Académique Documents
Professionnel Documents
Culture Documents
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
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
( )
= { ; , }
3
Revisin de Conceptos Bsicos
X X
A B A B
AB AB
= { ; }
= { ; }
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
(A B) C (AC) (BC)
A B A B
C C
, = =
~ = { ; }
5
Revisin de Conceptos Bsicos
~ = = { ; }
Por lo tanto, tenemos
~ = (~) ~ = ~
X
A B
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
() = { ; () } = { ; () } = ~
() = () =
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,
7
Revisin de Conceptos Bsicos
Para construir la negacin de una propiedad compuesta, podemos hacer uso de Las leyes De
Morgan. Del teorema 1.2 tenemos
~( ) = (~ ) (~ ) ~( ) = (~ ) (~ )
De donde
( ) = () () ( ) = () ()
, () ( , , () ) (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
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,
( , , . . (, )) . . ( . . (, ))
. . , (, )
, ()
9
Revisin de Conceptos Bsicos
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
(~ ) =
(~ )
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)
(~ )
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
(i) su conversa: ,
(ii) su inversa: , y
(iii) su afirmacin contra positiva: .
(~)(~)
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.
( ) = ( )
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:
11
Revisin de Conceptos Bsicos
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, + ( )
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
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
Revisin de Conceptos Bsicos
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)
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 .
14
Relaciones
3. Relaciones
= {(, ); , }
() = { ; (, ) }
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 () = { ; () }
= () = { ; 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
Revisin de Conceptos Bsicos
= {(, ); . . (, ) (, ) }
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.
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
= { ; }
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 ).
( )
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).
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.
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
Revisin de Conceptos Bsicos
, , ,
, , ( 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
>
~ ( = para un ordenamiento)
Similarmente, un elemento de es mnimo si ningn otro elemento precede estrictamente,
es decir, si
~ ( = para un ordenamiento)
18
RevisinFunciones
de Conceptos Bsicos
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 ()
() = { ; . . = ()} = ()
1 () = { ; () }
(, 1 ) y (, 2 ) 1 = 2
O, equivalentemente,
, ! . . = ()
19
Revisin Relaciones
de Conceptos Bsicos
Funciones
X Y Z
g
f
y
x z
h=gf
, . . = ()
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
( ) = ( ) =
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
() 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 ( )
() 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) 1 (~1 ) = ~ 1 (1 ),
(ii) 1 (1 ~2 ) = 1 (1 )~ 1 (2 ),
(iii) si es biyectiva, entonces
(~1 ) = ~(1 ) (1 ~2 ) = (1 )~(2 )
[ 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
Revisin de Conceptos Bsicos
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 ().
Axioma de eleccin
23
Revisin deFunciones
Conceptos Bsicos
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.
24
Estructuras
Revisin Algebraicas
de Conceptos Bsicos
Sea X un conjunto, y "" una operacin binaria definida en l. Decimos que "" es una
operacin asociativa 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 = = .
= =
= = ( ) = ( ) = =
, , () = ( )( ) y () = ( )( )
25
Revisin de Conceptos Bsicos
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.
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:
1. Propiedad asociativa:( + ) + = + ( + )
2. Propiedad conmutativa: + = +
3. Existencia de identidad aditiva: ! 0 . + 0 = 0 + =
4. Existencia de elementos inversos: , ! () . + () =
() + = 0
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
, , , ( + ) = ( ) + ( ) = +
26
Revisin de Conceptos
Estructuras Bsicos
Algebraicas
+ = 0 + 0 = (0 + 0) = 0 =
+ = + + 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.
27
Revisin de Conceptos Bsicos
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:
1. Propiedad asociativa: + ( + ) = ( + ) +
2. Propiedad commutativa: + = +
3. Existencia de la identidad aditiva: ! 0 + 0 = 0 + =
4. Existencia de elementos inversos: , ! ( ) + ( ) =
( ) + = 0
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 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.
, y , , tenemos + .
Problema 5.9: Probar el teorema 5.8
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
Revisin de Conceptos Bsicos
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).
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
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 )
Axioma 6.4: Axioma de completitud. Dado y , conjuntos no vacos de nmeros reales, con
la propiedad que:
y ,
y ,
Problema 6.5. Para , y , nmeros reales arbitrarios. Usando los axiomas de orden,
determine si las siguientes proposiciones son verdaderas:
( i ) ( y ) + +
( ii )
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
Revisin de Conceptos Bsicos
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:
< , . . >
En el caso de un conjunto que est delimitado por debajo, el mayor lmite inferior o nfimo
() del conjunto est definido de manera anloga.
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.
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
<
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.
2+1 2+1
> < 2 2 (1)
2 2
33
Revisin de Conceptos Bsicos
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.
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.
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.
Teorema 6.16. Desigualdad triangular para nmeros reales. Sea y 2 nmeros reales, entonces:
| + | || + ||
|| || || ||
Aadiendo las 2 desigualdades, lado por lado,
(|| + ||) + || + || | + | || + ||
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
Revisin de Conceptos Bsicos
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:
= +
|| = = 2 + 2
( + )( ) = 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
= + = + = ( + )
36
Nmeros complejos
Revisin de Conceptos Bsicos
Eje imaginario
= +
Eje real
-b = +
= +
En el cual nos dice que escribir el nmero complejo se puede de manera equivalente:
= + = (cos + sin ) =
37
Bibliografa
Bibliografa
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
(, ) = = (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
40
Espacios Mtricos y Normados
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
Espacios Mtricos y Normados
(= )2 2
2 0 ( ) ( 2 ) ( 2 )
=1 =1 2 = =1 =1
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
Espacios Mtricos y Normados
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
43
Espacios Mtricos y Normados
()
()
a b
Figura 2.1 x
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
Espacios Mtricos y Normados
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
(, ) = (, )
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
Espacios Mtricos y Normados
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
(, ) = |() ()|
[,]
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, () > () ( , ) < [, ()]
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.
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 .
47
Espacios Mtricos y Normados
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 , > ()
48
Sucesiones en y
> 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.
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
Espacios Mtricos y Normados
Figura 2.3.
Teorema 3.2. Toda sucesin de nmeros reales contiene una subsucesin creciente o una subsucesin decreciente y
posiblemente ambas.
= { ; > > }
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
X=altura
..pantalla
. N N+1 N+2..
51
Espacios Mtricos y Normados
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
| | < /2 (/2) Y | | < /2 para todo > ( ) (1)
2
= ( ) + ( ) + ( ) < (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 ?)
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)
53
Espacios Mtricos y Normados
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
||2
| | < (10)
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.
> ( , 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 >
55
Espacios Mtricos y Normados
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, { } .
56
Sucesiones en y
+1
| =<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
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).
57
Espacios Mtricos y Normados
Tenemos, entonces,
2 = 1.5, 3 = 1.147 (3)
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
(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 ( ) (~)
> 0, ( ) ( ) (~)
59
Espacios Mtricos y Normados
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)
60
Conjuntos abiertos y cerrados
A
x
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
Espacios Mtricos y Normados
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,
62
Conjuntos abiertos y cerrados
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 .
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
Espacios Mtricos y Normados
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
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)
64
Lmites de Funciones
[ { } con{ } 0 0 , {( )} 0 ] lim0 () = 0
lim () 0 [ { } 0 { } 0 , {( )} 0 ]
0
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
Espacios Mtricos y Normados
(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 ()/() = .
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
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
Espacios Mtricos y Normados
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.
(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
(, ).
Vamos a demostrar que es discontinua en todos los nmeros racionales y continuos en todos
los irracionales.
68
Continuidad en Espacios Mtricos
> 0 ( 0 ) [(), ( 0 )]
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/.
69
Espacios Mtricos y Normados
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 .
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.
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
Continuidad en Espacios Mtricos
()
( )
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
Espacios Mtricos y Normados
[( ) ]
( 0 )
1 (C) 0 ( )
Figura 2.9
72
Continuidad en Espacios Mtricos
Continuidad uniforme
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:
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
Espacios Mtricos y Normados
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:
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
Continuidad en Espacios Mtricos
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)
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[, ], ( ) () ( ).
75
Espacios Mtricos y Normados
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)
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
Continuidad en Espacios Mtricos
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).
77
Espacios Mtricos y Normados
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 + ) (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
78
Espacios Mtricos Completos y el Teorema de la Cartografa de la Contraccin
() >
Debido a que es creciente, por otra parte,
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(); < < }
( ) < () < ( + )
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 .
79
Espacios Mtricos y Normados
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.
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
Espacios Mtricos Completos y el Teorema de la Cartografa de la Contraccin
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).
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
Espacios Mtricos y Normados
, > 1 (2) , ( , ) < /2 (1)
y dado que { } 0 , para el mismo /2 existe algn 2 (/2) de tal manera que
( , 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 7.10.El conjunto de los nmeros reales se completa con la mtrica usual.
82
Espacios Mtricos Completos y el Teorema de la Cartografa de la Contraccin
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
2 2
| | = ( ) ( ) <
=1
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
.
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
Espacios Mtricos y Normados
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,
para cualquier y todo > 1 . Adems, debido a es continua, hay una cierta 1 > 0 tal
que para el dado,
| () ()| < 3 , < 1 (2)
84
Espacios Mtricos Completos y el Teorema de la Cartografa de la Contraccin
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, { } .
(, ) < (, )
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
Espacios Mtricos y Normados
45
b
z=f(z)
2
2
1= (0 )
a0 1 z b
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
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
Espacios Mtricos Completos y el Teorema de la Cartografa de la Contraccin
2 = (), 3 = [ ()] = ( 2 ), . . . , + 1 = ( )
87
Espacios Mtricos y Normados
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
[ ( ), ()] 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
Espacios Mtricos Completos y el Teorema de la Cartografa de la Contraccin
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.
89
Espacios Mtricos y Normados
( + ) +
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
Espacios Mtricos y Normados
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.
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
Compacidad y el Teorema del Extremo-Valor
= {(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.
Teorema 8.10. Cualquier cubierta abierta de un conjunto compacto secuencialmente en un espacio mtrico tiene
un nmero de Lebesgue.
93
Espacios Mtricos y Normados
1 1 1 1 2
(, ) (, ) + ( , ) < + < + =
1/ ( ) 2/ ()
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
94
Compacidad y el Teorema del Extremo-Valor
lo que implica que
= ~( ) ~ (1)
= ( ( ) = ( ( )) = (~( )) =
Esto implica que est contenido en . Por lo tanto, { ; } es un subcover finito
de { ; }, y concluimos que es compacto.
95
Espacios Mtricos y Normados
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
Compacidad y el Teorema del Extremo-Valor
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
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.
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
Espacios Mtricos y Normados
= , donde = [, ]
Como en el anterior teorema, es suficiente para demostrar que es compacto, por el carcter
cerrado de , entonces garantiza su compacidad.
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).
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 ,
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
Compacidad y el Teorema del Extremo-Valor
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
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
Espacios Mtricos y Normados
( )
(, ) < (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
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
= { [, ]}
A B
A x b
Figura 2.12.
101
Espacios Mtricos y Normados
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
= Q = () () ()
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.
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).
103
Espacios Mtricos y Normados
y = sen (1/x)
1
0.5
x
0.1 0.2 0.3 0.4 0.5
- 0. 5
-1
Figura 2.14.
( ) ( ) = ( ) = =
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
( ) ( ) ( ) ( ) = ( ) = =
104
Normas y Mtricas 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
Espacios Mtricos y Normados
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.
