada un isomorfismo.
Dos espacios vectoriales isomorfos son prcticamente lo mismo para propsitos algebraicos, para
estos existe una funcin invertible desde que mantiene operaciones algebraicas en ambas
direcciones. En particular, si es un isomorfismo desde sobre , dados dos vectores
cualquiera 1 2 , existe vectores nicos 1 2 tal que 1 = (1 ) 2 = (2 ), y,
viceversa, dados cualquier 1 , 2 , existen elementos nicos de , 1 2 , tal que
1 = 1 (1 ) 2 = 1 (2 ). Debido a que ambos 1son funciones lineales, tenemos,

adems,
(1 + 2 ) = (1 ) + (2 ) = 1 + 2
1 (1 + 2 ) = 1 (1 ) + 1 (2 ) = 1 + 2
y adems = 1 + 2 si y solo si () = = 1 + 2
Empezamos con un resultado preliminar.
Teorema 3.2. Sea dos espacios vectoriales definidos sobre el mismo campo , y sea = { ; }
una base de Hamel para . Entonces una transformacin lineal : est completamente definida por su valor
en x, es decir:
(i) Dada una familia arbitraria = { ; } en con el mismo nmero cardinal , existe
una transformacin lineal : tal que ( ) = para cada .
127
(ii) Esta transformacin es nica. Es decir, si dos transformaciones lineales desde , ,

coinciden en (es decir, ( ) = ( ) ), entonces ellas coinciden para todo .
Demostracin
Sea = { ; } una base de Hamel para , y una familia de vectores en con la misma
cardinalidad . Definimos la funcin de en por
( ) =
Y lo extendemos al todo de X de la siguiente manera: dado un arbitrario con representacin
(donde los son escalares y S es un subconjunto finito de S), definimos
() = ( ) =

La funcin : definida as es lineal. Dados dos vectores , , con representaciones
= =

Y dos escalares cualquiera, tenemos
( + ) = ( + ) = ( ( + ) )

= ( + ) ( ) = ( ) + ( )
= () + ()
Suponga son dos transformaciones lineales tal que
( ) = ( )
Dado un arbitrario , con representacin = tenemos, usando la linealidad de

,
() = ( ) = ( ) = ()

Teorema 3.3. Dos espacios vectoriales definidos sobre el mismo campo son isomorfos si y solo si tienen la misma
dimensin.
Demostracin
Asumimos que es un isomorfismo de sobre , y sea = { ; } una base de Hamel
para . Probaremos que tienen la misma dimensin mostrando que () = {( ) ;
} es una base de Hamel para .
128
Isomorfismos
Para cualquier subconjunto finito , tenemos
( ) = 0 ( ) = 0

Por la linealidad de , y dado que es invertible y adems uno a uno y que (0) = 0,
() = 0 implica = 0, por tanto = 0 , y por el supuesto que es una familia linealmente
independiente,
= 0 = 0

Implicando que () = {( ) ; }es una familia de vectores linealmente independientes

en .
Despus, mostramos que () genera . Sea un vector arbitrario en . Debido a que mapea
sobre , hay algun Xx tal que () = . El vector tiene una representacin de la forma
donde es un subconjunto finito de . Por la linealidad de , podemos escribir como
= () = ( ) = ( )

y sigue que cada puede ser escrito como una combinacin lineal de un numero finito de
elementos de (), que es adems una base de Hamel para .
Inversamente, suponga que tienen la misma dimensin y sea = { ; }y

= { ; } bases de hamel para los dos espacios. Defina la funcin de sobre por
( ) = , para cada , y por () = ( ) para un arbitrario en . Por
el teorema anterior, esta funcin es lineal, entonces solo tenemos que establecer su invertibilidad.
Suponga que dos vectores = y = tienen la misma imagen sometido a .

Entonces
() = () ( ) = ( ) ( ) = 0

Del cual = 0 para todo , por la independencia lineal de la familia .

Por tanto, () = () implica = , y es uno a uno. Finalmente, sabemos que () es un
subespacio vectorial de generado por () (Teorema 2.6). Debido a que () = , que es una base
de Hamel para , tenemos () = , es decir, mapea sobre . En conclusin, es un
isomorfismo.
Sea un espacio vectorial de finita dimensin definido sobre el campo . El espacio vectorial n-
dimensional ms simple definido sobre (). El resultado anterior nos asegura que ()
son isomorfos. Verificaremos directamente que esto es cierto. A lo largo del camino veremos como
es el isomorfismo e introduciremos el concepto de coordenadas.
129
Si es un espacio vectorial n-dimensional, entonces tiene una base formada por n vectores, =
{1 , , }, y cada tiene una representacin nica como una combinacin lineal de los
elementos de , es decir, existen escalares nicos 1 , , tal que

=
=1
Decimos que es la i-sima coordenada de en base . Ahora podemos definir una funcin,
: (), que asigna a cada su vector de coordenadas en base :
() = = ( 1 , , )
La funcin es uno-a-uno porque dos vectores son iguales si y slo si tienen las mismas
coordenadas, y est sobre porque, dado cualquier = (1 , , ) en (), la combinacin lineal
=1 es un vector en .
Finalmente, es una funcin lineal porque, dado vectores arbitrarios , , con coordenadas
y , respectivamente, y escalares y , tenemos

+ = ( ) + ( ) = ( + )
=1 =1 =1
y, por lo tanto
( + ) = + = () + ()
Hemos probado el siguiente teorema.
3.4. Cada espacio vectorial de dimensin < definido sobre un campo es isomorfo a ().
Representacin matricial de una funcin lineal
Hemos visto que el conjunto ( , ) de transformacin lineal en espacios vectoriales es en s mismo

un espacio vectorial. Tambin hemos visto que el espacio de matrices definidas sobre
un campo es tambin un espacio vectorial. Es fcil de mostrar que es una matriz en , la
funcin : () (), definido para todo en () por () = , es lineal. Ahora
demostraremos el resultado inverso: Con cada transformacin lineal en espacios vectoriales de
dimensin finita podemos asociar una matriz que, dada las bases de y , representa en un sentido
natural y es nica. Tambin veremos que la funcin , : ( , ) que asigna a una
transformacin lineal en ( , ) su representacin matricial, dado las bases y para y ,
respectivamente, es un isomorfismo. Esto implica que, para muchos propsitos, la teora de las
transformaciones lineales en espacios de dimensin finita se reduce al estudio de matrices
130
Isomorfismos
Sea : una transformacin lineal entre espacios vectoriales de dimensin finita (dim = ,
dim = ) definida sobre un campo . Fijamos bases = {1 , , } para y = {1 , , }
para y forma la matriz , con
( ) = (( ))
Sea un vector en , con () = . Usando la linealidad de () y , tenemos

1
() = [ ((1 )), , (( ))] [ ] = (( ))
=1

= ( ( )) = ( ( )) = (())
=1 =1
Por lo tanto, la matriz es tal que, para cada en ,
(()) = ()
Es decir, dadas las bases para y , el (vector de coordenadas en la base de la) imagen de bajo
es simplemente el producto de la matriz y (el vector de coordenadas en la base de) el vector
. Por tanto, decimos que es la representacin matriz de , dadas las bases y para e ,
respectivamente.
Ahora definimos una funcin , : ( , ) por
, () = . . ( ) = (( ))
Donde es el elemento de (una base para ).
Es fcil ver que , () es una funcin lineal. Sea y dos transformaciones lineales, y and
sus representaciones matriciales. Para cada tenemos, entonces,
(()) = () y (()) = () (1)
Utilizando la linealidad de () y (1),
(( + )()) = (() + ()) = (()) + (())

= () + () = ( + ) ()
Que muestra que + es la representacin matricial de + para las bases dadas; es

decir,
, ( + ) = , () + , ()
131
Dos transformaciones lineales S y T tienen la misma representacin matricial si y slo si coinciden

en , es decir, ( ) = ( ) para todo . Pero entonces = (teorema 3.2), entonces
, = , implica = , y por lo tanto es uno-a-uno. Finalmente, dada una
matriz arbitraria y bases = {1 , , } para y = 1 , , para , existe una
transformacin lineal de X a Y tal que ( ( )) = () (teorema 3.2). Por lo tanto,
con cada matriz en podemos asociar una forma de funcin lineal a ; es decir,
corresponde en ( , ). En conclusin, tenemos el siguiente teorema.
Teorema 3.5 Sean y espacios vectoriales definidos sobre el mismo campo , con dimensiones y ,
respectivamente (ambos finitos). Entonces ( , ) es isomorfa a .
4. Mapeo lineal entre espacios normados
Ahora consideramos la transformacin lineal en espacios lineales normados. Como es de esperarse,

las propiedades algebraicas de las transformaciones lineales simplifican el estudio de su continuidad.
Nuestro primer resultado dice que una funcin lineal es ya sea siempre continua o siempre
discontinua. Por lo tanto, para comprobar su continuidad global, es suficiente comprobar la
continuidad local en algn momento conveniente, por lo general el vector cero. La razn de esto es
que dado una transformacin lineal : y dos puntos , la linealidad implica que
() () = ( ). Se deduce que, si e son espacios normados, la distancia entre () y
() depende solamente de la distancia entre y , no en las ubicaciones de estos puntos.
Teorema 4.1. Sean e espacios vectoriales normados, y una correlacin lineal . Si es continuo en
algn punto , entonces es (uniformemente) continua en .
Demostracin. Supongamos que es continua en algunos , y sujeta > 0. Por continuidad en

, existe un > 0 tal que
( ) ( ) < ()
Ahora consideremos otro punto = + . Luego = + () si y solo si

() y
() ( ) = ( + ) ( + ) = ( ) = ( ) ( )
Por lo tanto, para cualquier () tenemos ( ) ( ) < , y concluimos que es

continua en .
Tenga en cuenta que para dar , el mismo funcionar en todas las partes. Por lo tanto, una
funcin lineal continua es uniformemente continua.
132
Mapeo Lineal Entre Espacios Normados
Ahora deberemos establecer una til caracterizacin de continuidad para las funciones lineales.
Definicin 4.2. Transformacin lineal cerrada. Sea una transformacin lineal entre dos espacios
lineales normados, y . Decimos que es cerrado si existe algn nmero real tal que
Es decir, si transforma conjuntos limitados en en conjuntos limitados en .
Para funciones lineales, el lmite resulta ser equivalente a la continuidad.
Teorema 4.3. Sean e espacios vectoriales normados. Una funcin lineal : es continua si y solo si es
acotada
Demostracin
Primero, mostramos que una transformacin limitada es continua a 0 y por lo tanto en todas partes.
Si es cerrada, entonces existe alguna > 0 tal que para todo . Se fija un
arbitrario > 0, y se coloca = en la definicin de continuidad. Entonces, para todo x con
< , tenemos
< =
Para demostrar la segunda parte del teorema, mostraremos que si no est cerrado, entonces no
puede ser continua. Si no est cerrado, entonces para cada podemos encontrar algn
tal que
>
Por la linealidad de y las propiedades definitorias de la norma, esto implica
1 1
( ) = ( ) = ( ) > 1

Ahora, los vectores normalizados todos tienen norma 1, implicando que la secuencia
{ } converge a 0. Por la expresin anterior, sin embargo, la secuencia
{( ( ))} no converge a (0) = 0, lo que implica que no es continua.
La segunda parte de la prueba sugiere un mtodo para establecer que una funcin lineal dada sea
discontinua: Podemos tratar de encontrar una secuencia { } que converge a 0, con {( )} 0
Problema 4.4. Probaremos el siguiente teorema: Dado los espacios lineales normados y y una
funcin lineal : , existe la funcin inversa 1 y es una transformacin lineal continua en
() si y solo si existe algn > 0 tal que .
133
(i) Usando el teorema 2.13, muestra que si existe algn > 0 tal que , entonces es
uno-a-uno (y, por lo tanto, invertible en ()).
(ii) Se usa el teorema 4.3 para mostrar que 1 es continuo en ().
(iii) Usando el teorema 4.3, muestra que si 1 es contino en (), entonces existe algn > 0 tal
que .
Teorema 4.5. Una funcin lineal de un espacio vectorial normado de dimensin finita dentro de un espacio vectorial
normado es continua.
Demostracin. Sea una funcin lineal de un espacio vectorial normado finito-dimensional , con
bases = {1 , , }, en un espacio vectorial normado . Probaremos que es continua en 0,
mostrando que dada una secuencia { } de vectores en con lmite 0, la secuencia de imgenes
{ } converge a (0) = 0 en . Cada tiene una representacin de la forma

=
=1
Donde es un escalar. Sabemos que, en cualquier espacio lineal normado de dimensin finita, la
convergencia es equivalente a la convergencia de coordenadas, es decir, { } 0 si y solo si
{ } 0 para todo = 1, , (ver 1.8). Ahora, para cada tenemos

0 ( ) = ( ) = ( ) | |( )
=1 =1 =1
Y porque | | 0 para todo , tenemos ( ) 0 o, equivalentemente, { } 0
(a) Homeomorfismos lineales
Dado los espacios lineales normados y , una transformacin lineal : es un isomorfismo

topolgico (o homeomorfismo lineal) si es tambin un homeomorfismo, es decir, si es continuo e
invertible y tiene una inversa continua. Si existe tal transformacin entre y , decimos que estos
dos espacios son topolgicamente isomorfos.
Un homeomorfismo lineal es tanto un homeomorfismo como un isomorfismo. Por lo tanto, los

espacios topolgicamente isomorfos son "equivalentes" tanto en un sentido topolgico como en un
sentido algebraico, porque la transformacin conserva conjuntos cerrados y abiertos y la
convergencia de secuencias, as como operaciones algebraicas en ambas direcciones.
Dado un espacio lineal normado m-dimensional definido sobre con bases , hemos visto que
la transformacin de coordenadas : , que asigna a cada su vector de
coordenadas in base es un isomorfismo (ej., una funcin lineal e invertible).
134
Porque y () son espacios de dimensin finita, tanto la transformacin de coordenadas y su

inversa son continuas. Se deduce que es un homeomorfismo linear, y tenemos el siguiente
teorema.
Teorema 4.6. Todos los espacios lineares normados m-dimensional sobre son topolgicamente isomorfos a =
( , ).
Por lo tanto, para la mayora de los casos, el estudio de vectores espaciales de dimensin finita se
reduce al estudio de .
(b) La norma de un mapeo lineal
Sea y dos vectores espaciales. Hemos visto que el conjunto (, ) de la transformacin de

es un vector espacial. Si son espacios normados, parece natural preguntar si es que
podemos o no definir una norma sobre (, ), es decir, si es que podemos o no convertir
(, ) en un espacio normado. Mientras que no haya manera natural para definir el tamao
de la transformacin, podemos tratar de definir la norma de una transformacin linear en trminos
de lo que a la norma de los vectores. Adems, escribimos
()
= { ; 0 } (1)

Tenga en cuenta que el smbolo . tiene tres diferentes significados en esta expresin: es la
norma de un vector en ,()es la norma de un vector , y es la norma (todava tenemos
que probar que es realidad una norma) de una transformacin lineal. Intuitivamente, el radio
() nos dice en cuanto la aplicacin de al vector incrementar o disminuir su longitud,
y definimos la norma de como el radio ms grande podemos encontrar.
Para verificar que el supremo en (1) existe, tenemos que restringir a un subconjunto de (, ).
Recordamos que la funcin linear es cerrado si existe > 0 tal que para todo .
Si T es cerrado, lo ms pequeo como B es su norma. Por lo tanto, definiremos en el conjunto
(, ) de una cerrada (ej., continuo) funcin lineal de a Y.
De la definicin de , vemos inmediatamente que por cualquier en (, ) y cualquier vector
en , tenemos
.
(2)

135
Teorema 4.7. Sea : una transformacin lineal cerrada y un vector arbitrario en . Luego
() .
Usando las propiedades de definicin de la norma (en ) y la linealidad de , vemos que
1 1
() = () = ( )

Por lo tanto, podemos escribir (nota que tiene norma 1)

= { ; , 0 } = {; , = 1}

= sup{; , 1}
Queremos mostrar que ((, ), ) Es un espacio vectorial normado. La primera parte de la

prueba es inmediata. Porque cualquier combinacin de las funciones lineales continuas es lineal y
continua, (, ) es un subespacio de (, ). Solo queda mostrar que . es una norma en
(, ). Claramente, 0 para cualquier (, ), porque est definida como un supremo
de un conjunto de nmeros no negativos. Adems, para cualquier escalar ,
= {(); = 1} = {||(); = 1}
= ||{(); = 1} = ||
Ahora, verificamos que la desigualdad del tringulo es vlida para cualquier 1 2 (, ),
1 + 2 = {1 () + 2 (); = 1} {1 () + 2 (); = 1}
{1 (); = 1} + {2 (); = 1} = 1 + 2
Finalmente, suponemos = 0; por (2), tenemos
() = 0 para cualquier
y as que () = 0 para todo . Adems = 0 solo para la funcin 0 que transforma cada en
al elemento cero de es decir, para el vector cero en (, ). Con esto, hemos verificado que
. satisface todas las propiedades definitorias de una norma, proporcionando el siguiente resultado:
Teorema 4.8. Sea espacios vectoriales normados. Entonces el conjunto (, ) de una transformacin lineal
cerrada de , con la norma definida anteriormente, es un espacio vectorial normado.
136
Dado dos espacios vectoriales de dimensin finita y sobre , con bases en and , hemos
visto que (, ) y (, ) coinciden y que la funcin , : (, ) es un
isomorfismo. Siguiente, definimos una norma en considerando una matriz como un
vector y usando la norma euclidiana; es decir, para = [ ] con = 1, . . , y = 1, . . ,
escribimos

= 2

=1 =1
Entonces el Teorema 4.5 implica que () es tambin un homeomorfismo. Por lo tanto, la teora
de transformaciones lineales en vectores espaciales de dimensin finita se reduce, para la mayora de
los casos, al estudio de las matrices.
(c) El vector espacial normado ( , )
Por que y (equipados con la norma euclidiana) son espacios vectoriales normados de finita
dimensin, transformaciones lineales in ( , ) son continuos (Teorema 4.5) y por lo tanto
cerrado (Teorema 4.3). Sigue que ( , ), equipado con la norma definida en la seccin
precedida, es un espacio vectorial normado. En el resto de esta seccin estudiaremos algunas de las
propiedades de este espacio, concentrndonos en algunos resultados que sern necesitados en
conexin con el desarrollo del clculo diferencial en el siguiente captulo.
En general, no hay manera prctica de calcular la norma de una transformacin lineal. El siguiente
resultado, sin embargo, nos da algunos lmites tiles para las transformaciones lineales en
( , ).
Teorema 4.9. Sea ( , ) una transformacin lineal, con representacin matricial estndar (ej., relativo a
las bases canonicales) = [ ], con = 1, , y = 1, , . Sea el valor absoluto del elemento dominante
de ,
= max{| |; = 1, , , = 1, , } (1)
Tenemos, entonces,

Demostracin
Dado las bases estndares en , es representado por un matriz de , = [ ]. La
imagen de un vector , () , es un vector = cuyo componente est dado
por

=
=1
137
Por la desigualdad de Cauchy Schwarz y la definicin de en (1), tenemos
| | = |=1 | =1
2
=1 2 = =1
2
2 = (2)
Para cada . Entonces

() = = 2 2 2 =
=1
Finalmente, usando la definicin de una norma de una transformacin lineal, observamos que por
que es un lmite superior de () para cualquier con = 1, tenemos
= {(); , = 1}
Para conseguir el lmite inferior en consideramos lo que hace a los vectores de coordenadas
estndares en . Sea = (0,0, ,1, ,0) el vector unitario (con un nico 1 en el
componente, y ceros en otra parte) y observamos que (con la representacin estndar
de ) tenemos

= ( ) = (1 , , ) = 2

=1
Por lo tanto es la norma del vector correspondiente de la columna de A. Sea
la norma del vector columna ms larga de . Porque () = para algn vector unitario de
(con norma 1), se deduce que
= sup{; , = 1} (3)
Adems,

2
= | |
=1
Por lo tanto,
= [ | |] =
De esta ltima desigualdad y (3), obtenemos
Dada dos funciones ( , ) ( , ), su composicin = es una funcin

lineal en ( , ), por el problema 2.4. En trminos de su representacin matricial, la composicin
138
de dos transformaciones lineales se traduce en un producto. (de hecho, el producto de dos matrices
est definido, as como corresponder la composicin de los operadores lineales correspondientes.)
Sea , y las matrices estndares asociadas con , y ; entonces
() = [()] = ( ), =
Usando el teorema 4.7 podemos conseguir un lmite en la norma de la composicin de dos

transformaciones lineales en trminos de sus respectivas normas. Observe que
() = (()) ()
Para cualquier x. Por lo tanto, es un lmite superior para () cuando = 1, y se

deduce que
Hemos probado el siguiente resultado:
4.10. Sea ( , ) y ( , ). Entonces = ( , ), y

= .
Operadores lineares en
Una transformacin de un espacio en s misma es usualmente llamada un operador. En esta seccin

estudiaremos algunas propiedades de operadores lineares en . El conjunto de todos estos
operadores ser denotado por ( ). Porque ( ) es solo el vector espacio ( , ), aplicacin
de resultados anteriores. Ciertas propiedades adicionales siguen el hecho de que los espacios de
dominio y rango son lo mismo.
Si un operador lineal ( ). Por lo tanto
1 = 1 = (1)
Es decir, cada operador invertido conmuta con su inversa, y su composicin es el operador identidad
en . Adems, porque = 1, (1) da (usando Teorema 4.10)
1
= 1 = 1 1 1

As la norma de la inversa de un operador lineal es (dbilmente) mayor que la inversa de la norma

del operador mismo.
Cada operador lineal en est asociado con una n-matriz cuadrada .

Por lo tanto el operador es invertible si y solo si la ecuacin = puede ser resuelta para un
nico valor de para cualquier dado. De algebra lineal elemental sabemos que es verdad si y solo
si la determinante || es nula. En ese caso, la matriz no sea nica, y la solucin del sistema est
dado por = 1 . Por lo tanto, los operadores invertibles son aquellos que son representados por
matrices invertibles.
139
Si dejamos que sea el vector cero en (0 ), el sistema = 0 tiene siempre la solucin trivial
= 0 . Si || 0, entonces la solucin trivial es nica, pero si la determinante es nula, entonces
hay otras soluciones, y por lo tanto no puede ser invertible, porque asigna diferentes vectores a
cero. Recordemos tambin la relacin
= dim ker + rank
Si es invertible, entonces = , y por lo tanto dim ker debe ser cero; es decir, el centro
debe ser un subespacio de dimensin cero de , y por lo tanto ker = {0 }. En conclusin,
tenemos el siguiente resultado:
Teorema 4.14. Una condicin necesaria y suficiente para un operador lineal : para ser invertible es que
transforme solo al vector cero en el vector cero.
Si y son operadores lineales en , su composicin es tambin llamado un operador lineal

en , por Teorema 2.11. Adems, la composicin de operadores invertibles es por s mismo
invertible. Para mostrar esto as, sea y operadores invertibles, y en cualquier vector en
diferente del vector cero 0 . Porque es invertible y por lo tanto uno a uno, 0 implica ()
0 por Teorema 2.13; y porque es invertible, esto implica a su vez () 0 , y se deduce que
es invertible, por Teorema 4.11. Adems,
( ) ( )1 = ( 1 ) 1 = 1 = 1 =
As ()1 = 1 1 , es decir, la inversa de la composicin de operadores lineales es la

composicin de sus inversas en orden invertido. Tenemos, entonces, el siguiente teorema.
Teorema 1.12. Sea y operadores invertibles en ( ). Entonces la composicin es tambin un operador

invertible en ( ), y ( )1 = 1 1.
El conjunto de todos los operadores invertibles en ( ) est denotado por ( ). Porque ( )

es un espacio normado, los conceptos de conjuntos abierto y cerrado estn definidos, como est la
nocin de continuidad para funciones transformando ( ) a s mismo. En el resto de esta seccin
mostraremos que ( ) es un subconjunto abierto de ( ) y que la funcin que asigna su inversa
a operador linear invertible en es continuo. Estos resultados sern necesarios en el Captulo 4 en
la prueba del teorema de la funcin inversa. Empezamos con un resultado preliminar.
Lema 4.13. Sea un operador en ( ), y la transformacin de identidad en .
140
.
(i) Si < 1, entonces ( ) es invertible, y ( )1 1(1 ).
(ii) Si < 1, entonces es invertible.
Demostracin
(i) Sea de otro modo un vector arbitrario en . Mostraremos que si < 1, entonces
( )( 0). Por el Teorema 4.11, esto implica que ( ) es invertible.
Primero, tenga en cuenta que para vectores arbitrarios y .
= ( ) + +
Tomamos, recuerda que

()
( )() = () () (1 ) > 0 (1)
Porque < 1 por suposicin. Por lo tanto,( )() 0, y sigue que ( ) es invertible.
Para conseguir el lmite en la norma de ( )1, reemplaza en (1) por ( )1 (), donde
es un vector arbitrario en . El lado izquierdo de esta expresin entonces se convierte en
( ) ( )1 () = () =
Por lo tanto, (1) da
( )1 ()(1 )
Del cual

( )1
1
Por lo tanto, 1(1 ) es un lmite superior de ( )1 () para cualquier con = 1,

y sigue que
1
( )1
1
Como se iba a mostrar.

(ii) Coloca = . Porque = < 1, ( ) es invertible, por (i), pero =
( ) =
(iii)
Teorema 4.14. Sea y operadores lineares en . Si es invertible y satisface entonces es tambin invertible.
141
< 1 1
Esto implica que el conjunto ( ) es abierto en ( ). Adems,
1
1
1 1 (T S)
Tenga en cuenta que el teorema dice que si es invertible, entonces cada operador dentro de una
bola abierta con centro en y radio 1 1 es invertible. Por lo tanto, el conjunto de operadores
invertibles es abierto. A pesar de que el lector pueda hallarlo extrao al inicio al pensar en estos
trminos, la intuicin debe ser clara. La franqueza de ( ) significa que si es invertible, entonces
cualquier otra operacin lineal que est lo suficientemente cerca a , en el sentido que es
pequeo, es tambin invertible. A este punto, puede necesitar pensar en trminos de las
representaciones matriciales de y : es invertible si y solo si det 0; porque la determinante
es una funcin continua de las entradas de una matriz, cualquier matriz suficientemente similar a
tiene como determinante diferente de cero y es por lo tanto invertible.
Demostracin. Porque es invertible, podemos escribir
= (T S) = T [ 1 (T S)] (1)
Por el teorema 4.10 y la suposicin de este teorema, tenemos
1 (T S) 1 < 1 (2)
Por el Lema 4.13, con 1 (T S) en lugar de , esto implica que 1 (T S) es invertible.

Pero entonces (1) muestra que es la composicin de dos operadores invertibles y por lo tanto es
invertible por s mismo, por el Teorema 4.12.
Adems, de (1) tenemos, por Teorema 4.12,
1 = [ 1 (T S)]1 1
Y por lo tanto
1 [ 1 (T S)]1 1 (3)
Usando (2) y la desigualdad en parte (i) de Lema 4.13, con 1 (T S) en lugar de , tenemos
1
[ 1 (T S)]1
1 1 (T S)
142
Sustituyendo esta expresin en (3), obtenemos el resultado deseado:
1
1 [ 1 ( )]1 1
1 1 ( )
Pensamos en un operador invertible como un punto en el conjunto ( ), podemos construir una

funcin ( )1 : ( ) ( ) asignndolo a cada en ( ) su inversa 1 . La siguiente teora
nos dice que esta funcin es continua; esto es, para cualquier > 0 podemos encontrar algn > 0
as como por y en ( ),
< 1 1 <
Intuitivamente, la continuidad del mapeo de inversin significa que operadores similares tienen
inversores similares.
Teorema 4.15. La funcin ( )1: ( ) ( ) que asigna a cada operador invertible cuya inversa 1 es
continua.
Demostracin. Ajustar algn en ( ), y observa que si elegimos un para
< 1 1 ( 1)
Entonces, por el teorema 4.14, es invertible, y
1 ( 2)
1
1 1 ( )
Si reforzamos (1) y exigimos < 1/ (2 1 ), entonces esto podra ser visto desde la
demostracin del teorema anterior que 1 ( ) <1/2, entonces (2), que todava mantiene, se
convierte en
1 ( 2)
1 2 1
1 ( )
1
Siguiente, notamos que
1 ( ) 1 = ( 1 ) 1 = 1 1
Y por lo tanto para (2),
1 1 = 1 ( ) 1 1 1 < 2 1 2 ( 3)
Finalmente, ajustamos algn arbitrario > 0. Si elegimos
143

=
2 1 2
Entonces < implica, usando (3),
1 1 < 2 1 2 <
Y podemos concluir ( )1 es continua.
5. Cambio de base y similitud
Sea un mapeo lineal a partir de un espacio vectorial de dimensin finita en s mismo. Hemos visto
que, dada una base para , la asignacin est representada por una matriz cuadrada. Un cambio en
la base, por supuesto, produce una representacin matricial diferente. En esta seccin investigamos la
relacin entre diferentes representaciones de un mapeo lineal dado. Este material ser til en la
aplicacin, ya que a menudo es conveniente cambiar la base para obtener una representacin simple
de una asignacin dada.
Comenzamos por explorar el efecto del cambio de base en las coordenadas del vector. Sea
a = {1 , } y b = {1 , }
Sean dos bases para un espacio vectorial de n-dimensiones . Ya que a es una base, podemos escribir
en cada vector de b como una combinacin lineal de elementos de a, es decir, existen escalares
, tal que

=
=1
Porque es verdad para cada = 1, , , existe una matriz = [ ] tal que
11 1 1 1
[] = [ ] [] = [] ( 1)
1
A continuacin dejamos a x como un vector arbitrario en , con coordenadas vector =(1 , , )

en base a, y en = (1 , , ) en base b, entonces
1 1

= = (1 , , ) [ ] = [ ]
=1
Similarmente, usamos (1),
144
Cambio de Bases y Similitud
1 1
= = [ ] = [ ]

=1

Porque A= [1 , , ] es una matriz invertible por la independencia lineal de los elementos de la

base = implica 1 = 1 , y por lo tanto
Tomando las transposiciones de ambos lados de la expresin, y dejando = notamos que
= ( 2)
Por lo tanto, el efecto del cambio de base sobre las coordenadas de un vector es multiplicar el vector
de coordenadas original por la transposicin de la matriz que resume la relacin entre las dos bases.
El siguiente problema muestra que la matriz es invertible.
Problema 5.1 Muestran que la matriz p que representa un cambio de coordenadas es invertible,
sugerencia: por el mismo argumento que hemos utilizado, hay una matriz tal que = .
Ahora que : una correlacin lineal con una representacin matricial en base a y en
base b. entonces, dado un vector arbitrario en , cuya imagen () tiene coordenadas en
base a y en base b. dado a la anterior discusin, las coordinadas de estos dos vectores estn
relacionados por
Sustituyendo (2) en esta expresin,
Y multiplicando ambos lados por 1
1 = 1 =
Porque esta expresin debe ser vlida para todos los vectores , esto seguido de
1 = ( 3)
Por lo tanto, cualquiera de las dos representaciones del mismo mapeo lineal est relaciona de una
manera simple: podemos escribir uno de ellos como el resultado de la previa multiplicacin y posterior
multiplicacin el otro por una matriz y su inversa.
Dos matrices que satisfacen la relacin (3) se dice que son similares.
145
Definicin 5.2 Dos matrices A y B se dicen que son similares si existe una matriz invertible tal que
1 = .
Por lo tanto, un cambio de base altera la representacin matricial de un mapeo lineal por
transformacin similar. En una seccin posterior veremos que es posible encontrar la matriz invertible
que producen representaciones particularmente convenientes de una cartografa lineal dada.
Problema 5.3 Demuestre que las matrices similares tienen el mismo determinante. (Recordemos que el
determinante del producto de dos matrices es el producto de sus determinantes).
6. Valores propios y vectores propios
Definicin 6.1. Valores propios y vectores propios. Sea un matriz, con un n-vector no nulo,
y un escalar ( (real o complejo), tal que
= ( 1)
Entonces decimos que es un valor propio o raz cuadrad de , y un vector propio o vector
caracterstico de correspondiente (o perteneciente) al valor propio .
Reorganizando (1), vemos que el par (, ) debe satisfacer el sistema homogneo de ecuaciones.
( ) = 0 ( 2)
Donde es la matriz de identidad. Ntese que (2) es un sistema homogneo de ecuaciones en

incgnitas (los componentes de ) y por eso tendra soluciones no triviales si es tal que la matriz de
coeficientes del sistema es no reversible, es decir, si
| | = 0 ( 3)
De lo contrario, = ( )1 = . Expandiendo el determinante | - | en esta expresin

obtenemos un polinomio de segundo grado () llamado el polinomio caracterstico de .
Ecuacin . Ecuacin (3) (la ecuacin caracterstica) es por eso que la ecuacin polinomial de
segundo grado en como tal, tiene n soluciones no necesariamente todo real o todo distinto. Cada
una de las soluciones ( = 1, ) es un valor propio de Si un valor propio se repite m veces,
podemos decir es su mltiplo . El conjunto de valores propios de , { ; = 1, }, es a veces
llamado el espectro de la matriz, denotado por ().
146
Valores Propios y Vectores Propios
Habiendo resuelto (3) para los valores propios de , podemos calcular el correspondiente vector
propio resolviendo el sistema
= ( ) = 0 ( 4)
Para cada = 1, , . Observe que las caractersticas de la matriz vectorial no estn definidos de una
forma nica. Si , es un vector propio de asociado con un valor propio de , para cualquier vector
de donde es un escalar arbitrario, tambin ser la caracterstica del vector , por si
multiplicamos por obtendremos
( ) = ( ) = ( ) = ( )
Por lo tanto, si es un vector propio de , entonces es . El espacio de soluciones correspondes

de (4) a un valor propio dado es llamado espacio propio (eigenspace) de siguiendo a .
Problema 6.2. Demostrar que el espacio propio de correspondes a un valor propio es un espacio
vectorial
Problema 6.3. Demuestre que si es un valor propio de , entonces (i) es un valor propio de , y
(ii) 1 es un valor propio de 1 .
El caso de la matriz de 2x2 es particularmente simple y usualmente til en aplicaciones. Dada la matriz.
11 12
= [ 22 ]
21
Esta ecuacin caracterstica es
11 12
() = | | = [ ] = (11 )(22 ) 12 21
21 22
= 11 22 11 22 + 2 (11 + 22 ) + (11 22 12 21 )
= 2 () + = 0
Usando la formula cuadrtica, los valores propios de son dados por
()2 4(det)
1 , 2 =
2
Dado un valor propio , ahora buscamos los vectores propios correspondientes Para simplificar
un poco las cosas, podemos tomar ventaja de los factores que los vectores propios son definidos,
como mximo, podemos multiplicar con una constante para normalizar la segunda componente de
1(2 = 1).
147
Por lo tanto, queremos un vector = (1 , 1) tal que = , esto es, una solucin del sistema
11 12 1 1
[ 22 ] [ 1 ] = [ 1 ]
21
11 1 + 12 = 1
21 1 + 22 =
Dese cuenta que hay un solo desconocido (1 ). Sin embargo, conocemos que el sistema debe ser
consistente; por lo tanto, ambas ecuaciones tienen la misma solucin y podemos resolver cualquiera
que sea la ms conveniente.
Problema 6.4. Encuentre los valores propios y vectores propios de la matriz
3 2 0
= [2 3 0]
0 0 5
La siguiente lista de teoremas algunas propiedades de valores propios que sern tiles en el estudio del
sistema dinmico lineal.
Teorema 6.5 sea una matriz cuadrada con entradas reales. Entonces auto valores complejos de , si existen, vendrn
en pares conjugados. Adems los correspondientes vectores propios tambin vendrn en pares conjugados.
Teorema 6.6 sea = [ ] una matriz n x n. Entonces
(i) el producto de valores propios de es igual a su determinante, esto es,

|| =
=1
(ii) la suma de los valores propios de es igual a su trazo, eso es,

=
=1 =1
(iii) si es una matriz triangular, entonces sus valores propios sern el coeficiente en la
diagonal principal de la matriz (, , = ).
Demostrar. Sea una matriz n x n su caracterstica polinomial es un polinomio de grado n.
() = + 1 1 + + 1 + 0
148
Valores propios y Vectores propios
Probar (i) y (ii), escribiremos abajo dos expresiones equivalentes de () y compararemos con sus
coeficientes.
(i) Primero, sea 1 , los valores propios de . Porque estos nmeros son, por definicin,
ceros de (), podemos escribir
() = (1 )(2 ) ( ) (1)
Para algn nmero a. usando esta expresin, vemos que
= (1) (2)
0 = (0) = 1 , 2 (3)
Alternativamente podemos escribir
11 11 1 (4)
22 2
() = | | = [ 21 ]

1 2
Por cada
0 = (0) = (5)
Adems, Se puede demostrar por induccin que este polinomio es de la forma
() = (11 )(22 ) ( ) + 2 (6)
Revisando esta expresin se muestra que
= (1) (7)
Comparando (2) y (7), podemos ver que
=1 (8)
Ecuacin (3) y (5) entonces implica, usando (8), que
1 2 = det (9)
(ii) A continuacin, considerar el coeficiente de 1,1, comparando la ecuacin (1) y (6),

Vemos que ambas expansiones del polinomio deben producir expresiones similares para 1
con tomando el lugar de . Usando (1) con = 1, demostraramos por induccin que
1= (1)1 (=1 ), por el mismo argumento, ello puedo mostrar que 1 = (1)1
(=1 ). Por lo tanto, sucede que =(=1 ), como era de demostrar.
149
Por cada con = 1, , , sea
() = (1 )(2 ) ( )
Y observe que
+1 () = ()(+1 )
Primero, verificamos que el resultado deseado es vlido para = 2. En este caso, () es de la

forma
2 () = (1 )(2 ) = 1 2 1 2 + 2 = 2 (1 + 2 ) + 1 2
Y 1= 1(el coeficiente de ) esta dentro de la forma

(1)1 ( ) = (1)(1 + 2 )
=1
A continuacin asumimos que este resultado es vlido para y demuestra que est implcito que es
vlido tambin para + 1. Bajo nuestras suposiciones tenemos

+1 () = (1) + (1)1 ( ) 1 + 2 2 + + 1 + 0
=1
Por lo tanto
+1 () = ()(+1 )

= [(1) + (1)1 ( ) 1 + 2 2 + + 1 + 0 ] (+1 )
=1

= (1)+1 +1 + +1 (1) + (1) ( ) +
=1

= (1)+1 +1 + (1) ( + +1 )
=1
El cual demuestra que el coeficiente de es de la forma requerida. Esto completa la prueba.
(iii) Obsrvese que en este caso la reduccin de la ecuacin caracterstica =1( ) = 0
Hasta ahora hemos hablado de los valores propios y los vectores propios de una matriz, pero de hecho
estos conceptos pueden ser definidos directamente en trminos de mapeo lineal subyacente. Sea T
una funcin lineal que mapea un espacio vectorial n-dimensional en s mismo. Dado dos bases de
, y , sea y sea la matriz correspondiente de . Notamos que y tienen matrices
similares; eso es, existe una matriz inversa (el cual es una transposicin de la matriz de cambio de
base) por lo que = 1 . Usando esta expresin, es fcil demostrar que las dos matrices
tienen la misma caracterstica polinomial y por lo tanto los mismos valores propios:
| | = |1 | = |1 ( )| = |1 || |||
= | ||1 ||| = | |
150
Valores propios y Vectores propios
Adems, los vectores propios de y representan el mismo elemento de en las dos bases que
estamos considerando. Para verlo, sea e vectores propios de y pertenecen al mismo valor
propio , esto es, vectores tal que
= =
Entonces, por que = 1 , tenemos
1 = =
Por lo tanto, =, y concluimos (ver la seccin anterior) que e representan el mismo vector
bajo diferentes bases.
Diagonalizacin de una matriz cuadrada
Se dice que una matriz es diagonalizable si es similar a una matriz diagonal, esto es, si existe una
matriz invertible tal que 1 es diagonal.
Teorema 6.7 Sea una matriz de con vectores propios linealmente independiente. Entonces es diagonalizable,
adems, la diagonalizada de la matriz. Adems, la matriz diagonalizadora de la matriz = [ , , ] cuyas
columnas son vectores propios de , y la diagonal resultante de la matriz es la matriz = diag( , ) con los
valores propios de en la diagonal principal y ceros en otras partes. Esto es = .
Demostrar. Porque los vectores propios de son linealmente independientes por suposicin, =
[ , , ] es una matriz invertible, y por lo tanto 1 = es equivalente a = . Verificamos
ahora que esta expresin se cumple. Usando la definicin de vectores propios y valores propios,
= [1 , , ] = [1 , , ] = [1 1 , , ]
1 0
= [1 , , ] [ ] =
0
Teorema 6.8 Sea una matriz de . Si los valores propios de son todos distintos, entonces sus vectores propios
1 , , son linealmente independientes, y por lo tanto es diagonalizable.
Demostrar. Recordar que un conjunto de vectores 1 , , se dice que son linealmente dependientes
si existe un escalar 1 , , no hay ceros, tal que

= 0
=1
Y son linealmente independientes si esta expresin se mantiene cuando todos los escalares son cero.
151
Para simplificar, sea = 2. Existe escalares 1 y 2 (posiblemente ambos cero) tal que
1 1 + 2 2 = 0
Multiplicando ambos lados de (1) por ,
1 1 + 2 2 = 0 1 1 1 + 2 2 2 = 0
Donde 1 y 2 son los correspondientes valores propios, a continuacin multiplique ambos lados de
(1) por 2 y sustraiga el resultado de la ecuacin para (2), obteniendo
1 1 1 + 2 2 2 1 2 1 2 2 2 = 1 (1 2 )1 = 0
Porque 1 2 por suposicin, y 1 0, debemos obtener 1 = 0.por el mismo argumento, 2

tambin es cero. Por lo tanto, los vectores propios 1 2 pertenecen a diferentes valores propios
deben ser linealmente independientes.
Un similar argumento trabajara para cualquier : asuma que alguna combinacin lineal de vectores
propios,1 , , , es igual a cero, multiplicando esta combinacin por , y sustrayendo veces la
combinacin lineal original del resultado de la expresin. Esto dejara una combinacin lineal de
1 , , 1 que es igual a cero. Por repeticin de procesos. Acabamos con el resultado de un mltiplo
de 1 es el vector cero, forzando a 1 = 0 y eventualmente = 0 para todo , por lo tanto,
asociamos los vectores propios con distintos valores propios deben ser linealmente independientes.
Apndice: Ecuaciones Polinomiales
Un polinomio de grado en es una funcin de valor real o complejo
() = 0 + 1 1 + + 1 + ( 0 0) (1)
Donde los coeficientes 1 son nmeros reales o complejos. Una ecuacin de la forma
() = 0 + 1 1 + + 1 + = 0 (2)
Es llamado ecuacin algebraica o polinomial. La solucin o las races de la ecuacin () = 0 son los
ceros del polinomio ().
Las ecuaciones polinomiales surgen en el clculo de los valores propios de una matriz y en otras
aplicaciones. Una primera pregunta que surge en la conexin con tales ecuaciones tiene que ver con
la existencia de soluciones a (2). Se puede demostrar que una ecuacin polinomial de grado n siempre
tendr n soluciones, permite permitir races complejas y repetidas. De hecho, se inventaron nmeros
complejos para asegurarse de que las ecuaciones algebraicas siempre tengan una solucin.
152
Apndice: Ecuaciones Polinomiales
Si el coeficiente de () es real, adems, en cualquier raz compleja vendrn pares conjugados.

La solucin de segundo grado de la ecuacin algebraica
2 + + = 0
Podemos obtener directamente usando la formula cuadrtica
2 4 (3)
1 , 2 = 2
Para este caso ecuaciones de tercer grado
3 + 2 + + = 0
Hay un resultado similar. Observe primero que dejando = (A/3), esta ecuacin podra escribirse
de esta forma
3 + + = 0 (4)
Las races de (4), entonces, debern satisfacer la frmula de Cardano
13 13 (5)
3 2 3 2
+4 +2727
4 +27 27
=( 2
) +( 2
)
Observe que puede haber ms de tres nmeros que satisfagan esta expresin. Slo tres de ellos, sin
embargo, resolvern la ecuacin original.
Existe una frmula ms complicada para las ecuaciones polinomiales del cuarto grado. Para ecuaciones
de orden superior, sin embargo, no hay frmulas explcitas disponibles.
Las races enteras de un polinomio con coeficientes enteros son relativamente fciles de encontrar.
Observamos que podemos reescribir la ecuacin
() = 0 + 1 1 + + 1 + = 0 (2)
En la forma
(0 1 + 1 2 + + 1 ) =
153
Supongamos que los coeficientes de () son todos enteros y que es una solucin entera de (2).
Entonces la expresin dentro de los parntesis es un entero, y debe ser un factor del trmino
constante . Se sigue que para encontrar las soluciones enteras de (2) (si existen), basta encontrar
todos los factores enteros de . Entonces podemos insertar cada factor en () para comprobar
si es o no un cero del polinomio. Si esto es, podemos usar este hecho para simplificar ()
dividindolo por ( ). De esta forma podemos reescribir la ecuacin original en la forma
() = ()( )
Donde () es un polinomio de grado 1. Si ()=0 suficientes races enteras, podramos

escribirlo como un producto de un nmero de binomios de la forma ( ) y un polinomio de
segundo o tercer grado ().
Podemos entonces utilizar la frmula cuadrtica o la frmula de Cardano para resolver la ecuacin
() = 0, encontrando as las soluciones restantes de la ecuacin original.
Concluimos esta seccin con un algoritmo que simplifica la tarea de dividir un polinomial () por
un binomio de la forma ( ). En general, la divisin de () por ( ) produce un polinomio
cociente () de grado 1 y un constante , segn la frmula
() = ()( ) +
Dado () y , buscamos () y . Para ilustrar el algoritmo, sea () un polinomio de tercer grado.

Entonces y son de la forma
() = 0 3 + 1 2 + 2 2 + 3 () = 0 2 + 1 + 2
Para calcular los valores de y los coeficientes de (), construimos la siguiente tabla. La fila superior
contiene los coeficientes de . El primer elemento de la tercera fila es 0 . Entonces cada elemento
de la segunda fila se obtiene multiplicando el elemento anterior de la tercera fila por . Cada elemento
de la tercera fila es la suma de los elementos correspondientes de las primeras y segundas filas. Los
elementos de la tercera fila son los coeficientes de (), excepto el ltimo, que es el resto.
1 2 3
0 0 1 + 2 0 2 + 1 + 3 0
2
0 1 + 0 2 + 1 + 2 0 3 + 2 + 2 1 + 3 0
(= 0 )(= 1 ) (= 2 ) (= )
Bibliografa
Anton, H. 1981. Elementary linear Algebra, 3rd ed. New York: Wiley.
Apostol, T. 1984. Calculus, 2nd ed. Barcelona: Editorial Revert
Cullen, C. 1990. Matrices and Linear Transformation, 2nd ed. New York: Dover.
Giles, J. 1987. Introduction to the Analysis of Metric Spaces. Cambridge University Press
Lang, S. 1986. Introduction to Linear Algebra, 2nd ed. Berlin: Springer-Verlag.
154
Notas
Maddox, I. 1988. Elements of Functional Analysis, 2nd ed. Cambridge University Press
Michael, P. 1984. Cours de Mathmatiques pour Economistes. Pris: Economica.
Schneider, H., and Barkr, G.P. 1973. Matrices and Linear Algebra. New York: Dover.
Shilow, G. 1977. Linear Algebra. New York: Dover
Sydsaeter, K. 1981. Topics in Mathematical Analysis for Economists. Orlando, FL: Academic
Press
Taylor, A., and Mann, R. Advanced Calculus. New York: Wiley
Notas
1 Podemos asumir, sin perder la generalidad, que es el mismo conjunto en ambos casos. Si
eso no fuera as, tendramos
= 1 y = 2
Entonces podemos definir = 1 2 y ponemos = 0 para ~ 1 y = 0 para
~ 2 .
2 Ya que y tienen la misma dimensin, podemos asumir que el conjunto ndice es el
mismo para las bases de Hamel de dos espacios.
3 Retomamos para cualquier escalar , = ||; por lo tanto () = ||().
Si 1, podemos escribir = , donde || 1 y por lo tanto () ().
Por esto es que podemos reemplazar la igualdad = 1 por la desigualdad 1.
155
4
Clculo diferencial
Este captulo introduce el concepto de diferenciabilidad y discute algunas de sus

implicaciones. Despus de tratar brevemente con el caso familiar de funciones reales
univariadas, extendemos el concepto de diferenciacin a funciones de en . La clave
de la extensin reside en la interpretacin de la diferenciabilidad en trminos de la existencia
de una buena aproximacin lineal de una funcin en un punto. Tambin mostramos qu
aspectos importantes del comportamiento local de funciones "suficientemente
diferenciables" se capturan con precisin por aproximaciones lineales o cuadrticas. Este
material tiene importantes aplicaciones a la esttica comparativa y la optimizacin.
1. Funciones reales diferenciables univariadas
Sea una funcin univariable, : . Queremos precisar la nocin de la pendiente de

la funcin en un punto dado . Dado un segundo punto en el dominio de , el cociente
de las diferencias ( () ()) / ( ) da la pendiente de la secante a la funcin a
travs de los puntos (, ()) y (, ()). A medida que tomamos puntos cada vez ms
cercanos a , la secante se convierte en una mejor aproximacin de la tangente a la grfica
de en el punto (, ()), y en el lmite los dos coinciden. As, podemos definir la derivada
de en como el lmite:
() () ( + ) ()
() = lim = lim0 ( )

Siempre que existe, y podemos interpretarlo como la pendiente de la funcin en este punto.
Definicin 1.1. Derivada de una funcin univariable. Sea : definido en un intervalo

abierto . Diremos que es diferenciable en un punto en si existe el siguiente lmite:
156
( )
3 2 1
Figura 4.1. La derivada como el lmite de la secante
()()
lim0 (

Cuando lo hace, decimos que el valor del lmite es la derivada de en , escrita (). Si
es diferenciable en cada punto de su dominio, decimos que la funcin es diferenciable (en ).
Problema 1.2. Sea y funciones , y asuma que ambas son diferenciables en un

punto 0 . Usando las propiedades elementales de los lmites y la continuidad de y en ,
demostrar que la funcin producto , definida por () = ()(), es diferenciable en
0 y que
( 0 ) = ( 0 )( 0 ) + ( 0 )( 0 )
Sugerencia:
()() ( 0 )( 0 ) = ()() ( 0 )() + ( 0 )() ( 0 )( 0 )
Problema 1.3. Sea () = .Demuestre por induccin que () = 1. (Primero,

probarlo directamente para n = 2.)
Ahora vamos a establecer algunas propiedades importantes de funciones diferenciables.
Teorema 1.4. Sea f una funcin : (I abierto). Si es diferenciable en un punto ,

entonces es continua en .
Prueba. Dado dos puntos y + en , podemos escribir

( + ) ()
( + ) () =

Tomando lmites como 0, y aplicando resultados anteriores sobre el lgebra de lmites,
tenemos
( + ) ()
lim ( + ) () = (lim ) 0 = ()0 = 0
0 0
Y, por consiguiente
157
Clculo Diferencial
lim ( + ) = ()
0
que establece la continuidad de en .
Un 0 del punto es un mximo local de si all existe algn > 0 tal que el ( 0 ) ()
para todo ( 0 ). El siguiente resultado nos dice que una derivada igual a cero es una
condicin necesaria para un mximo interior (mnimo interior) de una funcin diferenciable.
(Avisamos que nosotros excluimos los puntos extremos del intervalo, para evitar la
posibilidad de mximos de esquina.)
Teorema 1.5. La condicin necesaria para un mximo interior. Sea una funcin diferenciable
(, ) , y 0 un mximo (minimo) local de . Entonces ( 0 ) = 0.
Prueba. Suponga, para la concrecin, que tiene un mximo local an 0 . Entonces nosotros
tenemos
( 0 + ) ( 0 ) 0 con || <
y por consiguiente
( 0 +)( 0 )
0 para (0, )

0 para (, 0)
los lmites tomando cuando h se acerca a cero, nosotros tenemos
( 0 +)( 0 ) ( 0 +)( 0 )
lim+ 0 y lim 0

Ahora, como la funcin es diferenciable, el lmite del cociente de la diferencia con 0,

existe y se da por el valor comn de los dos lmites unilaterales. De,
( 0 +)( 0 )
0 ( 0 ) = lim+ 0 ( 0 ) = 0

Teorema 1.6. El teorema de Rolle. Sea : [, ] continuo y diferenciable en (, ). Asuma

() = () = 0; hay algn nmero (, b) tal que () = 0.
Prueba. Como es continuo en el conjunto compacto = [, ], logra tanto un mximo

como un mnimo en este intervalo. Es decir, aqu existen los puntos y en [a, b]
con ( ) = ( ) = . Si ( ) = ( ) = 0 para todo en . Por otra
parte, cualquier ( ) < 0 para (, ) y ( ) = 0 (porque es un mnimo
local) o ( ) > 0 para (, ) y ( ) = 0 (por el Teorema 1.5), o ambos.
Usando el teorema de Rolle, es fcil demostrar el siguiente resultado importante.
Teorema 1.7. El teorema del valor medio. Sea : una funcin diferenciable. Si y son dos
puntos en , con < , entonces hay algn nmero (, ) tal que () = (()
())/( ).
Prueba. Definir la funcin ( ) por
158
Funciones Reales Diferenciables Univariadas
()()
()=() () ( )

Porque ( ) satisface las condiciones del teorema de Rolle, aqu existe algn punto en
(, ) tal que () = 0, es decir,
() () () ()
() = () = 0 () =

El teorema del valor medio nos da una manera de relacionar las propiedades de una funcin
con las de su derivada. El siguiente el problema proporciona un ejemplo de cmo esto puede
ser til.
Problema 1.8. Sea : una funcin diferenciable en un intervalo .

Demuestre que
(i) Si () = 0 para cada , entonces es constante en el intervalo.

Sugerencia: Sean e , con < , dos puntos arbitrarios en . Use el teorema
del valor medio para mostrar que () = (
(ii) Si () > 0 en (, ), entonces es estrictamente creciente en ( , ).
Figure 4.2 da una interpretacin geomtrica del teorema del valor medio. Poniendo = +
en la frmula dada en la definicin del teorema, y ordenando trminos, nosotros tenemos
() = () + ( + )
a b
Figure 4.2. El teorema de valor medio.
para algn (0,1). El siguiente teorema puede verse como una extensin de este resultado.
Teorema 1.9. La frmula de Taylor para las funciones univariables. Sea :

diferenciable n veces en un intervalo abierto . Para todo y + , nosotros tenemos
() ()
( + ) = () + 1
=1 + (1)
!
159
Clculo Diferencial
()
Donde el () es la k-sima derivada de en , y el resto o trmino de error
() (+)
= para (0,1)
!
Es decir, el resto tiene la misma forma que el trmino error, slo que la derivada del n-simo
se evala en algn punto entre y + .
Prueba. Ponga = + y defina la funcin () para entre e como

() ()
() = () () 1
=1 ( ) (2)
!
Entonces el teorema dice que en algn punto + ( ) entre e

() (+())
F(x) = ( ) (3)
!
Primero, observe que () = 0 y que la mayora de los trminos en

1
() () (+1) ()
F(z) = f (z) ( ( )1 (1) + ( )
! !
=1
() () (+1) ()
=- () + 1
=1( (1)! ( )
1
( )
!
() () () (3) ()
= - f(z)+ ( 1 ( )) + ( ( ) ( )2 )
1 1! 1! 2!
(3) () (4) () (2) ()

+( ( )2 ( )3 ) + + ( ( )3
2! 3! (3)!
(1) () (1) () () ()
(2)!
( )2 ) + ( (2)!
( )2 (1)!
( )1 )
se cancelan, quedndonos con:

() ()
() = (1)! ( )1 (4)
Luego, defina la funcin

() = () () () (5)
y observe que es una funcin continua en (, ), con
() = () 0 = 0 = () () = ()
y
1 1
() = () () () (6)

160
Funciones Reales Diferenciables Univariadas
Por el teorema de Rolle, ah existe algn (0,1) tal que

( + ( )) = 0
Aplicando esta expresin en (4) y (6),
0 = ( + ( ))
1
= ( + ( )) + (( ( ))/( ))1 ()

() (x + (yx)) (1)() 1 1
[ ( )]1 = ( ) ()
(1)!
() (x + (y x)) 1
[(1 )( )]1 = (1 )1 ()
( 1)!
() (x + (yx))
( ) = ()
!
que es el resultado deseado.

El teorema de Taylor nos da una frmula para construir una aproximacin polinmica a una
funcin diferenciable. Con = 2, y omitiendo el resto, nosotros obtenemos
( + ) () + () (1)
La diferenciabilidad de implica que el trmino error 2 ser pequeo. Por lo tanto, la

funcin lineal en el lado derecho de (1) garantiza ser una buena aproximacin de ( ) cerca
de . Las aproximaciones de orden superior que utilizan varias derivadas sern an mejores.
Problema 1.10. Una condicin suficiente para un mximo local. Sea : dos veces
diferenciable en algn intervalo que contiene a 0. Asuma, adems, que ( 0 ) =
0, ( 0 ) < 0, y es continuo en 0 . Use Problema 1.8 para mostrar que 0 es un
mximo local de .
Problema 1.11. Sea : una funcin diferenciable + 1 veces en un intervalo

alrededor del punto 0 . Asuma que para algn > 1, () 0 es la primeria derivada no
nula de en 0 , es decir
( 0 ) = ( 0 ) = 3 ( 0 ) = = (1) ( 0 ) = 0 y () ( 0 ) 0
Use el teorema de Taylor para mostrar que:
(i) si es constante y () ( 0 )<0, entonces tiene un mximo local en 0 ,

(ii) si es constante y () ( 0 ) >0, entonces tiene un mnimo local en 0 ,
(iii) si es variable, entonces no tiene ni un mximo local ni un mnimo local en
0.
Problema 1.12. El teorema del valor medio de Cauchy. Demuestre lo siguiente:
Sea y : [, ] diferenciables en (, ), y suponiendo que () 0
para todo el en (, ). Entonces hay un punto en (, ) tal que
161
Clculo Diferencial
() () ()
=
() () ()
Sugerencia: Cmo se debe modificarla funcin ( ) en la prueba del Teorema 1.7?
Problema 1.13. La regla de LHopital. Suponga que las funciones y son funciones
continuas definidas en los reales y diferenciables en algn intervalo abierto que contiene el
punto , tal que () = () = 0. Muestre que ()/() tiende a un lmite como
, tambin lo hace ()/(), y
() ()
lim = lim
() ()
Use el teorema del valor medio de Cauchy (Problema 1.12).

2. Derivadas parciales y Direccionales
Ahora queremos ampliar el concepto de diferenciabilidad en un punto de funciones

univariables para funciones de valor real de variables. Una complicacin que
inmediatamente encontramos es que ahora tenemos que especificar la divisin a lo largo de
la cual nos acercamos a . El problema no surge en la lnea real porque aqu aproximamos a
slo desde izquierda o desde la derecha, la derivada de la funcin univariable ( ) en
es definido como el valor comn de ambos lmites unilaterales siempre que ellos coincidan.
En , sin embargo, podemos aproximar un punto desde un nmero infinito de
direcciones y, por lo tanto, tenemos que especificar cual estamos considerando. Esta
observacin nos conduce al concepto de derivada direccional, que ahora definimos.
Sea una funcin y elegimos dos vectores 0 y en con = 1. Vamos a

interpretar 0 como un "punto" en el espacio, y como un vector (una "flecha") que
describe una direccin de movimiento en el espacio , como se ilustra en Figura 4.3. El
conjunto de puntos:
( 0 , ) = {() ; () = 0 + , }
corresponde a la recta que pasa a por 0 con la direccin de . Como tiene norma 1, el
parmetro mide la distancia entre un punto () en la recta y 0 .
Definiremos la derivada direccional de en 0 en la direccin de con la ayuda de una

funcin auxiliar univarible cuya derivada en cero de la pendiente de mientras nos
alejamos de 0 en la direccin de . Definimos : como
0
Figura 4.3.
162
Derivadas Parciales y Direccionales
() = ( 0 + )
Cuando = 2, la interpretacin geomtrica es clara: El grfico de es una superficie

tridimensional que suponemos ser orientados de tal modo que el valor de la funcin es
medido verticalmente. La funcin es la restriccin de a la lnea ( , ), y su grfica es
la curva obtenida del corte de esta superficie con un plano vertical por 0 y "paralela" a .
Entonces (0) nos da la pendiente de esta curva en 0 o, equivalentemente, la pendiente
de la superficie {(1 , 2 , ); = (1 , 2 )} en el punto (1 , 2 , (1 , 2 )) cuando nos
movemos en la direccin de . Decimos que (0) es la derivada direccional de en el
punto 0 en la direccin de , y se escribe ( 0 ; ). Ms formalmente, tenemos lo
siguiente:
Definicin 2.1. Derivada direccional. La derivada direccional de : en la direccin

de en el punto 0 est definida por
( 0 + ) ( 0 )
( 0 ; ) = lim , donde y = 1
0
siempre que ese lmite exista.
Como la nica funcin del vector y es indicar la direccin de movimiento, podemos

asumir que su norma es 1. Esto no es necesario para la definicin en s, pero es un modo
conveniente de normalizar derivadas direccionales.
Problema 2.2. Sea (1 , 2 ) = 1 , 2 , = (3/5, 4/5), y 0 = (1,2). Calcular

( 0 ; ) directamente tomando los lmites apropiados, y verifique que el resultado es el
mismo si utiliza la frmula
( 0 ; ) = ( 0 )
(La definicin del gradiente ( ) sigue despus del problema 2.5.)
Las derivadas direccionales en la direccin de los ejes de coordenadas son de inters especial.
La derivada parcial de con respecto a su argumento se define como (; ), donde
es un vector cuyos componentes son todos cero excepto para la -sima, que es 1.
Definicin 2.3. Derivada parcial. Sea una funcin multivariable . La derivada
parcial de con respecto a su i-simo argumento, , en un punto = ( , ), es el lmite
( + , ) (, )
() = lim
0
siempre que exista.
Hay varias maneras estndar de escribir la derivada parcial de con respecto a . Una de las
notaciones ms comunes utiliza subindices para indicar la variable con respecto a la cual
estamos diferenciando: (), () (). Otra posibilidad es escribir () / .
En cada caso, se indica explcitamente el vector argumento para enfatizar que la derivada
parcial es tambin una funcin de . Como normalmente no es necesario insistir en esto, los
argumentos son a menudo omitidos, y escribimos: , o / .
163
Clculo Diferencial
Conceptualmente no hay diferencia entre una derivada parcial y la derivada ordinaria de una
funcin univariable. Para los valores dados del otro argumento , ( , ) es una funcin
de una sola variable, . Fijando en un valor constante , y definiendo una nueva
funcin como ( ) = ( , ), tenemos ( ) = ( , ). De ah que las reglas
estndar de diferenciacin para derivadas normales se aplican, sin modificacin, a
derivadas parciales, tratando a las variables como constantes. Por ejemplo, si (, ) =
3 2 + 4 3 , entonces (, ) = 6, y (, ) = 3 2 + 12 2 .
Problema 2.4. Teniendo en cuenta las funciones

= (1 , 2 ) = (1 2 + 22 ), = (1 , 2 ) = 12 2 + 23 1
= (1 , 2 ) = ( 2 + 1 2 )
Calcular, para cada una de ellas, las derivadas parciales 1 y 2 .

Problema 2.5. Encuentre los puntos donde todas las derivadas parciales de la funcin
(1 , 2 ) = 14 2 + 12 23
son cero.
Si todas las derivadas parciales de existen y son continuas en algunos conjuntos de un punto
0 , entonces la derivada direccional en 0 existe para todas las direcciones y puede
escribirse como una combinacin lineal de las derivadas. Para ver esto, tome
() = ( 0 + ) = (10 + 1 , , 0 + )
Si las derivadas parciales de son continuas, entonces es diferenciable en 0 y la regla

de la cadena produce
() = 1 ( 0 + )1+ ( 0 + ) ==1 ( 0 + )
(Vanse los Teoremas 3.4 y 3.5 en la Seccin 3). Por lo tanto,

( 0 ; ) = (0) = ( 0 ) (1)
=1
Si definimos el vector de gradiente de en por
() = (1 (), , ())
Entonces (1) se puede escribir como el producto escalar de la gradiente y la direccin vector:
( 0 ; ) = () (2)
Usando la expresin (2), vemos que la gradiente es el vector que apunta en la direccin del
ascenso o descenso ms pronunciado a lo largo del grfico de la funcin. Dado (2), la
desigualdad de Cauchy-Schwarz implica (usando la convencin que = 1)
|(; )| = |()| () = () (3)
164
Por lo tanto, el valor absoluto de la derivada direccional no puede exceder a la norma de la
gradiente. Por otra parte, si consideramos la direccin de la gradiente, dado por el vector
normalizado = ()/(), tenemos
()() ()2
|(; )| = |()| = = = ()
() ()
En esta direccin particular, por lo tanto, la dbil desigualdad en (3) se mantiene como una
igualdad. As, la gradiente de la funcin en apunta en la direccin en la que la pendiente
de en es mayor en valor absoluto, y su norma es el valor absoluto de la pendiente.
Parciales de orden superior
Sea una funcin ; entonces cada una de sus derivadas parciales () tambin son
funciones reales de n variables, y la parcial de ( ) puede ser definido exactamente como
para ( ). Las parciales de ( ) son las segundas derivadas parciales de y nosotros
escribimos ( ) o 2 ()/ para ()/ .
En muchos casos de inters, simtrico los parciales transversales coinciden, eso es ( ) =

( ), para que al orden de diferenciacin no importe. El siguiente resultado, una versin
dbil del teorema de Schwarz, da las condiciones suficientes para sostener esta propiedad.
Teorema 2.6. Sea : una funcin definida en un conjunto abierto de un punto 0 .

Supongamos que las derivadas parciales ( ), ( ), ( ) ( ) tambin se definen
en este vecindario y que ( ) ( ) son continuas en 0 . Entonces ( 0 ) ( 0 ).
Prueba. Debido a que consideraremos solamente dos parciales a la vez, podemos asumir, sin
prdida de generalidad, que es una funcin de dos variables, digamos (, ).Trabajaremos
sobre un cuadrado de lado contenido en el vecindario de ( 0 , 0 ). Mencionado en la
definicin del teorema. Considere la expresin
= ( 0 + , 0 + ) ( 0 + , 0 ) ( 0 , 0 + ) + ( 0 , 0 )
Para demostrar el teorema, usaremos el teorema del valor medio para funciones univariables
para derivar dos expresiones equivalentes para D en trminos de simetra cruzada y concluir
de su igualdad que ( 0 , 0 ) y ( 0 , 0 ).
Si definimos la funcin
() = (, 0 + ) (, 0 )
Podemos escribir D en la forma
= ( 0 + ) ( 0 ) (1)
Por supuesto, 0 es diferenciable en la regin en la que estamos trabajando, con
() = (, 0 + ) (, 0 )
Y aplicando el teorema del valor medio para funciones univariadas, tenemos, para algn
1 (0,1),
0 + )
= ( 1 = [ ( 0 + 1 , 0 + ) ( 0 + 1 , 0 )] (2)
165
Clculo Diferencial
A continuacin, hacer
() = ( 0 + 1 , )
Con derivadas
() = ( 0 + 1 , )
Y escribir (2) de la forma
= [( 0 + ) ( 0 )] (3)
Por el teorema del valor medio, hay algn 2 (0,1) para lo cual tenemos
= 2 ( 0 + 2 ) = 2 ( 0 + 1 , 0 + 2 ) (4)
De manera similar, si definimos ( ) por
() = ( 0 + , ) ( 0 , )
Tenemos = ( 0 + ) ( 0 ), y por el mismo procedimiento usado anteriormente

vemos que Existen 3 , 4 (0,1)tales que
= 2 ( 0 + 3 , 0 + 4 ) (5)
Por lo tanto:
2 ( 0 + 1 , 0 + 2 ) = = 2 ( 0 + 3 , 0 + 4 )
Finalmente, tomamos los lmites para la expresin precedente como 0. Entonces los
puntos en que estamos evaluando los parciales del acercamiento ( 0 , 0 ), y porque el ( )
y ( ) son continuos por la asuncin, tenemos
( 0 , 0 ) = lim ( 0 + 1 , 0 + 2 ) = lim ( 0 + 3 , 0 + 4 )
0 0
= ( 0 , 0 )
As, los parciales simtricos coinciden en ( 0 , 0 ).

Las derivadas direccionales y continuidad
Empezamos esta seccin que da nfasis a la similitud conceptual entre las derivadas
direccionales de una funcin multivariable y las derivadas "normales" de funciones
univariables. Las similitudes acaban, sin embargo, cuando se trata de la conexin entre la
existencia de una derivada y la continuidad. Sabemos que una funcin de a que es
diferenciable en un punto 0 tambin es continua en 0 . Para una funcin , sin
embargo, la existencia de todas las derivadas parciales, o incluso la existencia de derivadas
direccionales a un punto, no es suficiente para garantizar la continuidad, como lo muestra el
siguiente ejemplo.
Ejemplo 2.7. Considere la funcin
166
2
(, ) = 2 para 0
+ 4
=0 para = 0
Para cualquier = (1, 2 ) en 2 , el derivado direccional de a (0, 0) se da por
f(1, 2 ) (0,0) (1 )(2 )2

lim = lim
0 0 [(1 )2 + (2 )4 ]
1 22 2
= lim 2 2 4 = 2 1 1 0
0 1 + 2
=0 1 = 0
Por lo tanto, (0, 0; ) existe para todo . Por otro lado, tiene el valor en los puntos
en la curva = 2 , excepto en el origen donde es cero. De donde, es no continuo en
(0,0).
Es posible garantizar la continuidad de f en un punto mediante la imposicin de condiciones
en las derivadas direccionales. Por ejemplo, puede ser mostrado, usando un argumento
similar al de la demostracin del teorema 2.6, que una condicin suficiente para la
continuidad de en 0 es que todas sus derivadas parciales existan y son limitados en un
conjunto de . Se deduce fcilmente que esto da como resultado que la continuidad de las
derivadas parciales de en algn conjunto de 0 es suficiente para que sea continua en 0 .
Pronto demostraremos un resultado ms convincente.
La discusin anterior sugiere que podra ser interesante definir un concepto ms formal de
diferenciacin para funciones multivariables. Esto ser hecho en la siguiente seccin. Por el
momento, observamos que la existencia de derivadas parciales en un punto 0 , o incluso de
derivadas direccionales en todas las direcciones, no es suficiente para decir que la funcin es
diferenciable en 0 .
3. Diferenciabilidad
Pasemos ahora al caso general donde : es una funcin de variables cuyo

valor es un -vector. Podemos pensar en el conjunto como vector de las funciones
componentes de , cada una de las cuales es una funcin de valores reales de n variables:
= ( 1 , . , ) ; donde : para = 1,2, ,
Nos gustara definir un concepto de diferenciacin para funciones :

que puede ser visto como una generalizacin natural de la derivada de una funcin univariada
y que preservar la implicacin de continuidad sin supuestos adicionales. Como veremos, la
clave est en definir diferenciabilidad en trminos de la posibilidad de aproximacin del
comportamiento de a travs de una funcin "lineal. A continuacin, relacionaremos el
concepto resultante de derivada a las derivadas parciales de los componentes de .
Volvamos un momento a la definicin de la derivada para una funcin y ver

si podemos reinterpretarlo de una manera que se extienda naturalmente al caso multivariado.
167
Clculo Diferencial
Un valor real unvoco de la funcin g es diferenciable en un punto x en su dominio si el
lmite
( + ) ()
lim ; ( )
0
existe, es decir, si es igual a algn nmero real . Esta condicin puede ser reformulada de
la siguiente manera: g es diferenciable en x si existe un nmero real . Tal que
( + ) [() + ]
lim =0 (1)
0
g g(x)+ah
g(x+h)
x x+h
Figura 4.4. La derivada como una aproximacin lineal
Para interpretar esta expresin, fijar algunas , y suponer que queremos aproximar el valor
de ( + ) por una funcin afn. Una posibilidad es usar () + = () + ()
para aproximar ( + ), como se muestra en la Figura 4.4.
La expresin (1) garantiza que la aproximacin ser buena siempre que sea pequeo. Si
denotamos el error de aproximacin por
() = ( + ) [() + ]
Entonces (1) se puede escribir

()
lim =0 (2)
0
Que nos dice que el error de aproximacin va a cero con . De hecho, () va a cero "ms
rpido" que , hecho que a veces indicamos indicando por escrito () = () (que se lee
() es ms pequeo que ).
En resumen, una funcin es diferenciable en si para puntos cercanos a , ( ) admite

una "buena" aproximacin por una funcin afn o, de manera equivalente, si la diferencia
( + ) () puede ser aproximada por una funcin lineal con un error que es de
orden de magnitud menor que como 0.
No hay dificultad en entender esta nocin de diferenciabilidad a las asignaciones de
. Antes de dar una definicin formal, queremos enfatizar la importancia del
concepto de diferenciabilidad para nuestros propsitos. Debido a que las funciones
diferenciables admiten buenas aproximaciones lineales, modelos diferenciables. Esto nos da
168
Diferenciabilidad
una manera manejable de analizarlos: cuando utilizamos el clculo para estudiar un modelo
no lineal, estamos de hecho construyendo una aproximacin lineal a ella en algn conjunto
del equilibrio. El supuesto de que las funciones de comportamiento en el modelo son
diferenciables significa que el error de aproximacin es pequeo, la limitacin del mtodo es
que generalmente slo produce resultados locales, vlidos slo en algunos conjuntos de la
solucin inicial.
Definicin 3.1. Diferenciabilidad. Una funcin : , donde es abierto, es

diferenciable en un punto si existe una matriz tal que
( + ) ()
lim =0 (3)
0
Donde y . es la norma euclidiana de un vector, = =1( )2 si f es

diferenciable en cada punto de su dominio, decimos que es diferenciable.
Hay dos maneras ligeramente diferentes de pensar en la derivada de una cartografa. Quizs
la ms natural es como una funcin cuyo valor en cada punto es una matriz. Si es
diferenciable en , podemos definir su derivada como la funcin
:
Tal que para cada , () = , donde es la matriz que satisface (3) en la
Definicin 3.1. En esta interpretacin, por lo tanto, la derivada de una funcin en un punto
es una matriz, y es una funcin .
Como sabemos, cada matriz define una transformacin lineal. Nos referimos a la lineal
definida por la derivada de en como la diferencial de en , escrito . Por lo tanto,
la diferencial de en es la funcin
, con = () =
y su valor en un punto es un vector en . As, tambin podemos pensar en la derivada

como una asignacin que a cada en asigna la transformacin lineal , representado
por la matriz (). En esta interpretacin, la derivada es una asignacin de al espacio
( , ) de funciones lineales de dentro de , con 3 .
Podemos, como en el caso de una funcin real univariable, interpretar la diferencial como
una aproximacin lineal a la diferencia ( + ) (). La expresin (3) entonces
garantiza que la aproximacin es buena para un "pequeo". Como antes, si denotamos el
error de aproximacin por
() = ( + ) () ()
Podemos reescribir (3) en la forma
()
lim =0 (4)
0
Es decir, el (la norma del) vector del error se acerca a cero ms rpidamente que (la norma
de) .
Es ahora fcil de verificar si diferenciabilidad implica la continuidad. Nosotros tenemos
169
Clculo Diferencial
( + ) = () + () + ()
Tomando el lmite de esta expresin como 0, tenemos que () 0 por la

diferenciabilidad de , () 0 por la continuidad de la transformacin lineal y el
hecho que el (0) = 0. Por lo tanto
lim ( + ) = ()
0
y es continuo en . Tenemos, entonces, el siguiente teorema.
Teorema 3.2. Diferenciabilidad implica la continuidad. Sea : X ( abierto) diferenciable

a un punto . Entonces es continuo en .
El siguiente teorema relaciona la derivada de la transformacin lineal con las derivadas

parciales de sus funciones componentes 1 . Una inmediata implicacin del teorema
es que la matriz que aparece en la definicin de diferenciabilidad es nico, y por
consiguiente las funciones de estn bien definidos.
Teorema 3.3. Sea X ( abierto) una cartografa, con funciones componentes

1 , , . Entonces es diferenciable en un punto si y slo si cada una de las funciones
componentes con diferenciables en . Es ms, si es diferenciable en entonces las derivadas parciales de las
funciones componentes existen en , y la derivada de en es la matriz de las primeras derivadas parciales
de las funciones componentes evaluadas en , es decir,
() () 11 () 1 ()
() = [ . ] = [ . ] =
() () 1
()
()
Note lo que esta expresin dice cuidadosamente. Cada fila de la matriz () es el vector
(). Este vector, de formado como una matriz 1 , es la derivada de la funcin
: . Es ms, los componentes de este vector son las derivadas parciales de .
La matriz de primeras derivadas parciales de las funciones componentes de es conocida

como el Jacobiano de . Los siguientes smbolos se usan a veces para referirse a esta matriz:
()
( 1 , ,
() = =[ ]
(1 , , )
Cuando estemos interesados en una sub-matriz de usaremos el sub-ndice para indicar las
variables con respecto a la que nosotros estamos diferenciando. Por ejemplo, si nosotros
dividimos = (, ) la matriz de derivadas parciales de 1 , , con respecto a las

componentes de se escribirn (, ) (, ).
Prueba. Asuma que es diferenciable en . Entonces all existe una matriz () tal que
( + ) () ()
lim =0 (1)
0
Denote las entradas de () por ( = 1, , ; = 1, , ) y sea = (1 , , 2 ) .
Entonces tenemos
170
Calculo diferencial
() = ( , . , ))
=1 =1
y el componente del vector del ( + ) () () se da por

( ()
+ )
=1
Observe que el valor absoluto del componente de un vector no puede exceder la norma de
Euclides del vector. De, (1) implica
| ( + ) () =1 |
lim =0 (2)
0
que precisamente es la definicin de diferenciabilidad para la funcin : . Por

consiguiente, los componentes de la funcin son diferenciables. Para mostrar que el
coeficiente de la matriz () es el correspondiente de las derivadas parciales,
nosotros permitimos a acercarse 0 a lo largo de la coordenada el eje (es decir, ponga el
= 0 para todo el ). Entonces (2) implica
( + , ) ( , )
= lim () (3)
0
Para establecer lo suficiente, nota que el mismo trabajo lgico desarrollado antes. Si todas
las funciones del componente son los diferenciables, (2) sostiene, con el = (x);
entonces (1) sale de (2) y de la observacin que la norma de Euclides de un vector no
puede ser ms grande que la suma de los valores absolutos de sus componentes.5
Por Teorema 3.3, La diferenciabilidad en un punto implica la existencia de todas las derivadas
parciales en ese punto. Como vimos, la declaracin inversa no es verdad. Sin embargo, la
continuidad de las derivadas parciales es suficiente para garantizar la diferenciabilidad, como
lo muestra el siguiente teorema.
Teorema 3.4. Sea ( abierto), una cartografa con funciones componentes

1 , , . Si las derivadas parciales de las funciones del componente existen y son continuos en , entonces
es diferenciable en .
Prueba. Por el teorema anterior, una funcin que tiene vectores como valores es diferenciable
en un punto 0 si y slo si todas sus funciones componentes son diferenciables en 0 . Por
lo tanto, es suficiente demostrar el teorema para el caso de una funcin de valores reales y n
variables, .
Tome algn arbitrario en y algn > 0. Ya que esabierto y el parcial de es continuo,

podemos encontrar algn tal que la bola abierta () est contenida en y

|1 ( + ) 1 ()| < ; para = 1, , (1)

para todo + () (o, equivalentemente, para todo tal que < ). Ahora, si
es diferenciable, su derivada en ser el vector gradiente
171
Diferenciabilidad
f(x) = (1 (), . , ())

Entonces, lo que queremos demostrar es que
|( + ) () ()|
lim =0 (2)
0
Nosotros trabajaremos con la expresin en el numerador. Sea = (1 , , ) = =1 ,

dnde es el vector de coordenada de i-simo lugar en (un vector con todos los ceros
salvo un 1 en la coordenada i-sima), y asume < . Luego, defina los n-vectores
0 , , como
0 = 0 = (1 , , , 0, ,0) = =1 , para = 1, ,
Entonces, nosotros podemos escribir .6

( + ) () = [( + ) ( + 1 )] (3)
=1
Porque < para todo y () es un conjunto convexo, los segmentos con

los puntos finales + todos se encuentran en (x), y por consiguiente cada parcial ( )
de existe y es continuo en el segmento de la lnea x + y x + 1 . Adems, a lo largo de
este segmento de longitud slo el argumento del ith de f los cambios, nosotros podemos
usar el teorema del valor medio uno-dimensional para concluir que para cada i = 1,. . . , n,
all existe unos (0,1) tal que
( + ) ( + 1 ) = ( + 1 + ) (4)
usando (3), (4), y (1) en el numerador de (2), nosotros tenemos, para <r,

|( + ) () ()| = | [( + ) ( + 1 )] (),|
=1 =1
=|=1 [ (x + 1 + ) ()]|

=1| ||[ (x + 1 + ) ()]| < =1| | ,
Por lo tanto,
|(+)()()|

< para <
que es lo que nosotros quisimos mostrar.

Nosotros concluimos esta seccin con alguna terminologa y unos resultados para el
diferenciable de las funciones.
Los Puntos crticos y Regulares y Valores de una Funcin
172
Diferenciabilidad
Cuando nosotros veamos despus, algunos resultados importantes requieren las asunciones
acerca de la lnea del Jacobiano de una funcin, o, equivalentemente, el de su diferencial. En
particular, puede mostrarse que si una funcin : es diferenciable en un punto
y tiene una matriz derivada () de rango entonces, su conducta local es totalmente
determinada por el de su diferencial.
Nosotros introducimos algunas condiciones que sern despus tiles ahora. Permita f: X
(X abierto) sea una funcin diferenciable. Un vector x X es un punto regular de
si el diferencial de a (es decir, el de la cartografa lineal L( , ), es el surjective
(hacia). Si no es un punto regular de (es decir, si el no es hacia), entonces est
apagado en un punto crtico. Un punto y es un valor crtico de si es la imagen de un
punto crtico, y un valor regular por otra parte.
La llamada es el subjetivo (y por consiguiente es un punto regular de ) si y slo si el

derivativo tiene m rango. Del juego de puntos crticos de f: X se da por
= { ; () < }
El conjunto de valores crticos de es ( ), y conjunto de regulares es su complemento,

~ ( ).
Note que, si y no es la imagen de cualquier punto en X, entonces es por la definicin un

valor regular de porque un valor regular es cualquier punto que no es un valor crtico, y
es un valor crtico de si y slo si el 1 () contiene un punto crtico que es imposible
por lo menos si 1 () es conjunto. Esta definicin generaliza el concepto normal de punto
crtico usado en el clculo elemental. Si f es una funcin multivariable real-estimada, la
definicin que nosotros simplemente hemos dado es equivalente a la condicin que la
pendiente () es el cero vector, porque ste es el nico caso en que los componentes de
() no genere R; si f es una funcin del univariable, la condicin, se reduce a () =
0. Obsrvese tambin que si f es una funcin de en s mismo, a continuacin, () es
una matriz cuadrada, y es un punto crtico si | ()| = 0
La regla de la cadena
En muchos casos estamos interesados en los derivados de funciones compuestas. El
resultado siguiente dice que la composicin de funciones diferenciables es diferenciable, y
su derivada es el producto de las derivadas de las funciones originales.
Teorema 3.5. Vamos f y g dos funciones, con
: y :
donde X e Y son conjuntos abiertos, y Y (). Tomamos un punto 0 en X, poner 0 = ( 0 )

y definen la funcin compuesta
= o () = [()]
Si f es diferenciable en , y g en , entonces F = g o f es diferenciable en 0 , y su derivada est dada

por
( 0 ) = ( 0 )( 0 )
173
Clculo Diferencial
Prueba. Queremos demostrar que
() ( 0 +)( 0 )( 0 )( 0 )
lim
= lim
=0 (0)
0 0
porque si esta expresin se mantiene, es diferenciable en , y su derivada

es ( 0 )( 0 ) . La idea bsica es mostrar que el error () es "pequeo"
relacionndolo con los trminos anlogos para y , que son pequeas por supuesto.
Para una arbitraria y ,define
() = ( 0 + ) ( 0 ) ( 0 ) (1)
() = ( 0 + ) ( 0 ) ( 0 ) (2)
Los vectores () y () son los errores cometidos cuando nos aproximamos a f

y por sus respectivos diferenciales. Debido a y son por supuesto diferenciable
en 0 e 0 , respectivamente, sabemos que estos trminos son pequeas para y cerca
de cero; en particular,
()
() =
0 0 (3)
()
() =
0 0 (4)
Fijar y dejar
= ( 0 + ) ( 0 ) = ( 0 + ) 0 (5)
Entonces
= ( 0 + ) ( 0 ) (por (1))
= () + ( 0 ) (por la desigualdad triangular)
() + ( 0 ) ( (3))7
()+( 0 )
= (() + ( 0 )) (6)
Consideremos ahora la expresin en el numerador de (0). Podemos escribir
() = ( 0 + ) ( 0 ) ( 0 )( 0 )
= [( 0 + )] [( 0 )] ( 0 )( 0 ) (por (5))
= ( 0 + ) ( 0 ) ( 0 )( 0 ) (por (2))
= () + ( 0 ) ( 0 )( 0 )
174
Diferenciabilidad
= () + ( 0 )[( 0 + ) ( 0 ) ( 0 )] (por (5))
A partir del cual
() = () ( 0 ) + ( 0 ) () (7)
Esta expresin se refiere el error de aproximacin de F a los trminos anlogos para f

y g. Debido a que cada uno de stos es pequeo, por lo que ser E F (h), que establece el
resultado deseado. Ms formalmente, volviendo a (0) y usando (7), tenemos
() ()+( 0 ) ()

=
(Por (7))
()+( 0 ) ()

(Por (3) y (4))
()
=
+ ()( 0 ) (Por (6))
= (){() + ( 0 )} + ( 0 )
Por ltimo, supongamos 0. Entonces () 0, y, por (6), lo mismo ocurre con
lo que implica () 0. Por lo tanto,
()
lim =0
0
Que es lo que queramos mostrar.
Problema 3.6. Sea = (, , ) = 2 , con
= + 2 + , = 2 + 3 + , = 3 + +
Use la regla de la cadena para calcular , y .
El teorema del valor medio

Dada una funcin : diferenciable en un intervalo abierto I, el teorema del valor
medio dice que para cualquier x e y en I existe algn nmero z entre x e y de tal manera
que
() () = ()( ) (1)
Esta frmula sigue siendo vlida para las funciones reales de varias variables, pero no puede
llevar a cabo para las asignaciones de en . El siguiente resultado nos dice cmo (1)
tiene que ser modificado en este caso.
Vamos a utilizar la notacin (, ) para referirse al segmento de lnea recta que une los
puntos e . Es decir, si , , entonces
(,)={; =+(1), [0,1]}
175
Clculo Diferencial
Teorema 3.7. Teorema del valor medio. Sea : diferenciable en un subconjunto abierto
, y dejar que x e y sean dos puntos en X tal que (, ) est contenida en X. A
continuacin, para cada vector a en existe un vector z en (, ) tales que
[() ()] = [()( )] (2)

Por supuesto, si x es un conjunto convexo, entonces (, ) para todas las x, y en X.
Problema 3.8. Complete la siguiente prueba del Teorema 3.7. Poner =
. Como X es abierto y contiene (, ) , existe un poco de > 0 tal que +
para (, 1 + ). Fijar un arbitraria vector , y definir una funcin de
valor real a , el intervalo (, 1 + ) por
a () = af(x + h) = m i
i=1 a i f (x + h)
Por construccin, a ( ) es diferenciable en (, 1 + ) . Calcule su derivada, y aplicar el

teorema del valor medio para funciones univariadas para concluir que existe algn vector =
+ para los que (2) se cumple.
Teorema 3.9. Sea : una funcin diferenciable en un subconjunto X abierto de , y dejar
que X e Y dos puntos en X tal que (, ) es con-contenida en X. Entonces existe
una z vector en (, ) tales que
() () ()( ) () (3)
Prueba. Si () = (), el resultado se mantiene trivialmente. De lo contrario, el
valor medio teorema garantiza que para cada vector existe algn vector z (, )
tales que
[() ()] = [()( )]
Tomando el valor absoluto de cada lado de esta expresin y usando la desigualdad de
Cauchy-Schwarz, tenemos:
|(() ()| = |(()( ))| ()( ) (4)
Ahora, vamos a ser el vector unitario
T
(f(y) f(x))
=
f(y) ()
Y observar que en este caso
1 T
|(() ()| = |(f(y) f(x)) (f(y) f(x))|
f(y) ()
(f(y) f(x))2
= = () ()
f(y) ()
Usando (4) y la expresin precedente,
176
Diferenciabilidad
f(y) () = |(() ()| 1()( ) ()
donde hemos hecho uso del hecho de que para cualquier transformacin lineal y cualquier
vector x, (vase el captulo 3).
4. Diferenciabilidad continua
Introducimos ahora un concepto ms fuerte de diferenciabilidad que luego ser til. Sea
una funcin diferenciable en una regin abierta - es decir, suponemos que la
derivada () existe en todos los puntos , pues, diremos que es continuamente
diferenciable en si su derivado es una funcin continua. En esta declaracin, pensamos en
la derivada de en funcin de a la conjunto ( , ) de las transformaciones
lineales de a equipados con el norma definida en el captulo 3.8 Con esto en mente,
la definicin de continuidad es la usual: es continuamente diferenciable si es diferenciable
y cualesquiera dos puntos cercanos, e , en su dominio tienen como diferenciales lineales
transformaciones y , que son similares.
Definicin 4.1. Funcin continuamente diferenciable. La funcin :

( abierto) es continuamente diferenciable en si es diferenciable en y el
derivado es una funcin continua de a ( , ) .Es decir, dado cualquier en y
un arbitraria 0 , existe un 0 tal que
(x)
Donde el smbolo . Denota la norma de una transformacin lineal.
Esta definicin puede parecer un poco extraa, porque es difcil visualizar lo que
entendemos por continuidad para una funcin cuyo valor en cada punto es una correlacin
lineal. La siguiente definicin y el teorema que le sigue nos dar una caracterizacin de la
diferenciacin continua en trminos ms familiares.
Definicin 4.2. Funcin de clase La funcin : ( abierto) es (de
clase) en , escrito (), si las derivadas parciales de la primera de las funciones
componentes de existen y son continuas en .
Por convencin, una funcin continua es de clase 0 . Si , donde k 1, se dice que
es una funcin dbil, aunque este trmino es a veces reservado para funciones de clase .
El siguiente resultado nos dice que la continuidad de las primeras derivadas parciales de las
componentes de es una condicin necesaria y suficiente para ser continuamente
diferenciable. Intuitivamente, esta equivalencia no debera ser sorprendente: Una funcin
es continuamente diferenciable si dos puntos cercanos, y en , tienen como
diferenciales lineales funciones y y que son "cerca", es decir, representados por
matrices similares () y (). Debido a que los coeficientes de estas matrices son las
derivadas parciales de los componentes de y, proporcionados es 1 , los parciales son
funciones continuas, pequeos cambios en dar lugar a pequeos cambios en cada uno
de estos coeficientes y producir similares diferenciales.
177
Clculo Diferencial
Teorema 4.3. La funcin : ( abierto) es continuamente diferenciable en X si y

slo si es de clase 1 en X.
() = ( + ) () (1)
Fijar y definir
() = | ()| = | ( + ) ()|
Por el teorema 4.9 en el captulo 3, tenemos
0 () + () (2)
De la cual obtenemos la equivalencia
[() 0 cuando 0] [ + 0 cuando 0] (3)
Si 1 , la continuidad de los parciales implica que para cada y , ()
0 0 (vase (1)). De ello se desprende que () = | ()| tambin va
a cero, lo que implica + 0 ,y por tanto la continuidad de la derivada. A la
inversa, la continuidad de implica + 0; entonces () 0, y ya
que 0 | ()| () para todo tenemos () 0 para todo y , esto es,
lim ( + ) = ()
0
Por lo que las derivadas parciales son de hecho continuas.

Teorema de Taylor
La frmula de Taylor se puede generalizar para el caso de una funcin de valor real
de n variables. Porque la notacin se vuelve bastante sucia, y slo necesitamos la En el caso
ms simple, se indicar el siguiente teorema para el caso de una aproximacin de primer
orden con un resto de forma cuadrtica. Este resultado ser til ms tarde en relacin con la
caracterizacin de la concavidad para funciones suaves y la derivacin de las condiciones
necesarias y suficientes para los mximos locales.
Teorema 4.4. Frmula de Taylor para funciones multivariables con resto de segundo orden. :
en 2 definida en un conjunto . abierta y convexa. Si , + , entonces
1
( + ) = () + () + (2) 2 ( + ) (1)
para algunos (0,1).

Problema 4.5. Demuestre el teorema 4.4. Sugerencia: Aplicar la versin univariable de La
frmula de Taylor a la funcin () = ( + ).
El teorema de la funcin inversa
Sea una funcin de a s mismo. Cada vector es mapeado por en otro
vector en es decir
() = (1)
178
Diferenciabilidad Continua
y
y
a b c d x x
Figura 4.5.
Tambin podemos convertir esta expresin en todo: Dado un vector , (1) es un sistema
de ecuaciones con incgnitas (los componentes de ). Nos gustara saber en qu
condiciones bien es cierto que dado un vector , la ecuacin (1) puede ser resuelto por un
valor de que es, al menos localmente, nica.
Si es un operador lineal, (1) es equivalente a un sistema de la forma
= (2)
donde es una matriz cuadrada. Entonces es invertible si y slo si su determinante no es
cero, y por lo tanto la ecuacin (2) tiene una nica solucin = 1 y para cada y dado
siempre que || 0 es decir, proporcionado todas las las ecuaciones en el sistema son
linealmente independientes.
Si no es lineal, la cuestin de su invertibilidad es ms complicada, pero en muchos casos
es posible determinar si una funcin es o no invertible localmente simplemente calculando
el determinante de su matriz derivada. Consideremos primero el caso de una funcin de
. Si es continua diferenciable en algn intervalo I y () 0 para todo ,
entonces la funcin es montona uno-a-uno. Se deduce que la relacin inversa 1 es una
funcin bien definida en Dado cualquier y en () = , la ecuacin () = tendr una
solucin nica, = 1 () .
Si no es monotnica, la relacin inversa 1 no es una funcin, y no podra ser de varias
soluciones de la ecuacin () = , como se sugiere en la Figura 4.5. Por otro lado, estas
soluciones sern localmente nicas siempre son estrictamente montonas en alguna
vecindad de la solucin. Por lo tanto, () 0 y 1 en algn entorno abierto de una
solucin son condiciones suficientes para el invertibilidad local del cerrado en . Si nos
limitamos a un entorno suficientemente pequeo de , 1 es una funcin bien definida
bajo estos supuestos.
Ahora nos preguntamos si es posible extender este resultado para las funciones de en s
mismo. Para ello ser conveniente reinterpretar la discusin precedente en trminos de la
invertibilidad del diferencial de , en lugar de la monotonicidad de la funcin. Si () =
179
Clculo Diferencial
0, () = , es una funcin lineal invertible. Por lo tanto, podemos

reformular nuestra conclusin anterior diciendo que una condicin suficiente para una
funcin continuamente diferenciable que sea invertible localmente en un entorno de un
punto es que su diferencial en sea invertible. 9 Debido a que el diferencial de una funcin
es la mejor aproximacin lineal a ella, parece razonable conjeturar que el resultado es cierto
en general, y el siguiente teorema confirma que este es realmente el caso. Podemos incluso
sospechamos que la invertibilidad de su diferencial es necesario, as como suficiente, para la
invertibilidad local de una funcin, pero el segundo panel de la Figura 4.5 muestra que esto
no es cierto: La funcin g es estrictamente montona y por lo tanto globalmente invertible,
pero su derivada en la inflexin punto es cero, y por tanto su diferencial no es invertible.
Teorema 4.6. Teorema de funcin inversa. Deje : ( abierta) una funcin

continuamente diferenciable, y un punto de su dominio. Supongamos que el determinante del jacobiano
de no es cero en (i.e.,. |()| 0. Entonces existe un vecindario abierto de , U, tal que
(i) f es uno-a-uno en U; Por lo tanto la relacin inversa 1 es una funcin bien definida de
= () a U
(ii) = () es un conjunto abierto que contiene = ( ),
(iii) La funcin inversa es de clase 1 , con el derivado de 1 () = [()]1
(iv) si y slo si es \ con > , por lo que es 1 .
Un difeomorfismo es una funcin suave invertible ( con 1) con una inversa. El

teorema de la funcin inversa dice que una condicin suficiente para ser localmente un
difeomorfismo cerca de un punto es que sea un punto regular de .
Prueba. Antes de entrar en los detalles, que son bastante complicados, Bosquejar la lgica de
la prueba. Comenzamos definiendo U como una bola abierta con centro en y
suficientemente pequeo radio. (Lo que queremos decir con esto, se ver ms adelante.) Para
establecer la invertibilidad local , hacemos uso de una funcin auxiliar (x), definida para
cada vector y en por
() = + [Df ()0 ]1 [ ()]
Obsrvese que por construccin, = () si y slo si es un punto fijo de ( ). Dado
un punto en U, sea su imagen. Entonces se puede demostrar que ( ). Es una
contraccin que mapea una bola B cerrado con centro en x en s mismo. Por el teorema de
la aplicacin de contraccin, para cada (), y ( ) tiene un nico punto fijo en con
imagen ( en s mismo) que se ubica dentro de . Esto implica que hay un nico punto en
con imagen ( en s mismo); es por lo tanto uno a uno en , y la restriccin de la
relacin inversa 1 a () es una buena funcin definida.
El segundo paso para establecer la diferenciabilidad de 1 . Por suposicin, la diferencial de
de en 0 es un operador lineal invertible en ( ). El radio de ha sido elegido
suficientemente pequeo de modo que es invertible para todo en . Esto es posible
180
porque el conjunto ( ) de operadores lineales invertibles sobre es abierto, como

vimos en el captulo 3 (Teorema 4.14), y porque es continuamente diferenciable.
Sabemos, por lo tanto, que [()]1 existe para todo . Insertando esta matriz dentro
de la expresin que define la derivada de la funcin inversa, verificamos que ese trabajo, as
establecemos eso para = 1 (),
1 () = {[ 1 ()]}1
Esta expresin muestra tambin que 1 es la composicin de tres funciones continuas y

es por lo tanto continua; esto es, 1 es . Ahora para los detalles.
i. es uno a uno en . Definimos ( 0 ) = (que es una matriz invertible por

suposicin) y definimos por:
2 1 = 1 (1)
donde, para evitar complicaciones futuras, es la norma del operador lineal

asociado con la matriz .
Debido a que es abierto, ah existe algn > 0 tal que la bola abierta = ( 0 )
est contenido en . Adicional a esto, por la diferenciabilidad continua de , es
una funcin contina de para ( ), entonces podemos elegir en una buena
forma para la derivada de () no es muy diferente de , en particular, hay
un > 0 tal que:
() < = ( 0 ) (2)
Con cada asociamos una funcin ( ) definida por en por:

() = + 1 [ ()] (3)
y observamos que = () si y solo si es un punto fijo de ( ).

Para mostrar que es uno a uno en , tenemos que probar que dado un vector ,
existe el mximo en tal que () = , o, equivalentemente, que para cada ,
( ) tiene el mximo punto fijo en . Esto ser verdadero si ( ) es una
contraccin en tal como ahora mostraremos.
La derivada de ( ) es:
() = 1 () = 1 [ ()]
Las expresiones (1) y (2) y las propiedades de la norma en ( ) implican que para
algn ,
1 1
() = 1 [ ()] 1 () < 2 = 2 (4)
de lo que tenemos (por el Teorema 3.9) tal que para algn y en ,

1
( ) ( ) 2 (5)
181
Clculo Diferencial
estableciendo que la restriccin de para es una contraccin. Como no est

completo, no puede tener un punto fijo dentro de este, pero es todava cierto que
no podemos tener ms que un punto. Por lo tanto, dado , hay un en con
() = ; es uno a uno en .
ii. () es un conjunto abierto que contiene 0 = ( 0 ). Expresamos = () y

tomamos un arbitrario en ; entonces = ( ) para algn . Sea =
[ ] una bola abierta contenida en , con centro en y radio . (Observamos que
esto es siempre posible para la construccin de una bola porque es abierto) Para
mostrar que es abierto, probaremos que < implica que .
Tomamos tal que < y observamos que por (1), 2 1 = 1,

( ) = 1 ( ) 1 < 1 = 2 (6)
Para tenemos que, por la desigualdad triangular y usando (5) y (6):
1
() () ( ) + ( ) < +
2 2
Y por lo tanto () para e cerrado para .

Seguimos que para un apropiado , ( ) de la grfica dentro de s misma.
Adems, , siendo un subconjunto abierto de , est completo. Por el teorema de
contraccin de la grfica (ver Captulo 3), ( ) tiene un punto fijo en . Para
esto = [ ] , ( ) = implica que () () = cuando
sea < . En otras palabras, dado un punto arbitrario en , podemos
construir una bola abierta alrededor de esto que est contenido en , esto es que
es abierto.
iii. La funcin inversa 1 es diferenciable, con 1 ( 0 ) = [( 0 )]1 . Tomando

dos puntos, e + en = (). Entonces existen los vectores y + en ,
tal que:
= () + = ( + )
Con ( ) definido como en (3), tenemos:
( + ) () = + 1 [() ( + )] = 1
Porque , + , tenemos, por (5),
1
( + ) () = 1
2
Implica que:
1 1
1 1 1
2 2
Y usando (1),
1
2 1 2 1 = (7)
182
Por lo tanto, si e + son cerrados en , entonces la distancia entre sus pre

imgenes y + es tambin pequeo. Esta expresin implica directamente la
continuidad de la funcin inversa 1 , pero queremos establecer el resultado ms
fuerte que 1 es diferenciable.
Observe que (1) y (2) que para todo en , tenemos:
1
() <
2 1
Donde = ( 0 ) es, por suposicin, invertible. Por el Teorema 4.14 en el

Captulo 4, () tambin es invertible para todo en ; denotamos esta inversa
[()]1 por . Para que 1 es diferenciable, insertamos en la expresin que
define la derivada de 1 y verificamos si se sostiene.
1 ( + ) 1 () = ( + ) =
= () [( + ) ]
= [( + ) () ()]
Por lo que:
1 ( + ) 1 () ( + ) () ()
Que, junto con (7), implica:
1 ( + ) 1 () ( + ) () ()
0 (8)

Ahora, (7) implica que 0 como 0. Debido a que es diferenciable en y
1
es una constante, el lado derecho de la desigualdad tiende a cero, y hace que el

trmino medio como (y por lo tanto ) tienda a cero. En conclusin, es
diferenciable, y su derivada est dada por:
1 () = = ([ 1 ()])1 (9)
iv. Lo que queda para mostrar que 1 es continuamente diferenciable, esto es, que la
derivada:
1 : ( )
es una funcin continua. Por (9), vemos que 1 es la composicin de las siguientes
tres funciones continuas:
1 , la cual es diferenciable y por lo tanto una funcin contina de a ,
que ya tenemos demostrado.
( ), una funcin continua (por suposicin) de a ( ), y en particular
para el subconjunto ( ) de operadores invertibles en ( ) (porque
est definido de modo que () es invertible para todo en ), y
183
Funciones Homogneas
el operador inverso ( )1 : ( ) ( ), lo que asigna para cada

operador invertible en ( ) es su inversa. (Esta funcin escontinua por el
Teorema 4.15 en el Captulo 3.)
Por lo tanto, la funcin compuesta 1 : ( ) es continua.
Problema 4.7. Sea : una funcin diferenciable continua sobre el conjunto

abierto . Muestre que es localmente Lipschitz sobre . (Ver Seccin 6 en el Captulo 2.)
5. Funciones Homogneas
Un conjunto en es llamado cono si para algn el punto pertenece a para

algn > 0. Una funcin definida sobre un cono est definida para ser homognea de grado
si, cuando multiplicamos todos sus argumentos por un nmero real positivo , el valor de
la funcin crece en la proporcin .
Definicin 5.1. Funciones homogneas. Una funcin : , cuando es un

cono, es homognea de grado en , si:
() = (), > 0
Las funciones homogneas con frecuencia son utilizadas naturalmente en economa. Por
ejemplo, considere el problema de un consumidor para un incremento equiproporcional en
su ingreso y los precios de todos los bienes en el mercado. Porque este cambio no cambiara
el conjunto presupuestario (i.e., el conjunto de las canastas del consumidor que el agente
puede consumir), las elecciones del consumidor no deberan verse afectadas. Por lo tanto, la
funcin de demanda (, ) que nos da el ptimo del consumidor como una funcin de
vector de precios e ingreso ser homognea de grado cero. En la teora de produccin,
si con frecuencia suponemos la multiplicacin por dos de todos los inputs esto dar como
resultado una multiplicacin por dos de los productos (output). Si este supuesto, conocido
como retorno de escala constante, se mantiene, la funcin de produccin ser una funcin
homognea lineal (i.e. homognea de grado uno).
El siguiente teorema aporta una caracterizacin usual de funciones homogneas con
derivadas parciales continuas.
Teorema 5.2. Teorema de Euler. Sea : , una funcin con derivadas parciales continuas
definida sobre un conjunto abierto de forma cnica . Entonces es homognea de grado en si y solo si:
=1 ()( ) = (), (1)

Prueba:
Asumiendo que es homognea de grado , y fijo en un arbitrario en . Entonces

tenemos:
() = ()
para todo > 0. La continuidad de las derivadas parciales de garantiza la

diferenciabilidad de la funcin. Por lo tanto, podemos diferenciar esta funcin con
respecto a . Usando la regla de la cadena:
184
Funciones Homogneas

()( ) = 1 ()
=1
Tomando = 1, obtenemos (1).
En cambio, suponiendo que (1) es vlido para todo . Fije un punto arbitrario en
, y defina la funcin para todo > 0 por:
() = ()
Luego:

() = ()
=1
y multiplicando a los dos lados de la expresin por ,

()
= () = () = () (2)
=1
donde, la segunda igualdad sigue la aplicacin de (1) para el punto .
A continuacin, definimos la funcin para > 0 por:
()
() = (3)

y observe que, usando (2),
() 1 () 1
() = 2 = 2 [ () ()] = 0
( ) ( )
185
Bibliografa
Por lo tanto, es una funcin constante. Tomando = 1 en (3), tenemos que (1) =
(1),
y de este modo
()
() = = (1) () = (1)

Finalmente, redefiniendo que () (), tenemos que:
() = ()
como fue demostrado.
Problema 5.3. Demuestre que si es homogneo de grado y suficientemente

diferenciable, entonces las derivadas parciales son homogneas de grado 1.
Problema 5.4.
(i)Demuestre que la funcin Cobb-Douglas
( )
()
Figura 4.6. Conjuntos de nivel de una funcin homognea.

() =
=1 =1
(ii) Demuestre que la funcin de la elasticidad de sustitucin constante (CES),

() = ( ) , > 0, > 0, > 1 0,
=1
186
Notas
> 0 , = 0
=1
es homognea de grado .
Las funciones homogneas tienen propiedades geomtricas interesantes. Sea una forma
cnica en , con : una funcin homognea de grado , y
() = { ; () =
el conjunto de nivel de de . Sea es un punto en (), y considerando el punto
(con > 0) obtenido por el movimiento a lo largo de la grfica a travs del origen y .
Entonces ( ) = , y por la homogeneidad de ( ) tenemos:
( ) = ( ) =
1
Por lo tanto, ( ) si (). En cambio, si ( ), entonces se
convierte en (), por el mismo argumento. Por lo tanto, los conjuntos de nivel de las
funciones homogneas son expansiones radiales y contracciones de cada uno, como se ilustra
en la Figura 4.6.
El plano tangente a conjunto de niveles diferentes de una funcin homognea 1 , adems,

tenemos la pendiente constante a lo largo de toda la grfica desde el origen. Para ver esto,
toma un 0 y 1 = 0 siendo estos dos puntos que estn sobre el mismo rayo que pasa por
el origen, y haz que sea 1 y homogneo de grado . Usando el problema 5.3, tenemos,
para algn y ,
(1 ) (0 ) 1 (0 ) (0 )
= = =
(1 ) (0 ) 1 (0 ) (0 )
Si es una funcin de utilidad, por ejemplo, esta expresin dice que la ratio marginal de
sustitucin entre dos bienes, y , es constante a lo largo de cada rayo que parte del origen.
Se dice que una funcin es homottica si esta es una transformacin creciente de una funcin
homognea. Esto es, ( ) es homottica si puede estar escrita de la forma ( ) = [( )],
donde es homognea de cualquier grado y : es una funcin creciente. Note que,
debido a que la familia de los conjuntos de nivel de ( ) es similar a ( ), las funciones
homotticas son inherentes a propiedades geomtricas de las funciones homogneas. En
particular, sus conjuntos de nivel son expansiones radiales o contracciones el uno del otro, y
la pendiente de su conjunto de niveles es similar a lo largo de todo el rayo desde el origen.
Bibliografa
Apostol, T. 1989. Calculus, 2 ed. Barcelona: Editorial Reverte.
Apostol, T. 1974. Anlisis Matemtico, 2 ed. Lectura, MA: Addison-Wesley.
Binmore, K. 1982. Anlisis matemtico, un enfoque directo.
Prensa de la Universidad de Cambridge.
Buck, R. 1978. Advanced Calculus, 3 ed. Nueva York: McGraw-Hill.
Clark, C. 1982. Elementary Mathematical Analysis, 2 ed. Belmont, CA:
187
Bibliografa
Wadsworth.
Lang, S. 1989. Anlisis de pregrado. Berln: Springer-Verlag.
Luenberger, D. 1973. Introduccin a la programacin lineal y no lineal.
Lectura, MA: Addison-Wesley.
Rudin, W. 1976. Principles of Mathematical Analysis, 3 ed. Nueva York: McGraw-Hill.
Sydsaeter, K. 1981. Temas en Anlisis Matemtico para Economistas. Orlando, FL:
Prensa Acadmica.
Taylor, A., y Mann, W. 1983. Advanced Calculus, 3rd ed. Nueva York: Wiley.
Weintraub, E. 1982. Matemticas de los economistas, un enfoque integrado.
Notas
1. Para evitar escribir todos los componentes de un vector cuando nos interesa slo uno de
ellos, usaremos la siguiente notacin. Sea un componente arbitrario del vector , y defina
el vector
= (1 , , 1 , , )
Que contiene todos los componentes de excepto para
2. Entonces podemos escribir = ( , ). De hecho, deberamos decir una funcin afn.

Una funcin es afn si es la suma de una funcin lineal y una constante.
3. De hecho, podramos definir la diferenciabilidad directamente en trminos de la existencia
de una cartografa de tal que
( + ) () ()
lim =0
0
Sabemos, sin embargo, que dadas las bases para y , existe una funcin lineal entre
( , ) y , de modo que, para todos los propsitos prcticos, hace poca diferencia
qu definicin utilizamos. El que damos en el texto es probablemente ms fcil de visualizar,
pero ocasionalmente pediremos al lector que piense en la derivada de f como una funcin
( , ).
4.El trmino "jacobiano" se utiliza a veces para referirse al determinante de una matriz de
derivadas parciales, en lugar de a la propia matriz. El significado debe ser claro desde el
contexto.
5. Esto se verifica fcilmente por induccin.
6. Note lo que estamos haciendo. Para = 2, tenemos
( + ) () = (1 + 1 , 2 + 2 ) (1 , 2 )
=[(1 + 1 , 2 + 2 ) (1 + 1 , 2 )]+[(1 + 1 , 2 )
(1 , 2 )]
Descomponemos el cambio en de a + en la suma de n cambios, cada uno entre
dos puntos que difieren slo en una coordenada. Esto se hace para que podamos usar el
teorema del valor medio unidimensional.
188
Notas
7. Aqu, ( 0 ) Es la norma de la transformacin lineal asociada con la matriz ( 0 ).

Recordemos del Captulo 3 que, si A es una transformacin lineal, y un vector, entonces

8. Sea T una transformacin lineal continua definida entre dos espacios vectoriales normados
X e Y. Como se discuti en la Seccin 4 (b) del Captulo 3, su norma se define por =
{; , 1}.
9. Otra forma intuitiva de interpretar este resultado es la siguiente. Supongamos que
0 resuelve el sistema () = para algn valor de , y linealiza el sistema alrededor
de para obtener () = ( 0 ) + ( 0 ) ( 0 ) = . Si las ecuaciones del
sistema linealizado son todas linealmente independientes, entonces () = tiene una
solucin localmente nica para cualquier y suficientemente cercana a .
10. La imagen inversa de un conjunto abierto bajo una funcin continua est abierta. Por lo
tanto, ()1 (( ))est abierto, y dado un punto en este conjunto hay una bola abierta
alrededor de l que todava est contenida en el conjunto. Tomamos para ser un
subconjunto de esta bola.
189
5
Modelos Estticos y Esttica Comparativa
Una gran cantidad de modelos econmicos en los cuales el tiempo no interviene

explcitamente, puedo ser reducido a un sistema parametrizado de la forma
(; ) = 0 (M)
donde F es una funcin : y tpicamente = . Interpretamos

como un vector de parmetros que resume el entorno en el cual el sistema descrito por
el modelo esta incrustado, y como el vector de variables endgenas, cuyos valores de
equilibrios buscamos. Muchas de las preguntas que nos hacemos cuando analizamos como
un modelo puede ser formulado en trminos de las propiedades de la solucin
correspondiente,
: , donde : () = { ; (; ) = 0}
que asignamos a cada vector de parmetros el correspondiente conjunto de valores de

equilibrio de las variables endgenas. En este captulo vamos a enfocarnos en dos tipos de
preguntas que surgen naturalmente en relacin con esta correspondencia:
(i) Para un valor dado de , qu aspecto tiene el conjunto de soluciones del
modelo? Es nulo? Si no, cunto es la dimensin? Bajo este principio tenemos
dudas sobre la existencia y singularidad (local y global) del equilibrio.
(ii) Cmo S() cambia con variacin en los parmetros? En un nivel prctico,
estamos interesados en preguntas de esttica de comparativa. Esto es, En qu
direccin cambia el equilibrio como resultado de un cambio en el "ambiente" o
en alguna variable de control? Antes de que podamos formularnos estas
preguntas tenemos que acordar que la cuestin anterior de la continuidad: Bajo
estas condiciones es cierto que el equilibrio se mueve de una manera continua y
heteroforme (al menos en el principio), predecible con cambios en los valores de
los parmetros?
Vamos a empezar con un repaso de modelo lineal. Si ( ) es una funcin lineal, entonces las
preguntas que nos acabamos de plantear tienen simples soluciones en trminos de las
condiciones de rango y los valores de ciertos determinantes. Si ( ) es no lineal,
190
las cosas son ms complicadas, pero dado unas condiciones regulares, podemos usar el
clculo para analizar el comportamiento local del modelo, construyendo una aproximacin
lineal con ello a los alrededores con un punto de solucin conocido.
La herramienta bsica para este tipo de anlisis es el teorema de funcin implcita, el cual va
a ser discutido a profundidad en la Seccin 2, construir una teora de diferencialidad por
funciones de dentro de desarrollado en el Captulo 4.
Nosotros incluimos en la Seccin 3 con una discusin breve de algunos resultados que son
frecuentemente usados para probar la asistencia de soluciones de modelos no lineales: el
teorema del valor indeterminado y teorema de punto fijo por funciones y correspondencias.
1. Modelos Lineales
Modelos pueden ser escritos como sistemas de ecuaciones lineales son particularmente
simples de resolver y analizar. En esta seccin nosotros podemos aplicar algunos resultados
en funciones lineales obtenidas en el Captulo 3 las soluciones de los sistemas de ecuaciones
lineales.
Supuestamente estamos dando al modelo
(, ) = () = 0 (M)
donde : es una funcin lineal (y por lo tanto ser ). Dando

bases para , , , podemos escribir () en la forma
+ = 0 (1)
donde A y B son matrices reales de las dimensiones y , respectivamente.

Poniendo = , podemos escribir (1) en la forma
= (2)
el cual sera muy conveniente cuando nosotros trabajamos con valores de parmetro fijo.
Nosotros vamos a interpretar (2), como un sistema de ecuaciones en desconocidos (las
coordinantes de ). En que encuentra, nosotros libremente usamos la equivalencia (para dar
bases) entre matrices y asignaciones lineales.
Como vemos en el captulo 3 esa transformacin lineal dada : , los conjuntos
Ker = 1 (0) = { ; () = 0} y
im = () = { ; = () }
son vectores subespaciados de y , respectivamente, y sus dimensiones satisfacen la

igualdad buscada:
( ) = ( ) = (3)
As, el ncleo de es el conjunto de soluciones al sistema lineal homogneo
191
Modelos Lineales
() = 0 ()
o, equivalente
= 0 ( )
Permite denotar el conjunto de soluciones a (H). Nosotros sabemos que siempre

contiene el vector cero y es un subespacio lineal de . Por lo tanto, en orden de construir la
solucin general a (H) (es decir, para encontrar todos los elementos de ), es suficiente
para encontrar soluciones lineales independientes suficientes para construir una base; que es,
necesitamos como soluciones.
Despus, nosotros observamos eso porque estando es un subespacio de , la dimensin
de no puede exceder . Por lo tanto, (3) implica
= >
Que es, la dimensin del conjunto de soluciones para (H) es igual a el nmero de
desconocidos () menos el nmero de ecuaciones lineales independientes ( ); y
porque el segundo de esos nmeros no puede ser excedido al total de nmeros de ecuaciones,
nosotros tenemos dim . Por lo tanto, si el sistema tiene ms desconocidos que
ecuaciones ( > ), nosotros tenemos 1, y esto busca que (H) tenga soluciones no
triviales.
Nosotros ahora vamos al sistema de ecuaciones lineales no homogneas
() = ()
o
= ( )
donde es un vector desconocido. Permitiendo denotar a solucin del conjunto

de (N). El resultado buscado dice que es un subespacio a fin de paralelo con .
Teorema 1.1. Dada la trasformacin lineal : , permitiendo ser cualquier (particular) solucin
para el sistema de ecuaciones no homogneas (): () = . Luego el conjunto de soluciones a ()
es el conjunto
= + = { ; = + }
Probando. Permite ser cualquier arbitraria de (H). Nosotros queremos demostrar (i) que
todos los vectores de la forma + son soluciones de (N) y (ii) que solo los vectores de
esta forma pueden resolver (N), que es, todo puede ser escrito = + o,
equivalente, que da cualquiera dos soluciones y a (N), su diferencia es una solucin
para (H). Ambos enunciados son fciles de verificar:
192
(i) Si y , luego + soluciona (N), porque

( + ) = ( ) + ( ) = + 0 =
(ii) Si , , luego soluciona (H), como

( ) = ( ) ( ) = = 0
Por lo tanto, si el sistema no homogneo tiene una solucin (y esta no debera), tiene la
misma dimensin como . Adems, el primero de estos conjuntos es fcil de construir
desde que sabemos la segunda: es suficiente para hallar cualquier ecuacin particular para (N)
en orden de conocer todos ellos, desde que tenemos la soluciones para (H).
Recalcando que est en el conjunto de vectores y en para cada sistema () = tenga
una solucin. Nosotros tambin sabemos que estando es un vector subespaciado de
generado para las columnas de la representacin de la matriz de , y para eso es dimensin
(el rango de T) es igual que el rango asociado a la matriz A, ese es, el nmero de ecuaciones
lineales independientes.
Esto busca que el vector dado , del sistema () = tendr una solucin si y solo si
, el espacio generado por las columnas de la matriz del coeficiente. En orden de
obtener una mayor condicin operacional, se observa que podemos escribir (N) de la
forma
11 1 1
1 [ ] + + [ ]=[]
1
o
=1 coli (A) = (4)
Viendo las cosas de esta manera, es claro que la solucin = ( 1 , . . . , ) de (N) existe si
y solo si es posible escribir como una combinacion lineal de columna de vectores del
coeficiente de la matriz , que es, si esta en el espacio de columna de A.
Luego, considerando el coeficiente matriz = [1 (), . . . , ()] y la matriz formada
aadiendo a una nueva columna igual al vector y, = [1 (), . . . , (), ].
Recordemos que el rango de una matriz es el nmero de columnas (o filas) linealmente
independientes en ella. Debido a que es aumentada por una nueva columna, el rango de
no puede exceder al de . Hay entonces, solo dos posibilidades:
(i) Rango de = rango de : cuando agregamos una nueva columna a el

rango de la matriz no aumenta. Esto implica que es una combinacin lineal de
los vectores columna de , por lo que el sistema tiene al menos una solucin.
193
Modelos Lineales
(iii) < : si el rango aumenta cuando formamos la matriz aumentada,

debe ser linealmente independiente de la columna de vectores de ; esto es no hay
escalares 1 , , , como lo sostiene (4).
La misma lgica funcionara en sentido inverso. Si hay una solucin del sistema, entonces
puede ser escrito como una combinacin lineal de , y la adicion de la matriz de
coeficientes no aumentara su rango. Por tanto, hemos probado el siguiente resultado:
Teorema 1.2. Existencia de soluciones para sistemas lineales. El sistema lineal = tiene (al menos)
una solucin si y solo si el = .
Asumamos que existe una solucin para (N). Dado que dim( < )= , esta
solucin ser nica (es decir, tendr dimensin 0) si y solo si el rango de = , esto es,
si tenemos tantas ecuaciones lineales independientes como desconocidas.
Teorema 1.3. La unicidad de soluciones para sistemas lineales. El sistema de ecuaciones en desconocidas,
= ( , ) si y solo si como nica solucin
= =
Observa que podemos tener > , que es, ms que ecuacin desconocida, pero en ese
caso, no todas las ecuaciones seran lineales e independientes. En cuestin, sera
redundante y no aportara informacin a los dems. Por lo tanto, podemos ignorarlos y
trabajar con las ecuaciones independientes. Si nosotros tenemos tantas ecuaciones como
desconocidas, es una matriz cuadrada, y existe una solucin nica si y solo si es invertible
o equivalente, si esta determinante es diferente de cero. En este caso, la nica solucin para
el sistema dado es
= 1
y podemos usar la regla de Cramers, para obtener cada uno de los componentes de la solucin
del vector como la proporcin de dos determinantes:
| |
1 =
||
donde es la matriz obtenida reemplazando en la columna de por el vector (el lado

derecho del sistema).
Un sistema no homogneo () = debe tener soluciones para ciertos vectores y no
soluciones por otros. Claramente, () = debe tener una solucin para cada si y
solo si estando = ( ) = . Por esto, es suficiente
194
que el rango de sea igual a (no puede ser largo). Si, por otro lado, tenemos <
, luego el conjunto de s por cada () que tiene una solucin es un subespacio de de
dimensin menor que (e.g., una lnea recta en el plano, o un plano de tercera dimensin
en el espacio). Por lo tanto, si tomamos al vector aleartoriamente, el sistema = tendr
una solucin solo por oportunidad, y si nosotros empezamos con unas = para el
cual hay una solucin, casi cualquier pequeo cambio en el parmetro podra dejar el sistema
con ninguna solucin.
Djennos introducir los parmetros explicito dentro del modelo.
Asuma que el sistema
+ = 0 (L.1)
tiene ecuaciones independientes (que son, es un matriz y tiene rangos llenos).

Luego es invertible, y podemos resolverlo en (L.1) para obtener una solucin que ser
nica, para darnos valores del parmetro:
= 1
Por lo tanto, la solucin funcional para el modelo
= (), donde = 1
Dadas las matrices y , soluciones explcitas para el modelo pueden ser calculados usan la
regla de Cramers o, ms eficientemente, algunos algoritmos para la inversin de matrices.
En todo caso, la solucin a los modelos lineales no posee dificultades, como en el principio.
En este caso, lidiar con estrategias comparativas es fcil. Porque nosotros sabemos la funcin
solucin, podemos diferenciarla directamente con lo obtenido

= (el elemento de )

Podemos tambin manejar cambios discretos en los parmetros fcilmente. Permitiendo

y sea dos diferentes vectores paramtricos. Los valores correspondientes de equilibrio de
las variables endgenas sern dados por
= y =
Por lo tanto, el desplazamiento del equilibrio como resultado del parmetro cambiara
" = " = (" ) => =
2. Estrategias Comparativas y el Teorema de la Funcin Implcita
Permtanos regresar a los modelos no lineales. Dejar ser una funcin de +
, con abierto, y considerando el modelo
195
Esttica Comparativa, el Teorema de la Funcin Implcita
(; ) = 0 ()
donde es un vector de parmetros, y es el vector de variaciones endgenas cuyas

soluciones evaluadas buscaremos. Para dar valor a , nosotros definimos la funcin de
solo por () = (; ). Luego es una solucin del modelo dado si y solo si es cero
de . Por lo tanto, el equilibrio o solucin correspondiente
:
que asigna a cada parmetro un vector al conjunto correspondiente () de valores

equilibrados de las variables endgenas dadas
() = 1 (0) = { ; () = 0}
Como ya habamos indicado, estamos interesados en dos tipos de preguntas: (i) Para un valor
de , como se vera la solucin del conjunto ()? (ii) Cunto esto cambiara si nosotros
cambiamos los parmetros? Hemos visto que las respuestas a estas dos preguntas estn
sencillamente en este caso como modelos lineales. Para modelos no lineales, las cosas son
ms complicadas, pero si complacientemente asumimos que es diferenciable, podemos
proceder construyendo una modelo lineal aproximado al modelo como punto de solucin y
luego analizar el resultado en el modelo lineal. Este enfoque proporciona un mtodo
manejable dando estrategias comparativas y algunas informaciones valiosas en la estructura
local y dimensionalmente como solucin del modelo conjunto.
En que busca, nosotros asumiremos que es una 1 funcin y enfocarnos en el caso en el
que cada = , que es, asumiremos que el modelo (M) tiene tantas ecuaciones como
desconocida. El resultado central es el teorema de funcion-implicita (IFT). Este teorema da
suficientes condiciones para la solucin correspondiente () para ser bien definida y
funcin bien comportada en algunos alrededores como un punto de solucin conocido. El
IFT tambin brinda un mtodo manejable para hacer estrategias comparativas, que son, por
determinar en qu direccin de equilibrio se mueve como resultado de los cambios en los
parmetros del sistema.
El IFT es cercano al teorema de funcin-inversa. Asumiendo que el nmero de ecuaciones
y el nmero de desconocidas en (M)son las mismas; luego dentro del mismo mapa ,
podemos aplicar el teorema de funcininversa. Por lo tanto, si para dar valor al vector del
parmetro 0 el par ( 0 , 0 ) satisface (), ( ) (y por consiguiente ) es continuamente
diferenciable, y el Jacobiano de 0 , dado por | ( 0 )| = | ( 0 , 0 )|, no es cero al
0 , luego 0 es uno a uno en algunos alrededores de 0 , y por lo tanto 0 1 0 (0) es
0
localmente solucin nica del sistema (; ) = 0.
Para ver que IFT aade esto, imagine que hay cambios en el
196
parmetro. Para cada obtenemos un nuevo sistema de ecuaciones () = 0 y una

solucin diferente al conjunto 1 (0) (posiblemente vaco). Ahora, si es continuamente
una funcin diferenciable de parmetros y restringimos nosotros mismos a un alrededor
suficientemente pequeo de 0 , luego todo el ser lo suficientemente similar a 0 que
cada uno de los sistemas () = 0 tendr una solucin cercana a 0 . Por otra parte, por
cada en la zona invertida, cada una de estas soluciones ser localmente nica.
(a) Derivadas de funciones implcitas y estrategias comparativas
Empezaremos por derivar una formula usable para hacer estrategias comparativas en
diferentes modelos. Luego especificaremos bajo qu condiciones el uso de esta frmula es
legtima. Dado un sistema de ecuaciones parametrizado (M), en donde podemos escribir una
notacin ms detallada como
1 (1 . . . , ; 1 . . . , ) = 0
( )
(1 . . . , ; 1 . . . , ) = 0
nos gustara saber en qu direccin est la solucin del sistema = (1 , , ) mueve

cuando hay un pequeo cambio en el valor de unos parmetros, sea . Suponiendo, para el
tiempo, sea la solucin correspondiente para el modelo de funcin diferenciable, que es, que
podemos describir el valor de equilibrio por otra variable endgena como forma de
funcin diferenciable
= () = (1 , . . . , )
Nosotros quisiramos determinar que el signo de derivadas parciales . Si el modelo

puede ser solucionado explcitamente, el problema es simple. En general, cualquier forma
cerrada que la funcin de solucin () no sera disponible, entonces tendramos que
rebuscar en menos mtodos directos para extraer las propiedades de () de aquellos de
( ). El enfoque ms directo es el buscado.
Sustituyendo la funcin solucin ( ) de nuevo en (), obtendremos la identidad
[(), ] 0 (1)
o, en una notacin ms detallada,

[1 (1 . . . , ). . . , (1 . . . , ); 1 . . . , ] = 0
Para cada = 1, . . . , (1 )
197
Enfatizamos que (1) es una identidad en sentido que, es diferente a (M), esto sostiene para
todos los valores de y hecho en (1) define la funcin (). Por lo tanto, podemos
diferenciar ambos lados de (1) con respecto a cualquier parmetro y la equidad continuar
sostenida. Diferenciando (1) con respecto a , tenemos

1

= 1 + + + =0

para la primera ecuacin. Repitiendo la operacin para cualquier ecuacin, obtenemos la

expresin buscada en el sistema entero:
1
1 1 1
1
[ ] [ ] = [ ] (2)

1

Si la matriz Jacobiana = (; ) para primeras derivadas parciales de con respecto a

las variables endgenas son invertibles (es decir, si || 0), luego (2) puede ser solucionado
por la derivada parcial de otras funciones, . Usando la regla de Cramers, tenemos
1 | |
= ||
(3)

donde , es la matriz obtenidas reemplazando la primera columna del Jacobiano con el

vector (1 , , ) que aparece al lado derecho de (2).
La misma conclusin puede ser obtenida en una forma mucho ms compacta usando
notacin del vector. Diferenciando (1) con respecto al parmetro vector, obtenemos
(; )() + (; ) = 0
de donde
() = [ (; )]1 (; ) (4)
Ecuacin (3) luego nos da el primer componente del vector ().

La frmula que hemos derivado es extremadamente una herramienta usable para el anlisis
esttico, modelos diferenciables. Pero nosotros seguimos teniendo que ver cuando es
legtimamente usable. Para obtenerlo, debemos asumir que la solucin correspondiente est
bien definida y funcin diferenciable, la cual no es
198
necesariamente verdadera. En la seccin buscada derivaremos condiciones suficientes para

esto para ser localmente verdadero en algn alrededor de un punto de solucin conocido.
En particular, esto es suficiente que sea a 1 funcin y que es derivado con respecto al
vector de variables endgenas, evaluado en la solucin del sistema, sea invertible. La
necesidad de esta segunda condicin es aparente de (4). Antes de volver a este problema,
usamos para observar que el procedimiento descrito anteriormente es equivalente al trabajo
con linearizaciones de () en algunos alrededores para soluciones dadas.
Una Reinterpretacin
Dado el modelo no lineal
(; ) = 0 ()
donde es una funcin afable, y 0 una solucin del sistema dado valores de 0 del
parmetro, podemos construir una aproximacin lineal para en algunos alrededores de
( 0 , 0 ):
0
(; ) ( 0 ; 0 ) + [ ( 0 ; 0 ), ( 0 ; 0 )] [ 0 ]

= 0 + (0 ; 0 )( 0 ) + (0 ; 0 )( 0 )
Por lo tanto, podemos aproximar () por el modelo lineal
( 0 ; 0 )( 0 ) = ( 0 ; 0 )( 0 ) (L)
donde ( 0 , 0 ) son matrices constantes. Tenemos, luego, un sistema de ecuaciones

lineales en desconocidas (), y si | ( 0 , )| 0, podemos resolverlo para encontrar
la funcin solucin por ():
1
= () = 0 [ (0 ; 0 )] (0 ; 0 )( 0 )
Alternativamente, podemos usar el procedimiento ya escrito anteriormente para calcular la
derivada de la funcin solucin por el modelo original, (). Construyendo una
aproximacin lineal a esta funcin, y usando (4), encontramos que es cercana a 0 ,
1
0 + ( 0 )( 0 ) = 0 [ (0 ; 0 )] (0 ; 0 )( 0 ) = ()
As, los dos enfoques son equivalentes: Ellos proporcionan la misma aproximacin lineal a
la funcin de solucin para ().
199
(b) Teorema de Funcin Implcita
Empezamos la discusin de este resultado importante considerando un caso simple en

el cual podemos raramente intuir grficamente. Permitiendo ser una funcin de
1 desde 2 a , y considerando el sistema formado por una simple ecuacin
desconocida y un parmetro:
(; ) = 0 (5)
Grficamente, el grafico de F corresponde a una superficie espacial de tercera dimensin,

con valores dejan la funcin medida a lo largo del eje vertical. El conjunto de pares (, )
que satisfacen la ecuacin (5) (el conjunto de nivel cero de ) corresponde a la
interseccin de esta superficie en el plano horizontal. Si satisface ciertas condiciones
de regularidad, este lucus describir una curva, como se ilustra en la Figura 5.1
Entonces surge la siguiente pregunta: Podemos interpretar la curva (, ) = 0
como el grafico de la funcin () dando una solucin a (5) como funcin del
parmetro? Podemos ver eso, en general, la respuesta es no: Como la figura sugiere, que
no hay garanta para cada valor de existir una solucin precisa a la ecuacin (, ) =
0. En el ejemplo siguiente, () es la funcin en el intervalo (, ), pero no en el
resto de la lnea real, porque la ecuacin (5) tiene dos soluciones de intervalo ( , , y
ninguno para > .
Por otro lado, la figura sugiere que muchos casos () ser
{(x, ); F(x, a) = 0}
x''
R
x
''
Figura 5.1
200
x''
x
x'
F(x, )
Figura 5.2
Una funcin lineal. Si nos restringimos a un rectngulo lo suficientemente pequeo

alrededor de un punto ( 0 0 ) en la curva, ser cierto que, para casi todos los puntos, la
restriccin de la curva rectngulo est en el grfico de la funcin. La nica excepcin en la
Figura 5.1 es el punto ( , ), en el cual la curva es localmente vertical (es decir, donde
( , ) = 0). No importa que tan pequeo dibujamos el tringulo alrededor del punto,
este siempre incluir algunos valores de en el cual habr dos soluciones en el sistema,
y otros para los que no hay. Por lo tanto, en el caso de la ecuacin (5) no define el
valor de la solucin de la variable endgena como funcin del parmetro , incluso
localmente. Sin embargo, inspeccionando la Figura 5.1 revela que este es el nico
punto en el cual giramos para este problema.
Considerando ahora el mismo problema desde un punto de vista ligeramente diferente. Si
arreglamos el valor de en 0 y el grfico como funcin de x, las soluciones del sistema
correspondiente a los puntos cuyo grfico de (, 0 ) toca la abscisa horizontal Figura 5.2
sugiere dos tipos de soluciones posibles: en el caso ( ), ( ) cruza la abscisa
transversalmente, y mientras en el otro ( ), () es la nica tangente. En el
primer caso, la derivada parcial de ( ) con respecto a ser tambin otra solucin posible
estrictamente positiva o negativa; en el segundo caso, tenemos ( ) = 0.
Intuitivamente, est en claro que los dos tipos de equilibrio se comportaran muy distinto con
respecto a un pequeo cambio en el valor de el parmetro. Transversal (o regular) el
equilibrio sobrevivir a pequeas perturbaciones y permanezca
201
Localmente nico, mientras tangencia (o critica) las soluciones sern frgiles, tendiendo a
desaparecer con algunas perturbaciones, o desplegarse en dos diferentes equilibrios. Una vez
ms, incluiremos que si (, ) 0 a la solucin del sistema, luego la solucin
corresponder, aunque sea local, una funcin bien definida. Por otro lado, si (, ) = 0,
si tmenos una tangencia en equilibrio, y cosas raras pasaran.
El resultado buscado formaliza la discusin anterior. Si descartamos la tangencia en
equilibrio, () es localmente bien definida y hereda la difenciabilidad de .
Teorema 2.1. Teorema de funcin implcita (caso simple). Suponiendo : 2 1 y abierto
alrededor de A de un punto ( 0 , 0 ) como ( 0 , 0 ) = 0 y ( 0 , 0 ) 0. Luego existe un
intervalo abierto en centrado en 0 y 0 , respectivamente, tal que la siguiente retencin.
(i) Para cada existe una nica tanto para ( , ) = 0 esa es la
restriccin del nivel de curva cero de para el rectngulo define la
funcin
: , () =
(ii) La funcin ( ) es diferenciable,y es derivativa es una funcin dada por
(, )
() =
(, )
Aunque la manera ms simple de probar el teorema de la funcin implcita es aplicando el
Teorema de la Funcin Inversa, daremos prueba directa a este caso especial del teorema que
probablemente ilustrar la lgica del resultado mejor que la prueba general dada despus.
Prueba
(i) () definida de forma ; esto es para cada en , existe una nica en ,
tanto que ( , ) = 0.
Por asumpsin, ( 0 , 0 ) 0; para concretar, suponemos ( 0 , 0 ) = > 0.
Porque ( , ) es continua en , ah existe una apertura rectangular alrededor de

de ( 0 , 0 ) tanto tara todo (, ) en , > 2, en donde existen , > 0 tanto
como

(, ) = (0 ) ( 0 ), (, ) > >0
2
(refirindose a la Figura 5.3). Que es F estrictamente funcin creciente de dada a
y (, ) . Adems, porque F tiene un valor cero a ( 0 , 0 ) , tendremos
202
+
x = x + - +
{(x, ); F(x, a) = 0}
x
x
- +
x = x + -
- +

Figura 5.3
( 0 + , 0 ) > 0 y ( 0 , 0 ) < 0 (2)
Luego, arreglamos = 0 + , luego (, ) es continua en funcin de , con (, 0 ) >

0. Por continuidad, esta desigualdad contina mantenindose a un nivel suficiente para 0 ;
esto es, existen algunos (0, ) (, ) > 0 ( 0 ).
Simplemente, si arreglamos = 0 + , sera estricamente negativo para cercano a 0 .
Por lo tanto, podemos escoger en el modo de
( 0 + , ) > 0 y ( 0 , ) < 0 para todo ( 0 ) (3)
Arreglndolo, tenemos en ( 0 ). La funcin () = (, ) es continua en , y, por

(3), tenemos
(0 + ) >0 y (0 ) < 0.
Por el teorema de valor intermedio, busca que exista algn ( 0 , 0 + ) tanto que
( ) = ( , ) = 0
Adems, este , ser nico para ( ) es estrictamente creciente en ( 0 ) y luego podemos

cortar la abscisa horizontal en este intervalo, como se sugiere en la figura 5.4.
203
F(x, ), B()
F(x, )
x = x -
x x x = x +
Figura 5.4
En conclusin, tendremos que mostrar que dando cualquier en un pequeo

alrededor suficiente para 0 , existe uno y solo un valor de (nombrado ) tanto
que ( , ) satisface la ecuacin dada. Por lo tanto, la solucin correspondiente
() = est bien definida por ( 0 ) para ( 0 ).
(ii) La funcin ( ): ( 0 ) ( 0 ) es continuamente diferenciable.
Toma dos puntos en ( 0 ) y poner = ( ) y = ( ) ;
construyendo, tenemos , ( 0 )
(, ) = (", ") = 0 (4)
Por el teorema del valor referido, existe algunos puntos ( , ) en la misma lnea
recta del segmento conectando ( , ) y ( , ) (y luego = ( 0 ) ( 0 ))
tanto que
0 = ( , ) ( ,'') = ( ; )( ) + ( ; )( ) (5)
Reagrupando trminos en (5)
( ; )
( ) ( ) = ( ; )
( ) (6)
y porque ( , ) , tenemos
( ; ) > /2 > 0 (7)
por (1). Adems, (, ) es una funcin continua cercana a , en el cual
204
es un conjunto compacto, y luego alcanza los valores mximos en este conjunto. Por
lo tanto, podemos escribirlo
( ; ) max{ (, ); (, ) cl } (8)
Expresiones (6), (7), y (8) implican que

( ; ) 2
|( ) ( )| = | | | | | | (9)
( ; )
donde vemos que ( ) es continua, para ( ) ( ) como .

De hecho, ( ) no es solo continua, pero tambin diferenciable. Para ver esto,
recordar que ( , ) se encuentra en el segmento recto entre ( , ) y ( , ).
Como , tenemos ( ) ( ), por (9), y por lo tanto( , )
( , ). Porque ( , ) miente entre estos dos puntos, esto sigue tambin que
( , ) ( , ). Reagrupando trminos en (6), y tomado los lmites de
ambos lados como frmula , tenemos (haciendo uso de la diferenciabilidad
de y )
( ) ( ) ( ; ) ( ; )

( ) = lim = lim =
( ; ) ( ; )
que establece la diferenciabilidad de ( ) y la frmula dada por su valor en el teorema.

Finalmente, porque ( ) y ( ) son funciones continuas, por ello ( ) para todo
punto donde ( ) 0, y en particular en ( 0 ).
Ahora volvemos al caso general de este resultado. Dando un sistema parametrizado de
ecuaciones en incgnitas,
(; ) = 0
el teorema de la funcin implcita nos da la condicin suficiente para () que implcitamente

define una funcin diferenciable que asigna a cada el valor de equilibrio de correspondencia
de los vectores de variables endgenas.
Teorema 2.2. El teorema de la funcin implcita (caso general). Da : + siendo
una funcin continuamente diferenciable en un juego abierto de . Considerar el sistema de ecuaciones
(; ) = 0, y asumiendo que esto tiene una solucin 0 dado los valores del parmetro 0 .
Si la determinante del Jacobino de las variables endgenas no son cero para ( 0 ; 0 ), que es, si
|(0 ; 0 )| = | (0 ; 0 )| 0
entonces tenemos lo siguiente:
205
Esttica Comparativa, El teorema de la Funcin Implcita
(i) Ah existe un conjunto abierto en + y en , con ( 0 , 0 ) y 0

tal que para cada en donde existe un nico tal que
( , ) y ( ; ) = 0
Esto es, la correspondencia para en definido por () = es una funcin

bien definida cuando se restringe para .
(ii) La funcin solucin de ( ): es continuamente diferenciable y sus
derivadas estn dada por () = [ ( ; )]-1 ( ; ) .
(iii) Si ( ) es , entonces es ( ).
Esto es, dando algn parmetro del vector 0 , suponiendo que 0 resuelve el sistema
(M), ylas suposiciones restantes del teorema sostenido. Entonces para todo cerrado
a 0 existe una solucin x() cerrado a 0 que es localmente nico. Por lo tanto x( 0 )
es localmente una funcin bien definida, y , adems, esto hereda la diferenciabilidad
de F.
Probando. Aplicaremos el teorema de la funcin inversa : + + definido
por
(; ) = [(; ), ] (1)
que es,
(; ) = (; ) para = 1, . . . ,
+ (; ) = para = 1, . . . ,
Observe que

(0 ; 0 ) = [(0 ; 0 ) 0 ] = (0, 0 ) (2)
y el Jacobino de puede ser escrito

(0 ; 0 ) (0 ; 0 )
(; ) = [ ]
0
donde es la matriz indefinidamente, y 0 una matriz de ceros. Expandiendo la determinante

de ( 0 ; 0 ) por cofactores, comenzando del menor de la esquina del lado derecho,
nosotros encontramos que
|(0 ; 0 )| = | (0 ; 0 )| 0
entonces podemos aplicar el teorema de la funcin inversa en para ( 0 ; 0 ).

Por el teorema de la funcin inversa, existe un conjunto abierto y = () en + ,
con ( 0 , 0 ) , (0, 0 ) , y la propiedad de es de una a una funcin de sobre .
Por lo tanto, 1 : es una funcin bien definida.
206
Porque (0, 0 ) y es abierta, tenemos (0, ) para todo suficientemente cerrado

en 0 , que escribimos . Dado que es invertible, para cada existe un punto
nico ( , ) tal que
( , ) = 1 (0 , )
que es equivalente a

( , ) = (0 , )
y por ende implica, por definicin de G,
( , ) = 0
De hecho, podemos poner
= { + ; (0, ) }
Donde es abierto (en ) porque es abierto (en + ). In resumen, para cada

existe una nica solucin del sistema tal que ( , ) . Siguiendo que la solucin
correspondida es localmente una funcin, definido en por
() = dicho que ( , ) y ( , ) = 0
Recuerda mostrar esta funcin es 1 . Por la funcin inversa del teorema, 1 : V U es 1 ,

y porque
1
[()] = (0 , ) [()] = (0 , )
Por definicin, tenemos que x() es un componente de 1 funcin y por lo tanto es asimismo
1 ( o tan fluido como 1).
Grados de libertad el Teorema del valor regular
Al declarar el teorema de la funcin implcita, nosotros elaboramos una distincin a priori
entre las variables endgenas y parmetros. Es claro, sin embargo, que las lgicas de los
resultados no dependen de alguna manera sobre si o no elegimos hacer esta distincin.
Dejando F, entonces, sea un 1 una funcin de + a , y considerar que el sistema de
n ecuaciones en n+p variables, ecuaciones (M): F(x) = 0. Si el jacobino DF(x) tiene rango n
para una punto solucin 0 , entonces podemos siempre encontrar al menos una particin
de x dentro de dos vectores, x = (y, z), con y y z a , tal que la sub matriz cuadrada
(, ) tiene una determinante no cero. Por el teorema de la funcin implcita, seguimos
que algn vecindario de 0 es posible solucionar el sistema para las n variables de y como
funciones de variables .
207
Esttica comparativa, el teorema de funcin implcita
En otras palabras, el sistema tiene grados de libertad: Podemos libremente asignar valores
a de las variables, y el resto entonces ser determinado por la condicin F(y, z) = 0. Esto
nos informacin sobre la dimensionabilidad local del conjunto 1 (0) de las soluciones del
sistema.
Si, en adicin, 0. Es un valor regular de F, entonces todo elemento de 1 (0) es un

punto regular de F y por lo tanto satisface la suposicin del teorema de la funcin implica.3
Por lo tanto, el teorema de la funcin implcita garantiza que el conjunto solucin siempre
tiene la dimensin correcta (igual al nmero de incgnitas menos el nmero de
ecuaciones). El siguiente teorema nos dice que en el caso, 1 (0) sera un objeto geomtrico
con buenas propiedades. Para expresar el teorema con presicion, tenemos algunas
definiciones.
Recordar que un difeomorfismo es un fluido homeomorfismo, que es, una funcin invertible
de con k 1 y un inverso. Dos conjuntos son difeomorficos si existe un difeomorfismo que
se mapea uno sobre el otro, que es, si los conjuntos son idnticamente excepto para un ligero
cambio de coordenadas. Un subconjunto M de es un colecto lizo de dimensiones k si
todo punto en M tiene un entorno U ( en ) tal que U M es difeomorfico para un
conjunto abierto en .4
Que es, un colector lizo es un objeto que localmente luce como un conjunto abierto en un
espacio Euclidiano. Por ejemplo, una superficie liza en 3 es un colector de dimensiones 2,
porque luce localmente como un plano en el sentido que hay un ligero cambio de
coordenadas que mapearan alguna regin en la superficie dentro de un vecindario de un
punto en el plano (por ejemplo, imagina que proyectamos un vecindario de un punto en la
superficie sobre el plano horizontal). Un colector de dimensin cero es un conjunto de
puntos aislados. Por convencin, el conjunto vaco puede ser considerado un colector de
cualquier dimensin.
El siguiente resultado nos dice que la imagen inversa de un valor regular es un objeto
geomtricamente correcto de precisamente la dimensin esperaramos.
Teorema 2.3. El teorema de valor regular. Da f: , con X abierto, sea a 1 una funcin.
Si y es un valor regular de 1 (y) es un colector liso de dimensin n-m (en el espacio ambiente )
Saber que 1 () ser vaco, como ser considerado un recolector de cualquier dimensin
.Para una prueba del teorema, ver Guillemin y Pollack (1974, pp.20ff) o Milnor (1965,p.11).
De cualquier modo, esto es a lo ms una implicacin inmediata del teorema de funcin
implcita
Intuitivamente, el teorema nos dice que la dimensin del conjunto solucin del sistema
() = es igual al nmero de incgnitas menos el nmero de ecuaciones en el sistema,
proviene estos son linealmente independientes in algn vecindario de cada punto de solucin.
En hecho, si m = n, tenemos como cualquier ecuacin la incgnita, y, como esperbamos,
el conjunto de solucin un recolector
208
de dimensin cero (es decir, un conjunto de puntos aislado). Si n>m, tenemos ms

ecuaciones que incgnitas, dejndonos con n- m grados de libertad y un conjunto solucin
de dimensiones n-m.
Equilibrio crtico y regular, y
el Sard y Teorema de densidad transversales
Un equilibrio en el modelo
(; ) = () = 0, donde : + ( abiertos) ()
Es un punto 1 (0). Un equilibro es crtico si el punto crtico de y regular de otra

manera. Si es un equilibro regular para algn , entonces la suposicin de el teorema de
la funcin implcita sostiene a ( , ). Por lo tanto, el equilibrio regular son localmente
aislados y robustos en perturbaciones delgados, y cambian continuamente con cambios de
parmetros delgados. El equilibrio crtico, por el otro lado, no debera comportarse tan
gratamente: Pueden no ser localmente nicos, y tienen una tendencia a desaparecer o
desplegarse en varios equilibrios distintos con pequeos cambios de parmetros. El teorema
de la funcin implcita nos dice que la intuicin grfica se desarroll anteriormente en torno
a la distincin entre equilibrios transversales y tangenciales permanece vlido para modelos
con ms de una variable endgena y varios parmetros.
Hemos visto que una condicin de rango completo en el Jacobiano de garantiza que la
solucin de un sistema de ecuaciones tiene ciertas propiedades agradables. Sin embargo,
como el equilibrio de un modelo se determina endgenamente, no es legtimo suponer
simplemente que partimos con un equilibrio regular. Esto sugiere la siguiente pregunta: Es
posible decir a priori que la "probabilidad" de que nos encontremos en un equilibrio crtico
es bajo en algn sentido bien definido?
La respuesta es s. Ahora repasaremos dos resultados que, de manera franca, dicen que los
equilibrios problemticos (crticos o de tangencia) son excepciones, ms bien que la regla, de
modo que, en general, los modelos diferenciables estarn bien se comport El primer
resultado, conocido como teorema de Sard, dice que una funcin suave puede tener slo
"unos pocos" valores crticos, aunque puede cualquier nmero de puntos crticos. Por lo
tanto, la propiedad "siendo un punto regular" es tpico o genrico. En algn sentido, por lo
tanto, se puede esperar que dado un sistema de ecuaciones () = 0 El vector cero ser
un valor regular de , lo que implica que la solucin establecida 1 (0) Contendr
slo regular, y por lo tanto muy bien comportamiento, equilibrios. El segundo
resultado (el teorema de la densidad de transversalidad) refuerza esta conclusin: si,
por casualidad, el vector cero resulta ser un valor crtico de , entonces, bajo
supuestos razonables, casi cualquier pequeo cambio en cualquiera de los parmetros
convertir el vector cero en un valor regular de la nueva .
209
Esttica Comparativa, el Teorema de l Funcin Implcita
yc
f(x)
ya
yb
xa xb xc xd x
Figura 5.5
Ambos teoremas hacen uso del concepto de un conjunto de medida cero. Sea un conjunto en ;
Decimos que tiene medida de Lebesgue cero si se le da una arbitrariamente pequeo
nmero positivo , siempre podemos encontrar una coleccin contable de cubos cerrados
1 , 1 , ... tales que su unin contiene el conjunto , y la suma de sus volmenes (el producto
de las longitudes de sus lados) es menor que .
La figura 5.5 sugiere que una funcin puede tener "muchos" puntos crticos, pero slo unos
pocos valores crticos. La funcin / tiene un nmero infinito de puntos (dos aislados en
y , y un continuo de ellos en el intervalo [ , ]), pero slo tiene tres valores crticos,
porque todos los puntos de [ , ] tienen la misma imagen (es decir, () = 0 en un
intervalo implica que la funcin es constante en ella).
El teorema de Sard nos dice que la figura da la intuicin correcta: La propiedad "que es un
valor regular de una funcin" es genrica.
Teorema 2.4. Teorema de Sard. Sea : ( abierto) sea una funcin con >
{0, }, y sea el conjunto de puntos crticos de . Entonces ( ) tiene una medida de
Lebesgue cero.
Si < , entonces = (ver nota 5), y el teorema simplemente dice que () tiene
Lebesgue medida cero, lo que implica que la ecuacin () = no tiene soluciones para la
mayora de los vectores y en . Obsrvese que el teorema requiere un supuesto relativo al
grado de suavidad de la funcin. En el
210
Modelos Estticos y Esttica Cmparativa
x''
x
x'
F(x, )
Figura 5.6
caso de mayor inters para nosotros ( = ), sin embargo, es suficiente tener 1

Para funciones parametrizadas, tenemos la siguiente generalizacin de teorema de Sard, a
veces llamado teorema de densidad de transversalidad.
Teorema 2.5. Sea, : + ( abiertos) sea una funcin con >
{0, }. Si es un valor regular de , entonces el conjunto de vectores un
tal que y es un valor crtico para () = (; ) tiene medida de Lebesgue cero.
En otras palabras, si es un valor regular para el "todo ", entonces es un regular valor de
( ) para casi todos los valores de . Obsrvese que debido a que (; ) =
[ (; ), (; )], la condicin de rango para un valor regular es ms fcil de
satisfacer para el "todo " es decir, es ms fcil ser un punto regular de que uno de . De
hecho, si tenemos un nmero suficiente de parmetros, es posible para tener rango
(; ) = , que es suficiente para satisfacer las suposiciones de el teorema.
La figura 5.6 trata de capturar la intuicin del resultado. Para = 0 , la funcin 0 ( ) tiene
un valor crtico en cero. Sin embargo, si es sensible a los cambios en (y ste es el
significado intuitivo de la asuncin del teorema), cualquier pequea perturbacin desplazar
la grfica de de tal manera que la tangencia punto desaparecer.
211
En resumen, como los equilibrios crticos son problemticos, podemos preguntarnos si es

posible encontrar alguna excusa razonable para ignorarlos. La respuesta es un s calificado.
dado algn vector de los parmetros , un modelo puede tener cualquier nmero de
equilibrios crticos, cualquier nmero de equilibrios regulares y cualquier combinacin de los
dos. La intuicin grfica, sin embargo, sugiere que los equilibrios son frgiles en el sentido
de que tienden a desaparecer con pequeas perturbaciones a los parmetros. Los dos
teoremas anteriores hacen esta precisa intuicin: Si 0 es un valor regular del "todo ",
entonces tambin es un regular valor de para casi todo , y esto implica que 1 (0)
contiene slo regular equilibrios Por lo tanto, para la mayora de los entornos, muchos
modelos no tendrn equilibrios
Genericidad
En muchos casos no es posible excluir completamente la posibilidad de fenmenos
patolgicos, pero a veces es posible demostrar que son improbable en un sentido bien
definido. Sea un conjunto y considere alguna propiedad que elementos de pueden o
no tener. Decimos que es una propiedad genrica si es vlido para casi todos los elementos
de este conjunto.
Hay dos nociones de genericidad. La primera, basada en el concepto de medida, es la que
hemos utilizado aqu: es genrico en si se cumple para todo excepto posiblemente
para un subconjunto de la medida cero. A veces, sin embargo, no podemos use la medida de
Lebesgue para precisar la idea de que un conjunto dado es pequeo. Esta es el caso, por
ejemplo, en espacios de dimensin infinita. En tales situaciones, puede recurrir a otra nocin
de genericidad (no tan satisfactoria como la primera) que se define en trminos topolgicos.
En este segundo sentido del trmino, una propiedad es genrica en si se mantiene en un
subconjunto de que est abierto y denso en . Un subconjunto de un espacio mtrico
es densa en si se le da cualquier elemento x de X y un nmero arbitrariamente pequeo
> 0, existe algn tal que (, ) < . Es decir, D es denso en si dado cualquier
punto en siempre existe algn punto en D arbitrariamente cerca a En otras palabras,
D es denso en si cualquier elemento de puede ser bien aproximado por algn elemento
de .
Intuitivamente, un subconjunto D de que es a la vez abierto y denso en constituye la
mayor parte de . Por la densidad de , cualquier punto en es cercano a algn punto de
.
En principio, un subconjunto denso podra ser una coleccin de puntos aislados (por
ejemplo, el conjunto de nmeros racionales en la lnea real), pero el requisito de que
tambin sea abierto elimina esa posibilidad. La apertura tambin implica robustez o
persistencia, porque pequeas perturbaciones deben dejarnos dentro de .
Finalmente, tenga en cuenta que la genericidad definida en trminos de medida implica
topolgica genericidad (siempre que ambas se definen), pero la afirmacin inversa es
generalmente no es cierto. De hecho, un subconjunto abierto y denso de un espacio
euclidiano podra tener arbitrariamente pequea medida de Lebesgue, aunque no cero.
212
Conclusin
El teorema de la funcin implcita es un resultado fundamental para el anlisis de modelos

no lineales. En un nivel prctico, el teorema nos dice cundo se puede utilizar el clculo de
las derivadas de la funcin de solucin dado los parciales de con respecto a y . Esto es
muy til, porque la mayora de los modelos con los que trabajamos en la teora econmica
no se especifican con un nivel de detalle suficiente para permitir el clculo de soluciones
numricas. Por lo tanto, el teorema de funcin implcita nos da una herramienta
indispensable para extraer informacin cualitativa sobre la funcin de solucin de
suposiciones cualitativas incorporadas en las ecuaciones de comportamiento del modelo.
En un nivel ms bsico, el teorema de funcin implcita nos da condiciones suficientes para
que la correspondencia de solucin () sea, al menos localmente, una funcin diferenciable.
Esto se ocupa del problema de la continuidad: Bajo las suposiciones del teorema, el equilibrio
depende continuamente de los parmetros, y por lo tanto las predicciones cualitativas
relativas a los efectos de pequeos cambios en son posibles, al menos en principio. Por
otra parte, la conclusin de que la correspondencia solucin es localmente una funcin
continua tambin proporciona respuestas parciales a la existencia y la unicidad preguntas.
Son limitaciones. En primer lugar, es una respuesta condicional, porque el teorema asume la
existencia de una solucin para algn vector de parmetro 0 . En segundo lugar, es una
respuesta local, ya que las conclusiones slo se mantienen en una vecindad del valor 0 del
vector de parmetros para el que se sabe que existe una solucin. Lo que el teorema dice, por
lo tanto, es que si una solucin 0 existe para 0 y la funcin satisface ciertas condiciones
de regularidad en ( 0 , 0 ), tambin existirn soluciones localmente nicas para valores de
parmetros cercanos a 0 . Pero tenga en cuenta que no se dice nada sobre la existencia de
soluciones per se.
3. Existencia de equilibrio
Nada de lo que hemos visto hasta ahora garantiza que el sistema (; ) = 0 tendr una
solucin para un valor dado de . Esta seccin revisa algunos resultados que a veces son
tiles para establecer la existencia de equilibrio en modelos no lineales. El primer mtodo,
basado en el teorema del valor intermedio, puede utilizarse slo en modelos "pequeos", con
dos variables endgenas como mximo.
Por otra parte, tiene la ventaja de que se basa en una obvia intuicin geomtrica: La grfica
de una funcin continua cuyo valor es positivo en algn punto y negativa en otro debe cruzar
el eje horizontal en algn punto intermedio.
Para los modelos con ms de dos variables, los mtodos grficos no son, en general,
213
muy tiles. En este caso, los teoremas de punto fijo son las herramientas ms utilizadas para
tratar con problemas de existencia. Discutiremos una serie de tales resultados. En el captulo
8 veremos cmo algunos de ellos pueden ser utilizados para establecer la existencia de
equilibrio en una serie de aplicaciones econmicas importantes.
(a) El teorema del valor intermedio
Vimos en el captulo 2 que una funcin continua de en s mapea los intervalos en

intervalos. Por lo tanto, si toma los valores y en I, tambin debe asumir todos los
valores entre estos dos nmeros. El resultado formal, reproducido aqu por conveniencia,
es el siguiente:
Teorema 3.1. El teorema del valor intermedio. Sea : una funcin continua en el intervalo . Dado
dos puntos en , , con las imgenes y , para cada nmero y entre y all Existe algn
punto x en I, situado entre y , tal que f() = .
Es fcil ver cmo este resultado puede ser til para establecer la existencia de soluciones. Sea
: una funcin continua, y considere la ecuacin () = 0. Si podemos encontrar
dos puntos y tales que () > 0 y () < 0, entonces existir al menos un punto
entre tal Que ( ) = 0. La figura 5.7 ilustra este hecho geomtricamente
obvio.
En muchos modelos econmicos, los puntos apropiados se pueden encontrar
preguntando qu haran los agentes en "situaciones extremas". Es difcil ser ms especfico
x''
x' x* x
f(x)
Figura 5.7 El teorema del valor intermedio
214
sin un ejemplo concreto en mente, pero algunos aparecern en los problemas planteados ms
adelante en este captulo.
A veces, este procedimiento se puede usar para establecer la unicidad. Por ejemplo, si es
una funcin estrictamente montona, est claro que puede cruzar el eje horizontal como
mximo una vez. De hecho, est claro que puede cruzar el eje horizontal como mximo una
vez. De hecho, no es necesario que f sea globalmente montono. Es suficiente que la funcin
sea estrictamente montona en algn vecindario de cualquier solucin a la ecuacin. Si f es
diferenciable, a veces se puede demostrar evaluando ( ), es decir, inspeccionando la
expresin para el valor de la derivada de la funcin evaluada en un punto de solucin
arbitrario. Incluso si no se conoce explcitamente, la informacin que en tal punto f tiene
valor cero puede ser suficiente para determinar el signo de ( ). Si ( ) > 0 ( < 0)
en todos los puntos de solucin, entonces la solucin es nica, porque puede cortar el eje
horizontal slo en una direccin.
Para sistemas de dos ecuaciones a veces es posible usar este enfoque repetidamente
para establecer la existencia. Supongamos que se nos da un sistema de la forma.
(, ) = 0 (, ) = 0 (1)
Primero consideramos cada ecuacin por separado y vemos si es posible resolverlas para
funciones de la forma.
= () y = () (2)
Las pendientes de estas funciones se pueden calcular por diferenciacin implcita, pero
primero tenemos que establecer la existencia. Esto se puede hacer por el mtodo discutido
anteriormente. Por ejemplo, si fijamos = 0 , entonces
( 0 , ) = 0 (3)
Es una ecuacin simple desconocido, y podemos usar el teorema del valor intermedio para
demostrar que hay algo de y que resuelve (3) para el dado 0 (vase la figura 5.8). Tenga en
cuenta que podemos tener que restringir el dominio de ( ), para (3) puede tener soluciones
slo para ciertos valores de 0 . Esto ser cierto, por ejemplo, si es siempre positivo o
siempre negativo, o si su signo es constante en cualquier solucin de (3).
Si es cierto que las dos ecuaciones definen funciones de la forma (2), el sistema original puede
ser reducido a una sola ecuacin:
() () = 0 (4)
Grficamente, tenemos dos curvas en el plano (, ), como se muestra en el segundo panel
de la figura 5.8, y podemos aplicar el teorema del valor intermedio una vez ms. Si una curva
comienza por encima de la otra y termina por debajo, debe
215
Existencia de Equilibrio
f,g y = f(x)
F
y y*
y = f(x)
y = g(x)
F(y, x)
x'' x* x' x
Figura 5.8.
haber un punto en el que las dos curvas se cruzan. Y si podemos determinar que en una
interseccin arbitraria la pendiente de una es mayor que la de la otra, habr como mximo
una solucin de (4)
(b) Teoremas de punto fijo
Para problemas en ms de dos dimensiones, donde la geometra del plano no es muy til,
tenemos que recurrir a los mtodos ms abstractos de la teora de puntos fijos. Dos de los
resultados de esta teora ms comnmente utilizados en el anlisis econmico son los
teoremas debidos a Brouwer y Kakutani. El primero da condiciones suficientes para la
existencia de un punto fijo de una funcin; el segundo da condiciones similares para las
correspondencias.
Una funcin f tiene un punto fijo en . Es fcil ver la conexin entre el equilibrio y los
puntos fijos. Dado un sistema de ecuaciones
() = 0
Defina la funcin por

() = () +
Observe que si es un punto fijo de , entonces

( ) = ( ) + = ( ) = 0
Por tanto, resuelve el sistema (5) si y slo si es un punto fijo de .

Nuestros dos primeros resultados tratan de la existencia de puntos fijos para funciones.
Teorema 3.2. Teorema de punto fijo de Brouwer. Sea : una funcin continua trazando un
conjunto compacto y convexo en s mismo. Entonces f tiene un punto fijo en X, es decir, existe al menos un
tal que ( ) = .
216
45 45
b b
f
a a
a b a b
f not continuous X = [a,b), not closed
f 45 45
d
b
f
a a
a b a b c d
X = [a, ), not bounded X = [a,b] [c,d], not convex
Figura 5.9. El fracaso de los supuestos de Brouwer
La figura 5.9 ilustra la situacin y muestra que no debera tener un punto fijo si algunas de
las proposiciones del teorema fallan.
La prueba estndar del teorema de Brouwer, basado en algo llamado topologa simple, es
un verdadero dolor en el trasero; vemos, por ejemplo Border (1985, ch. 2-6). Para funciones
dbiles, existe una alternativa mucho ms bonita demostracin basado, sorprendentemente
suficiente, en el teorema de Sard. Este resultado puede ser extendido a funciones continuas
usando un teorema de Stone y Weiestrass el cual dice que cualquier funcin continua puede
ser uniformemente aproximada por un polinomio en un conjunto compacto. Vea Milnor
(1965, pp.13 ff.) o Guillemin y Pollack (1974, pp.65-6).
Para el caso especial de una funcin real de una sola variable, el teorema de Brouwer puede
217
Existencia de Equilibrio
45
b
a
a x* b
Figura 5.10. Teorema de Brouwer

para funciones univariadas
a x* b
g
Puede ser fcilmente establecido usando el teorema de valor medio. En este caso el teorema
dice que una funcin continua f que localiza un intervalo compacto [, ] en s mismo tiene
al menos un punto fijo en el intervalo.
Considere la funcin g definida en el intervalo [, ] por () = () (figura5.10).
Ya que f localiza [, ] en s mismo, deberamos tener
() = () 0 y () = () 0
Si una de esas expresiones mantiene la igualdad, el punto fijo es uno de los puntos finales del
intervalo de otra forma el teorema del valor medio implica la existencia de un cero interior
de () (es decir, un punto fijo de f). En algn sentido, adems, podemos pensar del teorema
de Brouwer como una generalizacin de la teora del valor numrico para espacio de
dimensin ms grande que 1.
El teorema de un segundo punto fijo para funciones, se debe a Tarsky sigue asumiendo la
continuidad, pero requiere que la funcin no sea decreciente.
Teorema 3.3 Teorema del punto fijo de Tarsky sea f una funcin no decreciente localizando
cubo de n dimensin [0,1] = [0,1] [0,1] dentro de s mismo. Entonces f tiene un
punto fijo.
218
1 x
Figura5.11 Teorema de Tarsky
Figura 5.11 ilustra la intuicin detrs del resultado en caso de una dimensin. Vase que si
(0) = 0, entonces 0 es un punto fijo de f. De otra forma, (0) > 0, y f() empieza sobre
la lnea de 45. Ya que la funcin debera estar en un punto de discontinuidad, adems no
puede cruzar la diagonal en tales puntos. Finalmente, ya que (1) 1 por suposicin, la
grfica de f debera cortar la diagonal en algn punto.
Cerramos esta seccin con 2 teoremas del punto fijo para correspondencias hemicontinuas.
Para una demostracin y resultados futuros, el lector debera referirse a Border (1985, ch.15).
Teorema 3.4. Teorema del punto fijo de Kakutani. Considera una correspondencia de un conjunto
a s mismo. Sea compacto y convexo, y asuma que es sobre hemicontinuas (o cerrado), como no vaco,
compacto y con valor convexo para todo . Entonces tiene un punto fijo en , es decir,
s.th. ( )
Teorema 3.5. sea un conjunto compacto y convexo y sea una

correspondencia de baja hemicontinuidad con valores cerrados y convexos.
Entonces tiene un punto fijo en B.
4. Problemas
Problema 4.1. Dado un modelo IS-LM
= 0 + + (A)
= 0 + (B)
219
Problemas
donde es el ingreso nacional, es la tasa de inters, G es el gasto pblico, / es la oferta

de dinero dividido entre el nivel de precio y todas las letras griegas y parmetros positivos.
(i) Analice grficamente los efectos del incremento del gasto de gobierno (a) y el nivel
de precios (b) del valor en el equilibrio del ingreso nacional y la tasa de inters.
(ii) Escribe el modelo de la forma matricial. Use la regla de Cramer para resolver el
modelo, escribiendo los valores de equilibrio de (y, r), funciones de los parmetros
(, , 0 , y 0 ), y demuestre que el resultado es compatible con las
conclusiones del anlisis grfico.
Problema 4.2. El vendedor de un producto paga una tasa proporcional a un inters (0,1).
Por tanto, el precio efectivo recibido por el vendedor es (1 ), donde es el precio del
mercado para el bien. La oferta de mercado y demanda son dados por las funciones
diferenciales
= (), con ( ) < 0
= ((1 )), con ( ) < 0
y equilibrio requiere un mercado libre, que es =
Analizar, de forma grfica y analtica, los efectos de una disminucin del sobre la cantidad
negociada y el precio de equilibrio. (Usar la funcin implcita teorema.)
Problema 4.3. Una empresa competitiva elige la cantidad de mano de obra L que se va a
contratar con el fin de maximizar los beneficios, teniendo como dado el salario w y el valor
de un el parmetro de productividad 9. Es decir, la empresa resuelve
max(() )

Supongamos que la funcin de produccin ( ) es dos veces diferenciable continuamente,

Creciente y estrictamente cncavo (es decir, > 0, > 0).
(i) Escribir la condicin de primer orden para el problema de la empresa y verificar
que la condicin de segundo orden suficiente para un mximo de asimientos,
(ii) Interpretar la condicin de primer orden como una ecuacin que define
implcitamente una funcin de demanda de la forma L * = L (w, 9). Mostrar,
utilizando la funcin implcita teorema, que
< 0 y > 0
Problema 4.4. Considere un individuo que vive por dos perodos y consume un solo bien
("salida") .El agente est dotado de 1 unidades de salida en la juventud, y unidades 2 en la
vejez. Existe un mercado perfectamente competitivo para los prstamos de produccin en
220
los que el agente puede pedir prestado o prestar a una tasa de inters R que l toma como
dado. Llame a 1 y 2 sus niveles de consumo durante la primer y segundo perodos de vida,
y s denotan sus ahorros de primer perodo, = 1 1 (note que s ser negativo si el agente
es un prestatario neto).
Las preferencias del agente estn representadas por una funcin de utilidad de la forma
(1 ) + (2 )
Donde es una funcin 2 estrictamente decreciente y estrictamente cncava que satisface
las siguientes condiciones de esquina
() 0 como y () como 0
Supongamos tambin que
1 , 2 > 0, (0,1), 1+ >0
El individuo resuelve el siguiente problema:

max{(1 ) + (2 ) sujeto a 1 = 1 , 2 = 2 + }
1 ,2
Substituyendo las restricciones en la funcin objetivo, obtenemos un problema de

maximizacin en una nica variable de decisin, .
(i) Escriba la condicin de primer orden para este problema y compruebe que la
condicin de segundo orden para que el mximo se mantenga.
Interpretamos la condicin de primer orden como una ecuacin que
implcitamente define una funcin de ahorro de la forma = (1 , 2 , ). Se
fija los valores de (1 , 2 ) y se estudia los valores de como una funcin de .
(ii) Demuestre que para un valor dado de , la condicin de primer orden tiene
solucin nica . (Use el teorema del valor intermedio, y piense en lo que
suceder en casos extremos, por ejemplo, si el agente decide no comer durante
uno de los periodos.)
(iii) De (ii), nosotros sabemos que () es una funcin bien definida para > 0. El
teorema de la funcin implcita garantiza que () es tambin diferenciable.
(Por qu? Cules de nuestros supuestos utilizamos aqu?) Sustituyendo () de
nuevo en la condicin de primer orden, tenemos una identidad. Por lo tanto,
podemos diferenciar ambos lados de ella con respecto a , y la igualdad
continuar mantenindose. Diferenciar implcitamente con respecto a R, y
resolver para () en la expresin resultante.
Qu podemos decir sobre el signo de ()? Es decir, aumenta o disminuye
con el factor de inters R? Importa si el agente es un prestatario neto? (Debera.
En uno de los casos no debera ser posible sealar el derivado. Por qu?)
(iv) Demuestre que existe algn valor de R (digamos 0 ) para el cual el agente no
toma prstamos ni presta, sino que consume precisamente su dotacin cada
perodo. Decimos que 0 es el factor de inters autrquico del agente.
Sugerencia: Volver a la formulacin original del problema de decisin del
221
Bibliografa
agente y piense en trminos de curvas de indiferencia y restricciones

presupuestarias en el (1 , 2 )Plano. Trace la curva de indiferencia que pasa por
el punto de dotacin (1 , 2 ) Qu valor de R har que el agente "feliz" coma
precisamente su dotacin cada perodo?
(v) Demuestre que en un lado de 0 el agente es siempre un ahorrador neto en la
juventud, y en el otro siempre un prestatario neto. (Cul es el signo de s '( 0 )?
No implica que ( )sea siempre montona.)
Problema 4.5. Consideremos ahora una economa en la que hay dos tipos de agentes que
enfrentan la decisin analizada en el problema 4.4, pero pueden tener diferentes corrientes
de dotacin, factores de descuento o funciones de utilidad. Para simplificar, supongamos
que slo hay un agente de cada tipo, pero ambos se comportan competitivamente (es decir,
tomando el valor de R dado).
Sea 1 () 2 () las funciones de ahorro para los dos agentes. En equilibrio, el mercado de
crdito debe liquidar (es decir, si uno es un prestatario neto, el otro debe ser un prestamista
neto), y el ahorro agregado debe ser cero. Es decir, debemos tener
() = 1 () + 2 () = 0 (1)
Demuestre que bajo las suposiciones del Problema 4.4 existe al menos una el equilibrio
competitivo, es decir, un valor de R para el cual (1) se mantiene. Sugerencia: Sea 10 20 los
factores de inters autrquicos para los dos agentes. Sin prdida de generalidad, podemos
suponer que 10 > 20. Qu pasa cuando = 10 , 20? Utilice el teorema del valor intermedio.
Bibliografa
Apostol, T. 1974. Mathematical Analysis, 2nd ed. Reading, MA: Addison-Wesley.

