MATEMTICAS AVANZADAS

APLICADAS A LA ECONOMA

Alberto A. lvarez Lpez

Mara de los ngeles Arndiga Rez
Fernando Javier Nieto Jover
Javier Sanz Prez

UNNERSIDAD NACIONAL DE EDUCACION A DISTANCIA ..

 ,
Indice

Presentacin 13

I Convexidad 15
Introduccin 15
l. Conjuntos convexos 17
1.1. Definicin de conjunto convexo 17
1.2. Combinaciones convexas 18
1.3. Conjuntos convexos y aplicaciones afines 19
1.4. Operaciones con conjuntos convexos 21
1.5. Propiedades topolgicas de los conjuntos eonvexos 23
2. F\rnciones cncavas y funciones convexas 25
2.1. }Unciones cncavas 25
2.2. Caracterizacin de una funcin cncava 29
2.3. F\mciones convexas . . . . . . . . 32
2.4. Funciones cncavas diferenciables 34
2.5. lbrmas cuadrticas. Aplicaciones a la concavidad de
funciones de clase C2 37
2.6. Funciones convexas diferenciables 40
2.7. Funciones estrictamente cncavas 41
2.8. F\mciones estrictamente convexas 42
i 3. Gf'..neralizacin de funciones cncavas y convexas 43
3.1. Funciones cua.sicncavas . . . . . . . 43
3.2. Ms sobre formas cuadrticas. Aplicacin a la cuasi-
concavidad de funciones de clase C2 45
3.3. F\mciones cuasiconvcxas 49
3.4. FUnciones pseudocncavas 50
4. Apndice . . . . . . . . . . . . . 51
4.1. Subespacios afines de Rn. Aplicaciones afines 51
8 IN DICE

4.2. Envoltura convexa de un conjnnto .. 53

4.3. Separacin de conjuntos convexos 55
4.4. Teorema del punto fijo de BROUWER 57
4.5. Otras propiedades de las funciones cncavas 59
5. Recordatorio: funciones de varias variables 61
5.1. Topologa usual de IR" 61
5.1.1. El conjunto !R11 Producto escalar. Norma.
Distancia 61
5.1.2. Sucesiones en R 11 63
5.1.3. Subconjuntos abiertos y subc.onjuntos ce-
rrados de IR" . . 64
5.1.4. Subconjuntos acotados de R 11 Sucesiones
acotadas. Subconjuntos compactos de R.11 65
5.1.5. P1mto interior. Entorno. Punto adherente 66
5.2. Lmites, continuidad y derivabilidad de funciones de
varia.'l variables 67
5.2.1. .Funciones numricas de n variables 67
5.2.2. Lmite de funciones numricas de n varia-
bles . 67
5.2.3. Continuidad de funciones numricas de n
variables . . . . . . . . . . 69
5.2.4. Dcrivabilidad de funciones numricas de n
variables 70
5.2.5. FUnciones de n variables con valores en R.m 71
5.3. Diferenciabilidad de funciones de varias variables 73
5.3.1. Diferencial de una fnncin 73
5.3.2. Teorema de los incrementos finitos 75
5.3.:1. Funciones de clase C 1 , funciones de clase C2 .
Frmula de TAYLOR. Desarrollo limitado 75
5.3.4. Funciones homogneas . . . . . 77
5.3.5. Difercnciahilidad de funciones con valores
en IRm 77
5.3.6. FUnciones implcitas 78
Resumen 80
Actividades recomendadas 85
Bibliografa . . . . . . . 90
!NDICE 9

11 Complementos de optimizacin 91
Introduccin 91
l. Definiciones, notaciones y ejemplos 93
1.1. Extremos, globales y locales, de una funcin sobre un
conjunto ........ . 93
1.2. Extremos locales de una funcin . . . 94
1.3. Planteamiento de un problema de optimizacin 95
1.4. Problemas de optimizacin con restricciones de igual-
dad y de desigualdad 96
2. Condiciones necesarias de KU!-JN-TUCKER . . . . . . . . 98
2.1. Introduccin . . . . . . . . . . . . .... . 98
2.2. Enunciado general de las condiciones necesarias de
KUHN-TUCKER ......... 98
2.3. Ejemplos de aplicacin de las condiciones de KUHN-
TUCKER. . . . . . . . . . . 101
2.4. Problemas de minimizacin . . . . 111
2.5. Interpretacin de los multiplicadores 115
3. Condiciones necesarias de FRITZ-JOHN 117
3.1. Introduccin 117
3.2. Enunciado general de las condiciones necesarias de
FRITZ-JOHN ....... . 118
4. Condiciones suficientes 120
5. Introduccin a la programacin convexa 129
Resumen 132
Bibliografia . . . . 135

IIIMatrices positivas 137

Introduccin 137
l. Matrices positivas 138
1.1. Matrices positivas 138
1.2. Matrices estrictamente positivas 139
2. Matrices positivas y modelos lineales de produccin 141
3. Matrices productivas , . , . . . . . . . . . . . . 146
3.1. Definicin de matriz productiva. Ejemplos 146
3.2. Caracterizacin de las matrices productivas 148
3.3. Traspuesta de una matriz productiva 151
4. Conjuntos autnomos . . . . . . . . . . . . . 151
4.1. Definicin de conjunto autnomo. Propiedades 151
4.2. Determinacin prctica 154
10 f\.!DICE

4.3. Productos fundamentales . . 161

5. Matrices indcsmmponibles 163
6. Estructuras productivas de subsistencia 166
7. El teorema de FHOBENIUS . . . . . . . . 170
8. Apndice . . . . . . . 174
8.1. Demostracin del teorema sobre matrices productivas 174
8.2. Demostracin del teorema de FROBENIUS 178
Reslliilen . . . . . . . . . . . . 185
Ejercicios y actividades recomendada..'! 188
Ejercidos de autoevaluacin 204
Bibliografa . . . . . . . . . . . . . . . 207

IV Sistcrnas de ecuaciones recurrentes de primer orden 209

Introduccin . . . . . . . . . 209
l. Sistemas de dos ecuaciones recurrentes 211
l. l. Resolucin del sistema homogneo 211
1.1.1. Mtodo de reduccin 211
1.1.2. Mtodo directo 215
1.1.3. Ejemplos 218
1.2. Solucin particular. Detenninacin de constantes 220
2. Sistemas de n ecuaciones recurrentes 222
2.1. Resolucin del sistema homogneo . . 222
2.1.1. Mtodo directo . . . . . 222
2.1.2. Mtodo de la matriz directa 224
2.1.3. Ejemplo 225
2.2. Solucin particular 226
3. Conceptos previos 227
3.1. Puntos de equilibrio 227
3.2. Estabilidad . 228
4. Condiciones de estabilidad 229
4.1. Ejemplo 231
5. Sistemas no totalmente estables 232
5.1. Definicin y metodologa 232
5.2. Sistema homogneo de dos ecuaciones recurrentes con
dos incgnitas 232
5.3. Ejemplo 233
ltesmnen 235
Bibliografa . . . . . 235
NDICE 11

V Sistemas de ecuaciones diferenciales lineales de primer or-

den 237
Introduccin , , . . . . . . . . . . . . . . . . . 237
l. Sistemas de ecuaciones diferenciales 2x2 . 239
l. l. Resolucin del sistema homogneo 239
1.1:1. Mtodo de reduccin 239
l. l. 2. Ejemplos . . . . 242
1.1.3. Mtodo directo 245
1.1.4. Ejemplos . . . . 250
1.2. Solucin particular 252
2. Sistema de ecuaciones diferenciales nxn 255
2.1. Resolucin del sistema homogneo 261
2.1.1. Mtodo de reduccin 265
2.1.2. Mtodo directo 267
2.2. Solucin particular . . . , . . 282
3. Problemas propuestos . . . . . . . . . 288
4. Solucin de los problemas propuestos 289
5. Apndice: estabilidad 291
Resumen . 294
Bibliogra.ffa . . . . . . . . . 297
Presentacin