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
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
Espacios Mtricos y Normados
(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
V
( 2 ) (2 )
( 1 )
(1 )
109
Espacios Mtricos y Normados
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
Continuidad de Correspondencias en
111
Espacios Mtricos y Normados
= {, ; ()}
{ }
( )n (x)
{ }
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 ().
112
Continuidad de Correspondencias en
() = () = [()] = ()
()
113
Espacios Mtricos y Normados
X Y Z
(()) = ()
x ()
= { ; () }
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
Espacios Mtricos y Normados
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
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
=
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.
() = { = ( 1 , . , ); = 1, . , }
Ponemos
= 1 = y = 0
= (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.
119
Espacios Vectoriales y Transformaciones Lineales
+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
+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 .
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.)
= {| |; 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.
SUBESPACIO AFN
= 0 + = { ; = 0 + , 0 }
121
Espacios Vectoriales y Transformaciones Lineales
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 )
(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.
(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 )
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.
Definicin 2.5. Dada una funcin lineal : , su imagen (im) o rango es el subconjunto de dado
por
= () = { ; = () }
ker = 1 (0) = { ; () = 0}
(1 + 2 ) = (1 ) + (2 ) = 1 +2
123
Espacios Vectoriales y Transformaciones Lineales
Por lo tanto, cualquier () puede ser escrito como una combinacin lineal de las imgenes de los
elementos de una base de .
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() + .
= {1 , , ; 1 , . . , }
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
= = +
=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)
(=1 + =1 ) = =1 ( ) + =1 ( ) = 0 (2)
=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
Espacios Vectoriales y Transformaciones Lineales
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).
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 (, ).
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
, , () ()
Concluimos con una condicin necesariamente til y suficiente para que un mapeo lineal sea uno a
uno.
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.
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 + 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
Espacios Vectoriales y Transformaciones Lineales
Demostracin
Sea = { ; } una base de Hamel para , y una familia de vectores en con la misma
cardinalidad . Definimos la funcin de en por
( ) =
() = ( ) =
= =
( + ) = ( + ) = ( ( + ) )
= ( + ) ( ) = ( ) + ( )
= () + ()
( ) = ( )
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
( ) = 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
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
= () = ( ) = ( )
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 .
() = () ( ) = ( ) ( ) = 0
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
Espacios Vectoriales y Transformaciones Lineales
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
( + ) = + = () + ()
3.4. Cada espacio vectorial de dimensin < definido sobre un campo es isomorfo a ().
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
( ) = (( ))
(()) = ()
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.
, () = . . ( ) = (( ))
Es fcil ver que , () es una funcin lineal. Sea y dos transformaciones lineales, y and
sus representaciones matriciales. Para cada tenemos, entonces,
131
Espacios Vectoriales y Transformaciones Lineales
Teorema 3.5 Sean y espacios vectoriales definidos sobre el mismo campo , con dimensiones y ,
respectivamente (ambos finitos). Entonces ( , ) es isomorfa a .
Teorema 4.1. Sean e espacios vectoriales normados, y una correlacin lineal . Si es continuo en
algn punto , entonces es (uniformemente) 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
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
>
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
Espacios Vectoriales y Transformaciones Lineales
(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 ()).
(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
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
Mapeo Lineal Entre Espacios Normados
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 .
()
= { ; 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
Espacios Vectoriales y Transformaciones Lineales
Teorema 4.7. Sea : una transformacin lineal cerrada y un vector arbitrario en . Luego
() .
1 1
() = () = ( )
= { ; , 0 } = {; , = 1}
= sup{; , 1}
= {(); = 1} = {||(); = 1}
= ||{(); = 1} = ||
1 + 2 = {1 () + 2 (); = 1} {1 () + 2 (); = 1}
{1 (); = 1} + {2 (); = 1} = 1 + 2
() = 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
Mapeo Lineal Entre Espacios Normados
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.
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
Espacios Vectoriales y Transformaciones Lineales
| | = |=1 | =1
2
=1 2 = =1
2
2 = (2)
() = = 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
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,
= [ | |] =
138
Mapeo Lineal Entre Espacios Normados
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
() = [()] = ( ), =
() = (()) ()
Operadores lineares en
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
139
Espacios Vectoriales y Transformaciones Lineales
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
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.
( ) ( )1 = ( 1 ) 1 = 1 = 1 =
140
Mapeo Lineal Entre Espacios Normados
.
(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 .
= ( ) + +
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 () = () =
( )1 ()(1 )
Del cual
( )1
1
1
( )1
1
141
Espacios Vectoriales y Transformaciones Lineales
< 1 1
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.
= (T S) = T [ 1 (T S)] (1)
1 (T S) 1 < 1 (2)
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
Mapeo Lineal Entre Espacios Normados
1
1 [ 1 ( )]1 1
1 1 ( )
< 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.
< 1 1 ( 1)
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
1 ( ) 1 = ( 1 ) 1 = 1 1
1 1 = 1 ( ) 1 1 1 < 2 1 2 ( 3)
143
Espacios Vectoriales y Transformaciones Lineales
=
2 1 2
1 1 < 2 1 2 <
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
11 1 1 1
[] = [ ] [] = [] ( 1)
1
1 1
= = (1 , , ) [ ] = [ ]
=1
144
Cambio de Bases y Similitud
1 1
= = [ ] = [ ]
=1
= ( 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
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
Espacios Vectoriales y Transformaciones Lineales
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).
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)
| | = 0 ( 3)
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
( ) = ( ) = ( ) = ( )
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
11 12
() = | | = [ ] = (11 )(22 ) 12 21
21 22
= 11 22 11 22 + 2 (11 + 22 ) + (11 22 12 21 )
= 2 () + = 0
()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
Espacios Vectoriales y Transformaciones Lineales
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.
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.
(iii) si es una matriz triangular, entonces sus valores propios sern el coeficiente en la
diagonal principal de la matriz (, , = ).
() = + 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)
= (1) (2)
0 = (0) = 1 , 2 (3)
11 11 1 (4)
22 2
() = | | = [ 21 ]
1 2
Por cada
0 = (0) = (5)
= (1) (7)
=1 (8)
1 2 = det (9)
149
Espacios Vectoriales y Transformaciones Lineales
() = (1 )(2 ) ( )
Y observe que
+1 () = ()(+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
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
= =
1 = =
Por lo tanto, =, y concluimos (ver la seccin anterior) que e representan el mismo vector
bajo diferentes bases.
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
Espacios Vectoriales y Transformaciones Lineales
Para simplificar, sea = 2. Existe escalares 1 y 2 (posiblemente ambos cero) tal que
1 1 + 2 2 = 0
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
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.
() = 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
2 + + = 0
2 4 (3)
1 , 2 = 2
3 + 2 + + = 0
Hay un resultado similar. Observe primero que dejando = (A/3), esta ecuacin podra escribirse
de esta forma
3 + + = 0 (4)
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.
() = 0 + 1 1 + + 1 + = 0 (2)
En la forma
(0 1 + 1 2 + + 1 ) =
153
Espacios Vectoriales y Transformaciones Lineales
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
() = ()( )
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
() = ()( ) +
() = 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
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 ).
( 0 ) = ( 0 )( 0 ) + ( 0 )( 0 )
Sugerencia:
157
Clculo Diferencial
lim ( + ) = ()
0
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
( 0 +)( 0 )
0 ( 0 ) = lim+ 0 ( 0 ) = 0
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 () = (()
())/( ).
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.
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.
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 + .
() () (+1) ()
=- () + 1
=1( (1)! ( )
1
( )
!
() () () (3) ()
= - f(z)+ ( 1 ( )) + ( ( ) ( )2 )
1 1! 1! 2!
(1) () (1) () () ()
(2)!
( )2 ) + ( (2)!
( )2 (1)!
( )1 )
() = () 0 = 0 = () () = ()
y
1 1
() = () () () (6)
160
Funciones Reales Diferenciables Univariadas
0 = ( + ( ))
1
= ( + ( )) + (( ( ))/( ))1 ()
() (x + (yx)) (1)() 1 1
[ ( )]1 = ( ) ()
(1)!
() (x + (y x)) 1
[(1 )( )]1 = (1 )1 ()
( 1)!
() (x + (yx))
( ) = ()
!
( + ) () + () (1)
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 .
( 0 ) = ( 0 ) = 3 ( 0 ) = = (1) ( 0 ) = 0 y () ( 0 ) 0
Use el teorema de Taylor para mostrar que:
161
Clculo Diferencial
() () ()
=
() () ()
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
() ()
( 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 .
0
Figura 4.3.
162
Derivadas Parciales y Direccionales
() = ( 0 + )
( 0 + ) ( 0 )
( 0 ; ) = lim , donde y = 1
0
siempre que ese lmite exista.
( 0 ; ) = ( 0 )
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 .
= (1 , 2 ) = ( 2 + 1 2 )
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 + )
() = 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
() = (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)
164
Derivadas Parciales y Direccionales
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 ()/ .
= ( 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)
() = (, 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 , )
= [( 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)
() = ( 0 + , ) ( 0 , )
= 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 )
166
Derivadas Parciales y Direccionales
2
(, ) = 2 para 0
+ 4
=0 para = 0
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
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
() = ( + ) [() + ]
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.
:
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 = () =
() = ( + ) () ()
()
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
( + ) = () + () + ()
lim ( + ) = ()
0
() () 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 .
()
( 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
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
( + , ) ( , )
= 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.
para todo + () (o, equivalentemente, para todo tal que < ). Ahora, si
es diferenciable, su derivada en ser el vector gradiente
171
Diferenciabilidad
|( + ) () ()|
lim =0 (2)
0
0 = 0 = (1 , , , 0, ,0) = =1 , para = 1, ,
( + ) ( + 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 <
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 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 :
173
Clculo Diferencial
Prueba. Queremos demostrar que
() ( 0 +)( 0 )( 0 )( 0 )
lim
= lim
=0 (0)
0 0
() = ( 0 + ) ( 0 ) ( 0 ) (2)
()
() =
0 0 (4)
Fijar y dejar
= ( 0 + ) ( 0 ) = ( 0 + ) 0 (5)
Entonces
= ( 0 + ) ( 0 ) (por (1))
() + ( 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 ) () (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 .
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
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.
177
Clculo Diferencial
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
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
(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 .
180
Diferenciabilidad Continua
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
2 1 = 1 (1)
() < = ( 0 ) (2)
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)
181
Clculo Diferencial
1
() () ( ) + ( ) < +
2 2
( + ) () = + 1 [() ( + )] = 1
1
( + ) () = 1
2
Implica que:
1 1
1 1 1
2 2
Y usando (1),
1
2 1 2 1 = (7)
182
Diferenciabilidad Continua
1
() <
2 1
1 ( + ) 1 () = ( + ) =
= () [( + ) ]
= [( + ) () ()]
Por lo que:
1 ( + ) 1 () ( + ) () ()
1 ( + ) 1 () ( + ) () ()
0 (8)
Ahora, (7) implica que 0 como 0. Debido a que es diferenciable en y
1
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
5. Funciones Homogneas
() = (), > 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
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
()
() = (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)
() = ()
Problema 5.4.
(i)Demuestre que la funcin Cobb-Douglas
( )
()
() =
=1 =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.
(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.
Prensa de la Universidad de Cambridge.