Border, K. 1985. Fixed Point Theorems with Applications to Economics and Game
Theory. Cambridge University Press.
Buck, R. 1978. Advanced Calculus, 3rd ed. New York: McGraw-Hill.
Chow, S., and Pollack, A. 1982. Methods of Bifurcation Theory. Berlin: Springer-
Verlag.
Guillemin, V., and Pollack, A. 1974. Differential Topology. Englewood Cliffs, NJ:
Prentice-Hall.
Hadley, G. 1961. Linear Algebra. Reading, MA: Addison-Wesley.
Luenberger, D. 1973. Introduction to Linear and Non-Linear Programming.
Reading, MA: Addison-Wesley.
Mas-Colell, A. 1985. The Theory of General Economic Equilibrium: A
Differentiable Approach. Cambridge University Press.
Mas-Colell, A., Whinston, M., and Green, J. 1995. Microeconomic Theory. Oxford
University Press.
Milnor, J. 1965. Topology from a Differentiable Viewpoint. University Press of
Virginia.
Rudin, W. 1976. Principles of Mathematical Analysis, 3rd ed. New York: McGraw-
Hill.
222
Samuelson, P. 1985. Foundations of Economic Analysis. Harvard University Press.

Silberberg, E. 1978. The Structure of Economics, a Mathematical Analysis. New
York: McGraw-Hill.
Strang, G. 1980. Linear Algebra and Its Applications. New York: Academic Press.
Sydsaeter, K. 1981. Topics in Mathematical Analysis for Economists. Orlando, FL:
Academic Press.
Notas
1 Si el sistema tuviera dos soluciones, digamos y ", entonces tendra un nmero
infinito de ellas, pues toda combinacin lineal de la forma (1 ) + " sera
tambin una solucin (el lector Debe verificar que esto es cierto). Pero entonces
tendramos un subespacio afn de dimensin al menos 1.
2 Diferenciando implcitamente [ (), ] = 0, vemos que () () + ( ) = 0,
de donde () = ( )/ ( ). Por lo tanto, la curva () tendr una pendiente
infinita siempre que () = 0.
3 Vase el Captulo 4 para una definicin del valor regular de una funcin.
4 Para simplificar, pensamos en un colector como incrustado en un espacio ambiental ms
amplio, , pero se podra dar una definicin ms general en la que esto no tiene que ser el
caso.
5 El tercer caso posible puede parecer un poco extrao a primera vista. Recordemos que y
es un valor regular de si el rango () = para todo x en 1 (). Debido a que
() es una matriz , su rango mximo es {, }. Por lo tanto, si m> n, cada
punto 1 () es un punto crtico, y los nicos valores regulares son aquellos puntos que
no estn en el rango de la funcin. Para cada uno de estos puntos, 1 () es el conjunto
vaco. Porque, como veremos ms adelante, "la mayora" de los valores de son regulares,
el teorema implica que la situacin normal en este caso es para el sistema () = no
tener ninguna solucin. Porque tenemos ms ecuaciones que incgnitas, esto es
precisamente lo que debemos esperar.
6 Por otro lado, si consideramos "caminos" de entornos posibles, estos caminos
tpicamente cruzarn valores de a para los cuales 0 es un valor crtico de . Si el ambiente
cambia lentamente con el tiempo, podemos imaginar el equilibrio del sistema ()
cambiando con l. La mayor parte del tiempo, el cambio ser suave, con pequeos cambios
en el medio ambiente produciendo pequeos desplazamientos del equilibrio. En algunos
puntos, sin embargo, el sistema puede experimentar cambios drsticos. Tales fenmenos se
conocen como bifurcaciones o catstrofes.
7 Vase la Seccin 11 del Captulo 2 para las definiciones de hemicontinuidad superior y
hemicontinuidad inferior.
223
6
Conjuntos convexos y funciones cncavas
Las condiciones de convexidad juegan un papel crucial en la optimizacin. En el contexto de

teora econmica, adems, la convexidad aparece a menudo como una restriccin sensible
en preferencias o tecnologa. As, la convexidad de las preferencias puede interpretarse como
la preferencia de los consumidores por la variedad, y la convexidad de produccin que est
estrechamente relacionado con la existencia de rendimientos no crecientes a escala. Este
captulo contiene una introduccin a la teora de los conjuntos convexos y cncavas y
funciones cuasicncavas. Gran parte de este material ser til en conexin con la teora de la
optimizacin desarrollada en los captulos 7 y 12. En el captulo 8 discutiremos los roles que
estos conceptos desempean en algunos modelos econmicos bsicos.
1. Conjuntos convexos y teoremas de separacin en
Definicin 1.1. Conjunto convexo. Un conjunto en (O, ms generalmente, en un espacio

vectorial sobre el campo real) es convexa si se le dan dos puntos y en , el punto.
= (1 ) +
Tambin est en para cada [0,1].
Un vector de la forma = (1 ) + se denomina una combinacin convexa de

y . El conjunto de todas las combinaciones convexas de y es el segmento de lnea
recta que conecta estos dos puntos. Este segmento de lnea se denota veces por ( , ) o
[ , ] o por ( , ], por ejemplo, si queremos excluir uno de los puntos finales. Los
puntos y son los puntos finales del segmento, y los puntos con 0 < < 1, se dice
que son interiores al segmento. Un conjunto es convexo si se le dados dos puntos y
en l, contiene el segmento de lnea que los une. Un conjunto convexo con un interior no
vaco se denomina a veces cuerpo convexo.
224
Convexos Convexos y Funciones Cncavas
A B C
X

X

X
A Estrictamente B Convexo pero no estrictamente C no convexo

convexo
Figura 6.1. Conjuntos convexos y no convexos
Se dice que un cuerpo convexo es estrictamente convexo si el segmento de lnea que

conecta dos puntos y en se encuentra en el interior de , excepto posiblemente para
sus puntos extremos, es decir, si
, (0,1), = (1 ) +
Ahora enumeramos algunos resultados tiles sobre conjuntos convexos.
Teorema 1.2. Cualquier interseccin de conjuntos convexos es convexa.
Problema 1.3. Probar Teorema 1.2.
Teorema 1.4. Sea e conjuntos convexos en , sea un nmero real. Entonces los conjuntos
= { ; = }
y
+ = { ; = + }
son convexos.
Este resultado implica que cualquier combinacin lineal + de conjuntos convexos es

convexo. Tambin es fcil demostrar por induccin que las sumas o combinaciones lineales
que implican un nmero arbitrario de conjuntos convexos tambin son convexas.
Prueba. Podemos probar ambas partes al mismo tiempo mostrando que dado cualquier
conjunto convexo e en (o, ms generalmente, en un espacio vectorial sobre el campo
real) y dos escalares arbitrarios y , el conjunto
= + = { ; = + }
es tambin convexo.
Tomemos dos puntos arbitrarios y en = + . Por la definicin de existen

puntos , en y en , en tal que
225
Conjuntos Convexos y Teoremas de Separacin en
= + y = + (1)
Usando (1), una combinacin convexa arbitraria de y se puede escribir
= + (1 ) = ( + ) + (1 )( + )
= [ + (1 ) ] + [ + (1 ) ] + (2)
Por la convexidad de e , + (1 ) , y + (1 ) .
De ah, + , que establece la convexidad de .
(a) Combinaciones convexas y casco convexo
El concepto de combinaciones convexas puede extenderse a conjuntos de ms de dos

vectores.
Definicin 1.5. Combinacin convexa. Se dice que un punto en es una combinacin

convexa de los vectores 1 , . . . , si puede ser escrito de la forma

= (1)
=1
Con [0,1] para todo , y

= 1 (2)
=1
Por lo tanto, una combinacin convexa es una combinacin afn con el requisito adicional
de que 0. (Ntese que esto, a su vez, implica [0,1], porque la suma de los no
puede exceder a 1.)
Ahora podemos dar una caracterizacin equivalente de convexidad en trminos de

combinaciones convexas (generalizadas).
Teorema 1.6. Un conjunto es convexo si y slo si cada combinacin convexa de puntos de est en .
Problema 1.7. Demuestre el teorema 1.6. Sugerencia: Para establecer la necesidad, utilice el
principio de induccin modificado discutido en el problema 2.8 del captulo 1.
A veces nos interesa extender un conjunto para que se convierta en convexo aadiendo
tan pocos puntos como sea posible. El conjunto resultante se llama el casco convexo de .
Definicin 1.8. Casco convexo. Sea un conjunto en . El conjunto convexo ms pequeo

que contiene se denomina casco convexo de y est denotado por conv .
Claramente, hay al menos un conjunto convexo que contiene , es decir, mismo. Si hay
ms, conv es la interseccin de todos estos conjuntos. Una caracterizacin alternativa es
dada por el siguiente resultado.
226
Teorema 1.9. El caso convexo de es el conjunto de todas las combinaciones convexas de elementos de , es
decir,

= { = ; , ,
=1

[0,1] , = 1} (1)
=1
Prueba. Sea

= { = ; , [0,1] , = 1 }
=1 =1
Claramente contiene , para cualquier en se puede escribir como una combinacin
convexa trivial con s mismo.
A continuacin, mostramos que es un conjunto convexo. Sea 1 e 2 ,

1 = 2 =
=1 =1
con , [0,1] =1 = =1 = 1
ser puntos arbitrarios de , y tomar algn [0,1]. Entonces

= (1 ) 1 + 2 = (1 )( ) + ( )
=1 =1

= (1 ) + (2)
=1 =1
darse cuenta que
(1 ) [0,1] , [0,1]
y

(1 ) + = (1 ) + = (1 ) + = 1
=1 =1 =1 =1
As, (2) muestra que es una combinacin convexa de puntos en , y se deduce que
, que es por lo tanto un conjunto convexo.
Por lo tanto, es un conjunto convexo que contiene . Adems, cualquier conjunto convexo
que contiene debe incluir todas las combinaciones convexas de puntos en (por el
Teorema 1.6) y debe por tanto contener . Se deduce que es el conjunto convexo ms
pequeo que contiene (Es decir, = ).
227
Conjuntos Convexos y Teoremas Separacin en
El teorema 1.9 nos dice que cualquier punto en el casco convexo de puede escribirse como
una combinacin convexa de un nmero finito de puntos de , pero no nos dice cuntos de
tales puntos se requieren. El resultado siguiente dice que si es un conjunto en un espacio
vectorial -dimensional, esta combinacin convexa puede ser construida con, como
mximo, + 1 puntos de .
Teorema 1.10. Caratheodory. Sea un conjunto en . Si y es una combinacin convexa de puntos de X,

entonces y es una combinacin convexa de + 1 o menos puntos de X.
Prueba. Sea

= =1 (1)
con , [0,1] para todo , y =1 = 1. Se mostrar que si m > n + 1,

entonces puede escribirse como una combinacin convexa de m 1 puntos de .
Aplicando este resultado repetidamente, el teorema sigue.
Si cualquier en (1) es cero, entonces es una combinacin convexa de 1 o menos

puntos de , y hemos terminado. De lo contrario, > 0 para todo .
Supongamos que > + 1. Entonces 1 > (la dimensin del espacio vectorial en
el que estamos trabajando), y se llega a que cualquier coleccin de 1 vectores es
linealmente dependiente. En particular, los vectores 1 (2 1 , 3 1 , , 1 ) son
linealmente dependientes (vase el captulo 3). Por lo tanto, existen escalares 2, , m, no
todos cero, tales que

=2 ( 1 ) = 0 (2)
Dejando

=
=2
Tenemos

=1 = 0 (3)
y

=1 = (
=2 ) +
=2 = =2 ( 1 ) = 0 (4)
Restando un mltiplo apropiado de (4) de (1), podemos obtener como una combinacin
convexa de 1 o menos puntos de . Definir y por
1 i
= maxi = r para algunos r (5)
i r
= i i (6)
228
Y observe = / / para todo . Se llega entonces a que

= = 0 = 0 (7)

Usando (7) y (6) tenemos

= =1 = =1 =1 = =1 0 = 1
Por (3), y

= =1 =
=1 + =1 = + 0
Por (4). Por lo tanto, y es una combinacin convexa de 1 puntos de . Esto establece
el resultado.
(b) Propiedades topolgicas de Conjuntos Convexos
La convexidad implica algunas propiedades topolgicas interesantes. Un conjunto convexo,

por ejemplo, est claramente arco-conectado y, por lo tanto, conectado. En esta seccin
recopilamos algunos resultados menos obvios.
Teorema 1.11. Sea un conjunto convexo en (o, ms generalmente, en un espacio vectorial normado).
Entonces su cierre y su interior son conjuntos convexos.
Prueba. Probamos slo la segunda parte del teorema, dejando la primera como un ejercicio.
Dado dos puntos interiores de , , sean z = (1 ) x + y para algunos
(0,1). Mostraremos que es un punto interior de .
Dado que > 0, sea un punto arbitrario en (). Entonces = + , donde
||h|| < , y podemos escribir
= + = (1 ) + + (1 ) + = (1 )( + ) + ( + )
Donde + () e + (). Por lo tanto, para cualquier tenemos
() (1 ) () + () (1)
Ahora bien, como e son puntos interiores de , existe un > 0 tal que () y ()
estn ambos contenidos en . Entonces, por (1) y la convexidad de , tenemos
() (1 ) () + ()
Porque cualquier punto de () es una combinacin lineal de dos puntos en , uno en

() y el otro en (). Esto demuestra que z es un punto interior de .
Problema 1.12. Demuestre que el cierre de un conjunto convexo es convexo.
229
``

a
x

Escriba aqu la ecuacin.

`` B(1) (x ) B (x)
Figura 6.2
Teorema 1.13. Sea un conjunto convexo con un interior no vaco, con un punto interior de y
cualquier punto de cierre de . Entonces cada punto del segmento [ , ], excepto posiblemente para
es un punto interior de .
Prueba. Puesto que es un punto interior de , existe algn > 0 tal que sea () .
Considere un punto arbitrario = (1 ) + , con [o, 1). Para demostrar
que es un punto interior de , verificaremos que la bola abierta con centro en y radio
(1 ) est contenida en . En particular, sea un punto arbitrario en B(1 ) (x );
demostraremos que pertenece a mostrando que puede escribirse como una combinacin
convexa de dos puntos en , uno cercano a y el otro cercano a .
Porque B(1 ) (x ),
x < (1 ) (1)
Y porque es un punto de cierre de (es decir, cualquier bola abierta alrededor de

contiene al menos un punto de X), hay un punto suficientemente cercano a que
el segmento [z, x] pasa cerca a . En particular, podemos elegir z X tal que
1
< ((1 ) x ) (2)

Por lo tanto, por la desigualdad triangular y (2),
((1 )x + ) = ((1 )x + +
= ( x ) + ( ) x +
< x + ((1 ) x ) = (1 ) (3)
Luego, considere el segmento de lnea a travs de e , y extindelo hacia . Si queremos

que y sea de la forma = ( ) + , entonces a debe ser el punto
1
= ( )

230
Dividiendo ambos lados de (3) por (1 ), obtenemos
1
( ) = < (4)

Esta expresin muestra que el "nuevo" punto final del segmento a travs de e est dentro
de () y por lo tanto es un punto de , como es . Por lo tanto, = (1 ) +
es una combinacin convexa de puntos en , y por la convexidad de este conjunto,
concluimos que , que demuestra el teorema, para es un punto arbitrario en
B(1 ) (x ).
Problema 1.14. Usando el Teorema 1.13, demostrar que dado un conjunto convexo y un
punto interior de , cualquier rayo que emana de contiene como mximo un punto lmite
de .
Teorema 1.15. Sea un conjunto convexo con un interior no vaco. Entonces =

( )
Prueba. Debido a que int , se sigue inmediatamente que ( ). Por el contrario,

sea un punto interior de . Entonces para cualquier punto de cierre de , con ,2 el
segmento de lnea [, ) est contenido en int X, por el Teorema 1.13. Por lo tanto, hay
puntos en int X arbitrariamente cerca de , y se sigue que cl(int ). Debido a que
era un punto de cierre arbitrario de X, adems, tenemos cl cl (int ).
Teorema 1.16. Sea X un conjunto convexo con un interior no vaco. Entonces () =

bdyX.
Prueba
(i) ().Sea a un punto lmite (y por lo tanto un punto de cierre) de X,
y supongamos que no es un punto lmite de X. Entonces, porque a cl
X, debe ser un punto interior de X, y se llega a que existe un > 0 tal
que () cl . Como int es no vaco por suposicin, el Teorema 1.15
implica que cl = cl (int ), y tenemos
() ( )
Se deduce que () contiene al menos un punto interior de , digamos . Sea = 2

. Entonces = y = < , lo que implica que ()
cl. Adems, darse cuenta que
1 1
= +
2 2
Por lo que se encuentra en el segmento de lnea [, ), donde es un punto interior de

y es un punto de cierre del mismo conjunto. Debido a que es convexa, se deduce por el
231
teorema 1.13 que debe ser un punto interior de , lo que contradice la suposicin de que
es un punto lmite de este conjunto.
(ii) ( ) . Sea un punto lmite de . Entonces para cada > 0,

() contiene un punto que no est en el cierre de y por lo tanto no en
. Similarmente, () contiene al menos un punto de cierre de , digamos
, y porque debe tener puntos de arbitrariamente cerrados, ()
tambin contiene un punto de . Formalmente, deje

= > 0
2
Entonces () () y porque es un punto de cierre de , ()

debe contener un punto de que tambin se encuentra en (). Por lo
tanto, concluimos que es un punto lmite de . (Ntese que no necesitamos
convexidad o un interior no vaco para establecer esta parte del teorema.)
Problema 1.17. Sea un conjunto convexo con un interior no vaco. Mostrar que
( ) =
(c) Interior Relativo y Lmite de un Conjunto Convexo
Un crculo en 3 es un ejemplo de un conjunto convexo con un interior vaco. Sin embargo,

si nos limitamos al plano que lo contiene, el mismo crculo tiene ahora un interior no vaco.
De manera ms general, podemos considerar el interior relativo de un conjunto convexo
en , definido como su interior relativo al subespacio afn menor de que contiene .
Comenzamos mostrando que tal subespacio existe siempre. Pero primero debemos
introducir el concepto de "hiperplano".
Definicin 1.18. Hiperplano. Un hiperplano en es el subespacio 1 -dimensional afn

de formado por todos los -vectores que satisfacen una ecuacin lineal en n incgnitas.
Un vector 0 en y un escalar definen el hiperplano (, ) dado por

(, ) = { = (1 , , ) ; = = }
=1
Dado cualquiera de los dos vectores y en (, ), = = . Se deduce que

para cualquier escalar (no necesariamente entre 0 y 1), tenemos
x = ((1 ) + ) = (1 ) + = (1 ) + = (1)
232
p
-
-
H(p,)
Escriba aqu la ecuacin.
Figura 6.3 Un hiperplano y su normalidad
Si nos limitamos a valores de entre 0 y 1, esta expresin muestra que (, ) es un

conjunto convexo. De manera ms general, (1) se establece que (, ) es un subespacio
afn de , es decir, un conjunto de la forma H (, ) = x 0 + , donde 0 es un vector
arbitrario en , y es un subespacio lineal de . Definimos la dimensin del hiperplano
(, ) o, ms generalmente, de un subespacio afn H, que es la dimensin del subespacio
vectorial "paralelo" a H.
Obsrvese que cualquiera de los dos vectores y en (, ) satisfacen ( ) =
0. Por lo tanto, es ortogonal a cualquier segmento de lnea en (, ). Es a veces llamado
lo normal al hiperplano (, ).
Ahora podemos demostrar que un conjunto convexo en est contenido en un
hiperplano si y slo si tiene un interior vaco.
Teorema 1.19. Sea un conjunto convexo en . Entonces existe un hiperplano que contiene si y
slo si = .
Prueba
(i) Un conjunto convexo con un interior vaco est contenido en un hiperplano.

Probaremos la afirmacin contrapositiva: Si no existe tal hiperplano, entonces
tiene un interior no vaco.
Supongamos que no se encuentra en un hiperplano. Entonces podemos
encontrar + 1 puntos de , digamos 0 , 1, , que no estn contenidos en
ningn hiperplano. Ahora mostraremos que los vectores
= 0 = 1, ,
Son linealmente independientes. (Nuevamente, probamos lo contrapositivo.)

Supongamos que 1 , , son linealmente dependientes. Entonces existen
escalares 1 , , no todos cero, tales que
233
= 0
=1
Es decir, existe un vector = (1 , , ) 0 tal que
= ( 0 ) = 0
Por lo tanto, todos los vectores 0 , 1, , resuelven la ecuacin = (con

= 0 ) y por lo tanto se encuentran en un hiperplano. Como no es el caso por supuesto,
se deduce que 1 , , son linealmente independientes y por lo tanto abarcan .
Ahora bien, como es un conjunto convexo, cada punto de la forma

= [0,1] = 0, , = 1 (1)
=0 =0
se encuentra en . Ntese que podemos reescribir (1) como sigue:

= 0 0 + = (0 + ) 0 + ( 0 ) = 0 +
=1 =1 =1 =1
Por lo tanto, cada punto de la forma
= 0 + =1 , con [0,1] para cada = 1, , y =1 1 (2)
Se encuentra en . Fijar uno de estos puntos,

= 0 + =1 , con [0,1] para cada = 1, , y < 1
=1
Luego, considere los puntos cerca de Como 1 , , es una base para , cada punto
tiene una representacin de la forma
0 = =1
Con cada cerca de . Por lo tanto, para todos estos puntos suficientemente cercanos a ,
tenemos [0,1) para cada , y =1 < 1 , y sigue a . Esto muestra que
contiene una bola con centro en y un radio suficientemente pequeo, por lo que es un
punto interior de , e 0, como se demostrar.
(ii) Mostraremos que un conjunto en con un interior no vaco no est contenido

en ningn hiperplano de . Sea un punto interior de . Entonces existe un
nmero 2 > 0 tal que 2 () . En particular, los n puntos de la forma
+ donde = (0, . . . , 1, 0, . . . , 0) es el i-simo vector unitario, que se
encuentra en . Consideremos ahora un hiperplano (, ) que pasa por (es
234
decir, tal que = ). Si este hiperplano contiene todos los puntos +

tenemos
( + ) = + = + =
Y por tanto = 0 para todo , y = 0. Se deduce que no hay hiperplano en que

contenga 2 (), y por lo tanto no hay hiperplano que contenga .
Debido a que es en s un espacio afn (de dimensin ), el teorema muestra que cada
conjunto convexo en Rn puede estar contenido en un espacio afn. Si tiene un interior
vaco, este espacio es un hiperplano de dimensin como mximo 1, pero puede ser de
una dimensin ms pequea. Debido a que la interseccin de subespacios afines de Rn es en
s un subespacio afn, podemos definir el casco afn de un conjunto en Rn como la
interseccin de todos los subespacios afines de Rn que contienen . La dimensin del
conjunto se define entonces como la dimensin de su casco afn.
Es evidente que el casco afn de , , es el subespacio afn ms pequeo de que

contiene . Puede demostrarse que aff es el conjunto de todas las combinaciones afines
de elementos de . Para el caso donde es un crculo en 3 , por ejemplo, se forma
tomando todas las lneas que pasan por dos puntos en y extendindolos fuera del conjunto,
para recuperar el plano sobre el cual se encuentra el crculo.
Ahora podemos definir el interior relativo de un conjunto convexo , , como su

interior relativo a su casco afn.
Definicin 1.20. Punto interior relativo y el interior relativo de un sistema. Sea X un conjunto
en . Un punto x es un punto interior relativo de si existe algn > 0 tal que B (x)
. El conjunto de todos los puntos interiores relativos de se llama el interior
relativo de , denotado por .
Se puede demostrar que el interior relativo de un conjunto convexo no vaco nunca est
vaco. Por lo tanto, el interior relativo de un conjunto convexo es generalmente ms grande
que su interior. Si , sin embargo, tenemos = , y sigue que =
. Por lo tanto, tenemos = si y slo si .
Debe observarse que el interior relativo de un conjunto no hereda las propiedades habituales
del interior de un conjunto. Por ejemplo, implica , pero la expresin
anloga no necesita ser vlida para sus interiores relativos. Como ilustracin, considere un
tringulo en 3 y uno de sus lados. Entonces el casco afn del tringulo es un plano que lo
contiene, y el de su lado es una lnea recta. Los interiores relativos de estos dos conjuntos (el
interior del tringulo relativo al plano, y un intervalo abierto en la lnea) son disjuntos. Puesto
que es un conjunto cerrado (su complemento est abierto), el cierre de est
contenido en , y se llega a que el "cierre relativo" de es simplemente el cierre de .
El conjunto = ~ es llamado el lmite relativo de . Debido a que el
cierre de es tambin su cierre relativo, es en realidad el lmite de relativo a
.
Si nos limitamos al casco afn de un conjunto convexo, las pruebas de muchos de los
235
resultados de la seccin anterior pueden adaptarse fcilmente al caso del interior relativo.
Tenemos, en particular, el siguiente teorema. Vase Bronsted (1983) o Bazaraa y Shetty
(1976) para detalles.
Teorema 1.21. Sea un conjunto convexo en . Entonces
(i) Para cualquier xi rinkX y cualquier xc (con xi xc ) el segmento de lnea

semiabierta [x0 xc ) se encuentra en rint ,
(ii) es convexo
(iii) = ( )
(iv) = ( ),
(v) = () = ( )
Problema 1.22. Demuestre que un punto en un conjunto convexo es un punto interior

relativo de si y slo si cualquiera de las dos condiciones siguientes (equivalentes) tiene:
(i) Para cualquier lnea en , con , existen puntos y en

tal que ( / )
(ii) Para cualquier punto con , hay un punto tal que e (\ ").
Es decir, el segmento [ \ ] en puede extenderse ms all de xt sin salir del
conjunto.
Problema 1.23 Sea un conjunto convexo en , con ( ) 0. Demostrar que
es no vaco.
(d) Teoremas de separacin
Un hiperplano (, ) divide a Rn en dos regiones, con todos los puntos en un lado de

(, ) satisfaciendo , Y todos los que estn en el otro satisfacen la
desigualdad inversa. Decimos que dos conjuntos e Y estn separados por un hiperplano
(, ) si se encuentran en diferentes lados de (, ). Ms formalmente, decimos que un
hiperplano (, ) separa dos conjuntos e en si para todo x en y todo y en Y
tenemos < < . Si esta expresin se mantiene con estrictas desigualdades, decimos
que e estn estrictamente separados por (, ).
Un hiperplano H (p, a) es un hiperplano de apoyo para un conjunto si contiene
un punto en la frontera de y todo el conjunto se encuentra en el mismo lado de H (p,
a). Equivalentemente, H (p, a) soporta si
= inf{; } = sup{; }
La intuicin sugiere que un conjunto convexo en Rn tendr un hiperplano de apoyo
A travs de cada punto en su frontera. Tambin sugiere que dado dos conjuntos disjuntos
convexos en Rn, deberamos ser capaces de encontrar un hiperplano que los separe. Los
siguientes teoremas establecen que ambas afirmaciones son verdaderas.
Teorema 1.24. Sea un subconjunto cerrado y convexo no vaco de , y

Z g un punto fuera de .
(i) Existe un punto 0 en y un hiperplano (, ) a 0 que soporta y lo separa de {}.

Es decir, (, ) es tal que
236
X X Y
Figura 6.4 Soporte y separacin de hiperplanos
x0 x
P
P x0
Z
Z
H H
Figura 6.5
pz < = px 0 = {px; x X}
ii) Existe un segundo hiperplano (, ) que separa estrictamente y . Es decir,
pz < < px x X
Prueba. Comenzamos mostrando que hay un punto 0 en X que minimiza la

Distancia entre y X. Escoja cualquier punto x 'en X, y defina el conjunto
= { ; (, ) (, )}
Donde ( ) es la mtrica euclidiana. Debido = (,) [] es un conjunto cerrado y

limitado en Rn y (. ; )es una funcin continua, el teorema del valor extremo garantiza la
existencia de una solucin para el problema
min{(, ); }
237
Llame 0 el punto en B (y por lo tanto en X) que resuelve este problema.
(i) Para probar la primera parte del teorema,
= 0 y = 0
Entonces (, ) es el hiperplano a travs de 0 que es ortogonal al segmento

de lnea conectando 0 y . Afirmamos que este es el hiperplano deseado, es
decir, que
< = 0 = inf{; }
Primero, tenemos
= 0 + 0 = 0 + ( 0 ) = 0 = 2 <
Por lo que z est por debajo de (, ).
Para demostrar que X est por encima del hiperplano, procedemos por
contradiccin.
Supongamos que hay un punto y en X tal que py <a, y deje
= (1 ) 0 + para (0,1)
Entonces , por la convexidad de X y un calculo directo produce

2
0 2 = (2( 0 ) + 0 2 ) (1)
Ahora, por construccin = 0 y tambin se asume que < , implicando

que ( 0 ). Esta ltima desigualdad y (1) implica que
2
0 2 >
Para un pequeo > 0. Por lo tanto, algunos X es estrictamente ms

cercano a z que x lo que es imposible,
porque x se define como el elemento de X que minimiza la distancia
D {x, z) = || z - x ||. Por lo tanto, tenemos una contradiccin.
(ii) La demostracin de la segunda parte es casi idntica (con la misma p), excepto
que nosotros ahora elegimos para que (, ) pase por el punto medio del
segmento que conecta y 0 .
El siguiente teorema dispensa la condicin de que sea cerrado.
Teorema 1.25 Sea un cuerpo no vaco y convexo (pero no necesariamente cerrado)

establecido en .
(i) Si e es un punto fuera de este conjunto, entonces existe un hiperplano (, )

a travs de que separa {} y , es decir, = para todo x e X.
238
(ii) Si x es un punto lmite de , entonces existe al menos un hiperplano de soporte

para que pasa por 0 (teorema de soporte-hiperplano).
Prueba
(i) Consideremos dos casos: Si , entonces podemos aplicar el teorema

precedente,
Porque el cierre de X es un conjunto convexo cerrado que contiene X. La otra
posibilidad es que z pertenezca al cierre de X, pero no a X mismo. Entonces z es un
lmite
Punto de X y un punto interior o un punto lmite de cl X.
Mostraremos que la primera posibilidad conduce a una contradiccin. Suponiendo

que es un punto interior , punto de . Luego (X) no est vaco, y por el
Problema 1.23, ninguna es .Pero luego tenemos , por el Teorema 1.16 ,
que () = .
Por lo tanto, porque es un punto limite de , es tambin un punto lmite de ,

contradiciendo nuestra suposicin que ().
Por lo tanto es un punto limite de , y se deduce que debido a que cualquier

bola abierta alrededor de contiene al menos un punto en () , podemos
encontrar una secuencia { } con y { }
Ahora porque , y es un conjunto convexo cerrado( por el teorema

1.11). Podemos encontrar (por el teorema 1.24), una secuencia de vectores { } tal
que para cada
< cl (1)
Despus definimos
1
=

Y observamos que esta normalizacin no afecta a la desigualdad en (1). As,
tenemos, para cada
< cl (2)
Porque la secuencia est limitada y por lo tanto tiene una secuencia convergente,
por el teorema de Bolzano Weierstrass. Llame al lmite de la secuencia. Tomando
los limites como los rendimientos
cl
Y por ende para toda en . Por lo tanto, (, ) es el hiperplano deseado
(ii) Sea 0 un punto lmite de .Si 0 , luego (i) se aplica. Pero incluso si 0 , la
prueba es idntica, una vez que observamos que, por el mismo argumento que en (i),
un punto lmite de es tambin un punto lmite de . Por lo tanto, cualquier bola
abierta alrededor de 0 contiene puntos de ( ) y podemos construir una
secuencia { } como antes.
239
Funciones Cncavas
Teorema 1.26. Teorema del hiperplano deparador (Minkowski). Sea y conjuntos disjuntos y conversos
no vacios en , entonces existe un hiperplano (, ) que separa y
Demostracin. Por el teorema 1.4, el conjunto
= = + (1)
Es convexo. Por otra parte, porque = tenemos 0 . (Porque y no tienen
elementos comunes , para cualquier y cualquier tenemos , y por lo tanto
= 0 para cualquier en . Por el teorema precedente, hay un vector en que
separa y {0}, es decir , tal que
0 = 0 para cada en
Equivalentemente, para cualquier y cualquier , tenemos
0 = ( )
El conjunto de los nmeros reales de la forma {; } est limitado por encima (por
cualquier ) y por lo tanto tienen un supremo, que llamamos . Por la propiedad del
supremo
Para y .Por lo tanto (, )separa y .
2. Funciones cncavas
Concavidad y cuasiconcavidad son conceptos importantes en programacin matemtica.
Como vista previa, el lector debe recordar las condiciones para un mximo local de una
funcin real univariable. La condicin de primer orden () = 0 es necesaria pero no
suficiente para un mximo local. Nos dice que la tangente de debe ser horizontal en , lo
cual es ciertamente correcto en un mximo local, pero tambin a un mnimo local. Para
separar mximos de mnimos usamos un segundo conjunto de condiciones (suficientes) que
a menudo se expresan en trminos de derivadas secundarias. Para una funcin univariable,
() < 0 nos dice que es cncava en un vecindario de . Intuitivamente, la curvatura de
la funcin es tal que una tangente horizontal debe sealar un "pico" en lugar de un "valle".
Adems, si es globalmente cncavo, entonces slo puede haber un "pico" y no "valles".
Por lo tanto, una vez que encontramos un tal que fijar ( )= 0, hemos encontrado el
mximo global de la funcin.
En resumen, las condiciones de segundo orden para la maximizacin no restringida
ascienden a comprobar la concavidad de en el vecindario de un punto crtico. Y si la
funcin es globalmente cncava, un mximo local es un mximo global. Una situacin similar
surge en relacin con problemas de programacin ms complicados, excepto que tambin
tenemos que preocuparnos por la curvatura de las funciones de restriccin.
En lo que sigue, consideramos funciones de la forma : , donde es un

conjunto convexo en . Dado por dos puntos cualquiera , cualquier
240
combinacin convexa de y tambin estar en el dominio de la funcin. Por lo tanto,

podemos comparar la ( ) con la correspondiente combinacin convexa de ( ) y
( ), (1 )( ) + ( ), que traza el acorde a travs de los puntos
( , ( )) ( , ( )) en la grfica de . Si el acorde est siempre por debajo de la
funcin, decimos que es cncavo. Si est siempre por encima de la funcin, es convexa.
f
f
f(x)
f(x ) f(x)
(1 )f(x) + f(x) (1 )f(x) + f(x)
f(x) f(x )
f(x)
x x x x x x x x
Figura 6.6. Funciones cncavas y convexas
Definicin 2.1. Funcin cncava. La funcin : X , donde X es un conjunto

convexo, es cncavo si se le dan dos puntos en X tenemos
(1 )() + () [(1 ) + ] ( ) [0,1]
Y es estrictamente cncava si la desigualdad se cumple estrictamente para (0,1) , es

decir, si
, (0,1), (1 )() + () < [(1 ) + ] ( )

Invertimos la direccin de las desigualdades, se obtienen las definiciones de convexidad y
convexidad estricta.
(a) Algunas caracterizaciones
Dada una funcin : X , su hipo grama es el conjunto de puntos (, ) situada
sobre o debajo del grfico de la funcin:
hip = {(, ) +1 . ; ()}
Del mismo modo, el epgrafe de se define como
epi = {(, ) +1 ; ()}

El siguiente resultado da una caracterizacin de funciones cncavas en trminos de la
convexidad de sus hipgrafos. Una caracterizacin similar de los convexos las funciones se
pueden dar en trminos del epgrafe.
241
Funciones Cncavas
f f
Epi f f
Epi f
hip f
hip f
f
f cncavo f convexo
Figura 6.7.
Teorema 2.2. La funcin : , es cncava si y slo si su hipografia es un conjunto convexo.

La funcin es convexa si y slo si su epgrafe es convexa.
Prueba
cncava hip convexa

Sea una funcin cncava, y tome dos puntos arbitrarios (, ) (, ) hip .
Entonces () (), para cualquier [0,1].
= (1 ) + (1 )() + () [(1 ) + ]
( ) (1)
Donde la segunda desigualdad se mantiene por la concavidad de . De (1), ( ), lo

que implica que el punto
( , ) = [(1 ) + , (1 ) + ] (1 )(, ) + (, )
Se encuentra en . Porque (, ) (, ) son puntos arbitrarios de hip , este

conjunto es convexo. La figura 6.8 ilustra el argumento.
hip convexo cncavo

Dado algunos dos puntos en el dominio de los puntos
(, ()) (, ()) se encuentran en hip . Por la convexidad de este conjunto,
tambin lo hace el punto
(1 )(, ()) + (, ()) = ((1 ) + , (1 )() + ))
Por lo tanto,
(1 )() + () [(1 ) + ]
Y porque son arbitrarias, concluimos que es cncava.
242
Definicin 2.3. Sper diferencial. Sea : X R, una funcin, y 0 un punto en su

dominio. Si existe un vector 0 tal que

( )
( )

Figura 6.8.
() ( 0 ) + 0 ( 0 ) (1)
Para todo en podemos decir que f es sper diferenciable en 0 y llamamos al vector 0

un sper gradiente de . El conjunto de todos los sper gradientes de en 0 se denomina
sper diferencial de en 0 denotado por ( 0 ).
Si es una funcin cncava definida en un conjunto convexo en , entonces hip es un

conjunto convexo en +1 y (, ()) es un punto es un punto en su limite. Por el Teorema
1.25, hip tiene un hiperplano de apoyo a travs de cada punto en la grfica de y la funcin
en si misma se encuentra debajo del hiperplano. Por lo tanto las funciones cncavas son
sper diferenciables.
El siguiente teorema muestra que el resultado que acabamos de anticipar y su inverso son
ambos verdad, dndonos otra caracterizacin de la concavidad. Ntese que la supergradiente
de una funcin cncava no necesita ser nico. Si la funcin tiene una doblez tendr varios
hiperplanos de soporte como observamos en la Figura 6.9.
Teorema 2.4. Sea una funcin de valor real definida en un conjunto abierto y convexo en . Entonces
es cncava si y solo si es sper diferenciable en todas las partes de su dominio, esto es, si se da algn 0 en
existe un vector 0 en tal que
f(x) f(x 0 ) + q0 (x x 0 ) (1)
para todo x en
Prueba
(i) Una funcin cncava en un conjunto abierto entonces f es sper diferenciable
243
Funciones Cncavas
H
H
f

0
Figura 6.9. Supergradientes de una funcin cncava.
Sea una funcin cncava definida en un conjunto abierto y convexo en . Entonces

hip es un conjunto convexo en +1, y para cualquier 0 dado en , (( 0 ), 0 ) es un
punto en el lmite de este conjunto. Por el Teorema 1.25, hip tiene un hiperplano de apoyo
[(0 ; ), ] a travs de (( 0 ), 0 ). Es decir, existe un vector no nulo (0 ; ), +1
(con 0 y p .) tal que
0 ( 0 ) + 0 = (1)
Y hip se encuentra completamente en un lado de . Para la concrecin, suponga que
0 + (, ) hip (2)
(Si la desigualdad inversa se mantiene, la prueba pasa con lo obvio
Cambios). Combinando (1) y (2),
0 [ ( 0 )] + ( 0 ) 0 (, ) hip (3)
Comenzamos determinando el signo de p0. El punto (( 0 ) , 0 ) se encuentra en hip

para cualquier > 0. Por (3),
0 [( 0 ) ( 0 )] + ( 0 0 ) 0 0 0 0 0
As que 0 es un nmero no negativo. A continuacin, mostramos que en realidad 0 debe
ser estrictamente positivo. Procedemos por contradiccin: Supongamos que 0 = 0,
entonces (3) implica que
( 0 ) 0 (4)
Si 0 = 0, al menos uno de los componentes de , digamos , debe ser diferente de cero.
244
Considere un punto , con
= 0 + y = 0 para
Debido a que es un conjunto abierto, podemos elegir > 0 lo suficientemente pequeo

como para que x'est en .
Segn (4), se deduce que

( 0 ) = (0 + 0 ) + (0 0 ) = 2 0

lo que es imposible, porque > 0 . Por lo tanto, concluimos que 0 > 0.

Finalmente, dado un punto arbitrario , el punto ((), ) est en hip .
Segn (3),
0 [() ( 0 )] + ( 0 ) 0
Dividiendo a travs de 0 > 0 y reordenando,

1
() ( 0 ) + ( 0 )
0
Poniendo 0 = (10 ), obtenemos el resultado deseado,

(ii) superdiferenciable en cncava
Fijar dos puntos arbitrarios y 0 en, y dejar = (1 ) 0 + x para algunos
(0,1). Debido a que es un conjunto convexo, , y, por supuesto, existe
un vector tal que
() ( ) + ( ) (5)
( 0 ) ( ) + ( 0 ) (6)
Multiplicando estas dos desigualdades por y (1 ) > 0, respectivamente, y aadiendo

ellos,
() ( ) + ( )
(1 )( 0 ) (1 )( ) + (1 ) ( 0 )
(7)
(1 )( 0 ) + () ( ) + [( ) + (1 )( 0 )
Ahora considere la expresin entre parntesis; tenemos
( ) + (1 )( 0 ) = + (1 ) 0 = 0
Por lo tanto, (7) se reduce a
(1 )( 0 ) + () ( )
que muestra que f es cncavo.

Dada una funcin : y dos puntos en su dominio, y
definimos la funcin univariada : por
() = [(1 ) + ] = [ + ( )]
245
Funciones Cncavas
Para fijo y . Nuestro siguiente teorema dice que es cncava si y slo si

es siempre cncava. Porque trabajar con una funcin univariante es a menudo ms fcil,
este resultado a menudo proporciona una manera conveniente para establecer la concavidad
de una funcin multivariable.
Teorema 2.5. La funcin : , donde X es un conjunto convexo, es cncava si y slo si la

funcin = [1 ] + es cncava para cualquier dos puntos y . en el dominio de .
Problema 2.6. Probar Teorema 2.5
b) Propiedades de las funciones cncavas

Ahora establecemos algunas propiedades tiles de las funciones cncavas.
Teorema 2.7. Sea : una funcin cncava. Para cualquier El contorno superior de
,
U = {x X; f(x) }
est ya sea vaco o convexo. Similarmente, si es convexo, entonces el conjunto inferior,
L = {x X; f(x) }
es convexa siempre que no est vaca.
La afirmacin inversa no es cierta. Como veremos, la propiedad ms dbil de
cuasiconcavidad es suficiente para garantizar la convexidad de la parte superior conjuntos de
contorno.
Prueba: Sean y 2 puntos cualquiera en que sea con ( ) y ( ) .

Por concavidad de ,
( ) (1 )( ) + ( )
Para cualquier [0,1].Por lo tanto,
Ecuacin: = (1 ) + para cualquier [0,1]
y es por lo tanto un conjunto convexo, como se ilustra en la Figura 6.10.

Los resultados que siguen muestran que ciertas transformaciones de funciones cncavas son
tambin cncavas.
Teorema 2.8: Sea : una funcin cncava y : una funcin creciente y cncava
definida en un intervalo I que contiene (). Entonces la funcin [()] es cncava.
246
( )
(1 )( )+()

Figura 6.10. Concavidad implica convexidad de los conjuntos de contorno superiores
Problema 2.9. Demostrar el Teorema 2.8.
Teorema 2.10. Deja f y g sea funciones cncavas . Dado el escalar y > 0, la funcin
= + es cncava.
Teorema 2.12. Dejar que {f ; }sean una familia (posiblemente infinita) de funciones
cncavas X R, que se limita a continuacin. Entonces la funcin definida en
() = inf{ (); }
es cncava.
Problema 2.13. Demostrar el Teorema 2.12. Consejo: Utilice el Teorema 2.2.
Figura 6.11 ilustra la intuicin detrs de Teorema 2.12. Una propiedad interesante de una
funcin cncava es que es continuo por todas partes en el interior de su dominio.
Teorema 2.14. Sea f que define una funcin cncava en un conjunto abierto en . Entonces f es continuo
en .
La figura 6.12 ilustra por qu esto es cierto. Concavidad requiere que el acorde a travs de
dos puntos en la grfica de la funcin mentira debajo de la misma funcin. Si el dominio de
la funcin est abierto, esto ser imposible si la funcin es discontinua. Si no est abierto,
discontinuidades son posibles, pero slo en los puntos en el lmite de .
247
Funciones Cncavas
Infs f s
Figura 6 .11
f f
f(x )
x x x x x
Figura 6.12
De la prueba. Escoge unos 0 en . Porque X es abierto hay algunos > 0 pequeo que el
cubo con el lado 2
= { ; 0 0 + }
Todava figura en X. Sea V el conjunto de los2 vrtices de C, y poner
= min{(); }
248
El conjunto = { ; () } es convexo, por Teorema 2.7. Por otra parte, V a

por la construccin, y dado que C es el casco convexo de V (es decir, el menor convexo
conjunto con V), tambin tenemos , es decir,
() (1)
Deje x sea un punto arbitrario en la bola ( 0 ) (que se encuentra en C) y dejar que 0 +
y 0 ser los puntos donde la recta x y 0 corta el lmite de ( 0 )como se muestra en
la figura 6.13. Podemos escribir x como una combinacin convexa de 0 y 0 + y 0 como
una combinacin convexa de x y 0 . Porque x est en la lnea recta a travs del 0 y
0 + , tenemos = 0 + u para algunos y en particular.
0 0
0 = u =
= (2)

Ahora,
= 0 + u x = ( 0 + ) + (1 ) 0 (3)
Y
0 = u (1 + ) 0 = u + 0 = + ( 0 )
De donde
1
0 = 1+ + 1+ ( 0 )
f(x) =
B (x 0 )

0
2
x -u 0
x
= x 0 - u
Figura 6.13
249
Funciones Cncavas
Usando (3) y (4), la concavidad de en y el principio de (1) mantener todos los puntos en
esta expresin, que tenemos
(3) (x) ( 0 + ) + (1 )( 0 ) +(1 )( 0 )

Implicando
(x) ( 0 ) [( 0 ) ] (5)
Y
1 1
(4) ( 0 ) (x) + ( 0 ) [(x) + ]
1+ 1+ 1+
De donde
(1 + )( 0 ) (x) + (x) ( 0 )
[( 0 ) ] (6)
Combinado (5) y (6), y usando (2), tenemos
0 )| 0)
0
|(x) ( [( ] = [( 0 ) ]

Dado cualquier > 0, tenemos |(x) ( 0 )| para toda X lo suficientemente cerca
para 0 . En particular, esta suficientemente cerca x para

0 <
( 0 )
En otras palabras, es continua en 0 , y porque este es solo un punto arbitrario de , es

continuo en .
Deja : . X R ser una funcin cncava. Arregla un punto en X dominando una

direccin de un vector h en y considera mover X, en la direccin de h, como lo demuestra
la figura 6.14 (i.e. consideramos puntos de la forma + ). En el siguiente resultado dice
que la pendiente saco los puntos (, (x)) y (+ , ( + )) disminuye a medida que
avanzamos hacia la derecha.
Teorema 2.15. Deja que f: X R sea una funcin cncava definida en un conjunto
abierto y convexo X. Entonces la relacin (( + ) ())/, donde h es una
funcin decreciente (dbil) de .
Prueba. Fijar y que h sea un vector arbitrario en . Consideremos primero el caso

donde > 0. Porque X es abierto, + suficientemente pequea pero estrictamente
positivo . Se establecer el resultado deseado, mostrando
( + ) () ( + ) ()

para cualquier nmero positivoms pequeo que o igual a .
250
x x+h x+h
Figura 6.14.
Poner = para (0,1) y observe que podemos escribir
+ = + h = x + x x + h = (1 )x + (x + h)
Ahora, la concavidad de f implica que
( + ) = [(1 )x + (x + h)] (1 )() + ( + )

y, al reorganizar
( + ) () [( + ) ()]
Finalmente, porque = / > 0, obtenemos el resultado deseado

( + ) () ( + ) ()

Si < 0, a continuacin, la ltima desigualdad se invierte, pero entonces , por lo que
la funcin sigue aumentando.
Este resultado tiene algunas implicaciones interesantes. Tenga en cuenta que el lmite del
cociente de la diferencia (( + ) ()/) como enfoques cero de arriba es la
unilateral derivada direccional de en x en la direccin de (; + ) (o (; )
0 ). Como sabemos del captulo 2 (seccin 6), montonas funciones definidas
en un intervalo abierto siempre tienen lmites unilaterales. Por lo tanto, funciones cncavas
tienen derivados direccionales unilaterales (y, en particulares, unilaterales derivadas parciales)
puntos en todos los interiores de sus dominio.
Las supergradiente de una funcin cncava pueden estar relacionada con sus derivados
parciales unilaterales. Que F sea una funcin cncava definida en un conjunto abierto de
y considerar pasando de un punto en la direccin de h. Es un supergradiente de en x,
entonces
251
Funciones Cncavas
( + ) () + ()
para cualquier tal que + . Reordenando esta expresin

(+)()
para > 0

(+)()
para < 0

Tomando los lmites de estas expresiones como va a cero desde arriba y desde abajo,
obtenemos
(; + ) (; )
Por ltimo, tomando en el simo vector coordenadas en , , llegamos a
( + ) ( ) para cada i= 1...,n
Por lo tanto, los componentes de la supergradiente de en se limita con izquierda y

derecha derivados parciales la funcin. Si es diferenciable, coinciden los dos parciales
unilaterales, y la nica supergradiente es la derivada de a . Por el contrario, l puede ser
demostrado eso si F tiene un nico supergradiente en un punto , entonces es diferenciable
en .
Adems, se puede demostrar que una funcin cncava es diferenciable (y de hecho continuamente
diferenciable) casi en todas partes en el interior de su dominio (es decir, en todos los puntos excepto
posiblemente para un conjunto de medida cero) (Rockafellar, 1970, p. 246).
A veces estamos interesados en determinar si es o no una determinada funcin cncava
diferenciable en un punto especfico. El resultado siguiente, por Benveniste y Scheinkman
(1982), es a veces til en esta situacin.
Teorema 2.16. Sea ser un subconjunto convexo de , V: X una funcin cncava. Que 0
int X y Supongamos que existe algn > 0 y una funcin diferenciable y cncava W: X tal manera
que
W(x) V(x)x B (x 0 ) y W(x 0 ) = V(x 0 ) (1)
Entonces V es diferenciable en x 0 , y
DV(x 0 ) = DW(x 0 )
Prueba. Debido a que V es cncava, es superdiferenciable, y satisface a cualquier
supergradiente de V en 0
() ( 0 ) + ( 0 )
para cualquier x de ( 0 ). Reordenando esta expresin y utilizando (1),
() ( 0 ) () ( 0 ) ( 0 )
Por lo q es una supergradiente de a 0 . Porque es diferenciable, por otra parte, que es

nico, y porque cualquier funcin cncava con un nico supergradiente en un punto interior
252
de su dominio es diferenciable, es diferenciable en 0 , con ( 0 ) = = ( 0 ).
(c) Concavidad de Funciones Lisas
Ahora estableceremos algunas caracterizaciones de la concavidad de funciones 1 2 que

sern tiles en nuestro desarrollo de programacin no lineal en el siguiente captulo. En esta
seccin suponemos que es un liso, valor real funcin definida en un abierto y convexa en
. Apertura es necesaria para que podemos suponer que es diferenciable en todos los
puntos en .
Si es una funcin cncava lisa, su grfico se encuentra en todas partes debajo del hiperplano
tangente definido por su derivado y viceversa, una funcin de 1 que se encuentra en todas
partes por debajo de su hiperplano tangente es cncava. El teorema siguiente muestra que
un leve fortalecimiento de esta declaracin produce una caracterizacin de funciones 1
estrictamente cncavas.
Teorema 2.17. Dejar f: X R ser un 1 la funcin definida en un abierto y convexa

. Entonces f es cncavo si y slo si dados dos puntos cualquiera 0 y x en , tenemos
f(x) f(x 0 ) + Df(x 0 )(x x 0 )

Adems, f es estrictamente cncava si y slo si la desigualdad lleva a cabo estrictamente, es
decir, si y slo si
f(x) < f(x 0 ) + Df(x 0 )(x x 0 )
para todos los pares de puntos distintos 0 y x en .

Prueba
concava (x) ( 0 ) + ( 0 )( 0 ) , 0
Fijar 0 y escribir
= (1 ) 0 + x = 0 + (x 0 )
Con (0,1). Por la concavidad de , tenemos:
(1 )( 0 ) + () [ 0 + (x 0 )] (1)
Desde donde, reordenando
[ 0 +(x 0 )]( 0 )
(x) ( 0 ) (2)

253
Funciones Cncavas
( 0 ) + ( 0 )( 0 )
f(x)
0 x
Figura 6.15. 1 funcin cncava
Cuando tomamos el lmite de esta expresin como 0 la desigualdad se conserva. Por

otra parte, el lmite de la derecha es precisamente la derivada direccional de en la direccin
0 . Porque es 1 , el lmite existe y es igual a ( 0 )( 0 )(vase el captulo 4).
Por lo tanto, (2) implica
() ( 0 ) ( 0 )( 0 )
A continuacin, supongamos que es estrictamente cncava. Entonces (2) sostiene

con desigualdad estricta, esto es,
[ 0 +(x 0 )]( 0 ) ( )( 0 )
(x) ( 0 ) < = (3)

Para (0,1) adems, implica la concavidad de , como slo hemos demostrado, que
( ) ( 0 ) ( 0 )( 0 )
Sustituyendo esta expresin en (3) y observando que

1 1
( 0 ) = [ 0 + ( 0 ) 0 ] = 0

Obtenemos el resultado deseado:
( ) ( 0 ) ( 0 )( 0 )
() ( 0 ) < = ( 0 )( 0 )

Para la parte de suficiencia del teorema, se trabajar una sencilla adaptacin de la
prueba del Teorema 2.3.
Teorema 2.18. Dejar X ser un 2 funcin definida sobre un conjunto X abierto

y convexo. Entonces f es cncava si y solo si, la matriz hessiana de la segunda derivada parcial
D2 f(x) es negativa semidefinida para cualquier en X; es decir,
254
, 2 () 0
Adems, si la Hessiana es negativa definida (es decir, si 2 () < 0 para todo y

todo 0 ), entonces es estrictamente cncavo.
Tenga en cuenta que las definiciones negativas de la Hessiana es suficiente pero no necesario
para la concavidad estricta de .
Prueba
2 () negativa semidefinida para todo .

Arreglar algn punto x en y en vector de direccin arbitraria . Porque X es
abierto, existe algunos > 0 tal que + para todo = ( , ).
Define una funcin g de hasta por
() = ( + ) () () (1)
Observa que g es 2 , con (0) = 0 y que por el precedente teorema y la concavidad

de .
( + ) () + ()() Para cualquier
Lo que implica que () 0 para todo . Por lo tanto, g es un 2 univariado

con un mximo interior en 0 y debe por lo tanto satisfacer las condiciones necesarias
(0) = 0 0. Diferenciando (1) con respecto a ,
() = ( + ) ()
() = 2 ( + )
As, (0) 0 se convierte

(0) = 2 () 0
Porque h es un valor arbitrario en . concluimos que 2 () es negativo

semidefinido por algn en .
2 () negativo semidefinido para todo f cncava
Porque es 2 , es 1 , y por Teorema 2.17, es suficiente mostrar que
2 () 0 para todo en X y todo (1)

( + ) () + () (2)
Asumamos que (1) sostiene, y escoge dos puntos + en X. para el teorema de Taylor,
tenemos, para algunos (0,1)
1
( + ) () () = 2 2 ( + ) (3)
Donde + (, + ) X. Ahora, 2 ( + )es negativo semidefinida por

suposicin, Implicando que el lado derecho de la expresin precedente no es positivo y por
lo tanto eso
255
Funciones Cuasicncavas
( + ) () + () (4)
que es el resultado deseable
Si 2 () es definida negativo para todo , entonces (4) se sostiene con estricta

desigualdad, y es estrictamente cncava, por teora 2.17
La definicin negativa o la semidefinicin de la Hessiana se puede verificar utilizando la

prueba apropiada de menores principales (vase el apndice de este captulo). Por lo tanto,
2 () es negativo definido, y es estrictamente cncava si los principales menores alternan
en signo, con 11 < 0, es decir, si
11 1

(1) [ ]>0 = 1,2,3, ,
1
Y estrictamente convexo si 2 () es positiva definida, lo que requiere que los que los
principales menores sean positivos, es decir,
11 1
[ ]>0 = 1,2,3, ,
1
3. Funciones Cuasicncavas
Definicin 3.1. Cuasiconcavidad. Sea f: X R sea su valor real de la funcion definida

en un conjunto convexo X. Decimos que es cuasiconcavo si para todo y todo
[0,1] tenemos
[(1 ) + ] {( )|( )}
Decimos que es estrictamente cuasicncavo si para todo y en X y para todo
(0,1) tenemos
[(1 ) + ] > {( )|( )}
Hemos dado dos puntos y en X, supongamos que ( ) ( ). Entonces,

concavidad requiere que a medida que avanzamos a lo largo del segmento de lnea desde el
"punto bajo", ,hasta el" punto alto ", , el valor de f nunca cae por debajo de ( ).
Figura 6.16 muestra un ejemplo de la funcin cuasiconcava.
El siguiente resultado muestra que cuasiconcavidad es equivalente a la convexidad de los
conjuntos de contorno superior. La prueba se deja como un ejercicio.
256
( )
( )
( )
Figura 6.16. A funcin cuasicncava.
Teorema 3.2. Sea f una funcion de valor real definida sobre un conjunto convexo X
. Entonces f es cuasi-cncava si y slo si los conjuntos de contornos superiores de f son
todos convexos, es decir, si para cualquier el conjunto
= { ; () }
es convexo
Problema 3.3. Demostrar el Teorema 3.2
Una implicacin directa de este resultado es que la concavidad implica cuasiconcavidad.
Tambin es fcil demostrar que la estricta concavidad implica estricta cuasiconcavidad, pero
las afirmaciones contrarias no son ciertas. Por lo tanto, la cuasiconcavidad es una propiedad
ms dbil que la concavidad, y las funciones cuasicncavos no necesitan heredar algunas de
las propiedades tiles de las funciones cncavas. Por ejemplo, una funcin cuasicncava, a
diferencia de una cncava, puede tener discontinuidades en los puntos interiores de su
dominio, y una combinacin lineal no negativa de funciones cuasicncavo puede no ser
cuasicncavo. El siguiente teorema muestra, sin embargo, que la cuasiconcavidad se conserva
bajo transformaciones crecientes (y no necesariamente cncavas).
Teorema 3.4. Sea f una funcin cuasicncava definida en un conjunto convexo X , y sea
g: una funcin dbilmente creciente definida en un intervalo que contiene f (X).
Entonces la funcin compuesta [()]es cuasicncava en X.
Problema 3.5. Probar el Teorema 3.4.
Problema 3.6 Muestra que la funcin Cobb-Douglas
() = =1 ; cuando > 0
257
Es cuasicncava para 0. Sugerencia: Considerar ln (), y usar el Teorema 2.18 y 3.4.
Ahora obtendremos una caracterstica de cuasiconcavidad para 1 funciones que se

asemejan a su anlogo para funciones cncavas lisas.
Teorema 3.7. Sea una una funcin 1 de valor real definida en un conjunto abierto y convexo
. Entonces es cuasiconcava en si y solo si para cada y en tenemos
f(x ) f(x ) Df(x )(x x ) 0

Si, adems
x x y f(x ) f(x ) Df(x )(x x ) 0
Entonces es estrictamente cuasiconcava, pero la afirmacin inversa no es necesariamente

verdadera.
Prueba. Dado y en y [0,1], define
() = [ + ( )]
Porque es 1 , es diferenciable y
() = [ + ( )]( )
(i) Suponga que es cuasicnvaca y ( ) ( ). Entonces
() = [ + ( )] ( ) = (0) [0,1] (1)
Por lo que, es dbilmente creciente a cero, con
(0) = ( )( ) 0
Si es estricatemente cuasiconcavo. (1) se sostiene con desigualdad estricta, y es
estrictamente creciente a cero, pero note que esto no implica (0) >0 (p.ej., () = 3
est aumentando estrictamente a 0, aunque (0) = 0).
(ii) Suponga que ( ) ( ) implica ( )( ) 0 para cualquier y en

. Queremos demostrar que esto implica cuasiconcavidad de , que es,
() = [ + ( )] ( ) = (0) [0,1]
Asumimos que esto no es cierto. Es decir, supongamos que existe algn 0 (0,1) tal que
(0 ) < (0). Porque (1) = ( ) ( ) = (0), podemos elegir 0 tal que
(0 ) > 0 (si (0 ) < 0 para todo tal que () < (0), entonces no podemos tener
258
Figura 6.17.
g(1) (0) como se sugiere en la Figura 6.17). Demostramos que la existencia de 0

conduce a una contradiccin.
Pongamos 0 = + 0 ( ). Porque
( ) = (0) > (0 ) = ( 0 )
Y 0 est en , tenemos, por suposicin
( 0 )( 0 ) = ( 0 )(0 )( ) 0
Y, por lo tanto
( 0 )( ) 0
Por otra parte,
(0 ) = ( 0 )( ) > 0
Por supuesto, lo que contradice la expresin anterior. Por lo tanto, no puede haber un
0 (0,1) de tal manera que (0 ) < (0), y concluimos que es cuasiconcava. La misma
lgica funcionara para el caso de estricta cuasiconcavidad.
Sea una funcin cuasiconcava 1 , donde y , dos puntos en su dominio con ( )

f( ). El teorema precedente dice que la derivada direccional de en el punto inferior,
, la direccin del punto superior, , es no negativa. En trminos generales,
la derivada nos da la seal correcta sobre la direccin de cambio de la funcin, lo cual es
bastante til cuando se busca un mximo. Observe, sin embargo, que la cuasiconcavidad
simple es compatible con una derivada direccional cero en incluso si ( ) < f( ). Por
lo tanto, un gradiente cero podra enviar la seal equivocada de que es un candidato para
un mximo. La cuasiconcavidad estricta excluye esta posibilidad, al igual que la
pseudoconcavidad, un concepto que ahora definimos.
259
Figura 6.18.
Definicin 3.8. Cuasiconcavidad. La funcin en 1 es pseudoconcava en un conjunto si

se le dan dos puntos y en tenemos que
( ) > ( ) ( )( ) > 0
Obsrvese que la cuasiconcavidad estricta implica cuasiconcavidad, pero la cuasiconcavidad
no, como se ilustra en la Figura 6.18. El siguiente problema demuestra que la no
estacionariedad es tambin suficiente para garantizar la cuasiconcavidad de una funcin
cuasicncava.
Problema 3.9. Una funcin 1 que no tiene puntos crticos (es decir., tal que () 0 para
todo ) se dice que no es estacionaria. Muestran que una funcin cuasicncava 1 no es
estacionaria es pseudoconcava.
Sugerencia: Sea y dos puntos en el dominio de tales que ( ) > ( ). Definir el

punto por 1 = 1 , y = para = 2, , , y muestran que para > 0
suficientemente pequeo, ( )( ) < 0, que contradice la cuasiconcavidad de .
Problema 3.10. Supongamos que : ++ es 1 , homogneo de grado 1 y valor positivo.

Muestran que es cncava si y solo si es cuasicncava.
Sugerencia: Concavidad siempre implica cuasiconcavidad. Para probar la otra parte del
teorema sean y dos puntos en ++ . Porque , podemos definir por =
( )/( ) y > 0. Ya que es homogneo de grado 1, tenemos
( ) = ( ) = ( ) (1)
Y cuasiconcavidad por lo tanto implica que
( )( ) 0 (2)
El siguiente teorema da algunas caracterizaciones secundarias tiles de la cuasiconcavidad.
Para una prueba y otros resultados, vase Arrow y Enthoven (1961) y Crouzeix y Ferland
(1982).
Teorema 3.11. Dejar : una funcin 2 definida en un conjunto abierto y convexo

el principal menor de la hessiana bordeada de , dado por
, y sea
260
0
= [
]

(i) Una condicin necesaria para la cuasiconcavidad de es que

0 = 1, ,
(1)
(ii) Una condicin suficiente para que sea cuasiconcava es que

> 0 = 1, , +
(1)

(iii) Dado ++ , si es monotnicamente creciente, y si
> 0 = 1, ,
(1)
entonces es estrictamente cuasiconcavo.

El siguiente problema pide al lector que de una prueba directa para un caso especial del
Teorema 3.11.
Problema 3.12. Sea f 2 una funcin 2 definida en un conjunto abierto y

convexo n , con (, ) > 0 y (, ) > 0 para todo (, ) en . Muestran que
(, ) es cuasiconcava en si y solo si
0
|| = | | > 0

Sugerencia. Utilizar la caracterstica de la cuasiconcavidad en trminos de la convexidad de

los conjuntos de contorno superior (Teorema 3.2.). Aplicar el teorema de la funcin
implcita a un conjunto de niveles arbitrarios de (, ) para deifnir una funcin = (),
calcular la segunda derivada de esta funcin, y usar el Teorema 2.2.
Concavidad de funciones
Como veremos en el Captulo 7, las soluciones de problemas de maximizacin que involucra
funciones cncavas (objetivas y de restriccin) son particularmente fciles de caracterizar.
Estos resultados agradables se pueden extender fcilmente a una clase ms grande de
funciones observando que una transformacin montonamente creciente preserva el
conjunto de maximizadores y, generalmente, la familia de conjuntos de contorno superior de
una funcin dada. Se deduce que siempre que la funcin de inters pueda ser transformada
en una funcin cncava por una transformacin montonamente creciente, estamos de
vuelta, efectivamente, en el problema relativamente simple de maximizar una funcin
cncava. Se dice que las funciones que tienen esta propiedad conveniente son cncavas.
Definicin 3.13. Funcin cncava. Sea f: una funcin defnida en un conjunto

convexo n .Decimos que es concavificable en si existe una funcin 1
estrictamente creciente h: definida en un conjunto que contiene () tal

que () = [()] es una funcin cncava.
261
Apndice: Formas Cuadrticas
Debido a que las funciones cncavas tienen conjuntos de contornos superiores convexos, y
las transformaciones crecientes preservan la familia de tales conjuntos, una condicin
necesaria para concavidad es que la funcin dada sea cuasi-cncava. Sin embargo, esto no
es suficiente, como se muestra en el Problema 3.15. El siguiente resultado muestra que una
condicin suficiente para que una funcin cuasicncava lisa sea cncava en un conjunto
compacto es que sus derivadas parciales sean estrictamente positivas en el conjunto.
Teorema 3.14. Una condicin suficiente para concavidad. Sea f: una funcin
cuasiconcava 2 definida en un conjunto abierto y convexo n . Supongamos que
() > 0 para todo en . Entonces la restriccin de cualquier subconjunto compacto y
convexo de es concavifiable. En particular, existe algn numero > 0 tal que la funcin
: definido por () = () es cncava.
Prueba. Vamos a probar el resultado para el caso de una funcin de una variable. La idea es
la misma en el caso general, pero comprobar el signo (definicin) de la segunda derivada es
un poco ms complicado. Diferenciando la funcin () = () ,vemos que
() = () ()
y
() = [ () () () + () ()]
()
= () [ ()]2 ( )
[ ()]2
Sea un subconjunto convexo y compacto de . Como es 2 , ()/[ ()]2 es una

funcin continua, y por lo tanto alcanza un mximo en , por el teorema del valor extremo.
Llame a este mximo. Si elegimos para ser positivo y mayor que , entonces tenemos
() < 0 para todo en , y se sigue que ( ) es cncavo, por el Teorema 2.18.
Problema 3.15. Demuestre que la funcin () = 3 no puede ser concavificada en ningn

conjunto que tenga cero como punto interior. Sugerencia: Utilice el teorema 2.17.
Apndice: Formas cuadrticas
Definicin A.1. Forma cuadrtica. Una forma cuadrtica es una funcin Q: de la

forma
() = = =1 =1
donde = [ ] es una matriz cuadrada simtrica con entradas reales, n es un vector

de columna, y es su transposicin.
Definicin A.2. Forma cuadrtica definida. Una forma cuadrtica () = Ax (o su matriz

asociada A) es
definido positivo si () = > 0 para todo n distinto del vector cero.
262
semidefinido positivo si () = 0 para todo n

definido negativo si () = < 0 para todo n , con 0,
semidefinido negativo si () = 0 para todo n
indefinido si no es positivo ni negativo semidefinido, es decir, si existen vectores y
en n tales que < 0 y > 0.
El siguiente teorema da las condiciones necesarias y suficientes para la definicin positiva o
negativa de una matriz en trminos de sus valores propios.
Teorema A.3. Dada una forma cuadrtica () = , sea 1 , , los valores propios de (que
sern nmeros reales, porque es simtrica). Entonces () es
definido positivo si y solo si todos los valores propios de son estrictamente
positivos (es decir > 0 ),
semidefinido positivo si y solo si 0 = 1, , ,
definido negativo si y solo si < 0 = 1, , ,
semidefinido negativo si y solo si 0 = 1, , .
Prueba. Slo mostramos que () es positivo definido si y slo si > 0 = 1, , . El

resto del teorema sigue exactamente la misma lgica.
Necesidad:[ Ax > 0x n , 0] [ > 0, = 1, , ]

Sea el vector propio normalizado de A (es decir, con la norma 1) asociado con el
auto valor . Por definicin,
= (1)
Multiplicando (1) por , tenemos
0 < = = (2)
donde la desigualdad se mantiene por la suposicin de que es positiva definida, y la ltima

igualdad se cumple porque = = 1 por suposicin.
Suficiencia: [ > 0 = 1, , ] [ Ax > 0n , 0]

Debido a que es una matriz real simtrica, tiene un conjunto completo de valores
linealmente independientes (realmente ortogonales). Por lo tanto, la matriz , con los
vectores propios normalizados como columnas, es invertible y satisface
donde es la matriz diagonal con los valores propios de ( ) a lo largo de su diagonal

principal.
Poniendo = 1 , podemos escribir ( ) en la forma
() = = = = =1 2 (3)
263
Apndice: Formas Cuadrticas
Por lo tanto, una forma cuadrtica puede escribirse siempre como la suma ponderada de
cuadrados de un vector transformado y, con los valores propios de como pesos.
De (3) est claro que si todos los valores propios son positivos, () es positivo,
cualquiera que sea el valor de (o ), siempre que 0( 0).
Una prueba alternativa de la definicin de signos para formas cuadrticas utiliza los
conceptos de principal menor y principal menor de una matriz. Si es una matriz , y
eliminamos filas y las columnas correspondientes de , obtenemos una submatrix de
dimensin . El determinante de esta submatrix se llama un principal menor de orden
de . Los principales menores de son obtenidos manteniendo las primeras filas y columnas
de . Por lo tanto, el principal menor de orden de la matriz , denotado , es el
determinante de la matriz cuadrada , formada por las primeras columnas y filas
de :
11 1
= = | |
1
Teorema A.4. La forma cuadrtica () = es positiva definida si y slo si todos los principales
menores de ( ; = 1, , ) son positivos y negativos definidos si y slo si () los signos se alternan
con 1 < 0. Es decir,
() es positivo definido 1 > 0, 2 > 0, , = || > 0,

() es definida negativa 1 < 0, 2 > 0, 3 < 0, .
Adems, es positivo semidefinido si y slo si todos los principales menores de son no negativos.
Tenga en cuenta que podemos determinar si una forma cuadrtica es positiva o negativa
definida comprobando los signos de los principales menores, pero tenemos que comprobar
todos los principales menores para ver si es semidefinido positivo. Para probar la
semidefinidad negativa, observe que es semidefinida negativa si y slo si es
semidefinida positiva.
Demostracin. Slo probamos la necesidad de la condicin principal-principal-menor para

la definicin del signo.
Consideremos primero el caso de la definicin positiva. Queremos demostrar que
[ > 0n , 0] [ > 0 = 1, , ]
Si es positivo definido, entonces > 0 para cualquier 0. Considere los vectores

cuyos los primeros elementos no son cero y cuyos ltimos elementos son todos cero:
= ( , 0). La forma cuadrtica correspondiente es
264

() = = [ , 0] [ ] [ ] = > 0 (1)
0
donde los trminos " " representan las ltimas columnas y filas de , que sern
aniquiladas por el subvector cero de . Debido a que la forma original se supone que es
definida positiva, tenemos > 0, y esta nueva forma "ms pequea" tambin es
positiva definida. Por el Teorema A.3, esto implica que los valores propios de la matriz
son todos positivos, y por lo tanto su determinante | | = (que es el menor principal
principal de orden de ) tambin es positivo. Si es positivo definido, independientemente
de cuntos ceros pongamos en , () > 0, entonces | | > 0 para todo = 1, , . La
definicin positiva requiere que todos los principales menores sean positivos.
Para derivar las condiciones para una definicin negativa, tenga en cuenta
[ > 0 n , 0] [ = () < 0 n , 0]
as que es positivo definido si y slo si es negativo definido y viceversa. Adems
|| = (1) || (Donde n es el orden de la matriz cuadrada )
Por lo tanto, ser negativo semidefinito si y slo si es positivo definido, requiriendo
| | = (1) | | = (1) > 0 = 1, , 1 < 0, 2 > 0, 3 < 0, .

Para una prueba de la parte de suficiencia del teorema, vase Hadley (1973, pag. 261).
Una propiedad til de matrices definidas positivas (semidefinidas) es que sus elementos
diagonales deben ser positivos (no negativos). Para ver esto, considere el vector =
(0, ,0,1,0, ,0) , cuyos componentes son todos cero excepto el i-simo, que es un 1.
Observe que la forma cuadrtica
( ) = = =1 =1 =
Nos devuelve el i-simo elemento diagonal de la matriz . Por lo tanto, si () > 0 para
todo , debemos tener, en particular, ( ) = > 0. Es evidente que una propiedad
similar es vlida para matrices negativas definidas o semidefinidas.
Una forma cuadrtica es positiva definida si su valor es mayor que cero cuando se
evala en cualquier vector no nulo n . En algunos casos slo nos interesa saber si una
forma cuadrtica dada es positiva o negativa cuando se evala en un conjunto particular de
vectores, por ejemplo, aquellos que satisfacen un cierto sistema de ecuaciones lineales.
Consideremos una forma cuadrtica () = , con n , y un sistema de
ecuaciones lineales = 0, donde es una matriz (con < ) de rango (es
decir, asumimos que todas las ecuaciones son linealmente independientes, de lo contrario
eliminamos los redundantes). Formamos la matriz bordeada
0
= [ ]

y considerar su menor principal de orden :
0
| = [
| ]

265
Bibliografa
donde es la matriz cuadrada formada por las primeras columnas y filas de y es

la matriz formada por mantener todas las filas de y sus primeras columnas. El
siguiente resultado nos da condiciones necesarias y suficientes para la definicin positiva o
negativa de un sujeto a las restricciones = 0 en trminos de los signos de los
determinantes | |.
Teorema A.5. Firma de signos bajo restricciones. La forma cuadrtica () = es definida positiva
bajo las restricciones = 0, si y slo si los ltimos principales protagonistas menores de la matriz
A son todos del mismo signo que (1) . Es decir, si es par (impar), entonces todos los ltimos
principales protagonistas menores son positivos (negativo). Esto puede ser escrito
(1) | | > 0 para = + 1, ,
Por otra parte, Q es negativa definida si y slo si los ltimos principales principales menores de la
matriz de borde alternan en signo, con el primero igual a (1)+1. Es decir,
| > 0 para = + 1, ,
(1) |
Observe que a medida que aumenta el nmero de restricciones, debemos evaluar menos
determinantes. Esto no es sorprendente, porque un aumento en el nmero de restricciones
reduce el tamao del conjunto de vectores para lo cual tenemos que determinar el signo de .
Bibliografa
Arrow, K., y Enthoven, A. 1961. Programacin Cuasiconcava. Economtrica 29:779-800.

Bazaraa, M., and Shetty, C. 1976. Fundamentos de la optimizacin. Notas de clase en economa y
Sistemas Matemticos, no. 122. Berlin: Springer-Verlag.
Beavis, B., y Dobbs, 1.1990. Optimizacin y Teora de la Estabilidad. Analisis. Prensa de la
Universidad de Cambridge.
Benveniste, L., y Scheinkman, J. 1982. Teora de la Dualidad y la Optimizacin Dinmica
Modelos en Economia: El Caso del Tiempo Continuo. Journal of Economic Theory 30:1-19.
Bronsted, A. 1983. Introduccin a Polytopes convexos. Berlin: Springer-Verlag.
Crouzeix, J. P., and Ferland, J. 1982. Criterios para la cuasi-convexidad y pseudo-Convexidad:
Relaciones y Comparaciones. Programacin Matemtica 23:193-205.
Green, X, and Heller, W. 1987. Anlisis Matemtico y Convexidad conAplicaciones a la
Economa.
En: Handbook of Mathematical Economics, vol. 1, ed. K. Arrow and M. Intriligator, Amsterdam:
North Holland.
Hadley, G. 1973. lgebra lineal. Lectura, MA: Addison-Wesley.
Lancaster, K. 1968. Economia Matematica. New York: Macmillan.
Madden, P. 1986 Concavidad y Optimizacin en Microeconoma. Londres: Basilio Blackwell.
Mangasarian, 0.1982. Programacin no lineal. Malabar, FL: Krieger.
Michel, P. 1984. Cours de Mathematiques pour Economistes. Paris: Economica.
Nikaido, H. 1968 Estructuras convexas y teora econmica. Nueva York: Acadmico.Prensa.
Nikaido, H. 1972. Introduccin a conjuntos y asignaciones en la economa moderna.
Amsterdam: Holanda del Norte.
Rockafellar, R. T. 1970. Anlisis convexo. Princeton University Press.
Simon, C, and Blume, L. 1994. Matemticas para economistas. Nueva York: Norton.
Sydsaeter, K. 1984. Temas en Anlisis Matemtico para Economistas. Orlando, FL: Prensa
266
Notas
Academica.
Sydsaeter, K., and Hammond, P. 1995. Matemticas para el anlisis econmico. Englewood
Cliffs, NJ: Prentice-Hall.
Takayama, A. 1987. Economa Matemtica, 2 ed. Universidad de Cambridge. Prensa.
Notas
1 Recordar que > 0 , pero no hay garanta que > 0 para todo .
2 Si no tiene puntos de cierre diferentes de , luego cl = {} ,y porque

, tenemos = , una contradiccin, excepto si = .
3 Mirar la Seccin 1 del captulo 3.
4 Si consiste de un solo punto,, entonces su casco afn consta tambin de un solo

punto(tiene dimensin cero), y de = . Mirar Bazaraa y Shetty(1976))o
Bronsted(1983) para una prueba de estos resultados.
5La direccin de las desigualdades en la declaracin del teorema no importa. Obsrvese que
con el fin de revertirlos, es suficiente tomar (, ).
6 Note que
( ) = [(1 ) 0 + ] = [ 0 + ( 0 ) ( 0 ) =
Por lo tanto
2
= ( ) ( ) = [ + ( 0 )] [ + ( 0 )]
= 2 + ( 0 ) + 2 0 2
Y
2
0 2 = (2( 0 ) + 0 2 )
7Mirar la discusin de autovalores, autovectores y diagonalizacin de una matriz cuadrada

en el captulo 4
8 El producto de los autovalores de una matriz es igual a su determinante.
267
7
Optimizacin esttica
Un propsito en el uso de modelos econmicos es hacer predicciones sobre el

comportamiento de los individuos y grupos en cierta situacin de inters. Claramente, esto
es posible solo si la conducta exhibida presenta algn tipo de regularidad. En teora
econmica, tpicamente es asumido que la fuente de tal regularidad es la racionalidad de los
agentes involucrados - un axioma que generalmente se entiende que significa
(i) Los agentes econmicos tienen preferencias bien especificadas y consistentes
sobre el conjunto de posibles resultados de sus acciones, y,
(ii) Dada aquellas preferencias, ellos escogen sus acciones para obtener el mejor
resultado entre los resultados disponibles.
El postulado de la racionalidad natural nos lleva a usar el modelo del comportamiento de los
agentes econmicos como resultado de un problema de optimizacin restringida. Este
enfoque impone una estructura nica en cualquier modelo de la conducta de un solo agente
y nos proporciona un mtodo para reducir situaciones econmicas de inters en problemas
matemticos manejables. Este captulo trata del anlisis moderno en dichos problemas (es
decir; teora de la programacin no-lineal u optimizacin restringida).
1. Programacin No Lineal
El trmino programacin matemtica o programacin no lineal (PNL) se refiere al
conjunto de mtodos matemticos para caracterizar las soluciones de problemas de
optimizacin restringida. Este trmino en general de programacin bsica puede escribirse:
max{(; ) ()}

Es decir, se da valor a ; nosotros buscamos maximizar el valor de de la funcin (. ; )

dentro del conjunto (). En esta expresin,
= (1 , , ) es un vector de variables de decisin o eleccin de variables

llamados instrumentos.
= (1 , , ) es un vector de parmetros cuyos valores tomamos como

dados.
268
Optimizacin Esttica
() , es el conjunto restriccin o conjunto de oportunidades, es el conjunto de

todos los valores factibles de para los valores dados por los parmetros , y
f es una funcin de valor-real : + conocida como la funcin

objetivo
Para nuestros propsitos, la siguiente interpretacin ser casi siempre apropiada. Sea el
conjunto de todos los entornos posibles en los que puede encontrarse un agente, cada uno
descrito por el valor del parmetro del vector , sea el conjunto de todas las acciones que
posiblemente puedan estar disponibles para l.
Dado un valor de , el agente encontrara sus elecciones restringidas a algn subconjunto
de (por ejemplo, el conjunto de presupuestario, en la teora del consumidor). Los cambios
en los parmetros resultaran en cambios en el conjunto factible u oportunidad, tal como se
describe en la correspondencia de restricciones,
:
La funcin : es la funcin objetivo del agente; dado (; ) que es la recompensa
cuando se encuentra en el entorno y elige cierta accin . Un agente racional escoger un
plan ptimo definido como uno que maximizar el valor de la funcin objetivo sobre el
conjunto de restricciones para el valor dado del vector parmetro. El conjunto de acciones
ptimas se describe mediante la regla de decisin o la correspondencia de mejor-respuesta ()
: () = arg max{(; ); ()}

Donde () es el conjunto cuyos elementos son las soluciones optimas de (P). Si las
soluciones a (P) son nicas para cada valor de , la correspondencia de mejor respuesta se
convierte en una funcin, y podemos escribirla como = (). El beneficio que se obtiene
de un agente optimizador viene dado por la funcin de valor (mximo),: definido como:
() = max{(; ); ()} = ( , ), ()

Dado un valor del vector del parmetro ( ) produce el rendimiento ms alto posible.
Claramente, ( ) es idnticamente igual al valor de la funcin objetivo ( ) evaluada en una
solucin ptima para el dado. En la mayora de las aplicaciones econmicas nos interesa
la esttica comparativa y otras propiedades de la regla de decisin () =
arg max{(; ); ()}. Es decir, nos gustara saber cmo el comportamiento de un

agente vara en respuesta a los cambios en su entorno (los precios que enfrenta, sus ingresos,
etc.). Matemticamente, la pregunta es cmo la solucin al problema (P) cambia con los
parmetros . El problema debe resultar ser familiar al captulo anterior, pero la forma de
los modelos se ve diferente. La tarea principal de esta seccin es mostrar cmo, dadas ciertas
suposiciones de diferenciacin, (P) puede ser reducido a un sistema equivalente de
ecuaciones que pueden ser analizadas por el desarrollo de mtodos que se ve en el captulo
5. Esto es lo que caracteriza la solucin de (P). Consideraremos tres versiones del problema
de programacin que difieren en trminos de la forma en que se describe el conjunto factible:
El conjunto convexo restringido C es un subconjunto convexo de , en casos especiales,
tenemos el caso de la maximizacin no restringida, donde C es el conjunto de y
maximiza sujeto a restricciones no negativas, donde el conjunto de oportunidades es
un ortante no negativo de .
269
Esttica Comparativa y Funciones de Valor
Condicin de Lagrange, el conjunto restriccin es definido por un conjunto de restriccin

del tipo igualdad.
() = { (; ) = 0}
Condicin de Kuhn-Tucker, el conjunto restriccin est definido por un conjunto de

restriccin del tipo desigualdad.
() = { /(; ) 0}
Empezaremos con el caso ms simple y luego procedemos manipulando cada nuevo

problema para reducirlo a uno que ya sabemos manejar. En su mayor parte, asumiremos que
las funciones objetivo y de restriccin son una o dos veces continuamente diferenciables.
Esto nos permitir utilizar el clculo y obtener resultados esperados en trminos de primera
y segunda derivada. Los resultados que buscamos en esta seccin son condiciones suficientes
y necesarias para la solucin a los problemas de optimizacin restringida (P). Las condiciones
de primer orden que son las primeras derivadas que permitirn identificar las posibles
soluciones que maximizan el sistema de ecuaciones. Estas ecuaciones son obtenidas a partir
de la observacin de que, movindose desde una solucin optima , cualquier variacin
suficientemente pequea que nos mantenga dentro del conjunto factible no puede aumentar
el valor de la funcin objetivo. Si las funciones relevantes son suficientemente homogneas,
esto se traduce en alguna generalizacin de la derivada cero para un mximo local de una
funcin de valor real invariante. Las condiciones suficientes son las utilizadas para identificar
las verdaderas soluciones ptimas dentro del conjunto de posibles soluciones, o para asegurar
que este conjunto no puede contener minimizadores u otras falsas seales. Esencialmente,
las condiciones suficientes nos dicen que si la funcin tiene una cierta curvatura (local o
global) alrededor de un punto que satisface las condiciones necesarias, entonces este punto
debe ser una solucin (local o global) al problema de programacin. Una vez que hemos
distinguido las soluciones de (P) en trminos de un sistema de condiciones necesarias, el
problema esttico comparativo puede ser abordado usando las tcnicas del captulo 5.
Adems el hecho que el sistema ser trabajado con un problema de optimizacin nos permite
ser ms especficos sobre las propiedades de las funciones solucin de lo anteriormente se
podra conocer. Esto se discutir en detalle en una seccin posterior:
(a) Conjunto convexo restringido:
Considerando el problema
max{(); }

Donde C es un conjunto convexo de , y : 2 . Omitiremos los parmetros,

porque por el momento estamos interesados solamente en la solucin (P.C) para un valor
fijo de . Nos resulta familiar con un caso especial de este problema. Si = entonces es
condicin necesaria para que sea mximo de que ( ) = 0. En un caso ms general,
sin embargo, esta condicin es ni necesario ni suficiente para un mximo. La figura 7.1 nos
muestra un ejemplo. Ntese que () = () = 0 pero ni b ni c maximiza en =
[, ]. Por otro lado alcanza el mximo en este intervalo en el punto a, pero () 0.
270
Optimizacin Esttica
La figura sugiere que si la solucin al problema de programacin pasa a estar en el lmite del
conjunto factible, una o ms de las derivadas parciales de la funcin objetivo pueden no ser
cero en el ptimo en las direcciones de preferencia, por consiguiente el valor de la funcin
disminuir. Por lo tanto, las derivadas direccionales en las direcciones de preferencia deben
ser no positivas. Ahora declaramos formalmente este resultado.
f(x)
a hhhhhhbhhhhhhhhhhhhhhchhhhd
Figura 7.1 Una derivada cero es ni necesaria ni suficiente para un mximo
Definicin 1.1 Direccin de preferencia. Considerando el problema (P.C): max{();

}, donde C es un conjunto convexo. Tomando un punto en C y un vector de
direccin . Decimos que es una direccin de preferencia de si existe algn >
0, tal que:
+ , (0, )
Es decir, si cualquier movimiento suficientemente pequeo fuera de en la direccin de h
nos dejara dentro del conjunto factible.
Teorema 1.2 La condicin de primer orden para un mximo. Asume que f es C, y sea una
solucin ptima de (P.C), entonces:
( ) 0
Para cada vector direccin hay un posible
Prueba: Sea una solucin ptima de (P.C), y un vector direccin posible arbitrario para
. Entonces existe algn > 0 (que puede depender de ) tal que + para
todo (0, ). Porque para cualquier posible movimiento para reduce el valor de la
funcin, tenemos: ( + ) ( )
Para todo tal + Reordenando y dividiendo por > 0,
( + ) ()
0

(1) Tomando el lmite de esta expresin como 0,
( + ) ()
lim = ( , ) = ( ) 0

271
Que el lmite de la relacin en el lado izquierdo de (1) es la derivada direccional (unilateral)

de en la direccin de evaluada en . Porque es C, la derivada direccional existe y puede
escribirse como el producto escalar de la derivada y el vector de direccin (vase el captulo
4).
Si C es un conjunto abierto, todos sus puntos son por definicin interiores, y dado cualquier
x en C, todas las direcciones son viables a partir de ella. En este caso la desigualdad
( ) 0puede sostener para todo h solamente si todas las primeras derivadas parciales
de f son cero en . De lo contrario, es posible aumentar el valor de la funcin movindose
en la direccin de (opuesto a) el vector de coordenadas correspondiente al parcial no nulo.
Por ejemplo, suponga ( ) > 0 y ( ) = 0 para todo y elija un vector de direccin
h con > 0 y > 0, para toda entonces:

( ) = ( ) = ( ) > 0
=1
Lo que contradice el Teorema 1.2. Por lo tanto todas las parciales deben ser 0 en un ptimo,
y tenemos los siguientes
Corolario 1.3. Maximizacin en un conjunto abierto. Asumir que f es una funcin C1 y el conjunto restriccin
C es abierto, sea una solucin optima de (P.C). Entonces
( )
( ) = 0 (. . , = 0, = 1, , )

Otro caso especial en el problema del conjunto convexo restringido es que en = + (i.e.,
donde maximizaremos sujeto a la restriccin en la que las variables de eleccin sean no
negativas. un argumento similar al que establece el corolario 1.3 produce el siguiente
resultado.
Corolario 1.4. Maximizacin con restricciones no negativas. Si = + es una ptima solucin de
(P.C), entonces para cada i=1...n, tenemos
( )
0, Con igualdad si > 0

( ,0)
0, Con igualdad si <0

Problema 1.5. Segunda condicin necesaria. Sea : una funcin
C2.Muestran que si logra un mximo local en , entonces el Hessiano de en x es

semidefinido negativo, es decir:
2 ( ) 0,
El siguiente teorema muestra que si satisface ciertas condiciones de concavidad, un punto
que satisface las condiciones de primer orden (CNsPO) es en efecto una ptima solucin.
Teorema 1.6 Condiciones suficientes para un Mximo Global. Sea C1 una funcin pseudoconcava. Si
y para cada direccin posible para tenemos ( ) 0, entonces es una solucin
optima de (P.C).
Prueba. Probaremos el enunciado contra positivo. Asumimos que C es convexo y es

pseudoconcava, y fijamos algn punto 0 . Mostraremos que si 0 no es una solucin
272
Optimizacin Esttica
ptima de (P.C), entonces no satisface las primera condicin ( 0 ) 0 para todas las
posibles direcciones de
Suponga 0 no es ptimo. Entonces existe algn punto tal que () > ( 0 ) .Por la
pseudoconcavidad de f,() > ( 0 ) implica
( 0 )( 0 ) > 0
X x
Figura 7.2 una seal falsa
Donde ( 0 ) es una posible direccin del vector 0 , por la convexidad de C. Por lo tanto,
0 no satisface las condiciones de primer orden.
Recordar que tanto concavidad y estricta cuasi concavidad (o cuasi concavidad y no

estacionario) implica pseudoconcavidad. Por lo tanto cualquier de estas condiciones son
suficientes para que un punto satisfaga las condiciones necesarias para ser una solucin
ptima. Por otro lado, solo la cuasi concavidad no lo har. Como mencionamos en el
Captulo 6, cuasi concavidad permite obtener falsas seales. La figura 7.2 ilustra el
problema: es cuasi cncava, y el punto 0 satisface la condicin de primer orden, pero no
maximiza en .
Los siguientes problemas proporcionan condiciones alternativas suficientes para un mximo
global.
Problema 1.7. Sea : una funcin cncava 1 . Muestra que si es un punto crtico
de , entonces es un mximo global de .
Problema 1.8. Sea : una funcin cncava. Muestra que si es un local mximo de
, entonces es un mximo global. Indicacin: proceder por contradiccin.
El siguiente teorema nos brinda las condiciones suficientes para un punto estacionario de
sea un mximo local en un conjunto abierto. Es decir, ( ) > () para todo x en alguna
bola abierta con centro en . Ntese que lo que el teorema requiere es esencialmente estricta
concavidad de en algn vecino de . Un punto que satisfaga estas condiciones de este
teorema es dicho sea un mximo regular de en .
Teorema 1.9. Condiciones suficientes para un Mximo local estricto. Sea f una funcin 2 , con un conjunto
convexo abierto, y un punto en tal que ( ) = 0. Si la matriz hessiana en ,2 ( ) es
definido negativo, entonces f logra un mximo local estricto en .
273
Prueba. Sea un vector direccin arbitrario en Rn. Por la convexidad y apertura de C existe
un > 0 tal que + para todo (0, ). Fijando algn en este intervalo, Tanto
y + estn en C, y podemos usar La serie de Taylor para escribir:
1
( + ) ( ) = ( )() + 2 () 2 ( + )() (1)
Para cualquier (0,1). Adems, porque es por suposicin un punto estacionario,
tenemos ( ) = 0 y (1) reducido a
2
( + ) ( ) = 2 ( + ) (2)
2
Ahora para la forma cuadrtica dada en el lado derecho de (2) puede demostrarse que es
una funcin continua de , digamos (), en = 0(ver el problema 1.10) por suposicin,
adems 2 ( ) es definido negativo, lo que implica
(0) = 2 ( ) < 0
Por lo tanto, por continuidad sigue ( ) preservara su signo para un suficientemente
pequeo, es decir, existe algn > 0 tal que
() = 2 ( + ) < 0 (3)
Para todo < . Finalmente, (2) y (3) implica que
( ) > ( + ), <
Es arbitrario , porque cualquier movimiento suficientemente pequeo lejos de reduce el

valor de la funcin objetivo. Por lo tanto, f tiene un mximo local estricto en . Vemos en
el apndice del captulo 6 que una matriz A es definido negativo si y solo si sus menores
principales alternan en signo, con el primer negativo. Como lo veremos ms tarde, esta
informacin ser muy til cuando sea turno de la esttica comparativa en los modelos de
optimizacin.
Problema 1.10. Sea = [ ] una matriz , y considerando la forma cuadrtica =
. Usando la desigualdad de Cauchy-Schwartz, muestra que
| |
2 2

Donde . es la norma euclidiana. Usando este resultado, verificamos que la funcin ()

en la demostracin del Teorema 1.9, es continua en cero (siempre que en 2 mostrando
que |() (0)| 0 como 0
Ntese que mientras el teorema 1.9 implica la singularidad local del maximizador, el Teorema
1.6 permite la existencia de mltiples soluciones ptimas. Cerramos esta seccin con la
condicin suficiente para la singularidad global de la ptima solucin de P.C.
Teorema 1.11 Singularidad Global. Sea una solucin optima de (P.C), con C convexo. Si es
estrictamente cuasi cncava, entonces es la nica solucin ptima del problema.
Prueba. Por contradiccin. Suponga que existen dos soluciones ptimas en .
Entonces ( ) = ( ) = , y por cuasi concavidad estricta de , tenemos, para cualquier
(0,1),
274
Optimizacin Esttica
[(1 ) + ] > min{( ), ( )} =
Donde = (1 ) + es un punto factible, por la convexidad de . Por qu

( ) > ( ) = ( ), ni o pueden ser una solucin ptima por empezar con:
Problema 1.12 Derivacin de los factores en las funciones de demanda. Consideramos una
empresa competitiva que produce un volumen de produccin y usando dos insumos 1 y 2 .
La produccin tecnolgica de las empresas es descrita por la funcin Cobb-Douglas.

= (1 , 2 ) = 1 2 , + < 1; > 0, > 0
Tomando como dado el precio de su produccin y los precios de los insumos 1 y 2 , la

empresa maximiza sus ganancias, dado por

(1 , 2 ) = 1 2 1 1 2 2
Escribir las condiciones de primer orden para el problema de la empresa y comprobar que
se satisfacen las condiciones suficientes para un mximo. Utilizando las condiciones de
primer orden, se resuelve las demandas factoriales de la empresa, dando los niveles ptimos
de entrada , como funciones de los precios de la produccin e insumos.
(B) Restricciones de Igualdad: El Problema de Lagrange

Considere el problema
max{() . . () = 0} (P.L)

Donde : and : son 2 funciones, y "s.t." significa "sujeto

a". Nos referiremos a los componentes de = (1 , . . . , ) como funciones de restriccin y
asumiremos que (es decir, que tenemos menos restricciones que variables de
eleccin).
Comenzaremos dando una interpretacin intuitiva del mtodo de los Multiplicadores de
Lagrange. Considere una versin simple de (P.L) con slo dos variables y una restriccin:
max{( 1, 2 ) ; (1 , 2 ) = } (P.L)
1 ,2
En lugar de forzar directamente al agente a respetar la restriccin, imagine que le permitimos

elegir los valores de los instrumentos 1 y 2 libremente, pero le hacemos pagar una multa
"por unidad de violacin" de la restriccin. El saldo del agente neto de la pena, es dado
por la funcin Lagrange:
(x1 , x2 , ) = f(x1 , x2 ) c g(x1 , x2 ) (1)
El agente entonces maximiza (1), tomando como dado. Las condiciones de primer orden
para este problema son
(1 ,2 ,) () ()
= + = 0 = (L.1)
1 1 1 1 1
(1 ,2 ,) () ()
= + = 0 = (L.2)
2 2 2 2 2
275
Dado un arbitrario, no hay garanta de que las soluciones de este sistema de ecuaciones
sern soluciones ptimas del problema original. Pero si escogemos la multa correcta , el
agente elegir respetar la restriccin incluso si en principio es libre de no hacerlo, y entonces
el problema artificial que tenemos construido nos dar las respuestas correctas. As, debe
ser tal que la restriccin se mantiene. Por lo tanto, adems de (L.1) y (L.2), la solucin ptima
(1 , 2 , ) debe satisfacer la condicin de factibilidad, que puede ser convenientemente
escrito en la forma
(1 ,2 ,)
= (1 , 2 ) = 0 (F)

Tenemos, pues, un sistema de tres ecuaciones que pueden ser resueltas para valores ptimos
de los instrumentos ( 1 , 2 ) y el multiplicador de Lagrange .
Observe que estas ecuaciones son las condiciones que definen un punto estacionario del
Lagrangiano. La solucin ptima (1 , 2 , ), sin embargo, es probable que sea un punto
de silla en lugar de un maximizador de ( ): Considerando que maximiza (, ), no
ser cierto en general que maximice ( , ).
Aunque una discusin formal del tema tendr que esperar hasta que establezcamos el
teorema de la envolvente, debe notarse que a menudo contiene til informacin sobre el
efecto de la restriccin.
Df(x*)
() =
2
Dg(x*)
() = 0
1 1
Figura 7.3. Solucin ptima de un problema de Lagrange.
En una posible interpretacin, denota el stock disponible de un determinado recurso y la

funcin objetivo mide algo as como el beneficio obtenido a travs de una actividad que
utiliza el recurso como un aporte. Entonces el multiplicador nos da el mximo aumento en
el beneficio que podra obtenerse si tuviramos una unidad ms del aporte.- y, por lo tanto,
la cantidad mxima que una persona racional est dispuesta a pagar por una unidad adicional
de la misma. Esta es claramente una buena medida del valor marginal del recurso, y justifica
la interpretacin del multiplicador como un "precio sombra".
Grficamente, el conjunto factible de (P.L') es una curva en el plano (1 , 2 ), y la solucin
ptima al problema es el punto de esta curva que se encuentra en el nivel ms alto posible
de . Dadas ciertas suposiciones de convexidad, ser un punto de tangencia de las dos
curvas de nivel, como se muestra en la Figura 7.3.
276
Optimizacin Esttica
La existencia de una tangente comn a ambas curvas implica que los gradientes de
(ambos perpendiculares a la tangente) se encuentran en la misma lnea recta. Esto nos permite
escribir uno de ellos como el producto del otro y un escalar. Es decir, existe un nmero
tal que
( ) = ( )
Que es otra forma de escribir (L.1) y (L.2). Claramente, tambin satisface la restriccin
(1 , 2 ) = . Por lo tanto, el argumento grfico tambin sugiere que el maximizador
restringido de se caracterizar por las condiciones discutidas anteriormente.
Las condiciones necesarias para el problema general de Lagrange
max{(); () = 0} (P.L)

Pueden obtenerse de una manera similar. Introduciendo un vector columna de

multiplicadores de Lagrange = ( 1 , . . . , ) , uno para cada restriccin, escribimos el
Lagrangiano
(, ) = () + ()
Diferenciando ( ) con respecto a y , obtenemos las condiciones de primer orden
(, ) = () + () = 0 (L)
(, ) = () = 0 (F)
Este es un sistema de + ecuaciones en las + incgnitas (, ), cuyo conjunto
solucin contiene la solucin ptima al problema de programacin, , y los valores
"correctos" de los multiplicadores, . Las ecuaciones en (F) son simplemente las
restricciones del problema original, y (L) nos dice que el gradiente de la funcin objetivo
se puede escribir como una combinacin lineal de las gradientes de las funciones de
restriccin, todas evaluadas en una solucin ptima.
Teorema 1.13. Lagrange. Sea una solucin ptima de
max{(); () = 0} (P.L)

Donde y son 1 funciones, y rango ( ) = Entonces existen multiplicadores

nicos de Lagrange tal que
( ) + ( ) = 0
La lgica de la demostracin es muy simple, aunque la notacin se vuelva confusa. Queremos
mostrar que dado ciertos supuestos, hay algn vector con ciertas propiedades, as
que seguimos adelante y construimos tal objeto.
Una manera sencilla de ilustrar lo que estamos haciendo es considerar el ms simple posible
caso. Supongamos que tenemos restricciones, y el rango ( ) = Entonces ( )
es una matriz cuadrada invertible, y encontrando un vector que satisface la
condicin de Lagrange
( ) + ( ) = 0 (L)
277
Es fcil: Podemos resolver explcitamente (L) para obtener
= ( )( )1
Bajo estas suposiciones, sin embargo, el problema de maximizacin es trivial, porque el
conjunto factible reduce, al menos localmente, a un punto nico que es por lo tanto tambin
ptimo.
En el caso general, la invertibilidad de ( ) no est garantizada, pero nosotros
demostraremos que contiene una submatriz invertible que se puede utilizar en exactamente
la misma manera. Comenzamos dividiendo el vector en dos componentes:
= ( , ), con = (1 , . . . , ) y = (+1 , . . . , )
En esta notacin, podemos escribir las restricciones ( , ) = 0 y dividir la derivada de

la funcin de restriccin de la manera correspondiente, con
Dg(x ) = D g(x ), D g(x )
Ahora, suponiendo que el rango ( ) = , ( ) tiene columnas linealmente
independientes. Sin prdida de generalidad, podemos reescribir el de tal forma que la
submatriz cuadrada ( ) tiene rango completo y por lo tanto es invertible. Dividiendo
apropiadamente los vectores y matrices relevantes, (L) puede ser escrito
( ) ( ) 0
[ ) ] + [ ]=[ ]
( ( ) 0
Ya que ( ) es invertible, podemos resolver las primeras ecuaciones del sistema para
un valor nico de :
( ) + ( ) = 0
= ( ) ( )1 (1)
Slo queda demostrar que el vector tambin satisface las ecuaciones restantes del sistema:
( ) + ( ) = 0 (2)
Para establecer que (2) se sostiene, partimos de la observacin de que si es una solucin
ptima de (P.L), entonces cualquier pequeo movimiento factible lejos de l reducir el valor
de la funcin objetivo. La complicacin relativa a los problemas ms simples que hemos
considerado hasta ahora, es que ahora tenemos que estar seguros de considerar solamente
los movimientos que no violen las ecuaciones de restriccin. Una forma de hacerlo es aplicar
el teorema de funcin implcita (IFT) para "resolver" el sistema de ecuaciones de restriccin,
( , ) = 0, para algunos de las variables de eleccin en funcin del resto. Luego
sustituimos esta funcin en para "eliminar" las restricciones. Este procedimiento nos
permite transformar el problema de Lagrange en un problema equivalente de maximizacin
en un conjunto abierto. El clculo directo utilizando las condiciones de primer orden para
este problema modificado demuestra que la condicin (2) se mantiene.
Demostracin
278
Optimizacin Esttica
(I) Aplicamos el IFT al sistema de ecuaciones de restriccin. Sea = ( , ) una solucin

ptima de (P.L). Ya que es factible por definicin, ( , ) = 0 y | ( , )|
0 por el supuesto de rango. Por lo tanto, satisface las condiciones del IFT, y se sigue que
para cualquier valor dado de en alguna vecindad de , existe un valor nico de
cercano a y localmente nico tal que ( , ) = 0 . Formalmente, existe una funcin
1
: , ( ) = . . ( , ) = 0
Donde y son bolas abiertas centradas en y . La derivada de se puede calcular
fcilmente mediante una diferenciacin implcita:
( ), 0 ()( ) + () = 0
1
( ) = () () (3)
La utilidad de la funcin ( ) radica en el hecho de que nos permite evitar consideraciones
explcitas de las restricciones. Dado un valor de , ( ) nos da un valor de tal que
( , ) es factible.
(ii) Ahora utilizamos ( ) para transformar (P.L) en un problema equivalente de
maximizacin en un conjunto abierto y convexo. Defina la funcin : por
( ) = h( ),
Ahora bien, si = ( , ) es una solucin ptima de (P.L), entonces ser una solucin
de
max{( ) ; , } (P.U)
,
Y por lo tanto satisfar la condicin de primer orden

( ) = 0 (4)
Usando (l) - (4), podemos ahora establecer el resultado deseado por operacin directa:
0 = ( ) = h( ), = ( )( ) + ( ) Por (3)
1
= ( ) ( ) ( ) + ( ) por (1)
= ( ) + ( ) = 0
Por lo tanto, la ecuacin (2) se mantiene, lo que demuestra el teorema.
2
()
( ) 2 ( )

2
2 () = 0
()
1
1 () = 0
1
1 ( )
Figura 7.4. Error en la calificacin de restriccin
279
Una de las suposiciones del teorema de Lagrange es que el rango de la matriz de las primeras
derivadas parciales de las funciones de restriccin, evaluadas en solucin ptima, es igual al
nmero de restricciones, c. Esta condicin es mayormente llamada una restriccin de
calificacin. Para entender su papel, observe que la condicin de Lagrange puede escribirse
( ) = ( ) = =1 ( ) (L)
As, (L) requiere que seamos capaces de escribir la gradiente de f como una combinacin
lineal de las gradientes de las funciones de restriccin. Si la restriccin de cualificacin falla,
podramos darnos cuenta de que no tenemos suficientes gradientes de restriccin linealmente
independientes para mantener (L),
La figura 7.4 ilustra la geometra del problema para un par de ejemplos. En cada caso,
maximiza claramente sujeto a () = 0, porque es el nico punto en el conjunto factible.
Sin embargo, la condicin de Lagrange ( ) + ( ) = 0 no se mantiene en ningn
caso. En el primer panel de la figura que tenemos ( ) > 0 ( ) = 0 por lo que no
existe un nmero tal que ( ) = ( ). En el segundo, las curvas de nivel cero de
las dos restricciones son tangentes en el ptimo. Como resultado, los gradientes de las
funciones de restriccin se encuentran en la misma lnea recta y por lo tanto no generan el
plano (1 , 2 ). Por lo tanto, ( ) no puede escribirse como una combinacin lineal
1 ( ) 2 ( ), a menos que, por casualidad, se encuentre en la misma lnea recta.
El siguiente teorema da condiciones suficientes para un punto que satisface la condicin de
Lagrange para ser una solucin ptima de (P.L). Antes de establecer el resultado, debemos
observar que no hay prdida de generalidad en asumir que los multiplicadores de Lagrange
son no negativos, porque siempre podemos invertir sus signos reescribiendo una o ms de
las restricciones en la forma () = 0. Por ejemplo, supongamos que todos los
multiplicadores son no negativos, excepto para uno, < 0. Cuando multiplicamos la
restriccin correspondiente por -1, invertimos los signos de las derivadas parciales de la
funcin de restriccin y por lo tanto el signo de la determinante de la matriz
= () 2 . Ahora, los multiplicadores de Lagrange son la solucin a
( ) = ( )
Y, por la regla de Cramer, es dado por
| |
= ||
Donde es la matriz obtenida mediante el reemplazo de la columna de dada por

( ) con el vector del lado derecho, ( ). Por lo tanto, la multiplicacin de la
restriccin por -1 invierte el signo del multiplicador correspondiente.
Con esto en mente, el teorema dice que si hay alguna manera de escribir el Lagrangiano
entonces las restricciones son cuasicncavas y los multiplicadores son no negativos, entonces
un punto factible que satisface la condicin de Lagrange es un ptimo.
Teorema 1.14. Condiciones suficientes para un mximo global. Sea pseudocncava, Y todo ()
cuasicncava. Si ( , ) satisface la condicin de Lagrange, ( ) + ( ) = 0, con
factible y 0, entonces es una solucin ptima al problema de Lagrange (PL).
Problema 1.15. Probar Teorema 1.14. Sugerencia: Siga la demostracin del Teorema 1.6.
280
Optimizacin Esttica
Ahora damos un segundo conjunto de condiciones suficientes que, aunque slo locales en
carcter, a menudo son bastante tiles en aplicaciones econmicas. Un punto que satisface
las condiciones del teorema se dice que es un maximizador regular de sujeto a las
restricciones.
Teorema 1.16. Condiciones suficientes para un mximo local estricto. Sea un punto factible que satisface
la condicin de Lagrange para algunos , . Supongamos que la matriz de las segundas derivadas parciales
de la funcin lagrangiana con respecto a las variables de seleccin , evaluadas en ( , ),
2 ( , ) = 2 ( ) + 2 ( )
Es definido negativo sujeto a las restricciones ( ) = 0, es decir,
2 ( , ) < 0 . . ( ) = 0
Entonces es un maximizador local estricto de sujeto a () = 0.
Demostracin. Sea un vector de direccin en , y considere un punto factible + ,
donde > 0. Usando la frmula de Taylor, podemos escribir
2 2
( + , ) ( , ) = ( , )() +

( + , )
2
(1)
Para unos (0,1). Escribiendo (1) con ms detalle, tenemos
( + ) + ( + ) ( ) ( )
1
= [( ) + ( )]() + 2 2 ( + ) (2)
2
Observando que
Por suposicin, tanto como + son factibles, es decir,
( ) = ( + ) = 0
satisface la condicin de Lagrange, ( ) + ( ) = 0, la ecuacin (2) se

reduce a
2
( + ) ( ) = 2 ( + ) (3)
2
Mostraremos que si no es un maximizador local estricto, entonces 2 ( , ) no puede

definirse negativamente sujeto a ( ) = 0
Supongamos que no es un maximizador local estricto, y considere una disminucin de
secuencia de nmeros reales > 0 convergentes a cero. Para cada existe un punto
factible ( ) tal que ( ) ( ) .Podemos escribir los vectores de la
forma
= +
Donde es un vector de direccin normado (con norma unitaria). Ahora,
{ } por construccin, lo que implica que { } 0 . Aplicando el Teorema de
Bolzano-Weierstrass componente por componente a la secuencia acotada { }, vemos que
esta secuencia tiene una subsecuencia convergente (vase el problema 3.12 en el Captulo 2).
281
Para simplificar la notacin, supongamos que { } converge a algunas . Entonces tenemos,

para cada + , lo siguiente:
Por viabilidad, tenemos
1
g( + ) g( ) = 0

Y tomando el lmite de esta expresin como
Dg( )h = 0 (4)
Usando (3) y el supuesto de que ( ) ( )

2 2
( + , ) = ( + ) f( ) 0
2
Dividiendo por 2 y tomando el lmite de la expresin resultante como , la
desigualdad se mantiene. Por lo tanto, existe un vector , con ( ) = 0 , y tal que
2 ( , ) 0 (5)
Se deduce que 2 ( ) es definido negativo sujeto a las restricciones linealizadas, y esto
establece el resultado deseado.

Problema 1.17. Resolver el problema
,, 2 2 + . . 2 + 2 + 2 = 9
Por el mtodo de los multiplicadores de Lagrange. Utilice las condiciones de segundo orden
suficientes para un mximo estricto para determinar cul de las dos soluciones del sistema
de condiciones de primer orden produce un mximo. Compruebe que esto es correcto
comparando los valores de la funcin objetivo en ambos casos.
c) Restricciones de desigualdad: El problema Kuhn-Tucker
En esta seccin consideraremos problemas de la forma:
max{(); () 0} (P.K-T)

Donde : y : son 2 funciones. La nica diferencia con el

problema Lagrange es que las restricciones ahora estn escritas como como desigualdades
dbiles, en lugar de igualdades.
Una restriccin de desigualdad, () 0, es vinculante o activa en un punto factible si
este cumple con la igualdad ( ( ) = 0), y no vinculante o inactiva si este cumple con la
desigualdad estricta. Intuitivamente, es claro que solamente las restricciones vinculantes son
ms importantes y que las restricciones no vinculantes no tienen efectos en las propiedades
locales de una solucin ptima. Por lo tanto, si nosotros supiramos desde un inicio que
restricciones estaran vinculadas a un ptimo, el problema Kuhn-Tucker se reducira a un
problema de Lagrange en donde nosotros podramos tomar las restricciones activas como
igualdades e ignorar el resto.
282
Optimizacin Esttica
Como en el caso de Lagrange, una buena receta para recordar las condiciones de primer
orden consiste en introducir un vector de multiplicador, uno para cada restriccin y escribir
el Lagrangiano:
(. ) = () + ()
A continuacin, procedemos como si quisiramos maximizar (. ) con respecto a (sin
restricciones) y minimizar con respecto a sujeto a la restriccin de no negatividad 0.
Esto produce las siguientes condiciones:
(. ) = () + () = 0 (L)
(. ) = () 0 () = 0 > 0
0 = 0 () > 0 (CS)
O equivalentemente,
0, () 0 () = 0 = 1,. . . , (C-S)
Esto es, la restriccin es obligatoria ( () = 0) o el multiplicador asociado es cero, o

ambos. Adems, si el multiplicador es estrictamente positivo, la restriccin debe ser
vinculante, y si la restriccin es no vinculante, el multiplicador debe ser cero.
El Teorema de la condicin de holguras complementarias (C-S) tiene una muy intuitiva
interpretacin econmica. Volvamos a nuestra interpretacin informal de los multiplicadores
como precios sombra que miden el costo implcito, en trminos de las restricciones de la
disponibilidad de recursos. En este contexto, est claro que si una restriccin es no vinculante
(tenemos ms de lo que necesitamos del recurso), un incremento adicional en la cantidad
disponible no incrementar el beneficio. Por otro lado, si el multiplicador es positivo, un
incremento en las cantidades, incrementar el beneficio. Claramente, esto puede ser el caso
solo si nosotros no tenamos suficiente de recursos con que iniciar; es decir, si la restriccin
es vinculante. En resumen, si ya tienen demasiado de algo, cualquier cantidad adicional ser
intil. Y si no tenemos suficiente, deberamos estar dispuestos a pagar un precio positivo con
el fin de conseguir un poco ms.
En lo que sigue, adoptaremos la siguiente convencin de notacin. Nosotros vamos a volver
a numerar las funciones de restriccin, (), = 1, , de tal manera que las restricciones
vinculantes estn primero. Esto es, si es un punto factible, nosotros organizamos las
restricciones as que
( ) = 0 = 1,2, , (restricciones vinculantes)
( ) > 0 = + 1, , (restricciones no vinculantes)
y definir
( ) = [1 ( ), . . . , ( )] =
( ) = [+1 ( ), . . . , ( )] =
Por lo tanto, podemos dividir el vector de restricciones como
( )
( ) = [ ]
( )
283
Y dividir el vector de multiplicadores de manera correspondiente

= ( , )
Usando esta notacin, la condicin de Lagrange
() + () = 0
puede ser escrita
()
() + ( , ) [ ] = () + () + () = 0
()
Con esto en mente, la condicin
() =
Puede interpretarse casi exactamente como en el caso de Lagrange, excepto que ahora solo
se aplican las restricciones que son vinculantes para una solucin ptima del problema.
Teorema 1.18 Kuhn-Tucker. Sea una solucin ptima para el problema KuhnTucker.
max{(); () 0} (P.K-T)

Donde y son 1 , y el rango ( ) = . Entonces existen multiplicadores no negativos de

Lagrange + tales que ( , ) satisfacen las siguientes condiciones:
( ) + ( ) = 0 (L)
= 1, . . . , , () 0 () = 0 > 0 (C-S)
Y
0 = 0 () > 0
Demostracin. Se divide el vector de variables elegidas,
= ( , ), = (1 , . . . , ) = (+1 , . . . , )
Y la matriz () correspondientemente,
() = [ (), ()]
Re etiquetar las si es necesario, de modo que la matriz () tendr un

rango B (y por lo tanto ser invertible), podemos escribir las condiciones de Lagrange (1) en
la forma
() ()
[ ]+[ ] + () = 0 (2)
() ()
Nosotros definiremos los multiplicadores siguientes. Primero, fijamos a cero los
multiplicadores asociados con las restricciones inactivas,
= 0
Luego las primeras B ecuaciones de (2) se reducen a
( ) + ( ) = 0
284
Optimizacin Esttica
Que solucionamos para

1
= ( )[ ( )] (3)
Queda por demostrar que las ecuaciones restantes en (2) son vlidas para estos valores de los
multiplicadores y que los multiplicadores son todos no negativos, es decir,
( ) +
( ) = 0 0 (4)
La demostracin proceder, como en el caso del teorema de Lagrange, mostrando que una
solucin ptima del problema original tambin resolver una maximizacin ms simple.
Utilizando las condiciones de primer orden para este problema, se establecer (4).
(i) Para eliminar las restricciones de desigualdad, introduciremos un vector de variables

flojas, una por cada restriccin:
= (1 , . . . , ) = ( , )
donde y son los vectores de las variables flojas asociadas

respectivamente con las restricciones vinculantes y no vinculantes.
Las restricciones originales, () 0 tambin pueden ser escritas
() = 0 0
Adems, si restringimos el valor de a una vecindad suficientemente pequea de la

continuidad de las funciones de restriccin implica que las restricciones que no son
vinculantes en seguirn siendo inactivos en esta regin. Esto es, existe un > 0 tal
que para todo ( ) tenemos
() > 0 = + 1, . . . , (o equivalentemente, 0)
Mientras permanezcamos en esta regin, por lo tanto, podemos ignorar las

restricciones inactivas y centrarse en los activos. stos se pueden volver a escribir en
la forma
(, ) = () = 0 0 (5)
Donde I es la matriz identidad .

Ahora, si soluciona el problema Kuhn Tucker
max{(); () 0} (P.K-T)

La discusin precedente implica que tambin resolver el problema
max{(); (, ) = 0, 0, ( )}

(ii) A continuacin, aplicamos el teorema de funcin implcita (IFT) a (5) para eliminar
las restricciones vinculantes. Sabemos que = ( , ) satisface (5) con = 0 (que
significa, no hay holgura para las restricciones activas en el ptimo). Diferenciando
285
( ) con respecto a , tenemos
( , ) = ( , 0) = ( )
Por la suposicin del rango (calificacin de restriccin), esta es una matriz invertible.
Por lo tanto, las suposiciones de la (IFT) de mantener en
( , ) = ( , , 0) y el sistema (5) de las restricciones activas definen
implcitamente como una funcin ( ) de ( , ). Esto es, existe la funcin
: , , ( , ) = . . [( , ), , ] = 0
donde y : , son bolas abiertas con centro y ( , 0). La funcin ( )

asigna a cada par ( , ) el valor de que satisface las restricciones de (P).
La diferenciacin implcita de la identidad

[( , ), , ] = [( , ), ] 0
nos da
( ) ( , ) + ( ) = 0
en donde
( , 0) = [ ( )]1 ( ) (6)
y
( ) ( , ) = 0
Implica
( , 0) = [ ( )]1 (7)
Ahora definimos la funcin : , por
( , ) = [( , ), ]
Y observamos el par ( , ) = ( , 0) puede ser una solucin ptima para el

problema
max{( , ); 0, ( , ) , } (P)
,
Y por lo tanto va a satisfacer las condiciones de primer orden
( , ) = 0 ( , ) 0 (8)
Esto es, por cada = 1, . . . ,
( , ) 0 = 0 > 0
0 = 0 ( , ) < 0
286
Optimizacin Esttica
Usando (8), tenemos
0 = ( , ) = [( , ), ] = ( ) ( , ) + ( )
= ( )[ ( )]1 ( ) + ( ) [por (6)]
( ) )
= + ( = 0 [por (3)]
Que es aquello que queramos mostrar.
Finalmente, la condicin ( , ) 0 garantiza la no negatividad de los
multiplicadores. Usando la segunda parte de (8).
0 ( , ) = [( , ), ] = ( ) ( , )
= ( )[ ( )]1 = [por (7)]

Esto es, 0.

Teorema 1.19. Condiciones suficientes para un mximo global. Dado el problema (P.K-T) supongamos que
la funcin objetivo ( ) es pseudo cncava y que las funciones de restriccin ( ) son todas cuasi cncavas.
Sea ( , ) un par de vectores que satisfacen las condiciones necesarias dadas en el teorema de Kuhn Tucker
(las condiciones de Lagrange y las condiciones de holgura complementarias). Luego es una solucin ptima
del (P.K-T).
La demostracin es la misma como en el teorema correspondiente del problema

de Lagrange, despus de observar que
( ) = 0 por construccin.
Teorema 1.20. Unicidad. Sea , una solucin ptima de (P.K-T). Si es estrictamente cuasi cncava y las
restricciones de desigualdad ( ) son todas cuasi cncavas, entonces es la nica solucin ptima para el
(P.K-T).
Demostracin: Este resultado se deduce del Teorema 1.11 (unicidad para el problema de
conjunto de restricciones convexas) despus de observar que el conjunto factible {; ()
0} es (la interseccin de conjuntos convexos y por lo tanto) convexo por la cuasi concavidad
de las funciones de restriccin.

Problema 1.21. Objetivo integral y funciones de restriccin. Sea : +1

Son 1 funciones, y considerando el problema.

max { [(). ] . . [(). ] 0} (P.I)
(),[,]
Este problema difiere de los que hemos considerado hasta ahora en que, en lugar de elegir
un conjunto finito de variables de decisin, debemos elegir ahora un nmero infinito de ellos.
En otras palabras, el objeto de eleccin ya no es un vector en sino un continuo de ellos,
como se describe por una funcin ():

[, ] , donde para cada valor posible de la variable , nos da la eleccin de
instrumentos.
Utilizando resultados anteriores, derivaremos las condiciones necesarias y suficientes para
una solucin ptima de (P.I) que se asemeje mucho a los aplicables a un problema estndar
de Kuhn-Tucker.
287
(i) El argumento usado para derivar las condiciones de primer orden para un
ptimo debe estar familiarizado ahora. Sea () una solucin ptima para
(P.I). y consideramos una variacin factible de esta funcin. En particular,
consideraremos una familia de dos parmetros de funciones de la forma
() = () + () + ()
Donde () y () son funciones arbitrarias de , y los parmetros y
sern elegidos de modo que, dada ( ) y ( ) , la restriccin se mantenga.
Ahora considerando el problema

max{(, )} = [(), ] . . (, ) = [(). ] 0 (P.I)
,
Este problema est claramente relacionado con el original. Porque () es ptimo

para (P.I), sabemos que la solucin del problema transformado consiste en establecer
un y un igual a cero. La reformulacin es til, sin embargo, en esto podemos usar
tcnicas ya conocidas para obtener las condiciones necesarias para un ptimo.
En particular, introduzca un multiplicador , defina la funcin

(, , ) = [(), , ] = [(), ] + [(), ]

Y utilizar el teorema de Kuhn-Tucker para derivar las siguientes condiciones de primer

orden:
[ (), , ] = [ (), ] + [ (), ] = 0 (K-T)

[ (), ] 0, y [ (), ] = 0, si > 0

0, y = 0 si [ (), ] > 0 (C-S)
Observe que (K-T) debe mantenerse por separado para cada [. ]. Por otra parte,
hay un multiplicador nico que no depende de .
(ii) Supongamos que (. ) y (, ) son cncavas en para cada , y sea () son
una opcin que satisface las condiciones de primer orden para el problema. Muestra
que () resuelve (P.I).
d) Programacin cncava sin diferenciabilidad

Aunque la diferenciacin de las funciones objetivo y restrictiva es una suposicin
conveniente, la esencia de muchos de los resultados anteriores va sin esa suposicin, como
se muestra en los siguientes teoremas.
Teorema 1.22. Sea una solucin ptima para el problema.
max{(); () 0} (P.K-T)

Donde : X ,donde cada uno de los componentes de , : X , = 1, . . . , ,

son funciones cncavas. Supongamos adems que existe un punto tal que ( ) 0. Entonces
existe un vector de multiplicadores no negativos + tal que
288
Optimizacin Esttica
( ) + ( ) () + ()
( ) = 0 = 1,2, . . . ,
La suposicin de que existe un punto en tal que ( ) > 0 para todos j se conoce
como calificacin de restriccin de Slater, o condicin de Slater, y esto requiere que las
restricciones tengan un interior no vaco. La primera condicin necesaria dice que
maximiza la funcin Lagrangiana (, ) = () + ()
nos da el correcto valor de los multiplicadores. Cuando f y g son 1 , esto reduce a la usual
condicin de Lagrange.
Demostracin. Sea la solucin ptima del problema Kuhn Tucker, y supongamos que la
cualificacin de la restriccin. Vamos a demostrar que no existen multiplicadores no
negativos 1, , . . . , con las propiedades requeridas.
Definiendo el conjunto por
= { = (0 , 1 , . . . , ) +1 ; 0 () () } (1)
(i) Afirmacin: Y es un conjunto convexo. Dado dos puntos arbitrarios
y en , sean y puntos que funcionan para y en el sentido que
estos satisfacen las desigualdades en (1). Para establecer la convexidad de ,
mostraremos que para cada (0.1), el punto = (1 ) + funciona para
= (1 ) + .
Por la concavidad de y cada una de las componentes de , tenemos
0 = (1 )0 + 0 (1 )( ) + ( ) ( )
= (1 ) + (1 ) () + () ( ) para cada = 1, . . .
Por lo tanto, , como hemos encontrado que funciona para l.

(ii) Afirmacin: = (( ), 0) . Esto es, el vector formado por el mximo
valor para la funcin objetivo y el vector cero el pertenece a la frontera del conjunto
Y.
Procedemos por contradiccin. Supongamos que no es un punto lmite de .
Entonces (porque pertenece al conjunto) debe ser un punto interior de . Por lo
tanto, existe algn > 0 tal que ( ) . Es decir, a partir de
= (( ), 0), podemos movernos un poco sin salir de . En particular podemos
aumentar un poco de y an permanecer en . Por lo tanto all existe algn vector
( ) tal que

0 > ( ) y 0 = 1, . . . ,
Pero entonces, porque , existe algn vector que "funcione" para l, es decir, tal
que
() 0 > ( ) y () 0
Observe que es un punto factible, con la propiedad que () > ( ). Porque
maximiza, esto es imposible, y hemos llegado a una contradiccin.
289
(iii)Por el teorema del hiperplano soporte (teorema 1.25 en captulo 6) Y tiene un

hiperplano soportado a travs del punto , es decir, existe un vector 0 en +1
tal que
= 0 ( ) + =1 0 0 0 + =1 . (2)
(iv)Afirmacin: 0 para todo = 0, . . . , . Obsrvese que si , entonces

cualquier punto de la forma , donde es un vector con componentes no
negativos, pertenece a . Para establecer la Afirmacin, procederemos por
contradiccin. Supongamos que > 0 para algn , y elige para que
sea un nmero negativo grande. Claramente, siempre podemos elegir un
suficientemente grande para

0 ( ) 0 (0 0 ) + ( )
=1
no se sostiene.
(v) Claramente, ((), ()) para cualquier . Por lo tanto, (2) implica
0 ( ) 0 () + =1 () (3)
(vi) Afirmacin: 0 < 0. Por la contradiccin de la condicin de Slater. Supongamos

que 0 = 0 (sabemos que no puede ser estrictamente positiva). Entonces, por (3),
=1 () 0 (4)
Ahora mostraremos que esto contradice la condicin de Slater. Darse cuenta de porque
0 para todo , y no todos los pueden ser cero, hay al menos un tal que
< 0. A continuacin, sea un punto tal que () > 0 para todo (este punto
existe por la condicin de Slater). Entonces (4) no puede sostener (porque
()0 () 0 para todo , la suma de estos trminos debe ser
estricamente negativa).
(vii) Definir por

0 = 1 y = 0 = 1, . . . ,
0
Entonces, dividiendo a ambos lados de (3) por 0 < 0 (que invierte la desigualdad),
obtenemos
( ) () + =1 () para cualquier (5)
Adems, con = ,(5) implica que

( ) 0
=1
y de hecho
=1 ( ) = 0 (6)
290
Optimizacin Esttica
Porque ( ) 0 y 0 para todo . Por la misma razn, cada uno de los trminos de
esta suma debe ser no negativos(es decir, ( ) 0 ), pero si algunos de ellos es
estrictamente positivo, la igualdad en (6) no puede retener. Por lo tanto, debe ser que
() = 0
Usando (5) y (6), podemos ahora escribir

( , ) = ( ) + ( ) () + () = (, )
Para cada . Esto es, , maximiza (, ).

Teorema 1.23. Considere el problema (P.K-T): max {(); () 0}. Asuma que existen vectores
y + tal que es factible(es decir, ( ) 0), y
( ) + ( ) () + () (1)
( ) = 0 = 1, . . . , (2)
Entonces es la solucin ptima para el problema Kuhn Tucker.
Obsrvese que no se dice nada sobre la concavidad del objetivo y las funciones de restriccin,
o sobre una cualificacin de restriccin.
Demostracin. Queremos demostrar que maximiza sujeta a las restricciones () 0.
Por supuesto, es factible. Por (1),
( ) + ( ) () + ()
Para todo . Pero porque ( ) = 0, por (2), tenemos
( ) () + ()
Para cualquier . Finalmente, porque () 0 para todos los puntos factibles y 0,
tenemos () 0 para cada factible, y por lo tanto
( ) ()
Para todo con () 0, esto es, resuelve el problema (P.K-T).

2. Esttica comparativa y funciones de valor
Vamos a reintroducir los parmetros en el anlisis y considerar la siguiente familia de
problemas de programacin no lineal:
max ( , ) (P. )
()
Para valores dados de los parmetros 0 , podemos resolver (P. ) para los valores ptimos
de las variables de eleccin (suponiendo que exista una solucin). Un cambio en la
conduccin a una nueva solucin ptima. Resolviendo el problema para cada valor de los
parmetros, construimos su correspondencia de solucin,
291
() = (, )
()
y sustituyendo ( ) en la funcin objetivo, obtenemos la funcin del valor del problema:

() = max (, ) = ( , ), dnde ()
()
Notar que ( ) siempre es una funcin bien definida (es decir, es de un solo valor incluso si
() no es) porque todos los maximizadores en () el rendimiento del mismo valor de
la funcin objetivo por definicin. De hecho, ( ) y ( ) estn relacionados por la siguiente
expresin:
() = (, ) = { (); (, ) = ()}
()
En la primera parte de esta seccin se establecer un importante teorema que da condiciones

suficientes para la solucin de (P. ) cambiar continuamente con los parmetros. Entonces
reforzaremos estas condiciones para asegurar que la correspondencia de la solucin () es
(al menos localmente) una funcin bien definida y suave = (), y desarrollaremos un
mtodo para analizar las propiedades de esttica comparativa de esta funcin. En el resto de
la seccin, repasaremos algunos resultados tiles sobre las funciones de valor.
(a) El Teorema del mximo
Teorema 2.1. Teorema de Berge del mximo. Conjuntos dados X n y P , sea f: X

una funcin continua, y C: X una correspondencia compacta y continua y considerar el problema
de maximizacin parame-trizado
max ( , ) (P. )
()
Entonces la funcin de valor

V() = max ( , ) (1)
()
Es continua, y la correspondencia solucin S: X,

S() = max = { x (); f(x, ) = V()} (2)
C()
Es no vaco, de valor compacto y hemicontinuo superior (uhc).

Prueba. Arreglar algunos . Por supuesto, el conjunto () es no vaco y compacto, y
(, ) es continuo. Por el teorema del valor extremo (Teorema 8.22 en el Captulo 2), ( )
alcanza un mximo en el conjunto (), y () es no vaca. Adems, porque () es un
subconjunto del conjunto compacto (), est limitado. Ahora mostraremos que tambin
est cerrado y por lo tanto compacto s mismo (segn el Teorema 8.14 en el Captulo 2).
Considere una secuencia convergente de maximizadores para el dado , { }, con
(), y sea el lmite de esta secuencia. Queremos demostrar que (), es decir, que
() est cerrado (vase el Teorema 4.13 en el Captulo 2). Ahora, porque () est cerrado
292
Optimizacin Esttica
por asuncin, y { } est contenido en l, se sigue () que (es decir, que es factible).
Observe tambin que () = ( , ) para todo , porque todos son maximizadores.
Porque ( ) es contina, se sigue que (, ) = lim ( , ) = () (es decir, que
es tambin un maximizador). Por lo tanto, (), Como se iba a mostrar, y concluimos
que () es compacto.
A continuacin, mostramos que es hemicontinuo superior (uhc). Debido a que acaba de
demostrarse que es compacto, podemos usar la caracterizacin secuencial de la
hemicontinuidad superior (Teorema 11.2 en el Captulo 2), fijar , dejar que { } sea una
secuencia arbitraria con lmite , y elegir una secuencia complementaria { } con
( ) ( ) para cada . Para establecer que es uhc, tenemos que demostrar que { }
tiene una subsecuencia convergente con lmite en ().
Porque ( ) es uhc, existe una subsecuencia { ( ) ( )} que converge a
algn punto (). Despus, sea un punto arbitrario en (). Porque ( ) es tambin
uhc, { } tiene una secuencia asociada { ; ( )} que converge a (por el
Teorema 11.3 en el Captulo 2) ahora, porque es ptimo para , mientras que
slo se asegura que sea factible, tenemos ( , ) ( , ) para cada . Tomando
los lmites de ambos lados de esta desigualdad, la continuidad de ( ) implica que (, )
(, ). Porque es un punto factible arbitrario, se deduce que es un maximizador de
en () (es decir, que ()). Por lo tanto, ( ) es uhc.
Finalmente, mostramos que la funcin de valor es continua. Para esto, podemos usar el
hecho de que la composicin de dos uhc correspondencias es uhc (Teorema 11.13 en el
Captulo 2) notar que ( ) puede escribirse en la forma.
() = max ( , ) = ((), )
()
Donde () es el conjunto de maximizadores para , Por lo tanto, ( ) es la composicin

de una funcin continua ( ) y una uhc correspondencia ( ). Porque una funcin contina
puede considerarse una correspondencia uhc (de un solo valor), se sigue que ( ) es uhc.
Pero tambin sabemos que ( ) es un solo valor, y esto implica que es una funcin continua.

El teorema mximo dice que el conjunto de maximizadores y el valor del problema cambian
continuamente con los parmetros siempre que la funcin objetivo sea continua y la
correspondencia de restriccin sea compacta y continua. De estas condiciones, la ms difcil
de verificar es la ltima. Nuestro siguiente resultado muestra que la correspondencia de
restricciones en los problemas estndar de Kuhn - Tucker es continua bajo ciertas
suposiciones. La estrategia de la prueba puede adaptarse para establecer la continuidad de las
correspondencias en otros casos de inters.
Teorema 2.2. Dado que y , donde es convexa, sea (, ) : una
funcin continua cncava para dado para todo = 1, . . . , , y definir la correspondencia :
por
C() = {x X; (x, ) 0 i = 1, , }
Que ( 0 ) sea compacto y supongamos que existe algn punto ( 0 ) de tal manera que
(, 0 ) > 0 para todo ; entonces C( ) es continuo en 0 .
293
En la demostracin del Teorema 2.2 haremos uso de los dos lemas siguientes.
Demostraremos ambos bajo la suposicin de que hay una nica restriccin ( = 1) y
dejamos la extensin al caso general como un ejercicio.
Lema 2.3. Bajo los supuestos del Teorema 2.2, el conjunto
C ( 0 ) = {x X; (x, 0 ) + 0 = 1, , }
Es compacto para todos > 0.
Prueba. Supongamos que hay una nica restriccin de la forma (, ) 0, y fijamos alguna
arbitraria > 0. Entonces ( 0 ) es un conjunto cerrado porque es la imagen inversa del
conjunto cerrado [, ) bajo la funcin continua (, 0 ). Para demostrar que ( 0 )
est limitado (y por lo tanto compacto), procederemos por contradiccin.
Suponga que ( 0 ) no tiene lmites. Entonces existe una secuencia { }, con
( 0 ) para todo (es decir, con ( , 0 ) ), tal que { } . Sabemos que
existe alguna ( 0 ) tal que (, 0 ) = > 0. observe que existe alguna (0,1)
tal que
(1 ) > 0 (1)
(Basta con elegir 0 < < /( + ) < 1). usaremos este junto con y { } para
construir una secuencia { } de puntos en ( 0 ) que diverge al infinito en norma,
contradiciendo el supuesto lmite de ( 0 )
Dejar
= (1 ) +
Entonces, por la concavidad de ( ) en , y usando (1), tenemos
( , 0 ) = ((1 ) + , 0 ) (1 )(, 0 ) + ( , 0 )
(1 ) > 0
Por lo tanto ( 0 ) para todo . Por otra parte,
= (1 ) +
Porque { . Esto establece que ( 0 ) es ilimitada, contradiciendo nuestra
suposicin.
Lema 2.4. Bajo las suposiciones del teorema 2.2, para cada > 0 existe alguna > 0 tal que ()
( 0 ) para todo ( 0 ).
Prueba. Por contradiccin. Supongamos que el resultado no es vlido; Entonces existe alguna
> 0, una secuencia de parmetros { } 0 , y una secuencia asociada { }, con
( ) y ( ) para todo . Tenemos, entonces,
( , ) 0 (1)
Y
( , 0 ) < (2)
294
Optimizacin Esttica
Para todo . Por otro lado, sabemos que existe algn punto tal que
(, 0 ) > 0 (3)
Y esto implica, por la continuidad de (,) y el hecho de que { } 0 , que existe alguna
tal que
(, ) > 0 > (4)
Utilizando la continuidad de (, 0 ), (2) y (3) implica que para cada existe algn punto
de la forma
= (1 ) + , (0,1) (5)
Tal que
( , 0 ) = (6)
Por lo tanto ( 0 ) para todo . Adems, la concavidad de ( ) en implica que
( , ) = ((1 ) + , ) (1 )(, ) + ( , ) > 0 (7)
Para todo > , y se sigue que
( ) >
Ahora, porque { } est contenida en ( 0 ) y este conjunto es compacto por el Lema 2.3,
se sigue (por el Teorema 8.5 en el captulo 2) que esta secuencia tiene una subsecuencia
convergente { }, con lmite en ( 0 ).

Finalmente, considere el lmite de esta subsecuencia. Por (6) y la continuidad de ( ),

tenemos
(, 0 ) = lim ( , ) =

Por otro lado, (7) implica que

(, 0 ) = lim ( , ) 0

Lo que contradice la declaracin anterior.
Prueba del teorema 2.2.

Hemicontinuidad superior: fijar algunas > 0. Por Lemas 2.3. Y 2.4 existe alguna >
0 tal que C() est contenida en el conjunto compacto ( 0 ) para todo
( 0 ). Por lo tanto, C() est limitado para todo ( 0). Adems, todos los
conjuntos estn cerrados, porque son imgenes inversas del conjunto cerrado
[0, ) . . . [0, ) bajo una funcin continua. Por lo tanto, C() es compacto
para cada ( 0 ).
Porque la correspondencia C( ) es compacta - valorada en ( 0 ), para establecer

su hemicontinuidad superior en, 0 basta (segn el Teorema 11.2 en el Captulo 2)
para demostrar que dada cualquier secuencia { } en ( 0 ) que converge a 0 ,
295
cada secuencia asociada { }, con ( ) para cada , tiene una Subsecuencia

convergente con lmite en ( 0 ).
Dejar { } 0 se contendr en ( 0), y considerar una secuencia

complementaria arbitraria { }, con ( ) para cada (es decir,
( , ) 0 para todo y ). Porque ( ( 0 ) para todo , { } est
contenido en el conjunto compacto ( 0 ) y por lo tanto contiene una subsecuencia
convergente { }, con lmite en ( 0 ). Por lo tanto {( , )} (, 0 ), y
por la continuidad de ( ) sigue que
(, 0 ) = lim ( , ) 0

Para todo . Esto implica que ( 0 ), como se iba a mostrar.
Hemicontinuidad Inferior. Probaremos el resultado bajo la suposicin de que existe una

nica restriccin (es decir, = 1). La extensin al caso general es directa.
Dejar { } 0 , y considerar un punto arbitrario ( 0 ). Queremos demostrar

que existe una secuencia complementaria { ; ( )} que converge a . Notar
que debido a que slo nos interesa el lmite de esta secuencia, podemos definir
arbitrariamente un nmero finito de sus trminos iniciales.
Consideraremos dos casos a su vez
Caso (): (, 0 ) > 0. Porque ( ) es continuo, existe alguna que > 0 tal que
(, ) > 0 (, ) (, 0 ) (1)
Considere la secuencia {(, )}. Porque {(, } (, 0 ), existe alguna tal

que (, ) (, 0 ) para todo . por (1), esto implica que
(, ) > 0
(Es decir, que ( ) para todo ). Por lo tanto, podemos construir la

secuencia { } como sigue:
si
= {
Un arbitrario ( ) si <
Observe que por construccin { } y ( ) para todo , como

quisiramos mostrar.
Caso (ii): (, 0 ) = 0. Sabemos que existe tal que (, 0 ) > 0 y que ( ) es

cncava en dado .
Por lo tanto, el conjunto.
296
Optimizacin Esttica
( 0 ) = { ; (, 0 ) 0}
Es convexa, y se sigue que el segmento de lnea [, ] est contenido en ( 0 ).

Adems, para cualquier punto de (, ),
= (1 ) + , con (0,1) (1)
La concavidad de (, 0 ) implica eso
( , 0 ) (1 )(, 0 ) + (, 0 ) > 0 (2)
Considere una secuencia de punto de la forma (1), { } (. ), tal que
< 1/
Para cada entero positivo . (Para obtener tal secuencia, basta con elegir 0 < <
1/( en (1). ) observemos que por construccin { } y
( , 0 ) > 0, por (2). Esta ltima expresin implica (por la continuidad de ( ,)
y el hecho de que { } 0 que para cada dado Existe cierto entero positivo
tal que
( , ) > 0 (3)
Observemos, adems, que podemos elegir tan grande como queramos y que, en
particular, podemos elegirlo de modo que > 1 para todo .
Ahora vamos a construir la secuencia deseada { } como sigue: Para < 1 ,

dejar ser un punto arbitrario en C( ); para 1 < 2 , poner = 1 , y,
en general, para < +1 dejar = . Porque = ( ) por
construccin (vase (3)), slo queda demostrar que { } .
Arreglar algunas arbitrarias > 0. Entonces existe algn entero tal que 1/ < .
Demostraremos que para todo > tenemos < . Deja > ; entonces
se encuentra entre y +1 para algunos > .
Por lo tanto,
= y = < 1/ < 1/ <
Que establece el teorema.
Problema 2.5. Extender la prueba de los Lemas 2.3 y 2.4 al caso de varias restricciones.
Problema 2.6. Daremos una prueba alternativa de la hemicontinuidad inferior de C( ) bajo los
supuestos del Teorema 2.2.
(i) Asumimos que hay una sola restriccin. Vamos a construir una secuencia { }
de la forma.
297
si ( ), es decir, si (, ) 0
= { (1)
( ) al ( , ) = 0 si (, ) < 0
Para mayor que un , y el conjunto igual a un punto arbitrario en C( )
para . Para establecer , recuerde que por asuncin existe un punto
() tal que (, ) > 0. Porque { } y ( ) es continua en para ,
hay alguna tal que (, ) > 0 para todo > . Utilice la continuidad de
(, ) para mostrar que para > podemos elegir = (1 ) +
para un (0,1) cuando (, ) < 0.
(ii) Para completar la prueba tenemos que demostrar que { } . Supongamos

primero que existe alguna interseccin tal que (, ) > 0 para todo >
. Entonces, de acuerdo con (1), tenemos = para todo > , y la
secuencia converge claramente al punto deseado. Si este no es el caso, entonces
{ } debe tener una subsecuencia { } < 0 con la propiedad de que
(, ) < 0 para todo , y porque ( ) es continua y { } , tenemos:
lim (, ) = (, ) 0

Porque () implica (, ) 0, adems, debe ser el caso que
(, ) = 0 (2)
Para mostrar que { = (1 ) + } , considere la secuencia { },

y observe que { } y slo si { } 0. Supongamos que { }0, y
utilizamos la concavidad de ( ) en para obtener una contradiccin.
(iii) Extender la prueba al caso de varias funciones de restriccin.
Los siguientes problemas muestran que la hemicontinuidad superior de () puede

establecerse bajo otros conjuntos de supuestos.
Problema 2.7. Dadas y , sea (, ): una funcin continua
para todo = 1,. . . , , y defina la correspondencia : por
() = { ; y (, ) 0 = 1,. . . , }
Muestran que C( ) es uhc en cada .
Uno de los pasos cruciales en la demostracin de que la correspondencia definida en el
problema 2.7 es uhc estableciendo que dada una secuencia arbitraria de parmetros { }
, cualquier secuencia complementaria de opciones viables { }, con ( ) para cada
, tiene una subsecuencia convergente. El resultado deseado se sigue fcilmente por la
continuidad de las funciones de restriccin ( ). En el problema precedente, la existencia
de una subsecuencia convergente de este tipo fue garantizada por el supuesto de que el
conjunto de restricciones estaba contenido dentro de un conjunto limitado "fijo" para todos
los valores de los parmetros. El siguiente problema muestra cmo esta asuncin puede ser
relajada, a expensas oh introduciendo supuestos adicionales sobre las funciones de
restriccin.
298
Optimizacin Esttica
Problema 2.8. Dado y , con convexo , sea (, ):

una funcin continua y cncava (en (, )) para todo = 1,. . . , , y defina la
correspondencia : por
() = { ; (, ) 0 = 1,. . . , }
Fijar un valor 0 del vector de parmetros y asuma que ( 0 ) est delimitado.
Sea { } una secuencia arbitraria que converge a 0 , y considere una secuencia
complementaria { } con ( ) para cada . Muestran que{ } est limitado.
Pista: por contradiccin. Suponga que { } no tiene lmites. Entonces tiene una
subsecuencia que diverge al infinito en norma. Para simplificar la notacin, suponga que la
secuencia misma diverge en norma (es decir, que { } ). Considere la secuencia
{ } = {( , )}. Porque { } , se deduce que { } .
Construya una nueva secuencia { } "proyectando" { } sobre el lmite de una bola en
cuyo interior contenga el conjunto ( 0 ) { 0 }. La secuencia resultante estar
limitada y por lo tanto tendr una subsecuencia convergente. Tomar el lmite de esta
subsecuencia y buscar una contradiccin.
Problema 2.9. Para cada y cada > 0, defina el conjunto () por
() = { ; (, ) 0 = 1,. . . , }
Muestran que, bajo las suposiciones del Teorema 2.2, para cada > 0 existe > 0 tal que
() ( 0 ) para todo ( 0 ).
Observe que si es suficientemente grande, () estar vaco, pero el resultado todava se

mantiene, porque el conjunto vaco es un subconjunto de cada conjunto por convencin.
(b) Esttica comparativa de los problemas de optimizacin suave.
A menudo estamos interesados en determinar cmo el comportamiento de un agente variar
en respuesta a los cambios en algunos de los parmetros que describen su "entorno". Por
ejemplo, cmo un cambio en el precio de un bien determinado afecta su demanda por un
consumidor optimizador? Matemticamente el problema se reduce a la determinacin de los
signos de las derivadas parciales de la funcin de decisin.
() = max (, )
()
Con respecto a los parmetros / ).

En esta seccin discutiremos el mtodo tradicional de abordar este problema. Nuestras
hiptesis asegurarn que ( ) es una funcin diferenciable definida implcitamente como la
solucin a un sistema de ecuaciones - la primera - Ordenar las condiciones necesarias
(CNsPO) para el problema. Por lo tanto, el mtodo discutido en el captulo 5 puede ser
aplicado. Despus de comprobar que las consunciones del teorema de funcin- implcita
(TFI) se mantiene, diferenciamos las condiciones de primer orden implicidad con respecto a
los parmetros, resolver para las parciales de inters, e intentamos firmarlas con la ayuda de
las condiciones suficientes para un ptimo.
Para que este mtodo sea aplicable, necesitamos imponer las siguientes suposiciones sobre
el problema de optimizacin:
299
(i) ( ) y ( ) son 2 funciones. Porque necesitamos diferenciar los POCNs, que

implican derivadas primeras de y , estas funciones deben ser 2 para que ( )
sea 1 .
(ii) La solucin al problema de programacin es un mximo regular (es decir, satisface

las condiciones suficientes para un mximo local estricto). Esta suposicin asegura
que la matriz obtenida diferenciando el sistema de CNsPO con respecto a las
variables de eleccin sea invertible, lo que nos permitir utilizar el TFI, y tambin
ser til cuando se trata de firmar las parciales comparativas - estticas.
Considere el problema de maximizacin sin restricciones.
max (, ) (P)

Donde es 2 funcin de variables, y fijar el vector de parmetros en 0 . Entonces la

condicin de primer orden para un mximo,
(, 0 ) = 0 (1)
Es un sistema de ecuaciones en los valores ptimos desconocidos de los instrumentos.
Supongamos que 0 es un maximizador regular de para 0 , es decir, una solucin de (1)
tal que la matriz hessiana de evaluada en 0 , es negativa definida. Entonces.
( 0 , 0 ) = 0 y
|| = | [ ( 0 , 0 )]| = |2 ( 0 , 0 )| 0
Es decir, las condiciones de la retencin TFI en ( 0 , 0 ).3 Por lo tanto, el mapeo de solucin
para el problema de maximizacin, = (), es localmente una funcin bien definida y
lisa. Sustituyendo ( ) en las condiciones de primer orden, obtenemos la identidad.
[(), ] 0 (2)
Diferencindose con respecto a ,
2 ( 0 , 0 )( 0 ) + ( 0 , 0 = 0
Y resolver para ( 0 ),
( 0 ) = [2 ( 0 , 0 )]1 ( 0 , 0 )
Finalmente, usando la regla de Cramer,
| |
=
||
Donde | | es el determinante de la matriz obtenida reemplazando la -sima columna de la
arpillera con la -sima columna de ( 0 , 0 ), es decir, los parciales de la forma
( 2 ( 0 , 0 )/ , ) por = 1,. . . , . Obsrvese que el signo de || ser
determinado por la suposicin de que el hessian es negativo definido, por lo que slo
tenemos que preocuparnos por el signo de | |.4
Un procedimiento similar funcionar el problema de Lagrange parametrizado es.
300
Optimizacin Esttica
max{(, ); (, ) = 0 } (P.L)

Donde y son 2 funciones. Cuando = 0 , el lagrangiano para este problema es

(, ; 0 ) = (, 0 ) + (, 0 )
Las condiciones de primer orden para el mximo nos dan un sistema de + ecuaciones
en las incgnitas (, ):
(, ; 0 ) = (, 0 ) + (, 0 ) = 0
(, ; 0 ) = (, 0 ) = 0 (1)
Supongamos que 0 es un mximo regular de (. 0 ) sujeto a (, 0 ) = 0 entonces (1)

se mantiene en 0 , y
2 ( 0 , 0 ; 0 ) < 0 al ( 0 , 0 ) = 0
Lo que implica que
2 ( 0 , 0 ; 0 ) ( 0 , 0 )
|| = | |0
( 0 , 0 ) 0
Ahora, la Hessiana || es igual a la Jacobiana de las variables endgenas del sistema (1).
Podemos aplicar el TFI al sistema de condiciones de primer orden para obtener donde se
conoce el signo de
|
|
=
||
|.
Donde se conoce el signo de |
Para el problema de Kunh - Tucker, tenemos una complicacin adicional. En una solucin
ptima para 0 , algunas de las restricciones estarn activas, y otras inactivas. Ahora, si un
pequeo cambio en no cambia el conjunto de restricciones de unin, podemos proceder
como en el caso de Lagrange, trabajando con las restricciones activas e ignorando las
inactivas. En ciertos puntos, sin embargo, una pequea perturbacin de las restricciones
puede hacer que alguna restriccin previamente activa se vuelva inactiva, o viceversa, dando
lugar a un "cambio de rgimen". En tales puntos de transicin, la asignacin de soluciones
() puede no ser diferenciable. Por lo tanto, tenemos que ser un poco ms cuidadosos y
considerar todas las posibilidades que pueden surgir en diferentes regmenes.
Problema 2.10. Un agente consume dos bienes, 1 y 2 , con precios 1 y 2 , respectivamente.
Su funcin de utilidad es de la forma (1 , 2 ) = (1 + 2 ), con < 1. Verifique que
( ) sea estrictamente cncavo. Derivan la funcin de demanda del agente. En qu
direccin cambia la demanda de bienes 1 si hay un aumento en el precio del bien 2?
Problema 2.11. Una empresa competitiva maximiza los beneficios, () = () ,
tomando como dado el precio de su produccin y el vector de los precios de los
factores, asume que la funcin de produccin es 2 y estrictamente cncava, con
productos marginales positivos pero decrecientes ( > 0, < 0, = 1,. . . , ).
301
Escribir las condiciones de primer orden para el problema de la empresa y aplicar el TFI al
sistema resultante para demostrar que la demanda de cada factor es una funcin decreciente
de su precio (es decir, que / < 0).
(c) Funciones de valor y teoremas de envolvente.
La funcin de valor : para un problema de maximizacin da el valor mximo

alcanzable de la funcin objetivo cada valor de los parmetros:
() = max{( , ); ()}, donde ()

Como ilustracin, considere la funcin de valor para un problema de maximizacin no

restringido y consulte la figura 7.5. Para cada valor particular de , podemos trazar como
una funcin de los parmetros solamente. Esto produce una familia de curvas, algunas de las
cuales se muestran en la figura 7.5. Grficamente, la funcin de valor mximo corresponde
a la "envolvente" superior de esta familia de curvas.
Funciones de este tipo se encuentran comnmente en la teora econmica. En trminos
generales, es claro que la mxima rentabilidad disponible para un agente racional es una
funcin del "entorno" al que se enfrenta, como lo resume el vector de parmetros . Un
ejemplo de una funcin de valor mximo que encontraremos ms adelante es la funcin de
utilidad indirecta.
(, ) = max{() al } = [(, )]

Lo que da la mxima utilidad alcanzable por un consumidor en funcin de los precios ()

que enfrenta y su ingreso (). Claramente, esta es la utilidad obtenida al consumir el paquete
ptimo, dado por la funcin de demanda (, ).En esta seccin revisaremos algunas
propiedades de funciones de valor o de envolvente que juegan un papel importante en la
teora microeconmica. Luego lo haremos.
f
v() f(1 , )
f (2 , )
f(3 , )

Figura 7.5. Una funcin de valor mximo
Establecer algunos resultados que nos permitan relacionar los derivados de la funcin de
valor con los de las funciones objetivas y de restriccin subyacentes. Estos llamados teoremas
de envolvente constituyen una manera conveniente de establecer algunas relaciones
importantes en la teora microeconmica (por ejemplo, la identidad de Roy, el lema de
Shephard). Estos resultados, a su vez, pueden utilizarse para derivar algunos resultados
bsicos de la esttica comparativa Demanda y suministro desde las propiedades de curvatura
de la funcin de valor. Algo sorprendente, esta aproximacin ms bien rotunda a la esttica
comparada resulta a menudo ms conveniente que la ruta tradicional a travs de la
diferenciacin TFI e implcita de las condiciones de primer orden.
302
Optimizacin Esttica
Comenzamos con dos resultados que proporcionan condiciones suficientes para la

concavidad o convexidad de la funcin de valor.
Teorema 2.12. Concavidad de la funcin de valor. Considere el siguiente problema y la funcin de valor
asociada:
() = max{f(x;); (x; ) 0 }

Supongamos que la funcin objetivo f es cncava en (x, ), (es decir, en ambos parmetros y variables de
decisin) y que todas las funciones de restriccin ( ), = 1,. . . , , son cuasi-cncavas. Entonces ( )
es cncavo.
Prueba. Tomar dos valores arbitrarios del parmetro vector. y , y dejar que =
() y = () sean las opciones ptimas correspondientes de . Para establecer la
concavidad de ( ) necesitamos mostrar eso.
(1 )() + () [(1 ) + ]
Para cualquier (0,1).
Considere ahora el par ( , ) definido por
= (1 ) + y = (1 ) +
Y observemos que, en principio, ( ), es decir, no es necesariamente ptimo para
.
Empezamos mostrando que es factible para . Porque y son (ptimas y por lo
tanto necesariamente) viables para y , tenemos, para cada ,
(, ) 0 y (,) 0 (1)
Por la cuasiconcavidad de y (1), tenemos.
(, ) min { (, ), (,)} 0
Por lo que es factible para .
Luego, considere la siguiente cadena de desigualdades:
( ) = [( ), ] ( , ) (1 )[(), ] + [(), ]
= (1 )() + ()
La primera desigualdad se sostiene por la observacin de que no es necesariamente
ptima para , y la segunda por la concavidad de . Las igualdades son todas verdaderas
por definicin.
Desafortunadamente, las funciones de objetivo y restriccin que encontramos en la teora de
consumidores y productores no suelen ser cncavas conjuntamente en variables de decisin
y parmetros. El siguiente teorema, que requiere suposiciones ms dbiles, ser ms til en
aplicaciones.
Teorema 2.13. Convexidad de la funcin de valor. Considere el siguiente problema y la funcin de valor
asociada:
303
() = max{ (; ); ( ) 0 }
x
Donde , un conjunto convexo (observe que los parmetros no entran en la funcin de restriccin). Si
la funcin objetivo es convexa en los parmetros para cualquier , dado, entonces ( ) es convexa.
Ahora consideramos el efecto de un cambio de parmetro en la ganancia mxima alcanzable
por un agente optimizador. Para una estrella, suponga que el agente maximiza (; 0 ) sin
restricciones, y suponga que las suposiciones de la seccin precedente se mantienen.
Entonces la regla de decisin para el problema es una funcin bien definida y diferenciable
() en algn vecindario de 0 , y sustituyendo esta funcin en ( ), obtenemos la funcin
de valor.
() [(), ]
Diferencindose con respecto a ,
( 0 ) = ( 0 ; 0 )( 0 ) + ( 0 , 0 )
Es decir, un pequeo cambio en el valor del vector de parmetro afectar al valor de dos
maneras: directamente, porque es funcin de , e indirectamente, a travs del cambio
inducido en los valores opcionales de las variables de eleccin. Por otro lado, las condiciones
de primer orden para el problema , ( 0 ; 0 ) = 0 , aseguran que la ganancia marginal a
partir de pequeos cambios en los valores de los instrumentos ser cero cuando partimos de
un ptimo. Por lo tanto, (1) se reduce a
( 0 ) = ( 0 , 0 )
Es decir, necesitamos considerar slo el efecto directo. Hemos proporcionado el siguiente
resultado.
Teorema 2.15. Teorema de la envolvente para maximizacin no restringida. Sea (; ) sea una funcin
2 , y sea 0 un mximo regular de f para 0 . Entonces
V() = max (; ) = f [(), ]
x
Es diferenciable en 0 , y ( 0 ) = f(x0 , 0 ).
Ahora mostramos que un resultado similar es vlido para el problema de Lagrange. La nica
diferencia es que para tener en cuenta el efecto sobre las restricciones del cambio de
parmetro, tenemos que diferenciar la funcin lagrangiana, ms que la funcin objetivo, con
respecto a los parmetros.
Teorema 2.16. Teorema del sobre para el problema de Lagrange. Dejar
() = max{(; ); (; )=0}

Donde f y g son 2 . Si 0 es una solucin regular de este problema para 0 (es decir, satisface las
condiciones de segundo orden suficientes para un mximo local estricto), entonces es diferenciable en 0 ,
y
( 0 ) ( 0 , 0 ) = f( 0 , 0 ) + 0 g( 0 , 0 )
304
Optimizacin Esttica
Prueba. Diferenciando la funcin Lagrangiana.

( 0 , 0 ) = ( 0 , 0 ) + g( 0 , 0 ) (1)
Obtenemos las condiciones de primer orden para el problema:
(, 0 ) = (, 0 ) + g(, 0 ) = 0 (2)
(, 0 ) = g(, 0 ) = 0 (3)
Bajo las suposiciones del teorema, la regla de decisin para el problema es una funcin bien
definida y diferenciable. Sustituyndolo en la funcin objetivo, recuperamos la funcin
evalu.
() [(), ]
Diferenciando ( ) con respecto a los parmetros, y usando (2),
( 0 ) = ( 0 , 0 ) + ( 0 ; 0 )( 0 )
= ( 0 , 0 ) g( 0 ; 0 )( 0 ) (4)
Sustituyendo la regla de decisin en (3) y diferencindola con respecto a ,

g( 0 , 0 )( 0 ) + g( 0 , 0 ) = 0 (5)
Utilizando esta expresin, (4) se reduce a
( 0 ) = ( 0 , 0 ) + ( 0 , 0 )

Como se seal en la seccin anterior, la regla de decisin para un problema de Kuhn-Tucker
puede no ser diferenciable en los momentos en que se produce un cambio de rgimen. Lo
mismo ocurre con la funcin de valor.
Para concluir esta seccin, usaremos el teorema del sobre para proporcionar una base
rigurosa para la interpretacin intuitiva de los multiplicadores de Lagrange como precios
sombra de las restricciones avanzadas en la seccin 1(b). Considere una versin del problema
de Lagrange en la cual las restricciones son de la forma g () + = 0 para =
1,. . . , .
() = max{(); g() + = 0} (P. )

Por el teorema del sobre, tenemos ( 0 ) = 0 , donde 0es el vector de multiplicadores

de Lagrange para el problema. As, el multiplicador de Lagrange 0 nos dice cmo el valor
mximo del programa (dado por la funcin de valor ) Cambia con la constante
correspondiente . En otras palabras, los multiplicadores miden la "sensibilidad" de la
funcin de valor a los cambios en las constantes de restriccin.
305
Problemas y Aplicaciones
3. Problemas y aplicaciones
Problema 3.1 Un agente vive por dos perodos y tiene una dotacin de una unidad de un bien
de consumo homogneo en el primer perodo, y unidades en el segundo perodo. Su
funcin de utilidad est dada por:
ln 1 + ln 2
Donde 1 es el consumo en el perodo . El agente puede almacenar cualquier cantidad
factible de su dotacin de primer perodo para su consumo en un futuro y puede obtener un
prstamo sin intereses de hasta unidades del bien. (i.e., , = 1).
(i) Calcule la funcin de ahorro del agente, ignorando la restriccin
(ii) Para qu combinaciones de valores de parmetros la restriccin ser vinculante?
En qu regiones del plano (, ) tendremos una solucin interior y una solucin
de esquina? Escribir la funcin de ahorro del agente, teniendo en cuenta la
restriccin.
(iii) Escribe la funcin de valor mximo para el problema como una funcin de ,
(). Compruebe que () es continua en el punto en el que hay un cambio de
rgimen (es decir, a medida que pasamos de una solucin interior a una en la que
la restriccin es vinculante). Es la funcin de valor diferenciable en este punto?
(a) Maximizacin del beneficio por una empresa competitiva

Considere el problema que enfrenta una empresa competitiva que produce una sola salida y
usando un vector de entradas . La empresa toma como dado los precios de entrada y salida
(, ) y maximiza los beneficios, , sujeto a la restriccin de factibilidad (),
donde es una funcin de produccin cncava que describe la tecnologa de la empresa.
Adems, requeriremos que imput y output no sean negativos y supongamos que el vector de
entrada X est limitado (por ejemplo, por los suministros globales de factores disponibles en
la economa). Por lo tanto, < para algn nmero real B (o, si lo prefiere, ,
donde es el vector de dotacin de factores).
Finalmente, asumiremos que > 0 y > (es decir, los precios de los insumos no son
negativos, y al menos algunos de ellos son estrictamente positivos).
El problema de la empresa puede ser escrito

(, ) = , { . . (), (, ) , } ()
Y la funcin de valor del problema, (, ), es la funcin de beneficio de la empresa. Para

simplificar la notacin, sea = (, ) y = (, ) . Entonces el beneficio es simplemente
.
Bajo nuestras suposiciones, es una funcin continua definida en un conjunto compacto.
Por lo tanto, (P) siempre tiene una solucin. Ahora vamos a estudiar algunas propiedades de
la solucin y funcin de valor para el problema de la empresa bajo supuestos adicionales.
306
Optimizacin Esttica
Problema 3.2 Muestre que si F es estrictamente cncavo, entonces (P) tiene una solucin nica
para un vector de precios dado .
Sugerencia: Por contradiccin, supongamos que hay dos planes ptimos de produccin
distintos, y , y demuestran que podemos construir un plan factible que producir un
beneficio muy grande.
Problema 3.3 Bajo los supuestos del Problema 3.2, los planes de produccin de la empresa
(es decir, su nivel de produccin y las demandas de factores) son funciones bien definidas
del vector de precios , mostraremos que estas funciones son continuas.
Fijar un vector 0 de precios y considerar una secuencia de vectores de precios { }
convergentes a 0 y la correspondiente secuencia de planes de produccin ptimos { } con
= = ( ) para cada . Queremos demostrar que { } converge a ( 0 ) = . Para
establecer este resultado, procederemos por contradicciones. Supongamos que { } no
converge a .
(i) Entonces { } tiene una subsecuencia convergente { }, con el lmite 0 diferente de
Explique por qu esto es cierto.
(ii) Sea { }, la subsecuencia de precio correspondiente a { }. Tenemos eso
{ } 0 { } 0 = ( 0 )
Demuestre que llegamos a la siguiente contradiccin: Dado cualquier vector de precios
suficientemente cercano a 0 , es estrictamente mejor que el plan ptimo { }.
Insinuacin:
Utilice el hecho de que es una funcin continua.
Bajo hiptesis que garantizan la diferenciacin de la funcin de solucin para el problema de
la empresa, hemos demostrado en el Problema 2.10 que la oferta est aumentando en el precio
de salida y la demanda de cada factor est disminuyendo en su precio. El siguiente problema
demuestra que los resultados de la esttica comparativa pueden obtenerse en algn momento
sin suposiciones de diferenciacin.
307
Problema 3.4 Considere dos vectores de precio 1 , y 0 , y los planes de produccin ptimos
correspondientes 1 y 0 . Debido a que 1 es factible pero no necesariamente ptimo para
0 , debe producir un beneficio menor que 0 en este vector de precios. Usando esta
observacin, demostrar que para cualquier , 1 1 0 (por ejemplo, para el primer
componente de estos vectores tenemos 0, es decir, un aumento en el precio de la
produccin debe producir un aumento en la oferta).
Problema 3.5. Demuestre que la funcin de beneficio () es convexa. Puede dar una
interpretacin econmica de esta propiedad?
Problema 3.6. Si la funcin de beneficio es diferenciable, el teorema de la envolvente implica
que () = (), es decir, la derivada de la funcin de beneficio en un punto es
simplemente el plan de produccin ptimo (es el lema de Hotelling). Mostraremos que la
funcin de beneficio es diferenciable cuando () es estrictamente cncava.
Fijar un vector de precios , y considerar el comportamiento de la funcin de beneficio a
medida que nos alejamos de este punto. Utilizando el hecho de que () = (),
demuestre que para cualquier cambio en el vector de precios,
( + ) () + () (1)
() ( + ) ( + ) (2)
Utilizando (1) y (2), muestre que
[( + ) ()] ( + ) () () 0
Usando esta expresin, demostrar que es diferenciable en y () = ().
El siguiente problema ilustra cmo el teorema de envolvente y las propiedades de la funcin
de valor pueden usarse a veces en resultados de esttica comparativa.
Problema 3.7 Supongamos que la funcin de beneficio es 2 . Utilizando la convexidad de
() y el hecho de que () = (), demuestran una vez ms que las funciones de
demanda de factor son descendentes.
(b) Contracciones implcitas
Considere la situacin que enfrenta una empresa y un gran nmero de trabajadores que estn
"asociados" con ella. La tecnologa de produccin de la empresa es de la siguiente forma
= ()
Donde es el nivel de entrada de mano de obra, y es un choque de productividad exgena.
Supondremos que la funcin de produccin () es estrictamente creciente y cclica y que el
choque de productividad puede ser mayor o menor ( [ , ], > ), con
probabilidades , ( + = 1)
Para simplificar, asumiremos que hay un continuo de medida unitaria de trabajadores
idnticos, es decir, un nmero infinito de trabajadores, cada uno de ellos representado por
un punto en el intervalo (0,1). Cada trabajador est dotado de una unidad de tiempo divisible
que puede pasar en el trabajo o en el ocio. Su utilidad es dada por
(, 1 ) = () + (1 )
308
Programacin no lineal
Donde es consumo (= ingreso), 1 es el ocio, y las funciones ( ) y ( ) son

estrictamente crecientes y estrictamente cncavas.
Antes de que se produzca el choque de productividad, la empresa y sus trabajadores negocian
un contrato. Ntese que no hay razn para que el contrato especifique niveles salariales y de
empleo independientes del valor de . De hecho, tanto los trabajadores como las empresas
encontrarn ventajoso incorporar alguna flexibilidad en el contrato (para permitirles
aprovechar las buenas oportunidades de produccin o compartir el riesgo de manera ptima
entre ellos), y pueden hacerlo mediante condicionamientos y horas de trabajo en
contingencias Observable por todas las partes involucradas. Por lo tanto, si la realizacin del
choque de la productividad es observable fcilmente por los trabajadores y las empresas, un
contrato ser un calendario () que especifique, para cada posible estado de naturaleza x,
la fraccin de la mano de obra que se emplear () , El nmero de "horas" que cada persona
empleada trabajar (), y la compensacin que se pagar a cada empleado ( ) y trabajador
despedido ( ). Por lo tanto,
(1 ) = [ ( ), ( ), ( ), ( )] = ,
(Para simplificar la notacin, usaremos ( ) = , etc.). Asumiremos adems que si los
despidos son llamados (es decir, si < 1 en algn estado), los trabajadores a ser despedidos
sern seleccionados por lote, de modo que, ex ante, cada trabajador se enfrenta a la misma
probabilidad 1 de ser despedido en el estado .
Parece razonable asumir que las firmas racionales y los trabajadores deberan ponerse de
acuerdo sobre un contrato eficiente de Pareto (es decir, que no se conformaran con un
contrato si hubiera alguna alternativa factible que hara que una de las partes mejorara sin
hacer que la otra fuera peor). Suponiendo que la empresa es neutral para el riesgo, es decir,
se preocupa slo de los beneficios esperados (por ejemplo, porque es propiedad de
inversores bien diversificados), cualquier contrato puede ser caracterizado como la solucin
al siguiente problema:
max = [ ( ) (1 ) ] ()

Sujeto a
= { [( ) + (1 )] + (1 )[( ) + (1)]} 0

Para algn dado 0 es decir, maximizar los beneficios esperados sujetos a la restriccin de
que la utilidad esperada de los trabajadores no caer por debajo de un determinado nivel. (Si
existe un mercado competitivo en segundo plano, podemos interpretar la utilidad de reserva
del trabajador representativo como el nivel de utilidad garantizado por el contrato de
equilibrio disponible en el mercado y podemos pensar en (P) Un gerente que quiere
maximizar el beneficio esperado bajo la restriccin de que su oferta contractual debe ser
aceptable para los trabajadores que de otro modo iran a otra parte). Alternativamente,
podramos maximizar la utilidad esperada de los trabajadores sujetos a la restriccin de que
los beneficios esperados no caeran por debajo de un nivel mnimo, Y obtendramos
exactamente los mismos resultados.
Problema 3.8. Demuestre que el contrato ptimo no implica despidos (es decir, = 1 para
todo ).
309
Sugerencia: Supongamos que tenemos un contrato que especifica algunos despidos en ciertos
estados de la naturaleza. Entonces los trabajadores se enfrentan a una lotera entre trabajar y
ser despedidos en cada uno de estos estados, y, siendo aversin al riesgo, no les gusta.
Demuestre que es posible construir otro contrato sin despidos que rindan el mismo beneficio
en cada estado y sern estrictamente preferidos por los trabajadores. Un contrato con un
salario ligeramente inferior ser aceptable para los trabajadores y estrictamente preferido por
las empresas. El argumento se basa de alguna manera en la neutralidad del riesgo de la
empresa?
El resultado precedente nos permite simplificar el problema del contrato ptimo. Debido a
que los trabajadores estn empleados en todos los estados con probabilidad 1, no hay prdida
de generalidad al especificar un contrato simplemente como () = [(), ()]. El
problema del contrato ptimo, entonces, puede escribirse
max = [ ( ) ] (P)
= {( ) + (1 )} 0

Problema 3.9. No investigaremos algunas propiedades del contrato ptimo.