En estas Unidades Didcticas que el lector tiene ahora en sus manos se

recogen los contenidos de la asignatura Matemticas Avanzadas Aplicadas
a la Economfa, del segundo ciclo de la licenciatura en Economfa. en la
UNED.
Esta asignatura pretende servir de complemento y ampliacin a la for-
macin en matemticas aplicadas a la Economa que el alumno ya ha
recibido durante los cursos anteriores (en particular, en las asignaturas
Matemticas I, II y III).
El contenido se desarrolla en cinco captulos:
El primero est dedicado a la convexidad (conjuntos convexos, fun-
ciones de varias variables cncavas y convexas).
El segundo ampla lo ya. conocido sobre optimizacin (oondiciones de
KUHN-TUCKER y de FRITZ-JOHN, programacin convexa).
El tercero trata la teora de las matrices positivas (matrices produc..
tivas, conjuntos autnomos, matrices indescomponibles).
Y los dos ltimos son una introduccin a los sistemas dinmicos dis-
cretos (sistemas de ecuaciones en diferencias finitas) y oontinuos (si&-
temas de ecuaciones diferenciales).
A cada captulo se adjunta un resumen de loa conceptos y resultados
vistos en su desarrollo. Como complemento necesario a los conocimientos
tericos, se incluye un gran nmero de ejemplos y ejercicios en los que tales
conocimientos encuentran aplicacin prctica.
Los autores quieren dejar constancia de su agradecimiento a los com-
paeros del Equipo Docente de la asignatura, por sus sugerencias y comen-
tarios, y por las enriquecedoras discusiones sobre las materias tratadas en
este texto.
Cuestiones de notaci6n, Designaremos por R+ el conjunto de los nmeros
reales positivos o nulos; y por R+, el de los nmeros reales positivos. Son
14 PRESENTACIN

frecuentes las citas a los textos: Lecciones Elementales de .lgebra. Lineal

para Economfa y Empresa, Algebra. Lineal. Problemas Resueltos y Cues
tiones Comentadas, Clculo I para Economia y Empresa. FUnciones de una
vacjable y Clculo II para Economia y Empresa. Funciones de varias varia-
bles. :Estas citas se abrevian de la forma.: "d. lgebra Linelll", "cf. Proble-
mas de .lgebra Lineal", "cf. Clculo 1" y "cf. Clculo JI", respectivamente.

LOS AUTORES
Captulo 1

Convexidad
Alberto A. lvarez Lpez

INTRODUCCIN

Los conjuntos convexos, as como las funciones convexas, figuran en algunos

desarrollos de Economa (por ejemplo, en la teora del equilibrio general),
y juegan un importante papel en muchos aspectos de la teora. de la opti-
mizacin. En este capitulo estudiamos ampliamente la convexidad, tanto
de oonjuntos como de funciones.
La primera seccin est dedicada. a los conjuntos convexos y a sus pro-
piedades ms destacables.
En la segunda seccin se estudian ampliamente las funciones cncavas y
las funciones convexas. Se caracterizan estas funciones y se ven sus propie-
dades ms importantes, sobre todo las que se verifican cuando son diferen-
cia.bles. Es de destacar la aplicabilidad de la teora de las formas cuadrticas
al estudio de la concavidad de funciones de clase C2. Tambin se tratan las
funciones estrictamente cncavas y las estrictamente convexas.
En la tercera seccin se muestran algunas generalizaciones del concepto
de funcin c6ncava que tambin se utilizan en Economa. En concreto,
se estudian las propiedades ms importantes de las funciones cuasicn-
cavas y cuasiconvexas, y se recoge una breve introduccin a las funciones
pseudocncavas,
Este captulo incluye un apndice. El primer apartado de ste versa
sobre subespacios afines y aplicaciones afines, conceptos que figuran en al-
gunas de las propiedades de los conjuntos convexos y de las funciones con-
vexas. En los restantes apartados del apndice se estudian otros aspectos
de la convexidad que tambin encuentran amplia aplicacin a la Economa.:
16 CONVEXIDAD

separacin de conjuntos convexos y teorema del pWito fijo de BROUW~R

(del que se incluye una aplicacin econmica).
Para leer este captulo, el ahunno necesita tener frescos los conceptos
y los resultados ms importantes del clculo con funciones de varia:; varia-
bles. Nos ha parecido oportuno preparar una seccin en la que se recopilen
algunos de stos, si quiera de forma sucinta. Las citas a esta seccin se
especifican de la forma: "cf. Recordatorio".
Finalmente, se incluye un resmnen del captulo, as como una lista de
textos en los que se puede ampliar informacin sobre las materias tratadas.
Tambin se ha incorporado una coleccin de actividades recomendada.o;;, que
no son ms que prohl<"JTias resueltos sobre distintos aspectos de lo visto en
el captulo.
CONJUNTOS CONVEXOS 17

l. CONJUNTOS CONVEXOS
1.1. Definici6n de conjunto conve:w
Si x y y son dos puntos de Rn, el segmento que une x y y es el subconjunto
de lRn siguiente:
{>.x+(l- >-)y 1 OS>- S 1}.
Un subconjunto de Rn es convexo s.i contiene todo segmento que una dos
de sus puntos:

De la definicin se deduce que el conjunto vaco: 0, es un conjunto

convexo.
En IR, los nicos conjuntos convexos son los intervalos.
En Rn 1 los snbespacios afines son ejemplos de conjuntos convexos, como
prueba la siguiente

Proposicin l. Un subespacio afn de 1Rn es un conjunto convexo.

Demostracin. Sea A = v+ P un subespacio afn de IR!', es decir, v E lR" y Fes un
subespacio vectorial de lR". Si a: y y son dos puntos arbitrarios de A, y>. E \0, 1],
vamos a comprobar que >.a:+ (1- >.)y E A.
Sea a:= v +U y y = v + tl2, donde u 1 y u2 son vectores de F. Entonces:
>.a:+ (1- >.)y= >.(v--.-- ul) + {1- >.)(u+ u2)
= >.v + >.u 1 + {1- >.)v + (1- A)u2
= v + >.u1 + (1- >.)u2.
Si hacemos u= Au1 + (1- >.)u2, entonces u E F, y por tanto:
>.x+(l- >.)y =v +u E A.
En conclusin, A es convexo. C.Q.D,

Como consecuencia de la proposicin anterior, los subespacios vecto-

riales, los hiperplanos, las rectas y los subconjuntos formados por un solo
punto son conjuntos convexos, pues todos ellos son subespacios afines.
18 CONVEXIDAD

1.2. Combinaciones convexas

Si Vt, 112, . , Vp son puntos de IRn, y a, a2, ... , ap son nmeros reales
tales que:
a: ;?: O, 0:2 2:: O, , ap;::: O

{
a1y+a2 + +ap = 1,
entonces de a:Vt+a2v2+ +apVp diremos es una combinacin convexa
de los puntos v, v2, ... , Vp.

Proposicin' 2. Dados V, v2, ... J Vp, pllil.tos de IRn J el conjunto e de los

puntos que son combinacin convexa de ellos:

C= {taivi ai 1 ;:=:O pa.ral -:f i :Sp, y tai = 1}

es convexo.
Demostracin. Sean 3'l y y dos puntos de C:

'
x = La;v; y '
y= Lfku;,
i=l i=l

y sea>. E [0, 1]. Comprobemos que >.x + (1 ~>.)y E C.

Se tiene:

>.:e = L' >..o:;u; y (!->)y~

'
2)1- >)~
i=l i=l

y por tanto:

>x + (1- >)y~ L' (>a,+ (1- >)~,) v,.

i=l

Si hacemos: S = >.a;+ (1 - >.)3 para 1 :5 i :S; p, entonces cada s; es positivo o

nulo (pues lo es>., 1- >.,a; y /3.), y adems:
p p p p

L' ~ L(>a, +(1- >)~,)~>a, +(1->) L~'

<=1 i=l i=l
= >... 1 + (1- >.). 1 = 1,
lo que establece que pertenece a e el punto:
'
),v, =>..a:+ (1- >.)y.
i=l
En conclusin, el conjunto Ces convexo. C.Q.D.
CONJUNTOS CONVEXOS 19
-~~---"'

Ntese que el conjunto de los pnntos que son combinacin oonvexa de

dos puntos dados es el segmento que los une.

Proposicin 3. Si e es convexo, toda combinacin convexa de puntos de e

pertenece a e.