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 , , )
( + ) () = (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
189
5
190
Modelos Estticos y Esttica Comparativa
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)
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 = () = { ; = () }
191
Modelos Lineales
() = 0 ()
o, equivalente
= 0 ( )
o
= ( )
192
Modelos Estticos y Esttica Comparativa
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:
193
Modelos Lineales
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 =
||
194
Modelos Estticos y Esttica Comparativa
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)
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 )
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 ()
() = 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
Modelos Estticos y Esttica Comparativa
197
Esttica Comparativa, el Teorema de la Funcin Implcita
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
de donde
() = [ (; )]1 (; ) (4)
198
Modelos Estticos y Esttica Comparativa
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 )
( 0 ; 0 )( 0 ) = ( 0 ; 0 )( 0 ) (L)
199
Esttica Comparativa, el Teorema de la Funcin Implcita
{(x, ); F(x, a) = 0}
x''
R
x
''
Figura 5.1
200
Modelos Estticos y Esttica Comparativa
x''
x
x'
F(x, )
Figura 5.2
201
Esttica Comparativa, el Teorema de la Funcin Implcita
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
Modelos Estticos y Esttica Comparativa
+
x = x + - +
{(x, ); F(x, a) = 0}
x
x
- +
x = x + -
- +
Figura 5.3
Por el teorema de valor intermedio, busca que exista algn ( 0 , 0 + ) tanto que
( ) = ( , ) = 0
203
Esttica Comparativa, el Teorema de la Funcin Implcita
F(x, ), B()
F(x, )
x = x -
x x x = x +
Figura 5.4
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)
204
Modelos Estticos y Esttica Comparativa
es un conjunto compacto, y luego alcanza los valores mximos en este conjunto. Por
lo tanto, podemos escribirlo
( ; ) max{ (, ); (, ) cl } (8)
( ) ( ) ( ; ) ( ; )
( ) = lim = lim =
( ; ) ( ; )
205
Esttica Comparativa, El teorema de la Funcin Implcita
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)
206
Modelos Estticos y Esttica Comparativa
( , ) = 1 (0 , )
que es equivalente a
( , ) = (0 , )
( , ) = 0
De hecho, podemos poner
= { + ; (0, ) }
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.
208
Modelos Estticos y Esttica Comparativa
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
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
Esttica Comparativa, el Teorema de la Funcin Implcita
212
Modelos Estticos y Esttica Comparativa
Conclusin
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
Esttica Comparativa, el Teorema de la Funcin Implcita
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.
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)
214
Modelos Estticos y Esttica Comparativa
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
216
Modelos Estticos y Esttica Comparativa
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
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
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
Modelos Estticos y Esttica Comparativa
1 x
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. ( )
= 0 + (B)
219
Problemas
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(() )
220
Modelos Estticos y Esttica Comparativa
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
221
Bibliografa
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
222
Modelos Estticos y Esttica Comparativa
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
= (1 ) +
224
Convexos Convexos y Funciones Cncavas
A B C
X
X
X
, (0,1), = (1 ) +
Teorema 1.4. Sea e conjuntos convexos en , sea un nmero real. Entonces los conjuntos
= { ; = }
y
+ = { ; = + }
son convexos.
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.
225
Conjuntos Convexos y Teoremas de Separacin en
= + y = + (1)
= + (1 ) = ( + ) + (1 )( + )
= [ + (1 ) ] + [ + (1 ) ] + (2)
Por la convexidad de e , + (1 ) , y + (1 ) .
De ah, + , que establece la convexidad de .
= (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.)
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 .
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
Convexos Convexos y Funciones Cncavas
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.
1 = 2 =
=1 =1
con , [0,1] =1 = =1 = 1
= (1 ) + (2)
=1 =1
(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 .
Prueba. Sea
= =1 (1)
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
Convexos Convexos y Funciones Cncavas
= = 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.
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 )( + ) + ( + )
() (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 ) () + ()
229
Conjuntos Convexos y Teoremas de Separacin en
``
a
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)
1
< ((1 ) x ) (2)
((1 )x + ) = ((1 )x + +
= ( x ) + ( ) x +
< x + ((1 ) x ) = (1 ) (3)
1
= ( )
230
Convexos Convexos y Funciones Cncavas
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 .
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
() ( )
1 1
= +
2 2
231
Conjuntos Convexos y Teoremas de Separacin en
teorema 1.13 que debe ser un punto interior de , lo que contradice la suposicin de que
es un punto lmite de este conjunto.
= > 0
2
Problema 1.17. Sea un conjunto convexo con un interior no vaco. Mostrar que
( ) =
(, ) = { = (1 , , ) ; = = }
=1
x = ((1 ) + ) = (1 ) + = (1 ) + = (1)
232
Convexos Convexos y Funciones Cncavas
p
-
-
H(p,)
Escriba aqu la ecuacin.
Teorema 1.19. Sea un conjunto convexo en . Entonces existe un hiperplano que contiene si y
slo si = .
Prueba
= 0 = 1, ,
233
Conjuntos Convexos y Teoremas de Separacin en
= 0
=1
= ( 0 ) = 0
= [0,1] = 0, , = 1 (1)
=0 =0
= 0 0 + = (0 + ) 0 + ( 0 ) = 0 +
=1 =1 =1 =1
Por lo tanto, cada punto de la forma
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.
234
Convexos Convexos y Funciones Cncavas
( + ) = + = + =
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.
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
Conjuntos Convexos y Teoremas de Separacin en
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.
= 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.
236
Convexos Convexos y Funciones Cncavas
X X Y
x0 x
P
P x0
Z
Z
H H
Figura 6.5
pz < = px 0 = {px; x X}
pz < < px x X
= { ; (, ) (, )}
min{(, ); }
237
Conjuntos Convexos y Teoremas de Separacin en
= 0 y = 0
< = 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)
(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 .
238
Convexos Convexos y Funciones Cncavas
Prueba
< 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
(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
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
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.
240
Convexos Convexos y Funciones Cncavas
f
f
f(x)
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
241
Funciones Cncavas
f f
Epi f f
Epi f
hip f
hip f
f
f cncavo f convexo
Figura 6.7.
= (1 ) + (1 )() + () [(1 ) + ]
( ) (1)
( , ) = [(1 ) + , (1 ) + ] (1 )(, ) + (, )
Por lo tanto,
(1 )() + () [(1 ) + ]
242
Convexos Convexos y Funciones Cncavas
( )
( )
Figura 6.8.
() ( 0 ) + 0 ( 0 ) (1)
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
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.
0 ( 0 ) + 0 = (1)
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)
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)
244
Convexos Convexos y Funciones Cncavas
= 0 + y = 0 para
( 0 ) ( ) + ( 0 ) (6)
( ) + (1 )( 0 ) = + (1 ) 0 = 0
Por lo tanto, (7) se reduce a
(1 )( 0 ) + () ( )
() = [(1 ) + ] = [ + ( )]
245
Funciones Cncavas
Teorema 2.7. Sea : una funcin cncava. Para cualquier El contorno superior de
,
U = {x X; f(x) }
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.
( ) (1 )( ) + ( )
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
Convexos Convexos y Funciones Cncavas
( )
(1 )( )+()
Teorema 2.10. Deja f y g sea funciones cncavas . Dado el escalar y > 0, la funcin
= + es cncava.
Problema 2.11. Demostrar el Teorema 2.10.
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 + }
= min{(); }
248
Convexos Convexos y Funciones Cncavas
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
(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 )
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 .
250
Convexos Convexos y Funciones Cncavas
x x+h x+h
Figura 6.14.
+ = + h = x + x x + h = (1 )x + (x + h)
Ahora, la concavidad de f implica que
( + ) () [( + ) ()]
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 < 0
Tomando los lmites de estas expresiones como va a cero desde arriba y desde abajo,
obtenemos
(; + ) (; )
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
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 )
() ( 0 ) () ( 0 ) ( 0 )
252
Convexos Convexos y Funciones Cncavas
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.
concava (x) ( 0 ) + ( 0 )( 0 ) , 0
Fijar 0 y escribir
= (1 ) 0 + x = 0 + (x 0 )
(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
() ( 0 ) ( 0 )( 0 )
Para (0,1) adems, implica la concavidad de , como slo hemos demostrado, que
( ) ( 0 ) ( 0 )( 0 )
( ) ( 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.
254
Convexos Convexos y Funciones Cncavas
, 2 () 0
() = ( + ) () () (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)
255
Funciones Cuasicncavas
( + ) () + () (4)
que es el resultado deseable
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
[(1 ) + ] {( )|( )}
Decimos que es estrictamente cuasicncavo si para todo y en X y para todo
(0,1) tenemos
256
Convexos Convexos y Funciones Cncavas
( )
( )
( )
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.
() = =1 ; cuando > 0
257
Funciones Cuasicncavas
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
() = [ + ( )]
Porque es 1 , es diferenciable y
() = [ + ( )]( )
(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).
() = [ + ( )] ( ) = (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
Convexos Convexos y Funciones Cncavas
Figura 6.17.
Pongamos 0 = + 0 ( ). Porque
( ) = (0) > (0 ) = ( 0 )
( 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.
259
Funciones Cuasicncavas
Figura 6.18.
( ) > ( ) ( )( ) > 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.
( ) = ( ) = ( ) (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).
260
Convexos Convexos y Funciones Cncavas
0
= [
]
0
|| = | | > 0
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.
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
() = = =1 =1
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, , .
= (1)
0 < = = (2)
() = = = = =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,
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.
[ > 0n , 0] [ > 0 = 1, , ]
264
Convexos Convexos y Funciones Cncavas
() = = [ , 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]
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
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
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 .
( ) = [(1 ) 0 + ] = [ 0 + ( 0 ) ( 0 ) =
Por lo tanto
2
= ( ) ( ) = [ + ( 0 )] [ + ( 0 )]
= 2 + ( 0 ) + 2 0 2
Y
2
0 2 = (2( 0 ) + 0 2 )
267
7
Optimizacin esttica
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{(; ) ()}
268
Optimizacin Esttica
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
() = { (; ) = 0}
() = { /(; ) 0}
Considerando el problema
max{(); }
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
271
Esttica Comparativa y Funciones de Valor
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
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).
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.
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
Esttica Comparativa y Funciones de Valor
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)
( ) > ( + ), <
| |
2 2
274
Optimizacin Esttica
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.
(1 ,2 ,) () ()
= + = 0 = (L.2)
2 2 2 2 2
275
Esttica Comparativa y Funciones de Valor
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.
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)
277
Esttica Comparativa y Funciones de Valor
= ( )( )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 , . . . , )
( ) ( ) 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
( ) = h( ),
Ahora bien, si = ( , ) es una solucin ptima de (P.L), entonces ser una solucin
de
max{( ) ; , } (P.U)
,
= ( ) + ( ) = 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
Esttica Comparativa y Funciones de Valor
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
| |
= ||
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
281
Esttica Comparativa y Funciones de Valor
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)
283
Esttica Comparativa y Funciones de Valor
Y la matriz () correspondientemente,
() = [ (), ()]
284
Optimizacin Esttica
= (1 , . . . , ) = ( , )
() = 0 0
() > 0 = + 1, . . . , (o equivalentemente, 0)
(, ) = () = 0 0 (5)
max{(); () 0} (P.K-T)
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
Esttica Comparativa y Funciones de Valor
( , ) = ( , 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
nos da
( ) ( , ) + ( ) = 0
en donde
( , 0) = [ ( )]1 ( ) (6)
y
( ) ( , ) = 0
Implica
( , 0) = [ ( )]1 (7)
( , ) = [( , ), ]
max{( , ); 0, ( , ) , } (P)
,
( , ) = 0 ( , ) 0 (8)
Esto es, por cada = 1, . . . ,
( , ) 0 = 0 > 0
0 = 0 ( , ) < 0
286
Optimizacin Esttica
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).