(i) Escribir las condiciones de primer orden para (P') y demostrar que implican las siguientes
condiciones:
= (Eficiente comparticin de riesgos)
(1 )
( ) = = , (Horas eficientes)
( )
Interpretar estas dos condiciones

(ii) Muestre que (Es decir, se trabajan ms horas cuando la productividad es alta).
Sugerencia: Suponga que > , y busque una contradiccin utilizando las condiciones de
primer orden
(iii) Muestre que > (Por contradiccin de nuevo, suponga = .)
Hasta ahora, hemos asumido que la realizacin del choque de la productividad puede ser
observada libremente por ambas partes. Si esto no es as, el problema de diseo del contrato
se vuelve ms complicado y la necesidad de proporcionar incentivos para evitar que la parte
que trate con informacin privada genere distorsiones que la implementacin del primer
mejor contrato que acabamos de caracterizar
Por ejemplo, supongamos que el choque slo puede ser observado por la empresa. (Esto
puede reflejar, por ejemplo, el hecho de que las empresas tienen mejor informacin sobre las
confesiones de mercado que sus trabajadores.) Entonces, las horas y la compensacin no
pueden ser contingentes directamente en la realizacin de , sino slo en el anuncio de la
empresa del estado (0 ). En esta situacin, la empresa puede encontrar ventajoso para estar
en algn estado. Para evitar esto, el problema del contrato tendr que incorporar una
limitacin adicional diseada para obligar a la empresa a la verdad.
Ahora exploraremos la forma que estas restricciones deben tomar. Dado un contrato
() = [( ), ( ); = , ], ( | ) sea el beneficio de la empresa cuando el
estado verdadero es y se anuncia (por lo que y se implementan) entonces
310
Programacin no lineal
( | ) = ( )
Y la estrategia ptima para la empresa es anunciar el estado . Que maximizarn ( | )
Observe que, dado un contrato arbitrario, no hay garanta de que el anuncio ptimo sea el
estado verdadero.
Problema 3.10. Demuestre que bajo el primer mejor contrato caracterizado en el Problema
3.9, la empresa tiene un incentivo para mentir en uno de los estados. Cual? Por qu?
Este resultado implica que el primer mejor contrato no es aplicable cuando hay informacin
privada. Los problemas del segundo-mejor-contrato (que caracteriza el contrato mejor
factible bajo las circunstancias) deben incorporar restricciones adicionales para evitar el
engao por la empresa. Esto se logra haciendo que la verdad-decir la estrategia de maximizar
los beneficios en todos los estados. Por lo tanto, requerimos
( | ) ( | ) ()
Este tipo de restriccin a menudo se denomina coercibilidad de incentivo (o veracidad)
restriccin, porque asegura que el partido con informacin privativa tendr un incentivo para
revelar en verdad en todos los estados.
El problema del contrato ptimo con informacin imperfecta puede escribirse
, () = [ ( ) ] (P)
Sujeto a
[( ) + (1 )] 0

( | ) = ( ) ( ) = ( | ) (IC.L)
( | ) = ( ) ( ) = ( | ) (IC.H)
Los siguientes problemas exploran las implicaciones de la restriccin adicional y la naturaleza
de las distorsiones que inducen. Ntese que en nuestro caso las constantes de compatibilidad
de incentivos deben hacer que no sea rentable para la empresa anunciar un estado alto cuando
la productividad es realmente baja. Para lograr esto, tal estrategia debe ser penalizada de
alguna manera. Una manera obvia de hacer esto es obligar a la empresa a pagar un salario
ms alto cuando anuncia el estado alto. Esto, sin embargo, implica un costo de eficiencia, ya
que el seguro completo ya no puede ofrecerse. Sin embargo, como veremos, esto no es slo
la ineficiencia que implican las restricciones de incentivos.
Problema 3.11. Demuestre que las restricciones de compatibilidad de incentivos, por s
mismas, implican que y > . Sugerencia: Reorganice y aada las dos
restricciones de compatibilidad de incentivos.
Problema 3.12 Escribir las condiciones de primer orden para (P ''). Utilcelos y los resultados
anteriores en lo siguiente:
(i) Muestre que > y > Sugerencia: Suponga que no. Entonces dos
condiciones de primer orden implican = ; Utilizar esta y las otras
condiciones de primer orden para obtener una contradiccin, > .
(ii) Demuestre que ambas restricciones de incentivos no pueden ser vinculantes al
mismo tiempo. (Si son, = , contradiciendo el resultado anterior.)
311
Por lo tanto, precisamente una restriccin de compatibilidad inventiva debe ser

vinculante. Por qu?
(iii) Demostrar que la restriccin de compatibilidad de incentivos activa es la
correspondiente al estado de baja productividad.
Observe que, por (i), tenemos > , por lo que el segundo mejor contrato no
proporciona un seguro completo para los trabajadores
(iv) Demuestre que el nivel de empleo tambin est distorsionado, pero slo en un
estado. (Es decir, dado , compare el nivel de empleo en cada estado con el que
(1 )
sera implcito por la condicin de horas eficientes, ( ) = ( )
312
Bibliografia
Arrow, K., and Hahn, F. 1971. General Competitive Analysis. San Francisco:
Holden-Day.
Azariadis, C. 1975. Implicit Contracts and Underemployment Equilibria. Journal
of Political Economy 83:1183202.
Baily, M. 1974. Wages and Unemployment with Uncertain Demand. Review of
Economic Studies 41:37-50.
Beavis, B., and Dobbs, I. 1990. Optimization and Stability Theory for Economic
Analysis. Cambridge University Press.
Berge, C. 1966. Espace Topologiques. Fonctions Multivoques. Paris: Dunod.
Binmore, K. 1982. Mathematical Analysis, a Straightforward Approach, 2nd ed.
Cambridge University Press.
Cooper, R. 1987. Wage and Employment Patterns in Labor Contracm':
Microefoundations and Macroeconomic Implications. London:
Harwood.
Dixit, A. 1990. Optimization in Economic Theory, 2nd ed. Oxford University Press
de la Fuente, A., and Naranjo, M. T. Continuity of the Constraint Correspondence in
Parameterized Kuhn-mower problems with Concave Constraints. Forthcoming in
Economics Letters.
Hastenes, M. 1975. Optimization Theory, the Finite Dimensional Case. New York:
Wiley.
Intriligator, M. 1971. Mathematical Optimization and Economic Theory.
Englewood Cliffs, NJ: Prentice-Hall.
Luenberger, D. 1973. Introduction to Linear and Nonlinear Programming.
Reading, MA: Addison-Wesley.
Madden, P. 1986. Concavity and Optimization in Microeconomics. London: Basil
Blackwell.
Mangasarian, 0. 1982. Nonlinear Programming. Malabar, FL: Krieger.
Silberbcrg, E. 1978. The Structure of Economics: A Mathematical Analysis. New

York: McGraw-Hill.
Simmons, G. 1972. Differential Equations with Applications and Historical Notes.
New York: McGraw-Hill.
Stiglitz, J. 1984. Theories of Wage Rigidity. NBER working paper no. 1442.
Stokey, N., and Lucas. R. 1989. Recursive Methods in Economic Dynamics.
Harvard University Press.
Sydsaeter, K. 1981. Topics in Mathematical Analysis for Economists. Orlando, FL:
Academic Press.
Takayama, A. 1985. Mathematical Economics, 2nd ed. Cambridge University
Press.
Vives, X. 1996. Static Oligopoly Pricing: Old Ideas and New Tools. Barcelona:
Instituto de Analisis Econmico.
Varian, H. 1984. Microeconomic Analysis. New York: Norton.
Notas
1. De hecho, es un poco ms fuerte. Recordemos que la deficiencia negativa de la

Hessiana es suficiente pero no es necesario para la concavidad.
313
2. Se puede demostrar que cuando multiplicamos una fila de una matriz por una
constante, el determinante de la matriz resultante es igual a la constante multiplicada
por el determinante de la original Matriz.
3. Obsrvese que el Jacobiano de variables endgenas del sistema de condiciones de

primer orden, 2 ( 0 , 0 ) es precisamente el determinante del Hessiana cuya
negatividad negativa estn asumiendo. Del apndice al captulo 6, la negatividad
negativa de esta matriz Implica que su determinante no ser cero. En particular,
tenemos que (1) || > 0, donde n es la dimensin de la matriz Hessiana.

4. Observe que, en principio, no hay garanta de que tenga un "signo constante"

para todos los valores de los parmetros. Evidentemente, las restricciones en el signo
de los cruzados (, ) se puede utilizar para garantizar la "esttica comparativa
montona". Ms general condiciones que no requieren diferenciabilidad, se han
establecido para la Problemas en las rejillas. El lector interesado se refiere a la
discusin de supermodularidad por Vives (1996, captulo 2).
314
8
Algunas aplicaciones a la microeconoma
La primera parte de este libro ha cubierto la mayor parte de las herramientas matemticas
requeridas para el anlisis de los modelos de la economa esttica. En este captulo, vamos a
discutir algunas aplicaciones de este material a un nmero de modelos microeconmicos.
Nuestra meta no ser proveer un tratamiento comprensivo de un conjunto de tpicos
generalmente cubierto en la secuencia en microeconoma del primer ao de graduados, sino
ilustrar la utilidad de las tcnicas que hemos desarrollado e introducir al lector a la lgica
general de los modelos construidos en teora econmica.
Empezamos el captulo 7 con la observacin de que el postulado de la racionalidad el
supuesto de que los individuos tienen preferencias bien definidas y consistentes y actan de
acuerdo a ellas- est centrada en la economa (neoclsica) como una fuente de regulacin en
el comportamiento del individuo que hace que la prediccin sea posible, al menos en el
principio. Entonces nosotros afirmaremos que el postulado nos conduce naturalmente al
modelo de tomar decisiones como resultado del control del problema de optimizacin y
dedicamos una justa cantidad de tiempo a estudiar los requerimientos de la tecnologa para
solventar tales problemas. La seccin 1 de este captulo retrocede un poco. Consideramos
un consumidor estndar y discutimos cmo sus preferencias pueden ser representadas por
una relacin binaria y cmo esta relacin puede ser usada para construir una funcin de
utilidad. Entonces la seccin 2 analiza el comportamiento de este consumidor cuando
enfrenta los precios determinados de mercado de las comodidades que desea adquirir con su
ingreso (exgeno).
La primera mitad de este captulo se enfoca en modelar el comportamiento de un solo agente
bajo un conjunto de restricciones impuestas a l por su entorno. Para entender la
determinacin de la mayora de las magnitudes econmicas tenemos que ir ms all del
modelo de un solo agente y preguntarnos qu saldr de la interaccin de un nmero de
individuos que toman decisiones (racionales). Esto nos lleva al concepto de equilibrio. Dado
un juego econmico ejecutado por un grupo de agentes, muchos resultados son posibles
en principio. El corazn de una teora econmica es un concepto de equilibrio, un criterio
que nos lleva a seleccionar un subconjunto de estos resultados que pueden ser considerados
para ser ms verosmil, en algunos juicios razonables.
315
Equilibrio literalmente significa igual peso, desde la condicin por balancear una barra
en un eje central. La etimologa de la palabra, entonces, sugiere un balance de fuerzas en el
sistema que resulta en un estado de reposo a menos que alguna fuerza externa provoque un
cambio. Esta interpretacin se utiliza para los modelos econmicos, donde un tpico
equilibrio corresponde a una situacin en la que ningn agente tiene un incentivo para
cambiar su comportamiento. La otra idea clave asociada con el equilibrio econmico es la de
la compatibilidad de las acciones individuales de los agentes optimizadores.
Estas dos partes bsicas de la notacin del equilibrio pueden estar operacionalmente hechas
en muchas diferentes maneras y con variedad de grados de fuerza. En este captulo,
revisaremos algunos conceptos estndar de equilibrio en la teora econmica.
En la seccin 3, consideramos un intercambio econmico poblacional por un largo nmero
de consumidores racionales de precios dados, quienes interactan con cada uno a travs de
mercados competitivos y establecemos la existencia y algunas propiedades del bienestar de
un equilibrio Walrrasiano en estos ajustes. En la seccin 4, introducimos algunas nociones
bsicas de la teora de juegos y discutimos el concepto del equilibrio de Nash. Finalmente, la
seccin 5 invitar al lector a trabajar a travs de algunos modelos tiles de competencia
imperfecta. En todos los casos, nuestro enfoque ser el mismo. Dando un sistema
econmico compuesto de un conjunto de agentes quienes interactan entre ellos en una
forma especfica (un juego, por corto que sea), caracterizaremos un conjunto de probables
resultados considerando dos sub-problemas en turno:
(i) El problema de la decisin individual. Asume que tenemos un juego con reglas bien definidas y
considera un jugador individual. Dado el juego particular, habrn cosas que los agentes
controlan y cosas que no. Como ya hemos argumentado, parece natural modelar el
comportamiento de un jugador racional como un forzado problema de optimizacin. De ah,
asumiremos que cada agente se comporta como si maximizara su objetivo o su funcin de
beneficio por sus elecciones de las variables que controla, sujeto a cualquier restriccin que
le sea impuesta por las reglas del juego, y tomada como las cosas que l no puede controlar.
Este problema produce como solucin una regla de decisin especificando la mejor accin
para el agente como una funcin (correspondencia) de las cosas que toma como parmetros.
(ii) El problema del equilibrio. Seguimos teniendo que chequear que las respuestas optimizadoras
de los diferentes jugadores son consistentes con cada uno y el conjunto de recursos del
sistema. Mientras que el requerimiento de factibilidad es generalmente sencillo, tenemos una
considerable cantidad de latitudes en especfico cuyo grado de consistencia requerimos entre
las acciones de los jugadores. Por ejemplo, en un equilibrio competitivo, consistencia se
traduce a un claro mercado, el requerimiento que cada agente puede vender o comprar tanto
como quiera de cada mejor precio de mercado. Una nocin alternativa de equilibrio, como
sea, puede permitir la posibilidad de raciocinio (ejemplo, por la existencia de que pueden
impedir a los agentes de comprar o vender sus cantidades deseadas)
Es importante enfatizar que estos dos problemas estn fuertemente relacionados. Hasta
saber qu clase de juego est siendo ejecutado, no podemos decir que los comportamientos
son racionales, ni podemos apuntar los problemas del individuo y qu restricciones enfrenta.
De manera similar, a pesar de que sepamos cmo los jugadores individuales se comportan,
es imposible apuntar una relacin significativa de equilibrio. De ah, los dos problemas deben
ser apuntados y resueltos simultneamente. Por otro lado, pensando en trminos de estos
dos problemas separados es frecuentemente una til manera de aprovechar la pregunta de
qu vendr con las interacciones de un grupo de individuos racionales.
316
Teora del consumidor
1. Preferencias y utilidad del consumidor

Esta seccin discute la representacin de preferencias por relaciones binarias y funciones
numricas. El lector puede consultar el Captulo 1 por material en relaciones binarias y
conjuntos ordenados. Seccin (a) introduce el concepto de relacin de preferencias y discute
algunas propiedades que tales relaciones son comnmente asumidas para poseer. En
particular, las preferencias consistentes, la mitad del postulado de racionalidad es
tpicamente envuelto en el supuesto de que una relacin de preferencia est completamente
predestinada. La otra mitad (comportamiento consistente) se traduce en el supuesto que
los agentes escojan elementos no domos del conjunto de alternativas factibles. Los supuestos
adicionales comnmente hicieron que las preferencias concernidas capturen ideas como la
conveniencia de comodidades y el gusto por la diversificacin, o ellos pueden ser impuestos
de comodidad tcnica.
Seccin (b) muestra que una preferencia pre-ordenada puede ser convenientemente
representada por una funcin numerada, con la condicin de que seguras condiciones
regulares son satisfechas. En la seccin (c) reforzamos estas condiciones para obtener una
funcin de utilidad diferenciable. El modelo resultante del comportamiento individual puede
ser analizado utilizando los mtodos desarrollado en el Captulo 7. Este ser el tema de la
Seccin 2.
(a) Relaciones de preferencia
Dejemos que sea un conjunto y consideremos un agente quien debe escoger uno de sus
elementos. La forma ms natural de representar sus preferencias por encima de tales objetos
es probablemente de una relacin binaria. Intuitivamente, podemos imaginar seleccionar dos
elementos en un momento del conjunto dado y preguntando al agente cual prefiere. Tal
encuesta puede producir un ranking por partes de alternativas que puedan ser usadas bajo
ciertas suposiciones para construir una lista exhaustiva de posibles opciones posicionadas
por su conveniencia. Podemos entonces imaginarla como determinar qu elementos son
factibles y entonces escoger el que est ms arriba de la lista.
Ms formalmente, nuestro experimento de confrontar repetidamente al agente con una
eleccin entre dos elementos de puede ser usado para construir una relacin binaria
en . Esta relacin ser el conjunto de todos los pares (, ) de elementos de X tal que
x es dbilmente preferido a y por el agente (escrito ). Una relacin de este tipo es
llamada relacin de preferencia.
En principio, entonces, no hay problema en representar preferencias sobre elementos de un
arbitrario conjunto por relacin binaria . La siguiente pregunta es qu tipos de
propiedades asumiremos racionales de poseer. Esta seccin revisa un nmero de
supuestos comnmente hechos sobre preferencias y explora sus significados.
Aproximadamente, tales suposiciones vienen en dos diferentes tipos. Algunos tienen la
intencin de capturar la idea del comportamiento racional y el resto son supuestos tcnicos
hechos, por lo tanto, es posible construir modelos que sean analizados usando tcnicas
matemticas usuales.
En particular, es conveniente hacer supuestos que aseguren que esas preferencias puedan ser
representadas por una continua o diferenciable funcin numerable cuasicncava. Podemos
ver en la siguiente seccin como tal representacin puede ser construida.
Regresando a la relacin de preferencia, es claro que ser reflexiva, puesto que cualquier
agente puede ser indiferente entre y s mismo (ejemplo, ). Siguiente, si el agente es
317
racional, podemos esperar que sus preferencias sean consistentes. Una forma de
formalizar esto es asumir la transitividad, que es, si es preferible a , y a , entonces es
preferible a . Ntese que si esto no fuera verdad, el agente no sera competente para hacer
que su mente elija qu elemento del conjunto ella prefiere (ella podra ir de a , de a
, y entonces regresar a ), y la decisin del problema puede no tener solucin. De ah, las
preferencias consistentes parte del postulado de racionalidad ser formalizado recurriendo
a que sea reflexivo y transitivo que es, la relacin de preferencia siempre ser asumida
para ser una predestinacin.
Como cualquier predestinacin, una relacin de preferencia puede estar descompuesta en
simtricos y asimtricos componentes definiendo las siguientes dos sub-relaciones:
> si y solo si y
~ si y solo si y
(donde significa " ) Nos referimos a " > " como la relacin de preferencia
estricta ( > significa que es estrictamente preferido a ), y para "~" como la relacin de
indiferencia (~ significa que el agente es indiferente ente y ).
Un supuesto ms lejano que se hace es que a menudo la preferencia predestinada es completa,

que es, que dando dos elementos cualesquiera y de , el agente puede compararlos y
saber si l prefiere estrictamente uno de los elementos o si es indiferente entre ellos. Esto se
ve lo suficientemente inofensivo, pero implcitamente requiere algunos supuestos sobre la
informacin disponible para el agente. En particular, esto presupone que l sabe exactamente
qu alternativas estn abiertas para l y que su conocimiento de qu implica cada alternativa
es lo suficientemente precisa para que siempre pueda decir cul es mejor.
Este supuesto ha sido criticado como demasiado fuerte, y las alternativas ms dbiles existen
en la literatura. Para muchos fines, sin embargo, ellos se ven lo suficientemente razonables.
Tomaremos el siguiente axioma como la primera mitad del postulado de racionalidad y
veremos a donde nos lleva.
Axioma 1.1. La relacin de preferencia " " definida en la eleccin conjunto es una
predestinacin completa. Esto requiere
(i) reflexividad: , ,
(ii) transitividad: . . , , , y
(iii) completividad: , ,
Intuitivamente, si este axioma se cumple, podemos imaginar al agente teniendo una lista
completa de los elementos de ordenados por su conveniencia.
Si restringimos sus elecciones a un subconjunto de , todo lo que ella tiene que hacer es
elegir el elemento de ese subconjunto que est en la parte superior de la lista. Que ella se
comporte de esta manera completar nuestra descripcin a lo que nos referimos por
racionalidad. Formalizamos esto mientras seguimos:
Axioma 1.2. Dejar que sea la opcin conjunto y el subconjunto de que contiene alternativas
disponibles a un agente con una preferencia completa predestinando " "definido sobre . El agente elige
un elemento grande de . Que es, si es elegido, no hay tal que > .
318
Hasta ahora no hemos hecho supuestos sobre la eleccin conjunto . Es conveniente, sin
embargo, imponer estructura adicional en este conjunto. Para muchos propsitos, asumir
que es un vector normado en el espacio es suficiente. Esto nos permite decir, por ejemplo,
que dos alternativas, x e y, son similares o cercanas a la otra. Una vez que una notacin de
distancia (mtrica o, ms generalmente, una topologa) est definida en , parece razonable
recurrir a que las alternativas similares no estarn demasiado lejos de la otra en el ranking de
las preferencias del consumidor. Esto nos conduce a la siguiente condicin de regularidad.
Definicin 1.3. Continuidad. Dejar (, ) ser un espacio mtrico. Decimos que las preferencias por la
preorden" " son continuos si para alguna en . Los conjuntos
() = { } y () = { : }
Estn cerca en (, ).
Aqu B(x) es el conjunto de puntos de que son dbilmente preferidos a x por el agente, y
W(x) es el conjunto de puntos que son dbilmente peores que x dando las preferencias del
consumidor. Recurriendo entonces a que son significados cercanos, por ejemplo, que si
consideramos una secuencia convergente {yn } y de puntos de los cuales todos son
dbilmente preferidos a x, entonces el lmite de la secuencia, y, es tambin dbilmente
preferido a x. Es fcil de ver que esta condicin es equivalente al requisito que el conjunto
" " es cerrado en X X. Alternativamente, el complemento de W(x), que es, el conjunto
de alternativas que son estrictamente preferibles a x, es abierto. De ah, si y es estrictamente
preferiblea x, cualquier otra alternativa y que es suficientemente cercano a y (en trminos
de la funcin de distancia ( )) tambin ser estrictamente preferible a x.
Aparentemente, en este nivel de generalizacin, los axiomas de racionalidad no nos servirn
mucho. Nuestros dos axiomas de cantidad para los supuestos (i) que los agentes tienen
preferencias consistentes sobre todas las elecciones disponibles y(ii) que actan de acuerdo a
ellos. Que es, la gente hace lo que ms les gusta proveen lo que pueden. Para tener cualquier
prediccin de esta estructura, claramente tenemos que ser ms especficos sobre las
preferencias de los agentes y sobre cmo le hacen frente. En general, esto puede ser hecho
solo con una situacin ms especfica en mente, pero podemos ordenar dos supuestos ms
lejanos que son tiles en muchas situaciones. La primera es que la gente prefiere ms que
menos.
De ah, introducimos un nuevo concepto que aproximadamente captura la avaricia que los
economistas frecuentemente asumen de sus agentes.
Definicin 1.4. (Fuerte) monotonicidad. Deja su eleccin espacio ser un subconjunto de n .

Preferencias son dichas para ser (fuertemente) montonas si
x> x>
En el contexto de la teora del consumidor estndar esto significa que dando dos bienesx y
y que son idnticos excepto por el hecho que x tiene un poco ms de bien, el consumidor
siempre va a preferirx. Para algunos alcances esto es un asunto de definicin: Si un bien es
indeseable (un mal), podemos considerar el negativo de esta cantidad como un bien, y el
axioma sujeto. Versiones ms dbiles de monotonicidad son frecuentemente usadas y sufijas
por la mayora de fines. La idea, sin embargo, es la misma: Supuestos de este tipo
frecuentemente captan la visin que agentes persuaden sus propios intereses. Esto puede ser
319
pensado como especializando racionalmente para un comportamiento egosta, pero no

necesita serlo, por lo tanto: No hay nada en el modelo que excluya preferencias altruistas.
Dando continuidad y algunos tipos de monotonicidad (posiblemente ms dbil de lo que
asumimos), hay una conexin interesante entre la propiedad topolgica y de orden de . En
particular, la subrelacin de indiferencia
I = {(x, y) X X; x~y}
resulta ser la frontera topolgica de " ", pensado como un subconjunto de X X. La

relacin de preferencia estricta " > " es por lo tanto el interior de ". Este resultado ser
til despus en conexin con el concepto de preferencias dbiles.
Problema 1.5. Dejar " " ser una preferencia predestinada continua y montona definida en
un conjunto de n . Muestra que = I {(x, y) X X; x~y}.
El ltimo supuesto que introducimos es que las preferencias son convexas, en el sentido que
las combinaciones convexas de alternativas son preferibles a las elecciones puras. En
muchos casos, esto puede ser interpretado como capturando un gusto por la variacin o
diversificacin.
Definicin 1.6. Convexidad. Dejar la eleccin espacio ser un subconjunto de n .

Preferencias son dichas convexas si
x y x + (1 )y y (0,1)
Una versin ms fuerte de esta propiedad (convexidad estricta) requiere que
x y y x y x + (1 )y > (0,1)
Ntese que en las definiciones de monotonicidad y convexidad hemos recurrido a quesea

un subconjunto de un espacio Euclidiano finito-dimensional. Aunque elecciones ms
generales son frecuentemente tiles, esto es bastante adecuado para nuestros fines en esta
seccin.
Problema 1.7. Dejar " "ser una preferencia convexa predestinada definida en un conjunto
convexo . Muestra que los mejores conjuntos inducidos por estas preferencias,
B(y) = {x X; x y}
son convexos.
Cerramos esta seccin con un teorema que muestra que esto es posible para obtener algunos
resultados trabajando directamente con las preferencias predestinadas. Por otro lado, esto
probablemente no es la forma ms fcil de proceder. La siguiente seccin mostrar que es
posible representar una preferencia predestinada por una funcin real de valor. Una vez esto
est hecho, podemos usar ms estndares tcnicos matemticos para analizar modelos de
eleccin individual.
320
Teorema1.8. Dejar ser un subconjunto de . Dejar , el conjunto factible de , ser compacto y no vaco.
Suponer la relacin de preferencia " " es una pre ordenada completa y continua. Entonces el conjunto de
los elementos ms grandes
x( C) = {x C: x y y C}
es no vaco. Si " " es estrictamente convexo y es un conjunto convexo, entonces (x C)
contiene un nico elemento.
Prueba. Para cada , dejar (, ) = () = { : } ser el conjunto

contenedor de todas las alternativas factibles que son dbilmente mejores que .Como
(, ) es la interseccin de dos conjuntos cerrados, est cerrado l mismo. Dejar 1 , ,
ser una coleccin infinita de elementos de . Sin prdida de generalizacin podemos asumir
que 1 para todo = 2, , . De ah, 1 =1 ( , ), y resulta que la coleccin
de conjuntos {(, ); } tiene la propiedad de interseccin finita (i.e., cualquier
subcoleccin finita tiene una interseccin no vaca). Por suposicin, es compacto, por eso
toda coleccin de conjuntos cerrados con la interseccin finita tiene una interseccin no
vaca (por Teorema 8.13 e n Capitulo 2). En particular, (, ) , y porque este
conjunto debe estar contenido en ), el ltimo es no vaco.
Finalmente, asumimos que las preferencias son estrictamente convexas, y suponemos que
tenemos dos distintos maximizadores, y . Entonces~, y por el supuesto que las
preferencias son estrictamente convexas, cualquier combinacin convexa x + (1 )x,
con (0,1) , es preferida a ambas y . Si es convexo, adems, tales combinaciones
son factibles. Pero entonces y no pueden ser maximizadores, y hemos llegado a una
contradiccin.
(b) Representacin de una Funcin de Utilidad
Definicin 1.9. Una funcin de valor real: U : se dice que representa una preferencia
predestinada { } definida en la eleccin conjunto del agente si
. , () (y)
Es decir, representa { } si y solo si, dadas dos alternativas cualesquiera, la funcin ( )

asigna un valor ms grande a la opcin preferible por el agente.
Nos referimos a la funcin ( ) como los beneficios, objetivo, o funcin de utilidad del agente
i. El subndice es usado en la definicin para enfatizar que agentes diferentes, tpicamente,
tendrn diferentes preferencias, incluso un conjunto comn de alternativas; desde aqu en
adelante, ser omitido.
Una funcin de utilidad provee una herramienta conveniente para modelar el
comportamiento de un agente racional. Su ventaja por encima de la ms primitiva
representacin de preferencias discutidas en la seccin anterior proviene principalmente del
hecho de que las funciones son generalmente ms fciles de manipular que los pre-
ordenamientos. En particular, hay una teora bien desarrollada de maximizacin para
funciones de valor real que pueden ser aplicadas a los problemas de eleccin una vez que las
preferencias sean representadas por funciones de utilidad.
Est claro que dada un funcin numrica definida en podemos trabajar de regreso a una
preferencia predestinada. El estado de conversin es ms difcil de probar y requiere algunas
321
restricciones en y " ". Un nmero de teoremas de representacin estn disponibles en

la literatura. Afirmaremos sin probar un teorema bastante general debido a Debreu y
entonces probaremos un resultado ms dbil usando monotonicidad para simplificar la
prueba.
Teorema 1.10. Representacin de preferencias por una funcin numrica (1). Una preferencia continua pre-
ordenada{} definida en un subconjunto de un espacio vectorial separable normalizado puede ser
representada por una funcin continua de valor real.
De hecho, el teorema se sostiene para espacios topolgicos. Un espacio topolgico es

separable si contiene un conjunto contable , cuyo cierre es mismo (i.e., = ).
Cualquier espacio E es separable, por ejemplo, porque el conjunto de vectores con
coordenadas racionales es contable y denso en E. Convexidad de puede ser remplazada
por conexin. El supuesto de conexin, uno por uno, puede ser prescindido si asumimos
que es un espacio topolgico perfectamente separable (i.e. si contiene una clase contable
O de conjuntos abiertos tales que todo conjunto abierto en es la unin de conjuntos en la
clase O). Un espacio mtrico separable es perfectamente separable. Para pruebas y
discusiones ms lejanas de estos resultados, vase Debreu (1983b, pp.105ff.).
Es fcil de ver que la funcin de utilidad que representa una preferencia predestinada no es
definida nicamente. Cualquier transformacin monotnicamente creciente ( )de ( )
representar exactamente las mismas preferencias, porque con ( ) estrictamente creciente,
tenemos
() ()si y solo si [()] [()]
para todo , . De ah, decimos que ( ) es una funcin de utilidadordinal (en lugar de
cardinal). Esto quiere decir que el signo de la diferencia ()~() es importante porque
nos dice qu resultados son preferibles pero el valor de esta diferencia no tiene sentido,
puesto que cambiar con cualquier transformacin creciente importante ( ).
D
X
B(x)
I(x)
W(x)
Figura 8.1. Un mapa de indiferencia bien comportado
322
Teorema 1.11. Representacin del teorema (2). Dejar = + = { . , 0 = 1, , }, y

asumir que la relacin de preferencia " "definidad en es una preorden completa, continua y estrictamente
montona. Entonces " " puede ser representada por una funcin de beneficio de valor real, continuo y
creciente = . Si las preferencias son convexas, es cuasicncava.
Para ver cmo una funcin de utilidad puede ser construida, es til pensar en representar el
pre-orden de preferencia " " en trminos de sus conjuntos de indiferencia. Hemos visto
que un preorden de preferencia puede ser descompuesto en una parte simtrica y una parte
asimtrica. La parte simtrica es la relacin de indiferencia {~}. Es fcil de ver que {~} es
una relacin de equivalencia. Se deduce que los conjuntos de indiferencia
() = { ; ~}
forman una particin de . Que es, cada en pertenece precisamente a uno de tales
conjuntos.
Si las preferencias son continuas y montonas, conseguimos una imagen familiar de cursos
bsicos en microeconoma: los conjuntos de indiferencia son efectivamente curvas de
indiferencia (i.e., conjuntos conexos), y cada una de tales curvas es la frontera comn entre
los (ms cerca) mejores-que y peores-que conjuntos, () y ().
Si la imagen es correcta, entonces podemos construir una funcin de utilidad asignando
un nmero a cada curva de indiferencia.
Por ejemplo, si cada curva de indiferencia intersecta la lnea de 45 ( en Figura 8.1)

exactamente una vez, podemos asignar a todas las s en una curva de indiferencia dada la
distancia desde su interseccin con la diagonal hasta el origen (haremos algo as despus).
Intuitivamente hablando, para este enfoque de trabajo necesitamos tener el nmero
correcto de buenas curvas de indiferencia. La prueba del siguiente lema puede clarificar
lo que queremos decir con esto.

z D
Figura 8.2.
323
Lema1.12. Dejar " " ser una preorden continua y estrictamente montona definida en = + .
Entonces, dado cualquier , el conjunto de indiferencia () = { ; ~} intersecta la linea
diagonal = { + ; 1 = = } precisamente una vez.
Prueba. El conjunto D de puntos con las mismas cantidades de cada mercanca (la lnea
diagonal) puede ser descrita por
= { + ; = + }
Donde = 1 = (1,1, ,1). De ah, hay correspondencia uno a uno entre y+ . Arreglar
algn conjunto de puntos arbitrario en , y considerar los subconjuntos de +
correspondientes a conjuntos de puntos en que son respectivamente dbilmente
preferidos y dbilmente peores que :
= { +; }y = { + ; }
(se refiere a Figura 8.2). Por fuerte monotonicidad, ambos de estos conjuntos son no vacos.
(Por ejemplo, todos tal que > estn es , y todos aquellos con <
estn en ). Lo que es ms, la presunta complitud de la preferencia preordenada implica
que y deben agregar a + (i.e., + = ), para cualquier conjunto de puntos
debe satisfacer o o (o ambas).
Siguiente, mostramos la secuencia convergente de nmeros reales no negativos con lmite ,

y asumimos que para todo . Entonces { ; = } es una secuencia de
conjuntos de puntos contenidos en () que converge a . Como el conjunto () es
cerrado, por la continuidad de preferencia, el lmite de { } se sita en (). Que es,
(), el cual implica que y por lo tanto, la proximidad de . Un argumento
similar, trabajar para .
Finalmente, porque + = (0, ) es conexo (i.e., no tiene agujeros) y tenemos + =

, con ambos y cerrados, resulta que estos conjuntos deben tener al menos un punto
en comn (de otra forma, ellos pueden ser separados, y eso puede contradecir la conexin
de + . De ah, existe algn tal que ~. Por monotnicidad fuerte, este punto de
interseccin entre () y es nico, por > implica > ~, y < implica
< .
Con este resultado, la prueba de la representacin del teorema es fcil. Dando algn en ,
buscamos el punto donde la superficie de indiferencia () intersecta la linea de la diagonal
= { ; = , } y asignamos para el nmero correspondiente a
este punto. Porque hemos mostrado que este numero existe y es nico, tenemos de hecho
definida una funcin : , con () = , donde es tal que ~.
Ahora mostraremos que ( ) representa las preferencias dadas y es creciente. Tome dos
conjuntos de puntose , con . Por construccin, tenemos
324
() = , donde ~ y () = , donde ~
De ah,
~ ~
y por monotonicidad() = = () (de otra manera puede ser dominada por

y puede no ser preferible a esta. De ah ( )representa " ". Lo que es ms, ( )es una
funcin creciente, para esto , entonces por monotonicidad, y acabamos de
mostrar que esto implica que () ( ).
Luego, podemos mostrar que es continua. Para esto, es suficiente mostrar que la imagen
inversa de cualquier intervalo cerrado es cerrada. Pero ntese que dados dos nmeros reales
positivos cualesquiera y ,
1 , = { ; (, ) () ( )}
= { ; } = ( )( )
De ah, 1 , es la interseccin de dos conjuntos, uno mejor-que y otro peor-que, que

son cerrados, por la continuidad de preferencias. Esto deduce que 1 , es cerrado,
que establece la continuidad de ( ) . Finalmente, si las preferencias son convexas, el
conjunto del contorno superior de esta funcin, { ; () } , son conjuntos
convexos, porque
{ ; () } = {; } = ()

z D
1 , = () ()
y
Figura 8.3. Continuidad de la funcin de utilidad
y el conjunto mejor-que () es convexo, por el Problema 1.7. Esto implica que ( ) es

cuasiconcavo (por Teorema 3.2 en el Capitulo 6).
325
El siguiente problema muestra que bajo nuestras suposiciones, los conjuntos de indiferencia
son efectivamente las curvas de indiferencia bien comportadas, sin agujeros en ellas.
Problema 1.13. Dejar " " ser una continua y estricamente monotona preferencia
preordenada definidad en = + , y dejar ser un punto arbitrario en . Mostraremos que
el conjunto de indiferencia ()es conexo.
Una forma estandar para mostrar que un conjunto es conexo es mostrando que el conjunto
es homeomrfico a otro B que se sabe que es conexo que es, por establecimiento que ah
existe una funcion invertible continua ( ) con una inversa continua que asocia a .
Entonces = 1 () es la imagen continua de un conjunto conexo y por lo tanto, es
conexo l mismo (por Teorema 9.3 en Capitulo 2).
En este caso, dejar B ser el elemento simplex abierto
= { ++ ; = 1}
donde = 1 y ++ = { ; > 0 = 1, , }. Dado un conjunto de indiferencia
(), lo proyectamos a siguiendo un rayo aunque el origen desde cada punto en
hasta que este intersecte el simplex (Figura 8.4)
De ah, la funcion ( ) es de la forma

1 1
() = =
=1
Muestra que ( ) es un homeomorfismo.
1

()

Figura 8.4.
Indicacin: La nica parte potencialmente dificil es establecer la continuidad de 1 ( ). Use

la caracterizacin secuencial de continuidad y buscar una contradiccin. En particular, fijar
algn 0 en y asumir que { } 0 , pero { = 1 ( )} no converge a 0 =
326
1 ( 0 ). Notese que porque y = 1 ()se situa en el mismo rayo aunque el origen para
cualquier en , podemos escribir
= 1 ( ) = y 0 = 1 ( 0 ) = 0 0
para algn nmero real positivo y 0. Observe que { } es una secuencia de nmeros
reales limitadados debajo por cero. Considere dos posibilidades una por una: (i) { }es
limitada por encima, y (ii) { } no es limitada por encima. Entonces busque una
contradiccion.
(c)Preferencias dbiles
Esta pequea seccin muestra que, dando algunas condiciones adicionales, una relacin de
preferencia " " puede ser representada por funcin de utilidad doblemente continua
diferenciable. Este es un resultado muy conveniente, porque nos permite usar ambas tcnicas
de clculo para calificar las soluciones de los problemas de optimizacin que los agentes son
supuestos a resolver y hacer comparaciones estticas.
Intuitivamente, la diferenciacin es obtenida fortaleciendo el supuesto de continuidad con el
requisito que los conjuntos de indiferencia son de superficie dbil en o, ms formalmente,
que la relacin de indiferencia sea un colector dbil en .
Definicin 1.14. Preferencias dbiles. Dejar ser un subconjunto abierto de . Una relacin
de preferencia montona " " definida en se dice que es de clase ( 0) si la
subrelacin de indiferencia es un colector.
= {(, ) ; ~}
Recalcar que un colector es un conjunto que es localmente difeomrfico a un conjunto

abierto en un espacio Euclidiano. Si la definicin de difeomorfizacin es de clase ,
tenemos un colector. Si 1, hablamos de un colector dbil y preferencias dbiles.
(funcin A es de clase 0 si es continua)
327
Teorema 1.15. Dejar ser un subconjunto de . Una preferencia pre-ordenada estrictamente

montona " > " definida en puede ser representada por una funcin de utilidad con
puntos no crticos si y solo si este mismo es de clase (i.e., si la relacin de indiferencia
es un colector ).
Prueba: Probamos solo la parte fcil: Si " " puede ser representada por una funcin de
utilidad dbil con puntos no crticos, entonces debe ser un colector dbil. Para ver esto,
definimos : por
(, ) = () ()
Por supuesto, ( ) no tiene puntos crticos, por lo tanto, () 0. De ah, ( ) no tiene

puntos crticos y, por consiguiente, el conjunto
= 1 0 = {(, ) ; () = ()}
es la imagen inversa de un valor regular de . Por el teorema de valor regular (Teorema 2.3
en Capitulo 5), I es un colector dbil.
La contrario puede ser encontrado en Mas-Colell (1985, pp 64-6). De hecho, l prueba un
resultado ms general: El teorema se mantiene para preferencias localmente insaciables con
conjuntos de indiferencia conexos. Porque, trivialmente, la monotonicidad fuerte implica no
saciedad local y, por Problema 1.13., conexidad de los conjuntos de indiferencias, el teorema
sigue como establecido.
Concluimos que con la observacin que dada una topologa apropiada en el espacio de
relaciones de preferencia continuas, el conjunto de relaciones de preferencia dbil es denso
en ese espacio. Intuitivamente, esto significa que cualquier relacin de preferencia continua
puede ser aproximada claramente por una dbil y de ah que el supuesto de la funcin
de utilidad diferenciable no sea irracional, al menos como una primera aproximacin.
2. Teora del consumidor

Consideramos un agente (al que llamaremos consumidor) quien tiene preferencias definidas
sobre el conjunto , de posible conjunto consumo, = (1 , , ), donde interpretamos
0 como la cantidad de bien consumido por el agente. Asumimos que estas
preferencias pues ser representadas por una funcin de utilidad creciente crontinua y
cuasiconcava: : + . Dado ingreso y un vector de precio de mercanca ++ el
conjunto de utilidad factible es descrito por el presupuesto de correpondencia,
(, ) = { + ; }
que da, por cada par precio-ingreso, el conjunto de puntos que cuesta = =1 no
excede el ingreso disponible 0. Se asumir que el consumidor maximiza su utilidad
sujeto a la restriccin impuesta por el presupuesto de correspondencia.
328
(a) Utilidad Maximizadora y Funcin de Demanda Ordinaria
Bajo el supuesto precedente, el problema enfrentado por el consumidor puede ser escrito
(, ) max () (C.U)
(,)
Donde (, ) = { + , 0}. La funcin de mximo valor por el problema del

consumidor, (, ), llamada la funcin de utilidad indirecta, da la utilidad mxima posible
por un consumido quien enfrenta ingreso y precios . La solucin para este problema es
dando por correspondencia de demanda Marshalliana u ordinaria,
(, ) = max ()
(,)
la cual da a cada par (, ), el conjunto de puntos de consumo ptimo. Si esta

correspondencia es de valor nico, hablamos de una funcin de demanda. Ntese que la
funcin de utilidad indirecta y la demanda de correspondencia estn relacionadas por la
expresin
(, ) = ((, ))
porque la utilidad mxima disponible es la utilidad provista por algn punto de consumo
ptimo.
En esta seccin, analizaremos las propiedades de la demanda correspondiente y la funcin

de utilidad indirecta. Empezamos con un resultado que da suficientes condiciones para la
cantidad de supuestos de correspondencia (i.e., a el conjunto de opciones factibles para
cambiar continuamente con cambios en los parmetros y ).
Teorema 2.1. Continuidad del supuesto de correspondencia. Dejar : +

+ + ser definido por

(, ) = { + ; }. Entonces es continuo en cualquier punto (, ), con 0 y >
0.
Prueba. Note que la funcin restriccin es lineal y por lo tanto cncavo en por dar y .
De ah, podemos aplicar Teorema 2.2 en Capitulo 7, y es suficiente para mostrar que (, )
es compacto y contiene un punto interior, el cual es claramente el caso bajo los supuestos
dados.
329
Problema 2.2. Dada una prueba directa de la continuidad del presupuesto de correspondencia.
Indicacin: Use la caracterizacin secuencial de alta hemicontinuidad y baja hemicontinuidad.
Por alta hemicontinuidad, considera una secuencia ( , ) convergiendo a un punto
(, ) 0 . Muestra que est sujeto y aplica el teorema de Bolzano-Weirstrass. Para bajo
hemicontinuidad, construye la secuencia como en Problema 2.6. en Captulo 7.
Dado el resultado precedente, ahora podemos usar el teorema del mximo para garantizar la
alta hemicontinuidad de la demanda de correspondencia y la continuidad de la funcin
indirecta de utilidad. Aparte de estos dos resultados, el siguiente teorema establece algunas
otras propiedades de estos mapeos.
Teorema 2.3. Propiedades de la demanda de correspondencia y la funcin de utilidad indirecta. Dejar la

funcin de utilidad: : + ser continua, creciente y cuasiconcava. Entonces por cada par
precio-ingreso (, ), con 0 y > 0, existe al menos una solucin para el problema del
consumidor (C.U). Ms all de eso, la demanda de correspondencia (, ) es nica y
homognea de grado cero, en el sentido que (, ), entonces (, ) para
cualquier > 0. La funcin de utilidad indirecta (, ) es continua, cuasiconvexa,
homognea de grado cero en (, ), creciente en ingreso y decreciente en precios.
Si, en adicin a esto, ( ) es estrictamente creciente, entonces el supuesto restriccin sujeta

con equidad, que es, = para cualquier (, ) (la propiedad sumando). Si ( )
es estrictamente cuasiconcava, entonces (, ) es una (nico valor) funcin y contina.
Prueba
Existencia de una solucin y unicidad, dada estricta cuasiconcavidad. Si 0 y > 0, el

conjunto presupuesto (, ) = { + ; } es un conjunto no vaco compacto y
convexo. De ah, la existencia de una solucin para el problema del consumidor sigue por el
teorema del valor extremo (Teorema 8.22 en Capitulo 2). Dada estricta cuasiconcavidad, la
solucin ser nica, por Teorema 1.11 en Captulo 7.
Continuidad de (, ) y (, ). Porque (, ) es compacto-valorada y continua para

cualquier (, ) con 0 y > 0, el teorema del mximo (Teorema 2.1 en Capitulo 7)
garantiza la continuidad de (, ) y la alta hemicontinuidad de (, ) . Porque una
correspondencia uhc nico-valorada es una funcin continua (ver Seccin 11 de Capitulo 2),
adems, (, ) es una funcin continua siempre que sea estrictamente cuasicncava.
Sumando. Ahora mostraremos que cualquier conjunto de puntos de consumo ptimo agota
el ingreso disponible cuando ( ) es estrictamente creciente. Suponga que no es el caso, que
es, que existen algunos conjuntos de puntos (,y) con < . Entonces hay algn
conjunto de puntos de consumo que domina y sigue siendo factible (i.e., existe un punto
> tal que < ). Porque ( ) es estrictamente creciente por supuesto, entonces
tendremos ( ) > (), el cual contradice el supuesto que es un maximizador.
330
Homogeneidad de(, ) y (, ). Notese que cualquier cambio equiproporcional en

precios e ingreso no cambia el conjunto de puntos. Que es, si , entonces () =
() por cualquier > 0 , y el conjunto factible no cambia con . Porque precios e
ingreso no entran en la funcin objetivo ( ), la eleccin de consumo no ser afectada
cuando multipliquemos todos los precios e ingreso por el mismo factor positivo, tampoco
la utilidad ser afectada. De ah, esta propiedad se extiende tambin a la funcin de utilidad
indirecta. Ntese que (, ) = ((, )) , donde (, ) es cualquier conjunto de
puntos de consumo. As, podemos escribir
(, ) = [(, )] = [(, )] = (, )para cualquier > 0
( ) es creciente en y no creciente en precios. Toma y , con > . Entonces

claramente
(, ) (, )
Que es, el conjunto presupuesto es (estrictamente) ms largo con el ingreso ms alto. Dejar
(, ) ser un conjunto de puntos de consumo ptimo por ingreso . Entonces se
mantiene factible, pero no necesariamente optimo por ingreso , por lo tanto, ciertamente
(, ) (, ). De hecho, la desigualdad es estricta cuando ( ) es estrictamente
creciente, para entonces = < , por lo tanto podemos encontrar algn punto >
que es factible por ingreso . Entonces (, ) ( ) > ( ) = (, ). As,
concluimos que ( ) es estrictamente creciente en ingreso cuando ( ) es estrictamente
creciente. Un argumento similar establecer monotonicidad en precios.
Cuasiconvexidad de (, ). Dado un nmero real , el conjunto del contorno ms bajo de

( ) es el conjunto
= {(, ); (, ) }
Para establecer la cuasiconvexidad de ( ), tenemos que mostrar que es un conjunto

convexo por cualquier que se d. Dejar ( , ) y ( , ) ser dos punto arbitrarios en
, que es, con ( , ) y ( , ) , y dejar
( , ) = ((1 ) + , (1 ) + ) (0,1)
Deseamos mostrar que ( , ) , que es, que ( , ) . Notese que es suficiente

para mostrar que cualquier punto que es factible por ( , ) (i.e. tal que ),
tenemos () , porque ( , ) es de valor de uno tal punto.
Primero, note que implica
= [(1 ) + ] = (1 ) + (1 ) + =
Ahora, porque
(1 ) + (1 ) +
331
Debe ser verdad que o o o ambos. Si la primera desigualdad sujeta,

entones es factible, pero no necesariamente ptimo por (p,y), y tenemos ()
( , ) . De lo contrario, implica () ( , ) , por el mismo
argumento. En cualquier caso, () , y el resultado sigue.
Problema 2.4.Muestra que si( ) es homottica, entonces la demanda es lineal en ingreso, que
es, (, ) = (, 1).
Indicacin: Recalcar que una funcin es dicha homottica si es una transformacin

monotnicamente creciente de una funcin homognea.
Ahora fortaleceremos nuestros supuestos de continuidad y se requiere que ( ) sea una

funcin doblemente continua diferenciable. En este caso, ambas la demandan y mapeos de
utilidad indirecta son funciones diferenciables, y obtenemos algunos mejores resultados. En
particular, asumimos que ( ) es una 2 , funcin estrictamente cuasiconcava y
estrictamente creciente que satisface la condicin suficiente de segundo orden para
cuasiconcavidad estricta en trminos de la frontera Hessiana dada en Teorema 3.11 en
Capitulo 6. Este supuesto nos permitir usar las tcnicas de desarrollo en Capitulo 5 y aplicar
el teorema de la funcin implcita para analizar las propiedades esttica-comparativas de las
funciones de demanda ordinaria.
Porque sabemos que la restriccin consumo sujetar como un equivalente cuando ( ) es
estrictamente creciente, podemos reescribir (C.U) como un problema de Lagrange:
max{(). . 0} (C.U)

donde estamos implcitamente asumiendo que tenemos identificado a priori aquellos

bienes sern consumidos en cantidades positivas, y excluimos el resto. Diferenciando el
Lagrangiano para el problema,
(, ; , ) = () + ( )
produce las condiciones de primer orden
()
= = 0 = = 1, , (1)

= = 0 (2)

donde ( )denota la derivada parcial de ( ) con respecto a su imo argumento.

Dados nuestros supuestos, estas condiciones caracterizarn una nica solucin ptima .
Note que el ptimo requiere
() () ( )
== =
( )
332
Esta es la condicin familiar que requiere que la utilidad marginal del ltimo dlar gastado
en cada bien debe ser el mismo para todos ellos o, equivalentemente, que la tasa marginal de
sustitucin entre dos bienes cualesquiera y deben ser iguales a la proporcin de sus
precios.
Ecuaciones (1) y (2) constituyen un sistema de + 1 ecuaciones en + 1 desconocidas que
pueden resolver las funciones demanda ordinaria = (, ) para = 1, . , , y el
multiplicador = (, ). En algunos casos simples, es posible resolver (1) y (2)
explcitamente para y . En general, sin embargo, tales soluciones de forma cerrada no
son accesibles, y tenemos que recurrir al teorema de la funcin implcita (IFT) para hacer
comparacin esttica. Para aplicar este teorema, reescribimos la condicin de primer orden
en la forma
(, ; ) = () = 0 para cada = 1, , (3)
+1 (, ; ) = = 0 (4)
y observe que el Jacobiano de variables endgenas de este sistema est dado por
11 1 1

|| = |(,) (, ; )| = [ ]
1
1 0
Usando la condicin de primer orden ( = ) y factorizando los elementos, esta

determinante puede ser escrita en trminos de delimitacin Hessiana de la funcin de
utilidad,
11 1 1
1 2
|| = ( ) [
1 ]
1 0
Que es diferente de cero por nuestro supuesto en ( ). De ah, las condiciones suficientes
para fijar un estricto local mximo (ver Teorema 1.16 en Capitulo 7), y la solucin al sistema
de condicin de primer orden es una solucin regular del problema del consumidor. Esto
garantiza que podemos usar el IFT para calcula las derivadas parciales de la funcin de
demanda ordinaria. Particularmente, tenemos
(, ) | |
=
||
333
Donde es la matriz obtenida reemplazando la columna del Jacobiano J con el

vector ( ((, ; )) .
Desafortunadamente, esto produce que el signo de | | no pueda ser determinado sin
ambigedad incluso cuando = . De ah, eso no es necesariamente cierto que las demandas
son decrecientes en sus propios precios o crecientes en ingreso. La nica restriccin en el
comportamiento individual que tenemos de la maximizacin de utilidad es el nico dado en
el siguiente resultado.
Teorema 2.5. Slutsky. Asuma que ( ) es 2 y satisface la suficiente condicin de segundo orden para un
mximo local. Entonces la matriz de Slutsky [ ], con
(,) (,) (5)

= + (,)

es semidefinido simtrico y negativo.
Una prueba de este teorema (el cual puede tambin ser establecido por clculo directo usando
el IFT) y una discusin de su significado se dar ms adelante. Por el momento, solo
notaremos que la simetra de la matriz de Slutsky requiere que
(,) (,) (,) (,)

= + (, ) = + (, ) (6)

y su definicin negativa implica que los elementos en su diagonal principal sern no positiva,
que es,
(,) (,)
= + (, ) 0 (7)

Esta ltima propiedad puede ser usada para establecer lo que Samuelson llama teorema
fundamental de la teora de la demanda: Si un bien no es inferior, su curva de demanda
ordinaria tiene pendiente negativa. Esto sigue inmediatamente de (7) y la definicin de bien
(,)
inferior. Si un bien no es inferior, entonces el efecto ingreso es positivo, que es, 0,

y (7) implica
(,) (,)
- (, ) 0

Por otro lado, los bienes inferiores pueden tener demanda con pendiente positiva (estos son
llamados bienes Giffen) si el efecto ingreso es negativo y lo suficientemente fuerte para
superar el efecto sustitucin.
Estos resultados agotan por completo las implicaciones de la teora de demanda. Puede ser
mostrado que dado un conjunto de funciones de demanda homogneas que agregan a los
ingresos y satisfacen la condicin de Slutsky, es posible integrar y reclamar una funcin de
334
utilidad de buen comportamiento. De ah, podemos ir no solo desde utilidad a demanda,

tambin de demanda a utilidad. Los dos conjuntos de propiedades (aquellas de ( ) y
aquellas de ( )) son totalmente equivalente, y esto implica que no hay ms implicaciones
para tener de la maximizacin de utilidad. Note que nuestros resultados son bastante dbiles:
Maximizacin de una funcin de utilidad cuasicncava no impone demasiadas restricciones
en funciones de demanda ordinaria.
El siguiente problema invita al lector a verificar que existe una relacin simple entre la
funcin indirecta y demanda Marshalliana. En aplicacin del anlisis de demanda, es algunas
veces ms conveniente empezar con algunos requisitos de la funcin de utilidad indirecta
que tiene propiedades razonables y entonces deriva la funcin de demanda de este ms que
empezando con la funcin directa de utilidad.
Problema 2.6. La identidad de Roy. Asume que la funcin indirecta de utilidad es diferenciable.
Muestra entonces que:
(, )/
(, ) =
(, )/
Problema 2.7. Considerar la siguiente funcin indirecta de utilidad:

(, ) = , donde = 1

Use la identidad de Roy para encontrar las funciones de demanda ordinaria.
(b) Minimizacin de gastos y Demanda compensada

En esta seccin, aprovechamos el problema de decisin del consumidor desde una
perspectiva ligeramente diferente. En lugar de tomar el ingreso como dado, fijamos un nivel
de utilidad arbitrario (i.e. una curva de indiferencia) y resuelve para el conjunto de punto de
consumo que minimizar el gasto (costo) necesario para poner al consumidor en esta
particular curva de indiferencia. Es decir, resolveremos el problema
min{; () } (C.E)

Si escribimos la solucin para esta minimizacin del problema del gasto como una funcin
de los parmetros, obtenemos el conjunto de puntos de consumo ptimo como una funcin
(. ) de precios y el nivel de utilidad requerido
(, ) = arg min{; () }

335
El mapeo resultante (con y no como un argumento) es sabido como una funcin de

demanda o correspondencia compensada o Hicksiana, porque esto nos permite,
manteniendo la utilidad constante, a abstracto desde efecto ingreso, as aislando el efecto
sustitucin puro de cambio de precios en el comportamiento del consumidor. La (mnima)
funcin de valor para el problema de la minimizacin de gastos,
(, ) = min{; () } = (, )

es sabida como la funcin de gasto y da el gasto mnimo necesario para alcanzar un nivel
deseado de utilidad . Como es habitual, podemos recuperar (, ) sustituyendo la
solucin ptima del problema (i.e. la demanda Hicksiana, ( ) volviendo a la funcin
objetivo.
En esta seccin, investigamos las propiedades de las demandas compensadas y la funcin
gasto. En la siguiente seccin, discutiremos la relacin entre las dos frmulas del problema
del consumidor y relacionaremos las propiedades de compensacin y demanda ordinaria el
uno al otro, probando en particular, el teorema de Slutsky.
Teorema 2.8. Propiedades de la demanda de correspondencia y la funcin de gasto. Dejar la funcin de

utilidad : + ser continua, estrictamente creciente y cuasicncava, y considerar el problema
(, ) min{px; U(x) u}(C.E)

x
Dejar = (0) y () = {(); + } . Entonces para cada 0 y

(, ), existe al menos una solucin para el problema del consumidor (C.E), y (, ) es uhcen este
conjunto. Adems, la demanda compensada de correspondencia (, ) es homognea de grado 0 en p (en
el sentido que (, ) = (, ) para cualquier > 0), y la solucion del problema no deja exceso de
utilidad, significando que para cualquier (, ) tenemos () = . Si ( )es estrictamente
cuasiconcava, entonces (, ) es una (nico-valor) funcin y es continua.
La funcin gasto (, ) es una funcin continua, cncava y creciente en precios,

estrictamente creciente en , y homognea de grado 1 en precios.
Prueba
Existencia de soluciones y unicidad, dando cuasiconcavidad estricta. El conjunto factible

() = { + ; () } = 1 [, es cerrado, por la continuidad de ( ), pero no
est acotado y por lo tanto no es compacto. Sin embargo, no es difcil compactarlo. Dado
0 y (, ), escoge un conjunto de puntos tal que () > . Tanto un conjunto
de puntos exista, por el supuesto que (, ). Entonces es factible para , pero no
necesariamente ptimo, y esto implica que para cualquier (, ) tenemos .
De ah la solucin para (C.E) estar en el conjunto compacto
(, ) = { + ; () }
Porque ( ) es continua, el teorema del valor extremo garantiza la existencia de una solucin
para (C.E). Adems, porque ( ) es cuasicncava, (, ) es la interseccin de dos conjunto
336
convexos y por lo tanto, es convexo el mismo. Si ( ) es estrictamente cuasicncava, sigue

(por Teorema 1.11 en Capitulo 7) que la solucin es nica.
(, ) es estrictamente creciente en . Por contradiccin. Suponga (, ) = (, )

no es estrictamente decreciente en . Entonces ah existe niveles de utilidad y , con
> > (0), y correspondiendo al ptimo del consumidor el conjunto de puntos y
, con (, ) y (, ), tal que 0 < . Por la propiedad del no
exceso de utilidad, adems, tenemos ( ) = > = ( ) . Considere ahora un
conjunto de puntos de consumo de la forma = , con (0,1). Por continuidad de
( ), podemos elegir lo suficientemente cercanos a la unidad que ( ) > = ( ),
y porque < 1 tenemos ( ) = ( ) < . Esto contradice el supuesto que
resuelve (C.E) con utilidad requerida , porque hemos encontrado un conjunto de punto
que es estrictamente ms barato que y produccin con mejor utilidad.
(, ) es creciente en . Fijar algn , dejar y ser vectores precio arbitrarios, con

> , y dejar ser ptimo por (, ). Entonces es factible por (, ) porque
( ) , pero esto no necesariamente minimiza gasto; de ah,
( , ) = ( , )
Continuidad. Primero mostraremos que (, ) es compacto- valorado. Como hemos

mostrado, (, ) est contenido en el conjunto compacto (, ) y por lo tanto, es
acotado. Para ver que es cerrado, dejar = (, ) = () para algunas . Entonces
{} es un conjunto cerrado en , y (, ) = 1 ({}) 1 [, es la interseccin de
dos conjuntos cerrados, por la continuidad de la funcin de utilidad y el producto interno
( ). De ah, ( ) es compacto-valorado, y podemos usar la caracterizacin secuencial de la
alta hemicontinuidad dado en Teorema 11.2 en Capitulo 2.
As, tenemos que mostrar que dada cualquier secuencia {( , )} converge a (, ), con
0 y ( , ), toda compaero secuencial de demandas { }, con ( , )
tiene una subsecuencia convergente con lmite en (, ).
Mostraremos que la secuencia { } es acotada. Dejar 0 ser tal que () > . Porque
{ } , podemos asumir que (posiblemente despus de borrar algunos trminos iniciales
de la secuencia)
() (1)
Entonces es factible, pero no necesariamente ptimo para todo ( , ) y tenemos
( , ) =
donde la ltima igualdad sujeta porque ( , ). De ah, gasto en el bien

es acotado por (i.e., ). Porque { } (el cual implica que { }
para todo ), adems, tendremos
> /2y + 1
337
Para suficientemente largo. De ah,
+ 1

/2
Para todo y suficientemente largo .

Porque { } es acotado, este contiene una subsecuencia convergente, dice { }, con lmite
. Porque ( , ), tenemos ( ) para todo y la continuidad de ( )
implica que () . De ah, es factible por (, ).
Para establecer que es tambin ptimo, que es, que (, ) , procedemos por
contradiccin. Suponga (, ); entonces existe algn factible que cuesta menos que
. Que es, existe algn tal que
< (2)
() (3)
Siguiente, construimos una secuencia { } como sigue:
<
[, ] . . ( ) = de lo contrario
Note que el requisito [, ], con ( ) = , existe siempre que , por la

continuidad de ( ) y el hecho que () = (). Observe tambin que es
factible por ( , ), por construccin, pero no necesariamente ptimo. De ah
( , ) = (4)
Porque ( , ). Por otro lado, puede mostrar { } (ver Problema 2.10).

De ah, tomando lmites de ambos lados de (4), y recordando que { } , tenemos
(5)
que contradice (2). Esto establece el resultado deseado.
Problema 2.9. Para completar la prueba del Teorema 2.8., mostrar que bajo el supuesto dado,
tenemos lo siguiente:
(i) Demanda compensada es homognea de grado 0 en precios, y la funcin de gasto es
homognea de grado 1 en .
338
(ii) La solucin al problema de minimizacin de gasto producciones no excede utilidad.

Sugerencia: Por contradiccin. Mostrar que si el resultado no sujeta, entonces no podemos
construir un conjunto de puntos que produzcan el nivel requerido de utilidad y costar menos
que el ptimo.
(iii) La funcin gasto es cncava en precios. Dada una interpretacin intuitiva de este hecho.
Problema 2.10. Mostrar que la secuencia { } construy en la ltima parte de la prueba del
Teorema 2.8 convergencia en .
Sugerencia: Note que escogemos por lo que , usa la monotonicidad estricta de la

funcin de utilidad y el hecho que () , y buscar alguna contradiccin.
Si asumimos que ( ) es 2 y estrictamente cuasicncava, entonces (, ) es una funcin

diferenciable, y podamos aplicar el teorema de la funcin implcita para la condicin de
primer orden del problema de minimizacin de gasto para estudiar la esttica comparativa
de demandas compensadas. En este caso particular, sin embargo, un planteamiento se vuelve
mucho ms conveniente. El primer paso est basado en la observacin que por la alineacin
de la funcin objetivo hay una relacin simple entre la funcin gasto y la demanda
compensada.
Teorema 2.11. Lema de Shephard. Asume que ( ) es 1 . Entonces la funcin gasto es diferenciable, y
(, )
(, ) = (, ); . . = (, )

Prueba. Por la propiedad no exceso de utilidad, (C.E) puede ser escrita como un problema
estndar de Lagrange (con una sola restriccin de igualdad). El lema de Shephard entonces
sigue inmediatamente por el teorema envolvente (Teorema 2.16 en Capitulo 7). El
Lagrangiano por el problema de minimizacin de gastos es
(, ; , ) = + [() ]
=1
De ah, el teorema envolvente de producciones

(, ) ( , ; , )
= = = (, )

339
Usando este resultado, es fcil derivar algunas propiedades importantes de las funciones de
demanda compensada desde la concavidad de la funcin gasto. La observacin crucial es que
por el Lema de Shephard, las segundas parciales de la funcin gasto son las primeras parciales
de la demanda Hicksiana. Que es,
2 (, ) (, )
=

siempre que ( ) es dos veces diferenciable.
Teorema 2.12. Esttica comparativa de demanda compensada. Asume que la funcin gasto es 2 .Entonces
(i) Las funciones de demanda compensadas son decrecientes en sus propios precios, que es, (, )/
0 para todo , y
(,) (,)
(ii) Satisfacen la condicin = para todo y .

Prueba
Por la concavidad de la funcin gasto en precios, la matriz Hessiana de segundas derivada
de E( ) con respecto a los precios es negativo semidefinida (por Teorema 2.18 en Capitulo
6). Porque toda diagonal de elementos de una matriz semidefinida negativa debe ser no
negativa (ver el apndice de Capitulo 6), tenemos, por lema de Shephard,
(, ) 2 (, )
= 0 = 1, ,
2
Si (, ) es 2 , tenemos por teorema (teorema 2.6. en Capitulo 4) de Young (Schwarz)

que la matriz de segundas parciales es simtrica (el orden de diferenciacin no importa); de
ah;
2 (, ) 2 (, )
=

y por Lema de Shephard implica
(, ) (, )
=

La primera parte del teorema dice que la funcin de demanda compensada son pendiente
(,)
negativa. La razn de esto puede ser intuitivamente fcil. El signo de la derivacin
340
nos dice cmo un consumidor ajustar sus compras de bien en respuesta a un incremento
en su precio cuando tambin recibe un ingreso transferido que le permite quedarse en la
curva de indiferencia original. Fijando constante la utilidad, la funcin de demanda
compensada aisla el efecto sustitucin puro de un cambio de precio. Excepto efecto ingreso,
un incremento en el precio de un bien solo puede hacerlo menos atractivo relativamente a
otros bienes, de ese modo reducen su consumo. La condicin dada en la segunda parte del
teorema es equivalente, como lo veremos pronto, a la condicin de simetra de Slutsky
afirmada en Teorema 2.5.
(c)Relacin entre Demandas compensada y ordinaria:

La ecuacin de Slutsky
Hemos analizado el problema de la decisin del consumidor desde dos leves diferentes
perspectivas. En Seccin (a) fijamos el gasto aceptado y buscamos la ms alta curva de
indiferencia alcanzable. En Seccin (b) seleccionamos una curva de indiferencia arbitraria y
buscamos la ms baja lnea iso gasto compatible con esta. Es intuitivamente claro, provistos
nosotros somos cuidadosos para identificar la correcta curva de indiferencia y niveles de
gasto, los dos problemas de producen el mismo conjunto de puntos ptimo (Figura 8.5). El
siguiente resultado hace esta equivalencia ms precisa.

=
=

Minimizacin
Maximizacin de utilizad de gasto
Figura 8.5. Equivalencia entre maximizacin de utilidades y minimizacin de gasto.
341
Teorema 2.13. Equivalencia entre maximizacin de utilidad y minimizacin de gastos. Dejar

: + ser un leve incremento y funcin de utilidad continua, y fijar algunos 0,
(i) Si resuelve (, )cuando ingreso es > 0, entonces resuelve (C.E) cuando la

utilidad requerida es ( ). Adems, el nivel de gasto minimizado por el ltimo problema es
.
(ii) Si resuelve (C.E) cuando el nivel de utilidad requerida es (, ) entonces
soluciona (C.U) cuando el ingreso es . Adems, el nivel maximizador de utilidad en el
segundo problema es .
Problema 2.14. Probar Teorema 2.13. Sugerencia: Por contradiccin. Asumir que soluciona
uno de los problemas, pero no el del otro, y muestra que entonces no se puede solucionar el
primero tampoco.
Teorema 2.13 nos permite escribir la siguiente identidad
(, ) (, ) (8)
donde es el mnimo nivel de gasto necesario para alcanzar la curva de indiferencia indizada
por - y es la utilidad mxima posible con gasto . Mas explcitamente, tenemos
[, (, )] (, ) (9)
[, (, )] (, ) (10)
Enfocndonos en el i-esimo componente de (10),
(, ) [, (, )] (10)
Y diferenciando esta expresin con respecto a un precio arbitrario , tenemos
(, ) (, ) (, ) (, )
= +

Por Lema de Shephard y (8), adems,
(, )
= (, ) = (, )

Sustituyendo esta expresin en (11), obtenemos una ecuacin que relaciona las derivadas
parciales de las funciones de demanda compensa y ordinaria:
342
(,) (,) (,)

= + (, ) (12)

Esta identidad es conocida como la ecuacin Slutsky
Comparando (12) con ecuacin (5) en Seccin (a), vemos que los trminos de Slutsky son
de hecho las deriva son de hecho las derivadas parciales de la demanda compensada con
respecto a los precios. Por el teorema 2.11 sabemos que
(, ) (, )
= = =

(, )
= 0

Como se afirma en el Teorema 2.5. Por lo tanto, las propiedades que atribuimos en la
Seccin(A) a la matriz de Slutsky se han derivado en la seccin (b) de la concavidad en los
precios de la funcin de gasto, utilizando el lema de Shephard.
La ecuacin de Slutsky nos permite descomponer el efecto sobre la demanda de un cambio
de precio en un efecto de sustitucin y un efecto de ingreso. Resolviendo (12) para
(,) (,) (,)

= (, ) (13)

Que podemos interpretar como sigue:
Efecto total del efecto de un cambio de precio= Efecto sustitucin+ efecto ingreso
ponderado por la importancia del bien cuyo precio ha cambiado
Parece natural ponderar el efecto ingreso por el consumo del bien

cuyo precio ha cambiado. Si el gasto en este bien particular es pequeo (por ejemplo, sal),
incluso un gran cambio de precio tendr poco efecto sobre el ingreso real del consumidor.
Finalmente, considere la descomposicin del efecto de un cambio en un bien con su propio
precio en su demanda:
(,) (,) (,)

= (, ) (14)

Por el teorema 2.12, el efecto de sustitucin es negativo. Si el bien es normal, xi ( )/ y es

positiva, y los efectos de ingreso y sustitucin funcionan en la misma direccin, implicando
que xi ( )/ pi 0. Esta es la "ley fundamental de la demanda."
343
3. Equilibrio General Walrrasiano en un Intercambio Econmico Puro
En esta seccin desarrollamos la teora estndar del equilibrio competitivo general en el

contexto de una economa puramente cambiaria. El adjetivo "general indica que
modelamos explcitamente la interdependencia entre los diferentes sectores de la economa,
en oposicin a un anlisis de equilibrio parcial, donde podramos centrarnos en un mercado
especfico de forma aislada. Las palabras "competitivo"
Y "Walrrasiano" indican dependencia de un concepto especfico de equilibrio que supone
que los mercados son "perfectamente competitivos" en un sentido que ser precisado ms
adelante.
La economa que estudiamos ser empleada por un gran nmero de consumidores

caracterizados por una funcin de utilidad bien comportada y dotado de un vector original
de las explotaciones de productos bsicos. Cada uno de estos consumidores tomar los
precios como dados
y comercializar con otros agentes a travs de un conjunto completo de
mercados. Sin embargo, no habr empresas. Ignorando la produccin simplificar
considerablemente, al mismo tiempo que nos permite estudiar el problema bsico de cmo
los mercados coordinan las acciones de los agentes econmicos individuales.
Asumimos que:
(i) los consumidores son agentes racionales que maximizan su utilidad, tomando los precios
como exgenos limitados nicamente por el requisito de que el valor de mercado de su gasto
de consumo no exceda el de su fondo, y
(ii) estos individuos interactan entre s slo a travs de un conjunto completo de mercados
en los que los precios se determinan de tal manera que la oferta es igual a la demanda.
Es decir, en la visin walrrasiana, el requisito de consistencia que tenemos es imponer a las

acciones individuales para hablar de un equilibrio que toma
la forma de compensacin del mercado. Observe que los individuos son limitados slo por
precios precisamente porque los mercados se limpian (de lo contrario algn tipo de
racionamiento surgira). Los agentes individuales no se sienten limitados por las acciones de
otros de alguna manera especfica, porque pueden vender o comprar cualquier cantidad de
cualquier bien al precio de mercado. Esto nos permite formular y resolver los problemas de
optimizacin como si fuera libre de elegir independientemente de otros agentes. Por otro
lado, esto no es estrictamente cierto, ya que es la interaccin de todos los agentes que
determinan los precios de mercado. Antes de que podamos comenzar a investigar cmo se
determinan los precios, necesitamos definir algunos conceptos bsicos.
344
Equilibrio Walrrasiano: Intercambio Econmico Puro
Definicin 3.1. Economa de cambio y asignacin. Una economa de intercambio esuna pareja
= (U, e) = {( , ); i= 1,, n}

Donde es una funcin + , y = ( ,, ) es un vector en + . Interpretamos
como funcin de utilidad del agente i, y como su vector de dotacin (es decir, como
sus tenencias iniciales de mercancas).

Una asignacin x=( 1 , , ) + es un vector que describe la cantidad de cada
producto consumido por cada uno de los n agentes en la economa. Una asignacin es factible
si el consumo total de cada producto no excede su dotacin total (es decir, si =1
=1 ).
Definicin 3.2. Equilibrio competitivo o Walrrasiano. Un equilibrio Walrrasiano es un par de

asignacin de precios (p*, x*) tal que cuando todos los agentes maximizan la utilidad,
tomando p* como dado, los mercados se liberan y los agentes reciben la asignacin (factible)
x*= (1 *,..., ).
Esta definicin sugiere el siguiente procedimiento para encontrar un equilibrio. Primero,

derivamos las funciones de demanda individual o correspondencias como las asignaciones
de solucin para los problemas de optimizacin enfrentados por los comerciantes
individuales. Luego agregamos sobre los agentes para obtener la demanda total de la
economa. Finalmente, imponemos la compensacin del mercado; Es decir, exigimos que la
oferta de igualdad de demanda en los mercados de todos los bienes.
Este procedimiento produce un sistema de ecuaciones G (las condiciones de compensacin

del mercado) en G incgnitas (los precios de equilibrio de los bienes). Podemos explotar el
hecho de que sabemos cmo se construye el sistema (de la optimizacin individual y una
condicin de equilibrio global) para establecer ciertas propiedades del mapeo de equilibrio.
Las preguntas bsicas siguen siendo las que discutimos en el captulo 5: Primero, necesitamos
establecer que una solucin al sistema (es decir, un equilibrio competitivo) existe bajo ciertas
condiciones. Entonces podemos preguntar si la solucin es nica, cmo vara con los
cambios en los parmetros del modelo (dotaciones) y si tiene o no propiedades de bienestar
deseables.
Algunos de estos temas sern discutidos en detalle en el resto de esta seccin. La seccin (a)
deriva algunas propiedades de la demanda agregada, haciendo uso de resultados anteriores
sobre el comportamiento del consumidor. En la Seccin (b), proveemos condiciones para la
existencia de equilibrio. Por ltimo, la seccin (c) investiga las propiedades de bienestar del
equilibrio competitivo.
345
(a) Demanda Agregada
El problema de optimizacin que enfrentan los comerciantes en nuestra economa cambiaria

es casi idntico al que se analiza en la Seccin 2. La nica diferencia es que el ingreso se da
ahora por el valor de mercado del vector de dotacin el. Por lo tanto, la correspondencia de
demanda para el agente i se da ahora por
(p, p ) = max

{( ( ) s.t. p p )}

Es fcil comprobar que este cambio no altera las propiedades de las correspondencias de
demanda individuales. El siguiente teorema enumera algunas de estas propiedades y deriva
una adicional (la falta de lmites de la demanda como algunos precios van a cero).
Teorema 3.3 Propiedades de la correspondencia de la demanda. Sea la funcin de utilidad :

IR+G IR continua, estrictamente creciente y cuasi cncava. Luego:
(i) la correspondencia de la demanda es semicontinua superior en p para cualquier

>> Q,
(ii) (ii) compacto y convexo evaluado para cualquier p >> Q, y
(iii) homognea de grado 0, en el sentido de que si x x (, p ), luego x x (p, p )

para todos los >0.
(iv) La restriccin presupuestaria se sujeta a la igualdad, es decir, pz i = p para

cualquier (, p ) (la propiedad del sumando).
(v) Si U ( ) es cuasi cncava estricta, luego x i (p, p ) es una (nico valor) funcin de
los precios y es continua.
(vi) Sea { } secuencia de precio convergente, con >>0 para todo n, y asumiento
que su lmite p tiene algn componente cero (i. e., =0 para algunos g vlidos) y satisface
>0. Luego la secuencia de correspondencia de los vectores de demanda que tienden al
infinito, en el sentido siguiente. Sea
= inf{||||; ( , )}
346
luego { } como n.
De la prueba. Los resultados se siguen inmediatamente de Teorema 2.3, excepto (ii) y (vi).
Para ver (p, p ) que es un conjunto convexo y compacto, tenga en cuenta que
(p, p )= (p, p ){ + ; () = x(p,p) ()}
= (, ) 1 [, ] (1)
es la interseccin de dos conjuntos convexos, el conjunto de presupuesto (, ) y un

conjunto de contorno superior de la funcin cuasi cncava Ui (.),y por lo tanto es convexa
a s mismo. Manera similar, la ltima expresin en (1) muestra que (, ) es un
subconjunto cerrado del conjunto compacto (, ) y por lo tanto es compacta a s
misma (por teorema 8.14 en el captulo 2). Por lo tanto, (, ) es una convexa,
compacta y evaluada en la correspondencia.
Para establecer la propiedad de lmite (vi), se procede por la contradiccin. Fijar algunos p,
con cierto componente = 0, y considerar una secuencia { } , con 0 para todo
n. En primer lugar, observar que problema el consumidor no tiene solucin cuando cierto
precio es cero. Porque la utilidad es estrictamente creciente en todos los productos, no
puede haber ningn conjunto de consumo mejor, porque dado cualquier conjunto un
alternativa que incluye ms de la buena voluntad libre ser estrictamente preferido y siempre
ser factible. Por lo tanto, (, ) = .
Supongamos ahora que el resultado deseado no es cierto. Entonces hay un conjunto

limitado y un subconjunto { of { } tal que
( , )
Para todo . Sea ( , )B para cada k. Luego l secuencia { } es limitado

y por lo tanto contiene un sub secuencia convergente, es decir { }, conlimite z.
Demostraremos que z (, ). Esto contradice el hecho de que (, )= y
establece el resultado.
Para concluir la prueba, necesitamos mostrar que z (, ), Es decir, que para cada y
en (, ) tenemos () (). Primero, observe eso porque ( , ),
tenemos para todo q. Tomando lmites de su expresin, vemos que es,
z B(, ). Por lo tanto, z es factible para (, ).
Ahora consideramos dos casos:
347
(i) Supongamos que y es tal que < . Entonces tenemos para

lo suficientemente grande. Por lo tanto, y es factible para ( , ) y debido a que
( , ) es ptima, se deduce que ( ) () para todo suficientemente
grande, . Tomando lmites de esta desigualdad, se sigue, por la continuidad de U( ), que
() ().
(ii) Alternativamente, es tal que = > 0. Entonces podemos encontrar una

secuencia { } que converge a y tal que < . Por el caso (i) tenemos ()
( )para todo k lo que implica, por la continuidad de U( ), que () () .
Esto concluye la demostracin del teorema.
Una vez que hemos derivado las funciones de demanda individual, el siguiente paso es
agregarlas para obtener la demanda "global" para todos los agentes. Debido a que todos
los consumidores se enfrentan a los mismos precios, la cantidad total de cada producto que
se solicita a un determinado precio vectorial es simplemente la suma de las cantidades que
cada individuo quiere comprar o vender a ese precio. Por lo tanto, definimos la
correspondencia de demanda agregada sumando sobre los n agentes,
(, ) = =1 = (, ) (1)
Y la correspondencia del exceso de demanda agregada por:
(, ) = =1 = [ (, ) = (, ) =1 (2)
Donde e es el vector e= (e1,, en). Obsrvese que, en general, tanto x ( ) como Z ( )

dependern no slo de los recursos totales, sino tambin de la distribucin de la riqueza en
la economa.
La correspondencia de demanda agregada hereda algunas (pero no todas) las propiedades de

la demanda individual. Por el Teorema 11.11 en el captulo 2 y el Teorema 1.4 en el captulo
6, x ( ) y Z ( ) heredan la hemicontinuidad superior y la valoracin compacta y convexa de la
demanda individual ya que un cierto precio converge a cero traslada al agregado. Tambin es
fcil ver que la agregacin preserva la homogeneidad del grado 0 en los precios. Sabemos
que para cada agente i,
(, )= (, ) para todo >0
Sumando sobre agentes, tenemos

(, ) = (, ) = = (, ) = (, )
=1 =1
348
Para todo ,> 0, por lo que x ( ) es homogneo de grado 0. Similarmente, sabemos que todas
las restricciones presupuestarias individuales se mantienen con igualdad. Por lo tanto,
(, ) =
Para cada i, y, sumando sobre todos los consumidores,
(, ) =
=1 =1
Esta expresin implica que el valor del vector de exceso de demanda agregada debe ser cero,
es decir,
P =1[(, ) ] = (, ) = 0 (W)
Una igualdad a menudo referida como la ley de Walrras. Resumimos estos resultados en el
siguiente teorema.
Teorema 3.4. Propiedades de la demanda agregada. Suponemos que Ui : IR+G IR es cuasi

cncava, estrictamente creciente y continuo para todos los agentes. Entonces el exceso de
demanda agregada de correspondencia
(, ) = [(, ) ] = (, )

=1 =1
Es homognea de grado 0 en precios, no vaca, compacta y convexa, yuhc en los precios

para e> 0 y p 0, y satisface la ley de Walrras:
(, ) = 0(W)
Por otra parte, dado cualquier secuencia { }, con 0 para todo n, que converge a un
precio vector p, con > 0 para algunos i y algn componente igual a cero, la secuencia
{Z ( , e)} no tiene lmites. Finalmente, si ( ) es estrictamente cuasi cncava para todos
los agentes, entonces Z ( ) es una funcin continua (de un solo valor).
Dos implicaciones de este resultado sern tiles ms adelante. Primero, observe que la ley
de Walrras implica que si todos los mercados excepto uno claro, entonces el ltimo debe
necesariamente claro tambin. Por lo tanto, tenemos que preocuparse por el mercado de
compensacin por slo G-1. En segundo lugar, la homogeneidad del grado 0 de Z () en
precios significa que slo importan los precios relativos. Formalmente, esto nos permite
normalizar los precios y preocuparse slo de G - 1 de ellos. Entre todas las posibles
normalizaciones, dos son muy comnmente utilizados:
349
(i) Establecer el precio de una de las mercancas (llamado el "numeraire") a l. El precio del
vector es entonces de la forma p = (p 1, p2, , pG-1, 1).
(ii) Suponga que el vector de precios pertenece a la unidad simplex en IR +G (es decir, que
los precios satisfacen la relacin =1 = 1).
Cabe sealar que nuestros resultados relativos a las propiedades de la Matriz de Slutsky
para funciones de demanda individuales no, en general, sobreviven a la agregacin. Debido
a que estas condiciones (junto con las propiedades que la demanda agregada hereda) son,
como hemos visto, equivalentes a la maximizacin de la utilidad, se deduce que la funcin
de la demanda agregada no es, en trminos generales, generada por la utilidad. Es decir, la
mayora de las economas no se comportan como si tuviramos un solo "agente
representativo" que toma todas las decisiones de consumo. Por otra parte, la funcin de
exceso de demanda agregada compartir las propiedades de las demandas individuales en
algunos casos especiales. Se puede demostrar que una condicin necesaria y suficiente para
que la funcin de exceso de demanda agregada sea generada por la utilidad, y por lo tanto
independiente de la distribucin de la riqueza es que las preferencias sean homotticas e
idnticas para todos los agentes de la economa.
La parte de suficiencia de este resultado se establece fcilmente usando el resultado dado

en el problema 2.4. Con propensiones marginales idnticas y constantes para consumir en
cada bien, la redistribucin de los recursos no tendr ningn efecto en los patrones de
gasto agregado. Por lo tanto, la funcin de demanda agregada no depende de la distribucin
de la riqueza.
(b) Existencia de Equilibrio Competitivo
Hemos definido un equilibrio competitivo como un par de asignacin de precios (p *, x *)

tal que cuando todos los agentes optimizan, tomando p* como dado, los mercados para
todos los bienes se limpian y los agentes reciben la asignacin x*. Debido a que el mapeo de
la demanda agregada ya incorpora la suposicin de que los consumidores optimizan,
tomando los precios como dados, para establecer la existencia de un equilibrio, basta con
demostrar que existe algn vector de precios p*>0 que genera un exceso de demanda
agregada cero. Si la demanda agregada es de un solo valor, esta condicin se reduce a un
sistema de ecuaciones de la forma
( , ) = 0 (W.E.)
Que puede (esperanzadamente) ser resuelto para p *, el vector de precios de equilibrio, para
un vector dado de dotaciones. Podemos entonces determinar la asignacin de equilibrio
utilizando las funciones de demanda individuales para ver cunto de cada producto ser
consumido por cada comerciante a precios de equilibrio p*, es decir, x* = x* (p*, e).5 Si la
350
demanda agregada no es de valor nico, el equilibrio requerir la existencia de algn vector

de precios tal que el conjunto resultante de exceso de demanda contendr el vector cero. Es
decir, la condicin de equilibrio ser de la forma
0 (, ) (W.E)
Nos centraremos por el momento en el caso ms simple en el que Z ( ) es una funcin de un
solo valor. Verificando que existe una solucin del sistema (W.E), al menos en algunas
circunstancias, es una prueba importante de la consistencia del modelo que hemos
desarrollado en esta seccin. El problema matemtico que enfrentamos es el de determinar
si un sistema dado de ecuaciones tiene o no una solucin. La cuestin econmica detrs de
ella es si existen o no precios que despejarn todos los mercados simultneamente o, para
decirlo de manera ligeramente distinta, si es o no posible que todos los agentes del modelo
se optimicen simultneamente sin "correr unos contra otros". "Como primer cheque,
comenzamos contando ecuaciones e incgnitas. Tenemos G de cada uno (G precios
desconocidos y tantas ecuaciones, una para cada mercado), as que las cosas parecen ser O.K.
a primera vista. En una inspeccin ms cercana, dos complicaciones surgen, pero slo
suceden a cancelar. La primera es que tenemos un precio redundante. Por la homogeneidad
del grado 0 de la funcin de demanda excesiva, slo los precios relativos son importantes,
por lo que slo se determinan los precios del G-1. Afortunadamente, tambin tenemos una
ecuacin redundante, porque la ley de Walrras implica que si los mercados G-1 se aclaran, el
mercado Gth tambin se borrar automticamente.
Por lo tanto, se ha preservado la igualdad de las ecuaciones y de las incgnitas, pero sta no
es ni una condicin necesaria ni una condicin suficiente para que el sistema tenga una
solucin. Para proceder ms adelante, analizaremos un ejemplo sencillo con cierto detalle.
Consideraremos una economa de dos bienes descrita por una funcin de exceso de demanda
agregada, con las propiedades dadas en el teorema 3.4, y estableceremos la existencia de
equilibrio para tal economa de dos maneras ligeramente diferentes. La primera ser ms
natural, pero la segunda resultar ms fcil de extender al caso general. Normalizamos el
vector de precios p = (p1, p2) para que los precios se siten en la unidad simplex (es decir, de
modo que p1 + p2 = 1). Abusando de la notacin, podemos escribir la funcin de exceso de
demanda agregada en la forma
Z(P1) = [Z1 (p1), Z2(p1)] = [Z1 (p1, 1-p1), Z2(p1, 1-p1)] = Z(p)
La ley de Walrras entonces exige que
P1Z1 (p1) + (1-p1)Z2(p1)=0 (1)
para todo p1. Por el carcter ilimitado del exceso de demanda como los precios van a cero,
sabemos que
+Z1(p1) como p10 y Z2(p1) como p2=1-p10 (2)
351
Fijar B> 0, y observar que, por (2), existen los nmeros e y 8 en el
Intervalo (0,1), con <1 - , tal que
Z1 (p1)B>0p1 (0, ) (3)
Z2 (p1) B>p1(1-,1) (4)
Usando la ley de Walrras y (4), tenemos
0=(1-)Z1(1-)+Z2(1-)(1-)Z1(1-)+B
De donde

1(1-) -1< 0 (5)
Usando (3) y (5), el teorema del valor intermedio implica que existe un precio p1* (, 1-)
tal que Z1 (p1*) = 0. Por lo tanto, p1* Z1 (p1 *) = 0, y la ley de Walrras implica que 0 +
(1 1 )2(1 ) = 0 2(1 ) = 0
Por lo tanto, existe un equilibrio para esta economa, es decir, un vector de precios p * =
(p1*, p2 *) = p1*1- p1 *)>0 que limpia ambos mercados simultneamente. El problema
principal al extender este argumento al caso general es que no podemos confiar en el teorema
del valor intermedio cuando trabajamos con un nmero arbitrario de mercancas.
Una estrategia que evita esta dificultad implica transformar el problema de tal manera que
podamos usar el teorema del punto fijo de Brouwer o Kakutani (vase la Seccin 3 (b) en el
Captulo 5). Sin embargo, ambos teoremas se aplican a funciones continuas (o
correspondencias hemicontinuas) que trazan un conjunto compacto y convexo en s mismo.
Por lo tanto, ser difcil trabajar con la correspondencia de exceso de demanda agregada,
porque Z: + mapea la unidad simplex

= {++ ; =1 = 1}
en un conjunto ilimitado; recordar que Z ( ) no se define cuando uno de los precios es cero,
y se vuelve ilimitado a medida que nos acercamos a tal punto. Hay, sin embargo, una
alternativa viable que implica construir un mapeo apropiado del simplex de precio en s
mismo y luego invocar un teorema de punto fijo.
352
Veamos cmo se puede hacer esto en nuestro ejemplo simple, donde es fcil esquivar algunas
de las dificultades que surgen en el caso general. La idea ser construir una funcin continua
F: que pueda interpretarse de forma holgada como un conjunto de instrucciones para
que un subastador hipottico pueda ajustar los precios iterativamente hasta alcanzar un
equilibrio. Podemos entonces imaginar al subastador llamando a los vectores de precios y
preguntando a cada agente cunto de cada mercanca est dispuesto a comprar / vender a
esos precios, sumando las cantidades sobre los agentes y determinando el exceso de demanda
en cada caso
La funcin de ajuste de precios se construir de manera que el exceso de demanda conduzca
a un aumento en el precio del bien y el exceso de oferta a una reduccin. Claramente, un
punto fijo de esta cartografa ser un vector de precios de equilibrio, para un vector de precios
que no requiere ajuste adicional ser el que haga que la oferta sea igual a la demanda en todos
los mercados. Esta descripcin puede ser engaosa, ya que nos invita a imaginar un proceso
de ajuste a travs del tiempo, eventualmente convergiendo al equilibrio mientras los
consumidores ansiosos hacen una oferta por los precios de los productos escasos y los
proveedores bajan los precios de los bienes que no pueden vender. De hecho, nada de este
tipo est implcito. No pretendemos que el proceso de tatonnement descrito por la funcin F
( ) acabe por converger en un equilibrio, pero slo que exista p * tal que si es por casualidad
llamado por el subastador, necesario. Una regla de ajuste de precios que funcionar en
nuestro ejemplo es la siguiente. Definimos la funcin F: por
1 + {0,1 (1 )} .
q1=F1(p1)=
1 + {0,1 (1 )} + 2 + {0,2 (2 )}
1 +max{0,1(1)}
q2= F2(p1)= 1-F1(p1)= + {0,
(6)
1 1 (1 )} + 2 + {0,2 (1 )}
Observe que F ( ) mapea un vector de precios p = (p1, p2) en la unidad abierta simplex en
otro vector q en el mismo conjunto. El numerador de cada fraccin en (6) nos instruye a
formar cada nuevo precio como sigue. Primer conjunto
= + [0, ()]
Es decir, si el exceso de demanda es negativo (es decir, si hay un exceso de oferta) o cero,
dejamos el precio tal como es, y si hay un exceso de demanda del bien g, aumentamos su
precio agregando el exceso de demanda al viejo precio. Divisin por la expresin en el
denominador (que es la suma de todos los precios ajustados) entonces renormalizamos estos
precios para "traerlos de vuelta" a la unidad simplex.
La figura 8.6 ilustra el funcionamiento del esquema de ajuste de precios. Comenzamos con
un vector de precios p arbitrario y suponemos que produce una demanda excesiva para el
bien 1, Z1 (p)> 0; Entonces, segn la ley de Walrras, Z2 (p) <0. La regla del subastador, F (
), nos dice que aada Z1 (p) a p1 y deje p2 tal cual. Esto nos da un nuevo vector de precios,
con p1=p1+Z1(p). Sin embargo, p no est en la unidad simplex. La normalizacin en F (p)
equivale a seleccionar el punto q en la figura, que se encuentra en la unidad simplex. El efecto
neto, cuando consideramos el cambio final en los precios normalizados (p q), es disminuir
p2 en respuesta a la situacin original de exceso de oferta y aumentar p1 en respuesta al exceso
de demanda de bienes 1.
353
p 1()
2 p
q
2
1 1 1
Figura 8.6
Es fcil demostrar (vase el problema 3.5) que un punto fijo de F ( ) es un vector de precios
de equilibrio para nuestra economa de dos bienes. Por lo tanto, probar la existencia de
equilibrio para nuestra economa se reduce al problema de mostrar que la funcin F ( ) tiene
un punto fijo. Obsrvese que F ( ) mapea la unidad simple en s misma (es decir, estamos
exigiendo que ambos precios sean estrictamente positivos, ya que Z ( ) no est definido de
otra manera). Como no es un conjunto compacto, no podemos usar el teorema de punto
fijo de Brouwer. Sin embargo, es fcil establecer la existencia de un punto fijo utilizando el
teorema del valor intermedio. Observe que F1 (p1) tendr un punto fijo si y slo si la ecuacin
F1 (p1)- P1= 0 tiene una solucin. La funcin F1 ( ) es continua en el intervalo (0,1), porque la
continuidad de cada ( ) implica que de mx. {0, (p)}, y el denominador de F1( ) nunca
desaparece. Usando (3) y (4), tenemos, adems,
+ ma x{0,1 ()}
F1 ()-= + max{0, -
1 ()} + (1) + max{0,Z2 ()}
+ 1 () (1 )1 ()
= - = >0
+ 1 () + (1 ) 1+ 1 ()
y
(1) + mx.{0,1 (1)}
F1 (1-)-(1-)= (1) + mx.{0, - (1-)
1 (1)} + + mx.{0,Z2 (1)}
(1)
=1+Z2(1) - (1-) < 0.
Por el teorema del valor intermedio, existe algn punto p*1 (, 1 - ) tal que p*1 = F1(p*1).
Esto, a su vez, implica que
p*2= 1- p*1 = 1- F1(p*1) = F2(p*1)
as que p* = (p*1, p*2) es un punto fijo de F( ) y por lo tanto un vector de precios de equilibrio
competitivo para nuestra economa de dos bienes.
354
Problema 3.5. Definir un trazo F: por

p1 + max[0,1 (p)] + + pG + max [0,ZG(p)]
F(p) = Gg=1(pg + max[ 0,Zg(p)])
Donde Z (p) = Z1 (p), ..., ZG (p) es una funcin de exceso de demanda agregada que satisface
la ley de Walrras, () = 0 para todo p. Demuestre que cualquier punto fijo de F ( ) es un
vector de precios de equilibrio competitivo. Es decir, si p* = F (p*)>0, entonces
(p*) 0 g y (p*) = 0 siempre que > 0
Observe que permitimos la posibilidad de bienes libres. Un bien puede estar en oferta
excesiva en equilibrio ( (p*) <0), pero entonces su precio debe ser cero.
Si estamos dispuestos a suponer que la funcin de demanda excesiva () es continua en el

precio cerrado simplex, el argumento anterior puede extenderse para establecer la existencia
de equilibrio competitivo en economas con preferencias estrictamente convexas.
Desafortunadamente, esta suposicin no es razonable en vista del hecho de que la demanda
agregada se hace ilimitada en el lmite de este conjunto (es decir, para vectores de precio con
un componente igual a cero). Ahora demostraremos un teorema de la existencia que no
requiere tal suposicin irrazonable. La idea detrs de la prueba es esencialmente la misma
que antes, pero tenemos que tener cuidado de evitar "problemas de frontera". El primer paso
consiste en definir una correspondencia ( ) que hace esencialmente lo mismo que la funcin
F ( ) que introdujimos anteriormente y usando el teorema de punto fijo de Kakutani para
establecer el siguiente resultado.
Lema 3.6. Sea S un subconjunto cerrado y convexo de la unidad abierta simplex

= { + +; = 1}
=1
Sea f: S IRG Ser una funcin continua con la propiedad que
() 0
Entonces existe p * S tal que
( ) 0
Prueba. Definir la correspondencia : S S by6
() = qf(p) (1)
Debido a que ( ) es una funcin continua, y S un conjunto compacto, ( ) est limitado en

el conjunto. Se deduce que para p dado, () es una funcin continua de q, y alcanza un
mximo en el conjunto compacto S. Por lo tanto, () es no vaco. Por otra parte, ( ) es
355
convexa, porque () es el conjunto de maximizadores de una funcin cuasi cncava, y es

compacta y semicontinua superior por el teorema del mximo, porque () es continua y
el conjunto de restricciones es compacto y "constante" y por lo tanto una correspondencia
trivialmente continua. As, vemos que la correspondencia ( ) satisface las condiciones del
teorema del punto fijo de Kakutani (Teorema 3.4 en el Captulo 5). Por lo tanto, existe algn
punto p * S tal que
( ) = qf( )
Esto implica que
( ) ( )
Para cualquier p S. Pero como pf (p) 0 para todo p S, tenemos p * f(p *) 0, y se

deduce que p * es tal que
( ) 0
Obsrvese que en una economa de intercambio pura con preferencias estrictamente

convexas (y las otras propiedades que hemos asumido), la cartografa de demanda excesiva
ser una funcin que satisface las condiciones del Lema 3.6 para cualquier subconjunto
compacto de la unidad abierta simplex. Para establecer la existencia de equilibrio para tal
economa, aplicamos el Lema 3.6 a una secuencia {Sn} de conjuntos que convergen a la
unidad simple cerrada y demuestran que el lmite de la secuencia resultante {p* n} limpia
todos los mercados.
Teorema 3.7. Existencia de equilibrio competitivo en una economa con preferencias

estrictamente convexas. Sea Z( ) la funcin de demanda excesiva que caracteriza una
economa de intercambio pura con preferencias estrictamente convexas. Supongamos que
Z( ) es continua para todo p0, que satisface la ley de Walrras,
() = 0 (W)
Y que tenemos la siguiente condicin de contorno: Dada cualquier secuencia { }, con

0 para todo n, que converge a un vector de precios , con > 0 para algn , y alguna
componente igual a cero, la secuencia
{( , )} no tiene lmites. Entonces existe un vector de precios p* , con p* 0, tal que

( ) = 0.
Prueba. Consideremos la secuencia creciente de conjuntos { }, con
Sn = {p ; 1 / n g=1, , G }
356
Para n> G, y observe que = . Como la funcin excesiva de demanda Z ( ) es continua

en cada y satisface la ley de Walrras, el Lema 3.6 implica que para cada n existe algn vector
p*n tal que
( ) 0 (1)
Debido a que la secuencia {p*n} est contenida en el conjunto compacto , tiene una
subsecuencia convergente con lmite en . Para simplificar la notacin, supongamos que
{ } s converge, y sea p* su lmite. A continuacin, considere la secuencia {Z ( )}.
Esta secuencia estar limitada porque (i) {Z ( )} est limitada por debajo (por ejemplo,
=1 ) porque el exceso de oferta no puede ser ilimitado y (ii) ( ) 0 para todo n y
un p0 arbitrario en algn , por (1), lo que implica que Z(p*n) est tambin limitado por
encima. Por lo tanto, {Z ( )} tambin tendr una subsecuencia convergente, y podemos
asumir sin prdida de generalidad que la secuencia misma converge a un cierto punto z *. La
limitacin de {Z ( )} implica tambin que p * 0, por si { } convergi a un vector de
precios con una componente igual a cero, {Z( )} sera ilimitada, por la condicin de
contorno. Utilizando este hecho y la continuidad de Z ( ) en el interior del precio simplex,
concluimos que
Z* = lim ( ) = Z( ) (2)
n
A continuacin, se muestra que * 0 para todo p . Si p se encuentra en el interior de

(es decir, si p 0), entonces p Sn para todos los suficientemente grandes n, y (1) implica
( ) 0 para todos los n. Tomando lmites de esta expresin como n, concluimos
que * <0. Si p es un punto lmite de , podemos encontrar una secuencia { } p, con
.Por (1), Z( ) 0, y tomando lmites, * 0 tambin en este caso. Ahora,
(*) = * 0 para todo p implica que (*) 0 (por ejemplo, dejando p = (1,0,...,
0), vemos que 1(p*) 0, y as sucesivamente). De acuerdo con la ley de Walrras, adems,
tenemos p* Z(*)= 0, con 0. De esto concluimos que (*) = 0, para si (*) tiene
componentes estrictamente negativas, entonces ( ) = =1 ( ) < 0 ,
contradiciendo la ley de Walrras.
El resultado anterior se puede extender fcilmente al caso en que las preferencias son
convexas, pero no estrictamente. El problema 3.8 pide al lector que extienda el Lema 3.6 al
caso de una correspondencia acotada y hemicontinua superior. Dado este resultado, la
demostracin del teorema de la existencia pasa esencialmente sin cambios cuando Z( ) es una
correspondencia hemicontinua superior.
Problema 3.8. Sea S un subconjunto cerrado y convexo de la unidad abierta simplex en IRG,
y : S IRG una correspondencia hemicontinua superior y convexa con las siguientes
propiedades:
(i) () est limitado, es decir, existe un conjunto limitado B en IRG tal que (p) B
para todo p S, y
(ii) para todo p S tenemos 0 para cada z (p)
357
Demuestre que existe p * S y z * (p*) tales que

* 0 p S
Sugerencia: Adapte la prueba del Lema 3.6. Defina la correspondencia ( ) en B, y considere

la correspondencia del producto (z) x (p).
(c) Bienestar Propiedades de Equilibrio Competitivo
Una vez establecida la existencia del equilibrio competitivo, podemos ahora investigar sus
propiedades de bienestar. Despus de introducir un concepto apropiado de optimalidad
social, conocido como eficiencia de Pareto, probaremos dos resultados importantes sobre la
relacin entre la eficiencia de Pareto y el equilibrio competitivo.
Considere el problema de un planificador social hipottico que debe decidir entre dos
asignaciones factibles. Los primeros enfoques de este problema suponan que las utilidades
individuales podan aadirse para obtener una medida significativa del bienestar social. El
problema del planificador se redujo entonces a la maximizacin de la utilidad social. Por otra
parte, hemos visto que en la teora moderna del consumidor, la utilidad es un concepto
ordinario y no puede agregarse significativamente a travs de los agentes.
Esto hace que las comparaciones de bienestar social sean difciles, ya que si se dan dos
asignaciones factibles, es muy probable que al menos algunos agentes no estn de acuerdo
en cul es mejor. Si las preferencias individuales no pueden ser cuantificadas y ponderadas
de alguna manera, no hay manera de responder a la pregunta de qu estado debe ser
preferido.
En este contexto, el criterio de eficiencia propuesto por Pareto proporciona no tanto una
solucin como una forma de eludir el problema. Dadas dos asignaciones x e y, decimos que
x es Pareto-superior a "y si y slo si nadie prefiere y a x y al menos un agente prefiere
estrictamente x a y. Se dice que una asignacin x es Pareto-eficiente (-ptima) si no hay otra
asignacin factible que sea Pareto-superior a ella. De esta manera, evitamos la
358
necesidad de hacer comparaciones de utilidad interpersonal. La captura, por supuesto, es que

podemos hacer juicios de bienestar slo en los casos en los que no hay desacuerdo. Para ver
lo restrictivo que es esto, observe que si hay un solo individuo disidente que prefiere y a x
contra la opinin unnime de todos los dems, entonces x e y no son comparables en el
sentido de Pareto. Observe tambin que una asignacin que da todos los recursos en la
economa a un solo agente es Pareto-ptima, porque presumiblemente l se opondra a
cualquier intento de confiscar su riqueza. Ms formalmente, tenemos las siguientes
definiciones.
Definicin 3.9. Dominio de Pareto y ptima de Pareto.
(i) Una asignacin x = (1, ..., n) Pareto-domina otra asignacin y = (1, ..., n) si
i = 1,..., n, i and k para algn k > kk
(ii) Una asignacin factible x = (1,..., n) es Pareto-ptima si no existe una asignacin factible
y que Pareto la domine.
Es decir, una asignacin es Pareto-ptima si los recursos disponibles no pueden ser

redistribuidos de una manera que hara que algunos agentes sean mejores sin hacer a otros
peores.
Los siguientes teoremas establecen que existe una estrecha relacin entre el equilibrio
competitivo y la ptima de Pareto.
Teorema 3.10. Primer teorema del bienestar. Considere una economa de intercambio
competitiva con preferencias estrictamente montonas. Entonces cualquier asignacin de
equilibrio competitivo es Pareto-ptima.
La monotonicidad estricta puede ser reemplazada por una suposicin de no saciedad ms

dbil. Por otro lado, algunas de las suposiciones implcitas del teorema deberan ser explcitas.
Incluyen la ausencia de externalidades, informacin asimtrica y poder de mercado, y la
existencia de un conjunto completo de mercados.
Observe que el teorema no requiere convexidad de preferencias. El equilibrio no puede

existir sin convexidad, pero si lo hace, es Pareto-ptimo.
Una lectura superficial del teorema puede saltarse los supuestos implcitos y concluir que los
mercados competitivos son "superiores" y que la intervencin gubernamental slo puede
crear ineficiencias. Una conclusin ms cuidadosa es que en ausencia de algunas
complicaciones bastante comunes, podemos esperar que los mercados competitivos (si
funcionan como se supone) produzcan resultados que sean eficientes en el sentido de Pareto
(bastante restrictivo) de la palabra. El conjunto de suposiciones (implcitas) del teorema,
adems, nos da una conveniente lista de dnde buscar posibles ineficiencias.
359
Prueba. La prueba procede por contradiccin. Sea x = (1,... ,n ) (, ) una asignacin

correspondiente al vector de precios de equilibrio p, y sea z = (1, . . ., n ) una asignacin
factible que domine a Pareto X, es decir, que (i) i ii para todos los agentes i, y (ii) existe
al menos un agente k tal que k > kk. Dado que z es factible por asuncin, tenemos
=1 =1 (1)
Donde i es el vector de dotacin del i-esimo agente.
Mostraremos que z no puede ser una asignacin factible. Por definicin, la asignacin de
equilibrio x maximiza la utilidad de cada agente sujeto a la restriccin presupuestaria. Por la
estricta monotonicidad de las preferencias (o alguna suposicin de no saciedad ms dbil) la
restriccin presupuestaria se mantendr con igualdad para cada agente (es decir, pi = pi
para todo i). A continuacin, observe que si se prefiere i, pero xi fue elegido, debe ser que
i fuera "demasiado caro". Por otra parte, porque para algunos agentes k era estrictamente
preferido a k, debe ser que el primer paquete fue estrictamente demasiado caro. Es decir,
pi pi i y pk > pk para algn k
Sumando a todos los agentes, obtenemos
=1 > =1 =1 > =1
Debido a que p 0, esto implica que

>
=1 =1
que contradice (1). Por lo tanto, cualquier asignacin que sea dbilmente preferida a un
equilibrio competitivo por todos los agentes y sea estrictamente preferida por algunos, no
puede ser factible.
Nuestro segundo resultado dice que si las preferencias son convexas, cualquier asignacin
Pareto-ptima puede ser apoyada como un equilibrio competitivo dado una redistribucin
apropiada de dotaciones. Los supuestos implcitos son los mismos que para el teorema
anterior.
Teorema 3.11. Segundo teorema del bienestar. Sea + una asignacin Pareto-ptima
para una economa de intercambio pura. Supongamos que las preferencias son convexas,
continuas y estrictamente montonas. Entonces existe un vector de precios p + tal que
(, ) es un equilibrio competitivo para la economa, con dotaciones iniciales = i para
todos i.
360
Prueba
(i) Observamos que, si x* es Pareto ptimo, entonces no hay manera de redistribuir los
recursos iniciales para hacer que todo el mundo est mejor. Dada la asignacin Pareto-ptima
x = (1, .., n), defina para cada agente i del conjunto
Pi(xi) = {i IR+G; yi > ii}
de paquetes que son estrictamente preferidos a xi. Sumando sobre todos los consumidores,
obtenemos el conjunto
Pi(i) = {i IR+G; I > ii}
De vectores de recursos totales que nos permitiran hacer que todos los agentes estuvieran
estrictamente mejor que en la asignacin x. Sea
E= =1 >=1
(Donde la igualdad sigue por la monotonicidad de las preferencias)8 denotan los recursos
totales de la economa (el vector agregado-dotacin). Debido a que x es Pareto-ptimo, no
hay redistribucin de E que hara que todos los agentes mejor. Por lo tanto, E P (x).
(ii) Utilizaremos un teorema separador hiperplano para establecer la existencia de un

vector p que sea candidato a un vector de precios de equilibrio. Cada i(i) es un conjunto
convexo, por la convexidad de las preferencias. Esto implica que () es convexa, porque
es la suma de conjuntos convexos (Teorema 1.4 en el Captulo 6). Debido a que E (),
podemos aplicar un teorema de hiperplano separador (Teorema 1.25 en el Captulo 6) para
concluir que hay un vector p no nulo en tal que
z() (2)
Interpretando p como un vector de precios, (2) dice que el valor de los recursos necesarios
para hacer que todos los agentes mejoren (dbilmente) exceda el valor de los recursos
disponibles en esta economa, ambos valorados a precios p.
Todava tenemos que demostrar que p puede interpretarse como un vector de precios y que
apoyar la asignacin x como un equilibrio competitivo.
(iii) Vamos a demostrar que p0, es decir, que p puede interpretarse como un vector de
precios (no negativos).
Sea ug el vector unitario de teora de grupos en RG (es decir, tiene un 1 en la coordenada
de teora de grupo, y 0 en todos los dems). Por monotonicidad, la adicin de una unidad a
la cantidad total disponible de cualquier mercanca nos permitir hacer que todos los agentes
mejor (por ejemplo, asignando a cada agente 1/n unidad extra del bien). Por lo tanto, E +
() para todo g, y sigue por (2) que el valor de E + excede el de E. Esto es,
361
P(x)

Figura 8.7
p E (E + ) g = 1,, G
De all
(E + ) = p = 0 g
(iv) Se demostrar que cualquier lote estrictamente preferido a x l cuesta estrictamente

ms que x l a precios p (es decir, que i > ii l implica pi > pi). Esto demuestra el teorema,
porque significa que cualquier paquete i estrictamente preferido a xi no sera asequible para
el agente a precios p. En una economa con dotaciones i = xi, no habra comercio a esos
precios, y tendramos un equilibrio autrquico, con cada agente consumiendo su dotacin.
Sea k un agente arbitrario, y k un haz de consumo tal que k > kk. Entonces, la distribucin
(x1,, xk-1, k, xk+1,, n) difiere de x slo en el consumo del agente s, pero contiene
suficientes recursos para permitir que todos los agentes estn mejor que bajo x partiendo de
esta asignacin, construiremos una nueva distribucin x tomando un poco de cada bien lejos
del agente k y asignndolo a los otros agentes en partes iguales. Es decir,
k = k - 1

i = xi +11 i k
Donde 1 es un vector de 1s, y es un nmero real positivo. Debido a que k > k k la

continuidad de las preferencias implica que podemos elegir lo suficientemente pequeo
para que el agente k prefiera su nuevo paquete a xk. Observe tambin que para
Para algn > 0 el resto de los individuos siempre preferirn la nueva asignacin para x por
la estricta monotonicidad de las preferencias, por lo tanto, hay un >0 tal que:

= 1> , y = X + 1 1 > Xi k
362
Juegos en Forma Normal y Equilibrio de Nash
Ya que x es estrictamente preferido a x por todos los agentes o consumidores, nosotros

tenemos =1 P(x). Por (1) y (2), esto implica que:
P (=1 ) pE = =1
Expandiendo esta expresin y cancelando trminos idnticos,
P ( - 1 + (+ (/n-1)1)) p ( + )
Porque k fue arbitrario, un resultado similar es vlido para todos los agentes, es decir
> p p (3)
Finalmente, observamos que en la desigualdad (3) es una estricta desigualdad. Procedemos

por contradiccin. Suponiendo > y p = p . Por la continuidad de las preferencias,
podemos encontrar algunas escalares <1 tal que > ya que tiene estrictamente menos
de todas las mercancas que , esto es ms barato que y tenemos p < p = p. Esto,
sin embargo, contradice (3), para es estrictamente preferido para y estrictamente ms
barato.
Este teorema ha sido usado para argumentar que la eficiencia y equidad se pueden separar.
El mecanismo marcado garantiza resultados eficientes, pero esto es ticamente neutral.
Para alcanzar la equidad, sin embargo, tal vez queramos definirla, todo lo que tenemos que
hacer es redistribuir (de una manera global) la riqueza de manera equitativa y luego dejar que
el mercado funcione libremente. Esta versin de la idea de que podemos tener nuestro pastel
y comerlo tambin se ha llamado a veces socialismo de mercado.
Una implicacin del segundo teorema del bienestar que a veces puede ser de inters prctico
es que los equilibrios competitivos pueden ser caracterizados como las soluciones de los
problemas de planificacin apropiados. En muchos casos es ms fcil resolver estos
problemas que encontrar las asignaciones de equilibrios al igualar la oferta y la demanda. En
una economa de dos agentes, por ejemplo, podemos trazar la curva del contrato (el conjunto
de asignaciones eficientes segn Pareto) resolviendo as el problema.
1,2 U (x) sujeto a U (X) u
Y una condicin de factibilidad apropiada, donde tratamos u como un parmetro. Al asignar

diferentes valores a u, trazamos toda la curva de contrato.
Las condiciones de primer orden para el problema nos dan una caracterizacin del conjunto
de asignaciones eficientes, segn Pareto. Debido a que las asignaciones de equilibrio estarn
en este conjunto podemos ser capaces de inferir algunas de sus propiedades cualitativas sin
realmente resolverlas. Si tenemos ms de dos agentes entonces la siguiente generalizacin,
del problema anterior, funcionar:
{ U (x) sujeto a viabilidad y = 1}
363
Esto es, maximizar un promedio ponderado de las utilidades de los agentes. Al cambiar los
pesos , podemos trazar el anlogo multidimensional de la curva de contrato.
Problema 3.12. Considerando una economa aislada poblada por un individuo representativo
que vive por dos periodos y cuyas preferencias estn descritas segn la funcin de utilidad
U(c, x) = Lnc + Lnx (1)
Donde c y x son consumos del primer y segundo periodo. En el periodo 1, el individuo tiene
una dotacin de e unidades de un bien homogneo de consumo/capital. Consume parte de
esta y usa el resto (k) como entrada para una tecnologa de produccin de la forma y=
con <1. Por lo tanto, las posibilidades de consumo para la economa son de la forma
X = ( ) (2)
(i) Dibujar las curvas de las posibilidades de consumo y las curvas de indiferencia en el
plano (x, c). Dnde est el ptimo? Resolver el problema de planificacin
, {Lnc + Lnx sujeto a ( ) -x 0}
Escribir las condiciones de primer orden. Es obligatoria la restriccin? Por qu o por qu

no? Encontrar los valores ptimos de c y k = e c (No se preocupe por las condiciones de
segundo orden)
(ii) A continuacin, considerando una versin competitiva de la misma economa. El

agente ahora posee todas las acciones de una empresa competitiva que tiene acceso a la
misma tecnologa de antes y puede prestar parte de su dotacin a la empresa lo que maximiza
los beneficios, tomando como dado el factor de inters de mercado R = 1+r (El capital se
deprecia completamente al usarlo) y luego distribuye sus beneficios al accionista as
verificamos que la asignacin competitiva coincide con el ptimo de planificacin.
Resolver el problema de maximizacin de beneficios de la empresa
= - RK
Y escribir el beneficio maximizado de la empresa como una funcin de k
Luego escribir las condiciones de primer orden para el problema de maximizacin de la

utilidad en el hogar.
V(s) = Ln (e-s) + LN (sR+)
(El agente toma como dado el tipo de inters de Mercado y los beneficios de la empresa) y
resuelve los niveles ptimos de ahorro y consumo.
Finalmente en equilibrio el ahorro deseado del hogar debe ser el mismo que el nivel deseado
de entrada de capital por parte de la empresa (s=k). Resolviendo los valores de equilibrio
364
para ahorro, inversin y consumo, estos deben ser los mismos que en la primera parte del
problema.
4. Juegos en Forma Normal y Equilibrio de Nash
El modelo analizado en la seccin anterior asumi que las acciones de cada uno de los
consumidores competitivos afectaron a otros agentes solo a travs del canal impersonal de
los precios de mercado que determino las oportunidades de consumo de cada agente. En
muchas situaciones de inters, la interdependencia entre los agentes involucrados es mucho
ms directa, con acciones individuales que tienen un efecto perceptible en las ganancias de
los dems. En esta seccin vamos a desarrollar un marco bastante general para el anlisis de
juegos que implica un conjunto de agentes racionales y un concepto apropiado de equilibrio
debido a Nash. Nuestro propsito principal no es proporcionar una introduccin sistemtica
a la teora de los juegos, sino introducir un marco conceptual ms bien general que sea
apropiado para pensar el "problema de equilibrio" en modelos en los que los agentes
interactan estratgicamente.
La palabra "juego" evoca una situacin en la que un nmero de jugadores se involucran en

algn tipo de competencia, comportndose de acuerdo con ciertas reglas. Las acciones de los
jugadores (junto con un elemento de azar, en la mayora de los casos) determinan
conjuntamente el resultado del juego, del cual los jugadores obtienen algn tipo de
recompensa, monetaria o de otro tipo. Para describir un juego as, necesitamos especificar
las acciones o estrategias disponibles para cada jugador y sus preferencias con respecto al
resultado del juego. Formalmente, tenemos la siguiente definicin
Definicin 4.1. Juego en forma normal: Un juego en forma normal es una combinacin
ensima de la forma:
= {(U, A), i=1,2, n}
Donde A es un conjunto no vaco, conocido como espacio de accin o espacio de estrategia

para el jugador i, es una funcin de valor real, U: 1 x2 xx R, conocida como la
funcin de pago para el agente i.
Es decir, tenemos un conjunto N= {1, 2, , n} de jugadores. Cada uno de ellos se describe

por sus preferencias representado por una funcin de pago U ( ) y por su conjunto de
acciones disponibles A. Normalmente identificamos el conjunto de A de acciones
disponibles para el agente i con un subconjunto de .
Un elemento a de es denominado perfil de accin o estrategia, este es un vector a = (

1 ,, ) en que especifica las estrategias elegidas por los diferentes actores. Las
acciones de todos los jugadores determinan conjuntamente el resultado de juego y la
recompensa a cada agente, (a) = (1 , , ), que depende no solo de sus acciones sino
365
tambin de las acciones de todos los dems agentes. Por conveniencia a veces dividiremos
un perfil de accin en dos componentes:
a = ( ; ), donde = (1 ,,1 ,+1 ,, )
As nos provee una manera compacta de referirnos a las acciones de todos los dems.
Ahora introducimos un concepto de equilibrio para los juegos en forma normal que requiere
racionalidad individual y compatibilidad mutua entre las acciones entre las acciones de los
diversos agentes.
Definicin 4.2. El equilibrio de Nash. Un perfil de accin = (1 ,, ) es un equilibrio de
Nash si es factible (a A) y si la accin de cada jugador es la mejor respuesta a las acciones
conjuntas de todas los otros jugadores. Esto es:
Arg ( ,

) = 1, n

Esto es dado que otros agentes juegan no hay incentivo para que un i-esimo jugador se
desvi unilateralmente del perfil de equilibrio a*.
Obsrvese que esta definicin abarca tanto el problema de la decisin individual como el
problema de equilibrio. Requerimos que cada jugador i se comporte como si estuviera
resolviendo un problema de optimizacin restringida dado por (N), en el caso que las
acciones de los otros agentes se toman como dadas. Pero (N) dice ms que eso, nos dice que
esto debe ser verdad para todos los agentes simultneos o que las acciones de todos los
agentes son mutuamente mejores respuestas entre s. A la inversa, en equilibrio, todos los
agentes optimizan al mismo tiempo.
Para establecer la existencia del equilibrio de Nash ser conveniente separar los dos sub
problemas.
Primero describiremos el comportamiento de cada agente individual a travs de un mapeo
de mejor respuesta y luego impondremos un requisito de consistencia en sus elecciones
conjuntas. De esta manera establecer la existencia del equilibrio de Nash se reducir al
problema matemtico familiar de mostrar que una correspondencia dada tiene un punto fijo.
Se dice que una accin es la mejor respuesta del jugador i a las acciones de los otros
jugadores si maximiza la ganancia del agente i dada por . Al considerar la mejor
respuesta de un agente a todas las combinaciones
366
posibles de sus rivales, podemos construir su mapeo de mejor respuesta : con

( ) = arg ( ; )
Ntese que ( ) es anloga a una correspondencia de demanda, excepto que ahora
obtenemos el conjunto de elecciones optimas para el agente i como una funcin de las
acciones de los otros agentes en lugar de los precios.
Tomando el producto cartesiano de las asignaciones de mejor respuesta para los jugadores
individuales obtenemos el mejor mapeo de respuesta para el juego, : A A, definido
por:
() = 1(1 ) X 2(2 ) XX ( )
Ahora podemos redefinir el concepto de equilibrio de Nash como un punto fijo de la

correspondencia ( ). Ntese que si (a*), entonces tenemos
(

) = arg ( ; ) o U ( ;

)
Y para todo i = 1, 2, , n. Por lo tanto, a* es de hecho un equilibro de Nash (es decir un

perfil de accin tal que la accin de cada jugador es la mejor respuesta a las acciones de los
otros jugadores)
La demostracin del siguiente teorema es ahora sencilla. Basta con verificar que el mapeo de
mejor respuesta satisface las condiciones del teorema del punto fijo de Kakutani.
Teorema 4.3. Existencia del equilibrio de Nash. Sea = {( , ), i= 1, 2,, n} un juego en

forma normal y asumiendo que
(i) El espacio accin de cada jugador es un subconjunto no vacio, compacto y

convexo de
(ii) Las funciones de pago : A R son continuas y cuasicncavas en para un
dado
Entonces el juego tiene al menos un equilibrio de Nash. Esto es existe algn a* A tal que
a* ()
Hemos visto que podemos definir el equilibrio de Nash como un punto fijo de la
correspondencia de mejor respuesta para el juego ( ), por lo tanto todo lo que tenemos que
hacer es demostrar que ( ) satisface las condiciones del teorema de Kakutani, a saber que
( ) es no vaco, compacto y convexo y que A es compacto y convexo.
En primer lugar observe que A = 1 X2 XX es compacto y convexo porque es el
producto cartesiano de conjuntos compactos y convexos. A continuacin, considere la mejor
correspondencia de respuesta para el agente i.
( ) = arg ( ; )
Porque A es un conjunto compacto y una funcin continua, ( ) es no vacio por el

teorema del valor extremo. Adems
367
( ) = { ; { ; ) ( : )}
Es la interseccin de 2 conjuntos convexos, y un conjunto de contorno superior de la

funcin cuasi cncava (.; ) y por lo tanto es convexo. Por lo tanto ( ) es convexo.
Finalmente ( ) es compacto-valorado por el teorema del mximo (porque la
correspondencia de la restriccin es compacta-valorada y constante, por lo tanto es continua).
La correspondencia () se define como el producto cartesiano de las asignaciones de mejor

respuesta y por lo tanto hereda las propiedades requeridas de ellas, por lo tanto las
condiciones del teorema de Kakutani se satisfacen y se sigue que ( ) tiene un punto fijo a*
en A.
Debreu (1983) demostr la extensin del teorema de Nash para el caso en que el espacio de
accin para cada jugador viene dado por una correspondencia continua y convexa valorada
= ( ) de las acciones de los otros jugadores. Este resultado puede ser usado para
establecer la existencia de un equilibrio competitivo en una economa como la analizada en
la seccin 3. Para esto consideramos un juego jugado por n+1 agentes: nuestros
consumidores tomadores de precios n y un agente ficticio que llamaremos el subastador
Walrrasiano. Los operadores eligen paquetes de consumo para maximizar su utilidad dentro
de sus conjuntos de presupuestos tomando los precios como dados.
Se supone que el subastador fija los precios para maximizar el valor del exceso del exceso de
demanda pZ, tomado las acciones de todos los comerciantes (es decir el vector Z) como
dadas. Es fcil observar que el equilibrio para este juego es un equilibrio competitivo en el
sentido definido en la seccin 3.
Problema4.4: Duopolio de Cournot. Dos empresas compiten en el mercado por un bien

homogneo. La funcin de demanda inversa que da el precio que los consumidores estn
dispuestos a pagar en funcin de la produccin total del bien, es de la forma
P (1 +2 ) =-1 -2 (1)
Donde >0 es un parmetro dado y , es el nivel de produccin de la i-esma empresa.

Cada empresa maximiza sus beneficios tomando como dada la funcin 1 y el nivel de
produccin de su competidor. Por ejemplo la empresa 1 resuelve
1 P (1 +2 )1 -1 1 (2)
Donde 1 es su costo marginal constante, tratando 2 como una constante dada
368
Algunos Modelos tiles de Competencia Imperfecta
(i) Resolver el problema de la empresa 1 para su funcin de reaccin, es decir, una

funcin de la forma 1 = 1 (2 ;1,) que dar el nivel ptimo de produccin en funcin de
la produccin de su rival y los parmetros (1, )
(ii) La funcin de reaccin de la empresa 2 tendr la misma forma que la que acaba de
derivar. En un equilibrio de Nash, cada empresa maximiza su beneficio, tomando como dado
el nivel de produccin de otro. Para encontrar el equilibrio resolvemos el sistema
1 = 1 (2 ;1 ,) 2 = 2 (1;2 ,)
Dibujar las dos funciones de reaccin (su interseccin corresponde al equilibrio). Resolver
(3) explcitamente para obtener la solucin del mapeo del problema.
= (1 ,2 ) = (, 1 ,2 )
Qu condiciones deben imponerse a los parmetros para que el sistema tenga una solucin
interior (es decir una en la que ambas empresas produzcan)? Analizar grfica y analticamente
el efecto de los cambios en y 1 en los niveles de produccin de equilibrio.
(iii) Calcule el precio de equilibrio, la produccin de la industria y el beneficio de equilibrio

de cada empresa.
Problema 4.5. Duopolio de Stackerlberg. Ahora vamos a analizar un mercado muy similar al
descrito en el problema anterior, pero en el momento de las acciones es ligeramente diferente.
En lugar de suponer que ambas empresas se mueven simultneamente, ahora asumiremos
que la empresa 1 se mueve primero. Esta da a la empresa 1 una ventaja estratgica, debido a
que se sabe cmo se comportara su rival puede maximizar sus propios beneficios tomando
como dada la funcin de reaccin de la empresa 2. La empresa 2 observa la produccin de
la empresa 1 y se comporta acorde a esto.
Resuelva para el equilibrio de este juego y comprelo con el equilibrio de Cournot analizado
en el problema 4.4
5. Algunos Modelos tiles de Competencia Imperfecta

En esta seccin pedimos al lector que estudie los detalles de dos modelos simples de
equilibrio general con competencia imperfecta. El primer modelo que se basa en el trabajo
de Dixit y Stiglitz (1977) y Ethier (1982) formaliza la idea de que la especializacin creciente,
medida por el nmero de bienes intermedios diferenciados disponibles, produce ganancias
de eficiencia que aparecen como economas externas a las empresas. Romer (1987) y
Grossman y Helpman (1991), entre otros autores, han usado diferentes versiones de este
modelo como bloques de construccin de modelos en los que el crecimiento es impulsado
por la inversin endgena en actividades de investigacin y desarrollo (I+D) que conducen
al desarrollo de nuevas variedades de productos. En el captulo 13 se analizar un modelo de
crecimiento endgeno.
369
El segundo modelo basado en el trabajo de Dixit y Norman (1980, capitulo 9) analiza una
economa de dos bienes en la que un sector es ineficientemente competitivo debido a la
existencia de costos de entrada fijos. El equilibrio implica dos fuentes de ineficiencia: El
exceso de entrada conduce a la duplicacin de las instalaciones de produccin y a altos costos
unitarios y la existencia de un poder de mercado en un sector distorsiona los precios relativos
y por lo tanto las elecciones de los consumidores, porque en este contexto un aumento del
tamao del mercado mitigara ambos tipos de distorsiones, el modelo puede ser usado para
ilustrar algunas de las ventajas potenciales de la integracin econmica.
(a) Aumento de la especializacin en el modelo de Dixit-Stiglitz de competencia

monopolstica
Los economistas han argumentado durante mucho tiempo que un aumento en el grado de
especializacin puede aumentar la eficacia. Esta idea que se remonta a Smith, Marshall y
Young se reavivado recientemente tanto en el comercio como en las literaturas del
crecimiento. Para formalizarlo desarrollaremos ahora una versin del modelo Dixit-Stiglitz-
Ethier de la competencia monopolstica en la que hay costos de configuracin fijos en la
produccin de bienes intermedios diferenciados.
Consideremos una economa en la que hay dos tipos de bienes, un bien de consumo
homogneo y una continuidad de medida n de productos intermedios diferenciados x(s) con
0sn. El bien final (Y) se produce en una industria competitiva mediante el montaje de
insumos intermedios usando una funcin de produccin de sustitucin con elasticidad
constante (9)
n
Y= (0 x , ds)1/ donde 0<<1 (1)
Y los componentes diferenciados son producidos por firmas idnticas y

monopolsticamente competitivas que usan mano de obra (L) como insumo y una
tecnologa de produccin que implica costos marginales constantes y costos medios
decrecientes debido a un costo fijo de instalacin (C) medido en unidades de trabajo:
= +c (2)
Donde es la cantidad de trabajo requerida para producir unidades de algn bien

intermedio.
370
Comencemos observando que la especificacin anterior de la tecnologa capta la idea de

Smith de que hay rendimientos crecientes en la especializacin. Para ver esto, sea la
cantidad total de mano de obra variable empleada en la produccin de componentes, debido
a que todos los componentes entran simtricamente en la funcin de produccin para bienes
finales y estos son producidos con la misma tecnologa, la produccin final se producir
usando la misma cantidad de cada entrada dada por x = /n. Sustituyendo esta expresin
en (1) la produccin final viene dada por
1

Y= (0 )1/ = 1/ x = ()1 (3)
Por lo tanto si la elasticidad de sustitucin entre los componentes es suficientemente baja (en
particular, si < 1 ) la produccin final ser una funcin creciente del nmero de
componentes variables para una cantidad dada de entrada de mano de obra (variable)
Queda por determinar el nmero de equilibrio de las variedades de los productos. En esta
seccin suponemos que la entrada est limitada por un coste de configuracin fijo, pero en
un capitulo posterior queremos permitir que n crezca con el tiempo como resultado de la
inversin en I+D. Por lo tanto ser conveniente ser conveniente caracterizar un
pseudoequilibrio en el cual el nmero de variedades en el producto (n) y el total de la variable
trabajo ( ) se toman como dados. Los niveles de beneficios y las tasas de salarios en tal
situacin nos darn una indicacin del incentivo ya sea para establecer directamente la
produccin de un nuevo componente o, en un contexto ms dinmico, para invertir en I+D.
Los problemas 5.1 y 5.2 piden al lector que caracterice los comportamientos ptimos de los
productores de componentes y productores de bienes finales
Problema 5.1. Considerando primero el comportamiento de los productores de bienes finales.
Aunque el tamao de la empresa es indeterminado con retornos constantes y competencia
perfecta cada empresa minimiza el costo de producir su nivel deseado de produccin y,
tomando como dados los precios p = {p(s); 0sn} de las diferentes entradas x(s). Es decir,
cada empresa resuelve:
n n
minxs ;s [0,n] 0 ps xs ds Sujeto a Y= (0 xsa ds)1/
Usando la condicin de primer orden para este problema, obtenga la demanda condicional
para bienes intermedios en funcin de la produccin final y los precios de los insumos y la
funcin de costo unitario de la empresa (ver problema 1.21 en el captulo 7).
Verificar que despus de la agregacin de todos los productores finales la funcin de
demanda de mercado es de la forma.
Y
(P, Y) = , donde: = n 1/ (4)
(0 p1
t dt)
Donde Y es la produccin agregada de bienes finales, con los costos unitarios dados por
371
n 1/(1)
C (p) = (0 p1
s ds) (5)
Problema 5.2.. Tomando la demanda de mercado (4), el tipo de salario (w) y los precios fijados
por sus competidores como dados, cada productor de componentes maximiza los beneficios
de operacin dados por
= ps xs -wxs = (p1
s - wps ) (6)
Resolver este problema para el nivel de produccin ptimo de la empresa y el nivel implcito
de beneficios
Para caracterizar el equilibrio, dejamos como dado, por el momento, el nmero de variedades
en los componentes y la cantidad total de mano de obra empleada en el sector intermedio, , y
considerando un equilibrio simtrico en el cual todos los productores de componentes
establecen el mismo precio (p) y producen la misma cantidad (x).
El problema 5.3 pide al lector que resuelva los beneficios y salario en tal pseudoequilibrio
Problema 5.3.En equilibrio la libre entrada garantizara que los beneficios sern cero en el sector
perfectamente competitivo de los bienes finales, por lo tanto, el precio de la produccin final,
que normalizaremos en (1) debe ser igual a su costo unitario. El uso de esta condicin, junto
con los resultados previos, muestran que los salarios y beneficios de equilibrio estn dados
por:
(1)
= y w= (7)

Donde = es empleo variable en un productor de componentes representativos, por
lo tanto, la produccin se divide entre los salarios y entre los salarios y los beneficios. Los
beneficios por empresa disminuyen decrecen con el nmero de competidores n y con la
dificultad de sustituir una entrada por otra, medida por
Ahora podemos resolver para el numero de equilibrio de productos variables en un equilibrio
de libre entrada
Problema 5.4. Hemos asumido que cualquier persona dispuesta a pagar un costo fijo de c de
unidades de trabajo puede establecerse una empresa y comenzar a producir una nueva
variedad de componentes. Calcular la demanda total de trabajo y establecerla igual a la oferta
de trabajo L. Usando esta condicin y la suposicin de entrada libre en el sector, resuelva el
nmero de equilibrio de empresas n * en funcin de L y c y use (3) para derivar una funcin
de produccin agregada de forma reducida que da la produccin per cpita en funcin de las
mismas variables. Compruebe que esta funcin exhibe retornos crecientes al trabajo cuando
un <1.
372
(b) Costos fijos, Poder de Mercado y Exceso de Entrada en un Modelo de

Cournot
Consideremos una economa poblada por L individuos idnticos, con preferencias sobre dos
bienes de consumo descritos por una funcin de utilidad de la forma
(, ) = + (1 ) (1)
Tomamos un bien y como un numeral y normalizamos su precio a 1. Los agentes estn
dotados de una unidad de tiempo de trabajo cada uno y poseen acciones en las empresas.
Ellos maximizan (1) sujeto a la restriccin presupuestaria
+ = (2)
Donde I denota el ingreso total (salario ms otro) y p es el precio del bien x. Es fcil observar
que las preferencias asumidas implican un porcentaje de gastos constante igual al peso
(normalizado) de cada bien en la funcin de utilidad. Por lo tanto, la optimizacin del
consumidor implica
= y = (1 ) (3)
Asumimos que el trabajo es el nico factor de produccin y que las tecnologas de produccin
para x e y son de la forma
= x+c y =y
Donde denota la cantidad de mano de obra requerida para producir x unidades del bien
y c es el costo fijo de instalacin (en unidades de trabajo), por lo tanto los costos marginales
son constantes e iguales para los dos productos pero el bien x se produce a un costo medio
decreciente.
La planificacin ptima para esta economa es fcil de caracterizar. Para minimizar los costos
fijos toda la produccin del bien x debe tener lugar en una sola planta. El trabajo restante (L-
C) debe asignarse a la produccin de los bienes en proporcin a sus pesos en la funcin de
utilidad.
El mejor y primer paquete de consumo y produccin per cpita es correspondiente, como
se muestra en la figura 8.8, a un punto de tangencia entre la curva de indiferencia del
consumidor representativo y una frontera de posibilidades de produccin per cpita con
pendiente unitaria (porque los costos marginales de ambos bienes son los mismos).
Esta asignacin, sin embargo, no se alcanzar en equilibrio. Ntese que la existencia de los
costos fijos implica que el sector x no puede ser competitivo. Asumiremos que la empresa
en este sector compite acorde a Cournot, tomando como dadas las cantidades producidas
por sus rivales y que la libre entrada deriva en ganancias de equilibrio iguales a cero.

1-
Pendiente:

X* CI
Pendiente
RPP
=1
Y*
y
Figura 8.8 Asignacin Optima
373
Los productores no competitivos cobraran precios por encima de los costos marginales lo
que implica que el equilibrio de produccin x ser sub ptimamente bajo la libre entrada, por
supuesto, limitara el margen de equilibrio, pero esto generara una segunda ineficiencia, ya
que cualquier aumento en el nmero de empresas implicara un costo fijo que reducir las
posibilidades de produccin en general.
El problema 5.5 pide al lector que resuelva un equilibrio simtrico de libre entrada. El
problema 5.6 compara este equilibrio con el ptimo de planificacin caracterizado
anteriormente y analiza los efectos de un aumento del tamao de mercado.
Problema 5.5. Considerando u equilibrio de libre entrada en el cual el sector y es competitivo
y los productores del sector x compiten segn Cournot. Las ganancias iguales a cero en el
sector competitivo implican que el salario ser igual al precio de y, que hemos normalizado
a uno. A continuacin, nos enfocamos en el mercado y caracterizamos un equilibrio simtrico
de Cournot, agregando a los consumidores la demanda total de x puede escribirse como:
Q
X= P
Dnde: Q = LI es el ingreso agregado. Invirtiendo esta funcin y asumiendo que existe n+1
productores en este sector podemos escribir la inversa de la demanda calendarizada percibida
por un productor representativo i de la forma
Q
P(xi ) = nx (5)
i +xi
Donde denota su propio nivel de produccin y el de un competidor arbitrario.
El productor i maximiza sus ganancias cuando,

= p ( ) - -c =
+
Tomando como dado el salario (w = 1), el ingreso agregado Q y la produccin de sus n

competidores ( ). Usando la condicin de primer orden para este problema obtenga una
funcin de reaccin que proporcione una produccin ptima para el i-esimo productor en
funcin de la de sus rivales. En equilibrio simtrico todas las empresas escogern el mismo
nivel de produccin. Sea = = x hallar (i) el nivel de produccin de equilibrio (ii) el
precio de equilibrio del bien x y (iii) el nivel de equilibrio de los beneficios de las empresas,
todas escritas como funciones del ingreso agregado y el nmero de firmas del sector.
374
Bibliografa
Ahora, en un equilibrio de libre entrada los beneficios son cero y esto significa que el ingreso
agregado est dado por:
Q = = L (10)
Usando esta ltima expresin y tomando = 0 encontrar (i) el nmero de equilibrio de x

productores (ignore restricciones de enteros) (ii) el precio de equilibrio del bien x (iii)
produccin total de x (iv) total de costos fijos y (v) total de y producido, todo medido
como funciones del tamao de mercado medido por L y el costo fijo c.
Problema 5.6. Usando un diagrama similar al de la figura 8.8 comparar el consumo per-cpita
de equilibrio y el ptimo social, ilustrando las dos fuentes de ineficiencia identificadas.
Usando los resultados del problema 5.5 discutir cmo cambia las cosas a medida que el
tamao de mercado, medido por L, aumenta.
Bibliografa
Arrow, K. 1983a. Economic Equilibrium. In: Collected Papers of Kenneth J. Arrow. Vol. 2:
General Equilibrium. Harvard University Press. Arrow, K. 1983b. An Extension of the Basic
Theorems of Classical Welfare Economics. In: Collected Papers of Kenneth J. Arrow. Vol.
2: General Equilibrium. Harvard University Press. Arrow, K. 1983c. General Economic
Equilibrium: Purpose, Analytic Techniques, Collective Choice. In: Collected Papers of
Kenneth J. Arrow. Vol. 2: General Equilibrium. Harvard University Press. Arrow, K. 1989.
Economic Theory and the Hypothesis of Rationality. In: The New Palgrave: Utility and
Probability, ed. J. Eatwell, M. Milgate, and P. Newman. New York: Norton. Arrow, K., and
Debreu, G. 1983. Existence of an Equilibrium for a Competitive Economy. In: Collected
Papers of Kenneth J. Arrow. Vol. 2: General Equilibrium. Harvard University Press. Arrow,
K., and Hahn, F. 1971. General Competitive Analysis. Advanced Textbooks in Economics,
Vol. 12, ed. C. Bliss, and M. Intriligator. Amsterdam: North Holland. Blad, M., and Keiding,
H. 1990. Microeconomics. Institutions, Equilibrium and Optimality. Amsterdam: North
Holland. Border, K. 1989. Fixed Point Theorems with Applications to Economics and Game
Theory. Cambridge University Press. Deaton, A., and Muellbauer, J. 1986. Economics and
Consumer Behaviour. Cambridge University Press. Debreu, G. 1959. Theory of Value. An
Axiomatic Analysis of Economic Equilibrium. Cowles Foundation Monographs, no. 17.
New Haven, CT: Cowles. Debreu, G. 1976. Economic Theory in the Mathematical Mode.
American Economic Review 66:280-7. Debreu, G. 1982. Existence of Competitive
Equilibrium. In: Handbook of Mathematical Economics, Vol. 2, ed. K. Arrow and M.
Intriligator, pp. 697-743. Amsterdam: North Holland. Debreu, G. 1983a. A Social
Equilibrium Existence Theorem. In: Mathematical Economics: Twenty Papers of Gerard
Debreu, Econometric Society Monographs, no. 4. Cambridge University Press. (Originally
published 1952.) Debreu, G. 1983b. Representation of a Preference Ordering by a Numerical
Function. In: Mathematical Economics: Twenty Papers of Gerard Debreu, Econometric
Society Monographs, no. 4. Cambridge University Press. (Originally published 1954.) Dixit,
A., and
375
Notas
Norman, V. 1980. Theory of International Trade. Cambridge University Press. Dixit, A., and
Stiglitz, J. 1977. Monopolistic Competition and Optimum Product Diversity. American
Economic Review 67:297-308. Ethier, W. 1982. National and International Returns to Scale
in the Modern Theory of International Trade. American Economic Review 72:389-405.
Fishburn, P. 1989. Representation of Preferences. In: The New Palgrave: Utility and
Probability, ed. J. Eatwell, M. Milgate, and P. Newman. New York: Norton. Friedman, J.
1986. Game Theory with Applications to Economics. Oxford University Press. Grossman,
G, and Helpman, E. 1991. Innovation and Growth in the Global Economy. Massachusetts
Institute of Technology Press. Hildenbrand, W. 1974. Core and Equilibria of a Large
Economy. Princeton University Press. Hildenbrand, W., and Kirman, A. 1976. Introduction
to Equilibrium Analysis. Variations on Themes by Edgeworth and Walrras. Amsterdam:
North Holland. Krepps, D. 1990. A Course in Microeconomic Theory. Princeton University
Press. Malinvaud, E. 1985. Lectures on Microeconomic Theory. Amsterdam: North Holland.
Marshall, A. 1961. Principles of Economics, 9th ed., with annotations by C. Guillebaud.
London: Macmillan. Mas-Colell, A. 1985. The Theory of General Economic Equilibrium: A
Differentiable Approach. Econometric Society Monographs, no. 9. Cambridge University
Press. Mas-Colell, A., Whinston, M., and Green, J. 1995. Microeconomic Theory. Oxford
University Press. Nash, J. 1950. Equilibrium Points in iV-Person Games. Proceedings of the
National Academy of Sciences, USA 36:48-9. Nikaido, H. 1972. Introduction to Sets and
Mappings in Modern Economics. Amsterdam: North Holland. Romer, P. 1987. Growth
Based on Increasing Returns due to Specialization. American Economic Review, Papers and
Proceedings 77:56-62. Sen, A. 1989. Rational Behaviour. In: The New Palgrave: Utility and
Probability, ed.
J. Eatwell, M. Milgate, and P. Newman. New York: Norton. Smith, A. 1961. The Wealth of
Nations. London: University Paperbacks. (Originally published 1776.) Varian, H. 1984.
Microeconomic Analysis, 2nd ed. New York: Norton. Young, A. 1928. Increasing Returns
and Economic Progress. EconomicJournal 38:527-42.
Notas
1. Para muchos propsitos podemos conformarnos por una propiedad ms dbil llamada
aciclidad. Esto requiere que la estricta relacin de preferencia no contenga ciclos, es decir
que no existe coleccin 1 ,, de alternativas tales que 1 > 2 > > . Esto es
necesario y suficiente para la existencia de un conjunto no vacio de alternativas no dominadas
en cualquier coleccin finita de objetos.
2. Ver la seccin 9 del captulo 2 para una discusin sobre la conexin y algunos resultados
tiles.
376
Notas
3. El lector debe consultar la seccin 11 del captulo 12 y la seccin 2(a) del captulo 7 para
una discusin de la continuidad de las correspondencias y del teorema del mximo.
4. Len Walrras fue el primer autor que trato desarrollar una teora rigurosa del equilibrio
general para una economa competitiva.
5. De hecho, esto tiene que ser generalizado un poco. Observamos que para algunos bienes
(por ejemplo aire) son libres (p=0) y esto es compatible con su exceso de suministro. Para
explicar esto podemos escribir la condicin de equilibrio como p 0 (p) 0 y (p) =
0 si > 0
Ignoraremos esta complicacin de ahora en adelante
6. Obsrvese que si interpretamos f(p) como una funcin de exceso de demanda, la regla de
ajuste ( ) nos instruye para encontrar un vector de precios q tal que maximice el valor del
vector del exceso de demanda f(p). Esto implica fijar = 0 para todo g tal que () < 0 y
esto implica precios altos para todos aquellos bienes con un exceso de demanda positiva.
Ntese que si f(p) = 0 entonces cualquier vector de precios q lo har porque entonces qf(p)
= 0 para todo q. Por lo tanto si F(p) = 0 tenemos p () y p ser un punto fijo de ( )
7. Esto puede sonar un poco gracioso, sobre todo despus de mirar la prueba y ver que
ningn comercio tiene lugar en equilibrio. Obsrvese, sin embargo, que podramos
reemplazar la condicin de que la dotacin misma sea suponiendo que el vector de
dotacin para el agente i tiene el mismo valor que a precios de equilibrio y que estos
vectores de dotacin son colectivamente viables. El equilibrio entonces implicara cierto
intercambio.
8. Si la suma de los consumos individuales fuera estrictamente menor que la dotacin total
de recursos, podramos aumentar el consumo de todos los agentes hacindolos estrictamente
mejores.
9. El aditivo funcional en (1) fue introducido por Dixit y Stilglitz (1977) como una funcin
de utilidad. Ethier (1982) lo reinterpreto como una funcin de produccin.
377
9
Sistemas dinmicos I: conceptos bsicos y sistemas
escalares
En muchas aplicaciones en economa y otras disciplinas nos interesa la evolucin de

ciertos sistemas en el tiempo. Supongamos que el estado del sistema de inters en un punto
dado en el tiempo puede ser descrito por un vector anticuado de nmeros reales, que
llamamos el vector de estado. Para dar una descripcin precisa de la evolucin de introducir
una funcin de valor vectorial.
: +1+ , con = (0 , ; )
Esto da el valor del vector de estado en el tiempo t como una funcin de su valor
inicial, 0 y un vector de parmetros que describe el entorno en el cual el
sistema es introducido. Esta funcin se denomina funcin de transicin o flujo. Observe que ( )
se describe completamente el comportamiento del sistema: para condiciones iniciales dadas
0 y valores de parmetros fijos, obtenemos la trayectoria temporal del sistema dando
valores a t; Y cambiando 0 y podemos determinar cmo este camino vara con los
cambios en las condiciones o parmetros iniciales.
En la mayora de los casos el flujo de un sistema dinmico no se nos da directamente.
En su lugar, partimos de un sistema parametrizado de ecuaciones diferenciales o diferenciales
y debemos "resolverlo" para construir su flujo. En este captulo y en los que seguiremos
repasaremos algunos de los elementos bsicos de la teora de la diferencia y de las ecuaciones
diferenciales y algunas aplicaciones a la economa. Para abreviar, nos referiremos a sistemas
dinmicos descritos por sistemas de ecuaciones diferenciales como sistemas "continuos" o
"tiempos continuos" (SC), ya aquellos descritos por sistemas de ecuaciones de diferencia
como sistemas "discretos" o "tiempos discretos" (DS). Cuando no es necesario distinguir
entre ellos, hablaremos simplemente de sistemas dinmicos (S).
1.- Diferencia y Ecuaciones Diferenciales: Conceptos Bsicos
Una ecuacin diferencial ordinaria es una ecuacin de la forma
() () = [, (), (), (), , (1) (); ] (1)
Donde () = [1 (), 2 (), , ()] es una funcin de valor vectorial de una
variable real que interpretaremos como tiempo . () =
(1 () , 2 () , , () es la primera derivada de () con respecto al
tiempo, con () su segunda derivada y () su derivada es un vector de
parmetros; y ( ) es una funcin 1+(1)+ que tpicamente asumiremos como
mnimo 1 .
Observe que (1) es una ecuacin funcional, es decir, una ecuacin que el
desconocido es una funcin (), en lugar de un nmero o un vector. Resolver (1)
378
Sistemas Autnomos
significa encontrar aquellas funciones () que, junto con sus derivadas , , () ,

satisfagan la ecuacin para dar valores de los parmetros.
En un sistema de ecuaciones diferenciales, el tiempo es una variable continua, es
decir, puede tomar cualquier valor real. En muchos casos, sin embargo, es conveniente
restringir a valores enteros que corresponden a algn perodo natural (e.g., un ao). En este
caso trabajamos con ecuaciones diferenciales, es decir, ecuaciones de la forma:
+ = [, , +1 , +2 , , +1 ; ] (2)
Donde denota el estado del sistema en el perodo . Como (1), la ecuacin
(2) es una ecuacin funcional, porque lo desconocido es una vez ms una funcin de que
debe satisfacer ciertas propiedades. Por otra parte, dado que es una variable discreta, la
solucin de (2) ser una secuencia ms que una funcin diferenciable de .
Una ecuacin diferencial es lineal si ( ) es lineal en () y sus derivados, pero no
necesariamente en o . Similarmente, una ecuacin de diferencia es lineal si ( ) es una
funcin lineal de , +1 , +2 , , +1 . Un sistema dinmico es autnomo si no aparece
como un argumento independiente de ( ) ( ), sino que entra slo a travs de ().
Como veremos ms adelante, el sistema lineal es mucho ms fcil de analizar que los no
lineales. Debido a que la solucin explcita para no lineal no se puede encontrar, excepto en
casos especiales, tenemos que conformarnos con un resultado cualitativo o solucin
numrica para formas funcionales especficas. En el caso de sistemas autnomos de una o
dos dimensiones, los resultados cualitativos se obtienen fcilmente mediante mtodos
grficos. Para sistemas de dimensiones superiores, debemos basarnos en aproximaciones
lineales para obtener resultados locales para sistemas no lineales.
El orden de una ecuacin diferencial es el orden de la derivada ms alta de () que
aparece en ella; el orden de una ecuacin de diferencia es igual a la diferencia entre los
subndices de tiempo ms alto y ms bajo que aparecen en las preguntas. Por lo tanto, ambos
(1) y (2) son de orden .
Es fcil ver que cualquier sistema de diferencia o ecuacin diferencial puede reducirse
a un sistema equivalente de primer orden mediante la introduccin de variables de ecuaciones
adicionales. Por ejemplo, dada la ecuacin diferencial de segundo orden
= +
Podemos definir una nueva variable = y reescribir la ecuacin en forma de un
sistema de dos ecuaciones de primer orden:
= Y = +
Por lo tanto, podemos restringirnos, sin prdida de generalidad, al estudio de sistemas
de primer orden de la forma:
= (, ; ) (1)
+1 = (, ; ) (2)
Donde indicamos entre parntesis los argumentos de ( ) o ( ) distintos de .
379
I: Conceptos Bsicos y Sistemas Escalares
(a) Interpretacin geomtrica

Con el fin de visualizar el tipo de informacin contenida en un sistema de ecuacin de la
forma (SC) o el (SD) y entender lo que significa resolver tal sistema, ser conveniente pensar
en la ecuacin (SC) y (DS) como descripcin del movimiento de un espacio n-dimensional
de partculas. Si interpretamos 1 como la posicin de la partcula en el tiempo , la ecuacin
de diferencia +1 = (, ; ) nos dice que una partcula que est en la posicin en el
tiempo estar en el punto +1 un perodo despus. Sustrayendo de ambos lados de la
ecuacin obtenemos el vector:
= +1 = ( , ; )
Graficamente, puede representarse como una flecha que nos lleva desde la
posicin actual de la partcula hasta su siguiente posicin, como se muestra en la figura 9.1.
Una vez en +1 podemos construir una nueva flecha, +1 = (+1 , + 1) +1 ,
seguirla a +2, y as sucesivamente.
En resumen, una ecuacin de diferencia describe el movimiento de una partcula paso
a paso. Si especificamos un tiempo inicial y una posicin y seguimos las flechas del
movimiento, podemos reconstruir la trayectoria u rbita del sistema, obteniendo una
secuencia { } que es solucin particular al sistema. Por supuesto, si elegimos un tiempo o
posicin inicial diferente, o si cambiamos los valores de los parmetros, el mismo sistema
generamos una trayectoria diferente en el espacio de estado . Por lo tanto, la ecuacin de
diferencias ( (, )), Tendr en general un nmero infinito de soluciones, indexadas por
el tiempo inicial y la posicin del sistema y el vector de parmetros.
Aunque quizs sea ms fcil visualizar el comportamiento de un sistema de tiempo
discreto, a menudo es ms conveniente o ms natural trabajar en tiempo continuo. La
analoga con el movimiento de una partcula en el espacio sigue siendo vlida para sistemas
de ecuaciones diferenciales, la nica diferencia es que la partcula se mueve ahora suavemente
ms que en saltos discretos.
2
2
1
0
Figura 9.1 Trayectorias de solucin de un sistema discreto
De hecho, la ecuacin diferencial es simplemente el caso limitante de una ecuacin de

diferencia cuando la longitud de los perodos entre saltos va a cero. En la discusin anterior
fijamos arbitrariamente la duracin del perodo en 1, pero en trminos ms generales,
podemos establecerlo en . Entonces el cambio en entre dos perodos consecutivos est
380
Sistemas Autnomos
dado por = + . Dividiendo por y tomando el lmite como 0,

obtenemos la derivada temporal (), la cual puede interpretarse como un vector de
velocidad.
Por lo tanto, el sistema ( (, )), = (, ; ) asigna a cada punto una
flecha (que imaginamos "unida" a ) cuya direccin es la direccin instantnea del
movimiento (es decir, la tangente a la trayectoria del cuerpo en el punto dado) y cuya longitud
es Proporcional a la velocidad de movimiento. En ste contexto, ( ) a veces se denomina
campo vectorial.
Resolver la ecuacin diferencial () significa reconstruir el conjunto de funciones
() que describen las trayectorias en el espacio de estados que son compatibles con el
conjunto dado de vectores de velocidad. La idea es la misma que en el caso discreto, con la
diferencia de que la rbita del sistema ser ahora curvas suaves (funcin diferenciable del
tiempo) en lugar de conjuntos discretos de puntos (secuencias). Como el ( (, )), el
sistema continuo ( (, )) tendr en general un nmero infinito de soluciones, pues la
trayectoria de la partcula depender de su posicin inicial y del momento en que se ponga
en movimiento, as como sobre los valores de los parmetros.
(b) Problemas de valores iniciales y de lmites

Como ya se ha indicado, un sistema dinmico ( ()) tendr en general un nmero
infinito de soluciones, correspondientes a las diferentes trayectorias que el vector de estado
puede seguir en el espacio de estados dependiendo de su posicin inicial y del momento en
que el sistema es puesto en marcha.
X (t) = f(x(t))
X (t)
Figura 9.2 Trayectorias de solucin de un sistema continuo
El conjunto de todos esos "particulares" la solucin del sistema (, 0 , 0 ), a veces

llamada su solucin general. En ciertos casos es relativamente fcil construir primero la
solucin general y luego seleccionar la solucin particular en la cual nos interesamos. Este
proceso se menciona como definir la solucin del sistema. Una manera de elegir una solucin
particular apropiada esimponiendo una condicin inicial, es decir una condicin de la
forma:
(0) = 0 (( 0 , 0))
381
Requiriendo que el sistema comience con el tiempo cero de alguna posicin dada los
0 Un sistema de diferencia o ecuacicones diferenciales y una condicin inicial juntos
definen un problema del valor inicial, y la solucin de este problema es la solucin particular del
sistema.
Imponer una condicin inicial (En el sentido estricto de la palabra) no es el nico
camino para definir la solucin de un sistema dinmico. Ms generalmente, podemos usar el
lado o condiciones de frontera de tipo.
(0 ) = 0 (( 0 , 0))
Para especificar que el vector de estado debe tomar un valor dado 0 en algn
momento 0 [0, +] que no tiene que ser igual a cero. Denotaremos el problema del valor
lmite definido por un sistema dinmico ( (, )) y la condicin lateral ( ( 0 , 0 )) por
( ( 0 , 0 , ) El sistema dinmico ( (, )) tendr en general un nmero infinito de
soluciones, el problema del valor lmite ( ( 0 , 0 , )) tendr precisamente una solucin,
siempre que la funcin ( ) o ( ) Satisface ciertas condiciones razonables.
En la literatura matemtica sobre el sistema dinmico, la distincin entre las
condiciones iniciales y fronterizas se da pocas veces. Para volver a nuestra interpretacin de
un sistema dinmico como el bajo movimiento de una partcula en el espacio, la trayectoria
de la partcula est completamente determinada una vez que especificamos que debe pasar
por algn punto 0 en un momento dado 0 Para este propsito, es irrelevante si 0 es la
posicin inicial de la partcula cuando se pone en movimiento "al principio del tiempo", su
destino final o cualquier otro punto de la trayectoria. En muchas aplicaciones econmicas,
sin embargo, la diferencia entre la condicin inicial por s mismo y otros tipos de condicin
de contorno es importante. A menudo tenemos una condicin natural inicial asociada a
variables como el stock de capital cuyos valores iniciales (hoy) estn predeterminados por lo
que ha sucedido en el pasado. Por otro lado, hay variables econmicas, como los precios de
los activos, que son capaces de "saltar" instantneamente y para las cuales no hay condiciones
iniciales evidentes. En esos casos, la eleccin de una condicin de frontera apropiada debe
hacerse por razones econmicas ms que por razones matemticas, ya menudo reflejar
importantes suposiciones sobre la formacin de expectativas y el concepto de eleccin de
equilibrio. Volveremos a esta pregunta en el captulo 11 y trataremos de ella en el contexto
de un ejemplo especfico que permitir una discusin ms precisa.
(c) Algunas Definiciones
En esta seccin formalizaremos algunos de los conceptos que acabamos de presentar.
Consideremos, para concretar, un sistema de tiempo continuo
. = (, , ) ( (, ))
Donde la funcin ( ) traza un conjunto en ++1 into , y I es
un intervalo en la lnea real.
Una solucin (particular) de ( (, )) es una funcin diferenciable (): ,
definida en algn intervalo llamado intervalo de definicin, y tomando valores en , que
junto con su derivada satisface la ecuacin diferencial (, (, )) en es decir, tal que:
() = [(), , ]
382
Sistemas Autnomos
Es importante distinguir entre una funcin de solucin () y la trayectoria que

describe en el espacio de estados. Dada una solucin () de la ecuacin diferencial (SC)
definida en el intervalo definimos la rbita de () inducida por a el conjunto
() = ( ) = { ; = () }
Dada una solucin () de ( (, )), arreglar algunos 0 y dejar 0 = (0 ).
Es claro que () es una solucin del problema del valor lmite.
= (, , ) (0 ) = 0 ( ( 0 , 0 , ))
Por el contrario, mostraremos ms adelante que bajo las suposiciones apropiadas
sobre ( ), el problema ( ( 0 , 0 , )) tiene precisamente una solucin definida en un
intervalo mximo ( 0 , 0 ,) que depende de los datos iniciales del problema y del vector
de parmetros. Claramente, esta solucin es tambin una solucin de la ecuacin diferencial
( (, )). Por lo tanto, podemos identificar el conjunto de solucin de ( (, )) con
las soluciones de la familia de problemas de valores lmite ( ( 0 , 0 , )), donde ahora
consideramos 0 , 0 y como "variable". Debido a que un cambio en estos datos
generalmente dar una solucin diferente de (SC (, )), podemos definir el trazado
(; 0 , 0 , ) estableciendo, para cada en ( 0 , 0 , ),
(; 0 , 0 , ) ()
Donde ( ) es la nica solucin mxima de la ecuacin diferencial (SC (,)) que
satisface la condicin de contorno (0 ) = 0 . La funcin resultante,(; 0 , 0 , ) se llama
flujo del sistema ( (, )), o el flujo del campo vectorial (, , ).
Por la singularidad de las soluciones a los problemas de valores lmite, podemos
definir la rbita del sistema ( (, )) a travs del punto ( 0 , 0 ) como la rbita inducida
por la funcin de solucin correspondiente, () = (; 0 , 0 , ). Por lo tanto,
( 0 , 0 ) = [(; 0 , 0 , )] = ( ( 0 , 0 , ))
= { ; = () ( 0 , 0 , )}
Ser conveniente en el tiempo distinguir entre las rbitas positivas y negativas a travs
de un punto. Dado un punto ( 0 , 0 ), sea ( 0 , 0 , ) = (, ) el intervalo mximo de
definicin de la solucin a travs de ( 0 , 0 ), dado por la funcin () = (; 0 , 0 , ).
Entonces 0 ( 0 , 0 , ), y definimos la rbita positiva a travs de ( 0 , 0 ), por
+ ( 0 , 0 ) = ([0 , )) = { ; = () [0 , ) ( 0 , 0 , )}
Y la rbita negativa a travs del mismo punto por
( 0 , 0 ) = ((, 0 ]) = { ; = () (, 0 ] ( 0 , 0 , )}
Conceptos similares se pueden definir de una manera anloga para el sistema discreto.
+1 = ( , ; ) ( (, ))
Donde la funcin ( ) traza un conjunto I en +1+ into .
Supongamos ahora que es un conjunto de enteros consecutivos (a veces nos referiremos a
un conjunto como un "intervalo" para abreviar). Una solucin de ( (, )) es una
secuencia (es decir, una funcin(): ) definida en algn "intervalo" de enteros
383
llamado "intervalo" o conjunto de definicin. Esta funcin toma valores en X y satisface

las ecuaciones de diferencia ( (, )) en es decir:
( + 1) = [(), ; )]
Como en el caso continuo, cada solucin de la ecuacin de diferencias ( (, ))
puede identificarse con la solucin de un problema de lmite del valor, y el flujo del sistema
puede definir de la misma manera que antes todos , como se discute ms adelante).
Las rbitas del sistema a travs de cualquier punto dado ( 0 , 0 ) tambin se definen de
manera similar. Observe, sin embargo, que las rbitas ahora son conjuntos discretos de
puntos, en el lugar de curvas diferenciables en el espacio de estados.
(d) Existencia, unicidad y Otras Propiedades de Soluciones

Ahora estableceremos la existencia, la unicidad y otras propiedades de la solucin a
los problemas de valores lmites discretos de la forma ( ( 0 , 0 , )). Tambin
estableceremos un teorema que da resultados similares para el sistema de tiempo continuo.
La prueba de este resultado, que requiere mucho ms trabajo en el anlogo de tiempo
discreto, se dejar para la seccin 6, donde analizaremos en detalle las propiedades de las
ecuaciones diferenciales de solucin.
Considere el problema del valor lmite
+1 = ( , ; ) (0 ) = 0 ( ( 0 , 0 , ))
Donde la funcin ( ) traza algn conjunto I en +1+ en un
"intervalo" que contiene 0 y 0 es un punto en . Por conveniencia. Establecemos 0 = 0
en lo siguiente, pero el mismo procedimiento podra ser seguido para un valor arbitrario
de 0 .
La construccin de la solucin a este problema no plantea ninguna dificultad
conceptual. Intuitivamente, para recuperar la trayectoria del sistema es suficiente "seguir las
flechas" partiendo de la posicin inicial. Analticamente, podemos construir la secuencia de
solucin () = 0 ( 0 , 0 , ) iterativamente estableciendo (0) = 0 y el uso de ( ) para
definir () recursivamente por ( + 1) = [(), ; ]. Es decir:
0 ( 0 , 0, ) = 0
1 ( 0 , 0, ) = ( 0 , , 0) = [0 ( 0 , 0, ), 0, ]
2 ( 0 , 0, ) = [1 ( 0 , 0, ), 1, ]
( 0 , 0, ) = [1 ( 0 , 0, ), 1, ] (1)
Si ( ) es continua (o ), la funcin ( 0 , 0 , ) construida en (1) se define como
la composicin de las funciones continuas y por lo tanto es continua en ( 0 , ).
Obsrvese que si (, ) est definido en todo el espacio +1, este proceso puede
continuar indefinidamente y existe una solucin para cada = 0. Si no es todo
el espacio, por otra parte, la solucin puede dejar de existir en algn punto si (, ) trazas
( , ) en algn punto (+1 , + 1) fuera del dominio de (, ). Por lo tanto, la secuencia
384
Sistemas Autnomos
de la solucin () = ( 0 , 0, ) se definir en general sobre un conjunto mximo de

enteros consecutivos que contiene cero.
Tambin observamos que la secuencia de la solucin () est definida de manera
nica para 0 (para 0 dada y ) siempre que (, ) sea una funcin bien definida.
Bajo esta suposicin, cualquier otra secuencia de solucin () a partir de 0 en el
tiempo cero adoptar exactamente los mismos valores y puede continuar hasta el mismo
intervalo que (). Sin embargo, la unicidad no sobrevive necesariamente cuando
intentamos extender la secuencia de la solucin a valores negativos de (o ms generalmente,
para < ).
Para construir tal extensin, definimos las funciones ( ) by () = (, ; )
para < 0 y construye la secuencia ( 0 , 0, ) recursivamente comenzando con
0 ( 0 , 0, ) = 0 y luego poniendo:
( 0 , 0, ) = 1 (+1 ( 0 , 0, ))
Para cada t = -1, -2, . . . . Como antes, () puede dejar de existir despus de algn
punto. Por otra parte, no hay ninguna garanta de que ( ) sea invertible para todo , por lo
que el trazo inverso 1 ( ) puede ser una correspondencia. En este caso, la solucin a
(DP( 0 , 0, )) no ser nica para < 0. Por otra parte, si ( ) es un homeomorfismo para
todo t (es decir, una funcin continua con una inversa continua), Entonces la secuencia de
solucin ser nica, y ( ) ser una funcin continua de ( 0 , ) tambin para < 0.
Resumimos la discusin en el siguiente teorema.
Teorema 1.1. Existencia y singularidad de la solucin para sistemas discretos y dependencia de
condiciones y parmetros iniciales. Sea : +1+ una funcin bien definida, y
un conjunto de enteros consecutivos. Entonces el problema del valor lmite
+= ( , , ), ( ) = 0 ( ( 0 , 0 , ))
Tiene una secuencia de solucin () = ( 0 , 0 , ) para cada ( 0 , 0 , ) esta solucin se
define en un conjunto mximo ( 0 , 0 , ) que contiene 0 que depende de los datos iniciales y los
parmetros del problema. Adems, la solucin es nica para todos en el sentido de que s () es
una secuencia de solucin de (DP( 0 , 0 , )) definida en algn conjunto entonces
m ( 0 , 0 , ), y () = () para todos con .
Adems, si ( ) es continua ( ) en ( , ), entonces para cada m ( 0 , 0 , ), con
la funcin ( 0 , 0 , ) es continua ( ) en ( 0 , ). S, adems, () = (, ; ) es invertible
y tiene una inversa continua ( ) para todo , entonces la solucin es nica en todo m ( 0 , 0 , ) y
( 0 , 0 , ) es continua ( ) en ( 0 , ) para todo en m ( 0 , 0 , ).
Con los sistemas de tiempo continuo, las cosas no son tan simples. Sin embargo,
todava es posible obtener resultados similares con suposiciones ligeramente ms fuertes. En
la seccin 6 demostraremos una versin f de los siguientes resultados.
Teorema 1.2. Existencia y singularidad de la solucin para sistemas de tiempo continuo y
dependencia de condiciones y parmetros iniciales. Sea : +1+ be 1 en el
conjunto donde y son conjuntos abiertos. Y es un intervalo abierto en la lnea real.
Entonces el problema del valor lmite
= (, , ) (0 ) = 0 ( ( 0 , 0 , ))
385
Tiene una solucin nica ()= (, 0 , 0 , ) para cada ( 0 , 0 , )

definida en un intervalo abierto mximo m ( 0 , 0 , ) que contiene que depende de
los datos iniciales y los parmetros del problema. Es decir, s () es una solucin de
(PC( 0 , 0 , )) definida en algn intervalo entonces m ( 0 , 0 , ) y (t) = ()
para todo .
Adems, el flujo del sistema, (, 0 , 0 , ) es 1 .
Una implicacin conveniente de la unicidad de la solucin para problemas de valores
lmite es que la solucin de la ecuacin diferencial o de diferencia no puede cruzarse, en el
sentido de que dos trayectorias de solucin diferentes no pueden pasar por el mismo punto
al mismo tiempo y luego "separarse". El siguiente resultado lo hace preciso.
Teorema 1.3. Sea f en 1 en el conjunto , Donde es un conjunto abierto, y
un intervalo abierto en la lnea real. Sea (, 0 , 0 ) el flujo del sistema (SC ()) = (, ).
Luego, por cada ( 0 , 0 ) y cada m ( 0 , 0 ) tenemos m [(, 0 , 0 ), ] =
m ( 0 , 0 ), y
(, 0 , 0 ) = [, , (, 0 , 0 )] (2)
Para todo m ( 0 , 0 ).
Sean ()= (, 0 , 0 ) y () = (, , ) dos soluciones del Sistema (SC ())
indexados por dos puntos arbitrarios en sus grficos (0 , 0 ) y (, ). El teorema dice que s
las dos grficas tienen un punto en comn, es decir, s () atraviesa al mismo tiempo
que (), entonces las dos soluciones son las mismas en el sentido de que sus intervalos
mximos de definicin coinciden, y as hacer sus valores para cualquier en este intervalo.
Equivalentemente, el resultado dice que s seguimos la solucin (, 0 , 0 ) hasta algn
punto (, = (, 0 , 0 )) y luego paramos, y luego resolvemos el problema de valores
lmite con datos iniciales (, ) y seguimos su solucin, entonces seguiremos el mismo
camino que seguiremos si no lo hicimos detener.
Un resultado similar es vlido para sistemas discretos cuando el flujo es una funcin
bien definida. En particular, la ecuacin (2) se mantendr para todo , m ( 0 , 0 ) y
mayor que 0 lo que implica que la solucin que en algn momento se renen no se puede
separar ms adelante. Observe que la ecuacin (2) no puede sostener para , < 0 , ya que
es posible que ( ) pueda trazar dos puntos distintos en el mismo. Por lo tanto, la secuencia
de solucin diferente puede "convergir" una vez que han coincidido.
Demostracin. Sea (, 0 , 0 ) la solucin mxima nica de (SC ()) que pasa por el
punto (0 , 0 ). Fijamos arbitrariamente en m ( 0 , 0 ) y dejar
() = (, 0 , 0 ) =
Claramente, () es una solucin del problema de valores lmite ( (, )).
() = (, , )
Dejar ser la solucin mxima de este problema definido en el intervalo
mximo m (, ). Entonces, por la singularidad de las soluciones (teorema 1.2), tenemos
m ( 0 , 0 ) m (, ) y
() = () m ( 0 , 0 ) (1)
386
Sistemas Autnomos
Adems, como () est definido en 0 tenemos

(0 ) = (0 ) = 0
As que ( ) tambin pasa por el punto (0, 0 ). Debido a que ( ) es la solucin
mxima a travs de este punto, el teorema 1.2 implica que m (, ) m ( 0 , 0 ), as que
de hecho m (, ) = m ( 0 , 0 ).
Usando (1) y la definicin de , ahora tenemos
(, 0 , 0 ) = () = () = (, , ) = [, , (, 0 , 0 )]
Para todo en m ( 0 , 0 ) = m (, ).