Demostracin. Si v 1 , v 2 , , vP son puntos de C, probaremos por recurrencia

que toda. combinacin convexa de ellos es un punto de C.
Si p = 1, es obvio que v 1 E C; si p = 2, toda combinacin convexa de V y 112
pertenece a C (por definicin de conjunto convexo).
Hagamos la hiptesis de que toda combinacin convexa de Vt, v2, .. , Vp-1
eS de C, y probemOS que toda combinacin convexa de V11 Vz, ... 1 Vp pertenece
a C. Sea v una combinacin convexa de v11v2, ... , vp, es decir:
,
v =E a,v;, donde: a ;:: O para 1 :::; i :::; p,
i=1

Si ap = 1, entonces v = vp, y v E C. Si a, < 1, entonces el punto:

H
w=w1-~
" a v,;
i=l p

es una combinacin convexa de v 1 , Vz, ... , vp-ll pues:

,_,
~;::O para 1:::; i:::; p- 1, y E~-1-ap_1
1-0'p . 1-ap-1-a,-,
=1

y en consecuencia (de acuerdo con lo supuesto) w E C. Pero por ser C convexo,

tambin pertenece a e el punto: :pVp + (1- :p)w, y como:
,
v = a,v. = a:PvP + (1- ap)w,
=1

se concluye que v E C. C.Q.D.

1.3. Conjuntos convexos y aplicaciones afines

Proposicin 4. La imagen por una aplicacin afin de un conjunto convexo

es un conjunto convexo.

Demostracin. Sea C un subconjunto convexo de Rn, y sea <P una aplicacin afn
de Rn en Rm. Probemos que p[C] es convexo. Es decir, probemos que si w 1 y W2
son dos puntos de </J[C]:
20 CONVEXIDAD

y si >..E [0, 1], entonces >.wt + {1- >.)wz E tP[C].

Se tiene (teniendo en cuenta que la imagen por una aplicacin afn de una
combinacin afn es la combinacin afn de las imgenes):

Pero >.v 1 +(1->.)vz es una combinacin convexa de v 1 y v2, y por tanto un punto
del conjunto convexo C. En consecuencia: Aw1 + (1- >.)wz E cp[C].
El conjunto cp[C] es, pues, convexo. c.c.D.

Consecuencias de la proposicin 4. Se verifica:

Si C ~ IRn es convexo y cr E lR, el conjunto:

es convexo.
En efecto, aC es la imagen de C por la aplicacin lineal:

es decir: J[O] = aC, y como fes una aplicacin afn -toda aplicacin
lineal ea aplicacin afn-, f[CJ ;;;;; etC ea convexo.
SiC o;; Rn es convexo y vE Rn, el conjunto:

es convexo.
En efecto, V+ e es la imagen de e por la aplicacin afn:

esdecir: Q)[C]=v+C.

Proposicin 5. La imagen inversa por una aplicacin afn de un conjunto

convexo es un conjunto convexo.

Demostracin. Sea C' un subconjunto convexo de R.m, y sea ~ una aplicacin afn
de R.n en JRm. Probemos que ~- 1 [C') es convexo. Es decir, probemos que si v 1
y v2 son dos puntos de ~- 1 [G'], y ..\E [0, 1], entonces:

Como ~ es una. aplicacin afn, se verifica.:

.P(>u, + (1- >)u,) ~ >q>(u,) + (1- A)q>(u,). (1)

COKJUNTOS CONVEXOS 21

Ahora bien, como v 1 y v2 son puntos de p- 1[0'], f>(v) y f>(v2) son puntos
del conjunto convexo C', y el segundo miembro de (1) es un punto de C'. En
consecuencia: 1>(Av 1 + (1- >..)v2) E C', es decir: Av1 + (1- A)v2 E 1>- 1\C'].
En conclnsin: p- 1[C'] es convexo. c.Q.D.

Consecuencias de la proposicin 5. Se verifica:

Un semiespacio cerrado, esto es, un conjunto de la forma:

{ (xt,X2, ,xn) ERn 1 ~a;xi::; b},

donde at, a2, ... , an y b son nmeros reales y a1, az, ... , an no son
simultneamente nulos, es un conjunto convexo.
Pues es la imagen inversa del intervalo -y por ta.nto conjunto (.unvexo---
( -oo, b] por la aplicacin lineal:

(2)
i=l

Un semiespacio abierto, es decir, un conjzmto de la forma:

{ (xt, X2, ... , Xn) E R" t,ll.tXi < b},

1

donde a 1, a2, ... , an yb son nmeros reales y a1, a2, ... , a.. no son
simultneamente nulos, es un conjunto convexo.
Pues es la imagen inversa del intervalo (-oo,b) por la aplicacin lineal
definida en (2).

1.4. Operaciones con con:juntos convexos

Proposicin 6. La interseccin de conjuntos convexos es un conjunto con-
vexo.
Demostracin. Sea 1 un conjunto arbitrario, y para cada i E I sea C; un sub-
conjunto convexo de JR". Designemos por C la interseccin de los conjuntos C.
cuando i recorre I:

Si x y y son dos puntos de C, y). E [0, 1], entonces, para cada i E I, por ser C;
convexo: Aa:: + (1- A)y E C,, y por tanto:

).a::+ (1- A)v E C.

El conjunto Ces, pues, convexo. C.Q.D.
22 CONVEXIDAD

EJEMPLO l. Sean Pl! P2, ... , Pn y w nmeros reales. El conjunto de los pun-
tos (x,X"l, . .. ,xn) de Rn que verifican:
n
D;x;::::;w, y x,~O para1SiSn,
i=l

es convexo, pues es la interseccin de los siguientes conjuntos:

{(x,,x,, ... ,x,)Ell<" :fy,x,s;w}

'"' 1
y {(x,X2, ... , Xn) E Rn 1 X; ~ O}, 1 :::::; i :5 n, que son conjuntos convexos (al ser
semiespacios cerrados).

Proposicin 7. El producto de conjuntos convexos es convexo.

Demostracin. Sea C; un subconjunto convexo de Rn pa.ra 1 :5: i :5: p. Compr<?-

bamos que el conjunto C = G 1 x G2 x x e"P es convexo.
Si ( X1, X2, .. , Xp) y (Yt> Y2, ... , Yp) son dos puntos de e,
y ). E [0, 1], en ton-
ces:

A(:r,:c2,. ,:rp) + (1- A)(Yt>Y2 .. ,yp)

= (A:rt + (1 - A)y1,A:r2 + (1- A)y 2, ... , Axp + (1- A)yp) ,
y como, para cada 1 :::::; i:::::; p, el punto A:c1 + (1- A)Y; pertenece a (por ser este e,
conjunto convexo), se obtiene: A(::ct, ::c 2 ,. , Xp) + (1- A){y 1 , y 2 , , Yp) E C. El
conjunto Ces, pues, convexo. c.Q.D.

EJEMPLO 2. El conjunto

es convexo, pues es igual al siguiente producto de intervalos:

EJEMPLO 3. El conjunto lR't es convexo, pues:

R.~= JR+ X X R.+= "O,+oo) X X (O,+oo).

EJEMPLO 4. El conjunto (IR'f-)n es convexo, pues:

(111+)" ~ (0, +oo) x ... x (0, +oo).

nveces

CONJUNTOS CONVEXOS 23

Proposicin 8. La. suma de conjWJtos convexos es un conjWJto convexo.

Demostracin. Sean C 1 y C 2 dos subconjuntos convexos de lR". Probemos que es

convexo el conjunto:

La aplicacin:

es obviamente lineal ~y por tanto afn-, y el _._e2 es la imagen por S de C Xc2,

que es convexo. Con la proposicin 4 (cf. p. 19) se concluye que el conjunto C1 +e2
es convexo. C.Q.D.

Consecuencia de la proposicin 8. Si C y Cz son dos subconjuntos con-

vexos de IRn, y a: y j3 son dos nmeros reales, entonces a:C +/3C2 es convexo
(cf. consecuencias de la proposicin 4, p. 20).

1.5. Propiedades topolgicas de los conjuntos convexos

Proposicin 9. La adhere.na de WJ conjunto convexo es WJ conjWJto con-

vexo.