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.
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
Esttica Comparativa y Funciones de Valor
(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)
,
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).
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, . . .
() 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
Esttica Comparativa y Funciones de Valor
no se sostiene.
(v) Claramente, ((), ()) para cualquier . Por lo tanto, (2) implica
0 ( ) 0 () + =1 () (3)
Entonces, dividiendo a ambos lados de (3) por 0 < 0 (que invierte la desigualdad),
obtenemos
=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
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
Esttica Comparativa y Funciones de Valor
() = (, )
()
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:
() = (, ) = { (); (, ) = ()}
()
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 ( , ) = ((), )
()
293
Esttica Comparativa y Funciones de Valor
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
= (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 ).
295
Esttica Comparativa y Funciones de Valor
(, 0 ) = lim ( , ) 0
Caso (): (, 0 ) > 0. Porque ( ) es continuo, existe alguna que > 0 tal que
(, ) > 0 (, ) (, 0 ) (1)
(, ) > 0
si
= {
Un arbitrario ( ) si <
296
Optimizacin Esttica
( 0 ) = { ; (, 0 ) 0}
< 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 .
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
Esttica Comparativa y Funciones de Valor
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.
lim (, ) = (, ) 0
(, ) = 0 (2)
() = { ; (, ) 0 = 1,. . . , }
Muestran que, bajo las suposiciones del Teorema 2.2, para cada > 0 existe > 0 tal que
() ( 0 ) para todo ( 0 ).
max (, ) (P)
max{(, ); (, ) = 0 } (P.L)
301
Esttica Comparativa y Funciones de Valor
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).
(, ) = max{() al } = [(, )]
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
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
Esttica Comparativa y Funciones de Valor
() = 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.
Problema 2.14. Demostrar el Teorema 2.13.
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
( 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. )
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?
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
Problemas y Aplicaciones
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
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
Problemas y Aplicaciones
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
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
Problemas y Aplicaciones
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.
Notas
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.
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
Algunas aplicaciones a la microeconoma
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
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
Algunas aplicaciones a la microeconoma
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 ).
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
Teora del consumidor
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.
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
Algunas aplicaciones a la microeconoma
I = {(x, y) X X; x~y}
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.
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)
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
Teora del consumidor
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.
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)
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
Algunas aplicaciones a la microeconoma
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)
322
Teora del consumidor
() = { ; ~}
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.
Figura 8.2.
323
Algunas aplicaciones a la microeconoma
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).
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
Teora del consumidor
() = , donde ~ y () = , donde ~
De ah,
~ ~
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 , = { ; (, ) () ( )}
= { ; } = ( )( )
{ ; () } = {; } = ()
z D
1 , = () ()
y
325
Algunas aplicaciones a la microeconoma
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).
= { ++ ; = 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)
1
()
Figura 8.4.
326
Teora del consumidor
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.
= {(, ) ; ~}
327
Algunas aplicaciones a la microeconoma
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
(, ) = () ()
= 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.
(, ) = { + ; }
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
Teora del consumidor
Bajo el supuesto precedente, el problema enfrentado por el consumidor puede ser escrito
(, ) max () (C.U)
(,)
(, ) = max ()
(,)
(, ) = ((, ))
porque la utilidad mxima disponible es la utilidad provista por algn punto de consumo
ptimo.
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
Algunas aplicaciones a la microeconoma
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.
Prueba
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
Teora del consumidor
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.
( , ) = ((1 ) + , (1 ) + ) (0,1)
= [(1 ) + ] = (1 ) + (1 ) + =
Ahora, porque
(1 ) + (1 ) +
331
Algunas aplicaciones a la microeconoma
Problema 2.4.Muestra que si( ) es homottica, entonces la demanda es lineal en ingreso, que
es, (, ) = (, 1).
max{(). . 0} (C.U)
(, ; , ) = () + ( )
()
= = 0 = = 1, , (1)
= = 0 (2)
() () ( )
== =
( )
332
Teora del consumidor
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
+1 (, ; ) = = 0 (4)
y observe que el Jacobiano de variables endgenas de este sistema est dado por
11 1 1
|| = |(,) (, ; )| = [ ]
1
1 0
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
Algunas aplicaciones a la microeconoma
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
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
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
Teora del consumidor
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:
(, )/
(, ) =
(, )/
(, ) = , donde = 1
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
Algunas aplicaciones a la microeconoma
(, ) = 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.
Prueba
(, ) = { + ; () }
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
Teora del consumidor
( , ) = ( , )
() (1)
( , ) =
> /2y + 1
337
Algunas aplicaciones a la microeconoma
+ 1
/2
< (2)
() (3)
<
[, ] . . ( ) = de lo contrario
(5)
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
Teora del consumidor
Problema 2.10. Mostrar que la secuencia { } construy en la ltima parte de la prueba del
Teorema 2.8 convergencia en .
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
339
Algunas aplicaciones a la microeconoma
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 (, ) (, )
=
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
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
Teora del consumidor
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.
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
341
Algunas aplicaciones a la microeconoma
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.
(, ) (, ) (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)
(, ) [, (, )] (10)
(, ) (, ) (, ) (, )
= +
(, )
= (, ) = (, )
Sustituyendo esta expresin en (11), obtenemos una ecuacin que relaciona las derivadas
parciales de las funciones de demanda compensa y ordinaria:
342
Teora del consumidor
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
Efecto total del efecto de un cambio de precio= Efecto sustitucin+ efecto ingreso
ponderado por la importancia del bien cuyo precio ha cambiado
343
Algunas aplicaciones a la microeconoma
(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.
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 ).
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
Algunas aplicaciones a la microeconoma
(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).
(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
Equilibrio Walrrasiano: Intercambio Econmico Puro
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
= (, ) 1 [, ] (1)
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, (, ) = .
( , )
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 (, ).
347
Algunas aplicaciones a la microeconoma
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)
(, ) = =1 = [ (, ) = (, ) =1 (2)
(, ) = (, ) = = (, ) = (, )
=1 =1
348
Equilibrio Walrrasiano: Intercambio Econmico Puro
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,
(, ) =
(, ) =
=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.
(, ) = [(, ) ] = (, )
=1 =1
(, ) = 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
Algunas aplicaciones a la microeconoma
(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.
( , ) = 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
Equilibrio Walrrasiano: Intercambio Econmico Puro
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)
para todo p1. Por el carcter ilimitado del exceso de demanda como los precios van a cero,
sabemos que
351
Algunas aplicaciones a la microeconoma
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
Equilibrio Walrrasiano: Intercambio Econmico Puro
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
Algunas aplicaciones a la microeconoma
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
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
Equilibrio Walrrasiano: Intercambio Econmico Puro
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
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.
() 0
( ) 0
() = qf(p) (1)
355
Algunas aplicaciones a la microeconoma
( ) = qf( )
( ) ( )
( ) 0
() = 0 (W)
Sn = {p ; 1 / n g=1, , G }
356
Equilibrio Walrrasiano: Intercambio Econmico Puro
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
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
357
Algunas aplicaciones a la microeconoma
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
Equilibrio Walrrasiano: Intercambio Econmico Puro
(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.
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.
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
Algunas aplicaciones a la microeconoma
=1 =1 (1)
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,
=1 > =1 =1 > =1
>
=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
Equilibrio Walrrasiano: Intercambio Econmico Puro
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
de paquetes que son estrictamente preferidos a xi. Sumando sobre todos los consumidores,
obtenemos el conjunto
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).
(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
Algunas aplicaciones a la microeconoma
P(x)
Figura 8.7
p E (E + ) g = 1,, G
De all
(E + ) = p = 0 g
k = k - 1
i = xi +11 i k
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
P (=1 ) pE = =1
P ( - 1 + (+ (/n-1)1)) p ( + )
Porque k fue arbitrario, un resultado similar es vlido para todos los agentes, es decir
> p p (3)
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.
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:
363
Algunas aplicaciones a la microeconoma
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
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
= - RK
(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
Juegos en Forma Normal y Equilibrio de Nash
para ahorro, inversin y consumo, estos deben ser los mismos que en la primera parte del
problema.
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.
365
Algunas aplicaciones a la microeconoma
tambin de las acciones de todos los dems agentes. Por conveniencia a veces dividiremos
un perfil de accin en dos componentes:
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
Juegos en Forma Normal y Equilibrio de Nash
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 ( )
(
) = arg ( ; ) o U ( ;
)
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.
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 ( ; )
367
Algunas aplicaciones a la microeconoma
( ) = { ; { ; ) ( : )}
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.
P (1 +2 ) =-1 -2 (1)
1 P (1 +2 )1 -1 1 (2)
368
Algunos Modelos tiles de Competencia Imperfecta
(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.
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
369
Algunas aplicaciones a la microeconoma
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.
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)
= +c (2)
370
Algunos Modelos tiles de Competencia Imperfecta
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
Algunas aplicaciones a la microeconoma
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
Algunos Modelos tiles de Competencia Imperfecta
1-
Pendiente:
X* CI
Pendiente
RPP
=1
Y*
y
Figura 8.8 Asignacin Optima
373
Algunas aplicaciones a la microeconoma
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
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)
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
378
Sistemas Autnomos
+1 = (, ; ) (2)
Donde indicamos entre parntesis los argumentos de ( ) o ( ) distintos de .
379
I: Conceptos Bsicos y Sistemas Escalares
2
2
1
0
380
Sistemas Autnomos
X (t) = f(x(t))
X (t)
381
I: Conceptos Bsicos y Sistemas Escalares
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
() = ( ) = { ; = () }
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
I: Conceptos Bsicos y Sistemas Escalares
( 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
385
I: Conceptos Bsicos y Sistemas Escalares
386
Sistemas Autnomos
+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.
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
I: Conceptos Bsicos y Sistemas Escalares
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
389
I: Conceptos Bsicos y Sistemas Escalares
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 ).
391
I: Conceptos Bsicos y Sistemas Escalares
( + , 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
393
I: Conceptos Bsicos y Sistemas Escalares
y
( , 0 )
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 )=
394
Sistemas autnomos
()
()
()
0
395
I: Conceptos Bsicos y Sistemas Escalares
396
Ecuaciones en diferencia autnomas
397
I: Conceptos Bsicos y Sistemas Escalares
x(t) x(t)
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
Ecuaciones en diferencia autnomas
()
>0=XT
1
399
I: Conceptos Bsicos y Sistemas Escalares
( )() > 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
Ecuaciones en diferencia autnomas
()
()
()
()
401
I: Conceptos Bsicos y Sistemas Escalares
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)
402
Ecuaciones en diferencia autnomas
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).
403
I: Conceptos Bsicos y Sistemas Escalares
+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
X1+
X1
gl(X1)
X
1
X 0 1 2 3
X2 X1 X2
405
I: Conceptos Bsicos y Sistemas Escalares
406
Solucin de Ecuaciones Lineales No Autnomas
g (xt)
X
0 1 2 4
xt
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
I: Conceptos Bsicos y Sistemas Escalares
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
( )
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
Solucin de Ecuaciones Lineales No Autnomas
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)
409
I: Conceptos Bsicos y Sistemas Escalares
2 ()
[2 ()] = [ ] 2 || > (1 + )2 ||
0
Por el mismo argumento, obtenemos
| ()| || > (1 + ) ||
Xt+1 45 Xt+1 45
gl(X1)
gl(X1)
Figura 9.11. Estados estabilizados no hiperblicos de un sistema discreto.