(2) Sistemas autnomos

Se dice que un Sistema dinmico para ser autnomo s el tiempo no entra en la
funcin ( ) o ( ) como un argumento independiente, es decir, si el sistema es de la forma.
= () (SC)
+1 = ( ) (DS)
En esta seccin analizaremos algunas propiedades importantes de los sistemas
autnomos e introduciremos algunos conceptos que desempearn papeles importantes en
el resto del captulo.
(a) El Flujo de un Sistema Autnomo

Hemos visto que la unicidad de la solucin para problemas de valores lmite implica
que las soluciones de la ecuacin diferencial o de diferencia no pueden cruzarse, en el sentido
de que dos trayectorias de solucin diferentes no pueden ir a travs del mismo punto al
mismo tiempo y luego separarse. Todava es posible, sin embargo, diferentes soluciones
puedan cruzar un punto dado en diferentes tiempos y luego seguir diferentes trayectorias. La
razn, por supuesto, es que en la especificacin general de un sistema dinmico,
= (, ) (SC (t))
O
+1 = ( , ) (SD (t))
El campo vectorial puede ser una funcin de . Grficamente, la flecha del
movimiento asociada con un punto x en el espacio de estados puede cambiar con
387
el tiempo. Por lo tanto, la direccin del movimiento del sistema depende no slo de
su posicin actual sino tambin del tiempo.
En el caso del sistema autnomo
= () (SC)
+1 = ( ) (SD)
Sin embargo, cada punto de ha sido unido por una nica flecha, invariable en el
tiempo, y por lo tanto todas las partculas que en algn momento alcanzan el punto siguen
exactamente la misma trayectoria en (a partir de entonces en el caso de un sistema discreto;
siempre, En el caso de un sistema continuo) siempre que se cumplan los supuestos del
teorema de existencia y unicidad correspondiente.
Es decir, dado un sistema autnomo (), la solucin que satisface las condiciones de
contorno
(0 ) = 0 Y (1 ) = 0 , con 0 1
Tener la misma rbita s () es un sistema continuo, y la misma rbita positiva s ()
es discreta. Por lo tanto, las trayectorias de solucin nunca se cruzan. S es un subconjunto
de la lnea real o el plano, el conjunto de todas las trayectorias se puede mostrar en una figura
Sistema no autnomo: varias trayectorias pueden Sistema autnomo: slo una solucin
pasar por el mismo punto (en momentos diferentes). trayectoria puede pasar por cada punto en
X
Figura 9.3. Sistemas autnomos versus no autnomos.
Llamado un diagrama de frases, usando flechas para indicar la direccin del movimiento.
Este dispositivo es una herramienta muy til para el anlisis de la dinmica de sistemas
autnomos de baja dimensin (figura 9.3).
En el resto de esta seccin estableceremos formalmente esta propiedad sin cruzar e
investigaremos algunas otras propiedades del flujo de sistemas autnomos que estn
estrechamente relacionadas con ella. Empezamos con el caso discreto,
+1 = ( ) (SD)
388
Sistemas autnomos
Analticamente, el flujo de (SD) se puede obtener por la composicin repetida del

trazo de tiempo ( ) con s mismo. Dejando 0 ( 0 ) 0 indican la posicin del sistema
en el tiempo cero, definimos ( 0 ) recursivamente por
+1 ( 0 ) = ( ( 0 )) = [ ( 0 )] = +1 ( 0 ) (1)
Donde ( ) denota la n-sima iteracin ( ) (y no su -sima potencia). Por lo
tanto, el flujo de (SD) se puede escribir
( 0 ) = [ ( 0 )] = [ ( 0 )]
Y, por la asociatividad de la composicin de la funcin, obtenemos + ( 0 ) =
( ( 0 ))
+1 ( 0 ) = [ ( 0 )] = [ ( 0 )] (2)
Para todos los enteros , > 0 cuando , , y + se encuentran en el intervalo
mximo de definicin de la solucin a travs de 0 , ( 0 ). S ( ) es invertible, el mismo
procedimiento funcionar hacia atrs, con ( ) denotando ahora la composicin de n
veces de la funcin inversa 1 ( ) con s mismo, y entonces la ecuacin (1) tambin se aplica
a los enteros no positivos.
Utilizando la ecuacin (2), podemos ahora establecer la propiedad sin cruce. Dado
un punto en , deje que ( 0 ) y ( 0 ) sean dos soluciones de (SD) pasando por en
diferentes momentos, digamos y 0. Entonces
( 0 ) = = ( 0 )
Y para cualquier 0 en () tenemos, usando (2),
+ ( 0 ) = [ ( 0 )] = () Y + ( 0 ) = [ ( 0 )] = ()
Por lo tanto, tenemos que + y + (), y
+ ( 0 ) = + ( 0 ) (3)
Para todos 0 en (). S dos soluciones ( 0 ) y ( 0 ) pasan por un punto
comn , entonces coinciden despus. Equivalentemente, podemos decir que la posicin de
una partcula que pasa por un punto determinado depender solamente del tiempo
transcurrido desde que alcanz este punto, no en el momento en que lo alcanz. Ahora
mostraremos que una propiedad similar se sostiene para los flujos del sistema autnomo de
tiempo continuo
= () (SC)
Teorema 2.1. Sea () una solucin del sistema autnomo (SC) definida en el intervalo mximo .
Entonces ( + ) es tambin una solucin de (SC) para cualquier constante r y cualquier + .
Para entender este resultado engaosamente simple, probablemente es mejor ver por qu no
se cumple en el caso de un sistema no autnomo
= (, ) (SC ())
Entonces, por definicin,
() = [(), ]
389
Para todo en = (, ). Dada una fija constante , defina una nueva funcin
() = ( + )
Para todo tal que + = (, ), es decir, para en = ( ,
) = . Entonces
() = ( + ) = [( + ), + ] = [(), + ] (4)
As, en general, () no es una solucin de ( ()) excepto cuando = 0. En el
caso especial del sistema autnomo (), sin embargo, el tiempo no es un argumento de
( ) y (4) Se convierte
() = ( + ) = [( + )] = [()]
As que () = ( + ) es de hecho una solucin de (CS) bajo la suposicin del lema.
Observe que () y () son soluciones diferentes de (SC), pero describen la misma
rbita o curva de solucin en el espacio de estado.
Teorema 2.2. Supongamos que es 1 en algn conjunto abierto , y sea (, 0 , 0 ) el
flujo del sistema autnomo (). Entonces, por cada (0 , 0 ) en tenemos ( 0 , 0) =
( 0 , 0 ) 0 y
(, 0 , 0 ) = ( 0 , 0, 0 ) (5)
Por cada ( 0 , 0 ), o, equivalentemente, por cada 0 ( 0 , 0 ).
Demostracin. Sea () = (, 0 , 0 ) la solucin mxima del problema de valor
lmite ( (0 , 0 )) definidada en el intervalo mximo ( 0 , 0 ) = (, ), y () =
(, 0, 0 ) la solucin mxima de ((0, 0 )) definida en el intervalo mximo ( 0 , 0) =
(, ).
Defina la funcin 0 () en ( 0 , 0 ) = ( 0 , 0 ) 0 por
0 () = ( + 0 ) = ( + 0 , 0 , 0 ) (1)
(Note que s ( 0 , 0 ) 0 entonces 0 < < 0 , y por lo tanto
< + 0 < porque entonces + 0 ( 0 , 0 ); est definido en + 0
( 0 , 0 ), 0 () esta definida en ( 0 , 0 ) 0 . Por el Lema 2.1, una solucin del
sistema autnomo (SC). Adems,
0 (0) = 0 () = 0
As que 0 (s) es una solucin del problema de valores lmite ( (0, 0 )), al igual
que (s). Debido a que (s) es la solucin mxima de este problema, el Teorema 1.2
implica que (a t 0 , b t 0 ) = {Jm (x 0 , t 0 ) t 0 } Jm (x 0 , 0) y
(s) = 0 (s) = (s, 0, x 0 ) (2)
Para todos s (a t 0 , b t 0 ) Jm (x 0 , 0).
Del mismo modo, defina 0 (s) on (c t 0 , d t 0 ) = {Jm (x 0 , 0) + t 0 } por
0 (s) = (s t 0 ) = (s t 0 , 0, x 0 ) (3)
Y observe que 0 (s) es solucin de (CP (t 0 , x 0)), porque
390
Sistemas autnomos
0 (t 0 ) = (0) = (0,0, x 0 ) = x 0
Debido a que (s) es el problema mximo, sigue el teorema 1.2 que (c t 0 , d t 0 ) =
{Jm (x 0 , t 0 )} Jm (x 0 , t 0 ) y
0 (s) = (s) = (s, t 0 , x 0 ) (4)
Para todos s (c t 0 , d t 0 ) Jm (x 0 , t 0 ).
Tenga en cuenta que hemos demostrado que
Jm (x 0 , t 0 ) t 0 = Jm (x 0 , 0)
Usando (1) y (2), tenemos
(s + t 0 , t 0 , x 0 ) 0 (s) = (s) (s, 0, x 0 ) (5)
Para todos { ( 0 , 0 ) 0 } = ( 0 , 0). Dejando = + 0 , tenemos,
finalmente,
(, 0 , 0 ) = ( 0 , 0, 0 )
Para todos ( 0 , 0 ).

El teorema 2.2 dice que la posicin en el tiempo de un sistema autnomo depende
solamente de su posicin inicial y del tiempo transcurrido desde que el sistema fue puesto en
movimiento, no en el mismo tiempo inicial. La implicacin conveniente del teorema es que
podemos "normalizar" 0 a cero y omitir el segundo argumento del flujo. Cuando hacemos
esto, por supuesto, tenemos que normalizar el intervalo mximo de existencia en
consecuencia. Por lo tanto, dejando = + 0 , podemos reescribir el flujo en trminos del
tiempo normalizado, como
(, 0 , 0 ) = ( 0 , 0 , 0 ) = (, 0, 0 ) (6)
Y entonces (, 0, 0 ) se define para todo en ( 0 , 0) = ( 0 , 0 ) 0 (es
decir, para todo = + 0 en ( 0 , 0 ))). En la mayor parte de lo que sigue,
aprovecharemos esta normalizacin. Excepto cuando necesitamos hacer referencia explcita
al tiempo inicial, asumiremos que es igual a cero y escribimos el flujo de un sistema autnomo
en la forma (, 0 ), denotando el intervalo mximo de definicin de la solucin que
comienza (en el tiempo cero) de 0 por ( 0 ).
Teorema 2.3. Supongamos que es 1 en algn conjunto abierto , y sea (, 0 ) el flujo

del sistema autnomo (SC). Vamos a ( 0 ). Entonces
[(, 0 )] = ( 0 ) .
Y
( + , 0 ) = [, (, 0 )] (7)
Para cualquier [(, 0 )], o, equivalentemente, para cualquier + ( 0 ).
Demostracin. Revirtiendo nuestra notacin para el flujo, la ecuacin (7) significa
391
( + , 0, 0 ) = [, 0, (, 0 )] (1)
Pero note que
(, 0, (, 0, 0 )) = [ + , , (, 0, 0 )] = ( + , 0, 0 ) (2)
Cuando la primera igualdad sigue el teorema 2.2 (utilice la frmula ( 0 , 0, 0 ) =
(, 0 , 0 ), con 0 = , y 0 = (, 0, 0 ), y la segunda sigue del teorema 1.3 (use la
frmula [, , (, 0 , 0 )] = (, 0 , 0 ), con = + . Por lo tanto, (1) mantiene, y,
eliminando los argumentos cero, esta igualdad se reduce a la expresin deseada.
Observe tambin que el teorema 1.3 y 2.2 garantiza que cada lado se define s se
define el otro. Tenemos, en particular, que s ( 0 ), entonces
[(, 0, 0 ), 0] = ( 0 , 0) (3)
Donde, como antes, la primera igualdad sigue el teorema 2.2 (usando ( 0 , 0) =
( 0 , 0 ) 0 , con 0 = y 0 = (, 0, 0 ), y la segunda sigue del teorema 1.3 (usando
[(, 0 , 0 ), ] = ( 0 , 0 ), con 0 = 0) .Suponiendo que el lado derecho de (1) est
definido, Es decir, que ( 0 ) y [(, 0, 0 ), 0]. Luego tenemos, por (3), que
[(, 0, 0 ), 0] = ( 0 , 0)
Asi que
+ ( 0 , 0)
Y se define el lado izquierdo de (1). Por el contrario, s
+ ( 0 , 0), entonces, por (3),
( 0 , 0) = [(, 0, 0 ), 0]
As se define el lado derecho de (1).

Ahora es fcil demostrar que dos soluciones de un sistema autnomo que atraviesan el
mismo punto en el espacio de fase (posiblemente en momentos diferentes) definen la misma
rbita. El argumento es el mismo que en el caso discreto. Sea un punto en , y (, 0 )y
(, 0 ) dos soluciones de (SC) pasando por en momentos diferentes, digamos
(, 0 ) = = (, 0 )
Entonces para cualquier en () = [(, 0 )] = ( 0 ) = ( 0 ) tenemos
( + , 0 ) = [, (, 0 )] = (, ) Y ( + , 0 ) = [, (, 0 )] = (, )
Por lo tanto,
( + , 0 ) = ( + , 0 ) (8)
Para todos con + , + (). Tenga en cuenta que no requerimos que sea un
nmero positivo. Por lo tanto, si las rbitas de las dos soluciones (, 0 ) y (, 0 ) tienen
un punto en comn, las dos rbitas son iguales.
392
Sistemas autnomos
(b) Comportamiento asinttico

Dado un sistema dinmico, estamos a menudo interesados en determinar lo que
sucede a su solucin como (siempre que, por supuesto, la solucin se define para
todo 0). Si la trayectoria de la solucin se aproxima a alguna configuracin simple (por
ejemplo, un punto nico o una curva cerrada), podemos pensar en este punto o conjunto de
puntos como un equilibrio a largo plazo.
Para estudiar el comportamiento asinttico de los sistemas dinmicos, necesitamos
algunas definiciones, en lo que sigue, (, 0 ) es el flujo de un sistema dinmico (continuo
o discreto).
Definicin 2.4. Positivo o punto lmite en el lmite establecido. Un punto
es un punto lmite de la rbita ( 0 ) s existe una secuencia de nmeros reales { }
s, dado cualquier {( , 0 )} , existen algunos enteros positivos tales que
( , 0 ) < para todo > .
El conjunto de todos los puntos lmites positivos de ( 0 ) es el conjunto de lmites
positivos de la rbita, denotado por ( 0 ). Los conceptos de conjunto de lmites negativos
(o ) y de lmite pueden definirse de la misma manera invirtiendo la direccin del tiempo.
Intuitivamente, el conjunto de lmites positivos de una rbita es el conjunto de puntos
a los cuales las rbitas tienden como ( 0 ). Por ejemplo, una rbita o ciclo cerrado es su
propio conjunto de lmites positivos, y tambin el de cualquier otra rbita que se aproxime
asintticamente. Este ejemplo muestra por qu la definicin de punto lmite debe formularse
en trminos de secuencia de incluso s trabajamos en tiempo continuo. Supongamos que
la solucin (, 0 ) describe una trayectoria en espiral ( 0 ) que se aproxima a una rbita
cerrada , como se ilustra en la figura 9.4, porque la solucin sigue circulando alrededor, no
podemos decir que un punto sea el lmite de (, 0 ) como . Sin embargo, la
figura, muestra que es posible elegir una secuencia { } de puntos en el tiempo tal que
{( , 0 )} como .
Algunos subconjuntos del espacio de estado tienen la propiedad de que cualquier
rbita que entra en ellos nunca sale (con el tiempo corriendo hacia delante, hacia atrs o
ambos). Dicho conjunto se dice que es invariante bajo el flujo del sistema.
Definicin 2.5. Conjunto invariante. Un conjunto en es positivamente invariante
bajo el flujo de un sistema s, dado cualquier 0 en , la rbita positiva a travs de 0 , + ( 0 ),
est contenida en . Equivalentemente, es positivamente invariante s para todo 0
tenemos (, ) . Similarmente, es invariable negativamente s (, ) para
0, e invariante si es tanto positivamente como negativamente invariante.
Intuitivamente, un conjunto es () positivamente invariante s alguna trayectoria
que entra en el conjunto permanece en l, () invariante negativamente si alguna rbita
393
y
( , 0 )
Figura 9.4. Un lmite circular.

Que contiene un punto de S debe haber comenzado en S, y (iii) invariante si ambas cosas
son verdaderas al mismo tiempo.
(c) Estados estables y estabilidad
Consideremos un sistema autnomo de tiempo discreto

+1 = ( ) (DS)
Donde es una funcin continua, y sea { } una secuencia de solucin para el sistema.
S { } converge a un punto como , la continuidad de ( ) implica que s
mismo debe ser una solucin de (SD); Es decir, s ( ) es una funcin continua, tenemos
= lim +1 = lim ( ) = (lim ) = ( )

Por lo tanto, las soluciones constantes desempean un papel especial en los anlisis del
comportamiento asinttico de los sistemas autnomos.
Problema 2.6. Muestran que esto es cierto tambin para el sistema de tiempo continuo
(), = (). Es decir, s
lim (, 0 )=

Entonces debe ser una solucin constante de (SC) (es decir, ( ) = 0)

Sugerencia: Utilice el teorema 2.3.
Definicin 2.7. Constante o estacionario (punto fijo, punto de descanso o equilibrio).
Un estado estacionario del sistema dinmico es solucin constante del sistema. En el caso de
un sistema discreto, +1 = ( ), un punto es un estado estacionario s es un punto
fijo ( ) tal que = ( ). Por el sistema continuo = () un estado estacionario es un
punto es decir ( ) = 0
Un estado estacionario o equilibrio de un sistema dinmico es un punto de descanso
del sistema, un valor del vector de estado que, si es alcanzado, ser preservado para siempre
a menos que el sistema sea perturbado de alguna manera. En aplicaciones econmicas, un
estado estacionario a menudo puede interpretarse como un equilibrio a largo plazo.
394
Sistemas autnomos
Dado un estado estacionario , surge naturalmente la cuestin de su estabilidad.

Consideremos un sistema que est inicialmente en reposo en un punto de equilibrio , e
imaginamos que sufre algn choque que causa una pequea desviacin del punto de
descanso, qu le suceder al Sistema? Retornar al mismo puto o al menos permanece cerca
de el, o se aleja cada vez ms de el en el tiempo?
Definicin 2.8. Estabilidad. Sea un estado estacionario aislado del sistema (), =
(). Decimos que es un equilibrio estable de () si, dado cualquier > 0, existe cierto
nmero real (0, ] tal que
(0 ) < Para alguna 0 () < 0
Es decir, tomar una bola de pequea radio arbitrariamente centrado en . S es
estable, podemos encontrar (posiblemente menor que ) tal que cualquier solucin ()
que en algn momento entre en la bola de radio alrededor de permanezca dentro de la
bola de radio . La figura 9.5 ilustra la definicin.
Definicin 2.9. Estabilidad asinttica. Un estado estacionario es asintticamente
estable s es estable, y, adems, puede ser elegido (en la definicin anterior) de tal manera
que para cualquier solucin () que entre ( ) en algn punto tenemos lim () = .

Es decir, las trayectorias que se acercan suficientemente a no slo permanecen cerca

sino que tambin convergen a como . (Observe que () no puede alcanzar en
tiempo finito, slo asintticamente, de lo contrario, la unicidad de la solucin sera violada).
La regin ms grande tal que cualquier solucin que entra en ella converge a se llama
la cuenca de atraccin de . S la cuenca de atraccin es la totalidad del espacio de estado, es
decir, s () para cada posicin inicial 0 , decimos que es globalmente
asintticamente estable.
Un equilibrio que no es estable es inestable. En particular, existen algunas > 0 y
alguna solucin que, al pasar arbitrariamente cerca del estado estacionario, no permanece
dentro de la bola de radio centrada en .

()

()
()
0
Figura 9.5. Una estabilidad estable y estable.
395
(3) Ecuaciones en diferencia autnomas

En esta seccin estudiaremos el sistema autnomo en una dimensin, es decir, los
sistemas dinmicos definidos por una sola diferencia autnoma o ecuacin diferencial. Para
el caso de sistemas lineales, mostraremos cmo calcular soluciones explcitas. Para los
sistemas no lineales, introduciremos un dispositivo grfico simple que se puede utilizar para
estudiar las propiedades cualitativas de las soluciones y establecer algunos resultados que
relacionan el comportamiento local de un sistema no lineal cerca de un estado estacionario
al del sistema lineal Definido por su derivada en . En esta seccin tratamos con sistemas
de tiempo continuo, dejando el caso de tiempo discreto para la seccin 4.
Considere la ecuacin diferencial de primer orden (SC), = () donde :
es una funcin 1 . En la primera parte de esta seccin se mostrar cmo construir la
solucin general de esta ecuacin cuando ( ) es una solucin lineal (similar)
Funcin. La parte (b) trata de ecuaciones no lineales.
(a) Ecuaciones lineales con coeficientes constantes

Al construir la solucin general de la ecuacin lineal de primer orden con coeficiente
constante, comenzamos con el caso simple, el de la ecuacin homognea
= (CH)
Donde es un nmero real, y ( ) una funcin de a s mismo. Esta ecuacin puede
ser resuelta analticamente por el mtodo de separacin de variables. Reordenando trminos
es (CH). Podemos escribir

= =

Y la integracin de ambos lados de esta expresin,

= ln = + 1

Donde 1 es una constante arbitraria de integracin. Tomando antilogaritmos, llegamos a
() = (1)
Donde = 1 es tambin una constante arbitraria. Esto demuestra que la solucin
de (CH) debe ser una funcin de la forma (1). Por otra parte, cualquier funcin de esta forma
es una solucin de (CH), como vemos diferenciando la funcin dada en (1):
() = = ()
Por lo tanto, hemos encontrado la solucin general de (CH), una familia de funciones
exponenciales parametrizada por una constante arbitraria :
(, ) = (2)
Pasemos ahora al caso ms general de la ecuacin no homognea

= + ()
396
Ecuaciones en diferencia autnomas
Donde es una constante. Resolveremos (CN) reducindolo a una ecuacin

homognea mediante un simple cambio de variables. Definimos una nueva variable, a la
desviacin si la variable de estado, de su valor de estado estacionario, = . Debido
a que es una constante y = , tenemos = el sistema original puede ser reescrito
en trminos de y :

= + = + = ( + ) = ( ) =

Observe que al volver a escribir la ecuacin en trminos de desviaciones del estado
estacionario, la hemos reducido a la ecuacin homognea = , con la solucin () =
() + . Ahora es fcil recuperar la solucin general del sistema original; porque tenemos
(, ) = + (. )
Reescribamos la solucin general de (CN) de una manera ligeramente diferente que
puede arrojar alguna luz sobre el significado de la constante arbitraria . Evaluando la
solucin general en el tiempo cero, tenemos
(0) = + 0 = (0)
As, corresponde a la desviacin inicial de la variable de estado de su valor de estado
estacionario. Al sustituir esta expresin en (S.G), podemos escribir la solucin general en la
forma
(, 0 ) = + [(0) ] (S.G')
Que da el valor de en el tiempo en funcin del tiempo y la posicin inicial del
sistema. Es claro a partir de esta expresin que especificar el valor de es equivalente a elegir
una posicin inicial para el sistema. Note, sin embargo, que el valor de (0) permanece
desconocido hasta que se especifique una condicin de contorno.
Las condiciones para la estabilidad o inestabilidad del estado estacionario se pueden
determinar fcilmente usando cualquiera de las formas de la solucin general. Reorganizando
(G.S'), por ejemplo, podemos escribir
(, 0 ) = [(0) ]
Esta expresin muestra que la estabilidad de depende del valor del coeficiente . S
es positivo, cualquier desviacin inicial del estado estacionario crecer con el tiempo y se
acercar al infinito a .. Por lo tanto, el sistema muestra un comportamiento explosivo,
excepto cuando comienza en el estado estacionario ( = 0 () = ). Por otro lado,
s < 0, la desviacin se contrae con el tiempo y va a cero como . As, el estado
estacionario del sistema es asintticamente estable. La figura 9.6 muestra la trayectoria del
sistema en cada caso. Resumimos los resultados de esta seccin en el siguiente teorema.
Teorema 3.1. La ecuacin lineal de primer orden (NC), = + ( 0) tiene un estado
estacionario nico = que es asintticamente estable s < 0, e inestable s > 0. La solucin
general de (NC) es de la forma (, ) = + , donde es una constante arbitraria que debe
definirse mediante la eleccin de una condicin de lmite apropiada.
Problema 3.2. Cuando = 0, el sistema no homogneo es de la forma = . Usando el
mtodo de separacin de variables, encuentre la solucin general de esta ecuacin.
397
x(t) x(t)
Sistema estable: a<0 Sistema inestable: a>0
Figura 9.6. Solucin de trayectorias de sistemas lineales estables e inestables.
Problema 3.3. No hay ninguna razn en particular por la que debamos optar por indexar
las soluciones de un sistema por sus valores en el tiempo cero. Reescribir la solucin general
del sistema (NC) como una funcin de (), el valor de en un tiempo arbitrario .
(b) Ecuaciones autnomas no lineales
Cuando descartamos la hiptesis de la linealidad, las soluciones de forma cerrada de
la ecuacin diferencial ya no estn disponibles, excepto en casos especiales. Cuando el
sistema es de dimensin 1, sin embargo, es fcil estudiar las propiedades cualitativas de sus
soluciones con la ayuda de un dispositivo grfico simple. Para construir el diagrama de fases
de la ecuacin no lineal
= () (SC)
Comenzamos trazando la funcin ( ) que da la derivada del tiempo en funcin
de . La grfica de esta funcin se denomina a veces lnea de fase. Observe que las
intersecciones de la lnea de fase con el eje horizontal corresponden a los estados
estacionarios del sistema. Los estados estacionarios, adems, dividen el eje horizontal en un
nmero de intervalos. El siguiente paso consiste en comprobar si la funcin ( ) est por
encima o por debajo del eje en cada una de estas regiones. Si = () > 0 en un intervalo
dado (es decir, si la lnea de fase est por encima del eje), entonces aumenta con el tiempo
en este intervalo - un hecho que puede indicarse convenientemente por una "flecha de
movimiento" apuntando a la derecha (figura 9.7). Similarmente, s ( ) est debajo del eje, la
derivada de con respecto al tiempo es negativa. Por lo tanto, la variable disminuye con el
tiempo, y la flecha que describe el movimiento de puntos a la izquierda.
Una vez que hemos construido el diagrama de fases, es fcil determinar la trayectoria
del sistema desde cualquier punto inicial dado (0). La idea es simplemente seguir las flechas
de movimiento desde (0). Hasta el espacio constante ms cercano, siempre que haya uno
398
en la direccin de movimiento de . De lo contrario, siempre aumenta o disminuye Por

ejemplo, en la figura 9.7 tenemos lo siguiente:
(i) Cualquier trayectoria que comience desde un punto inicial por debajo de 1, o
que est en el intervalo entre 1 y 2 , converge a 1 como va al infinito.
(ii) S el valor inicial de es mayor que 2 la solucin converge a 3 .
El diagrama de fases tambin se puede usar para determinar si cada uno de los estados
estacionarios es estable o no. Si la lnea de fase corta el eje horizontal desde arriba a ,
entonces es un equilibrio estable, pues las flechas de movimiento del sistema apuntan hacia
el estado estacionario desde ambos lados. Es decir, s para todo rodeado en algn estado
estacionario tenemos
< > 0 Y > < 0

()
>0=XT

1
Figura 9.7. Diagrama de fases para un sistema escalar continuo.

Entonces es asintticamente estable: s () < , entonces () > 0, y por lo
tanto aumenta con el tiempo, acercndose a . Adems, debido a que es estrictamente
positivo siempre y cuando < , la trayectoria no puede detenerse antes de alcanzar el punto
estacionario. Similarmente, si para todos en alguna vecindad abierto de un punto
estacionario tenemos
< < 0 > > 0
Entonces es inestable, ya que las trayectorias que comienzan cerca del estado
estacionario tienden a alejarse de ella, al menos desde un lado. Por lo tanto, s la lnea de fase
corta el eje horizontal desde abajo, el estado estacionario es inestable, como se sugiere en la
figura 9.7 (compare 1 y 2 ).
En resumen, tenemos el siguiente lema.
Lema 3.4. Un estado estacionario de la ecuacin escalar = () es estable s y slo s existe algo >
0 tal que para todo ( ) tenemos
( ) () < 0
Y estable si existe algn > 0 tal que
399
( )() > 0
Para todo en ( , ) o ( , + ).
Usando este resultado, es fcil obtener condiciones suficientes para la estabilidad
asinttica o inestabilidad de un estado estacionario de una ecuacin no lineal en trminos
de la derivada de ( ) a . Observe que para determinar s es estable o no, basta con saber
en qu direccin corta el eje horizontal en el punto. S la lnea de fase corta el eje horizontal
transversalmente, el derivado nos lo dir. Por otra parte, debido a una derivada cero, el estado
estacionario no da ninguna informacin. Tenemos, pues, el siguiente teorema.
Teorema 3.5. Estabilidad local por linealizacin. Suponga que si es , y sea una solucin
estacionaria de la ecuacin (SC), = () con () 0. Entonces es asintticamente estable
s () < 0, e inestable s () > 0.
Demostracin. Comenzamos reescribiendo el sistema original (1), = () en
desviaciones del estado estacionario. Poniendo = , la ecuacin (1) produce (2), =
= ( + ). A continuacin, () ser el error cometido cuando se aproxima ( ) por
su diferencial en , es decir,
() = ( + ) ( ), con () = ( + ) ( )
Y observe que (0) = 0 y (0) = 0 y que ( ) hereda la diferenciacin continua
de ( ). As, podemos escribir (2) en la forma
= ( ) + () (3)
Es decir, como la suma de un sistema lineal y un trmino de perturbacin que, por la
diferenciabilidad de ( ), ser "pequeo" cerca de .
Arreglar algo positivo tal que < | ( )|. Por la diferenciacin continua de ( ),
existe algo > 0 tal que |()| = | ( + ) ( ). | < para todo (0).
Usando la identificacin

() = (0) + () = ()
0 0
Tenemos

|()| = | () | | () | || < | ( )|
0 0
Para todo , con || < . Se deduce de esta expresin y de (3) que para
suficientemente cercana a cero, el signo de (y, por tanto, de ) est determinado por el
trmino lineal ( ) = ( )( ) y no depende de los signos de los trminos de orden
superior en la expansin en serie de Taylor de ( ), que son capturados por el resto ().
Usando el lema 3.2, vemos que (2), y por lo tanto (1), son estables s y slo s ( ) <
0. Observe que ( ) < 0 implica que y (y por lo tanto ) tienen signos opuestos. Por
ejemplo, s es positivo ( est por encima de su valor de estado estacionario), entonces
400
()
()
()
()
Figura 9.8. Estados estabilizados no hiperblicos.

es negativo ( disminuye con el tiempo). Por lo tanto, una derivada estrictamente
negativa implica estabilidad local, y por un argumento similar, una derivada estrictamente
positiva implica que el estado estacionario es inestable.
En conclusin, bajo las suposiciones del teorema, el sistema original y su linealizacin
dan el mismo signo para en algn vecindad de un punto estacionario dado. Por lo tanto,
podemos inferir las propiedades de estabilidad local del sistema original de las de su
aproximacin lineal.

Se dice que un estado estacionario es hiperblico s ( ) 0, y no hiperblico
( )
s = 0. El teorema dice que la linealizacin (es decir, la aproximacin de un sistema
no lineal dado por su derivada en un estado estacionario) funciona bien alrededor de los
equilibrios hiperblicos. La figura 9.8 muestra por qu se necesita hiperbolicidad: una
401
derivada cero no da ninguna informacin sobre la forma en que la lnea de fase cruza el eje
horizontal y, por lo tanto, no hay informacin sobre la estabilidad.
(c) Nota sobre la dinmica comparativa
Consideremos un sistema dinmico parametrizado
= (, ) (SC ())
Donde ( ) es una funcin 1. Como bien se muestra en la Seccin 6, una solucin
(, ) de este sistema es una funcin diferenciable de y . En esta seccin se mostrar
cmo calcular la derivada parcial de la funcin de solucin (, ) con respecto al
parmetro .
El procedimiento es similar al que seguimos en el captulo 5 para analizar la esttica
comparativa de las soluciones a sistemas parametrizados de ecuaciones estticas. Observe
que la funcin de solucin (, ) satisface idnticamente el sistema original, es decir,
(, ) (, ), (1)
Debido a que se trata de una identificacin, podemos diferenciar ambos lados de (1)
con respecto al vector de parmetro , obteniendo
(,)
(, ), + (, ), (2)

Suponiendo adems que el orden de diferenciacin puede ser invertido en la

expresin en el lado izquierdo de (2), de modo que
(, ) 2 (, ) 2 (, )
=

La ecuacin (2) produce la ecuacin diferencial
= ( ) + ( ) (3)
Donde ( ) y ( ) se evalan a lo largo de la trayectoria de la solucin, (, ). Por
lo tanto, la derivada de inters, satisface una ecuacin diferencial lineal. La solucin de
esta ecuacin nos dar la trayectoria de (), es decir, la derivada de con respecto al
parmetro en cada punto de la trayectoria de la solucin.
En general, es difcil de resolver (3) a lo largo de una trayectoria de solucin arbitraria,
pero hay un caso especial que puede ser fcilmente manejable. Este es el caso en que estamos
inicialmente en un estado estacionario, ya que entonces (3) se evala a lo largo de una
trayectoria constante y por lo tanto es una ecuacin lineal autnoma. En este caso, la solucin
general de (3) es de la forma
() = () + [ (0) ()] = (0) + ()(1 ) (4)

Donde es una constante y () es la solucin de
( )
= 0 = () = =
( )
Obsrvese que () es tambin la derivada parcial estadstica comparativa de a
travs de estados estacionarios y por lo tanto puede interpretarse como el efecto a largo plazo
del cambio de parmetro cuando el sistema converge a un nuevo estado estacionario. Por lo
402
tanto, la ecuacin (4) nos dice que el impacto del cambio de parmetro en el tiempo puede
ser escrito como un promedio ponderado de su efecto inmediato o de impacto, (0), y su
efecto a largo plazo, ().
Queda por determinar la condicin inicial apropiada para la ecuacin (4), y esto
normalmente requiere pensar en la economa del problema. Por ejemplo, s es una variable
predeterminada, el efecto de impacto ser cero. S es una variable libre, sin embargo, en
algunos casos podemos saltar directamente al nuevo estado estacionario, es decir, (0) =
(). (El lector debe referirse al captulo 11 para una discusin de algunas de estas
cuestiones en el contexto de un modelo especfico).
(4) Ecuaciones de diferencia autnoma

Ahora pasamos al sistema calar en tiempo discreto (SD), +1 = ( ) donde
es una funcin 1 . La discusin es similar a la de la seccin anterior. Primero
mostraremos cmo se puede obtener la solucin en el caso lineal. A continuacin, se
discutirn dos mtodos, uno de ellos grfico y el otro analtico, que puede utilizarse para
obtener informacin sobre las propiedades cualitativas de la solucin de ecuaciones no
lineales.
(a) Ecuacin lineal con coeficientes constantes

La ecuacin homognea
+1 = (DH)
Donde , , puede ser resuelto por iteracin. Debido a que (DH) se mantiene
para todos los perodos, tenemos
= 1 1 = 2
Y as. Comenzando en el tiempo , y sustituyendo recursivamente, tenemos
= 1 = (2 ) = 2 2 = 2 (3 ) = 3 3 = = 0
Debido a que el valor inicial de la variable de estado, 0 permanece indeterminado
en ausencia de una condicin de frontera, lo que esta expresin dice es que toda solucin de
(DH) debe ser funcin de la forma = , donde , es una constante arbitraria. Adems,
es fcil ver que cualquier funcin de la forma = (donde es un entero) satisface
(DH):
= = (1 ) = 1
As, hemos identificado la solucin general de la ecuacin homognea (DH), que
escribimos
() =
Como en el caso del tiempo continuo, la solucin general de la ecuacin no
homognea,
403
+1 = + (ND)
Se obtiene fcilmente mediante un cambio de variable que reduce (ND) a una
ecuacin homognea en desviaciones respecto al estado estacionario , = (1 ).
Sustrayendo de ambos lados de (ND),

+1 = + = + +1 = ( )
1 1
Pensando en como una sola variable, ahora tenemos una ecuacin
homognea cuya solucin est dada por
=
Reordenando los trminos, la solucin general de la ecuacin no homognea puede
escribirse

() = + = + () (SG)
Donde () = (la llamada funcin complementaria) es la solucin general de
la ecuacin homognea +1 = .
Evaluando (SG), en el tiempo cero, podemos resolver para en funcin del valor
inicial de la variable de estado.
0 = + 0 = 0
Sustituyendo su expresin en (SG), obtenemos una forma alternativa de la solucin general:

( 0 ) = + (0 ) (GS)
Esta expresin dice que la desviacin de de su valor de estado estacionario en el
tiempo depende de la desviacin inicial, el tiempo transcurrido desde que el sistema estaba
en movimiento y el valor de . S , comienza en el estado estacionario 0 = , el trmino
(0 ) es siempre cero, y el sistema permanece en el punto de descanso para siempre.
Si, por otro lado,0 entonces el sistema no est inicialmente en reposo. Lo que
suceda entonces depender del absoluto de . S || < 1, el trmino (0 ) se aproxima
a cero: la desviacin inicial disminuye con el tiempo, y el sistema regresa gradualmente a su
estado estacionario, que es por lo tanto asintticamente estable. S || > 1, tenemos
|(0 ) | como , y el estado estacionario es inestable. Por lo tanto, la
estabilidad del estado estacionario nico del sistema depende del valor absoluto del
coeficiente .
Finalmente, el signo de determina s la trayectoria del sistema es monotnica o
oscilatoria. S > 0, el trmino tiene el mismo signo para todos , y el sistema converge
o diverge monotnicamente. S < 0, por otro lado, es positivo o negativo como es
par o impar, y el sistema salta de un lado de al otro cada perodo. Resumimos en el siguiente
teorema.
Teorema 4.1. La ecuacin lineal de primer orden (ND), +1 = + ( 1) tiene un
nico estado estacionario = (1 ) que es asintticamente estable s || < 1, e inestable s || >

1. La solucin general de (N) es de la forma () = + , donde es una constante arbitraria que
se define por eleccin o una condicin lmite apropiada.
404
Solucin de Ecuaciones Lineales No Autnomas
(b) Ecuaciones no lineales

Consideremos ahora el caso de la ecuacin no lineal
+1 = ( ) (SD)
Dnde : . La primera parte de esta seccin trata de la construccin del
diagrama de fases de (SD), y la segunda introduce el mtodo de linealizacin.
(i) Diagramas de Fase
Para analizar el comportamiento de las ecuaciones de las diferencias en una sola
variable podemos utilizar un procedimiento grfico muy similar al que discutimos en la
seccin anterior para el caso de las ecuaciones diferenciales. Para construir el diagrama de
fases del sistema de tiempo discreto (SD), trazamos la funcin ( ) en el plano ( , +1 )
junto con una lnea de 45 que pasa por el origen. La lnea de fase (la grfica de ( )) ahora
da el valor del siguiente perodo de 45 en funcin de su valor actual, y la lnea de 45 puede
usarse para proyectar el valor de de un eje a otro. Combinando las dos lneas, es fcil
reconstruir la trayectoria del tiempo de . Dado un valor inicial 0 , utilizamos la grfica de
( ) para obtener el valor de en el tiempo 1 (+1 = 1 = (0 )).
Usando la lnea de 45, luego proyectamos 1 al eje horizontal, usamos ( ) de nuevo
para encontrar el siguiente valor de , Y as sucesivamente, como se ilustra en la figura 9.9.
Los estados estacionarios del sistema ahora corresponden a las intersecciones de la
lnea de fase y la lnea de 45. En cualquier punto tenemos +1 = (1 ) = , lo que
implica que permanece constante en el tiempo ( = +1 = 0). Para determinar la
X1+
X1
gl(X1)
X
1
X 0 1 2 3
X2 X1 X2
Figura 9.9. Diagrama de fases para un sistema de tiempo discreto.

Direccin de las flechas de movimiento, observemos que en aquellas regiones en las
que la lnea de fase est por encima de la lnea de 45 tenemos
+1 = ( ) > ( = +1 = ( ) > 0)
Por lo tanto, aumenta con el tiempo, y las flechas de movimiento a lo largo del eje
horizontal apuntan a la derecha. Cuando la lnea de fase debajo de la lnea de 45 , por otro
lado, tenemos +1 = ( ) < , as que disminuye con el tiempo, y las flechas de
movimiento apuntan a la izquierda.
405
El procedimiento es muy similar al que usamos en el caso de la ecuacin diferencial,

pero hay algunas diferencias entre los dos tipos de sistemas. En particular, de hecho que la
variable se mueve ahora en saltos discretos hace necesario ser un poco cuidadoso cuando
se trata de analizar la estabilidad del estado estacionario y permite la aparicin de algunos
fenmenos, tales como patrones de comportamiento cclicos, que no pueden surgir En el
caso de la ecuacin diferencial en una sola variable.
La nocin de estabilidad del estado estacionario es la misma que para los sistemas de
tiempo continuo. Un estado estacionario de (SD) es estable si cualquier trayectoria de
solucin que comienza suficientemente cerca de converge a este punto, e inestable si
existen trayectorias que comienzan arbitrariamente cerca de y eventualmente se alejan de
ella. El nico problema es que en el caso de un sistema de tiempo discreto, no siempre es
posible determinar si un estado estacionario dado es estable o no, verificando la direccin de
las flechas de movimiento en un vecindad de este punto. En particular, cuando la lnea de
fase est inclinada hacia abajo durante algn intervalo, puede "saltar" de un lado del estado
estacionario a otro, y es posible que un estado estacionario sea inestable incluso a travs de
todas las flechas o punto de movimiento hacia esto.
Este problema no surge cuando la lnea de fase est siempre inclinada hacia arriba.
Para ver esto, supongamos que ( ) es diferenciable. Por el teorema del valor medio,
podemos escribir
(+1 ) = ( ) = ( 0 )(+1 )
Donde 0 es un punto que descansa en el segmento de lnea que une y +1.
Restando +1 de los lados de esta expresin, y recordando que +1 = ( ), tenemos
(+1 ) +1 = ( ) + ( 0 )(+1 ) +1 = ( 0 )[( ) ]
Si ( ) siempre est aumentando, tenemos ( 0 ) > 0 para cualquier , y se deduce
que los trminos [(+1 ) +1 ] y [( ) ] deben tener el mismo signo. Es decir,
( ) > implica (+1 ) > + , y ( ) < implica (+1 ) < + . Por lo tanto, si
la lnea de fase est por encima de la lnea de 45 en el tiempo , tambin estar sobre ella a
+ 1. Esto implica que las trayectorias de no pueden "cruzar" un estado estacionario. Por
lo tanto, los problemas mencionados anteriormente no pueden surgir cuando ( ) es siempre
creciente.
En conclusin, cuando la funcin ( ) est aumentando, podemos determinar la
estabilidad de los estados estables, comprobando las direcciones de las flechas de
movimiento, como en el caso de un sistema de tiempo continuo. Cuando esto no es el caso,
tenemos que ser ms cuidadosos. Como en la ilustracin, la Figura 9.10 muestra las diferentes
situaciones que pueden surgir en el caso de una ecuacin lineal de la forma +1 = 1 +
(ii) Linealizacin
Dada la ecuacin no lineal
+1 = ( ) (SD)
Donde es una funcin 1, podemos usar la frmula de Tayor para construir una
aproximacin lineal a (SD) en algn vecindad de un punto fijo :
+1 ( ) + ( )( ) (L)
406
Intuitivamente, puede esperarse que la ecuacin lineal (), llamada la linealizacin de

(SD), sea una "buena aproximacin" a la ecuacin no lineal (SD) siempre que este cerca
de . Como veremos ms adelante, esto es cierto en la mayora de los casos. Como resultado,
el mtodo de linealizacin nos permite obtener informacin sobre el funcionamiento local
de un sistema no lineal estudiando la aproximacin lineal dada por su derivada en el estado
estacionario.
El siguiente resultado dice. En particular, que siempre |( )| 1, el sistema no
lineal (SD) es (localmente) estable s y slo s su linealizacin es estable.
Teorema 4.2. Estabilidad local por linealizacin, sea una funcin 1. Un punto fijo de la
ecuacin (SD),+1 = ( ) es asintticamente estable s |( )| < 1, e inestable s |( )| > 1.
Xt+1 45
Xt
X2
g (xt)
X
0 1 2 4
xt
Caso 1: (0,1), Convergencia montona a un punto fijo estable
Xt+1
X 45
Xt
X
g (Xt)
xt)
0 1 2 3
X
Caso 2: (1,0), convergencia oscilatoria a un punto fijo estable
407
g (xt )
Xt+1
X
450
0 1 2 3
Caso 3: > 1, punto fijo inestable, divergencia montona
+1 45
( )
0 1 2 3 4 t
Caso 4: < 1, punto fijo inestable, divergencia oscilatoria

+1

45
( )
0 1 2 3 4 t
Caso 5: = 1, las rbitas son ciclos de dos periodos
Figura 9.10. Diagramas de fase y trayectorias de para la ecuacin lineal
Demostracin. Podemos asumir, sin prdida de generalidad, que el punto fijo est en el
origen, es decir (0) = 0. (De lo contrario, simplemente traducimos el origen al
408
punto ( , ( )) mediante un cambio de coordenadas apropiado). Para cualquier > 0 dado,

definimos y por
min{|()|; || } y max{|()|; || }
Para provar cada parte del teorema Haremos uso de la siguiente identidad:

() = (0) + 0 () = 0 () (1)
(i) Condicin para la estabilidad local. Asumir que |(0)| < 1. Por la continuidad
de ( ), podemos encontrar un > 0 tal que < 1. Arreglar tal , y sea un
punto arbitrario en (0). Entonces nosotros tenemos |(0)| < < 1.
Utilizaremos este hecho para demostrar que la rbita positiva a travs de
converge al estado estacionario = 0 (es decir, que () 0 as ).
Utilizando el identificador (1), tenemos

|()| = |0 ()| 0 |() | || < || (2)
(Porque || ). Por lo tanto () tambin est en (0). A continuacin,

considere la segunda iteracin de , 2 () = [()]. Por la regla de la cadena,
tenemos
2 ()
= [()] () = 2

Donde la desigualdad se deriva del hecho de que tanto como () estn en
(0).
Por el mismo argumento, vemos que

2
2 ()
[ ()] = [ ] 2 ||
0
Y as sucesivamente, cediendo
| ()| 2 ||
Finalmente, porque < 1, 2 0 como . Se deduce que para cada

(0), () 0 como . Es decir, el punto fijo = 0 es
asintticamente estable cuando |(0)| < 1.
(ii) Condicin para la inestabilidad local, dado cualquier > 1 y cualquier en

(0), observe que

|()| = | ()| ||
0
Asumiendo que |(0)| > 1. Entonces podemos elegir > 0 un pequeo
arbitrario de tal manera que > 1 + , donde > 0. Fijar algn > 0 con
esta propiedad, y sea cualquier punto de (0), con 0 (es decir, cualquier
punto diferente del estado estable). Para demostrar que la rbita positiva a travs
de debe eventualmente dejar (0), procederemos por contradiccin.
Supongamos que () (0) para todos entonces tenemos
2 ()
= [()] () 2

Y
409

2 ()
[2 ()] = [ ] 2 || > (1 + )2 ||
0
Por el mismo argumento, obtenemos
| ()| || > (1 + ) ||
Siempre que 1 () (0). Debido a que (1 + ) || como

(donde 0), y es un nmero fijo, llegamos a una contradiccin, porque s
() , entonces no puede permanecer dentro de (0) por todo el
tiempo. Por lo tanto, el origen es un punto fijo inestable, ya que la rbita a travs
de un punto arbitrariamente cerca de el debe eventualmente dejar (0),
aunque podra permanecer dentro de una esfra ms grande.

Observe que el teorema no dice nada acerca de la estabilidad o inestabilidad de
aquellos puntos fijos en los que la derivada ( ) es igual a 1 en valor absoluto.
Dichos estados estables se dice que no son hiperblicos, y todos los dems son
hiperblicos. Como en el caso de las ecuaciones diferenciales, la derivada no nos
da suficiente informacin para determinar si un equilibrio no hiperblico es
estable o no. La figura 9.11 ilustra el punto: ambos sistemas tienen la derivada 1
en el estado estable, pero cada uno de ellos es estable desde un lado diferente e
inestable desde el otro.
Problema 4.3. Dinmica comparativa para sistemas discretos. Sea (, ) la funcin
de solucin del sistema discreto parametrizado (SD ()),+1 = ( ) donde ( ) es una
funcin 1 . Procediendo como en la seccin 3(c), muestre que la derivada parcial de la
solucin funciona con respecto al parmetro.
(, )
(, ) =

Resuelve una ecuacin de diferencia lineal. Escriba la solucin de esta ecuacin para
el caso especial donde (, ) es una solucin en estado estable de ( ()).
Xt+1 45 Xt+1 45
gl(X1)
gl(X1)

Figura 9.11. Estados estabilizados no hiperblicos de un sistema discreto.
410
5. Solucin de ecuaciones lineales no autnomas
Queremos calcular la solucin de la ecuacin lineal no-autnoma de primer orden

() = ()() + () (1)
Donde el coeficiente y son funciones continuas del tiempo.
Reescribir (1) en el formulario
() ()() = () (2)
Y considera la funcin

() , con () = 0 () (3)
Donde
()
= () () (4)

Multiplicando ambos lados de (2) por () ,

() [ () ()()] = () () (5)
Observe que hemos definido () de tal manera que el lado izquierdo de (5) es la
derivada del producto () (), para
()
() = () () ()() ()

Por lo tanto, podemos escribir (5) en la forma

() () = () () (6)

Utilizaremos esta expresin para derivar dos formas (equivalentes) de la solucin

general de la ecuacin (1). Para derivar la primera forma, integramos ambos lados de (6)
"hacia atrs" entre cero y , obteniendo

0 ( () ()) = 0 (() () ) () ()|0 = 0 (() () ) (7)

() () 1(0) = (() () )
0

()
() = (0) (() () )
0
411
Esta expresin, a veces llamada la solucin hacia atrs de la ecuacin (1), da el valor
de () en trminos de su valor inicial (0) y una suma ponderada de los valores pasados
del trmino forzante (). Esta forma de la solucin es particularmente conveniente cuando
el sistema tiene una condicin inicial natural, es decir, cuando (0) es una constante
predeterminada. De lo contrario la segunda forma de la solucin general (la denominada
solucin directa) puede ser ms til.
Para derivar la solucin hacia adelante, integramos ambos lados de (6) hacia adelante
entres infinito,

()
( ) = (() () )

Obteniendo

lim () () () () = (() () )

O

() = () lim () () (() () ) (8)

Siempre que exista el lmite requerido.

Definir la solucin fundamental de (1), denotada por (), por

() = (() ()() ) (9)
Y suponer que esta integral converge para todos . Usando la solucin hacia atrs (7),
y tomando lmites como , tenemos

lim () () = (0) + lim (() () ) = (0) + (() () )

= (0) (0) (10)

Por lo tanto, este lmite existe por la suposicin de que ( ) converge, y sustituyendo
(9) y (10) en (8) podemos escribir la solucin directa en la forma
(0) = [(0) (0)] () + () (11)
A veces nos referimos al primer trmino en el lado derecho de (11) como el trmino
burbuja de la solucin directa de (1).
El siguiente problema pide al lector que resuelva la solucin de un sistema de tiempo
discreto.
Problema 5.1. Considere la ecuacin de diferencia de primer orden
= 1 + 1 (1)
Integrando (1) hacia atrs y hacia delante, derivar los anlogos de tiempo discreto de
las ecuaciones (7) y (11).
412
Soluciones de Sistemas de Tiempo Continuo
6. Soluciones de Sistemas de Tiempo Continuo

En la seccin 1()establecimos un teorema sobre la existencia, singularidad y otras
propiedades de las soluciones de sistemas de tiempo continuo. En esta seccin probaremos
el resultado. Como el lector pronto descubrir, las cosas son considerablemente ms
complicadas que el caso de tiempo discreto.
Sea ( ) una funcin que traza algn subconjunto = ++1 en .
Investigaremos la existencia, la unicidad y otras propiedades de la solucin al problema de
valores lmites continuos.
.
= (, , ), (0 ) = 0 (( 0 , 0 , ))
Comenzaremos en la seccin (a) estableciendo la existencia local y la unicidad de la solucin
a (CP) bajo condiciones adecuadas sobre la funcin ( ) y su dominio. La seccin (b)
demostrar que bajo esencialmente los mismos supuestos, solucin nica "global" de (CP)
se puede construir pegando juntos soluciones locales. Finalmente, en la seccin (c) vamos a
investigar la continuidad de flujo (, 0 , 0 , ) en condiciones y parmetros iniciales.
Algunos comentarios tcnicos probablemente estn en orden antes de comenzar. Observe
que bajo nuestras suposiciones, tanto el campo vectorial (, ) como cualquiera de sus
soluciones () son funciones de valor vectorial,
(, ) = ( 1 (, ), . . . , (, )) Y () = (1 (), , ())
Por lo tanto, la integral de ( ) debe entenderse como un vector de la forma

[(), ] = ( [(), ] (1)
0
De manera similar, podramos permitir que ( ) y ( ) sean valorados por matrices, y

entonces la integral en (1) sera interpretada como una matriz en la cual cada entrada sera
una integral ordinaria.
Para facilitar la intuicin y simplificar algo la exposicin, la mayora de las pruebas de esta
seccin se escribirn para el caso especial de un sistema unidimensional con un nico
parmetro (es decir, bajo el supuesto adicional de que y son nmeros reales). En muchas
de estas pruebas usaremos la importante desigualdad

| ()| |()| (2)

Donde ( ) [, ] es una funcin de valor real de una variable. Esta desigualdad se

obtiene tomando el lmite de una desigualdad "discreta" similar para las sumas de Riemann.
Tambin utilizaremos los conceptos de la funcin de Lipschitz y la norma de un operador
lineal, que fueron introducidos en los captulos 2 y 3, respectivamente.
La extensin de las pruebas al caso general de una funcin de valor vectorial es generalmente
sencilla. Para tal extensin a veces es til tener en cuenta que todas las normas en son
equivalentes (ver seccin 10 del captulo 2). Por lo tanto, podemos elegir la norma ms
conveniente, y en muchos casos esto resulta no ser la norma euclidiana, sino la norma ,
definida para cada p
413
1 = | |
=1
Donde | | es el valor absoluto del componente ith de . S () es ahora una funcin de

valor vectorial, tenemos, usando (2) y omitiendo el subndice del smbolo de la norma,

() = | ()| ( | ()|) = (| ()|) = ()

=1
=1 =1
Por lo tanto, la desigualdad (2) ahora ser reemplazada por

() = () (3)
(a) Existencia local y singularidad

En esta seccin y en la siguiente vamos a establecer algunas propiedades de las soluciones de
(CP) para valores de parmetros dados. Por lo tanto, suprimimos el vector de parmetro y
consideramos un problema de valor lmite de la forma
.
= (, ), (0 ) = 0 (( 0 , 0 ))
Donde ( ) es una funcin que asigna un conjunto en +1 a . Haremos varias
suposiciones acerca de las propiedades de ( ) en algn conjunto de la forma = ,
donde es un algn intervalo de la lnea real, pero admite la posibilidad de que ( ) pueda
definirse en un conjunto ms grande donde puede no satisfacer las propiedades requeridas.
Decimos que una funcin diferenciable () definida en algn intervalo que contiene
0 es una solucin de (( 0 , 0 )) en s
(i) (0 ) = 0
(ii) La grfica de () est contenida en , es decir,
{((), +1 ; }
Y
(iii) () = ((), ) para todo .
Donde la derivada en (iii) ser entendido como la derivada unilateral apropiada s es un
punto final de .
Para investigar la existencia de soluciones locales a (( 0 , 0 )), partimos de la observacin
de que el problema de valores lmite dado puede ser transformado en una ecuacin integral
equivalente que resulte ms fcil de realizar. El resultado de la equivalencia se utilizar ms
adelante repetidamente.
Lema 6.1. (, ) Sea continuo en = . La funcin : (donde es un intervalo

que contiene 0 ) es una solucin del problema de valores lmite (( 0 , 0 )) si y slo s es una solucin
continua de la ecuacin integral

() = 0 + [(), ] (( 0 , 0 ))
0
414
La demostracin del lema es muy simple. S ( ) es una solucin de (( 0 , 0 )) definida

en , Entonces satisface
() = [(), ]
Integrando ambos lados de esta expresin de 0 un arbitrario en , obtenemos

[(), ] = () = () (0 )
0 0
Por el teorema fundamental del clculo. Imponiendo la condicin inicial (0 ) = 0 , vemos

que ( ) satisface la ecuacin integral (( 0 , 0 )).
Por otro lado, S ( ) es una solucin continua de (( 0 , 0 )), entonces tambin es

diferenciable, porque la funcin bajo la integral es continua.
Diferenciando ambos lados de (( 0 , 0 )) con respecto a , obtenemos, por regla de
Leibniz. (Vase la pgina 654)
() = [(), ]
Para cualquier en . Adems, poniendo = 0 en (( 0 , 0 )), vemos que (0 ) = 0 .
Por lo tanto, (0 ) es de hecho una solucin del problema de valores lmite (( 0 , 0 )).
Note, incidentalmente, que debido a que ( ) es continua, esta ltima expresin implica que
() es 1 , porque () es la composicin de dos funciones continuas.
Ahora podemos volver a la cuestin de la existencia local y la unicidad de las
soluciones a (( 0 , 0 )). Por el lema 6.1, el problema se reduce al de establecer la
existencia y la unicidad de una solucin continua a la ecuacin integral (( 0 , 0 )).
Exploraremos esta equivalencia para construir una secuencia de aproximaciones cada
vez mejores a la solucin de (( 0 , 0 )) siguiendo el mtodo de Picard de aproximaciones
sucesivas. A continuacin, aplicaremos el teorema de mapeo de construccin para
concluir que esta secuencia converge a una funcin que es la nica solucin del
problema.
Comenzamos con lo que probablemente es una aproximacin muy pobre a ( ): suponemos
que la funcin solucin es constante en su nico valor conocido, es decir,
0 (t) = 0 Para todos en algn subintervalo de que contiene 0 .
A continuacin, insertamos esta funcin en el lado derecho de la ecuacin integral y usamos
el resultado como una segunda aproximacin, y esperemos que sea mejor, a la solucin:

1 () = 0 + [0 (), ] Para cada
0
(Referido a la Figura 9.12) repitiendo este procedimiento, construimos recursivamente una

secuencia de funcin { }, con

+1 () = 0 + t() [ (), ] Para cada
Intuitivamente, cada nuevo trmino de la secuencia { } debera ser una mejor aproximacin
a la solucin de (( 0 , 0 )) que el trmino anterior. Por lo tanto, puede esperarse que la
415
secuencia converja a la solucin exacta durante algn intervalo apropiado . Ahora veremos
que este es realmente el caso.
Teorema 6.2. Existencia local y singularidad de la solucin (Picard). Sea (, ) una funcin continua
definida en el recuadro cerrado
( 0 , 0 ) = 0 0 = {(, ); | 0 , 0 |}
Supongamos que (, ) es Lipschitz en en , es decir, que existe una constante positiva
como tal
(1 , ) (2 , ) 1 2 (1 , ) ( 0 , 0 )
Entonces existe algn nmero de tal manera que el problema del valor lmite
(, ), (0 ) = 0 (( 0 , 0 ))
Tiene una solucin nica (t) definida en el intervalo = [0 , 0 + ], con (t) para
todo .
Observe que el teorema requiere continuidad y una condicin de Lipschitz. S es 1 , es
continuo y localmente Lipschitz (problema 4.7 en el captulo 4), entonces siempre es posible
encontrar una regin suficientemente pequea alrededor de en la cual las
suposiciones del teorema se mantienen.
La demostracin hace uso del hecho de que el espacio () de funciones continuas de valor
real ( ) definidas en un intervalo compacto es un espacio mtrico completo, con la mtrica
definida por () por = {|()|; } .
(s)
] (s)
X 0 (s)
to
Figura 9.12 Aproximaciones sucesivas de la funcin de la solucin.
416
(Observe que debido a que ( ) es continuo y es compacto, ( ) est limitado en . La

integridad de () sigue entonces el teorema 7.12 en el captulo 2.)
Prueba. Como se menciono anteriormente. Probaremos el resultado para el caso escalar. Por
lo tanto, 0 es un intervalo compacto en la lnea real, y las normas pueden ser reemplazadas
por valores absolutos en la condicin de Lipschitz.
Debido a que ( ) es continua en el conjunto = ( 0 , 0 ), est limitada; Es decir, existe
alguna > 0 tal que
|(, )| (, ) (1)
Elija para que

1
0 < < {, , } (2)
Tenemos que verificar que funcionar.

Consideremos el espacio () de funciones de valor real definidas en el intervalo =
[0 , 0 + ] y definido el opeador : () () por

() = 0 + [(, )] Por = [0 , 0 + ] (3)
0
Usando este operador, las sucesivas aproximaciones de Picard son dadas por la secuencia de
funciones { } en () definida para cada por
0 () = 0 y +1 () = () por = 1,2,
Observe que una funcin es una solucin de la ecuacin integral (( 0 , 0 )) en Lema
6.1 s y slo s es un punto fijo de (i.e.es decir, si resuelve = ).
Para establecer la existencia y singularidad de tal funcin, mostraremos que es una
contraccin que traza un espacio completo en s mismo. Dado este resultado, el teorema de
la cartografa de contraccin (teorema 7.16 en el captulo 2) asegura que tiene un nico
punto fijo que es una solucin continua de la ecuacin integra (( 0 , 0 ))y por tanto
del problema de valor inicial (( 0 , 0 )), por el Lemma 6.1. Adems, la secuencia de
aproximaciones converge a , por lo que la inraccin de puede usarse para aproximar la
solucin a cualquier nivel de precisin deseada. Para probar este resultado, nos basamos en
la completitud de () y en el hecho de que un subconjunto cerrado de un espacio mtrico
completo es en s mismo completo (Teorema 7.9 en el captulo 2).
Afirmacin (i): el conjunto de funciones de valor real continuo definido en , con la
propiedad que |() 0 ()| Para todo = [0 , 0 + ], est completo.
Observe que este subconjunto de () corresponde a la bola cerrada [0 ]en ()
equipada con la norma sup. Porque un subconjunto cerrado de un espacio mtrico completo
est completo, [0 ]es completo.

Tenga en cuenta que s () [0 ], entonces tenemos|() 0 | <
= ,
por (2).
417
Por lo tanto,() 0 para todos en , y ((), ) se encuentra dentro del recuadro

( 0 , 0 ) para todo . Esto nos permite aplicar la condicin Lipschitz a ((), )
Afirmacin (ii): traza [0 ] en s mismo.
Es decir, dada cualquier funcin adecuada "cerca de"0 , produce otra funcin que
tampoco est lejos de 0 .Para demostrar que esto es cierto, tenga en cuenta que para cada
en = [0 , 0 + ] tenemos, usando la limitacin de ( ) ,

|() 0 () | = | 0 + [(), ] + 0 |
0

=| [(), ]| | |[(), ]| |
0 0
Por lo tanto , es un lmite superior de |() 0 () |en , lo que implica que

() 0 () = {|() 0 ()|; }
Es decir, [0 ].
Afirmacin (iii): es una contraccin en (), es decir, para todo
1 , 2 (), 1 2 < |1 , 2 |
Dadas las dos funciones 1 ( )y 2 ( ) en (), tenemos, para cualquier dado en
= [0 , 0 + ]

Por la condicin
|1 2 | = | ([1 (), ] [2 (), ]) |
0 de Lipschitz

|[1 (), ] [2 (), ]|
0

|1 () 2 ()|
0

|1 () 2 ()| = 1 2
0
0
= | 0 |1 2 < 1 2
Porque con en [0 , 0 + ] tenemos | 0 | y, por (2), < 1. Ahora, esta
desigualdad es vlida para todo en el intervalo de inters, por lo que 1 2 es un lmite
superior de |1 () 2 ()| para cualquier en , y se deduce que el supnimo sobre
no puede exceder1 2 , lo que implica |1 () 2 ()| < 1 2 .
Por lo tanto, es una contraccin de un espacio completo de funcin continua a s mismo.
Por el teorema de trazo de contraccin, tiene un punto fijo nico en [] que
llamaremos . Esta funcin es continua y resuelve = , la ecuacin integral a partir de
la cual empezamos, y por lo tanto el problema de valor inicial (( 0 , 0 )). Porque
[0 ], adems (), est contenido en 0 como se establece en (i).
418
El ejemplo 6.3 y el problema 6.4 mostrarn que la solucin puede no ser nica cuando f ( )
no es una funcin de Lipschitz.
Ejemplo 6.3. Considere el problema de valor inicial
. 2
= () = 3 3
Vamos a resolver la ecuacin diferencial por el mtodo de separacin de las variables y luego
imponer la condicin inicial. Obsrvese que (haciendo uso incorrecto pero conveniente de
. 2
la notacin) podemos reescribir la ecuacin = 3 3 en la forma
2
= 3 3

Y, reordenando los trminos,
2
3
=
3
Integrando ambos lados de la expresin precedente, tenemos
2
3 1
= = + = 3
3
Donde es una constante arbitraria de integracin. Por lo tanto, la funcin de la forma
() = ( + )3
Son soluciones de la ecuacin diferencial dada (como se puede comprobar fcilmente
diferenciando (s)). Para seleccionar el miembro de esta familia que resuelve (P), imponemos
la condicin inicial (0) = 0. Cuando = 0 y = 0, tenemos
0 = ( + 0)3 = 0
Al sustituir esta expresin en (S), una solucin del problema de valor inicial (P) es la funcin:
() = 3
Observe, sin embargo, que la funcin () = 0 para todo es tambin una solucin del
problema de valor inicial, para (0) = 0 y () satisface la ecuacin diferencial, como
2
0= = 3()3 = 0

2
2
Observe que la funcin () = 3 3 no es diferenciable a cero, porque () = 1
3
0.
2
Problema 6.4. Muestran que la funcin () = 3 3 no es Lipschitz en ninguna vecindad de
cero.
Problema 6.5. Dependencia contina de las condiciones y parmetros iniciales. Sea (, , )
una funcin continua definida en el conjunto = , donde , y = [, ]
son intervalos cerrados en la lnea real. Supongamos adems que ( ) es Lipschitz en (, )
en B, es decir, que existe alguna constante positiva tal que
419
|(, , ) (, , )| (, ) (, )(, , ) (, , )
Muestra lo siguiente:
1. Para cada ( 0 , ) en el interior de el problema de valor inicial
.
= (, , ) , (0) = 0 (( 0 , 0, ))
Tiene una nica solucin definida en un intervalo cerrado ( 0 ) con cero.
2. La funcin ( 0 , ) que da la solucin en funcin de condiciones y parmetros
iniciales es continua. Sugerencia: Restryase a una regin suficientemente pequea
alrededor de ( 0 , ), y use el teorema 7.18 en el captulo 2.
(b) Soluciones Mximas

Supongamos que (, ) es contnuo y localmente Lipschitz en alguna regin abierta =
en +1 que contiene ( 0 , 0 ), y considere el problema de valor inicial
.
= (, ), (0) = 0 (( 0 , 0 ))
Por el teorema 6.2 sabemos que (( 0 , 0)) tiene una nica solucin definida en algn
(posiblemente pequeo) intervalo cerrado tiende a cero, 0 [ ( 0 ) , ( 0 )]. En esta
seccin mostraremos que esta solucin puede extenderse de forma nica en D hasta algn
intervalo mximo de existencia [ 0 , ], e investigaremos los puntos finales de su intervalo
de definicin. La solucin global se construir juntando las soluciones locales de los
problemas de lmites apropiados. Utilizaremos la singularidad de las soluciones locales para
establecer la singularidad de
La solucin global y mostrar que este proceso de "recopilacin" puede continuar hasta que
el grfico de la solucin global se acerca al lmite del conjunto D.
Durante la mayor parte del resto de esta seccin haremos la siguiente suposicin.
Suposicin 6.6. La funcin (, ) es continua y localmente Lipschitz en en alguna regin
= en +1, donde es un conjunto abierto en , e es un Intervalo abierto en
la lnea real.
Observe que s ( ) es 1 en D, entonces esta suposicin se cumple. Por lo tanto, todos
nuestros resultados se extienden automticamente al caso donde es 1 .
El primer paso ser establecer que cualquiera de las dos soluciones del problema de valor
lmite (( 0 , 0 )) coincida en la interseccin de sus dominios.
La figura 9.13 ilustra la intuicin detrs de este resultado: s dos soluciones de (( 0 , 0 )),
digamos () y (), "se separan" en algn punto (1 , 1 ), entonces la unicidad de las
soluciones de ((1 , 1 )) es violada.
Lema 6.7. Suponga que (, ) satisface la suposicin 6.6 en la regin abierta =
en +1 , y considere el problema de valor inicial
.
= (, ), (0 ) = 0 , Con ( 0 , 0 ) (( 0 , 0 ))
420
Sea () y () soluciones de (( 0 , 0 )) definidas en los subintervalos y

de , respectivamente, con la propiedad que () para todo y () para
todo . Entonces () y () coinciden en la interseccin de sus dominios que es,
() = () para todo = .
Problema 6.8. demuestra Lemma 6.7. Sugerencia: Por la existencia local y la unicidad,
teorema (teorema 6.2.) Sabemos que () y () coinciden en algn intervalo que contiene
0 . Sea el subintervalo ms grande de sobre el cual coinciden las dos soluciones. Para
mostrar que = , suponga que est estrictamente contenida en , y busca una
contradiccin.
Ahora podemos volver al problema planteado al principio de esta seccin. Suponga
que (, ) es continua y localmente Lipschitz en alguna regin abierta = en +1
que contiene ( 0 , 0 ). Entonces podemos encontrar un recuadro cerrado ( 0 , 0 )
alrededor de ( 0 , 0 ) tal que ( ) est limitada y Lipschitz en ( 0 , 0 ), y sigue por el
teorema local de existencia y singularidad (teorema 6.2) que existe algo 0 = ( 0 ) > 0 tal
que el problema de valor inicial (( 0 , 0 )) tiene un nico 0 () definido en un interval
0 = [0 0 , 0 + 0 ], con la propiedad de que su grfico, (0 , 0 (0 )) , est contenido en
( 0 , 0 ) .
Ahora veremos cmo esta solucin puede extenderse a la derecha. (Un argumento similar
dar lugar a la continuacin de la solucin a la izquierda.) Sean 1 = 0 + 0 y 1 = 0 (1 ),
y considerer el problema de valor inicial
.
= (, ), (1 ) = 1 ((1 , 1 ))
(t) x(f)
x
X3
X3
to t1 t
Figura. 9.13. Singularidad local implica singularidad global

Debido a que (1 , 1 ) = ( 0 (1 ), 1 ) y D estn abiertas, las condiciones del teorema
local de existencia y unicidad se satisfacen de nuevo en un recuadro adecuado alrededor de
(1 , 1 ), y sigue existiendo algo positivo 1tal que ((1 , 1 ))tiene una solucin nica
1 () definida en el intervalo 1 = [1 1 , 1 + 1 ].
Ahora porque () es tambin una solucin de ((1 , 1 ), sigue por el lema 6.7 que
0 () = 1 ()para 0 1 . Definido ahora la funcin () en 0 1 para
421
0 () 0
() = { 1
() 1 ~0
Observe que ()es una funcin continua, porque 0 () y 1 () son continuas, y coinciden
en su interseccin. Adems, ()es una solucin de (( 0 , 0 ) porque satisface la ecuacin
integral (( 0 , 0 ))en el Lema 6.1. Este es ciertamente el caso en 0 = [0, 1 ], pero tambin
en 1 ~0 = (1 , 1 + 1 ), porque para cualquier en este intervalo tenemos

1 () 1 1 (),
() = = + ( ) = 0 (1 ) + (1 (), )
0 1
1
0 0 (),
= + ( ) + (1 (), )
0 1
1
0 0
= + ((), ) + ((), ) = + ((), )
0 1 0
Donde hemos hecho uso del hecho que () es una solucin de (( 0 , ))en 0 y
0
1 ()es una solucin de ((1 , 1 ))en 1 . Por lo tanto, hemos extendido la solucin a
(( 0 , 0 ))ms all de su dominio original 0 . La extensin es tambin nica en el conjunto
0 1 , porque lema 6.7 implica que cualquier otra solucin
Definido sobre cualquier subconjunto de 0 1 debe coincidir con ()sobre la
interseccin de sus dominios.
Obsrvese que debido a que el punto final derecho del grfico de la solucin extendida
(1 (1 + 1 ), 1 + 1 )se encuentra todava en el conjunto abierto D, el proceso de
continuacin puede repetirse de manera similar partiendo de este punto. De hecho, debido
a que la solucin extendida obtenida de esta manera nunca sale del conjunto abierto D, el
proceso de continuacin puede repetirse un nmero infinito de veces. Por lo tanto, la
solucin mxima ( ) obtenida como lmite de este proceso se definir en la unin de un
nmero infinito de intervalos parcialmente cerrados sobrepuestamente construidos como
se ha ilustrado anteriormente. El conjunto resultante
( 0 , 0 ) = 0
Se denomina el intervalo mximo de existencia de la solucin de (( 0 , 0 )en D, porque es
el mayor intervalo de definicin de una solucin de(( 0 , 0 ) cuya grfica est contenida
en D. Obsrvese que la unin infinita de intervalos cerrados parcialmente sobrepuestos ser
un intervalo, Pero no necesariamente uno cerrado. De hecho, ( 0 , 0 ) debe ser un
intervalo abierto, porque s ( 0 , 0 ) = [, ], entonces ((), )se encuentra en el
conjunto abierto D, y sigue por un argumento ya familiar que la solucin ( ) se puede
extender dentro de D a un intervalo mayor [, + ], contradiciendo as el hecho que [a,b]
es el intervalo mximo de existencia.
Resumimos la discusin anterior en el siguiente teorema.
Teorema 6.9. Deje (, ) satisfacer la suposicin 6.6 (continuidad y existencia de una constante local de
Lipschitz) en la regin abierta = en +1 que contiene ( 0 , 0 ). Entonces el problema de valor
lmite (( 0 , 0 )) tiene una solucin mxima nica () en definida en el intervalo mximo abierto
( 0 , 0 ) = (, ) . Es decir, s () es una solucin de (( 0 , 0 )) en D definida en algn
intervalo , entonces ( 0 , 0 ) y () = () para todo .
422
Ahora vamos a investigar el comportamiento de las soluciones a medida que se acercan a los
puntos finales de sus intervalos de definicin. El siguiente ejemplo muestra que el intervalo
mximo de existencia depende, en general, de las condiciones iniciales del problema y no
necesita ser toda la lnea real, incluso cuando ( ) funciona bien en el conjunto de +1.
Ejemplo 6.10. Considere el problema de valor inicial
.
= 2, (0) = 0 (P)
Como en el ejemplo 6.3, resolveremos la ecuacin diferencial por el mtodo de separacin
de las variables e impondremos entonces las condiciones iniciales. Reordenando trminos en
la ecuacin = 2 , y tenemos
= 2
Integrando ambos lados de esta expresin,
= 2 1 = +
Donde es una constante arbitraria de integracin. Por lo tanto, las soluciones de la ecuacin
son de la forma
1
() =
+
Para seleccionar el miembro de esta familia que resuelve (P), imponemos la condicin inicial
(0) = 0 . Cuando = 0 y = 0 , tenemos
1
0 = = 1 0
+0
Substituyendo esta condicin en (S), la solucin del problema de valor inicial viene dada por
la funcin
1
() =
(1 0 )
Nota que () como 1 0 . Por lo tanto, la solucin a () se define en
(, 1 0 ).
El ejemplo tambin ilustra cmo las soluciones a (( 0 , 0 ) pueden fallar para existir
finito. Cuando las condiciones de la existencia local y el teorema de la unicidad se satisfacen,
una solucin () no puede misteriosamente "evaporarse". Puede, sin embargo, "explotar"
en tiempo finito. S el conjunto en el que ( ) funciona bien no es el conjunto de +1,
la solucin tambin puede parar de existir dejando este conjunto. Los siguientes teoremas
dan algunos resultados ms precisos sobre el comportamiento limitante de las soluciones
mximas de (( 0 , 0 ).
Teorema 6.11. Supongamos que (, ) est limitado en alguna regin = en +1, y considere
el problema de valor inicial
.
= (, ), (0 ) = 0 con ( 0 , 0 ) (( 0 , 0 ))
Sea () una solucin de (( 0 , 0 )) definida en un intervalo finito (, ) contiene 0 con la

propiedad que () para todos (, ). Entonces los lmites
423
(()) y (())
+
Existen.
Demostracin. Sea 1 y 2 dos puntos arbitrarios en (, ) con 1 < 2 . Por el teorema 6.1,
tenemos

() = 0 + 1 ( (), ) y (2 ) = 2 ( (), )
0 1
Por lo tanto,

(1 ) (2 ) = 2 ( (), ) (1)
1
Debido a que ((), ) para todos [1 , 2 ] y ( ) est limitado en , hay alguna

constante positiva tal que |((), )| . Por lo tanto, (1) implica que
|(1 ) (2 )| |2 1 | (2)
Ahora, como 1 , 2 de abajo, tenemos |2 1 | 0, lo que implica que
|(1 ) (2 )| 0. Esto, a su vez, implica, por la integridad de (o en el caso
general), que () converge a algn lmite como . Un argumento similar demuestra
que () tiene un lmite como + .
Usando este resultado, mostraremos ahora que si una solucin no est definida en todo el
intervalo , entonces deja cualquier subconjunto compacto de . Esto implica que cuando
se aproxima al punto final derecho del intervalo mximo de definicin, la solucin una u otra
tiende a la frontera del dominio o "explota" hasta el infinito, o ambos. S es toda la lnea
real, y = , entonces el teorema dice que si el punto final derecho del intervalo mximo
de definicin es finito (es decir, s < ), entonces () viene al infinito en tiempo finito.
(Observe que si el sistema es autnomo, entonces podemos suponer que es toda la lnea
real definiendo (, ) = () para todo .)
Teorema 6.12. Sea (, ) cumplir la suposicin 6.6 en la regin abierta = en +1 que
contiene ( 0 , 0 ). Sea () la solucin mxima de (( 0 , 0 )), definida en el intervalo mximo
( 0 , 0 ) = (, ). Asumir que . Entonces, dado cualquier conjunto compacto ,
existe algo (0 , ) tal que () . Del mismo modo, s , entonces () para
algunos (, 0 ).
Demostracin. Por contradiccin. Sea ser compacto, y asuma que () para
todo en (, ). Debido a que es continua en el conjunto compacto [0, ], est
limitada en este conjunto. Con el teorema 6.11, () tiene un lmite como . Deja
1 = lim(())

Sea ste lmite, y defina la funcin () en (, ] por

() (, )
() = {
1 =
El () es continuo en (, ] (de la izquierda en ) y resuelve (( 0 , 0 )) en este intervalo
(por el Lema 2.1), porque () = () resuelve (( 0 , 0 )) en = (, ) y
424

() = lim(()) = 0 + lim ( (), )
0

0 0
= + ( (), ) = + ( (), )
0 0
Obsrvese tambin que, debido a que es compacto, con () continuo y ()

para todo t en (a, b), entonces 1 = () (es un punto de cierre de y por tanto) tambin
est en . Por lo tanto, ((), ) , y se sigue que () es una solucin de
(( 0 , 0 )) en D definida en (, ]. Esto contradice el hecho de que (, ) es el intervalo
mximo de existencia de la solucin de (( 0 , 0 )) en .
Corolario 6.13. Bajo las hiptesis del teorema 6.12. S y lim(()) existe,

entonces
1 = lim(())

Demostracin. Supongamos que . Sea () la extensin (continua) de ()

al intervalo (, ] definido en la demostracin del teorema 6.12. Entonces el conjunto
= [0, ] = { ; = () [0, ]}
Es compacto, porque es la imagen continua de un intervalo compacto. Asumir que
() = 1 . Entonces, porque [0, ) = [0, ) est ciertamente contenido en , tenemos
, y sigue por el teorema 6.12 que hay algun (0, ) tal que () . Esto
contradice la definicin de , as que 1 . Pero porque () para todo en [0, ),
sigue por el continuo de ( ) que 1 = () es un punto de cierre de . Por tanto 1
= .

La contraposicin del teorema 6.12 dice que si existe un conjunto compacto en tal que
la solucin mxima () se mantenga en para todo en (0, ), entonces es el punto
final derecho de . Un argumento similar en el otro punto final Produce el siguiente resultado.
Corolario 6.14. Bajo las hiptesis del teorema 6.12, si existe un conjunto compacto en
tal que la solucin mxima () se mantenga en para todo en ( 0 , 0 ) = (, ),
entonces ( 0 , 0 ) = .
Por supuesto, s = , o el sistema es autnomo, esto implica que cualquier solucin que
permanezca en un subconjunto compacto de se define para todo .
Usando el teorema 6.12, es fcil demostrar que s es una funcin lineal de , es decir, s
(, ) = (), donde la funcin () es continua en el intervalo que contiene 0 ,
entonces el problema de valor lmite (( 0 , 0 )) tiene una Solucin nica definida en todo
el intervalo . Problema 6.15. Pide al lector que pruebe este resultado para el caso especial
del sistema escalar.
Problema 6.15. Sea () una funcin de valor real continua definida en un intervalo abierto
= (, ) que contiene 0 . Considere el problema de valor inicial definido por el sistema
lineal = () y la condicin inicial (0 ) = 0 . Demuestre que la solucin a este
problema se define en el conjunto de .
425
Sugerencia: por contradiccin, usando el teorema 6.12 y el teorema de Gronwall (el siguiente
lema 6.16)
(c) Dependencia de condiciones y parmetros iniciales
En esta seccin vamos a investigar la dependencia de las condiciones iniciales de las
soluciones de la familia de los problemas de valores lmite
.
= (, ), (0 ) = 0 (( 0 , 0 ))
Donde ahora consideramos los datos iniciales ( 0 , 0 ) como variables. Como de costumbre,
asumimos que (, ) es continua y localmente Lipschitz en alguna regin abierta =
en +1 , donde es un intervalo abierto (suposicin 6.6). Entonces el teorema 6.9 nos
asegura que para cada ( 0 , 0 ) en el problema del valor lmite (( 0 , 0 )) tiene una
solucin nica en . Por lo tanto, podemos definir el flujo de ( ) como la funcin
( , 0 , 0 ): definida en el conjunto
= {( , 0 , 0 ) ; ( 0 , 0 )}
Tal que para cada ( 0 , 0 ) fijo, la funcin ( , 0 , 0 ) definida en ( 0 , 0 ) es una solucin
de (( 0 , 0 )). Porque es una solucin de (( 0 , 0 )), ya sabemos que es ( ) es 1 en
su primer argumento. Ahora mostraremos que bajo nuestras suposiciones mantenidas, es
un conjunto abierto, y ( , 0 , 0 ) es una funcin continua de todos sus argumentos. De
hecho, s ( ) es en D, entonces tambin es ( ). Por lo tanto, el flujo de un sistema
continuo es tan suave como el propio campo vectorial.
En la mayor parte de lo que sigue, vamos a trabajar con un 0 fijo suprimir el tercer
argumento del flujo, escribindolo ( , 0 ), y concentrarse en la dependencia de la solucin
en la posicin inicial 0 . Todos nuestros resultados se pueden ampliar fcilmente a ( 0 , 0 ).
Primero estableceremos un lema til. Usando este resultado, entonces ser fcil obtener un
lmite en las distancias entre soluciones de (( 0 , 0 )) que parten de diferentes valores
iniciales.
Teorema 6.16. Teorema de Gronwall. Sea () 0 una funcin de valor real continua definida en el
intervalo [0 , 1 ]. Supongamos que existen constantes positivas C y K tales que

0 () + ()
0
Para todo [0 , 1 ]. Luego tenemos

() 0 [0 , 1 ].
Demostracin. Por cada [0 , 1 ]. , deje

() = + () > 0
0
Entonces () () por suposicin. Diferenciando ( ), tenemos

() = ()
Por lo tanto,
ln () () () ()
= = =
() () ()
426
Integrando ambos lados de estas expresiones entre 0 y t,

ln () ln (0 ) | 0 | () (0 ) + | 0 |
Tomando exponenciales y observando que (0 ) = , obtenemos la deseada desigualdad
() (0 ) |0 | = |0 |
Lema 6.17. Deje (, ) satisfacer la suposicin 6.6 en el conjunto abierto = en
+1. Supongamos que ( ) es Lipschitz en en , con constante de Lipschitz . Dadas dos puntas
(0 , 0 ) y (0 , 0 ) en , deja ( , 0 ) y ( , 0 ) son las soluciones nicas en del
.
sistema (()), = (, ), pasando por estos puntos, definidos respectivamente en el mximo
Intervalos ( 0 ) y ( 0 ) . Entonces, para cada ( 0 ) ( 0 ) tenemos
( , 0 ) ( , 0 ) 0 0 |0 |
Problema 6.18. Demostracin del teorema 6.17. Sugerencia: considerar el caso escalar y
aplicar el teorema de Gronwall a la funcin () = |( , 0 ) ( , 0 )|.
El teorema precedente implica casi la continuidad de ( , 0 ) en 0 para dado cuando
( ) es (globalmente) Lipschitz en . S colocamos en ( 0 ) y dejamos que 0 0
vaya a cero, la desigualdad (4) implica que ( , 0 ) ( , 0 ) 0 provee que
( , 0 ) est definido para todo 0 lo suficientemente cerca de 0 . Nuestro siguiente
resultado se encarga de este extremo suelto mostrando que para cualquier
( 0 ), ( , 0 ) se define en [0, ] para todo 0 lo suficientemente cerca de 0 . La
demostracin del teorema tambin muestra que las grficas de las dos soluciones ( , 0 ) y
( , 0 ) en [, ] la estancia dentro de un
Por lo tanto, la desigualdad en el teorema 6.17 contina mantenindose para , y ( ) es
continua en 0 para t dado siempre que f () es localmente Lipschitz (porque, segn el teorema
8.25 en el captulo 2, una funcin que es localmente Lipschitz en un conjunto D es Lipschitz
en cualquier subconjunto compacto de D).
Teorema 6.19. (, ) Satisface la suposicin 6.6 en el conjunto abierto = en +1 . Dado un
cierto punto ( 0 , 0 ) en , deje la solucin nica ( , 0 ) de (( 0 , 0 )) ser definida en un intervalo
cerrado [, ] ( 0 ). Entonces existe alguna > 0 y una constante positiva tal que para todo
0 ( 0 ) el problema de valor inicial (( 0 , 0 )) tiene una solucin nica ( , 0 ) definida en
[, ] que satisface
( , 0 ) ( , 0 ) 0 0 |0 |
Para todo en [, ]
Demostracin. Debido a que [, ] es compacto y ( , 0 ) es una funcin continua de , el
conjunto
= ([, ], 0 ) = { ; = ( , 0 )} Para algunos [, ]
Es un subconjunto compacto de . Dado que est abierto, adems, existe algn > 0 tal
que el conjunto compacto
= [] = { ; ( , 0 ) } Para algunos [, ]
427
Es un subconjunto de X. Adems, debido a que ( ) es Lipschitz en x en el conjunto abierto

, y = [, ] es un subconjunto compacto de , seguido por el teorema 8.25 en el
captulo 2 que ( ) es Lipschitz en , es decir, Que existe una constante positiva tal que
|(, ) (, )| | |
Para todo (, ) y (, ) en .
Elige un > 0 tal que
min{( () }
Y sea 0 un punto en ( 0 ). Debido a que ( 0 , 0 ), el teorema 6.9 garantiza la existencia

de soluciones nicas ( 0 , 0 ) que pasan a travs de este punto y definidas en algn intervalo
mximo de existencia ( 0 ) = (, ) que contiene 0 mostraremos que [, ]
(, ) y que ( 0 , 0 ) satisface la desigualdad deseada. Empezamos por establecer el
siguiente hecho:
i) afirmacin: S (, 0 ) se define en [, ], entonces (, 0 ) para todos
[, ] .
Suponga que (, 0 ) est definido en [, ], y observe que debido a
(0 , 0 ) = 0 ( 0 ) ( 0 ) , tenemos (, 0 ) para todo t en
algn intervalo que contiene 0 . Suponemos que (, 0 ) deja B en algn punto
de [, ] a la derecha de y obtiene as una contradiccin (un argumento similar
funcionar en el otro caso). Bajo esta suposicin (por la continuidad de ( )
en t) existe algn (0 , ) tal que (, 0 ) para [0 , ] [, ], y
( , 0 ) .Ahora, porque (, 0 ) para todo t en [0 , ] [, ],
la grfica de (, 0 ) en [0 , ] est contenida en el conjunto compacto =
[, ], y comprende que K es una constante de Lipschitz para f () en esta
regin. Por el Lema 6.17, esto implica que
0
|(, 0 ) (, 0 )| | 0 0 | ( ) (3)
Para todo [0 , ] . Usando (2), esta desigualdad implica, con = [, ] .que
0
||(, 0 ) (, 0 )| | 0 0 | ( ) | < () <
( , 0 )Porque 0 ( 0 ). Debido a que( , 0 ) , se sigue que es un

punto interior de B (ver las definiciones de los dos conjuntos). Esto es una contradiccin,
porque ( , 0 ) es un punto lmite de B. Por lo tanto ( , 0 ) para todo[, ].
ii) Por el mismo argumento, se comprende que s luego (, 0 ) para
todo (0, ) . S , entonces el punto , con ( , 0 ) , debe
estar en (0 , ), pero entonces (4) tiene (porque < , y ( , 0 ) es
tambin un punto interior de B, que es otra vez una contradiccin.
iii) A continuacin, mostramos que [, ] (, ) = ( 0 ), de modo que
efectivamente se define en todo el intervalo [, ] en el que sabemos
para( , 0 ) ser definido. Asumimos que y obtenemos una
contradiccin. Bajo esta suposicin temenos ( , 0 ) B para todo [0, ],
por (ii). Pero note que s , entonces [0, ] [0 , ], donde b es un punto
interior del intervalo (abierto) ( 0 ) y por lo tanto es un punto interior de I.
Por lo tanto, es tambin un punto interior de I. pero entonces el teorema 6.12
428
implica que (, 0 ) debe dejar Cualquier subconjunto compacto de X y, en

particular, que existe algn (0 , ) tal que (, 0 ) B , lo cual contradice (ii).
Por lo tanto, debe ser que < .
Un argumento similar puede ser utilizado para establecer que s , entonces
(, ) para todo [, 0 ]y que esto tambin conduce a una contradiccin.
Por lo tanto > , y concluimos que (, )est contenido en (, ), el
intervalo mximo de existencia de(, 0 ) . Por lo tanto (, 0 )se define en
todo el intervalo [, ] , como se reivindica.
iv) Una vez que hemos demostrado que (, ) est definido en todo el
intervalo[, ], (i) implica que (, 0 ) para todo t en[, ], Por lo tanto, la
grfica de (, 0 ) en [, ] est contenida en el conjunto compacto =
[, ], y se comprende que K es un Lipschitz constante para f en esta regin.
El teorema 6.17 da
0
|(, 0 ) (, 0 )| | 0 0 | ( )
Para todo [, ].
Utilizando este resultado, ahora es fcil establecer la continuidad del flujo.
Teorema 6.20. La continuidad del flujo asume que f (x, t) satisface la suposicin 6.6 (continuidad y existencia
de una constante de Lipschitz local) en alguna
Regin abierta = en +1 . Entonces el flujo del sistema continuo (()), (, 0 ):
, es una funcin continua, y es dominio de la deficin
= {(, ) ; ()}
Es un conjunto abierto.
Demostracin
La apertura de . sea (, 0 ) un punto arbitrario de . Queremos demostrar que
cualquier punto (, ) suficientemente prximo a (, 0 )est en , es decir, que
() para tal punto.
Suponga que (, 0 ) y, para concrecin, que > 0 . Entonces ( 0 ), y
se comprende que la solucin(, 0 ) del problema de valor inicial (( 0 , 0 ))se
define en [0 , ]. Debido a que ( 0 ) est abierto, en un punto interior de ( 0 ),
y se sigue que (, 0 ) puede extenderse hasta el intervalo [0 , + ] para algun >
0. Por lo tanto (, 0 ) se define en el intervalo cerrado [ , + ].
A continuacin, sigue el teorema 6.18 all existe algun > 0 tal que para cualquier
0 ( 0 ) la solucin (, 0 ) de (( 0 , 0 )) se define para todo en
[ , + ].
Por lo tanto, [ , + ] ( 0 ) , y se sigue que est abierto .
La continuidad de ( ). Dado algn punto (, 0 ) , deja y estar como en la
primera parte de la prueba, y elige algun , con 0 < < min{, }. Considere un
punto (, 0 ) tal que ( , + ) y 0 ( 0 ). Entonces (, 0 ) , as
que (, 0 ) es definida y satisfaga
| (, 0 ) (, 0 )| |(, 0 ) (, 0 )| + |(, 0 ) (, 0 )|
Por la desigualdad del tringulo. Considere el lmite del lado derecho de esta expresin como
(, 0 ) (, 0 ). Por la continuidad de ( ) en para dado, el primer trmino va a cero
429
desde 0 0 . De manera similar, el segundo trmino va a cero, por la continuidad de ( )

en t para dada. Por lo tanto, (, 0 ) (, 0 ) desde (, 0 ) (, 0 ), que establece
la continuidad de (, 0 ) en un punto arbitrario (, 0 ) en , y por lo tanto en el conjunto
entero.

Continuidad del flujo de sistemas parametrizados

Introduzcamos ahora los parmetros explcitamente en el anlisis (mientras mantenemos un
0 fijo) y consideremos la familia de problemas de valores lmite parametrizados
= (, , ), (0 ) = 0 (( 0 , 0 , ))
Donde ( ) no supondr que es continuo un Lipschitz local en en alguna regin =
en +1+ con un conjunto abierto en , un intervalo abierto en , y un
conjunto abierto en . Para un valor dado de tenemos un sistema no parametrizado del
tipo que hemos estudiado en esta seccin, y nuestros resultados previos aseguran la existencia
de la solucin mxima nica y continua del problema del valor lmite. Estas soluciones, sin
embargo,
Generalmente cambiar con el parametrizado, as como su intervalo mximo de existencia
en . Por lo tanto, denotaremos la solucin de (( 0 , 0 , )) por (, 0 , ), y su
intervalo mximo esta definido en ( 0 , ) .procediendo como antes, podemos definir
ahora el flujo del sistema como la funcin (, 0 , ): definida en el conjunto
= {(, 0 , ) ; ( 0 , )} (5)
De tal manera para cada ( 0 , ) fijo, la funcin (, 0 , )definida en ( 0 , ) es la
solucin mxima nica de (( 0 , 0 , )).
Utilizaremos una transformacin simple para demostrar que todos nuestros resultados
anteriores sobre las propiedades del flujo de sistemas no parametrizados se extienden al caso
presente. Definir el vector y la funcin ( ) por
= (, ) y (, ) = ((, , ), 0)
Y considere el problema de valor inicial
= (, ), (0) = 0 = ( 0 , ) (. )
Observe que (. ) es simplemente el sistema
( = (, , ), = 0)
Con la condicin inicial
((0) = 0 , (0) = )
(Es decir, tratamos los parmetros como variables de estado adicionales, pero sus derivados
a cero para que permanezcan constantes en el tiempo).
Entonces el flujo de es una funcin de la forma
430
(, 0 ) = ((, 0 , ), ),
Donde (, 0 , ) es el flujo de . Debido a que (. ) es un sistema no parametrizado,
nuestros resultados anteriores garantizan que el flujo se comportar bien siempre que sea
continua y localmente Lipschitz en . Y debido a (, 0 , ) es slo un componente de
(, 0 ), esta funcin continua. Por lo tanto, tenemos el siguiente resultado.
Teorema 6.21. Continuidad del flujo del sistema parametrizado. Asume (, , ) sea continua y
localmente Lipschitz en (, ) en alguna regin = en +1+ , con un conjunto
abierto en , un intervalo abierto en , y un conjunto abierto en . Entonces el flujo del sistema
continuo (()), (, 0 ): , es una funcin continua, y es dominio de la deficin
= {(, 0 , ) ; ( 0 , )}
Es un conjunto abierto.
Diferenciabilidad del flujo.
Nuestro resultado final en esta seccin muestra que si ( ) es una funcin 1 en D, entonces
tambin lo es el flujo (, 0 , )en el conjunto E definido en el teorema 6.21. Por la
discusin de la seccin anterior, basta con considerar el caso de un sistema no parametrizado,
porque cualquier resultado sobre la dependencia de las condiciones iniciales se extiende
automticamente a los parmetros, siempre que ( ) sea tan flexible en como en .
Ya hemos visto que ( ) es una funcin continuamente diferenciable de para dada 0 . Por
lo tanto, es suficiente mostrar que (, 0 )existe y es una funcin continua de (, 0 ).
Asumiendo por ahora que (, 0 ) est definido, podemos comenzar por adivinar cmo
debe ser esta derivada. Considere el problema de valor inicial.
= (, ), (0 ) = 0 (PC( 0 , 0 ))
Donde ( ) es 1 , y sea (, 0 ) su solucin mxima definida en el intervalo ( 0 , 0 ).
Sustituyendo la funcin de solucin en la ecuacin diferencial y usando y para indicar
derivadas parciales con respecto a y , respectivamente, tenemos la identidad
(, 0 ) [(, 0 ), ]
Diferenciando ambos lados de esta identidad con respecto a 0 , tenemos
(, 0 ) = [(, 0 ), ] (, 0 )
Si asumimos adems que el orden de diferenciacin puede ser invertido en el trmino en el
lado izquierdo de esta expresin, tenemos
(, 0 ) = [(, 0 ), ] (, 0 ) (6)
Por lo tanto, (, 0 ) satisface una ecuacin diferencial lineal. Esto se puede sacar mejor
con dejar
(, 0 ) = (, 0 ) (, 0 ) = [(, 0 ), ]
Y volver a escribir (6) en la forma
= (, 0 ) (7)
Obsrvese, adems, que en el momento 0 la solucin debe pasar por la condicin inicial
dada. Por lo tanto, (0 , 0 ) = 0 , donde:
431
(0 ) = (, 0 ) = (8)
Donde es la matriz de identificacin. Por lo tanto, nuestro candidato para (, 0 ) es la
nica solucin () de un problema de valor lmite que involucra un sistema lineal
parametrizado. Por el problema 6.15, la solucin (, 0 ) a este problema lineal se define
cuando se define (, 0 ), es decir, en todo el intervalo ( 0 , 0 ),
Y por el teorema 6.21, (, 0 ) contina en y 0 . Por lo tanto, (, 0 ) = (, 0 ) es
contina, y sigue a ( ) es una funcin continuamente diferenciable de 0 .
Observe que en el caso general, donde trata dentro , es una matriz . Esto no
plantea ningn problema particular, porque podemos pensar en como un vector en .
Alternativamente, podemos traer (7) a una dimensin ms familiar trabajando con el
diferencial de ( ), en lugar con la derivada, sea un vector arbitrario en , y definamos
por = . Luego = = = , y obtenemos un sistema lineal en
variables. Entonces la condicin inicial ser (0 ) = (0 ) = = .
Mostraremos ahora que la solucin del problema variacional (7) es en realidad la derivada del
flujo con respecto a 0 . Para simplificar algo, consideraremos el caso del sistema autnomo
(CS), = ().
Teorema 6.22. Diferenciabilidad del flujo. Permitir f(, ) estar 1 en el conjunto abierto
+ , y deja
= {(, 0 , ) ; ( 0 , )}
Entonces el flujo de ( ), (, 0 , ): , en funcin 1 .
Demostramos. Ms adelante haremos uso del siguiente hecho. Sea ( )ser un 1 en funcin;
entonces nosotros tenemos
() () = ()( ) + (, ) (1)
Por el teorema de Taylor, donde
(, )
0
| |
Esto significa que dado cualquier > 0, solo si existe alguna > 0 tal que
|(, )| | | (2)
Para todo tal que | | . Ntese que, en general, el valor de depender de , sin
embargo si se restringe para un conjunto compacto , dado cualquiera podemos
encontrar una que funcione para todo en (por el mismo argumento como en la
demostracin del teorema 8.24 en el captulo 2). Por lo tanto, (, )/| | 0 como
uniformemente para en el conjunto compacto .
Como se ha sealado, basta con considerar el caso del sistema no parametrizado (CS), =
(). Dejando 0 = 0 por conveniencia, sea (, 0 ) y (, 0 + ) las soluciones
mximas de (CS) pasando por los puntos 0 y 0 + , respectivamente, en el tiempo cero.
Sea ( 0 ) el intervalo (mximo) de definicin de la primera de estas funciones, y fije algn
intervalo compacto = [0, ] contenido en ( 0 ). Sea () la solucin del problema
variacional.
432
(0, 0 ) 0
= (, 0 ), (0) = = 0 = 1
0
(PV)
Como se seal en la discusin previa a la declaracin del teorema, () se definir en el
conjunto ( ) y por lo tanto en todo
Por el teorema 6.1, tenemos, para cada ,

(, 0 ) = 0 + ((, 0 ))
0

(, 0 + ) = 0 + + ((, 0 + ))
0

() = 1 + 0 ( )()
(3)
Donde, para abreviar, escribimos ( ) para ((, 0 )). Usando estas expresiones,
tenemos.
() |(, 0 + ) (, 0 ) ()|

= | [((, 0 + )) ((, 0 )) ( )()]|
0

|((, 0 + )) ((, 0 )) ( )()|
0

= |( )[(, 0 + ) (, 0 ) ()]|
0

+ |((, 0 + ), (, 0 ))| (4)

Para cada , donde la ltima igualdad sigue aplicando el teorema de Taylor a

((, 0 + )) ((, 0 )) (vea la ecuacin (1), y (,) es el resto de Taylor.
Ahora deja
= max{( ); }
Donde denota la norma del operador lineal (de hecho, esto podra ser reemplazado
por el valor absoluto, porque estamos en el caso escalar), y existe porque es un conjunto
compacto y ( ) = ((, 0 )) es una funcin continua de (Porque ( ) es 1
y ( ) es continua) tenemos, entonces,

|( )[(, 0 + ) (, 0 ) ()]|
0

( )|(, 0 + ) (, 0 ) ()|
0

0 |(, 0 + ) (, 0 ) ()| 0 () (5)
433
Sustituyendo esta expresin en (4), y recordando la definicin de ( ),

() () + |((, 0 + ), (, 0 ))| (6)
0 0
Para todo .
Para aplicar el teorema Gronw a ( ), necesitamos mostrar que la integral de los trminos de
error de Taylor est limitada. Arreglar algo arbitrario > 0 y observar que el conjunto
( , 0 ) es compacto porque es la imagen continua de un intervalo compacto. Por lo tanto,
[(, 0 ), (, 0 + )]
0 |(, 0 + ) (, 0 )| 0
|(, 0 + ) (, 0 )|
Uniformemente para(, 0 ) en el conjunto compacto
( , 0 )( , ). Por lo tanto, hay algn nmero
0 ( ) tal que
|[(, 0 ), (, 0 + )]| |(, 0 + ) (, 0 )| Cuando
|(, 0 + ) (, 0 )| 0 y (7)
Ahora, por el teorema 6.19 existe alguna 1 > 0 y alguna constante positiva tal que para
todo , con || < 1 tenemos
|(, 0 + ) (, 0 )| || || < 1
Para todo . Claramente, podemos elegir 1 lo suficientemente pequeo como para

|(, 0 + ) (, 0 )| || < 0 (8)
Supongamos ahora que || < 1 entonces, por (8), tenemos |(, 0 + ) (, 0 )| <
0 , lo que se deduce de (7) y (8) que se
|[(, 0 ), ( , 0 + )]| |(, 0 + ) (, 0 )| ||
Para todo .Integrando esta expresin entre cero y ,

|((, 0 + ), (, 0 ))| || = || ||
0 0
Sustituyendo esta expresin en (6),

() 0 () + || (9)
El teorema Gronwall ahora rinde
() || || (+) (10)
Para cualquier . Dividiendo a travs de || y recordando la definicin de () en
(4), tenemos
() |(, 0 + ) (, 0 ) ()|
= (+)
|| ||
434
Por todo .Porque es un nmero positivo arbitrario, se deduce que

|(, 0 + ) (, 0 ) ()|
lim =0
||0 ||
Uniformemente para . Por lo tanto, hemos demostrado que, como se ha afirmado, la
solucin del problema variacional (PV) es la derivada parcial del flujo, es decir,
(, 0 ) = (, 0 )
Debido a que (, 0 ) es una funcin continua definida en todo el intervalo adems,
tambin lo es (, 0 ), y esto implica que ( ) es 1 en = [0, ]. Debido a que es
un punto arbitrario de ( 0 ), finalmente concluimos que ( ) es 1 en todo su dominio.
Nuestro siguiente resultado muestra que el flujo es suave como el campo vectorial ( ).
Teorema 6.23. Deja (, ) en el conjunto abierto (con 1 ) en en + . Entonces
el flujo de ( ), (, 0 , ): es un 1 en funcin.
Demostracin. Como antes, basta con considerar el caso del sistema no
parametrizado (CS), = (). Procedemos por induccin en . Por el teorema precedente,
el resultado se cumple para = 1. Supongamos ahora que es y que si es un 1 en
funcin, entonces el flujo del sistema = () es +1 . Consideremos el sistema formado
por (CS) y su ecuacin variacional.
= ()
Dejar que = (, ) y () = (, ) = ((), ()), este sistema se puede escribir
= ()
Observe que es un 1 en funcin, porque su primer componente, ( ) es en , y su
segunda componente, () es 1 en y lineal (y por lo tanto ) en . Se sigue (por
la suposicin de induccin) que el flujo de , (, ) es 1. Pero notar que ( ) es de la
forma
(, 0 ) = (, 0 , 0 ) = (, 0 ) (, 0 )
Debido a que la segunda componente de (, ) es la ecuacin variacional de (CS). Por lo
tanto, (, 0 ) es 1 , y se deduce que (, 0 ) es 1 in . Adems, (, 0 ) es
1 , porque
(, 0 ) = ((, 0 ))
Y ambos ( ) y (, 0 ) son 1 o mejor. Por lo tanto, (, 0 ) es , porque ambas de
sus derivadas parciales son 1 . Esto demuestra el teorema.
435
Bibliografa
Bibliografia
Arnold, V. 1990. Ordinary Differential Equations. Massachusetts Institute of

Technology Press.
Arrowsmith, D., and Place, C. 1990. An Introduction to Dynamical Systems.
Azariadis, C, and de la Fuente, A. 1993. Discrete Dynamical Systems. Part I. In:
Intertemporal Macroeconomics, pp. 1-170. Oxford: Blackwell.
Boyce, W, and DiPrima, R. 1977. Elementary Differential Equations, 3rd ed. New
York: Wiley.
Brauer, R, and Nohel, X 1969. The Qualitative Theory of Ordinary Differential
Equations, An Introduction. New York: Dover.
Guzman, M. 1980. Ecuaciones Diferenciales Ordinarias. Teoria de Estabilidad y
Control Madrid: Alhambra.
Hale, X, and Koc,ak, H. 1991. Dynamics and Bifurcations. Berlin: Springer-Verlag.
Hirsch, M., and Smale, S. 1974. Differential Equations, Dynamical Systems and
Linear Algebra. San Diego: Academic Press.
Lang, S. 1983. Undergraduate Analysis. Undergraduate Texts in Mathematics.
Berlin: Springer-Verlag.
Lelong-Ferrand, X, and Aurnadies, X M. 1977. Cours de Mathematiques. Tome 4:
Equations Differentielles, Integrales Multiples. Paris: Dunod Universite.
Obstfeld, M. 1980. Primer on Differential Equations. Mimeograph, Department of
Economics, Columbia University.
Oniki, H. 1973. Comparative Dynamics (Sensitivity Analysis) in Optimal Control
Theory. Journal of Economic Theory 6(3):265-83.
Perko, L. 1991. Differential Equations and Dynamical Systems. Texts in Applied
Mathematics, no. 7. Berlin: Springer-Verlag.
Sotomayor, X 1979. Liqoes de Equaqoes Diferenciais Ordinarias. Rio de Janeiro:
Instituto de Matematica Pura e Aplicada.
Sydsaeter, K. 1981 Topics in Mathematical Analysis for Economists. San Diego:
Academic Press.
Wiggins, S. 1990. Introduction to Applied Nonlinear Dynamical Systems and
Chaos. Texts in Applied Mathematics, no. 2. Berlin: Springer-Verlag.
Notas
1. Para encontrar el estado estacionario del sistema, ponemos = 0 en () y
resolvemos para .
2. todo lo que hemos hecho ha sido reindexar la familia de soluciones de () por (0),
en lugar de , pero an tenemos que especificar qu trayectoria del sistema queremos.
Esto puede hacerse eligiendo el valor de (0) directamente (es decir, imponiendo
una condicin inicial, en sentido estricto del trmino) o especificando algn otro tipo
de condicin de contorno, en cuyo caso debemos resolver el valor De (0). Vea el
captulo 11 para algunos ejemplos.
3. Para encontrar el estado estacionario de (), suprimimos los subndices de tiempo
y resolvemos para :

(1 ) = = siempre y cuando 1
1
436
Notas
4. Esto puede ser durante un tiempo arbitrario . Cuando = , tenemos = +

. Resolviendo para y sustituyendo en (), obtenemos = +
( )+ . Si es conocida, esta expresin da las soluciones particulares que
pasan por este punto en el tiempo . De lo contrario, es indeterminado, y slo
tenemos otra forma equivalente de la solucin general.
5. Observe que
Si () cambia el signo en el intervalo, entonces = 0 y por lo tanto |g(s)|
0 = ||
x
Si () > 0 para todo intervalo, entonces |g(s)| = 0 () || y
x
Si () < 0 para todo intervalo, entonces |g(s)| = 0 () ||
6. En la Seccin 2 del Captulo 11, utilizaremos la solucin directa para una ecuacin
que describe la evolucin del precio de una accin. El motivo de los trminos
"Solucin fundamental" y "trmino de burbuja" se harn claros.
7. Piense en 1 y 2 como trminos de una secuencia { } convergindo a . Entonces
(2) implica que {( )} es Cauchy, y la convergencia sigue por completo.
8. Vase la definicin de "derivado" en la Seccin 3 del Captulo 4.
437
10
Sistemas dinmicos 2: dimensiones superiores
En este captulo estudiaremos sistemas dinmicos de dimensin 2 o superior, es decir,

aquellos definidos por sistemas de dos o ms ecuaciones diferenciales en varias variables.
Las secciones 1-3 tratarn sobre sistemas lineales. En el resto del captulo se discutirn
algunas tcnicas para analizar sistemas autnomos no lineales.
1. Algunos resultados generales sobre sistemas lineales
Nuestra discusin de sistemas lineales se concentrar en la solucin de sistemas con

coeficientes constantes. Comenzamos, sin embargo, enumerando algunos resultados
importantes de la teora general de los sistemas dinmicos lineales que sern tiles ms
adelante. Consideremos el sistema homogneo de primer orden de la forma
= () (CH)
donde los coeficientes de la matriz pueden ser funciones arbitrarias del tiempo
definidas en algn intervalo de la lnea real. La discusin ser en trminos de sistemas de
tiempo continuo, pero se demuestra fcilmente que los resultados tambin se aplican a
sistemas discretos.
Nuestro primer resultado se refiere a la estructura algebraica del espacio de soluciones de

(CH).
Teorema 1.1 El conjunto
= {(), ; () = ()() }
de soluciones de (CH) es un espacio vectorial de dimensin n.
Un conjunto = {1 (), . , ()} de soluciones linealmente independientes

de (CH),1es decir, una base de , se denomina conjunto fundamental de soluciones de
(CH), y la matriz
() = [1 (), , ()]
438
II: Dimensiones Superiores
es una matriz fundamental para el sistema.
Porque debido a que es un espacio vectorial y es una base para l, dada una
solucin arbitraria () de (CH), podemos escribirla de una manera exacta como una
combinacin lineal de 1 (), , (); es decir, existen escalares nicos 1 , , tales
que
() = =1 () (1)
Asignando diferentes valores al vector = (1 , , ), podemos recuperar todas las

soluciones del sistema. Por lo tanto, podemos pensar en (1) como la solucin general de
(CH). Obsrvese que para construir la solucin general del sistema basta encontrar un
conjunto fundamental de soluciones, es decir, una familia de soluciones linealmente
independientes de (CH).
Una vez que hemos encontrado un conjunto fundamental de soluciones de (CH), la solucin
de cualquier problema de valor inicial se puede obtener fcilmente. La manera ms compacta
de escribir esta solucin es en trminos de una matriz fundamental. Como hemos visto, la
solucin general de (CH) puede escribirse
() = =1 () = ()
A continuacin, supongamos que se nos da la condicin de contorno
(0 ) = 0
Para encontrar el valor de que corresponde a esta condicin de contorno, observamos

que la solucin que buscamos satisface
(0 ) = (0 ) = 0
Resolviendo esta ecuacin para ,
= [(0 )]1 0
Y sustituyendo el resultado en la solucin general, se obtiene la solucin del problema
lmite dado:
() = ()[(0 )]1 0
A continuacin pasamos al sistema no homogneo de primer orden
= () + () (CN)
Y considerar su espacio de solucin:
= {(), ; () = ()() + () }
Es fcil demostrar que es un espacio afn de dimensin "paralelo" a
Es decir, es una traduccin de , y el factor de traduccin est en la solucin particular

arbitraria () de (CN). Por lo tanto, la solucin general del sistema continuo no
homogneo (CN) es la suma de la solucin general del sistema homogneo (CH) y una
solucin particular arbitraria de (CN).
439
Coeficientes Contantes
Por lo tanto, podemos escribir
() = () + ()
Donde la solucin general del sistema homogneo, (), es denominada a veces la funcin
complementaria.
2. Solucin de Sistemas Lineales con Coeficientes Constantes
En esta seccin estudiaremos sistemas lineales con coeficientes constantes, es decir,

sistemas de la forma
1 11 . 1 1 1
= + [ . .] = [ . . . ] [ . . ] + [ . . ] (CN)
1 .
en tiempo continuo, o
1
+1 11 1 1 1
+1 = + [ . . ] = [ . . . . . .] [ . .] + [ . .] (DN)

+1 1 . .
en tiempo discreto.
Hemos visto que la solucin general de un sistema no homogneo se puede escribir

como la suma de la solucin general del sistema homogneo correspondiente y cualquier
solucin particular del sistema no homogneo.
Por lo tanto, comencemos por resolver el sistema homogneo
= (CH)
+1 = 1 (DH)
Una vez hecho esto, la solucin general del sistema no homogneo se completa fcilmente
calculando su solucin estacionaria o estado estacionario.
En la siguiente seccin desarrollaremos un procedimiento de solucin para sistemas

homogneos que nos permitir explotar nuestro conocimiento de la solucin general a la
ecuacin lineal escalar. El mtodo funciona reduciendo (CH) o (DH) a un sistema diagonal
o desacoplado equivalente a travs de un cambio apropiado de variables. Un sistema
diagonal es simplemente un conjunto de ecuaciones lineales de primer orden independientes
que ya sabemos resolver. Dada su solucin, es fcil recuperar la del sistema original aplicando
la inversa de la transformacin diagonalizante. En las Secciones 2 (b) y 2 (c) discutiremos las
complicaciones que surgen cuando la matriz de coeficientes tiene valores propios
complejos o no puede diagonalizarse. En el resto de la Seccin 2 analizaremos el caso no

homogneo y discutiremos la estabilidad de sistemas lineales.
440
(A) Solucin por Diagonalizacin
Consideremos el sistema homogneo de tiempo discreto
+1 = (DH)
Donde es una matriz de nmeros reales, y es un vector en . Para concretar,

trabajaremos a menudo con el sistema bidimensional o "plano":
1 11 12 1
+1
[ 2 ] = [ 22 ] [2 ] (DH2)
+1 21
Observe que hay un caso especial de (DH2) que ya sabemos resolver. Si es una matriz
diagonal, es decir, si 12 = 21 = 0, entonces (DH2) es simplemente un conjunto de dos
ecuaciones independientes de una variable,
2
1 = 11 1 y +1 = 22 2
y sus soluciones generales son de la forma

1 2
+1 = 2 11 y +1 = 2 22
donde 1 y 2 son constantes arbitrarias.
En el caso general, no es una matriz diagonal. En muchos casos, sin embargo, podemos
encontrar un cambio de coordenadas que diagonalizarn o "desacoplarn" el sistema. En
particular, recordemos en el captulo 3 que si no tiene valores propios repetidos, entonces
sus vectores propios 1 , , son todos linealmente independientes, y la matriz =
[1 , , ] puede usarse para diagonalizar . Es decir, 1 = donde =
(1 , , ) es la matriz con los valores propios de A en el principal, diagonal, y ceros
en otra parte.
Utilizando este resultado, podemos ahora derivar una frmula para la solucin general de
(DH) cuando la matriz de coeficientes no tiene valores propios repetidos. Pre
multiplicando ambos lados de
+1 = (DH)
por la inversa de la matriz de vectores propios, (observe que 1 = ),
1 +1 = 1 ( 1 ) = ( 1 )( 1 )
Usando el hecho de que 1 = , tenemos
1 +1 = ( 1 )
Finalmente, definiendo las variables transformada
= 1
Podemos reescribir la ecuacin en la forma
441
+1 =
De este modo, se obtiene un sistema diagonal o desacoplado en las variables transformadas
cuyos coeficientes son los valores propios de la matriz de coeficientes del sistema original.
La solucin general de este sistema, denotada por , es fcil de calcular, como pronto
veremos. Dado (), podemos recuperar la solucin general del sistema original
simplemente aplicando la inversa de la transformacin diagonalizante, es decir,
premultiplicando , por la matriz formada por los vectores propios de :
=
Por ejemplo, el sistema planar
1 11 12 1
+1
[ 2 ] = [21 22 ] [2 ] (DH2)
+1
se reduce despus de la diagonalizacin, a dos ecuaciones independientes,
1 2
+1 = 1 1 y +1 = 2 2 (1)
donde
= ( 1 , 2 ) = 1
la solucin general de (1) puede escribirse
1 1 1
() = [ ][ ] (2)
2 2 2
en trminos de las variables transformadas, y
1 ()
11 21 1 1 1 11 1 + 2 21 2
[ 2 ] = = () = [ ] [
22 2 2 ] = [ ]
12 1 12 1 + 2 22 2
en trminos de las variables originales. Como de costumbre, = (1 , 2 ) es un vector de

constantes arbitrarias, y la eleccin de un valor para es equivalente a la especificacin de
una condicin de frontera.
La generalizacin para sistemas de dimensin arbitraria es directa.
La solucin general de +1 = , es de la forma
donde = diag(1 , ), y es un vector de columnas de constantes arbitrarias.
Premultiplicando por , la solucin general del sistema original viene dada por
() = () = (3)
Operando en (3), la solucin general se puede escribir como se muestra en el siguiente

teorema, que resume nuestros resultados.
442
Teorema 2.1. Sea A una matriz n n real sin valores propios repetidos. Entonces se puede escribir
el j-simo componente de la solucin general del sistema xt+1 = Axt , puede escribirse
xjth (c) = ni=1 ci ij ti
donde eij es el j-simo componente del vector propio ei asociado con el valor propio i .
Procediendo de manera similar, obtenemos un resultado anlogo para el sistema lineal

homogneo en tiempo continuo,
= (CH)
La solucin general de (CH) es de la forma
(; ) = (4)
donde
exp(1 ) . 0

= [ . . .. ]
0 . exp( )
Teorema 2.2. Sea A una matriz n n real sin valores propios repetidos. Entonces se puede escribir
el j-simo componente de la solucin general del sistema (CH), x = x, puede escribirse
xjh (t; c) = ni=1 ci eij (i t)
donde ij es el j-simo componente del vector propio ei asociado con el valor propio .
El problema 2.3 pedir al lector que obtenga este resultado usando un procedimiento de
diagonalizacin. Pero primero ofrecemos una prueba alternativa del teorema que puede ser
instructiva.
Prueba. Buscamos soluciones del sistema (CH), = de la forma
() = (1)
donde es un vector, y un escalar. Para que una funcin de la forma (1) sea una solucin
del sistema, tendremos que imponer ciertas restricciones sobre y . En particular,
queremos que (1) satisfaga la ecuacin (CH), es decir,
[ () =] = [= ()]
Dividiendo ambos lados por 0 y reordenando, tenemos
( ) = 0
443
donde es la matriz de identidad. Observe que esta es precisamente la condicin que debe
ser satisfecha por los valores propios y vectores propios de . Por lo tanto, la funcin de
valor vectorial () = es una solucin de (CH) si es un valor propio de y es un
vector propio correspondiente. Ocasionalmente nos referiremos a soluciones de esta forma
como soluciones elementales de (CH).
Por lo tanto, las funciones de la forma

() = [1 (), . , ()] =exp ( ) (2)
son soluciones de (CH). Adems, hemos asumido que los valores propios 1 ,..., son todos
distintos. Debido a que esto garantiza la independencia lineal de los vectores propios, las
funciones { (); = 1, , } son linealmente independientes y por lo tanto constituyen
un conjunto fundamental de soluciones. As, podemos escribir la solucin general de (CH)
en la forma dada en el teorema,
(; ) = =1 exp( )
Problema 2.3. Deducir la ecuacin (4) diagonalizando la matriz de coeficientes de (CH).
(b) Valores Propios Imaginarios
Sea una matriz real que no tenga valores propios repetidos. Acabamos de ver que las
funciones de la forma () = exp( ) forman una base para el espacio de solucin del
sistema homogneo
= (CH)
Por lo tanto, la solucin general de (CH) puede escribirse en la forma
(; ) = =1 exp( ) (G. S)
Si slo tiene valores propios reales, sus autovectores tendrn componentes reales, y
asignando valores reales a las constantes en (G.S), podemos obtener todas las soluciones
de valor real del sistema. Si el sistema tiene algunas races complejas, (G.S) sigue siendo
vlida, pero su utilidad es limitada, ya que esta expresin ahora describe una familia de
funciones de valor complejo. Aunque todas estas funciones son realmente soluciones del
sistema, por lo general nos interesamos slo en aquellas que son de valor real. Por lo tanto,
nos gustara construir una base diferente para el espacio de soluciones, una que nos permitir
recuperar las soluciones reales del sistema asignando valores reales a las constantes
arbitrarias.
Esto resulta ser bastante fcil de hacer. Si es una matriz con entradas reales, sus valores
propios complejos y vectores propios vienen en pares conjugados, y, por lo tanto, tambin
lo hacen las funciones () = exp( ) que son soluciones de (1).
Es decir, si () = () + () es una solucin de (CH), entonces tambin lo es la

funcin () = () (). Es posible demostrar, adems, que las funciones reales
444
() y () son soluciones de (CH) y que pueden ser utilizadas, junto con cualquier
solucin elemental de valor real del sistema, exp( ) para formar una base de valor real
para el espacio de la solucin del sistema.
En aras de la concrecin, supongamos que los dos primeros valores propios de la matriz de
coeficientes, 1 y 2 , son complejos, y el resto,3 , , son nmeros reales. Si slo
tiene coeficientes reales, entonces 1 y 2 son conjugados, es decir,
1 = + y 2 =
Y lo mismo ocurre con los correspondientes vectores propios, que pueden escribirse
1 = + y 2 =
Donde y son vectores en . Las soluciones elementales correspondientes son las

funciones
1 () = exp(1 )1 y 2 () = exp(2 )2
Vamos a reescribir 1 () en una forma ms conveniente.2 Tenemos
1 () = exp(1 ) 1 = (+) ( + ) = ( + sin )( + )
= { cos + cos + sin + 2 sin }
= ( cos sin ) + ( cos + sin )
Procediendo de la misma manera,
2 () = exp(2 ) 2 = ( cos sin ) ( cos + sin )
Ahora definimos las funciones
() = ( cos sin ) y () = ( cos + sin )
Y escribir las soluciones elementales de la forma
1 () = () + () y 2 () = () ()
Sabemos que cualquier combinacin lineal de soluciones de (CH) es tambin una solucin
de (CH). Por lo tanto,
(; 1 ; 2 ) = 1 1 () + 2 2 () = 1 [() + ()] + 2 [() ()]
= (1 + 2 )() + (1 2 )()
Es tambin una solucin para cualquier escalar (complejo) 1 y 2 En particular, podemos

poner
1 1
(; 2 , 2) = () y (; 2 , 2) = ()
445
para concluir que () y () son tambin soluciones de (CH). Por otra parte, se puede
demostrar que ( ) y ( ) son linealmente independientes entre s y las otras soluciones
elementales. Por lo tanto, en lugar de 1 () y 2 () podemos usar () y () para
completar el conjunto fundamental de soluciones. Luego podemos escribir la solucin
general del sistema de la forma
(; ) = 1 () + 2 () + =3 exp( )
= 1 ( cos sin ) + 2 ( cos + sin ) + =1 exp( )
(5)
Para el caso del sistema discreto +1 = , se puede usar un procedimiento similar.

Supongamos que los primeros valores propios 1 y 2 de la matriz de coeficientes son
complejos,
1 = + = (cos + sin ), 2 = = (cos sin )
Donde es el mdulo comn de 1 y 2 , es el ngulo formado por el vector 1 en el

plano complejo y en el eje horizontal (vase la Seccin 7 del Captulo 1), y el resto, 3 , . . . ,
son reales. Entonces la solucin general se puede escribir en trminos de una base real, como
sigue:
() = 1 () + 2 () + =3
= 1 ( cos sin ) + 2 ( cos + sin ) + =3 1 (6)
Problema 2.4. Derivar la ecuacin (6).
(c) Valores Propios Repetidos
Ahora consideramos lo que ocurre cuando la matriz de coeficientes del sistema lineal
homogneo tiene algunos valores propios repetidos. Si es un valor propio de multiplicidad
, (es decir, se repite veces) entonces asociado con l hay un conjunto de hasta (pero
posiblemente menos) autovectores linealmente independientes. Si no podemos encontrar
un conjunto completo de vectores caractersticos linealmente independientes, la matriz
de coeficientes no ser diagonalizable y el procedimiento que hemos utilizado hasta ahora
no funcionar.
Desde una perspectiva ligeramente diferente, el problema es que tal vez no tengamos
suficientes soluciones elementales linealmente independientes de la forma exp( ) para
completar una base del espacio de la solucin. Para completar un conjunto fundamental de
soluciones, tendremos que buscar funciones de una forma diferente. Resulta que las
soluciones adicionales que necesitamos se pueden encontrar entre una familia de funciones
de forma relativamente simple, cada una conteniendo el producto de un polinomio de y
una exponencial.
446
En particular, supongamos que la matriz de coeficientes tiene races distintas 1 , ,

con multiplicidades 1 , , , respectivamente. Entonces las soluciones del sistema
(CH), = sern de la forma
() = =1 () exp( ) = =1
=1
1
exp( ) (7)
donde ()es un polinomio en de orden 1 (con coeficientes de valor vectorial).

Observamos, sin embargo, que no todas las funciones de la forma (7) son soluciones de
(CH). Deben colocarse restricciones adicionales sobre los coeficientes para que () sea
una solucin del sistema, como se muestra en el siguiente problema.
Problema 2.5. Dado el sistema lineal (CH), = supongamos que hay un valor propio
de la multiplicidad 2(1 = 2 = ), y el resto de los valores propios 3 , , , de son
todos diferentes entre s. Asociados con el valor propio repetido tenemos dos soluciones
elementales:
1 () = exp(1 ) 1 = 1 y 2 () = exp(2 ) 2 = 2
Claramente, si 1 y 2 son vectores propios linealmente independientes asociados a , las

soluciones elementales 1 () y 2 () son tambin independientes entre s y del resto de las
soluciones elementales 3 (), . , ().Por lo tanto, el conjunto de soluciones elementales
sigue siendo una base para el espacio de solucin del sistema homogneo, y podemos escribir
la solucin general como antes:
() = 1 1 () + + () (G. S)
Si 1 y 2 son linealmente dependientes, sin embargo, tambin lo son 1 () y 2 (),

entonces no tenemos suficientes soluciones elementales independientes para abarcar el
espacio de solucin. Para completar una base para el espacio de solucin que nos permitir
escribir la solucin general, necesitamos encontrar una solucin adicional a (CH) que ser
linealmente independiente de las soluciones elementales. Buscaremos una solucin de la
forma
() = ( + ) = + (1)
es decir, el producto de un polinomio de orden 1 (1 menor que la multiplicidad de ) de y

el trmino exponencial en el valor propio . Qu restricciones deben ponerse sobre los
vectores y para que () sea realmente una solucin del sistema, es decir, va a satisfacer
la ecuacin () = ()? Escriba la solucin general del sistema.
(d) Condiciones no homogneas del sistema y de estabilidad
Pasamos ahora al sistema lineal no homogneo de la forma
= + (CN)
447
+1 = + (DN)
Hemos visto que la solucin general de un sistema de este tipo puede ser escrito
() = () + () (G. S)
donde la funcin complementaria () es la solucin general del correspondiente sistema

homogneo, y () es una solucin arbitraria particular del sistema no homogneo.
En las secciones anteriores hemos mostrado cmo calcular (). Por lo tanto, basta con
encontrar una solucin particular de (CN) O (DN) para poder escribir la solucin general.
Una eleccin obvia es la solucin estacionaria del sistema, , siempre que esta exista. Para
encontrar, en el caso discreto ponemos +1 = eliminando el tiempo subndice, y
resolviendo para se obtiene
= + ( ) =
= ( )1 (8)
siempre que sea invertible. En el caso continuo, se establece que es cero
= + = 0 =
= 1 (9)
Siempre que sea invertible.3
Utilizando los resultados de la seccin anterior, podemos escribir las soluciones generales de
los sistemas directamente.4 Entonces las condiciones de estabilidad o inestabilidad se siguen
inmediatamente por la inspeccin.
Teorema 2.6. Sea A una verdadera matriz de n x n con valores propios no repetidos, todos diferentes de
cero. Entonces la solucin general del sistema (CN), = Ax + b, est dado por
x (t; c) = x + ni=1 ci(it)ei (G. S. C)
Donde = A1 b es el nico estado estacionario del sistema, 1, . . . , son constantes arbitrarias que
se han definido por eleccin de una condicin de lmite, i es la caracterstica de la raz de coeficientes de la
matriz A, y ei es el vector caracterstico correspondiente.
Dado (G.S), es fcil de determinar si el estado estacionario es estable o inestable.

Supongamos en primer lugar que todas las races del sistema son nmeros reales. A
continuacin, el j-simo componente de la solucin general viene dada por

(; ) = + =1 () (10)
La estabilidad del estado estacionario depende de los signos de los sistemas de valores
propios. Si todas las races son negativas, entonces todos los trminos de la forma exp()
son cero cuando , la solucin converja asintticamente al estado estable para
448
cualquier valor de la constante que es desde cualquier posicin inicial. Por otro lado,
si algunas de las races del sistema son estrictamente positivas, los correspondientes trminos
exponenciales exp() tienden al infinito cuando . Por lo tanto el sistema es
inestable y se aleja del estado estacionario, a menos que matemos las explosivas races
asignndole un valor de cero a las constantes correspondientes.
Si algunas de las races caractersticas son complejas, la solucin general puede ser escrita en
la forma derivada en la seccin anterior. En particular, si = + y =
son solo complejos con valores propios, vectores propios 1 = + y 2 = ,
tenemos
(; ) = + 1 ( cos sin ) + 2 ( cos + sin ) +
=3 ( ) (11)
Esta expresin muestra que los factores determinantes de la estabilidad estado estacionario
son los signos de las partes reales de los valores propios del sistema, . La existencia de un
componente imaginario distinto de cero introduce un elemento cclico en la solucin a
travs de las funciones sin y cos , pero lo que determina la convergencia o divergencia
del sistema es el comportamiento del termino . Observe tambin que si los valores
propios de son todos nmeros imaginarios puros, las soluciones del sistema son cclicos
y describen trayectorias cerradas alrededor del estado estacionario.
Por ltimo, si el sistema tiene races repetidas la solucin general es de la forma

() = =1 () exp( ) = =1 =1

1 exp( ) (12)
Esta expresin implica que incluso con races repetidas, la estabilidad del sistema depende
de los signos de las partes reales de sus valores propios. Si es real y negativo, por ejemplo,
los trminos de la forma tambin tienden a cero cuando , porque el trmino
exponencial prevalece. Por regla LHopitals, tenemos
1 1
lim = lim = lim ~ =0

En resumen, la estabilidad del tiempo-continuo en el sistema lineal autnomo depende de

los signos de las partes reales de los valores propios de la matriz de coeficientes. Podemos
resumir de la siguiente manera:
Teorema 2.7. Sea A una matriz real nxn con valores propios distintos de cero. Entonces el nico estado
estacionario del sistema (CS), x = A1 b, es (globalmente) asinttico estable si y slo si todos los valores
propios de la matriz de coeficientes A tienen partes reales estrictamente negativas, y es inestable si al menos
uno de los valores propios es estrictamente positivo.
Un estado estacionario que satisface las condiciones del teorema (es decir, tiene races
caractersticas distintas de cero), se dice que es hiperblica.
449
Para sistemas de tiempo discreto, tenemos una situacin muy similar.
Teorema 2.8. Sea una A matriz real nxn con valores propios todos distintos y diferentes de 1.5 Entonces
la solucin general del sistema (DN), xt+1 = Axt + b, est dada por

xt (c) = x + ni=1 ci ti ei (G. S. D)
donde x = (A I)1 b es el nico estado estable del sistema, 1 , . . . , son constantes arbitrarias
cuyos valores sern determinados por la eleccin de una adecuada condicin del lmite, i es el ensimo valor
propio de A, y ei es el vector propio correspondiente.
Esta expresin indica que lo que determina la convergencia o divergencia del sistema es si
los valores absolutos de sus races son o no inferiores a 1. Si tenemos races complejas,
entonces tenemos

() = 1 ( cos sin ) + 2 ( cos + sin ) + =3 ( )
cuando observamos que la estabilidad del sistema depende del valor de el mdulo de sus
races complejas. En el caso de los sistemas con races repetidas, la situacin es similar a la
que surge en sistemas de tiempo continuo. Tenemos entonces, la siguiente:
Teorema 2.9. Sea A una matriz real nxn donde todos los valores propios tienen mdulo distinto de
1. Entonces el nico estado estacionario del sistema (DN), dado por x = (A I)1 b, es (globalmente)
asintticamente estable si y slo s todos los valores propios de la matriz de coeficientes A tienen mdulos
estrictamente inferior a 1, e inestable si por lo menos un valor propio tiene un estrictamente mayor a 1.
Una Clase de Sistemas no Autnomo
El procedimiento de diagonalizacin descrito en la seccin 2(a) puede ser extendido para

tratar con sistemas no autnomo de la forma
= + () o +1 = + (13)
cuando la matriz de coeficientes es constante, pero forzando el trmino es una

funcin de tiempo.
Asumamos que es diagonalizable y consideremos para la concretacin, el caso discreto.

Procediendo como antes, se multiplica ambos lados de (13) por la inversa de la matriz del
vector propio, 1 , para obtener
1 +1 = 1 ( 1 ) + 1 = 1 + 1
si ahora definimos las variables transformadas
= 1 y = 1
450
podemos reescribir la expresin anterior como
+1 = +
Debido a que = diag(1, . . ., ) es diagonal, la transformacin del sistema se reduce a

un conjunto de ecuaciones independientes de la forma

+1 = +
Siguiendo el procedimiento descrito en la Seccin 5 del Captulo 9, podemos resolver cada

una de estas ecuaciones por separado. Para recuperar la solucin del sistema original, basta
con aplicar la inversa de la transformacin original, que es utilizar la relacin = .
(e) Espacios Estables e Inestables
Hemos visto que la estabilidad de un sistema lineal depende de los valores de sus races
caractersticas. En el caso del sistema de tiempo-continuo, = + , por ejemplo, si
todos los valores propios de tienen partes reales negativas, la solucin converge
asintticamente al estado estacionario de cualquier posicin inicial. En este caso, decimos
que es un sumidero. Si todas las races caractersticas de tienen partes reales positivas, el
sistema es completamente inestable y explota desde cualquier posicin inicial distinto
del estado estable. En este caso, hablamos de un origen. La situacin es similar en el caso de
sistemas de tiempo discreto, excepto que ahora nos interesan los mdulos de los valores
propios, en lugar de los signos de sus partes reales.
Cuando el sistema tiene races con partes reales positivas y races con partes reales negativas
(o races dentro y fuera del crculo unitario en el plano complejo en el caso de tiempo
discreto), podemos decir que su estado estacionario es un punto silla.
Un punto de silla es un equilibrio inestable, segn la definicin dada en el Captulo 9, para

la solucin existen trayectorias, empezando arbitrariamente cerca al estado estacionario,
consiguen arbitrariamente alejarse de l a medida que pasa el tiempo. Sin embargo, hay otras
trayectorias que convergen asintticamente al estado estacionario. En efecto, hay
posiblemente una gran regin del estado estacionario con la propiedad de que cualquier
trayectoria originaria en ella converge hacia el estado estacionario. Esta regin es lo que
llamamos el espacio estable o colector estable del sistema.
Suponga, para la concretacin, que tenemos un sistema homogneo en tiempo continuo,

(CH), = , con valores propios reales distintos y diferentes de cero. Separando los
valores propios de , { ; = 1, , }, en dos conjuntos, y , con < 0 y
> 0, y escribiendo la solucin general del sistema en la forma
(; , ) = =1 exp() = exp( ) + exp( ) (14)
donde como es usual, = (1 , , ) es un vector de constantes arbitrarias.
451
Evidentemente, si establecemos las constantes correspondientes a las races inestables

iguales a cero, entonces, la solucin del sistema, se reduce a
(; 0 ) = exp()
converge hacia el estado estable = 0 para cualquier valor del vector .
Establecer algunas de las constantes arbitrarias iguales a cero es equivalente a seleccionar un

subconjunto del espacio de estado . Nos mostrar que el subconjunto de
correspondiente a la condicin de lmite = 0 es el subespacio de atravesado por los
vectores propios asociados con las races estables. Recordemos que la ausencia de races
repetidas garantiza la independencia lineal de los autovectores de la matriz de coeficientes
. Por lo tanto, en virtud de nuestras suposiciones, dispone de un completo conjunto de n
autovectores linealmente independientes, = { ; = 1, , }, y esta familia de
vectores es una base para el espacio de estado . Sea 0 la posicin inicial del sistema en
tiempo cero. Debido a que es una base de , el vector 0 puede ser precisamente escrito
como la forma de una combinacin lineal de los autovalores de . Es decir, existen nmeros
reales 1 , , , no todos diferentes de cero, tal que
0 = =1 (15)
por otra parte, evaluando la solucin general del sistema en el tiempo cero
(0; ) = =1 exp(0) = =1 = 0 (16)
y combinando (15) y (16)
0=1( ) = 0 (17)
Finalmente, por la independencia lineal de los vectores propios, (17) implica que
= = 1, ,
Esto es, las constantes arbitrarias en la solucin general corresponden a las coordenadas
de la posicin inicial de los sistemas en el sistema de coordenadas definida por los vectores
propios de la matriz de coeficientes.
Ahora, el espacio convergente del sistema es el conjunto de puntos por donde = 0, es

decir, el conjunto de n vectores que pueden ser escritos como combinaciones lineales de los
vectores propios estables, o el subespacio de generado por { ; }. Llmese a
este conjunto (0), donde 0 es el estado estacionario del sistema homogneo. Dado
cualquier punto 0 (0), la solucin particular del sistema a travs de este punto est
dado por
(; 0 ) = exp( )
452
Por lo tanto, (; 0 ) 0 . Adems, (0) es invariante bajo el flujo del sistema,

por si 0 es una combinacin lineal de los vectores propios estables, por lo que es (; 0 )
para cualquier . De forma similar, si 0 = , es un punto en el subespacio
inestable del sistema (0) = span{ ; }, la solucin a travs de 0 esta dada por
(; 0 ) = exp( )
y tenemos
(; 0 ) (; 0 ) 0
Hasta ahora, hemos asumido que todas las races caractersticas del sistema son los
verdaderos valores, pero la situacin no es muy diferente si algunos valores propios son
complejos. Supongamos que tiene posiblemente races complejas distintas
= + ( = 1, , )
con vectores propios correspondientes
= +
(Recordemos que los valores propios complejos y vectores propios vienen en pares
conjugados. Por lo tanto, si 0 para algunos ; entonces = es tambin un
valor propio, y su correspondiente vector propio es de la forma = . ).Para cada
par de valores propios complejos, podemos sustituir los vectores propios y por los
vectores reales y y continuar como antes. Por lo tanto, los subespacios estables e
inestables del sistema homogneo = ahora estn dados por
(0) = lapso{, ; < 0} y (0) = lapso{, ; > 0} (18)
Finalmente, en el caso del sistema no homogneo = + , con estado estacionario ,

los espacios estables e inestables ( ) ( ) se obtienen desplazando los
subespacios estables e inestables del sistema homogneo para que pasen a travs del
estado estacionario . Esto es, ( ) ( ) son los subespacios afines (en lugar de
lineales) de dados por
( ) = + (0) ( ) = + (0) (19)
Resumimos la discusin en el siguiente teorema.
Teorema 2.10. Colector estable e inestable para sistemas lineales. Considerar el sistema lineal x =
x + , en estado estacionario x, y supongamos que A no tiene races repetidas. Entonces los conjuntos
W s (x) y W u (x) definida en (19) son invariantes bajo el flujo del sistema. Adems, dado cualquier punto
x 0 en W s (x), la solucin del sistema a travs de este punto, x(t; x 0 ), converge a x cuando t . Dado
cualquier punto y 0 W u (x) , la solucin correspondiente, x(t; y 0 ) cumple
x(t; y 0 ) t x(t; y 0 ) 0 t
453
Tiene un resultado similar para el sistema de tiempo discreto. En este caso, sin embargo, el
espacio estable (inestable) est definido por los vectores propios correspondientes a valores
propios dentro (fuera) el crculo unidad en el plano complejo, es decir,
(0) = lapso{, ; | | < 1} y (0) = lapso{, ; | | > 1} (20)
(f) Sistemas lineales en el plano
En esta seccin analizaremos en detalle la dinmica de los sistemas lineales autnomos en el

plano, es decir, los sistemas de la forma
= + (CS2)
+1 = + (2)
cuando es una matriz real de 2 x 2.
Prcticamente toda la informacin que necesitamos para describir la dinmica de (CS2) o

(DS2) se resume en los valores propios de la matriz de coeficientes . Dependiendo de si
las races caractersticas de son reales o complejas, tendrn partes positivas o negativas, o
si estn dentro o fuera del crculo unitario en el plano complejo, el estado estacionario del
sistema ser estable o inestable, y la solucin de las trayectorias se comportar de manera
diferente. Examinaremos las diferentes posibilidades que puedan surgir en los casos de
tiempo continuo- y discreto-. Para resumir nuestros resultados se construir dos figuras (una
para sistemas discretos y otra para sistemas continuos) dibujadas en el plano cartesiano, con
det en el eje vertical y tr en el eje horizontal. Para cada tipo de sistema dividiremos este
plano en un numero de regiones, cada una correspondiente a cada tipo de estado
estacionario.
Recordemos del Captulo 3 (Seccin 6) que los valores propios de ( 1 y 2 ) satisfacen las
relaciones
tr = 1 +2 (21)
det = 1 2 (22)
y son las soluciones de la ecuacin caracterstica
() = | | = 2 (tr ) + det = 0 (23)
Por lo tanto, por la frmula cuadrtica, 1 y 2 son dadas por
trt 2 4det
1 , 2 = (24)
2
Ecuacin (24) Muestra que los valores propios de son reales o complejos en funcin del
signo de la discriminante de la ecuacin caracterstica,
454
det= = 0
<0
Valores propios complejos
real real
tr = +
>0
Valores propios reales
FIGURA 10.1 Regiones de valores propios reales y complejos
= tr 2 4det
Estableciendo igual a cero y resolviendo para el determinante,

tr2
= tr 2 4det = 0 det = (25)
4
Obtenemos la ecuacin de una parbola con un mnimo en el origen. Esta curva divide el
plano en dos regiones, como se muestra en la Figura 10.1. En la regin por encima de la
parbola tenemos < 0, que es, tr 2 < 4det, indicando que las races del sistema son
nmeros complejos, mientras que la regin por debajo de la curva corresponde al caso de
valores propios reales ( > 0).
La ecuacin (24) tambin muestra que los complejos conjugados de valores propios
vienen en pares conjugados. Por lo tanto, si 1 = + es un valor propio, entonces es
2 = , y las ecuaciones (21) y (22) implican que
tr = 1+2 = ( + ) + ( )= 2 (26)
det = 1 2 = ( + ) + ( ) = 2 + 2 2 = 2 + 2 = |1 |2 = |2 |2
(27)
Por tanto, cuando los valores propios son complejos, la traza de la matriz de coeficientes
es igual a dos veces la parte real (comn) de los valores propios, y el determinante es el
cuadrado de su parte real (comn) de los valores propios y la determinante es el cuadrado
de su mdulo (comn).
()
Considerar el sistema plano en tiempo continuo,
455
x
x
x x x x
Caso a.1: nodo estable (, <0) Caso a.1: nodo inestable (, >0)
FIGURA 10.2 Nodos
= + (CS2)
y recordar la discusin general de la estabilidad en la seccin 2(d).
Supongamos primero que = tr 2 4det > 0 (es decir, estamos en la regin por
debajo de la parbola). A continuacin, la caracterstica races del sistema son nmeros reales,
y su solucin general puede ser escrita

1 (, ) = 1 + 1 11 exp(1 )+2 21 exp(2 )

2 (, ) = 2 + 1 12 exp(1 )+2 22 exp(2 )
La estabilidad del sistema depende de los signos de los valores propios. Los posibles casos
son los siguientes.
Caso a) races reales del mismo signo: nodos
Si det = 1 2 > 0, entonces ambas races son nmeros reales con el mismo signo.
En este caso, el estado estable se denomina nodo, porque todas las trayectorias punto
directamente dentro o fuera del estado estacionario. Dado que los valores propios
de deben tener el mismo signo, el signo de la traza de esta matriz nos dirn si el sistema
es estable o inestable. Si tr = 1 + 2 < 0, ambos valores propios son negativos y
todas las trayectorias convergen suavemente hacia el estado estacionario, produciendo
un (asintticamente) nodo estable. Si el traza es positiva, por lo que son valores propios,
y el nodo es inestable, como se ilustra en la Figura 10.2.
Se plantea una situacin similar si ( )2 4() = 0. A continuacin, el
sistema tiene repetidas races reales (1 = 2 = ), y su solucin general es de la forma

1 (, ) = 1 + 1 11 exp()+2 1 texp()

2 (, ) = 2 + 1 12 exp()+2 2 exp()
Cuando 1 = (11 , 12 ) es un valor propio de asociado con la raz repetida, y =
(1 , 2 ) es un segundo vector. Tenga en cuenta que las soluciones de trayectorias
convergen si < 0_, y divergen cuando > 0.
456
Caso b) races reales de signo diferente: puntos silla
Si = 1 2 < 0, las races del sistema son nmeros reales, de signos opuestos, y el
estado estacionario es un punto silla. Como vimos en la seccin 2(e), en este caso, las
soluciones del sistema convergen desde algunas posiciones iniciales y divergen en otras.
Para la concrecin, supongamos que 1 > 0 y 2 < 0, y considerar la solucin general del
sistema:

1 (, ) = 1 + 1 11 exp(1 )+2 21 exp(2 )

2 (, ) = 2 + 1 12 exp(1 )+2 22 exp(2 )
Es claro que si 1 0, el comportamiento del sistema ser finalmente dominado por su raz
positiva 1 > 0. , |1 11 exp(1 )| , y el sistema muestra un comportamiento
explosivo, alejndose cada vez ms del estado estacionario con el paso del tiempo. Por otro
lado, si imponemos la condicin de lmite 1 = 0, el sistema de comportamiento est
determinado solo por su raz negativa, y converge hacia el estado estable cuando .
Nota que para matar a la raz explosiva tenemos que asignar un valor de cero a una de las
constantes arbitrarias 1, mientras que el otro permanece libre. Hemos visto que asignar
valores a las dos constantes es equivalente a elegir un punto inicial para el sistema, y que la
asignacin de un valor a uno slo de ellos es equivalente a seleccionar un subespacio del
plano de fase. Por lo tanto, el sistema converge en el estado estable si y slo si se comienza
desde un punto en algn subconjunto de los (1 , 2 ) del plano caracterizado por la
condicin de que la arbitraria constante asociada con el explosivo raz es igual a cero.
Para ver como se ve el sub-espacio estable, establezca 1 = 0 en la solucin general para

obtener
1 () 1 = 2 21 exp(2 )
2 () 2 = 2 22 exp(2 ) (28)
Utilizando la segunda ecuacin para eliminar 2 exp(2 )desde el primero,

21
[1 () 1 ] = [ () 2 ]
22 2

1 () = 1 + 21 [2 () 2 ] (29)
22
que es la ecuacin de la lnea recta llamada S en la figura 10.3. Esta lnea, conocida como el
punto silla, es el sub-espacio convergente de los (1 , 2 ) del plano. Si el sistema no empieza
desde un punto de S, se embarcar en una trayectoria explosiva, como se muestra en la
figura.
Observe que la inclinacin del punto de silla se determina por el vector propio 2 asociados
con la raz estable 2 < 0. Si tomamos el estado estacionario como su origen, el estado del
vector propio apunta en la direccin del punto de la silla. El otro vector propio (asociado
con 1 > 0 ) tambin define una direccin interesante en la condicin del plano, que el
457
FIGURA 10.3. Caso (b): punto de silla (>0, <0).
camino divergente, el camino anti silla o subespacio inestable, nombrado en la figura.

(Ntese que dos vectores propios no necesitan ser ortogonales el uno con el otro.)
Case (c). Races complejas: puntos espirales
Ahora, supongamos que la discriminante = 2 4 es negativa, entonces los valores

propios del sistema son nmeros complejos 1 = + y 2 = , y continuando con
la discusin de la Seccin 2(b), la solucin general puede ser escrita como:
(, ) = + 1 () + 2 () (30)
donde
() = ( cos sin ) () = ( cos sin )
Cuando las races caractersticas del sistema son complejas, se dice que el estado estable es
un punto espiral, porque las funciones circulares sin y cos en la solucin inducen a
un patrn de tipo espiral en las rbitas del sistema. As como los nodos, los puntos espirales
pueden ser estables o inestables. Esto puede ser determinado comprobando el signo de la
traza, el cual en este caso se reduce a:
= 1 + 2 = + + = 2
Por lo tanto, si < 0, los valores propios tienen una parte real negativa , y (30) describe
una familia de trayectorias en espiral que convergen al estado estacionario ; si > 0,
entonces > 0, y las espirales divergen de .
Caso (d). Races imaginarias puras: centros
458
Si = 0 y det > 0, la discriminante es negativa, y los valores propios del sistema son
nmeros propios imaginarios con una parte real cero . Por lo tanto, el factor de escala
que multiplica a las funciones circulares () y () en la solucin general (30) se convierte
en una constante, y las trayectorias del sistema son curvas cerradas alrededor de un estado
estacionario que es llamado centro. Este es el nico caso en el cual el sistema lineal continuo
(CS2), = + tiene soluciones cclicas. Ntese que un centro es estable porque las
soluciones cercanas permanecen cerca, pero no asintticamente porque ellos no convergen
al estado estacionario.
x 2

x x
Caso c.1: punto de espiral estable (<0) Caso c.2: punto de espiral inestable (>0)
Caso d: centro (=0) x
FIGURA 10.4. Puntos y centros espirales.
Resumen
Hemos visto que la naturaleza y estabilidad del estado estacionario del sistema lineal
autnomo 2 x 2 dependen de los valores de sus races caractersticas, dadas por:
2 4
1 , 2 = (24)
2
459
det= = 0
c.1.- punto de espiral estable c.2.- punto de espiral

inestable
d.- centros
a.1.-nodos a.2.-nodos
estables inestables
Tr = +
b.-puntos de silla
FIGURA 10.5. Mapa de estabilidad para sistemas lineales continuos en el plano.
Teniendo en cuenta (24) y:
tr = 1 + 2 (21)
det = 1 2 (22)
Es fcil determinar la naturaleza del estado estacionario del sistema y las rbitas solo con
mirar el coeficiente de la matriz. En particular, hemos visto lo siguiente:
(i) Si det = 1 2 < 0, los valores propios del sistema son nmeros reales de valores
opuestos; por lo tanto, tenemos un punto silla.
(ii) Si det = 1 2 > 0, las races son nmeros complejos o nmeros reales del mismo
signo. En este caso hay dos posibilidades:
(a) Si det = 1 + 2 < 0, los dos valores propios son negativos (si son reales) o
tienen partes reales negativas, en ambos casos el sistema es estable.
(b) Si det = 1 2 > 0, ambas races son positivas o tienen partes reales positivas,
en ambos casos, el sistema es inestable.
()
En el caso del tiempo discreto, la estabilidad est determinada por los mdulos de los valores
propios del coeficiente de la matriz. Cuando las races caractersticas del sistema son reales,
la cuestin se reduce, a si estn o no dentro del intervalo (-1,1). Una manera conveniente de
determinar cuando este es el caso se basa en la siguiente observacin.
460
det det
p(1)=0
p(1)>0
p(-1)>0
los valores propios estn
en el mismo lado de 1
-1 tr
1 tr
p(1)<0
p(-1)<0
-1 los valores propios estn -1
en lados diferentes de 1
p(-1)=0
FIGURA 10.6
Siendo 1 y 2 los valores propios de . Podemos factorizar el polinomio caracterstico de

la matriz y escribirlo de la forma:
() = ( 1 )( 2 )
Por el momento, supongamos que ambos valores propios son reales, y queremos determinar
si ambos estn o no en el mismo lado de una constante dada a. Evaluando ( ) en ,
tenemos:
() = ( 1 )( 2 )
Claramente, () > 0 si y solo si los dos factores del lado derecho tienen el mismo signo,
esto es, si 1 y 2 estn en el mismo lado de .
En nuestro caso, estamos interesados en determinar si los valores propios (reales) de estn
en los mismos lados de 1 y -1. Por lo tanto, dibujaremos las lneas (1) = 0 y (1) = 0.
Recordando que:
() = 2 ( ) +
Tenemos:
(1) = 1 + 0
1 (31)
Por lo tanto, el conjunto de puntos (tr, det) en el plano que satisface (1) = 0 es una lnea
recta a travs de los puntos (0, -1) y (1,0) que divide el plano en dos regiones, como lo
muestra la Figura 10.6. En la regin de encima de la lnea, tenemos (1) > 0, indicando que
ambas races se encuentran en el mismo lado de 1, mientras que la desigualdad opuesta se
da en la regin debajo de la lnea (1) = 0, indicando que los valores propios se encuentran
en lados opuestos de 1 en la recta real.
461
p(-1)=0 det p(1)=0
p(1)>0 p(-1)>0
-1 1 tr
p(1)>0, p(-1)<0 p(1)<0, p(-1)>0

-1
p(1)<0 p(-1)<0
FIGURA 10.7.
Similarmente, tenemos:
(1) = 1 + + 0
1 (32)
La recta (1) = 0 pasa a travs de los puntos (-1,0) y (0,-1). En la regin encima de la
recta, tenemos (1) > 0 y ambas races estn en el mismo lado de -1. Combinando las
dos grficas, el plano es dividido en cuatro regiones, como se muestra en la Figura 10.7.
Adems, agregamos a la grfica la parbola:
= 2 4 = 0
2
= (33)
4
Como sabemos, los puntos encima de la parbola descrita por (33) corresponden a sistemas
de valores propios complejos. Es fcil de comprobar que la lnea = 0 es tangente a
(1) = 0 en el punto (-2,1) y a (1) = 0 en (2,1). La parbola est entonces enteramente
contenida en el cuadrante superior del plano, como dividida por las dos lneas rectas.
La Figura 10.8 muestra que el plano puede ser dividido en ocho regiones por las tres lneas
de referencia descritas anteriormente y una lnea horizontal en = 1. Para cada una de
estas regiones, podemos ahora determinar el tipo de estabilidad del estado estacionario.
Primero, concentrmonos en las regiones del plano que corresponden a los valores propios
(1, 2, 3, 4, 7, y 8). El estado estacionario es un sumidero si ambas races estn en el intervalo
(-1,1), un origen si ningn valor propio cae en esta regin, y un punto de silla si una de las
races est dentro de este intervalo y la otra no. Tomando cada regin a su vez, tenemos lo
siguiente:
462
det
= 0
p(-1)=0 Valores propios p(1)=0
4 complejos det >1
8
5
Races reales Races reales

p(1)>0, p(-1)>0, p(1)>0, p(-1)>0,
tr<-2, det>1 tr>2, det>1
Races complejos
det<1 6
Races reales, Races reales,
3 1
p(1)>0, p(-1)<0 -2 -1 1 2 p(1)<0, p(-1)>0
7
Races reales,
p(1)<0, p(-1)>0
-1 -2<tr<2
-1<det<1
2
Valores propios reales
p(1)>0, p(-1)<0, det<-1
FIGURA 10.8.
Regin1: (1) < 0 y (1) > 0. Los dos

valores propios se encuentran en el mismo
lado de -1 y en diferentes lados de 1. La -1 1 R
nica posibilidad es mostrada aqu: Hay un
valor propio en (-1,1), y el otro se encuentra
a la derecha de 1. El estado estacionario es
un punto silla.
Regin 2: (1) < 0 y (1) < 0 El

estado estacionario es un origen.
-1 1 R
Regin 3: (1) > 0 y (1) < 0. El
estado estacionario es un punto silla.
-1 1 R
463
det
= 0
ORIGEN ORIGEN
ORIGEN
SUMIDERO
SILLA SILLA
-2 -1 SUMIDERO 1 2 tr
O
FIGURA 10.9 Mapa de estabilidad para el sistema planar discreto

Regin 4: (1) > 0 y (1) > 0. Los dos
valores propios se encuentran en el mismo lado
de 1 y -1. Adems, tenemos > 0, por lo
tanto, ambos valores propios tienen el mismo -1 1 R
signo, y < 2, as que ambos son negativos.
Por ende, se encuentran antes que -1. El
estado estacionario es un origen.
Regin 8: (1) > 0 y (1) > 0. Ahora
> 0 y > 2, entonces las dos races son -1 1 R
positivas y ambas estn en el mismo lado de 1
y -1, y el estado estacionario es un origen.
Regin 7: (1) > 0 y (1) > 0. Ahora
tenemos 2 < < 2 y 1 < < 1.
Ambos valores propios deben estar en (-1,1), y
tenemos un sumidero. -1 1 R
En la regin 5 y 6, los valores propios son
nmeros complejos,
1 = + y 2 =
Recordando que:
= 1 + 2 = 2
= 1 2 = 2 + 2 = |1 |2 = |2 |2
Es fcil determinar la estabilidad del sistema. En la regin 5, tenemos > 1, implicando
que |1 | = |2 | > 1. Por lo tanto, el estado estacionario es un origen, mientras que en la
regin 6 la desigualdad opuesta se mantiene, indicando que tenemos un sumidero. Nuestras
conclusiones se encuentran resumidas en la Figura 10.9.
464
3. Sistemas no Lineales Autnomos
En esta seccin estudiaremos sistemas no lineales autnomos de la forma
= () (CS)
+1 = ( ) (DS)
Donde , : son funciones en 1 . A causa de que las soluciones explcitas

para sistemas no lineales son, en general, no disponibles, tendremos que confiar en ms
mtodos indirectos para analizar el comportamiento de dichos sistemas. Comenzaremos por
desarrollar un mtodo grfico que nos permitir obtener informacin cualitativa a cerca del
comportamiento del sistema dinmico planar y presentarlo de una forma intuitiva y
conveniente. Entonces mostramos que una cantidad considerable de informacin sobre el
comportamiento de un sistema no lineal cerca de un equilibrio puede ser obtenida
estudiando su linealizacin, esto es, el sistema lineal definido por la derivada de ( ) o ( )
en el estado estacionario.
(a) Diagramas de Fase para Sistemas Planares
En el Captulo 9 introducimos el diagrama de fase como una til herramienta para estudiar
sistemas no lineales en una dimensin. En esta seccin veremos que esta tcnica puede ser
extendida al caso de sistemas dinmicos de dos variables.
La idea bsica es la misma en ambos casos: Proyectamos en el espacio de estado las grficas
de las soluciones del sistema como una forma de visualizar su comportamiento. En dos
dimensiones, el resultado es un diagrama mostrando las trayectorias del sistema sobre el
plano.
Dado un sistema de ecuaciones diferenciales en el plano,
= (, ) (1)
= (, ) (2)
donde y son funciones en 1 , el primer paso es establecer y igual a cero en (1) y (2)
para obtener las ecuaciones de las lneas de fase:
= 0 (, ) = 0 (3)
= 0 (, ) = 0 (4)
cada una de estas ecuaciones describe una curva en el plano (, ).6
Considere estas lneas una a la vez. La lnea de fase = 0 divide el plano (, ) en dos
regiones. En uno de ellos, tenemos > 0 indicando que aumenta en el tiempo ( ),
mientras en el otro, < 0, y disminuye en el tiempo. Para determinar cul es cul (si este
no es evidente mediante una inspeccin de las ecuaciones), podemos evaluar cualquiera de
las derivadas.7
465
Sistemas no Lineales Autnomos
y y y = 0
x > 0 x(t) y < 0 y(t)
x < 0 x(t) y > 0 y(t)

x = 0
x x
FIGURA 10.10. Lneas de fase y flechas de movimiento
(,) (,)
= =

en un punto conveniente de la recta = 0 (tpicamente en el estado estacionario). Por

ejemplo, suponga que > 0, como lo asumido en la Figura 10.10. Esto nos dice que,
comenzando desde la recta = 0, un pequeo movimiento a la derecha incrementar el
valor de , hacindolo exactamente positivo. Por lo tanto, > 0 en la regin a la derecha de
la lnea de fase. Indicamos esto en la grfica a travs de una flecha de movimiento
horizontal apuntando hacia la derecha a lo largo del eje x.
Haciendo lo mismo con la lnea de fase = 0, obtenemos el segundo panel de la Figura

10.10. El siguiente paso es combinar ambas lneas de fase en un mismo diagrama. Las
intersecciones de las lneas de fase corresponden a los estados estacionarios del sistema (en
esos puntos, tenemos = 0 y = 0, ambas variables permanecen constantes en el tiempo).
El plano (, ) es ahora dividido en un nmero de regiones por las lneas de fase (cuatro, si
ellas se intersectan solo una vez). Combinando la informacin resumida por los dos paneles
de la Figura 10.10, podemos dibujar, para cada regin del plano, un conjunto de flechas de
movimiento describiendo la direccin del movimiento del sistema a lo largo de cada uno de
los ejes, como lo muestra la Figura 10.11.
El patrn de las flechas de movimiento nos dar valiosa informacin acerca del
comportamiento del sistema. En este caso, por ejemplo, ellas sugieren la existencia de una
trayectoria de silla convergente a travs de los cuadrantes superiores e inferiores. Las flechas
solas no son suficientes, sin embargo, proveen una descripcin completa de las trayectorias
del sistema. Debemos, por ejemplo, encontrar configuraciones, que son compatibles con un
ciclo cerrado o una (convergente o divergente) trayectoria espiral; por lo tanto, necesitamos
ms informacin para determinar el patrn real de las trayectorias de la solucin.
466
y
y = 0
x = 0
x x
FIGURA 10.11 Diagrama de fases.
Para el caso de sistemas en tiempo-discreto. El procedimiento es muy similar. Dado un

sistema de la forma
+1 = ( , ) o = +1 = ( , ) (5)
+1 = ( , ) o = +1 = ( , ) (6)
Obtenemos las lneas de fase estableciendo y igual a cero (es decir, borrando los
ndices de tiempo y configurando +1 = = x):
= 0 = (, )
= 0 = (, )
Como en el caso continuo, la lnea de fase = 0 divide el plano de fase en dos regiones,
en una de ellas, > 0, y aumenta con el tiempo, mientras en la otra regin, < 0,
y disminuye. Para determinar el patrn de las flechas de movimiento en cada regin,
diferenciamos (5) con respecto a una de las variables y evaluamos una de las derivadas
( , ) ( , )
= 1 o =

en el punto conveniente de la lnea = 0. Entonces procedemos como se discuti

anteriormente. Aunque los diagramas de fase puedan ser herramientas extremadamente
tiles, no proporcionan suficiente informacin para analizar todos los aspectos de inters en
el comportamiento de un sistema, y ellas pueden ser usadas para estudiar sistemas en solo
una o dos dimensiones.
467
Sistemas no Lineales Autnomos
En el resto de esta seccin, revisaremos algunos resultados que proporcionan ms precisa

(pero solo local) informacin acerca del comportamiento de sistemas no lineales de cualquier
dimensin. La idea bsica es aproximar un sistema no lineal en el vecindario de un estado
estacionario por el sistema lineal definido por su derivada. Como veremos, los
comportamientos locales de los dos sistemas son muy similares en la mayora de los casos.
(b) Anlisis Local por Linealizacin
Sea : una funcin 1 y 0 un punto en su dominio. Como vimos en el

captulo 4, podemos escribir
() = ( 0 ) + ( 0 )( 0 ) + ( 0 ) (7)
Y la diferenciabilidad de implica que el trmino de error ( 0 ) ser pequeo para

cerca de 0 , en el sentido de que
( 0 )
lim0 =0 (8)
0
Con esto en mente, considere un sistema autnomo no lineal de la forma
= () (NC)
+1 = ( ) (ND)
Donde , son 1 funciones, y sea un estado estacionario de (N).