Demostracin. Sea e un subconjunto convexo de Rn. Probemos que la adherencia

de C: C (conjunto de puntos de R'"' que son adherentes a e), es un conjunto
convexo.
Si :e y y son dos puntos de C, y>. E [0,1], vamos a probar:

>.a:+ (1- >.)y E C.

Por ser a: y y puntos de C, existen dos sucesiones de puntos de C, (xp) y (Yp),

tales que:

(3)

Consideremoo la sucesin (>.:z:p + (1- >.)yp) Se verifica:

o para cada pE N, >.a:p + (1- >.)yp E e (por ser e convexo);
o de (3) se deduce: lm (>.xp + {1- >.)yp) = >.x + (1- >.)y.
& decir, la sucesin (>.xp + (1- >.)yp) tiene sus trminos en e y converge al
punto >.x + (1- >.)y. En consecuencia: >.a:+ (1- >.)y E C.
En conclusin, el conjunto es convexo. C.Q.D.
24 ---~Cc.ONVEXIDAD

EJEMPLO 5. Una bola, abierta o cerrada, de Rn es un conjunto convexo.

En efecto. Sea B(:c0 , r) una bola abierta. Sean x y y dos puntos de B{zo, r),
y A E [0, 1]. Probemos que >.x + (1 ->.)y E B(xo, r).
Como :r: y y son puntos de B(xo,r), se tiene:

d(x,a:o) = lla:- a::oll < r y d(y,Yo) = IIY- Yoll < r,

y en consecuencia:

d(>.x + (1- >.)y, xo) ~ ))>.x + (1- >.)y- xo))

~ ))>.(x- xo) + (1- >.)(y- xo)ll
5 >.))x-xoll +(1- >.)))y- xoll
:$ mx{llx- xoll, IIY- zoll} < r,
es decir: Aa: + (1 -.\)y E B(:~:o, r). En conclusin, B(xo, r) es convexo.
Que la bola cerrada B(xo,r) es un conjunto convexo se deduce del hecho de
que B(xo,r) es la adherencia de B(xo,r) y de la proposicin 9.

Proposicin 10. Dados V}) 112, .. 'Vm, puntos de IRn, el conjunto e de los
puntos que son combinacin convexa de ellos:

e~ {t,n,v, 1 Oi 2: O para. 1 ::::;; i ::; m,

es compacto.

Demostracin. El conjunto Ces acotado, ya que se tiene:

El conjunto C es cerrado. Para demostrarlo, comprobemos que el lmite de

toda sucesin convergente cuyos trminos sean puntos de Ces un punto de G.
Sea (xp) una sucesin convergente cuyos trminos son puntos de C. Para
cada. p E N, sea:
m
Xp = apitl;.
i~l

Consideremos la sucesin ( ap), donde: aP = (o:p 1, o:P 2, ... , O:pm) Esta sucesin
verifica que sus trminos son puntos del conjunto:
FU!\JCIOT\ES CNCAVAS Y FUNCIONES CONVEXAS 25
~-~-~~=-----

que es compacto (cf. actividad 1, p. 85); existe, pues, una subsucesin (a~(pl) que
converge a un punto de D:

y es obvio que la subsucesin (a:q(p)) converge a a;

V;, que resulta ser un punto
=l
de C. Ahora bien, como la sucesin (a:.,) es convergente, se tiene:

m
lm (a:.,)= lm (xq(p)) = La;v;,
i=L

y por tanto el lmite de la sucesin (x.,) es un punto de C. Y Ces cerrado.

En conclusin, Ces compacto. C.Q.D.

Nota bene. Fijados unos puntos de Rn (en cantidad finita), el mnjunto

de los puntos que son combinacin convexa de ellos es convexo y compacto.
I_,o segundo se acaba de probar en la proposicin 10; lo primero se prob en
la proposicin 2 (cf. p. 18). 6.

2. FUNCIONES CNCAVAS Y FUNCIONES CONVEXAS

2.1. Funciones cncavas

Es decir: el valor de la funcin en una combinacin convexa de dos

puntos del conjunto convexo Ces mayor o igual que la misma combinacin
convexa de las imgenes de dicha.o;; puntos.

Nota bene. Queda asegurado que cualquier combinacin convexa de

dos puntos de Ces un punto de C, pues este conjunto es convexo. 6.
26 CONVEXIDAD

EJEMPLO 6. Una aplicacin afn de IR" en lit:

n

(x, xz, ... ,x,.) E R." ,...._. f(xi, xz, ... ,x,.) = Lllix +bE R,
i=l

es una funcin cncava sobre R". En efecto, cualesquiera que sean los puntos :r:
y y de R", y el nmero >.de [0, 1], se tiene:

J(>x + (1- >)y)~ V(x) + (1- >)f(y),

pues A::c+(l->.)y es una combinacin afn de x y y {y la imagen por una aplicacin
afn de una combinacin afn es igual a la combinacin afn de las imgenes).
En particular, una aplicacin lineal de R" en R:
n
(x 1 ,xz, ... ,x,.) E R" ,...._. lljx; E R,
i=l

es una funcin cncava sobre R".

Por ejemplo, las funciones:

f 1 (x,y,z)=2x-y+z-8 y f2(x,y,z,t)=x-y+7t

son cncaVBB sobre R 3 y sobre R 4, respectivamente.

EJEMPLO 7. Una funcin constante sobre un conjunto convexo no vaco C:

x E C~ f(x) =k E R,

es cncava sobre e' pues cualesquiera que sean los puntos z y y de e' y el nmero),
de [0, 1], se tiene:

EJEMPLO 8. La funcin f(z) = -llzll = -J:t~+x~++x~ es cncaVH.l:!O-
bre R.". En efecto, dados z y 'lJ pertenecientes a R", y). perteneciente a [0, 1], de
las propiedades de la norma se deduce:

!(>x+ (1- >)y)~ -11> + (1- >M

2: -1>11111- 11- >IIIYII
~ _, 1111 - (1- >) IIYII

~ >!(x) + (1- >)J(y).

Si fijamos un vector zo de R", anlogamente se demostrara que es cncava

sobre R" la funcin -llz- zoll de la variable :z:.
FUNCIONES CNCAVAS Y FUNCIONES CONVEXAS 27

Proposicin 11. Si f, /2, . , , , fp son funciones cncavas sobre un conjunto

convexo e,entonces la funcin deJa variable z:

(4)

es cncava sobre C.

Demostracin. Si a:1 y Z2 son dos puntos de e, y>. E [0, 1], probemos se verifica:
f(>z, + (1- >)z,) 2: Af(z,) + (1- >)f(z,). (5)

Si 1 :$. i :::; p, entonces de la concavidad de f y de la. definicin de f (d. (4))

se deduce:

t.(> + (1- >)z,) 2: >h(z,) + (1- >)t.(z,)

2: >!(.) + (1- >)f(z,); (6)

es decir: cualquiera que sea 1 :::; i $; p, se tiene:

/;(> + (1- >)z 2 ) 2: >!() + (1- >)f(z,).

En consecuencia:

f(>.+ (1- >)z,) =mfo{f;(>z, +(1->)z,) 11$; $p)

2: >f(z,) + (1- >)f(z,),

y se verifica (5). C.Q.D.

Escolio. Si 1 $; i $; p, segn (4) se tiene que /o(a:) 2::: f(a:) para

cada z E e, y como>. y 1- >.son nmeros reales positivos o nulos:

lo que justifica la desigualdad (6).

Proposicin 12. Si f, f2, ... , /11 son funciones cncavas sobre un conjunto
convexo C, y a 1 , a2, ... , a, son nmeros reales mayores o iguales que O,
entonces la funcin

es cncava sobre C.
28 CONVEXIDAD

Demostracin. Si w y y son dos puntos de C, y>. E [0, lj, entonces, de ser cada/;
cncava sobre C, y cada o:, positivo o nulo, se deduce:

'
F(>.x + (1- >.)y)~ L;od;(>.x + (1- >.)y)
i=l

'
;, >.L;od;(x) +(1- >.)L;od;(y) '
i=l i=l

~ >.F(x) + (1- >.)F(y).

La funcin Fes, pues, cncava sobre C. C.Q.D.

Proposicin 13. Si f es una funcin cncava sobre un conjunto convexo C,

y a E lR, entonces los conjuntos

{"'E e 1 !("')>a) y { E e !("');,a)

1

son convexos.