410
Solucin de Ecuaciones Lineales No Autnomas
411
I: Conceptos Bsicos y Sistemas Escalares
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)
Y suponer que esta integral converge para todos . Usando la solucin hacia atrs (7),
y tomando lmites como , tenemos
lim () () = (0) + lim (() () ) = (0) + (() () )
412
Soluciones de Sistemas de Tiempo Continuo
413
I: Conceptos Bsicos y Sistemas Escalares
1 = | |
=1
414
Soluciones de Sistemas de Tiempo Continuo
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
I: Conceptos Bsicos y Sistemas Escalares
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
416
Soluciones de Sistemas de Tiempo Continuo
|(, )| (, ) (1)
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
I: Conceptos Bsicos y Sistemas Escalares
=| [(), ]| | |[(), ]| |
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
Soluciones de Sistemas de Tiempo Continuo
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
I: Conceptos Bsicos y Sistemas Escalares
|(, , ) (, , )| (, ) (, )(, , ) (, , )
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.
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
Soluciones de Sistemas de Tiempo Continuo
(t) x(f)
x
X3
X3
to t1 t
421
I: Conceptos Bsicos y Sistemas Escalares
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
Soluciones de Sistemas de Tiempo Continuo
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 ))
423
I: Conceptos Bsicos y Sistemas Escalares
(()) 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
424
Soluciones de Sistemas de Tiempo Continuo
() = lim(()) = 0 + lim ( (), )
0
0 0
= + ( (), ) = + ( (), )
0 0
Corolario 6.13. Bajo las hiptesis del teorema 6.12. S y lim(()) existe,
entonces
1 = lim(())
425
I: Conceptos Bsicos y Sistemas Escalares
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
426
Soluciones de Sistemas de Tiempo Continuo
427
I: Conceptos Bsicos y Sistemas Escalares
428
Soluciones de Sistemas de Tiempo Continuo
429
I: Conceptos Bsicos y Sistemas Escalares
(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
Soluciones de Sistemas de Tiempo Continuo
(, 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
I: Conceptos Bsicos y Sistemas Escalares
(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
Soluciones de Sistemas de Tiempo Continuo
(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)
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
I: Conceptos Bsicos y Sistemas Escalares
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
434
Soluciones de Sistemas de Tiempo Continuo
435
Bibliografa
Bibliografia
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
437
10
Sistemas dinmicos 2: dimensiones superiores
= () (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.
= {(), ; () = ()() }
() = [1 (), , ()]
438
II: Dimensiones Superiores
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)
() = =1 () = ()
A continuacin, supongamos que se nos da la condicin de contorno
(0 ) = 0
(0 ) = (0 ) = 0
= [(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:
= {(), ; () = ()() + () }
homogneo (CN) es la suma de la solucin general del sistema homogneo (CH) y una
solucin particular arbitraria de (CN).
439
Coeficientes Contantes
() = () + ()
Donde la solucin general del sistema homogneo, (), es denominada a veces la funcin
complementaria.
1 11 . 1 1 1
= + [ . .] = [ . . . ] [ . . ] + [ . . ] (CN)
1 .
en tiempo continuo, o
1
+1 11 1 1 1
+1 = + [ . . ] = [ . . . . . .] [ . .] + [ . .] (DN)
+1 1 . .
en tiempo discreto.
= (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.
440
II: Dimensiones Superiores
+1 = (DH)
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
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)
1 +1 = 1 ( 1 ) = ( 1 )( 1 )
1 +1 = ( 1 )
= 1
Podemos reescribir la ecuacin en la forma
441
Coeficientes Contantes
+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
Premultiplicando por , la solucin general del sistema original viene dada por
() = () = (3)
442
II: Dimensiones Superiores
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
donde eij es el j-simo componente del vector propio ei asociado con el valor propio i .
= (CH)
(; ) = (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
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.
() = (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,
[ () =] = [= ()]
( ) = 0
443
Coeficientes Contantes
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).
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( )
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)
(; ) = =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).
444
II: Dimensiones Superiores
() 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 =
1 () = exp(1 )1 y 2 () = exp(2 )2
1 () = () + () y 2 () = () ()
Sabemos que cualquier combinacin lineal de soluciones de (CH) es tambin una solucin
de (CH). Por lo tanto,
= (1 + 2 )() + (1 2 )()
445
Coeficientes Contantes
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( )
(5)
() = 1 () + 2 () + =3
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
II: Dimensiones Superiores
() = =1 () exp( ) = =1
=1
1
exp( ) (7)
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
() = 1 1 () + + () (G. S)
() = ( + ) = + (1)
= + (CN)
447
Coeficientes Contantes
+1 = + (DN)
Hemos visto que la solucin general de un sistema de este tipo puede ser escrito
() = () + () (G. S)
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)
= + = 0 =
= 1 (9)
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
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.
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
II: Dimensiones Superiores
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
=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.
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
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
Coeficientes Contantes
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.
= + () o +1 = + (13)
1 +1 = 1 ( 1 ) + 1 = 1 + 1
= 1 y = 1
450
II: Dimensiones Superiores
+1 = +
+1 = +
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.
451
Coeficientes Contantes
(; 0 ) = exp()
0 = =1 (15)
por otra parte, evaluando la solucin general del sistema en el tiempo cero
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.
(; 0 ) = exp( )
452
II: Dimensiones Superiores
(; 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, , )
= +
(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
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
Coeficientes Contantes
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,
= + (CS2)
+1 = + (2)
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)
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
II: Dimensiones Superiores
det= = 0
<0
Valores propios complejos
real real
tr = +
>0
Valores propios reales
= tr 2 4det
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
Coeficientes Contantes
x
x
x x x x
Caso a.1: nodo estable (, <0) Caso a.1: nodo inestable (, >0)
= + (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
II: Dimensiones Superiores
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.
1 () 1 = 2 21 exp(2 )
2 () 2 = 2 22 exp(2 ) (28)
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
Coeficientes Contantes
(, ) = + 1 () + 2 () (30)
donde
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 .
458
II: Dimensiones Superiores
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)
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
Coeficientes Contantes
det= = 0
d.- centros
a.1.-nodos a.2.-nodos
estables inestables
Tr = +
b.-puntos de silla
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
II: Dimensiones Superiores
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
() = ( 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
Coeficientes Contantes
p(-1)=0 det p(1)=0
p(1)>0 p(-1)>0
-1 1 tr
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.
= 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
II: Dimensiones Superiores
det
= 0
p(-1)=0 Valores propios p(1)=0
4 complejos det >1
8
5
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.
463
Coeficientes Contantes
det
= 0
ORIGEN ORIGEN
ORIGEN
SUMIDERO
SILLA SILLA
-2 -1 SUMIDERO 1 2 tr
O
= () (CS)
+1 = ( ) (DS)
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.
= (, ) (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)
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 x
(,) (,)
= =
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
II: Dimensiones Superiores
y
y = 0
x = 0
x x
+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 =
467
Sistemas no Lineales Autnomos
() = ( 0 ) + ( 0 )( 0 ) + ( 0 ) (7)
( 0 )
lim0 =0 (8)
0
= () (NC)
+1 = ( ) (ND)
= ( )( ) (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
II: Dimensiones Superiores
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].
x = Df(x)(x x ) (LC)
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:
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)
470
II: Dimensiones Superiores
= + (4)
2 = (5)
= (, ), = (, ) (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):
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)
471
Bibliografa
Recuperar la solucin ((), ()) del sistema original, escrita en funcin de los valores
iniciales (0) y (0).
= (, ) = + ( 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 ).
= ( 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
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
Cambridge University Press.
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.
Guckenheimer, J., and Holmes, P.1983.Nonlinear Oscillations, Dynamical Systems, and Bifurcations
of Vector Fields. Berlin: Springer-Verlag.
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.
Ruelle, D. 1989. Elements of Differentiable Dynamics and Bifurcation Theory. Orlando, FL:
Academic Press.
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.
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.
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
)
+ (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
Un modelo IS LM dinmico
477
III: Algunas aplicaciones
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
Un modelo IS LM dinmico
> 0
< 0
= 0
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
III: Algunas aplicaciones
m
< 0
> 0
= 0
480
Un modelo IS LM dinmico
= 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
III: Algunas aplicaciones
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
Un modelo IS LM dinmico
483
III: Algunas aplicaciones
= 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
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
485
III: Algunas aplicaciones
= + (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
Una introduccin a los modelos de perfeccin
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
III: Algunas aplicaciones
()
()
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
Una introduccin a los modelos de perfeccin
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)
489
III: Algunas aplicaciones
490
Una introduccin a los modelos de perfeccin
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)
491
III: Algunas aplicaciones
()
(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)
Sustituyendo esta expresin en la solucin general, obtenemos la trayectoria del precio de las
acciones durante la transicin al nuevo estado estacionario:
492
Una introduccin a los modelos de perfeccin
()
(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
III: Algunas aplicaciones
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)
() = () ()
494
Una introduccin a los modelos de perfeccin
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)
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
III: Algunas aplicaciones
= (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)
= (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
Una introduccin a los modelos de perfeccin
(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,
+
= + = (. )
= [( + ) ( ) + ]
Y resolviendo para p, tenemos
= 1 [( + ) ( + ] (7)
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
III: Algunas aplicaciones
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.
(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.
498
Introduccin a Modelos de Perfecto-Prospectiva
P 45
1
1 = 0 +
B
0
0 A
0 1 = 0 + s
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
III: Algunas aplicaciones
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.
= (, ) (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)
= (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
(, ) > (, )
(, ) = () () = + = + (, )
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
III: Algunas aplicaciones
Por lo tanto, la relacin entre las funciones de produccin per cpita y agregada es dada por
(/) () = (/)
(, ) = ()(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
Modelo de crecimiento neoclsico
() =
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
= ( , )
= /
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
() = () ()
503
III: Algunas aplicaciones
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)
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,
= = ( + )
() ()
= = ( + ) = ( + + ) (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
Modelo de crecimiento neoclsico
() = (, 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)
() 1
= (, 1) = (1,1/)
Y tomando lmites
1,1
( = lim () / = lim ( ) = (1,0)
505
III: Algunas aplicaciones
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
Modelo de crecimiento neoclsico
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
III: Algunas aplicaciones
++
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.
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?
509
III: Algunas aplicaciones
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.
= ( , +1 ) (1)
= + 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)
(, )
= (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 ( ).
(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
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 ( ).
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
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
513
III: algunas aplicaciones
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 = = ( )
+ ( )
= () =
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
516
Algunas tcnicas tiles
Para construir una aproximacin adecuada para esta ecuacin, empezamos por
introducir una nueva variable.
= ln
Y observado que
= y =
517
III: Algunas aplicaciones
= + =
(7)
y sustituyendo (6) en (7) evalu a la vez t+h,
+ = + + + = + + ( ) + (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 4.2. 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
Algunas tcnicas tiles
,+1 = + (1 ), + o , = , + (1)
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
III: Algunas aplicaciones
= (, , , , , ) = ( + + ) (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] :=
[_, _, _, _, _, _] = (^) ( + + )
520
Algunas tcnicas tiles
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
521
III: Algunas aplicaciones
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[]
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
III: Algunas aplicaciones
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)
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)
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
III: Algunas aplicaciones
528
III: Algunas aplicaciones
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
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
(, , , 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 .