Entonces el sistema lineal8
= ( )( ) (LC)
+1 = + ( )( ) (LD)
Se puede esperar que sea una aproximacin razonable a (N) alrededor del punto de equilibrio
, para la nica diferencia entre el sistema de dos es el trmino de error ( ). Porque
la expresin (8) garantiza que este trmino ser pequeo en el vecindario de , podemos
esperar que tenga poca influencia en el comportamiento del sistema. Para una gran clase de
sistemas esto es de hecho el caso, y como resultado podemos obtener una cantidad justa de
informacin sobre el comportamiento del sistema no lineal (N) cerca de un equilibrio
estudiando su linealizacin (es decir, el sistema lineal definido por la derivada de o en el
estado estacionario).
Para hacer este resultado ms preciso, necesitamos introducir algunos conceptos adicionales.
Dos sistemas son topolgicamente equivalentes si tienen estructuras de rbita similares. Ms
468
formalmente, dos sistemas son topolgicamente equivalentes si sus trayectorias de la

solucin son los mismos despus de un continuo cambio de coordenadas.
Definicin 3.1. Topolgica de flujo o equivalencia. Dado dos sistemas dinmicos y ,

decimos que son topolgicamente equivalentes si existe un homeomorfismo (un continuo
cambio de coordenadas) que correlaciona rbitas y conservando el sentido de tiempo.
El concepto de equivalencia de flujo nos permite precisar la idea que dos sistemas se
comportan de forma muy similar. El resultado principal de esta seccin dice que la mayora
de los sistemas no lineales son topolgicamente equivalentes a sus linearizaciones cerca de
un punto de equilibrio. Sin embargo, existen algunas excepciones de equilibrio de
linearizacin que est garantizado para trabajar bien se dice para ser hiperblico.
Definicin 3.2. Equilibrio hiperblico. Sea un estado estable del sistema no lineal
(), = ()[ +1 = ( )]. Decimos que es un equilibrio hiperblico si la derivada
de evaluada en , ( ), no tiene valores propios con partes reales cero[ ( ) no tiene
valores propios con modulo igual a 1].
Teorema 3.3. Grobman-Hartman. Sea un equilibrio hiperblico de (NC), = () . Luego hay

una vecindad de , tal que (NC) es topolgicamente equivalente al sistema lineal
x = Df(x)(x x ) (LC)
en . Similarmente, dado el sistema discreto(ND),.+1 = ( ), si es hiperblico y ( ) es

invertible, vecindad en de tal que (ND) es topolgicamente equivalente al sistema lineal.
xt+1 = x + Dg(x)(xt x) (LD)
De ah, la linearizacin funciona bien alrededor de equilibrios hiperblica.9 En el caso

discreto, requerimos ( ) a ser localmente invertible, de manera que los efectos negativos de
la rbita estn definidos.
Nuestro prximo dos resultados proporcionan informacin ms precisa sobre el

comportamiento del sistema no lineal, el primer teorema nos dice que alrededor de
equilibrios hiperblica, la estabilidad del tipo de equilibrio es la misma para el sistema no
lineal y por su alineamiento. La segunda dice que si el sistema tiene un punto de silla
linealizada tambin lo hace el sistema no lineal. Adems, el sistema no lineal que tiene una
ruta de caballete De la misma dimensin que y tangente al espacio estable del sistema
linealizada en el estado estacionario
Teorema 3.4. La estabilidad local de sistemas no lineales. considerar el sistema (NC), x = f(x), donde
f: es una funcin 1 y sea x un punto de equilibrio de (NC). Luego tenemos los siguientes:
Si todos los valores propios de Df(x) tienen estrictamente partes reales negativas, entonces x es
asintticamente estable.
Si al menos un valor propio de Df(x) tiene una parte real positiva, entonces x es (localmente) inestable.
Si al menos un valor propio de Df(x) tiene una parte real cero, y todos los dems valores propios tienen
partes reales negativas, entonces el equilibrio x puede ser estable, asintticamente estable, o inestable.
469
Problemas
Similarmente, sea x un estado estacionario del sistema discreto (ND), xt+1 = g(xt ).
Luego, tenemos lo siguiente:
Si todos los valores propios de Dg(x)tienen mdulos estrictamente menores a 1, x es asintticamente

estable (un sumidero).
Si al menos un valor propio tiene un mdulo mayor a 1, entonces x es inestable (un origen).
Si todos los valores propios del Jacobiano estn dentro del crculo unitario, pero al menos uno est en el
lmite (tiene mdulo 1), entonces x puede ser estable, asintticamente estable o inestable.
Teorema 3.5. Mltiple estable. Sea x un estado estacionario del sistema (ND), = f(x) [o (ND),
xt+1 = g(xt )], donde f, g: es una funcin en 1 .
Supongamos que la matriz Df(x) [Dg(x)] tiene k valores propios con partes reales negativas [dentro del
crculo unitario en el plano complejo] y n k valores propios con partes reales positivas [fuera del crculo
unitario]. Entonces existe una S mltiple diferenciable k-dimensional, tangente al espacio estable de la
linealizacin de (NC) [(ND)] en x, que es invariante bajo el flujo del sistema y tal que para cualquier x 0
en S, la solucin a travs de x 0 converge al estado estacionario, esto es,
lim x(t, x 0 ) = x
t
Similarmente hay una U mltiple diferenciable (n k)-dimensional, tangente al espacio inestable del sistema
linealizado en x, este es invariante bajo el flujo de (N). para cualquier punto y 0 en U, adems,
lim x(t, x 0 ) = x
t
Las pruebas de estos resultados nos llevaran demasiado lejos, el lector interesado puede
consultar Perko (1991, cap. 2) y Ruelle (1989) y las referencias citadas en los mismos.
4. Problemas
Problema 4.1. Coordenadas polares. Cuando trabajamos con sistemas planares es a veces
conveniente trabajar en coordenadas polares. Considera un punto con coordenadas (, )
cartesianas (ordinarias). Sus coordenadas polares son (, ) donde r es una distancia
Euclidiana desde el origen al punto (, ), y es el ngulo formado por el segmento de lnea
que va desde el origen hasta el punto (, ) y el eje horizontal. Por lo tanto, r y se definen
por
2 = 2 + 2 (1)

= arctan ( ) (2)
y es tal que

cos = / y sin = (3)
Diferenciando (1) y (2) implcitamente con respecto al tiempo, se demuestra que
470
= + (4)
2 = (5)
Sugerencia: recordar que si = arctan , entonces = /(1 + 2 )
Reescribir un sistema de la forma
= (, ), = (, ) (6)
en coordenadas polares, sustituimos (6) en (4) y (5) y determinar si las expresiones resultantes
pueden escribirse enteramente en trminos de r y . Si se puede hacer esto, y el sistema
resultante puede ser resuelto explcitamente, las funciones de solucin para el sistema original,
() y (), se pueden recuperar usando la siguiente relacin, derivando de (3):
= cos y = sin (7)
Problema 4.2. Sea la matriz real 2 x 2 con valores propios complejos 1 , 2 = y

vectores propios complejos correspondientes 1 , 2 = . Se puede demostrar que los
vectores reales y son linealmente independientes, por lo que la matriz = [, ] es
invertible.
Demuestre que

1 = = [ ] (8)
() La ecuacin (8) muestra que si tiene valores propios complejos, entonces el sistema plano
= puede escribirse (despus de un cambio de coordenadas) en la forma

[ ] = [ ] []

o equivalentemente
= (9)
= (10)
(Piense en el uso de P, en lugar de la matriz de vectores propios , para "diagonalizar" . La

matriz resultante no es diagonal, pero, como veremos pronto, es bastante conveniente.)
() Reescribir el sistema (9)-(10) en coordenadas polares y resolverlo, dejando la solucin

((), ()) en funcin de los valores iniciales (0) y (0).
() Utilizando las identidades trigonomtricas
sin( + ) = (sin )(cos ) + (cos )(sin ) (11)
cos( + ) = (cos )(cos ) (sin )(sin ) (12)
471
Bibliografa
Recuperar la solucin ((), ()) del sistema original, escrita en funcin de los valores
iniciales (0) y (0).
El Problema 4.3 considera el siguiente sistema de ecuaciones diferenciales:
= (, ) = + ( 2 2 ) (17)
= (, ) = + ( 2 2 ) (18)
() Demostrar que el punto (0,0) es el nico estado estacionario del sistema para cualquier valor
de .
() Linealizar el sistema alrededor del estado estacionario y calcular sus valores propios. Qu
podemos decir acerca de la estabilidad y el tipo de estado estacionario? (Hay tres casos
posibles, dependiendo del valor de ).
() Muestre que el sistema original puede escribirse en coordenadas polares como
= ( 2 ) (19)
= 1 (20)
Usando estas expresiones, describa el comportamiento del sistema, y compare los resultados
con los obtenidos en (). La linealizacin debe dar resultados locales precisos en dos casos,
pero ahora podemos "ver" ms cosas. Qu ocurre en el tercer caso?
Bibliografa
Arnold, V.1990.Ordinary Differential Equations. Massachusetts Institute of

Technology Press.
Arrowsmith, D., and Place, C. 1990. An Introduction to Dynamical Systems. Cambridge

University Press.
Azariadis, C., and de la Fuente, A.1993.Discrete Dynamical Systems. Part I. In: Intertemporal
Macroeconomics, pp. 1-170. Oxford: Blackwell.
Beavis, B., and Dobbs, I. 1990.Optimization and Stability Theory for Economic Analysis
Beltrami, E.1987. Mathematics for Dynamic Modelling. Orlando, FL: Academic Press.
Boyce, W., and DiPrima, R.1977. Elementary Differential Equations, 3 rd Ed. New York: Wiley.
472
Bibliografa
Brauer, F., and Nohel, J. 1969.The Qualitative Theory of Ordinary Differential Equations,
An Introduction. New York: Dover.
Brock, W., and Malliaris, A .1989.Differential Equations, Stability and Chaos in Dynamic Economics.
Amsterdom: North Holland.
Coddington, E. 1961.An Introduction to Ordinary Differential Equations. Englewood Cliffs, NJ:

Prentice-Hall.
Guckenheimer, J., and Holmes, P.1983.Nonlinear Oscillations, Dynamical Systems, and Bifurcations
of Vector Fields. Berlin: Springer-Verlag.
Guzman, M. 1980. Ecuaciones diferenciales ordinarias. Teoria de Estabilidad y Control. Madrid:

Alhambra.
Hale, J., and Kocak, H.1991. Dynamics and Bifurcations. Berlin: Springer-Verlag.
Hirsch, M., and Smale, S.1974. Differential Equations, Dynamical Systems and Linear Algebra. New
York: Academic Press.
Lelong-Ferrand,J., and Aurnadies, J.M. 1977.Cours de Mathmatiques. Tome 4: Equations

Diffentielles, Integrales Multiples. Paris: Dunod Universit.
Luenberger, D. 1979. Introduction to Dynamic Systems. New York: Wiley.
Obstfeld, M. 1980.Primer on Differential Equations. Mimeograph, Department of

Economics, Columbia University.
Perko, L 1991. Differential Equations and Dynamical Systems. Berlin: Springer-Verlag.
Ruelle, D. 1989. Elements of Differentiable Dynamics and Bifurcation Theory. Orlando, FL:
Academic Press.
Sanchez, D. 1968.Ordinary Differential Equations and Stability Theory: An Introduction. San

Francisco: Freeman.
Simmons, G. 1972. Differential Equations with Applications and Historical Notes. New York:
McGraw-Hill.
Sydsaeter, K. 1981. Topics in Mathematical Analysis for Economics. Orlando, FL: Academic Press.
Tu, P. 1994. Dynamical Systems. An Introduction with Applications in Economics and Biology.
Berlin: Springer-Verlag.
473
Notas
Notas
1 Tenga en cuenta que cada solucin () es una funcin de valor vectorial.
2 Por la frmula de Euler: = cos + sin .Ver seccin 7 del captulo 1.
3 Es decir, siempre det 0. Debido a que el determinante es igual al producto de los valores propios,
lo que necesitamos es que no tenga races cero.
4 Tambin podemos transformar el sistema dado en equivalente homogneo, simplemente por la
reescritura de las desviaciones del estado estable. Eso fue lo que hicimos en nuestra discusin de
sistemas escalares en el captulo 9.
5 Las races caractersticas de la matriz = son la solucin del sistema det( ) =

det[ ( + 1)] = 0, y los de se resuelve con det( ) = 0. Por lo tanto, los valores
caractersticos de dos matrices satisfacen la relacin + 1 = . Para que sea invertible,
(garantizando as la existencia de un nico estado estable), necesitamos que su determinante sea
diferente de cero o de modo equivalente, sus valores propios todos distinto de cero, pero 0 es
equivalente a 1; de ah las hiptesis del teorema.
6 Si la ecuacin (3) o (4) no pueden solucionarse de manera explcita, podemos utilizar el teorema de la
funcin implcita para determinar las pendientes de las curvas que definen.
7 Cualquiera lo har, siempre y cuando tengamos cuidado con cmo interpretamos el signo de la
derivada. Bsicamente, lo que estamos haciendo es controlar la seal de en un punto arbitrario de
uno de los subplanos en que la lnea de fase divide el plano. Todos los puntos de un determinado
subplano debera producir el mismo signo para ; pero note que abajo y a la derecha de la lnea
inclinada hacia arriba son una y la misma cosa, por lo que en el grfico precedente no importa si
comprobamos en ( ) o en ( ).
Puede ser fcil recordar que > 0 implica que la flecha de movimiento para , apunta lejos
( = 0) de la lnea de fase correspondiente. Un aumento en hace positivo, y por lo tanto causa
para aumentar an ms.
8 Para obtener () de (7), observe que ( ) = 0 y ( ) = por definicin de estado estable.
9 Se puede demostrar que la mayora de los equilibrios son hiperblicos. Intuitivamente, no

hiperblico es una propiedad frgil, por la siguiente razn. Tenga en cuenta que las partes reales de los
valores propios de ( ) son funciones continuas de las entradas de la matriz Jacobiana. Si un
determinado valor propio tiene como parte real cero, cualquier pequeo cambio en los valores de estas
entradas har que sea distinto de cero, pasando del equilibrio a un estado estable hiperblico.
474
11
Sistemas dinmicos III: Aplicaciones
Este captulo discute algunos ejemplos de modelos econmicos dinmicos con el fin de
ilustrar el uso en la teora econmica de algunas de las tcnicas y resultados discutidos
anteriormente.
Primero estudiaremos detalladamente la dinmica de un modelo IS LM con expectativas
adaptativas y precios constantes. Este ejercicio ilustrar la construccin de diagramas de fase
y el uso de un sistema de autovalores para determinar sus propiedades de estabilidad. Luego
nos dirigiremos a un modelo de previsin perfecta simple que ilustra como la eleccin de
condiciones de contorno incorpora importantes supuestos econmicos. Una cuestin similar
surge en relacin al modelo de sobrecarga de Dornbusch, el cual ser discutido luego. La
ltima parte de este captulo contiene una introduccin a la teora neoclsica del desarrollo y
una discusin de algunas tcnicas que son tiles en el desarrollo de sistemas no lineales.
1. Un modelo dinmico de IS LM
Textos introductorios en macroeconoma suelen confiar el estilo keynesiano del modelo
esttico IS LM, como el que analizamos en el captulo 5 (Problema 4.1). Una simple versin
de este modelo puede ser escrito as:
= (IS) (1)
= ( + ) (LM) (2)
Donde las letras griegas son parmetros positivos, y es de la produccin real, r es la tasa
de inters real, es la tasa de inflacin esperada, y = ln(/) es el logaritmo del saldo
real del dinero, que es la masa nominal de dinero (M) dividido entre el nivel de precios (P).
En la ecuacin (1), a veces llamada cuadro de la IS, puede ser interpretado como una condicin
de equilibrio para el mercado de bienes. Esto afirma que la demanda de bienes, la cual es una
funcin creciente de renta y una funcin decreciente de la tasa de inters, debe ser igual a la
oferta de bienes. En la ecuacin (2), el cuadro de la LM, es una condicin de equilibrio para
el mercado de dinero. Requiere que la demanda por saldos reales, la cual es
475
Un modelo IS LM dinmico
creciente en renta y decreciente en la tasa nominal de inters ( + ), sea igual a la oferta

real de dinero.
Si tomamos como dadas la oferta real de dinero y la tasa de inflacin esperada, ecuaciones
(1) y (2) pueden ser resolverse para los valores de equilibrio de renta y tasa de inters ( y
) como funciones de y . Es fcil comprobar que
)
+ (1 )
= (, = , = + >0 (3)

)
( + )
= (, = , = + >0 (4)
1
para convertir el modelo anterior en un modelo dinmico, hacemos simples supuestos sobre
la evolucin de la oferta de dinero, la formacin de expectativas y dinmica de precios.
Primero asumimos que la oferta nominal Crece con el tiempo a una tasa constante . Por
lo tanto:
(5)
=

Segundo, asumimos que la actual inflacin en cada momento ( = ) es una funcin de
inflacin esperada y la diferencia entre produccin corriente y una tasa natural de
produccin . Por lo tanto, si la demanda es muy alta, esta empuja a la economa a funcionar
ms que su capacidad normal, los precios suben ms rpido de lo esperado, como se describe
en la siguiente relacin de Phillips:1

( =) = + ( ) (6)

Finalmente, asumimos que las expectativas son adaptativas, con pronsticos de inflacin
actualizados cada perodo por fraccin de error pronstico actual:
= ( ) (7)
Para analizar la dinmica del modelo, reducimos las anteriores ecuaciones a un sistema de
ecuaciones diferenciales en m y . Para obtener la ley de movimiento que describe la
inflacin esperada, sustituimos (6) en (7) y usamos (3) para obtener:
+
= [(, ) ] = ( )

= + (. )

Para obtener la segunda ecuacin que necesitamos, nos damos cuenta de que por definicin

= ln ( ) = ln ln . Diferenciando esta expresin con respecto al tiempo, tenemos

= =

476
477
III: Algunas aplicaciones
Sustituyendo (6) en esta ltima expresin y usando (3), obtenemos

+
= ( ) = + = (1 + ) + +

(. )
Por lo tanto, el modelo se reduce a un sistema de dos ecuaciones autnomas diferenciales.
Construiremos su diagrama de fase y calcular los autovalores de la matriz de coeficientes para
comprobar la estabilidad del estado estacionario.
En lo que sigue, tratamos y (y por lo tanto = /) como variables
predeterminadas. Por lo tanto, suponemos que las trayectorias de tiempo de los actuales
precios y la inflacin esperada son continuas y por lo tanto no muestran un cambio repentino.
Econmicamente, decimos que tanto precios y expectativas responden con cierta lentitud a
las circunstancias cambiantes. Este supuesto, comn en modelos keynesianos pasados de
moda, no es necesariamente el ms razonable que se puede hacer. En siguientes secciones
estudiaremos otros modelos los que se permite que los precios se ajusten instantneamente,
incluso si este involucra un cambio discreto en su nivel.
(a) Diagrama de fase y anlisis de estabilidad

A evolucin de nuestro modelo econmico es descrito por un sistema de primer orden de
ecuaciones diferenciales:
+
= ( ) = + (. )

+
= + ( ) = (1 + ) + + (. . )

Como un primer paso en nuestro anlisis de este sistema calculamos su estado estacionario
y construimos su diagrama de fase. Ajustando = 0 y = 0 en las leyes de movimiento
describiendo la inflacin esperada y la oferta real de dinero, obtenemos las ecuaciones de
lnea de fase:
+
= 0 = = (. )

+
= 0 = + ( ) (. )

Este sistema de ecuaciones puede ser resuelto para los valores de estado estacionario de y
. Utilizando (. ) en (. ) vemos que
= (8)
478
> 0
< 0
= 0
Figura 11.1. El = 0 lnea de fase
Ahora, sustituyendo (8) en (. ),

= (9)
Dado y , podemos usar (3) y (4) para resolver para los valores de estado estacionario
de produccin y tasa de inters:
+ +

(
, ) = = =

+ ) ( + )
(
, ) =
( = = (/)

Podemos pensar del estado estacionario como una posicin de equilibrio de largo plazo. En
tal equilibrio, tanto la inflacin anticipada y la actual (mire ecuacin (7)) son iguales a la tasa
de creacin de dinero y debido a que no hay inflacin inesperada, la produccin est en su
tasa natural. La oferta de dinero de equilibrio est positivamente relacionada con la tasa
natural de produccin y negativamente relacionada con debido a que el crecimiento de
la masa monetaria induce a la inflacin, la cual reduce la demanda de saldos reales.
Ahora volviendo a la dinmica del modelo, el siguiente paso es trazar cada una de las lneas
de fase con las correspondientes flechas de movimiento.
= (. )
vemos que la lnea de fase = 0 define una funcin de pendiente negativa en el plano
( , ), como se muestra en la Figura 11.1. Esta lnea divide el plano en dos regiones: una
en el que > 0 (es decir, inflacin esperada incrementa con el paso del tiempo) y una
segunda en la que lo contrario es cierto. Para determinar cul es cual, se considera el siguiente
experimento; Imaginar que, partiendo desde un punto en la
479
m
< 0
> 0
= 0
Figura 11.2. El = 0 fase de lnea
= 0 lnea de fase (es decir el estado estacionario), incrementamos ligeramente el valor de

m y observamos qu le sucede al valor de . Ms formal, usamos (. ) para calcular la
derivada de con respecto a m si esta derivada no es constante, la evaluamos en el punto
de partida:

= / > 0

Debido a que la derivada es positiva y el valor inicial de era cero, concluimos que el
movimiento hacia el norte de la lnea de fase nos ubica en la regin en la que > 0. Por
lo tanto, incrementa con el tiempo en la regin por encima de la lnea y la correspondiente
flechas de movimiento a lo largo del eje hacia la derecha.
Para la lnea de fase = 0 procedemos de manera similar (Figure 11.2). Resolviendo para
en funcin de en (. . ), notamos que la lnea de fase es de pendiente negativa:
(10)
= ( + ) (1 + )

Diferenciando (. ), vemos que la derivada parcial de con respecto a ,

= () < 0

es negativa. As, decrece (desde el valor inicial de cero en el estado estacionario) y se
convierte en negativa cuando nos movemos en la regin por encima de la lnea de fase. Por
lo tanto, decrece a travs del tiempo en el rea del plano de fase e indicamos este hecho
con una flecha de movimiento apuntando hacia abajo a lo largo del eje .
480
= 0

= 0

Figura 11.3 Diagrama de fase
Combinando las dos lneas de fase y las correspondientes flechas de movimiento, podemos
ahora construir el diagrama de fase. Debido a que ambas lneas son de pendiente negativa, el
primer paso es determinar cul es ms pronunciado. Usando (. ) y (10), vemos que

|( ) | = < (/) + = |( ) |

la lnea de fase (. . ), = 0 es ms pronunciada, como se muestra en la Figura 11.3
Observamos que el patrn de flechas de movimiento es compatible con trayectorias en
espiral o con trayectoria de silla, dependiendo de los valores de los parmetros. Para ser ms
preciso, tenemos que mirar los autovalores del sistema.
Para determinar las propiedades de estabilidad del estado estacionario, calculamos los
autovalores de la matriz de coeficientes del sistema.

(1 + )
=[ ]

Como vimos en el captulo 3 (Seccin 6), las races caractersticas de A son dadas por
2 4
1 , 2 =
2
481
donde

= 1 + 2 = + = ( 1)

2 2
det = 1 2 = + (1 + ) = 2 + + 2 = >0

Por lo tanto, la determinante de la matriz de coeficientes es positiva y la determinante puede
ser positivo o negativo dependiendo de los valores de los parmetros. Similar, la
discriminante = 2 4 puede ser positiva o negativa, como resultado los autovalores
del sistema pueden ser nmeros reales o nmeros complejos.
Supongamos primero que los autovalores son nmeros reales ( , > 0). En
ese caso el signo positivo de la determinante (la cual como sabemos es producto de los
autovalores) implica que 1 y 2 tienen el mismo signo. Depende entonces del signo de la
traza (cuyo valor es igual a la suma de los autovalores). En particular, el estado estacionario
va a ser estable si
= 1 + 2 < 0 < 1/
por lo que ambos valores entonces, sern nmeros reales negativos.4
Si la discriminante es negativa, por el otro lado, los autovalores del sistema van a ser
conjugados complejos de la forma 1 = + y 2 = . Por lo tanto,
= 1 + 2 = 2
por lo que el signo de las partes reales de los autovalores es el mismo que el signo de la traza.
Si < 1/, la traza y por lo tanto las partes reales de los autovalores son negativos y el
sistema es estable.
Por lo tanto, la condicin de estabilidad es la misma en ambos casos y depende
fundamentalmente del tamao del parmetro de ajuste de las expectativas . Este parmetro
nos dice como rpidamente las expectativas se revisan en respuesta a errores de pronstico.
Si es pequeo, hay un elemento de lentitud incorporado en el modelo. Expectativas
inflacionarias toman un tiempo para ajustarse a la inflacin actual. Se recuperan y el equilibrio
se restaura, pero esto puede llevar algn tiempo. As, con bajo , el modelo es estable y lento
para ajustar. Si, por el otro lado, es, muy grande, el modelo se convierte en inestable,
debido a las expectativas de precios exageran y debido a que la inflacin esperada se
convierte en un componente de la actual inflacin, no hay manera de poder restaurar el
equilibrio.
En el resto de la seccin, asumiremos que los valores de los parmetros son tales que los
valores propios son reales y negativos. Esto nos da un sistema buen comportado que
converge asintticamente al estado estacionario sin oscilaciones cclicas.
482
(b) Efectos de la poltica monetaria

Ahora podemos usar el diagrama de fase y el supuesto de estabilidad que acabamos de hacer
para analizar la respuesta del sistema a un cambio en el valor de uno de sus parmetros. En
particular, nos centramos en el efecto de uno en todo en la tasa de creacin de dinero .
Asumimos que estamos inicialmente en el estado estacionario 0 que corresponde a una tasa
constante de crecimiento monetario 0 . Siguiente, imaginemos que el gobierno incrementa
la tasa de crecimiento de la oferta monetaria nominal a 1 desde 0 y promete no cambiarlo
de nuevo, y la poblacin le cree. Qu sucede?
Debido a que asumimos que el sistema es estable, este va a converger asintticamente a un
nuevo estado estacionario 1 que corresponde al nuevo valor de . Existen dos diferentes
cuestiones a considerar: Primero, tenemos que ver qu pasa con el estado estacionario
cuando sus parmetros cambian. Este es un ejercicio en esttica comparativa. Segundo, nos
gustara determinar la trayectoria que el sistema sigue desde la posicin inicial (el estado
estacionario asociado con 0 ) hasta el nuevo equilibrio a largo plazo.
Comencemos con los efectos a largo plazo del cambio de poltica propuesto. Recurdese que
el estado estacionario del sistema se encuentra en la interseccin de las lneas de fase.

= ( + ) (1 + ) (. . )

= (. )
La inspeccin de estas ecuaciones muestra que un incremento en desplaza la
lnea de fase = 0 hacia arriba, pero no tiene efecto en el lugar geomtrico = 0 . El
nuevo estado estacionario 1 por lo tanto se encuentra al suroeste de la anterior, como lo
ilustrado en la Figura 11.4. Por lo tanto, el efecto a largo plazo de un incremento en la tasa
de crecimiento de dinero es aumentar la inflacin esperada y reducir la cantidad de dinero
real.
Recordando la ecuacin la ecuacin (8), = , vemos que un incremento en la tasa de
crecimiento de dinero conduce a largo plazo un incremento proporcional en la tasa de
inflacin esperada (y actual) y la reduccin en la cantidad de saldos reales. Tambin sabemos
que
, ) =
( , ) = (/)
(
tanto la produccin en el estado estacionario y la tasa de inters real son independientes de
la poltica monetaria. Por lo tanto, la poltica monetaria es neutral en el largo plazo, debido a
que esta no tiene efecto en la produccin o la tasa de inters. Su nico efecto es un
incremento proporcional en la tasa de inflacin que reduce la demanda de saldo real. En el
corto plazo, sin embargo, un cambio en la tasa de creacin de dinero tendr efectos reales.
Figura 11.5 describe la transicin al equilibrio de largo plazo. En el tiempo cero, el sistema
est en el punto 0 .Este punto es el estado estacionario
483
= 0

0
0

1
1
= 0
0 1
Figura 11.4. Efecto a largo plazo del aumento de la tasa de creacin de dinero
= 0

(1)

0
0 (2)

1
1
= 0
0 1
Figura 11.5. Ajuste a un aumento en la tasa de creacin de dinero
correspondiente a 0 , pero ya no es un estado estacionario cuando el aumento en la tasa de

creacin de dinero cambia la lnea de fase = 0 hacia la derecha. Bajo la nueva poltica, las
flechas de movimiento del sistema apuntan hacia el noreste en 0 . Por lo tanto, los saldos de
dinero y la inflacin esperada incrementan a lo largo de la primera parte de la trayectoria de
ajuste, descrito en (1) dela figura 11.5. Eventualmente, no obstante, el sistema entra en un
cuadrante diferente en el que las flechas de movimiento apuntan hacia el sureste, el segmento
de la trayectoria del sistema descrito.
484
Una introduccin a los modelos de perfeccin
(2). Durante esta segunda etapa del proceso de ajuste, inflacin esperada contina
aumentando, pero la cantidad real de dinero ahora decrece, eventualmente cayendo debajo
de su valor inicial.
Dadas las trayectorias de y , podemos derivar las lneas de tiempo de la produccin.
Hemos visto que
+ +
(, ) = (, ) =

donde y son nmeros positivos. En la parte (1) de la trayectoria de ajuste, tanto y
estn incrementando, est subiendo y est cayendo. Este es el resultado keynesiano
sobre los efectos expansivos de la relajacin de la poltica monetaria. Estas respuestas, sin
embargo, son revertidas ms tarde, tanto el ingreso y la tasa de inters real regresan a sus
niveles originales en el estado estacionario 1
2. Una introduccin a los modelos de previsin perfecta

En los captulos 9 y 10 advertimos al lector que la seleccin de condiciones de contorno
apropiadas a veces no es tan sencilla en los modelos econmicos como en el caso de los
sistemas fsicos. En esta seccin estudiamos 2 ejemplos que van a servir para ilustrar este
punto e introducir al lector a la lgica de los modelos de previsin perfecta. El primero es un
modelo simple del precio de las acciones basado en el principio de no arbitraje y el segundo
es un modelo de determinacin de la tasa de cambio. En ambos casos buscamos la lnea de
equilibrio de algunos precios de las ecuaciones. Debido a que esta variable est atada por la
historia previa, debemos confiar en consideraciones econmicas para determinar cul de las
soluciones infinitas de un cierto sistema dinmico debe ser considerada la trayectoria de
equilibrio
(a) Un modelo de precio de las acciones

Supongamos que los inversionistas en los mercados financieros tienen la posibilidad de elegir
entre dos activos: los bonos de gobierno, los cuales pagan una tasa de inters r, y las partes
de un activo financiero los cuales pagan un flujo constante de dividendos d. Tomamos r y d
como dadas y desarrollamos un modelo de precio de las acciones (v).
Para derivar la ecuacin de precios de activos, partimos del postulado que Ninguna
oportunidad obvia de beneficios debe permanecer sin explotar en equilibrio. El rendimiento
instantneo obtenido por un agente que invierte dlares en bonos . Alternativamente, si
el compra parte de un activo financiero, su rendimiento esperado es la suma del dividendo d
y el incremento esperado en el valor de accin = /. En equilibrio, el rendimiento
esperado en los dos activos debe ser el mismo, siendo la misma condicin.
485
= + (1)
Si esta condicin no se mantiene, no pudiramos estar en equilibrio, porque ningn
inversionista deseara mantener el activo con el rendimiento ms bajo. Los precios tendran
que ajustarse hasta que alguien estuviera dispuesto a mantener todos los activos existentes.
Queda por especificar como se forman las expectativas. Consideremos dos posibilidades. La
primera es que esos agentes tienen expectativas adaptativas, formadas de acuerdo a la
ecuacin
= ( ) (2)
Es decir, si el actual precio de la accin excede precio esperado , los agentes modifican
sus expectativas hacia arriba. La magnitud de la correccin depende de el error de previsin
y del valor del parmetro , el cual puede ser interpretado como una medida de la velocidad
de aprendizaje. Para asegurarse de que el modelo se comporta de manera adecuada,
asumimos que 0 < < . La segunda posibilidad es que los agentes tengan previsin
perfecta (que ellos prevean el precio de la accin correctamente). En este caso, () = ()
para todo (y por lo tanto = )
En lo que sigue, nos referimos al valor presente del flujo de dividendos,

= =

0
como el valor fundamental de la accin.
(i) Expectativas adaptativas
En esta seccin asumimos que las expectativas son adaptativas, bajo este supuesto, la
evoluciones del actual y los precios esperados de las acciones son descritas por las ecuaciones
(1) y (2). Para resolver el modelo, empezamos por encontrar la lnea de tiempo. Resolviendo
para en (1),
(3)
= +

y sustituimos esta expresin en (2), obtenemos una ecuacin diferencial en :

= = ( + ) (1 ) = +

(4)
= + ,

Configurando = 0 en 4, podemos resolver para el valor del estado estacionario de :

=

= = (5)

486
La solucin de (4) entonces es dado por

() = + [ (0) ] (5)
Bajo el supuesto que < tenemos > 0 y el sistema es estable. Cualquier diferencia entre
el precio esperado de la accin y su valor fundamental decrece con el paso del tiempo y
desaparece asintticamente. En el largo plazo, el precio esperado de partes de un activo
financiero es igual al valor presente de sus dividendos
Siguiente, resolvemos para la lnea de tiempo de v. Sustituyendo
= ( ) (2)
En (3) tenemos

= + ( ) (1 ) =

Sustituyendo la ecuacin (5) en la expresin y resolviendo para v, obtenemos, despus de
despejar,

() = [ (0) ] (6)

Bajo nuestros supuestos como . Por lo tanto, asintticamente, el precio de
mercado del activo financiero tambin converge a su valor fundamental .
Las predicciones de largo plazo del modelo son tanto intuitivas y razonables: En el estado
estacionario, el precio de mercado de la accin es igual al valor discontinuo de su flujo de
dividendos y las expectativas son correctas ( = = ). Esto ya no es el caso a corto
plazo, como pronto veremos. Durante la transicin hacia el estado estacionario, los precios
actuales y esperados no necesitan ser iguales y ambos pueden desviarse del valor fundamental
del activo financiero. Comparando (5) y (6), vemos, adems, que () y () en el otro lado
de y debe estar movindose en direcciones opuestas (Figura 11.6). Es decir, cuando los
precios actuales son muy altos en relacin al valor fundamental, el precio esperado est por
debajo de , y cuando el precio de las acciones est subiendo, el precio esperado de las
acciones est cayendo.
Otra caracterstica perturbadora del modelo es que el error de previsin es predecible.
Combinando (5) y (6), podemos resolver explcitamente para la lnea de tiempo del error de
previsin.

() () = ( + [ (0) ] ) ( [ (0) ] )

= [ (0) ] (7)

Configurando = 0 en la ecuacin (7)

(0) (0) = [ (0) ]

487
()

()
Figura 11.6. Tiempo de los precios reales y esperados de las acciones con expectativas de
adaptacin
Obtenemos una relacin entre el precio actual y el esperado de la accin en el tiempo cero.

(0) + (0) =

Nos damos cuenta que las ecuaciones (1) y (2) describen las lneas de tiempo de y , no
limitan sus valores iniciales. Para que nuestras ecuaciones se mantengan simultneamente,
estos valores iniciales deben satisfacer la condicin (8), pero Qu significa esto? Si tomamos
el precio esperado como dado, entonces (8) nos da el precio de equilibrio de la accin en el
tiempo cero. Alternativamente, si tomamos (0) como dado, podemos resolver (8) para
(0), pero es difcil ver por qu los agentes elegiran tal previsin. En cualquier evento, si
los precios esperados son correctos ( (0) = (0)), entonces tanto los precios actuales
como los esperados deben ser iguales al valor fundamental de ; pero si el precio esperado
en el tiempo cero es diferente de , entonces el precio inicial de equilibrio debe estar en el
lado opuesto de y el error de previsin desaparece solo gradualmente.
Tal vez la implicacin ms insatisfactoria del modelo que acabamos de desarrollar es que
(excepto cuando (0) = (0) = ) los agentes hacen cada perodo un error de pronstico
perfectamente predecible que les cuesta dinero. Como resultado, un agente que conoce la
estructura del modelo tendr un incentivo a desviarse del anterior comportamiento, de este
modo invalidando la teora. Por ejemplo, si conoce que los precios esperados estarn por
debajo del precio de mercado, puede escribir hoy un contrato prometiendo comprar maana
al precio esperado. Si las expectativas estn formadas como asumimos, alguien estar
dispuesto a comprar tal contrato -pero cuando maana venga inmediatamente podr
revender el activo financiero con una ganancia-. Por lo tanto, la predecible
488
discrepancia entre el precio actual y esperado envuelve una oportunidad para rpidos
beneficios. Los Agente tendran un incentivo para calcular la actual trayectoria de precios,
pero el modelo asume que ellos no hacen esto. (Ello forman expectativas acordes a (2)).
Es difcil reconciliar con la hiptesis que los individuos son racionales y maximizan utilidad.
En el contexto de un modelo tan simple como el presente. Sin informacin incierta o
asimtrica, la manera ms fcil modelar la idea que los individuos son racionales es asumir
que ellos saben el modelo y toda informacin relevante, tales como la lnea de tiempo de
dividendos. Pero entonces cada agente podra calcular la solucin, as como lo hicimos, Y no
tiene mucho sentido suponer que los errores de pronstico seran eliminados solo
gradualmente cuando esto podra ser ms posible (y beneficioso) anularlos completamente.
(ii) Previsin perfecta
En conclusin, en un mundo sin incertidumbre, expectativas adaptativas no son consistentes
con el supuesto de racionalidad. La teora solo mientras los agentes no entiendan que est
pasando. Para anular este problema, postulamos que los agentes forman expectativas que
son consistentes con la estructura del modelo. En particular asumimos que los agentes
conocen el modelo y lo usan, junto con toda la informacin relevante que tienen, para
predecir la evolucin de los precios de las acciones. Debido a que no hay un elemento
estocstico en el modelo, la lnea de tiempo de los pecios sern correctamente anticipadas.
Por lo tanto, reemplazamos la ecuacin (2) con el supuesto de previsin perfecta:
= () (9)
Veamos a donde esta suposicin nos lleva. Dado (9), = para todo , y la ecuacin
describiendo la lnea de tiempo del precio de los activos se hace
= +
= (10)
Como la ecuacin (4), ecuacin (10) tiene una nica solucin estacionaria.
= /
En la que los precios de las acciones reflejan el valor discontinuo del flujo de dividendos. La
dinmica de los dos sistemas es, sin embargo, muy diferentes. En particular, mientras (4) es
estable, el estado estacionario de (10) es inestable, porque > 0. La solucin general de (10)
es dada por
(, ) = + = + [(0) ] (11)
Nosotros enfatizamos la asignacin de un valor a la constante arbitraria c es equivalente

escoger un valor inicial para el precio de la accin.
489
A primera vista, esto no se ve prometedor. Debido a que el periodo de burbuja va de

ms a menos infinito , la ecuacin (11) predice que los precios de las acciones
incrementan, excepto en el caso en el cual (0) = . Si tomamos valor inicial de como
dado, entonces el modelo predice lnea de aspecto irracional del precio de las acciones,
excepto por casualidad. Esta dificultad, comn en el modelo de precios de activos, casi llev
al abandono a los modelos de previsin perfecta. Sin embargo, investigadores como Sargent
y Wallace (1973) y Calvo (1977) pronto se dieron cuenta de que tomar los precios iniciales
de los activos como dados no siempre era la alternativa ms razonable. Debido a que son
libres de moverse, e incluso saltar en cada punto en el tiempo, al menos la mitad del
problema es determinar su valor inicial.
En trminos ms generales, el punto importante es que no es siempre legitimo desde el punto
de vista de la teora econmica tomar el valor inicial de una variable como parmetro ajustado
por previa historia. La eleccin de una apropiada condicin de contorno requiere un poco
de reflexin sobre la economa del problema. Lo que la ecuacin (10) dice es que la solucin
del modelo deber ser uno de la familia de funciones descritas por (, ). El problema
econmico es el de determinar cul de estas trayectorias corresponde a un equilibrio. La
respuesta entonces determina la condicin de contorno apropiada y por lo tanto el valor
inicial de .
En aras de argumento, tomemos un valor arbitrario (0) como dado. La inestabilidad del
sistema implica que si el precio inicial incorrecto (en el sentido de no reflejar el valor
fundamental del activo), entonces las cosas solo pueden empeorar. Para ver por qu,
regresaremos a (10) y lo reescribiremos en la forma
+
= = = ( ) (12)

Suponga que (0) > (Que los precios son ms altos de lo que sera razonable en trminos
del valor actual del flujo de dividendos subyacente). Entonces, para mantener (12), el precio
de la accin debe estar aumentando a una tasa tal que las ganancias de capital sean lo
suficiente para compensar un dividendo que sea bajo en relacin con el precio. El aumento
del precio de hoy, por otro lado, hace que el precio de maana sea an menos razonable, y
exige una tasa de apreciacin cada vez mayor en el futuro.
No est claro qu mecanismo hara que los precios de las acciones de maana aumentaran lo
suficiente como para justificar, ex post, el precio irrazonablemente alto de hoy. De hecho, la
nica manera sensata de interpretar una trayectoria tan explosiva de los precios de las
acciones es una burbuja en la que las expectativas no razonables se auto-realizan. Aunque
tales fenmenos no son desconocidos, puede ser razonable descartar tal comportamiento en
circunstancias normales. Esto nos deja con solo la solucin constante ( = 0) dada por el
valor fundamental del activo, en
490
el cual el precio de las acciones refleja el valor presente de los dividendos. En equilibrio, el
valor de la accin, , salta inmediatamente a y se mantiene constante por siempre a
menos que el sistema sea perturbado de alguna manera.
Cabe resaltar que el supuesto de previsin perfecta elimina la inconsistencia que encontramos
en el modelo de expectativas adaptativas. Un individuo que conoce la estructura de la
economa y sabe que todos los dems agentes utilizan una regla de pronstico adaptativo
tiene todos los incentivos para desviarse del comportamiento predicho. (i.e., para predecir
los precios correctamente y hacerse rico en el camino). Pero debido a que lo mismo es
correcto para todos y cada uno de los agentes, el modelo no puede ser correcto. Con
previsin perfecta, por contraste, todos usan el modelo correcto para predecir el precio
correcto y nadie tiene un incentivo para comportarse diferente. Aunque la capacidad de
predecir exactamente no genera extraordinarios rendimientos, cualquier otra alternativa
perder dinero.
Siguiente, vemos como el modelo puede ser usado para analizar la respuesta de los precios
de las acciones a un cambio en la tasa impositiva sobre los dividendos. El ejercicio va a
tambin servir para comprobar la razonabilidad del modelo.
Asumiendo que los dividendos son gravados a una tasa plana que permanece constante en
el tiempo. Entonces la ecuacin (10) se convierte
= (1 ) (13)
donde (1 ) es el dividendo neto de impuestos. La solucin general de esta ecuacin es

dada por
(, ; ) = () + = () + [(0) ()]
donde la solucin estacionaria
(1 )
() =

ahora refleja el valor presente de los dividendos despus de impuestos.
El cambio de poltica que analizaremos implica un incremento de la tasa impositiva de 0 a
un valor ms alto 1 . Para empezar, supongamos que la tasa impositiva es inesperada y que
los agentes creen que la nueva tasa quedara para siempre. Como lo mostrado en la figura
11.7, el cambio en el parmetro impositivo cambia la lnea de fase hacia arriba, produciendo
una nueva solucin estacionaria.
(1 1 ) (1 )
(1 ) = < = (0 )

Si descartamos las lneas de riesgo, el valor de v salta hacia abajo inmediatamente despus
del cambio de poltica a su valor fundamental (1 ). El modelo predice, razonablemente,
que un incremento de los impuestos resultar una cada inmediata de los precios igual a la
reduccin en el valor presente del flujo de dividendos despus de impuestos.
491
()
(0 )

(1 )
(0 )
(1 )
0
Figura 11.7. Respuestas de los precios de las acciones a un aumento imprevisto de los
impuestos sobre dividendos.
Siguiente, imaginamos que hoy (en tiempo cero) el gobierno anuncia (y todos le creen) que
la tasa impositiva va a amentar a 1 en algn momento T. para determinar lnea de equilibrio
del sistema despus del anuncio, trabajamos hacia atrs en el tiempo. Si descartamos las lneas
de riesgo, en el momento T el sistema debe estar en la nueva solucin fundamental (1 ).
Para T Para < , la tasa impositiva inicial (0 ) sigue siendo vlido y el sistema debe
obedecer a la vieja ley de movimiento.
= (1 0 ) (14)
Por lo tanto, la lnea de equilibrio del sistema durante el periodo de transicin [0, ) debe
ser de la familia de funciones descritas por la solucin general del sistema antiguo:
(, ; 0 ) = (0 ) + = (0 ) + [(0) (0 )] (15)
La solucin de equilibrio es la nica que nos sita en el nuevo precio fundamental (1 )

precisamente en el tiempo T en el que el cambio de poltica toma efecto. Formalmente, la
condicin de contorno apropiada es
(; 0 ) = (1 ) (0 ) + [(0) (0 )] = (1 )
Nos damos cuenta que la nica solucin en esta expresin es el precio de las acciones en el
tiempo cero (en el momento del anuncio). Resolviendo para (0)
(16)
(0) = (0 ) [ (0 ) (1 )]
La cada inicial en los precios de las acciones es dada por
(0 ) (0) = [ (0 ) (1 )] (17)
Sustituyendo esta expresin en la solucin general, obtenemos la trayectoria del precio de las
acciones durante la transicin al nuevo estado estacionario:
492
()
(0 )
(1 )
0 T t
Figura 11.8. Respuesta de los precios de las acciones a un aumento de los impuestos sobre los
dividendos
() = (0 ) [ (0 ) (1 )] () (18)
Por lo tanto, los activos financieros caen inmediatamente como resultado del anuncio y
continan cayendo hasta encontrar el nuevo precio fundamental precisamente en el
momento de cambio de impuestos. Observe tambin que la magnitud de la prdida inmediata
de capital es igual al valor discontinuo (en el tiempo cero) del cambio en el valor fundamental
del activo financiero. En cierto sentido, esto es lo que deberamos esperar.
Figura 11.8 muestra la lnea de tiempo del precio de las acciones. Durante el periodo de
transicin, los precios siguen lo que parece (pero no es) una lnea de riesgo del sistema
antiguo. De hecho, la lnea de equilibrio es la nica solucin del sistema que produce una
trayectoria continua y termina en el nuevo valor fundamental del activo financiero en el
tiempo T. Esta propiedad de continuidad tiene una interpretacin econmica intuitiva: Si los
precios de las acciones se mantuvieran constantes en (0 ) hasta el tiempo del actual
cambio de poltica, los agentes estaran anticipando una prdida de capital de
( ) (1 ) en el tiempo T. Para evitar esa prdida, cada agente tratara de vender sus
acciones slo un instante antes de T. Por lo tanto, los precios caeran, presionando (
) por debajo de (0 ). De hecho, el ajuste debe comenzar incluso antes, porque la misma
lgica implica que el precio no puede ser (0 ) en el tiempo 2 si los agentes anticipan
una prdida de capital en y as sucesivamente. De hecho, no puede ver un equilibrio
en el cual los agentes anticipan una tasa de rendimiento sobre el activo financiero que r en
algn punto en el futuro. Por lo tanto, la carga total del ajuste debe caer en los accionistas
iniciales, quienes toman por sorpresa el anuncio y no pueden hacer algo para evitar una
prdida de capital.
El problema 2.1 pide al lector verificar que la trayectoria de solucin que acabamos de derivar
puede ser obtenida directamente resolviendo una versin no autnoma de la ecuacin de
precios de los activos financieros.
493
Problema 2.1. Cuando la tasa de impuestos sobre los dividendos vara en el tiempo, nuestra ecuacin
de precios de los valores puede escribirse en la forma
= () (1)
Donde
() = (1 )
La ecuacin (1) es una ecuacin lineal no autnoma del tipo que estudiamos en la seccin 5 del
captulo 9. Su solucin se puede escribir de la siguiente forma
(2)
() = [(0) (0)] + ()
Donde

(3)
() = () ()

La solucin fundamental de (1), es el valor descontado de la corriente de dividendos futuros

despus de impuestos, y [(0) (0)] es un trmino de burbuja que captura la
derivacin posible del valor fundamental del stock. Por la misma lgica que en nuestra
discusin anterior, descartaremos burbujas y asumiremos que v(t) = F(t) para todo t. Por lo
tanto, el valor de la accin en cada punto en el tiempo ser dado por (3). Ahora
demostraremos que esta solucin fundamental da la misma trayectoria del tiempo del
proceso de la accin en respuesta a un aumento futuro anunciado del impuesto sobre los
dividendos como el procedimiento que seguimos antes.
(i) Demuestre que

1 (4)
() = (1 () )

(ii) Como antes, supongamos que un anuncio se hace en el momento cero en
impuestos de dividendos aumentar en el tiempo T de 0 a 1, Entonces.
() = ( 0 ) [0, )
= (1 1 ) [, ) (5)
Utilizando (3) y (4), calcular la trayectoria de los precios de las acciones

despus del anuncio
Problema 2.2. El modelo de Cagan con la perfecta previsin. Consideremos la siguiente
especificacin del equilibrio en el mercado monetario:
(1)
() () = (), > 0
Donde m es el logaritmo de la oferta monetaria nominal, p es el logaritmo del nivel de precios
y = es la (tanto real como esperado) tasa de inflacin. (Es decir, estamos asumiendo
una perfecta previsin) Si estamos dispuestos a asumir las complicaciones
494
reales (por ejemplo, supongamos que la produccin se fija a la tasa natural), entonces el
equilibrio completo de la economa se determina mediante esta ecuacin.
Supongamos que la oferta monetaria nominal crece a un ritmo constante = .
Diferenciando (1) con respecto al tiempo, podemos obtener una ecuacin diferencial en la
tasa de inflacin.
= =
= ( ), 1/ (2)
(i) Encuentre el estado estacionario de esta ecuacin, y escriba su solucin general.

(ii) Suponga que permanece constante para siempre. Desde un punto de vista
econmico, cul es la solucin particular ms razonable de esta ecuacin? Por
qu?
(iii) Supongamos que estamos en el tiempo cero y que siempre ha sido constante
en un valor 0 . De repente, el gobierno anuncia que en algn momento el ritmo
de creacin de dinero aumentar1> 0 y permanecer constante para siempre (y
la gente cree en el anuncio). Describa la evolucin de la tasa de inflacin despus
del anuncio y sus razones para seleccionar esta ruta de ajuste particular. Escribe
la solucin particular correspondiente a este comportamiento, y sala para
resolver el salto en el nivel de precios en el momento del anuncio. Qu factores
determinan el tamao de este salto?
(b) Modelo de Sobrecarga de Dornbusch
El modelo que estudiamos en esta seccin es un modelo IS-LM de economa abierta con una
previsin perfecta y precios de produccin elstica. Est diseado para estudiar cmo la
rigidez de precios en los mercados de bienes afecta las respuestas a corto plazo de los tipos
de cambio a los cambios de poltica y otras perturbaciones exgenas. Debido a que el foco
est en la dinmica de corto plazo, suponemos que el nivel de salida est determinado.
Veremos que la suposicin del precio elstico produce un modelo que imita la tendencia
observada de los tipos de cambio a exhibir considerablemente ms volatilidad que los
"fundamentos" subyacentes.
Como en la Seccin 1, las letras griegas denotarn parmetros positivos, y las variables
indicadas por letras minsculas sern los logaritmos naturales de las variables
correspondientes indicadas por letras maysculas. Los asteriscos se utilizarn para denotar
variables exteriores. Por ejemplo, p = In P es el logaritmo del nivel de precios internos, y por
lo tanto = / es la tasa interna de inflacin. Utilizaremos para denotar (el registro) el
tipo de cambio nominal, definido como el precio de una unidad de dinero extranjero en
unidades de moneda nacional. Por lo tanto, un aumento en representa una prdida de valor
de la moneda nacional, y es su tasa de depreciacin.
A partir del mercado de la produccin nacional, las ecuaciones bsicas del modelo son las
siguientes. El suministro de salida se fija en algn nivel constante, de nivel exgeno.
495
= (1)
Por otro lado, la demanda de la produccin nacional depende positivamente de la relacin
entre los precios de la produccin extranjera y los de la produccin nacional expresados en
una unidad monetaria comn (s + p* - p). La demanda agregada tambin est positivamente
relacionada con el gasto gubernamental g y est relacionada negativamente con la tasa de
inters real R , donde R es la tasa de inters nominal, y es la tasa de inflacin (real y
esperada):
= ( + ) ( ) + (2)
Si la demanda supera la oferta, los inventarios son reducidos y los precios aumentan en
proporcin al exceso de demanda, como se describe en la siguiente Curva de Phillips:
= ( ) (3)
Las dos ltimas ecuaciones del modelo
= (4)
= + (5)
son las condiciones de equilibrio del mercado de activos. La ecuacin (4) es un esquema
estndar de LM, relacionando la demanda de saldos reales (m - p) con el ingreso y el tipo de
inters nominal, y (5) es una relacin de paridad de inters no cubierta, dicindonos que el
diferencial de tasas de inters interno y externo Los bonos deben ser lo suficiente para
compensar la depreciacin ( ) de la moneda nacional.
Haremos la suposicin estndar de "pequea economa" y tomoremos la tasa de inters
mundial R* como una constante exgena. Para simplificar, tambin asumiremos que la oferta
monetaria nominal (m), los gastos gubernamentales (g) y el nivel de precios externos ( )
permanecen constantes en el tiempo. Esto nos deja con tres variables de estado dependientes
del tiempo: s, p y R. Trabajando con las ecuaciones (2) - (5), es fcil resolver el estado
estacionario del modelo. El ajuste igual a cero en (5), tenemos
= (. )
Es decir, la tasa de inters interna debe ser igual a la tasa mundial en un equilibrio de largo
plazo, porque de lo contrario la moneda nacional tendra que apreciar o depreciar para
compensar a los inversionistas por el diferencial de tasas de inters entre bonos nacionales y
extranjeros.
Utilizando = R *, podemos resolver (4) para el nivel de precios en estado estacionario:
(4) => =
=> = + (. )
496
Si se establece = 0 en la ecuacin (3), se obtiene yd = y. Utilizando esta expresin, la

ecuacin (2) se puede resolver para el tipo de cambio de estado estacionario:
(2) => = ( + ) ( 0) +
=> = +(1/)( + ) (. )
El tipo de cambio de estado estacionario depende de los niveles de precios relativos de los
dos pases, , pero note que hay un trmino adicional. De la ecuacin (2), es la
elasticidad de la tasa de cambio real de la demanda de la produccin nacional. Si los bienes
nacionales y extranjeros fueran sustitutos perfectos, tendramos y (ss.s) reduciran a
= , que sera (a largo plazo) la relacin de poder adquisitivo (una unidad de moneda
nacional compra la Misma produccin en ambos pases).
Las ecuaciones (1) - (5) se pueden reducir a un sistema de dos ecuaciones diferenciales en y
que resumen, respectivamente, los comportamientos de los mercados de activos y de
bienes. Primero, resolvemos (4) para R,
+ (6)
=

Y sustituir el resultado en (5) para obtener la ley de movimiento que describe la evolucin
del tipo de cambio,
+
= + = (. )

A continuacin, sustituyendo (2) por (3)
= [( + ) ( ) + ]
Y resolviendo para p, tenemos

= 1 [( + ) ( + ] (7)
Finalmente, sustituimos (6) en (7) para obtener

+
= 1 [( + ) ( + + ) (8)

Y, agrupando trminos,

= [( + ) ( + + ) (. . )
1
Los dos problemas siguientes piden al lector que investigue el comportamiento dinmico de
este sistema de ecuaciones diferenciales e identifique la trayectoria de solucin que
corresponde al equilibrio del modelo. El primer paso es construir el diagrama de fases.
497
Problema 2.3. Construir el diagrama de fases para el sistema (Ls) - (Lp). Supongamos que 1
> 0. Qu significa esta suposicin?
A continuacin, se pide al lector que compruebe que el estado estable del sistema es un punto
de silla. Como vimos en el captulo 10, esto implica que el sistema converge al estado
estacionario siempre que su posicin inicial se encuentre en una lnea recta a travs de este
punto, llamado sub espacio convergente del sistema del punto silla. Para un valor inicial dado
del nivel de precios interno (que consideramos una variable predeterminada) existe un valor
nico del tipo de cambio que nos pondr en esta trayectoria convergente. Como cualquier
otra solucin del sistema "explotara", generando una trayectoria bastante irrazonable de
precios internos y tipos de cambio, tomaremos el camino de del punto silla como la solucin
de equilibrio del modelo. Se pide al lector que resuelva explcitamente la solucin particular
apropiada del sistema dinmico.
Problema 2.4. Solucin del modelo de Dornbusch.
(i) Calcule los valores propios y vectores propios del sistema (L.s) - (Lp), y verifique
que el estado estacionario es un punto de silla.
(ii) Escribir la solucin general del sistema. Encuentre la solucin particular del
sistema que corresponde a la trayectoria del punto silla y discuta la trayectoria de
equilibrio del sistema desde un nivel de precio inicial arbitrario. Encuentre la
ecuacin que describe la trayectoria del punto silla y muestra que tiene una
pendiente negativa.
Ahora vamos a utilizar el modelo para analizar los efectos de diferentes medidas de poltica
monetaria y de poltica fiscal sobre los niveles de precios y los tipos de cambio. Los dos
primeros cambios de poltica son cambios imprevistos en los gastos gubernamentales y en la
oferta monetaria. Para analizar su impacto, el lector puede proceder esencialmente como lo
hemos hecho en ejercicios anteriores de naturaleza similar. El primer paso es determinar el
efecto del cambio de poltica sobre el estado estacionario del sistema. Luego seleccionamos
la solucin del sistema que, dado el nivel de precios inicial, nos llevar eventualmente al
nuevo estado estacionario. Se requiere que esta solucin sea continua en todos los puntos,
excepto posiblemente en el momento cero, cuando se permite que el tipo de cambio (que se
supone sea una "variable libre") salte segn sea necesario para situarnos en la trayectoria
convergente.
Problema 2.5. Supongamos que la economa es inicialmente (en el tiempo cero) en el estado
estacionario S0=( o, 0) correspondiente a los valores m1 y g1 de la oferta de dinero y los
gastos del gobierno.
(i) Supongamos que el gobierno anuncia un aumento permanente inmediato e

imprevisto de su nivel de gasto en bienes nacionales a g1> g0. Discutir el impacto
en el estado estacionario del sistema y describir la trayectoria de ajuste desde la
posicin inicial hasta el nuevo equilibrio.
498
Introduccin a Modelos de Perfecto-Prospectiva
P 45
1
1 = 0 +
B
0
0 A
0 1 = 0 + s
Figura 11.9. Ajuste a un aumento previsto de la oferta monetaria.
(ii) Analizar el efecto de un aumento inmediato, imprevisto y permanente de la oferta

monetaria nominal en m1> m0. Se ver que el tipo de cambio "supera"
temporalmente su nuevo valor de equilibrio a largo plazo Explique en qu
sentido esto es cierto y discuta el mecanismo econmico que genera este
resultado Qu determina el grado de superacin?
El experimento poltico final que consideraremos es un aumento futuro anunciado en la
oferta monetaria. La lgica del anlisis sigue siendo la misma. Queremos identificar una
trayectoria que eventualmente nos lleve a un nuevo estado estacionario y que sea continua
en todos los puntos, excepto posiblemente en el momento del anuncio. Al construir este
camino, el lector debe tener en cuenta que el sistema debe obedecer la "vieja" ley del
movimiento (que corresponde a los valores de los parmetros iniciales) hasta que el cambio
de poltica realmente ocurre.
Problema 2.6. Como antes, supongamos que la economa es inicialmente (en el tiempo cero)
en el estado estacionario S0=( o, 0) correspondiente a un valor m0 de la oferta monetaria.
Ahora imagine que en el momento cero el gobierno anuncia que en algn momento T en el
futuro la oferta monetaria se incrementar permanentemente del nivel actual de m0 a 1 =
0 + .El cambio en el estado estacionario ser como en el problema anterior, con los
niveles de equilibrio a largo plazo de p y m aumentando proporcionalmente a .La ruta
de ajuste se ilustra en la Figura 11.9. Explique cmo se construye este camino y explique
cmo encontrara las coordenadas de los puntos A y B en la figura 11.9 usando la solucin
general del sistema (derivada anteriormente) y las condiciones de contorno apropiadas.
499
3. Modelos de Crecimiento Neoclsico
Esta seccin revisa algunos modelos simples de crecimiento en una economa neoclsica de
un sector. Estos modelos se han convertido en el marco estndar para muchos trabajos en
macroeconoma, as como en la teora del crecimiento. Comenzamos por establecer algunos
supuestos comunes sobre la tecnologa y la caracterizacin de los precios de los factores de
equilibrio en un entorno neoclsico de un sector. A continuacin, desarrollamos el modelo
clsico de Solow (1956) y una extensin de l debido a Diamond (1965) que endogeniza el
comportamiento de ahorro delos individuos.
(a) La tecnologa y los precios de los factores en un mundo neoclsico
Las predicciones de un modelo de crecimiento con respecto a la trayectoria temporal de la

produccin y a la evolucin de la distribucin internacional de la renta dependen,
esencialmente, de sus supuestos tecnolgicos sobre la existencia de rendimientos constantes
o crecientes de escala en el capital y la naturaleza y determinantes del progreso tcnico. En
esta seccin revisaremos los supuestos tecnolgicos centrales de los modelos neoclsicos
bsicos. Algunas de sus implicaciones sern exploradas ms adelante dentro del marco del
modelo de Solow.
Considere un mundo con dos factores y un solo bien. El capital (K) y la mano de obra (L)
se utilizan para producir una produccin homognea que puede ser consumida directamente
o utilizada como capital en el proceso de produccin. Asumiremos que la tecnologa puede
ser descrita por una funcin de produccin agregada
= (, ) (1)
Donde Y es la produccin agregada. Normalmente asumiremos que F () es una funcin lisa
y cncava que exhibe rendimientos constantes a escala y productos marginales positivos y
decrecientes (FK, FL > 0, y FKK, FLL <0). En la mayora de los casos, tambin asumiremos
que tanto el capital como el trabajo son esenciales para la produccin (F (0, L) = F (K, 0) =
0) y que las siguientes condiciones de Inada son vlidas:
0
0 (2)
A menudo utilizaremos como ejemplo la especificacin Cobb-Douglas
= (3)
Donde A es un ndice de "factor total de productividad" que resume el estado actual del
conocimiento tcnico. Los coeficientes miden la elasticidad de la produccin con
respecto a las existencias de los dos factores: Si el stock de capital aumenta en 1 %,
manteniendo la fuerza de trabajo constante, la produccin nacional aumentar en un %.
500
Modelo de crecimiento neoclsico
Antes de discutir la especificacin neoclsica de la funcin de produccin, necesitamos

introducir la nocin de rendimientos a escala. Diremos que la funcin de produccin F ( )
muestra rendimientos crecientes de escala (en K y L) si el aumento del stock de ambos
factores en la misma proporcin produce un aumento ms que proporcional de la
produccin, es decir, si para Todos > 1 tenemos
(, ) > (, )
De manera similar, F () presenta rendimientos constantes cuando (, ) = (, ) y

cuando es decreciente regresa (, ) < (, ) para todo > 1. En el caso De una
funcin Cobb-Douglas, tenemos
(, ) = () () = + = + (, )
Por lo tanto, F () presenta rendimientos crecientes si y slo si + > 1, rendimientos

decrecientes si y slo si + < 1, y devuelve constante cuando = 1 .
En la versin ms simple del modelo neoclsico, la tecnologa exhibe constante Regresa en
K and L. Esta hiptesis suele estar justificada en parte por un argumento de replicacin: Si
los stocks de todos los insumos se duplicaran, podramos simplemente replicar todos los
procesos productivos a la escala existente, asegurando as que la produccin tambin se
duplicara. Si K y L son los nicos factores relevantes, este argumento implica que la
tecnologa presentara rendimientos no decrecientes, pero no descarta, en principio, la
posibilidad de rendimientos estrictamente ms altos, ya que podramos incrementar la
eficiencia expandiendo la escala de ciertos procesos. La literatura neoclsica, sin embargo, ha
tendido a ignorar esta posibilidad, en gran medida porque los rendimientos crecientes son
difciles de conciliar con la suposicin tradicional de competencia perfecta y, por lo tanto,
tienden a hacer la modelizacin ms complicada.
La asuncin de rendimientos constantes a escala resulta muy conveniente. Una de
las principales razones es que nos permite escribir los precios de los factores en un equilibrio
competitivo como simples funciones de una sola variable de estado, la relacin capital /
trabajo en la economa. Para ver esto, comencemos por introducir una funcin de
produccin per cpita. Explotacin de la homogeneidad lineal de la funcin de produccin,
y dejando = 1/, podemos escribir
(/, 1) = (1/)(, ) ==> = (, ) = (/, 1)

=> / = (/, 1)
As, la produccin per cpita es una funcin del stock de capital por trabajador. Dejando que
Z y Q denoten el stock de capital y la produccin por trabajador, respectivamente (Z = K /
L y Q = Y / L), definimos la funcin de produccin per cpita por
= () (/, 1) (4)
501
Por lo tanto, la relacin entre las funciones de produccin per cpita y agregada es dada por
(/) () = (/)
Diferenciando esta expresin con respecto a K y L, los productos marginales

correspondientes se pueden escribir como funciones de Z:
(, ) = ()(1/) = ()
(, ) = ()(/2 ) + () = () ()
Finalmente, utilizando la homogeneidad de grado cero de las derivadas parciales de F (),
tenemos
() = (/, 1) = 1 (/, 1)
de donde
() = 11 (/, 1) < 0
As, bajo el supuesto estndar de que el producto marginal del capital cae con K, la funcin
de produccin per cpita es una funcin creciente y cncava de la intensidad de capital.
Consideremos ahora una economa dotada de una tecnologa de rendimiento constante en la
que todos los agentes se comportan competitivamente. Las empresas maximizan los
beneficios, teniendo en cuenta los precios de los factores. Los trabajadores no tienen utilidad
para el ocio y, por lo tanto, suministran toda su parte del tiempo de trabajo al tipo de salario
determinado por el mercado. La economa est siempre en equilibrio competitivo, con pleno
empleo de mano de obra, y los precios de los factores son dados por los productos marginales
correspondientes.
Una empresa competitiva contrata mano de obra a un salario determinado por el mercado w
y la renta el capital a una tasa de inters neto r - lo que significa que debe volver a los
prestamistas 1 + r. de las unidades de produccin (capital ms intereses) por unidad de capital
prestado. Si el capital se deprecia a una tasa , la tasa de inters bruta del capital es = +
, y los beneficios son dados por
(, )
Utilizando la funcin de produccin per cpita, los beneficios totales pueden ser escritos
como el producto de los beneficios por trabajador y el tamao de la mano de obra. El
problema de la firma
max (() ) ()
,
Se puede abordar en dos pasos. En primer lugar, Z ser elegido para maximizar los beneficios
por trabajador, dando la condicin necesaria
502
() =
Que define la relacin capital / trabajo ptimo Z en funcin de la tasa de inters. La linealidad
de la funcin objetivo en L implica que la eleccin ptima de escala depende de los precios
de los factores de una manera discontinua. Si w y p son tales que las ganancias mximas por
trabajador son negativas, la decisin ptima es cerrar (L = 0) para minimizar las prdidas. Sin
embargo, si los beneficios por trabajador son positivos, lo que hay que hacer es establecer L
= . Esta eleccin, sin embargo, es incompatible con el equilibrio. Si hay entrada libre en la
industria, las nuevas firmas entrarn hasta que los beneficios sean eliminados, es decir, hasta
= () = () () ()
Ahora, con cero beneficios por trabajador, el tamao de las empresas individuales es
indeterminado (son indiferentes entre los tamaos, ya que obtienen cero beneficios de todos
modos). Sin embargo, los precios de los factores de equilibrio son fciles de determinar. Si
tomamos como dado el stock agregado de capital K y el tamao de la fuerza de trabajo L,
entonces se determina la razn capital / trabajo Z = K / L, y porque en el equilibrio todas
las empresas (frente a la misma tecnologa y los precios de los factores) Utilizan los insumos
en la misma proporcin, los precios de los factores de equilibrio se pueden escribir
convenientemente como funciones simples de Z:
= () = () = () () (5)
En algunos modelos, la productividad de los factores aumenta con el tiempo como resultado
del progreso tecnolgico. Una manera comn de modelar este proceso es escribir la funcin
de produccin en la forma
= ( , )
Donde A y B, son ndices de productividad del trabajo y productividad del capital. Si

definimos Z como la relacin capital / trabajo en "unidades efectivas"
= /
Podemos proceder como antes. La produccin por unidad de eficiencia del trabajo se da
ahora
() = ( / , 1)
Y la produccin total es
= (, ) = ()
En un equilibrio competitivo, el salario es
() = () ()
Por unidad de eficiencia de trabajo, o () = () por trabajador, y la tasa de

arrendamiento es () por unidad de eficiencia, o () por unidad fsica de capital.
503
(b) El Modelo de Solow
En esta seccin estudiaremos un modelo simple de una economa dinmica desarrollado por
Solow (1956) en uno de los artculos que marcaron el comienzo de la teora del crecimiento
moderno.8
Supongamos que la tecnologa es descrita por una funcin de produccin neoclsica Y = F
(K, AL), con rendimientos constantes a escala y progreso tcnico de aumento de trabajo a
una tasa exgena constante = /. Suponemos que una fraccin constante del flujo actual
de la produccin se invierte en cada punto en el tiempo. Si el capital se deprecia a una tasa
constante , la evolucin del stock de capital a lo largo del tiempo se describe mediante la
ecuacin
= = () (7)
Donde = / puede interpretarse como el aumento del stock agregado de capital

durante un perodo de tiempo de longitud infinitesimal, y = / es la relacin capital
/ trabajo en unidades de eficiencia. Dividiendo ambos lados de (7) por K.
()
= (8)

Vemos que la tasa de crecimiento del stock agregado de capital ( ) es la diferencia entre
la inversin por unidad de capital y la tasa de depreciacin. Si la inversin supera a la
depreciacin, K aumenta con el tiempo y viceversa. Dado que Z = K / AL, podemos tomar
registros de ambos lados de esta expresin,
Y diferenciarse con respecto al tiempo, obteniendo

= = ( + )

Donde /, es la tasa (constante) de crecimiento de la poblacin. Es decir, la tasa de

crecimiento del stock de capital por unidad de trabajo efectiva es la diferencia entre las tasas
de crecimiento del stock agregado de capital y la fuerza de trabajo, medida en unidades de
eficiencia. Sustituyendo (8) en la expresin anterior, llegamos a
() ()
= = ( + ) = ( + + ) (9)

La ecuacin (9) muestra que, dada una relacin de inversin constante, la tasa de crecimiento
de Z depende fundamentalmente del comportamiento del producto medio del capital f (Z)
/ Z, que es en s mismo una funcin de la relacin capital / trabajo. Qu podemos decir
acerca de la forma de esta funcin? Recordemos que () = (, 1), donde () es
linealmente homognea en ambos argumentos. Por lo tanto, para cualquier > 1, tenemos
504
() = (, 1) < (, ) = ()
Siempre que F ( ) sea estrictamente creciente en su segundo argumento. Los rendimientos
constantes en capital y mano de obra implican rendimientos decrecientes en el capital solo y
por lo tanto en la funcin de produccin per cpita. A medida que combinamos ms y ms
capital con una unidad de trabajo, la produccin aumenta menos que la proporcional.
Dividiendo ambos lados de la expresin anterior por Z y reordenando, vemos que
() ()
<

Para cualquier > 1 Por lo tanto, el producto medio del capital disminuye con Z.
Una implicacin importante de esta caracterstica de la tecnologa es que la tasa de
crecimiento tiende a disminuir a medida que la inversin fluye hacia actividades
decrecientemente productivas. Trazando ambos trminos del lado derecho de (9) como
funciones de Z, la tasa de crecimiento (/) viene dada por la distancia vertical entre estas
lneas, como se muestra en la Figura 11.10. La pendiente negativa de ()/ implica, por
tanto, que la tasa de crecimiento de Z (y, por tanto, de ingreso por unidad de eficiencia de
trabajo) ser una funcin decreciente de la intensidad de capital. Por otra parte, si la
productividad de la inversin cae suficientemente para que sf (Z) / Z descienda por debajo
de la lnea horizontal + + , el crecimiento (en la produccin por unidad de eficiencia
de la mano de obra) se detendr eventualmente. Esta condicin se satisface siempre que
()
lim = lim () = () < + + (10)

Este resultado, sin embargo, no necesariamente sigue homogeneidad lineal de la funcin de

produccin agregada, y por esto requiere suposiciones ms fuertes. Por ejemplo, si asumimos
una tecnologa lineal, (, ) = + , tenemos f () / = + ( / ) y el
crecimiento continuar indefinidamente, > + + . Por lo tanto, los rendimientos
constantes per se no descartan la posibilidad de un crecimiento sostenido del producto por
unidad de eficiencia de la mano de obra. Una suposicin comn que implica (10) es la
condicin de Inada, () = 0 que implica que el trabajo es un factor esencial en la
produccin (F (K, 0) = 0). Obsrvese que por la homogeneidad de F () podemos escribir
() 1
= (, 1) = (1,1/)

Y tomando lmites
1,1
( = lim () / = lim ( ) = (1,0)

En resumen, el problema es que el trabajo se fija en la oferta y es esencial. Si el capital

aumenta sin lmite, "trabajo por mquina" conduce a cero, reduciendo la productividad del
capital hasta el punto de que ya no puede reproducirse.
505
s f(Z)/Z

>0
++

<0

Z
Figura 11.10. La dinmica del modelo de Solow bajo rendimientos fuertemente decrecientes.
La Figura 11.10 muestra la dinmica del modelo de Solow bajo la suposicin estndar de
rendimientos fuertemente decrecientes implicados por la condicin de Inada. La funcin
decreciente sf(Z) / Z intersecta la lnea horizontal + + en el punto que resuelve la
ecuacin / = 0. La pendiente negativa de la curva tambin implica que Z converge hacia
su valor estacionario . Como la figura Muestra / es positiva (es decir, Z est
aumentando con el tiempo) cuando el stock de capital por trabajador es bajo (y por lo tanto
el rendimiento de la inversin es alto), y negativo cuando Z es "alto" (superior a ), en este
caso el bajo rendimiento de la inversin implica que el ahorro no ser suficiente para cubrir
la depreciacin y equipar a los nuevos trabajadores con el stock promedio preexistente de
capital.
A largo plazo, el sistema converge hacia un equilibrio estacionario en el que la razn capital
/ trabajo Z es constante. La produccin por trabajador a lo largo de esta trayectoria de
crecimiento es dada por
= () (11)
Tomando logaritmos de esta expresin, y utilizando el hecho de que A crece
exponencialmente a lo largo del tiempo a una velocidad constante g (Es decir, = 0 ),
tenemos
ln = ln(0 () + )
Por lo tanto, la trayectoria de tiempo del sistema es como se muestra en la Figura 11.11. Una
economa que comienza con una relacin capital / trabajo por debajo de su valor de estado
estacionario inicialmente crecer a una tasa superior a g, pero se acercar gradualmente a la
trayectoria de crecimiento equilibrado dada por (8). Asintticamente, la produccin por
trabajador crece a la velocidad (exgena) del progreso tcnico, g.
506
ln ln
ln(0 ())
t
Figura 11.11. Ruta de tiempo de salida en el modelo de Solow
Este resultado tiene algunas implicaciones fuertes. En primer lugar, observe que en ausencia
de progreso tecnolgico (g = 0), el crecimiento en el ingreso per cpita eventualmente se
detiene. Los supuestos neoclsicos estndar permiten un crecimiento "extenso": Si el capital
y la mano de obra crecen a la misma tasa, la produccin aumentar proporcionalmente. Sin
embargo, los supuestos tecnolgicos que hemos hecho limitan severamente la posibilidad de
crecimiento en el ingreso per cpita, ya que la tecnologa muestra rendimientos fuertemente
decrecientes en el nico factor reproducible, K, cuyo producto marginal cae a cero en el
lmite.
En segundo lugar, el modelo predice que los cambios de poltica tendrn slo efectos de
nivel. Es decir, los cambios en la poltica econmica (u otros parmetros del modelo) pueden
afectar el nivel de la trayectoria de la produccin, pero no tendrn ningn efecto en su tasa
de crecimiento a largo plazo, que slo est determinada por la tasa exgena de progreso
tcnico. Como ejemplo, las Figuras 11.12 y 11.13 ilustran el efecto de un aumento en la
relacin de inversin. Un ms alto desplaza las curvas () / hacia arriba, produciendo
una relacin capital / trabajo estacionario ms alto. Esto, a su vez, desplaza la interseccin
de la trayectoria de crecimiento equilibrado hacia arriba, pero no cambia su pendiente.
Durante el perodo de transicin, una mayor inversin produce una tasa de crecimiento
temporalmente ms alta, pero este efecto desaparece gradualmente con el tiempo a medida
que la economa se acerca a su nuevo camino de crecimiento equilibrado. Pensando en
trminos transversales, el modelo implica que, a largo plazo, los pases que invierten ms (o
tengan tasas ms bajas de crecimiento demogrfico) tendrn mayores niveles de ingresos,
pero las mismas tasas de crecimiento que los que invierten menos (o tienen rpido
crecimiento poblacional). Por otro lado, pases que son similares en estos aspectos
terminarn eventualmente con el mismo ingreso per cpita, incluso si comienzan con muy
diferentes dotaciones de capital por trabajador.
507
++

s f(Z)/Z
0 1 Z
Figura 11.12. Efecto de un aumento en la tasa de inversin sobre la intensidad de capital en estado
estacionario.
ln
ln( ())
t
Figura 11.13. Ruta de tiempo de salida despus de un aumento en la tasa de inversin.
Problema 3.1. El modelo de Solow con una funcin de produccin Cobb-Douglas.

Supongamos que la funcin de produccin agregada es Cobb-Douglas, con un progreso
tcnico que aumenta la mano de obra
(1)
= ()1
Con = . Escriba la funcin de produccin intensiva (), dando la produccin por

unidad de eficiencia de trabajo en funcin del capital / trabajo en unidades de eficiencia,
508
Modelos de crecimiento neoclsico
Z = K / AL. Deducir la ley del movimiento para Z bajo los supuestos de Solow, y resolver
explcitamente el estado estable del sistema. Qu factores determinan el nivel de ingresos a
largo plazo de un pas?
Problema 3.2. Supongamos que la funcin de produccin es de la forma (1): =

( ) ( ) , con progreso tcnico aumentando el capital y el trabajo a tasas =
g y = Derive la ecuacin de movimiento para el capital / Trabajo en unidades
efectivas, Z = BK / AL, bajo los supuestos del modelo de Solow. Demuestre que el sistema
tiene una trayectoria de crecimiento equilibrado (es decir, una solucin de Z constante) si y
slo si = 0 (es decir, si el progreso tcnico es slo aumento de mano de obra).
(c) Un modelo de superposicin de generaciones (Diamond)
Aunque el modelo de Solow es extremadamente simple, en el momento en que fue escrito

trajo un verdadero progreso. La razn es que, a diferencia de las formulaciones estticas del
tipo keynesiano, explcitamente destac el papel de la inversin en el aumento de la capacidad
productiva de la economa y destac el equilibrio entre el consumo presente y el consumo
futuro. Una limitacin obvia del modelo, sin embargo, es su asuncin de una tasa de ahorro
exgena. En la dcada de 1950, eso era visto como una simplificacin perfectamente
razonable. Desde entonces, sin embargo, los economistas han venido a insistir en que el
comportamiento de los agentes debe derivarse de algn tipo de problema de optimizacin.
Para remediar esta deficiencia, el modelo de Solow-Swan pronto fue extendido por los
autores que derivaron el comportamiento del ahorro de la maximizacin de la utilidad de por
vida. Dos especificaciones se han convertido en estndar en la literatura. La principal
diferencia entre ellos es su estructura demogrfica. Uno de ellos, desarrollado por primera
vez por Cass (1965) y Koopmans (1965), basado en trabajos anteriores de Ramsey (1928),
presenta una familia representativa que vive para siempre; El otro, debido a Diamond (1965),
asume, ms bien sensiblemente, vidas finitas. En esta seccin, vamos a estudiar el segundo
de estos modelos, que es ms simple en algunos aspectos, dejando el modelo de Cass-
Koopmans para un captulo posterior.
Una caracterstica interesante del modelo de Diamond (1965) es su estructura demogrfica.

La economa est poblada por sucesivas generaciones de trabajadores finitamente vividos.
En la versin ms simple del modelo, los agentes viven durante dos perodos y "tienen hijos"
al final de la primera. En cualquier momento dado, entonces, miembros de dos generaciones
coexisten en la tierra (de ah el nombre de generaciones superpuestas) e interactan entre s
y con las empresas a travs de mercados competitivos para el trabajo y el producto / capital.
Los jvenes agentes venden su mano de obra, comen parte de los ingresos y ahorran el resto
para la vejez prestando la produccin no consumida a las empresas para su uso como capital
en la produccin del prximo perodo. Las personas de edad avanzada no trabajan, sino
simplemente consumen sus ahorros, incluyendo
509
los ingresos por intereses. Las empresas contratan mano de obra y toman prestado capital
para elaborar la produccin utilizando una tecnologa de produccin de rendimiento
constante a escala.
(i) Comportamiento del hogar
La utilidad de un agente nacido en el perodo t (perteneciente a la generacin) es una funcin

creciente del consumo en los perodos primero y segundo su periodo de vida (c y x,
respectivamente):
= ( , +1 ) (1)
Asumiremos que U es estrictamente creciente en ambos argumentos, liso y estrictamente

cuasi-cncava. Al no tener gusto por el ocio, los hogares venden toda su dotacin de tiempo
de trabajo (una unidad en la juventud) en el mercado de trabajo a cambio de un salario real
de wt, unidades de produccin. Parte de estos ingresos se destina al consumo corriente, ct, y
el resto (st) se presta a las empresas para su uso como capital en la produccin del prximo
perodo a una tasa de inters rt+1. Los viejos agentes, por lo tanto, tienen una riqueza total de
stRt+1 = st (1 + rt+1) unidades de produccin y, sin preocuparse por sus hijos, consumen todo.
Los hogares, entonces, maximizan (1) sujeto a las restricciones
= + y +1 = +1
Para referencia futura, ser conveniente estudiar una versin un poco ms general de este
problema. Vamos a permitir la posibilidad de que los agentes puedan tener algn ingreso en
el segundo perodo de sus vidas y resolver
max{(, ). . 1 = + = 2 + } (P)
.
donde y1, y y2 denotan los ingresos del primer y segundo perodo, respectivamente. Haremos
los siguientes supuestos:
, > 0 (A.1)
, < 0 , 0 (A.2)
(, ) 0 (, ) 0 (A.3)
La suposicin (A-2) es plausible y nos permite afirmar fcilmente ciertas derivadas parciales
de inters. Ms adelante veremos que se puede sustituir por el supuesto de que el consumo
es un bien normal en ambos perodos. La tercera suposicin se hace para evitar la posibilidad
de soluciones de esquina. Debido a que la utilidad marginal del consumo en cualquier perodo
va al infinito a medida que el consumo se aproxima a cero, los agentes consumirn cantidades
positivas en ambos perodos siempre que tengan algn ingreso. Por lo tanto, las restricciones
de no negatividad natural sobre y no sern vinculantes a un ptimo y pueden ser
ignoradas en la formulacin del problema.
510
Crecimiento de modelos neoclsicos
Substituyendo las restricciones en la funcin de utilidad U (), podemos reescribir (P) como
max (1 , 2 + ) (P)

Diferenciando U con respecto a s, obtenemos la condicin de primer orden
(, )
= (1 , 2 + )(1) + (1 , 2 + )() = 0 => =
(, )
(2)
Como de costumbre, el agente fija la tasa marginal de sustitucin entre el consumo presente
y el consumo futuro (es decir, la tasa a la que estara dispuesto a comerciar el consumo
presente para el consumo futuro) igual a la tasa a la que puede hacerlo, Por el factor de
inters. Debido a que U es una funcin cncava de s, la ecuacin (2) caracteriza un ptimo.
La solucin a este problema nos da el nivel ptimo de ahorro en funcin de los ingresos del
primer y segundo perodo y el factor de inters, es decir, una funcin de ahorro de la forma
= (1 , 2 , )
Que describe convenientemente el comportamiento ptimo del hogar. La siguiente
proposicin resume las propiedades de la funcin ( ).
Proposicin 3.3. Propiedades de la funcin de ahorro. Considere la funcin
(1 , 2 , ) = arg max(1 , 2 + )

Bajo el supuesto de que (i) los consumos del primer y segundo perodo son bienes normales
(es decir, la demanda para ellos est aumentando en los ingresos), o (ii) , < 0,
0 tenemos que

(0.1), <0 > 0 0
1 2
Si, adems, c y x son sustitutos estrictos (es decir, si un aumento en el precio relativo de uno,
medido por el factor de inters, conduce a un aumento en la demanda del otro), entonces

>0

Tambin para los ahorradores netos > 0

.
Problema 3.4. Probar la Proposicin 3.3. Para concluir, observe que el problema al que se
enfrenta un trabajador en el modelo de Diamond es exactamente el de la proposicin, con
511
Crecimiento de modelos neoclsicos
1 = 2 = 0 and = +1
Por lo tanto, nosotros podemos escribir la funcin de ahorro
= ( , +1 )
y bajo el supuesto de la premisa 3.3 podemos sealar las derivadas parciales ( ) y ( ).
(ii) Equilibrio y Dinmica

Asumiremos que la poblacin crece a una tasa constante (. . , +1 = (1 + ) y el
capital se deprecia a una tasa . Cada periodo los agentes jvenes vende su trabajo, comen
parte de los ingresos, y dar lo que resta para la empresa. Los trabajadores mayores slo usan
sus ahorros. Compaas son una variedad de corrientes neoclsicas. En equilibrio, factor
precio es igual a su producto marginal, y factor mercado libre. Por lo tanto (mirar la seccin
3(a)),
= ( ) = ( ) ( ) y
+1 = 1 + +1 = 1 + +1 = (+1 ) + (1 )
La compensacin del mercado laboral quiere decir que solo los trabajadores jvenes sern
empleados. Compensacin del mercado de capital requiere que el siguiente periodo de stock
de capital sea igual a los ahorros corrientes por los jvenes:10
+1 = (3)
Dividiendo ambos lados de esta expresin por +1 = (1 + ) y dejando = , tenemos

+1
=
+1 (1 + )
(1 + )+1 = (4)
Sustituyendo la funcin de ahorro, evalu el factor precio equilibrio, en (4), y finalmente lograremos
que
(1 + )+1 = [( ), (+1 ) + (1 )] (5)
Para simplificar la exposicin un poco, en el saldo de este articulo nosotros asumimos que la
poblacin es constante ( = 0) y que el capital se deprecia completamente sobre la utilidad ( =
1).Con estos supuestos, ecuacin (5) se reduce a
+1 = [( ), (+1 )] (6)
Ecuacin (6) implcitamente define la funcin de la forma +1 = ( ), esto es, la desigualdad de
la ecuacin de primer orden (note que el +1 , aparece en ambos lados de esta expresin)
512
Modelos Neoclsicos de crecimiento
Sin conocer las formas especficas de ( )y ( ) no podemos despejar ( ) explcitamente,

pero podemos obtener algunas informaciones cualitativas acerca de ello. Estamos
particularmente interesados en dos preguntas. La primera que hacerse con la existencia de
los estados estacionarios por el sistema dinmico descrito por (6). Segundo, si el estado
estacionario existe, podramos determinar bajo qu condiciones est estables. Para responder
estas preguntas, Necesitamos informacin sobre las caractersticas de ( ). En el estado
estacionario del sistema solo han corregido puntos del y su estabilidad depende del precio
de ().
Diferenciando (6) implcitamente con respecto a , obtendremos la pendiente de la lnea de
fase, ( ) = +1 :
+1 +1
= ( ) ( ) + ( ) (+1 )

+1 ( ) ( )
( ) = = 1 ( ) ( (7)
+1 )
Observe que el denominador de esta expresin siempre es positivo. Porque ( ) < 0, toda
la expresin ser positiva siempre que ( ) > 0 o ( ) < 0 y es pequeo en el valor
absoluto .Determinar si el estado de equilibrio dado es estable o no ,nosotros solamente
revisaremos si | ()| es ms pequeo que el 1. Sin embargo, esto, no garantiza estabilidad,
o incluso la existencia de ningn estado estacionario interior.
La funcin ( ) sintetiza el efecto del capital social en ahorros, como mediado en ambas
preferencias y la tecnologa a travs de intereses independientes y canales salariales. Los
supuestos estndar no son suficientes para asegurar que (6) ser un buen comportamiento
como el modelo de Solow que nosotros analizamos en la anterior seccin. No obstante,
estos, son suficientes para mostrar que (0) = 0 y () < adecuadamente amplio. Por
lo tanto ( ) atraviesa el origen y eventualmente caer debajo de una recta de 45, haciendo
indefinidamente imposible el crecimiento sostenido. El origen es siempre un estado de
equilibrio, pero el sistema quizs no entra estado de equilibrio interno, o ningn nmero
impar de ellos, alternando propiedades de estabilidad, como se sugiri en la figura 11.14.
Claramente, una condicin suficiente para la existencia de un estado estacionario no trivial
es que (0) > 1, y una condicin suficiente para su originalidad es que, en adicin,( ) sea
cncava. La siguiente proposicin resume la clave de las caractersticas del modelo.
Proposicin 3.5. Existencia de estado de equilibrio en el modelo de Diamond, Asumimos que la funcin de
produccin intensiva f () es cncava, con f(0) = 0 y
f() 0 como y f () tal que 0
513
III: algunas aplicaciones
Luego (0) = 0, y para ZT, suficientemente amplio +1 = ( )/ < 1. Por lo

tanto, 0 es siempre un estado de equilibrio del sistema, y el crecimiento indefinido no es
posible. Adems, si
lim () > 1
0
Luego existe como mnimo un estado de equilibrio con > 0. Si esta ltima condicin es
cumplida y es creciente y cncava, hay un nico estado de equilibrio no trivial a nivel
mundial.12
Demostracin:
Primero, comprobamos que = 0 es siempre un estado de equilibrio para el sistema,
esto es, (0) = 0. Con capital nulo, no hay produccin posible. ((0) = 0)y por
ende(0) = 0. Con salarios nulos, no hay ahorros posibles [(0, ) = 0],y por
consiguiente, no habr acumulacin de capital.
Siguiente, mostramos que (+1 +1 ) 0 como . Se infiere que los
suficientemente amplio tenemos
+1 = ( ) < 1 +1 = ( ) < , y por consiguiente la grfica del
es bajo una recta de 45 esto implica que la acumulacin del capital no puede ser
continua por siempre porque no es suficientemente amplio, ser decreciente.
Para derivas este resultado, observamos que
+1 ( , +1 ) ( ( ) (
0 = = ( )

Tomando lmites de , tendremos, regla de LHospital.
+ ( )
= () =

Si ( ) es infinito; a menos que, podamos omitir la penltima condicin en la anterior

expresin, y las desigualdades se mantendrn.
La funcin , luego, atraviesa el origen y est debajo de la recta de 45 para
suficientemente amplio.Evidentemente,si el estado de equilibrio adicional ( con >
0) existir dependiendo de la pendiente del del origen o no. Hay dos
514
Modelos Neoclsicos de crecimiento
posibilidades: Si la pendiente del es mayor que el 1 del origen, luego est por encima
de la recta de 45; porque eventualmente tendr que terminar debajo de ello,
continuidad implica que debe cruzar nmeros impares de veces, y por lo menos estado
de equilibrio adicional existir. Por otro lado, si empieza debajo de la recta de 45
tendremos un nmero par de tales equilibrios, posiblemente nulos. Esto es porque
(0) = 0
() ()
lim () = lim lim = lim ()
0 0 0
tambin para una condicin necesaria para (0) > 1 es (0) > 1 .La ltima
parte de la proposicin es obvia.
Ejemplo 3.6. La tecnologa de Cobb-Douglas y registro de preferencias. Asume que la
poblacin crece a una tasa constante n, y las funciones de produccin y utilidad son de
la forma de
(, ) = ln + (1 ) ln , donde (0,1) (U)
(, ) = 1 , , (0,1) ()
Debajo de estos supuestos, tenemos
= (1 ) , = 1 , y (, ) = (1 )
Y la ley de movimiento por el capital social por trabajador es dado por
(1 + )+1 = (1 )(1 )
(1)(1)
+1 = ( ) = (. )
(1+)
Obsrvese que
(1)(1)
( ) = 1 > 0 y
(1+)
(1 )(1 )
( ) = ( 1)2 < 0
(1 + )
De este modo la lnea de fase atraviesa el origen y es repetitivamente creciente y
estrictamente cncava. Obsrvese tambin que () tal que 0, y
() 0 tal que . Por lo tanto, la lnea de fase ( ) inicia por encima de
la recta de 45 pero eventualmente empieza a ponerse ms plano y por eso debe
eventualmente descender. Esto implica la existencia de un estado de equilibrio
interno, > 0. De hecho, podemos resolver para explcitamente. Eliminando
los subndices de tiempo en (L.Z),
(1 )(1 )
() = =
(1 + )
El cual mantendremos para = 0. Para 0, podemos dividir mediante para
obtener
(1 )(1 ) (1 )(1 ) /(1)
1 = = ( ) >0
(1 + ) (1 + )
515
Algunas aplicaciones
Porque (0) > 1, el estado de equilibrio del origen es un nodo inestable. Para revisar la
estabilidad de , obsrvese que
(1 )(1 ) 1 (1 )(1 ) (1 )(1 ) 1

() = = ( ) = (0,1)
(1 + ) (1 + ) (1 + )
Tambin el estado de equilibrio es un nodo estable.
4. Algunas tcnicas prcticas

Ecuaciones diferenciales no lineal a menudo falta soluciones de formas cercanas. Mientras
frecuentemente sea posible analizar el comportamiento cualitativo de tantos sistemas, esto
es ms difcil para obtener predicciones cuantitativas precisas por mtodos analticos. Como
veremos en la primera parte de esta seccin, una posibilidad para linealizar el sistema
alrededor del estado de equilibrio y trabajar con el modelo linealizado. La aproximacin
resultante, aunque validad solamente a nivel local (en la vecindad de un estado estacionario),
es generalmente muy til, ambos en estudios tericos y en trabajos empricos. Una
alternativa. Cual tambin nos prohbe tratar con sistemas de los cuales sus comportamientos
son difciles de caracterizar con mtodos analticos, se usa para paquetes informticos para
resolver el sistema numrico. En la segunda parte de esta seccin podremos resolver el
modelo de Solow usando matemtica. En el captulo 13 veremos cmo tratar ms sistemas
complejos.
(a) Linealizacin y derivacin de una ecuacin convergencia
Hemos visto en el modelo de Solow la tasa de crecimiento del capital social por unidad de
eficiencia de mano de obra est dado por
()
= = ( + + ) (1)

Donde = / . Si todos los pases tuvieran acceso a la misma tecnologa (i.e.,si A es el

mismo para todos ellos) y compartir todos las mismas tasas de depreciacin () y progreso
tcnico (),y si la funcin de produccin muestra decrecimiento retorna al capital, esta
ecuacin implica que la tasa de acumulacin de capital por trabajador ( y adems la tasa de
crecimiento de ingreso per cpita ,) decrecer la funcin de (por lo tanto de ) y el
crecimiento de la poblacin (),y una la funcin creciente de una tasa de inversin ().
Para probar esta hiptesis, tenemos que estimar la ecuacin (1), despus de asumir alguna
forma especfica funcional para la funcin de produccin. Para la situacin actual, sin
embargo, esta ecuacin no una forma muy adecuada para el trabajo emprico. La principal
dificultad es que est escrito en trminos de una variable (la capital social por eficiencia de
unidad de mano de obra) por lo que no podemos tener muy buenos datos
13
.En esta seccin construiremos una aproximacin para (1) que ser til en el trabajo
emprico.
516
Algunas tcnicas tiles
Siguiendo el procedimiento desarrollado por Barro y Sala-i-Martin (1990) y Mankiw,

Romer, y Weil (1992). La ecuacin que obtendremos podr ser visto como un
trmino reducido del modelo de Solow, o simplemente como una manera
conveniente de estimacin de la funcin de produccin usando flujo de datos.
Suponga que la funcin de produccin es la de Cobb-Douglas. Luego la ecuacin (1)
se convierte

= 1 ( + + ) (2)

Para construir una aproximacin adecuada para esta ecuacin, empezamos por
introducir una nueva variable.
= ln
Y observado que

= y =
Por consiguiente, reescribiremos (1) en la forma

= (1) ( + + ) = () (3)
Obsrvese que el valor de estado de equilibrio de satisface

(1) = ( + + )
1
= ln
1 ++ (4)
y la antiderivada de ( ) en el estado estacionario est dado por

() = ( 1) (1) = (1 )( + + ) < 0
Por lo tanto, el sistema log-linearizado

= ( ), donde = (1 )( + + ) (5)
es estable, como el original, estableciendo que < 1 (Ver problema 3.1).

Porque la ecuacin (5) es una ecuacin diferencial lineal de primer orden, podemos
escribir su solucin inmediatamente. Si consideramos el periodo de hacia + el
valor final de (+ ) es dado por un promedio ponderado de su original ( ) y
estacionario () valores, con ponderaciones establecida por el coeficiente y la
duracin del periodo h:
+ = + ( ) = + (1 ) (6)
Ecuacin (6) implica una relacin entre la tasa de incrementos de ingresos sobre el
periodo y su nivel inicial, as como otras variables. Para hacer esta relacin explicita,
recordar que rendimiento por trabajador es dado por = . Tomando estos
logaritmos de ambos lados de esta expresin,
517
= + =
(7)
y sustituyendo (6) en (7) evalu a la vez t+h,
+ = + + + = + + ( ) + (1 )
Sustrayendo el ingreso inicial , desde ambos lados, dividiendo a travs de h ,y

usando el dato que + = + , obtendremos
+ 1
=+ [ ( )]

1
=+ ( ln ( )) (8)
1 ++
Esta ecuacin de convergencia relaciona el crecimiento del ingreso per cpita sobre
el periodo del nivel inicial de ingreso per cpita, los factores determinante del estado
de equilibrio, la tasa de avances tcnicos, y el valor inicial del ndice tecnolgico .En
particular ,ecuacin(8) nos dices que la tasa de crecimiento sobre un periodo dado es
igual a la tasa de avances tcnicos, , ms un factor transitorio que depende de la
diferencia entre produccin presente por eficiencia nica de mano de obra ( )
y el valor del estado de equilibrio o estacionario de esta variable . Para un valor de
estado de equilibrio, el componente transitorio de crecimiento decrece con ingreso
inicial e incrementa con a, porque avance tcnico reduce el capital social por
eficiencia nica de mano de obra.
La implementacin emprica de la ecuacin (8) no aumenta ningn problema
especfico. Dando datos de series de tiempo en produccin per cpita o por habitante
o por trabajador, la inversin, y poblacin o crecimiento de fuerza-trabajo, la
ecuacin puede ser estimada usando un corte transversal o dato de panel a nivel de
la nacin o de la regin. Esta especificacin nos prohbe estimar la tasa de
convergencia y recuperar (valores obtenidos por algunos parmetros) el coeficiente
del capital en la funcin de produccin 14.
Problema 4.1. Calculando la velocidad de convergencia. El auto valor del sistema

log-linearizado provee un clculo de la velocidad de convergencia de una economa
hacia su estado de equilibrio. Muestra una vida promedio del sistema descrito por la
ecuacin (5) (definido como el tiempo en cuyo momento la mitad de la desviacin
original de desde su valor de estado de equilibrio ha sido eliminado)15 es dado por
ln 2
=

Obsrvese que es inversamente proporcional hacia .
Problema 4.2. Determinante del ingreso de dispersin a largo plazo. Asume que la
evolucin del ingreso per cpita en un pas dado puede ser descrito por la ecuacin
518
,+1 = + (1 ), + o , = , + (1)
Donde , = ln( ) denota que el logaritmo de ingreso per cpita en el pas i

en el periodo ( ) normalizado por un modelo principal de una misma variable
( ) y , = ,+1 , es aproximadamente igual a la tasa de crecimiento del
ingreso per cpita en el pas , calculados en desviaciones desde la tasa del
crecimiento promedio en el modelo. En esta expresin, es un desequilibrio
aleatorio, con medio cero y varianza, 2 , independientemente e idnticamente
distribuido con el tiempo y a travs de pases y desvinculado con , y . El termino
, el cual resumiremos el determinante fundamental de crecimiento en el
territorio , es constante a lo largo del tiempo y es distribuido a travs de los pases,
con medio cero y varianza, 2 . (Esta ecuacin puede ser interpretada como una
aproximacin lineal para la ecuacin de convergencia que nosotros hemos derivado,
con resumiendo el efecto de las de inversin y crecimiento de la poblacin en el
pas ).
Tomando los valores esperados por ambos lados del (1), ingreso inicial

dadoobtendremos una ecuacin no estocstica en ingreso esperado , :

,+1 = + (1 ), , con , = ,0 (2)
La solucin de (2) es de la forma

, = + (,0 )(1 ) (3)
Donde

=

Es el valor del estado de equilibrio . Ecuacin (3) muestra la estabilidad del sistema
que depende del valor del coeficiente de la pendiente . Si (0,1), el termino
(1 ) fuese cero como . El sistema es por lo tanto estable, y el ingreso
esperado para cada nacin converge monotnicamente hacia su estado de equilibrio
por una tasa determinada por . Por consiguiente, podemos interpretar como
el esperado (relativo)el nivel del ingreso del pas en un equilibrio a largo plazo.
Usaremos la ecuacin (1) para investigar los determinantes de las desigualdades
salariales a travs de los pases a largo plazo. Denotaremos 2 la varianza muestral
de y = la covarianza entre el ingreso actual y pases fundamentales, y
se observa que el nmero de pases es amplio, la varianza muestral y la covarianza
ser aproximadamente igual a sus valores poblacionales. Usando (1), deriva un
sistema de ecuaciones diferencial en 2 y , debate su caractersticas de estabilidad,
y se registra el estado de equilibrio. Que determina el grado de desigualdades
salariales a largo plazo, medido por el valor del estado de equilibrio de 2 ?
Sugerencia: Toma la varianza la varianza de ambas partes de (1) y observa que +1 =
,+1
519
(b) Resolviendo el modelo de Solow con matemticas

Es fcil ver que las leyes del movimiento para el coeficiente de capital/mano de obra
en el modelo de Solow con la funcin de produccin de Cobb-Douglas es dada por
= ( + + )
(Ver problema 3.1). Esta ecuacin es un diferencial no lineal que no tiene una
solucin cercana. En esta seccin mostraremos como las ecuaciones como como esta
puede resolverse numricamente usando Matemtica, un programa de computadora
que tiene un sistema incorporado para estos clculos.
Porque Matemtica no tiene letras griegas, nosotros empezaremos por reescribir
nuestra ecuacin en la forma
= (, , , , , ) = ( + + ) (9)
El primer paso es definir la funcin ( ). Para esto, tipiamos (el texto en letras en
negrita es lo que tipiaremos; las cosas en cursiva en el ordenador)
In[1] :=
[_, _, _, _, _, _] = (^) ( + + )
Seguido por el enter (entrar) o shift (mayus)-return (retroceso) (un retroceso

normal te coloca en una nueva lnea, pero la computadora no te dice que ejecutes el
comando). Esto dice a la computadora que defina una funcin llamada F con
argumentos especficos dentro de los corchetes. Observe que cada razonamiento es
seguido por un smbolos _, argumentos son separados por comas, y la definicin
de la funcin debe ser precedido por el smbolo:=.
Luego, asignaremos valores para los parmetros y computar el estado de equilibrio
de usando la formular
1/(1)
= ( )
++
Derivando el problema 3.1. A fin de ilustrar como el valor de (). Afecta la

velocidad de convergencia para el estado de equilibrio, repetiremos el ejercicios con
dos valores diferentes de (1 = 0.69 2 = 0.33. Veamos que usamospara
asignar valores hacia los parmetros. El programa regresa al estado de equilibrio
correspondiendo hacia los dos valores de . (Para prevenir a la computadora de
repetir todos los valores del parmetro, usaremos punto y coma al final de cada lnea).
In[2]:=
= . ; = . ;
= . ; = . ;
= . ; = . ;
= (/( + + ))^(/( ))
= (/( + + ))^(/( ))
520
Out[ 5 ]=
99.8432
Out[ 6 ]=
8.41507
El siguiente enunciado que pide la computadora para resolver la ecuacin (9)
numricamente, juntos con una condicin inicial con especifica que el valor inicial de
es igual es la mitad del respectivo estado de equilibrio. Note que el enunciado
separado es necesitado para calcular la solucin para cada conjunto de valores de
parmetros. Antes de ejecutarse NDSolve ,asignaremos valores para todos los
parmetros,16 as que el nico enunciado sin especificar de ( ) es la variable de su
trayectoria temporal que perseguimos (). Nosotros tambin debemos especificar
que esta variable es una funcin de tiempo escrita por su []( [] . ) en ambos
partes de la ecuacin, que son separados por dos signos iguales (==).La lista de
ecuaciones ser resuelto hacia dentro entre llaves separados por comas (la condicin
inicial es tambin considerado una ecuacin).Despus de la lista de ecuaciones.
Especificamos que el desconocido es , y luego (tambin entre llaves) indicaremos
que la variable dependiente (i.e,time) es t y que la solucin evaluada por todos los
t entre 0 y 100.Finalmente,el primer aspecto de cada enunciado asigna un nombre
(sol1 y sol2) para cada funcin de solucin.
In[ 7 ]:=
sol1=NDSolve[ {z [ t ]==F [ z [ t ] , s , a1 , d , g , n ] ,
z[ 0 ]==zs1/2} , z , {t , 0 , 100} ]
sol2=NDSolve[ { z [ t ]==F[ z [ t ] , s , a2 , d , g , n] ,
z[ 0 ]==zs2/2} , z , {t , 0 , 100} ]
Out[ 7 ]=
{ { z -> Funcin Interpolacin [ { 0., 100. } , <> ] } }
Out[ 8 ]=
{ { z -> Funcin Interpolacin [ { 0. , 100.} , <> ] } }
Out[ 7 ] y Out[ 8 ] nos informa que los comandos han sido ejecutados
satisfactoriamente (de lo contrario saldr un mensaje de error) y la va de solucin de
z ha sido colocado dentro de lo que la matemtica llama funciones interpolares. El siguiente
paso es colocar la solucin de la funcin en un trmino utilizable. Por ello,
evaluaremos la funcin de solucin genrica z[t] usando cada regla de solucin (sol1
y sol2) para obtener dos nuevas funciones, pz1[t] y pzt[t], que podrs ser
manipulados como funciones ordinarias
In[ 9 ]:=
pz1 [ t_] : = z [ t ] /.sol1
pz2 [ t_] : = z [ t ] /.sol2
Finalmente podremos usar el comando Plot(grafico) para visualizar la trayectoria

temporal de .
El siguiente enunciado plantea Mathematica para graficar pz1[t] y (el
521
constante) zs1 como funciones de t, con esta variable tendr valores entre 0 y 100
In[ 11 ] :=
Plot[{ pzl [t] , zsl } , {t, 0 , 100} ]
Out[ 11 ]=
- Graphics
1[]
In[12] repite el experimento con el valor menor de . Observe que en el caso de

convergencia hacia el estado de equilibrio es ms rpido.
In[12] :=
Plot [ {pz2[ t ] , zs2 } , {t, 0 , 100} ]
Out[ 12 ]=
- Graphics
zs2
2[]
5. PROBLEMAS
Problema 5.1 Producto homogneo es producido usando dos tipos de capital (privado
y pblico) y , segn una tecnologa de la forma
522
Problemas

= (1)
Ambos tipos de capital se deprecia completamente del uso. En cada periodo, el
gobierno grava los ingresos a una tasa e invierte los activos en capital pblico para
el siguiente periodo. Agente guardan una fraccin fija s despus de impuesto a la
renta y lo invierte en capital privado. Entonces,
+1 = (1 ) (2)
y
+1 = (3)
Usando (1) - (3) una ecuacin diferencia de derivada simple en Y que describe la
evolucin del ingreso. Llmenos esta ecuacin (4). Solucionar el valor de estado de
equilibrio de Y, y mostrar que el sistema es estable. Como el ingreso del sistema de
equilibrio varia con y ?. Qu valor de debera el gobierno escoger si se desea
maximizar el rendimiento del estado estacionario?
Problema 5.2. Considera una economa dotada con una funcin de produccin
agregada de la forma
= ()1
(1)
Donde K es la reserva agregada del capital fsico, L es empleo de produccin de
bienes, y H es el stock medio del capital humano. Conocimientos puro, A, aumenta
a lo largo del tiempo en una tasa constante exgena g, esto es,
+1 = (1 + ) (2)
Conocimiento puro y el tiempo del profesor y el capital humanos son combinados
para producir la siguiente generacin de capital humanos segn
1
+1 = ( ) (3)
Dondees la fraccin de la poblacin empelada como profesores, un variable
escogido por el gobierno. Suponga que la poblacin es constante, y lo normaliza para
1 (as que la mano de obra es.), y suponga que el capital se deprecia completamente
bajo uso y que los agentes guardan una fraccinde su ingreso .Luego la ley del
movimiento para el capital social es de la forma
+1 = 1 (1 )1 (4)
(i) Defina
= / y = /
Usando la expresin previa, deriva una ecuacin diferencial del sistema
en Z y E que describir la evolucin de la economa.
523
(ii) Resolver el valor del estado de equilibrio de Z y E, y computar el valor del

estado de equilibrio de
(iii) Encontrar el valor deque maximizara el estado de equilibrio Q.
(iv) Obtener = ln y = ln . El sistema derivado en (i) debera ser lineal en
e y z. Trabajando con el sistema en registros, calcula su auto valor, y se debate
la estabilidad de su estado de equilibrio.
(v) Grafique el diagrama de fase para el sistema.
Problema 5.3. Un modelo de conocimiento por hacer. Partiendo desde el modelo de Solow
con progreso tcnico exgeno, desarrollaremos un modelo simple de crecimiento endgeno
y examinar algunas de sus implicaciones. Asume que la funcin de produccin es de la forma
= ()1
Luego el rendimiento por trabajador es dado por
= (1)
Donde A es un ndice de eficiencia tcnica, y = / es la razn en unidades de eficiencia.
Dando un coeficiente constante de inversin s, la razn del crecimiento de Z est dado por
la siguiente ecuacin:

= 1 ( + + ) (2)

Donde n es la razn del crecimiento de la poblacin, y = / es la razn del avance

tcnico.
En vez de asumir que es una constante dada, asumiremos que la tasa tcnica de progreso
refleja la acumulacin de conocimiento con experiencia productiva. En particular,
asumimos, que el incremento instantneo de A es proporcional para la produccin por
trabajador, esto es,
= = (3)
Donde el coeficiente determina la velocidad del aprendizaje.
(i) Mostraremos que debajo de estos supuestos la ley de movimiento de la razn
capital/mano de obra es la forma
= ( ) ( + ) (5)
(ii) Construir el diagrama de fase para el sistema, y debatir la estabilidad del de su
estado de equilibrio. Cul es la razn de crecimiento del ingreso por trabajador
siguiendo ruta del estado estable o de equilibrio?
(iii) Analiza el impacto del incremento de la razn de la inversin en el estado de
equilibrio y en la ruta del sistema puntual. Cosas son ahora muy diferente desde
que ellos estuvieron en el modelo de Solow con progreso tcnico exgeno. En
qu sentido?
524
Problemas
(iv) Considera 2 pases que son idnticos excepto por su tasa de inversin. Debate la
prediccin del modelo actual y el modelo de Solow con el progreso tcnico
exgeno respecto a la evolucin del nivel del ingreso relativo de dos pases.
Problema 5.4. Un modelo de Solow extendido con capital humano (Mankiw et al., 1992)
Asume la funcin de produccin agregada es de la forma
= ()1 = (1)
Donde K y E son stocks agregados del capital fsico y capital humano, L es la medida de la
fuerza de la mano de obra, y A es el ndice de productividad que sintetiza el estado actual del
conocimiento tcnico. Las variables normalizadas = / y = / denota los stocks
del capital fsico y capital humano por unidad de eficiencia de mano de obra.
Suponemos las tasas constantes del crecimiento de la poblacin y progreso tcnico exgeno
(/ = y / = ) se asume que las fracciones del producto interno bruto (GPD)
destinado a la inversin en capital fsico y capital humano ( y ) permanecen constante a
medida que pasa el tiempo. Bajo estos supuestos, la acumulacin de factores productivos
descrito por el sistema
= y = (2)
Donde la tasa de depreciacin es asumida para ser el mismo por ambos tipos de capital.
Usando el dato que, / = / y / = (/) , las leyes del
movimiento para los stocks de capital fsico y capital humano puede ser reescritos en
trminos de variables normalizadas.

= 1 1 ( + + ) (3)

= 1 1 ( + + ) (4)

(i) Encontrar el estado de equilibrio de Z, H y produccin por eficiencia nica por

mano de obra
(ii) Ahora construiremos una aproximacin al log-lineal para el sistema y lo usa para
derivar una ecuacin de convergencia similar para obtuvimos en la seccin 4(a)
dejando = ln y = ln (Desde donde = y = ), reescribe el
sistema (3)-(4) en termino de z y h .Muestra que la aproximacin lineal para el
sistema trasformado alrededor del estado de equilibrio es dado por
= (1 )( + + ) + ( + + ) (11)
= ( + + ) (1 )( + + ) (12)
Donde denota la desviacin actual de la variable x desde su valor de estado de equilibrio.
Debate la estabilidad del sistema (11) (12) (y por lo tanto este es el sistema original).
525
Algunas aplicaciones
(iii) Usando el sistema (11) - (12) y el dato que = + , deriva una ecuacin
diferencial lineal en p que describe el comportamiento aproximado de su variable
y lo resuelve. Reescribiendo la solucin en trminos de produccin por
trabajador, derivamos una ecuacin de convergencia de la forma
+ 1
=+ [ ( )]

Donde d es la duracin del periodo, y = (1 )( + + ).
Problema 5.5. Modelo del diamante con la variable de la oferta de mano de obra. En el modelo
bsico de diamante, ocio no entra en la funcin de utilidad de los hogares. Como resultado
cada trabajador oferta inelsticamente su tiempo dotado de mano de obra, y el nivel de
empleo es constante (por habitante). Ahora nos relajaremos con este supuesto.
Para simplificar, asumimos que la tasa de crecimiento de la poblacin es cero ( = 0) y que
los trabajos individuales en adolescentes y solamente consumen los de edades mayores.
Trabajadores jvenes, por otro lado, disfrutan de su ocio y adems debe ser seguido un
ptimo intercambio entre la discapacidad del trabajo y la necesidad por los ingresos. La
funcin de utilidad de un trabajador representativo es dada por
1

(+1 , ) = +1
1
Donde (0,1), L es el tiempo ofertado de la mano de obra en la juventud, y x es para el
consumo de persona de edad. La funcin de produccin por habitante es
=
(i) Porque el consumo toma lugar solamente en persona de edad, trabajadores
guardan todo sus ingresos por mano de obra y consumen sus ahorros ms
intereses ganados +1 en el segundo periodo de sus vida .Ellos lo
solucionan, luego,
1
{ = . . = }
x,L 1
Resolver este problema para los agentes de oferta de mano de obra ( ) y
funciones de ahorro.
(ii) Empresas maximizan beneficios por trabajador, esto es,
max = = ( )1/2
Escribe condiciones del primer orden para este problema, resuelva para y como
funciones de (/), y derive la funcin de demanda de mano de obra de las empresas.
(iii) En equilibrio, optimiza el agente, y mano de obra y mercados de capital limpios.
Porque la poblacin es constante, mercado de equilibrio requiera, en termino de
per cpita
= (5)
526
Problemas
= +1
Muestra que las condiciones para un mercado de equilibrio y optimizacin
individual pueden ser reducidas por el siguiente sistema de ecuaciones
diferenciales de primer orden en k y R:
+1 = (A)
1 1+
+1 = 4 (B)
Sugerencia: La idea es eliminar y desde la ecuacin anterior. Usa las
condiciones del primer orden para los problemas de las empresas para mostrar
que
= 1/4 (7)
= (8)
Y sustituye la funcin de ahorro dentro de la condicin del mercado de equilibrio
para obtener (A). Luego, usa el mercado de equilibrio y condiciones optimizadas
juntas con (7) para obtener (B).
(iv) Seremos capaces, luego, reducir el modelo del sistema de dos ecuaciones
diferenciales de primer orden que describe la secuencia del equilibrio competitivo
en esta economa. Note que, si toma los logs, el sistema se volver alienar.
Definiendo
= ln y = ln
Podemos reescribir (A) y (B) como
+1 = + (A)
(1 )+1 = ln 4 + (1 + ) (B)
Construye la fase del diagrama del sistema, calcula su solucin analizar su dinmica. Qu
debera ser una condicin inicial razonable para este modelo?
Problema 5.6. Seguridad social en modelo de diamante. Considera una economa diamante
como la que examinamos en el ejemplo 3.6. la poblacin crece a una tasa constante n,
preferencia son de la forma
(, ) = ln + (1 ) ln (U)
Con (0,1), y la funcin de produccin es Cobb-Douglas,
= 1 (P)
Con (0,1).
Asumimos que los sueldos son impuestos a una tasa proporcional y que sus activos son
usados para financiar un balanceado pago como tu ve esquema de seguridad social. Por
consiguiente, primer periodo despus del ingreso por impuesto por un agente nacido en el
momento t es dado por
= (1 )
527
y su segundo periodo de subsidio de jubilacin es igual a

2 = (1 + )+1
(Porque hay 1+n agentes jvenes para cada viejo agente)
(i) Maximiza (, ) sujeto a una adecuada restriccin presupuestaria, y resuelve la
funcin de ahorro de los agentes = (1 , 2 , ) y su utilidad indirecta
( , +1 , +1 , ).Tomando el factor precio dado, Cundo el bienestar del
agente tiene una funcin creciente de la tasa tributaria de la seguridad social?
(ii) Deriva la ley del movimiento de la razn del capital/mano de obra, = /, y
computa el valor del estado estacionario de Z y factor precio como funciones de
. Denomina estas funciones
= (),
= () , y = ()
Bajo qu condiciones es verdad esto 1 + > (0)?
(iii) Qu efectos de un incremento en un estado de equilibrio Z y factor precio?
Computa las siguientes derivadas evaluadas de = 0
() () ()
, ,
() () ()
(iv) Una de las ventajas de trabajar con un modelo en el cual preferencia individual
son claramente especificado es que nos da un criterio natural para la evaluacin
de la posibilidad de posibles polticas alternativas. Usando tus resultados previos,
y considerando solamente sus efectos en el bienestar del estado de equilibrio,
cuando ser una buena idea para introducir el esquema de la seguridad social
Para responder esta pregunta, computa la derivada del bienestar de un individuo
representativo (maximizado) con respecto a , considerando amabas cuenta de
efectos directos de los impuestos y sus efectos indirectos a travs de un cambio
provocado en el factor precio del estado de equilibrio ,y lo evaluamos en = 0.
Sugerencia: Dejar todo en trminos de (0).
BIOGRAFIA
Azariadis, C.1993.Macroeconomia intertemporal. Oxford:Blackwell.
Barro, R., y Sala-i-Martin, X.1990.Crecimeinto econmico y convergencia entre los Estados
Unidos. NBER, documento de trabajo no.3419.
Barro, R., y Sala-i-Martin, X, 1992.Convergencia, Entrevista de poltica econmica
100(2):223-51.
Blanchard, O., y Fisher, S.1989.Lectura en Macroeconoma .Instituto de tecnologa de
impresin de Massachusetts.
Cagan, P.1956.La Dinmica monetaria de la hiperinflacin .En: Estudios de la teora cuantitativa del
dinero, ed. M.Friedman .Prensa Universidad de Chicago.
Calvo, G.1977.La estabilidad del modelo de dinero y previsin perfecta: Un comentario.
Economtrica 45:1737-9.
Cass, D.1965.Creciemiento ptimo en un modelo agregado de capital de acumulacin. Anlisis de
estudios econmicos 32:223-40.
De la fuente, A.1992.Historia dA:Crecimiennto y progreso tcnico. Investigaciones
econmicas 16(3):331-91.
528
Galor,O., y Ryder ,H,1989.En la existencia del equilibrio en un modelo de generaciones de

superposicin con capital productivo. Entrevista de la teora econmica 49:360-75.
Diamond, P.1965Deuda nacional en un modelo de crecimiento neoclsico. Entrevista
economa americana 55:1126-50.
Dornbusch, R.1976.Espectativas y tasa de intercambios dinmicos. Entrevista de la
economa poltica 84:1161-76.
Koopmans.T.1965.En el concepto del crecimiento optimo econmico. En: el planteamiento
economtrico para el plan de desarrollo. Chicago: Rand y McNally.
Mankiw,G,RoMER,D y weil,D.1992.Una contribucin de la economa emprica de
crecimiento. Entrevista trimestral de economa 107(2):407-37.
Obstfeld, M, 1980.Alteraciones anticipadas en un modelo de previsin perfecta.
Mmimeografica.Departamento de economa, Universidad de Columbia.
Ramsey, F.1928.Una teora de matemtica de ahorros. ENTREVISTA ECONOMICA
38:543-59.
Sargent, T., y Wallace, N.1973.La estabilidad del modelo del dinero y crecimiento con
previsin perfecta. Economtrica 45:1043-8.
Solow, R.1956Contribucion del crecimiento de la teora econmica. Entrevista trimestral de
economa 70:65-94.
Solow, R.1970.Teoria del crecimiento. Una exposicin. Prensa de universidad de Oxford.
Swan, T, W.1956.Crecimiento econmico y capital de acumulacin. El rcord econmico
32:334-61.
Wolfram, S.1991.Matematica.Un sistema para hacer matemtica por computadora. Segunda
ed libro, MA:Adisson-Wesley.
NOTAS
1. Resolviendo (6) para el nivel de produccin, podemos reinterpretar esta relacin como un
Lucas oferta de funcin agregada, = + (1/)( )
Diciendo que esta oferta de produccin que superara su tasa natural siempre que la inflacin
exceda las expectativas. Un posible mecanismo detrs de su relacin trabaja a travs del
impacto de inflacin inesperada en el salario real percibido. Cuando la inflacin es ms alta
que lo que realiza los trabajadores, probablemente sobreestiman su salario real, y esto quizs
los introduzca suministrar ms la mano de obra que de lo contrario.
2. Note como se dispone las cosas as que el modelo empieza ser autnomo. En vez de
trabajar con niveles de precio, estamos trabajando con tasas de inflacin. En un estado de
equilibrio, por lo tanto, no hay precios, pero ms inflacin, lo que sobra es constante.
Segundo, la fuerza motriz detrs de la inflacin ser el crecimiento de la oferta nominal de
dinero.SI prohibiramos la tasa monetaria de crecimiento para cambiar a lo largo del tiempo,
nosotros tuvisemos un sistema no autnomo. Para simplificar, asumimos que es
constante. Luego podemos analizar el efecto del cambio en poltica monetaria observando el
impacto de una vez por todas para todos los cambios en .
3. Observe que obtendramos la misma respuesta si nos moviramos ala este, en lugar del norte,
desde un estado de equilibrio. Por ello, podramos haber usado / en vez de / .
4. Mira la seccin 2(d) del captulo 10 para un debate de las condiciones de estabilidad de sistema
lineal con coeficientes constantes.
5. Esto es ms un supuesto que un resultado. Nuestra ecuacin original ya incorpora la tasa
natural de hiptesis.
6. Una manera simple para ver esto es el siguiente, suponga que la funcin de produccin es
homognea de grado h, donde h no es necesariamente igual a 1, Luego, por teoremas de
Euler
529
Apndice: Soluciones para los problemas
(, ) + (, ) = (, ) (1)
Suponga h=1 (i.e., tenemos una constante a escala) y esto es una competencia perfecta. Luego
el factor precio son dados por el productor marginal correspondiente, y la ecuacin (1) dice
que donde el capital y la mano de obra son pagados por su precio de equilibrio, produccin
total es agotado. Si h >1, Sin embargo (i.e., cuando tenemos un aumento de la rentabilidad),
factores no pueden ser pagados por su producto marginal, porque la cantidad requeridas ms
amplia que el total de produccin.
7. Podra ser mostrado que si F es homogneo de grado 1, luego que la derivada parcial son
homogneos de grado cero, esto es, para ningn > 0, (, ) = (, ) ,y
similarmente para . Mirar capitulo4.
8. Un modelo similar con una tecnologa de Cobb-Douglas fue simultneamente propuesto
por Swan (1956). Por ende, a veces podemos hablar del modelo Solow-Swan.
9. La primera igualdad en esta expresin es seguido por la regla de LHospital donde ( )
sea es ilimitado.
10. Ntese que las empresas regresan el capital no amortizados hacia los trabajadores de edad
despus de efectuarse su produccin. Porque el anciano come lo que sea, el joven desde el
principio tiene que rasguar cada periodo.
11. Progreso tcnico puede ser manejado en la misma manera como crecimiento de la
poblacin. Har que g la tasa de mano de obra incrementara progreso tcnico, i.e., +1 =
(1 + ), y definimos = /. Luego tendremos
+1
= (1 + )(1 + )+1
+1 +1 (1 + )(1 + )
[ ( ), (+1 ) + (1 )]
=

Donde () es el salario por trabajador. Observe, sin embargo, esta ecuacin no ser, en
general, tener una solucin constante-Z. Si las preferencia son homotticas, sin embargo, la
funcin de ahorro es de la forma (1 + )(1 + )+1 = [ (+1 ) + (1 )]( ), y
la expresin previa simplifica a
El cual tiene un estado de equilibrio.
12. Esto mostrara en la prueba que (0) > 1 requiere que (0) > 1. Galor y Ryder (1989)
han mostrado que esta condicin es ms fuerte que la condicin de Inada (0) = . Por
consiguiente, la condicin Inada no es suficiente para garantizar la existencia de estado de
equilibrio no trivial.
13. Porque Z es una funcin de A, el cual no es observable, deber ser mejor para trabajar
con la tasa de crecimiento del capital social por trabajador. Aunque el dato en esta variable
es de hechos disponibles para todos los pases, su calidad es en general bastante pobre, y las
figuras disponibles quizs no sern totalmente comparabas en todos los pases. Por ello, ser
mejor usar una transformacin de (1) que nos permitir trabajar directamente con (ms
fiable) datos de los flujos de inversin, ms que el stock de capital.
14 Mira Barro y Sala-i-Martin (1990-1992) y Mankiw, Romer, y Weil (1992) para aplicaciones
empricas de esta metodologa.
15 Porqu z es en los logs, esto es aproximadamente la desviacin del estado estacionario en
trminos porcentuales.
16 Esto puede ser tambin hecho dentro de la funcin. De esta manera podremos reemplazar
el estado en [7] por
sol1=NDSolve[{z'[t]==F[z[t], 0.25, 0.69, 0.03, 0.02,
0.01],z[0]= = zsl/2}, z,{t, 0, 100}]
530
12
Una Introduccin a la Optimizacin Dinmica
Este captulo contiene una introduccin a la optimizacin dinmica. En la Seccin 1

desarrollamos los elementos bsicos de la programacin dinmica que luego se usan en la Seccin
2 en una derivacin informal del principio mximo. Se discutir las aplicaciones en el Captulo
13
1. Programacin dinmica
Considere un sistema, econmico o de otro tipo, cuya evolucin a lo largo del tiempo puede ser
a la menos parcialmente controlada por las acciones de un tomador de decisiones. En cada punto
en el tiempo , el estado del sistema puede ser descrito por un vector fechado de variables reales,
, el cual llamamos vector de estado. En cada periodo, el tomador de decisiones
selecciona un vector de variables de control o de decisin, . Juntas, el estado actual del
sistema y las elecciones de los controles determinan el valor del vector de estado para el siguiente
periodo de acuerdo con la ley del movimiento (posiblemente dependiente del tiempo).
+1 = ( , )
De este modo, diferentes opciones de las variables de control producirn patrones de tiempo
diferentes del sistema. Se asumir que el tomador de decisiones tiene preferencias definidas sobre
dichas trayectorias de tiempo que pueden resumirse por una funcin de retorno o funcin de
tiempo aditiva
1
= ( , )
=
Por simplicidad, tomaremos como dado el horizonte de planificacin y los valores iniciales y
terminales del vector de estado. As, consideramos el problema al que se enfrenta un planificador
que hereda en el tiempo un vector de estado predeterminado , cuida solamente sobre lo que
sucede entre el tiempo y ( ), y est obligado a dejar el vector de estado con valor al
final del perodo de planificacin. El agente puede ser restringida por restricciones adicionales
sobre el estado y vectores de control, el cual escribiremos ( , ) para cada .
530
Una introduccin a la Optimizacin Dinmica
Dado el estado inicial del sistema, y una secuencia ,1 = { ; = , + 1, , 1} de

variables de control, la evolucin del vector de estado es determinado por la ley del
movimiento (1). As, y ,1 inducen a una secuencia de estados +1, = { ; = , +
1, , }. Escribiremos , = {,1 +1, }y diremos que tal secuencia es admisible si
ambos estados y controles son factibles en todo momento y el valor terminal del vector de
estado es igual al valor requerido, . El conjunto de todas las secuencias , admisibles a
partir de un vector de estado inicial dado , ser denotado por (t ) y por ( , ) cuando
queremos hacer explcita la restriccin de terminal en el estado .Cuando queremos indicar
explcitamente las condiciones iniciales y finales en esta secuencia, escribiremos
(,1 , , )y denotaremos la parte de , entre los puntos y en el tiempo por
(,1 , , )| .
En esta notacin la funcin objetivo del tomador de decisiones puede ser
1
(, , , 1) = ( , )
=
Obsrvese que ()es dado por la suma de las funciones instantneas o de tiempo de retorno
{ }, donde cada es una funcin slo del tiempo y el estado actual y los vectores de control y
no depende de valores pasados o futuros de o .
(a) El principio de optimalidad y la ecuacin de Bellman

El problema de la Agente es el de elegir la trayectoria de tiempo de las variables de control para
maximizar la funcin objetivo , sujeto a la ley del movimiento (1) y restricciones de viabilidad
adecuadas, teniendo en cuenta el horizonte de planificacin (, ) y los valores inicial y final del
vector de estado.
Denotamos por () la funcin de valor para el problema del planificador (es decir, el valor
mximo alcanzable de la funcin objetivo). Claramente, ( ) ser una funcin de los parmetros
del problema de maximizacin (los tiempos inicial y terminal y los vectores de estado) y es igual
a la funcin objetivo evaluada en el camino de control ptimo y la secuencia del estado inducido,
suponiendo que existan. Formalmente, el problema puede ser determinado:
( , ; , ) = max{[(,1 , , ), , 1] = 1
= ( , ) . . +1 =
+
( , ), , , , y dado ( , ) para cada } (DP)
Si es finito (el cual no puede ser el caso), (DP) puede ser resuelto por los mtodos estndar
para hacer frente a los problemas de optimizacin (para aplicar los teoremas de Lagrange o
Kuhn-Tucker). La estructura del problema, por otra parte, permite algunas simplificaciones
importantes y tambin nos permiten tratar con problemas de horizonte infinito (para el cual los
teoremas estndares no aplica). Las caractersticas que facilitan las cosas son la
531
Programacin Dinmica
separabilidad aditiva de la funcin objetivo y la estructura simple de la ley del movimiento - el

hecho de que para cada , (la funcin de retorno del perodo) y (la ley del movimiento)
dependen slo de y de los valores actuales del Estado y variables de control, pero no en sus
valores pasados o futuros, y que el retorno total es simplemente la suma de las funciones de
retorno del perodo.
Esta propiedad tiene la siguiente implicacin. Dejamos , = {,1 , , } ser una secuencia
admisible de controles y estados inducidos entre puntos finales y , y sean y enteros
positivos, con 1. Luego podemos escribir la funcin de retorno en la forma
(, , , 1)
1 1 1
= (, | , , 1) + (, | , , 1) + (, | , , 1)
Eso es, la ganancia total asociada con una secuencia de control de estado sobre todo el horizonte
de planificacin es simplemente la suma de las ganancias asociadas diferentes porciones de la
secuencia sobre los subperiodos correspondientes. Usando esta propiedad de aditividad, es fcil
establecer el resultado siguiente, el cual nos da una propiedad importante de la solucin ptima
de (DP)
}
Teorema 1.1 El principio de optimalidad. Sea , = (,1 , , ) = { , +1 es la solucin ptima
de (DP) entre los puntos finales dados ( , )y ( , ) Dado puntos arbitrarios y , con
1, y y son los trminos correspondientes de la secuencia de estado ptimo{ }.Entonces la solucin
ptima para
1
( , ; , ) = max {(,1 , , 1) = ( , ) . . +1
ua,b1
=
= ( , ), , , , y dado ( , ) + para cada }
(DP.ab)
1
Es dado por , |
Aproximadamente hablando, el teorema dice que cada porcin del plan optimo es ptimo por
derecho propio. Ms precisamente, cualquier porcin de una ptima trayectoria es una
trayectoria ptima para un subproblema apropiado de (DP) en la que limitamos los valores de
punto final del vector de estado a ser igual a los trminos correspondientes de la secuencia de
estado ptimo para el problema.
532
Prueba. Procedemos por contradiccin. Sea ( , ) es el conjunto de trayectorias factibles

,1entre los puntos finales ( , ) y ( , ). Este conjunto no es vacio, ya que contiene al

menos la parte de la secuencia ptima para todo el problema, ,1 | que existe por suposicin.
1
Ahora supongamos que ,1 | no es ptima para el subperodo de hacia . Entonces hay
1
una secuencia factible entre estos puntos finales ,1 tal que (,1 ) > (,1 | ).
Por la aditividad temporal de la funcin objetivo,
1 1 1
(, | ) + (,1 ) + (, | ) > (, | )
1 1
Por lo tanto, hemos encontrado una secuencia ,1 | ,1 ,1 | que produce

un mayor retorno que ,1 . Adems, Porque esta secuencia es factible por construccin,

hemos llegado a una contradiccin: ,1 no puede ser una solucin ptima para todo el
problema.
Problema 1.2. una violacin del principio ptimo. Consideremos un agente que vive tres periodos
y maximiza una funcin de utilidad de la forma
1 = 1 + 1 + 1
Donde la utilidad en el perodo , es una funcin del consumo actual y (esperado) futuro, eso
es decir,
1 (1 , 2 , 3 ) = (1 2 3 ), 2 (2 3 ) = (2 3 ), 3 (3 ) = 3
y la restriccin presupuestaria es de la forma
+1 = dado, y 4 = 0
Donde A es riqueza.
Obsrvese que la funcin de retorno es aditiva, pero no es separable por periodos, como la
utilidad del perodo 1, por ejemplo, depende del consumo (esperado) en los tiempos 2 y 3. El
teorema 1.1 no se sostiene y el principio de optimalidad falla.
(i) Calcular el plan de consumo ptimo desde la perspectiva del tiempo 1, 1 = (11 , 21 , 31 )
(ii) A continuacin, considerar lo que sucede tal que el agente comienza a implementar este
plan. En el tiempo 1, l consume 11 , recibe utilidad U1, y tienen restos de riqueza 2 =
1 11 . Luego se enfrenta al problema de maximizar la utilidad sobre el resto de su
vida,
max 2 = 2 + 3
533
Programacin Dinmica
Sujeto a 2 + 3 = 2 . Calcular el nuevo plan ptimo, 2 = (22 , 23 ),y compara esto con la
ltima porcin de 1 . Ha cambiado de opinin el consumidor? Cmo y por qu? Se mantiene
la ecuacin de Bellman (discutida ms adelante)?
El principio de optimalidad tiene una implicacin importante, a veces llamado consistencia de
tiempo: Supongamos que calculamos la trayectoria ptima del comienzo del perodo de
planificacin y comenzamos a moverse a lo largo de ella. Despus de un tiempo, paramos y
recalculamos la solucin ptima de la hora y estado actuales.
El principio de optimalidad nos dice que la solucin de este nuevo problema ser el resto del
plan ptimo original. Por lo tanto, el que toma la decisin no ser tentado a "cambiar su mente."
Esta propiedad nos permite abordar el problema secuencialmente, dejando para maana
decisiones sobre controles futuros, rompiendo as el problema original en una secuencia de
subproblemas estticos. Para hacer esto preciso, considerar una descomposicin particular del
problema, que en (i) la eleccin de controles de hoy y (ii) todo el resto del plan. Por la aditividad
de la funcin objetiva, podemos escribir
( , ; , ) = max [(,1 , , ), , 1]
,1
= max { ( , ) + [(+1,1 , , ), + 1, + 1]}

ut ,,1
Donde la maximizacin est sujeta a las restricciones habituales y, en particular, +1 =

( , ). La estructura del problema nos permite enfocar la eleccin de los actuales ( ) y
futuros(+1,1 ) controles secuenciales. Observe que los estados y controles con dato + 1 o
superior no afectan al rendimiento actual, dado por ( , ), y que el estado actual y los
vectores de control ( , )afectan los rendimientos futuros slo a travs de sus efectos sobre
el estado de maana, +1 . As, podemos resolver el problema en dos pasos: Dada cualquier
eleccin del control actual, maana enfrentaremos el problema de elegir (+1,1 ) para
maximizar [(+1,1 , +1 , ), , 1], Tomando como dado el estado +1resultando
de la decisin de hoy un problema idntico al de hoy excepto el estado inicial y el tiempo.
Habiendo resuelto este problema, la decisin de hoy se reduce a elegir ut, teniendo en cuenta
ambos tanto su Contribucin directa a la contribucin indirecta de retorno actual de pagos
futuros a travs de su efecto sobre el estado de maana. El principio de optimalidad nos asegura
que este proceso de maximizacin secuencial por etapas dar el mismo resultado que la
determinacin simultnea de toda la trayectoria de control. As, podemos escribir
( , ; , ) = max { ( , ) + [(+1,1 , +1 , ), + 1, 1]}

ut ,+1,1
= max { ( , )

+ max {[(+1,1 , +1 , ), + 1, 1]} s. t. +1 = ( , )}

+1,1
534
Finalmente, observamos que el pago resultante de la maximizacin interna es funcin de valor

correspondiente al problema de maana. As,
= max { ( , )

+ max {[(+1,1 , +1 , ), + 1, 1]} s. t. +1 = ( , )}

+1,1
= max{ ( , ) + (+1 , ; , ) s. t. +1 = ( , )}

Y llegamos a la ecuacin de Bellman.
( , ; , ) = = max{ ( , ) + (+1 , ; , ) s. t. +1 = ( , )} (BE)

Esta expresin caracteriza formalmente la eleccin ptima del reciente vector de control como
la solucin de un problema de optimizacin esttica en la que las consecuencias futuras de las
acciones actuales son resumidas por la funcin de valor de maana en la funcin objetivo de
hoy. La solucin para el problema de maximizacin esttica en (BE) produce una funcin de
poltica que da el valor ptimo del control actual, , como una funcin ( ) del tiempo y el
estado actual. El estado de maana es entonces dado por +1 = [ ( ), ], y, una solucin
para un problema similar (con +1ahora dado) entonces produce un control ptimo del maana
. (Se observa que el tiempo introduce tanto el valor y las funciones polticas como un argumento
separado, refleja el hecho que los periodos puedan diferir en otros factores que el estado de
vector.) La relacin recursiva dada por (BE) es til porque nos permite transformar
conceptualmente un problema de eleccin dinmica en una secuencia de problemas estticos
que ya sabemos manejar, al menos en principio. Pero la nocin de que la maximizacin de la
ecuacin de Bellman no es realmente un problema estndar en al menos un sentido: La funcin
de valor ( ) aparece tanto dentro como fuera del operador de maximizacin (aunque con
argumentos diferentes) y por esa razn no es una funcin conocida. De hecho, (BE) es una
ecuacin funcional - una ecuacin en la funcin desconocida ( ). Por lo tanto, la reformulacin
del problema de origen no se resuelve realmente, ni lo pone en una forma que podemos resolver
directamente. La ecuacin de Bellman, sin embargo, proporciona las bases para un enfoque
alternativo del problema que se resolver por un mtodo de solucin operacional. En las
secciones que siguen consideraremos dos casos: problemas de horizonte finito y problemas de
horizonte infinito con alguna restriccin adicional.
(i) Solucin de Problemas de Horizonte Finito mediante induccin inversa
Problemas de programacin dinmica sobre una planificacin finita no presentan dificultades

conceptuales. El valor y las funciones de poltica pueden obtenerse comenzando desde el final y
trabajando hacia atrs. La secuencia de control de optimizacin puede entonces ser calculada
aplicando la secuencia de funciones de poltica, 1 , , 1 , al vector de estado inicial.
535
Programacin Dinmica
Un periodo antes del fin del periodo de planificacin que el problema se reduce a escoger el
ltimo control, tomando como dado el valor terminal del estado.
Omitiendo algunos de los argumentos de la funcin de valor, podemos escribir
(1 , 1) = max{1 (1 , 1 ) s. t. 1 (1 , 1 ) = dado}
1
Observe que en esta etapa no hay funcin de valor desconocido dentro del operador mximo;
por lo tanto, (1 , 1) est bien definido por la expresin anterior. Y para un problema
completamente especificado su clculo es, en principio, directo. Por otro lado, el valor de 1
no conocido en este punto, pero esto no importa, porque estamos interesados en la funcin
completa (, 1), ms que su valor para un vector de estado especfico.
Adems, este procedimiento trabajara para una clase de problemas ms generales que hemos
considerado hasta ahora. En particular, podemos abandonar la suposicin de un vector de estado
terminal predeterminado y dejar que la contribucin del agente teniendo en cuenta su
contribucin para su recompensa dada por una funcin de valor de desecho o rescate ( ).1
En este caso, la ltima etapa de la maximizacin llegara a ser
(1 , 1) = max{1 (1 , 1 ) + ( ) s. t. = 1 (1 , 1 )}
1
En cualquier caso, la solucin del problema del ltimo perodo produce una funcin de poltica
que da el valor ptimo del ltimo control como una funcin del estado al principio del perodo
1 = 1 (1 ). En cuanto a la funcin de valor, el valor del argumento no se conoce en
esta etapa, pero lo que queremos es el paso y calcular la funcin de s mismo.
Dado (1 , 1), podemos regresar paso a paso y calcular la funcin del valor para periodo
previo,
(2 , 2)
= max{2 (2 , 2 ) + (1 , 1) . . 1 = 2 (2 , 2 )}
2
Adems obteniendo tambin la funcin de poltica correspondiente, 2 =

2 (2 ). Procediendo de esta manera, eventualmente alcanzamos el periodo inicial y
resolvemos
( , ) = max{ ( , ) + (+1 , 1; , ) . . 1 = ( , )}

Para obtener la funcin del valor para el problema original y la primera funcin de
poltica, (. ).En este punto, el valor inicial del estado, , es una cantidad dada, y tambin se
conoce toda la secuencia de funciones de poltica { ; = , + 1, , 1}adems est dada.
Por lo tanto, podemos recuperar la secuencia ptima de instrumentos, dada por = ( ),
y la secuencia inducida de estados, 1 = ( , ).
536
(ii) Descuento y estacionariedad
Debe quedar claro que el algoritmo de solucin anterior no puede usarse para el horizonte de
planificacin cuando es Infinito, no hay una fecha terminal desde la cual trabajar hacia atrs.
Como veremos, sin embargo, ciertos tipos de problemas de horizonte infinito pueden resolverse
y en muchos casos son ms fciles de resolver que los problemas de los horizontes finitos. En
esta seccin tenemos alguna notacin e imponemos alguna estructura adicional en el problema
de programacin dinmica antes de discutir brevemente una clase particular de problemas de
horizonte infinito que se analizarn en mayor detalle ms adelante.
Descontando. En muchas situaciones, las ganancias que se acumulan en diferentes momentos son
valoradas de manera diferente por el tomador de decisiones. Tpicamente, los que se realizan
ms adelante en el futuro se valoran menos que los que se acumulan inmediatamente. Aunque
nuestra especificacin anterior de una funcin de retorno del perodo dependiente del tiempo
( , ) implica implcitamente esta posibilidad, ser conveniente sacarla explcitamente
introduciendo una secuencia de pesos especficos de perodo. En particular, asumiremos que la
funcin de retorno del perodo en el tiempo es de la forma ( , ) = ( , ) , donde
el factor de descuento es un real no negativo, y consideramos un agente que enfrenta un
problema de la forma
1
( , 0) = max ( , )
0,1
=0
Sujeto a las restricciones habituales. Que interpretaremos ()como la recompensa que se
acumula en el tiempo , valorada desde la perspectiva del tiempo mismo, y ( ) = ( )a la
misma recompensa "descontada" al comienzo del perodo del plan cero. La ganancia actual ( )
por , la devuelve a unidades de tiempo-cero y la divisin de la recompensa descontada ( )por
el mismo factor lo hace avanzar a las unidades del tiempo. Debido a que los rendimientos del
primer perodo no necesitan descontar, ponemos 0 igual a 1.
A medida que pasa el tiempo y el agente llega al periodo , enfrenta el subproblema de maximizar
el resto de la funcin objetivo,
1
( , ) = max ( , )
,1
=
Obsrvese que la funcin de valor en esta expresin da el mximo rendimiento-ganancia

evaluado desde la perspectiva del tiempo cero, porque cada perodo de retorno se multiplica por
el correspondiente factor de descuento. Cuando se maximiza sobre el subperodo que comienza
con , sin embargo, a menudo es ms conveniente hacer valoraciones actuales (a partir del
tiempo). As, definimos el valor actual
1
( , )
( , ) = = max ( , )
,1
=
Como de costumbre, los subproblemas sucesivos estn vinculados por la ecuacin de Bellman:
537
Programacin Dinmica
( , ) = max{ ( , ) + (+1 , + 1)}

Reescribimos esta ecuacin en trminos de valores corrientes, dividimos ambos lados de la

expresin por , obteniendo
( , ) = max{ ( , ) + (+1 , + 1)}

Aqu el factor de descuento de un perodo, = +1 , descuentos de los valores a partir de

+ 1 a (multiplicando por +1 los vuelve de nuevo a cero, dividiendo por una toma ). La
interpretacin de esta expresin es casi exactamente las de la versin sin descontar de la ecuacin
de Bellman: Dado el siguiente estado, +1 , (+1 , + 1) proporciona el mximo
rendimiento posible en las unidades de utilidad de maana. "Para devolverlo a las "unidades
de hoy", multiplicamos ( )por . La poltica ptima es entonces elegir para maximizar el
retorno de perodo de suma y el valor descontado de la funcin va de maana.
Horizonte infinito, problema estacionario. En muchos problemas de inters se supone que la funcin
de retorno del perodo, la ley del movimiento, el factor de descuento del perodo de vigencia y
el conjunto factible a los que deben pertenecer estados y control, son todos invariantes en el
tiempo, es decir,
= , = , = , = ( )
Esta hiptesis permite algunas otras simplificaciones del problema. Observe que con una
constante , tenemos que +1 = . Esta ecuacin, junto con la suposicin de que 0 = 1,
lo cual implica que el factor de descuento debe ser de la forma = . As, el subproblema
comenzando en el tiempo t se puede escribir
1
( , t) = max ( , )

,1
=
En el caso de horizonte finito, t sigue siendo un argumento distinto de la actual, ya que los
subproblemas que comienzan en fechas diferentes difieren entre s, no slo en el valor inicial del
vector de estado, sino tambin en el tiempo restante hasta el final del perodo de planificacin.
Si el horizonte de planificacin es infinito, sin embargo, esto ya no es el caso, y todos los
subproblemas son idnticos. As, para problemas estacionarios de horizonte infinito, la funcin
de valor actual es funcin del estado inicial solo, ( ), y la ecuacin de Bellman se convierte
en
( ) = max{ ( , ) + (+1 )}

De ello se deduce que la funcin poltica, = ( ) es tambin es invariable en el tiempo. Esta

es una simplificacin importante, porque ahora tenemos que encontrar una sola de estas
funciones, en lugar de de ellos.
538
Programacin Dinmica
Segn lo observado anterior, el algoritmo de la al revs-induccin no se puede utilizar para

solucionar problemas horizonte finito. La observacin siguiente, sin embargo, proporciona la
base para una manera de ocuparse de tales problemas, como vemos ms adelante. Dado las
funciones ( ) de a , podemos definir a un operador tras el espacio de tales en s
mismo:
() = {(, ) + () . . = (, ), (, )}

La ecuacin de Bellman puede escribirse = . Por lo tanto, una funcin V resuelve la

ecuacin de Bellman si y slo si es un punto fijo del operador T. Bajo ciertos supuestos, el
teorema de contraccin de mapas puede ser utilizado para establecer la existencia y unicidad de
una solucin de la ecuacin de Bellman y determinar algunas propiedades de inters de dicha
funcin.
(iii) Incertidumbre
La programacin dinmica es particularmente til cuando se trata de problemas que implican
incertidumbre en un entorno dinmico. Siempre que ignoremos algunos problemas tcnicos, la
discusin anterior puede ampliarse fcilmente para tratar problemas estocsticos.
Imaginemos que en lugar de una ley determinista del movimiento tenemos una ley estocstica:
el xt y el ut , ya no determinan el valor de xt+1 , sino slo su distribucin de probabilidad,
descrito por una funcin de distribucin de la forma G(xt+1 ; xt , ut ), donde
(; , ) = (+1 | , )
Los agentes ahora maximizan utilidad prevista. En el tiempo t, eligen el , al no saber con
certeza el valor del estado del perodo prximo. Cualquier +1 resulta ser, l que se optimizar
a partir de maana, obteniendo un valor de (+1 , + 1). Desde la perspectiva actual,
entonces, el debe ser elegido para maximizar la suma de la rentabilidad actual y el valor
descontado de la expectativa de (+1 , + 1) , calculado usando G ( ) .Por lo tanto, la
ecuacin de Bellman se convierte en
( , ) = max{ ( , ) + (+1 , + 1)(+1 ; , )}

(b) Algunos resultados para problemas estacionarios descontados

En esta seccin analizaremos en mayor detalle una clase de horizonte infinito problemas. Dado
un vector de estado predeterminado , un tomador de decisiones se enfrenta al problema de
maximizar la funcin objetivo.

(, ) = ( , )
=
539
Con el (0,1), sobre el sistema de secuencias factibles , = { , +1 } ( ), donde

+1 = ( , ). Supondremos que la serie converge (aunque posiblemente a ms o menos
infinito) para todas las secuencias factibles , y que las restricciones de viabilidad son de la
forma
( )
Donde es una correlacin de puntos de mapeo en en conjuntos en . El problema al
que se enfrenta el agente puede entonces ser escrito

( ) = max {{ ( , ) . . +1 = ( |, ), ( ), }
()
=
(DP.)
Y la funcin de valor actual ( ) proporciona el valor mximo alcanzable de la funcin
objetivo siempre que el problema tenga una solucin. Sabemos de nuestra discusin anterior
que, si la funcin de valor existe, entonces satisface la ecuacin de Bellman:
() = max { (, u) + () . . = (, )} (BE)
(x)
Lo contrario de esta afirmacin, sin embargo, no es necesariamente cierto. La ecuacin de

Bellman puede tener varias soluciones, y slo una de ellas puede ser la funcin de valor para el
problema de programacin. Por lo tanto, necesitamos establecer condiciones bajo las cuales
podemos estar seguros de que una solucin dada de () es la funcin de valor que buscamos.
Teorema 1.3. Deje que la funcin v: resuelva la ecuacin de Bellman ()y satisfaga la condicin
de limitacin
lim v(x ) = 0 (0)

Para cualquier secuencia{ }factible desde el estado inicial . Supongamos, adems, que existe una secuencia
},
, = { , +1 donde resuelve
v( ) = max {( , ) + v[( , )]} (. )
(x )

Para cada s y , +1 = ( , ). Entonces es la funcin actual de valor para el problema de programacin,

y , soluciona (. ).
Prueba. Para demostrar que v( ) es la funcin de valor para el problema de programacin,

necesitamos mostrar que para cualquier estado inicial dado xt ,

(i) ( ) W (, ) para cualquier secuencia , ( ) y

(ii) existe una secuencia , ( ) tal que (, ) = ( )
540
Programacin Dinmica
Es decir, ( ) es un lmite superior para el valor del problema sobre el conjunto de secuencias
factibles, y hay una secuencia factible que alcanza este valor. Deje que = { , +1 ;
sea una secuencia arbitraria faesible de .Entonces, por (, )
v( ) = max {( , ) + v(+1 )} ( , ) + v(+1 )
(x )
( , ) + [(+1 , +1 ) + v(+2 )]
1+
( , ) + +1 (++1)
=
Tomando el lmite de esta expresin como n , y usando la condicin de limitacin (0)

( ) (, ) + lim +1 (+1 ) = (, )

Para cualquier secuencia viable , . Por lo tanto, ( ) es un lmite superior para el valor del
}
problema. Por otra parte, la secuencia , = { , +1 de soluciones a (, ) logra este
valor. Obsrvese que por definicin
)
v( ) = max {( , ) + v[m( , )]} = ( , ) + v(+1
( )
Por lo tanto, todas las dbiles desigualdades en (3) se mantienen como igualdades, y concluimos
que
( ) = W (,

)
Que demuestra el problema
El teorema 1.3 dice que, si podemos encontrar una solucin acotada a la ecuacin de Bellman,
el problema original se reduce a una secuencia de maximizaciones estticas. No existe, sin
embargo, ninguna garanta de que tal solucin exista en todos los casos. Nuestra siguiente tarea
es identificar las condiciones bajo las cuales la ecuacin de Bellman tiene una solucin acotada
nica. La discusin se basa en gran medida en la familiaridad del lector con los conceptos de un
espacio mtrico completo y el teorema de contraccin de mapas (para una revisin de este
material, vase la Seccin 7 del Captulo 2).
Definimos el operador T la asignacin de las funciones con valores reales en las funciones con
valores reales por
() = max {(, ) + v[(, )]}
(x)
Entonces la ecuacin de Bellman se puede escribir en la forma

() = () ()
541
As, vemos que encontrar una solucin a la ecuacin de Bellman es equivalente a encontrar un
punto fijo del operador . Si podemos demostrar que, bajo suposiciones apropiadas, es una
contraccin trazando un espacio mtrico completo en s mismo, podemos recurrir al teorema de
contraccin de mapas para establecer la existencia y unicidad de una solucin apropiada a (BE).
Recordemos del captulo 2 (vase el teorema 7.12) que el espacio () de las funciones acotadas,
continuas y valoradas reales, definidas en un conjunto en es un espacio mtrico completo
bajo la norma sup, definida por
= {|()|; }
A continuacin, comprobaremos que, bajo ciertas restricciones de continuidad y limitacin de
la funcin objetivo, la ley del movimiento y la correspondencia de restricciones, el operador
asigna () a s mismo (es decir, asigna funciones limitadas continuas en funciones limitadas
continuas) y que es una contraccin. Por el teorema de contraccin de mapas, se tiene que
(BE') tiene una solucin acotada nica en () que, por el Teorema 13, es la funcin de valor
que buscamos
En lo que sigue, haremos la siguiente suposicin.
Suposicin 1.4. Continuidad, la funcin de retorno del periodo es limitada y continua, la ley de
movimiento es continua, la correspondencia de restriccin es continua, y el conjunto ()
es no vaco y compacto para cada .
Bajo estas condiciones podemos establecer el siguiente resultado.
Teorema 1.5. Supongamos que la suposicin 1.4 se cumple. Entonces T es un operador que asigna las funciones
limitadas continuas en funciones limitadas continuas. Adems T : C(X) C(X) es una contraccin y por lo
tanto tiene un punto fijo nico V en C(X). Este V es la funcin de valor para el correspondiente problema de
programacin dinmica.
Por otra parte, en la suposicin 1.4, la funcin solucin para la maximizacin en (BE) es la correspondencia
poltica g( ) para el problema de programacin, dando el conjunto de valores ptimos del control u como funcin
del estado, y g( ) es no vaca y uhc.
Prueba
Al dejar () bajo nuestras suposiciones, el problema de maximizacin que define el
operador ,
() = max {(, ) + [(, )]}
()
542
Programacin Dinmica
es para cada , el de maximizar una funcin continua en un conjunto compacto. Por lo tanto,
por el teorema del valor extremo, existe un mximo, y est bien definido. Debido a que
y estn limitados, tambin est limitado; y porque y son continuas y la
correspondencia de restricciones es continua y compacta, el teorema del mximo (Teorema
2.1 en el Captulo 7) garantiza la continuidad de . Por lo tanto, asigna () a s mismo.
Adems, por el teorema del mximo, la solucin del mapeo para esta maximizacin (es decir,
la funcin de poltica g (x)), es una correspondencia no vaca y uhc.
Para establecer que T es una contraccin, hacemos uso de las condiciones suficientes de
Blackwell (vase el teorema 7.19 en el captulo 2). Tenemos que demostrar que satisface
1. Monotonicidad: , (), () () () (), y
2. Descuento: (0,1) . . (), , 0 [() + ] () +

Primero, suponemos que () () para todo en . Luego, para cada (, ) ,

[(, )] [(, )], y por lo tanto
() = max {(, ) + [(, )]} max {(, ) + [(, )]} = ()
() ()
Por lo tanto, es montono. A continuacin, observe que para cualquier constante positiva
, tenemos
[() + ] = max {(, ) + {[(, )] + }}
()
= max {(, ) + [(, )]} + = () +

()
Por lo tanto, descuenta. es una contraccin porque satisface ambas ecuaciones de

Blackwell.
Ya que es una contraccin en un espacio mtrico completo, se deduce directamente del
teorema de contraccin de mapas (Teorema 7.15 en el Captulo 2) que tiene un nico punto
fijo.
Por el Teorema 1.3, la funcin limitada continua es la funcin de valor para el
correspondiente problema de programacin dinmica. Adems, la solucin del mapeo para
el problema del mximo en la ecuacin de Bellman es la poltica del optimo correspondiente.
Tambin se deduce que del teorema de la contraccin de mapas que si, partiendo de una funcin
arbitraria continua y limitada 0, definimos una secuencia { } de funciones por
1 =
543
Esta secuencia converge a la funcin de valor . Este hecho a veces se puede utilizar para
encontrar la funcin de valor.
Saber cundo la ecuacin de Bellman tiene una solucin acotada nica (es decir, cuando la
funcin de valor est bien definida) es un primer paso importante, pero que es de poca ayuda
prctica. Para ir ms all necesitamos establecer las condiciones bajo las cuales har ciertas
propiedades deseables.
En el resto de esta seccin usaremos los resultados anteriores relacionando la funcin de valor
con la solucin acotada de la ecuacin de Bellman para demostrar que bajo restricciones
razonables sobre la funcin objetiva de perodo y las restricciones, la funcin de valor es
estrictamente creciente y estrictamente cncava, y la correspondencia poltica es una funcin
continua. Para ello, nos basaremos en el siguiente resultado: Recurdese que si (, ) es un
espacio mtrico completo y es un subconjunto cerrado de , entonces (, ) es tambin un
espacio mtrico completo (Teorema 7.9 en el Captulo 2). Ahora, supongamos que
es una contraccin en y, adems, que asigna a en s mismo. Entonces es tambin una
contraccin en , y se tiene que un punto fijo nico de en debe estar en . Un ligero giro
en este resultado da el siguiente teorema.
Teorema 1.6. Sea (X, d) un espacio mtrico completo, y sea T X X una contraccin con punto fijo v X.
Adems, sea Y un subconjunto cerrado de X, y asuma que T traza puntos en Y en algn subconjunto Z de Y
(es decir, T Y Z). Entonces el punto fijo nico v de T en X ser Z.
Problema 1.7. Probar el Teorema 1.6.

Mostraremos que el conjunto () de las funciones no decrecientes limitadas y continuas es
un subconjunto cerrado de () y que el operador en la ecuacin de Bellman mapea
funciones no decrecientes en funciones estrictamente crecientes. Se tiene por el teorema 1.6 que
la funcin de valor debe ser estrictamente creciente. Un argumento similar nos permitir
establecer una concavidad estricta.
Lema 1.8. Consideremos el espacio vectorial normado [C(X), ], donde C(X) es el conjunto de funciones
continuas acotadas f n X , con la norma sup f = {|f(x)|; X}. Sea ND(X) el
conjunto de funciones no decrecientes limitadas y continuas en X. Entonces ND(X) es un subconjunto cerrado
de C(X).
Recordemos que se dice que una funcin es no decreciente si
0 , 1 , 1 > 0 (1 ) (0 )
Y estrictamente creciente si
0 , 1 , 1 > 0 (1 ) > (0 )
544
Programacin Dinmica
Prueba. Sea { } una sucesin de funciones continuas no decrecientes convergentes (en la norma
sup y, por lo tanto, puntuales) a una funcin (que es limitada y continua, por la completitud
de ()). Para establecer que() es un subconjunto cerrado de (), basta con demostrar
que es no decreciente. Sean e puntos arbitrarios en tales que1 > 2 , considerando la
secuencia de nmeros reales { (1 ) (0 )}. Debido a que { } , { (1 ) (0 )}
converge a (1 ) (0 ), y ya que es no decreciente, (1 ) (0 ) 0 para todo .
Por lo tanto, tenemos una secuencia convergente de nmeros reales no negativos, y se tiene que
el lmite de la secuencia, (1 ) (0 ), es no negativa. Esto establece que la funcin de lmite
( ) tambin es no decreciente.
Suposicin 1.9. Monotonicidad. Supongamos que ( ) es estrictamente creciente en , ( ) es

creciente en , y la correspondencia de restricciones ( ) es creciente en el sentido que
1 0 (1 ) (0 )
Lema 1.10. Sea T C(X) C(X) el operador definido por

Tv(x) = {F(x, u)+v[m(x, u)]}
()
y asuma que la suposicin 1.9 (Monotonicidad) se cumple. Entonces T asigna funciones no decrecientes en
funciones estrictamente crecientes.
Problema 1.11. Probar Lema 1.10.

Combinando estos dos lemas con el teorema 1.6, el siguiente resultado es inmediato.
Teorema 1.12. Supongamos que las suposiciones 1.4 y 1.9 (continuidad y monotonicidad) se cumplen. Entonces
la funcin de valor V aumenta estrictamente en el estado x.
En resumen, sabemos que bajo la hiptesis de continuidad, la ecuacin de Bellman tiene una
nica solucin continua y limitada que es la funcin de valor para el problema de
programacin correspondiente. Esta funcin puede caracterizarse como un punto fijo de un
operador () () definido de forma apropiada. Hemos demostrado que el conjunto
de funciones no decrecientes delimitadas y continuas () es un subconjunto cerrado
de()y que bajo la Suposicin 1.9, asigna funciones no decrecientes en estrictamente
creciente. Intuitivamente, nuestras suposiciones aseguran que un "aumento" en el estado es
estrictamente deseable porque aumenta estrictamente el rendimiento actual y no reduce las
oportunidades futuras.
545
Ahora vamos a desarrollar un argumento muy similar para demostrar que, bajo ciertas
condiciones, es estrictamente cncavo. Recordemos que se dice que una funcin es
(dbilmente) cncava si
0 , 1 , [0,1], (1 )(0 ) + (1 ) [(1 )0 + 1 ]
Y estrictamente cncava si
0 , 1 , [0,1], (1 )(0 ) + (1 ) < [(1 )0 + 1 ]
Lema 1.13. Considere el espacio vectorial normado [(), ], donde es la norma sup, y asuma que
es un conjunto convexo. El conjunto de funciones (dbilmente) cncavas en () es un subconjunto cerrado de
().
Suposicin 1.15. Concavidad. Supongamos que es estrictamente cncava, es cncava, para

cada el conjunto de restricciones () es convexo, y la correspondencia de restriccin es
convexa en el sentido de que
0 , 1 X, [0, 1], 0 (0 ), 1 (1 )
(1 )0 + 1 [(1 )0 + 1 ]
Lema 1.16. Sea : () () el operador definido por

() = max {(, ) + [(, )]}
()
Y suponemos que las hiptesis de concavidad y monotonicidad se mantienen. Entonces asigna funciones
dbilmente cncavas en funciones estrictamente cncavas
Usando los Lemas 1.13 y 1.16 y el Teorema 1.6, se sigue que bajo los supuestos de continuidad,
monotonicidad y concavidad, la funcin de valor es estrictamente cncava.
Teorema 1.18. Suponga las suposiciones de continuidad, monotonicidad y concavidad. Entonces la funcin de
valor es estrictamente cncava y estrictamente creciente, y la correspondencia de poltica ( ) es una funcin
continua.
546
Programacin Dinmica
Prueba. La primera parte del teorema es inmediata. Por otra parte, sabemos por el teorema del
mximo y el Teorema 1.5 que la correspondencia poltica ptima es uhc. Debido a que cualquier
correspondencia uhc de valor individual es una funcin continua (vase la seccin 11 del captulo
2), slo necesitamos establecer que la solucin a la maximizacin en la ecuacin de Bellman
es nica, pero esto sigue inmediatamente a la concavidad estricta de , la concavidad de ( ) y
la concavidad y monotonicidad de , todo lo cual asegura que la funcin objetiva para el
problema sea estrictamente cncava (en (, ) y por lo tanto en solo).
Diferenciabilidad de la funcin de valor. La maximizacin en la ecuacin de Bellman es un problema
de optimizacin esttica que se parece a un problema comn de Lagrange o Kuhn-Tucker. Por
lo tanto, uno est tentado a escribir la funcin Lagrangeana y diferenciarla con respecto a u para
obtener un conjunto de condiciones de primer orden y luego proceder de la manera usual
(aplicando el teorema de funcin implcita o diferenciando implcitamente las condiciones de
primer orden) para establecer las propiedades estticas comparativas de la funcin de poltica
ptima. Este enfoque, sin embargo, presupone que todas las funciones involucradas son dos
veces diferenciables, una suposicin que generalmente no es vlida.
El problema bsico surge porque la funcin de valor para el problema, ( ), aparece tambin
dentro del operador de maximizacin. Mientras que somos libres de hacer cualesquiera
suposiciones que queramos acerca de ( ) ( ) , la diferenciabilidad de ( ) debe ser
establecida en lugar de directamente asumida.3 Se puede demostrar que ( ) ser (una o dos
veces) diferenciable para una cierta clase de problemas, pero no en general.4 Como resultado, el
enfoque estndar para estudiar las propiedades de la estratificacin comparativa de los sistemas
de maximizacin no est generalmente disponible para el caso de problemas de programacin
dinmica.
2. Control ptimo
Ahora pasamos del tiempo discreto al tiempo continuo y desarrollamos los elementos bsicos
de la teora del control ptimo. Un resultado central de esta seccin es un conjunto de
condiciones necesarias para un ptimo en una cierta clase de problemas de optimizacin
dinmica, el llamado principio mximo de Pontryagin. Derivaremos el principio mximo de una
formulacin de programacin dinmica. Aproximadamente, comenzamos con un problema de
tiempo discreto, aplicamos las tcnicas de programacin dinmica discutidas anteriormente, y
consideramos lo que sucede en el lmite a medida que la longitud del perodo pasa a cero. El
anlogo de tiempo continuo del problema estudiado en la seccin anterior puede escribirse.
547
(0 , 0)
= max {0 (()|=0 , ()|=0 )

();0

= ()[(), (), ] + ()[()] . . (0) = 0 , ()
0
= [(), (), ]} (. 0)
Donde, como antes, es el vector de estado, y el vector de variables de control. La funcin

de recuperacin o desguace () se utiliza para permitir la posibilidad de que podamos colocar
algn valor en el estado al final del horizonte de planificacin (que puede o no ser finito).
Supondremos que el factor de descuento correspondiente al periodo t es de la forma

() = ( ())
0
Que se reduce a la ms familiar cuando la tasa de descuento es constante en el tiempo.5

La notacin () indica que el estado es una funcin del tiempo. Por conveniencia, a menudo
reemplazaremos esta notacin funcional por la notacin de subndice para indicar la
dependencia del tiempo u omitimos la s cuando no son particularmente necesarias. A menudo
trataremos y como si fueran variables nicas, pero el lector debe tener en cuenta que son
vectores.
El problema es similar al analizado en la Seccin 1, excepto que el planificador ahora debe elegir
una trayectoria de control (es decir, una funcin del tiempo, (), definida para [0, ], que
describe los valores de los instrumentos en cada punto en el tiempo), en lugar de una secuencia
de control { }=0 . Dada una trayectoria de control 0 ()|=0, la trayectoria correspondiente
del vector de estado, 0 ()|=0 , viene determinada por la ley del movimiento, = (, , )
y la condicin inicial (0) = 0 . Evaluando 0 , obtenemos el valor de las trayectorias dadas
0 (0 ()|=0 , 0 ()|=0 ). Nuestro objetivo es caracterizar las trayectorias del tiempo de y
que producirn el mayor valor posible para la funcin objetivo. Esto se lograr transformando
el problema de maximizacin dinmica (. ) en una combinacin de dos problemas ms
familiares: una maximizacin esttica en cada punto del tiempo y un sistema de ecuaciones
diferenciales ordinarias.
(a) El Principio del mximo

Comenzamos con una discusin intuitiva de la lgica del principio mximo. En cada momento
t el planificador se encuentra con un valor predeterminado del estado t y debe elegir un vector
de control ut, que determinar tanto la rentabilidad inmediata Ft( ) como la tasa de cambio de las
variables de estado en 6 Las decisiones actuales tienen, por lo tanto, dos efectos sobre el valor
total: uno inmediato a travs de Ft( ), y uno indirecto a travs del cambio inducido en .
548
Programacin Dinmica
Es evidente que un control elegido para maximizar slo el rendimiento actual es poco probable
que sea ptimo. Necesitan de alguna manera tomar en cuenta los efectos de las decisiones
actuales sobre las oportunidades futuras Intuitivamente, el principio mximo lo logra uniendo
un precio a las existencias de las variables de estado.
La idea es introducir una funcin objetivo modificada que agregar al retorno inmediato el valor
del cambio en el vector de estado debido a las decisiones actuales. Para ello, se introduce un
nuevo conjunto de variables q1 para cada componente del vector de estado, que pueden
interpretarse como los precios asociados a las variables de estado, Conocido como hamiltoniano
de valor actual, se define entonces como
= ( , , , ) ( , ) + , ( , ) = ( ) +
El primer componente del hamiltoniano es ( , ), el retorno del flujo de corriente (utilidad,
beneficio) al tomador de decisiones. El segundo trmino mide el aumento de valor debido
al cambio en las variables de estado. As, podemos pensar en Hc "como la suma de la ganancia
inmediata de (, ) ms el valor de las ganancias futuras a acumular de la" inversin en el futuro
"representada por el cambio en la variable de estado. La discusin anterior, parece plausible que,
dada la correccin de los precios sombra, la maximizacin del hamiltoniano dar la eleccin
ptima de los instrumentos en cada punto en el tiempo. Si Hc es una funcin diferenciable de ,
una condicin necesaria para un ptimo es
( , ) ( , )
=0 + =0

Es decir, el tomador de decisiones debe equilibrar las ganancias inmediatas de una mayor
contra la prdida de valor derivada de la reduccin de oportunidades futuras que el
consiguiente futuro inferior implica.
El procedimiento es de alguna manera anlogo al mtodo de los multiplicadores de Lagrange
utilizado para resolver problemas de optimizacin esttica con restricciones laterales. En ambos
casos, la idea es reducir un problema ms complicado a una maximizacin no restringida
introduciendo un conjunto de precios para dar al decisor los incentivos correctos. Como en el
caso de Lagrange, esto nos deja con el problema de asegurarnos de que los precios sombra estn
ajustados correctamente (es decir, que realmente reflejan la contribucin marginal de las variables
de estado a la rentabilidad total del agente). Una forma de asegurar esto es simplemente definir
los multiplicadores como las derivadas parciales de la funcin de valor con respecto a las
variables de estado correspondientes,
(, )

Como veremos, esto implica que la evolucin de las variables de costo las horas extras es descrita
por el sistema

= (1)

549
La ley de movimiento para los precios sombra puede ser interpretada como una ecuacin de no
arbitraje o valoracin de activos. Obsrvese que la derivada de la Hamiltoniano con respecto a
las variables de estado
( , ) ( , )
= +

mide el rendimiento marginal del "activo" , dado por la suma de su rendimiento marginal
actual / y su contribucin al incremento del stock de valorado a su precio sombra .
Reordenando (1), obtenemos
/ +
= (2)

El lado izquierdo de esta expresin es la tasa instantnea de rendimiento del activo , dada por
la razn de su rendimiento total (la suma de su "dividendo" / , y ganancias de capital ,
a su precio actual . El lado derecho es la tasa de descuento instantnea (la "tasa de inters de
utilidad"). La ecuacin (2) requiere que el rendimiento marginal del "activo " sea igual a la tasa
de rendimiento requerida, , sealando la imposibilidad de mayores ganancias por un cambio
en las tenencias de activos. Esto garantiza que el activo se valora correctamente.
Ahora podemos dar una declaracin ms formal del resultado. Buscamos caracterizar la solucin
al problema

(0, 0) = (),0 {0 (() =0 , () =0 ) = 0 () (), (), +
()() . . (0) = 0 , () = (), (), } (P.0)
Supongamos que las funciones (, , ) y (, , ) son continuamente diferenciables con

respecto al vector de estado . Se requerir que las trayectorias de control () sean funciones
de tiempo continuas por partes, con como mximo un nmero finito de discontinuidades en
cualquier intervalo acotado, y tener lmites de lado derecho e izquierdo en cualquier punto de
discontinuidad. Bajo estas suposiciones, las condiciones necesarias para un ptimo se dan por el
siguiente teorema.
Teorema 2.1. Principio mximo de Pontryagin. Sea (), con t [0, T], la trayectoria del
tiempo del vector de control que resuelve el problema (P.0). Entonces existen funciones
continuas de tiempo q(t) tales que para cada t [0, T],
(i) el control maximiza el hamiltoniano de valor actual,
= max (, , , ) = max{(, , ) + (, , )}

(ii) la ley del movimiento del vector del estado sostiene,
550
Programacin Dinmica
= [ (), (), ]
() (3)
(iii) y las funciones q(t) satisfacen las ecuaciones diferenciales

= (4)

Dada una trayectoria de control admisible, [ (), (), ] es una funcin continua del
tiempo. As, la trayectoria estatal, dada por

() = (0) + [(), ]
0
Es continua y diferenciable por partes. Lo mismo ocurre con las trayectorias temporales de las
variables de costo (). Las derivadas de tiempo de () y () pueden ser discontinuas en los
puntos de discontinuidad de los controles. En tales puntos, sin embargo, (3) y (4) seguirn
mantenindose para las derivadas de tiempo izquierdo y derecho.
Ahora daremos una derivacin heurstica de este resultado basada en un enfoque de
programacin dinmica. Para simplificar un poco las cosas, consideramos el caso en el que la
tasa de descuento es constante en el tiempo,

(0 , 0) = ();0 {0 [(), (), ] + [()] . . (0) =
0 , () = [(), (), ]} (. 1)
Y asumir que la funcin de valor y las rutas de tiempo de los controles son funciones
diferenciables (como lo sern en la mayora de las aplicaciones que es probable encontrar).
Comenzamos construyendo un anlogo de tiempo discreto conveniente de (P.1). El tiempo se
mide ahora en perodos discretos de longitud , y la tasa de descuento de un perodo es de la
forma () = . Al comienzo del perodo que comienza en , el planificador elige el valor
del control , que permanece constante en el intervalo [, + ). La funcin (, ) mide
ahora el flujo instantneo de valor y el retorno total de (, ) sobre un perodo de longitud
viene dado por = ( , )en Trminos de valor actual. El estado y los vectores de control
determinan el estado del siguiente perodo de acuerdo con la ley del movimiento,+ = +
( , ). El planificador, entonces, resuelve
1
(0 , 0) = max { () ( , ) + () ( ) . . +
0 ,1
=0
= + ( , ) }
551
La ecuacin de Bellman para este problema se puede escribir

( , ) = max{ ( , ) + () [ + ( , ), + ]} (5)

Si la funcin de valor es diferenciable, la condicin de primer orden para la maximizacin en (5)

viene dada por
( , ) (+ , + ) +
+ () =0
+
Que describe el equilibrio ptimo entre los valores actuales y futuros. Recordando que el
multiplicador se define como la derivada parcial de la funcin de valor con respecto al estado,
(, ) , y usando la ley del movimiento para calcular+ , obtenemos
( , ) ( , )
+ ()+ =0

Dividiendo por y tomando lmites cuando va a cero, llegamos a la condicin necesaria para
que el control maximice el hamiltoniano,
( , ) ( , )
= + =0

A continuacin, se computa la derivada parcial que define la variable de costo.
Usando el teorema del sobre en (5), y operando como antes,
( , ) ( , ) (+ , + ) +
= = +
+
( , ) ( , )
= + ()+ (1 + )

Restando , de ambos lados de esta expresin,
( , ) ( , )
[1 ()] = + ()(+ ) + ()+

Dividiendo por ,
1 () ( , ) +
= + +()(+ ) + ()

Y tomando el lmite como h pasa a cero, obtenemos la ecuacin de movimiento para las variables
de costo:
( , ) ( , )
= + + =

552
Programacin Dinmica
El principio mximo nos permite transformar el problema de optimizacin dinmica original en

una combinacin de dos problemas ms familiares. La maximizacin del hamiltoniano de valor
actual en cada punto en el tiempo produce una funcin de poltica,
= ( , , ) = max{ (, , , ) = (, , ) + (, , )} (6)

Dando el control ptimo en funcin de los valores contemporneos del estado y costo vectores
y tiempo. Sustituyendo esta funcin en las otras condiciones necesarias, eliminamos u, y
obtenemos un sistema de ecuaciones diferenciales en las variables estado y costo:
() = [( , , ), , ] (7)
[( , ,), , ,]
= (8)

La solucin del problema de optimizacin dinmica ser entonces una de las soluciones de este
sistema que satisface la condicin inicial (0) = 0 dada. Observe, sin embargo, que si el
vector de estado es de dimensin, entonces (7) - (8) es un sistema de 2 ecuaciones en tantas
variables, y solo tenemos condiciones iniciales (correspondientes a los valores iniciales de las
variables de estado). Para determinar cul de las soluciones del sistema dinmico resuelve el
problema original, necesitamos algunas condiciones adicionales, como se discute en la siguiente
seccin.
(b) Transversalidad y condiciones suficientes

Las restricciones adicionales necesarias para identificar el camino ptimo a menudo toman la
forma de condiciones terminales en los multiplicadores, a veces llamadas condiciones de
transversalidad. El caso ms simple es el del problema del horizonte finito con una funcin de
chatarra, es decir, la maximizacin del sujeto a las condiciones habituales. Observe que la funcin
de valor actual al final del horizonte de planificacin es ahora simplemente

()[(), (), ] + ()[()]
0
Debido a que el vector de costo se define como la derivada de la funcin de valor con respecto
al estado, la condicin terminal apropiada es
( , ) = ( )
En muchos casos de inters no hay funcin de desecho, pero puede ser natural imponer algunas
restricciones sobre el valor terminal del vector de estado.
= ( )
Un consumidor finito, por ejemplo (vase la nota 5), no puede derivar ninguna utilidad de dejar
un legado a sus hijos, pero parece razonable exigir que su riqueza terminal sea no negativa o, de
manera equivalente, imponer la restriccin que el descuento Valor de su flujo de consumo no
debera exceder el valor actual de su ingreso vitalicio. En este caso, la funcin objetivo se reduce
a
553

()[(), (), ]
0
Pero tenemos como una restriccin adicional la no-negatividad, condicin 0. Para derivar
la condicin de transversalidad apropiada, volvamos atrs donde el problema artificial de tiempo
discreto que usamos para derivar el principio mximo,
1
(0 , 0) = max { () ( , )s. t. + = ( , ), 0 dado, 0 }

0,1
=0
Y considerar el sub problema correspondiente a la eleccin del ltimo control,

( , ) = max{ ( , )s. t. = + ( , ) 0}

Este es un problema comn de Kuhn-Tucker. Formando el Lagrangiano,

= ( , ) + [ + ( , )]
Las condiciones necesarias para la eleccin ptima de , se pueden escribir
( , ) ( , )
=0 + =0

Adems, el teorema de la envolvente produce
( , ) ( , ) ( , )
= = = + (1 + )

Tomando el lmite de esta expresin como 0, obtenemos = .Por lo tanto, las dos
ltimas condiciones necesarias se pueden escribir
0, 0 = 0 (. 1)
As, la condicin de transversalidad es esencialmente la condicin de holgura complementaria

para un problema de Kuhn-Tucker. Dice que, si vamos a dejar algo al final, "que algo debe ser
intil, y si no es intil, entonces no dejaremos nada. En cualquier caso / el valor del estado
terminal, , debe ser cero. Como ejemplo, considere una vez ms el problema de un
consumidor no altruista que maximiza el valor descontado de la utilidad vitalicia sujeto a una
restriccin presupuestaria de flujo y la restriccin de que la riqueza terminal sea no negativa:

( ) s. t. = + y 0
0
Es fcil demostrar que en este problema el multiplicador de valor actual es la utilidad marginal
del consumo, = ( ). La condicin de transversalidad ahora requiere que la riqueza
554
Programacin Dinmica
terminal sea positiva slo si el agente est saciado, es decir, si = ( ) = 0, y que sea cero
cuando la utilidad marginal del consumo de terminales sea estrictamente positiva. La siguiente
proposicin da las condiciones necesarias para una solucin ptima del problema de horizonte
finito con las restricciones terminales de no negatividad en los estados. El principio mximo
todava se mantiene.
Teorema 2.2. Principio mximo y condiciones de transversalidad, horizonte finito. Sea

(), [0, ], la trayectoria temporal del vector de control que resuelve el problema

(0 , 0) = max { ()[(), (), ] . . 0, (0) = 0 , ()
();01 0
= [(), (), ]}

Donde () = exp( 0 () ) .Entonces existen variables de costo (), funciones
continuas del tiempo, tales que para cada ,
(i) el control maximiza el hamiltoniano de valor actual,
= max (, , , ) = max{(, , ) + (, , )}

(ii) la ley del movimiento del vector del estado sostiene,

() = [ (), (), ]
(iii) las funciones q (t) satisfacen las ecuaciones diferenciales

=

(iv) y las condiciones de transversalidad
0 y = 0
Las condiciones que hemos derivado hasta ahora son condiciones necesarias para que un ptimo
sea seguro que caracterizan un mximo, necesitamos suficiente o condiciones de "segundo
orden", que, como en el caso de problemas de optimizacin esttica, toman a menudo la forma
de supuestos de concavidad.
Teorema 2.3. Condiciones suficientes para una trayectoria ptima. Supongamos que el
Hamiltoniano maximizado,
(, , ) = max{ (, , ) = (, , ) + (, )}

555
Es una funcin cncava de para y . Entonces cualquier poltica que satisface las
condiciones necesarias especificadas en el teorema 2.2 (es decir, las condiciones de Pontryagin y
de transversalidad) es ptima para el problema de horizonte finito con 0
ser cncava en siempre que () y () sean cncavas en (, ), pero las
Obsrvese que
condiciones ms dbiles sern suficientes.
La demostracin debe ser una poltica que satisface las condiciones necesarias para una
solucin al problema de control y ( , ) las trayectorias correspondientes del estado y los
vectores de costo. Tenga , cualquier otra poltica factible, y , la trayectoria correspondiente
del estado, demostraremos que la trayectoria temporal ( , )produce un valor mayor que
cualquier otra trayectoria factible.
Para 0 cualquier dado (, ), tenemos (omitiendo los subndices de tiempo).
(, ) = max (, , ) = (0 , , ) (, , )
(1)

Donde 0 es la eleccin ptima de los instrumentos dados (, ). Por la suposicin de que

(, ) es cncava en para dado (y ), podemos escribir
(, )
( , ) +
( , )( ) (2)
Para cualquier . De (1), adems,
(, ) (, , )para cualquier ,
( , ) = ( , , ) (3)
El uso de (3), (2) implica
( , )( )
(, , ) ( , , ) + (3)
de donde
( , )( )
( , ) (, ) ( ) (4)
A continuacin, usando el teorema de envolvente en (1) y las condiciones necesarias para una
trayectoria ptima,
( , ) = ( , , ) =

Sustituyendo esta expresin en (4) y multiplicando ambos lados por el factor de descuento (),
()[( , ) (, )] () ( ) + ()( )( ) (5)
Observamos que la expresin en el lado derecho de (5) es la derivada de ()( ) con
respecto al tiempo. Integrando ambos lados de la desigualdad de t: 0 a T,

()[ ( , ) (, )] (() ( ))
0 0
= () ( ) (0)0 (0 0 )
556
Programacin Dinmica
El ltimo trmino en esta expresin desaparece, ya que el valor inicial dado del estado debe ser
el mismo para cualquier trayectoria factible. Utilizando las condiciones de transversalidad
0 = 0
Y la restriccin terminal 0 implica el resultado deseado:

()[ ( , ) (, )] () 0
0
Es decir, la trayectoria [ (), ()] que satisface las condiciones de Pontryagin y de

transversalidad proporciona un retorno mayor que cualquier otra trayectoria factible y es por lo
tanto ptima. El
Horizonte infinito
A menudo es conveniente (y no una mala aproximacin) asumir que el horizonte de planificacin
es infinito. Problemas de horizonte infinito, sin embargo, plantean algunos problemas nuevos.
En primer lugar, el objetivo funcional, ahora dado por la integral impropia

()[(), (), ] = lim ()[(), (), ]
0 0
Puede no converger. Incluso si lo hace, adems, no hay garanta de que exista un camino de
control ptimo. Si existe, sin embargo, las condiciones necesarias derivadas anteriormente
todava son vlidas. La nica excepcin a esto tiene que ver con las condiciones de
transversalidad, que ya no pueden derivarse de una condicin terminal sobre x. Por otro lado, la
demostracin del teorema de suficiencia (Teorema 2.3) seguir siendo siempre a condicin de
que reemplazar (T1) con
lim () 0 lim () = 0

Por lo tanto, las condiciones de transversalidad pueden no ser necesarias para un ptimo, pero
todava tienen un papel como condiciones suficientes. Es decir, no pueden sostener, pero si
sostienen para una trayectoria dada (), y si el Hamiltoniano maximizado es cncavo en ,
entonces ese camino es ptimo.
Las condiciones de transversalidad en la infinidad (T2) pueden considerarse como extensiones
naturales de las del problema del horizonte finito. Recordemos que (T1) puede interpretarse
como la condicin de holgura complementaria asociada con una restriccin de no negatividad
en el estado terminal. Nos dice que el valor actual del estado terminal, evaluado usando su precio
sombra, debe ser cero (es decir, que no debe dejarse nada valioso al final del perodo de
planificacin). Debido a que ya no tenemos una fecha final, no podemos hacer tal argumento.
Sin embargo, la condicin de que el valor del estado que asintticamente no negativo sigue
teniendo sentido en muchos casos. Por ejemplo, en el problema de optimizacin del consumidor
que hemos venido utilizando como ilustracin, tal restriccin es equivalente a la exigencia de que
el valor descontado del consumo del agente no supere el valor actual de sus ingresos. El habla
intuitiva (T2) puede ser usada para imponer este tipo de restriccin. El
557
principal cambio en el caso del horizonte finito es que ahora debemos considerar el valor
descontado del estado, () , mientras que en el caso del horizonte finito no tiene ninguna
diferencia si trabajamos en corriente o en precio descontado trminos de valor. Resumimos a
continuacin.
Teorema 2.4. Principio mximo y condiciones suficientes, horizonte fi nito. Sea (),
[0, ], la trayectoria temporal de los vectores de control que resuelve el problema

(0 , 0) = max {0 ()[(), (), ] s. t. () = 0 dado, () =
(),0
[(), (), ]} (. )

Donde () = exp( 0 ()), entonces existen funciones continuas de tiempo,
(), tal que para cada ,

(i) el control maximiza el valor actual Hamiltoniano, () = (, , , ),
(ii) la ley de movimiento del vector de estado tiene, () = [ (), (), ], y
(iii) las funciones () satisfacen las ecuaciones diferenciales = .
Adems, si el hamiltoniano maximizado,
(, , ) = max{ (, , ) = (, , )+ (, )}

Es una funcin cncava de x para q y t dada, entonces cualquier poltica que satisface las
condiciones de Pontryagin y las condiciones de transversalidad en la infinidad,
lim () 0 lim () = 0 (T.2)

Es ptimo.
En algunos casos de inters, las condiciones suficientes nos permiten identificar la trayectoria
ptima con el colector estable que conduce a un estado estacionario de punto de silln. Por
ejemplo, en el caso de un problema estacionario con una tasa de descuento constante p y la
funcin de retorno instantneo invariante en el tiempo (, ) y ley de movimiento (, ),
el principio mximo proporciona un sistema autnomo de ecuaciones diferenciales
() = [( , ), ]
Htc [( , ), ]
=

En el que el tiempo no entra como un argumento separado en ninguna de las ecuaciones de
transicin. Este sistema tiene a menudo una trayectoria de estado estable y solucin que conduce
a ella. La siguiente proposicin muestra que si podemos encontrar un camino ( , ) que
satisface las condiciones necesarias y converge a un estado estacionario, entonces, bajo ciertas
condiciones, ese camino es ptimo.
558
Programacin Dinmica
Teorema 2.5. Condiciones suficientes para un ptimo. Sea (), () () una trayectoria
que satisface las condiciones necesarias para un problema de control estacionario, de horizonte
infinito, tal como se da en el teorema 2.3, con () = , > 0. Supongamos, adems, que
la asuncin de la concavidad de la parte de suficiencia del teorema se mantiene, entonces,
si () () convergen a un estado estacionario ( , ) con , 0, constituyen
una trayectoria ptima.
Prueba. Debido a que () () convergen a lmites finitos, y 0 como se

satisfacen las condiciones de transversalidad.
lim 0 lim = 0 (T2)

La optimalidad sigue al primer teorema de suficiencia.
El resultado es particularmente til cuando las condiciones de Pontryagin dan lugar a un sistema
autnomo que tiene un nico equilibrio de punto de silln, porque entonces el nico camino
convergente que conduce al estado estacionario ser el ptimo.
(c) Restricciones que implican variables de estado y de control

En muchos casos, los problemas de control implican complicaciones adicionales en forma de
limitaciones que limitan la eleccin de las variables de decisin o control a un conjunto que
generalmente depende de los valores contemporneos de las variables estadsticas x. El
procedimiento para tratar este problema implica la introduccin de una funcin Lagrange, similar
a la utilizada en problemas de programacin esttica. Las condiciones necesarias para un ptimo
pueden entonces ser reescritas en trminos de las derivadas parciales del Lagrangiano (a veces
llamado hamiltoniano aumentado), en lugar del hamiltoniano.
Para ilustrar el procedimiento para resolver estos problemas, volvemos al problema del horizonte
finito de la Seccin 2 (3), al cual aadimos algunas restricciones adicionales. El problema es ahora

(0 , 0) = max { ()[(), (), ] s. t. 0, () = 0 dado,
(),0 0
[(), (), ] 0, () = [(), (), ]} (. . )

Dnde () = exp( 0 ())
La misma lgica que antes puede usarse para demostrar que en un momento dado la poltica
ptima maximizar el hamiltoniano correspondiente. Por supuesto, la maximizacin est
ahora sujeta a las restricciones laterales adicionales. As () ahora resuelve
559
Bibliografa
max{ (, , , )s. t. [(), (), ] 0} (1)

Sujeto a la calificacin de restriccin estndar, podemos aplicar el teorema de Kuhn-Tucker para

caracterizar la solucin a este problema. En particular, si () resuelve (1), existirn
multiplicadores de Lagrange tales que
0 (, , ) = 0 (2)
Adems, si definimos la funcin lagrangiana por
= (, , , ) + ((), (), ) = (, , ) + (, , ) + (, , ) (3)
Las condiciones necesarias para el problema de maximizacin en (1) incluirn

=0 (4)

De manera similar, la ecuacin de movimiento para las variables de costo puede escribirse en
trminos de las derivadas parciales del Lagrangiano. En particular, tenemos ahora

= (5)

Para otras versiones del problema de control, las condiciones ser modificado de manera similar
para implicar derivadas parciales de la funcin Lagrangiana. (En particular, las condiciones
necesarias son las mismas para el caso del horizonte infinito). Adems, nuestros resultados
anteriores relativos a las condiciones de transversalidad y condiciones suficientes para un ptimo
se mantienen como se indica. Obsrvese, sin embargo, que pueden imponerse ciertas
condiciones a las funciones de restriccin ( ) para asegurar la concavidad del hamiltoniano
maximizado requerido en el teorema de la suficiencia.
Bibliografa
Araujo, A. 1991. La diferenciacin una, pero no dos veces de la funcin de la poltica.