Demostracin. Si Xl y Xz son dos pHntos de {a: E e 1 f(x) >o}, es decir:

y). E [0, 1], entonces de la concavidad de f se deduce:

f(>.xl + (1- >.)a:2) 2: Af(x} + (1- >.)f(~2) >>.a+ (1- A)et =o:,
y por tanto Aw1 + (1- A}:c2 es un punto de {x E C 1 j(x) >o:}. Este conjunto
es, pues, convexo.
Argumentando como en el caso anterior se demostrara la convexidad del con-
junto {x E C f(w);;::: a}.
1 C.Q.D.

EJEMPLO 9. Los conjuntos:

A={(x 1 ,x2)ER 2 1Jx~+:r1<2} y B={(x1 ,x2)ER 2 1Jx~+xk;2}

son convexos. En efecto, la. funcin -jx~ +x~ de (x 1 ,x2 ) es cncava. sobre JR 2
(cf. ejemplo 8), y por ta.nto (cf. proposicin 13) los conjuntos:

At = {(xl!:z;2) E1R 2 1-Jx~-1.-:z;~ > -2}

y B 1 = { (Xt.X2) E R.21-Jx~ +x~ ::::0: -2}
son convexos. Pero A= A1 y B = Bt, luego A y B son convexos.

FUNCIONES CNCAVAS Y FUNCIONES CONVEXAS 29

2.2. Caracterizacin de una funcin cncava

En lo que sigue, dado un subconjnnto convexo no vaco de Rn, si x es nn e
punto de e
y w un vector de ]Rfl' denotaremos por le( x, w) el conjunto:

Ic(x,w) ~ {.\ EIR 1 x+-\w E C}.

Propiedades del ctJnjunto Ic(x,w). Se verifica:
El conjunto Ic(x, w) es un intervalo de nmeros reales.
En efecto, si >..1 y >.. 2 son dos puntos cualesquiera de Ic(:~!,w) y>.. est
comprendido entre ellos, es decir, existes E [0, 1] tal que>..= S +(1-s)>..2,
entonces >..E Ic(z, w), pues;

:1! + >..w := (s+ (1- s)) :1! + {s>..1 + (1- s)A2) w

== s(z + A1w) + (1- s)(z + A2w),
y este ltimo punto pertenece al conjunto convexo e por pertenecer a e los
puntos a: +A 1 w y a:+A2w.
e
Si es abierto, entonces Ic(x, w) es un intervalo abierto de nmeros
reales.
En efecto. Si w =O, entonces Ic(a:,O) = R, que es abierto.
Si w :f- O, sea to E le(:~!, w). Entonces a:+ tow E e,
y existe r > 0 tal
que B(z + tow,r) ~C. Si jt- to] < r/ Jlwjj, entonces:

ll(x +tw)- (x +tow)ll ~ lt- <olllwll < '

y por tanto :e+ tw E E( a:+ tow,r) ;; C, y tE Ic(x, w). En consecuencia;

B(to,c/llwll) <;; Ic(x, w),

y lc(x, w) es abierto,

Proposicin 14. Sea e

un subconjunto convexo no vaco de JR.n, y sea f
una funcin numrica definida sobre C. Los siguientes enunciados son equi-
valentes entre si:
a) f es cncava sobre C;
b) cualesquiera que seBJl X E eyw E Rn' la funcin numrica de una
variable real:

A e--> f(x + Aw)

es cncava sobre el intervalo Ic(:v, w);
30 CONVEXIDAD

e) el conjunto:

H'J ={(o:, y) E e X IR 1 y< f(z))

es convexo en JRn+l;
d} el conjunto:

H = {(z,y) E e X IR 1 Y$ f(z))
es convexo en JRn+l.

Demostracin.
(a) "' (bi
Denotemos por h la funcin real de una variable real:

~ f----1. f(z +Aw),

definida sobre Ic(.x, w). Sean >..1 y A2 dos puntos de Ic(x, w), y seas E [0, 1];
debemos demostrar:

h(s>., + (1- s)>.,) <o sh(>.,) + (1- s)h(>.,).

Si hacemos :t: = :e+ AW y :1:2 =

.x + Azw, entonces Xt E C, Zz E C,
=
h(>.) /(zl) y h(>.2) = J(x2), y se tiene:

h(s>., + (1- )>.,) = !("' + (>., + (1- )>.,)w)

= /(( + (1- ))"' + (>., + (1- s)>.,)w)
= f(s(z + >.,w) + (1- s)("' + >.,w))
= f(sa: + (1- s).x2)
<o sf(.,,) + (1- )f(z,)
= h(>.,) + (1- )h(>.,) .

(b} "' (<}'

Sean (:z: 1,y) y (:z:2,Y2) dos puntos de ltj, es decir, :tt y :1:2 son puntos
de ey
(7)

y seas E [0, 1]. Debemos probar que s(a:t,y} + (1- s)(z2,112) E Hj, o lo
+ (1- s):z:2,sy1 + (1- s)Y2) E Ir}; es decir, debemos
que es lo mismo: (s:z:
probar se verifica:
i) S:ll + (1- s)zz E 0,
FU~CIONES CNCAVAS Y FU"JCIONES CONVEXAS 31

ii) f(sx 1 + (1- s)x:z) > sy1 + (1- s)y:z.

g1 enunciado (i) es consecuencia de ser C convexo. Para probar (ii), consi-
deremos el intervalo Ic(x 2 , x 1 - x 2 ), al que pertenecen loo nmeros reales O
y l. La funcin real h definida de la forma:

es, por hiptesis, cncava sobre Ic(x:z,X- x:z), y adems h(1) = f(xt)
y h(O) = f(x:z). Por tanto, teniendo en cuenta (8) y (7), se tiene:

f(sx + (1- s)xz) = h(s)

~h(,l+(l-,)0)

~ ,h(l) + (1- ')h(O)

?: sf(xt) + (1- s)f(x:z)
> sy1 + (1- s)y:z.

(o)=> (d)'
Sean (xl!y1 ) y (xz,y 2 ) dos puntos de H, y seas E [0,1]. Debemos
probar que s(xi>y1 ) + (1- s)(x:z,1J2) EH, o lo que es lo mismo:

(sx1 + (1- s)x:z,.~YI + (1- s)yz) E Ht;

esto es, debemos probar se verifica:
i) SX + (1- s)X:z E e,
ii) f(sx 1 + {1- s)xz)?: sy 1 + (1- s)Y2
La convexidad de C demuestra (i). Para probar (ii), fijemoo o > O arbi-
trario. Entonces loo puntos (x 1 ,y 1 - o) y (xz,yz- a) son de Hf., que por
hiptesis es convexo, luego: s( x 1 , y1 -a)+ (1- s )( x:z, 1/2- o:) E H'}, es decir:
(sx + (1- s)x:z, sy + (1- s)yz- a) E Jt}, y por tanto:
f(sx + (1- s)x:z) > sy + (1- s)yz- o:.
Hemos probado:

Va> O, f(sx 1 +(1- s)xz) > sy1 +(1- s)y2 -o,

de lo que se deduce (ii) (si fuera f(sx 1 ____ (1- s)xz) < sy1 + (1- s)y2 , llc-
garamO'I a un absurdo). El conjunto H es efectivamente convexo en R"-+1.
(dJ => M
Sean X y X:z dos puntos de e, y sea S E [0, 1]. Si hacemos y = f(x)
y 112 = f(xz), entonces (x 1 , y1 ) y (x 2 , y:z) son puntos de H, que por hiptesis
es convexo, y por tanto: s(x 1 ,y1 ) + (1- s)(x 2,yz) EH, esto es:

(sx + (1- s)x:z,sy1 + (1- s)yz) EH,

32 CONVEXIDAD

y en consecuencia:

La funcin f es, pues, cncava sobre C. C.Q D.

2.3. .FUnciones convexas

Es decir: el valor de la funcin en una combinacin convexa de dos

puntos del conjunto Ces menor o igual que la misma combinacin convexa
de las imgenes de dichos puntos.