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
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
=
(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
Una introduccin a la Optimizacin Dinmica
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
+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 { ( , )
534
Una introduccin a la Optimizacin Dinmica
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.
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
( , ) = 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
Una introduccin a la Optimizacin Dinmica
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
=
Como de costumbre, los subproblemas sucesivos estn vinculados por la ecuacin de Bellman:
537
Programacin Dinmica
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 )}
538
Programacin Dinmica
(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 ; , )}
(, ) = ( , )
=
539
Una introduccin a la Optimizacin Dinmica
( ) = 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)
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 (. ).
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)
=
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)
541
Una introduccin a la Optimizacin Dinmica
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 [() + ] () +
Por lo tanto, es montono. A continuacin, observe que para cualquier constante positiva
, tenemos
[() + ] = max {(, ) + {[(, )] + }}
()
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
Una introduccin a la Optimizacin Dinmica
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.
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.
y asuma que la suposicin 1.9 (Monotonicidad) se cumple. Entonces T asigna funciones no decrecientes en
funciones estrictamente crecientes.
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
Una introduccin a la Optimizacin Dinmica
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
().
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
Una introduccin a la Optimizacin Dinmica
(0 , 0)
= [(), (), ]} (. 0)
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
Una introduccin a la Optimizacin Dinmica
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)
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{(, , ) + (, , )}
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
Una introduccin a la Optimizacin Dinmica
552
Programacin Dinmica
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.
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
Una introduccin a la Optimizacin Dinmica
()[(), (), ]
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
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.
= [(), (), ]}
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{(, , ) + (, , )}
Teorema 2.3. Condiciones suficientes para una trayectoria ptima. Supongamos que el
Hamiltoniano maximizado,
(, , ) = max{ (, , ) = (, , ) + (, )}
555
Una introduccin a la Optimizacin Dinmica
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)
(, )
( , ) +
( , )( ) (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
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
Una introduccin a la Optimizacin Dinmica
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,
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.
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.
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
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
560
Notas
Notas
561
Notas
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.
(() ( )) = () ( ) + [() () ]( )
562
13
Algunas Aplicaciones de Optimizacin Dinmica
1. Buscar Modelos
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.
E{
=0 }
() =
=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,
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)
= - = + {[ (x), ]} -
Una ecuacin que puede ser resuelta para . Esta expresin se puede simplificar como sigue.
Comenzamos escribiendo la expectativa,
= + 0 max[ (x) , 0]() (6)
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) ]()
= + 1 (x )() (R )
566
Algunas Apelaciones de optimizacin dinmica
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)
( )=
1 (h)
= (2)
567
Buscar Modelos
El siguiente paso es manipular esta expresin para que podamos sustituirla por el lado
derecho de (2). Restando (h) desde ambos lados de (3),
Y dividiendo por ,
1 (h)
= b + (h)E{ max[ (x)- ,0]} (4)
1 (h)
lim (h) = 1 y lim = (5)
0
= (2)
2
Y (4) implica
= b +E{max[ (x)- ,0]} (4)
568
Algunas Apelaciones de optimizacin dinmica
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
= 1 ( (1)() ( )( ))
= 1 + dF(x) = 1 + [1 ( )]>0
= 1 < 0
1
= (x ) () < 0
= (x ) () > 0
2
= > 0, = > 0, y = <0
569
Buscar Modelos
570
Algunas Apelaciones de optimizacin dinmica
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 =
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
571
Buscar Modelos
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) (+ ( ))
( ) = + () ([ (+ ) (+ )] + )
d ( )
( ) = + [ ( ) ( )] +
dt
( ) = + [ ( ) ( )] + ( ) (1)
572
Algunas Apelaciones de optimizacin dinmica
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)
= () ()
= + [ () ()] + () [ () () ]() ()
= by + () [ () () ]() () (4)
Para simplificar esta expresin, observe que () diferenciando (3) con respecto al tiempo,
c = () () , y ()
[ () () ]() = [ () ()] ( )
() = ( ) ()
= ()( )
( )
+ () +
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)
= ( )(1 ) () (, ) (6)
= (, ) ( )(1 ) () = 0 (7)
574
Algunas Apelaciones de optimizacin dinmica
= 0
> 0
< 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
+ () + ( )
576
Algunas Apelaciones de optimizacin dinmica
e =0
c =0
0 1 2
Figura 13.4 Diagrama de fases.
=[ ]
1 2 = det =
577
Inversin con Costos de Instalacin
=0
c =0
0 1 2
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, 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.
578
Algunas Aplicaciones de Optimizacin Dinmica
=0 ( ) (1)
= (, )
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)
(/, /) = (1)(, ) (, ) = ( , 1)
() (, 1) (3)
= ()
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)
(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:
Siguiendo nuestra discusin en el captulo 12, la funcin de valor (actual) para el problema
del planificador satisface la ecuacin de Bellman,
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
Algunas Aplicaciones de Optimizacin Dinmica
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.
(t ) = U [ ( ) +1 ] (t )
0
Prueba. Solucionar algunos 0 en (0, ), y dejar +1 ser una solucin del problema
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 )
[( ) +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
582
Algunas Aplicaciones de Optimizacin Dinmica
() = 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 .
[ ( ) +1 ] = (+1 ) (8)
583
Crecimiento Optimo en Tiempo en tiempo discreto
2 = (1 ) (0 ) = 1
2 = (1 ) (0 ) = 1
y asi sucesivamente.
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 { }
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 = ( ) (12)
(12) = () (14)
Como hemos visto, la ecuacin (13) tiene una solucin nica . Dado , la ecuacin
585
Crecimiento Optimo en Tiempo en tiempo discreto
( ) = (+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 2.9. 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
Algunas Aplicaciones de Optimizacin Dinmica
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.
= 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
U (k t , k t+1 ) = U [f (k t ) k t+1 ]
587
Crecimiento Optimo en Tiempo en tiempo discreto
[ ( ) +1 ] = [(+1 ) +2 ] (+1 )
2 ( , +1 ) + 1 (+1 , +2 ) = 0 (3)
= 0 ( ) 0 () = lim =0 {( , +1
) ( , +1 )}
O, reordenando,
( , +1 ) ( , +1 ) 1 ( , +1 )( ) + 2 ( , +1 )( +1 +1 ) (4)
)(
+ +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
= 0 ( ) 0 () lim 2 ( , +1
)(+1 +1 )
588
Algunas Aplicaciones de Optimizacin Dinmica
= 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.
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
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
Algunas Aplicaciones de Optimizacin Dinmica
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
. . = , ) , }
, < 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)
q = q + (, )] (1 ) (, ) (5)
592
Algunas Aplicaciones de Optimizacin Dinmica
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) ( )
= + ( ) (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
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)
(, ) = + = (I, )
(1 ) = [(, ) ] (11)
594
Algunas Aplicaciones de Optimizacin Dinmica
( ) = () {(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
()
( ) =
Diagrama de fases y dinmica. Sustituyendo las funciones de poltica (6) y (7) en las ecuaciones
de transicin para el estado y variables,
= ( , )
= [ + ( , )] (1 ) ( , )
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
Algunas Aplicaciones de Optimizacin Dinmica
> 0q(t)
< 0q(t)
(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
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
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.
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
Algunas Aplicaciones de Optimizacin Dinmica
= ( , ) (1)
= r + ( , ) (1 ) ( , ) (5)
1
= ( ) (7)
( , ) = (3)
= 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
( )
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
Algunas Aplicaciones de Optimizacin Dinmica
= 0
= 0
Figura 13.11 Trayectoria Convergente
601
Problemas
E (0)
E (1)
SS
SS
(1) (0)
Figura 13.12. Efecto de un aumento imprevisto de impuestos.
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
602
Algunas Aplicaciones de Optimizacin Dinmica
E (0)
E(1)
(1) (0)
Figura 13.13. Efecto de un aumento previsto de impuestos.
1
0 (1)
1
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 =
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,
604
Algunas Aplicaciones de Optimizacin Dinmica
() = 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)
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)
De donde
605
El modelo Cass - Koopmans y algunas aplicaciones
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,
[() ] + () = + (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
Algunas Aplicaciones de Optimizacin Dinmica
(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)
()
= g
De donde
= () (g + ) (21)
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
= 0
= 0
0 (1 )( )
=[ ]=[ ] (24)
1 ( ) g
Porque
= 1 2 = (1 )( ) < 0
608
Algunas Aplicaciones de Optimizacin Dinmica
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)
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)
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
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
Algunas Aplicaciones de Optimizacin Dinmica
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
1
= ( {(1 )[ () ] } g) (, ; ) (20)
= () (g + ) (, ) (21)
= (. )
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
Algunas Aplicaciones de Optimizacin Dinmica
( ) = [ ( ), ] (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)
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
= 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 )
+ ( +)[(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
Algunas Aplicaciones de Optimizacin Dinmica
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.
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)
(, ) = 12 ., cuando (c,Z)=( , )
(,)
de otra manera (41)
(,)
616
Algunas Aplicaciones de Optimizacin Dinmica
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)
(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)
617
Problemas
En[1]:=
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
Algunas Aplicaciones de Optimizacin Dinmica
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};
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
Algunas Aplicaciones de Optimizacin Dinmica
1.37
1.36
1.35
1.34
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
El modelo Cass - Koopmans y algunas aplicaciones
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
En[49]:=
Vs[c_]:=(c(1-sigma))/((1-sigma)*(ro-
(1-sigma)*g));
Vs[css0]
Vs[css1]
622
Algunas Aplicaciones de Optimizacin Dinmica
Afuera[52]=
-14.8107
Afuera[53]=
-14.5278
Afuera[57]=
((-14.6773))
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.
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
624
Algunas Aplicaciones de Optimizacin Dinmica
() = (8)
Problema 5.2. Ahora nosotros vamos a caracterizar el equilibrio estacionario del modelo
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)
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
(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
Algunas Aplicaciones de Optimizacin Dinmica
(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)?
= ()1 (2)
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)
+ + 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
Es dotado con una inicial cantidad de capital 0 y con una tecnologa de produccin de la
forma
= (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
Algunas Aplicaciones de Optimizacin Dinmica
(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)
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
Algunas Aplicaciones de Optimizacin Dinmica
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)
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
Bibliografa
Mortensen, D. 1986. Job Search and Labor Market Analysis. In: Handbook of
632
Algunas Aplicaciones de Optimizacin Dinmica
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
Algunas Aplicaciones de Optimizacin Dinmica
(1 )
= [ + (( ), 1)] = [ + (( ), 1)] ( , 1)
| = + (( ), 1) =
635
Captulo 1
Captulo 1
Problema 2.2. Probar la siguiente equivalencia (X es el conjunto universal):
(~) =
= (~) (~) = [(~) ] (~)
~ = [(~) (~)] [ (~)]
~ = ~( )
~ = ~( )
=
~( ) ( , )
. . . . ~
(~ )
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
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.
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]
(~ ) = ~( ) ( ~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
(1 ~2 ) = [1 (~2 )] = (1 ) (~2 )
= (1 ) (~(2 )) = (1 )~(2 )
[ 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.