Econometrica 59 (5): 1383 - 93.
Araujo. A., y Scheinkman, J. 1983. Principio Mximo y Transversalidad
Condiciones para Modelos Econmicos Cncavos de Horizonte Infinito. Diario de
Teora Econmica 27: 1-16.
Arrow, K. 1968. Aplicaciones de la teora del control al crecimiento econmico. En:
Matemticas de las Ciencias de la Decisin, Parte 2, pp. 85-119. Providence, RI:
Sociedad Matemtica Americana.
Arrow, K., y Kurz, M. 1970. Mtodos de optimizacin en el tiempo. En: Inversin Pblica, Tasa
de Retorno y Poltica Fiscal ptima. Baltimore: Prensa de la Universidad Johns Hopkins.
Beavis, B. y Dobbs, 1.1990. Optimizacin y Teora de la Estabilidad
Anlisis. Prensa de la Universidad de Cambridge.
Benveniste, L., y Scheinkman, X 1982. Teora de la Dualidad para la Optimizacin Dinmica
Modelos en Economa: el Caso del Tiempo Continuo. Diario de Teora Econmica 30: 1-19.
560
Notas
Dixit, A. 1990. Optimizacin en la teora econmica, 2do ed. Prensa de la Universidad de

Oxford.
Dorfman, R. 1969. Una interpretacin econmica de la teora del control ptimo.
Revisin econmica americana 59:817 - 31.
Intriligator, M. 1981. Optimizacin matemtica y teora econmica.
Englewood Cliffs, Nueva Jersey: Prentice-Hall.
Kamien, M., y Schwartz, N. 1981. Optimizacin Dinmica: El Clculo de
Variaciones y ptimo Control en Economa y Gestin. Amsterdam:
Holanda del Norte.
Leonard, D., y Van Long, N. 1992 Teora de control ptima y optimizacin esttica en economa.
Santos, M. 1995. Suavidad de la funcin de la poltica en tiempo discreto Econmico
Modelos. Econometrica 59 (5): 1365 - 82.
Sargent, T. 1987. Teora macroeconmica dinmica. Prensa de la Universidad de Harvard.
Stokey, N. y Lucas. R. 1989. Mtodos Recursivos en Dinmica Econmica.
Prensa de la Universidad de Harvard
Takayama, A. 1987. Economa Matemtica. Prensa de la Universidad de Cambridge.
Notas
1. Por ejemplo, si es la riqueza sobrante en el momento de la muerte, ( ) captura la

utilidad que el agente obtiene dejando un legado a sus hijos. Ms generalmente, ( )
asigna una valoracin al vector de estado final.
2. La continuidad de las correspondencias se defini en la seccin 11 del captulo 2.
Intuitivamente, la idea es la misma que para la continuidad de las funciones: es
continua si el conjunto () no cambia mucho con pequeos cambios de .
3. El teorema 2.15 en el captulo 6 puede usarse a veces para establecer la
diferenciabilidad de la funcin de valor. Vea la Seccin 2 del Captulo 13 para un
ejemplo.
4. Vase, por ejemplo, Araujo (1991) y Santos (1995).
5. En ciertos casos de inters, no se puede suponer que la tasa de descuento instantnea
sea constante en el tiempo. Por ejemplo, si el problema de control es el que enfrenta
una empresa que intenta maximizar el valor actual de una corriente de flujos de
efectivo, los ingresos futuros se descontarn a la tasa de inters de mercado, que es
probable que vare de perodo a perodo. Esto da lugar a un factor de descuento de la
forma dada en el texto.
6. Puede ser til tener un ejemplo concreto en mente. Considere el problema de un
individuo que quiere maximizar el valor descontado de la utilidad vitalicia del consumo
ms la utilidad del legado que deja a sus hijos al morir:

0 ( ) + S (
561
Notas
La variable de estado a representa ahora las tenencias de activos actuales del

consumidor. El agente toma como dada su riqueza inicial (0 ) y las trayectorias del
tiempo de la renta ( ) y las tasas de inters ( ). La ley de movimiento para la variable
de estado es la restriccin de presupuesto de flujo:
= +
7. En algunos casos resulta ms conveniente utilizar las condiciones de primer orden para
maximizar el hamiltoniano para resolver la variable en funcin del control y usar esta
expresin para eliminar q en el sistema de ecuaciones diferenciales. Veremos algunos
ejemplos en el Captulo 13.
8. Observe que () = () ; entonces

(() ( )) = () ( ) + [() () ]( )

562
13
Algunas Aplicaciones de Optimizacin Dinmica
En este captulo revisaremos algunas aplicaciones de optimizacin dinmica para

economistas. En la seccin 1 desarrollaremos dos modelos de bsqueda para ilustrar el uso
de la programacin dinmica en un ajuste estocstico. Seccin 2 analizamos el problema de
decisin confrontado por un planificador social quien maximiza utilidad de una vida infinita
representada como agente en una buena economa neoclsica. En la Seccin 3 estudiamos
la ptima poltica de inversin de una empresa competitiva cuando la instalacin de capital
es costosa. Finalmente, en la Seccin 4 desarrollamos el Caso Cass -Koopmans modelo de
una economa competitiva dinmica y usamos esto para analizar el costo de bienestar del
factor impuesto. Seccin 5 concluye con una serie de problemas.
1. Buscar Modelos
La teora de la bsqueda proporciona una simple pero interesante aplicacin de la

programacin dinmica para economistas. En el bsico modelo de bsqueda ,el grfico de la
oferta de salarios nos da una distribucin que llega a intervalos fijos o aleatorios, y un agente
simplemente decide si acepta una de estas y se vuelve empleado o rechaza esta y continua
buscando una mejor oportunidad , nosotros tenemos, entonces, un problema muy simple en
la programacin dinmica estocstica: El control es simplemente un decisin de lo tomo o
lo dejo, y la distribucin de las variables de estado (las ofertas) es invariable en el tiempo y
no depende ni del estado ni del control.
.
La primera parte de esta seccin introduce el bsico modelo microeconmico de bsqueda

de trabajo. Adems de sus intereses como una aplicacin de programacin dinmica, este
modelo aporta un til contrapunto al modelo neoclsico de un mercado de trabajo
competitivo. En este el ltimo modelo, se supone que las transacciones tienen lugar
instantneamente y sin costo alguno, y los salarios se establecen de modo que el mercado se
libere continuamente. Por lo tanto, no hay lugar para el desempleo. En el modelo de
bsqueda, por otro lado, esto puede ser ptimo para el agente que permanece
temporalmente desempleado a fin de esperar por una mejor oportunidad
563
Buscar Modelos
de las que son viables hoy. Por lo tanto, el modelo de bsqueda aporta un til marco de
referencia para analizar como agentes racionales respondern a cambios en el nivel o
duracin en los beneficios del desempleo, la abundancia y riesgo de ofertas de empleo, y
muchas otras preguntas que difcilmente pueden ser abordadas dentro del modelo neoclsico.
El modelo de bsqueda, sin embargo, no necesariamente requiere un alejamiento del espritu

del modelo neoclsico. Ntese, en particular, que el desempleo que naturalmente surge en
cualquier modelo buscado es friccional en naturaleza y esencialmente voluntario, as que,
por lo tanto, el modelado explcito del proceso del proceso de bsqueda de empleo puede
muy bien no producir ms que un modelo con una tasa natural de desempleo. Por otra parte,
es relativamente fcil incorporar caractersticas adicionales en un modelo de bsqueda que le
agrega un fuerte sabor keynesiano.
Si estamos dispuestos a suponer que un aumento en el nivel de actividad agregada facilita
que los potenciales socios comerciales se ubiquen unos a otros, tenemos una externalidad de
participacin que genera ineficiencia y la posibilidad de mltiples equilibrios, abriendo as la
puerta a la intervencin pblica para mejorar las cosas. Un modelo "macro" con estas
caractersticas se desarrollar en la segunda parte de la seccin.
(a) El Modelo Bsico de Bsqueda de Empleo
Consideremos a un trabajador infinitamente vivido y neutral al riesgo que maximiza (la

expectativa de) el valor descontado del ingreso de por vida,
E{
=0 }
Donde el ingreso en el tiempo , , es igual al salario () de los trabajadores asalariados y a

un beneficio proporcionado por el gobierno () para los desempleados. Los trabajadores
desempleados tambin reciben una oferta de empleo cada perodo. Todos los trabajos son
permanentes y pagan el mismo salario cada perodo. Los salarios, sin embargo, pueden variar
segn los empleos. Por lo tanto, x es una variable aleatoria (no negativa) que asumimos que
se extrae de una distribucin invariable en el tiempo descrita por una funcin de distribucin
acumulativa () ( ), donde () = ( ).
Un trabajador que acaba de recibir una oferta tiene dos opciones: Una es aceptar el trabajo y
trabajar para siempre con el salario especificado ; 1 el otro es rechazar la oferta y esperar a
que llegue una mejor. Nosotros denotaremos el valor de la primera opcin (aceptar y estar
empleado en el salario ) por (), y la de la segunda (rechazar la oferta y permanecer en
paro) por .Claramente (), el valor presente de las ganancias de por vida en un trabajo
que paga el salario x, es una funcin creciente de x dada por

() =
=0 = 1 (1)
564
Algunas Apelaciones de optimizacin dinmica
()
()

Figura 13.1 Funcin de valor y salario de reserva para el problema de bsqueda.
Por otra parte, , no es una funcin de : El valor actual esperado de las ganancias de por
vida para un trabajador desempleado es independiente de la oferta salarial que acaba de
rechazar.
Un trabajador racional escoger la accin que dar el mayor valor.
Por lo tanto, el valor esperado del ingreso de por vida para un agente que acaba de recibir
una oferta x viene dado por la funcin de valor.
() = [ (), ] (2)
Y acepta la oferta y slo si (x) (es decir, si el valor de ser empleado en el salario
ofrecido excede el valor del desempleo). Como se ilustra en la figura 13.1, la estrategia de
decisin ptima toma la forma de una regla de salario de reserva. Porque (x) es el
aumento en el salario, y es independiente de l, un trabajo ser aceptado si y slo si paga
un salario que es ms alto tan cierto valor crtico . Este salario crtico o de reserva se define
como el valor de x que hace que el agente sea indiferente entre tomar el trabajo y permanecer
desempleado, es decir, resuelve ( ) =
Resulta, por supuesto, determinar el salario de la reserva o, de forma equivalente, el valor del
desempleo, . Como un primer paso, considere la situacin de un trabajador que
actualmente est desempleado (es decir, que acaba de rechazar una oferta): Su ingreso hoy es
el beneficio de desempleo ; maana recibir una nueva oferta, , y la aceptar o la rechazar
dependiendo de si su valor excede . Por lo tanto, su valor actual en un perodo por lo
tanto (a partir de la perspectiva de maana) ser dado por () = max[ (), ]. Sin
embargo, a partir de hoy, la realizacin de no se conoce, por lo que slo podemos trabajar
con el valor esperado de ().Adems, debido a que este valor se acumular maana,
tenemos que descontarlo por un perodo. Formalmente, entonces, el valor de estar

desempleado se define recursivamente por
565
Buscar Modelos
= + {[ (), ]} (3)
Ahora podemos caracterizar el salario de reserva. Por definicin, es el valor de que hace
que el agente sea indiferente entre aceptar y rechazar la oferta. Por lo tanto, satisface

( ) 1 =
y por lo tanto
= (1 ) (4)
Sustituyendo (3) en (4),
= - = + {[ (x), ]} -
Llevando el (constante) ltimo trmino en la expectativa y el operador mximo, obtenemos
= + {[ (x) - , 0]} (5)
Una ecuacin que puede ser resuelta para . Esta expresin se puede simplificar como sigue.
Comenzamos escribiendo la expectativa,

= + 0 max[ (x) , 0]() (6)
Y observando que la integral resultante puede dividirse en dos partes:

0 max[ , 0] = 0 max[ , 0] + max[ , 0]
Observe que sobre el primer intervalo de integracin que tenemos , implicando eso
(x) ; as, [ () , 0] = 0 para (0, ], Y desaparece la primera
integral. Por ( , ), por otro lado, tenemos (x) , implicando
max[ , 0] = (x) . Por lo tanto, (6) se reduce a

= + [ (x) ]()
Por ltimo, recordando que = /(1 ) and () = /(1 ), llegamos a la

ecuacin fundamental salario-salario,

= + 1 (x )() (R )
lo cual define implcitamente el salario de la reserva en funcin de los parmetros del

modelo y de la distribucin de las ofertas salariales. Esta ecuacin puede usarse para estudiar
la esttica comparativa del salario de reserva, como se demostrar ms adelante usando una
extensin de este modelo.
566
Llegadas de ofertas de tiempo continuo y estocstico
Uno de los determinantes cruciales de lo selectivo que un trabajador puede permitirse ser en
cuanto a las ofertas salariales es la disponibilidad de oportunidades laborales. El modelo de
la seccin anterior, que supone que el trabajador recibe una oferta en cada perodo, ignora
este aspecto del problema. Ahora vamos a relajar este supuesto restrictivo y ampliar el
modelo para incorporar una medida de la "escasez" de oportunidades de trabajo a travs de
un parmetro que refleja la tasa de llegada de ofertas de trabajo. Tambin ilustraremos cmo
pasar de tiempo discreto a tiempo continuo, una formulacin que, aunque menos intuitiva
en lo que respecta a la derivacin de las ecuaciones de valoracin, resulta ms conveniente
en muchos casos.
Haremos dos cambios con respecto al modelo anterior. La primera ser parametrizar la
duracin del perodo. Asumiremos que todos los perodos tienen la misma duracin h y
reinterpretar el salario y el subsidio de desempleo como tasas por unidad de tiempo. As, el
ingreso de un trabajador desempleado durante un perodo es ahora , y un trabajador
empleado gana . Tambin asumiremos que el factor de descuento de un perodo es una
funcin () de la longitud del perodo. Para pasar de tiempo discreto a tiempo continuo,
tendremos lmites ya que la duracin del perodo va a cero.
En segundo lugar, ahora modelaremos la llegada de las ofertas salariales como un proceso
estocstico. Asumiremos que un trabajador desempleado tiene probabilidad de recibir
una oferta durante el perodo actual. En el lmite, cuando h pasa a cero, las llegadas de las
ofertas siguen un proceso de Poisson con el parmetro , que puede interpretarse como la
probabilidad instantnea de recibir una oferta.
El procedimiento de solucin es similar al utilizado anteriormente. El valor de aceptar un
trabajo que paga salario x por unidad de tiempo es dado por

(x) =
=0 (h) xh = 1 (h) (1)
Y el valor de rechazarlo, , es todava independiente de . El salario de reserva es el

salario que hace indiferente al agente entre aceptar y rechazar un empleo y por lo tanto
satisface
( )=
1 (h)
= (2)

Para caracterizar , considerar las perspectivas de un trabajador desempleado, que ahora

son un poco ms complicadas por el hecho de que ya no sabe cundo llegar la prxima
oferta. Durante el perodo actual, su nico ingreso es el subsidio de desempleo . En el
prximo perodo, recibir una oferta con probabilidad , y no ofrece otra cosa (con
probabilidad 1 ).
567
Buscar Modelos
En el segundo caso, su valor el prximo perodo ser nuevamente . En el primer caso, su

pago en el siguiente perodo ser dado por v(x)=max[ (x), ], sino porque la realizacin
de x no se conoce hoy en da, tenemos que calcular el retorno esperado. Finalmente, todos
los valores que se acumulan maana deben ser descontados por un perodo. Por lo tanto, el
valor esperado de estar actualmente desempleado es dado por
= + (h){ max[ (x), ] + (1 ) } (3)
El siguiente paso es manipular esta expresin para que podamos sustituirla por el lado
derecho de (2). Restando (h) desde ambos lados de (3),
[1 ()] = + (){ max[ (x), ] }

= + ()E{ max[ (x) , 0]}
Y dividiendo por ,
1 (h)
= b + (h)E{ max[ (x)- ,0]} (4)

Sustituyendo (4) en (3) y simplificando, podramos obtener una ecuacin de salario-reserva

muy similar a la de la seccin anterior. En vez de eso vamos a tiempo continuo. Para esto,
deje que el factor de descuento sea de la forma (h) = . Entonces tenemos (usando
la regla de L'Hopital en la segunda expresin)
1 (h)
lim (h) = 1 y lim = (5)
0
Tomando lmites como 0, (1) rendimientos (x) = /, (2) se convierte
= (2)
2
Y (4) implica
= b +E{max[ (x)- ,0]} (4)
Sustituyendo (4) en (2) y procediendo como en la seccin anterior, obtenemos la ecuacin

salario-salario:

= = b + 0 max[ (x) , 0] ()
Ahora, si < , el agente rechaza la oferta, es decir, (x)< , y por lo tanto

max[ (x)- ,0]=0. Por otro lado, si > , entonces (x)> , y por lo tanto
max[ (x) , 0]= (x) . Por lo tanto, podemos dividir el dominio de la
integracin en dos partes, (0, ) ( , ), y observando que la integral sobre el primer
intervalo desaparece, tenemos

= b + [ (x) ] ()

568
Finalmente, sustituyendo = /() y (x) = /() en esta expresin, se obtiene la

ecuacin fundamental del salario de reserva:

= b + (x ) () (R)
Esta ecuacin tiene una interpretacin intuitiva. Reorganizar para obtener

b = (x ) ()
Entonces el lado izquierdo mide el costo inmediato de rechazo de una oferta, y el lado
derecho da el valor actual de la ganancia esperada de la bsqueda continua. El salario de
reserva, por definicin, iguala las dos cantidades.
Es fcil hacer la estadstica comparativa usando esta expresin. Escribir

( ; , , )= (x ) () = 0
Y calcular las derivadas parciales de ( ): 3

= 1 ( (1)() ( )( ))

= 1 + dF(x) = 1 + [1 ( )]>0
= 1 < 0
1
= (x ) () < 0

= (x ) () > 0
2
Por el teorema de la funcin implcita,

= > 0, = > 0, y = <0

Es decir, un aumento en el beneficio de desempleo conduce a un aumento en el salario de

reserva, ya que los trabajadores pueden ahora darse el lujo de esperar ms tiempo para una
mejor oferta (un aumento en reduce el costo de oportunidad de rechazar cualquier
oferta).Un aumento en significa que los empleos se vuelven menos escasos y tiene un efecto
similar (el costo esperado de rechazar una oferta es ahora menor porque el esperado retraso
hasta que llega un nuevo es ms corto). Finalmente, un aumento en significa que los
beneficios futuros se descuentan a una tasa ms alta (los agentes son menos pacientes);
Porque los beneficios esperados de la bsqueda continua se acumularn en el futuro, la espera
se vuelve menos atractiva y el salario de reserva disminuye.
(b) Un modelo macro basado en la bsqueda
569
Buscar Modelos
El modelo neoclsico estndar depende implcitamente de que el subastador Walrasiano

realice dos tareas cruciales. Una es fijar los precios para que los mercados se aclaren
continuamente. El segundo se puede llamar coordinacin comercial: Se supone que el
subastador proporciona servicios de compensacin que harn innecesario que las partes en
una transaccin se ubiquen fsicamente entre s, simplificando as la tarea de hacer coincidir
las cantidades deseadas. En resumen, estos modelos suponen que la asignacin de recursos
en un proceso sin costo y sin friccin. Una implicacin de esta suposicin, si tomamos
literalmente, es que no hay lugar para el desempleo involuntario. Las extensiones del modelo
neoclsico pueden generar fluctuaciones en los niveles de empleo a medida que los agentes
ajustan su oferta de trabajo es la respuesta a los choques de precios o de productividad, pero
el mercado de trabajo debe despejar continuamente, como cualquier otro mercado.
Los modelos de bsqueda eliminan la funcin de coordinacin comercial del subastador y

modelan explcitamente el hecho de que muchas transacciones deben tener lugar entre
personas que primero deben encontrarse. El comercio se convierte as en un proceso costoso
y que consume tiempo. Aplicada a los mercados de trabajo, este tipo de modelo conduce a
la aparicin del desempleo friccional, ya que los agentes estarn inactivos durante el tiempo
que esperan por un trabajo aceptable.
Por otra parte, esta visin del proceso de asignacin de recursos supone naturalmente una
importante externalidad asociada con la tecnologa de intercambio: Parece probable que
cuanto mayor sea el nmero de personas que quieran comerciar en un momento dado, ms
fcil ser para cada uno de ellos Localizar un socio adecuado. A decir verdad, debido a que
un aumento en el nivel de actividad econmica facilita que las partes de un intercambio se
encuentren, las decisiones individuales tienen efectos externos sobre las oportunidades
disponibles para otros agentes. Uno de los resultados de este fenmeno es que el equilibrio
no ser Pareto-ptimo, ya que los agentes no tendrn en cuenta los efectos externos de sus
acciones. Otra implicacin es la posibilidad de equilibrios mltiples, ya que las expectativas
optimistas o pesimistas tienden a hacerse auto-realizables.
Por lo tanto, hay una funcin de la poltica gubernamental, tanto para corregir las
externalidades como para ayudar a la economa a seleccionar un buen equilibrio. La poltica
puede ser til como un dispositivo para mejorar la coordinacin entre agentes de una manera
que el mercado no puede lograr debido a la presencia de efectos externos.
El modelo de bsqueda ha servido de marco para algunas contribuciones a una literatura que
muestra que los macro modelos con propiedades "keynesianas" pueden construirse a partir
de micro fundamentos slidos. El resto de esta seccin desarrolla un modelo de este tipo,
debido a Diamond (1982) y Diamond y Fudenberg (1989), en el que un agente debe buscar
primero las oportunidades de produccin y luego localizar a un socio comercial antes de que
el consumo pueda tener lugar. El modelo ilustra cmo, en presencia de una externalidad
plausible de participacin, puede surgir un nivel de actividad econmica subptimamente
bajo como resultado de la dificultad de coordinar el intercambio en una economa con

muchos agentes.
570
Modelo de bsqueda de Diamond
Imagnese una isla tropical habitada por nativos infinitamente vividos que caminan alrededor
de las playas buscando rboles de coco (oportunidades de produccin). Despus de haber
encontrado un rbol, un agente debe decidir si subirlo o no. Si lo hace, se cierra con un coco,
pero an no ha terminado: Un antiguo tab prohbe el consumo de sus propios cocos. Por
lo tanto, el agente debe encontrar otro nativo con quien comerciar cocos (uno por uno) antes
de comer. 4 Hecho esto, contina buscando oportunidades de produccin adicionales.
Todos los rboles tienen exactamente una pieza de fruta, pero pueden variar en altura (coste
de produccin). El consumo de un coco produce utilidad y. Los costos de produccin (la
desutilidad de la escalada) son proporcionales a la altura del rbol, que es una variable
aleatoria no negativa, , limitado por debajo por c y extrados de una distribucin conocida
con ( ). Es decir, () = pr(c x), y () = 0.
Los agentes maximizan el valor esperado de la utilidad de vida descontada,
=
=0

, donde =
Observe que aunque el tiempo es continuo, la produccin y el consumo tienen lugar a

intervalos discretos. En un momento dado , el agente puede dedicarse a la produccin
(escalar un rbol), en cuyo caso su utilidad instantnea es c, en comer (con utilidad y), o en
no hacer ninguno, en cuyo caso su utilidad instantnea es cero.
Un agente que no se dedica a la produccin o consumo puede estar en cualquiera de dos

estados. Vamos a decir que est desempleado si est buscando una oportunidad de
produccin y que est empleado si est llevando un coco y est buscando a alguien con quien
comerciar. Las llegadas de oportunidades de produccin y los socios comerciales siguen los
procesos de Poisson, con parmetros que se toman como dados por cada agente individual.
Denotaremos por a la probabilidad instantnea de encontrar un rbol, y por () la
probabilidad instantnea de encontrar un socio comercial.
Una suposicin crucial del modelo es que b es una funcin creciente de la tasa de empleo
agregado e. Es decir, cuanto mayor sea el nmero de personas que estn caminando alrededor
con cocos en sus manos, ms fcil ser para que se pique el uno al otro. Asumiremos que
(0) = 0, () > 0, y () < 0
Por lo tanto, la decisin de un individuo de producir tiene un efecto de desbordamiento

positivo sobre las oportunidades comerciales de otros agentes. Al tomar decisiones de
produccin, los agentes no tendrn en cuenta este factor. Como resultado, el nivel de
equilibrio de actividad ser subptimamente bajo. Como veremos, la externalidad tambin

est en la raz de la posibilidad de equilibrios mltiples, ya que hace que el optimismo y el
571
Buscar Modelos
pesimismo potencialmente se auto-cumplan. Por ejemplo, si la mayora de los agentes creen

que el comercio ser fcil, tendrn un incentivo para subir incluso rboles relativamente altos.
Si todos lo hacen, entonces encontrar un socio comercial de hecho ser fcil, validando as
ex post su optimismo inicial.
Decisiones de produccin. La nica decisin que un agente tiene que tomar en el modelo
es si subir o no un rbol que acaba de encontrar. Al igual que en el modelo de bsqueda de
empleo, la regla de decisin adopta la forma de un nivel de reserva: Los agentes aceptarn
todas aquellas oportunidades de produccin cuyo coste sea menor que un nivel crtico (Es
decir, los nativos subirn todos los rboles suficientemente bajos).
Para caracterizar el coste de la reserva, procederemos como antes, comenzando con una
versin de tiempo discreto del modelo y luego tomando lmites cuando la duracin del
perodo, , pase a cero. En lo que sigue, las probabilidades de transicin relevantes sern ah
y para un perodo, y el factor de descuento de un perodo ser dado por (() .
Denotamos por () la utilidad vitalicia esperada de un trabajador por cuenta ajena cuando
la tasa de empleo es igual a , y por () el valor de ser desempleado dado ,5 y considerar
la situacin de un trabajador ocupado en el tiempo . Con probabilidad ( ) el encontrar
un socio comercial durante el perodo actual, consumir su coco (ganando utilidad y), y luego
se quedar desempleado. Con probabilidad 1 ( ) el ser incapaz de consumir y seguir
siendo empleado. As, su ganancia esperada es dada por
( )= [ + () (+ )]+ (1 ) () (+ )
Donde hemos tenido en cuenta el hecho de que a partir de este perodo (que comienza en
+ ) la tasa de empleo puede cambiar, alterando los valores esperados tanto de los
empleados como de los desempleados. Restando () ( ) de ambos lados de la
expresin anterior y dividiendo ambos lados por , obtenemos
[1 ()] ( ) = + ()[ (+ )+(1 ) (+ ) ( )]
= + ()[[ (+ )] (+ )] + (+ ) ( )]
1 (h) (+ ( ))
( ) = + () ([ (+ ) (+ )] + )

Tomando el lmite en ambos lados de esta expresin como pasa a cero.
d ( )
( ) = + [ ( ) ( )] +
dt
O, suponiendo que () es una funcin diferenciable,
( ) = + [ ( ) ( )] + ( ) (1)
Dnde denota la derivada de la tasa de empleo con respecto al tiempo.

Esta expresin es similar a las ecuaciones de valuacin de activos de las secciones anteriores,
pero contiene un trmino adicional, ( ) , Que capta una nueva fuente de "plusvalas"
(o prdidas), no presente en el modelo anterior: la posibilidad de que los cambios en la
variable de estado afectar el valor del activo.
572
De manera similar, es fcil demostrar que la utilidad esperada de un trabajador desempleado

satisface

( ) = ( ) ( ) ] () + ( ) (2)
Dnde es el costo de produccin de la reserva (la altura mxima del rbol aceptable). Un
trabajador desempleado encuentra una oportunidad de produccin con probabilidad
instantnea a. Si la oportunidad es lo suficientemente buena (es decir, si c ), lo toma,
paga el costo c, Y cambia el estado de desempleado a empleado.
As, la ganancia neta de valor viene dada por ( ) si es lo suficientemente bajo, y
por cero de otra manera (como para c > , el agente ignora el rbol y permanece
desempleado). Ex ante, la realizacin de c no se conoce, por lo que tenemos que calcular el
valor esperado de esta cantidad. Utilizando el argumento ilustrado en la seccin anterior, es
fcil ver que esta expectativa puede ser escrita como la ganancia promedio sobre el intervalo
de oportunidades aceptables ( c, ).
El costo de la reserva es el valor de c que hace que el agente indiferente entre aceptar y
rechazar una oportunidad de produccin. Por lo tanto, el beneficio neto de trepar a un
rbol de altura Es cero o, de manera equivalente,
( ) ( ) = = [ () ()] (3)
Sustituyendo (1) y (2) en (3)
= () ()

= + [ () ()] + () [ () () ]() ()

= by + () [ () () ]() () (4)
Para simplificar esta expresin, observe que () diferenciando (3) con respecto al tiempo,

c = () () , y ()

[ () () ]() = [ () ()] ( )

() = ( ) ()
Porque () y () no son funciones de .

Sustituyendo estas expresiones en (4), obtenemos una condicin necesaria para la disposicin
ptima a producir a lo largo de un camino:

= ()( )
( )
+ () +

Resolviendo esta ecuacin como funcin de c y e, obtenemos el movimiento la para c a lo
largo de una trayectoria individualmente racional:
573
Buscar Modelos

c = [ + () + ( )] () () (, ) (5)
Desde el punto de vista de cada agente, la trayectoria temporal de e es exgena, pero en el

equilibrio tambin est determinada por elecciones individuales. Dada la tecnologa de
maquinaria descrita por ( ) y la tasa de llegada de las oportunidades de produccin, , la
tasa instantnea de cambio de empleo es la diferencia entre los flujos hacia y desde el empleo.
En cada punto en el tiempo, se emplea una fraccin de la poblacin. La probabilidad de
que cada agente empleado se encuentre con un socio comercial y se encuentre desempleado
despus de comer (). As, la afluencia de la poblacin que se queda desempleada durante
el "perodo" es (). La fraccin restante 1 de los agentes no se realiza. Cada uno de
ellos encuentra un rbol con probabilidad y lo sube, convirtindose en empleado, siempre
que c , es decir con probabilidad ( ) = (c ), por lo tanto, el flujo
instantneo al empleo es (1 )( ), y la tasa de cambio en el empleo est dado por
= ( )(1 ) () (, ) (6)
Dinmica. Tenemos ahora un sistema de ecuaciones diferenciales en y que describen la

evolucin de la economa en el tiempo. Para analizar su comportamiento, comenzamos por
la construccin del diagrama de fase. Ajustando = 0, obtenemos
= (, ) ( )(1 ) () = 0 (7)
Ecuacin (7) implcitamente define una funcin de la forma = ( ) que da nivel

estacionario de empleo como una funcin del costo de reserva . Porque un mayor
significa que los agentes estn dispuestos a aceptar ms oportunidades y por lo tanto tienden
a ser empleados ms rpido, el nivel estacionario de empleo aumenta con , produciendo
una lnea de fase inclinada hacia arriba. Formalmente, calculamos la derivada parcial de A,
= ( ) [ () + ()] < 0 y = ( )(1 e) > 0
y se aplica el teorema de la funcin implcita para calcular la derivada del diagrama de ( ):

( ) = >0

Trazar la funcin ( ), se advierte adems que si c , entonces ( ) = 0, y por lo

tanto = 0; es decir, si nadie est trepando rboles de coco (la altura de la reservacin es
inferior a la del ms corto rbol), la nica tasa de empleo sostenible es cero
574
= 0
> 0

< 0
Figura 13.2. La lnea de fase = 0.
Segundo, como aumenta sin lmite, tenemos ( ) 1 (los nativos se acercan a escalar
todos los rboles), y el nivel estacionario de empleo se acerca a un valor mximo, , que
resuelve (1 ) () = 0. Por lo tanto, la lnea de fase = 0 se ve como se muestra
en la figura 13.2. Su primera porcin coincide con el eje vertical ( = 0 para todo c ),
y la funcin tiene una asntota vertical en .
Queda por determinar la direccin de las flechas de movimiento a lo largo del eje . Darse
cuenta de
()
0 si y solo si ( ) (1)
Y porque es una funcin creciente, esto es vlido para los valores "altos" de . As, para
los puntos en el espacio de estados que estn por encima de la lnea de fase. Las flechas de
movimiento a lo largo del eje apuntan a la derecha, como se muestra en la Figura 13.2.
Alternativamente. Darse cuenta de

= = ( )(1 ) > 0

As que, a partir del lugar = 0, un pequeo aumento en (que nos lleva por encima de la
lnea de fase) nos sita en la regin donde el nivel de empleo est aumentando con el tiempo.
Para trazar la segunda lnea de fase procedemos de manera similar. Ajustando = 0 en (5),
obtenemos

c = ( , ) = [ + () + ( )] () () = 0 (8)
575
Buscar Modelos

c >0
= () c =0
c <0

Figura 13.3 La lnea de fase c = 0
una ecuacin que define implcitamente una funcin de la forma = () que da el coste
de reserva como una funcin de cuando sta es constante (o cuando los agentes
esperan que sea constante). Tomando las derivadas parciales de ( ),
= ()( ) < 0
= [ + () + ( )] + ( ) = + () + ( ) > 0
encontramos eso
()
()( )
= = >0
+ () + ( )
Es decir, en un entorno estacionario, el costo de reserva aumenta con la tasa de empleo,

siempre que ( ) > 0. Cuando es alto, los agentes no tienen que esperar mucho tiempo
para los socios con los que realizar el comercio. Por lo tanto, encuentran que vale la pena
trepar hasta rboles relativamente altos, en lugar de esperar una mejor oportunidad, ya que
hacerlo no implica un gran retraso, en promedio.
Observa que < y, ya que ningn agente aceptar una oportunidad de produccin cuya
rentabilidad neta sea negativa (el costo de la escalada excede el valor del coco). Adems, la
lnea de fase pasa por el origen, (0) = 0, porque nunca vale la pena gastar esfuerzo para
obtener un coco cuando no hay nadie con quien intercambiarlo.6 Finalmente, las flechas de
movimiento a lo largo del eje apuntan hacia arriba en la regin por encima de la lnea
= 0, como siempre c / = < 0 (Figura 13.3).
Combinando las dos figuras anteriores, obtenemos el diagrama de fases mostrado en la

Figura 13.4.
576
e =0
c =0
0 1 2
Figura 13.4 Diagrama de fases.
Observe que siempre hay un estado estacionario en el origen: Si no se produce ninguna

produccin, se emplear. Y si no se emplea a nadie, jams pagara uno para ser empleado y
producir. Porque uno nunca encontrara un socio comercial.
En algunos casos, este puede ser el nico equilibrio a largo plazo. Pero si la lnea de fase
cruza fuera del origen, deben hacerlo al menos dos veces. Para el lugar = 0 est limitado
por , y la curva = 0 como asntota vertical en . Obsrvese que la existencia de
externalidades comerciales es crucial para la existencia de estados estacionarios mltiples. La
lnea de fase = 0 siempre est inclinada hacia arriba (como los nativos estn dispuestos a
subir a los rboles ms altos, se emplean ms rpido, elevando el nivel de empleo
estacionario). El lugar c = 0, por otra parte, se convierte en una lnea horizontal si la tasa
de llegada de las oportunidades comerciales es independiente de la tasa de empleo, es decir,
si () = 0. En este caso, el sistema tiene un estado estacionario interior nico.
Las propiedades de estabilidad de cada estado de estudio se pueden determinar a partir de
los valores propios de la matriz Jacobiana correspondiente (la matriz de coeficientes para la
linealizacin del sistema alrededor de cada estado estacionario). Dado el Jacobiano.

=[ ]

los correspondientes valores propios satisfacen
1 2 = det =
577
Inversin con Costos de Instalacin
=0
c =0
0 1 2
Figura 13.5. Trayectorias convergentes.
Si det < 0, los valores propios son nmeros reales de signos opuestos, y un estado
estacionario es un punto de silla. Podemos relacionar el signo de det a las pendientes
relativas de las lneas de fase. Obsrvese que
1
det < 0 < () <
( )
Por lo tanto, un estado estacionario es un punto silla si y slo si corresponde a un punto en

donde el = 0 la lnea de fase es ms pronunciada y corta el lugar = 0 desde abajo.
En el diagrama que se muestra en la Figura 13.4 hay, por lo tanto, dos puntos silla: el
equilibrio en el origen y el estado estacionario con el alto de actividad. La Figura 13.5 muestra
las trayectorias de la senda del punto de silla que conducen a los equilibrios, que son tambin
las posibles trayectorias de equilibrio de la figura del sistema.7 La figura muestra que, al
menos para ciertos valores iniciales de la variable predeterminada , existen dos trayectorias
de equilibrio, una que conduce al estado estacionario de actividad, y el otro conduce al
equilibrio de parada en el origen.
Por lo tanto, hay dos "tasas naturales" o equilibrios de largo plazo, uno claramente superior
al otro y, en muchos casos, dos caminos de equilibrio, cada uno de ellos me indica estos
estados estacionarios. Por lo tanto, nos enfrentamos a un problema de coordinacin de los
caminos que se tomarn depender de la capacidad de los agentes para coordinacin de sus
acciones sobre el buen equilibrio. Como se ha sealado anteriormente, podemos encontrar
un problema en cuanto a la tendencia a que los sentimientos optimistas o pesimistas lleguen
a ser autosuficientes. En cierto sentido, el problema es una de las creencias. Esto
plantea que la asuncin de expectativas racionales puede no ser suficiente para cerrar
completamente el modelo: incluso si los agentes conocen la estructura del modelo y pueden
calcular las trayectorias de equilibrio, hay incertidumbre sobre el camino real de la economa,
pues los agentes no pueden saber con certeza qu equilibrio ser seleccionado.
2. Crecimiento ptimo en Tiempo Discreto
578
Considere una economa poblada por un nmero constante de idnticos agentes

infinitamente vividos. Hay un solo bien que puede ser consumido directamente o utilizado
como capital en la produccin. Las preferencias de un individuo representativo se describen
mediante una funcin de utilidad de la forma

=0 ( ) (1)
Donde (0,1) es la tasa de descuento de tiempo, una medida de la "impaciencia" del

agente, es el consumo en el momento , y la funcin de utilidad de perodo ( ) es una
funcin 2 estrictamente creciente y estrictamente cncava. Todos los agentes estn dotados
de una unidad de tiempo de trabajo cada perodo.
La produccin del bien individual requiere mano de obra ( ) y capital ( ).La tecnologa
de produccin se describe mediante una funcin de produccin estrictamente cncava,
= (, )
Donde interpretamos como produccin bruta (es decir, produccin nueva ms capital no
depreciado).8 Asumimos que ( ) es 2 y es estrictamente creciente y exhibe rendimientos
constantes a escala (es decir, es homogneo de grado 1). Por lo tanto, si ambas entradas son
cambiadas por el mismo factor , la salida cambia tambin por un factor de , y tenemos
(, ) = (, ) (2)
Esta propiedad de la funcin de produccin permite una normalizacin conveniente.

ln(2), dejar = 1/, y tenga en cuenta que
(/, /) = (1)(, ) (, ) = ( , 1)
Si escribimos para el stock de capital per cpita (/) y definimos la funcin de

produccin per cpita por
() (, 1) (3)
Podemos escribir la produccin total como
= ()
y la produccin per cpita = / como una funcin del capital social medio por
trabajador,
= () (4)
Imagine que esta economa est regulada por un planificador social benvolo y de todo poder
que toma las decisiones de produccin, consumo e inversin para maximizar La utilidad de
por vida del individuo representativo. El planificador elige una secuencia { , +1 }
=0 de los
niveles de consumo y de las existencias de capital a fin de maximizar la utilidad (1), teniendo
en cuenta la tecnologa de produccin y sujeto a una restriccin de disponibilidad de recursos.
Trabajando en trminos per cpita, el capital social inicial 0 es dado, y en cada punto en el
tiempo, el consumo y la inversin deben satisfacer la restriccin
579
Crecimiento Optimo en Tiempo en tiempo discreto
( ) = + +1 (5)
Es decir, el producto corriente per cpita, incluyendo el capital no depreciado, ( ), puede

ser consumido hoy o usado para la produccin de maana.
En un momento dado , el capital inicial t describe por completo el estado del sistema y
determina las posibilidades consuntivas de la economa para el perodo actual y para todo el
tiempo futuro. Teniendo en cuenta que la preocupacin inmediata es elegir el consumo
actual. Alternativamente, debido a que +1 + debe sumarse a la produccin actual,
podemos pensar en el planificador como un nivel de inversin +1 . Por lo tanto, el
problema del planificador se puede escribir
(0 ) = max {
=0 [ ( ) +1 ] . . 0 +1 ( ), 0 } (P)
{+1 }=0
La restriccin dice que el capital social del prximo perodo no puede ser negativo y no puede
exceder la produccin bruta actual. Para descartar soluciones de esquina, suponemos que
tanto la funcin de produccin como la funcin de utilidad de perodo satisfacen las
siguientes condiciones:
(0) = 0, (0) = , () = 0, (0) = , () = 0 (6)
Siguiendo nuestra discusin en el captulo 12, la funcin de valor (actual) para el problema
del planificador satisface la ecuacin de Bellman,
(t ) = max{[ ( ) +1 ] + (+1 ) . 0 +1 ( )} (BE.P)

+1
Bajo nuestras suposiciones respecto a las preferencias y la tecnologa, todas menos las
condiciones que garantizaran la existencia y la unicidad limitadas, continuas, estrictamente
crecientes y estrictamente cncavas solucin para (BE.P) estn satisfechos. En particular,
recordemos que el Teorema 1.5 en el captulo 12 requiri que la funcin de retorno del
perodo fuera limitada. Sin embargo, en el contexto actual, la funcin de utilidad de perodo
U( ) y la funcin de produccin pueden ser no limitadas. Sin embargo, existe una manera
sencilla de limitar el problema restringindonos a un subconjunto acotado del dominio de
( ).
+1 45
( )
Figura 13.6
580
Imagnese, por un momento, que el consumo es cero en todos los perodos. Luego, la
evolucin del stock de capital se describe mediante la ecuacin de diferencias.
+1 = ( ) (7)
Es fcil demostrar (vase la discusin del modelo de Solow en el captulo 11) que bajo
nuestras hiptesis, el diagrama de fases de esta ecuacin es un mostrado en la Figura 13.6,
con un nico y estable en todo el mundo, . Por lo tanto, incluso la produccin se invierte
en cada perodo, siendo un capital mximo per cpita. Por tanto, podemos limitarnos a
valores de k en el intervalo [0, ]. Debido a [()] es ciertamente limitado en este
conjunto, podemos aplicar los Teoremas 1.5 y 1.18 en el Captulo 12 para obtener el resultado
siguiente.
Proposicin 2.1. La ecuacin de Bellman (BE.P) tiene una nica solucin continua y limitada .
Esta funcin es la funcin de valor para el problema del planificador () y es estrictamente
creciente y estrictamente cncava. Por otra parte, la correspondencia poltica ( ) que da las
existencias ptimas de capital del prximo perodo en funcin del estado actual es una
funcin bien definida y continua.
Dado este resultado, podemos establecer algunas propiedades importantes de la funcin de

la poltica estudiando la maximizacin dentro de la ecuacin de Bellman. Comenzamos
usando el Teorema 2.15 en el Captulo 6, para demostrar que ( ) es diferenciable. Esto nos
permitir utilizar la condicin de primer orden para la maximizacin en (BE.P) para
caracterizar la decisin ptima de inversin.
Proposicin 2.2. La funcin de valor para el problema del planificador, ( ), es diferenciable,

con
(t ) = U [ ( ) +1 ] (t )
0
Prueba. Solucionar algunos 0 en (0, ), y dejar +1 ser una solucin del problema
(0 ) = max{[(0 ) +1 ] + (+1 ) . . 0 +1 (0 )} (BE.P)

+1
A continuacin, defina la funcin
0 ] 0
( ) = [( ) +1 + (+1 )
0
para dentro de algn -bola con centro en 0 , (0 ). Bajo el supuesto (6), +1 , ser una
0 0 ).
solucin interior de este problema, es decir, 0 < +1 < ( Por la continuidad de ,
0
puede ser elegido suficientemente pequeo que ( ) > +1 para todo
0
(0 ), es decir, de modo que +1 todava es factible para todo (0 ). Por otro
0
lado, +1 no es necesariamente ptima para un arbitrario en (0 ). Por lo tanto,
0 ] 0
( ) = [( ) +1 + (+1 ) {[( ) +1 ] + (+1 )} = ( )
+1
581
Para todo (0 ), y
(0 ) = (0 )
0
Porque +1 es ptima para 0 . Adems, ( ) es una funcin diferenciable de
0
, porque ( ) ( ) son diferenciables, y (+1 ) es slo una constante.
Por lo tanto, segn el teorema 2.15 en el Captulo 6, ( ) es diferenciable en 0 , y
0
(0 ) = (0 ) = [(0 ) +1 ] f (0 )
debido a que ( ) es diferenciable, una solucin interior de la maximizacin

dentro de la ecuacin de Bellman se caracteriza por la condicin de primer orden
[( ) +1 ] = (+1 ) (8)
que define implcitamente la funcin poltica

+1 = ( )
Sin restricciones adicionales no habr ninguna garanta de que V ser dos veces
diferenciables. Por lo tanto, no podemos diferenciar (8) nuevamente para establecer las
propiedades estticas comparativas de la funcin ( ). Como veremos, sin embargo, la
ecuacin (8) y la concavidad de la funcin de valor proporcionan informacin suficiente para
establecer algunas propiedades importantes de la funcin poltica y de la secuencia ptima
de las existencias de capital.
En algunos casos ser til reescribir (8) de una manera alternativa. Por
Proposicin 2.2, aplicado en el tiempo + 1, tenemos que
(+1 ) = [(+1 ) +2 ] (+1 ) = (+1 )(+1 ) (9)
Sustituyendo (9) en (8), se obtiene la denominada ecuacin de Euler,
[( ) +1 ] = [(+1 ) +2 ](+1 ) (10)
o reintroducir explcitamente el consumo,
( ) = (+1 )(+1 ) (10)
Para interpretar esta ecuacin, considere la posibilidad de reducir el consumo de perodos de

una unidad con el fin de invertir y aumentar el consumo en + 1. Por un lado, hay una
prdida de utilidad de ( ) en el perodo t. Por otro, una unidad adicional de la inversin
permitir que el consumo sea mayor en (+1 )unidades en el prximo perodo,
produciendo una ganancia de utilidad de (+1 ) (+1 ).Debido a que este beneficio de
utilidad viene un periodo posterior, sin embargo, debemos descartarlo por . La ecuacin de
Euler dice que el camino ptimo, la prdida de hoy y la ganancia de maana deben ser iguales,
de lo contrario, una reorganizacin factible del plan de consumo/inversin aumentara su
valor total, lo que implicara que el plan original no podra ser ptimo. Por lo tanto, a lo largo
de una trayectoria ptima, el planificador debe ser indiferente en el margen, entre el uso de
una unidad de produccin adicional para consumo o para inversin.
Ahora hay dos maneras diferentes de proceder. Uno es trabajar directamente con la
condicin de primer orden (8); el otro es analizar el sistema de dos ecuaciones formado por
la ecuacin de Euler (10') y la restriccin (5), reinterpretada como la ley de movimiento para
el capital social,
+1 = ( ) (5 ')
582
Trabajaremos con el primer acercamiento y dejaremos al lector explorar el segundo enfoque

a travs de una serie de problemas.
a) Propiedades de la Funcin de Poltica y la secuencia ptima de capital
Dada la funcin de poltica ( ), la trayectoria temporal ptima para el stock de capital es la

solucin de la ecuacin de diferencia +1 = ( ). Sabemos que el ptimo
secuencia, {1 }, y debe satisfacer la condicin de primer orden (8) y la ecuacin de Euler
(10) y que la funcin de valor ( ) es estrictamente cncava y creciente.
En esta seccin, usaremos esta informacin para establecer algunas propiedades de
g( ) y { }.
Comenzamos por caracterizar el estado estacionario del sistema. Configuracin =
+1 = +2 = en la ecuacin de Euler (10), se obtiene
[() ] = U [() ]()
() = 1 (11)
-
una ecuacin que define implcitamente el estado estacionario del capital social k como una
funcin de la tasa de descuento .9 Debido a ( ) es estrictamente cncava, el producto
marginal del capital, (), es una funcin estrictamente decreciente del capital social, lo que
implica que la ecuacin (11) tiene como mximo una solucin. Los supuestos que
(0) = () = 0, adems, aseguran la existencia de una solucin positiva,
-
. Por otra parte, tenemos , como no puede ser mayor que el mximo sostenible
del capital social descrito anteriormente.
A continuacin, se muestra que la funcin de poltica ( ) es una funcin creciente de .
Este resultado se utiliza para establecer que la secuencia ptima del stock de capital { }
=0
es montona y converge asintticamente al estado estacionario
para cualquiera dado inicial de0 > 0.

Proposicin 2.3. La funcin de la poltica de +1 = ( ) est aumentando en .
Prueba. Por contradiccin. Supongamos que ( ) no est aumentando en todas

partes. Entonces existen stocks de capital y " tal que " > y
(") < () (1)
Debido a ( ) es cncava, por otra parte, ( ) est disminuyendo, y (1) implica
[()] > [ ()] (2)

Por la condicin de primer orden
[ ( ) +1 ] = (+1 ) (8)
583
desigualdad (2) implica
[() ()] > [() ()]
Ahora, debido a ( ) es estrictamente cncava por supuesto, la expresin anterior implica

que
(") (") < () () (") () > (") () > 0
donde la ltima desigualdad se mantiene porque ( ) est aumentando. Pero

entonces (") > (), lo que contradice (1).

Proposicin 2.4. La secuencia ptima de capital { }, que se define de forma recursiva por +1 =g

( ), con 0 dado, es montono.
Prueba. Supongamos que > 0 . Debido a que ( ) est aumentando, tenemos
2 = (1 ) (0 ) = 1
que implica, a su vez,

3 = (2 ) (1 ) = 2
y asi en adelante. Similarmente, si 1 < 0 , entonces
2 = (1 ) (0 ) = 1
y asi sucesivamente.
Proposicin 2.5. Si el stock de capital inicial k0 es superior al -estado estable , a continuacin, { }

disminuye montonamente; si 0 < , entonces{+1 } aumenta montonamente.
Prueba: Debido ( ) es estrictamente cncava, ( ) es estrictamente decreciente. Por lo
tanto
" > () < () (1)

Considere dos stocks de capital sucesivas, y +1 , donde +1 = ( ). Por (1),
+1 ( ) (+1

) se tienen signos opuestos, es decir,

( +1 )[( ) (+1 )] 0 (= 0 ) (2)
Por las ecuaciones (8) y (9), tenemos

(8) (+1 ) = (1/) [( ) +1 ]

(9) ( ) = [( ) +1 ] ( )
Sustituyendo estas expresiones en (2),

( +1 ){ [( ) +1 ]( ) (1/) [ ( ) +1 ]} 0
y, dividiendo por ( ) > 0,

( +1 )[( ) (1/)] 0 (3)
584
Recordemos que en el estado estacionario, () = 1/, ( ) es decreciente, por la

Concavidad de ( ). Por lo tanto,
si < ,tenemos ( ) > (1/), y (3) implica que +1

, es decir, { } es
creciente, y
si > , tenemos ( ) < (1/), y (3) implica que +1

, es decir, { } es
decreciente.
Proposicin 2.6. La secuencia ptima de capital { } converge (montonamente) para el stock de capital de
estado estacionario k para cualquier inicial 0 > 0.
Prueba. Tenga en cuenta que { } es montona y limitada (por encima de , abajo de cero
o, como alternativa, por 0 ). Porque cada secuencia acotada montona
converge, {k t } tiene un lmite que llamaremos . Por la continuidad de
la funcin de poltica ( ), debe ser un punto de ( ), para

= lim +1 = lim ( ) = (lim ) = ( )

Por lo tanto, es un estado de equilibrio. Debido a que existe un estado de equilibrio
nico , concluimos que { }
(b) La Ecuacin y Dinmica de Euler
En la seccin anterior nos pareci conveniente solucionar la restriccin para c y trabajar slo
con el capital social. Utilizando la concavidad de la funcin de valor y la condicin de primer
orden para la maximizacin en la Ecuacin de Bellman, hemos establecido que la secuencia
ptima de capital { }
Converge montonamente al estado estacionario del sistema. Entonces podemos usar la
restriccin de nuevo para inferir el camino ptimo de consumo en el tiempo. Ahora nosotros
ilustraremos un segundo enfoque, probablemente ms instructivo, para analizar la dinmica
del modelo de crecimiento ptimo. La idea bsica es tratar el sistema formado por la ecuacin
de Euler y la ley de transicin para el stock de capital,
( ) = (+1 )(+1 ) (11)
+1 = ( ) (12)
Como un sistema ordinario de diferentes ecuaciones y estudiar su dinmica en la manera

estndar. As, primero resolvemos el estado estacionario, luego construimos un diagrama de
fases y calculamos los valores propios de la matriz Jacobiana en el estado estacionario para
comprobar la estabilidad.
Configuracin = +1 = +1 en (11) y (12), obtenemos
(11) () = ()() () = 1 (13)
(12) = () (14)
Como hemos visto, la ecuacin (13) tiene una solucin nica . Dado , la ecuacin
585
(14) se puede resolver para el consumo en estado estacionario .

El sistema (11) (12) no est completamente en la "forma estndar". En particular, me
gustara tener cada variable (+1 +1 ) como una funcin de valores rezagados
y . Con este fin, se resuelve (12) para +1 sustituyendo el resultado en
(11), y aplicando el teorema de funcin implcita a la ecuacin resultante a obtener una
funcin de ( ) dando +1 como una funcin de y . Esto produce el sistema
+1 = f ( ) ( , ) (15)
( ) = (+1 ) [( ) ] +1 = ( , ) (16)
Problema 2.7. Aplicar el teorema de funcin implcita para calcular las derivadas de la
funcin ( , ) definida implcitamente por la ecuacin (16), y determinar su signo.
Problema 2.8. Configuracin = +1 y = +1 en (15) y (16), dibujar el lneas

de fase = 0 y = 0. Para completar el diagrama de fase, determinar las direcciones de
movimiento a lo largo de los ejes c y k en cada una de las cuatro regiones en la que el plano
de estado (, ) se divide por las lneas de fase.
Problema 2.9. El diagrama de fases que acabas de trazar sugiere que el estado estacionario es
un punto de silla. Compruebe que esto es cierto mostrando que los
valores propios de la matriz Jacobiana para el sistema son nmeros reales positivos que yacen
en lados opuestos de 1.
El diagrama de fases que hemos construido muestra las rbitas del sistema
(15) - (16), pero slo una de estas trayectorias corresponde a la solucin del problema de
planificacin original. Estas dos ecuaciones pueden ser consideradas
Condiciones de primer orden para un ptimo, pero no son suficientes para
Caracterizar el camino ptimo.
De todas las soluciones de (15) - (16), queremos identificar la que corresponde a la solucin
del problema de programacin. Para seleccionar una particular solucin, necesitamos dos
condiciones de contorno para fijar un punto en el plano de fase a travs del cual el sistema
tendr que ir. El valor inicial del stock de capital debe ser tomado como dado; esto produce
una condicin inicial,
( = 0) = 0 , una constante dada, que especifica que el sistema se inicia a partir de un
cierto punto en una lnea vertical a travs de 0 en el plano de fase. En la otro parte, no hay
ninguna condicin inicial natural para la libre variable c, por lo que necesitamos otra manera
de identificar el camino ptimo.
Resulta que el plan ptimo de consumo/inversin es el descrito por la trayectoria de la
senda. Una manera intuitiva de ver esto es examinando el diagrama de fases del sistema
despus de aadirle una viabilidad requiere que el consumo no exceda de salida de corriente,
es decir, (). La inspeccin de esta cifra sugiere que todas las trayectorias distintas del
camino silla finalmente se ejecute en cualquiera de los ejes o la viabilidad unido, donde el
consumo actual agota la produccin, sin dejar nada para el prximo perodo. En cualquier
caso, el consumo se convierte en cero y permanece as a partir de entonces. Est claro que
tales caminos no pueden ser ptimos, dejndonos slo con el camino silla.
586
Una manera ms formal de identificar el camino ptimo es a travs del llamado

Condicin de transversalidad. En cierto sentido, el problema es el mismo que en una problema
de maximizacin: Las condiciones de primer orden (las ecuaciones de Euler aqu) identifican
posibles candidatos para un mximo, pero tambin estn satisfechos por puntos que no son
mximos. Para encontrar un ptimo, necesitamos un criterio adicional, algn tipo de
condicin de segundo orden relacionado con la concavidad del objetivo en el punto
candidato. La condicin de transversalidad juega un papel similar en el contexto actual, y
como veremos, la prueba de suficiencia depende en gran medida de la concavidad de la
funcin objetivo.
Una forma alternativa de pensar en la condicin de transversalidad es una condicin terminal

para el sistema de ecuaciones de diferencia. Consideremos primero una versin finita del
problema de planificacin que estamos estudiando. En ese caso, +1 es el capital social que
queda "al final del tiempo"; Est claro que lo ptimo es no dejar nada, por lo que +1 = 0,
proporcionndonos una segunda condicin de contorno para identificar la solucin
particular de (15) - (16) que resuelve el problema del planificador. Como vimos en el captulo
12, en el caso del horizonte infinito la condicin
de transversalidad puede ser interpretada de manera algo similar, como requisito de que
cuando adecuadamente el valor descontado del stock de capital debe ir a
cero. Intuitivamente, queremos evitar que el planificador acumule demasiado capital a costa
de aplazar el consumo para siempre.
Proposicin 2.10. Condicin de transversalidad. Dejar que = 0 {ct , k t+1 } t=0 ser una
solucin secuencial del sistema (15) - (16). Si esta secuencia satisface la condicin de transversalidad.
lim U( ) f(k )k = 0 (T)

Entonces se resuelve el problema del planificador.

Vamos a probar = 0 { ct , k t+1 } es una secuencia que satisface las condiciones de la
Proposicin, y = 0 { , +1 } una posible secuencia factible. Para establecer que es
ptima, se muestra que
= 0 ( ) 0 () =
=0 [( ) ( )]) 0
Es decir, el "valor de uso" del total de la secuencia candidata es al menos tan grande como
el de cualquier secuencia factible.
Para mostrar esto, ser conveniente resolver la restriccin de recursos para c,
+1 = ( ) = ( ) +1
y escribir el periodo de la funcin utilidad, como
U (k t , k t+1 ) = U [f (k t ) k t+1 ]
587
Es fcil mostrar que la funcin ( , + 1 ) es cncava. Adems, tenemos

U 1 (k t , k t+1 ) = U [f (k t ) k t+1 ]f(k t ) > 0 (1)
2 ( , +1 ) = [ ( ) +1 ] < 0 (2)
En esta notacin la ecuacin de Euler puede escribirse
[ ( ) +1 ] = [(+1 ) +2 ] (+1 )
2 ( , +1 ) + 1 (+1 , +2 ) = 0 (3)
A continuacin, escriba d en la forma
= 0 ( ) 0 () = lim =0 {( , +1
) ( , +1 )}

y observar que, por la concavidad de ( , +1 )

( , +1 ) ( , +1 ) + 1 ( , +1 )( ) + 2 ( , +1 ) (+1 +1 )
O, reordenando,

( , +1 ) ( , +1 ) 1 ( , +1 )( ) + 2 ( , +1 )( +1 +1 ) (4)

)
= lim {( , +1 ( , +1 )}

=0
lim =0 {1 ( , +1
)(
) + 2 ( , +1 )(+1 +1 )}

= 0 {1 (0 , 1 )(0 0 ) + 2 (0 , 1 )()1 1 }
+{1 (1 , 2 )(1 1 ) + 2 (1 , 2 )(2 2 )} + +

)(
{1 ( , +1 ) + 2 ( , +1 )(+1 +1 )}
)(
+ +1 {1 ( , +2 +1 +1 ) + 2 (+1 , +2 )(+2 +2 )} +
Observe que el capital inicial es dado y por lo tanto es el mismo en ambos ; Por lo
tanto0 0 = 0, y el primer trmino de la suma se desvanece. Los trminos restantes se
pueden reordenar para dar
d= lim {=0 1 {[ 2 (+1

, ) + 1 ( , +1 )]( )} +

2 ( , +1

) ( +1 +1 ) } (5)
A continuacin, recuerde que se supone que satisface la ecuacin de Euler

2 ( , +1 ) + 1(+1 , +2 )=0 (3)
Por lo tanto, los trminos de la suma se desvanecen, y
= 0 ( ) 0 () lim 2 ( , +1

)(+1 +1 )

588
Adems, tenemos +1 > 0, por la restriccin de viabilidad, y 2 ( ) < 0, por
(2). Por lo tanto, el producto 2 ( , +1

)( +1 ) es positivo, y tenemos, utilizando el
Ecuacin de Euler,
= 0 ( ) 0 () lim 2 ( , +1

) +1

= lim +1 1 (+1 , +2 )+1 = lim +1 U(+1 )(+1 )+1 =0

Donde la siguiente a la ltima igualdad se sigue de (1), y el ltimo lmite es cero, por
la condicin de transversalidad ()
En conclusin, hemos demostrado que
= 0 ( ) 0 () 0
Debido a que la secuencia de que satisfaga tanto la ecuacin de Euler y la transversalidad
debe aportar un valor mayor que cualquier otra secuencia, esto debe ser ptimo.
Problema 2.11. Demostrar que la funcin ( , +1 ) se define en la prueba de la

Proposicin 2.10 es cncava.
Para concluir, es fcil comprobar que la solucin del camino silla satisface la condicin de
transversalidad () y, por lo tanto, es ptima. Para esta solucin, tanto y convergen a
valores finitos y . Por lo tanto, , (), () son slo constantes finitas, y
lim U()(k) =0

Porque (0,1). A lo largo de trayectorias de explosivos, sin embargo, ya sea se

convertirn en cero. En ese caso, () o () , as que () no puede
mantenerlo.
3. Inversin con Costos de Instalacin
En el modelo esttico estndar se asume la empresa para maximizar los beneficios actuales,
definida como la diferencia entre la produccin y la remuneracin de factores
contemporneos. Dejar que denotan insumos de trabajo y de capital, y el salario
y la tasa de alquiler del capital en unidades de produccin, el problema de la empresa puede
ser escrito
max F(K, L) wL RK (1)
,
Las funciones de solucin para este problema son las demandas de factores que niveles de
entrada como funciones de los precios de los factores:
= (, ) = (, )
Esta formulacin supone que la empresa puede rentar insumos en "mercados al contado" y
ponerlos a trabajar de inmediato y sin costo alguno. Esta suposicin es claramente poco
589
Problemas
realista que puede conducir, en el mejor de los casos, a una teora del capital, pero no tiene
implicaciones (o muy ingenuas) para la ptima poltica de inversin.
En la prctica, el capital suele ser comprado, en lugar de ser alquilado, y sus decisiones pueden
implicar retrasos considerables y costos de adaptacin. Por lo tanto, el stock de "capital
instalado" se convierte en una variable de estado lenta, y las decisiones de la inversin deben
tomarse teniendo en cuenta su efecto en todo el tiempo trayectoria de los beneficios, en lugar
de una base perodo por perodo.
La primera parte de esta seccin analiza la poltica ptima de inversin para una empresa
competitiva cuando la instalacin de capital es costosa. En la segunda parte, pasamos del
equilibrio parcial al equilibrio general y estudiamos los caminos precios de las acciones en
una pequea economa abierta y sus cambios en la poltica fiscal.
590
(a) Un modelo de Inversin con Costos de Instalacin
Considere una empresa competitiva con acceso a una tecnologa de devolucin constante
(, ). La empresa contrata mano de obra en los mercados de contado a un ritmo
constante de salarios y puede destinar parte de su produccin a la inversin productiva. La
instalacin del nuevo capital implica un costo. En particular, un gasto de inversin de
unidades de rendimientos de salida (, ) < unidades de nuevo capital productivo
cuando el de la ya instalada es . Si el capital se deprecia a una tasa constante , la tasa
instantnea de variacin del stock de capital instalado por la empresa es
= ( , ) (1)
Los beneficios, definidos como la produccin menos los pagos de salarios, se gravan a una
tasa constante , y la inversin se subvenciona a una velocidad c. As, la red instantnea de la
empresa del flujo de caja es dado por
= (1 )[( , ) ] (1 )
Asumiremos que los flujos de efectivo netos se distribuyen como dividendos entre los
propietarios de cada empresa y que el mercado de valores de la empresa correctamente
(Es decir, que el valor de su accin es el valor descontado del dividendo corriente),

n ert dt (2)
Donde r es la tasa de inters del mercado (que se supone constante). En estas circunstancias
todos los accionistas estarn de acuerdo en que la empresa debe maximizar (2). Por lo tanto,
los problemas de la empresa se pueden escribir 10

(0 = max { ((1 )[( , ) ] (1 ) )}
() 0

. . = , ) , }
Vamos a suponer que ( ) y ( ) exhibe rendimientos constantes a escala y son funciones

crecientes y cncavas que son dos veces diferenciables continuamente, con
, < 0, > 0, (, 0) =
, , < 0, (, ) , (0, ) = 0
As, la funcin de instalacin es cncava en para dado y pasa a travs de el origen. Una
mayor inversin conduce a una acumulacin de capital ms rpida, pero a una tasa
decreciente y la productividad marginal del capital en instalacin ( ) es positivo, pero
disminuye con tanto . En principio, permitimos que la inversin sea negativa; Esto es,
el capital puede ser desinstalado y
591
Problemas
"consumido", pero slo en una prdida ( < implica que perdemos algo de capital cuando
lo desinstalamos).
La variable de estado es el stock de capital instalado K, y la decisin de variabilidad son la
tasa de inversin y el nivel de empleo en cada punto del tiempo. Se pueden obtener las
condiciones necesarias para una solucin ptima de (P) aplicando el principio
mximo. Siguiendo el procedimiento desarrollado en Seccin 2 del Captulo 12, comenzamos
introduciendo (valor actual) un variable o multiplicador, , y formando el Hamiltoniano
corriente de valor,
= (1 )[( , ) ] (1 ) + [( , ) ]
El precio sombra del capital instalado, , es la derivada del valor de la empresa, , con
respecto a , es decir, el aumento en el valor de la empresa (del mercado de valores) que
resultara de una unidad adicional de capital instalado. El ltimo plazo en , , es el valor
actual del incremento contemporneo en K. El Hamiltoniano, que se define como la suma
de y el beneficio presente de la empresa, mide el flujo total de beneficios (actuales y
futuros descontados) de las decisiones de hoy. Por lo tanto, las variables de control L e
I debe ser elegido para maximizar , obtenindose las siguientes condiciones:

= 0(1 ) K, L) w

( , ) =

= 0 (1 c) + q (, )

1 = (, ) (4)
La ecuacin de movimiento para la variable q es dada por
q = q + (, )] (1 ) (, ) (5)
La maximizacin de con respecto a produce una condicin familiar: Debido a las

decisiones sobre el empleo pueden hacerse de forma peridica, el producto laboral del trabajo
debe ser igual al salario, exactamente como en el modelo. La ecuacin (4) requiere que el
costo neto (despus de subsidios) de una unidad del capital recin comprado es igual a su
contribucin marginal de la tasa de la empresa, que se obtiene multiplicando el aumento
resultante en capital instalado ( ) por su precio sombra . Ambas condiciones estn de
acuerdo con las propuesta de que se deben comprar unidades adicionales de un insumo que
cada uno produce un beneficio marginal que excede su costo.
Las ecuaciones (3) y (4) definen funciones de poltica que dan las opciones ptimas
592
De los instrumentos ( ) como funciones de las variables estado y la tasa salarial. Para
escribir estas funciones en una forma conveniente, aprovechamos la homogeneidad de grado
0 y la monotonicidad de las primeras derivadas parciales de las funciones de produccin e
instalacin.11 La ecuacin (3) puede Ser escrito
(, ) = ( , 1) =
La inversin de ( ,1), podemos resolver para la ptima relacin capital/trabajo como una
funcin del salario y escribir

= () , = 1 ( ,1) (6)
mostrando que el nivel ptimo de empleo aumenta con el stock de capital y disminuye con
el salario. De manera similar, la ecuacin (4) puede escribirse
1
= ( , 1)

y, dejando que ( ) = 1 ( ,1) vemos que el nivel ptimo de inversin es una funcin
de creciente: 12
1 [1c)/q (1) 1 (1) (7)

= ( ) , = ( ) = >0
2 2
Finalmente, pasamos a la ley del movimiento para el multiplicador. Reordenamos la ecuacin

(5), obtenemos
(1) ( )
= + ( ) (8)

Para interpretar esta expresin, piense en un inversor que tenga la posibilidad de elegir entre
dos activos: un bono que paga la tasa de inters de mercado, , y "acciones certificados ",
cada uno de los cuales da derecho al titular a la propiedad de un capital social y los dividendos
correspondientes. El lado derecho de esta expresin da la tasa de rendimiento del capital
instalado si la tasamos a su valor de sombra. 13 La ecuacin (8), que requiere que los
rendimientos de los dos sean iguales por lo tanto, puede ser interpretado como una condicin
de equilibrio, para nadie tendr el capital si hay otro activo sin riesgo que dar lugar a un
mayor rendimiento.
De hecho, la interpretacin sin arbitraje de la ley de movimiento para el multiplicador puede
tomarse literalmente en el modelo actual, pues resulta que q de hecho corresponder a la
valoracin de mercado de una unidad de instalacin capital. Recordemos que es la
contribucin marginal de una unidad adicional de valor de mercado de la empresa; En
principio, no debe coincidir con
593
Problemas
el precio de mercado, que debe reflejar el valor medio. Con constante los rendimientos de
escala en la produccin y la instalacin, sin embargo, q "promedio" y q "marginal" coinciden,
como se ver en la actualidad, lo que implica que podamos de hecho interpretar q como el
precio de mercado de una unidad de capital instalado, 14 ecuacin (8) como condicin de no
arbitraje, y el Hamiltoniano de valor actual como la funcin objetivo para un gerentes que
busca maximizar el precio del mercado de su empresa.
Proposicin 3.1. Suponga que las funciones de instalacin y produccin ( ) muestran rendimientos
constantes a escala (homogeneidad de grado 1) y que la condicin de transversalidad
= 0

Sostiene. Entonces q media y q marginal coinciden (es decir, () = ).

Prueba. El valor de la empresa en el momento s viene dada por

V c (K s ) = s er(ts) ((1 )[(K t , Lt ) wLt ] (1 c)It ) dt (9)
Donde los asteriscos indican los valores ptimos de los instrumentos, caracterizado
anteriormente, y es el camino ptimo del capital social, la solucin
= ( , ) (0 )
Aprovechando la homogeneidad de las funciones de instalacin y produccin, podemos
reescribir (9) de una manera conveniente. Observe lo siguiente:
El teorema de Euler y la igualdad del salario y el producto marginal del trabajo implican
que los beneficios actuales sern iguales al producto del stock de capital y su producto
marginal:
(, ) = + = +
F(K, L) wL = (10)
Similarmente, por la homogeneidad lineal de la funcin de instalacin, tenemos
(, ) = + = (I, )
Sustituyendo esta expresin en la condicin para el nivel de inversin ptimo, la ecuacin

(4), (1 ) = (, ), tenemos
(1 ) = [(, ) ] (11)
Sustituyendo (10) y (11) en (9), el valor de la empresa viene dado por
594

( ) = () {(1 ) (, ) K ]}

= () {(1 ) (K + K K ]}

= () {[(1 ) ( + )] qK}

= () {( ) qK}
Donde la segunda igualdad sigue por la ley de movimiento para el capital social ((, ) =
+ ), y el ltimo sigue por la ecuacin de transicin para las variables.15 Observando que
()
+ =

Tenemos

()
( ) =

Integrando la segunda integral por partes, llegamos a

( ) = ([

+ )

= q t

= ( lim ) =

donde el lmite se desvanece, por la condicin de transversalidad.
Diagrama de fases y dinmica. Sustituyendo las funciones de poltica (6) y (7) en las ecuaciones
de transicin para el estado y variables,
= ( , )
= [ + ( , )] (1 ) ( , )
Se obtiene un sistema de ecuaciones diferenciales en (, ):

1c
K t = ( ( ) , 1) K t K t (12)
qt
1c
q t = q t (r + k ( ( q ) , 1)) (1 )FK ((w), 1) (13)
t
Donde hemos hecho una vez ms el uso de la homogeneidad de ( ), ( ) y ( )
Marco = 0, la ecuacin de la primera lnea de fase est implcitamente definida por la

condicin de que la inversin bruta por unidad de capital sea igual a la tasa de depreciacin,
1
( (
) , 1) = (14)
595
Problemas
K > 0 K(t)

= 0
K < 0 K(t)

Figura 13.7. La lnea de fase = 0
Debido a que el lado izquierdo de esta ecuacin es una funcin montona de q, hay como
mximo un valor de que satisface esta ecuacin. Asumiremos que ( ) es tal que la
ecuacin (14) tiene una solucin, y lo llamamos .16 Este valor de la solucin de q se
corresponde con el "precio de la accin" baja en la que se vuelve rentable invertir lo suficiente
para compensar la depreciacin. A partir de (12),

= ( ) >0

as aumenta con el tiempo cada vez > , como se indica por las flechas de movimiento
mostrado en la figura 13.7.
La lnea de fase segunda ( = 0) se define por la condicin de que la tasa de retorno del
capital instalado en ausencia de ganancias de capital sea igual a la tasa de inters, es decir,
(1 )FK ((w),1) 1C
r= + K ( ( ) , 1) (15)
q q
Como K no entra en esta ecuacin, y el lado derecho es una decreciente funcin de q, (15)
tambin produce una lnea de fase horizontal en un valor constante
de q, digamos q*. Diferenciando (13) con respecto a q,
0
| = + ( ( ), 1) q ( ), 1 )
=0
(1) ( ( ),1)
= (( ), 1) >0 (16)

596
> 0q(t)
< 0q(t)
Figura 13.8. La lnea de fase = 0
(siempre que < 0), vemos que las flechas de movimiento a lo largo del eje q del punto
de la lnea de fase, como se muestra en la figura 13.8. Intuitivamente, si q es "demasiado alto"
en relacin con la corriente subyacente de dividendos, la gente aprovechara el capital slo si
esperan que se aprecie con el tiempo.
Suponiendo que > (es decir, que el precio fijo sostenible del capital induce la inversin
en exceso de la depreciacin), y combinando las dos fases, obtenemos el diagrama de fases
mostrado en la figura 13.9. El sistema no tiene estados estacionarios, y todos los caminos
son detonantes en algn sentido. Lo ms parecido a una trayectoria del punto silla es la
trayectoria horizontal a lo largo de la lnea = 0 fase, con q constante y la acumulacin de
capital sin lmites a una velocidad constante dada por
1c
= ( ( q ) , 1) g (17)
K
Si < , la condicin de transversalidad

lim = 0

Y esto es de hecho el camino ptimo, por el teorema 2.3 en el captulo 12. usando (15) y (17)
y la homogeneidad de la funcin de instalacin,
1 (1 ) ((), 1) 1
g = ( ( ) , 1)
k ( ( ) , 1) +

(1 ) ((), 1)
= ( , 1) ( , 1)

(1) ((),1) (1) (1) ((),1)
= ( , 1) =

597
Problemas
= 0
= 0
Figura 13.9. Diagrama de Fase
donde la ltima igualdad se sigue de la condicin necesaria para una inversin, ecuacin
(4). Debido = tenemos < siempre que (1 ) < (1 ) ( ), es decir,
cada vez que la empresa paga los dividendos positivos. En conclusin, dados los
rendimientos constantes de escala tanto en instalacin y precios constantes de los factores,
una empresa competitiva crecer con el tiempo a un ritmo constante mientras se mantiene
un precio sombra constante del capital corriente igual al valor actual de la corriente
(constante) de dividendos por una unidad de capital. Est claro, sin embargo, que esta
situacin no puede persistir en equilibrio, cuando sea poco probable las demandas de factores
de las empresas para hacerse compatible con las decisiones de oferta de factores de hogares
en la entrada constante de precios. En particular, la acumulacin de capital es poco probable
que contine a un con tasa constante siempre. Con una poblacin constante, por ejemplo, el
aumento de
el stock de capital por trabajador har bajar el producto marginal del capital y aumentar el
salario de equilibrio. Ambos cambios reducirn la rentabilidad de la inversin y, finalmente,
llevarlo a una parada.
(b) La acumulacin de capital y Cotizacin en una economa pequea y abierta
Ahora vamos a construir la extensin de equilibrio general ms simple posible del modelo
de inversin desarrollado en la primera parte de esta seccin. Nosotros consideramos una
pequea economa abierta con poblacin constante. Los salarios sern ahora determinados
de manera endgena y de hecho va a aumentar con la acumulacin de capital, poner un lmite
a la misma. La tasa de inters, sin embargo, ser determinado en el mundo, por lo tanto, los
mercados de capitales y pueden ser tomados como una constante dada. Por lo tanto, el capital
598
fluir desde el extranjero si la inversin interna es suficientemente productiva, y podemos

resolver el modelo para las trayectorias de equilibrio de sin tener en cuenta
explcitamente el comportamiento de los hogares.
Porque las empresas se comportan exactamente igual que en la seccin anterior, el Pontryagin
condiciones obtenidas anteriormente siguen siendo vlidas:
= ( , ) (1)
= r + ( , ) (1 ) ( , ) (5)
1
= ( ) (7)

( , ) = (3)
Lo nico que cambia es que el salario ya no es exgena. Normalizar el tamao de la poblacin

a 1, podemos escribir la mano de mercado-condicin de equilibrio
= 1 (18)
e interpretar la ecuacin (3' ) como dar el salario de equilibrio como una funcin de (K,
L), ms que como la demanda de trabajo en funcin del salario. Aparte de esto, el modelo
sigue siendo el mismo. Sustituyendo (7) y (18) en (1) y (5), se obtiene un sistema de dos
ecuaciones diferenciales en (, ):
1c
K t = ( ( q ) , 1) K t K t (q t , K t ) (19)
t
1c
q t = qt (r + ( ( q ) , 1)) (1 )FK (K, 1) (qt , K t ) (20)
t
La ecuacin (19) todava produce una horizontal = 0 lnea en el valor de que hace que
la inversin ptima igual a la depreciacin, . Por otro lado, el = 0 lnea de fase ya no es
horizontal; ahora se define implcitamente.
1
( + ( ( ) , 1)) = (1 ) (, 1)

Es fcil comprobar que el lado izquierdo de esta expresin es una creciente funcin de q y
que el lado derecho disminuye con K. Por lo tanto, un aumento en K disminuye el valor
estacionario de q para reflejar el pro marginal decreciente la productividad del capital. El
lugar = 0 es, por tanto, con pendiente descendente, y bajo la hiptesis plausibles que el
sistema tiene un estado estable. Sigue siendo cierto, sin embargo, que / =0 > 0, por
lo que las lneas verticales de punto de movimiento lejos de la fase de lnea. El diagrama de
fases y las flechas de movimiento se muestran en la figura 13.10.
El Jacobiano del sistema (19) - (20), evaluado en el estado estacionario, es dado por17
599
Problemas
= 0
= 0
Figura 13.10. Diagrama de fases
( )
0
=[ ]=[ ]
((1 ) (, 1))
Recordando que el producto de los valores propios del sistema es igual a la determinante de
,
( )
1 2= det = (1 ) (, 1) < 0

Vemos que el estado estacionario es un punto de silla, como sugiere el patrn de las flechas
de movimiento en el diagrama de fases (Figura 13.10). Es fcil ver que la condicin de
transversalidad para el problema de la empresa se satisface a lo largo de la trayectoria
convergente (Figura 13.11). Pero el Hamiltoniano es cncavo en , la trayectoria
convergente es compatible con la optimizacin de la empresa y por lo tanto es la trayectoria
, el precio
de equilibrio del sistema. Dado un inicial por debajo del estado estacionario,
de mercado del capital instalado disminuye a medida que la acumulacin de capital reduce el
retorno marginal de la inversin.
Cambios en la poltica tributaria. Ahora vamos a utilizar el modelo para analizar las respuestas
de los precios de las inversiones y los activos a un cambio de la poltica fiscal. Imaginar que
hay un aumento imprevisto y permanente de la tasa de impuesto corporativo .El primer
paso es ver cmo este cambio de poltica afecta al estado estable del sistema. Puesto que
no entra en la ley de movimiento para el capital social, dada por la ecuacin (19), un cambio
en deja la lnea de fase = 0 sin cambios.
600
= 0
= 0

Figura 13.11 Trayectoria Convergente
Es decir, el valor de que induce la inversin de reemplazo es independiente de la tasa

impositiva. Los impuestos, sin embargo, entran en la otra ecuacin de la transicin,
1
= ( + ( ( ) , 1)) (1 ) (, 1) ( , ) (20)

y, por lo tanto, afecta la posicin del lugar = 0. Ajustando = 0, (20) produce

1
( + ( ( ) , 1) = (1 ) (, 1)

Debido a que el lado izquierdo de esta expresin es una funcin creciente de , un
incremento en , que reduce el valor del lado derecho, produce un valor menor de para
cualquier dado. Por lo tanto, un aumento en la tasa de impuesto corporativo desplaza el
lugar de = 0 hacia abajo, ya que est dado, el precio sostenible de capital debe caer en
respuesta a una reduccin de los dividendos despus de impuestos.
En resumen, el aumento de impuestos reduce el stock de capital en el estado estacionario,
pero no tiene ningn efecto sobre el valor en el estado estacionario de . Para estudiar la
transicin, remtase a la figura 13.12 y supongamos que justo antes del cambio de poltica la
economa estaba en el estado estacionario correspondiente a la antigua tasa impositiva, =
0. Despus del cambio, el nuevo estado estable es = 1 , y la trayectoria de equilibrio del
nuevo sistema es el colector estable que conduce al nuevo equilibrio estacionario . En el
momento del cambio, por lo tanto, la economa debe pasar de la posicin inicial a la nueva
trayectoria de equilibrio, y como el stock de capital inicial est predeterminado, toda la carga
del ajuste recae en los precios de las acciones, que sufren una cada repentina. Inicialmente,
la tasa impositiva ms alta se reduce
601
Problemas
E (0)

E (1)
SS
SS
(1) (0)
Figura 13.12. Efecto de un aumento imprevisto de impuestos.
la corriente de dividendos le corresponde a los propietarios de la empresa. A medida que

disminuye el stock de capital, sin embargo, el producto marginal del capital sube y,
finalmente, se remonta al nivel original, el cual slo apoya la inversin de reemplazo.
Por ltimo, se analiza la respuesta del sistema a un aumento previsto de los impuestos. En el
momento cero (es decir, hoy), el gobierno anuncia que en algn momento en el futuro la
tasa del impuesto de sociedades se incrementar permanentemente. Finalmente, la economa
debe alcanzar el mismo estado estacionario que acabamos de describir, pero cul es la
trayectoria de ajuste? Sabemos que el camino de transicin
() alcanza asintticamente el nuevo estado estacionario,
() debe obedecer en cada instante las leyes de movimiento para el sistema
correspondiente a la poltica tributaria actualmente vigente (es decir, hasta que el cambio de
poltica realmente ocurra, el movimiento del sistema debe ser coherente con el diagrama de
fases para el tipo de impuesto original), y
() debe ser continua en todos sus puntos, excepto posiblemente en el tiempo cero.18
Utilizando estas tres propiedades, podemos reconstruir la trayectoria de ajuste trabajando

hacia atrs (Figura 13.13). En el instante , debemos estar en el camino de silla que conduce
al nuevo estado estable. De 0 a , debemos estar en lo que parece una trayectoria explosiva
del viejo sistema. Esta trayectoria debe llevarnos a la senda del nuevo sistema precisamente
en el momento del cambio de poltica. Siguindolo hacia atrs, podemos determinar el valor
de en el tiempo cero y calcular la cada inmediata de los precios.
602
E (0)

E(1)

(1) (0)
Figura 13.13. Efecto de un aumento previsto de impuestos.
4. El modelo Cass - Koopmans y algunas aplicaciones

Tal vez el modelo ms utilizado en la literatura de crecimiento, y en gran parte de la
macroeconoma, es el desarrollado por Cass (1965) y Koopmans (1965), basado en trabajos
anteriores de Ramsey (1928). En esta seccin vamos a desarrollar una versin de este modelo
y utilizarlo para discutir algunas tcnicas que sern tiles en el anlisis de polticas cuando no
tenemos soluciones de forma cerrada.
(a) Consumo ptimo para un hogar de vida infinita
Imaginemos una economa neoclsica poblada por una serie de agentes idnticos (o familias
altruistas) que viven para siempre. Las preferencias de cada individuo (idntico) se resumen
por una funcin de utilidad separable en el tiempo de la forma19
1
0 (1)
1
Donde > 0 es la inversa de la elasticidad intertemporal de la sustitucin, es el consumo,

y es la tasa de descuento del tiempo. En cada punto en el tiempo, el agente enfrenta la
restriccin de presupuesto de flujo
t = t t+t t (2)
Es decir, el cambio instantneo en el stock de activos reales en poder del hogar ( t) es igual
a la diferencia entre el flujo corriente de ganancias (intereses sobre activos existentes,, ms
otros ingresos, ) y el consumo corriente. El agente elige las rutas de tiempo de consumo y
las tenencias de activos para maximizar (1) sujeto a (2), tomando como dada la riqueza inicial,
0, y las trayectorias de tiempo de las tasas de inters y de los ingresos sin inters. Para obtener
las condiciones necesarias para una solucin a este problema, utilizaremos el principio
mximo. El Hamiltoniano de valor actual para el problema es
603
El modelo Cass - Koopmans y algunas aplicaciones
1
= + ( + )
1
La variable constante, , puede interpretarse como el precio sombra de la riqueza(en
unidades de utilidad), y da el flujo actual de utilidad ms el aumento del valor utilitario
del stock de activos que resulta del consumo actual / decisin de ahorro. Las condiciones de
Pontryagin son dadas por

= = 0 (3)

= = (4)

= (4)
La ecuacin (3) dice que el agente equilibra los beneficios del consumo actual con su costo
de oportunidad en trminos de consumo futuro perdido. La ecuacin (4) puede interpretarse
en el sentido de que la rentabilidad total del ahorro ( ms la tasa de "ganancias de capital"
es igual a la "tasa de inters" en la cual el agente descontar futuros flujos de servicios
pblicos; Por lo tanto, no habr ganancia o prdida (en trminos de utilidad) de mantener
una unidad ms de capital en lugar de consumirla.
Las ecuaciones (3) y (4) se pueden consolidar en una ecuacin diferencial nica que describe
la trayectoria temporal del consumo. Tomando registros de ambos lados de (3) y
diferenciando con respecto al tiempo, tenemos
1
ln = (1) ln =

Y sustituyendo (4) en esta ltima expresin,
1
= ( ) (5)

A lo largo de un camino ptimo, la tasa de crecimiento del consumo per cpita es igual al
producto de la elasticidad intertemporal de la sustitucin y la diferencia entre la tasa de inters
y la tasa de descuento intertemporal. Podemos pensar en como la medicin de la
impaciencia del agente, y de como la recompensa por posponer el consumo. Por lo tanto,
los agentes menos impacientes estarn ms dispuestos a aplazar el consumo y tendern a
ahorrar ms y, en consecuencia, su consumo aumentar a un ritmo ms rpido. Esta
tendencia ser ms fuerte si la elasticidad de sustitucin (1 ) es alta (es decir, si el consumo
futuro es un buen sustituto del consumo actual).
Las ecuaciones (2) y (5), junto con las tenencias de activos iniciales del hogar y la condicin
de transversalidad,
lim 0 y lim = 0 (6)

Caracterizan los caminos ptimos de consumo y de tenencia de activos para el hogar en

determinados trayectos de ingreso y la tasa de inters.
Integrando la ley del movimiento para el consumo (5) y la restriccin del presupuesto del
flujo (2), obtenemos20
1
= 0 () , con () = 0 ( ) (7)
604

() = 0 + 0 () ( ), con () = 0 (8)
La ecuacin (8) dice que el valor presente (descontado al tiempo cero) de los activos del
hogar en el momento es igual al activo inicial ms el valor descontado del ahorro
acumulado.
La condicin de transversalidad (6) impone una restriccin de no negatividad al valor
asinttico de los activos del hogar. En ausencia de esta limitacin, el comportamiento ptimo
del hogar implicara prstamos y consumo ilimitados. Para entender el papel de esta
condicin, reordenar (8) y tomar lmites como para obtener

lim = lim (0 + 0 () ( )) () (9)

La primera parte de la condicin de transversalidad requiere que el lmite en esta expresin

sea no negativo. Para que esta desigualdad se mantenga, el lmite del trmino dentro de los
parntesis debe ser mayor que cero, es decir,

(0 + () ) () (0 + 0 ) 0 0
0 0
Donde 0 y 0 denotan el valor presente, a partir del tiempo cero, de las corrientes de
ingreso y consumo, respectivamente. Por lo tanto, la primera parte de (6) requiere que el
valor descontado del consumo no exceda la riqueza total,

0 () 0 + 0
0
De hecho, esta expresin se mantendr como una igualdad, porque la funcin de utilidad
que hemos elegido implica que el agente nunca se saciar. Dado que = , podemos
usar (9) y (7) para escribir la segunda mitad de la condicin de transversalidad en la forma

lim = lim (0 + () ( + )) () 0 () = 0 (10)

Ahora note que

() = ( ) = ()
0
Por lo que los trminos exponenciales en (10) se anulan y terminamos con

(0 + 0 () ) 0 () (0 + 0 ) 0 = 0 (11)
Que puede interpretarse como la forma de valor actual de la restriccin presupuestaria.

Finalmente, podemos resolver el nivel de consumo inicial. Sustituyendo (7) en (11),

() = ()() 0 = 0+ 0
0 0
De donde
605
0 +0
0 = ()() (12)
0
Observe que esta es una funcin bastante complicada. El consumo actual es una funcin
lineal de la riqueza total, pero depende de la trayectoria de todo el tiempo de los ingresos y
las tasas de inters. Un cambio en los tipos de inters afectar la propensin a consumir de
la riqueza actual (la direccin del efecto depende de si < 1), pero tambin al valor
descontado de la corriente de ingresos (0 ).
(b) Equilibrio y dinmica en un modelo con impuestos sobre el ingreso del factor
Hasta ahora, nos hemos centrado en el comportamiento de los agentes individuales, teniendo
como dado el camino del tiempo de los salarios y la tasa de inters. En equilibrio, las
ecuaciones derivadas en la seccin anterior continan mantenindose, pero deben ser
evaluadas a los precios de los factores de equilibrio. Ahora derivaremos stos e
introduciremos un par de parmetros de la poltica. Asumiremos que la tecnologa es descrita
por una funcin de produccin neoclsica de rendimientos constantes a escala con un
cambio tcnico exgeno exacerbado por el trabajo, es decir,
= (, ) = (), cuando = / y () (, 1) (11)

= (12)

Las empresas alquilan capital y servicios laborales en mercados competitivos a precios de

equilibrio dados por los productos marginales netos del capital y el trabajo
= () (13)
= () = () = () (14)
Donde es el salario por unidad de eficiencia de la mano de obra. En equilibrio, los

mercados de factores deben limpiarse. Asumiremos que la poblacin es constante y la
normalizamos a 1, y que cada agente est dotado de una unidad de trabajo "por instante".
Debido a que no tienen gusto por el ocio, los agentes proporcionan toda su dotacin de
tiempo inelsticamente, y la compensacin del mercado de trabajo requiere = 1 para todo
.
El gobierno grava los ingresos laborales y de capital neto a tasas proporcionales y
realiza una transferencia de suma global a cada individuo y destina unidades de producto
(per capita) al consumo pblico. Suponemos que el gobierno debe ejecutar un presupuesto
equilibrado en cada momento y que las tasas de impuestos, las transferencias y los gastos de
consumo pblico por unidad de eficiencia de trabajo ( = / = / ) son
constantes en el tiempo. Por lo tanto, la restriccin presupuestaria del gobierno puede
escribirse
[() ] + () = + (15)
Donde el lado izquierdo es el ingreso fiscal total por unidad de eficiencia de la mano de obra,
y el lado derecho da el gasto total. Dado los valores constantes de + y , la ecuacin
606
(15) puede resolverse para el valor de que preservar el equilibrio presupuestario para
cada valor de . Sustituyendo (13) en (5) (donde debe interpretarse como el tipo de inters
neto de los impuestos), la ley del movimiento para el consumo se convierte en
1
= {(1 )[() ] } (16)

En equilibrio, el ingreso sin inters del agente representativo despus de impuestos est dado
por
= (1 )() + (17)
Y sus activos reales deben ser iguales al stock de capital por trabajador (no hay otros activos).
Por lo tanto = = , y la restriccin de presupuesto de flujo dada por la ecuacin (2)
= (1 )[() ] + (1 )() +
= [() + ()] { [() ] + () }
Utilizando las ecuaciones (14) y (15), la tasa de crecimiento del capital social viene dada por
()
= (18)

En presencia de cambios tcnicos exgenos, la productividad aumenta sin lmite, al igual que
el consumo per cpita. Por lo tanto, el sistema en su estado actual no tendr un estado estable.
Es conveniente definir una nueva variable,

= (19)
Volver a escribir el sistema en un camino que admitir una solucin constante. Toma de los
troncos de (19) y diferenciando en lo que concierne a tiempo,

=

Sustituyendo (16) en esta expresin,
1
= {(1 )[ () ] } g (20)

De forma similar, = , por lo que (18)
()
= g

De donde
= () (g + ) (21)
Hemos reducido el modelo a un sistema de dos ecuaciones autnomas en y :
1
= ( {(1 )[ () ] } g) 1 (, ; ) (20)
607
Problemas
= () (g + ) (, ) (21)
La ecuacin (21) es una restriccin de recursos; dice que el cambio instantneo en la relacin
capital / trabajo es igual a la produccin neta por unidad de eficiencia de la mano de obra
(despus de la depreciacin, los impuestos y el consumo corriente) menos la cantidad
requerida para equipar nuevas unidades de eficiencia de trabajo con el stock promedio de
capital (). La ecuacin (20) es la condicin para la asignacin ptima del consumo a lo
largo del tiempo evaluada a los precios de los factores de equilibrio.
De (20) y (21) vemos que
0 () (g + ) () (22)
+
0 () + (23)
1
El diagrama de fases se muestra en la figura 13.14, bajo los supuestos de que x es lo

suficientemente pequeo como para que las dos lneas de fase se crucen en el cuadrante
positivo y (0) = 0, (0) = , () = 0. Estas condiciones son suficientes para
garantizar la existencia de un estado constante no trivial nico ( , ).
La direccin de las flechas de movimiento sugiere que el estado estacionario es un punto
de silla. Para verificar esto, se calcula el determinante de la matriz Jacobiana del sistema
evaluado en el estado estacionario:
= 0

= 0
Figura 13.14. Diagrama de fases y trayectoria convergente.

0 (1 )( )
=[ ]=[ ] (24)
1 ( ) g
Porque

= 1 2 = (1 )( ) < 0

608
Los valores propios del sistema son nmeros reales de signos opuestos, y el estado
estacionario es de hecho un punto de silla. Usando la condicin de transversalidad para el
problema del hogar, se puede demostrar que la trayectoria de equilibrio para esta economa
es la solucin nica al sistema (20)(21) que satisface la condicin inicial (0) = 0 (una
constante dada) y converge al estado estacionario.
Sea < 0 la raz estable del sistema. Para referencia futura, calcularemos el autovector =
(1 , 2 ) asociado con esta raz. Como el lector recordar, es "tangente" a la trayectoria del
punto de silla en el estado estacionario. Normalizando el segundo componente de 1, el
vector propio estable satisface = , y por lo tanto
1 + =
Por lo tanto, la pendiente del colector estable en el estado estacionario est dada por
1 = (25)
Donde, usando (23) y (24),
g+
= ( ) g = 1 g (26)

Nota. La trayectoria de equilibrio del sistema se aproxima a un estado estacionario en el que

es constante y = = 0 g crece a una tasa constante igual a la tasa de progreso
tcnico. En tal equilibrio, la utilidad de un individuo representativo, dada por
1 (0 )1
0 = 0 [(1)g] (27)
1 1
ser ilimitado siempre que [(1 )g > 0. De hecho, en este caso el problema no
puede ser resuelto por los mtodos que desarrollamos en el Captulo 12. Para evitar tales
problemas, asumiremos que g es lo suficientemente bajo como para que (27) converge, es
decir.
(1 )g < 0 (28)
Nos referiremos a esta suposicin como la condicin de limitacin.
Problema 4.1. Un planificador social maximiza la utilidad del individuo representativo,

1

0 1
sujeto a la restriccin de recursos

= (, ) , con =g

Enumerar las condiciones necesarias para este problema y demostrar que se reducen a las
ecuaciones (20) y (21) cuando no hay impuestos o subsidios. Por lo tanto, bajo estas
condiciones, el equilibrio competitivo ser un ptimo social.
609
Problemas
(c) El Impuesto al Costo del Factor de Bienestar
Ahora estudiaremos los efectos de un cambio tributario. El experimento especfico que

analizaremos es el siguiente: Supongamos que la economa est inicialmente en el estado
estacionario correspondiente a los valores dados de los diferentes parmetros impositivos.
Sin previo aviso, el gobierno cambia la tasa de impuesto sobre los ingresos por intereses del
valor inicial 0 a una nueva 1 , manteniendo el gasto total por unidad de eficiencia de la
mano de obra ( + ) constante y ajustando la tasa del impuesto sobre los ingresos
salariales segn sea necesario preservar el equilibrio presupuestario en cada momento.
El primer paso consiste en determinar los efectos del cambio de poltica en los valores
estadsticos de ingreso y consumo, dados por la solucin del sistema
= 0 = () (g + ) () (22)
c = 0

= 0

Figura 13.15. Efecto a largo plazo de un aumento de los impuestos sobre la renta de
capital.
g+
= 0 () = + (23)
1
Con fijo, la posicin de la lnea de fase = 0 no depende del valor de . De (23'), sin
embargo, est claro que un aumento en reduce el valor estable de la relacin
capital/trabajo y desplaza la lnea de fase = 0 hacia la izquierda, como se muestra en la
figura 13.15. El efecto sobre el consumo depende de la pendiente de la lnea de fase = 0
en el estado estacionario, dada por
g +
( ) = = ( ) (g + ) = g
1
Por tanto, ( ) > 0, siempre que g(1 ) < g . La condicin de limitacin (28)
asegura que el lado izquierdo de esta expresin sea negativo. Por lo tanto, para cualquier tipo
impositivo no negativo sobre los ingresos por intereses, un incremento en este parmetro
610
reducir el consumo en estado estable. La razn debe ser clara de la ley del movimiento para
el consumo, la ecuacin (20): Un aumento en desalienta la acumulacin reduciendo el
rendimiento neto del ahorro. A largo plazo, por lo tanto, el stock de capital es una funcin
decreciente de .
Problema 4.2. Suponiendo una funcin de produccin Cobb - Douglas (es decir,() =
), resuelva la tasa de ahorro en estado estable en funcin de y de los otros parmetros
del modelo.
Las comparaciones del bienestar entre estados estacionarios son directas. Debido a que la
utilidad en estado estacionario, dada por

= 0
= 0

Figura 13.16. Ruta de transicin tras un aumento de los impuestos sobre la renta de capital.
( )1 (0 )1
( ) = 0 = 0 [(1)g]
1 1
(0 )1 1
= (29)
1 (1)g
es una funcin creciente del consumo en estado estacionario, los aumentos en reducirn
el bienestar.
Una vez que tomamos en cuenta la transicin de un estado estacionario a otro, el efecto de
los impuestos sobre el ingreso de capital en el bienestar ya no es tan obvio. Para ver por qu,
considere el camino de transicin mostrado en la Figura 13.16. El efecto de impacto del
cambio tributario es un salto en el consumo que nos lleva a la nueva senda. El punto de silla
se encuentra por encima de la lnea = 0 y por lo tanto por encima del estado estable inicial.
La reduccin en el incentivo para ahorrar provoca que los agentes aumenten su
consumo. Este comportamiento, por supuesto, conduce a una reduccin del capital social y,
a largo plazo, a un menor consumo. Durante parte de la transicin, sin embargo, el consumo
excede su antiguo nivel de estado estacionario, y por lo tanto tambin lo hace el flujo actual
611
Problemas
de utilidad. Para calcular el cambio neto de bienestar, debemos evaluar la funcin de utilidad
a lo largo de toda la trayectoria de ajuste. La idea es simple. Definimos una funcin que da la
utilidad del individuo representativo como una funcin del parmetro de la poltica:
( )1
( ) = 0
1
Donde ( ) = ( ) es el consumo a lo largo de la solucin de equilibrio del sistema
1
= ( {(1 )[ () ] } g) (, ; ) (20)
= () (g + ) (, ) (21)
Correspondiente al valor dado del parmetro de poltica. Nuestro objetivo es evaluar la

derivada ( ) a partir de un estado estacionario.
La parte ms difcil del problema es caracterizar la funcin de solucin del sistema de una
manera que sea lo suficientemente precisa como para permitirnos calcular derivadas.
Comenzamos observando que podemos pensar en la trayectoria del punto de silla del sistema
como la grfica de una funcin de la poltica,
= (. )
que da el valor de equilibrio del consumo en funcin del valor actual de la variable de estado
y del parmetro de impuesto. Observe que tenemos alguna informacin sobre las
propiedades de esta funcin en el estado estacionario. En particular, sabemos que la
pendiente del punto de silla en el estado estable es negativa y est dada por la pendiente del
vector propio estable y que un aumento de impuestos desplazar el camino del punto de silla
hacia arriba. Usando subndices para denotar derivadas parciales, tenemos, entonces
g +
= 1 = = ( ) g = g<0 y > 0 (30)
1
La dinmica de equilibrio del sistema puede caracterizarse por una nica ecuacin diferencial
que describe la evolucin de la variable de estado a lo largo del colector estable: la funcin
de la poltica en la ley de movimiento para dada en la ecuacin (21):
= (, ) = [(, ), ] (, ) (31)
Observe que esta ecuacin tiene un estado estable nico que coincide con el valor de estado
estacionario de para el sistema original. Este estado estacionario es estable; De hecho, el
"autovalor" de esta ecuacin es el autovalor estable del sistema completo, porque, usando
(24) y (30)
( , ) = + = + = + + = < 0
La solucin de (31) produce el valor de equilibrio de en funcin del tiempo y el parmetro
fiscal ( ). Por ltimo, sustituyendo esta funcin en la funcin de poltica, obtenemos la
ruta de tiempo de
612
( ) = [ ( ), ] (32)
Para calcular el cambio en el bienestar, necesitamos calcular el efecto de la poltica de cambio
en la trayectoria de tiempo total del consumo. Usando (32), el cambio marginal en el
consumo en el tiempo viene dado por
( ) ( )
= ( ) + ( ) (33)

Evaluar esta expresin ser ms fcil de lo que podra parecer, al menos cuando empezamos
desde un estado estacionario. En ese caso, ( , ) y ( , ) son constantes del signo
conocido, y ( ) = (, ) es, Como veremos ms adelante, fcilmente calculado
usando el mtodo discutido en la Seccin 3 (c) del Captulo 9.
Para calcular (, ), observe la funcin de la solucin de (31), ( ) = (, ), debe
satisfacer idnticamente la ecuacin original,
(, ) [((, ), ), (, )]
Diferenciando ambos lados de esta identidad con respecto a (y suponiendo que todas las
funciones involucradas son lo suficientemente suaves), nosotros podemos escribir

= = ( )[ ( ) ( ) + ( )] + z ( ) ( )

= [c ( ) ( ) + z ] ( ) + c ( ) ( )
Por lo tanto, satisface una ecuacin diferencial lineal. Cuando partimos de un estado
estacionario, adems, los coeficientes de esta ecuacin son constantes, y podemos escribir,
usando (24) y (30),
= [1( ) + ] = (34)
La solucin general de esta ecuacin lineal autnoma viene dada por
() = (0) + (1 ) ()
Donde, dado que el stock de capital es una variable predeterminada, (0), el efecto de
impacto del cambio tributario sobre el stock de capital es igual a cero.
Debido a que < 0, el estado estacionario de esta ecuacin es estable, y converge
asintticamente a su valor estacionario, dado por
( , )
() = <0 (35)

Que es tambin la derivada del valor de estado estacionario de Z con respecto al parmetro
impositivo.21 Por lo tanto, la trayectoria de tiempo de equilibrio de viene dada por
( , ) ( )
() = (1 ) () = (1 ) (= ) (36)

Es decir, despus de un pequeo cambio de impuestos, Z cae gradualmente hacia su nuevo

valor de estado estacionario a una tasa exponencial dada por la raz estable del sistema
original.
Substituyendo (36) en (33), ahora podemos calcular la derivada de la trayectoria de tiempo
de consumo con respecto al parmetro de impuestos:
613
Problemas
( ) ( ) ( , )
= + = (1 ) + = ((1 ) + 1) (37)

Darse cuenta
0 ( )
= > 0

( ) +
= ( + 1) = = <0

Por lo tanto la derivada de ( ) en el tiempo cero - el efecto de impacto del cambio de
poltica - es igual al cambio hacia arriba en el camino del punto de silla, y su efecto a largo
plazo es la disminucin en el consumo en estado estacionario. Como ya sabamos, el
consumo aumenta al principio y luego disminuye. Ahora que hemos calculado el cambio en
el consumo en cada punto en el tiempo, slo queda evaluar la derivada de la funcin de
utilidad con respecto al parmetro de poltica. Tenemos
( )1 ( )1
( ) = 0 = 0
1 1
(0 g )1 1
= 0 1
[ ( )]1 = 0
1
0 [(1) g] ( )1
Diferenciando con respecto a , evaluando el resultado en un estado estacionario, y usando

(37) y (30) ( + = z ), tenemos
( )
( ) = 1
0 0 [(1)]

= 1
0 ( ) 0 [(1)g] ((1 ) + 1)

+
= 1
0 ( ) 0
[(1)g]
( )

+
= 1
0 ( ) (0
[(1)g]
0 [(1)g] )

+
= 1
0 ( ) ([(1)g] [(1)g])
+
= 1
0 ( )

((1)g
(1)g )

Para simplificar esta expresin, observe si, usando (30), = (g + )(1 ) g ,
+ ( +)[(1)g] [(1)g]
(1)g = [(1)g][(1)g]
(1)g
[(1)g ]
+g(g+)(1 )
=[(1)g][(1)g] = [(1)g][(1)g]
(g+)
= [(1)g][(1)g](1
)
Por lo tanto
(g + )
( ) = 1
0 ( )
[ (1 )g][ (1 )g ](1 )
614
Recordemos que > 0, < 0, y que (1 )g > 0 por la condicin de lmite (28).
Por lo tanto,
( ) < 0 si > 0
Y resulta que establecer igual a cero es la poltica ptima: El aumento de los tipos
impositivos sobre el capital disminuir el bienestar si la tasa de impuestos es positiva, y
aumenta el bienestar si la tasa de impuestos es negativa.
Problema 4.3. Una limitacin del enfoque que hemos seguido es que asume que la economa
est inicialmente en un estado estacionario. De lo contrario, los coeficientes de la ecuacin
variacional (la ley del movimiento para ) cambiaran con el tiempo, lo que dificultara la
evaluacin de ( ). Todava es posible (y de hecho mucho ms fcil) demostrar que un
impuesto cero sobre los ingresos de capital es ptimo al mostrar que cuando = 0 , el
camino de equilibrio para la economa resuelve un problema de planificacin estrechamente
relacionado.
Consideremos, en particular, el problema que afronta un planificador social, similar al
descrito en el problema 2.1, que maximiza la utilidad del agente representativo sujeto a la
restriccin de recursos estndar y la restriccin adicional de que debe "tirar" una cantidad de
salida igual a en cada punto en el tiempo. Escribir el problema de planificacin, derivar
las condiciones necesarias para un ptimo, y verificar que se reducen a las ecuaciones (20) y
(21) cuando = 0 en este sistema.
Solucin numrica: El mtodo de eliminacin del tiempo
El anlisis de la seccin anterior puede utilizarse para proporcionar (para valores de

parmetros especficos y formas funcionales) una estimacin cuantitativa de la ganancia de
bienestar asociada con un cambio de poltica marginal. Sin embargo, para evaluar el impacto
de los "grandes" cambios en las polticas, necesitamos recurrir a mtodos numricos.
En principio, esto no plantea ningn problema. Vimos en el captulo 11 que hay paquetes
de computadoras que pueden usarse para resolver sistemas de diferenciales de ecuaciones
numricamente. El modelo que hemos desarrollado en esta seccin, sin embargo, presenta
una dificultad adicional que no tuvimos que enfrentar en el caso del modelo de Solow. El
problema es que en el modelo actual las condiciones de contorno que nos permiten escoger
la solucin particular de inters no estn en una forma muy conveniente. Mientras que en el
modelo de Solow tenamos una sola variable predeterminada, en el modelo de Cass -
Koopmans el consumo es una "variable libre" sin un valor inicial predeterminado. Como
hemos visto, la trayectoria de equilibrio del modelo es la nica trayectoria temporal que, a
partir del valor inicial dado de , se aproxima al estado estacionario como . Los
programas informticos, sin embargo, no nos permiten especificar condiciones de contorno
asintticas directamente, por lo que necesitamos encontrar una manera indirecta de
imponerlas.
Una posibilidad es usar un mtodo de "disparar" de prueba y error. Teniendo en cuenta 0 ,
podemos adivinar un valor inicial de , hacer que la computadora solucione el
problema y seguir la ruta de la solucin. Si este camino "explota", ajustamos la conjetura
original en consecuencia y repetimos el experimento hasta encontrar una solucin que parece
acercarse al estado estacionario. Este mtodo es bastante lento y no muy preciso.
Afortunadamente, existe una mejor alternativa, a veces llamada el mtodo de eliminacin
del tiempo. 22 La idea es eliminar el tiempo de las leyes originales del movimiento para obtener
una ecuacin diferencial con (en lugar de ) como variable independiente. Las soluciones
de esta ecuacin nica corresponden a las trayectorias de solucin del sistema original en el
615
Problemas
plano de fase (, ) (en lugar de a las trayectorias de tiempo de ). Usando una condicin
lmite fcil de imponer (en lugar de una asinttica), podemos encontrar la funcin de poltica
que da el valor de equilibrio de c como una funcin de (es decir, encontrar la trayectoria
del punto de silla). Entonces, procedemos como antes: sustituyendo la funcin de la poltica
en la ley del movimiento para , eliminamos y obtenemos una ecuacin diferencial nica
en (con tiempo como variable independiente) que se puede resolver para la trayectoria de
tiempo de equilibrio de . Finalmente, evaluando la funcin de la poltica a lo largo de esta
trayectoria, obtenemos la trayectoria del tiempo de equilibrio de . Podemos entonces evaluar
la funcin de utilidad a lo largo de la trayectoria de la solucin para determinar el cambio en
el bienestar.
El procedimiento, con algo ms de detalle, es el siguiente. Buscamos la solucin "punto de
silla" de un sistema de la forma

= (, ) (38)

(, ) (39)

"Dividiendo" (38) por (39), "eliminamos tiempo" del sistema y obtenemos una ecuacin
diferencial nica,
(,)
= = (,) (, ) (40)

cuya solucin nos da el valor de en funcin de , (). Intuitivamente, (, ) nos da,

para cada punto del plano de fase (, ), la pendiente de la trayectoria de solucin de (38)-
(39) que pasa por este punto. Resolver (40) significa usar esta informacin para reconstruir
la familia de curvas en el plano de fase que corresponden a las trayectorias de solucin del
sistema original. Estamos interesados en un miembro especfico de esta familia de curvas, el
que pasa por el estado estacionario ( . ). Para seleccionarlo, slo tenemos que imponer
la condicin de contorno ( ) = .
Antes de que podamos pedir a la computadora para resolver (40), tenemos que hacer frente
a una complicacin menor. Observe que la funcin (, ) no est bien definida en el estado
estacionario, para ( , ) = 0/0. Sabemos, sin embargo, que la pendiente de la
trayectoria del punto de silla en el estado estacionario es igual a la pendiente del vector propio
asociado con el valor propio estable (negativo) del sistema linealizado, 1 2 .
Por lo tanto, necesitamos extender (40) y definir
(, ) = 12 ., cuando (c,Z)=( , )
(,)
de otra manera (41)
(,)
Ahora podemos pedirle a la computadora que resuelva el problema

= (, ), junto con la condicin lmite ( ) =

616
para la funcin de poltica = (). Substituyendo esta funcin en la ley del movimiento
para , obtenemos una ecuacin diferencial ordinaria en ,
= [(), ] (42)
que describe el movimiento de la variable de estado predeterminada a lo largo de la trayectoria
del punto de silla. Resolviendo la ecuacin (42) junto con la condicin natural inicial en
((0) = 0 ), obtenemos la ruta de solucin de , (), que luego puede ser
sustituida en la funcin de poltica para recuperar la trayectoria temporal De ,
() = [()]
Para aplicar el mtodo, por supuesto, tenemos que elegir formas funcionales explcitas y
asignar valores especficos a los parmetros. Bajo el supuesto de que la funcin de
produccin es Cobb - Douglas ( = ()1 ), las ecuaciones (20) y (21) se convierten
en

= {(1 )[ 1 ] } gc (c, Z) (43)
= ( + g) (, ) (44)
y los valores de estado estacionario de c y Z estn dados por
(1)

g + 1
= 0 = ( + )
(1 )
= 0 = ( + g)
La subseccin siguiente contiene un programa de Matemtica que lleva a cabo los clculos
que acabamos de esbozar. Despus de resolver numricamente el sistema para dos valores
diferentes de los parmetros 0 y 1, se evala la funcin de utilidad del individuo
representativo en cada caso y se calcula la ganancia del bienestar en trminos equivalentes al
consumo. Para ello, utilizaremos un procedimiento que sea til para evaluar los efectos sobre
el bienestar de los cambios discretos en las polticas. Introducimos un parmetro auxiliar, ,
en la funcin de utilidad, definida ahora por
[(1+) ( )]1
( , ) = 0
1
Obsrvese que un aumento de tiene el mismo efecto sobre el bienestar que un aumento
proporcional del consumo en todos los perodos. Por lo tanto, la solucin (0 . 1 ) de la
ecuacin
(0 , ) = (1 , 0)
Puede interpretarse como la variacin proporcional del consumo equivalente, en trminos

de bienestar, a un cambio en la poltica de 0 a 1.
Solucin Numrica y Anlisis de Bienestar con Matemtica
617
Problemas
Ahora vamos a escribir un programa de Matemtica para calcular numricamente la

trayectoria de solucin del modelo de crecimiento desarrollado anteriormente y analizar el
impacto del cambio en el bienestar en un parmetro fiscal.
Comenzamos asignando valores a los parmetros y calculando los valores de estado
estacionario de ( ) y para dos valores diferentes de la tasa de impuesto sobre
los ingresos por intereses ( ). (Nota: Un punto y coma despus de un comando
suprime la "salida de realimentacin", sin ella, el ordenador imprime el valor del clculo o el
valor asignado al parmetro. Por ejemplo, [11] = 5.33363 da el valor de ,
por ejemplo Cuando est escribiendo un programa, puede ser una buena idea no utilizar
puntos y comas, para que pueda comprobar los resultados de los clculos intermedios).
En[1]:=
Sigma=2; alfa=0.33; d=0.02; ro=0.03;
g=0.02; tr0=0.20; tr1=0.15
En [10]:=
zss0=((d/alfa)+(((g*sigma)+ro)/(alfa*
(1-tr0))))(l/(alfa-l))
x=0.10*(zss0alfa);
css0=(zss0alfa)-(d+g)*zss0-x;
zss1=((d/alfa)+(((g*sigma)+ro)/(alfa*
(1-tr1))))(1/(alfa-1))
css1=(zss1alfa)-(d+g)*zss1-x;
Afuera[11]=
5.33363
Afuera[14]=
5.73887
Ponemos x (consumo pblico por eficiencia de unidad de trabajo) a 10% del estado
estacionario resultado por la eficacia de una unidad de trabajo para estar seguro que el valor
asignado no es irracionable.
El siguiente paso es definir la leyes de movimiento de consumo (dada por la funcin fc[ ]) y
el la proporcin capital /trabajo (fz[ ]). Diferenciando esta funcin con respecto a z y c, y
evaluando el resultado de la funcin en el estado estable, construimos el jacobiano del sistema
linealizando (Jac) y calculamos sus valores propios y sus vectores propios.
En[16]:=
fc[c_,z_,tr_]:=((alfa*(z(alfa-l))-d)*(l-
trl)-ro)*(c/sigma)-g*c;
fz[c_,z_,tr_]:=(zAalfa)-(d+g)*z-x-c;
Para calcular el jacobiano, primero definimos una matriz vaca,Jac, y damos nombres a sus
accesos. Para calcular cada uno de ellos, nosotros procedemos en dos pasos,
618
Primero, calculamos el smbolo de la derivada de la ley de movimiento con respecto a cada

una de las variables estables (usando el comando D[funcin[], con respecto a]) y luego
evaluamos la expresin en el estado estacionario.
En[19]:=
Jac={{jcc,jcz},{jzc,jzz}}
Afuera[20]=
{{jcc,jcz},{jzc,jzz}
En[21]=
jcc=D[fc[c,z,tr1],c];
jcc=jcc0/.{c->css1,z->zss1};
jcz0=D[fc[c,z,tr1],z];
jcz=jcz0/.{c->css1,z->zss1};
jzc0=D[fz[c,z,tr1],c];
jzc=jzc0/.{c->css1,z->zss1};
jzz0=D[fz[c,z,tr1],z];
jzz=jzz0/.{c->css1,z->zss1};
Finalmente, nosotros preguntamos a la computadora para digitar el jacobiano en esta forma

de matrices y calculamos sus propios valores y sus propios vectores. (Dese cuenta que la
primera entrada del jacobiano debe ser cero, esto es siempre cero, pero no bastante). L a
funcin N[ ] pregunta a la computadora de nuevo para usar valores numricos de las entradas
de la matriz jacobiana para representar los clculos actuales.
En[29]:=
matrixFrom[Jac]
{11,12}=Eingenvalues[N[Jac}]
Afuera[30]// Matrixform=
3.46945 1018 -0.00699145
-1 0.0623529
Afuera[31]=
(0.120414, -0.080615}
Afuera[32]=
{{0.0579639, -0998319},{-0.119551, -0,992828}}
Como esperbamos uno de los valores propios del sistema es positivo y el otro negativo. Los
valores propios del vector corresponden a la raz estable de la primera de la segunda porque
una de las maneras que tenemos concentrado en los elementos del jacobiano (con
en el tope de , y las derivaciones con respecto a c antes de las primeras con respecto a
Z), el c coordinado del valor propio es primero enumerado y la inclinacin del camino de la
silla en el estado estable ( en el plano cartesiano con c en el eje vertical) est dado por la
proporcin de la primera a la segunda derivada del segundo propio vector. Al seleccionar,
cada coordinacin de este vector, dentro de los dobles corchetes nosotros usamos
subndices, como mostramos despus.
619
Problemas
La siguiente oracin define la funcin que nosotros hemos llamado (, ) en el texto (gc[
]en el programa ). Luego, nosotros resolvemos la ecuacin diferencial

= (, )

Juntos con la condicin de contorno c(Z*) = c*, para obtener la funcin de poltica o
camino de la silla de montar denotado por pfc[z], y nosotros preguntamos a la computadora
que lo trace, junto con los dos estados estables valorados para c.
En[33]:=
gc[c_,z_]:=If[z==zss1,eig2[[2]],
fc[c,z,tr1]/fs[c,z,tr1]];
En[35]:=
AccuracyGoal ->Infinity;
MaxSteps ->700
mxz=Max[zss0,zss1]*1.1;
mns=Min[zss0,zss1]*0.9;
En[40]:=
Sol=NDSolve[{c[z]==gc[c[z],z],c[Zss1]==
css1}.c.{z.mnz,mxz}]
Afuera[40]:=
{{c-> InterpolatingFuntion[{4.80027,
6.31276),<>]}}
En[41]:=
Pfc[z_]:=c[z]/.sol
Plot[{pfc[z].css0, css1},{z,zss0.zss1}]
Afuera[42]=
-Grfico-
620
1.37
1.36
1.35
1.34
5.5 5.6 5.7
Para buscar la trayectoria de tiempo para z, nosotros sustituimos la funcin de poltica

dentro de las leyes de movimiento para z y resolvemos el resultante ordinario de la
ecuacin diferencial en z junto con la condicin inicial que especifica que nosotros
empezamos del valor de z correspondiente a viejo estado estable. Nosotros llamamos la
solucin de la funcin cpath[t]. Luego nosotros recuperamos el camino de z denotado por
zpath[t], y el argumento de ambos periodos de tiempo (para tiempo = 0-100 ) para visualizar
los ajustes del periodo de un estado estable al siguiente.
En[43]:=
solz=NDSolve[{z[t]]==
fx[pfc[z[t]},Z[t],trl],z[0==zss0},z.{t,0,100}]
Afuera[44]=
{{z->InterpolatingFunction[{0.,100.},<>]}}
En[45]:=
Zpathzpath[t_]:=z[t]/.solz
Cpath[t_]:=tfc[zpath[t]]
Plot[{zpath[t],zsso,zss1},{t,0,100}]
Plot[{spath[t],css0,css1},{t.0.100}]
621
Afuera[47]=
-graficos-
5.7
5.6
5.5
20 40 60 80 100
Afuera[48]=
-graficos-
1.37
1.36
1.35
1.34
20 40 60 80 100
El siguiente paso para calcular el cambio de bienestar debido a la poltica experimentada.

Nosotros empezamos por definir la funcin, Vs[ ], que nos da el estado estable de utilidad
(no es problema si nosotros damos un numero negativo ) nosotros debemos con > 1.. .
Lo que trae problemas es que la utilidad marginal sea positiva ) entonces, Vs[css0 ], da la
utilidad de equilibrio que podra haber obtenido si la economa se hubiese mantenido en el
camino correspondiente a la poltica antigua, y Vs[css1] nosotros obtenemos la utilidad si
nosotros hemos movido inmediatamente al nuevo estado estable.
En[49]:=
Vs[c_]:=(c(1-sigma))/((1-sigma)*(ro-
(1-sigma)*g));
Vs[css0]
Vs[css1]
622
Afuera[52]=
-14.8107
Afuera[53]=
-14.5278
Como esperbamos, el estado estacionario de la utilidad es ms grande que una tasa de

impuesto inferior en un inters ganado. Nosotros seguimos teniendo en consideracin la
transicin, sin embargo al aproximar el total de la utilidad nosotros integramos
numricamente la funcin de utilidad (evaluado a lo largo de la nueva trayectoria de
equilibrio). Entre t=0 y t=100 y aadimos a esto el valor discontinuo del promedio de
Vs[css1] y Vs[ ] evaluado en el nivel de consumo obtenido en los ltimos 100 aos.
(nosotros no podemos integrar la funcin de utilidad numricamente mayor en una
trayectoria de tiempo infinito, pero despus de los 100 aos nosotros estaremos muy cerca
al nuevo estado estable, y con una razonable tasa discontinua no importa demasiado que
suceda a lo lejos de ninguna forma). Como se esperaba, la utilidad es mayor bajo la nueva
poltica siempre y cuando nosotros tengamos en cuenta la transicin.
En[54]:=
V1=(1/(1-sigma))*Nintegrate[Evaluate[(cpath[t]
(1-sigma))*Exp((1-sigma)*g-ro)*t]],{t,0,100}]
+Exp[-100*ro]*(1/2)*(Vs[css1]+Vs[cpath[100]])
Afuera[57]=
((-14.6773))
Finalmente, calculamos el consume bienestar ganado por el cambio de poltica en los

impuestos, denotado por eta, que es llega a estar alrededor de 0.9%
En[59]:=
eta=(1/(1-sigma))*Log[V1*(1-sigma)*(ro-(1-
sigma)*g)]-Log[css0]
Afuera[59]=
{{0.00904369}}
5. Problemas
En esta seccin nosotros preguntaremos al lector, as trabajaremos a travs un nmero de
problemas para usar el material desarrollado en este captulo.
(a)Un modelo de sueldo eficiente

Teoras del sueldo eficiente intentan explicar la emergencia de salarios rgidos que pueden
generar desempleo en un contexto de equilibrio. La clave caracterstica de estos modelos
depende que la productividad del trabajo dependa parcialmente de la tasa de sueldo. Sabiendo
esto, las empresas determinan los sueldos y los niveles de empleo para as maximizar
beneficios. Porque incrementando salarios incrementan produccin, empresas pueden
encontrar lo ptimo a pagar en un sueldo que est por encima del nivel de equilibrio de
mercado. As que, el desempleo puede elevarse en equilibrio.
623
Problemas
La parte difcil, por supuesto, es explicar porque el salario puede tener un impacto en la
productividad. Muchos mecanismos han sido explicados en la literatura. Algunos de ellos
dependen de la asimetra de la informacin, otros de costos de rotacin y el resto de factores
sociales. El siguiente problema desarrolla un Eludimiento modelo de salarios eficientes
debido a Shapiro y Stiglitz (1984). En este modelo, la productividad del trabajo depende del
nivel de (cuan costoso) esfuerzo requerido por los trabajadores, una variable que puede ser
monitoreado solo imperfectamente por empresas. En particular, trabajadores quienes no
ejercen un esfuerzo sern atrapados, con una probabilidad q < 1. As que, todos los
trabajadores quienes no han sido atrapados eludiendo tendrn que ser pagados con el mismo
salario. Si detectamos eludidores siguiendo impones, su paga ser independiente del
esfuerzo, y los trabajadores encontrarn el ptimo para eludir.
Un posible manera de evitar este resultado es mediante despidos a los eludidores detectados.
Perctese, sin embargo, que este trabajar mientras perder trabajo es costoso. Para lograr esto
, una empresa puede recurrir a esta oferta de salario encima del nivel que limpia el mercado
, as que sus trabajadores evaluarn sus trabajos y no eludirn. Si todos las empresas son
iguales, todas actuar de la misma manera, y el equilibrio del salario ser encima del que limpia
los mercados. As que, el equilibrio involucra desempleo. que sirve como un dispositivo de
disciplina: trabajadores quienes son despedidos no sern recontratados inmediatamente y
por ende incurrirn un costo. Para prevenir esto ellos se abstienes del eludimiento. Este
desempleo, adems es involuntario: trabajadores preferirn trabajar incluso en un salario
abajo el corriente, pero no van a reducir el salario y despidos por ellos porque en la reduccin
de salario, promesas de trabajadores de no eludir no ser creble.
Considerando una economa poblada por N idnticos y riqueza dada de trabajadores, con
una funcin de utilidad instantneamente separas U(w,E) = w E, donde w es la instantnea
tasa de salario( asumimos que es constante todo el tiempo), y E el nivel de esfuerzo.
Trabajadores maximizan

0 ( ) (1)
Para seleccionar su nivel de esfuerzo, para simplificar vamos a asumir que el esfuerzo puede
tomar solo dos valores: cero y algn valor positivo de X. Si un eludidor de trabajo (ejerciendo
cero esfuerzo), hay una probabilidad instantnea (0,1) que l ser atrapado y
despedido. Si elude o no, hay una probabilidad d b de separacin debido a otros factores, a
los trabajadores desempleados se les paga beneficios de desempleo en una tasa de ,y son
unidas para buscar un nuevo trabajo con una probabilidad instantnea a, que tomaremos con
dada por ahora, los parmetros b y q son tomadas como exgenas en el modelo y son
constantes todo el tiempo
Problema 5.1
(i) () ser la expectativa de tiempo de vida de la utilidad de un empleado que

elude, () ser la expectativa de tiempo de vida de la utilidad de un empleado
que no-elude, y 0 la expectativa de tiempo de vida de la utilidad de un
desempleado. Escribe la ecuacin definida de () y () , y explica el
significado
Nota: si ayuda, considera anlogo el problema tiempo-discreto con periodos de
longitud h y toma el lmite como h 0
624
(ii) Un empleado escoger no eludir si () (). Muestra que esta condicin

de no-eludir implica que () , as estos trabajadores prefieren ser
empleados, y usar esto para resolver el mnimo salario en que trabajadores
encontraran el ptimo de no eludir. Qu factores determinan ?
L ser la fuerza de trabajo efectivo de empleados por la empresa representativa, definido
como un numero de no-eludir estos trabajos (para simplicidad, asumiremos que trabajadores
quienes eluden no contribuyen en la produccin) .Las empresa maximiza beneficio f(L) - wL
Sujeto a la restriccin que (porque esto puede detectar eludimiento son imperfectamente y
despus) la empresa debe pagar el mismo salario a todos los trabajadores. Para producir en
absoluto, ellos, la firma necesita estableces un salario que inducir a sus trabajadores no
eludir. Sigue en equilibrio, ., as trabajadores no eluden, y la utilidad esperada de por
vida r4 un empleado, , est dado por ().
Para maximizar el beneficio, la empresa representativa paga el mnimo no-eludimiento
salario y ellos fijan el nivel de empleados esto hace que el producto marginal del trabajo
del trabajo ser igual a el salario. As que, la funcin de demanda de las empresas esta
implcitamente dado por
() = (8)
Problema 5.2. Ahora nosotros vamos a caracterizar el equilibrio estacionario del modelo
(i) ser el beneficio de desempleo, derivado de la utilidad esperada de por vida

de un desempleado, , como una funcin de y el valor de un empleado, .
(ii) Usando la expresin para (= ()) y Derivada recientemente, resolver
para. y como funciones de a y el parmetro del modelo. Reescribe la
condicin de no-eludimiento, reemplazando por su valor de equilibrio. Como
los beneficios de desempleados y la probabilidad de encontrar empleo afecta el
mnimo de salario de no-eludimiento?
(iii) N ser el trabajo necesitado. En un equilibrio estable, el flujo dentro del
desempleo y el flujo hacia afuera de este debe ser igual. Usando esta condicin,
resolvemos para la probabilidad de bsqueda de empleo, a, como una funcin
de b, L y N, y sustituir el resultado dentro de la condicin de no-ludimiento y el
calendario de la demanda laboral f(L) = , el dibujo de ambas funciones en el
(w ,L) Plano, y verificar que el equilibro involucra u exceso de oferta de trabajo.
(b)Desempleo en un modelo de equilibrio
Esta seccin est basada en Pissarides (1990), considera una economa en que trabajadores
y empresas buscan para cada una. La poblacin es tiene un continua medida 1 de
homogeneidad, ingreso dado de trabajadores. Ser u la tasa de desempleo ( la fraccin de la
poblacin que est desempleado), y v la tasa de vacantes(el nmero de empleos abierto para
vacante de trabajo disponibles como una fraccin de la poblacin). La tasa instantnea de
igualar entre desempleo y vacantes de trabajo est dada por un funcin de correspondencia
de la forma
= 1 = , = / (1)
As que , la probabilidad instantnea de una vacante abierta ser presentada por
625
Problemas

= (2)

Y la probabilidad instantnea para que un desempleado encuentre un trabajo es

= 1 (3)

Cada empresa consiste de un solo trabajo que puede estar lleno o con vacantes, cuando un
trabajador y una empresa se conocen, ellos forman un acuerdo. Un trabajo ocupado produce
seguido del resultado en una tasa constante y y tiene un instantnea probabilidad s de
desaparecer debido a choques estructurales. Un vacante abierta tiene el consto de c por
instante de tiempo . un desempleado gana beneficios de desempleado a una tasa instantnea
b. El salario, w, es establecida atreves de un proceso de negocin descrito luego.
Problema 5.3.
(i) Deriva una expresin que describe la evolucin de la tasa de desempleo a travs
del tiempo como una funcin de la tasa instantnea de separacin (s) y la
probabilidad de encontrar empleo, 1 . Fija = 0 y resuelve para el equilibrio
estable de la tasa de desempleo como una funcin de la tasa de flujo hacia dentro
y hacia fuera de desempleo (asumiendo constante).
(ii) Sea V el valor de una vacante, j el valor de un trabajo lleno , y r la tasa de
descuento. Tomar en cuenta la probabilidad de transicin relevante y los flojos
de costos y beneficios por un trabajo ocupado y un vacante de trabajo, escribe
las ecuaciones para estos dos activos, J y V. explique su significado. Usando la
dos ecuaciones de tasa-evaluacin (obtener una de la otra), deriva una expresin
para J-V como una funcin de y, c, w, r, y la relevante transicin de probabilidad.
(iii) Sea E y U los valores de un empleado y un desempleado, respectivamente.
Escribe y explique la ecuacin correspondiente a activos-valuacin, y derive la
expresin para E-U.
Salarios se estableces a travs de un proceso de negociacin centralizado entre un sindicato
y empresas. El salario de equilibrio es uno dado por la solucin de negociacin de Nash. Que
es , el valor de w que satisface.
max( ) ( )1

Donde es un ndice del poder de negociacin del trabajador

Problema 5.4. Usando el resultado del problema 5.3, resuelve para el equilibrio de salarios
Problema 5.5. En equilibrio, las nuevas empresa entran hasta que el valor de las vacantes caen
a cero, que es, hasta V = 0.
(i) Usando la ecuacin de valoracin para V y J, muestra esto

= (13)
+
(ii) Usando la ecuacin (13), junto con la expresin para el salario de equilibrio
obtenido en el problema 5.4 y la frmula para el estado estable de la tasa de
desempleo obtenida en el problema 5.3, resolver el equilibrio para el valor de u,
w y .Dibuja el diagrama en el (u,) plano ilustrando la determinacin de
equilibrio.
626
(iii) Cules son los efectos en el equilibrio con tasa de desempleo de un aumento en
el poder de negociacin (), un aumento en el beneficio por desempleo(b), y un
aumento en la probabilidad de choques estructurales (s)?
(c) El comportamiento de la tasa de ahorro en el modelo Cass-Koopmas

Considerando una dinasta de vida infinita cuyo tamao incrementa a travs del tiempo en
una tasa constante de n. La funcin objetivo es ahora de la forma
1
0 (1)
1
Donde = 0 es el tamao de la dinasta, y C es el consumo per-capita.

Los hogares maximizan sujeto a la restriccin presupuestaria
= ()1 (2)
Donde es la tasa de depreciacin, y A crece en una constante tasa de g. Asumiremos que

la condicin
g + > + g (3)
se mantiene, para garantizar el lmite de (1). Siguiendo el mismo procedimiento como antes,
es fcil mostrar que la condicin necesaria para la optimizacin de hogares rinde el sistema
de ecuaciones seguido:
1
= { 1 ( + )} g (4)

= 1 ( + g + ) (5)

Donde c =C/A y Z=K/AL.

Siguiendo Barro y Sala-i-Martin (1995), analizaremos el comportamiento de la tasa de ahorro
en este modelo. El primer paso ser reescribir esto en trminos de la tasa de consumo y el
factor inters.
Problema 5.6 Define las variables

= = 1 (6)

(i)Reescribe el sistema (4)-(5) en trminos de X y R. Resuelve para los valores de estado
estable de X y Z
(ii) Construye un registro de linealizacin del sistema obtenido en (i). calcula el valores
propios de su matriz de coeficientes, y muestra que el estado estable es un punto de silla .
calcula el vector propio asociado con el valor propio negativo, y relaciona la pendiente de la
camino de la silla a el tamao del valor propio negativo. Se ve algo familiar?
Problema5.7 Despus, consideraremos un caso especial. Asumiendo la siguiente restriccin en

los parmetros sostenidos.
627
Problemas
+ + g = ( + + g) (12)
Construye el diagrama de fase para el sistema, y calcula sus valores propios negativos y su
vector propio asociado.
Problema 5.8.
Dejando ahora retornar al caso general del modelo, definido el parmetro por
++g
1 + = (++g) (18)
y perctese que si =0, entonces nosotros estamos en el problema 5.7. Escribe el valor
propio negativo del sistema y el vector propio correspondiente como la funcin de , y
relaciona la pendiente del punto de silla y el signo de Dibuja el diagrama de fase del sistema
para >0 y <0.
(d) Gasto productivo de gobierno en un modelo de crecimiento endgeno
Como en Barro(1990) , un agente representativo con preferencias comunes

1
0 (1)
1
Es dotado con una inicial cantidad de capital 0 y con una tecnologa de produccin de la
forma
= 1 (0 < < 1) (2)
Donde p es proporcionado por servicios pblicos de gobierno. Los ingresos se gravan a un

tasa constante . Asumiendo que no hay depreciacin, La restriccin presupuestaria del flujo
del agente puede ser escrito
= (1 )1 (3)
Problema 5.9
(i) Tomado como dado la trayectoria de tiempo de p, escribir las condiciones
necesarias para solucionar el problema del consumidor. Describe una ecuacin
describiendo la evolucin de consumo a travs del tiempo.
(ii) Asumir que p=, que es, que todos los ingresos tributados son usado para
financiar los servicios pblicos. Sustituyendo la funcin de produccin en la
ltima expresin, resolver para p como una funcin de y k, sustituye el resultado
dentro del flujo de restriccin presupuestaria y la ecuacin de transicin para el
consumo. Llame la tasa de crecimiento de consumo , /, obtenida por este
paso, y sea el coeficiente de k en la ley de comportamiento para k (ambos .y
. Son funciones de y otros parmetros). Ntese que puede ser escrito como
una simple funcin de .
628
(iii) Observe que el consumo crece en una tasa constante exponencial. As que, una
vez que determinemos su nivel inicial, hemos caracterizado todo su camino
.Integrando el flujo de restriccin presupuestaria e imponiendo las condicin
transversal mente, obtendremos

0 = 0 (9)
Usa esta expresin al resolver para 0

Problema 5.10
(i) Sustituir la trayectoria de equilibrio de consumo dentro de la funcin objetivo del
agente para obtener la utilidad como una funcin de (o ),U().Qu condicin
debemos imponer para garantizar que la utilidad est limitada? Asume esta
condicin limitada
(ii) Busca el opimo valor de
Consejo: diferenciar U(). Puedes afirmar la derivada?. Preceder acordadamente. El

resultado se ve correcto?. Explique afirmacin o negacin
(e)Un modelo de endgenas R&D
Retomemos al modelo de producto-variado desarrollado en la seccin 5 (a) el captulo 8.

Como el lector recordar, nosotras tenamos dos sectores en la economa en que el trabajo
fue usado para producir diferenciados componentes que fueron montados en buen consumo
homogneo. En equilibrio, el resultado final fue proporcional a (variable) empleo en buena
produccin y fue un una funcin creciente de la existencia del nmero de componentes
variables. Ms especficos, resultado por trabajador fue dado por el (forma-reducida) funcin
de produccin per-cpita.

= (1)/ (1)

Donde , fue el total de empleo en buena produccin, L fue el (constante) tamao de la

fuerza de trabajo, y el parmetro < 1 Medio la posibilidad de sustitucin de componentes
en la mejor produccin final.
La versin previa del modelo fue esttica. El nmero de equilibrio de los componentes
variables fue determinado por la condicin beneficio-cero y un costo de entrada fijo: las
empresas entran al mercado hasta que sus beneficios operados fueron lo suficiente para pagar
el costo de una cantidad determinada de trabajo requerido para la produccin. Ahora
debemos considerar una versin dinmica de la misma economa en que el cargo de entrada
debe ser pagado solo una vez y ser interpretado como el costo de disear un nuevo producto
intermedio.23 Ms especficamente, asumiremos que planos para nuevos componentes son
desarrollados en un sector R&D que toma el trabajo como una entrada. Tambin
asumiremos que la cantidad de trabajo requerido para producir un plano para un producto
es inversamente proporcional al choque del conocimiento tecnolgico acumulado, resumida
por el nmero de preexistencias variado de productos intermedios.24 Asi que la tasa de
introduccin del nuevo producto esta dad por

= = ( ) (2)

629
Notas
Donde na es el nmero de planos que pueden ser producidos con una unidad de trabajo, y
= ( ) es el total de empleo en R&D. Ecuacin (2) entonces implica que(si la
fraccin de la fuerza de trabajo empleado en R&D permanece constante a travs del tiempo,
como ser de hecho el caso en equilibrio) crecimiento de la produccin esta maneja
exclusivamente por el incremento en eficiencia que resulta de la introduccin de nuevas
variedades. La tasa de progreso tcnico ser determinada por el nivel de empleo en la
actividad de investigacin nuestra tarea principal en esta seccin ser como las variables estn
determinadas
Problema 5.11. Ser conveniente en que lo que sigue a trabajar con la el crecimiento de la tasa
de consumo per-cpita, denotada por g. Asumiendo que el nivel de empleado en una mejor
produccin, , permanece constante a travs del tiempo, resolver para como una
funcin de g, mantenerse alerta lo efectos a escala, que son, razones porque una economa
ms grande( medido por el tamao de la fuerza de trabajo, L) puede ser capaz de crecer
rpido.
Nuestra tarea es determinar cmo los recursos viables son asignaos entre la mejor
produccin e investigacin. Vagamente hablando el nivel de equilibrio de empleo R&D (es
decir, el valor de g) ser determinado por el requerimiento que la decisin de ahorro del
consumidor debe ser compatible con la decisin de inversin de los productores. Porque los
investigadores deben ser pagados por los ahorros de alguien, Los precios de los factores
deben ajustarse para que en equilibrio los consumidores estn dispuestos a financiar el
volumen de inversin que los productores quieren emprender.
Caracterizamos el valor de equilibrio de en trminos de dos relaciones entre la tasa de
inters y el tasa de crecimiento, una implica la maximizacin intertemporal de consumidores,
y el otro el resumen de equilibrio en el sector produccin de la economa. dejemos empezar
por el lado del consumo del modelo. Por un cambio, los hogares sern asumidos para
maximizar la funcin.
1
= 0 (4)
1
Donde . Es consumo del bien final compuesto a tiempo t, sujeto a una restriccin
presupuestaria estndar. La solucin de este problema produce una condicin familiar para
la ptima localizacin del consumo a travs del tiempo.

g==
r = + g (SS)
Donde r es la tasa de inters de merado. As que, la optimizacin del consumidor implica una
relacin positiva ente la tasa de crecimiento del consumo y tasa se inters (ambos en el nivel
individual y en el nivel agregado): Alto crecimiento implica desplazamiento de consumo para
liberar recursos para invertir, y una alta tasa de inters es necesario para proporcionar a los
consumidores el incentivo para posponer consumo. Ponindolo en una ligera manera
diferente, si queremos que los consumidores acepten un perfil de consumo ms pronunciado
(para consumir ms consumo futuro), tenemos que darles un incentivo, para hacer el
consumo futuro ms barato.
Para derivar la segunda relacin entre g y r, necesitamos pensar acerca del incentivo a
investigarse. Ser conveniente para imaginar que esta separacin toma lugar en un sector
R&D separado. Agentes en su rol como proveedores de trabajo tienen la oportunidad ente
tomar un trabajo regular en industrias con salario w , o entrar en el sector investigacin en
630
el caso tardo. En el otro caso, pensaremos que ellos son como iniciadores de una nueva
compaa para cada plano ellos producen y venden sus acciones al precio (v) que se da en el
stock de mercado. En equilibrio, nivel de empleo y ganancias en los sectores de investigacin
y produccin deben ser tales que, en el margen, ningn agente tienen un inventivo para
cambiarse de sector. Si investigacin y manufactura deben coexistir en el equilibrio, las
ganancias netas por unidad de trabajo debe ser la misma en los dos sectores. Esto es, el salario
de equilibrio (w) debe ser igual al valor de mercado del plano que puede ser producida con
una unidad de trabajo (an.)
w = anv (5)
Finalmente, el valor del sector de mercado de una empresa en el sector intermedio ser igual
al valor discontinuo de su flujo de futuros perfiles , que es,

= + (6)
Problema 5.12. usando la ecuacin (5) y (6), juntos con la expresin por equilibrio del factor
precio derivada en la seccin 5(a) del captulo 8 , derivar la siguiente relacin entre tasa de
inters y la tasas de crecimiento del consumo:
(1)
= 1 (II)

Interpretando esta condicin.

Poniendo II y SS horarios juntos, nosotros podemos resolver para los valores de equilibrio
de la tasa de inters y la tasa de crecimiento. Cuando la tasa de inters es menor, R&D
inversin es atractiva, pero ahorro no lo es, mientras que una alta tasa de inters, tenemos
una situacin opuesta. Decisiones de ahorro e inversin sern compatibles solo en la tasa de
inters dada por la interseccin del SS y II horarios, como muestra la figura 13.17.
Problema 5.13 Resolver para los valores de equilibro de g y la fraccin de la fuerza de trabajo
empleada en investigacin ( ) .discute las determinantes de la tasa de crecimiento de
equilibrio y el impacto en ambas variables de un aumento en el tamao de la fuerza de trabajo,
L. considerar tambin lo efectos de fusionando dos economa aisladas en una grande,
integradas por ellas. Algo a cambiado? En qu medida es la respuesta de esta pregunta
sensible a detalles de la especificacin que hemos usado?
631
Notas
SS
r*
II
g* g
Figura 13.17. Determinacin de la tasa de crecimiento en equilibrio
Bibliografa
Abel, A. 1981. Dynamic Effects of Permanent and Temporary Tax Policies in a q

Model of Investment. Journal of Monetary Economics 9:353-73.
Abel, A., and Blanchard, 0.1983. An Intertemporal Equilibrium Model of Saving
and Investment. Econometrica 51(3):675-92.
Arrow, K. 1968. Applications of Control Theory to Economic Growth. In:
Mathematics of Decision Sciences, Part 2, pp. 85-119. Providence, RI:
American Mathematical Society.
Barro, R. 1990. Government Spending in a Simple Model of Endogenous Growth.
Journal of Political Economy 98(5, pt.2):S103-25.
Barro, R., and Sala-i-Martin, X. 1995. Economic Growth. New York: McGraw-Hill.
Blanchard, O., and Fischer, S. 1989. Lectures on Macroeconomics. Massachusetts
Institute of Technology Press.
Cass, D. 1965. Optimum Growth in an Aggregative Model of Capital
Accumulation. Review of Economic Studies 32:223-40.
Diamond, P. 1982. Aggregate Demand Management in Search Equilibrium.
Journal of Political Economy 90:881-94.
Diamond, P. 1984. A Search-Equilibrium Approach to the Micro Foundations of
Macroeconomics. Massachusetts Institute of Technology Press.
Diamond, P., and Fudenberg, D. 1989. Rational Expectations Business Cycles in
Search Equilibrium. Journal of Political Economy 97(3):606-20.
Grossman, G, and Helpman, E. 1991. Innovation and Growth in the Global
Economy. Massachusetts Institute of Technology Press.
Hayashi, F. 1982. Tobin's Marginal q and Average q: A Neoclassical
Interpretation. Econometrica 50(l):213-24.
Koopmans, T. 1965. On the Concept of Optimal Economic Growth. In: The
Econometric Approach to Development Planning. Chicago: Rand McNally.
Lucas, R. 1990. Supply-Side Economics: An Analytical Review. Oxford Economic
Papers 42:293-316.
Mortensen, D. 1986. Job Search and Labor Market Analysis. In: Handbook of
632
Labor Economics, vol. 2, ed. O. Ashenfelter and R. Layard, pp. 849-919.

Amsterdam: Elsevier.
Mulligan, C, and Sala-i-Martin, X. 1991. A Note on the Time-Elimination Method
for Solving Recursive Dynamic Economic Models. NBER technical working
paper no. 116.
Pissarides, C. 1990. Equilibrium Unemployment Theory. London: Blackwell.
Ramsey, F. 1928. A Mathematical Theory of Savings. Economic Journal 38:543-59. Romer,
P. 1990. Endogenous Technological Change. Journal of Political Economy
(October):S71-S102.
Sargent, T. 1987. Dynamic Macroeconomic Theory. Harvard University Press.
Shapiro, G, and Stiglitz, J. 1989. Equilibrium Unemployment as a Worker
Discipline Device. American Economic Review 74:433-44.
Stokey, N, and Lucas, R. 1989. Recursive Methods in Economic Dynamics.
Harvard University Press.
Tobin, J. 1969. A General Equilibrium Approach to Monetary Theory. Journal of
Money, Credit and Banking 1:15-29.
Wolfram, S. 1991. Mathematica. A System for Doing Mathematics by Computer.
Reading, MA: Addison-Wesley
Notas
1 Se puede demostrar que, dadas nuestras suposiciones, nunca ser ptimo para el trabajador
renunciar a un trabajo que ya ha aceptado para buscar un trabajo mejor. Para evitar
complicaciones, simplemente asumiremos que no se le permite dejar de fumar.
2 Como es habitual, esta expresin puede interpretarse directamente como una ecuacin de
valoracin de activos. "Estar desempleado" puede considerarse como un activo que pagar
un dividendo instantneo directo, b, y con una probabilidad instantnea dar la
oportunidad de una ganancia de capital () , debido a un cambio en el estatus de
desempleado a empleado . Dado que este cambio slo tendr lugar cuando se acepte la
oferta, tomamos el mximo de esta cantidad y cero, y como x no se conoce, calculamos la
expectativa. Finalmente, el rendimiento esperado del activo, medido como una fraccin
de su valor, debe ser igual a la tasa de descuento .
3 En el clculo de Hf, hacemos uso del siguiente resultado, conocido como regla de Leibniz.
()
Considere la funcin () = () (, ). Entonces
() (,)
() = () + ()[, ()] ()[, ()]
4 Esta suposicin capta el hecho de que en una economa moderna, la gente rara vez consume gran
parte de lo que produce. Por lo tanto, el consumo requiere el comercio, as como la produccin.
5 La tasa de empleo agregado determina la probabilidad de que un trabajador "empleado" encuentre
un socio comercial durante el perodo, dado por (): Cuanto mayor sea e, ms rpido el agente
puede esperar poder comer. As, el valor de ser empleado aumenta con e. El valor de ser
desempleado depende en parte del valor de ser empleado y por lo tanto es tambin una funcin
de .
6 Desde (8)

()+ () ()+ ( )

c =
+()+( ) +()+( )
y, reordenando trminos,
()

+ ()
Cuando = 0, es la solucin a
633

()

(1)
+( )

Ahora, = 0 es claramente una solucin de esta ecuacin. Para demostrar que no hay otros, note
que

() ( )
( ) +( )
+( )
Y observe que ( ) = 0 para y

( ) = 1+(/( )) < para >
As, las funciones en los dos lados de (1) slo se cruzan en el origen.
7 Otras trayectorias eventualmente violarn alguna condicin de viabilidad o la condicin
de transversalidad para el problema de optimizacin del agente, que requiere que c * sea
limitado y estrictamente positivo para () > 0.
8 Es decir, si la salida neta es dada por (, ), y es la tasa de depreciacin del stock de
capital, tenemos (, ) = (, ) + (1 ).
9 Observe que el stock de capital en rgimen permanente depende nicamente de la funcin de
produccin y de la tasa de preferencia temporal, no en absoluto en la forma de la funcin de
utilidad del perodo.
10 Asumimos que la empresa no usa financiamiento de deuda. En ausencia de impuestos, sin
embargo, la estructura de capital de la empresa no hace ninguna diferencia. Para ver esto, asumir
que la empresa pide prestados dlares b en el momento cero, los utiliza para aumentar el dividendo
actual, y luego paga inters para siempre en la deuda. La ganancia neta para los accionistas de la
operacin es = 0. Cuando consideramos los impuestos, las cosas se ponen ms
confusas.
Tenga en cuenta tambin que no hay garanta de que los dividendos sern positivos en cada perodo.
Los dividendos negativos equivaldran a que los accionistas compraran acciones adicionales de la
empresa con el fin de proporcionar fondos para llevar a cabo los planes de inversin actuales.
11 Recurdese que las primeras derivadas parciales de una funcin linealmente homognea (, )
son homogneas de grado 0. Esto implica que la derivada parcial es una funcin solamente de la
relacin de los dos argumentos, por ejemplo, (, ) = ( , 1) .Para un anlisis de las
funciones homogneas, vase la seccin 5 del captulo 4.
12 En un documento bien conocido, Tobin (1969) anticip este resultado. Conjetur que la empresa
debera seguir invirtiendo mientras que lo que llam "marginal q" (la contribucin marginal de
una unidad de capital instalado al valor de mercado de la empresa, dividido por el precio de los
bienes de inversin) excedido 1.
13 Esta tasa de rendimiento es la suma de dos trminos: La primera es la relacin entre las ganancias
de capital y el dividendo actual, neto de impuestos, al precio del activo, y la segunda captura la
depreciacin y el hecho de que el capital instalado reduce los costos de instalacin.
14 Otro aspecto til de este resultado es que hace que la teora sea potencialmente comprobable, ya
que el valor de mercado de la empresa es una cantidad observable, y K puede, en principio, ser
calculado a partir de informacin contable.
15 Es decir, = [ + (, )] (1 ) (, ) (1 ) (, ) ( ) =
16 Esto requiere slo que ((), 1) > como , lo que parece bastante razonable.
17 En primer lugar, tenga en cuenta que
1
= ( ( ) , 1) = 0

en un estado estacionario, y
1
= = [ + (( ),1)] (( ), 1)) = [ + (( ), 1)] + (( ), 1))

634
Donde la segunda igualdad hace uso del hecho de que [(1 ) ] = (1 ) 2 ).

A continuacin, debido a que la funcin de instalacin es homognea de grado 1, sus derivadas
parciales son homogneos de grado 0, lo que implica
+ = 0 ( ) = ( )
As, podemos escribir
(1 )
= [ + (( ), 1)] = [ + (( ), 1)] ( , 1)

Haciendo uso de la condicin para la inversin ptima, (1 ) = (, 1).Por la homogeneidad

lineal de la funcin de instalacin, (, 1)( ) + (, 1) = (, 1), lo que implica

| = + (( ), 1) =

porque en un estado estacionario, (( ), 1) =

18 Con una perfecta previsin, las discontinuidades futuras en la trayectoria temporal de los precios
de los activos son incompatibles con el equilibrio. Si tales discontinuidades existieran, los agentes
anticiparan ganancias o prdidas de capital muy grandes en algn momento en el futuro y
actuaran ahora para aprovecharlas o evitarlas. Estas acciones, sin embargo, traeran el cambio de
precio al presente. En el momento del anuncio, por ejemplo, los agentes sabrn que los precios
de las acciones caern en el momento T, si no antes. Para evitar tales prdidas, los agentes vertern
sus existencias ahora, causando una cada inmediata en el "precio de las acciones" q. As, la
trayectoria debe ser continua, excepto posiblemente en el momento del anuncio, cuando los
accionistas sorprendidos no podrn evitar prdidas de capital inesperadas. Vea la Seccin 2 en el
Captulo 11.
19 El lector debe comprobar que esta es la nica forma funcional para la cual el modelo tiene un
camino de crecimiento equilibrado cuando hay progreso tcnico.
20 Vase la seccin 5 del captulo 9 para una discusin de la solucin de ecuaciones diferenciales
lineales no autnomas.
21 Obsrvese que esta derivada en estado estacionario tambin se puede calcular usando (22 ') y (23').
La expresin resultante puede utilizarse, junto con (35), para resolver ( , ).
22 Ver Mulligan y Sala-i-Martin (1991), Simmons (1972), o algn otro libro de texto sobre ecuaciones
diferenciales.
23 Esta seccin se basa en la obra de Grossman y Helpman (1991) y Romer (1990).
24 Sin esta suposicin, la innovacin terminara con una poblacin fija, debido a un efecto de
saturacin del mercado; Como sabemos, el beneficio es una funcin decreciente del nmero de
competidores existentes.
635
Captulo 1
Captulo 1
Problema 2.2. Probar la siguiente equivalencia (X es el conjunto universal):
(~) =
= (~) (~) = [(~) ] (~)
~ = [(~) (~)] [ (~)]
~ = ~( )
~ = ~( )
=
Vase la figura A. 1.1.

Problema 2.3 probar la segunda ley De Morgan: Sea = { , } una familia de
conjuntos en . Luego ( ) = ( ).
~( ) ( , )
. . . . ~
(~ )
Problema 2.8. La siguiente modificacin del principio de induccin a veces es til: Sea P
una propiedad de los nmeros naturales (o enteros positivos) pueda o no tener. Si
(i) (0) es vlido y

(ii) si P es valido para todos los elementos = 0,1, , 1, luego tambin
es valido para n.
Entonces P tiene para todos los nmeros naturales. Demuestre este resultado.
Sea el conjunto de enteros no negativos para los cuales () es falso. Supongamos que
no est vaco. Entonces, por el principio del buen orden, este sistema tiene un elemento ms
pequeo llamaremos 0 . Por (), 0 0, y porque 0 es el menor elemento de , () para
todo 0 < 0 . Por (), (0 ) es cierto, lo que implica que 0 , una contradiccin
Problema 2.9. Utilice el principio de induccin modificado para probar que cualquier nmero
entero mayor que 1 es un nmero primo (no tiene divisores enteros distintos de 1) o el
producto de los nmeros primos.
El resultado se mantiene trivialmente para 2. Supongamos que se cumple para todo entero
donde 1 < < . Tenemos que demostrar que esto implica que el resultado se cumple
tambin para cada con 1 < < + 1. Hay dos posibilidades: () es primo, en cuyo caso
no hay problema, o () no es un nmero primo. Pero si no es primo, tiene un divisor
< , y tenemos = , donde c es tambin entre 1 y . Por lo tanto,1 < , < , as
ambos nmeros son, por hiptesis, primos o productos de nmeros primos, y por lo tanto
es = .
636
Apndice: Solucin
Conjuntosa los problemas
Q
P
Figura A1.1
Problema 4.4. Explique por qu la inclusin slo funciona en una direccin en la segunda parte
del Teorema 4.3, pero en ambas direcciones en la primera parte.
(i) Dar un ejemplo en el que ( ) es estrictamente mayor que ( ).

(ii) Probar que si es uno-a-uno, entonces ( ) = ( )
La prueba que ( ) () tambin siguen:

( ) . , () =
, . . ( ) = . . , = )
, ( ) ( )
La segunda implicacin es la nica que va solo en una direccin. Si existe algn x que
pertenece a todos los simultneamente y tienen cierta propiedad, debe ser verdad que
cada contiene al menos un elemento (dado por x) con la propiedad deseada. Por el
contrario no necesariamente es verdad: an si cada contiene un apropiado , no sigue
que ninguno de los puntos est en las intersecciones de los , como cada x puede ser
diferente, y es posible que por cada uno de los i podra tener () para cada
De todos modos, si la funcin es uno a uno, entonces tiene una imagen inversa nica,
implicando que todos los son lo mismo. Es ese caso, la implicacin conversa tambin
se sostiene.
La prueba que 1 ( ) = 1 ( ), en la otra mano, es de la forma:
1 ( ) ()
, ()
637
Captulo
Conjuntos1
, 1 ( )
1 ( )
En este caso, todas las implicaciones van en ambas direcciones. En particular, dado que ()
es un solo elemento (no es generalmente el caso para las imgenes inversas) si () para
todo elemento , entonces () y viceversa.
Considere la funcin () = 2 , definida en el intervalo [-1,1]. Entonces tenemos
([1,0] [0,1]) = (0) = 0 y (1,0) ([0,1]) = [0,1]
Problema 4.5. Dado x y 2 resultados de X,A y A2 y 2 subconjuntos de Y,B muestran que:

(i) 1 (~ ) = ~ 1 ( ),
(ii) 1 ( ~2 ) = 1 ( )~ 1 (2 ),y
(iii) Si es biyectiva, entonces
(~ ) = ~( ) ( ~2 ) = (1 )~(2 )
Qu podemos decir si / no es bijective?
(i) 1 (~1 ) () 1 1 (1 ) ~ 1 (1 )
(ii) 1 (1 ~2 ) = 1 [1 (~2 )] = 1 (1 ) 1 (~2 ) = 1 (1 )
[~ 1 (2 )] = 1 (1 )~ 1 (2 )
(iii) (~1 ) 0 (~1 ). . = (0 )( / )
~(1 )
f(x)= x2
-1 1
Figura A1.2.
Si es uno-a-uno, 0 es la nica imagen inversa de y (es decir, no hay ninguna otra x con y
como una imagen). Por lo tanto, para todo 1 , () , y se sigue que ~(1 ).
Ntese, sin embargo, que el argumento requiere que / sea uno-a-uno. Si eso no fuera as, y
638
Apndice: Solucin a los problemas
Conjuntos
podra tener varias preimgenes, y entonces podra ser un elemento de ambos

(~1 ) (1 ).
~(1 ) 1 . . = ()( sobre) ~1 . .

= () (~1 )
Si / est sobre, cada y tendr alguna pre imagen; Si no pertenece a 1 , mentira en

~1 implicando que (~1 ).Si y no est en, sin embargo, y puede no tener pre imagen.
Si / es bijectiva, tenemos, usando el Problema 4.4 y la condicin (iii)
(1 ~2 ) = [1 (~2 )] = (1 ) (~2 )
= (1 ) (~(2 )) = (1 )~(2 )
Si / no es bijectiva, tenemos (1 ) (~2 ) [1 (~2 )] = (1 ~2 ).
Problema 4.6. Sea una funcin de a , con un subconjunto de , y un subconjunto

de . Entonces
[ 1 ()] y 1 [()]
Cundo los dos conjuntos no son iguales entre s?
Algunos elementos de B pueden no tener preimgenes. Por lo tanto, cuando "vamos" a
1 () y "volvemos", podemos perder algunos elementos. De manera similar, hay
elementos de () que pueden tener preimgenes fuera de ; Por lo tanto, cuando vamos
a () y volvemos, podemos recoger algunos elementos adicionales.
Problema 5.3. Sea "" una ley de composicin interna sobre que satisfaga la propiedad
asociativa y est dotada de un elemento de identidad. Probar que si y tienen elementos
simtricos y , entonces el elemento simtrico de es .
( ) ( ) = ( ) = = =
Problema 5.4. Sea un conjunto arbitrario, y {,} un grupo. Demuestre que el conjunto de
funciones de en , dotado de la operacin definida por la composicin de las imgenes,
es decir,
, ( )() = () ()
es un grupo.
Dado que () y () son elementos de , su composicin tambin lo es, lo que

implica que el conjunto de funciones de a se cierra bajo " ". Por la misma razn, este
conjunto hereda la propiedad asociativa de {,} El elemento de identidad es la funcin dada
por () = para todo en , y el elemento simtrico de una funcin es la funcin
, definida por () = [ ()] para cada en .
Problema 5.5. Demuestre que la interseccin de subgrupos de es un subgrupo de .
639
Conjuntos
Captulo 1
Sea { ; , } una familia de subconjuntos de tal que { , } es un grupo para

cada . Debido a que es asociativo en , lo seguir siendo para cualquier subconjunto
de , incluyendo . Por supuesto, cada{ , }es un subgrupo, lo que implica que el
elemento de identidad pertenece a cada uno y todos los s y por lo tanto a . A
continuacin, porque cada se cierra en , si tomamos dos puntos, y , en
tendremos , para todo , lo que implica que . Finalmente, cada
en tiene un elemento simtrico en ; Por lo tanto, si para todo , tambin
lo hace , y por lo tanto es cierto que todo en tiene un elemento simtrico tambin
en .
Problema 5.9. Probar el Teorema 5.8: Sea un espacio vectorial sobre un campo , y sea
un subconjunto no vaco de . Entonces es un subespacio vectorial de si y slo si
, y , , tenemos + (1)
Es evidente que hereda las propiedades manipuladoras de adicin vectorial y multiplicacin

por un escalar que se mantienen en todo . Con = = 1, la ecuacin (1) implica que
se cierra bajo la adicin vectorial, y tambin (con = 0 ) que el producto de cualquier
elemento de y un escalar es un elemento de . Con = = 0, tenemos 0 + 0 =
0 + 0 = 0 , y = 1 y = 0 implica (1) + 0 = + 0 = , de
donde se concluye que el elemento simtrico de est tambin en .
Problema 6.1. Demuestre que no existe un nmero racional = / (donde y son

nmeros enteros sin divisores comunes) tales que 2 = 2.
Supongamos que esto no es cierto, es decir, 2 / 2 = 2. Entonces 2 = 2 2 , y 2 es

un nmero par. Debido a que el cuadrado de un nmero impar es impar [si = (2 +
1), 2 = 42 + 2 + 1 = 2 (22 + ) + 1, tambin impar], debe ser que
mismo es par, y por lo tanto tenemos = 2 para cierto entero . Pero entonces
2 = 2 2 4 2 = 2 2 2 = 2 2
Y es tambin par. Por lo tanto, 2 es un divisor comn de y , lo que contradice nuestras

suposiciones.
Problema 6.5. Sea , y nmeros reales arbitrarios. Utilizando los axiomas de orden,
muestre que las siguientes afirmaciones son verdaderas:
() ( y ) + +
()
() + + , y + + , de donde +
+ +
()Agregar a ambos lados.
Problema 6.11 Pruebe el teorema 6.10: el conjunto de nmeros naturales no es limitado

por encima ( es decir, para cualquier , existe un numero natural tal que > ).
640
Conjuntos
Si el resultado es falso, existe un nmero real que es un lmite superior de . Entonces,

por la propiedad suprema, N tiene un superior, . Debido a que es el menor limite superior
de , 1 no es un limite superior, y existe un entero positivo tal que > 1.por lo
tanto < + 1 sino porque + 1es un entero positivo, esto contradice el hecho de que
es un limite superior de .
Problema 6.13. Sea conjuntos no vacos de nmeros reales , ambos por encima ; y sea
el conjunto
= { = + ; , }
Demostrar que C tiene un supremo dado por
sup = sup + sup
Sea = sup = sup . Para cada , tenemos = + , donde

. Porque y , tenemos
, = + + (1)
Lo que implica que + es un limite superior de . Por lo tanto, est limitado por
encima y por la propiedad suprema tiene un supremo que llamaremos , con la propiedad
que + . Queda por demostrar la desigualdad inversa para demostrar que =
+ . Fijar un > 0 arbitrario. Porque ningn nmero ms pequeo que el supremo es
un superior, existen nmeros tales que
> y >
Aadiendo estas desigualdades,
+ 2 < + =
Y dado que esto debe ser vlido para cualquier > 0, concluimos que + por el
teorema 2.4
Problema 6.14 Demuestre que un conjunto no vaco de nmeros reales es un intervalo si

y slo si cuando y estn en , cualquier nmero real tal que < < se encuentre
tambin en .
La primera parte es obvia por la definicin de intervalo. Por el contrario, sea un conjunto
con la propiedad deseada, y definir
= inf ( = )
= sup ( = )
Vamos a mostrar que (, ) [, ], donde interpretamos (, )como el conjunto
vaco si = . Claramente, si esta cadena de inclusiones
Captulo 1 puede ser establecida, slo puede
ser un intervalo.
En primer lugar, observe que [, ] sigue la definicin de . Queda por demostrar

que (, ) . Para esto, sea un punto arbitrario en (, ). Entonces > , y por la
definicin de existe un punto en con < (de lo contrario sera un lmite inferior
641
Conjuntos1
Captulo
para , y no podra ser el menor). Similarmente, < , y esto implica que existe un punto
en con > . Por lo tanto tenemos < < , donde tanto como estn en , y
se sigue que . Debido a que era un punto arbitrario de (, ), hemos demostrado
que (, ) .
Problema 6.15. Demuestre que si 0, entonces || si y solo si . Debido

a que || = o || = , tenemos || ||. Si asumimos || ,tenemos
|| || . Por el contrario, si , entonces
Si 0, entonces || = y
Si < 0, entonces || = (porque ).
Entonces, en cualquier evento, || .
Problema 6.17 Dados los nmeros reales , = 1,2, , muestre lo siguiente:
(i) | =1 = | < =1 | | (por induccin usando el tringulo de desigualdad)

(ii) | | < | | + | | (buscando una adecuada sustitucin en el tringulo
de desigualdad)
(i) Sabemos que el resultado se cumple para = 2, ya que entonces se reduce a la

desigualdad triangular. Supongamos que el resultado se cumple para ; Entonces
tambin mantendr para + 1, porque
+1
| | = |( ) + +1 | | | + |+1 |
=1 =1 =1
+1
| | + |+1 | = | |
=1 =1
Donde la primera desigualdad se mantiene por la desigualdad triangular, y la segunda por

El supuesto de que la propiedad es vlida para .
(ii) Sea = e = en la desigualdad triangular, | + | || + || .
642
Captulo 2
Problema 1.7. La desigualdad de Cauchy-Schwarz-Bunyakovsky. Sea f y g funciones
continas[, ] . Adapte la demostracin de la desigualdad de Cauchy-Schwarz para
establecer el siguiente anlogo para integrales
2
( ()()) ( [()]2 ) ( [()]2 )

Idntica a la del texto, con

= ()()/ [()]2

Problema 1.8. Una alternativa a la norma Euclidiana en est dado por la norma sup,
definida para cualquier por el valor absoluto de su componente ms largo.
= max {| |; i = 1,2, , n}
Demuestre que : es una norma.
La nica cosa que no es obvia es que satisface la desigualdad triangular. Para demostrar
que lo hace usamos la desigualdad triangular para nmeros reales. Dados tres puntos , y
en , para cada i = 1,2, , n,
| | = |( ) + ( )| | | + | | +
Por lo tanto,
Problema 1.9. Demuestre que . y la Norma euclidiana . son Lipschitz-equivalentes

normas probando que para cualquier n vector, .