EJEMPLO 10. Una aplicacin afn de Rn en R:

"
(Xt, X:;r, .. ,Xn) E R" >------+ f(xt, X:;r, . ,Xn) = 2::),x; +bE IR,
i~l

es una funcin convexa sobre Rn, pues cualesqniera que sean los puntos x y y
de IR", y el nmero >.. de [0, 1), se tiene (e f. ejemplo 6, p. 26):

/(>z + (1- !.)y)~ A/(z) + (1- >)f(y).

Toda aplicacin afn de Rn en R es, pues, una funcin a la vez cncava. y

convexa sobre R.n, y lo mismo acontece, por tanto, con toda aplicacin lineal
de Rn en R.
EJEMPLO 11. Una funcin constante: x E C ~k E !R (donde Ces convexo
no vaco) es simultneamente cncava y convexa sobre C, como se deduce del
ejemplo 7 (cf. p. 26).
fUI\ ClONES C'>.;CAVAS Y FU\CIONES C\1\'EXAS 33

EJEMPLO 12. La funcin g(x) = !lxll = .jxf+x~++x; es convexa so-

bre Rn, pues la funcin:

es cncava sobre Rn (cf. ejemplo 8, p. 26).

Si xo E lR", la funcin llx- xoll de x tambin es convexa sobre R".

Argumentando como en la proposicin 11 (d. p. 27), se tiene:

Proposicin 15. Si h, h, ... , fp son funciones convexas sobre un conjunto

convexo C, entonces la funciil de la variable x:

J(x) ~ mix{f(x), h(x), .. , J,(x)}

es cmJvcxa sobre C.

De la dcfmidn de funcin convexa y de la proposicin 12 (cf. p. 27) se

dedur.e la siguiente

Proposicin 16. Si JI, fz, ... , /p son ftmciones convexas sobre un conj1mto
convexo C, y cq, 0:2, ... , ap son nmeros reales mayores o iguales que O,
entonces la funcin

es convexa sobre C.

De la definicin y de la proposicin 13 (cf. p. 28) se obtiene:

Proposicin 17. 8i f es una funcin COilVexa sobre tul conjunto COllVexo e,

y o E lR, entonces los conjuntos

(xECif(x)<a} y {xECif(x)<:a)

son convexos.

Oc la definicin y de la proposicin 11 ( cf. p. 29) se infiere la siguiente

caracterizacin de una funcin convexa:

Proposicin 18. Sea C un subconj1mto convexo no vaco de R.n, y sea f

una funcin n11mrica definida. sohre C. Los siguientes emmciados son equi-
valentes entre si:
34 CONVEXIDAD

a) f es convexa. sobre C;
b) cualesquiera que sean x E C y w E IRn, la funcin numrica de una
variable real: >. !----)- f(x +Aw) es convexa sobre el intervalo Ic(x, w);
e) el conjunto {(x, y) E C x R y> f(x)} es convexo en Rn+l;
1

d} el conjunto {(x, y) E C X R 1 y 2:: f(x)} es convexo en Rn+l.

2. 4 Punciones cncavas diferenciables

Proposicin 19. Sea C <;;_ Rn un conjunto no vaco, convexo y abierto,

y sea f una. funcin nwnrica. diferenciable en cada pi.Ulto de C. Una
condicin necesaria y suficiente para que f sea cncava. sobre C es:

~ (x, y) E C 2 , f(x)- f(y) ;> df(x)(x- y). (9)

Demostracin. La condicin es necesaria. Sean x y y dos puntos de C y probemos
se verifica:

f(x)- f(y) :> df(x)(x- y). (lO)

Dado que f es cncava sobre C y diferencia.ble en cada. punto de C, la funcin h

de la variable t:

h(t) ~ f(y + t(x- y))

es cncava sobre Ic(y, x-y) (cf. proposicin 14, p. 29) y derivable en cada punto t
de este intervalo (cf. Recordatorio, p. 74) con derivada:

h'(t) ~ df(y + t(x- y))(x- y). (11)

Ahora bien, O y 1 son elementos del intervalo abierto Ic(y,z- y), y por tanto
(cf. Clculo 1, p. 239):

h(O)- h(l) > h'(l)

o 1 - '

es decir: h(l)- h(O);::: h'(l), y con (11) se concluye (10), pues:

h(l) ~ f(x), h(O) ~ f(y) y h'(!) ~ df(x)(x- y).

La condicin es suficiente. Suponemos se verifica (9), y debemos demostrar

que j es cncava sobre C. Dados z E 0 y vE IR", probaremos que la funcin:

h(t) ~ f(x +tv)

FL'NCIONES CNCAVAS Y FUNCIONES CONVEXAS
-------
35

es cncava sobre Ic(x,v), o lo que es equivalente (por ser h derivable): h' es

o

decreciente sobre ;(;,V)= Ic(x,v) (cf. Clculo I, proposicin V.5, p. 242).

Sean t 1 y t2 dos elementos de Ic(x, v), y hagamos :z:1 = x+t1v y x2 = :z:+t2v.
Entonces de (9) se deduce:

f(x,)- f(x,) 2 df(x,)(x,- x,) ~ df(x,)((t,- t,)v) ~ (t,- t,)df(x,)(v),

y en consecuencia:

h(tt) ~ h(t2);::: (ti~ t2)h'(tt), (12)

pues f(xd = h(tt), j(x2) = h(t2), y

h'(t) = df(x +tv)(v) y por tanto h'(tt) = df(x 1 )(v).

De la misma forma obtendramos:

h(t,) - h(t,) 2 (t,- t,)h'(t,). (13)

Si h < t2, de (12) y (13) se deduce:

h'(t ) > h(t,)- h(t,) ~ h(t,)- h(t,) > h'(t2 )

l ~ ti t2 t2 t - ,

y por tanto h' es decreciente sobre Ic(x,v). En conclusin, h es cncava so-

bre Ic(x,v), y fes cncava sobre C. C.Q.D.

Corolario. Sea f una funcin cncava sobre un subconjunto abierto y con

vexo e
de IRn que es diferenciable en cada punto de C. Si x E es tal e
que:

f~,(x*) =O para 1 :5 i :5 n,

entonces f admite un mximo globaP sobre C en x* (es decir, se verifica:

Vx E C, f(x) S f(x')).

Demostracin. Dado que f~,(x*) =O para cada 1:::; i :5 n, la diferencial de f en

el punto x, es decir, la aplicacin lineal:

"

1
Cf. captulo II.
36 COJ\\TEXIDAD

es la aplicacin 0: (y1 ,y2 , . ,y.. ) E IR" f---t O E R. En consecuencia, de (9) se

deduce:
Vy E e, f(x')- f(y) :, df(x')(x'- y)~ 0,
es decir:
V y E e, /(y)~ /(x'),
y f admite un mximo global sobre e en x. C.Q D.

EJEMPLO 13. Dados a :2:. O y b 2: O, la funcin:

j(x 1,xz) = -ax~- bx~
es cncava sobre JR 2
En efecto. La funcin f es diferenciable en cada punto de R 2 (pues es un
polinomio) y su diferencial en un punto (x, xz) E IR~ es la aplicacin lineal:
(v, vz) E R 2 f---t df(x, x2)(vb vz) = ( -2ax 1 )v + (-2bx2)v2 E R,
pues!~, (x 1 ,xz) = -2ax 1 y j~ 1 (x,,xz) = -2bxz. Para cada (y,yz) E R 2 se tiene:

dj(x,xz)((xt,x2)- (Yt.Y2)) = dj(xt,Xz)(xt -y,xz -112)

= -2ax 1(x - Yt)- 2bxz(xz- yz)
= -2ax~ + 2ax 1 y 1 - 2bx~ + 2bx 2 w. (14)
Por otra parte:
f(x,xz)- f(y, 112) = ( -ax~- bx~) - (-ay~ -by~)
-- -ax 'bx'
1 - 2 +ay'by'
1 + 2 (15)
y restando (14) de (15) resulta:

f(x, Xz) - f(Yt, Y2) - dj(x11 x2)( (x11 Xz) - (y, Yz))
= -ax~ - bx~ + ay~ + by~
- ( -2ax~ + 2axy - 2bx~ + 2bx~yz)
= a(x - Yt) 2 + b(xz- 112) 2.
Pero a(x 1 - Yt) + b(x 2 - Y2) 2 2: O, pues a 2: O y b;:: O, luego:
2

f(x,xz)- f(y 1,Y7,) ~ df(xl1xz)((x,X2)- (Yt.Y2)).