639
Conjuntos
Captulo 1
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)
2 = 2 2 4 2 = 2 2 2 = 2 2
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.
640
Apndice: Solucin a los problemas
Conjuntos
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
, = + + (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
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.
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 (, ) .
Si 0, entonces || = y
642
Apndice: Solucin de los Problemas
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 )
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}
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,
= max | | = max ( )2 ( )2 =
=1
= ( )2 (max | |)2 = max | | =
=1
(, ) (, ) + (, ) (2)
O, equivalentemente, que
643
Capitulo 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)
1 (, )2 + 2 (, )2 1 (, )2 2 (, )2
= (, ) (, )(4)
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.)
(i) 1 y (, ) = (, 1 ) 1 , o
(ii) 2 y (, ) = (, 1 ) (, 2 ) + (2 , 1 ) 2 + (1 , 2)
Por lo tanto 1 2 est contenido en ().
() y () +
(i) = ( ) + +
(ii) ( ) + ( ) +
Problema 1.15. Demuestre que el conjunto de sucesin reales acotadas es un espacio mtrico,
con la norma definida por (, ) = | |.
644
Apndice: Solucin de los Problemas
(, ) = | | = |( ) + ( )|
{| | + | |}
| | + | | = (, ) + (, )
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.
1 (, ) = 2 [(), ()], 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
(, ) = |() ()|
[,]
= (, ) + (, )
: =1| |
645
Capitulo 2
|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
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
Apndice: Solucin de los Problemas
2 2 4 2 4
32 + 4 > 2 > >
3 9 3 9 3
Problema2.4. Sea { } una sucesin convergente con lmite . Mostrar que toda subsucesin
de { } converge a .
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
647
Capitulo 2
. () Primero, asume { }Z, y fija algn >0. Porque { } Z existe algn N tal que
( , )< para todo n>N. entonces.
1 ( , )< y 2 ( , )<
2 2
( , )=[ 1 ( , )]2 , [2 ( , )]2< = n>N
2
648
Apndice: Solucin de los Problemas
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.
~( ) = (~ ) ~( ) = (~ )
( ) ( ) (~)
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
(, ) (, ) + ( , ) (, ) +
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 () =
(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
| [ () + () ] ( + )| = |[ () ] + [ () ]|
|() | |() | <
650
Apndice: Solucin de los Problemas
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
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
{( )} = {( , ( ))} (, ( 0 )) = ( 0 )
651
Capitulo 2
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)
Corregir un error arbitrario > 0. Por la continuidad de a 0 , Existe alguna > 0 Tal
que
652
Apndice: Solucin de los Problemas
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 (, ).
< () () () <
() =
< () =
tenemos
() () <
653
Capitulo 2
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.
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.
654
Apndice: Solucin de los Problemas
1 1
|+1 | = | 1 | ( )
2 1
( , ) (, ), (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.
655
Capitulo 2
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.)
656
Apndice: Solucin de los Problemas
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.
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 ( , ) >
657
Capitulo 2
queramos mostrar.
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
Apndice: Solucin de los Problemas
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.)
( 1)
| | < >
=1
= | | ( ) =
=1 =1
=1 =1
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.
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
Apndice: Soluciones a los problemas
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
662
Captulo 3
(1 + 2 ) = (1 ) + (2 ) = 0 + 0 = 0
Problema 2.12. Demuestre el Teorema 2.11. Sea (, ) una funcin lineal invertible.
Entonces el mapa inverso 1 : es lineal; es decir, 1 (, ).
1 ( + ) = 1 [() + ()] = 1 [( + )] = +
= 1 () + 1 ()
() ( ) = ( ) 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 ()).
(iii) Usando el teorema 4.3, muestra que si 1 es contino en (), entonces existe algn >
0 tal que .
663
Apndice: Soluciones a los problemas
= 1 () = = 1 () ()
1 () ()
Ahora, = entonces
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.
Problema 6.2 demostrar que el espacio propio de correspondes a un valor propio es un espacio
vectorial.
( + y) = () + () = () + () = ( + )
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
+1 = = () = ( ) = ( ) = +1
(ii) Se observa = implica que = = 1 = 1 , y adems 1 = 1 .
3 2 0
= [2 3 0]
0 0 5
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
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
Apndice: Soluciones a los problemas
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
Apndice: Soluciones a los problemas
( 0 ) = ( 0 ) ( 0 ) + ( 0 )( 0 )
Obsrvese que
= ()[() ( 0 )] + ( 0 )[() ( 0 )]
()() ( 0 )( 0 ) () ( 0 ) 0)
() ( 0 )
lim0 = ( lim ()) ( lim ) + ( ( lim )
0 0 0 0 0 0
= ( 0 ) ( 0 ) + ( 0 ) ( 0 )
()
( + ) () ( + )2 2
= lim = lim = lim (2 + ) = 2
0 0 0
( + )+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.
1 () (0) () () () ()
() = (0) + + = (0) +
=1 ! ! !
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)
669
Apndice: soluciones a los problemas
() () () ()
= =
() () () ()
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 )
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
=2xyz, =2, =3, =1
671
Apndice: soluciones a los problemas
=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.
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)
Aplicando el teorema del valor medio para funciones reales univariadas a ( ), tenemos
Que es equivalente a
Poniendo
= +
Obtenemos el resultado deseado. Obsrvese que el valor de depende del vector elegido .
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 ! !
g()= ( ( + ) = 2 ( + )
=1
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
Apndice: soluciones a los problemas
() () () (2)
() 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 5.4.
(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.
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.
r G LM r
LM
r1 P LM
r1
r0
r0
IS
IS IS
y0 y1 y y0 y1 y
675
Apndice: Solucin a los problemas
(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
677
Apndice: Solucin a los problemas
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
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
Apndice: Solucin a los problemas
S S
680
Captulo 5
()
(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
Apndice: Solucin a los problemas
(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?)
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 ) +
Z(R)
R
R R R
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
684
Captulo 6
Ahora, porque
=1
=1 =1
El punto
= (4)
=1 =1
= (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.
= + (1 )
= + (1 ) (1 ) = ( ) + (1 )( )
+ (1 ) <
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
Apndice: solucin de problemas
Y porque tiene un interior vaco, tambin lo hace . Por lo tanto, ( ) est vaco
siempre que est vaco.
() = [ + (1 )]
() = [1 + (1 )] (1) + (1 )(0)
Pero entonces
() = [ + (1 )] ( ) + (1 )( ) = (1) + (1 )(0)
686
Captulo 6
(1 1 + (1 )2 ) (1 ) + (1 )(2 ) (1)
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
[ 1 + (1 ) 2 ] ( 1 ) + (1 )( 2 )
(1 )( ) + ( ) [(1 ) + ] ( )
[( )] [(1 )( ) + ( )] (1 )[( )] + [( )]
687
Apndice: solucin de problemas
( ) = ( ) + ( )
[(1 )( ) + ( )] + [(1 )( ) + ( )]
= (1 )[( ) + ( )] + [( ) + ( )] = (1 )( ) + ( )
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.
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 ] {( ), ( )}
(1 )x + x
688
Captulo 6
( ) ( ) [(1 )x + x ] ( ) (0,1)
{[(1 ) + ] } [( )] (0,1)
entonces () es cuasicnvaca.
() = =1 , Donde > 0
Considere la funcin:
() = () = +
=1
Entonces:
() = , () = 2 y () = 0 para todo
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.
( )( ) 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, ,
( )( ) = 1 ( )(1 ) + =2 ( )( )
= 1 ( )( 1 ) + ( )( )
=2
689
Apndice: solucin de problemas
= 1 ( ) + ( )(1 )
=1
= 1 ( ) + ( )( ) 1 ( ) + 0 < 0
() = () = () (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.
690
Captulo 6
0
||=| | > 0
= ( ) + ( ) = 2 2 2
(, ()) + (, ()) () = 0
de donde
(,())
() = (1)
(,())
+ ( )+ ( )
= 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.
691
Apndice: solucin de problemas
() > (0 ) + (0 )( 0 )
(1)
(0 ) = 3 3 (0 ) = 0
y (1) se convierte
692
Apndice: Soluciones a los problemas
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
| | 2 2
=1 =1 =1
Usando esta desigualdad dos veces, y tambin la desigualdad del tringulo, obtendremos
| | = | ( )| | (
2
2 )|
2
| | 2 (
2
)
= 2
2
2 [ ( + ) ( )]2
694
Apndice: Soluciones a los problemas
= (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
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
(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)
696
Apndice: Soluciones a los problemas
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)
,
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)
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
Tal que
( ) = min ( , 0 ) =
Entonces,
( , 0 ) = 1, , (7)
700
Apndice: Soluciones a los problemas
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)
( , ) = ((1 ) + , ) (9)
(1 ) ( , ) + ( , ) > 0
(, 0 ) = lim ( , 0 ) =
(, 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
702
Apndice: Soluciones a los problemas
0 = ( , ) = [(1 ) + , ] (1 ) (, )
+ ( , )
703
Captulo 7
1
2 ( )
1 ( )
2 =
() = { ; (, ) 0 = 1, , }
704
Apndice: Soluciones a los problemas
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
= ( , 0 ) max0 (, 0 )
( )
(, ) (, 0) + (0, ) = + 2 = 2
705
Captulo 7
= ( , ) = (1 ) + = + ( ), [0,1] (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
( 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 ).
706
Apndice: Soluciones a los problemas
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
707
Captulo 7
12 2 ( 1)12 0
|| = | 11 |=| |
21 22 0 2 (
1)22
Y los principales principios menores son dados por
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
Apndice: Soluciones a los problemas
(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
709
Captulo 7
() = {(; ); () 0}
(1 )() + () ( )
(, ) [( ), ] (, ) [( , )]
De donde
(1 )() + () = (1 )(, ) + (, )
(1 )[( ), ] + [( ), ] [( ), ] = ( )
710
Apndice: Soluciones a los problemas
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
712
Apndice: Soluciones a los problemas
713
Captulo 7
{ } 0 y { } 0 = ( 0 )
0 > 0 0 (1)
{ } 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
Apndice: Soluciones a los problemas
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
2 (,) (,)
= 0 (Pendiente ascendente de la funcin de suministro)
2
2 (,) (,)
= 0(Pendiente descendente de la demanda de factores)
2
716
Apndice: Soluciones a los problemas
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)]
( ) + (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.
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 = )
= [ ( ) ] + [ {( ) + (1 )} 0 ]
= + ( ) = 0 para cada
1
= ( ) (2)
718
Apndice: Soluciones a los problemas
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
Apndice: Soluciones a los problemas
( ) ( ) > 0 (. )
[( ) + (1 )] 0 > 0 ()
(. ) = ( ) ( )
(. ) = ( ) ( )
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.
(. ) ( ) ( + ) = (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
Apndice: Soluciones a los problemas
723
Apndice: Solucin de los problemas
Captulo 8
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.
Por lo tanto, (1 - ) x'+ x " B(y), y se sigue que B(y) es un conjunto convexo.
= { z; ze = 1 }
724
Captulo 8
1 1
h(x) = x = X
=1
= 1 ( ) = para cada n 0 = 1 ( 0 ) = 0 0
= 0 0
= 1 ( ) = 0 0 0 = 0 = 1 ( 0 )
725
Apndice: Solucin de los problemas
= 1 ( ) = ( 0 - 1) > 0 0 = 1 ( 0 )
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.