= max | | = max ( )2 ( )2 =
=1

= ( )2 (max | |)2 = max | | =
=1
Problema 1.11. Dado que es mtrico.

Sea = (, ), = (, ) y = (, ) puntos arbitrarios en , y sea definida
por
[ (, )]2 = [1 (, )]2 +[2 (, )]2 (1)
Queremos comprobar que la desigualdad triangular se cumple para , es decir, que
(, ) (, ) + (, ) (2)
O, equivalentemente, que
643
Capitulo 2
[ (, )]2 [ (, ) + (, )]2 = [ (, )]2 + [ (, )]2 + 2 (, ) (, )

(2)
Porque la desigualdad triangular cumple para ambos 1 y 2 , tenemos
[ (, )]2 = [1 (, )]2 + [2 (, )]2
[1 (, ) + 1 (, )]2 + [2 (, ) + 2 (, )]2
= [1 (, )2 + 2 (, )2 ] + [1 (, )2 + 2 (, )2 ]
+2[1 (, )1 (, )+2 (, )2 (, )]
= (, )2 + (, )2 + 2[1 (, )1 (, ) + 2 (, )2 (, )]
(3)
Aplicando la desigualdad de Cauchy-Schwarz a la expresin dentro del parntesis en el

ltimo trmino de (3), tenemos
1 (, )1 (, ) + 2 (, )2 (, )
1 (, )2 + 2 (, )2 1 (, )2 2 (, )2
= (, ) (, )(4)
Usando (4) en (3), obtenemos el resultado deseado:

[ (, )]2 [ (, )]2 + [ (, )]2 + 2 (, ) (, ) = [ (, ) + (, )]2
Problema 1.13. Probar que la unin de cualquier coleccin finita de conjuntos limitados est
limitada. (probar para dos conjuntos; el resultado sigue por induccin. Dibujar una
imagen.)
Sean 1 y2 conjuntos acotados en un espacio mtrico(, ), y sea 1 2 en y 1 y 2 en

tal que ( , ) para todo (esos nmeros existen por el lmite de 1 y2 .
Sea = 1 , y = max{1 , 2 + (1 , 2 )}. Entonces para cada 1 2 , bien
(i) 1 y (, ) = (, 1 ) 1 , o
(ii) 2 y (, ) = (, 1 ) (, 2 ) + (2 , 1 ) 2 + (1 , 2)
Por lo tanto 1 2 est contenido en ().
Problema 1.14. Usando la desigualdad triangular, mostrar que para cualquier , y en un

espacio vectorial normado, las siguientes son verdaderas:
() y () +
(i) = ( ) + +
(ii) ( ) + ( ) +
Problema 1.15. Demuestre que el conjunto de sucesin reales acotadas es un espacio mtrico,
con la norma definida por (, ) = | |.
644
Una vez ms, solamente necesitamos comprobar la desigualdad triangular:
(, ) = | | = |( ) + ( )|
{| | + | |}
| | + | | = (, ) + (, )
La primera desigualdad se cumple por la desigualdad triangular para nmeros reales, y la
segunda se cumple porque tomar suprema por separado para | | y | | puede
permitirnos hacer mejor, pero nunca peor, que tomar un supremo nico para la suma.
Problema 1.16. Sea (2 , 2 ) un espacio mtrico, 1 un conjunto, y : 1 2una funcin

uno a uno. Definir una funcin 1 ( ) por
1 (, ) = 2 [(), ()], 1
Demuestre que(1 , 1 ) es un espacio mtrico.
Primero, 1 (, ) = 2 [(), ()] 0, con igualdad si y solo si() = (). Porque

es una a uno, () = () si y solo si = .
1 (, ) = 2 [(), ()] = 2 [(), ()] = 1 (, )
1 (, ) = 2 [(), ()] 2 [(), ()] + 2 [(), ()]

= 1 (, ) + 1 (, )
Problema 1.17. Dar un ejemplo de dos conjuntos y en un espacio mtrico tal que
= , pero (, ) = 0
Los intervalos (, )y (, ), con < < , en la lnea real con la mtrica usual.
Problema 1.18. Probar que el conjunto [, ]de funciones reales continuas definidas en el
intervalo [, ] es un espacio mtrico cuando la distancia entre dos funciones y est
definida por
(, ) = |() ()|
[,]
Verificamos que la desigualdad triangular se mantiene:
(, ) = |() ()| = |[() ()] + [() ()]|

[,] [,]
{|() ()| + |() ()|}

[,]
|() ()| + |() ()|
[,] [,]
= (, ) + (, )
Problema 1,19. Demostrar que la siguiente desigualdad es vlida para cualquier :
: =1| |
Asumir que = 2. Entonces tenemos
645
Capitulo 2
(|1 | + |2 |)2 = |1 |2 + |2 |2 + 2|1 ||2 | |1 |2 + |2 |2 = 1 2 + 2 2

Y tomando la raz cuadrada en esta expresin,
|1 | + |2 | 1 2 + 2 2 =
Para > 2, procedemos por induccin. Dejar que +1, dividir = (, ) con
y = +1 , y asumir que

= 2 | |
=1 =1
Entonces tenemos
+1
2 = 2 = 2 + 2 = 2 + ||2
=1 =1
2 + ||2 + 2 || = (|| + )2
Tomando la raz cuadrada de esta expresin, usando (1), y recordando que = +1,
tenemos
+1
+ || | | + || = | | + |+1 | = | |
=1 =1 =1
Que es el resultado deseado.

Problema 2.2. Usando la definicin formal de lmite, mostrar que
1 1 2 + 2 1
() lim = 0 () lim =0 () lim =
32 + 4 3
Imagine que se da algn arbitrario pequeo. Debe producir un entero positivo tal que
(i) Arreglar algo arbitrario pequeo . Queremos encontrar algn () tal que para todo
> ()
1 1
| 0| = <

Claramente, esta desigualdad se cumple para > 1/, por lo que es suficiente elegir
() = 1/
(ii) De la misma manera,
1 1 1 1
| 0| = < > 2 , () = 2

(iii)
2 + 2 1 2 + 2 1 3(2 + 2) (32 + 4) 2
| 2
| = 2
= 2
= <
3 + 4 3 3 + 4 3 3(3 + 4) 3(32 + 4)
646
2 2 4 2 4
32 + 4 > 2 > >
3 9 3 9 3
(para suficientemente pequeo, el lado derecho es positive, de otra manera la penltima

desigualdad es siempre verdadera)
Problema2.4. Sea { } una sucesin convergente con lmite . Mostrar que toda subsucesin
de { } converge a .
Asumir { } , y sea () una funcin creciente de . Queremos demostrar que

cualquier subsucesin {() } de { } converge a . Porque { } , tenemos
> 0, () > () ( , ) <
Porque ( ) es estrictamente creciente, () > para todo (por induccin). Por lo tanto,
dado algn > 0, > () implica () > (), por lo tanto
(() , ) <
El resultado es intuitivamente obvio: si par todo con > () estn a una distancia
de , el mismo es verdadero para todo () , siempre que () > (), puesto que ( ) es
creciente, estos trminos estn ms lejos en la sucesin.
Problema 3.4. Queremos mostrar que cada secuencia real { }contenida en [, ] tiene una
subsucesin que converge a un punto x en el intervalo. Porque es{ }
El teorema de Bolzano-Weierstrass asegura que tiene una
subsucesin convergente. Supongamos que el lmite de esta subsucesin est fuera
[, ] (por ejemplo, > ). Demuestre que esto conduce a una contradiccin. (Primero,
dibuje una imagen.)
Intuitivamente, si > , entonces cuando se acerca suficientemente a la secuencia debe
Dejar el intervalo. Formalmente, supongamos { } > . Entonces existe algn tal
ese
> => | | = <
Pero entonces > para todo > , lo que contradice la suposicin de que < para
todo .

Problema 3.9. Demuestre el teorema 3.8: Sea { } una sucesin de nmeros reales positivos.
Entonces { } si y slo si {1 } 0. Para demostrar que {1 } 0, fije arbitraria
> 0. Debido a que { } , sabemos
Que existe N tal que > > 1 . As, 0 < 1/ < . Para todo >
Por el contrario, el mismo argumento funcionar a la inversa.

Problema 3.11. Convergencia en espacio producto. Dado (X, 1 ) y (Y,2 ) su espacio mtrico
y considerar el espacio producto (Z=X x Y, ), con el producto mtrico
(Z,Z)= {(x,y),(x,y)}= [ 1 (x, x )]2 , [2 (, )]2 (1)
647
Capitulo 2
Mostrar que la sucesin { }={( , )} convergen a Z = (, ) en (Z=X x Y, ) si y

solo si { } converge a en (X,d) y { } converge a en (Y,d).
. () Primero, asume { }Z, y fija algn >0. Porque { } Z existe algn N tal que
( , )< para todo n>N. entonces.
n>N ( , )=[ 1 ( , )]2 , [2 ( , )]2<
Ahora entonces observe
1 ( , )=[ 1 ( , )]2 [ 1 ( , )]2 , [2 ( , )]2 = ( , )
Y por un argumento similar, 2 (, ) ( , ). De ah, por n>N tenemos
1 ( , )< y 2 ( , )<
Que es, los espacios convergentes { } y { } converge a x y y, respectivamente, en los

espacios originales.
.() ahora asume { } en (X, 1 ) y { }y en (Y,2 ), y fijo algn > 0.
Por la convergencia de estas sucesiones, existen enteros 1 y 2 tal que:
n>1 1 ( , )< /2 y en n>2 2 ( , )< /2 (1)
Si nosotros definimos N=max{1 , 2 }, (1) fijos para amabas sucesiones, a condicin de

que n>N. nosotros tenemos, que,
2 2
( , )=[ 1 ( , )]2 , [2 ( , )]2< = n>N
2
Por lo tanto, { }Z en (X x Y, ), como fue mostrado.
Problema 3.15. Demuestre el teorema 3.13: Sea a un nmero real, y considere la

Sucesin { }. Como n, tenemos lo siguiente: (i) Si ||<1, entonces { }0. (ii) si
a> 1, entonces { } .(iii) Si a - 1, entonces { } divergen.
Suponga ||<1. y a = 0, entonces el resultado es inmediato; de lo contrario podemos escribir
|| = 1 / (1 + x) para algunos x> 0. Por la desigualdad de Bernoulli, (1 + x) 1 + nx, y
por lo tanto
1 1
| 0|=||= <
(1 + x)
1
Por ltimo, fija algn e> 0, y observar que n >
Si a> 1, podemos escribir a = 1 + x para algunos x> 0. Luego

= (1 + x) 1 + nx>nx
Dado cualquier B> 0, tenemos >nx>B para todo n > B/X.

648
Problema 4.4. Demuestre el teorema 4.3: (i) y X estn cerrados en . (ii) La interseccin
de una coleccin arbitraria de conjuntos cerrados es cerrado, (iii) La unin de una familia
finita de conjuntos cerrados es cerrado.
(i) Como est abierto, su complemento est cerrado, y viceversa,

(ii) y (iii) la prueba es casi inmediata usando las leyes de De Morgan:
~( ) = (~ ) ~( ) = (~ )
Considere la unin de un nmero finito de conjuntos cerrados, =1 . Por definicin, el

complemento de cada est abierto, y por lo tanto es la interseccin

(~ ) = ~ ( )
=1 =1
De ah su complemento,=1 est cerrado. Un argumento similar puede utilizarse para

probar (iii).
Problema 4.7. Demuestre que : = (~)

Elija un punto lmite arbitrario de A, . Por definicin, cualquier bola abierta
alrededor de intersectando tanto como ~. Por lo tanto, un punto lmite de es un
cierre punto de y ~ , y se sigue que (~)
Sea un punto arbitrario en (~). Debido a que y es un punto de cierre de
tanto como ~ , tenemos, por definicin, que para cualquier > 0,
( ) ( ) (~)
Por lo tanto, cualquier punto y en (~) es un punto lmite de A, es decir,

(~)
Problema 4.9. Demostrar las partes (iii) y (iv) del teorema 4.8:
(iii) es el conjunto cerrado ms pequeo que contiene A.
(iv) A est cerrado si y slo si = .
Primero, mostramos que est cerrado. Resulta evidente de las definiciones que el
interior, exterior y lmite de un conjunto son conjuntos disjuntos, y
= , = , = (~ )
Por lo tanto,
= ~() = ~(~ ), as ~() = (~ )
Y porque interior est abierto, as es ~().
A continuacin, mostramos que cl es el conjunto cerrado ms pequeo que contiene .
Sea B un cerrado que contiene . Entonces ~ est abierto, y porque BA, tenemos ~
~ , es decir, ~B es un conjunto abierto contenido en ~. Ahora (~ )es el subconjunto
abierto ms grande de ~ ; se deduce que (~ ) ~. Por otra parte, sabemos que
(~ ) = ~(), desde donde ~() ~; Esto, a su vez, implica B . Por lo
tanto, cualquier conjunto cerrado B que contiene tambin contiene .
Dado esto, es obvio que si est cerrado, el conjunto cerrado ms pequeo que contiene
es en s. Y si = , entonces est cerrado, porque est cerrado.
649
Capitulo 2
Problema 4.14. Demuestre que en un espacio mtrico la bola cerrada [ ]es un conjunto
cerrado.
(Tome un punto lmite a de [ ]y considere una secuencia arbitraria { }en [ ]con
lmite . Utilice la desigualdad del tringulo para mostrar que debe estar en [ ].) Sea
un punto lmite arbitrario de [ ]. Vamos a demostrar que [ ]. Por el
definicin de punto lmite, existe una secuencia { } en [ ]que converge a . Como
[ ], tenemos ( , ) para todo. Usando la desigualdad del tringulo
(, ) (, ) + ( , ) (, ) +
Dado que { } , (, ) 0, y tomando lmites, (, ) , [ ]contiene todos

sus puntos lmite y por lo tanto est cerrado.
Problema 4.15. Sea B un conjunto no vaco de nmeros reales acotados arriba. Dejar =
. Muestre que . Observe que esto implica que si B est cerrado. Si ,
entonces . Suponga .Then para cada > 0existe algn punto tal que
< < , porque de otro modo sera un lmite superior de B menor que , y no
podra ser el superior. As, es un punto lmite de B, y por lo tanto .
Problema 4.16. Sea un conjunto en un espacio mtrico (, ). Muestre que si est cerrado
y , entonces (, ) > 0. Probaremos la afirmacin contrapositiva: Sea un
conjunto cerrado y un punto tal que (, ) = 0. Entonces . Como (, ) = 0,
para cualquier > 0existe dado existe algn punto tal que (, ) < . Que es,
() para cada > 0. Por lo tanto, o bien (si = ) o es un punto lmite
de (de lo contrario). Porque est cerrado (y por lo tanto contiene todos sus puntos
lmite), en cualquier caso.
Problema 5.6. Utilice la definicin del lmite de una funcin para demostrar que si
0 () = y 0 () =

entonces 0 [ () + () ] = + . Probar el mismo resultado usando el anlogo

teorema de los lmites de las secuencias.
(i) Prueba directa: Fijar algn > 0. Debido a que tiene el lmite y tiene el lmite
bcomo 0 , podemos encontrar nmeros positivos y tales que

|() | < siempre que | 0 | < y
2

|() | < siempre que | 0 | <
2
ponga = ( , ). Entonces para todo x tal que | 0 | < , tenemos
| [ () + () ] ( + )| = |[ () ] + [ () ]|
|() | |() | <
que muestra que 0[ () + () ] = + .

(ii) Debido a que 0 () = y () = , debemos tener {( )} y

0
{( )} para cualquier secuencia { } con { } 0 y * 0 para todo
650
n (Teorema 5.2, necesario). Por el teorema 3.6, {() + (} + para

cualquier secuencia, implicando
i.
[ () + () ] = +
0
Por el teorema 5.2 (suficiente).
Problema 6.2. Preservacin del signo. Sea una funcin continua de un espacio mtrico
(, )a , con la mtrica habitual. Probar (directamente) que el conjunto { ; () >
0}est abierto. Intuitivamente, este resultado dice que una funcin continua que es
estrictamente positivo (o negativo) en un punto mantendr su signo dentro de una pequea
bola alrededor del punto original.
Sea x tal que () > 0. Por la continuidad de para todo > 0 existe > 0 tal que
|() ()| < ()
En particular, si elegimos = ()/2 , la continuidad asegura que podemos encontrar

algunos > 0 tal que para y ()
() () < ()/2 () > ()/2 > 0
Por lo tanto, 1 (0, )est abierto.

La rigurosidad del signo de una funcin real-continua valorada a pequea perturbaciones
de sus argumentos es una propiedad que usaremos muy a menudo.

Problema 6.5. Sea : una funcin definida por () = 1 para racional y por
() = 0 para irracional. Demuestre que es discontinua en todas partes. (Recordar que
cualquier intervalo en la lnea real contiene nmeros racionales e irracionales.)
Elija un punto arbitrario 0 en , y < 1. Entonces, para cualquier > 0, el intervalo
( 0 , 0 + )contiene nmeros racionales e irracionales y, en particular, algunos del
tipo opuesto a 0 . Para este , tenemos |( 0 ) ()| = 1
Problema 6.6. Dada una funcin : definir : 2 por () =

(, ()).Utilice la caracterizacin secuencial de continuidad para demostrar que si
escontinua en algn punto 0 , entonces tambin lo es .
Consideremos una secuencia arbitraria { } convergente a 0 . Debido a que es continua,

{( ), } ( 0 ). Entonces
{( )} = {( , ( ))} (, ( 0 )) = ( 0 )
Por lo que g es continua 0 .

Problema 6.7. Consideremos el espacio euclidiano de dimensin finita . Para cualquier

{1,2, }la -sima proyeccin mapeada, : est definida para =
{1 , , }por () = . Demuestra que ( ) es una funcin continua.
Sea = (1 , , ) y = (1 , , ) son puntos en .Para cada = 1, . . , tenemos
651
Capitulo 2
| () ()| = | | = ( )2 =1( )2 = (, ) (1)
Para establecer la continuidad, tenemos que demostrar que para cualquier > 0, existe un
> 0tal que (, ) < implica | () ()| < .Por (1), basta con tomar =
Problema 6.8. Demostrar que en cualquier espacio vectorial normado (, )la norma es una
funcin continua de a .
Sabemos (Problema 1.14) que = . Invirtiendo los roles de
y , tenemos = , y por tanto || || .
Utilizando el mismo argumento que en el problema anterior, la continuidad sigue
directamente.
Problema 6.9. Probar que si es una funcin continua, entonces para cualquier conjunto A,
() [()].
Queremos demostrar que si (), entonces tambin pertenece a (), es decir,
para cualquier > 0, () () . Toma un arbitrario (), y fija
algn > 0.
Como (), tenemos = () para algunos , es decir,
> 0, () (1)
Por la continuidad de podemos elegir () tal que [ ()] (())

Debido a que (1) contina mantenindose para este (), () A, no est vaca, y
Por lo tanto tampoco es su imagen, [ () A]. Usando el teorema 4.3 en el captulo 1
[ () A] [ ()] () ( ()) ()
As que ( ()) () , que es lo que queramos mostrar.
Problema 6.11. Sea y Funciones , y asumir que es continua en 0 y eso ()

0 como . Dado que lim )[()] = ( 0 ).
Corregir un error arbitrario > 0. Por la continuidad de a 0 , Existe alguna > 0 Tal
que
|() ( 0 )| < y s.th. | 0 | < (1)
Porque () 0 como , Podemos encontrar algn nmero ( ) tal que
|() 0 | < > ( )
Para cualquier > ( ) Tenemos entonces, |() 0 | < , y por lo

tanto|[()] ( 0 )| < , por (1). Es decir [()] ( 0 ) como .

652
Problema 6.15. Usando el Teorema 6.13, probar el Teorema 6.14: Sea (X, d) y (Y, ) espacios
mtricos, y una funcin X . Entonces es continua si y slo si para cada conjunto A
abierto en (, ) el conjunto 1 () est abierto en (, ).
Seaun conjunto abierto arbitrario en , y Una funcin continua. Entonces est

cerrado, y por la continuidad de , Asi es 1 ( ). Pero entonces el complemento de este
conjunto, ~ 1 ( ), est abierto (vase Problerna 4.5 en el captulo 1). Por el contrario,
sea una funcin tal que 1 () est abierto para cada conjunto abierto en , y considerar
un conjunto cerrado arbitrario . El complemento de , , Est abierto y, por supuesto,
esto implica que 1 ( ) esta abierto. Entonces ~ ~1 ( ) = ~1 ()es cerrado. Porque
es arbitrario, es continua, por Teorema 6.13.

Problema 6.16.Sea (, ) un espacio mtrico, y (, ) un espacio vectorial normado con

vector cero 0. Dada una funcin continua : , adaptar la prueba de la caracterizacin
de la continuidad en trminos de las imgenes inversas de conjuntos cerrados para mostrar
que el conjunto 1 (0) est cerrado.
Demostraremos que si es continua, entonces 1 (0) Est cerrado en (, ), Verificando

que contiene todos sus puntos lmite. Sea un punto lmite arbitrario de 1 (0); Entonces
existe una sucesin{ } en 1 (0) que converge a . Porque es continua, la sucesin
{( )} converge a (). Por construccin, ( ) = 0 Para todo , y por lo tanto
{( )} 0 . As,() = 0, es decir., 1 (0).
Problema 6.19. Demuestre que una funcin de Lipschitz es funcin es uniformemente

continua (y por lo tanto continua).
Sea y espacios normados, y : Una funcin con constante Lipschitz en algn

subconjunto de . Queremos demostrar que Es uniformemente continua en , Es decir,
que para todos , y para cualquier > 0 Existe algn numero () > 0,
independiente de , tal que
< () () () <
Arreglar algo arbitrario > 0 y sea
() =
Entonces para cualquier tal que
< () =
tenemos
() () <
653
Capitulo 2
Donde la primera desigualdad se mantiene por la definicin de la funcin de Lipschitz, y la

segunda sigue de (1). Porque () es independiente de , hemos demostrado que es
uniformemente continua en .
Problema 6.25. Ahora daremos una prueba alternativa para el teorema del valor intermedio.
Sea una funcin real de una variable definida y continua en un intervalo[, ]. Asumir que
() < 0 < (). Para demostrar que existe algn punto en (, ) tal que () = 0,
Construimos dos sucesiones { } y { } de la siguiente manera:
1. Poner 1 = y 1 = .
2. Por cada , dejar = ( + )2 y evaluar a . entonces
(a) si( ) > 0, poner +1 = y+1 =
(b) si( ) < 0, poner +1 = y +1 = , y
(c) si( ) = 0, parar
(i) Demuestre que { } y { }Convergen y llaman a sus lmites y : { } es una
sucesin creciente limitada por , y { }unasucesin decreciente limitada por .
Por lo tanto, ambos convergen: { } y{ } , y por lo tanto{
} .
(ii) Ahora mostraremos que { } 0, implica = . si( ) > 0,
entonces +1 +1 = , y si( ) < 0, entonces +1 +1 =
. En cualquier caso, +1 +1 = ( )2, E iterando,
obtenemos
1 1
0 +1 +1 = = ==
2 4 2
Lmites, ( )2 0 como , y por lo tanto{ } 0
(iii) Queda por demostrar que () = 0. Por continuidad, tanto {( )} y
{( )}converge a (). pero ( ) 0 para todo , asi que lim ( ) =
() 0, y ( ) 0 para todo , asi que lim ( ) = () 0.
Resulta que() 0.

Problema 7.6.Probar el teorema 7.5: Cualquiersucesin de Cauchy est limitada. Sea

{ }unasucesin de Cauchy. Entonces.
> 0, ()tal que , > ( , ) <
Porque esto vale para todo, pues tendr para = 1; Por lo tanto, para todos , > (1),
tenemos ( , ) < 1, Y todos los trminos de la sucesin de orden superior a (1)el
nmero de trminos de la sucesin que se encuentran fuera de la bola es finito, y por lo tanto
estos puntos tambin deben estar dentro de una bola de radio finito. Por lo tanto, la sucesin
est limitada.
Problema 7.7. Demostrar que la sucesin{}, Definida en el problema 3.20, es Cauchy.

Tenemos
654
1 1
|+1 | = | 1 | ( )
2 1
Debido a que la sucesin est disminuyendo y2 = 32, para 3 tenemos

1 1 1 4 1
0<( )<( )=
2 1 2 9 18
Y por lo tanto
|+1 | < (118)| 1 |

De ahora en adelante, podemos usar el mismo argumento que en la demostracin del
teorema de la cartografa de la contraccin.

Problema 7.17.Sea(, )un espacio mtrico completo, y : Una funcin cuya n-

iteracin T 'es una contraccin. Demuestre que T tiene un punto fijo nico.
si Es una contraccin, existe algo. (0,1) Tal que
( , ) (, ), (1)
Y por el teorema de la cartografa de la contraccin, Tiene un punto fijo nico al que

llamaremos . Ahora, = , Y usando (1),
( , ) = [( ), ] = [ ( ), ] ( , )
Porque < 1, debemos tener( , ) = 0, y por lo tanto = , es decir, Es un
punto fijo de . Adems, cualquier punto fijo de Es un punto fijo de .Se deduce que
Tiene un punto fijo nico, pues si hubiera ms de uno, tambin lo sera , Y sabemos que
no es el caso.
Problema 8.17. Mostrar que un conjunto compacto en un espacio mtrico est completo.
Sea un conjunto compacto, y { }es una sucesin arbitraria de Cauchy en . Para establecer
la integridad, necesitamos mostrar que { } Converge hasta cierto punto en . Ahora, por
la compacidad secuencial de, { } tiene una subsucesin convergente con lmite en.
Que debe ser el lmite de toda la sucesin sigue por Teorema 7.8.
Problema 8.18.Seaun conjunto compacto, y sea{ } una "sucesin decreciente" de

subconjuntos cerrados no vacos de tal que +1 . Tal que
=1 no est vaco.
Sea { } una sucesin construida tomando un punto en cada , es decir,

.Porque A es compacto, { } Tiene una subsucesin convergente { } Con lmite en
. Considere las sub sucesin{ } = { ; }. Cada una de estas subsucesin est
contenida en Y tiene una subsucesin convergente (la parte apropiada de { }) Con
lmite. Por lo tanto, Es un punto lmite de para cada . Pero porque es cerrado por
655
Capitulo 2
supuesto, tenemos para todos , es decir.,

=1 .

Problema 8.23. Proporcione una prueba alternativa para el teorema 8.21 (la imagen continua
de un conjunto compacto es compacta) usando directamente la definicin de compacidad.
Sea { , }una cubierta abierta(). Porque es continua, cada uno de los
conjuntos 1 ( ) esta abierto. La coleccin { 1 (1 ); = } es una cubierta abierta de .
Porque es compacto, hay una subcoleccin finita, digamos { 1 ( ); = 1, , },
todava cubre , es decir,
1 (1 ) 1 ( )
Por lo tanto,
() [ 1 (1 ) 1 ( )] = [ 1 (1 )] [ 1 ( )] 1
Y hemos encontrado una sub cubrimiento finita para (), Que es por lo tanto compacto.
(Estamos usando el Teorema 4.3 y el Problema 4.5 en el Captulo 1.)
Problema 8.26. La compacidad del espacio del producto. Sea(, 1 ) y (, 2 ) espacios

mtricos, y considerar el espacio del producto( = , ), que el producto
mtrico , definido por
(, ) = {(, ), ( , )} = [1 (, )]2 + [2 (, )]2 (1)
Mostrar que el espacio del producto( = , ) Es compacto si y slo si ambos

(, )y (, 2 ) Son compactos.
Utilizaremos la caracterizacin secuencial de la compacidad (ver Definicin 8.4 y Teoremas
8.5 y 8.11) y del Problema 3.11 (sobre convergencia en espacios de producto).
En primer lugar, asumir que ( = , ) es (secuencialmente) compacto, y sea{ } y

{ }sucesin arbitrarias en y , respectivamente. Queremos mostrar que cada una de esta
sucesin tiene una subsucesin que converge a un punto en el conjunto relevante. Por la
compacidad secuencial del espacio del producto, la sucesin{( , )} Tiene una
subsucesin convergente {( , )}Con lmite (, ) . Por el problema 3.11
tenemos que { } y { } , por lo tanto(, 1 ) y (, 2 ) Son
secuencialmente compacto y por lo tanto compacto.
Por el contrario, supongamos que (, 1 ) y (, 2 ) son secuencialmente compactos, y

{( , )}una sucesin arbitraria en . Por la compacidad secuencial de (, 1 ), la
primera "sucesin componente" { } Tiene una subsucesin convergente { } con lmite
. Considrese ahora la subsucesin correspondiente de la segunda sucesin
componente, { }. Por la compacidad secuencial de (, 2 ), su sucesin tiene una
subsucesin convergente { } Con lmite . Adems, la correspondiente subsecuencia
del primer componente { } an converge hacia . Por el Problema 3.11 la
656
subsucesin{( , )} Converge a (, ) , Que establece la compacidad

(secuencial) del espacio del producto.
Problema 10.4. Demuestre el teorema 10.3: sea un conjunto no vaco, y 1 y 2 dos mtricas
definidas en ella, una condicin necesaria y suficiente para 1 , y 2 para ser topolgicamente
equivalente es el siguiente: subconjunto de es 1 Abierto si y solo si es 2 abierto.
()Suponga que las mtricas 1 y 2 generan los mismos conjunto abiertos en , y

sea(, )un espacio mtrico. Recordemos que por Teorema 6.14 una funcin :
es continua si y slo si la imagen inversa de cualquier conjunto abierto est abierta.
Debido a que los conjuntos abiertos son los mismos en ambos casos, cualquier
(1 , ) La funcin continua es (2 , ) Continua y viceversa. Segn el teorema 10.2,
esto implica que 1 y 2 son topolgicamente equivalentes.
() Asumir que 1 y 2 son mtricas topolgicamente equivalentes. Entonces, por

el Teorema 10.2, preservan la continuidad, y se sigue que el mapeo de identidad
: , con () = , siendo (1 , 1 ) es tambin continua en (1 , 2 ) Continuo.
Ahora sea un 2 Conjunto abierto; Por Teorema 6.14, el conjunto 1 () es 1
abierto. Pero entonces 1 () = es tambin 1 abierto. Un argumento similar
funcionar en la direccin opuesta.

Problema 10.6. Demuestre el teorema 10.5: La equivalencia de Lipschitz implica equivalencia
topolgica.
Sea{ } un1 -sucesin convergente con lmite . Dado que 1 , y 2 son equivalentes de
Lipschitz, queremos mostrar que { } Converge a en (, 2 ). fijar algun > 0. Entonces,
por el 1 Convergencia de { },hay un nmero entero Tal que
1 ( , ) > (2)
Combinando la condicin de Lipschitz (ecuacin (1) y en el teorema (2)), tenemos
2 ( , ) 1 ( , ) >
Que muestra que{ } Converge a en (, 2 ).
Problema 11.5. Mostrar que una correspondencia cerrada es de valor cerrado.
Considerar la sucesin de puntos { } en () Convergiendo a algn punto en

.Queremos demostrar que est en () (En principio, podra estar fuera de este
conjunto). Tome una sucesin "constante" { }, con = para todo ,Y notar que { }
Es una sucesin complementaria de { }. Claramente, { } Converge a , Y porque la
correspondencia es cerrada y{ } , tambin Tenemos esto (), Que es lo que
657
Capitulo 2
queramos mostrar.
Problema 11.8. Demuestre el Teorema 11.7: sea la correspondencia : de un valor

compacto y uhc, y sea: cerrado y asumir que () () . Entonces la
correspondencia de interseccin , definido por ( )() = () (), es de
valor compacto y uhc.
El conjunto () () es compacto porque es un subconjunto cerrado de un conjunto

compacto (Teorema 8.12). Sea{ } una sucesin convergente a, y { }sucesin de
acompaamiento arbitraria con ( ) ( ) para cada . Para establecer el
resultado deseado, debemos mostrar que { } Tiene una subsucesin convergente con lmite
en () ().
Porque es por suposicin de valor compacto y uhc, { } Tiene una subsucesin

convergente { } Con lmite y en(). Considere ahora la sucesin{ , }. Por
construccin, esta sucesin est contenida en , El grfico de , Y converge a (, ).
Porque Est cerrado por suposicin, sabemos que (, ) , es decir., ese ().
Por lo tanto, () ()., Como se demostrara.

Problema 11.10. Demuestre el Teorema 11.9: sea que la correspondencia : de

valor compacto y uhc. Entonces la imagen debajo De un conjunto compacto , () =
(), Es compacto.
Utilizando la caracterizacin secuencial de la compacidad (Teorema 8.11), basta con
demostrar que cada secuencia { } contenida en() Tiene una subsecuencia convergente
con lmite en (). Dejar { } Ser una sucesin arbitraria en ().Luego, para cada
Existe alguna ( ).porque es compacto., { } Contiene una
subsecuencia convergente { } Con lmite en . Porque Es uhc y de valor compacto,
segn el teorema 11.2 (caracterizacin secuencial de uhc), la secuencia { } Tiene una
subsecuencia convergente con lmite en () Y por lo tanto en ().

Problema 11.12. Demuestre el Teorema 11.11: Deje que las correspondencias : ,

con = 1, . . . , , Sea de valor compacto y uhc en. Entonces la correspondencia suma,
definido por () = =1 ().para cada , es de valor compacto y uhc en .
Sea { }una sucesin arbitraria que converge a x, y considerar una sucesin complementaria
{ }, con =1 ( ) Para cada n. Observe que cada , es de la forma
= =1 , whit ( )
Por el Teorema 11.2, cada sucesin{ } Tiene una subsucesin convergente { }, Con
lmite en (). Por el teorema 3.10 (equivalencia de subsucesin y convergencia de
coordenadas), se deduce que { }, Tiene una subsucesin convergente{ } Con lmite
=1 =1 ()
658
Problema 11.15. Demuestre el Teorema 11.14: : , con = 1, , ,Sea de valor

compacto y uhc correspondencias. Luego la correspondencia del producto ( ), con
() = 1 () () Para cada x en X, es de valor compacto y uhc.
Corregir un error arbitrario en . Entonces el conjunto () Es compacto porque es el

producto cartesiano de conjuntos compactos (Problema 8.26). Por lo tanto,( )Es
compacta-valorada, y con el fin de establecer su continuidad superior es suficiente para
demostrar que dado cualquier sucesin{ } Convergiendo a , Cada "sucesin de
acompaamiento" { }, con ( )Para todo n, tiene una subsucesin convergente
{ } Con lmite en ().
Para simplificar un poco, suponga = 2. Entonces ( ) Ser de la forma (1 , 2 ),

con 1 1 ( ) y 2 2 ( ). Por la hemicontinuidad superior de 1 ( ), la
sucesin{1 } Tiene una subsucesin convergente {1 } Con lmite 1 1 ().
Consideremos ahora el correspondiente segundo componente sucesin, {2 }. Por la
hemicontinuidad superior de 2 ( ),Esta sucesin tiene una subsucesin{2 }
Convergiendo a un punto 2 in 2 (). Por lo tanto, la subsucesin{ } = {(1 , 2 )}
Converge a un punto = ( 1 , 2 ) 1 () 2 () = (). Converge a un punto.
659
Apndice: Soluciones a los problemas
Captulo 3
Problema 1.6. Demuestre el Teorema 1.5. Sea un espacio vectorial de dimensin . Entonces
cualquier familia linealmente independiente de vectores en , = {1 , , }, es una base para .
Lo que queremos mostrar es que = {1 , , } genera , es decir, que cada puede ser escrito
como una combinacin lineal de los vectores en . Por el Teorema 1.4, {1 , , , } es una familia
linealmente dependiente para cada ; adems, existen escalares 1 , , 1 no nulos tal que

+ +1 = 0
=1
Donde, adems, 1 0 (de otro modo, los no podran ser linealmente independientes).
Por tanto, podemos resolver para cada x y escribirlo como una combinacin lineal de los
elementos de

=
=1 +1
Problema 1.8. Demuestre el siguiente resultado: Sea un espacio lineal normado con dimensin finita
sobre el campo real con base {1 , , }. Una sucesin { }, en , con =
=1 ( real),
converge a =
=1 si y solo si cada sucesin coordinada { } converge a para cada =
1, . , . (Es suficiente considerar el caso donde = 0.)
(i) Mostrar que si { } 0 para todo , entonces { } 0.

Suponga que cada secuencia coordinada converge a cero, y arreglando algn > 0. Para
cada i, existe algn entero N, tal que
( 1)
| | < >

=1
Haciendo = (1) se sostiene para todo > y todo = 1, , . Ahora, por la

desigualdad triangular y las propiedades definidas de la norma,

= | | ( ) =
=1 =1
=1 =1
Para todo > , es decir, { } 0
660
Captulo 3
(ii) Para demostrar la implicacin inversa, suponga que { } 0, pero para cada
la sucesin coordinada { } no converge a 0. Entonces existe una subsucesin
de { } (para conveniencia de notacin, nos seguimos refiriendo a { } y unos
r>0 tal que { } > para todo n. Para cada , escribe
= {| |; 1 }

Y considere la sucesin { }, con = . Muestra que { } 0.

Porque > para todo , tenemos
1 1
0 = <

Y por lo tanto 0.
(iii) Utilice el teorema Bolzano-Weierstrass para mostrar que de { } podemos elegir

una sucesin que converge coordinadamente, pero a un elemento no nulo. Por
la primera parte del teorema, tenemos una contradiccin.
Observe que para cada n, las coordenadas de descansan entre -1 y +1, y al
menos uno de ellos es igual a -1 o +1. Las sucesiones coordinadas
{ } y adems todas cerradas, al menos una de ellas tiene una subsucesin
convergente cuyos trminos son todos iguales a +1 o -1 (hay nmeros infinitos
de +1 o -1 o ambas asignadas entre un numero finito de sucesiones coordinadas,
entonces al menos una contiene un infinito nmero de uno de ellos). Para nuestra
conveniencia, suponga que es la primera secuencia coordinada
()
{1 }, y llame la subsucesin constante {11 } .
()
Considere la subsucesin correspondiente de {1 1 },{1() } y su segunda
()
secuencia coordinada {2 1 } . Por el teorema de Bolzano-Weierstrass (B-W),
esta secuencia real cerrada tiene una subsucesin convergente que llamaremos
()
{2 2 }. Dese cuenta que la primera subsucesin coordinada correspondiente
()
{1 2 }, aun converge (cualquier subsucesin de una secuencia convergente
converge). Luego, considere la subsucesin correspondiente de { },{2 () }, y
()
su tercera secuencia coordinada,{3 2 }. Por B-W, tambin tiene una
() () ()
subsucesin convergente, digamos{3 3 }, y {1 3 } y {2 3 } aun
convergen. Continuando de esta forma para cada sucesin coordinada m,
()
construimos una subsucesin {() } cuyas sucesiones coordinadas { }
son todas convergentes, pero al menos una de ellas (la primera) no tiene lmite
cero. Por tanto, el limite coordinado no es un vector nulo, y por la primera parte
del teorema sigue que { } 0, el cual contradice (ii).

Problema 1.9. Utilizando el resultado anterior y la completitud de los reales, mostraremos que
cada espacio vectorial normado de finita dimensin sobre R es completo.
661
Primero, muestre que si { } es Cauchy, entonces cada sucesin coordinada { } es Cauchy.

(Demuestre la oracin contrapuesta: Si alguna sucesin coordinada { } no es Cauchy,
entonces tampoco es { }. Use el resultado en el Problema 1.8.)
Usando (i), el Problema 1.8 de nuevo, y la completitud de R, muestre que el resultado deseado
se mantiene.
Sea un espacio vectorial normado con una base {1 , , } sea { } una secuencia en
. Escrbalo =
=1 ( real), y suponga que algunas sucesiones coordinadas { }
no son Cauchy. Mostraremos que { } no puede ser Cauchy. Si { } no es Cauchy, entonces
existen algunos >0 tal que para cada q
, existe , > tal que

| | >

Por tanto, la subsucesin { } no converge a cero. Pero entonces, por el Problema
1.8, la subsucesin { } no converge al vector nulo, implicando que { } no es
Cauchy.
Sea { } una sucesin Cauchy en . De la parte (i), cada sucesin coordinada { } es una
sucesin Cauchy de nmeros reales, y por la completitud de R, cada uno converge a algn
lmite real, digamos . Por el problema 1.8, { } converge a =
=1 .
Problema 2.2. Demostrar que para cualquier funcin lineal , tenemos (0) = 0.
Porque 0 = 0 para todo vector , tenemos, por la linealidad de , que (0) = (0) =
0() = 0
Problema 2.4. Demuestre que la composicin de dos funciones lineales es lineal.
Sea : y : un mapeo lineal, y sea = sus composiciones.

Dados 2 vectores cualquiera y en y escalares arbitrarios y .
Tenemos, usando la linealidad de y .
( + ) = [( + )] = [() + ()] = [()] + [()]

= () + ()
Problema 2.8. Demuestre Teorema 2.7. Dada una transformacin lineal : ,

es un subespacio vectorial de .
Sea 1 y 2 , dos vectores en ker , es decir, tal que (1 ) = (2 ) = 0. Dados escalares

cualquiera y , tenemos, por la linealidad de ,
662
Captulo 3
(1 + 2 ) = (1 ) + (2 ) = 0 + 0 = 0
Por tanto, 1 + 2 ker .
Problema 2.12. Demuestre el Teorema 2.11. Sea (, ) una funcin lineal invertible.
Entonces el mapa inverso 1 : es lineal; es decir, 1 (, ).
Sea y dos puntos arbitrarios en . Ya que es invertible, existen puntos y en

tal que
= (), = 1 (), = (), = 1 ( ) (1)
Entonces, usando la linealidad de , la definicin de inversa, y (1), tenemos
1 ( + ) = 1 [() + ()] = 1 [( + )] = +
= 1 () + 1 ()
Lo cual muestra que 1 es lineal.
Problema 2.14. Demuestre el Teorema 2.13. Una transformacin lineal : es uno a

uno si y solo si () = 0 = 0 , es decir, si = {0}.
Recordemos que para cada mapeo lineal T, tenemos = { 0 } (Problema 2.2). Si

{ 0 }, entonces existe al menos otro elemento 0 en el kernel, y sigue que T no
es uno a uno, porque mapea dos vectores diferentes en el vector nulo.
Entonces ( ) 0, implicando , y adems ( ) 0 . Pero

entonces, por la linealidad de T.
() ( ) = ( ) 0
De donde () ( ).
Problema 4.4 probaremos el siguiente teorema: Dado los espacios lineales normados y y una
funcin lineal : , existe la funcin inversa 1 y es una transformacin lineal continua en
() si y solo si existe algn > 0 tal que .
(i) Usando el teorema 2.13, muestra que si existe algn > 0 tal que ,
entonces es uno-a-uno (y, por lo tanto, invertible en ()).
(ii) Se usa el teorema 4.3 para mostrar que 1 es continuo en ()
(iii) Usando el teorema 4.3, muestra que si 1 es contino en (), entonces existe algn >
0 tal que .
663
(i) si 0, entonces > 0 y > 0, entonces 0, implicando que T es

uno a uno (Teorema 2.13). entonces 1 es definido en () y es lineal (Problema 2.12).
(ii) Para demostrar que 1 es continuo en () , escriba . Para cualquier y en T tenemos

= 1 () = = 1 () ()

Por tanto, 1 es cerrado y adems continuo (por el Teorema 4.3).
(iii) A la inversa, si 1 es continuo en () , entonces por el Teorema 4.3 existe algun M

> 0 tal que
1 () ()
Ahora, = entonces

1 ()

Y el resultado sigue con = 1/
Problema 5.1 Muestran que la matriz p que representa un cambio de coordenadas es invertible.
Sea x un vector arbitrario en V, con vector coordinado =(1 , , ) en la base a, y =
(1 , , ) en la base b. Hemos visto que hay una matriz P tal que = . Por el mismo
argumento, hay tambin una matriz Z, tal que = . Entonces,
= =
Para cualquier vector con (coordenadas arbitrarias), entonces, PZ = , y por el mismo argumento
PZ = . Entonces Z = 1, y P es invertible.
Problema 5.3 Demuestre que las matrices similares tienen el mismo determinante.
|| = |1 | = |1 ||||| = |||1 ||| = || Por que 1 =I, |1 ||| = || = 1
Problema 6.2 demostrar que el espacio propio de correspondes a un valor propio es un espacio
vectorial.
Sea e dos vectores cualquieras en un espacio propio de A correspondiente a . Entonces Ax =

, = , y tenemos, para cualquiera de los escalares
( + y) = () + () = () + () = ( + )
Entonces + eta en el espacio propio de A, el cual es adems un espacio (sub-)vectorial.
664
Captulo 3
Problema 6.3 demuestre que si es un valor propio de , entonces (i) es un valor propio de , y
(ii) 1 es un valor propio de 1 .
(i) Procedemos por induccin. Primero, consideramos el caso cuando n =2. Sea un valor propio
de A, y x un vector propio perteneciendo a l, entonces = , y
2 = () = A() = () = () = 2
Entonces 2 es en efecto un valor propio de 2 , y un vector propio. Ahora, suponiendo

que es un valor propio de , y un vector propio perteneciendo a el (es decir,
= ).
+1 = = () = ( ) = ( ) = +1
(ii) Se observa = implica que = = 1 = 1 , y adems 1 = 1 .
Problema 6.4. hallar los valores propios y vectores propios de la matriz.
3 2 0
= [2 3 0]
0 0 5
La ecuacin caracterstica de es de la forma
3 2 0
| | = [ 2 3 0 ] = (3 )2 (5 ) 4(5 )
0 0 5
= (5 )(5 6 + 2 ) = 0
Por lo tanto 1 = 5, y
6 36 20
2 , 3 = = 5,1
2
Tendremos un valor propio repetido (5) y un segundo valor propio (1) con multiplicidad 1.
Por definicin, = (1 , 2 , 3 ) es un vector propio de perteneciendo al valor
propio si es una solucin de la ecuacin diferente de cero.
3 2 0 1 0
| | = 0 [ 2 3
0 ] [ 2 ] = [0 ]
0 0 5 3 0
Con = 1, tendremos el sistema
21 22 = 0, 21 + 22 = 0, 43 = 0
Claramente, la primera y segunda ecuacin no son linealmente independientes. Esto nos deja
con un sistema indeterminado de dos ecuaciones de tres desconocidos, y tendremos
3 = 0 y 1 = 2 =
665
Donde es un numero arbitrario diferente de cero. Por lo tanto, los vectores propios de
correspondientes al valor propio = 1 son vectores diferentes de cero de la forma.
1 1

= [ 2 ] = [ ] = [1], con 0
3 0 0
666
Captulo 4
Captulo 4
Problema 1.2. Sea y las funciones , y asuma que ambos son diferenciable en el punto
0 . Usando las propiedades elementales de los lmites y la continuidad de y en , muestran
que la funcin del producto , definida por () = () (), es diferenciable en y que
( 0 ) = ( 0 ) ( 0 ) + ( 0 )( 0 )
Obsrvese que
()() ( 0 )( 0 ) = ()() ( 0 )() + ( 0 )() ( 0 )( 0 )
= ()[() ( 0 )] + ( 0 )[() ( 0 )]
Tomando el lmite de esta expresin cuando se aproxima ,
()() ( 0 )( 0 ) () ( 0 ) 0)
() ( 0 )
lim0 = ( lim ()) ( lim ) + ( ( lim )
0 0 0 0 0 0
= ( 0 ) ( 0 ) + ( 0 ) ( 0 )
Problema 1.3. Sea () = . Demuestre por induccin que () = n 1 , sea

() = 2 .Entonces
()
( + ) () ( + )2 2
= lim = lim = lim (2 + ) = 2
0 0 0
A continuacin, supongamos que / = 1 queremos mostrar entonces que

+1 = ( + 1) .Observamos lo siguiente
( + )+1 +1 = ( + ) ( + ) = [( + ) ] + ( + )
Donde,
+1 ( + )+1 +1 [( + ) ] + ( + )
= lim = lim
0 0
(+)
= (lim ) + lim ( + ) = + = 1 + = ( + 1)
0 0
Problema 1.8. Sea : una funcin diferenciable en un intervalo I. Espectculo que (i)
si () = 0 para cada , entonces es constante en el intervalo, y (ii) si () > 0 en
(, ), entonces es estrictamente creciente en I.
Sea y , siendo < y dos puntos arbitrarios en I. Utilizaremos el teorema de valor medio
para demostrar que () = () ( () > ()). Debido a que e son arbitrarias, el
resultado deseado sigue.
667
Apndice: soluciones a los problemas
Por el teorema del valor medio, existe algn punto (, ) I tal que
, ( ) = 0, "( ) < 0, y es continua en . Utilice el problema 1.8 para mostrar
que es un maximizador local de .
() ()
() =

En (i), () = 0, implica que () = (), En (ii), () > 0. Implica que () > ().
Problema 1.10. Una condicin suficiente para un mximo local. Sea : sea dos veces
diferenciable en algn intervalo que contiene . Supongamos, adems
Como ( 0 ) <0 y "es continua, " es negativa en algn intervalo que contiene (por la
propiedad de preservacin de signo de funciones continuas, vase el problema 6.2 en el Captulo
2). Por el problema 1.8, una segunda derivada negativa implica una primera derivada decreciente.
As, ()> 0 para a la izquierda de en el intervalo I, y () < 0 para a la derecha de
en el mismo intervalo. Por el Problema 1.8 nuevamente, ( ) , Disminuye a la izquierda de
y aumenta a su derecha, lo que demuestra el resultado.
Problema 1.11. Sea : y + 1 veces diferenciable en un intervalo alrededor del

punto .Supongamos que para algunos > 1, () ( 0 )es la primera derivada no nulo de la
en , es decir
( 0 ) = ( 0 ) = (3) ( 0 ) = = (1) ( 0 ) = 0 () ( 0 ) 0
Utilice el teorema de Taylor para demostrar que

(i) si es uniforme y () ( 0 ) < , entonces tiene un mximo local en ,
(ii) si es pareja y () ( 0 ) > , entonces tiene un mnimo local en ,
(iii) si es impar, entonces no tiene ni un mximo local ni un mnimo local en .
Para simplificar la notacin, supongamos = 0. Por supuesto, () es diferenciable y por lo

tanto continua en = 0. Por lo tanto, por la propiedad de conservacin de signo de funciones
continuas, existe algn intervalo abierto alrededor de 0 en el cual () no cambia de signo.
A continuacin, por el teorema de Taylor, tenemos, para cada en .
1 () (0) () () () ()

() = (0) + + = (0) +
=1 ! ! !
Donde (0,1), y por lo tanto .Por lo tanto, para cualquier , tenemos
668
Captulo 4
() ()
() (0) =
!
Donde el signo de () () es el mismo que el de () (0) . Considere el signo del lado derecho
de esta expresin. Si es par, > 0 para todo y diferente de cero. Si () (0) < 0,
tenemos () () < 0 y por lo tanto () (0) < 0 para todo en distinto de cero, lo
que implica que es un maximizador local de . Por un argumento, el resto de los casos siguen.
Problema 1.12. Teorema del valor medio de Cauchy. Probar el siguiente resultado: Sea
: [, ] diferenciable en (, ) y supongamos que () 0 para todo en (, ).
Entonces hay un punto en (, ) tal que
() () ()
=
() () ()
Definido ( ) por
() = [() ()]() [() ()]()
Y observamos que ( ) es diferenciable, con () = ()() ()() = ()
Aplicando el teorema de Rolle a ( ) , existe algn punto en (, ) tal que
() = [() ()]() [() ()]() = 0 (1)
Por supuesto , () . Adems, () () 0 , para el teorema de Rolle Aplicado a

( ) mostrara que () = 0 para algunas en (, ), y que sera contradecir nuestra
suposicin. Por lo tanto, podemos dividir por estos dos trminos y reorganizar (1) para obtener
() () ()
=
() () ()
Problema 1.13 Regla de LHopital. Suponemos y funciones de variables reales continuas y
diferenciables en algn intervalo abierto que contiene al punto , tal que () = () = 0.
Vemos que si () () tiende a un lmite como , entonces hace ()(), y:
() ()
lim = lim
() ()
Asumiendo que () () como , y elegir algn arbitrario > 0. Luego ah existe

algn < 0 tal que:
()
| | < () = ( , + )
()
Elegimos cualquier en ( , + ) y aplicamos el teorema del valor medio de Cauchy para
y en el intervalo [, ] para mostrar que existe algn nmero en (, ) tal que:
669
() () () ()
= =
() () () ()
Porque (, ) ( , + ), tenemos, por (1),
() ()
| | = | | <
() ()
Porque fue un punto arbitrario de (, + ), hemos demostrado que:
()
| | <
()
para todo (, + ), y porque era arbitrario, esta establece que ()() como
tiende hacia desde arriba. Un argumento similar da lugar que ()() como ,
y el resultado se mantiene.
Problema 2.2. Sea (1 , 2 ) = 1 2 , = (35 , 45), y 0 = (1,2). Calculamos ( 0 ; )
directamente tomando los lmites apropiados, y verificamos que el resultado es el mismo si
usamos la frmula ( 0 ; ) = ( 0 ).
3 4
( + ) () (1 + ) (2 + ) 1 2
(; ) = lim = lim 5 5
0 0
41 32 12 41 32
= lim ( + + )= +
0 5 5 25 5 5
Adems,
4 6
( 0 ; ) = + =2
5 5
Por otro lado,
( 0 ) ( 0 ) 1 1
( 0 ; ) = ( 0 ) = [ , ] [ ] = (20 , 10 ) [ ]
1 2 2 2
= (2,1)(35 , 45) = 2
Problema 2.4 Dadas las funciones.
= (1 , 2 ) = (1 2 + 22 ), = (1 , 2 ) = 12 2 + 23 1
= (1 , 2 ) = (2 + 1 2 )
Calcular, para cada uno de ellos, las derivadas parciales /1 and /2

= (1 2 + 22 ), = (1 2 + 22 ) 2 = (1 2 + 22 )( 1 + 22 )
1 2
670
Captulo 4

= 12 2 + 12 1 , = 21 2 + 22 /1 , = 12 + 322 1
1 2
2 1 1+ 1
= (2 + 2 1 ), = =
1 2 +2 1 2 2 +2 1
Problema 2.5 Encontrar los puntos donde todas las derivadas parciales de la funcin
(1 , 2 ) = 14 2 12 23 , son cero.
Tenemos que resolver el siguiente sistema de ecuaciones:
()
= 412 2 21 23 = 21 2 (212 22 ) = 0 (1)
1
()
= 14 312 22 = 12 (12 322 ) = 0 (2)
2
Por lo tanto,
(i) Si 1 =0, entonces () 1 = () 2 = 0 para todo 2 , y
(ii) Si 1 0, entonces
(a) ()/ 1 = 0 si 2 = 0 o 212 22 = 0, y
(b) ()/ 2 = 0 212 322 = 0
Por lo tanto tendremos que considerar 2 casos:

Si 2 =0 , entonces (b) reduce a 12 =0
La otra posibilidad es tener
212 =22 y 12 =322
al mismo tiempo. Sustituyendo la primera expresin en la segunda, 12 =3(212 ), que solo se
mantiene si 1 =0, as que no hay otras soluciones.
Problema 2.6. Sea = (, , ) = 2 , cuando
= + 2 + , = 2 + 3 + , = 3 + +
Use la regla de la cadena para determinar /, /, /, /
Tenemos

=y2z, =1, =2, =3

=2xyz, =2, =3, =1

671

=x 2 , =-1, =1, =1

Por lo tanto,

= + + =2( 2 ) + 3() + 1( 2 )

=2(2 + 3 + )2 (3 + + ) + 6( + 2 + ) (2 + 3 + )(3 + + )
+1( + 2 + ) (2 + 3 + )2 , etc.
Problema 3.8. Probar el siguiente teorema: Sea : diferenciable en un subconjunto

abierto X de , y sean e dos puntos en tales que (, ) sea contenido en . Entonces
para cada vector en existe un vector z en (, ) tal que
[() ()] = [()( )]
Ponga = . Como est abierto y contiene (, ), existe algo de > 0 tal que +
X para (,1 + ). Arreglar un vector arbitrario = (1 . . . , ) y define una
funcin de valor real en el intervalo (,1 + ) por
() = ( + )=
( + h)
Por construccin, ( ) es diferenciable en (,1 + ), con derivados

() = [ ( + ) ] = [ ( + ) ]
=1 =1 =1
= [( + ) ]
Aplicando el teorema del valor medio para funciones reales univariadas a ( ), tenemos
(1) (0)= () para algunos (0,1)
Que es equivalente a
[() ()] = [ (1) (0) = ()] = [( + )]
Poniendo
= +
Obtenemos el resultado deseado. Obsrvese que el valor de depende del vector elegido .
Problema 4.5. Demuestre el teorema 4.4: Sea : una funcin 2 definida en un

conjunto abierto y convexo . , + X, entonces
672
Captulo 4
1
( + ) = () + () + ( ) 2 ( + h)h (1)
2
Para algunos (0,1).
Aplicamos la versin univariada de la frmula de Taylor a la funcin g definida por
() = ( + )
Obsrvese que debido a que est abierta y convexa y tanto como + estn en , all
existe algo > 0 tal que + X para un (-,1 + ) y tal que es dos veces continuamente
diferenciables en este intervalo. Por el teorema de Taylor para funciones reales
univariadas,tenemos
1 () (0) () ()
( + ) () = (1) (0) = +
=1 ! !
Para algunos (0,1). Calculando las derivadas de , podemos generalizar el resultado

univariado para cualquier n. Para obtener una frmula con resto cuadrtico = 2 y observe
que

g()= ( + ) = ( + )
=1

g()= ( ( + ) = 2 ( + )
=1
Sustituyendo estas expresiones en (2), obtenemos el resultado deseado:
1
( + ) () = () + ( ) 2 ( + )
2
Problema 4.7. Sea : una funcin continuamente diferenciable en el conjunto
abierto . Demuestre que es localmente Lipschitz en .
Recordemos que la funcin se dice que es localmente Lipschitz en el conjunto si para
cada punto 0 en existe algo de 0 > 0 y algo de 0 > 0 tal que 0 [0 ], y para todo x
e y en 0 (0 ),
() () 0 (1)
Sea 0 un punto arbitrario en . Debido a que est abierto, existe algn 0 > 0 tal que
20 [0 ]. Puesto que es continuamente diferenciable y la norma es una funcin continua, la
funcin definida por() es continua, y por lo tanto alcanza un mximo en el
conjunto compacto 0 [0 ]. Sea 0 este un mximo, es decir,
0 = max{||()|| ; 0 [0 ]}
673
Sea y dos puntos arbitrarios en 0 (0 ). Debido a que 0 (0 ) es un conjunto convexo,

contiene el segmento de lnea (, ). Por el Teorema 3.9, existe un vector z en 0 [0 ]
(, ) tal que
() () () (2)
Ahora, porque 0 (0 ) (, ), tenemos
() 0 (3)
Usando (3) en (2),
() () () 0
Como e son arbitrarias, 0 es una constante de Lipschitz para en 0 (0 ), que es el
resultado deseado.
Problema 5.3. Demuestre que si es homogneo de grado y es "suficientemente

diferenciable", entonces sus primeras derivadas parciales son homogneas de grado 1.
Por la homogeneidad de , () = () para todo >0. Mantener fijo, diferenciar esta
expresin con respecto a , obteniendo
() = ()
Dividiendo por , obtenemos el resultado deseado
Problema 5.4.
(i) Demostrar que la funcin Cobb-Douglas () = = 1 es homogneo de
Grado =1 .
(ii) Demuestre que la funcin CES () = (=1 )/ , donde > 0, >
0, >-1 y 0, > 0 para todo i, y =1 = 1, es homogneo de grado v.
() = =1( ) = (=1 )(=1 ) = (),

() = (=1 ( ) ) = ( =1 ) = v (=1 ) = v ()

674
Captulo 5
Captulo 5
Problema 4.1. Dado el modelo Is Lm,
= 0 + + ()
= + ()
0

Donde es el ingreso nacional, es la tasa de inters, es el gasto publico, es la oferta
de dinero dividida entre el ndice de precio, y todas las letras griegas son parmetros positivos.
(1) Analizando grficamente los efectos de un incremento en el gasto gubernamental. (a)
y el nivel de precios en los valores de equilibrio del ingreso nacional y la tasa de inters
(b).
(2) Escribe el modelo en forma matricial usando la regla de cramer, para resolver el
modelo; escribiendo los valores de equilibrio de (, ) como funciones de los

parmetros (, , 0 , 0 ) demostrando que el resultado es compatible con el
del anlisis grafico.
se mueve a la derecha. Para cualquier nivel dado de r, un gasto planeado

incrementa (), entonces como se ve en la ecuacin (A). por lo tanto el nivel de
equilibrio del ingreso nacional incrementa, y entonces tambin la tasa de inters
(Figura A5.1)

( ) que la oferta monetaria real disminuye, asi que la se desplaza
hacia arriba (para cualquier dado de y, la tasa de inters debera incrementar para
preservar el equilibrio de la oferta y demanda de dinero, ahora reducidos). El ingreso
de equilibrio cae, la tasa de inters incrementa
Analticamente, volvemos a escribir (A) y (B) con las variables endgenas (y,r) en un lado y
en el otro lado los parmetros, tendremos
r G LM r
LM
r1 P LM
r1
r0
r0
IS
IS IS
y0 y1 y y0 y1 y
Figura A5.1. Efectos del incremento en G y M
675
(1 ) + = 0 +

= ( ) 0
O en la forma matricial,
1 y E0 + G
[ ] [ ] = [ Ms ] Ax = d
r r ( P) M0
Usando la regla de Cramer, podemos resolver los valores de equilibrio de las variables
endgenas. Para cada xi tenemos
| |
=
||
Donde Ai se obtiene sustituyendo la i-sima columna de la matriz de coeficientes A por el
vector en el lado derecho de la ecuacin. Utilizando esta frmula,
0 +
| |
| | ( ) 0 (0 + ) + [( ) 0 ]
= = =
|| 1 (1 ) +
| |

De donde

( )
= > 0 = =
(1 ) + ( ) (1 ) + 2
<0
De manera similar
(1 ) + 0
| |
| | ( ) 0 (0 + ) (1 ) [( ) 0 ]
= = =
|| 1 (1 ) +
| |

Esto implica

( ) (1 )
= >0 = =
(1 ) + ( ) (1 ) + 2

>0
Los signos de las parciales dan los mismos resultados el anlisis esttico comparativo como
analizando grficamente.
Problema 4.2. El vendedor de un producto paga un impuesto proporcional a una tasa fija
(0,1). Por lo tanto, el precio efectivo recibido por el vendedor es (1 )P, donde P es el
676
Captulo 5
precio de mercado del bien. La oferta y la demanda del mercado estn dadas por las funciones
diferenciables
= (), ( ) < 0
= ((1 )), > 0
Y el equilibrio requiere la compensacin del mercado, es decir, =
Analice grficamente y analticamente los efectos de una disminucin de la tasa impositiva
sobre la cantidad transaccionada y el precio de equilibrio.
La compensacin del mercado requiere
((1 )) = () (1)
P
S
S

P
P
Q Q
Figura A5.2. Efectos de una reduccin de impuestos
Esta ecuacin define implcitamente el precio de equilibrio como una funcin

= () del parmetro . Al sustituir la funcin de solucin ( ) en (1), tenemos la
identidad
[(1 )()] = [()] (2)
Diferencindose con respecto al parmetro y resolviendo para P ()
( ) ()
( )[(1 ) () ] = ( ) () () = = >0
( ) (1 ) ( ) ()

A continuacin, la cantidad transaccionada en equilibrio viene dada por Q = D[P()], y

por tanto.

= ( ) () < 0

Grficamente, una reduccin en la tasa impositiva aumenta el precio efectivo recibido por
los vendedores para cualquier precio de mercado dado; Por lo tanto, estn dispuestos a
677
vender cualquier cantidad dada a un precio de mercado ms bajo. Entonces, la curva de

oferta se desplaza hacia abajo. El precio de equilibrio cae, y la cantidad de equilibrio aumenta,
como se muestra en la Figura A5.2.

Problema 4.3. Una empresa competitiva elige la cantidad de mano de obra L que se va a
contratar para maximizar los beneficios, tomando como dado el salario w y el valor de un
parmetro de productividad . Es decir, la empresa resuelve
(() )

Supongamos que la funcin de produccin f( ) es dos veces continuamente diferenciable,

creciente y estrictamente cncava (es decir, f > 0, f < 0).
(i) Escriba la condicin de primer orden para el problema de la empresa y verifique
que la condicin de segundo orden suficiente para un mximo se mantenga.
(ii) Interpretar la condicin de primer orden como una ecuacin que define
implcitamente una funcin de demanda de trabajo de la forma L = L(w, ).
Mostrar, usando el teorema de la funcin implcita, que
L L
< 0y >0
w
Poniendo
() = ()
Tenemos
(L) = f (L) y (L) = f (L) < 0
Por lo tanto, (L) es estrictamente cncava, y la condicin de primer orden (L) = 0
caracteriza un mximo. Escribiendo la condicin de primer orden en el formulario
F(L; w. ) = f (L) W = 0
Y observe que
FL = f (L) < 0, FW = 1 < 0, y F = f (L) > 0
Por el teorema de funcin implcita, las derivadas de la funcin de solucin L =
L(w, )estn dadas por
L FW () L (+)
= = >0 y = >0
w FL () ()
Por lo tanto, la demanda de mano de obra disminuye con la tasa de salarios, y aumenta con
el parmetro de productividad .
Problema 4.4. Considere un individuo que vive por dos perodos y consume un solo bien
("salida"). El agente est dotado de y1 unidades de produccin en la juventud, y y2 unidades
en la vejez. Existe un mercado perfectamente competitivo para los prstamos de produccin
en los que el agente puede prestar o prestar a una tasa de inters r que toma como dado.
Llame a c1 y c2 sus niveles de consumo durante el primer y segundo perodo de vida, y s
denote su ahorro de primer perodo, s = y1 c1 (note que s ser negativo si el agente es un
prestatario neto).
678
Captulo 5
Las preferencias del agente se representan mediante una funcin de utilidad del formulario
U(c1 ) + U(c2 )
Donde U es una funcin C2 estrictamente creciente y estrictamente cncava que satisface las
siguientes condiciones de "esquina":
U (c) 0 cuando c y U (c) cuando c 0
Supongamos tambin que
y1 , y2 > 0, (0,1), y R1+r>0
El individuo resuelve el siguiente problema:
max{U(c1 ) + U(c2 ) sujeto a c1 = y1 s, c2 = y2 + sR}
c1 ,c2
Substituyendo las restricciones en la funcin objetivo, obtenemos un problema de

maximizacin con una nica variable de decisin, s.
(i) Escriba la condicin de primer orden para este problema y compruebe que la
condicin de segundo orden suficiente para un mximo se mantiene. Al sustituir
las restricciones en la funcin objetivo, el agente resuelve
max v(s) = U(y1 s) + U(y2 + sR)
s
La condicin de primer orden para este problema es

v (s) = U (y1 s) + U (y2 + sR)R = 0
Diferenciando de nuevo
() = (1 ) + (2 + ) 2 < 0
Vemos que la condicin de segundo orden se mantiene por la concavidad estricta
de U( ). Interpretaremos la condicin de primer orden como una ecuacin que
implcitamente define una funcin de ahorro de la forma = (1 , 2 , ). Se
fijan los valores de (y1 , y2 ) y se estudia el comportamiento de s como funcin
de .
(ii) Demuestre que para un valor dado de R, la condicin de primer orden tiene una
solucin nica s . (Utilice el teorema del valor intermedio y piense en lo que
suceder en casos extremos, por ejemplo, si el agente decide no comer durante
uno de los perodos).
Fijar (y1 , y2 , R), con 0 < R < Y escribe la condicin de primer orden en el
formulario
() = (2 + ) (1 ) = (2 ) (1 ) = 0 (1`)
Para aplicar el teorema del valor intermedio, usaremos la suposicin de que
() 0, es decir, la utilidad marginal del consumo va al
infinito a medida que el consumo se acerca a cero. Si el consumidor no consume
durante el primer perodo (1 = 0 = 1 ), entonces (abusando un poco de la
notacin)
(1 ) = (2 + 1 ) (0) =
679
Por otra parte, si el consumidor est dispuesto a no consumir nada durante el

y
segundo perodo, puede pedir prestado una cantidad s = 2R en el primer
perodo, y tenemos
2
( ) = (0) + (1 + ( 2 )) = +
y
Por lo tanto, tomando s cercano a y1 y s cercano a 2R, y usando la
continuidad de U ( ), podemos invocar el teorema del valor intermedio para
concluir que existe una solucin s de (1 ). Para cualquier R > 0 limitado (Figura
A5.3)
Por otra parte, sabemos que F( ) es una funcin montona, porque
() = 2 (2 + ) + (1 ) < 0 (2)
Por lo tanto, la interseccin es nica, y se sigue que para cada R existe un nivel
ptimo nico de ahorro.
(iii) De (ii), sabemos que s(R) es una funcin bien definida para R > 0. El teorema
de funcin implcita garantiza que () tambin es diferenciable. (Por qu?
Cul de nuestras suposiciones estamos usando aqu?) Sustituyendo () de
nuevo en la condicin de primer orden, tenemos una identidad. Por lo tanto,
podemos diferenciar ambos lados de ella con respecto a , y la igualdad
continuar mantenindose. Al diferenciar implcitamente con respecto a R, y
resolver para s (R) en la expresin resultante. Qu podemos decir sobre el
signo de s (R)? Es decir, s aumentar o disminuir con el factor de inters R? Es
importante si el agente es un prestatario neto?
La expresin (2) garantiza que se puede aplicar el teorema de la funcin implcita.
Substituyendo la funcin de solucin = () en la condicin de primer orden,
obtenemos la identidad
RU [y2 + s(R)R] U [y1 s(R)] (3)
S S
Figura A5.3. Existencia y unicidad del nivel ptimo de ahorro
680
Captulo 5
Diferencindose con respecto a R,

{ (2 ) + (2 )[ () + ]} = (2 ) ()
Y resolver para ()
()
(2 ) + (2 )
=
(1 ) + 2 (2 )
El denominador es negativo, pero el signo del numerador es ambiguo, porque s
puede ser positivo o negativo. Tenemos
() = [ (2 ) + (2 ) ] = (+) + ()( )
Por lo tanto tenemos los siguientes:
0, cuando () > 0. Es decir, si el agente es un prestatario
neto, entonces un aumento en la tasa de inters le hace pedir prestado
menos. En este caso, los efectos de ingreso y sustitucin del cambio en
trabajan en la misma direccin. Un aumento en R (que puede
interpretarse como la prima que el mercado paga por posponer el
consumo) hace que el consumo en el segundo perodo sea relativamente
ms barato, lo que tiende a reducir el endeudamiento del agente. Adems,
el mismo aumento en hace que el agente (que es un deudor neto) sea
ms pobre. En respuesta, el agente tender a reducir su nivel de consumo
en ambos perodos, aumentando as sus ahorros (o, ms bien, reduciendo
la cantidad de su desahorro).
> 0, entonces el signo de () puede ser positivo o negativo.
Ahora, los efectos de sustitucin e ingresos funcionan en direcciones
opuestas. Como antes, el cambio en los precios relativos del consumo
actual y del consumo futuro tiende a favorecer la segunda alternativa (y
por lo tanto induce mayores ahorros). Por otro lado, debido a que el
agente es ahora un ahorrador neto, el aumento en la tasa de inters lo
hace ms rico, empujando su nivel de consumo en ambos perodos y
bajando los ahorros. El resultado neto de estos dos efectos es incierto.
c2
y2
IC
y1 1
Figura A5.4. Determinacin del factor de inters autrquico
681
(iv) Demuestre que existe algn valor de (digamos 0 ) para el cual el agente no
toma prstamos ni presta, sino que consume precisamente su dotacin de cada
perodo. Decimos que R0 es el factor de inters autrquico del agente. (Vuelva a
la formulacin original del problema de decisin del agente y piense en trminos
de curvas de indiferencia y restricciones presupuestarias en el plano (c1 , c2 )
Trace la curva de indiferencia que pasa por el punto de dotacin (y1 , y2 ). Qu
valor de R Hacer que el agente "feliz" coma precisamente su dotacin cada
perodo?)
Volvamos a la formulacin original del problema:

{(1 ) + (2 ) 1 = 1 , 2 = 1 + }
1 2
Resolviendo s en una de las restricciones, y sustituyendo el resultado en la otra,

podemos consolidar las dos restricciones en una restriccin presupuestaria nica
de por vida:
c2 + c1 R = y2 + y1 R (4)
Es decir, el valor futuro del consumo de por vida es igual al valor futuro del
ingreso total. Al trazar la restriccin presupuestaria (4) y las curvas de indiferencia
en el plano (c1 , c2 ), la solucin ptima corresponde a un punto de tangencia,
como se muestra en la figura A5.4.
Observe que para valores dados de (y1 , y2 ), los cambios en R hacen que la lnea
presupuestaria gire alrededor del punto (y1 , y2 ), lo cual siempre es factible
(siempre se puede comer su dotacin durante cada perodo). Por lo tanto, para
que el agente decida permanecer en este punto, basta girar la lnea presupuestaria
hasta que sea tangente a la curva de indiferencia a travs de (y1 , y2 ). Debido a
que la pendiente de la lnea presupuestaria es R, necesitamos R0 = lnea de
IC en (y1 , y2 ).
Una curva de indiferencia es el locus de todas las combinaciones (c1 , c2 ) que
producen el mismo nivel de utilidad u0 ; Por lo tanto, la ecuacin de una curva
de indiferencia es
(1 ) + (2 ) = 0
Diferenciando implcitamente con respecto a c1
2 2 (1 )
(1 ) + (2 ) =0 | =
1 1 (2 )
por tanto, evaluando esta expresin en el punto de dotacin,
U (y1 )
R0 =
U (y2 )
(v) Demuestre que en un lado de 0 el agente es siempre un ahorrador neto en la
juventud, y en el otro siempre un prestatario neto. (Cul es el signo de s (R0 )?
Note que esto no implica que s( ) sea siempre monotnica.) Hemos visto antes
que
0, entonces ( 0 ) > 0. En particular, Si = 0 , entonces s = 0, y por
682
Captulo 5
tanto s (R0 ) > 0. Por lo tanto, la funcin de ahorro () cruza el eje horizontal
con una pendiente estrictamente positiva y por lo tanto puede cruzarla slo una
vez. Aunque s( ) puede muy bien no ser montono en la regin en la que es
positivo, es cierto que
Si R < R0 , el agente es un prestatario neto (s < 0), y
Si R > R0 , es un ahorrador neto (s > 0).
Problema 4.5. Considerando una economa en la que hay dos tipos diferentes de agentes que
enfrentan la decisin analizada en el problema 4.4, pero pueden tener diferentes corrientes
de donaciones, factores de descuento o funciones de utilidad. Para simplificar, suponga que
slo hay un agente de cada tipo, pero ambos se comportan de manera competitiva (es decir,
tomando el valor de R dado).
Sea s1 (R) y s2 (R) las funciones de ahorro para los dos agentes. En equilibrio, el mercado
de crdito debe liquidar (es decir, si uno es un prestatario neto, el otro debe ser un prestamista
neto) y el ahorro agregado debe ser cero. Es decir, debemos tener
() 1 () + 2 () = 0 (1)
Demostrar que bajo los supuestos del problema 4.4 existe al menos un equilibrio
competitivo, es decir, un valor de R para el que (1) se mantiene. (10 y 20 sean los factores
de inters autrquicos para los dos agentes, sin prdida de generalidad, podemos asumir que
R01 > R02 .. Qu sucede cuando R = R01 , R02 ?). Si = > 10 Ambos agentes quieren
ahorrar, y por tanto ( ) > 0. Con = < 20 ambos quieren pedir prestado, y
( ) < 0. Mediante el teorema del valor intermedio, Existe al menos un ( , ) tal
que ( ) = 0. Es decir, existe al menos una tasa de inters de equilibrio (Figura A5.5).
683
Apndice: solucin de problemas
Captulo 6
Problema 1.3. Probar Teorema 1.2: Cualquier interseccin de conjuntos convexos es convexa.
Sea{ } una coleccin de conjuntos convexos, y consideramos dos puntos en su interseccin:
porque y Pertenecen a cada uno de los y son conjuntos
convexos , nosotros tenemos, para cualquier [0,1], que
= (1 ) +
Implicando como se demostrara.
Z(R)
R
R R R
Figura A5.5. Existencia de un factor de inters de equilibrio
Problema 1.7. Probar Teorema 1.6: Un conjunto X es convexo si y slo si cada combinacin
de puntos convexos se encuentra en . El resultado de la suficiencia es obvio. Si se
encuentra una combinacin convexa de puntos en en , entonces, en particular, cualquier
combinacin convexa de dos puntos de en , que establece la convexidad del conjunto.
Para probar la parte necesaria, observamos primero que la convexidad de implica que
cualquier combinacin convexa de dos puntos de est en . Ahora asumiremos que esta
propiedad es vlida para todas las combinaciones convexas que implican o menos puntos
de
Y muestran que el resultado sigue para el caso + 1 de puntos.
Considerando la combinacin convexa de + 1 puntos de , 1 , +1,

+1
= (1)
=1
Que [0,1] para todo +1

=1 = 1.nosotros queremos mostrar que .si +1 =
+1
1 entonces =1 = 0 , y porque todo no son negativos, esto debe ser eso = 0
para todo = 1, , .por lo tanto = +1 y est hecho de otra manera k+1 < 1 , y

= 1 k+1 > 0 (2)
=1
684
Captulo 6
Podemos entonces escribir (1) in la forma

+1
= + +1 +1 = ( ) ( ) + +1 +1 (3)
=1 =1 =1 =1
Ahora, porque

=1
=1 =1
El punto

= (4)
=1 =1
Es una combinacin convexa de puntos de y por lo tanto se encuentra en (por

suposicin).usando la ecuacin (2) , (4) y(3) se reduce
= (1 +1 ) + +1 +1 (5)
Por lo tanto , es una combinacin lineal de dos puntos en ,y esto sigue (otra vez por
suposicin)que .esta conclusin est probada.
Problema 1.12.Mostramos que el cierre de que un conjunto convexo es convexo .sea un

conjunto convexo .dado dos puntos y en , sea = + (1 ) por algunos
(0,1). Mostraremos que es un punto de cierre de , esto es, para cualquier > 0 de bola
() , son ambos no vacos .tomamos dos puntos , () ,y () ,y
definido
= + (1 )
Entonces ,por la convexidad de X .adems , ()para
= + (1 ) (1 ) = ( ) + (1 )( )
+ (1 ) <
Por lo tanto () no es vacio por cualquier > 0, estableciendo que cualquier

combinacin linear de punto de cierre de es tambin un punto de cierre de .
Problema 1.14.Usando el teorema 1.13, mostramos que dado un conjunto convexo y un punto
interior de , cualquier rayo que emana de contiene como mximo un punto lmite de
.
Supongamos que hay dos puntos lmite de en este rayo, digamos y , con ms lejos de
que de . Entonces [, ), y porque es un punto interior ; un punto de cierre de
, y es un punto interior de , por el Teorema 1.13, contrario a nuestra suposicin.
Problema 1.17. Sea un conjunto convexo establecido con un interior no vaco. Muestra que
() = .Debido a que , sigue inmediatamente que ()
sin ningn otro supuesto. Por el contrario, supongamos que es convexa, con un interior
685
no vaco, y sea un punto interior de . Entonces no es un punto lmite de , as

que. Por el teorema 1.16 no es un punto lmite de tampoco. Pero es un punto de cierre
de , y como = , debe ser un punto interior.

Problema 1.22. Demuestre que un punto en un conjunto convexo es un punto interior

relativo de si y slo si una o ambas de las siguientes condiciones (equivalentes) se
mantienen:
(i) Para cualquier lnea , con , existen puntos y en

Tal que (, ).
(ii) Para cualquier punto X , con hay un punto tal que
(, ). Es decir, el segmento [, ] en puede extenderse ms all de sin
salir del conjunto.
Es obvio que implica (i) (porque contiene una bola en alrededor de )

y que (i) implica (ii). Demostramos que (ii) implica que es un relativo pariente punto
interior. Sabemos que no est vaca, por lo que existe algn punto .
Si = no hay nada ms que probar. De lo contrario, existe un punto en tal que

(, ), por (ii). Pero entonces , por la parte (i) del Teorema 1.20.
Problema 1.23. Sea un conjunto convexo en , con ( ) . Mostrar que no

es vacio.
Probamos la afirmacin contrapositiva. Supongamos que est vaco. Entonces por

Teorema 1.19, el casco afn de est contenido en una ( 1) Hiperplano dimensional
. Debido a que es un conjunto cerrado que contiene , tambin contiene .
Y porque tiene un interior vaco, tambin lo hace . Por lo tanto, ( ) est vaco
siempre que est vaco.
Problema 2.6. Probar el Teorema 2.5: Dada una funcin : donde es un

conjunto convexo, definen para cada par de puntos y en la funcin por
() = [ + (1 )]
Entonces es cncava si y slo si ( ) es cncava para todo y en .
Primero supongamos que es cncavo y fijamos dos puntos arbitrarios y en

. Entonces
Para cada [0,1], tenemos
() = [1 + (1 )] (1) + (1 )(0)
Pero entonces
() = [ + (1 )] ( ) + (1 )( ) = (1) + (1 )(0)
Para todo [0,1], ( ) es cncavo
686
Captulo 6
Supongamos que es cncavo, y fijamos dos puntos arbitrarios

en .tenemos que demostrar que para cualquier 1, , 2 y todos
[0,1],
(1 1 + (1 )2 ) (1 ) + (1 )(2 ) (1)
Para verificar que esta expresin se mantiene por la concavidad de ponemos
1 = 1 + (1 1 )
2 = 2 + (1 2 )
= 1 + (1 )2
Entonces
(1 ) = [1 + (1 1 )] = ( 1 )
(2 ) = [2 + (1 2 )] = ( 2 )
[1 + (1 )2 ] = () = [ + (1 ) ]
Pero notamos que
+ (1 ) = [1 + (1 )2 ] + [1 1 + (1 )2 ]
= 1 + (1 )2 + (1 + ) 1 (1 )2
= [1 + 2 ] + (1 )[2 + 2 ]
= [1 + (1 2 ) ] + (1 )[2 + (1 2 ) ]
= 1 + (1 ) 2
Por lo tanto (1)se convierte
[ 1 + (1 ) 2 ] ( 1 ) + (1 )( 2 )
Que se mantiene por la concavidad de .
Problema 2.9. Demuestre el teorema 2.8: Sea : una funcin cncava y :

una funcin creciente y cncava definida en un intervalo que contiene (). Entonces
la funcin [()] es cncava.
Porque es concava en tenemos
(1 )( ) + ( ) [(1 ) + ] ( )
Para algunos y en y algunos [0,1] (1)
Utilizando el hecho que es no decreciente y concava, tenemos
[( )] [(1 )( ) + ( )] (1 )[( )] + [( )]
Lo cual muestra que [()] es cncava.
687
Problema 2.11: Probar el teorema 2.10: Sea y son funciones cncavas en

dados arbitrariamente y escalares, la funcin = + es cncava.
Tomamos 2 puntos cualquiera y en . Por concavidad de y tenemos
( ) = ( ) + ( )
[(1 )( ) + ( )] + [(1 )( ) + ( )]
= (1 )[( ) + ( )] + [( ) + ( )] = (1 )( ) + ( )
Para algunos [0,1] con lo cual establecemos la concavidad de .
Problema 2.13: Probar el teorema 2.12: Sea { ; } es una (posiblemente infinita) familia
de funciones cncavas Todos los cuales estn limitados por debajo. Entonces
la funcin definida en por () = inf () es cncava.
Porque cada es cncava, sus hipgrafo.
hyp = {(, ) +1 ; , ()}
Es un conjunto convexo. Ahora el hipgrafo de = inf es una interseccin de los

hipgrafos de todos los s. Porque () si y solo si () para todo . Por el
resultado anterior hyp es un conjunto convexo y por el teorema 1.2 es cncavo.
Problema 3.3. Demuestre el teorema 3.2: Sea : X R una funcin de valor real
definida en un conjunto convexo X . Entonces f es cuasicncava si y slo si los
conjuntos de contornos superiores de f son convexos, es decir, si para cualquier el
conjunto = { ; () } es convexo.
Supongamos que es convexa para todos . Dado cualquiera de los dos puntos x
'y x' en X, ponemos = {( ), ( )}. Por suposicin, = {
; () } es convexo, asi que (1 )x + x para todo (0,1),
pero esto significa
[(1 )x + x ] {( ), ( )}
Sea cuasicncava, y se fija cierto nmero real arbitrario . Si es vaco o se

compone de un solo punto, entonces es convexo por definicin. De otro modo,
escogemos y de . Entonces ( ) y ( ) y la cuasiconcavidad de
implica que para cualquier (0,1).
[(1 )x + x ] {( ), ( )}
Por lo tanto, para cualquier x ' y x "en
(1 )x + x
Lo que muestra que es un conjunto convexo.
Problema 3.5. Demuestre el teorema 3.4: sea : X R una funcin cuasicncava

definida en un conjunto convexo X , y sea : una funcin dbilmente creciente
definida en un intervalo que contiene f (X). Entonces la funcin compuesta [()] es
cuasiconcava en X. Por la cuasiconcavidad de f en X tenemos, para cualesquiera dos puntos
x y x "en X,
688
Captulo 6
( ) ( ) [(1 )x + x ] ( ) (0,1)
Debido a que es no es decreciente, no revierten los rankings, es decir,

( ) ( ) [( )] [( )]
Ahora, ( ( implica [(1 ) + ] ( ), y esto a su vez implica que
) )
{[(1 ) + ] } [( )] (0,1)
entonces () es cuasicnvaca.
Problema 3.6. Muestre que la funcin Cobb-Douglas es cuasicncava para 0.
() = =1 , Donde > 0
Considere la funcin:

() = () = +
=1
Entonces:

() = , () = 2 y () = 0 para todo

Por lo tanto, la Hessiana de , 2 () es una matriz diagonal con entradas de la forma

2 < 0, y sus principales menores son de la forma:
1 1 2 3
1 = < 0, 2 = 12 22 > 0, 3 = > 0, .
12 1 2 12 22 32
As, g es (estrictamente) cncavo, por los teoremas 2.18 y A.4, y () = () es una

transformacin montonamente creciente de una funcin cncava, y por lo tanto cuasi
cncavo, segn el Teorema 3.4.
Problema 3.9. Una 1 funcin que no tiene puntos crticos (es decir, tal que () 0 para
todo ) se dice que no es estacionario. Demuestre que una funcin cuasicncava no
estacionaria 1 es pseudocncava.
Sean y 2 puntos cualquiera en el dominio de , al menos uno de sus componentes

() es distinto a cero. Para concretar, supongamos que ( ) > ( ). Mostraremos
que si
( )( ) 0
entonces llegamos a una contradiccin. Por la no estacionalidad de , al menos uno de los
componentes de ( ) no es cero. Para concretar, supongamos que 1 ( ) > 0, y
definido el punto por
1 = 1 y 1 = 1 para = 1,2, ,
Para > 0 y suficientemente pequeo, tenemos, por continuidad () > ( ), pero

usando la expresin (1).
( )( ) = 1 ( )(1 ) + =2 ( )( )

= 1 ( )( 1 ) + ( )( )
=2
689

= 1 ( ) + ( )(1 )
=1
= 1 ( ) + ( )( ) 1 ( ) + 0 < 0
Usando el supuesto 1, por lo tanto () > ( ), pero ( )( ) < 0 que

contradice la cuasiconcavidad de .

Problema 3.10. Supongamos que : ++ 1 , homogneo de grado 1, y positivos.
Demuestre que es cncava si y slo si es cuasi-cncava.
La concavidad siempre implica cuasi-cncavidad. Para probar la otra parte del teorema,

que sean dos puntos en ++ . Puesto que 0, podemos definir por =
()
> 0. Como es homogneo de grado 1, tenemos
()
() = () = () (1)
Y la cuasi concavidad implica, por tanto, que
( )( ) 0 (2)
Explorando las propiedades de las funciones homogneas, mostraremos que (1) implica
( )( ) ( ) ( ) y por lo tanto la concavidad de .
En primer lugar, observe que debido a que es homogneo de grado 1, sus derivados parciales
son homogneos de grado 0. Por lo tanto,
( ) = ( ) (3)
Adems, segn el teorema de Euler,
( ) = ( ) (4)
Usando (1), (3), (4), y la definicin de , la expresin (2) puede ser reescrita en el formar
( )( ) = ( )( ) = ( ) ( )
= ( ) ( ) 0
De donde
( ) ( ) (5)
Finalmente, restando (4) de (5),
( )( ) ( ) ( )
Debido a que son puntos arbitrarios en el cortante positivo, es cncava en este
conjunto.
Problema 3.12. Dejar : X R una funcin 2 definida en una posicin abierta y

convexo , con (, ) > 0 (, ) > 0 para todo (, ) . Muestre que
(, ) es cuasi-cncava en si y slo si
690
Captulo 6
0
||=| | > 0

Primero, observe que

0

|| = | | = 0 + (1)2+1 | | + (1)3+1 | |

= ( ) + ( ) = 2 2 2
Ahora, recordemos que la funcin es cuasi-cncava si y slo si su contorno superior de los

conjuntos, = {(, ) ; (, ) }, son convexos. Aplicando la funcin implcita
teorema de la ecuacin (, ) = , se obtiene una funcin = (), cuya grfica coincide
con el conjunto de niveles de . Como la funcin ( ) est aumentando, () implica
que (, ) se encuentra en y viceversa. Por lo tanto, el nivel establecido es
precisamente el epgrafe de la funcin ( ). Por el Teorema 2.2, = es convexa si y
slosi () es una funcin convexa. Debido a que () es dos veces diferenciable bajo nuestras
suposiciones, podemos comprobar su concavidad calculando su segunda derivada.
Substituyendo la funcin = () en la ecuacin del nivel fijado, obtenemos la identidad
(, ()) = . Diferencindose con respecto a ,
(, ()) + (, ()) () = 0
de donde
(,())
() = (1)
(,())
Diferenciando nuevamente esta expresin,

[ + ()]+ [ + ()]
() = 2
+ ( )+ ( )
= 2
+ + ( )
= 2
2 +2 2 ||
= = (2)
3 3
Como > 0, () tiene el mismo signo que ||. Por lo tanto, () es convexa (y es por
lo tanto cuasiconcava) si y slo si || > 0.
Problema 3.15. Demuestre que la funcin () = 3 no puede ser concavificada en ningn

conjunto que tenga cero como punto interior.
691
Sea una funcin 1 y estrictamente creciente, y defina la funcin () en algn intervalo

= (2, 2), con > 0, por () = ( 3 ). Mostraremos que, para cualquier funcin
de este tipo, existen dos puntos en , y 0 , tales que
() > (0 ) + (0 )( 0 )
(1)
(Esta desigualdad implica que () no es cncava, segn el teorema 2.17.)

En particular, supongamos 0 = 0 y = . Entonces
(0 ) = 3 3 (0 ) = 0
y (1) se convierte
() = (3 ) > (0) + 0 = (0)
Debido a que 3 > 0 y () es estrictamente creciente, esta desigualdad se cumple.
692
Captulo 7
Problema 1.5. Sea : una funcin 2 . Muestra que logra ser un mximo local en
, cuando el Hessiano de en es semi definido negativo; es decir,
2 ( ) 0
Fijamos cualquier Para cualquier > 0 esto nos permite utilizar el teorema de
Taylor
2
( + ) ( ) = ( )() + 2 ( + ) (1)
2
11
Para todo (0,1). Si x* es un mximo local, tendremos que ( ) = 0 y (1) se reduce
a
2
( + ) ( ) = 2 ( + ) (2)
2

Por otra parte, debe ser cierto que para cualquiera suficientemente pequeo, se tiene que
( + ) ( )
Por consiguiente,
2 2
( + ) 0
2
Para cualquier suficientemente pequeo. Tomaremos lmite 0 ; por lo tanto
obtendremos el resultado deseado.

Problema 1.7. Sea : una funcin cncava 1 . Demuestre que si es un punto crtico
de , entonces este punto es un mximo global de .
Tenemos que es un punto crtico de ( ), y considera un punto cualesquiera de .
Tambin por la concavidad de f, tendremos que
() ( ) + ( )( ) (1)
Dado que es un punto critico, ( ) = 0 y (1) se reduce a,
( ) ()
Entonces para cualquier punto , es un mximo global de ( ).
Problema 1.8. Sea : una funcin cncava. Demuestre que si un mximo local de
, entonces este ser un mximo global de la funcin.
Por contradiccin. Asumimos que tiene un mximo global en . Entonces ( ) >
( ), y por la concavidad de implica que
( ) = [(1 ) + ] (1 )( ) + ( ) > ( ); (0,1)
693
Captulo 7
Ahora, para cualquier > 0 podremos elegir un lo suficientemente pequeo para que
= (1 ) + ( ), y a su vez que ( ) > ( ). Entonces, tendremos que
no es un mximo local.

Problema 1.10. Sea = [ ]una matriz , y considerando la forma cuadrtica =
. Usando la desigualdad de Cauchy-Schwartz, muestra que
| |
2 2

Donde . es la norma euclidiana. Usando este resultado, verificamos que la funcin ()

en la demostracin del Teorema 1.9, es continua en cero (siempre que f en 2 ) Demuestre
que |() (0)| 0 cuando 0
Tomamos un , = 1, , en los nmeros reales; por la desigualdad de Cauchy-
Schwartz (tomando races en ambos miembros de la ecuacin), tenemos

| | 2 2
=1 =1 =1
Usando esta desigualdad dos veces, y tambin la desigualdad del tringulo, obtendremos
| | = | ( )| | (
2
2 )|

2
| | 2 (
2
)

= 2
2

Despus, fijamos que para cualquier tenemos

0 |() (0)| = | [2 ( + ) 2 ( )]|
2 [ ( + ) ( )]2

Porque 2 , las derivadas parciales son continuas. Cuando 0, ( + )

( ) (porque 0 ), y por la continuidad de las segundas derivadas
parciales, | ( + ) ( )| 0; esto implica que () (0); es decir, es
continua en 0.

Problema 1.12. Derivacin de los factores en la funcin de demanda; Considere una empresa
competitiva que produce un solo bien y usa dos insumos 1 , 2 . Asumimos que la
produccin tecnolgica est dada por una funcin Cobb-Douglas.
694

= (1 , 2 ) = 1 2 , + < 1; > 0, > 0
Tomando el precio del producto de la empresa que es , y el precio del insumo es 1 2 ,
la maximizacin de beneficios de la empresa est dada por:

(1 , 2 ) = 1 2 1 1 2 2
Primero realizaremos las condiciones de primer orden para el problema de la empresa y

comprobamos que se satisfacen las condiciones suficientes para un mximo. Con las
condiciones de primer orden, se resuelve para la empresa, los factores ptimos de la demanda
como los niveles de precios para el producto y los insumos.
Las condiciones de primer orden (CPO) para el problema de la empresa,

max = 1 2 1 1 2 2
1 2
Son dados por:

= 11 2 1 = 0 (1)
1
1
= 1 2 2 = 0 (2)
2
Para estableces que (1) y (2) son verdaderamente caractersticas de un mximo en vez de un
mnimo, demostraremos que la funcin ( ) es estrictamente cncava siempre que + <
1. Como se ha discutido anteriormente, ( ) ser estrictamente cncava cuando su hessiano
se define negativo. Una manera de comprobar lo dicho anteriormente es mostrar que los dos
menores principales, 1 2 , alternan signos; es decir, 1 < 0 2 > 0.
La primera y segunda derivada de ( ), son:

1 = 11 2 =
1
1
2 = 1 2 =
2
( 1)
11 = ( 1)12 2 =
12
2 ( 1)
22 = ( 1)1 2 =
22
1
12 = 21 = 11 2 =
1 2
Ahora podremos comprobar el signo de los menores principales:
( 1)
1 = 11 = <0
12
695
Captulo 7
11 12 (1 ) 2
2 = || = |2 ()| = | | = 11 22 12 21 = >0
21 22 12 22
Siempre que + < 1.

Por lo tanto, la funcin de produccin es cncava, y esto implica que la funcin objetivo

= 1 2 1 1 2 2
Sea tambin cncava (Por qu?), esto se garantiza dado que la CPO tiene caractersticas de
un mximo. Para derivar los funcin de demanda de los insumos se necesitara resolver el
CPO para 1 2 con la funcin de precios de los insumos y la del producto. De (1) y (2)
tenemos lo siguiente

= 1
1 (4)

= 2
2
Dividiendo (3) y (4).
1 1 1 1
= 2 = (5)
2 2 2
Sustituyendo (5) en (1).
(1 1 ) +1
1 = 11 2 = 11 = 1 1 2 1
(2 )
1
(1)
1 1
1 = 1 (, 1 , 2 ) = (
)
2
Que es la demanda para 1 . La demanda para el otro insumo se puede obtener de la misma
manera.
Problema 1.15. Probar el teorema 1.14. Sea ( ) pseudoconcava, y todo () cuasiconcava.
Si ( , ) satisface las condiciones de Lagrange, ( ) + ( ) = 0, con un
factible y 0, entonces es una solucin ptima para el problema de Lagrange (P.L).
Asumiendo que es pseudoconcava, toda funcin de restriccin es cuasiconcava, y 0.
Al mostrar que si no es ptimo, entonces este no puede satisfacer las condiciones de
Lagrange.
Suponiendo que no es una solucin ptima de (P.L). Entonces existe algunos tal
que () > ( ). Por la pseudoconcavidad de ,
(1)
() > ( ) ( )( ) > 0 (3)
Como ambos son posibles, () = ( ) = 0 para todo = 1, , . Por la

cuasiconcavidad que presenta la funcin de restriccin, esto implica
(2)
( )( ) 0, ( )( ) 0
696
Ahora que hemos construido la expresin que aparece en la condicin de Lagrange y la

evaluaremos en . De (1) y (2) tenemos, para cualquier 0
0 < ( )( ) + ( )( ) = [( ) + ( )]( )
De la cual
( ) + ( ) 0
Entonces, las condiciones de Lagrange no se sostienen en .

Problema 1.17. Resolver el siguiente problema: ,, {2 2 + . . 2 +
2 + 2 = 9}, por el mtodo del multiplicador de Lagrange. Use las condiciones de segundo
orden suficientes para un mximo estricto y determinar cul de las dos soluciones del sistema
de condiciones de primer orden producen un mximo. Verifique comprobando ambos
valores en la funcin objetivo y comparndolos.
El lagrangiano es
= 2 2 + + [ 2 + 2 + 2 9]
Diferenciando con respecto a las variables elegidas y el multiplicador, obtendremos las
condiciones de primer orden para el problema:
1 (1)
= 2 + 2 =

1
= 2 + 2 = (2)

1
= 1 + 2 = 0 = (3)
2

= 0 2 + 2 + 2 = 9 (4)

Sustituyendo (1) y (3) en (4)
1 1 1 9 1
( 2 + 2 + 2) = 2 = 9 =
4 4 2
Entonces, tenemos dos posibles soluciones:
1 (i)
1 = , 1 = 2, 1 = 2, 1 = 1
2
1 (ii)
2 = , 2 = 2, 2 = 2, 2 = 1
2
Sustituyendo en la funcin objetivo,
(1 , 1 , 1 ) = 4 4 1 = 9 (2 , 2 , 2 ) = 4 + 4 + 1 = 9
El segundo punto es el punto buscado que maximiza.
Para aplicar el teorema 1.16 (condiciones suficientes para un mximo local estricto); debemos
comprobar los menores principales del hessiano orlado.
697
Captulo 7

0 0 2 2 2
2 2 0 0
= = [2 0 0]
2
[ ] 2 0 0 2
Para un mximo, necesitamos que esta matriz sea definida negativa sujeta a las restricciones
( ) = 0. Esto requiero que los tres ltimos menores principales de H alternen sus
signos, con (1) > 0 para = 1, 2, 3
Ahora
(1)|1 | = | 0 2 | = 4 2 > 0
2 2
0 2 2 1
(1)2 |2 | = |2 2 0 | = 8 2 8 2 = 8( 2 + 2 ) > 0, 2 =
2 0 2 2
2 2 2 2 2 2
(1)3 |3 | = {(1)3 2 | 0 2 0 | + (1)4 2 |2 0 0|
0 0 2 0 0 2
2 2 2
+ (1)5 2 |2 0 0 |}
0 2 0
= {(1)2(82 ) + 2(82 ) 2(82 )} = 162 ( 2 + 2 + 2 ) > 0

Problema 1.21. Objetivo integral y funciones de restriccin. Sea : +1
Son 1 funciones, y considerando el problema.

max { [(). ] . . [(). ] 0} (P.I)
(),[,]
i. Sea ()una solucin ptima de la funcin para (P.I), y consideramos una posible variacin
en esta funcin. En particular, consideraremos una familia de dos parmetros de la funcin
de la forma
() = () + () + ()
Donde () y () son dos funciones de , y con parmetros y se elige de modo
que, dado ( ) y ( ), las restricciones se mantengan.
Ahora se considera en el problema

max {(, ) = [(), ] (, ) = [(), ] 0} (P.I)
,
y observe que la solucin del problema transformado implica fijar un y igual a 0.

Introduciendo el multiplicador , obtendremos el lagrangiano

(, , ) = [(), ] = ([(), ] + [(), ])

Usaremos el teorema de Kuhn-Tucker se deriva las siguientes condiciones de primer orden:

(K-T)
698
[ (), , ] = [ (), ] + [ (), ] = 0

[ (), ] 0 [ (), ] = 0 , > 0

0 = 0 [ (), ] > 0

Aplicando el teorema de Kuhn-Tucker en (P.I) y evaluando el resultado de las condiciones

en = = 0, tenemos

(, , ) = ( , , )()

= [ ( , ) + ( , )]() = 0 (1)

(, , ) = ( , , )()

(2)
= [ ( , ) + ( , )]() = 0

( , ) 0 ( , ) = 0 > 0

0 = 0 ( , ) > 0

Obsrvese, adems, que (1) y (2) deben mantenerse para cualquier funcin () y (). Esto
implica que los trminos dentro de los corchetes deben ser cero para cada s.
ii. Asumimos que (, ) and (, ) son cncavos en para cada . Y que () sea una
funcin de eleccin que satisface las condiciones de primer orden para el problema.
Demuestre que () resuelve (P.I)
Sea una funcin de eleccin arbitraria y factible. Por la concavidad de ( ) y ( ), tenemos,
para cada ,
( ) ( ) + ( )( ) ( ) ( ) ( )( ) (3)
( ) ( ) + ( )( ) ( )( ) ( ) ( ) (4)
Integrando (3) entre y , y usamos (4) y (K-T), tendremos

[ ( ) ( )] ( )( )

= ( )( ) [ ( ) ( )]

= ( ) ( ) = ( ) 0 0

Ntese que ( ) = 0 por (C-S), y que la ltima desigualdad sigue porque 0,

por (C-S); y ( ) 0 por la viabilidad de . Entonces concluimos que
699
Captulo 7

( ) ( )

Para cualquier funcin de eleccin factible pero arbitraria . Esto establece el resultado
deseado

Problema 2.5. Extender la prueba de los Lemas 2.3 y 2.4 al caso de varias restricciones.
Lema 2.3: Sabemos que existe algn ( 0 ) tal que ( , 0 ) = > 0 para
todo . Tenemos = min{ }, se escoge un para que

(1 ) > 0 (1)
Se construye la sucesin { } con lo anterior, para obtener
= (1 )
Y usando la concavidad de ( ) en , estableciendo lo siguiente:
( , 0 ) (1 ) ( , 0 ) ( , 0 ) (1 ) (1 )
>0
Para todo = 1, , . Entonces ( 0 ) para todo , y el resto de lo discutido se

mantiene como antes.
Lema 2.4: Las condiciones (1) (3) en la demostracin del lema 2.4 se convierten
en:
( , ) 0 (1)
( , 0 ) < (2)
( , 0 ) > 0 (3)
Para todo y todo = 1, , . Con lo dicho anteriormente, (3) implica que existe algn N
tal que
(4)
(
, ) > 0, >
Definiendo la funcin
() = min (, 0 )

Y observe que ( ) es continuo y cncavo, por la continuidad de ( )`s y su concavidad en

, y que (2) (3) implica lo siguiente
(5)
( ) < ( ) > 0
Usando esta expresin, la continuidad de ( ) implica que para cualquier hay un punto ,
de la forma
= (1 ) + , (0,1) (6)
Tal que
( ) = min ( , 0 ) =

Entonces,
( , 0 ) = 1, , (7)
700
Lo cual implica que ( 0 ) para todo , y para cualquier existe un {1, , } tal
que
( , 0 ) =
Debido a que slo tenemos un nmero finito de restricciones, adems, por lo menos uno de
los se repetir un nmero infinito de veces en la sucesin { }. Entonces existe un
{1, , } y a la subsucesin { } de { } con la propiedad que
( , 0 ) = (8)
Consideraremos la siguiente subsucesin {( , )}. La concavidad de ( ) en implica

que
( , ) = ((1 ) + , ) (9)
(1 ) ( , ) + ( , ) > 0
Para todo y todo > , y tendremos lo siguiente

( ), >
Ahora, porque { } est contenido en ( 0 ) y este conjunto a su vez es compacto, por el

Lema 2.3, resulta que (por Teorema 8.5 en el captulo 2) esta sucesin tiene una subsucesin
{ } que es convergente y con limite en ( 0 ).

Finalmente, considerando el lmite de la subsucesin. Por (8) y la continuidad de ( ),

tenemos
(, 0 ) = lim ( , 0 ) =

Por otro lado, (9) implica que
(, 0 ) = lim ( , ) 0 ( )

Lo que contradice lo dicho anteriormente.
() = [(1 ) + , ]
0

1

Figura A7.1.
701
Captulo 7
Problema 2.6. Daremos una prueba alternativa de la hemicontinuidad inferior de "C"( ) bajo
los supuestos del Teorema 2.2.
Una restriccin: Sea { } , y considere un punto arbitrario ( ) . Queremos
demostrar una sucesin complementaria { ; ( )} que converge en .
Construiremos una sucesin { } de la forma
si ( ); es decir, si (, ) 0 (1)
= {
( ) al ( , ) = 0 si (, ) < 0
Para mayor que un , y el conjunto igual a un punto arbitrario en C( ) para .
Para establecer , recuerde que por asuncin existe un punto () tal que (, ) >
0. Porque { } y ( ) es continua en para , hay alguna tal que (, ) > 0
para todo > . Ahora mostraremos que para > podemos construir una sucesin de
la forma (1)
Dado algn , supngase (, ) < 0 para > . Para todo definido en la funcin
: [0,1] por
() = [(1 ) + , ]
Y observar que esta funcin es continua (dado que es la composicin de dos funciones
continuas) y satisface
(1) = ( , ) > 0 (0) = (, ) < 0
Por el valor del valor intermedio (Teorema 6.24 en el captulo 2), para cada existe un
numero [0,1] tal que ( ) = 0 (Figura A7.1). Entonces, podemos poner
= (1 ) +
En (1) cuando (, ) < 0, para que ( , ) = 0, y esto implica que ( ).
Para completar el anlisis, tenemos que mostrar que { } . Supongamos primero que
existe un entero tal que (, ) > 0 para todo > . Entonces, segn (1), tenemos
= para todo > , y la sucesin claramente converge en el punto deseado. Si este no
es el caso, entonces { } debe tener una subsucesin { } con la propiedad de que
(, ) < 0 para todo , y para ( ) qu es continua y { } , tenemos
lim (, ) = (, ) 0

Para () implica (, ) 0, por otra parte, hay el que caso de que

(, ) = 0 (2)
Para mostrar que { = (1 ) + } , consideramos la sucesin { }, y note que

{ } si solo si { } 0. Asumiendo que { } 0 y obtenemos una contradiccin. Si
{ } 0, entonces existe algn > 0 y una subsucesin { } de { } tal que >
para todo . Debido a que es { } una secuencia acotada de nmeros reales, contendr
una subsucesin convergente { }, con lmite > 0. Usando la concavidad de ( )
en , podemos escribir
(3)
702
0 = ( , ) = [(1 ) + , ] (1 ) (, )
+ ( , )
Donde la primera igualdad se cumple por la definicin de . Tomando lmites de esta

expresin y usando (2), tenemos que
(1 )(, ) + ( , ) = 0 + ( , ) 0
Lo que resulta ser una contradiccin, porque tanto como ( , ) son estrictamente
positivos.
Varias restricciones: Probaremos el resultado para = 2 y el caso general seguir por induccin
en c. Ntese que podemos escribir () = 1 () 2 (), donde
() = { ; (, ) 0}
Sea { } , y considere un punto arbitrario () = 1 () 2 (). Queremos
demostrar que existe una subsucesin complementaria { ; ( ) = 1 ()
2 ()} que converge en . Procediendo como en la demostracin del teorema precedente,
podemos construir dos secuencias {1 , 1 1 ()} y {2 , 2 2 ()} que convergen en
x. (Vase la demostracin del teorema 2.2 para la construccin de estas sucesiones.)
Utilizaremos estas dos secuencias para construir una sucesin { } contenida en ( ) =
1 () 2 () con limite x.
Recordemos que es de la forma (1 ) + , donde [0,1], y referente a la
figura A7.2. Obsrvese que tanto 1 como 2 se encuentran en el segmento [, ], y
considere la interseccin de este segmento con 1 (), 2 () y ( ). Por la concavidad de
en dado un . Ambos conjuntos 1 () 2 () son convexos, y por lo tanto tambin
lo es ( ) = 1 () 2 (). Adems, tenemos 1 1 () y 2 2 () por
construccin, y 1 () 2 (), para un suficientemente grande, por la concavidad
de 1 ( ) y 2 ( ), y el dato que ( , ) > 0 para = 1,2 (y { } ). Por la concavidad
de ( ), la lnea segmentada [ , ] est contenida en ( ), porque ambos de sus
puntos finales se encuentran en este conjunto, y el segmento [1 , ] [2 , ] es contenido
en la interseccin ( ).
Usando estos datos, podremos construir la sucesin { }, para ( )y que converge
en . Sea = max{1 , 2 }, expresamos = (1 ) + , y note que [1 , ]
[2 , ] = [ , ] ( ). Entonces ( ) para cualquier . Solo queda demostrar
que { } .
Para esto, definiremos la funcin ( ) con (, ) = min{1 (, ), 2 (, )}, y se observa
que la funcin es cncava en y continua (por la concavidad y continuidad de ). Luego,
notase que si existe un tal que (, ) > 0 (es decir, 1 (, ) > 0 2 (, ) > 0)
para todo > , entonces tendremos = para todo > , y la sucesin converge
trivialmente en el punto deseado. Si este no es el caso, se proceder exactamente como antes,
explotando la concavidad en de (, ) hasta obtener una contradiccin si { } .
703
Captulo 7
Problema 2.7. Dado los conjuntos , sea (, ): una funcin

continua para todo = 1, , , y definida en la correspondencia : por

1
2 ( )
1 ( )
2 =
Figura A.7.2. Construccin de{ }

() = { ; (, ) 0 = 1, , }
Demuestre que ( ) es un UHC para todo .
Primero, demostraremos que () es compacto-valorado (es decir, que el conjunto

(). Es compacto para cualquier ). Fijamos un arbitrario en . Porque ()
est contenido en una bola de radio , y est delimitado. Para establecer que tambin
est cerrado (y por lo tanto compacto), observe que () est definido por la
interseccin de dos conjuntos cerrados; es decir, una bola cerrada de la forma
{ ; (, ) 0} que son imgenes inversas de un conjunto cerrado bajo una
funcin contina.
Dada la correspondencia de ( ) es compacta-valorada, para establecer su nivel
superior de su hemicontinuidad de , basta demostrar que dada cualquier sucesin
{ } que converge en , toda sucesin complementaria { }, con ( ) para
cada , tiene una subsucesin convergente con limite en ().
Sea { } , y se considera la sucesin complementaria { }, con ( ) para
cada . Dado que todos los conjuntos ( ) estn contenidos dentro de una bola
de radio , y la sucesin { } est limitada. Por el teorema de Bolzano-Weierstrass
(vase el Problema 3.12 en el Captulo 2), { } tiene un subsucesin convergente,
digamos { }, con limite . Dado y ( , ) 0 para todo y ,
tomamos limites, y, utilizando la continuidad de la norma Euclidiana . y ( ),
concluimos que
= lim

(, ) = lim ( , ) 0 = 1, ,

Entonces, (), y esto establece el resultado deseado.

Problema 2.8. Dada los conjuntos , con convexo, sea (, ):
una funcin continua para todo = 1, , , y definida en la correspondencia
: por
() = { ; (, ) 0 = 1, , }
704
Fijamos un valor 0 del vector de parmetros y asumimos que ( 0 ) est limitado. Sea { }
una sucesin arbitraria que converge en 0 , y consideramos la sucesin complementaria
{ }, para ( ) para cada . Demuestre que { } est limitado.
Por contradiccin. Suponemos { } no tiene lmites. Entonces tiene una subsucesin que
diverge al infinito en norma. Para simplificar la notacin, suponga que la secuencia misma
diverge en la norma (es decir, que { } ). Considerar la sucesin { } = {( , )}.
Por que { } , y se deduce que { } .
Construiremos una nueva sucesin { } proyectando { } sobre el lmite de una bola en
que contiene al conjunto ( 0 ) { 0 }. La sucesin resultante ser
Y
()
( 0 ) { 0 }
X
Figura A7.3. Construccin de { }

Limitado y por lo tanto podemos tener una convergencia subsecuente. Tomando el lmite de
esta subsucesin. Obtenemos una contradiccin.
Sea
= ( , 0 ) max0 (, 0 )
( )
Para un fijo, (, 0 )es una continuacin de la funcin de , porque ( 0 ) es compacto

(delimitada por superposicin y cerrado por la continuidad de ( )), la funcin logra un
valor mximo en el conjunto. Siendo
= = ( , 0 )
es el mximo.
Se fija arbitrariamente un ( 0 ). Dado = (, 0 ), y se observa que para cualquier

= (, 0 ) con ( 0 ) , tenemos
(, ) (, 0) + (0, ) = + 2 = 2
705
Captulo 7
Por lo tanto el conjunto ( 0 ) { 0 } est contenido en el interior de una bola cerrada

[], con = 2 + 1, y cualquier punto que pertenezca al lmite de esta bola se
encuentra afuera del conjunto ( 0 ) { 0 }.
Ahora usaremos { } para la construccin de la nueva sucesin { } = {( , )} la cual
estar en []. Procederemos de la siguiente manera: Si [], cuando el conjunto
= . Porque { } , encontraremos tantos como que estn fuera de []
para todo > . Para algunos puntos, tenemos que se proyectan a sobre el lmite
de la bola [] (Figura A7.3). Para > , los trminos de { } tienen la siguiente forma
= ( , ) = (1 ) + = + ( ), [0,1] (1)
Adems, escogeremos tal que se encuentre en el lmite de []; es decir, queremos

= > (2)
Entonces = , en (1), necesitamos que

= (3)

Ntese que { } 0. Por la concavidad de ( ), y utilizando el dato que ( 0 ) y
( ), tendremos
(4)
( ) = ( , ) (1 ) () + () = 1, , >
Debido a que la sucesin { } est limitada por la construccin, esta tiene una subsucesin
convergente { } = {( , )}. Obsrvese que { = (1 ) 0 + } 0 ,
porque { } 0 y { } 0 . Por lo tanto, el lmite0 de { } es de la forma = (, 0 ).
En (4), y tambin utilizaremos la continuidad de ( ), tendremos
(5)
(, 0 ) = lim ( , ) 0 = 1, ,

Lo que implica que ( 0 ). Por otro lado, usando (2) y la continuidad de la norma,
obtenemos que
= lim = > 2

Lo que implica que = (, 0 ) se encuentra en el lmite de [] y, por lo tanto, fuera de

( 0 ) { 0 }. De ello se deduce que ( 0 ), que contradice nuestra afirmacin
anterior.
Problema 2.9. Para cada y cada > 0, se define el conjunto ( 0 ) por
( 0 ) = { ; (, ) > 0 = 1, , }
Demuestre que, bajo las suposiciones del Teorema 2.2, para todo > 0 existe algn > 0
tal que ( 0 ) ( 0 ) para todo ( 0 ).
Obsrvese que si es suficientemente grande, ( 0 ) estar vaco, pero el resultado se

mantiene, ya que el conjunto vaco es un subconjunto de cada conjunto, por convencin.
Probaremos el resultado bajo la suposicin de que hay una nica restriccin de la forma
(, ) > 0. La extensin al caso general es directa (vase la solucin al problema 2.5).
706
Procederemos por contradiccin. Supongamos que el resultado no se mantiene. Entonces,

negando la afirmacin, existe algn > 0 tal que
> 0 ( 0 ) ( 0 ) ( 0 ) (1)
Para (1) existe una sucesin { } 0 tal que para cada , el conjunto ( 0 ) no contiene
al conjunto ( 0 ). Por lo tanto, para cada existe un punto ( 0 ) con la propiedad
de que ( 0 ). Para la sucesin resultante {( , )}, tenemos:
(2)
( 0 ) ( , 0 )
(3)
( 0 ) ( , ) < 0
Observe que ( 0 ) ( 0 ) para todo . Como ( 0 ) es compacto por suposicin,
{ } tiene una subsucesin convergente, digamos { }, con lmite ( 0 ). Usando la
continuidad de ( ), tenemos
(, 0 ) = lim ( , 0 ) > 0

Para (2), y
(, 0 ) = lim ( , ) 0

Para (3), contradice lo que se plante anteriormente.

Problema 2.10. Un agente consume dos bienes 1 y 2 , con precios 1 y 2 , respectivamente.
Su funcin de utilidad es de la forma (1 , 2 ) = (1 + 2 ) con > 0. Verifique que
( ) es estrictamente cncava. Derive la funcin de demanda del agente. En qu direccin
la demanda del bien 1 cambia si hay un aumento de precio en el bien 2?
Para obtener las condiciones de primer orden para el problema del agente
max{(1 , 2 ) = (1 + 2 ) . 1 1 + 2 2 = }
1 ,2
Escribimos la funcin de Lagrange

= (1 + 2 ) + ( 1 1 2 2 )
Y diferenciar con respecto a los variables de eleccin, obteniendo.
2 (1)
= 2 11 1 =
1 1 11
(2)
2 1
2
= 2 2 =
2 2 21
Para verificar la condicin de segundo orden derivamos las derivadas parciales de segundo
orden de (1 , 2 ) = (1 + 2 )
1 = 2 11 , 2 = 2 21
11 = 2 ( 1)12 , 22 = 2 ( 1)22 , 12 = 21 = 0
707
Captulo 7
Entonces, matriz hessiana es
12 2 ( 1)12 0
|| = | 11 |=| |
21 22 0 2 (
1)22
Y los principales principios menores son dados por
1 = 2 ( 1)12 < 0 ( > 1)

2 = 4 ( 1)2 12 22 > 0
Por lo tanto, H se define negativo, y son condiciones suficientes que satisfacen para la
existencia de un mximo local estricto. Para encontrar la funcin de la demanda, ntese que,
usando (1) y (2)
1
2 2 2 1 1 2 1 (1) (3)
= ( ) = ( )
1 11 2 21 1 2 1 2
Sustituyendo (3) dentro de la restriccin
1
1 (1)
1 1 + 2 1 ( ) =
2
De donde

1 = 1 (1 , 2 , ) = 1 =
1 (1) (1)
1 + 2 ( ) 1 (1 + (1 ) )
2 2
La demanda del otro bien es casi idntica, pero con los papeles de 1 y 2 invertidos.
Diferenciando la demanda del primer bien con respecto a 2 .

1 [ 1 ]1 1
( ) 1 2
1 1 2 2
= 2
2 1
1
(1 + (1 ) )
2
Debido a que 1 > 0, el signo de esta derivada es el mismo que el signo de . Los bienes
son sustitutos (un aumento en el precio de uno de ellos induce al agente a cambiar a otro,
aumentando su demanda), y si < 0 son complementos, ya que un aumento en el precio de
cualquiera de los dos reduce la demanda de ambos.
Problema 2.11. Una empresa competitiva maximiza los beneficios, () = () ,
tomando como dado el precio de su produccin y el vector de los precios de los
factores. Supongamos que la funcin de produccin 2 y estrictamente cncava, con
productos marginales positivos pero decrecientes ( > 0, < 0, = 1, , ).
Escribir las condiciones de primer orden para el problema de la empresa y aplicar el teorema
de funcin implcita (IFT) sistema resultante para demostrar que la demanda de cada factor
es funcin decreciente de su precio ( < 0)
Las condiciones de primer orden para el problema de la empresa son
708
(x)
= () = 0 = 1, , (1)

Que es la condicin familiar de que el valor del producto marginal de cada entrada debe ser
igual a su precio.
En notacin vectorial,
(x; p, w) = () = 0 (1)
La concavidad estricta de (y por lo tanto de ) asegura que (1) realmente caracteriza un
mximo, en lugar de un mnimo. Adems, esto asegura automticamente que estamos
tratando con un mximo regular, y el jacobiano de las variables endgenas de ( ) no
desaparece, como
|| = | (; , )| = |2 ()| 0
Por la estricta concavidad de [
| ()| (1) , > 0 ]
2
Dado que las condiciones del IFT se satisfacen, podemos usar la regla determinante para
resolver las derivadas parciales de las funciones de demanda de factores. Por ejemplo,
(, ) |11 |
=
||
Donde
2 2 2
1 1 1 2 1
11 12 1
| 2 2 2 |
|| = |2 ( )| = 22 2
2 1 2 2 2 = | 21 | =
|
|
2 2 2
1 2
1 2
2 2 2
1 1 1 2 1
| 1 12
| 1
2 2 2
|11 | = 2 1 2 2
2 =|
0 22 2 | = (1)(1)1+1 1
1
|
|
2 2 2
0 2
1 2
Donde , se refiere a la principal menor de la Hessiana de la funcin de produccin

2 ( ). Por concavidad, esta es una matriz definida negativa. Por lo tanto, su principal
menor tendr signo (1) . Esto nos permite establecer el signo de las partidas (de precio
propio) de las funciones de demanda de factores. Por ejemplo
1 (, ) |11 | (1)(1)1
= = = ()
1 || (1)
Es decir, las funciones de demanda de factores son descendentes en su propio precio. En
este caso particular, este resultado tambin se puede obtener sin esa manipulacin de
determinantes. Por el IFT, podemos escribir el vector de entrada ptimo en funcin de los
709
Captulo 7
precios de entrada y salida, (, ) Esta funcin debe satisfacer idnticamente las

condiciones necesarias de primer orden, por lo que tenemos
[(, )] 0 [(, ); , ] 0 (2)
Diferenciando con respecto a , obtenemos

2 () (, ) = 0 (3)
Que podemos resolver para la "matriz de sustitucin"
(, ) = [2 ()]1 (4)
Debido a que la matriz de sustitucin es la inversa del Hessiano de la funcin de produccin
veces (y la inversa de una matriz definitiva negativa es s misma definida negativa), sus
entradas diagonales deben ser negativas, y concluimos que
(, )
<0 (5)

Problema 2.14 Probar Teorema 2.13: Considere el siguiente problema y la funcin de valor
asociada:
() = {(; ); () 0}
Donde , un conjunto convexo. (Tenga en cuenta que los parmetros no entran en la

funcin de restriccin.) Si la funcin objetivo es convexa en los parmetros xxx para
cualquier xxx dado, entonces ( ) es convexa.
Como en el teorema precedente, dados dos valores arbitrarios del vector de parmetro y
, sea = () y = () las opciones ptimas correspondientes de Para
establecer la convexidad de ( ), necesitamos mostrar que para cualquier (0,1) tenemos
(1 )() + () ( )
Considere la opcin ptima de para , ( ) donde = (1 ) + , por la

convexidad de Debido a que el conjunto de restricciones no depende de los parmetros,
( ) es factible pero no necesariamente ptimo para . Por lo tanto,
(, ) [( ), ] (, ) [( , )]
De donde
(1 )() + () = (1 )(, ) + (, )
(1 )[( ), ] + [( ), ] [( ), ] = ( )
Donde los ltimos seguidores de desigualdad de la convexidad de en funcin de .

Problema 3.1. Un agente vive por dos perodos y tiene una dotacin de una unidad de un bien
de consumo homogneo en el primer perodo, y unidades en el segundo perodo. Su
funcin de utilidad est dada por
ln 1 + ln 2
710
Donde 1 es consumo en el periodo El agente puede almacenar cualquier cantidad factible

de su dotacin de primer perodo para el consumo en un momento posterior y puede obtener
un prstamo sin intereses de hasta unidades del bien. (. . , = 1).
(i) Calcular la funcin de ahorro del agente, ignorando la restriccin .
(ii) Para qu combinaciones de valores de parmetros la restriccin ser vinculante? En qu
regiones del plano (, ) tendremos una solucin interior y una solucin de esquina? Escriba
la funcin de ahorro del agente, teniendo en cuenta la restriccin.
(iii) Escribir la funcin de valor mximo para el problema en funcin de , (). Compruebe
que () es continuo en el punto en el que hay un cambio de rgimen (es decir, a medida
que pasamos de una solucin interior a una en la que la restriccin es vinculante). Es la
funcin de valor diferenciable en este punto?
(i) Suplantando la restriccin 1 + = 1 y 2 = + en la funcin objetiva, el agente
resuelve
() = ln(1 ) + ln( + )
La condicin de primer orden para un ptimo es
1 1
() = + =0
1 +
Es fcil comprobar que se satisfacen las condiciones suficientes para un mximo.
Resolviendo para , obtenemos la funcin de ahorro sin restricciones
1
= () =
2
(ii) Si la solucin ptima no restringida obtenida anteriormente no viola la restriccin,
entonces tambin es el ptimo restringido. Si el agente quiere pedir prestado ms de y no
puede, entonces tomar el mayor prstamo factible, y tenemos una solucin de esquina. Por
lo tanto, la funcin de solucin para el problema completo est dada por
1 1
= (, ) =
2 2
1
=
2
Y la restriccin ser vinculante si y slo si
1
1 + 2
2
711
Captulo 7

= 1 + 2
vinculante

no vinculante
-
Funcin Ahorro
Figura A7.4.
(iii) Para recuperar la funcin de valor, sustituimos la solucin ptima en la funcin objetiva:
(, ) = ln[1 (, )] + ln[ + (, )]
Ahora, porque (, ) tiene dos "segmentos" diferentes, as ser ( ). Si la restriccin no es
vinculante, tenemos
1 1 1+
() = (1 ) + ln ( + ) = 2ln ( )
2 2 2
Y si es vinculante.
(, ) = ln(1 + ) + ln( )
La "funcin completa" es
(, ) = () < 1 + 2
= (, ) 1 + 2
Para verificar la continuidad de , verificamos que dos segmentos tienen un punto final
comn. Ponga 0 = 1 + 2 (el punto en el que hay un cambio de rgimen) y tenga en cuenta
que
1 + 0
( 0 ) = 2 ( ) = 2 ln(1 + ),
2
( 0 , ) = ln(1 + ) + ln( 0 ) = 2ln(1 + )

Por lo tanto, ( 0 ) = ( 0 , ) y ( ) es contundente en ( 0 , ), que es el nico punto
en el que podra haber problemas.
Para comprobar si ( ) es o no diferenciable en ( 0 , ), calculamos sus derivadas derecha
e izquierda en este punto
( 0 ) 1/2 2
=2 =
(1 + 0 )/2 1 + 0
( 0 , ) 1 1 2
= 0 = 0 =
( 0 1)/2 1 + 0
712
Donde hemos hecho uso del hecho de que 0 = 1 + 2, implicando = ( 0 1)/2.

Debido a que los dos derivados unilaterales coinciden, la funcin de valor es diferenciable
en este punto.
Problema 3.2. Demuestre que si es estrictamente cncavo, entonces (P) tiene una solucin
nica para un vector de procedimiento dado .
Supongamos que existen dos planes ptimos de produccin distintos = (, ) y " =
(", "). Entonces ambos planes deben producir el mismo beneficio, dado por.
= " = 0 (1)
Demostraremos que si " y ( ) es estrictamente cncava, entonces es posible
construir un plan factible que produzca un beneficio estrictamente mayor que 0 .
Para cualquier (0,1), considere el vector de entrada.
= (1 ) + "
Porque { + ; |||| } es un conjunto convexo, es un vector de entrada admisible,
y (( ), ) es plan de produccin factible. Adems, por la concavidad estricta de ( ),
tenemos.
( ) > (1 )() + () (1 ) + " (2)
Donde la segunda desigualdad sigue por la viabilidad de y ". Esta expresin implica que
(( ), ) obtiene un beneficio muy superior al de los planes supuestamente ptimos,
( ) > [(1 ) + ]-w[(1-)x+x] = (1 ) + " = 0

Por lo que hemos llegado a una contradiccin.
Problema 3.3. Bajo los supuestos del Problema 3.2, los planes de produccin de la empresa
(Es decir, su nivel de salida y las demandas de factor) son funciones bien definidas del vector
de precios . Demostraremos que estas funciones son continuas.
Fijar un vector 0 de precios, y considerar una secuencia de vectores de precios { }
convergente a 0 y la correspondiente secuencia de planes ptimos de produccin { }, con
= ( ) para cada . Queremos mostrar que { } converge a ( 0 ) = . Para establecer
este resultado, procedemos por contradiccin, Supongamos que { } no convergen a .
(i) Entonces { } tiene una subsecuencia convergente { } con lmite 0 forma
diferente . Explicar por qu esto es cierto. Porque { } est limitado (por la
restriccin secundaria), tiene una convergencia subsecuencia { } con lmite 0 ,
adems, podemos tomar 0 diferente de . por qu? Arreglar algunas > 0.
Entonces, porque { } no converge a , para cualquier hay > tal que
est fuera de (). De esta manera podemos construir una subsecuencia de
{ } con la propiedad de que ninguna de sus las subsecuencias convergen en .
Pero debido a que esta secuencia todava est limitada, tiene una subsecuencia
convergente que debe por lo tanto converger a algn otro punto.
(ii) Sea { } la subsecuencia de precio correspondiente a { }. Tenemos eso
713
Captulo 7
{ } 0 y { } 0 = ( 0 )
Muestran que llegamos a la siguiente interpretacin: dado cualquier vector de

precios suficientemente cerca de 0 , es estrictamente mejor que el plan
ptimo { }.
Ahora obtendremos una contradiccin, porque es ptima para 0 , pero 0 es
no (pero es factible, porque la factibilidad no depende de los precios), lo tenemos
0 > 0 0 (1)
Y por lo tanto = 0 0 0 > 0. Porque { } 0 , { } 0 , y es

una funcin continua, tenemos que
{ } 0 0 { } 0 (2)
Queremos demostrar que existe cierto entero tal que para todo > tener
>
Es decir, es mejor que el ptimo para suficientemente prximo a 0 . La
idea
es simple: Por (2) y (1), tenemos
~ 0 > 0 0 ~
Donde "~" significa "muy cerca de", y esto se cumple para suficientemente
alto.
Formalmente,
= ( 0 ) + ( 0 0 0 ) + ( 0 0 )
= ( 0 ) + + ( 0 0 )
Ahora, > 0, y por (2) existen enteros 1 y 2 tales que el absoluto los valores de los otros
dos trminos son menores que /2 para > . Por lo tanto, para > max {1 , 2 }, el
lado derecho es estrictamente positivo y el resultado deseado sigue. Pero esto es una
contradiccin, porque hemos encontrado un plan de produccin que es mejor que el
ptimo para los precios .
Problema 3.4. Consideremos dos vectores de precio 1 y 0 y el ptimo correspondiente
plan de produccin 1 y 0 . Debido a que 1 es factible pero no necesariamente ptimo para
0 , debe producir un beneficio menor que 0 en este vector de precios. Usando esta
observacin, muestran que para cualquier , 0(por ejemplo, para el primer
componente de estos vectores que tienen 0, es decir, un aumento en el precio de la
produccin debe producir un aumento en suministro).
Tenemos
1 1 1 0
0 0 0 1
Sumando estas dos desigualdades lado a lado,
1 1 + 0 0 1 0 + 0 1
De donde
714
1 (1 0 + 0 (0 1 ) 0
(1 0 )(1 0 ) 0
Considere los cambios en el vector de precios que afectan slo a un componente, como
1 = (1 , 1 ) = (0 + , 0 )
Entonces todos los trminos pero uno en el producto desaparecen, y tenemos
(1 0 )(1 0 ) = 0
Por lo que la oferta aumenta con el precio de salida. Ms generalmente,
0
As que
0
Y las demandas de los factores estn inclinadas hacia abajo en su "propio precio".
Problema 3.5. Demuestre que la funcin de beneficio () es convexa. Puedes dar una
interpretacin econmica de esta propiedad?
Sea y " dos vectores de precios arbitrarios, y y " los correspondientes planes ptimos
de produccin. Defina por = (1 ) + " para (0,1), y deje = ( )sea
el plan ptimo de produccin correspondiente. Por definicin,
( ) = = (1 ) + " (1)
Observe que es factible pero no necesariamente ptimo para los precios y "; por lo
tanto,
(2)
" "" (3)
Sustituyendo (2) y (3) en (1), obtenemos
( ) = (1 ) + "" ^"" " (1 ) + " (1 )() + (")
Por lo que () es convexo.
La convexidad de la funcin de beneficio puede darse a una economa intuitiva
interpretacin. Supongamos que una empresa optimizadora se enfrenta inicialmente a los
precios 0 y elige un plan ptimo 0 . Obligamos a la empresa a mantener su plan de
produccin 0 constante, permite que el precio de la produccin vare, y el beneficio del
diagrama en funcin de . La "funcin de ganancia" sin ajuste resultante ser una lnea recta.
Si ahora permitimos la empresa para ajustar su plan de produccin de forma ptima como x
cambios, sin duda har no peor y probablemente lo har mejor. Por lo tanto, la funcin de
utilidad estar por encima de la lnea recta (sin ajuste). Sin embargo, ser tangente a ella en el
valor de 0 para lo cual el 0 original es ptimo (por lo que no se necesita ningn ajuste).
Esta Propiedad debe permanecer por encima de sus tangentes, caracteriza funciones
convexas.
Problema 3.6. Si la funcin del beneficio es diferenciable, el teorema del sobre implica que
() = (), es decir, la derivada de la funcin de beneficio en un punto es simplemente
715
Captulo 7
el plan de produccin ptimo (este es el lema de Hotelling). Demostraremos que la funcin

de beneficio es diferenciable siempre que ( ) sea estrictamente cncavo. Fijar un vector de
precios , y considerar el comportamiento de la funcin de beneficio como nosotros alejarse
de este punto. Por definicin, para cualquier cambio en el vector de precios,
( + ) = ( + )( + ) ( + )() = () + ()
= () + () (1)
() = () ( + ) = ( + )( + ) ( + )
= ( + ) ( + ) (2)
Reordenar estas expresiones,
( + ) () () 0 ( + ) ( + ) ()
Y por tanto, restando () del lado derecho de la segunda desigualdad, Y utilizando el
primero,
[( + ) ()] ( + ) () () 0
Dividiendo a travs de y tomando lmites como 0 , obtenemos el resultado
deseado: Debido a que ( + ) (), por la continuidad de ( ), y /( ) est
delimitada, la el lado izquierdo va a cero. Por lo tanto, tambin lo hace el trmino en el medio,
pero esto es slo la definicin de diferenciabilidad.
Problema 3.7. Supongamos que la funcin de beneficio es 2 . Usando la convexidad de ()
y el hecho de que (), muestran una vez ms que las funciones de demanda de factores
son pendiente negativa.
Si la funcin de beneficio
(, ) = max { s.t.(, ) } = (, ) (, )
Es diferenciable, el teorema de la envolvente
(, ) (, )
= (, ) y = (, )

Esta es, la primera derivada parcial de la funcin de beneficio con respecto a los precio de la
produccin, esta nos da la oferta previsible, y de la diferenciacin con respecto al factor del
rendimiento de los precios -1 veces la funcin de demanda del factor correspondiente.
Desde antes, sabemos que (, )es convexa sobre los precios de los insumos y de los
productos, Por lo tanto, si (, ) es 2 (Implicando que
(, ) y (, ) son diferenciables) tenemos lo siguiente:
Por convexidad, la matriz Hessiana 2 (, ) es semidefinida positiva, lo que implica que
sus elementos diagonales deben ser no negativos. Por lo tanto
2 (,) (,)
= 0 (Pendiente ascendente de la funcin de suministro)
2
2 (,) (,)
= 0(Pendiente descendente de la demanda de factores)
2
716
Problema 3.8 Muestre que el contrato ptimo no implica despidos (es decir, = 1 para todo
i) indicacin: suponga tenemos un contrato que especifica algunos despidos en ciertos
estados. Entonces los trabajadores se enfrentan a un riesgo entre trabajar y ser despedidos
en cada uno de estos estados, siendo adversos al riesgo, no les gusta ello. Muestre que es
posible construir otro contrato sin despidos que brinden el mismo beneficio en cada estado
y sern estrictamente preferidos por los trabajadores. Un contrato con un salario ligeramente
inferior ser aceptable para los trabajadores y estrictamente preferido por las empresas. El
argumento se basa de alguna manera en la neutralidad del riesgo de las empresas?
Considerando un contrato C que especifica despidos en cierto estado de naturaleza:
( ) = [ < 1, , , ]
En el estado i, cada trabajador se enfrentara a un riesgo: Con probabilidad el ser empleado
y conseguir ( ) y con probabilidad 1 l conseguir (, ). Su utilidad esperada,
antes de saber si ser o no despedido, es dado por:
= [( ) + (1 )] + (1 )[( ) + (1)]
Un trabajador adverso al riesgo podr preferir estrictamente el contrato C que le garantizar,

con certeza las horas previstas y el nivel de consumo previsto en C, es decir, un contrato con
= 1, = , y = + (1 )
Es decir, por la concavidad estricta de U y V, tenemos
( ) + (1 )( ) < [ + (1 ) ]
(1 ) + (1 )(1) < [ (1 ) + (1 )1]
Este nuevo contrato. Sin embargo, producir exactamente el mismo beneficio en este estado
que el anterior, para el nmero total de horas trabajadas y la masa salarial total ser
exactamente la misma en los dos casos. Porque las empresas son indiferentes entre los dos
contratos y los trabajadores estn estrictamente mejor, el contrato inicial no habra sido un
ptimo de Pareto.
Alternativamente, los trabajadores adversos al riesgo estarn dispuestos a pagar una prima
de seguro (trabajo a un salario menor esperado) para eliminar la incertidumbre relacionada
con el despido dentro de cada estado. La empresa puede proporcionar este servicio sin costo
asignando horas de trabajo ptimas por igual entre los trabajadores y obtener beneficios en
el proceso.
Ntese que la neutralidad del riesgo de la empresa no es necesaria para este resultado, porque
el nuevo contrato implica exactamente el mismo beneficio en cada estado como el anterior,
incluso una empresa de riesgo seria indiferente entre ellos. Por lo tanto el supuesto crucial es
la aversin al riesgo del trabajador, pero tambin hemos hecho algunos supuestos implcitos
que son necesarios para el resultado. En particular, hemos asumido que los hombres y las
horas son sustitutos perfectos en el sentido (i) de que lo nico que importa son las horas
totales, de modo que podemos escribir la funcin de produccin en la forma (), (ii), la
remuneracin por trabajador no incluye elementos de costo fijo y (iii) que no existen
obstculos legales para variar las horas de trabajo.
Problema 3.9 Investigaremos algunas propiedades del contrato ptimo

(i) escribir la primera condicin de (P) y mostrar que ello implica las siguientes
condiciones:
= ( riesgos eficientes )
717
Captulo 7
(1 )
( ) = para cada i=H,L (horas eficientes)
( )
Interpretar estas 2 condiciones
(i)muestra que
(i. e cuando mayor es la productividad mas horas son trabajadas )
(ii) muestra que > (nuevamente por contradiccion = )
diferenciando el Lagrangiano para (P),
= [ ( ) ] + [ {( ) + (1 )} 0 ]

Obtenemos la condicin necesaria de primer orden:

= ( ) (1 ) = 0 para cada

( ) = (1 ) (1)

= + ( ) = 0 para cada

1
= ( ) (2)

Ntese que por (2) y el hecho de que ( ) es estrictamente creciente, el multiplicador es

estrictamente positivo implicando que la (participacin) restriccin es siempre obligatoria.
Sustituyendo (2) en (1), obtenemos la condicin de horas eficientes:
(1 )
( ) =
( )
Es decir, la eficiencia en el empleo requiere que igualemos el producto marginal del trabajo
(la tasa marginal de transformacin del tiempo de la produccin) con la tasa marginal de
sustitucin entre ocio y consumo del trabajador.
Luego, (2) implica U( ) = ( ) y por la estricta concavidad de U( ) (lo que implica que
U( ) es estrictamente decreciente),el consumo debe ser el mismo en ambos casos. Es
eficiente para las empresas con riesgo neutro asegurarse completamente el consumo de los
trabajadores con aversin al riesgo (una especificacin mas general, por ejemplo, las empresas
con aversin al riesgo, su distribucin eficiente del riesgo requerir que la tasa marginal de
sustitucin del consumo entre los agentes sea la misma para todos los casos, ntese que la
funcin de utilidad de los trabajadores no es separable, el consumo no tiene que ser el mismo
en todos los casos, ni siquiera con empresas neutrales al riesgo, lo que se iguala es solo la
utilidad marginal, es por ello que esto puede variar con el ocio).
De las condiciones de primer orden, tenemos > 0 y
( ) = (1 )
( ) = (1 )
718
Sustrayendo la segunda expresin desde la primera, obtenemos

( ) ( ) = [ (1 ) (1 ) (3)
Para mostrar que , procederemos por contradiccin. Usando la concavidad de y
, mostraremos que (3) no puede sostenerse si > .
Si > , entonces, por la concavidad estricta de ,
( ) < ()
Y ya que < , en el lado izquierdo de (3) es estrictamente positivo:

( ) ( ) > 0
Por otro lado, > implica 1 < 1 . Esto sigue por la utilidad marginal
decreciente del ocio, as
(1 ) > (1 )
Esto implica que el lado derecho de (3) es estrictamente negativa,
[ (1 ) > (1 )] < 0
Por lo tanto, los dos lados de (3) tienen signos diferentes y la igualdad no se puede
contener. Hemos llegado a una contradiccin.
Finalmente, mostraremos que > . Si = = , la ecuacin (3) se convierte
( ) () = 0 = 0
Implicando que = , una contradiccin.
Problema 3.10. Demuestre que bajo el primer mejor contrato caracterizado en Problema3.9,
la empresa tiene un incentivo para mentir en uno de los estados. Cul? Por qu?
Bajo el primer mejor contrato la firma siempre anunciar y por lo tanto se encontrar en
el mal estado. Porque la compensacin es la misma en todos los estados, y ms horas
trabajadas cuando se anuncia alta productividad, los beneficios de la empresa sern mayores
si anuncia incluso cuando el estado verdadero es .
Problema 3.11 Demuestre que las restricciones de compatibilidad de incentivos, por s
mismas, implica que y .
Reorganizando las restricciones de compatibilidad de incentivos, obtenemos
(. ) [( ) ( )] (1)
(. ) [( ) ( )] (2)
Sumando estas dos desigualdades, trmino por trmino,
( )[( ) ( )] 0
Implicando eso
( ) ( )
Por lo tanto, ( ) ( ), porque ( )es creciente. La segunda desigualdad, ,
entonces sigue por (1).
719
Captulo 7
Problema 3.12. Escribir las condiciones de primer orden para ( ). selas y tambin los
resultados precedentes en lo siguiente:
(i) Mostrar que > y > . Insinuacin. Supongamos que no. Luego dos
de las condiciones de primer orden implican = ; usa eso y la otra condicin
de primer orden para obtener la contradiccin, > .
(ii) Mostrar que ambas restricciones de incentivos no pueden ser vinculantes al
mismo tiempo. (Si ellas son, = , contradiciendo el resultado anterior.) Por
qu?
(iii) Demuestre que la restriccin de compatibilidad de incentivos activa es la
correspondiente al estado de baja productividad.
(iv) Demuestre que el nivel de empleo tambin est distorsionado, pero slo en un
estado. Es decir, para el dado comparar el nivel de empleo en cada estado con
la que estara implcita en la condicin de horas eficientes,
( ) = (1 )/ ( )
Diferenciando el Lagrangiano para ( ),
= [ ( ) ] + [ ( ) ]
+ { [( ) + (1 )] + [( ) + (1 )] 0 }
+ { ( ) ( ) + } + { ( ) ( )
+ }
Con respecto a las variables escogidas, obtenemos las condiciones de primer orden

= ( ) (1 ) + ( ) ( ) = 0 (. )

= ( ) (1 ) + ( ) ( ) = 0 (. )

= + ( ) + = 0 (. )

= + ( ) + = (. )

O reorganizando
( )[ + ] = (1 ) (. )

( )[ + ] = (1 ) (. )
( ) = + (. )
( ) = +
(. )
Adems, tenemos las restricciones de sus correspondientes condiciones de holgura
complementarias:
( ) ( ) > 0 (. )
720
( ) ( ) > 0 (. )
[( ) + (1 )] 0 > 0 ()

0 con igualdad si (IC.L) no es vinculante

0 Con igualdad si (IC.H) no es vinculante
0 Con igualdad si (PART) no es vinculante.
Esto parece un caos, pero no es tan malo. Mayormente, la mejor estrategia es adivinar el
resultado y luego probarlo por contradiccin.
(i) Por contradiccin (recuerde que la desigualdad deseada se sostiene, al menos
estrictamente, por el problema 3.11). Suponga = y =
. Entonces las condiciones de primer orden implican

(. ) () = 1 +

(. ) () = 1 +

Por tanto,
1 1
= ( ) ( + ) = 0 =

Entonces las otras condiciones implican que
( ) ()
(. ) () (1 ) = >0

( ) ()
(. ) () (1 ) = <0

Restando la segunda de la primera desigualdad,
( ) () > 0 >
lo cual es una contradiccin.
(ii) A continuacin, mostramos que las restricciones de compatibilidad de los

incentivos no pueden ser ambas unidas al mismo tiempo. Supongamos que lo
son. Entonces
(. ) = ( ) ( )
(. ) = ( ) ( )
y restando estas 2 expresiones,
( )( ) ( ) = 0
lo que implica = , contradiciendo lo anterior.
721
Captulo 7
(iii) Por tanto, al menos una de las restricciones de incentivo se une. Adems, al
menos una de ellas lo hace, ya que si no lo hicimos volveramos al primer mejor
contrato, y sabemos que la empresa tiene un incentivo para mentir en el mal
estado.
Para demostrar que esta restriccin es siempre vinculada en el (segundo mejor)

optimo, procedemos por contradiccin. Si (IC.L) no se une, por tanto (IC.H)
debe ser vinculante, y tenemos = 0 y 0 . Entonces

(. ) ( ) = 1

(. ) ( ) = 1 +

Implicando ( ) ( ). Por tanto , contradiciendo (i).
(iv) Por tanto, (ICL) es vinculante, y (IC.H) no es, implicando = 0 , 0 y
(. ) ( ) ( + ) = (1 )
(. ) ( ) = +
Combinando estas dos expresiones, obtenemos la condicin de horas eficientes:

(1 )
( ) =
( )
Por tanto, el empleo es eficiente en el estado de baja productividad. En el estado
de alta
productividad, sin embargo, tenemos
(. ) ( ) = > 0 (1)
(. ) ( )( ) = (1 )
Combinando estas dos expresiones,
(1 )
( ) ( + ) = ( )
( )
( ) ( ) + ( ) ( ) =
(1 )
( )
( )
(1 ) ( )
( )
( ) =
( )
Porque > 0, por (1), tenemos
(1 )
( ) <
( )
722
Y, por la concavidad de ( ), es mayor que el numero eficiente de horas.

Entonces, la segunda distorsin inducida por la restriccin de compatibilidad de
incentivo toma la forma de subempleo en el estado de ms alta produccin.
Diferente hiptesis sobre las preferencias de los trabajadores y las empresas y la
naturaleza de la informacin privada llevan a diferentes predicciones sobre la
direccin de la distorsin generada por las restricciones de incentivo. Por
ejemplo, Stiglitz (1984, pp.19ff.) seala que, si las empresas son ms adversas al
riesgo que los trabajadores, el subempleo se convierte en el resultado ms
probable. Cooper (1987, pp.36-9) considera un modelo en el que la variable de
estado estocstica tiene que ver con las preferencias y no con los precios de
produccin o la productividad, y es observado solo por los trabajadores. El
denota la utilidad del trabajador como (, 1 , ) y muestra que si el ocio es
normal y 13 0, entonces el subempleo resultar en la mayora de los estados.
723
Apndice: Solucin de los problemas
Captulo 8
Problema 1.5. Sea "" un pre-orden de preferencia continua y monotnica definido en un

subconjunto X de . Demuestre que = I {(x, y) X x X ; x ~ y}.
Tome un punto arbitrario (x, y) en el lmite de "". Por continuidad, "" se cierra y por lo
tanto contiene su lmite. Por lo tanto, (x, y) 2 (es decir, x y). Si x> y, la continuidad
tambin implica que todos los puntos lo suficientemente cercanos a (x, y) estarn en "" (es
decir, ">" est abierto) y por lo tanto en "". Esto, sin embargo, estara en contradiccin
con la suposicin de que (x, y) es un punto lmite de "". Por lo tanto, debemos tener x ~
y, y se sigue que cualquier punto lmite de "" se encuentra en I, es decir, que I.
Por el contrario, toma (x, y) tal que x ~ y. Por monotonicidad, existe y> y arbitrariamente
cerca de y tal que y> y ~ x. Por lo tanto (x, y ') , aunque est arbitrariamente cerca de (x,
y). Por lo tanto, (x, y) es un punto lmite de "", lo que implica que I , porque (x, y) es
un punto arbitrario de I.
Problema 1.7. Sea "" una preferencia convexa preordenada definida en un conjunto
convexo X. Muestre que los mejores conjuntos inducidos por estas preferencias, B (y) = {x
X; x y], son convexos.
Fijar un punto arbitrario y en X, y considerar el conjunto B (y) = {x X; x y). Sea x' y

x"dos puntos en B (y), y (se los vuelve a etiquetar si es necesario) supongamos que x' x".
Entonces, por la convexidad de las preferencias, tenemos
= (1 - )x '+ x" x" para cualquier (0,1)
Debido a que x" B(y), adems, tenemos x" y. Por transitividad,

(1- ) x'+ x" x" y para cualquier (0,1)
Por lo tanto, (1 - ) x'+ x " B(y), y se sigue que B(y) es un conjunto convexo.
Problema 1.13. Sea "" un preorden de preferencias continuas y estrictamente montonas

definido por X = , y sea z un punto arbitrario en X. Mostraremos que el conjunto de
indiferencia I(z) est conectado.
Una forma estndar de demostrar que un conjunto A est conectado es mostrando que es
homeomorfo a otro conjunto B que se sabe que est conectado - es decir, que existe una
funcin continua invertible h ( ) con una inversa continua que mapea A en B. Entonces A =
1 (B) es la imagen continua de un conjunto conectado y por lo tanto se conecta a s misma
(por el teorema 9.3 en el captulo 2).
En este caso, sea B la unidad simplex abierta.
= { z; ze = 1 }
Donde e = 1 y ++ = { X ; > 0 i = 1, ..., n}. Dado un conjunto de indiferencia

I(z), la "proyectamos" sobre A siguiendo un rayo a travs del origen de cada punto x en I
hasta que cruza el simplex (Figura 8.4). Por lo tanto, la funcin h ( ) es de la forma
724
Captulo 8
1 1
h(x) = x = X
=1
Demuestre que h ( ) es un homeomorfismo.

Tenemos que demostrar que la funcin h: I es un homeomorfismo. Est claro que h ( ) es
uno-a-uno, pues dos puntos x y x 'en I tendran la misma imagen slo si se encuentran en el
mismo rayo a travs del origen; pero entonces estos dos puntos no podran estar en la misma
curva de indiferencia, porque el "ms alto" sera preferido, por la estricta monotonicidad de
las preferencias. En segundo lugar, h ( ) mapas / sobre (es decir, cada punto y en tiene
una preimagen en I). Esto se ve fcilmente tomando un punto arbitrario y en y
considerando el rayo del origen que lo atraviesa. El argumento en la demostracin del Lema
1.12 muestra entonces que este rayo debe intersecar la indiferencia establecida precisamente
una vez. Tambin es fcil comprobar que h ( ) es una funcin continua.
Solo queda, demostrar que la funcin inversa 1 es continua. Utilizando la caracterizacin

secuencial de la continuidad, esto significa que dado cualquier y en y una secuencia
convergente arbitraria { } en , con { } -> 0 , la secuencia complementaria { }, con
= 1 ( ) I, converge a 0 = 1 ( 0 ) I.
Vamos a establecer este resultado por contradiccin. Supongamos que { } -> 0 , pero {
} no converge a 0 = 1 ( 0 ). Observe que debido a que x = 1 (y) se encuentran en
el mismo rayo a travs del origen de cualquier y , podemos escribir
= 1 ( ) = para cada n 0 = 1 ( 0 ) = 0 0
Para algunos nmeros reales no negativos y 0 . Observe tambin que { } y 0 se

encuentran en el mismo conjunto de indiferencia, I(z). Por otro lado, tenemos
= 0 0
Porque de lo contrario { } 0 , debe ser que { } 0 . Ahora, { } es una secuencia

de nmeros reales limitada por cero. Por lo tanto, si { } 0 , slo hay dos posibilidades:
(i) { } est delimitada arriba. Entonces { } contiene una subsecuencia convergente

{ }, con lmite 0 (Porque { } 0 , hay un > 0 y una subsecuencia de { } que
est fuera de ( 0 ). Debido a que esta subsecuencia est limitada, contiene una
subsecuencia convergente (con lmite 0 ), Por el teorema de Bolzano-Weierstrass
(Teorema 3.3 en el captulo 2).
(ii) { } no est delimitada arriba. Entonces { } contiene una subsecuencia { }
Consideraremos cada caso a su vez y buscaremos una contradiccin.
(i) Supongamos que { 0 . Entonces, porque { } 0 , tenemos
= 1 ( ) = 0 0 0 = 0 = 1 ( 0 )
Observe que { } es una secuencia convergente contenida en el conjunto I(z) = B(z)

W(z). Debido a que B(z) y I(z) estn cerrados, por la continuidad de las preferencias, I(z)
tambin est cerrado, y se sigue que el lmite de { }, 0 , est en I(z). Por lo tanto,
725
tenemos que 0 y 0 0 = 0 se encuentran en la misma curva de indiferencia I(z) y en el

mismo rayo a travs del origen. Porque sabemos que hay precisamente un punto de
interseccin entre estos dos conjuntos, se sigue que = 0 , lo que contradice el hecho de
que 0 . Por lo tanto, si { } est delimitada, tienen { } 0 , lo que implica que {
=1 ( )} 0 = 1 ( 0 ). Como 0 es un punto arbitrario de , esto establece la
continuidad de 1 ( ).
(ii) Supongamos ahora que { y fijar un > 0. Debido a que { } 0 , hay un
N tal que 0 - 1 para todo > N. Porque { } , adems, tenemos
= 1 ( ) = ( 0 - 1) > 0 0 = 1 ( 0 )
Para todos los lo suficientemente grande. Observe que se encuentra en la misma

curva de indiferenciacomo 1 ( 0 ), sino que tambin domina el ltimo punto, lo que
contradice las preferencias de monotonicidad. Por lo tanto, { } no puede ser ilimitado.
Problema 2.2. D una prueba directa de la continuidad de la correspondencia presupuestaria.

Sugerencia: Utilice las caracterizaciones secuenciales de la hemicontinuidad superior e
inferior. Para la hemicontinuidad superior, considere una secuencia B( , ) que
converge a un punto (p, y) 0. Muestre que est delimitado y aplique el teorema de Bolzano-
Weierstrass. Para una hemicontinuidad ms baja, construya la secuencia como en el problema
2.6 en el captulo 7.
Hemicontinuidad superior. En primer lugar, est claro que para (p, y) dado con (p, y) 0
(es decir, todos los componentes del vector deben ser estrictamente positivos), B (p, y) es un
conjunto compacto.
Por lo tanto, B ( ) tiene un valor compacto y, para establecer su hemicontinuidad superior,

basta con demostrar que dada cualquier secuencia de precio-ingreso {( , )} que converge
hacia (p, y) 0 , cualquier secuencia asociada de paquetes de consumo factibles { } 9 con
B( , ), tiene una subsecuencia convergente { } cuyo lmite es un haz de consumo
factible x B(p, y).
Primero mostramos que hay un entero N tal que { ; n> N] est limitado (lo que implica

que toda la secuencia est limitada). Sea la g-sima componente del paquete de consumo
(es decir, el consumo del gth bueno). Entonces, dada la renta y el precio de esta buena

el consumo factible mximo de la buena g est limitado por / . Por lo tanto,

0 /
Ahora, debido a que {( , )} (p, y) 0, hay un N tal que para todo n > N tenemos

y +1 y / 2 /2, donde = > 0
726
Captulo 8
Por lo tanto, cada uno de los componentes de est limitado por
2 ( +1 )
0
Para n > N. Por lo tanto, { } es una secuencia acotada, y por lo tanto contiene una
subsecuencia convergente (por el Problema 3.12 en el Captulo 2). Llame a esta subsecuencia
convergente { , y sea x su lmite. Como B( , ), tenemos ,
para cada ,. Tomando los lmites de ambos lados de la desigualdad como
,tenemospx y. Por lo tanto, x B(p, y), que establece la hemicontinuidad superior de B (
).
Para establecer que B ( ) es una correspondencia lhc, necesitamos mostrar que dada
cualquier secuencia de precio-ingreso {( , )} que converge a (p, y) 0 y un punto
arbitrario x B(p, y) Existe una secuencia complementaria de paquetes de consumo { },
con B(, ) para todo n, que converge a x.
Construiremos tal secuencia. Dejar
= (, )

= x de lo contrario
Obsrvese que es factible para ( , ) por construccin, porque (siempre que x no sea
factible) se define como la mayor fraccin del paquete x que el consumidor puede pagar
con ingresos y precios . Tambin est claro que { } x. Si x est en el interior del
conjunto presupuestario (es decir, si px< y), entonces = x para n suficientemente grande.
De lo contrario, y = px, y

lim ( ) = lim x = x = x

Problema 2.4. Demuestre que si U ( ) es homottica, entonces la demanda es lineal en el

ingreso, es decir, x (p, y) = yx(p, 1).
Recordemos que se dice que una funcin es homottica si se trata de una transformacin
monotnicamente creciente de una funcin homognea (Seccin 5 del Captulo 4). Debido
a que las transformaciones montonas crecientes de una funcin de utilidad representan las
mismas preferencias, podemos suponer, sin prdida de generalidad, que U es homognea de
grado k. Es decir,
> o, U(x) = U(x)
Dejar
x * x(p,1) = arg {U(x); px 1}
de modo que U(x*) U(x) para cualquier paquete x cuyo valor no exceda de 1. Ahora
considere un consumidor con ingresos y, observe que yx * es factible para este agente.
Usando la homogeneidad de U( ), tenemos
727
U(yx*) = U(x*) U(x) = U(yx)
Para cualquier paquete x cuyo valor no exceda de 1. Pero note que cualquier paquete cuyo
valor no excede y puede escribirse en la forma yx, donde px 1. Por lo tanto yx* es ptimo,
dado ingreso y, y se sigue que yx (p, 1) x(p, y). El mismo argumento a la inversa produce
la inclusin opuesta.
Problema 2.6. La identidad de Roy. Supongamos que la funcin de utilidad indirecta es

diferenciable. Demuestre que entonces
(,)/
(p,y) = (,)/
Recordemos que V se define como

V(p, y) = {U(x); y px = 0}
La funcin lagrangiana para el problema del consumidor es

(x, ; p, y) = U (x) + (y - =1
Por el teorema del sobre,
(,) (,)
= = - * * = - * (p, y)

(,) (,)
= = *

Dividiendo estas dos expresiones, obtenemos el resultado deseado.

Problema 2.7. Considere la siguiente funcin de utilidad indirecta:

V(p, y) =
, donde = 1

Utilizar la identidad de Roy para encontrar las funciones de demanda ordinarias

1
(,) ( )( )(

=
( )2
( )( )( 1 ( )( 1 )

= =
( )2
728
Captulo 8
(,) 1
Y =

Por la identidad de Roy, la demanda para el bien i ser dada por
(,)/

(p,y) = = +
(,)/
Problema 2.9. Para completar la demostracin del teorema 2.8, demostrar que bajo los
supuestos dados, tenemos lo siguiente:
(i) La demanda compensada es homognea de grado 0 en los precios, y la funcin de gasto

es homognea de grado 1 en p.
(ii) La solucin del problema de minimizacin de los gastos no produce ningn exceso de
utilidad,
(iii) La funcin de gasto es cncava en los precios. Dar una interpretacin intuitiva de este
hecho.
(i) Homogeneidad. Observe que el conjunto factible {U (x) u) no cambia con los precios.
Considere un nmero arbitrario real > 0, y note que minimizar px o px en el mismo
conjunto da la misma solucin. Por lo tanto, h(p, u) = h(p, u) para cualquier > 0, y las
demandas compensadas son homogneas de grado 0. Ahora x* un punto de h(p, u) y por lo
tanto h(p, u). Entonces
e(p, u) = (p)x* = (px)* = (, )
por lo que la funcin de gasto es homognea de grado 1.
(ii) Sin exceso de utilidad. Sea x una solucin de (C.E), es decir, x h(p, u). Para demostrar
que U(x) = u, procedemos por contradiccin. Supongamos que no es el caso, que es U(x)
> u, y consideremos un haz de consumo de la forma x - 1, con > 0. Por la continuidad
de U( ), podemos elegir e suficientemente pequeo para que U(x - 1)>u ,porque > 0 y p
0, tenemos p(x - 1) < px. Por lo tanto, x no puede ser ptimo, porque hemos encontrado
otro paquete de consumo que producir el nivel requerido de utilidad y tendr un costo
menor que x.
(iii) Concavidad de e(p, u) en los precios. Sea p y p" dos vectores de precios arbitrarios, se
define
= (1- ) p+ p" para [0, 1]
729
Sea , x, y x" las soluciones ptimas para el problema de minimizacin del gasto para un
u y dado los precios , p, y p" (es decir, x' h(p, u), etc.). Queremos demostrar que
E( ,u) (1- )E(p,u) + E(p",u)
Ahora, por definicin,
E( ,u) = = (1 ) p + p" (1)
Obsrvese que no es necesariamente el paquete ptimo (que minimiza los costos) para
los precios p'o p". Por lo tanto, su valor a precios distintos de no es necesariamente el
ms bajo entre los paquetes viables, y tenemos
p px (2)
p"x" (3)
Usando (2) y (3) en (1), obtenemos
E( , u) = (1 - ) p + p" (1 - )px + p"x"

= (1 )E(p, u) + E(p", u)
que es lo que queramos mostrar.
La concavidad de la funcin de gasto tiene una interpretacin muy intuitiva. Mantenga la

utilidad y todos los dems precios constantes y trace E ( ) en funcin de un precio. A medida
que se eleva el , el gasto mnimo aumentara Linealmente si el agente decide consumir
siempre el mismo paquete. En general, Sin embargo, los consumidores minimizarn el gasto
necesario para alcanzar un Curva de indiferencia, reorganizando las compras para aprovechar
Posibilidades de sustitucin entre bienes. A travs de este proceso, el consumidor No puede
hacer peor que si no se permitiera la sustitucin, y por lo general no mejor. Por lo tanto, E (
) est por debajo de la funcin lineal descrita anteriormente, excepto en un punto en el que
son tangentes; Por lo que E es cncavo.
Problema 2.10. Demuestre que la secuencia { } construida en la ltima parte de la

demostracin del teorema 2.8 converge a x.
Elija z para que z x, y observe que cada es de la forma
= (1 - )x + z, cuando [0,1]
Por tanto, x para todo (0,1], y { } x si y slo si { } 0. Asumiremos que

{ } 0 y obtendremos una contradiccin.
Debido a que { } est contenido en el intervalo compacto [0,1], contiene una convergencia
subsecuencia { }, con lmite [0,1]. Supongamos que { } 0. Entonces > 0, y la
subsecuencia {z } converge en
730
Captulo 8
= (1 )x + z x
Por la estricta monotonicidad de la funcin de utilidad, tenemos U( ) > U (x) u. Por otro
lado, tenemos U (z ) = u para todo q, y {u } u, lo que implica que U( ) = u,
contradiciendo la afirmacin anterior.
Problema 2.14. Demuestre el teorema 2.13: Equivalencia entre la maximizacin de la utilidad

y la minimizacin del gasto.
Por contradiccin. Deje xu resolver (C.U), y suponga que xu no resuelve (C.E) con la utilidad
requerida u = U(xu). Entonces existe algn paquete de consumo que cuesta menos que xu y
produce al menos tanta utilidad, es decir, existe algn z tal que pz< pxu y y U(z) U(xu).
Debido a que z no agota los ingresos, puede encontrar un nmero real > 0 tal que p(z +
1) < y, y por la estricta monotonicidad de U tenemos U(z + 1) > U(z) U(xu). Observe
que esto contradice la suposicin de que xu resuelve (C.U), pues hemos encontrado un
paquete Z + 1el que es factible con el ingreso y, adems rinde mayor utilidad que xu. Por
lo tanto, concluimos que xu debe resolver (C.E) cuando la utilidad requerida es U (xu), y
tenemos e(p, U(xu)) = pxu. Finalmente, porque xu resuelve (C.U) y tenemos, del teorema 2.3,
que pxu = y, concluimos que e(p, U (xu)) = pxu = y
Sea xe resuelve (C.E), cuando u (, ), y observe que u >U(0), implica xe 0, y

por lo tanto pxe> 0. Supongamos que xe no resuelve (C.U) con el ingreso pxe.
Entonces existe algn paquete de consumo que no cuesta ms que xe y rinde una
mayor utilidad, es decir, existe algn z tal que U(z) > U(xe) y pz pxe. Considere un
paquete z = z - 1. Por la continuidad de U( ) podemos elegir > 0 lo suficientemente
pequeo como para que U (z - 1) > U(xe); p(z-1) < pz <pxe porque p >0. Esto
contradice la suposicin de que xe resuelve (C.E), pues hemos encontrado un haz z -
1 que rinde ms que la utilidad requerida y los costos son estrictamente menores
que xe.
Por lo tanto, xe debe resolver (C.U) con el ingreso pxe. Finalmente, porque xe resuelve
(C.E) y tenemos, a partir del teorema 2.7, que U(xe) = u, concluimos que
V(p, pxe) = U (xe) = u.
Problema 3.5. Definir una asignacin F: por

+max[0,() ],,+max[0, ()]

F(p) = ()])
=1 ( +max[0,
Donde Z(p) = 1 (p),..., (p) es una funcin de exceso de demanda agregada que satisface
la ley de Walras, pZ(p) = 0 para todo p. Demuestre que cualquier punto fijo de F ( ) es un
vector de precios de equilibrio competitivo. Es decir, si p* = F(p*), entonces tenemos
731
(p*) 0 g y (p*) = 0 siempre que > 0
Sea p un punto fijo de F ( ), es decir, un punto tal que = ( ) para g=1, ..., G.
Sustituyendo esta expresin en la ley de Walras, obtenemos
=1 () = =1 () () = 0
Lo que implica que

+ max[0, ()]
{ () }
=1( + max[0, ()])
=1
() ()+max[0, ()]
= =1{ } + =1{ } =0
=1 ( +max[0, ()])
=1( +max[0, ()])
Debido a que el primer trmino en la parte media de esta expresin debe ser cero, por la ley
de Walras, el segundo trmino tambin debe ser igual a cero. Esto implica que

()max{0, ()} = 0
=1
Observe que cada trmino individual en esta suma debe ser no negativo. Si (p) > 0, el
trmino se convierte en [ (p)]2> 0; Si (p) < 0, por otra parte, el trmino se convierte
en cero. Si alguno de los (p) eran estrictamente positivos, la suma en (1) no podra ser
cero, porque no habra trminos negativos para compensarlos. Se sigue que cada uno de los
trminos debe ser cero, y por lo tanto debemos tener (p*) 0 para todo g. Adems, segn
la ley de Walras, nosotros tenemos
=1 ()=0
Ahora, por supuesto, 0, y acabamos de demostrar que (p) 0. Por lo tanto, (2) es
una suma de trminos no positivos. Como antes, puede ser cero slo si todos los trminos
son cero; de ah que () = 0 para todo g, y se sigue que
> 0 ()= 0 y () < 0 = 0
Por lo tanto, p es de hecho un vector de precios de equilibrio, ya que borra todos los
mercados,
Posiblemente aquellos para bienes que estn en oferta excesiva cuando su precio es cero.
732
Captulo 8
Problema 3.8. Sea S un subconjunto cerrado y convexo de la unidad simple simple en , y

:S una uhc y una correspondencia convexa con las siguientes propiedades:
(i) ( ) est limitado (es decir, existe un conjunto limitado B en tal que (p) B para
todo s S), y
(ii) para todo p S tenemos pz 0 para cada z (p).
Demuestre que existe p* S y z* (p*) tales que

pz* 0 p S
Definir la correspondencia : B S por
(z) = arg qz (1)
Para cada z B. Como en la prueba del Lema 3.6, ( ) es no vaca, convexa y compacta, y
uhc. Consideremos ahora la correspondencia ( ) x ( ) : B x S B x S. Por el Teorema
11.14 en el Captulo 2, esta correlacin ser compacta y uhc, porque se define como el
producto cartesiano de dos correspondencias uhc de valor compacto. Debido a que podemos
tomar el conjunto acotado B como convexo (si no lo es, consideremos su casco convexo), la
correspondencia ( ) x ( ) satisface las condiciones del teorema del punto fijo de Kakutani.
Por lo tanto, existe un punto (z *, p *) B x S tal que z * (p*) y
p*(z*) = arg qz*
Esto implica que
p*z* pz*
Para cualquier p S. Pero como pz 0 para todo z (p) por suposicin (ii), tenemos p*z*
0, y se sigue que
pz* 0 p S
Problema 3.12. Considere una economa de la isla poblada por un individuo representativo
que vive por dos perodos y tiene preferencias descritas por la funcin de utilidad
U(c, x) = ln c + lnx (1)
Donde c y x son consumos del primer y segundo perodo. En el perodo 1, el individuo tiene
una dotacin de e unidades de un bien homogneo de consumo / capital. Consume parte de
ella y utiliza el resto (k) como entrada para una tecnologa de produccin de la forma y = ,
con < l. Por lo tanto, el calendario de posibilidades de consumo para la economa es de la
forma
X = (e c) (2)
733
(i) Dibujar las curvas de las posibilidades de consumo y las curvas de indiferencia en el
plano (x, c). Dnde est el ptimo? Resolver el problema de planificacin
max{ + . . ( ) 0} (p.1)
,
Escribe las condiciones de primer orden. Es obligatoria la restriccin? Por qu? O por qu
no? Resuelve los valores ptimos de c y k = e-c. (No te preocupes por las condiciones de
segundo orden)
(ii) A continuacin, considere una versin competitiva de la misma economa. El agente

ahora posee todas las acciones de una empresa competitiva que tiene acceso a la misma
tecnologa que antes, y puede prestar parte de su dotacin a la empresa, lo que maximiza los
beneficios, tomando como dado el factor de inters de mercado R = 1 + r Capital se deprecia
completamente al usarlo), y luego distribuye sus beneficios al accionista. Verificamos que la
asignacin competitiva coincide con el ptimo de planificacin.
Resolver el problema de maximizacin de beneficios de la empresa,
max = Rk (P.F)

Y escribir el beneficio maximizado de la empresa como una funcin de k. A continuacin,
escriba las condiciones de primer orden para el problema de maximizacin de la utilidad del
hogar,
max ()= ln(e-s) + ln(sR+) (P.H)

(El agente toma como dado el tipo de inters del mercado y los beneficios de la empresa) y
resuelve los niveles ptimos de ahorro y consumo.
Finalmente, en equilibrio, el ahorro deseado del hogar debe ser el mismo que el nivel deseado
de entrada de capital por parte de la empresa (es decir, s = k). Resolver los valores de
equilibrio de ahorro / inversin y consumo. Deberan ser los mismos que en la primera parte
del problema.
(I) Diferenciar el Lagrangiano para el problema del planificador,
(c, x, ) = lnc+lnx+[( ) -x]
Obtenemos las siguientes condiciones de primer orden:

( ) 1
= ( )1 (1)

( )
==0=

( )
= ( ) x 0con igualdad > 0 (2)

Observe que (2) implica que > 0 para cualquier x finito. Por lo tanto, la restriccin se
mantiene como una igualdad, y tenemos
734
Captulo 8
X = ( ) (3)
Sustituyendo (2) en (1), tenemos
1
= ( )1 o =( )1 (4)

El lado izquierdo de esta expresin es la pendiente de una curva de indiferencia para el

consumidor representativo (es decir, la tasa marginal de sustitucin entre x y c), y el lado
derecho es la pendiente de la frontera de posibilidades de produccin (PPF ) (Es decir, la
tasa marginal de transformacin entre el consumo actual y el consumo futuro). Por lo tanto,
las ecuaciones (3) y (4) implican Que el ptimo (c *, x *) debe encontrarse en el punto de
tangencia entre un Curva de indiferencia y el PPF, como se ilustra en la Figura A8.1.
Sustituyendo (3) en (4), podemos resolver para c:
()
= ( )1 e-c= c c*=1+ (5)

(ii) En la versin competitiva de la economa, la condicin de primer orden para el

problema de la empresa es
(k) = 1 R = 0 R = 1 (6)
x*
IC
PPF
c
c* e
Sustituyendo (6) en la funcin objetiva de la empresa, los beneficios son dados por
(k) = Rk = - 1 = (1 ) (7)
Por otro lado, el problema del consumidor produce
735
1
V(s) = + + = 0 s*= (1+) (8)
En equilibrio, tenemos s* = k. Usando esta expresin, junto con (6) y (7), la ecuacin
(8) produce
(1+)Rk = eR (1+) 1 k = e 1 (1-)

[(1+)+(1-)] = e 1 k* = 1+ (9)
Usando esta expresin, podemos calcular c *:

c* = e s* = e k* = (1 - 1+ )e = 1+
Como era de esperar, el resultado es el mismo que en la parte (i) del problema.
Problema 4.4. Duopolio de Cournot. Dos empresas compiten en el mercado por un bien
homogneo. La funcin de demanda inversa, que da el precio que los consumidores estn
dispuestos a pagar en funcin de la produccin total del bien, es de la forma
P(1 +2 ) = - 1 - 2 (1)
Donde > 0 es un parmetro dado, y es el nivel de salida de la i-sima empresa. Cada

empresa maximiza sus beneficios, tomando como dada la funcin (1) y la salida
Nivel de su competidor. Por ejemplo, la empresa 1 resuelve
max (1 + 2 )1-1 1 (2)
1
Donde 1 es su coste marginal (constante), tratando 2 como una constante dada.
(i) Resolver el problema de la empresa l para su funcin de reaccin, es decir, una funcin
de la forma 1 = 1 (2 ; 1,) que dar el nivel ptimo de salida en funcin de la salida de su
rival y los parmetros (1,).
(ii) La funcin de reaccin de la empresa 2 tendr la misma forma que la que acabas de
derivar. En un equilibrio de Nash, cada empresa maximiza su beneficio, tomando como dado
el nivel de salida del otro. Para encontrar el equilibrio, resolvemos el sistema.
1 = 1 (2 ;1,), 2 = 2 (1 ; 2 , ) (3)
Dibuje las dos funciones de reaccin (su interseccin corresponde al equilibrio). Resolver (3)
explcitamente para obtener la solucin de mapeo para el modelo,
q* = (1 , 2 ) = (, 1,2 )
Qu condiciones deben imponerse a los parmetros para que el sistema tenga una solucin
interior (es decir, una en la que ambas empresas produzcan)? Analizar grficamente y
analticamente el efecto de los cambios en y 1 en los niveles de salida de equilibrio.
(iii) Calcule el precio de equilibrio y la produccin industrial y el beneficio de equilibrio

de cada empresa.
736
Captulo 8
La empresa 1 resuelve
max 1 = P(1 + 2 )1 - 1 1 = ( - 1 - 2 )1 - 1 1 = ( - 1 - 2 )1 - 12
1
Diferenciando 1 con respecto a la variable de eleccin de la empresa, obtenemos la

condicin de primer orden
1
= ( - 1 - 2 ) - 21 = 0 (1)
1
Adems,
2 1
= -2 < 0
12
Por lo que la funcin objetivo es cncava, y la condicin de primer orden caracteriza un

mximo. . La resolucin (1) para la funcin de reaccin de 1 firma 1 es de la forma
12
1 = 1 (2 ; 1,) = (2)
2
Por simetra, la funcin de reaccin de la empresa 2 ser
2 1
2 = 2 (1 ; 2 ,) = (3)
2
Para resolver el equilibrio, sustituye (3) en (2), obteniendo
2(1 )+ 2 + 1 2 +2
21 = 1 = (4)
2 3
y
21+ 2
2 = (5)
3
Por lo tanto, 1 y 2 0 si
2 1
1 y2
2 2
2 (2 , 1 , )
1
2
1
737 1 (1 , 2 , )
2
2 -1 2
De (4) y (5), est claro que un aumento en 6 desplaza ambas funciones de reaccin hacia
arriba y aumenta el nivel de equilibrio de la salida para ambas firmas. Un incremento en cx
afecta solamente a la funcin de reaccin para la empresa 1, que se desplaza hacia abajo. Por
lo tanto, en el nuevo equilibrio, la produccin de la empresa 2 aumenta, mientras que la de
la empresa 1 disminuye. En equilibrio, la produccin de la industria viene dada por
21 +2 22 +1 21 2
Q*=1 +2 = + =
3 3 3
Y el precio de mercado es
+ 1 +2
P* = P(Q*) = - Q* = 3
Por lo tanto, los beneficios de equilibrio estn dados por
21 +2 21 +2 ( 21 +2 )2
1 = (P*-1)1 = =
3 3 9
22 +1 22 +1 ( 22 +1 )2
2 = (P*-2 )2 = =
3 3 9
Problema 4.5. Duopolio de Stackelberg. Ahora vamos a analizar un mercado muy similar al
descrito en el problema anterior, pero en el que el momento de las acciones es ligeramente
diferente. En lugar de suponer que ambas empresas se mueven simultneamente, ahora
asumimos que la empresa 1 se mueve primero. Esto le da a la empresa 1 una ventaja
estratgica: Debido a que sabe cmo se comportar su rival, puede maximizar sus propios
beneficios tomando como funcin de reaccin de la empresa dada 2.
La empresa 2 observa la salida de salida de la firma l y se comporta en consecuencia. Resolver

para el equilibrio de este juego, y compararlo con el equilibrio de Cournot analizado en el
problema 4.4. La firma 1 ahora resuelve
max 1 = P(1 + 2 )1 - 1 1 = ( - 1 - 2 )1
1
Sujeto a la funcin de reaccin de la empresa 2

2 1
2 = 2 (1 ; 2 , ) = 2
Sustituyendo 2 ( ) en la funcin objetivo de la empresa l,

2 1 +2 21 1
1 = [-1 -2 (1 )-1 ]1 = (-1 -1- ) 1 = 1 -2 12
2 2
738
Captulo 8
La condicin de primer orden para este problema,

1 +2 21
= - 1 = 0
1 2
Rendimientos
+2 21
1 = 2
Sustituyendo esta expresin en 2 ( ),

2 1 32 +21
2 =2 (1 ; 2 ; )= =
2 4
Por lo tanto,
+2 21 32 +21 321 2
Q*= 1 +2 = + =
2 4 4
+21 +2
P*=P(Q*)=-Q*= 4
21 +2 (+2 21 )2
1 = (P*-1)1 = ( 1 )1 =
4 8
( 32 +21 )2
2 = (P*-2 )2 = 16
Comparando estas expresiones con las obtenidas en el problema anterior,

Ver que la empresa 1 tiene una mayor produccin y mayores beneficios cuando acta como
un lder.
Problema 5.1. Consideremos primero el comportamiento de los productores de bienes

finales. Aunque el tamao de la empresa es indeterminado con rendimientos constantes y
competencia perfecta, cada empresa minimiza el costo de producir el nivel deseado de
produccin y, tomando como dados los precios p = {p(s); 0 sn} de las diferentes entradas
x(s). Es decir, cada empresa resuelve

min ds s.t =0 ds
;[0,] 0
Utilizando las condiciones de primer orden para este problema, obtenga la demanda
condicional de bienes intermedios como una funcin de la produccin final y los precios de
los insumos y la funcin de costo unitario de la empresa (vase el problema 1.21 en el captulo
7). Verificar que despus de la agregacin de todos los productores finales, la funcin de
demanda del mercado es de la forma

(p,Y) = , donde = 1/ (4)
(0 1 )
739
y Y es la produccin agregada de bienes finales, con los costos unitarios dados por
1/(1)
c(p)= (0 1 ) (5)
Diferenciando el Lagrange para el problema de la empresa,
= psXs+(ya- )
Con respecto a , obtenemos la condicin de primer orden

1
= 1 => = ( ) , donde = 1> 1 (1.1)

Sustituyendo (1.1) en la restriccin de produccin, podemos resolver para el multiplicador,

= 0 ds = 0 ( ) ds => 1
() = (1.2)
0 1
Y sustituyendo esta expresin en (1.1), obtenemos la demanda condicional de la entrada

intermedia x (s) en funcin de los precios de los insumos y de la produccin final,

(p,y) = () = 1/ (1.3)
(0 1 )
Al sustituir (1.3) en la funcin objetivo, el coste (mnimo) de producir la produccin y viene

dado por
2
C(p,y) = 0 ds = 0 1/ ds = (1.4)
(0 1 )

y(0 1 )1/(1) = c(p)y
Agregando a los productores de bienes finales, la demanda del mercado para los
componentes s est dada por

(p, Y) = , donde = 1/ (1.5)
(0 1 )
Y Y es la produccin agregada de bienes finales.
Problema 5.2. Teniendo en cuenta el calendario de demanda del mercado (4), el salario y los
precios fijados por sus competidores, cada productor de componentes maximiza los
beneficios operativos, dado por
= - w = (1 - w ) (6)
740
Captulo 8
Resolver este problema para la empresa es el nivel ptimo de salida y el nivel implcito de
beneficios.
Diferenciar a con respecto a la condicin de primer orden para que la empresa sea
problema, produce una regla de precios de marcado constante,

(1-) + w1 = 0 => (-1) = w1 => = 1 = (2.1)
Utilizando (2.1) y el programa de demanda del mercado (4), podemos calcular la produccin
ptima,
= = (2.2)
Y los beneficios de explotacin de la empresa,

(1) (1)
= ( ) = wx*, = 1 (2.3)

Problema 5.3. En equilibrio, la entrada libre garantizar que los beneficios sern cero en el
sector de bienes finales perfectamente competitivo. Por lo tanto, el precio de la produccin
final, que vamos a normalizar a 1, debe ser igual a su costo unitario. El uso de esta condicin,
junto con los resultados anteriores, muestran que los salarios y beneficios de equilibrio estn
dados por
(1) Y
= and w = (7)

Donde lx = Lx/n es "empleo variable" en un productor de componentes representativo.