Rn consecuencia (cf. proposicin 19, p. 34), fes cncava sobre R 2
Por otro lado, como:

J;, (0, O) ~O y ;, (0, O) ~O,

la funcin f admite un mximo global so-bre R 2 en el punto (0, O) ( cf. corolario de
la proposicin 19).
FUNCIONES CNCAVAS Y FUNCIO\IES CONVEXAS 37
~~--

2.5. Formas cuadrticas. Aplicaciones a la concavidad de fun-

ciones de clase C2

Recordemos lo que es una funcin homognea sobre IRn: dado un nmero

real o:, de una funcin numrica f definida sobre IRn se dic-e es homognea
de grado a (sobre IRn) si verifica:

Vt >O, Vx E IRn, f(tx) ~ t"f(x).

Es decir, una forma cuadrtica sobre IR" es una funcin numrica q

definida sobre IRn que puede escribirse de la forma:
n n
q(x) = q(x1, x2, ... , xn) = a,1xiXj,
i=l j=l
donde a,J E R. para 1 ::; i ::; n y para 1 ::; j ::; n.

EJEMPLO 14. La funcin q(x, x2) = x 1 x2 -x~ es una forma cuadrtica sobre R 2.
La funcin p(x, x2, X.3) = xf- xJ +3xX2X3 no es una forma cuadrtica, pues
no es una funcin homognea de grado 2 (ntese, sin embargo, que es homognea
de grado 3).
La funcin r(x,X2,.1.:3,x4) = x~ es una forma cuadrtica sobre lR 4.
De una forma cuadrtica q sobre IR" diremos es semidefinida negativa
si verifica:

y diremos que q es definida negativa si verifica:

Vx E IRn- {0}, q(x) <O.

Anlogamente se define semi definida positiva: 'rl X E IR", q(x) 2: O; y

definida positiva: 'rl x E R."-{0}, q(x) > O. Diremos que q es indefinida
si no es semidefinida negativa y no es sernidcfinida positiva.
Se puede demostrar (cf. actividad 6, p. 88) que mm forma cuadrtica
sobre JR 2 :
38 CONVEXIDAD

verifica:
es semidefinida negativa precisamente si: a :::; O, e ::; O y b'l - ac S: O;
es definida negativa precisamente si: a < O, e <O y b2 - ac < O;
es semi definida positiva precisamente si: a~ O, e~ O y b2 - ac::; O;
es definida positiva precisamente si: a > O, e > O y b2 - ac < O.
Dada una matriz real A =cuadrada de orden n y simtrica2,
(ai),
llamaremos forma cuadrtica asociada a la matriz A a la siguiente
forma cuadrtica sobre lRn:
n n
q(xt,X2, ,xn) = l:I:aijXiXj.
i=lj=l

Ntese que la forma cuadrtica asociada a la matriz simtrica:

es: q(x, y) = ax 2 + 2bxy + cy2

Como nna aplicacin de las formas cuadrticas se tiene la siguiente
caracterizacin de funcin cncava:

Proposicin 20. Sea C ~ 1Rn un conjunto no vacfo, convexo y abierto, y

sea f una funcin numrica de clase C2 sobre C. Una condicin necesaria
y suficiente pare. que f sea cncava sobre C es que, para cada a: E 0, sea
semideiinida negativa la forma cuadrtica sobre lR.n:

n n fPJ
q(v)=q(v,v2, ... ,vn)=LLa B .(:n)v.v;. (16)
-
-1 -1
)-
x, XJ

Demostracin. La condicin es necesaria. Sea :e E e, y probemos se verifica:

(17)

cualquiera que sea (v, v2, ... , Vn) E lR".

Si (v1,v2, ... ,v,.) ElR", como fes cncava y de clase C2 sobre e, la siguiente
funcin h:

h(t) ~f(x+tv),

2
Cf. Problemll8 de Algtlbra Lineal, captulo IV.
 FUNCIONES CNCAVAS Y FUNCIOI\ES CONVEXAS 39

es cncava sobre Ic(z,v) y dos veces derivable en cada punto t de este intervalo
con derivada segunda (cf. Recordatorio, p. 76):

lf' f
h"(t) = EEax ax ( +tv)v,v,. (18)
i=lj=l 3

-'-
Ahora bien, O E Ic(z,v) = Ic(z,u), y por tanto (cf. Clculo I, corolario de la
proposicin V.5, p. 242): h"(O) :5O; y con (18) se concluye (17).
La condicin es suficiente. Supongamoo que para cada z E e
la forma
cuadrtica q definida en (16) es semidefinida negativa; y, fijado (z,v) E R", ex
probemos que la funcin: h(t) = f(z + tv) es cncava sobre Ic(z, u).
Si tE Ic(z,v), entonces

y como la forma cuadrtica

es ~por hiptesis- semidefinida negativa, se tiene que h"(t) :5O. Es decir:

Vt E Ic(z,v), h"(t) :5O,

o lo que es equivalente: hes cncava sobre Ic(z, v). C.Q.O.

.-. Ntese que la forma cuadrtica dada en (16) es la asociada a la matriz

.
hessiana de f en x (cf. Recordatorio, p. 75).
.\
EJEMPLO 15. Dados dos nmeros a: y /3, la funcin f(x,y) = rxyP es cncava
sobre R x R si y slo si:

Cl'E[0,1), /3Ej0,1] y a+/3:51. (19)

La funcin f es de clase C2 sobre el conjunto convexo y abierto R.f. X R, y la

matriz hessiana de f en un punto (x,y) de R.f. x R.f. es:

De acuerdo con la proposicin 20, la funcin f ser c6ncava sobre R x R.f. si

y ~lo si, para cada (x, y) de este conjunto, la forma cuadrtica asociada a la
40 CONVEXIDAD

matriz hessiana anterior es semidefinida negativa, lo cual se tiene precisamente si

(cf. p. 37):

o(o- l)x"'- 2yP'::; O, (3((3 -l)x"y>-z :5O,

(a~x-'y'-')'- (n(n- l)x-'y') (~(B -l)x,;'-') ~O.

Como: xor.-Zyf' > O, y lo mismo acontece con las restantes funciones potencia de
las desigualdades anteriores, estas desigualdades son equivalentes a:

a(a-1):50, (3((3-1):::;0 y o.{3(o:+(3-l):s;O.

Estas tres desigualdades son a su vez equivalentes a (19).

2.6. Punciones convexas diferencables
Como una funcin f es convexa precisamente si la funcin (-!) es cncava,
de las proposiciones 19 (cf. p. 34) y 20 (cf. p. 38) se deduce:

Proposicin 21. Sea C ~ JR.n un conjunto no vaco, convexo y abierto,

y sea f lllla funcin nwnrica diferenciable en cada punto de C. Una
condicin necesaria y suficiente para que f sea convexa sobre C es:

V(x, y) E C', f(x)- f(y) ~ df(x)(x- y).

Corolario. Sea f una fWJcin convexa sobre subconjWito abierto y con-

lUl

vexo e de lRn que es diferenciable en cada punto de Si x Ee. es tal e

que:

f~, (x*) =O para 1::; i::; n,

entonces f admite un mnimo globaP sobre el conjunto e en x* (esto es,

se verifica: \lx E e, f(x) 2: f(x*)).