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
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
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,
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
Apndice: Solucin de los problemas
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.
(,)/
(p,y) = (,)/
(,) (,)
= = - * * = - * (p, y)
(,) (,)
= = *
V(p, y) =
, donde = 1
( )( )( 1 ( )( 1 )
= =
( )2
728
Captulo 8
(,) 1
Y =
(,)/
(p,y) = = +
(,)/
Problema 2.9. Para completar la demostracin del teorema 2.8, demostrar que bajo los
supuestos dados, tenemos lo siguiente:
(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
(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
729
Apndice: Solucin de los problemas
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
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)
= (1 - )x + z, cuando [0,1]
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.
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
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
Apndice: Solucin de los problemas
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
+ 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
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
(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).
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.
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
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
Apndice: Solucin de los problemas
(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)
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,
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.
( )
==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)
1
= ( )1 o =( )1 (4)
(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
Apndice: Solucin de los problemas
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+)+(1-)] = e 1 k* = 1+ (9)
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)
(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.
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
Adems,
2 1
= -2 < 0
12
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
Apndice: Solucin de los problemas
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
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.
max 1 = P(1 + 2 )1 - 1 1 = ( - 1 - 2 )1
1
738
Captulo 8
Rendimientos
+2 21
1 = 2
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
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
Apndice: Solucin de los problemas
y Y es la produccin agregada de bienes finales, con los costos unitarios dados por
1/(1)
c(p)= (0 1 ) (5)
= psXs+(ya- )
= 0 ds = 0 ( ) ds => 1
() = (1.2)
0 1
(p,y) = () = 1/ (1.3)
(0 1 )
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 )
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)
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 (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
Apndice: Solucin de los problemas
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,
1
(0 1 ) = (n1 )1/ = (1 )1/ = 1
Implicando eso
=
1 =Y
(0 1 )
1
X*= = ((1) ) Y X*= (1/) Y (3.5)
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)
=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)
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.
743
Apndice: Solucin de los problemas
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)
( + 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
X= (1+n)x=(1+n) (+1)2 =+1 = (1 ) (13)
(1 + n)c = = (14)
(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
Apndice: Solucin de los problemas
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
( ) = 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:
(, ) = + [() ] () (. )
( + 1, ) [(, ), ](1)
Diferenciando ambos lados de (1) con respecto al parmetro vector , obtenemos una
ecuacin de diferencia lineal en :
() = () + [ (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
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
Apndice: solucin de los problemas
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
751
Captulo 9
(0) = 3 1 = 2 > 0
() 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.
|(, , )| (, , ) (1)
0 [] = {() (0 ); 0 }
752
Apndice: solucin de los problemas
|() | 0 <
Para algunos [ 0 ].
(, ) (, ) = | |
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
(, ) (, ) | | + 0 | |
753
Captulo 9
= (, ), (1 ) = 1 ((1 , 1 ))
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 .
= {|()|; [0 , ]}
|()| | 0 | |0 | < | 0 | |0 |
Problema 6.18. Probando Lema 6.17.
754
Apndice: solucin de los problemas
() = |(, 0 ) (, 0 )|
| 0 0|
+ |[(, 0 ), ] [(, 0 ), ]|
0
| 0 0|
+ |(, 0 ) (, 0 )|
0
= | 0 0 | + ()
0
Para todo ( 0 ) ( 0 ).
|(, 0 ) (, 0 )| = () | 0 0 | |0 |
755
Apndice: Soluciones de los Problemas
Captulo 10
exp(1 ) 0
(; ) = , donde = [ ] (4)
0 exp( )
= (CH)
1 = 1
1 = 1 1
1 = 1 (1)
Definir y por
= 1 (2)
Y observar que
= 1 (3)
= (4)
() = (5)
() = () =
756
Captulo 10
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 ) =
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)
Por lo tanto, las soluciones elementales son complejas conjugaciones de ellas mismas.
Usando
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
Apndice: Soluciones de los Problemas
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
() = 1 1 () + + () (G. S)
() = ( + ) t = t + t (1)
() = () [ t + t ] = [ t + t ]
t + t + t = t + t
[a + b] t + t = t + t
(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
() = 1 1 () + 2 () + 3 3 () + + ()
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
= + (4)
2 = + (5)
2 = 2 2
2 = + (4)
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
Apndice: Soluciones de los Problemas
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)
Recuperar la solucin ((), ()) del sistema original, escrita en funcin de los valores
iniciales (0) y (0).
( + ) = ( + )( + )
+ = + + + 2 = ( ) + ( + )
es decir,
= ( ) y = ( + )
O, en forma de matriz,
[, ] = [, ] [ ] =
760
Captulo 10
= ( ) + ( + ) = ( 2 + 2 )= 2
de donde
= (13)
2 = = ( + ) ( ) = ( 2 + 2 ) = 2
de donde
= (14)
() = (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),
Similar,
= (, ) = + ( 2 2 ) (17)
761
Apndice: Soluciones de los Problemas
= (, ) = + ( 2 2 ) (18)
() Mostrar que el punto (0,0) es el nico estado estacionario del sistema para cualquier valor de
c.
() Mostrar que el sistema original puede estar escrito en coordenadas polares como
= ( 2 ) (19)
= 1 (20)
= 0 + ( 2 2 ) = 0
= 0 + ( 2 2 ) = 0
= 2 2 y = 2 2
Desde donde
= 2 = 2
() 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 =
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
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.
= + = [ + ( 2 2 )] + [ + ( 2 2 )
= ( 2 + 2 )( 2 2 ) = 2 ( 2 )
Y simplificando,
= ( 2 ) (19)
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
Apndice: Soluciones de los Problemas
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
Apndice: Soluciones a los problemas
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
(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
Apndice: Soluciones a los problemas
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)
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)
768
Apndice: soluciones para los problemas
[ + (/)]
[ ]=[ 1 1 ] [ ]
1/ 0
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
Apndice: Soluciones a los problemas
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.
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
Apndice: Soluciones a los problemas
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)
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
Apndice: Soluciones a los problemas
(1 ,2 ,) 2
(1 , 2 , ) = 1 + (7)
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 ) , + ,
778
Apndice: Soluciones a los problemas
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,
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.
+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
Apndice: Soluciones a los problemas
Y, por lo tanto
E+1 = 1+g (6)
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
Figura All.7. La lnea de fase e = 0.
Por lo tanto, < 0 cuando >e., y las flechas de movimiento a lo largo del
782
Apndice: Soluciones a los problemas
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
Apndice: Soluciones a los problemas
s-yZ
( + )
> 0 =>
< 0 =>
( + )
785
Captulo 11
( + )
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
Apndice: Soluciones a los problemas
(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)
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)
++
(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
Apndice: Soluciones a los problemas
= (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)
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
Apndice: Soluciones a los problemas
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
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
De donde
(1)/ (1)/
R +1 = => R +1 =
2 (1)/ (1)/
4w w 4w
792
Apndice: Solucin a los problemas
> 0 > 0
= 0
< 0
< 0
= 0
(A) => = +
=0 (P.A)
(B ) => (1 ) + LN4 + + (1 )
1
= 2 (4 + ) (P.B)
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
Apndice: Soluciones a los problemas
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)
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
Apndice: Soluciones a los problemas
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++ )
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 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
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
802
Captulo 12
( ) = 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
+1 +1
= = y = =
+1 +1
donde
+1 = (+1 )(+1 ) < 0
y por lo tanto
+1
= = = ()() < 0
+1
+1
= = = (+)() > 0
+1
(15) = ()
= 0: = () (P.1)
(16) () = ()[() ]
= 0: [() ] = 1 (P.2)
804
Apndice: Solucin a los problemas
< 0
> 0 = 0
k
Figura A13.1. La lnea de fase = 0.
2
| = () 1 y | = () < 0
=0 2 =0
= +1 = ( )
Similar,
= 0 (; ) = [() ] 1 = 0 (P.2)
(( ) () + ( ) (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
Por lo que la lnea de fase es cncava. Adems, la intercepcin horizontal es positiva, como
con = 0 tenemos
[() 0] = 1
( ) = (+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
Apndice: Solucin a los problemas
Tenemos
= 0
= 0
k k
Figura A13.3. Diagrama de fase
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, ).
11 ( , +1 ) = [( ) +1 ] ( ) + ( ) [( ) +1 ] ( ) < 0
12 ( , +1 ) = 21 ( , +1 ) = [( ) +1 ] ( ) > 0
22 ( , +1 ) = [( ) +1 ] < 0
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).
1
0
1
Sujeto a la restriccin de recursos
= ( , ) , con
=
808
Apndice: Solucin a los problemas
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)
( + g)
= = = 1 = 1 = ( + g)1
De donde
( + g)
=
+ ((g + )(1 ))
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
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
810
Apndice: Solucin a los problemas
1()
lim () = lim + ()( + )[ ()]
0 0
O
() = + ( + )[ ()] (3)
+(+)
() = (3)
++
() = ( ) + [ ()] (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)
[ () ] (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
Donde es la tasa a la cual los trabajadores encuentran empleo y salen del grupo
de desempleados.
= ( ) + ( ) ( )
De donde
()
= (10)
++
Sustituyendo (10) en (4) y (9), obtenemos
(+)()
= (11)
++
()+(+)
= (12)
++
( )+(+)
= + ( + + )( ) = ++
+ + ( )( + + ) (12)
812
Apndice: Solucin a los problemas
(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)
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
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
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)
(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
Apndice: Solucin a los problemas
= ( ) + ( )
= + 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) (++ )
ln( ) + (1 ) ln( + )
= (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)
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
Apndice: Solucin a los problemas
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.
= 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
1 + + g
= ( (1 )) + ( + g + ) (, )
= (1 )( + g + ) (1 )(1 ) (, ) (10)
= =
1 1 + + g
= ( (1 )) = ( (1 )) = ( + g + )
= (1 ) = (1 )
= (1 )(1 ) = (1 )(1 ) = (1 )( + g + )
2 4 4
, = = (1 1 )
2 2 2
4(1) 2
Donde = 2 4 = (1 )2 2 +
4(1)
= 2 ((1 )2 + )>0
818
Apndice: Solucin a los problemas
+ =
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
1 = 0
= 0
Para calcular los autovalores del sistema, ntese que bajo la suposicin
+ + g = ( + + g) (12)
820
Apndice: Solucin a los problemas
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
X X
> 0
= 0 > 0
1
= 0
< 0
< 0
R R
Caso i: > 0 Caso ii: < 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
822
Apndice: Solucin a los problemas
+ + g
1+
( + + g)
(+g+) 1
1 = = (1+) =
++g
(1+)1
(22)
(1+)
Por lo tanto,
(1 + )2 2
= (1 )2 + 2 [1 (1 + )]2 + 2(1 )[1 (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
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)
1 (1)(+g+) ()(++g) () ()
= = = (1)(1+) = (1)[(1+)1]
(1) (1)
(26)
(1 + ) 1 > 0
(27)
(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
Apndice: Solucin a los problemas
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)
(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)
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)
(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)
(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
Apndice: Solucin a los problemas
Donde
01
=
(1 )1
Es una constante positiva. Diferenciacin (12 ').
()
[(1 )[ (1 )](1 )[ (1 )] ][(1 )] [ (1 )]1 (1
=
(1 )2 [ (1 )]2
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) }
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)
(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
Apndice: Solucin a los problemas
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.
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
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
Apndice: Solucin a los problemas
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