Por lo tanto, la produccin se divide entre los salarios y los beneficios. Los beneficios por
empresa disminuyen con el nmero de competidores n y con la dificultad de sustituir una
entrada por otra, medida por . En un equilibrio simtrico, todos los productores de
componentes fijan el mismo precio (p) y producen la misma produccin (x). Por lo tanto,
cada empresa emplea lx = Lx/n trabajadores y produce la misma cantidad de componentes.
Por lo tanto,
1

Y= (0 ) 1/ = 1/ x= 1/ =()1 (3.1)
Donde (1 / ) 1 > 0 porque <1. Dada la variable total de empleo, la produccin final es
una funcin creciente del nmero de variedades componentes. La especializacin mejora la
eficiencia general. Con precios de componentes iguales, el costo unitario de la produccin
final puede ser escrito

C(p) = ( 0 1 ds) 1/(1) = (n1 )1/(1) =p1/(1) (3.2)
Donde se observa que para un precio de componente dado, el costo unitario del producto
final disminuye con el nmero de variedades componentes (porque s> 1). La entrada libre
741
garantizar que los beneficios sern cero en el sector perfectamente competitivo de los bienes
finales. Por lo tanto, el precio de la produccin final, que vamos a normalizar a 1, debe ser
igual a su costo unitario. Es decir,
p1/(1) = 1 p=1/(1) (3.3)
Y por lo tanto, usando (2.1) y (3.1),

w = p=1/(1) =(1/)1 = (3.4)

Usando (3.3), vemos que
1

(0 1 ) = (n1 )1/ = (1 )1/ = 1
Implicando eso

=
1 =Y
(0 1 )
Por lo tanto, usando (2.1), (2.2) (w = p) y (3.3),
1
X*= = ((1) ) Y X*= (1/) Y (3.5)
Como se espera, y por (2.3),

1
1 1 (1)
= 1 = ((1) )1 Y = (3.6)

Problema 5.4. Hemos asumido que cualquier persona dispuesta a pagar un costo fijo de c
unidades de trabajo puede establecerse y comenzar a producir una nueva variedad de
componentes. Calcular la demanda total de mano de obra y establecerla igual a la oferta de
mano de obra fija L. Usando esta condicin y la suposicin de entrada libre en el sector,
resuelva el nmero de equilibrio de las firmas n * en funcin de L yc, y utilice (3) para obtener
una funcin de produccin agregada de forma reducida que da la produccin per cpita en
funcin de las mismas variables. Compruebe que esta funcin exhibe retornos crecientes al
trabajo cuando a <l.
Dado que la produccin de una variedad de componentes requiere c unidades de trabajo para
la instalacin, la demanda total de mano de obra por una empresa representativa es lx + c, y
la compensacin del mercado laboral requiere
n( +c)=L (4.1)
Donde L es la fuerza de trabajo agregada. Las empresas entrarn hasta que los beneficios
742
Captulo 8
totales sean cero (es decir, hasta que los beneficios de explotacin sean iguales a los costes
de entrada). Usando (3.4) y (3.6),
(1)
= cw = (4.2)

Resolviendo para lx en (4.2), el tamao de la empresa de equilibrio est dado por

=1 (4.3)
Y sustituyendo (4.3) por (4.1), el nmero de equilibrio de las empresas viene dado por
(1)
nc(1+ 1 ) =L n= (4.4)

Por lo tanto, el nmero de variedades de componentes aumenta proporcionalmente con el

tamao del mercado, medido por L. La "mano de obra variable" total empleada en la
produccin es
Lx = L - nc = L- (l - ) L = L
Al sustituir esta expresin en (3), la produccin final puede escribirse en funcin de la oferta
de mano de obra agregada y del costo de entrada,
1
(1) ( 1 )1 1 ( 1 )1
Y=()1 = ( ) L=( ) 1/ (4.5)

Obsrvese que esta funcin presenta rendimientos crecientes en la mano de obra cuando <1.
Si hay costos de entrada fijos, el tamao del mercado limita el grado de especializacin y, por
lo tanto, la productividad promedio. Dividiendo (4.5) por L, tenemos
1
(1) (1)1 ( )1
Q= = ( ) (4.6)

En todo caso, la produccin per cpita aumenta con L cada vez que <1.
Problema 5.5. Considere un equilibrio de libre entrada en el que el sector y es competitivo, y

x los productores compiten a la Cournot. Las ganancias cero en el sector competitivo
implican que el salario ser igual al precio de y, que hemos normalizado a 1. Enfocamos en
el mercado para x y caracterizamos un equilibrio simtrico de Cournot. Agregando a los
consumidores, la demanda total de x puede escribirse

X=
743
Donde Q = L1 ingreso agregado. Invirtiendo esta funcin y suponiendo que hay n + 1

productores en este sector, podemos escribir el programa de demanda inversa percibido por
un productor representativo i en la forma

p( ) = (5)
+
Donde denota su propio nivel de salida, y (el de un competidor arbitrario.) Productor

/ maximiza los beneficios

= p( ) - = + -

Tomando como dado el salario (w = 1), el ingreso agregado Q, y los resultados de sus n
competidores ( ). Utilizando las condiciones de primer orden para este problema, obtenga
una funcin de reaccin que proporcione una salida ptima para el i-simo productor en
funcin de las de sus rivales. En un equilibrio simtrico, todas las empresas elegirn el mismo
nivel de produccin. (I) el nivel de equilibrio de la produccin, (ii) el precio de equilibrio del
bien x, y (iii) el nivel de equilibrio de los beneficios off-set - todos escritos como funciones
del ingreso agregado y el nmero de empresas en el sector.
Ahora, en un equilibrio de libre entrada, los beneficios son cero, y se sigue que el agregado
El ingreso es dado por
Q=Lw=L (10)
Usando esta ltima expresin y el ajuste = 0, encontraremos (i) el nmero de equilibrio de

x productores (ignorando las restricciones enteras),(ii) el precio de equilibrio del bien x, (iii)
la produccin total x, (iv) el total de los costos fijos, Y (v) produccin total - todos escritos
como funciones de "tamao de mercado", medidos por L, y el costo fijo c.
La condicin de primer orden para el problema enfrentado por un productor representativo
en el sector x,
+xi
=Q -1=0 Q ( = 1 (6)
( +xi )2 + )2
Definir implcitamente una funcin de reaccin que proporciona una produccin ptima
para el diseo y la funcin de las de sus rivales. En un equilibrio simtrico, todas las empresas
eligen el mismo nivel de produccin. (6) explcitamente para el nivel de equilibrio de
produccin en funcin del ingreso agregado y el nmero de empresas en el sector:

Q(+1)2 2 =1 x = (7)
(+1)2
No es sorprendente que x sea una funcin decreciente del nmero de miembros del sector.
Sustituyendo (7) de nuevo en la funcin de demanda de la industria (5), obtenemos la precio
de equilibrio
+1
p(x) = (+1) = (8)

Por lo tanto, el precio (o, en realidad, la relacin precio / salario) disminuye con el nmero
de competidores. Obsrvese que p - 1 como n - , es decir, el precio se aproxima a su
nivel competitivo (= coste marginal) a medida que el nmero de empresas de la industria es
muy grande. Finalmente, usando (7) y (8), vemos que los beneficios de la empresa son dados
por
744
Captulo 8
1
= (p-1) x c = c = -c (9)
(+1)2 (+1)2
Ahora, en un equilibrio con la libre entrada, los beneficios son cero, y se sigue que el ingreso
agregado es dado por
Q=Lw=L (10)
Usando esta ltima expresin y estableciendo n-0 en (9), el nmero de equilibrio de x

productores (ignorando las restricciones de enteros) viene dado por

( + 1)2 = 1 + = (11)
Y por lo tanto es una funcin creciente del "tamao del mercado", medido por aL, y una
funcin decreciente del coste fijo c. Usando (10), (11), (7) y (8), podemos calcular el precio
de equilibrio,

1 1

= = =1- (12)
+1

Produccin total de la industria,

X= (1+n)x=(1+n) (+1)2 =+1 = (1 ) (13)
Y los costos fijos totales,

(1 + n)c = = (14)
Finalmente, la produccin total (y el consumo) est dada por

Y= Q-pX = L-L = (1-)L (15)
(El lector puede comprobar que, despus de alguna manipulacin, se obtiene el mismo
resultado restando el empleo total en el sector X, incluidos "costos fijos", de la oferta
agregada de mano de obra). Observe que la distorsin de precios disminuye con L, al igual
que los costos fijos totales per cpita.
Problema 5.6. Utilizando un diagrama similar a la figura 8.8, compare la asignacin per cpita
de equilibrio y el ptimo social, ilustrando las dos fuentes de ineficiencia que hemos
identificado. Utilizando los resultados del problema 5.5, discuta cmo cambian las cosas a
medida que aumenta el "tamao del mercado" (medido por L). Las ineficiencias debidas a la
existencia de poder de mercado y el exceso de entradas se ilustran en la Figura A8.3, que
compara las asignaciones de equilibrio (EQ) y first-best (FB) per cpita. Como se muestra en
la figura, la "verdadera" restriccin presupuestaria social per cpita (PPF) y la percibida por
el consumidor representativo (BCP) son diferentes, por dos razones. En primer lugar, la
existencia de varios (N = n + 1)proveedores de bienes x, con la duplicacin implcita de
745
costos fijos, obliga a la economa a producir dentro de su PPF, ponindola en una segunda
restriccin de presupuesto social (BCS) con una intercepcin vertical inferior y una misma
pendiente. Dado el nmero de equilibrio de las empresas, el segundo mejor ptimo
correspondera a la tangencia de BCS ya una curva de indiferencia (punto SB). Esta
asignacin, sin embargo, no se alcanzar, porque los precios de marcado oligopolstico eleva
el precio relativo de x por encima de su costo de oportunidad social en trminos de y. Por lo
tanto, la lnea presupuestaria privada percibida por los consumidores (con el labio de la
pendiente) es ms plana que la restriccin de los recursos sociales, y la asignacin de
equilibrio (EQ) implica un nivel ineficientemente bajo de consumo x.
La ampliacin del mercado tiende a reducir ambas distorsiones. Para ver por qu, considere
el efecto de un aumento de la fuerza de trabajo L. Como se muestra en el problema 5.5, un
aumento de L conduce a un aumento en el nmero de empresas, lo que se traduce en un
margen de beneficio ms bajo. Adems, debido a que el nmero de empresas aumenta menos
que proporcionalmente con el tamao del mercado, los costos fijos per cpita se reducen.
Por lo tanto, tanto los costes medios como los mrgenes de ganancia sern menores en una
economa ms grande. En trminos del Grfico A8.3, un aumento en el tamao del mercado
desplazar tanto las restricciones presupuestarias sociales y privadas hacia el exterior,
reduciendo los costos fijos per cpita, y girar la lnea presupuestaria privada en el sentido de
las agujas del reloj, elevando el precio relativo de x Cerca de su costo de oportunidad social.
Notas:
1
1 1- =1- 1 = 1=
1 1 1 1
2 1- = 1-(1 )= y 1- = = 1

746
Apndice: solucin de los problemas
Captulo 9
Problema 2.6. Sea (, 0 ) el flujo de los sistemas de los tiempos continuos

(), = () Demostramos que si:
(, 0 ) =

Entonces debe ser una solucin constante de (),es decir, ( ) = 0.
Ponemos que = + para algunos elementos fijos; o de lo contrario arbitrario .
Utilizando la continuidad de (),
= lim (, 0 ) = lim ( + , 0 ) = lim (, (, 0 )) = (, lim (, 0 ))

= (, )
Por lo tanto = (, ) para cualquier . Esto implica que(, ) es constante, es decir,

( ) = 0

Problema 3.2. Cuando = 0, el sistema no homogneo es de la forma = . Utilizando el
mtodo de separacin de variables, encontramos la solucin general de esta ecuacin.
Reordenando la ecuacin

=

Tenemos:
=
Integrando ambos lados de esta expresin, se obtiene la solucin general:

= () = +
Estableciendoigual a cero, tenemos = (0). Por lo tanto, la solucin general tambin
puede escribirse de la forma:
() = (0) +

Problema 3.3. Reescribimos la solucin general del sistema () como una funcin de(),
el valor de en un tiempo arbitrario.
Hemos visto que la solucin general del sistema no homogneo () es de la forma
(, ) = + (. )
Porque(. ) debemos esperar = , tenemos
() = +
Y resolver para ,
= [() ]
Sustituyendo esta expresin en (. ), podemos escribir la solucin general de la forma:
(, ) = + [() ] () (. )
Problema 4.3.Dinmica comparativa para sistemas discretos. Sea (, ) la funcin solucin

del sistema discreto parametrizado (DS()), xt+1 = ( , ),donde ()es una funcin
1 . Procediendo como en la seccin 3(), demostramos que la derivada parcial de la funcin
de solucin con respecto al parmetro satisface una ecuacin de diferencia lineal.
(, )
(, ) =

Escribimos la solucin de esta ecuacin para el caso especial donde (, )es una
solucin en estado estacionario de (DS()).
Como anteriormente, la funcin de solucin (, ) satisface idnticamente el sistema
original, es decir
749
Captulo 9
( + 1, ) [(, ), ](1)
Diferenciando ambos lados de (1) con respecto al parmetro vector , obtenemos una
ecuacin de diferencia lineal en :
( + 1, ) = g [(, ), ] (, ) + g [(, ), ](2)
Si (, ) = Es una solucin en estado continuo entonces los coeficientes de (2)son

constantes, y su solucin est dada por
() = () + [ (0) ()][ ( , )]
Donde () = / es la solucin de
= ( , ) + ( , )

Problema 5.1. Considere la ecuacin de diferencias de primer orden
1 = 1 + 1 (1)
Iterando (1) hacia atrs y hacia delante, derivamos los anlogos de tiempo discreto de las
ecuaciones (7) y (11) en el texto. Iterando (1)hacia atrs, tenemos
1 = 1 + 1 = (2 + 2 ) + 1 = 2 2 + 2 + 1
= 2 (3 + 3 ) + 2 + 1 = 3 3 + 2 3 + 2 + 1
=
= + 1 + + 2 2 + 2 + 1

1

= +
=0
Despus de repeticiones. Siendo = , tenemos que:

1
= a 0 (2)
=0
Que es la solucin anterior de la ecuacin dada. Para derivar la solucin de avance, observe
que guindonos de (1)en un perodo,
+ 1 = +
Y resolviendo para , tenemos que:
= (1/)+1 (1/) (3)
Iterando (3)adelante por periodos, obtenemos que:
750
= (1/)+1 (1/) = (1/)[(1/)+2 (1/)+1 ] (1/)

= (1/)2 +2 (1/)2 +1 (1/)
= (1/)2 [(1/)+3 (1/)+2 ] (1/)2 +1 (1/)
= (1/)3 +3 (1/)3 +2 (1/)2 +1 (1/) =
= (1/) + [(1/) +1 + (1/)1 +2 + + (1/)2 +1 + (1/) ]
+1
= (1/) + (1/) (1/) (4)
=
Siendo , y aceptando = + , la solucin directa viene dada por

(1/)3
1 = ( lim ) (1) (1/) (5)

=
Ahora definiendo:

() = (1) (1/) (6)
=
Usando la solucin anterior (2), tenemos:
1 1 1
(1/ ) = 0 + (1/) = 0 + (1/) = 0 + (1/) (1/)
=0 =0 =0
Y tomando los lmites como ,

lim (1/) = 0 (0)(7)

Sustituyendo (6) y (7) en (5), la solucin directa puede escribirse como:
1 = 1 [0 (0)] + ()(8)

2
Problema 6.4, Demuestre que la funcin () = 3 3 no es Lipschitz en ningn vecindario de
cero.
Negando la definicin de la funcin de Lipschitz (localmente), tenemos que demostrar que
dado cualquier > 0 y cualquier > 0, existen puntos y en (0) tal que |()
()| > |y x|.
Fijamos un arbitrario K > 0 y > 0, y siendo y >0 un punto en B(0). x = y >0 es tambin
un punto en B (0) para cualquier [0, 1].Nosotros tenemos que:
| | = = = (1 )
Y
2 2 2 2 2 2 2
|() ()| = |3 3 33 3 | = 3 (1 3 ) |3 | = 3(1 3 ) 3
Por lo tanto, tenemos|() ()| > K | |s y solo si podemos encontrar un par

(, ) tal que
2 2 2 1
3 (1 3 ) 3 > (1 ) (, ) = 3(1 3 ) (1 ) 3 > 0,
Siendo > 0, de modo que 1/3 < 1, es decir < 3 . Luego

2 1 2
g(, ) = 3(1 3 ) (1 )( )3 > ()3 (1 3 ) (1 ) > 0
Observe que () es una funcin continua de , con
751
Captulo 9
(0) = 3 1 = 2 > 0
Por lo tanto, (, ) > () > 0 para estrictamente positivo pero suficientemente

pequeo, y se sigue que = y son puntos en (0) con la propiedad
|( ) ( )| > | |. Porque > 0 y > fueron arbitrarios, esto establece
que () no es localmente Lipschitz alrededor de cero.
Problema 6.5. Dependencia contina de la condicin inicial y parmetros .Siendo (, , )

una funcin continua definida en el conjunto = , donde , , y =
[, ] son intervalos cerrados en una lnea real .Asumimos que ms all de ()es Lipschitz
en (, ) en, es decir que existe alguna constante positiva tal que
|(, , ) (, , )| (, ) (, )(, , )(, , )

Muestre lo siguiente:
() Para cada ( 0 , ) en el interior de ,el problema del valor inicial tiene una
solucin definida en un intervalo cerrado ( 0 ) contenido en cero
= (, , ), () = 0 (( 0 , 0, ))
() La funcin ( 0 , ) que da la solucin a (( 0 , 0, )) en funcin de las condiciones
y parmetros iniciales es continua.
Porque es continuo, el conjunto compacto est limitado, es decir, existe alguna

> 0 tal que
|(, , )| (, , ) (1)
Para cada en el interior de permitimos (), decimos que:

1
0 < () < min {, , }(2)

Donde () > 0 Es la distancia desde el punto interior hasta el lmite de . Por el mismo
argumento que en la demostracin del teorema 6.2, una solucin nica para (( 0 , 0, ))
definido en el intervalo [( 0 ), (( 0 )] existe para cualquier ( 0 , ), con 0 en el interior
de .
Ahora, aseguramos un punto ( 0 , ), con 0 int , y 0 int . Entonces existe un
cierto nmero > 0tal que 2 [ 0 ] est contenido en el interior de y ( 0 ) .
Tenemos que es un punto arbitrario en [ 0 ], y observe que () > . Por lo tanto,
hay algn nmero 0 tal que
1
0 < 0 < {, , } () para cualquier [ 0 ] (3)
Y se sigue que las soluciones a (( 0 , 0, )) empezando en [ 0 ] se definir en el

intervalo comn 0 = {0 , 0 }.
Para cada [ 0 ] deja:
0 [] = {() (0 ); 0 }
752
Y definimos el conjunto por:

= [ 0 ]
[ 0 ]
Observe que para algunos() en tenemos, por (3),
|() | 0 <
Para algunos [ 0 ].
Por lo tanto () permanece dentro 2 [ 0 ] .Entonces, () permanece dentro ,

para todo en 0 y se sigue que 0 [(), , ] ES Lipschitz. Observe que()implica que
() es Lipschitz en = para dar un ,porque:
(, ) (, ) = | |
Definimos ahora la funcin: en [ 0 ] [ 0 ] por

(, )() = + 0 [(), ] para cada 0 (4)
Entonces, por el argumento en la prueba del Teorema 6.2 (, ) es una contraccin que
traza una bola cerrada en (0 ) en s misma, y se sigue que (, ) tiene un punto fijo que
es la nica solucin al problema de valor inicial ((, 0, )) en el intervalo [0 , 0 ].
Queremos demostrar que este punto fijo vara continuamente con (, ). Por el teorema
7.18 en el captulo 2, basta con demostrar que es una funcin continua de (, ) para
establecer la continuidad de en (, ) siendo () una funcin arbitraria en , y
considerando dos puntos (, ) y (, ) [ 0 ] [ 0 ]. Debido que () permanece
dentro tenemos:
|((), , ) ((), , )| | |0
Por ().de manera que,

|(, )() (, )()| = | + [[(), , ] [(), , ]] |
0
| | + ||| | | | + 0 | |
Para todo en 0 . Por lo tanto,
(, ) (, ) | | + 0 | |
Finalmente, observe que (, ) (, ) como (, ) (, ), que establece la

continuidad de .
Problema 6.8. Probamos Lema 6.7. Por el teorema local de la existencia y la unicidad (Teorema
6.2) sabemos que () y () coinciden en un intervalo que contiene 0 . Sea el
subintervalo ms grande de = , sobre el cual las dos soluciones coinciden. Para
demostrar que = , asumimos que est estrictamente contenida en . Obtenemos una
contradiccin. Si est estrictamente contenido en entonces tiene al menos un punto
extremo1 que pertenece a ~ o se encuentra en el interior de . Por concrecin,
753
Captulo 9
supongamos que 1 es el punto final correcto de . Observamos que por la continuidad de

() y () en tenemos
(1 ) = lim () = lim () = (1 ) 1 (Porque )

1 1
Por lo tanto, 1 es el "ltimo punto" para el cual () = (), y se sigue que 1 en el

interior de . Observamos, sin embargo, que tanto () y () son soluciones al problema
de valor inicial
= (, ), (1 ) = 1 ((1 , 1 ))
Donde (1 , 1 ) . Se sigue, por la unicidad local de las soluciones, que () = () para

todo en algn intervalo [1 1 , 1 + 1 ] con 1 > 0. Por lo tanto, 1 no es el "ltimo
punto" para lo cual () = (), y hemos llegado a una contradiccin.
Problema 6.15. Sea () una funcin de valor real continua definida en un intervalo abierto
= (, ) que contiene 0 . Considere el problema de valor inicial definido por el =
() y la condicin inicial (0 ) = 0 . Demostrar que la solucin a este problema se define
en el conjunto de .
Bajo nuestras suposiciones, la funcin (, ) = () es claramente continua y localmente

Lipschitz en el conjunto abierto . Se sigue por el teorema 6.9 que el dado el problema
del valor lmite tendr una solucin mxima nica () definida en algn intervalo abierto
mximo (, ) = (, ) que contiene 0 . Asumiremos que (, ) y obtener una
contradiccin. Supongamos, por concrecin, que < , entonces es un punto interior
de, y () es definido en [0 , ]. Porque() es una funcin continua ,est limitado en el
conjunto compacto [0 , ].Entonces:
= {|()|; [0 , ]}
Observamos que para cualquier en [0 , ) nosotros tenemos

|()| = | 0 + ()()| | 0 | + |()()| | 0 | + |()|
0 0 0
Por Lema De Gronwall
|()| | 0 | |0 | < | 0 | |0 |
Por lo tanto, la solucin permanece dentro de un conjunto compacto para todo en [0 , ).

Porque es un punto interior de , esto contradice el teorema 6.12.

Problema 6.18. Probando Lema 6.17.
Dado que (, 0 ) y (, 0 ) son soluciones de (()) pasando por 0 y 0 ,

respectivamente, en el tiempo 0 , tenemos que:

(, 0 ) = 0 + [(, 0 ), ] y (, 0 ) = 0 + [(, 0 ), ] (1)
0 0
754
Y porque ambas soluciones permanecen en ,tenemos que (, (, 0 )) y

(, (, 0 )) para Todos ( 0 ) ( 0 ) .Esto implica que para todos estos
,
|[(, 0 ), ] [(, 0 ), ]| |(, 0 ) (, 0 )|(2)
Por la condicin de Lipschitz en ().
Definiendo la funcin () ( 0 ) ( 0 ) por
() = |(, 0 ) (, 0 )|
Entonces, usando (1) y (2), tenemos que:

() = | 0 0 + [[(, 0 ), ] [(, 0 ), ]] |
0

| 0 0|
+ |[(, 0 ), ] [(, 0 ), ]|
0

| 0 0|
+ |(, 0 ) (, 0 )|
0

= | 0 0 | + ()
0
Para todo ( 0 ) ( 0 ).
Por lo tanto,() satisface las condiciones de Lemma De Gronwall y
|(, 0 ) (, 0 )| = () | 0 0 | |0 |
Para todo en ( 0 ) ( 0 ), que es el resultado deseado.
755
Apndice: Soluciones de los Problemas
Captulo 10
Problema 2.3. Derivando la ecuacin
exp(1 ) 0
(; ) = , donde = [ ] (4)
0 exp( )
Diagonalizando la matriz de coeficientes de (CH).
Dado el sistema homogneo continuo
= (CH)
Multiplicamos ambos lados por la inversa de la matriz de vectores propios, 1:
1 = 1
Ntese que 1 = (la matriz identidad), es equivalente a
1 = 1 1
Ahora, porque 1 = , tenemos
1 = 1 (1)
Definir y por
= 1 (2)
Y observar que
= 1 (3)
Usando (2) y (3), el sistema puede ser escrito
= (4)
Donde = (1 , . . . , ). Porque (4) es un sistema desacoplado, su solucin es de la

forma
() = (5)
Donde c es un vector de constantes arbitrarias. Para recuperar la solucin en trminos de las

variables originales x, premultilplicamos (5) por E:
() = () =
Problema 2.4. Derivar la siguiente ecuacin:
756
Captulo 10
() = 1 ( cos sin ) + 2 ( cos + sin ) + =3 (6)
Debido a que la matriz de coeficientes A es una matriz real, sus valores y vectores propios
son pares conjugados. Por lo tanto, si 1 y 2 son valores propios complejos de A, ellos son
de la forma
1 = + = (cos + sin ) =
2 = = (cos sin ) = (1)
Donde es el ngulo formado por el vector 1 = (, ) y el eje horizontal del plano

complejo. Adems los correspondientes vectores sern dados por
1 = + y 2 = (2)
Donde d y f son vectores. Las soluciones elementales asociadas con estos valores propios son
entonces
1 = 1 1 y 2 = 2 2 (3)
Usando (1) y (2), las soluciones elementales pueden ser escritas

1 = 1 1 = ( ) ( + ) = (cos + sin )( + )
= ( cos + sin + cos + 2 sin )
= ( cos sin ) + ( sin + cos )

2 = 2 2 = ( ) ( ) = (cos sin )( )
= ( cos sin cos + 2 sin )
= ( cos sin ) ( sin + cos )
Por lo tanto, las soluciones elementales son complejas conjugaciones de ellas mismas.
Usando
= ( cos sin ) y = ( sin + cos )
Tenemos
1 = + 2 =
Por el mismo argumento usado en la seccin 2(b) se puede demostrar que las funciones reales
(secuencias) y son soluciones del sistema (DH), +1 = . Se puede demostrar
tambin que estas funciones son linealmente independientes unas de otras y del resto del
resto de las soluciones elementales del sistema. Por lo tanto, podemos usarlas para completar
un conjunto fundamental de soluciones y escribir la solucin general del sistema en la forma
de (6).
757
Problema 2.5 Dado el sistema lineal (CH), = , supongamos que hay valores propios de
la multiplicidad 2 (1= 2= ) el resto de los autovalores 3,, n de son todos diferentes
entre s. Asociados con el valor propio repetido tenemos dos soluciones elementales:
1 () = exp(1 ) 1 = 1 2 () = exp(2 ) 2 = 2
Claramente, si 1 y 2 son vectores propios linealmente independientes asociados a , las

soluciones elementales 1 () y 2 () son tambin independientes entre s del resto de las
soluciones elementales 3 (), , () . Por lo tanto, el conjunto de soluciones elementales
sigue siendo una base para el espacio de soluciones del sistema homogneo, y podemos
escribir la solucin general como antes.
() = 1 1 () + + () (G. S)
Si 1 y 2 son linealmente dependientes, sin embargo, tambin lo son 1 () y 2 (), y no

tenemos suficientes soluciones elementales independientes, de modo que abarquemos el
espacio de la solucin. Para completar una base para el espacio de solucin que nos permite
escribir la solucin general, necesitamos encontrar una solucin adicional a (CH) que sea
linealmente independiente de las soluciones elementales. Buscaremos una solucin del
formulario.
() = ( + ) t = t + t (1)
Es decir, el producto de un polinomio de orden 1 (1 menor que la multiplicidad de ) en y

el trmino exponencial en el valor propio . Qu restricciones deben ponerse sobre los
vectores y para que () sea de hecho una solucin del sistema, esto es, satisfar la
ecuacin () = ()? Escriba la solucin general del sistema.
Necesitamos elegir los vectores y para que () satisfaga la ecuacin homognea, es

decir, necesitamos.

() = () [ t + t ] = [ t + t ]

t + t + t = t + t
[a + b] t + t = t + t
Y poniendo los coeficientes de y en ambos lados iguales entre s, obtenemos
(for :) = = 0
( ) = 0 (2)
(for :) + =
( ) = (3)
Es decir, debe ser un vector propio asociado con el valor propio repetido (es decir, =
) y debe satisfacer la restriccin dada por (3) para que () sea una solucin a (1). Si se
cumplen estas condiciones, podemos escribir la solucin general al sistema homogneo con
758
Captulo 10
un valor propio de multiplicidad 2 (1 = 2 = ) y todo el resto , de multiplicidad

1 como
() = 1 1 () + 2 () + 3 3 () + + ()
() = 1 t + 2 [ t + 1 t ] + 3 exp(3 )3 + + exp( ) (4)

Problema 4.1. Coordenadas polares. Cuando se trabaja con sistemas planares a veces es
conveniente trabajar en coordenadas polares. Considere un punto con coordenadas
cartesianas (ordinarias) (, ). Sus coordenadas polares son (, ), donde es la distancia
Euclidiana desde el origen hasta el punto (, ), y es el ngulo formado por el segmento
de lnea que va desde el origen hasta el punto (, ) eje horizontal. Por lo tanto, y son
definidos por
2 = 2 + 2 (1)

= arctan ( ) (2)
Y es tal que
cos = / y sin = (3)
Diferenciando (1) y (2) implcitamente con respecto al tiempo, demuestran que
= + (4)
2 = + (5)
Diferenciando (1) implcitamente con respecto al tiempo, tenemos
2 = 2 2
2 = + (4)
Procediendo de manera similar con (2),
2 ( )/ 2
( )/
= = 2 =
1 + ()2 ( + 2 )/ 2 2 + 2
2 = (5)

Problema 4.2. Sea una matriz real 2x2 con valores propios complejos 1 , 2 = y
vectores propios complejos correspondientes 1 , 2 = . Se puede demostrar que los
vectores reales y son linealmente independientes, por lo que la matriz = [, ] es
invertible.
()Mostrar que
759

1 = = [ ] (8)
La ecuacin (8) muestra que si tiene valores propios complejos, entonces el sistema plano
= puede escribirse (despus de un cambio de coordenadas) en la forma

[ ] = [ ] []

o equivalente
= (9)
= + (10)
() Reescribir el sistema (9)-(10) en coordenadas polares y resolverlo, dejando la solucin

((), ()) en funcin de los valores iniciales (0) y (0).
() Utilizando las identidades trigonomtricas
sin( + ) = (sin )(cos ) + (cos )(sin ) (11)
cos( + ) = (cos )(cos ) (sin )(sin ) (12)
Recuperar la solucin ((), ()) del sistema original, escrita en funcin de los valores
iniciales (0) y (0).
() Porque 1 , es un valor propio de , y 1 un vector propio correspondiente, tenemos 1 =

1 1, es decir,
( + ) = ( + )( + )
Ampliando ambos lados de esta expresin,
+ = + + + 2 = ( ) + ( + )
es decir,
= ( ) y = ( + )
O, en forma de matriz,

[, ] = [, ] [ ] =
760
Captulo 10
Y porque es invertible (por el hecho de que y son linealmente independientes), esta

ltima expresin produce el resultado deseado (pre multiplicando ambos lados por 1).
() Sustituyendo (9) y (10) en (4), tenemos
= ( ) + ( + ) = ( 2 + 2 )= 2
de donde
= (13)
Similarmente, usando (5),
2 = = ( + ) ( ) = ( 2 + 2 ) = 2
de donde
= (14)
Tenemos, entonces, un sistema de dos ecuaciones desacopladas en (, ) Las soluciones de

(13) y (14) son de la forma
() = (0) (15)
() = (0) + (16)
() Para recuperar la solucin en trminos de las variables originales, utilizamos la ecuacin (7)
y las identidades trigonomtricas (11) y (12). Sustituyendo (15) y (16) en (7), y usando (11) y
(12),
() = () cos () = (0) cos((0) + )
= (0) [cos (0) cos sin (0) sin ]

(0) (0)
= (0) ((0) cos (0) sin ) = [(0) cos (0) sin ]
Similar,
() = () sin () = (0) sin((0) + )
= (0) [sin (0) cos + cos (0) sin ]

(0) (0)
= (0) ( (0) cos + (0) sin ) = [(0) cos + (0) sin ]
4.3. Considere el siguiente sistema de ecuaciones diferenciales:
= (, ) = + ( 2 2 ) (17)
761
= (, ) = + ( 2 2 ) (18)
() Mostrar que el punto (0,0) es el nico estado estacionario del sistema para cualquier valor de
c.
() Linearizar el sistema en todo el estado estacionario y calcular sus valores propios. Qu

podemos decir sobre la estabilidad y el tipo de estado estable? (Hay tres posibles casos,
dependiendo del valor de c.)
() Mostrar que el sistema original puede estar escrito en coordenadas polares como
= ( 2 ) (19)
= 1 (20)
Utilizando estas expresiones, describir el comportamiento del sistema, y comparar los

resultados con los obtenidos en (ii). La linealizacin debe dar resultados locales precisos en
dos casos, pero ahora podemos ver ms cosas. qu ocurre en el tercer caso?
() El estado estacionario = ( , ) satisface
= 0 + ( 2 2 ) = 0
= 0 + ( 2 2 ) = 0
Claramente, (0,0) es una solucin del sistema de ecuaciones. Si = 0, entonces = 0, por

la primera ecuacin; asimismo, si = 0, entonces = 0, por la segunda ecuacin.
Finalmente, asume , 0; a continuacin, podemos dividir la primera ecuacin por y
la segunda por para obtener
= 2 2 y = 2 2
Desde donde
= 2 = 2
Lo cual es imposible para , 0. Por lo tanto = (0,0) es el nico estado estacionario.
() Las derivadas parciales de las funciones ( ) y ( ) evaluadas en el estado estable son dadas
por
= (2) + 1( 2 2 ) = 0 + =
= 1 + (2) = 1 0 = 1
= 1 + (2) = 1 + 0 = 1
= 1( 2 2 ) + (2) = + 0 =
Por lo tanto, el coeficiente de la matriz del sistema linealizado es de la forma
762
Captulo 10
1
=[ ]
1
Para encontrar los valores propios de , resolvemos
| | = | 1
|=0
1
o
( )2 + 1 = 2 2 + 2 + 1 = 2 2 + (1 + 2 ) = 0
Por la frmula cuadrtica,
2 4 2 4 4 2
1 , 2 = =
2
Por lo tanto, los valores propios del sistema son nmeros complejos. Si < 0, el estado
estacionario es un punto de espiral localmente estable, y si > 0, el estado estacionario es
localmente inestable. Si = 0 el estado estacionario es no hiperblico, y su estabilidad no se
puede determinar sin ms informacin.
() sustituyendo (17) y (18) en (4)
= + = [ + ( 2 2 )] + [ + ( 2 2 )
= ( 2 + 2 )( 2 2 ) = 2 ( 2 )
Y simplificando,
= ( 2 ) (19)
Asimismo, sustituyendo (17) y (18) en (5)
2 = = [ + ( 2 2 )] [ + ( 2 2 )]
= ( 2 + 2 ) = 2
Para cuando
= 1 (20)
Por lo tanto, el sistema original (17) (18) reduce a coordenadas polares a un conjunto de
dos ecuaciones independientes de primer orden: el comportamiento del sistema puede
determinarse directamente mediante la inspeccin de (18) y (19). En primer lugar, observe
que el ngulo disminuye con el tiempo. Por lo tanto, la solucin de trayectorias gira en
sentido de las manecillas del reloj, formando espirales o crculos. Las formas exactas de las
trayectorias depender del comportamiento de , la distancia desde el origen. Usando (20),
vemos que si 0, entonces tenemos = ( 2 ) < 0 para todo > 0 y todas las
trayectorias convergen en el origen, lo cual es un punto espiral estable. Si > 0, las cosas
son ligeramente ms complicadas. Observe que si = , entonces = 0 y se mantiene
constante a lo largo del tiempo. Por lo tanto, el sistema tiene una rbita peridica o solucin
cclica. Si > , entonces = ( 2 ) < 0 y si < tenemos = ( 2 ) > 0.
763
En otro caso, nos acercamos a la rbita peridica. Por lo tanto, las trayectorias que
comienzan a ambos de esta curva cerrada convergen a ella cuando .
764
Captulo 11
Problema 2.1 Cuando la tasa impositiva sobre los dividendos varia en el tiempo, nuestras
ecuaciones de precios de los activos financieros pueden ser escritos en la forma
(1)
Donde
() = (1 1 )
La ecuacin (1) es una ecuacin lineal no autnoma del tipo que estudiamos en la seccin
cinco del captulo nueve. Su solucin puede ser escrita en la forma de avanzada
() = [(0) (0)] + () (2)
Donde

() = () () (3)
La solucin fundamental de (1), es el valor discontinuo del flujo de dividendos futuro despus
de impuestos y [(0) (0)] es un periodo burbuja capturando posibles desviaciones
a partir del valor fundamental del activo financiero. Por la misma lgica de nuestra discusin
anterior, descartaremos las burbujas y asumiremos que () = ()para todo t . Por lo tanto,
el valor del activo financiero en cada punto en el tiempo ser dado por (3). Vamos a mostrar
que esta solucin fundamental da la misma lnea de tiempo de precios de los activos
financieros en respuesta a incremento futuro preanunciado en impuestos a los dividendos
como el procedimiento que seguimos antes.
(i) Mostrar que
1
() = (1 () ) (4)
(ii) Como antes, asumir que un anuncio es hecho en el tiempo cero que los impuestos
a los dividendos van a incrementar en el tiempo T desde
0 hasta 1 . Entonces
() = (1 0 ) para [0, T)
= (1 1 ) para [, ) (5)
Usando (3) y (4), calcular la trayectoria de los precios de los activos financieros
siguiendo el anuncio.
(i) Para Calcular la integral dada, haremos un cambio de variable. Despejar
= () = ( )
Entonces

= , =

Y

()
1 () 1 ()
= = [ ]()
()
1 () 1 () 1
= [ ] = ( 0 = (1 ()

765
Captulo 11
(i) Vamos a considerar dos posibles casos. Primero, tener

() = () = () () = () () + () ()

= (1 0 ) () + (1 1 ) (+
Entonces la nueva solucin satisface
Siguiente, si [, ) tenemos

() = () = () () = () () + () ()

= (1 0 ) () + (1 1 ) (+)

(1 0 )
= (1 () ) + () (1 1 ) ()

(1 0 ) (1 1 )
= (1 () ) + ()

= (0 )(1 () ) + () (1 )
= (0 ) [ (0 ) (1 )] ()
La cual es la ecuacin (18) en lo siguiente. Por lo tanto, los dos procedimientos dan
el mismo resultado tambin para el periodo de transicin.
Problema 2.2 El modelo de Cagan con previsin perfecta. Considerar la siguiente
especificacin de equilibrio en el mercado de dinero
() () = (), > (1)
Donde m es el logaritmo de la oferta nominal de dinero, p es el logaritmo del nivel de precios
y = es la (tanto actual y esperada) tasa de inflacin (estamos asumiendo previsin
perfecta). Si estamos dispuestos a asumir las complicaciones reales (asumir que la produccin
es ajustada en su nivel natural), entonces el equilibrio completo de la economa es
determinado por esta ecuacin. Asumir que la oferta nominal de dinero crece en una tasa
constante = . Diferenciando (1) con respecto al tiempo, podemos obtener una ecuacin
diferencial en la tasa de inflacin
= =
= ( ), = 1/ (2)
(i) Encontrar el estado estacionario de esta ecuacin y escribe su solucin general.
Ajustando igual a cero en (2) y resolver para , vemos que la tasa de inflacin del
estado estacionario es igual a las tasa de crecimiento de la oferta de dinero ( = ).
Como se discuti en la seccin 3(a) del captulo 9, la solucin general de la ecuacin
lineal (2) puede ser escrita
() = + [(0) ]
Donde es la tasa de inflacin inicial
(ii) Asumir que permanece constante para siempre. Desde un punto de vista
econmico, Cul es la solucin particular ms razonable de esta ecuacin? Por qu?
Porque el coeficiente es positivo, el sistema es inestable. As, si la inflacin inicial
no es igual a la tasa de crecimiento de dinero, la tasa de inters aumenta o disminuye
sin lmite. Con una tasa constante de crecimiento de dinero, como una explosiva
hiperinflacin (o deflacionaria) no resulta muy razonable.
766
Por lo tanto, vamos a asumir que el equilibrio del modelo implica un salto al
estado estacionario.
(iii) Asumimos que estamos en el tiempo cero y que ha sido siempre constante en algn
valor 0 . Repentinamente el gobierno anuncia que en algn momento t en el futuro
la tasa de creacin de dinero aumentara a 1 = 0 y va a permanecer constante para
siempre despus de esto (y las personas creen el anuncio). Describe la evolucin de
la tasa de inflacin siguiendo el anuncio y tus razones para seleccionar esta lnea de
ajuste. Escribe la solucin particular correspondiente a este comportamiento y usarlo
para resolver para el salto in el nivel de precios en el momento del anuncio Qu
factores determina la magnitud de este ajuste?
En el momento en que se produce el cambio de poltica debemos estar en el nuevo estado
estacionario 1 = 1. Por lo tanto, debemos tener:
() = 1 (4)
Durante el periodo entre cero y debemos estar en una trayectoria de la solucin del viejo
sistema, el cual es de la forma (2), con = 0
() = 0 + [(0) 0 ] (5)
Usando (4) como una condicin de contorno en (5), podemos resolver para la tasa de
inflacin cero (0):
() = 1 = 0 + [(0) 0 ]
Desde donde
(0) 0 = (1 0 )
Por lo tanto, el salto inmediato en la tasa de inflacin (desde su valor inicial de 0 ) depende
del incremento en la tasa de creacin de dinero, el tiempo desde el anuncio hasta el actual
cambio de poltica y la elasticidad de la demanda por dinero.
Problema 2.3 Construir el diagrama de fase para el sistema (L.s) (L.p). Asumir que 1 >
0. Qu significa este anuncio?
El sistema cuyo comportamiento deseamos analizar es de la forma:

= 1 (( + ) [ + ( )] + ) (L.p)

+
= (L.s)

Ajustando = 0 en (L.s) y resolviendo para p, la ecuacin de la primera lnea de fase

es dada por
= 0 = + (= ) (P.s)
La cual es una lnea horizontal en espacio de fase. Adems

= 1/ >

El signo de esta derivada indica que, empezando desde la lnea de fase (donde ( )),
un pequeo incremento en el valor de p nos ubica en la regin en la cual s es positiva.
Por lo tanto, s se incrementa en el tiempo en la regin por encima de la lnea de fase
y las flechas de movimiento a lo largo del eje , hacia la derecha, como se muestra i
en la figura A11.1
Similar, ajustando = 0 en (L.p), tenemos
767
Captulo 11
P P < 0 => () = 0
> 0 => ()

= 0
< 0 => ()
< 0 => ()
S
S
Figura A11.1. Fases de la lnea y flechas de movimiento.

= 0 [ + ( )] = ( + ) +

1
= +(/) (( + ) + ) (P.p)

As, la lnea de fase = 0 es de pendiente positiva, con pendiente

= <1
+ (/)
Diferenciando (L.p) con respecto a p, obtenemos
[ + (/)]
=
1
En principio, el signo de esta expresin es ambiguo. Bajo el supuesto que 1 > 0, sin
embargo, la derivada es negativa y p es negativa en la regio por encima de la lnea de fase.
Por lo tanto, las flechas de movimiento a lo largo del eje p hacia la lnea de fase y el mercado
de bien son estables en el sentido que los precios caen si ellos son muy altos. Combinando
las dos lneas de fase, obtenemos el diagrama de fase mostrad en la figura A11.2. Recordemos
que el parmetro X mide la velocidad de ajuste de precios. Por lo tanto,
La suposicin de que
1 > 0 > 1/
Requiere que los precios no se ajusten muy rpido, Como vamos a ver en el siguiente
problema, si esta suposicin no se mantiene, el sistema es inestable y de comportamiento
"irrazonable".
Problema 2.4 Solucin del modelo de Dornbusch
Calcular los autovalores y auto vectores del sistema (L.s) (L.p) y verificar que el estado
estacionario es un punto silla. Expresando p en desviaciones del estado estacionario, el
sistema (L.p) (L.s) puede ser escrito en la forma matricial c
768
Apndice: soluciones para los problemas
[ + (/)]

[ ]=[ 1 1 ] [ ]

1/ 0
Observe que la determinante de la matriz de coeficientes

1
|| = 1 2 = 0 <0
1
Es negativa bajo el supuesto que 1 > 0. Porque la determinante de la matriz
de coeficientes es igual al producto de autovalores 1 y 2 , esto
769
Captulo 11
Se infiere que ambas races del sistema son nmeros reales y tiene diferentes signos
(dice 1 > 0 y 2 < 0. Por tanto, el estado estacionario en un punto silla. Como
vimos en el captulo10, el sistema converger hacia el estado estacionario si su
posicin inicial recae en una lnea recta a travs de este punto, llamado subespacio
convergente del sistema o el punto silla. Hay una trayectoria anti-silla hacia el cual
otras trayectorias convergen (figura A11.3).
Para escribir la solucin general del modelo necesitaremos encontrar los vectores
propios del coeficiente de la matriz. Normalizar su segundo componente hacia 1,
podemos escribir el autovector asociado con como = ( , 1) . Por definicin,
el autovector satisface = , entonces tenemos
[ + (/)]

[ 1 1 ] [ 1 ] = [ ]
1/ 0
Enfocndonos en la segunda ecuacin en este sistema (recordar que trabajamos con
cualquiera que sea ms conveniente), tenemos
(1/) + = =
Por consiguiente, los autovectores del sistema son de la forma
= ( , ) 2 = ( , )
(i) Escribir la solucin general del sistema. Encontrar la solucin particular del sistema
que corresponde hacia el punto silla y debate la trayectoria de equilibrio del sistema
desde un nivel inicial de precio arbitrario. Encuentra la ecuacin que describe la
trayectoria de silla, y que muestre que tiene pendiente negativa.
Porque el modelo es lineal, podemos escribir su solucin usando las formulas
derivados en la seccin 2 (f)(i) del captulo 10:
() = 1 ( ) + ( )
() = 1 exp(1 ) + 2 exp(2 ) (G.S)
Donde K1 Y K2 son constantes arbitrarias sern definidos por una decisin de una
apropiada condicin fronteriza. Excluimos la trayectoria explosiva y asumimos que
para el valor dado de una variable predeterminada (p), una variable libre(s)se ajusta
continuamente como para mantener el sistema en una trayectoria nica convergente,
la trayectoria silla. Imponer este este supuesto, establecemos la constante k1 asociado
con el races explosivas ( n1>0 ) es igual a cero se obtiene la solucin particular
() = 2 ( ) () = ( ) (G.P)
Diferenciando la primera ecuacin con respecto al plazo, veremos que
() = 2 ( ) = [() ] ( < )
Esto es, la velocidad con el cual los precios se ajustan hacia su nivel de equilibrio a
largo plazo es directamente proporcional hacia su diferencia entre el actual y valores
del estado estacionario. El ajuste de velocidad del sistema luego depende de su valor
de n2, una funcin de los parmetros del sistema. Resolviendo explcitamente para n2,
veremos que las elevadas elasticidades incrementara el valor absoluto de 2 por lo
tanto la velocidad del precio de ajuste.
De (G.P) obtenemos la ecuacin de la trayectoria de silla. Dividiendo la primera la
primera ecuacin por el segundo, obtenemos
()
=
()
() = (() ) (S.P)
770
S1 S0
1 0 S
Figura A11.4. Efecto de un incremento imprevisto en los gastos
pblicos.
El cual describe una lnea recta en el plano de fase atravesando el estado estacionario.
Problema 2.5. Asume que la economa es inicialmente (en el momento cero) en el estado
estacionario 0 = (0 , 0 ) correspondientes hacia los valores 0 y 0 del suministro
monetario y gastos pblicos.
(i) Suponga que el gobierno anuncia un inesperado e inmediato incremento permanente
en su nivel de gastos en sus bienes nacionales para (). Analiza el impacto en el estado
estacionario del sistema, y describe la trayectoria de trayectoria de la posicin inicial
hacia el nuevo equilibrio. Recordar que los valores del estado estacionario de () y ()
son dados por
= + (. )
1
= +()( + (. )
Por ende, un incremento en no tiene efecto en el nivel del precio y requiere una
disminucin en , el cual puede llevarse a cabo una apreciacin de la moneda
nacional que desva la demanda externa fuera de la produccin nacional. El ajuste es
inmediato e ilustrado en la figura A11.4.
(ii) Analiza el efecto de un inmediato, inesperado e incremento permanente en el
suministro monetario nominal hacia 1 > 0 . Sever que el tipo de cambio
temporalmente excede su nuevo valor de equilibrio a largo plazo. Explicar en qu
sentido esto es verdadero, y debate el mecanismo econmico que genera estos
resultados. Qu determina el grado de superacin?
Considerar el efecto de un incremento nico sorpresivo(permanente) en el suministro
monetario nominal, desde () hacia (). Recordaremos que los valores del estado estacionario
del nivel del precio y la tasa de cambio est dado por
= + (. )
1
= + ( ) ( + ) (. )

Usando subndices para designar los valores del estado estacionario de y s antes y despus
del cambio poltico, esta caro que

1
0 = 1 0 = = 1 0
Por consiguiente, el estado estacionario se desplaza al noreste a lo largo de una lnea recta
con pendiente 1. El efecto a largo plazo de una expansin monetaria es slo hacia el
incremento de precios y tasa de cambios en la misma proporcin, dejando a las variables
reales intactos. En el corto plazo, sin embargo, un cambio en el suministro monetario tendr
efectos directos
771
Captulo 11
P
Q = 0
S1

1
= 0
S0 45

0
Q
0 1 S
Figura A11.5. El ajuste de trayectoria en respuesta hacia un incremento en el suministro monetario.
Asumiendo que nosotros inicialmente el antiguo estado estacionario 0 y que la tasa de

cambio se ajusta inmediatamente para ponernos en la silla de montar llevndonos hacia el
nuevo estado estacionario 1,la senda de ajuste esta mostrada en la figura A11.5.El efecto de
impacto es una inmediata depreciacin de la moneda ( s incrementa) con un nivel de precios
fijados; luego la moneda se aprecia lentamente, el precio aumente justo a la trayectoria de la
silla de montar del sistema.
Observa que (porque la silla de montar es inclinada hacia abajo) sobregiro su nuevo nivel
de equilibrio a largo plazo 1 . Rebasamientos ocurren porque los precios de produccin son
inactivos para adaptarse, entonces la carga entera del ajuste falla inicialmente en los precios
de los activos, los cuales son flexibles. La depreciacin instantnea produce un desequilibrio
en el mercado de bienes que es eliminado lentamente con el tiempo como el ajuste de los
precios de produccin. Tras la repentina depreciacin, y con los precios de produccin
dados, bienes nacionales empieza ser ms barato con respecto a los bienes extranjeros, y esto
conduce hacia un exceso de demanda para ellos. El exceso de demanda conduce, a su vez,
hacia un ajuste gradual ascendente en el nivel de precios internos a travs de la relacin de
Philips.
Menciona tambin que, con p predeterminado, el incremento en m es in incremento en el
suministro monetario real y esto conduce hacia una reduccin en la tasa de inters nacionales.
Este aumento de la demanda para la produccin y genera una presin inflacionaria adicional.
Adems la parte inferior , la moneda nacional ser sostenida solamente si se espera que se
aprecie en el futuro(de lo contrario los beneficios reales en los bonos nacionales habr sido
menos que los bonos extranjeros).Una apreciacin es posible solamente si el ajuste inmediato
se pone s por encima de su nivel a largo plazo; por lo tanto la necesidad para el rebasamiento.
Como el ajuste de activos, precios nacionales aumenta, reduciendo el suministro monetario
real e incrementando la tasa de inters. Esto, a su vez, conduce a una apreciacin de la
moneda nacional que revierte algunos de la depreciacin inicial.
Est claro desde la figura que la magnitud del rebasamiento depende de la pendiente del
punto silla, el cual es dado por 2 . En general, un incremento en el valor absoluto de 2 ,
hace que el punto silla sea ms inclinado y reduce el rebasamiento. Para interpretar esta
observacin, menciona que es el inters
772
Apndice: Soluciones hacia el problema
45

0

1 = 0 + S
Figura A11.6. Ajuste hacia un incremento inesperado en el suministro monetario.
Elasticidad de la demanda para (nacional) moneda disponible. Una elevada elasticidad implica
que una reduccin dada en el suministro monetario provocar solamente un pequeo
descenso en las tasas de inters y por consiguiente requerir solamente una pequea
apreciacin para compensarlo. Segundo, hemos visto que2 refleja la velocidad del precio
de ajuste. Esto nos trae de vuelta hacia un comentario anterior que el rebasamiento emerge
porque el mercado de activos se ajusta rpidamente respectivo hacia los mercados de salidas.
Cosas que acelera el precio de ajuste (altas elasticidades) tambin reduce el rebasamiento
Problema 2.6. Un incremento inesperado en el suministro monetario. Como antes, asumir que
la economa inicialmente (en el momento cero) en el estado estacionario (0= , 0 )
corresponde hacia el valor 0 del suministro monetario. Ahora imaginemos que en el
momento cero el gobierno anuncia que al mismo tiempo T en el futuro el suministro
monetario ser permanentemente incrementado desde el nivel actual de 0 1 =
0 + .El cambio en el estado estacionario ser como en el problema precedente con un
nivel de equilibrio a largo plazo de y m incrementando proporcionalmente por .La
trayectoria de ajuste es dibujado en la figura A11.6. Explica como la trayectoria es construida,
y explica cmo podra proceder encontrando las coordenadas de los puntos A Y B en la
figura usando la solucin general del sistema (derivada anterior) y apropiadas condiciones
fronterizas.
La lgica es igual al modelo de Cagan que usamos. Necesitamos una trayectoria continua,
excepto por un posible salto en el tiempo del informe. Discontinuidades en la trayectoria de
precios son excluidos de la premisa. Discontinuidades en la trayectoria de tasa de cambio son
posibles, pero solamente en su momento de la publicacin, porque ninguna discontinuidad
futura implicara (inesperado, pero) oportunidades de ganancias improductivas. Por otra
parte, la trayectoria de ajuste debe eventualmente converger hacia un nuevo estado
estacionario 1 debe cumplir la ecuacin de movimiento de el antiguo sistema (con =
1 )para, y estos del Nuevo sistema (con = 1 ) para > .
Proceso atrasado, es la nica trayectoria que funcionara: porque la trayectoria debe converger
hacia el estado estacionario 1 bajo las leyes del movimiento del NUEVO
773
Captulo 11
Sistema, en el momento del cambio poltico actual(T), el estado del vector (s.p)debe ser la
silla de montar para el nuevo sistema (punto B).Obtendremos all mientras obedecemos las
leyes de movimiento del antiguo sistema, por consiguiente la trayectoria para (0 .T) debe ser
una trayectoria explosiva aparentemente del antiguo sistema, comenzando desde el punto A.
En el momento cero hay un salto o aumento en s, con p fijado en el antiguo nivel. El cual
toma el sistema hacia el punto A. Menciona que este ajuste inicial debe ser de la forma de
una depreciacin de la moneda (un incremento en s) de lo contrario, la posicin inicial del
sistema se ir hacia la izquierda del antiguo estado estacionario, y las flechas del movimiento
del sistema son de tal que no hay trayectoria de inicio en esta regin que sea intersecada con
la nueva silla de montar.
Para calificar la trayectoria de ajuste ms precisamente necesitaremos encontrar los puntos A
y conoceremos que el segmento de orbita AB deber satisfacer la solucin general del antiguo
sistema, esto es
()
0 = 1 1 exp(1 ) + 2 2 exp(2 )
() 0 = 1 exp(1 ) + 2 exp(2 ) (. 0 )
Ahora daremos las coordenadas de B ser ( , ) (porque llegaremos a este punto en el
momento T), y que dejemos que A sea ( p0 ,s0).Conoceremos que B debe satisfacer (G.S0).
Por lo tanto

0 = 1 1 exp(1 ) + 2 2 exp(2 )
() 0 = 1 exp(1 ) + 2 exp(2 ) (. 0)
As mismo debe estar en la silla de montar del nuevo sistema y por lo tanto satisfacerla
1 = 2 ( 1 )
(. 1 )
Similarmente, conocemos que A debe satisfacer (G.S0),entonces tendemos
0
0 = 1 1 exp(0) + 2 2 exp(0) = 1 1 + 2 2
0 0 = 1 (1) + 2 (1)
Y que en adicin
0 =
0
Porque los precios son predeterminados. Esto nos da un sistema de seis ecuaciones en 6
desconocidos que podrn ser resueltos por las coordenadas de A y B y las dos constantes
arbitrariamente 1 y 2 .Una vez que conocemos esas constantes, podemos determinar la
tasa de cambio inicial 0 .
Problema 3.1. El modelo de Solow con una funcin de produccin de Cobb-Douglas. Asume
que la funcin de produccin agregado es Cobb-Douglas, aumentando trabajo progreso
tcnico
= ()1 (1)

Con = . Escribe la funcin de produccin intensiva f(Z), indicando la produccin nica
de trabajo por eficiencia como una razn de la funcin del capital/trabajo en unidades de
eficiencia, Z=K/AL. Derivar las leyes de movimientos para Z bajo los supuestos de Solow,
y resolver explcitamente para el estado estacionario del sistema. Qu factores determina los
niveles de ingreso de los pases a largo plazo?
Dado la funcin de produccin (1), produccin pro trabajador es dado por

()1 ()
() = = = =

Sustituyendo esta expresin en la ecuacin (9) en el texto, la tasa de crecimiento de Z es dada
por
()
= ( + + ) = 1 ( + + ) (2)

774
Fijando igual a cero en (2), podemos resolver la razn del valor del estado estacionario
del capital/trabajo en unidades de eficiencia:

1 = + + = ( )11
++
Ingreso por habitante en la trayectoria en el estado estacionario est dado por

=
= ( )(1)
++
Donde se ha visto que es una funcin creciente del nivel tcnico de eficiencia (At)y el
coeficiente de inversin (s) y la funcin decreciente de la tasa de crecimiento de la fuerza de
la fuerza de trabajo (n) y la tasa de depreciacin () un incremento en la razn del progreso
tcnico g, reduce para un valor dado de A, pero tambin incrementa la tasa de crecimiento
de ingresos.
Problema 3.2. Suponga que la funcin de produccin es de la forma (1): =
( ) ( )1 , ambos con capital y aumentando el trabajo de progreso tcnico a una
tasa = y = .Deriva la razn de la ecuacin de movimiento del
capital/trabajo en unidades de eficiencia Z=BK/AL, bajo los supuestos del modelo de
Solow. Muestra que el sistema tiene una trayectoria de crecimiento balanceado (i.e., una
solucin constante Z) si y solo si (i.e., si su progreso tcnico es un trabajo aumentado).
Bajo nuestros supuestos, el incremento instantneo en el capital social es dado por
= () ()1 = (2)
Dado que = /, Tenemos, tomando los logaritmos de ambos lados de esta expresin
ln = ln + ln ln ln
Y diferenciando de esta forma,

= + ( )

Sustituyendo (2) en la ltima expresin y simplificando, llegaremos al

=
+ ( ) =
( + ) = 1 ( + + ) (3)
Entornamos es igual a cero en esta expresin (e introduciendo los subndices de tiempo)

tenemos
1 = + + (4)
Si el progreso tcnico es puramente un aumento de obra (i.e., si ), luego Bt, es constante,
y (4) tiene una solucin constante en Z. Si este no es el caso, en cambio, B cambia a lo largo
del tiempo, y entonces este ser el valor de Z que se resuelve en (4).
Problema 3.4. Probar la proposicin 3.3(propiedades de la funcin de ahorro), Para sealar las
funciones de ahorro parciales, usaremos el teorema de la funcin implcita. Reescribiendo la
ecuacin (2) en el texto en la forma
775
Captulo 11
(; 1, 2, ) = (1 , 2 + ) (1 , 2 + ) = 0 (3)
Y diferenciando F( ),obtendremos
= (1) + (1) +
2
2
= 2 + + < 0 (= 2 )

1 = > 0
2 = < 0
Por el teorema de la funcin implcita, entonces,
( ) ( ) ( )
= 1 > 0, = 2 < 0, = 0
1 2
Esto es, un incremento en el primero periodo de los incrementos del ingreso-ahorro, como
parte del nuevo ingreso es ahorrado para incrementar el consumo del segundo periodo.
Similarmente, un incremento en los ingresos del segundo periodo induce al agente consumir
mucho ms que en el primer periodo, los ahorros caen. El signo de /, por otro lado,
podra ser positivo o negativo, Para ver porque, mencionamos que

= = (1 )( = (4)
2
EL primer trmino en esta expresin indica el efecto ingreso y la segunda el efecto sustitucin
de un cambio en el factor inters. El efecto de sustitucin es siempre positivo / ) >
0 un incremento en R hace un consumo presente ms caro en trminos de un consumo
futuro desperdiciado y alienta a las personas para posponer su consumo en el segundo
periodo, incrementando sus ahorros. El signo del efecto ingreso depende de si el individuo
es ahorrador o prestamista. Un incremento en R hace que los prestamistas ( 0) ms
pobre, los fuerza a reducir su consumo en ambos periodos. Como c cae, ahorro si
incrementa (hacindose menos negativos). De esta manera ingreso y el efecto sustitucin
trabaja en la misma direccin para los prestatarios. Prestamistas netos, por otro lado, se
vuelves ms ricos cuando R incrementa, Esto lleva a un incremento en el primer periodo
(y segundo periodo) del consumo, por ellos hacia una declinacin en s. El efecto global de
un cambio en R por ahorradores netos depende, por consiguiente, en las fuerzas relativas del
efecto ingreso y efecto de sustitucin,
Similares resultados podrn ser obtenidos por reemplazamiento
, < 0 = 0 (. 2)
Con el supuesto que c y x son bienes normales. Un bien se dice que es normal si su demanda
para este incremento aumento sus ingresos, Consumo de normalidad en ambos periodos
implica, as pues, que

, , , >0
1 2 1 2
Para ver las implicaciones de estos supuestos para las funciones parciales de ahorro, se
observa que el consumo optimo y la funcin de ahorro debe satisfacer las limitaciones
presupuestarias idnticamente. Por ende, tenemos
1 (1 , 2 , ) (1 , 2 , ) (5)
((1 , 2 , ) 2 + (1 , 2 , ) (6)
Combinando estas dos expresiones,
776
(1 ,2 ,) 2
(1 , 2 , ) = 1 + (7)

Diferenciando (7) con respecto a y1 encontramos que

+ =1
1 1

Es obvio que si y son ambos positivos, entonces (0,1). Pero entonces debe ser
1 1 1

cierto que (0,1) tambin, porque diferenciando (5) con respecto a yi vemos que
1

1 =
1 1
De manera similar, (5) implica que

=
2 2

As < 0 bajo el supuesto de normalidad. Esto, a su vez, implica, por (4), que > 0 para
2
s <0.
Otra suposicin que se hace comnmente es que los consumos del primer y segundo perodo
son sustitutos. Se dice que dos bienes son sustitutos si un aumento en el precio (relativo) de
uno conduce a un aumento de la demanda para el otro. Como se ha indicado, R refleja el
"precio" del consumo actual en trminos de consumo futuro perdido. Si c y x son substitutos
(estrictos), un aumento en R que hace x ms barato debera reducir c *. En otras

palabras, < 0. Debido a que (5) implica que = , se deduce que bajo el supuesto

de sustituibilidad tenemos > 0, incluso para los prestamistas netos

Problema 4.1. Medicin de la velocidad de convergencia. El valor propio A del modelo
logartmico de Solow proporciona una medida de la velocidad de convergencia de una
economa hacia su estado estacionario. Demuestre que la vida media del sistema descrito por
la ecuacin (5) (definida como el tiempo H en el que se ha eliminado la mitad de la desviacin
original de z de su valor en estado estacionario) viene dada por
2
=

Para calcular la semivida del sistema, observe que, por definicin, zH satisface
z z
z =
2
Al sustituir esta expresin en la solucin de la aproximacin log-lineal a la ley del movimiento
para z (ecuacin (6) en el texto) evaluada en t = H, tenemos
z z
(z ) = = (z0 )
2
de donde
2
2 = =

Problema 4.2. Determinantes de la dispersin del ingreso a largo plazo. Supongamos que la
evolucin del ingreso per cpita en un pas determinado puede describirse mediante la
ecuacin
777
Captulo 11
,+1 = + (1 ), + . = , + (1)

Donde , = ln ( )denota el logaritmo del ingreso per cpita en el pas i en el perodo t

(Qit) normalizado por la media muestral de la misma variable (Qt) y , = ,+1 .
aproximadamente igual A la tasa de crecimiento del ingreso per cpita en el pas i, medida en
desviaciones con respecto a la tasa de crecimiento promedio de la muestra. En esta expresin,
es una perturbacin aleatoria, con media cero y varianza 2 ,independiente e idnticamente
distribuida en el tiempo yentre pases y no correlacionada con yi.t y xi. El trmino xi que
resume los determinantes "fundamentales" del crecimiento en el territorio i, es constante en
el tiempo y se distribuye entre los pases, con media cero y varianza 2 . Tomando los valores
esperados para ambos lados de (1), dado el ingreso inicial .0 , obtenemos una ecuacin no-

estocstica en el ingreso esperado . :

,+1 = + (1 ),+1 , ,0 = ,0
La solucin de (2) es de la forma

, = + (,0 )(1 )
Donde

=

Es el valor de estado estacionario de yit. La ecuacin (3) muestra que la estabilidad del sistema
depende del valor del coeficiente de pendiente . Si 0 (0,1), el trmino (1 ) pasa a
cero cuando . Por lo tanto, el sistema es estable y el ingreso esperado de cada nacin
converge monotnicamente a su estado estacionario a una tasa determinada por . Por
lo tanto, podemos interpretar como el nivel de ingresos esperado (relativo) del pas i en
un equilibrio a largo plazo.
Queremos utilizar la ecuacin (1) para investigar los determinantes de la desigualdad de
ingresos entre los pases a largo plazo. Sea 2 la varianza muestral de , y = la
covarianza entre el ingreso corriente y los fundamentos de los pases, y observe que, si el
nmero de pases es grande, la varianza y la covarianza de la muestra sern aproximadamente
iguales a sus valores poblacionales. Usando (1), derivar un sistema de ecuaciones de
diferencia en 2 y ct, discutir sus propiedades de estabilidad, y calcular su estado estacionario.
Qu determina el grado de desigualdad de ingresos a largo plazo, medido por el valor de
estado estacionario de 2 ?
Tomando la varianza de ambos lados de (1), obtenemos
2
+1 = (1 )2 2 + 2 + 2 + 2(1 )
Donde = ( ). Utilizando (1) de nuevo,
+1 = ,+1 = [ + (1 ), + ] = 2 + (1 ) , + ,
De donde, dado que = 0 por suposicin,

+1 = 2 (1 )
La trayectoria temporal esperada de la varianza de ingreso y la covarianza de ingreso y pas
se dan por la solucin de un sistema simple de ecuaciones de diferencia:
2 (1 )2 2(1 ) 2 2 + 2
[ +1 ] = [ ][ ] + [ 2 ]
+1 (1 )
Debido a que la matriz de coeficientes es diagonal, los valores propios del sistema son los
coeficientes de la diagonal principal, (1 )2 y (1 ). Por lo tanto, el sistema es
778
estable si y slo si el valor absoluto de 1 es menor que 1, es decir, si la ecuacin (1) es

estable. La eliminacin de los subndices de tiempo en (4) y (5) y la resolucin de y c, es
fcil ver que los valores estacionarios de estas variables son dados por
2 + 2 + 2(1 ) 2
2 = , =
1 (1 )2
Por lo tanto, si el sistema es estable y las caractersticas del pas no cambian con el tiempo, la
distribucin del ingreso per cpita converge a una distribucin estacionaria con un nivel
constante de desigualdad. La ecuacin (6) muestra que la dispersin a largo plazo del ingreso
relativo depende de la varianza de los choques, 2 y de la dispersin de las caractersticas del
pas, resumida por 2 . Durante la transicin hacia el equilibrio estacionario, el valor de a]
podra aumentar o disminuir, dependiendo de la relacin entre sus valores iniciales y
estacionarios
Problema 5.1. La produccin homognea se produce utilizando dos tipos de capital (privado
y pblico), K y P, de acuerdo con una tecnologa de la forma:

Y = K P , donde + < 1 (1)
Ambos tipos de capital se deprecian completamente cuando se usan. En cada perodo, el
gobierno impone ingresos a una tasa R e invierte los ingresos en capital pblico para el
siguiente perodo. Los agentes ahorran una fraccin fija s de sus ingresos despus de
impuestos y lo invierten en capital privado. Por lo tanto,
K +1 = (1 ) (2)
Y
= (3)
Usando (l) - (3), obtenga una ecuacin de diferencia nica en Y que describe la evolucin del
ingreso. Llame a esta ecuacin (4). Resuelva para el valor de estado estacionario de Y, y
muestre que el sistema es estable. Cmo vara el ingreso en el estado estacionario con s y T?
Qu valor de R debera elegir el gobierno si quiere maximizar la produccin del estado
estacionario?
Usando (1), (2) y (3), tenemos
+
+1 = K +1 P+1 = [(1 )1 ] [ ] = (1 ) (4)
Eliminando los subndices de tiempo en (4) y resolviendo para Y,
1 = (1 ) => = /(1) (1 )/(1) /(1)

Y tomando el logaritmo de esta expresin

= 1 + 1 + ln(1 ) 1 (5)
Obsrvese que la pendiente de la lnea de fase en el estado estacionario est dada por
+1
= (1 ) ( + ) +1 = (1 ) ( + ) (1 )

= + (0,1)
Por lo tanto, el estado estacionario es estable. Diferenciando (5) con respecto a s y R,
1
= >0
1
779
Captulo 11
Por lo que la produccin en estado estacionario es una funcin creciente de la tasa de ahorro,
y
1 1
= +
1 1 1
Calculando eso
1 1
> 0 =
11 1
O, equivalentemente

(1 )
+
Esta expresin muestra que, para maximizar la produccin en estado de equilibrio, el
gobierno debe establecer la tasa impositiva igual al "peso relativo" del capital pblico en la
funcin de produccin agregada, es decir, = /( + ).
Problema 5.2. Consideremos una economa dotada de una funcin de produccin agregada de
la forma
Y = K (LH)1
Donde es el stock agregado de capital fsico, L es el empleo en la produccin de bienes, y
H es el stock medio de capital humano. El "conocimiento puro", A, aumenta con el tiempo
a una tasa exgena constante g, es decir,
A+1 = (1 + g)A
El conocimiento puro y el tiempo del maestro y el capital humano se combinan para
"producir" el capital humano de la siguiente generacin segn
1
H+1 = ( ) A
Donde es la fraccin de la poblacin empleada como docente, una variable elegida por el
gobierno. Supongamos que la poblacin es constante y la normalizamos a 1 (de modo que la
fuerza de trabajo es L = 1 - ), y supongamos que el capital se deprecia completamente
cuando se usa y que los agentes ahorran una fraccin constante de sus ingresos. Entonces la
ley de movimiento para el capital social es de la forma
K +1 = sK H1 (1 )1
i. Defina Z = K/A y E = H/ A. Usando las expresiones anteriores, obtenga un sistema
de ecuaciones de diferencia en Z y E que describirn la evolucin de la economa.
Dividiendo ambos lados de (4) por +1 = (1 + ) tenemos
+1 (1 )1 1
=
+1 1+g 1

De donde

Z= (1 )1 1
1+g
Similarmente, dividiendo ambos lados de (3) por +1 = (1 + ) ,
1
+1 ()
=
+1 1 + g 1
780
Y, por lo tanto

E+1 = 1+g (6)
i. Resuelva para los valores de estado estacionario de Z y E y calcule el valor de estado

estacionario de Q = Y/A.
Eliminando los subndices de tiempo en (5) y (6), tenemos
1/(1)
(6) => =
==( )
1+g 1+g
Y

(5) = (1 )1 1 => 1 = (1 )1 1
1+g 1+g
1/(1)
=> Z = ( ) (1 )
1+g
De donde
1/(1) 1/(1)
Z = (1 ) ( ) ( )
1+g 1+g
ii. Encuentra el valor que maximizar el estado estacionario Q.
Para maximizar con respecto a , tomamos logaritmos de (7) y, despreciando los
trminos constantes, maximizamos la funcin

g() = ln(1 ) +
1
La condicin de primer orden para un mximo es de la forma
1 1
g () = + =0
(1 ) 1
De donde
(1 ) = (1 ), =
iii. Sea z = LnZ y e = lnE. El sistema derivado en (i) debe ser lineal en ey z. Trabajar
con el sistema en registros, calcular sus valores propios, y discutir la estabilidad de su
estado estacionario.
Tomando registros de (5) y (6), el sistema puede escribirse
+1 = + 1 + (1 ) (8)
+1 = + (9)
Donde
1

= ln (1 ) =
1+g 1+g
781
Captulo 11
z = 0
> 0 => < 0 =>
= 0
= 0
Figura All.7. La lnea de fase e = 0.
Por lo tanto, el Jacobino de la matriz de coeficientes,

0
=[ ]
1
Es diagonal y los valores propios del sistema son 1 = 1 = , ambos
nmeros positivos menores que l. Por lo tanto, el estado estacionario es estable,
i. Dibuja el diagrama de fases del sistema
La ecuacin (9) puede escribirse
= (1)
Ajustando igual a cero en esta expresin, la ecuacin de la lnea de fase
correspondiente es

e =
1
Por lo que la lnea de fase = 0 es una lnea vertical en e. Notamos que
d
= (1 ) < 0

Por lo tanto, < 0 cuando >e., y las flechas de movimiento a lo largo del
eje e apuntan hacia la lnea de fase (Figura All.7).

Para la otra lnea de la fase, tenemos
= + (1 ) + (1 )
Desde donde, fijando = 0,

z= +
1
(La lnea de fase est inclinada hacia arriba), y

d
= (1 ) < 0

Por lo tanto < 0 en la regin por encima de la lnea de fase, y las flechas de movimiento
son como se muestra en la Figura All.8.
782
Finalmente, combinando los dos grficos precedentes, obtendremos el diagrama de

fase completa para el sistema (figura A11.9).
Problema 5.3 Haciendo un modelo de aprendizaje, empezando desde el modelo de Solow con
progreso tcnico exgeno, desarrollaremos un modelo simple de crecimiento endgeno y
examinar algunos de sus implicaciones. Asumimos que la funcin de produccin es de la
forma
= 0 ()1
Luego la produccin por trabajador es dada por
= (1)
Donde A es un ndice de eficiencia tcnica Z=K/AL es la razn del capital/trabajo es
unidades de eficiencia. Dado un coeficiente de inversin constante s, la tasa de crecimiento
de Z est dado por la ecuacin
783
Captulo 11

= 1 ( + + ) (2)

Donde n es la tasa de crecimiento de la poblacin, y = es la tasa tcnica de progreso
tcnico.
En vez de asumir que es un constante dado, ahora asumiremos que la tasa de progreso
tcnico refleja la acumulacin de conocimiento con experiencia productiva. En particular,
asumimos que el incremento instantneo de A es proporcional a la produccin por
trabajador, esto es,
= = (3)
Donde el coeficiente nivela la velocidad de la educacin.
(i) Muestra que bajo estos supuestos la razn de la ley de movimiento para el capital
/trabajo es de la forma
= ( ) ( + )
Dividiendo ambos lados de (3) por A, la tasa de progreso tcnico es dado por

= = (4)
Sustituyendo (4) en (2) y reagrupando trminos, tenemos
= ( ) ( + ) (5)
(ii) Construye la fase del diagrama para el sistema, y debate la estabilidad de us estado
estacionario. Cul es la tasa de crecimiento del ingreso por trabajados a los largos de
la trayectoria del estado estacionario?
Para analizar la ecuacin de dinmica (5), usaremos la figura A11.10. En la cara superior,
trazamos las funciones y . El producto de estas dos funciones, el cual nos ha dado
en el primer trmino en el lado derecho de (5) es mostrado en la parte inferior. Porque los
productos ( ) deben ser igual a cero cuando cualquier factor es cero, y positivo
cuando ambos factores son positivos, la grfica de esta funcin tiene una forma invertida-U
se corta el eje horizontal dos veces, uno de estos cortes estar en el origen.
En la parte inferior de la figura se muestra el grafico de ( + ), el cual es una lnea recta
atraviesa el origen. Por (5), la distancia vertical entre la curva ( ) y la lnea ( + )
nos da in incremento instantneo de Z. Observe que este estado estacionario, que
corresponde hacia el punto donde las dos lneas se cruzan. Como en el modelo de Solow,
este estado estacionario es estable, porque Z se incrementa cuando su valor es ms amplio
que ,y por lo contrario decrece.
Por ello, la economa converge en un largo plazo hacia una trayectoria de crecimiento
balanceado en el cual el valor de Z es constante. En esta trayectoria, produccin por
trabajador es dado por
=
E incrementa, adems, a la misma tasa como A. Usando ecuacin (4), la tasa de crecimiento
a largo plazo (de A y por ende de la produccin por trabajador) est dado por
= =
El valor de tambin puede ser determinado grficamente. Si dibujamos, en la parte
superior de la figura, la funcin ,la altura de esta curva cuando = nos da la tasa de
crecimiento a largo plazo.
(iii) Analiza el impacto de un aumento en tasa de inversin en un estado estacionario
sobre la trayectoria del sistema. Cosas ahora son un poco distintas desde
784
s-yZ
( + )
> 0 =>
< 0 =>
( + )
Figura A11.10 Dinmica del modelo del aprendizaje practico.
Qu modelo de Solow con progreso tcnico estuvieron? En qu sentido?

Considera ahora los efectos de un incremento en la inversin. Como se muestra en
la figura A11.11, un incremento en s cambia la recta () ascendente (en la parte
superior) y, adems, tambin la curva () en la parte inferior. El nuevo estado
estacionario implica un valor ms elevado de Z y una tasa de crecimiento ms alta -
esto es, puede afectar no solamente el nivel de trayectoria de crecimiento
balanceado, pero tambin su pendiente, cmo se muestra en la figura A11.12.
(iv) Considera dos pases que son idnticos excepto por sus tasas de inversin. Dialoga
las predicciones del modelo actual y el modelo de Solow con progreso tcnico
exgeno referente a la evolucin del nivel ingreso relativo de los dos pases.
785
Captulo 11
( + )
Figura A11.11. Impacto de un incremento en la tasa de inversin en el estado estacionario.
Una segunda diferencia importante entre este modelo y el otro que hemos estudiado en la
seccin anterior comprende sus implicaciones para la convergencia. Para ilustrar este
punto, consideramos el caso de los dos pases que difiere solamente en su coeficiente de
in inversin s. Hemos visto cuando el progreso tcnico es exgeno y toma lugar en la
misma tasa en ambos pases, ellos convergen en una trayectoria de crecimiento balanceado
con una misma pendiente, aunque con diferentes alturas. Esto implica que la razn del
ingreso por habitante de la economa eventualmente se estabiliza en un valor constante.
En el presente caso, sin embargo, las pendientes de las trayectorias del crecimiento
balanceado sern diferentes, En el estado estacionario, ingreso por habitante crecer
ms rpido en pases ms ahorrativos. Esto implica que el pasaje del tiempo, diferencia de
los ingresos entre los pases crecern sin bonos. Pequeas diferencias en una tasa de inversin
(posiblemente debido a diferentes polticas econmicas) pueden generar extremadamente
largos ingresos diferenciable en el largo plazo.
786
(1 )

(0 )
t
Figura A11.12 Efecto de un incremento en la tasa de inversin en la trayectoria de produccin por trabajador
Problema 5.4 Un modelo de Solow extendido con capital humano (Mankiw et al.,1992) Supone
la funcin de produccin agregada es de la forma
= ()1 = (1)
Donde K y E son reservas agregadas del capital fsico y capital humano, L es el tamao de la
fuerza de trabajo, y A es un ndice de productividad que se resume al estado actual del
aprendizaje tcnico. Las variables normalizadas=K/AL y H=E/AL denota que las reservas
de capital fsico y capital humano por unidades de eficiencia de trabajo.
Postularemos las tasas constantes de crecimiento de la poblacin y progreso tcnico exgeno
/ = / = y se asume que las fracciones de PIB dedicado hacia la inversin en el
capital fsico y capital humano ( y ) permanece constante todo el tiempo, Bajo estos
supuestos, la acumulacin de los factores de produccin es descrito por el sistema
= =
Donde la tasa de depreciacin es asumido que ser el mismos para ambos tipos de capital.
Usando el caso que = ( ) , y = ( ) ,las leyes de
movimiento para las reservas de capital fsico y capital humano pueden ser reescritos en
trminos de variables normalizados,

= 1 ( + + ) (3)

= 1 ( + + ) (4)

(i) Encontrar el valor del estado estacionario de Z, H, y produccin por unidades de

eficiencia de trabajo P=Y/AL,
Entorno Z y H igual a cero en (3) y (4), podremos resolver para el valor del estado
estacionario de Z y H, tenemos
787
Captulo 11
= 0 1 = ( + + ) (5)
= 0 1 = ( + + ) (6)
Desde donde

1 = 1 =

Sustituyendo esta ltima expresin en (5), veremos que
1
1 (
) = ( + + ) +1 = ( + + )

1
1 (1)

=(++) (7)
Y
1
1 (1)
= = (
) (8)
++
Finalmente, definiremos la produccin por eficiencia unitaria de trabajo,

= = (9)
Y se computa su valor de estado estacionario:

1
(1) (1)
=
= ( ) =( ) ( )
++ ++ ++
Usando letras minsculas para indicar que tomaremos los logaritmos, esta expresin
puede ser reescrito en la forma

= + = 1 ++ + 1 ++ (10)
(i) Ahora construir un log-lineal de aproximacin para el sistema y se usa para derivar
una ecuacin de convergencia similar al que obtuvimos en la seccin 4(a).
Dejando = ln y = ln (desde donde = y = ), reescribimos el
sistema (3)-(4) en trminos de z y h .Muestra que la lnea de aproximacin para el
sistema transformado en torno al estado estacionario es dado por
= (1)( + + ) + ( + + ) (11)
= ( + + ) (1 )( + + ) (12)
Donde = demuestra la desviacin actual de la variable x desde su valor de
estado estacionario. Debate la estabilidad del sistema (11) - (12) (y por consiguiente el
sistema original)
Para reescribir el sistema en trminos de variables transformados, observa que

, =
= , = , =

Usando estas expresiones, podemos reescribir (3) y (4) en la forma
788
= (1) ( + + ) (, ) (3)
= (1) ( + + ) (, ) (4)
Seleccionando y igual a cero, veremos que en el estado estacionario
(1) = + + = (1)
Luego, computaremos las derivadas parciales de las funciones F ( ) y G ( ) respecto a z y h,
y usando (13), lo evaluaremos en el estado estacionario.
= ( 1) (1) = (1)( + + )
= (1) = ( + + )
= (1) = ( + + )
= ( 1) (1) = (1 )( + + )
Usando la frmula de Taylor para aproximar ( ) y ( ) alrededor del punto (, y
observando que
= +
Tenemos
(, ) + = (1)( + + ) + ( + + )
= ( + + )( )
(, ) + = ( + + ) (1 )( + + )
= ( + + )( )
Donde = indica la desviacin de la variable x con respecto hacia su estado
estacionario. Por lo tanto, la lnea de aproximacin del sistema es de la forma
= (1)( + + ) + ( + + ) = ( + + )( ) (11)
= ( + + ) (1 )( + + ) = ( + + )( ) (12)
El coeficiente de la matriz es de la forma
(1)( + + ) ( + + )
=[ ]
( + + ) (1 )( + + )
Por lo tanto
= (2 )( + + ) < 0
det = (1)(1 )( + + )2 ( + + )2
= (1 + )( + + )2 = (1 )( + + )2 > 0
= 2 4 = (2 )2 ( + + )2 4(1 )( + + )2
= ( + + )2 {[1 + (1 )]2 4(1 )}
= ( + + )2 [1 + 2(1 ) + (1 )2 4(1 )]
= ( + + )2 [1 2(1 ) + (1 )2 ]
= ( + + )2 [1 (1 )]2 = ( + + )2 ( +)2 > 0
Desde donde
2 4 (2 )( + + ) ( + + )( +)
1 , 2 = =
2 2
( + 2) ( +)
= ( + + )
2
789
Captulo 11
y por lo tanto
1 = ( + + ) 2 = (1 )( + + )
Por lo tanto, los valores propios son nmeros reales negativos, y el estado
estacionario del sistema es estable.
(i) Utilizando el sistema (11) - (12) y el hecho de que = + , obtenga una
ecuacin diferencial lineal en p que describa el comportamiento aproximado de
esta variable y resulvala. Reescribiendo la solucin en trminos de producto por
trabajador, = + , obtenga una ecuacin de convergencia de forma
1+ 1 (1 )
=+ [ (1 )]

Donde d es la duracin del perodo, = (1 )( + + ).
Porque = + ,tenemos
= + = ( + + )[( ) + ( )]
= ( + + )[( + ) ]
O
= (14)
Donde x y p. Si consideramos el periodo de t a t+d, el valor final de p es dado
por
+ = + (1 ) (15)
Por lo tanto, la produccin por unidad de eficiencia de la mano de obra converge

a su valor de estado estacionario a una tasa exponencial X que depende del grado
de rendimientos a escala en los factores reproducibles (1 ) y de las
tasas de depreciacin, crecimiento de la poblacin y Progreso tcnico.
Finalmente, debido a que la produccin por unidad de eficiencia de trabajo no es
observable, ser conveniente reescribir (15) en trminos del logaritmo de
produccin por trabajador, q = p + a. Tenemos
+ = + + = + (1 ) + +
= ( + ) + (1 ) + +
= + (1 ) + (1 ) +
Restando de ambos lados de esta expresin y dividindonos por la longitud del
perodo, d, llegamos a la expresin deseada:
+ 1
=+ [ ( )]

Observe que esta expresin es casi idntica a la que derivamos en la Seccin 4
(a). Las nicas diferencias son que el estado estacionario depende ahora tambin
de la tasa de inversin en capital humano y que la velocidad de convergencia es
ahora dada por = (1 ) ( + + ), ms que ( 1
) ( + + ). Por lo tanto, lo que importa para la velocidad de la
convergencia es la suma de los coeficientes de los factores reproducibles, el
capital fsico y humano.
Problema 5.5. Modelo de diamante con oferta variable de mano de obra. En el modelo bsico
del diamante, el ocio no entra en la funcin de utilidad de los hogares. Como resultado, cada
trabajador suministra inelsticamente su dotacin de tiempo de trabajo, y el nivel de empleo
es constante (sobre una base per cpita). Ahora relajaremos esta suposicin.
790
Para simplificar las cosas, suponemos que la tasa de crecimiento de la poblacin es cero (n =
0) y que las personas trabajan en la juventud y consumen slo en la vejez. Los jvenes
trabajadores, por otro lado, disfrutan de su tiempo libre y deben, por tanto, buscar un
equilibrio ptimo entre la des utilidad del trabajo y la necesidad de ingresos. La funcin de
utilidad de un trabajador representativo est dada por
1
+1
(+1 , ) =
1
Donde (0,1), L es el tiempo de trabajo suministrado en la juventud, y x es el consumo de
la vejez. La funcin de produccin per cpita
=
(i) Debido a que el consumo se produce slo en la vejez, los trabajadores ahorran
todo su ingreso laboral wL y consumen sus ahorros ms los intereses (wtLtRt+11) en
el segundo perodo de sus vidas. Resuelven, entonces
1
max { = = }
, 1
Resuelva este problema para las funciones de suministro de trabajo ( ) y
funciones de ahorro del agente. Substituyendo la restriccin en la funcin
objetivo, obtenemos
1
max = () 1 = 0
1
de donde

= () 1

= ( +1 )(1)/ (1)
Que es la funcin de oferta de mano de obra. La funcin de ahorro es por lo
tanto de la forma
= ( +1 ) = = ( +1 )(1)/ (2)
(ii) Las empresas maximizan los beneficios por trabajador, es decir,
max = = ( )1/2
,
Escribir las condiciones de primer orden para este problema, resolver w y R
como funciones de (k / L) y derivar la funcin de demanda de trabajo de la
empresa. Las condiciones de primer orden para el problema de la empresa son
1 1
= ( ) (kL)2 = 0
2
1
2w = (k L )2 (3)
1 1
= ( ) (kL)2 = 0
2
=> 2R = ( / )(1/2) (4)

Estas dos ecuaciones pueden ser interpretadas como definiendo las demandas de
trabajo y de capital de la empresa ( , ) o, alternativamente, como los precios
de factor de fijacin como funciones del uso de insumos.
791
Captulo 11
(iii) En equilibrio, los agentes se optimizan, y los mercados laborales y de capitales son
claros. Debido a que la poblacin es constante, se requiere una compensacin
del mercado, en trminos per cpita,
= (5)
= +1 (6)
Demuestre que las condiciones para la compensacin del mercado y la
optimizacin individual pueden reducirse al siguiente sistema de ecuaciones de
diferencias de primer orden en k y R:
+1 = (A)
1 1+
R +1 = 4k R (B)
Para comenzar, usamos (3) y (4) para derivar dos relaciones convenientes;
Multiplicando y dividiendo estas dos ecuaciones a su vez obtenemos
(3) (4) 4 = 1 => = 1/4 (7)

(3)
(3)/(4) = => = (8)
(4)
A continuacin, sustituimos la funcin de ahorro (6) en la condicin de
compensacin del mercado de capitales y utilizamos (8) para obtener (haciendo
uso implcito de la condicin de compensacin del mercado de trabajo)
+1 = =
el cual es (A)
Entonces, la compensacin del mercado de trabajo implica, usando (3) y (1),
(1)/
= => ( +1 )(1)/ = /4
De donde
(1)/ (1)/
R +1 = => R +1 =
2 (1)/ (1)/
4w w 4w
Elevando ambos lados de esta expresin a la potencia 7

(1)
R +1 = (1)/
4 w
Y utilizando (7), wt = l / 4Rt
1+
(1) 41+ w (1) (1)
R +1 = => R +1 = 4 R
4
(iv) Hemos sido capaces de reducir el modelo a un sistema de dos ecuaciones de
diferencia de primer orden que describen la secuencia de equilibrios competitivos
en esta economa. Tenga en cuenta que, si tomamos registros, el sistema se vuelve
lineal. Definiendo
= lnk y = lnR
Podemos reescribir (A) y (B) como
+1 = + (A)
(1 )+1 = ln4 + + (1 ) (B)
Construir el diagrama de fases del sistema, calcular su solucin y analizar su
dinmica. Cul sera una condicin inicial razonable para este modelo? Si se
establece +1 = = y +1 = = en (A ') y (B'), obtenemos las
ecuaciones de las lneas de fase:
792

> 0 > 0
= 0
< 0
< 0
= 0
Figura A11.13 Fase de lnea y flechas de movimiento
(A) => = +
=0 (P.A)
(B ) => (1 ) + LN4 + + (1 )
1
= 2 (4 + ) (P.B)
La interseccin de las lneas de fase nos da el estado estacionario. A partir de la

primera ecuacin,
= 0 => R = e
Utilizando esto en (P.B), obtenemos

1 1
4 1 1
0 = ln4 + =>= = ln ( ) => = e = ( )
4 4
Grficamente, (P.A) describe una lnea horizontal en p = 0. De (A ') tenemos

= +1 = => >0

Por lo tanto, un aumento en pt aumenta AKH que es cero a lo largo de la lnea
de fase. Se deduce que en la regin por encima de la lnea de fase tenemos k >
0, y k aumenta con el tiempo. Las flechas de movimiento apuntan a la derecha
por encima de la lnea de fase (Figura A11.13).
De forma similar, (P.B) es descendente-inclinada en K, y de (B '),
+1 1+ 2
= 1= 1 = >0
1
As > 0 por encima de la lnea de fase, y pt aumenta con el tiempo en esa
regin, como lo indican las flechas de movimiento en la Figura A11.13.
Combinando los dos grficos anteriores, obtenemos el diagrama de fases del
sistema (Figura 4.1). El patrn de movimiento indicado por las flechas sugiere la
existencia de un equilibrio de punto de silln. Que este es realmente el caso se
mostrar a continuacin.
En forma de matriz, el sistema (A ') - (B') puede escribirse
793
Captulo 11
= 0

= 0

Figura A11.14. Diagrama de fase
1 1
+1 1 + ] [ ] + [ 0 ]
[ ] = [
+1 4
1 1
Los valores propios de la matriz de coeficientes son, por lo tanto, las soluciones
a la siguiente ecuacin:
1 1 1+
| 1+ | = (1 ) ( )
1 1
1 1
1
= [(1 )2 2 + 1]
1
De donde
2 4 4(1 ) 2 4 1
= = =
2(1 ) 2(1 ) 1
Y, por lo tanto
1 1
1 = y 2 =
1 1
Por supuesto, (0,1), y por lo tanto ambos valores propios son reales y
positivos, con 1 > 1. Adems, > , por lo que 2 <1, y el estado
estacionario es un punto de selleta. Para encontrar los vectores propios de la
matriz de coeficientes, resolvemos, = , (es decir, normalizando la segunda
componente del vector propio a 1 (ea = 1),
1 1
| 1 + | |1 | = |1 1 |
1 1
1 1
De donde
1
1 + 1 = => =
+ 1
As con
794
1 + 1
1 = 11 =
1 +
1 1
2 = 21 =
1
Ahora podemos escribir la solucin general del sistema como
1 1
1 = 1 + 1 + 2 2 (G.S.1)

1 = 1 1 + 2 2 (G.S.2)
Donde c1 y c2 son constantes arbitrarias. Ninguna secuencia {kt,pt} que satisface estas dos
ecuaciones es una solucin del sistema (A)-(B).Para definir la solucin, tenemos una
condicin inicial natural , k0= In k0 .porque el capital social inicial de la economa es dado.
Por otro lado, ptes una variable libre y su valor inicial no es limitado por una condicin
incial.2Esta observaciones deja con varias soluciones. Un aspecto razonable que hacer,
siguiendo el anlisis en la seccin 2, es asumir que la economa no embarca en una trayectoria
explosiva, pero en cambio se pone en movimiento la nica trayectoria que converge el estado
estacionario, i.e., el punto silla del sistema.
Para imponer este (econmico) supuesto en la solucin, establecemos la constante c1 es igual
a cero en (GS.1) y (GS.2) y elimina la raz explosiva del sistema (1 > 1). Estos rendimientos
1
= 2 1 (9)

= 2 2 (10)
Dividiendo estas dos ecuaciones para eliminar c2t2, obtenemos la ecuacin del punto silla

= 1 ( ) (S)

Para obtener una expresin explicita para la solucin del punto silla, necesitamos determinar
el valor correspondiente de la constante arbitraria c2 en el sistema (9) - (10). Esto ser hecho
usando la condicin inicial en el capital social. En el momento cero, ,es una constante dada
k0 ,y (9) rendimientos
1 0
0 =
2

2 = 1 (0 ) (11)

Sustituyendo este resultado en (9) y (10), obtenemos

1
1 = (0 ) 1 12 = (0 )12 = (0 ) (1)

(12)
1
= (0 ) (1 )
1
(13)
Cul es la solucin que buscamos
795
Captulo 11
Problema 5.6 Modelo de diamante de la seguridad social. Considera una economa diamante
como el que fue analizado en el ejemplo 3.6. Crecimiento de la poblacin a una tasa constante
n, las preferencias son de la forma
(. ) = ln + ln (U)
Con (0.1),y la funcin de produccin es Cobb-Douglas.
= 1
Con (0,1).
Asumimos que los salarios son gravados a una tasa proporcional y que los activos son
usados para financiar un balaceado reparto del sistema de seguridad social. Por consiguiente,
primero periodo despus de la tasa de impuesto por un agente nace en el momento t est
dado por
1 = (1 )
Y su segundo periodo de subsidio de jubilacin es igual a
2 = (1 + )+1
(porque hay un 1 + agentes jvenes para cada agente viejo)
(i) Maximiza (. ) sujeto al adecuado lmite presupuestario, para resolver la funcin
de ahorro de los agentes = (1, 2, )y su funcin de utilidad indirecta
(, +1, +1. ). Tomando el factor precio dado, cundo la funcin de la tasa de
impuesto de la seguridad social del bienestar del agente incrementa?
El agente maximiza ( . ) sujeto a las restricciones
= 1 y = 2 +
Resolviendo estas expresiones para y sustituyendo el resultado en la funcin de
utilidad, el agente resuelve
max () = ln(1 ) + ln(2 + )

La condicin de primer orden para el problema es
1
() = + + = 0
1 2
Resolviendo esta expresin para S, tenemos la funcin de ahorro
1
= (1, 2 , ) = 1+ 1 1+ 2 (1)
Usando (1), tenemos
1 2 1 2
= 1 = + = 2 + = +
1 + (1 + ) 1+ 1+
Sustituyendo esta expresin en (. ),obetenemos la funcin de la utilidad
indirecta
1 2 1 2
(, 1 , 2 ) = ( , ) = ( + ) + ( + )
1 + (1 + ) 1+ 1+
O
1 2
(, 1 , 2 ) = ( ) + ( ) + (1 ) + (1 + 2 )
1+ 1+
1
= ( ) + ( ) + (1 + ) (1 + 2 )
1+ 1+
796
Tomando el factor de precio ha sido dado, el bienestar del agente incrementa con su
impuesto de seguridad social siempre que su renta vitalicia
() = 1 + 2 = +1 (1 ) + (1 + )+1
Es una funcin creciente de para los valores dado de +1 , , +1 .Porque
() = +1 + (1 )+1
Esto ser en el caso cuando

(1 + ) +1 > +1 (3)

Esto es, cuando el crecimiento de la poblacin y la tasa de salarios incrementa
suficientemente alto para garantizar al agente una devolucin en sus pagos de
seguridad social que es ms elevado que su factor de inters de mercado.
(ii) Deriva la ley de movimiento de la razn capital /trabajo, = /,y computa el valor
del estado estacionario de Z y factor precio como funciones de .Denomina estas
funciones
= (),
= (), = ()
Bajo estas condiciones es verdad que 1 + > (0)?
Con la funcin de produccin de Cobb-Douglas, factor de precio equilibrio son
dados por
1
= (1) +1 = +1 (4)
La funcin de ahorro (1) podr ser escrito
1 (1+)+1
= [(1 ) , (1 + )+1 , +1 ] = (1 + ) (5)
1+ 1+ +1
Y las condiciones de liquidacin de mercado de capital requiere
+1 =
O, dividiendo ambos lados de esta expresin por +1 = ( 1 + )
1
+1 = 1+ (6)
Sustituyendo (4) y (5) en (6) y simplificando,
1 1 (1 + )+1
+1 = ( ) (1 )
1+ 1+ 1+ +1
1 +1
= ( ) (1 )
1+ 1+ +1

(1 )+1
(1 )+1 = (1 )(1 ) 1
1+ +1
(1 )
1++ +1 = (1 )(1 )
1+
Obtenemos la ley de movimiento para Z:
(1 )(1 )
+1 =
(1 )
(1 + ) (1 + + )

Eliminando los subndices de tiempo en (7), podemos resolver la razn para el estado
estacionario capital/trabajo,
797
Captulo 11
(1)(1)
= ( (1) ) (8)
(1+)(1++ )

El factor del inters estacionario es luego dado por

(1)
(1+)(1+ )
= () = 1 =
(9)
(1)(1)
Y cuando = 0 se reduce a
(1 + )(1 + )
(0) =
(1 )
Observa que 1 + > (0)si
(1 + )
<1
(1 )
(iii) Cules son los efectos de un incremento en en unestado estacionario Z y en el
factor precio?
Computa las siguientes derivadas evaluados en = 0:
() () ()
, ,
() () ()
Tomando los logaritmos de (8), tenemos
1 (1) (1)
() = = 1 ( + (1 ) (1 + + ))
1+
Y diferenciando esta expresin respecto a ,

1
() 1 1
() = () = 1 (1
(1) )<0 (10)
(1++ )

Vemos que el incremento en el impuesto de la seguridad social siempre se reduce

en la razn del estado estacionario capital/trabajo. Evaluando (10) en = 0:
1 1
(0) = 1 (1 + (1+)) (11)
Finalmente, porque = (1 ) ,tenemos

= (1 ) +
Y, por lo tanto
(0) (0) 1
= = 1 (1 + (1+)) (12)
(0)
Y porque = 1
(0) (0) 1
= = ( 1) (0) = 1 + (1+) (13)
(0)
798
Apndice: Soluciones para los problemas
(iv) Una de las ventajas de trabajar con un modelo en el cual las preferencias individuales
son claramente especificadas es que esto nos un criterio natural para evaluar la
oportunidad de polticas alternativas posibles. Usando tus resultados previos, y
solamente considerando su efecto del bienestar en el estado estacionario. Cundo
ser una buena idea introducir el esquema de seguridad social? Para responder esta
pregunta, computa la derivada del bienestar de un individuo representativo
(maximizado)con respecto a ,tomando en cuenta ambos efectos directos del
impuesto y su efecto indirecto a travs del cambio inducido en el factor-precio del
estado estacionario, lo evaluamos en = 0.
Tenemos un estado estacionario
1 + 2 = [(1 ) + (1 + )]
(14)
Usando (2) y (14), el bienestar del estado estacionario puede ser reescrito
1
= ( ) + ( ) + (1 + ) ()
1+ 1+
(1 + ) [ ()(1 ) + (1 + )] ()
(15)
Por lo tanto,
() () + (1 + ) () + (1 + ) ()
() = (1 + ) + (1 + )
() ()(1 ) + (1 + ) ()
Y
(0) (0) (0) + (1 + ) ()
(0) = (1 + ) + (1 + )
(0) (0) ()
(0) (0) (1 + )(1 + )
= (1 + ) + (1 + ) +
(0) (0) (0)
(0) (0) (1 )
= (1 + ) + (1 + ) +
(0) (0)
Usando (12) y (13), esta expresin se convierte
(1 + ) (1 )
(0) = (1 + ) (0)

1
= [(1 + ) (1 )] ( (0) )

Ahora, porque (0) < 0, el segundo trmino de esta expresin es negativo, y (0) > 0 si
solo si
(1 + )
(1 + ) < (1 ) < 1 (0) < 1 +
(1 )
Por consiguiente, la seguridad social podra incrementar al bienestar a pesar que se reduce
los ahorros y disminuye el estado estacionario del capital social. Este ser el caso cuando haya
un factor inters de la seguridad social del estado estacionario es demasiado bajo, i.e.
cuando en algn sentido la economa tiene una tendencia de capital sobre acumulado (para
hacer esto ms preciso, considera un planeador social quien desea maximizar las generaciones
del bienestar del estado estacionario sujeto a una limitacin de recursos. Cul ser el valor
ptimo de Z y el factor precio implcito?
799
Captulo 12
Problema 1.2. Una violacin del principio de optimalidad
Considere un agente que vive tres perodos y maximiza una funcin de utilidad de la forma
1 = 1 + 2 + 3
Donde la utilidad en el periodo , , es una funcin de consumo actual y (futuro) esperado,
i.e.,
1 (1 , 2 , 3 ) = ln(1 2 3 ), 2 (2 , 3 ) = ln(2 3 ), 3 (3 ) = ln 3
Y la restriccin presupuestaria es de la forma
+1 = (1 dado, y 4 = 0)
Donde es riqueza.
No obstante, la funcin de retorno es aditiva, pero no separable en perodos, ya que la utilidad
del perodo -1, por ejemplo, depende del consumo (exceptuado) en los tiempos 2 y 3. Por lo
tanto, la hiptesis del teorema 1.1 no se cumple y como lo haremos ver, el principio de
optimalidad falla.
(i) Calcular el plan de consumo ptimo desde la perspectiva del tiempo 1,
1 = (11 , 21 , 31 )
La funcin objetivo desde la perspectiva del perodo 1 puede escribirse
1 = ln 1 + (1 + )ln 2 + (1 + + ) ln 3 (1)
Sustituyendo recprocamente las restricciones presupuestarias de flujo entre s,
obtenemos una restriccin nica que requiere que la suma de los gastos de consumo
suma la riqueza inicial 1 :
1 + 2 + 3 = 1 (2)
Resolviendo (2) para 3 , y sustituyendo el resultado en (1), el agente resuelve el
siguiente problema en el tiempo 1:
max 1 (1 , 2 ) = ln 1 + (1 + )ln 2 + (1 + + ) ln( 1 1 2 ) (P. 1)
Las condiciones de primer orden para este problema son dadas por
1 1 1++
= =0
1 1 1 2 3
1 1++
= (3)
1 1 2 3
1 1 + 1++
= =0
2 2 1 2 3
1+ 1++
= (4)
2 1 2 3
800
Captulo 12
Usando (3) y (4), tenemos

1 1+
=
1 2
2 = (1 + )1 (5)
Y sustituyendo (5) en (3),
(1 + + )1 = 1 1 2 = 1 1 (1 + )1
1
11 = (6)
3 + 2 +
Utilizando (2), (5) y (6), el resto del plan de consumos est dado por
1
21 = (1 + )11 = (1 + ) (7)
3 + 2 +
1
31 = 1 11 21 = 1 (2 + )11 = (1 + + ) (8)
3 + 2 +
(ii) Luego, considere lo que sucede cuando el agente comienza a implementar este plan.
En el tiempo 1, consume 11 , recibe utilidad 1 , y tiene riqueza sobrante 1 11 .
Entonces se enfrenta al problema de maximizar la utilidad sobre el resto de su vida,
max 2 = 2 + 3
Sujeto a 2 + 3 = 2 . Calcule el nuevo plan ptimo, 2 = (22 , 32 ), y comprelo
con la ltima porcin de 1 . El consumidor ha cambiado de opinin? como y por
qu? La ecuacin del mensajero es vlida?
En el tiempo 2, el agente resuelve
max 1 (2 ) = ln 2 + ( + ) ln( 2 2 ) (P. 2)
Donde
1 (2 + 2 + )1
2 = 1 11 = 1 = (9)
3 + 2 + 3 + 2 +
La condicin de primer orden,
+
2 (2 ) = =0
2 2 2
+
= (10)
2 2 2
Puede ser resuelto para 22 en funcin de un 2 :
2
22 = (11)
2 +
801
Apndice: Soluciones a los Problemas
Usando (9) y (7) tenemos,

(2 + 2 + ) 1 + (2 + 2 + ) (1 + )1
22 = =
2 + 3 + 2 + 1 + (2 + )(1 + ) 3 + 2 +
2 + 2 2 +
= 1 < 21
2 + + 2 2 + 2
(12)
Por lo tanto, el consumo de segundo perodo revisado es menor que en el plan
original. El agente ha cambiado de opinin porque una vez pasado el perodo 1, ya
no se preocupa por el efecto del consumo planeado de segundo y tercer perodo en
la utilidad del perodo 1
Problema 1.7. Demostrar Teorema 1.6: Sea (, ) un espacio mtrico completo, y sea :
una contraccin con punto fijo . Adems, sea un subconjunto cerrado de , y
asumir que traza puntos en en algn subconjunto de (es decir, : ). Entonces
el punto fijo nico de en estar en .
Debido a que (, ) es un espacio mtrico completo, debe estar en . Para demostrar que
est en el subconjunto , observe que, por supuesto, mapea puntos en en puntos en ;
Por lo tanto, debe estar en , pero porque es un punto fijo, = .
Problema 1.11. Demostrar Lema 1.10: Sea : () () el operador definido por
() = max {(, ) + [(, )]}
()
Y asumir que la Suposicin 1.9 (monotonicidad) se mantiene. Entonces asigna funciones

no decrecientes en funciones estrictamente crecientes.
Sea ( ) una funcin no decreciente, y 0 y 1 dos puntos arbitrarios en su dominio,
con 1 > 0 . Entonces (1 ) (2 ) y porque es supuesto estrictamente creciente en
, (1 , ) > (0 , ) si es el mismo, y [(1 , )] [(0 , )], por nuestros
supuestos de monotonicidad sobre ( ) y ( ). Adems, el conjunto de restricciones
correspondiente a 1 , (1 ), contiene (0 ). Por lo tanto,
(1 ) = max {(1 , ) + [(1 , )]} > max {(0 , ) + [(0 , )]}
(1 ) (0 )
= (1 )
Y concluimos que es estrictamente creciente.
Problema 1.14. Demostrar Lema 1.13: Considere el espacio vectorial normal [(), ],
donde es la norma superior, y asumir que es un conjunto convexo. El conjunto de
funciones (dbilmente) cncavas en () es un subconjunto cerrado de ().
Mostraremos que cualquier secuencia convergente de funciones cncavas en () tiene un
lmite cncavo. Dada una secuencia de funciones cncavas { } convergentes a , sean 0 e
1 puntos arbitrarios en , y consideremos la secuencia de nmeros reales
{ [(1 )0 + 1 ] (1 ) (0 ) ( )(1 )}
802
Captulo 12
Por la concavidad de , sta es una secuencia de nmeros reales no negativos, y porque

{ } (en la norma superior y por lo tanto puntual), la secuencia tiene un lmite no
negativo
= [(1 ) + ] (1 )() () 0
Esto demuestra el lema.
Problema 1.17. Demostrar Lema 1.16: Sea : () () el operador definido por
() = max {(, ) + [(, )]}
()
Y asumiendo que las suposiciones de concavidad y monotonicidad se mantienen. Entonces

mapea funciones dbilmente cncavas en funciones estrictamente cncavas
Sea dbilmente cncava, tomar dos puntos arbitrarios en su dominio, 0 y 1 en , con
0 1 , y asumir que 0 (0 ) y 1 (1 ) resuelve los problemas de maximizacin
para 0 e 1 , respectivamente. Por lo tanto, 0 (0 ) logra (0 ), y 1 (1 ) logra
(1 ). Para simplificar la notacin, definimos
0 = (0 , 0 ) 1 = (1 , 1 )
= (1 )0 + 1 , = (1 )0 + 1 , = (1 )0 + 1
La suposicin de que es convexa puede escribirse como ( ). Observe que
( ) = max {( , ) + [( , )]} ( , ) + [( , )]
( )
( , ) + [(1 )(0 , 0 ) + (1 , 1 )]
= ( , ) + ( )
> [(1 )(0 , 0 ) + (1 , 1 )] + [(1 )(0 ) + (1 )]
= [(1 )(0 ) + (1 )]
donde la primera desigualdad se mantiene porque, por la convexidad de la correspondencia
de restricciones, es factible para ( ( )), pero no es necesariamente ptimo.
El segundo se cumple por la concavidad de ( ) y la suposicin de monotonicidad, que
asegura que ( ) est aumentando. El tercero se sostiene por la concavidad de ( ) (estricta)
y ( ).
803
Captulo 13
Captulo 13
Problema 2.7. Aplicar el teorema de funcin implcita (IFT) para calcular las derivadas parciales
de la funcin ( , ), definidas implcitamente por la ecuacin (16) en el texto, y
determinar sus signos. Reescribiendo (16) en la forma
(+1 ; , ) = (+1 ) [( ) ] ( ) = 0
Tenemos, por el IFT, que proporcion +1 0,
+1 +1
= = y = =
+1 +1
donde
+1 = (+1 )(+1 ) < 0
= (+1 )(+1 )( ) < 0
= (+1 ) (+1 )(1) ( ) > 0
y por lo tanto
+1
= = = ()() < 0
+1
+1
= = = (+)() > 0
+1
Problema 2.8. Si se establecen las ecuaciones (15) y (16) en el texto, = +1 = y =

+1 = trace las lneas de fase = 0 y = 0 para el sistema. Para completar el
diagrama de fases, determine las direcciones de movimiento a lo largo de los ejes y en
cada una de las cuatro regiones en las que el plano de estado (c, x) est dividido por las lneas
de fase
. Las ecuaciones de las lneas de fase se obtienen ajustando a su vez = +1 = 0 y
= +1 = 0 (es decir, = +1 = y = +1 = ) en (15) y (16):
(15) = ()
= 0: = () (P.1)
(16) () = ()[() ]
= 0: [() ] = 1 (P.2)
Trabajando con (P.1), tenemos
804

< 0
> 0 = 0
k
Figura A13.1. La lnea de fase = 0.
2
| = () 1 y | = () < 0
=0 2 =0
Por lo tanto, la lnea de fase = () es cncava. Logra un mximo en el punto donde

( ) = 1. Adems, (0) = 0, entonces la lnea pasa por el origen; Sube al principio al
mximo y luego declina, intersectando el eje de nuevo en el punto donde () = . Esta
informacin nos permite dibujar la lnea de fase. Para determinar la direccin de las flechas
del movimiento, observe que podemos escribir, usando (15),
= +1 = ( )
Diferenciando esta expresin con respecto a , encontramos que

= 1 < 0

Es decir, un aumento en reduce el valor de . En particular, debido a que = 0 a lo
largo de la lnea de fase, un incremento en (que nos pondr por encima de la lnea) hace
que sea negativo. Por lo tanto, est disminuyendo con el tiempo por encima de la lnea
de fase, y aumentando por debajo de ella, como se muestra en la Figura A13.1. Esto es
intuitivamente obvio, ya que un nivel de consumo que es "demasiado alto" debe
necesariamente reducir el stock de capital.
Similar,
= 0 (; ) = [() ] 1 = 0 (P.2)
Diferenciando implcitamente esta ecuacin con respecto a , obtenemos

(( ) () + ( ) (1)) = 0 | = () > 0
=0
De modo que la lnea de fase est inclinada hacia arriba. Al comparar esta expresin con
()=0 , vemos que la segunda lnea de fase es ms pronunciada que la primera en la
regin en la que esta ltima tiene una pendiente positiva. Diferenciando de nuevo,
805
Captulo 13
2
| = < 0
2 c=0
c ct = 0
ct > 0 ct
ct < 0 ct
Figura A13.2. La lnea de fase = 0
Por lo que la lnea de fase es cncava. Adems, la intercepcin horizontal es positiva, como
con = 0 tenemos
[() 0] = 1
Debido a que () montonamente decreciente con (0) = , la ltima expresin slo se

mantiene con () > 0, que a su vez requiere > 0. Para dibujar las flechas de movimiento
correspondientes a esta lnea de fase, observe eso
( ) = (+1 ) [( ) ] +1 = ( , ) (2)
implica que
= +1 = ( , )
asi que

= < 0

Este resultado nos dice que c est disminuyendo con el tiempo a la derecha de la lnea de
fase, como se muestra en la Figura A13.2.
Combinando lo que sabemos sobre las dos lneas de fase, podemos dibujar el diagrama
de fases para el sistema. Est claro que las dos lneas se intersectarn en el primer
cuadrante, produciendo un estado estacionario (, ). La figura A13.3 muestra la
interseccin en un punto donde las dos lneas estn inclinadas hacia arriba. Para ver que
este es el caso, recuerde que la pendiente de la primera lnea de fase est dada por

| = () 1
=0
En el estado estacionario debemos tener () = 1 > 1 , por lo que |=0.
Problema 2.9. El diagrama de fases que acaba de dibujar debe sugerir que el estado estacionario
es un punto de silln. Compruebe que esto es cierto, mostrando que los valores propios de
la matriz Jacobiana para el sistema son nmeros reales positivos que se encuentran en lados
opuestos de 1.
806
Tenemos

= 0
= 0
k k
Figura A13.3. Diagrama de fase
k t+1 = f(k t ) ct (k t , ct ) (15)

( ) = +1 ) [( ) ] +1 =
(
( , ) (16)
Del problema 2.7, sabemos que
+1 (+1 )(+1 )( )
= = =
+1 (+1 )(+1 )
+1 (+1 ) (+1 )(1) ( )

= = =
+1 (+1 )(+1 )
En un estado estacionario, tenemos +1 = = , +1 = = , y () = 1. Por lo

tanto podemos simplificar estas expresiones a
() () ()

= =
() ()
() ()
+ ()
= = +1
() ()
Adems
= () y = 1
La matriz Jacobiana evaluada en el estado estacionario es entonces
1

(,) = [ ] = [ ]
1+

Por lo tanto,

1 + 2 = = + +1>2

Porque () = 1 > 1 en el estado estacionario,
807
Captulo 13
( 1)
1 2 = det = + = + = > 1

Y
2
2 ))
= 4 = ( + (1 + 4

2

=( ) +2 (1 + ) + (1 + )2 4

2

=( ) +2 (1 + ) + 1 + 2 + ()2 4

2

=( ) +2 (1 + ) + (1 )2 > 0

Debido a que > 0, los valores propios del Jacobiano son nmeros reales distintos, y
porque tanto su producto como su suma son positivos, ambos son positivos. Finalmente,
observe que

(1) = 1 + = 1 ( ) 1 + = <0

As que 1 2 y se encuentran en diferentes lados de 1 en la lnea real; ver Seccin 2()
() del captulo 10. Por lo tanto, el estado estacionario es un punto de silla, con un valor
propio en (0,1) y el otro en (1, ).
Problema 2.11. Demuestre que la funcin ( , +1 ) definida en la prueba de la Proposicin

2.10 es cncava.
De (1) y (2) en la prueba de la Proposicin 2.10 tenemos
11 ( , +1 ) = [( ) +1 ] ( ) + ( ) [( ) +1 ] ( ) < 0
12 ( , +1 ) = 21 ( , +1 ) = [( ) +1 ] ( ) > 0
22 ( , +1 ) = [( ) +1 ] < 0
El determinante de la matriz Jacobiana viene dado por
12 U f + ()2 2
| 11 |=| | = [ + ( ) ] ( )2 ( )2
21 22
= > 0
Por lo tanto, la matriz Jacobiana es negativa definida, y U(k t , k t+1 ) es cncava (vase el
Teorema 2.17 en el captulo 6).
Problema 4.1. Un planificador social maximiza la utilidad del individuo representativo,
1
0
1
Sujeto a la restriccin de recursos

= ( , ) , con
=
808
Escribe las condiciones necesarias para este problema y muestra que se reducen a las
ecuaciones (20) y (21) en el texto cuando no hay impuestos o subsidios.
Por lo tanto, bajo estas condiciones, el equilibrio competitivo ser un ptimo social.
El Hamiltoniano de valor actual para el problema del planificador

1
= + {(, ) }
1
Esto produce las siguientes condiciones de Pontryagin:

= = 0 (1)

= [ (, ) ] = (2)

= () (2)
Diferenciando (1) con respecto al tiempo, y sustituyendo (2') en la expresin resultante,

tenemos
1 1
= = {() } (3)

Esta expresin produce fcilmente la ecuacin (20) en el texto cuando = 0. Una

manipulacin simple de la restriccin de recursos del planificador proporcionar de manera
similar la ecuacin (21) en el texto cuando = 0.
Problema 4.2. Suponiendo que la funcin de produccin de Cobb-Douglas (es decir,() =

) resuelve la tasa de ahorro en estado estacionario en funcin de y de los otros
parmetros del modelo.
Usando las ecuaciones (22) y (23), el coeficiente de ahorro en estado estacionario est
dado por
( + g)
= = = 1 = 1 = ( + g)1

De donde
( + g)
=
+ ((g + )(1 ))
Por lo tanto, es una funcin creciente de la elasticidad de la produccin con respecto al

capital () la tasa de crecimiento de la poblacin (), y la elasticidad de la sustitucin
intertemporal (1), y es una funcin decreciente de La tasa de descuento () y la tasa de
impuesto sobre los ingresos de capital ( ).
Problema 4.3. Una limitacin del enfoque que hemos seguido es que asume que la economa
est inicialmente en un estado estacionario. De lo contrario, los coeficientes de la ecuacin
variacional (la ley del movimiento para ) cambian con el tiempo, y esto dificulta evaluar
( ). Todava es posible (y de hecho mucho ms fcil) demostrar que un impuesto cero
sobre los ingresos de capital es ptimo al mostrar que cuando = 0 la trayectoria de
equilibrio para la economa resuelve un problema de planificacin estrechamente
809
Captulo 13
relacionado. Consideremos, en particular, el problema que afronta un planificador social,

similar al descrito en el Problema 2.1, que maximiza la utilidad del agente representativo
sujeto a la restriccin de recursos estndar y la restriccin adicional de que debe "tirar" una
cantidad de salida igual a en cada punto en el tiempo. Escribir el problema de
planificacin, derivar las condiciones necesarias para un ptimo, y verificar que se reducen a
las ecuaciones (20) y (21) cuando = 0 en este sistema.
El planificador maximiza
1
0 (1)
1
Sujeto a la restriccin de recursos
= ( , ) (2)
Donde aumenta con el tiempo a una velocidad exgena constante g (es decir, = ).
Las condiciones necesarias para un ptimo son casi exactamente las mismas que en el
Problema 4.1, y en particular tenemos
1
= { () }

De la cual es fcil derivar la ecuacin (20) con = 0 . Adems, la restriccin de recursos
puede escribirse en la forma
()
=

que es la ecuacin (18) en el texto. La ecuacin (21) se sigue fcilmente.
Por lo tanto, el problema de planificacin produce exactamente el mismo sistema de
ecuaciones que hemos derivado en el texto, siempre que establezcamos = 0 en este
ltimo. Por lo tanto, podemos lograr el camino ptimo mediante la eliminacin de los
impuestos sobre los intereses. La equivalencia con el problema de la planificacin pone de
manifiesto la razn por la cual los impuestos sobre el capital son ineficientes. Debido a que
la oferta de mano de obra es perfectamente inelstica, los gravmenes salariales son, en
efecto, los impuestos de suma global en este modelo, mientras que los impuestos sobre el
capital afectan la tasa de rendimiento del ahorro y distorsionan as la asignacin intertemporal
de recursos.
Problema 5.1
(i) Sea () la utilidad esperada de por vida de un trabajador empleado holgazn,
() la utilidad esperada de por vida de un empleado no holgazn, y la
utilidad esperada de por vida de un trabajador desempleado. Escriba las
ecuaciones de valoracin que definen () y (), y explique su significado.
Consideremos primero una formulacin de tiempo discreto en la que cada
perodo tiene una longitud y los trabajadores resuelven

max ( )()
=0
Entonces el valor de un empleado holgazn es dado por
() = ( 0) + (){( + ) + [1 ( + )] ()} (2)

En el ambiente estacionario que hemos asumido, la utilidad esperada de por vida para
un holgazn maana es igual que hoy. As, si el trabajador decide no trabajar hoy,
810
har la misma eleccin maana. Por lo tanto, podemos definir ()

recurrentemente: Si el trabajador holgazn, hoy obtiene el salario veces la duracin
del perodo. Hay, sin embargo, una probabilidad ( + ) que perder su trabajo.
Si ese es el caso, en el prximo perodo obtendr ; de lo contrario permanecer
empleado, seguir holgazn, y obtendr el mismo valor () de nuevo. Debido a
que esto ocurrir durante un perodo, la expresin dentro de los corchetes (la utilidad
de vida esperada de maana) debe multiplicarse por el factor de descuento de tiempo
para obtenerlo en trminos de valor actual.
Para ir al tiempo continuo, deje que el factor de descuento sea () = .
Restando () () de ambos lados de (2), dividiendo por , y tomando el lmite
como 0, tenemos
1()
lim () = lim + ()( + )[ ()]
0 0
O
() = + ( + )[ ()] (3)
+(+)
() = (3)
++
Del mismo modo, en el caso de un no holgazn, el actual "dividendo" es , y la

probabilidad de separacin de puestos de trabajo es . Por lo tanto
() = ( ) + [ ()] (4)
+
() (4)
+
(ii) Un trabajador por cuenta ajena decidir no eludir si () (). Demuestre que
esta condicin de "no holgazn" implica que () , para que los
trabajadores prefieran ser empleados, y usarlo para resolver el salario mnimo
en el cual los trabajadores lo encontrarn ptimo para no eludir. Qu factores
determinan ?
Un trabajador por cuenta ajena decidir no eludir si () (). Usando (3) y
(4), podemos escribir la condicin de no holgazn (NSC) como
+(+) +
() () (5)
++ +
O reordenando trminos
+ ( + + )( ) (6)
Alternativamente, usando (3) y (4), tenemos
[ () ] (7)
La ecuacin (6) define , el salario mnimo que la empresa tiene que pagar para
evitar la holgazanera. Tenga en cuenta que aumenta con el nivel de esfuerzo, la
utilidad esperada de los trabajadores desempleados (que reduce el costo de la prdida
de empleo), la tasa exgena de abandono (si uno se va, uno puede tambin engaar)
811
Captulo 13
y la tasa de descuento, (castigo que viene en el futuro, se descontar ms

fuertemente); disminuye con la probabilidad de deteccin.
La ecuacin (7) nos dice que para asegurar que los trabajadores no se eludan, los
salarios deben ser lo suficientemente altos como para que los trabajadores prefieran
trabajar. Esto implica que la tasa de desempleo ser positiva, de lo contrario, un
trabajador que fue despedido podra conseguir otro trabajo de inmediato, y () =
por lo que (7) no poda sostener.
Problema 5.2. Ahora caracterizaremos un equilibrio estacionario del modelo.

(i) Sea el beneficio de desempleo. Derivar la utilidad esperada de por vida de un
trabajador desempleado, en funcin de y el valor de un trabajador
asalariado, .
Por el mismo razonamiento que en el problema 5.1, el valor de un trabajador
desempleado, , debe satisfacer
= + ( ) (9)
Donde es la tasa a la cual los trabajadores encuentran empleo y salen del grupo
de desempleados.
(ii) Usando las expresiones para (= ()) y derivadas anteriormente, resuelva

para V y V como funciones de a y los parmetros del modelo. Vuelva a escribir
la condicin de nohirking, reemplazando V por su valor de equilibrio. Cmo
afectan los beneficios de desempleo y la probabilidad de encontrar un empleo el
salario mnimo de los no holgazanes? Usando (4) y (9), tenemos
= ( ) + ( ) ( )
De donde
()
= (10)
++
Sustituyendo (10) en (4) y (9), obtenemos
(+)()
= (11)
++
()+(+)
= (12)
++
Sustituyendo (12) en (6), con = ,
( )+(+)
= + ( + + )( ) = ++
Y reordenando, la condicin de no holgazn puede escribirse
+ + ( )( + + ) (12)
Por lo tanto, el salario crtico aumenta con el tamao de la prestacin de desempleo

y la tasa de flujo de desempleo, ambos factores que tienden a aumentar .
812
(iii) Sea la oferta de trabajo dada. En un equilibrio en estado estacionario, los flujos
hacia el desempleo y fuera de l deben ser iguales. Utilizando esta condicin,
resuelva la probabilidad de encontrar empleo, a, en funcin de , , y
sustituya el resultado en la condicin de no holgazn. Interpretar la condicin
resultante. El salario de equilibrio y los niveles de desempleo se determinan por
la interseccin de la condicin de no holgazn y el programa de demanda de
trabajo () = . Dibuja ambas funciones en el plano (, ) y comprueba
que el equilibrio implica un exceso de oferta de trabajo. En un equilibrio en
estado estacionario, el flujo hacia el desempleo () y fuera de l ( ( ))
debe ser igual; por lo tanto

= (13)
Sustituyendo esta expresin en (12), la condicin de no holgazn puede ser reescrita

+ + ( ) ( + ) (NSC)
Esta expresin define una curva inclinada hacia arriba en el plano (, ), como se
ilustra en la Figura A13.4. a medida que aumenta el empleo, los salarios tambin
deben aumentar, para evitar el abandono. La razn es que una disminucin en la
tasa de desempleo tiende a bajar el valor esperado del "castigo" a los holgazanes
detectados.
NSC
Regin de no evasin
Oferta de trabajo
Demanda de trabajo
N L
Figura A13.4. Salarios de equilibrio y niveles de empleo.
Para compensar esto, los salarios deben subir, de modo que la prdida de ser
despedido aumenta.
El salario de equilibrio y los niveles de desempleo estn determinados
por la interseccin de la condicin de no holgazn y el programa de demanda de
813
Captulo 13
trabajo() = , como se ilustra en la Figura A13.4. Como se seal

anteriormente, el equilibrio implicar desempleo involuntario. A pesar del exceso
de oferta de mano de obra, es el salario de equilibrio, porque las empresas no
tienen ningn incentivo para aumentar (porque los trabajadores estn
suministrando esfuerzo) o disminuir los salarios (porque estn en su calendario de
demanda de mano de obra). Los trabajadores desempleados estaran felices de
aceptar un trabajo, pero no pueden hacer un compromiso creble de no huir si el
salario disminuye.
Problema 5.3
(i) Derivar una expresin que describa la evolucin de la tasa de desempleo a lo largo
del tiempo como una funcin de la tasa instantnea de separacin (s) y la
probabilidad de encontrar empleo, 1 . Establezca = 0 y resuelva la tasa de
desempleo del estado estacionario como una funcin de las tasas de flujo dentro
y fuera del desempleo (suponiendo que es constante).
El cambio instantneo en la tasa de desempleo es la diferencia entre los flujos hacia
y desde el desempleo normalizados por la poblacin total. En un momento dado, se
emplea una fraccin (1 ) de la poblacin. Multiplicando este nmero por la
probabilidad instantnea de separacin, , obtenemos el flujo en desempleo. Del
mismo modo, el flujo en el empleo es igual a la tasa de desempleo actual veces la
probabilidad de encontrar un trabajo, dada por (3). Por lo tanto, tenemos
= (1 ) 1 (4)
Poniendo igual a cero en (4), podemos resolver la tasa de desempleo en estado

estacionario en funcin de :

= +1 (5)
(ii) Sea V el valor de una vacante, el valor de un trabajo lleno, y la tasa de descuento.
Tomando en cuenta las probabilidades de transicin relevantes y los flujos de
costos y beneficios para un trabajo ocupado y vacante, escriba las ecuaciones de
valuacin para estos dos activos, y explique su significado. Usando las dos
ecuaciones de valoracin de activos (sustraer una de la otra), obtenga una
expresin para como una funcin de , , , , y las probabilidades de
transicin relevantes.
Como en la discusin en la Seccin 1 del texto, la idea general es la misma para
todas las ecuaciones de valoracin: El rendimiento esperado de cada "activo", dado
por su dividendo actual ms ganancia de capital esperada expresada como una
fraccin de su valor, debe Ser igual a la tasa de descuento (inters). En el caso de una
empresa vacante, el dividendo es negativo (el costo de mantenimiento, ), y la
ganancia de capital esperada es igual a la diferencia entre el valor de un trabajo
ocupado, , y el de un vacante, , multiplicado Por la probabilidad instantnea de
llenar una vacante, dada en la ecuacin (2). Por lo tanto,
= + ( ) (6)
814
En el caso de una empresa activa, el dividendo es la ganancia corriente (la diferencia

entre la produccin y el salario) y la ganancia de capital esperada depende de la
probabilidad () de que la partida sea destruida exgenamente
= ( ) + ( )
Reordenar trminos y resolver por ,

+
= ++ (8)
(iii) Sea E y U los "valores" de un trabajador ocupado y un trabajador desempleado,

respectivamente. Escribir y explicar las ecuaciones de valuacin de activos
correspondientes, y derivar una expresin para . Por la misma lgica que
en (), tenemos
= + 1 ( ) (9)
= + ( ) (10)
De donde
( ) = ( ) 1 ( ) (11)

= ++1
Problema 5.4. Utilizando los resultados del Problema 5.3, resuelva el salario de equilibrio.
Tenemos que resolver
+ 1
max( ) ( )1 = (++1) (++ )

Tomando registros, esto es equivalente a
ln( ) + (1 ) ln( + )
Ajustando la derivada de esta funcin con respecto a w igual a cero,

1
+ = 0 ( + ) = (1 )( )

Y resolver para ,
= ( + ) + (1 ) (12)

Problema 5.5. En equilibrio, las nuevas empresas entran hasta que el valor de un puesto
vacante cae a cero, es decir, hasta = 0.
(i) Usando las ecuaciones de valoracin para , se muestra que

= (13)
+
Con = 0, las ecuaciones de valoracin (6) y (7) producen:
yw
J = c y J=
r+s
815
Captulo 13
As

= (13)
+
Una condicin que resume la "oferta de empleos" en equilibrio
(ii) Utilizando la ecuacin (13), junto con la expresin para el salario de equilibrio
obtenido en el problema 5.4 y la frmula para la tasa de desempleo en estado
estacionario obtenida en el Problema 5.3, resuelva Para los valores de equilibrio
de , , , . Dibuja un diagrama en el plano (, ) que ilustra la determinacin
del equilibrio.
Recogiendo los resultados anteriores, tenemos
= ( + ) (13)
= ( + ) + (1 ) (12)

= +1 (5)
Usando las primeras dos ecuaciones, podemos resolver para ,

(1)()
= (14)
(+)
y la ecuacin (5) da la tasa de desempleo de equilibrio. Grficamente, la ecuacin

(14) define una lnea vertical en el plano (, ) y la ecuacin (5) una lnea inclinada
hacia abajo, como se muestra en la figura A13.5. Obsrvese que para que sea
positivo, debe ser el caso que

1 (15)
Por lo tanto, tenemos que imponer esta condicin en los parmetros con el fin de
obtener un equilibrio sensible.

u=+1

Figura A13.5. Determinacin del estado estable de la tasa de desempleo
816
Cules son los efectos sobre la tasa de desempleo de equilibrio de un aumento del poder de
negociacin de los trabajadores (), un aumento del subsidio de desempleo (b) y un aumento
de la probabilidad de choques estructurales?
Usando la ecuacin (14), est claro que un aumento de b reduce el valor de equilibrio de 0
, desplazando la lnea vertical hacia la izquierda. Debido a que la otra ecuacin no se ve
afectada, un aumento en el beneficio de desempleo aumenta la tasa de desempleo de
equilibrio. El efecto sobre de un aumento en s es similar. Adems, este cambio de
parmetros tambin cambia la segunda lnea hacia arriba, lo que eleva la tasa de desempleo
an ms. Finalmente, es fcil ver, usando las ecuaciones (14) y (15), que un aumento en el
poder de negociacin de los trabajadores tambin aumenta la tasa de desempleo.
Problema 5.6 Definir las variables

= y R= 1 (6)
(i) Reescribiendo el sistema (4)-(5) en trminos de X y R, resolver para los valores

de estado estable de X y Z

= 1 =

Por lo tanto podemos reescribir (4) y (5) en la forma
1
= { ( + )} (4)

= (1 ) ( + + ) (5)

Podemos usar estas expresiones a resolver para los valores de X y R para el estado
estable
Ajustando igual a cero , tenemos
++
= (7)

++ (++)
= 1 = = (8)
++
Obsrvese que la condicin para que la utilidad sea limitada, dada en la ecuacin (3),
implica que = 1 <
Usando (6), adems, tenemos
1
= = { ( + )} g (1 ) + ( + g + )

O
1 ++g
= ( (1 ) + ( + g + ) (9)

Y

= ( 1) = (1 )( + g + ) (1 )(1 ) (10)

(ii) Construir la log-linealizacin del sistema obtenido en (i). Calcule los valores
propios de su matriz de coeficientes y muestre que el estado estacionario es un
punto de silla. Calcule el autovector asociado con el autovalor negativo, y
817
Captulo 13
relacionar la pendiente de la trayectoria de silla con el tamao del valor propio

negativo. Algo le parece familiar?
Sea = y = . Luego el sistema (9)- (10) puede ser escrito en la forma
1 + + g
= ( (1 )) + ( + g + ) (, )

= (1 )( + g + ) (1 )(1 ) (, ) (10)
Evaluando las derivadas parciales de F()y G( ) en el sistema estable, nosotros obtenemos
= =
1 1 + + g
= ( (1 )) = ( (1 )) = ( + g + )

= (1 ) = (1 )
= (1 )(1 ) = (1 )(1 ) = (1 )( + g + )
Por lo tanto, el Jacobiano del sistema es de la forma

1
( (1 ))
=[ ]=[ ]

(1 ) (1 )(1 )
Y tenemos
= (1 )(1 ) = (1 ) > 0
1
= (1 )(1 ) 2 (1 ) 2 ( (1 ))

(1 ) 2
= <0

Observe que debido a que < 0, el estado estacionario es un punto de silla,

como se indica.
Los valores propios del sistema estn dados por
2 4 4
, = = (1 1 )
2 2 2
4(1) 2
Donde = 2 4 = (1 )2 2 +
4(1)
= 2 ((1 )2 + )>0

Sea el segundo componente de le autovector correspondiente al autovalor

negativo, -, y normalizando el primer componente a q, asi que es la inversa de la
pendiente del punto de silla en el estado estable, luego se resuelve
1
= [ ][ ] = [ ]

De donde
818
+ =
1 ( +) (1)(+g+)
= =
(1)
(11)
Por lo tanto, la trayectoria de la silla de montar depende del signo de la diferencia
(1 ) ( + + ) , donde el primer trmino, como recordar el lector en la
Seccin 4 (a) del Captulo 11, Es la tasa de convergencia en el modelo de Solow. Como
veremos ms adelante, esta diferencia puede ser positiva o negativa, por lo que en principio
la tasa de ahorro puede ser una funcin creciente o decreciente de la tasa de inters,
dependiendo de los valores de los parmetros.
Problema 5.7. A continuacin, consideraremos un caso especial. Supongamos que la siguiente
restriccin sobre los parmetros se cumple:
+ + g = ( + + g) (12)
Construye el diagrama de fase por el sistema, y calcula su autovector negativo y asociado con
su autovector
Dado la condicin (12), la ecuacin (9) se reduce a
1
= = ( (1 )) (13)
Por lo tanto, 0 si
1
(1 )

1
(14)
1
Ntese que, dado (3), la ecuacin (12) requiere que > > 1;por lo tanto > 0, La figura
A13.6 muestra la correspondiente lnea de psae y sus flechas de movimiento
Trabajando con

= = (1 )( + g + ) (1 )(1 ) (10)
> 0
< 0
R
Figura A.13.6 la linea de fase = 0
819
Captulo 13
1 = 0
> 0
< 0
R
Figura A.13.7. .La lnea de fase = 0
La ecuacin de la lnea de fase es = 0

+g+
=1 (15)

= (1 )(1 ) < 0

Por lo tanto, la lnea de fase = 0 es ascendente, con una intercepcin R positiva y una
asndota horizontal en x=1, yR disminuye con el tiempo en la regin a la derecha de la lnea
de fase como se muestra en la figura A.13.7.
Combinando las dos lneas de fase, obtenemos el diagrama de lnea de fase mostrado en la
figura A.13,8, ntese que, dado el patrn de flechas de movimiento, la trayectoria de la silla
coincide con la
lnea de fase x =0, Por lo tanto, la relacin de ahorro permanece constante en el tiempo,
como en el modelo de Solow.
1 = 0
= 0
Figura A.13.8.Diagrama de fase
Para calcular los autovalores del sistema, ntese que bajo la suposicin
+ + g = ( + + g) (12)
820
Las ecuaciones (7) y (8) sern

++g
= = ( + + g) (16)

1 1
1 = = (17)
Usando estas expresiones y los resultados anteriores, tenemos
1
tr J =(1 ) = ( ) ( + + g) = (1 )( + + g)
y
2
4(1 ) (1 )2 4(1 ) 1
= (1 ) + =
2 2
1
= 2 [(1 )2 4(1 )(1 )]

Para simplificar esta expresin, ntese que
(1 )2 = [(1 ) + (1 )]2 = (1 )2 + 2 (1 )2 + 2(1 )(1 )
Por lo tanto
1
= 2 [(1 )2 + 2 (1 )2 2(1 )(1 )]
2
1 (12+)2
= 2 [(1 ) (1 )]2 = 2
Y usando (16)
= (1 2 + )2 ( + + g)2
Ahora, lo autovalores negativos estn dados por
X X
> 0
= 0 > 0
1

= 0
< 0
< 0
R R
Caso i: > 0 Caso ii: < 0
Figura A13.9. La lnea de fase = 0
1 (++g)
= 2 ( ) = 2
[(1 + (1 2 + )] = (1 )( + + g)
Y usando (11)
1 (1)(++g)
1
= (1)
=0
821
Captulo 13
Problema 5.8. Ahora volvamos a el caso general del modelo. Define el parametro por
++g
1 + = (++g)
(18)
Ntese que si =0, estaremos en el problema 5.7. Escribe lo auto valores del sistema y su
correspondiente auto vector como funcin de . Dibuja el diagrama de fase del sistema para
>0 y <0
Usando (18) y la (9) ecuacin, puede ser escrita
1 + + g
= = ( (1 )) + ( + g + )

1
= ( (1 )) (1 + )( + + ) ( + g + )

Por lo tanto, x > 0 Si
(+g+) 1
+ (20)

Por lo tanto, la lnea de fase = 0 tiene una asntota horizontal a = ( 1)/, Si >0,
La lnea de fase se encuentra por encima de la asntota y est inclinada hacia abajo, y si <0,
la lnea se encuentra por debajo de la asntota y est inclinada hacia arriba. En ambos casos,
X aumenta con el tiempo en la regin por encima de la lnea de fase, como se muestra en la
Figura A13.9.
x x
1 = 0 1 = 0
= 0
1
= 0

R R
Caso i:>0 Casoii:<0
Figura A13.10 Diagrama de fase
Combinando esta figura con la lnea de fase = 0, que no depende de , obtenemos el

diagrama de fases mostrado en la figura A13.10. Observe que si >0, la tasa de consumo es
una funcin decreciente del factor de inters. Si la economa se acerca a su coeficiente de
capital / trabajo estacionario desde abajo, el factor de inters disminuye con el tiempo y la
tasa de consumo aumenta. Por lo tanto, la tasa de ahorro cae con los ingresos. Si <0, por
otro lado, la tasa de ahorro aumenta con los ingresos a medida que la economa se aproxima
a su estado estacionario. Para calcular el auto valor negativo, observe que con
822
+ + g
1+
( + + g)
Las ecuaciones (7) y (8) se convierten en

++g
=
= (1 + )( + + g)
(21)
(+g+) 1
1 = = (1+) =
++g
(1+)1
(22)
(1+)
Usando estos resultados y previos ejemplos tenemos:

1
tr = (1 ) = ((1+) )(1 + )( + + g)
= [1 (1 + )]) + + g)
4(1) [1(1+)]2 4(1) 1(1+)

= (1 )2 + =
2 (1+)2 2 (1+)
1 2
= (1+)2 2 {[1 (1 + )] 4(1 )(1 + )[1 (1 + )]}
Para simplificar este documento, dese cuenta que:
[1 (1 + )]2 = {(1 ) + [1 (1 + )]}2

= (1 )2 + 2 [1 (1 + )]2 + 2(1 )[1 (1 + )]
Por lo tanto,
(1 + )2 2
= (1 )2 + 2 [1 (1 + )]2 + 2(1 )[1 (1 + )]
2
4(1 )[1 (1 + )] 4(1 )[1 (1 + )]

= (1 )2 + 2 [1 (1 + )]2 + 2(1 )[1 (1 + )]
4(1 )[1 (1 + )]
={(1 ) [1 (1 + ]}2 4(1 )[1 (1 + )]
= [1 2 + (1 + )]2 4(1 )[1 (1 + )]
=[1 2 + (1 + )]2 [1 ()]2
Con:
4(1)[1(1+)
1 () = 1 [12+(1+)]2
(23)
Donde la expresin bajo el radical de raz cuadrada es positiva, porque sabemos que > 0:
Usando (21)
823
Captulo 13
2
= [1 2 + (1 + )]2 [1 ()]
(1 + )2 2
=( + + g)2 [1 2 + (1 + )]2 [1 ()]2
Ahora el autovalor negativo est dado por
1
= ( )
2
( + + g)
= {[1 (1 + )] + [1 2 + (1 + )][1 ()}
2
(++g)
= {2 2 ()[1 2 + (1 + )]}
2
O
= [1 ()]( + + g)
(24)
Donde
()[12+(1+)]
() = 2
(25)
Usando (11), (21), y (22),
1 (1)(+g+) ()(++g) () ()
= = = (1)(1+) = (1)[(1+)1]
(1) (1)
(26)
Observe que por (22), X*> 0 requiere:
(1 + ) 1 > 0
(27)
Por lo tanto el denominador de (26) es positivo, y
(1 ) [1 (1 + )] = (1 ) + [(1 + ) 1] > 0
De modo que el factor que multiplica B () en (25) es tambin positivo, y se sigue que el
signo de la pendiente de la trayectoria del silln es el mismo que el signo de B (). Ahora
4(1 )[1 (1 + )]
() = 1 1
[1 2 + (1 + )]2
4(1 )[(1 + ) 1]
= 1 1 +
[1 2 + (1 + )]2
Por (27), la expresin que multiplica bajo el radical de la raz cuadrada es tambin positiva.
Por lo tanto, la pendiente de la trayectoria del silln es positiva si la expresin bajo el radical
824
es menor que 1 (es decir, si u <0). Esto est de acuerdo con nuestro anlisis grfico anterior.

Problema 5.9
(i) Tomando como dado el camino del tiempo de , escriba las condiciones
necesarias para una solucin al problema del consumidor. Determine una
ecuacin que describa la evolucin del consumo a lo largo del tiempo. Desde el
valor actual Hamiltoniano.
1
= + {(1 )1 }
1
Nosotros obtenemos:

= = 0

=
(4)

= {(1 )(1 ) } =

= (1 )(1 )
(5)
Usando (4) Y (5)

1 1
= = {(1 )(1 ) }

(6)
(ii) Supongamos que = , es decir, que todos los ingresos fiscales se utilizan para
financiar servicios pblicos. Sustituyendo la funcin de produccin en esta ltima
expresin, resuelva para en funcin de y . Sustituya el resultado en la
restriccin del presupuesto de flujo y la ecuacin de transicin para el consumo.
Llamada la tasa de crecimiento del consumo, obtenida a partir de esta etapa, y
sea el coeficiente de en la ley de movimiento para . Obsrvese que puede
escribirse como una simple funcin de .
Tenemos = = 1 ,resolviendo para ,
= 1/(1
(7)
Y substituyendo (7) en (3) y (6),

= (1 ) /(1)
(3)

1
= {(1 )(1 ) 1 } (6)

Entendemos que (6) puede ser escrito
825
Captulo 13
1
= {(1 ) }

Por lo tanto,
+
= (8)
1
(iii) observe que el consumo crece a una tasa exponencial constante. Por lo tanto, una
vez que determinamos su nivel inicial, hemos caracterizado todo su camino.
Integrando la restriccin presupuestaria del flujo e imponiendo la condicin de
transversalidad, obtenemos

0 = 0 (9)
Usa esta expresin para resolver por 0 .
Resolver el integral en (9)

0
0 = = 0 = 0 () =
0 0 0
De donde
0 = ( )0 (10)
Donde, por (8),
(1)
= (11)
1

Problema 5.10
(i) Sustituir la trayectoria de equilibrio del consumo en la funcin objetivo del agente
para obtener utilidad en funcin de (o ), U (). Qu condicin debemos
imponer para garantizar que la utilidad est limitada? Suponga que esta condicin
se cumple.
Nosotros escribiremos la utilidad del agente representativo como una funcin of
. usando (10) y (11), nosotros tenemos:

1 1
() = = 01 (1)
0 1 1 0
0 1 0 1 ()1
0 1 [(1)]1
= (1)[(1)] = (1)[(1)] = (1)1 (1)[(1)]
(12)
Por lo tanto, la utilidad estar limitada siempre que
(1 ) > 0 (13)
Supondremos en lo que sigue que esta condicin se cumple, (ii) Hallar el valor ptimo
de r. El resultado "luce correcto"? Por qu o por qu no? Observe que podemos
escribir (12) en la forma:
[(1)]1
() = (1)[(1)]
(12)
826
Donde
01
=
(1 )1
Es una constante positiva. Diferenciacin (12 ').
()
[(1 )[ (1 )](1 )[ (1 )] ][(1 )] [ (1 )]1 (1
=
(1 )2 [ (1 )]2
[(1 )2 [ (1 )][ (1 )] ](1 ) + [ (1 )]1 (1 )2

=
(1 )2 [ (1 )]2

[ (1 )]
= {[ (1 )] (1 )[ (1 )]}
[ (1 )]2
Por lo tanto, U () > 0 previsto

(1 ) + > (1 )[ (1 )] > ( + )[ (1 )]
Y esta ltima expresin se cumple por la condicin limitada (13). Debido a que la
utilidad est aumentando en la tasa de crecimiento del consumo, , el gobierno debe
elegir para maximizar
1
= {(1 )(1 ) /(1) }

Es decir, para maximizar (1 ) /(1) Tomando logaritmos de esta expresin y

diferencindose con respecto a , es fcil ver que la poltica ptima consiste en fijar
la tasa impositiva igual al coeficiente de Servicios en el Funcin de produccin (es
decir, = ).
En cierto sentido esto es precisamente lo que debemos esperar. Recordemos que
dado un constante-devuelve a escala Cobb-Douglas, la participacin de la produccin
de cada factor en un equilibrio competitivo es igual a su coeficiente en la funcin de
produccin. Por lo tanto, al establecer = , el gobierno est esencialmente
vendiendo sus servicios a su precio competitivo.
Problema 5.11. Ser conveniente en lo que sigue trabajar con la tasa de crecimiento del
consumo per cpita, denotada por g. Suponiendo que la proporcin de empleo en la
produccin de bienes, , se mantiene constante en el tiempo, resuelva en funcin de g.
Mantenga un ojo hacia fuera para los efectos de escala, es decir, las razones por las que una
economa ms grande (medida por el tamao de la fuerza de trabajo, L) puede ser capaz de
crecer ms rpido.
Diferenciando la funcin de produccin per cpita de forma reducida con respecto al
tiempo y manteniendo la proporcin del empleo industrial constante, podemos expresar la
tasa de crecimiento de la produccin por trabajador en funcin de la tasa de progreso tcnico.
Dado que la compensacin del mercado de bienes requiere, adems, que el consumo per
cpita sea igual a la produccin media por trabajador, obtenemos, utilizando (2) y la
condicin de compensacin del mercado de trabajo, Ln + Lx = L,
827
Captulo 13
1 1 1
g= = = ( )

Y resolviendo para como una funcin de g
g
= 1 (3)
Observe que esta expresin nos da una primera pista a la fuente de los efectos de la escala.
Para la misma tasa de crecimiento, una economa ms grande puede tener mayor empleo en
la produccin de bienes y por lo tanto, dado el mismo , mayor produccin. Porque el
beneficio es, para un dado, una fraccin fija de la produccin, el incentivo para hacer R&D
ser mayor en la economa ms grande.
Problema 5.12. Utilizando las ecuaciones (5) y (6), junto con las expresiones de los precios de
los factores de equilibrio obtenidas en la Seccin 5 (a) del Captulo 8, se obtiene la siguiente
relacin entre la tasa de inters y la tasa de crecimiento del consumo:
(1)
= 1 g (II)

Interpreta esta condicin:

Utilizando los resultados del problema 5.3 del captulo 8, junto con las ecuaciones (1) y (3),
podemos calcular los valores de equilibrio de y :

= = = (1)/ (7)

(1) 12
g
= = (1 )(12)/ = (1 ) ( 1 ) (8)

(Segunda pista sobre los efectos de la escala: Los salarios son independientes del tamao de
la poblacin, pero los beneficios aumentan en ella y disminuyen en g, a medida que ms
investigacin reduce la produccin y los beneficios).
Utilizaremos la ecuacin (8) para calcular el valor de la empresa, . Obsrvese que la nica
cosa en esta expresin que est cambiando con el tiempo en equilibrio es , que crece a la
tasa constante g/(1 ). Por lo tanto
g
+ = exp(1 ) (9)
Y sustituyendo (8) y (9) en (6), el valor del equilibrio de la empresa en el tiempo t est dado
por
12 g 1 2 g
= (1 ) ( ) exp( )
1 1
De donde
(12)
(1) ( g)
= 12
1
(10)
g
1
A continuacin, retornamos a la condicin de compensacin igual, (5). Usando (7) y (10), la
ecuacin (5) implica que
(12)
(1) ( )
( =) (1)/ = 12
1
(= )

1
828
Simplificando y reordenando trminos

1 2 (1 ) g (1 )
g= ( )= g
1 1
Y
(1)
= 1 g (II)

Esta es la segunda relacin que queramos. El lado de produccin del modelo implica una
relacin negativa entre la tasa de inters y la tasa de crecimiento. Intuitivamente, la razn es
la siguiente. En equilibrio, el trabajo debe asignarse entre sus dos usos (produccin de bienes
y R&D) de tal manera que su retorno marginal (privado) sea el mismo en ambos sectores. La
tasa de rendimiento de la inversin en R&D se determina por el valor actual de la corriente
de beneficios de monopolio obtenida por un productor de componentes. Un aumento en la
tasa de inters reducir el valor descontado de esta suma y, por tanto, el valor de mercado de
la empresa y el incentivo para hacer la investigacin. En equilibrio, el nivel de empleo en la
investigacin debe caer, lo que implica una menor tasa de crecimiento.

Problema 5.13. Resolver los valores de equilibrio de g y la fraccin de la fuerza de trabajo

empleada en la investigacin ( /). Discuta los determinantes de la tasa de crecimiento de
equilibrio y el impacto en ambas variables de un aumento en el tamao de la fuerza de trabajo,
. Considere tambin los efectos de la "fusin" de dos economas aisladas en una mayor e
integrada. Hay algo que cambie? Hasta qu punto la respuesta a esta pregunta es sensible a
los detalles de la especificacin que hemos utilizado?
Usando (II) y (SS) es fcil ver que la tasa de crecimiento de equilibrio est dada por 3
(1)

g =
(11)
+
(1)
Y que la fraccin de la fuerza de trabajo empleada en la investigacin en equilibrio es igual a

(1)
= (1)+

(12)

Por lo tanto, la tasa de crecimiento aumenta con la poblacin (), el poder de mercado de las
empresas (de las cuales a es un ndice inverso), la elasticidad de la sustitucin inter temporal
( 1) y la productividad de la R&D (a), y disminuye con la tasa De descuento de tiempo ().
Considere el efecto de un aumento en el tamao de la poblacin en el modelo actual. La
inspeccin de las condiciones de equilibrio muestra que un aumento en L desplazar la
programacin II hacia arriba, produciendo un valor de equilibrio ms alto de g. Este aumento
en la tasa de crecimiento proviene de dos fuentes. En primer lugar, porque en nuestra
especificacin la tasa de innovacin depende del empleo de R&D total (ms que per cpita)

(es decir, = ), una economa grande crecer ms rpido que una pequea, aunque

ambos dedican la misma fraccin de recursos a la R&D. En segundo lugar, la ecuacin (12)
muestra que el empleo de R&D en la gran economa tambin ser mayor en trminos
relativos. La razn es que, dado el nmero de empresas, un mayor tamao del mercado
implica mayores ganancias, y por lo tanto un mayor incentivo para invertir en investigacin.
829
Captulo 13
SS
II

g
Figura A.13.11. Efecto de la ampliacin del mercado de R&D intensidad.
Supongamos ahora que unimos dos economas aisladas en una ms grande e integrada. En
este caso, tanto la poblacin como el nmero de empresas aumentarn, y hay dos efectos a
considerar. El tamao del mercado es ahora mayor, pero tambin lo es el nmero de
competidores. El impacto en los beneficios y en el incentivo para invertir en R&D es incierto
ex ante. En el modelo actual, el valor de equilibrio de g es independiente del nmero de
empresas, y por lo tanto el efecto neto seguir siendo una tasa de crecimiento ms alta, pero
este resultado depende en gran medida de los detalles de la especificacin del modelo. En
particular, hemos asumido que mide tanto el nmero de empresas como el stock de
conocimientos tcnicos disponibles para los potenciales innovadores. Un aumento en ,
entonces, reduce los beneficios a travs de menores mrgenes, pero tambin reduce el costo
de desarrollar nuevos productos. En la especificacin actual, ambos efectos se cancelan. Por
lo tanto, si la integracin implica el agrupamiento automtico de las reservas nacionales de
conocimientos tcnicos (que no se superponen), el resultado neto ser un aumento de la
intensidad general de R&D. Si no es as, como parece ms probable, la reduccin de los
mrgenes de precios inducida por una mayor competencia tender a reducir los beneficios,
compensando, al menos parcialmente, el efecto positivo de un mayor tamao del mercado.4

Bibliografa
Cohen, W., and Levin, R. 1989. Estudios Empiricos de la innovacin y estrucuta de mercado. En:
Manuela de organizacin industrial, ed. R. Schmalensee and
R. Willig, pp. 1059-107. Amsterdam: Elsevier.
Kamien, M., and Schwartz, N. 1982. Estructura de Mercado e innovacin. Cambridge University
Press.
Scherer, F. 1984. Innovacin y crecimiento: Perpectivas Schumpeterianas. Massachusetts Institute of
Technology Press.
Notas
1 Recordemos del Captulo 1 que un nmero complejo c puede escribirse como
= + = ( + ) =
Donde el ltimo paso se sigue de la frmula de Euler. Su conjugado se define como
= + = ( ) = [() +/ ()] =
830
2 Es cierto que en equilibrio el factor de inters debe ser igual al producto marginal del
capital y que el capital inicial es dado. Pero R tambin depende de la entrada de mano de
obra, que es una variable libre.
3 Para garantizar que los esquemas II y SS se cruzan en el cuadrante positivo, deben
cumplirse algunas restricciones sobre los valores de los parmetros. Cuando esta condicin
no se mantiene, tenemos un equilibrio de esquina en el cual el empleo de R&D es cero.
4 El impacto de la estructura del mercado en la tasa de innovacin es una cuestin compleja.
Las empresas con cierto grado de poder de mercado pueden estar mejor capacitadas para
apropiarse de los beneficios de su investigacin, pero tambin pueden estar bajo menos
presin para innovar. La literatura sobre el tema es extensa y no muy concluyente. Vase, por
ejemplo, Kamien y Schwartz (1982), Scherer (1984), y Cohen y Levin (1989).
831
Traduccin realizada por los alumnos de la Facultad de Ciencias Econmicas
de la Universidad Nacional Mayor de San Marcos, pertenecientes a las aulas
206 y 209:
Aguilar Guillen Aczel Omar
Alcntara Cardenas Leonardo Alejandro Palomino Ciprian Silver Alcides
Becerra Suarez ngel Daniel Porras Valencia Sergio Xavier
Camacho Huapaya Miluska Briggitte Quiche Barrientos Henry Rodolfo
Campos Majehua Henry Quispe Carbajar Frandy
Cancino Rodriguez Sara Ramirez Benavides Brbara Melissa
Castro Quijano Daniel Fernando Ramirez Vaez Ingrid Adriana
Ccayo Carazas Maril Rivera Collachagua Oliver Isaas
Chaupu Gutierrez Atenas Robles Cunya Katherine Elizabeth
Choque Mamani Deysi Lisseth Rodas Cienfuegos Ulises Alexander
Clemente Monago Marx Jos Saavedra Sifuentes Jerry
Concha Alcides Aldair Alcides Saenz Vega Miguel Humberto
Condor Iturrizaga Ronny Martn Salas Riquelme Albert
Cortez Santos Eliana Liseth Salazar Paitn Darwin Jamir
Diaz Candia Marycielo Tavara Carreo Antuanet Stefany
Diaz Sanches Carlos Enrique Tellos Pumahuallcca Alan Antunez
Genebrozo Guerra Judith Rocio Teran Cordova Anais
Huaman Alegra Jos Fabian Ticona Espritu Leslie
Huaraca Macotela Analhi Torre Rico Johnny Joseph
Jareca Zapana Bryan Ronaldo Valdivia Catata Francisco Fernando
Kjuro Tunquipa Jose Luis Valdivia Pacheco Carla Luz
Lores Ros Manuel Alejandro Vasquez Beran, Juan Diego
Macedo Huaylla Katherine Brisette Vasquez Huamn Brigite Pamela
Maqque Rivera Luis Eduardo Vasquez Vergara Andrea del Pilar
Minaya Oriundo Cesia Vilchez Moya Mara del Pilar
Ninasiuincha Ninasiuncha Christian Villanueva Carhuas Pilar Elvia
David
Zuiga Collazos Sofa Gabriela
Bajo la direccin del profesor Barrientos Apumayta Enrique Agapito

Metodos y Modelos Matematicos para Economistas - Angel de La Fuente

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Metodos y Modelos Matematicos para Economistas - Angel de La Fuente

Transféré par

Droits d'auteur :

Formats disponibles

Contenido

5. Modelos estticos y esttica comparada 190

8. Algunas Aplicaciones a la Microeconoma 315

10. Sistemas Dinmicos II: Dimensiones ms altas 438

11. Sistemas Dinmicos III: Algunas Aplicaciones 475

12. Introduccin a la optimizacin dinmica 530

13. Algunas aplicaciones de la optimizacin dinmica 563

Apndice. Soluciones a los problemas 636

La mayora del tiempo del estudiante promedio de posgrado en economa es empleado en

Donde la flecha unidireccional () denota la implicacin, y la flecha de dos vas ()

Figura 1.1. Unin e interseccin de dos

Es decir, A B es el conjunto de elementos de X que pertenecen a A o B por ambos.

Teorema 1.1. Propiedades de uniones e intersecciones de conjuntos. Sean A, B y C son tres

Figura 1.2. Ley distributiva

(i) Ley conmutativa: = =

Dos conjuntos A y B son disjuntos si no tienen elementos en comn, que es, si = .

A veces usaremos la notacin A B para indicar la unin de disjuntos conjuntos .La

Dado dos conjuntos A y B en X, su diferencia ~( ~ / ) es el conjunto de

El complemento de A (relativo a ) es el conjunto ~ de elementos de que no

Figura 1.3. A B = A ( B). A B = A (-B)

Sea = { ; = 1,2, } una clase de conjuntos en , y sea = { ; = 1.2, } la familia

Figura 1.4. Conjuntos asociados con

De manera similar, con cada subconjunto A de podemos asociar la propiedad "siendo un

Por lo tanto, y () forman una particin de . Es decir, para cualquier propiedad ,

( ) = { ; () ()} = { ; ()} { ; ()} =

De manera similar, definimos la (no exclusiva) disyuncin de , (" "),

( ) = { ; () ()} = { ; ()} { ; ()} =

Es decir, no tener la propiedad " " es equivalente a no tener uno, y no tener la

Figura 1.5. Implicacin como inclusin

Es decir, comenzamos con la afirmacin "para todo en , existe un elemento y en tal

"Si P entonces Q"

En trminos de los conjuntos asociados, " " significa que

Utilizando cuantificadores, la sentencia tambin puede escribirse

Donde es el conjunto universal. La prueba de esta equivalencia se deja como un ejercicio,

Lo que implica que es equivalente a

Adems de su negacin, hay otras afirmaciones relacionadas con la implicacin .

Si tanto la implicacin PQ como su conversa QP son verdaderas, decimos que P y Q

(c) Mtodos de prueba

Ejemplo2.1. Prueba de la primera ley De Morgan. Sea = { , } una familia de

i) Tome un x arbitrario en el complemento . Por la definicin x no es un

iv) Finalmente , porque esto es cierto para algn x en . El conjunto de todas

Demostracin .La contraprestacin de lo declarado ( ) puede ser escrita

> > 0, > +

(i) Existen algunos nmeros naturales 0 tal que (0 ) es vlido y

Ahora, porque ambos 2 y k son enteros, (1) implica

Dado (i) y (ii) , se sigue por induccin que S es el total de + .

(i) (0) es vlido y

Dado dos conjuntos y , su producto cartesiano es el conjunto de todos los pares

Una relacin (binaria) de y es un subconjunto para . En algunos casos

Si(, ) , a menudo escribimos () y decir que es una imagen de .El

Si R es una relacin de a , su relacin inversa, 1, es una relacin de a definida por

Sea una relacin de a . Si es un subconjunto de , la imagen de bajo es un

Si es un subconjunto de , la imagen inversa de bajo es su imagen establecida en 1:

Y la imagen para bajo es el rango de :

Sea R una relacin de , y una relacin de . Su composicin, es una

Definicin 3.1 sea una relacin binaria definida en . Diremos que es

Teorema 3.3 Particin de un conjunto en clases. Un conjunto puede ser particionada en

Demostracin. Sea una relacin de equivalencia en . Para cada en , definir el conjunto

Supongamos que , tienen un elemento comn, sea c. Por suposicin, .

Por lo tanto estan en la misma clase de elementos y concluimos que si tienen

Definicin 3.4 Conjunto de cociente. Sea un conjunto, y una relacin equivalente en

Sea una relacin binaria en el conjunto . Interpretamos la expresin como

Entonces " "es un completo o preordenamiento total, y decimos que es totalmente