Proposicin 22. Sea e ~ Rn un conjunto no vaco, convexo y abierto, y

sea f una funcin numrica de clase (.1 sobre e. Una condicin necesaria
y suficiente para que f sea convexa sobre C es que, para cada x E e, sea
semidefinida positiva la forma cuadrtica:

3
Cf. captulo 11.
FU:-.JCIONES CNCAVAS Y FUI\ ClONES CONVEXAS 41

2. 7. Punciones estrictamente c6ncavas

Ntese que 1ma funcin estrictamente cncava sobre 1m conjunto tam-

bin es c-ncava sobre el mismo conjunto.
Con argumentos como los utilizados al estudiar las funciones cncavas,
se demostrara:

Proposicin 23. Sea C 1m subconjunto convexo no vaco de lR", y sea f una

bmcin numrica df'Jinida sobre C. Una condicin necesaria y suciente
para que f sea estrictamente cncava sobre () es que, cualesquiera que
sean x E C y w E lRn, con w i- O, la funcin numrica de una variable real:

h--+ f(x + >.w)

sea estrictamente cncava sobre Jc(x, w) = {>.. E IR 1 x + Aw E G}.
Nota bene. En el enunciado de la proposicin anterior se exige que
el vector w sea distinto del vector O, a diferencia del enunciado de la pro-
posicin 14 (cf. p. 29). La razn es la siguiente: cuando w = O, se tiene
que Jc(x,O) =R., y la funcin

>.E R >---+ f(x) E R

es constante sobre R, y por tanto cncava sobre R, pero no estrictamente

cncava (como se comprueba inmediatamente). ll.

Proposicin 24. Sea C ~ IRn un conjunto no vaco, convexo y abierto, y

sea f una funcin numrica diferenciable en ca.da punto de C. Una condi-
cin necesaria y suficiente para que f sea estrictamente cncava sobre C

"''
V (x, y) E 0 2 , (x ;"y) = f(x)- f(y) > df(x)(x- y). (20)
42 ~------~C~ONVEXIDAD

Corolario. Sea f una funcin estrictamente cncava sobre un subconjunto

abierto y convexo C de IRn que es diferenciable en cada punto de C. Si :~:
es un punto de e tal que:

f~ 0 (x*) =O para 1 S: i:::; n,

entonces f admite un mximo global sobre C solamente en el punto x*.

Proposicin 25. Sea C ~ IRn un conjunto no vaco, convexo y abierto, y

sea f l.UIB. funcin numrica de clase C2 sobre e. Si para cada X E e la
forma cuadrtica:
n n n az
(viJ vz, ... , vn) E IR f----t LLax {)x. (x)viVj E IR
=lj=l l J

es definida negativa, entonces f es estrictamente cncava sobre C.

La condicin de la proposicin 25 es suficiente, pero no necesaria, para

que una funcin sea estrictamente cncava.

2.8. Funciones estrictamente convexas

Obsrvese que una funcin estrictamente convexa sobre 1m conjtmto

tambin es convexa sobre el mismo conjunto.
Para funciones e8trictamente convexas, se tiene la caracterizacin de la
proposicin 24 con el sentido de la desigualdad estricta (20) cambiado:

V(x, y) E C 2, (x f y) = f(x)- f(y) < df(x)(x- y),

e
y como consecuencia, si f es diferenciable y x~ E es tal que cada derivada
parcial f~.(x*) es nula, entonces f admite un mnimo global sobre so- e
lamente en el pnnto ;e*. Tambin se tiene la condicin suficiente de la
proposicin 25 cambiando "definida negativa" por "definida positiva".
 GEI\ERAL!ZACIN DE FU:-JCIOI\ES C:-.iCAVAS Y CONVEXAS _ _ _ 43

3. GENERALIZACIN DE FUNCIONES CNCAVAS Y

CONVEXAS
3 .1. Funciones cuasic6ncavas

-.~,
;~r~r~ll~t~\fit~~;{{t11r~~ ~:~:~1:~}~ri~r~,~J1<~;~ci .
EJEMPlO 16. Si fes una funcin numrica de una variable montona sobre un
intervalo (no vaco) 1 (es decir: f es creciente, o decreciente, sobre !) , entonces f
es cuasiencava sobre I.
l; Si x y y son dos puntos de!, y). E [0, 1:, probemos se verifica:

f(.Xx + (1- .l)y) 2 m;o{f(x).f(y)}. (21)

Pongamos: x :::; y, de donde: x :::; Ax + (1 ->..)y ::; y. Si f es creciente, de esta

doble desigualdad se deduce:

f(x) ~ f(.lx + (1- .l)y) ~ f(y);

y si f es decreciente: f(x) :2: f(>.x + (1- >..)y) :2: f(y). En ambos casos, se
infiere (21). La funcin fes efectivamente cuasicncava sobre l.
EJEMPlO 17. Sea g una funcin numrica de una variable, definida sobre un
intervalo cerrado [a,b] (con a< b), con la signiente propiedad: existe e E (a,b)
tal que g es creciente sobre el intervalo [a, e] y decreciente sobre el intervalo [e, b)
(en particular, admite en el punto e un mximo global sobre ;a,b]). Entonces la
funcin g es euasicncava sobre el intervalo [a, b:.
Dados doo puntos X y y del intervalo [a, b), y dado A E [0, 1], debemos probar
se verifica:

g(.lx + (1- A)y) 2 m;o{g(x),g(y)). (22)

Si los puntas x y y pertenecen, ambos, al intervalo [a, e), o si pertenecen, am-

bos, al intervalo [c,b], con el mismo argumento que se utiliz en el ejemplo 16 se
prueba (22). Consideremos, pues, qne x E [a, e) y y E (e, bJ. El punto Ax+(l- A)y
44 CONVEXIDAD

pertenece al intervalo [x, e] o al [e, y] (o a ambos}: sobre el primer intervalo la fun-

cin g es creciente y se tendra: g(Ax + {1 ~ A)y) '2: g(x); sobre el segundo es
decreciente y g(Ax + (1- >..)y) ;::: g(y); en ambos casos, se concluye {22). La
funcin g es, pues, cuasicncava sobre [a, b].
El resultado visto en este ejemplo se generaliza sin dificultad a funciones de
una variable que verifiquen la propiedad anterior no sobre un intervalo [a, bj, sino
sobre cualquier intervalo de interior no vaco.
Por ejemplo, la. funcin g(x) = -x 2 verifica: es creciente sobre (-oo,Oj, admite
en el punto O un mximo global {sobre JR) y es decreciente sobre [0, +oo). Esta
funcin es cuasicncava sobre R.
Proposicin 26. Sea C un subconj1mto convexo no vaco de IRn, y sea f
una funcin numrica definida sobre C. Una condicin necesaria y suficiente
para que f sea cuasicncava sobre e
es que, para cualquier nmero i'eal a:,
sea convexo el conjunto {x E e
1 f(x) ;=::a:}.

Demostracin. La condicin es necesaria. Supongamos que f es cuasicncava so-

bre C y, fijado o: E R, probemos es convexo el conjunto: S a = { :r E C 1 f(x) ;=:: o:}.
Si x y y son dos puntos de Sa. (y por tanto: f(x) ;=::o: y f(y) ;=::a), y>. E [0, 1],
utilizando el hecho de que f es cuasicncava sobre C podemos escribir:

f(>.z + (1- >.)y):> mro{f(z),f(y)) :> "

y as: >.x + (1- >.)y E Sa.. El conjunto Sa es, pues, convexo.
La. condicin es suficiente. Sean x y y dos puntos de C, y sea >. E :o,
1].
Pongamos: f(x) 2:: J(y). Entonces x y y son puntos del conjunto SJ(11 , y al ser
ste convexo tambin a l pertenece el punto >.x + (1- >.)y; de ello se deduce:

f(>.z + (1- >.)y):> f(y) ~ mfo{f(z),J(y)).

La funcin f es, pues, cuasicncava sobre C. C.Q.D.

Consecuencia de la proposici6n 26. Si una funcin es cncava sobre un

conjunto, tambin es cuasicncava sobre el mismo conjunto (cf. proposi-
cin 13, p. 28).
Ntese que el recproco del aserto anterior no se verifica: una funcin
cuasicncava puede no ser cncava. Por ejemplo, la funcin f(x) = x 2 es
cuasicncava sobre lR.t. (al ser creciente sobre este intervalo, cf. ejemplo 16),
pero no es cncava sobre .IR+.
A continuacin, enunciamos, sin demostracin, una condicin necesaria
y suficiente de cuasiconcavidad para fuciones diferenciables 4
4Puede oorumltarse una demostracin en el manual de los profesores S!MON y BLUME,
seccin 21.3.
GENERALIZACI\1 DE FUNCIONES CNCAVAS Y CONVEXAS 45

Proposicin 27. Sea C ~ lRn un conjunto no vaco, convexo y abierto,

y sea f una [rmcin numrica diferenciable en cada punto de C. Una
condicin necesaria y suficiente para que f sea cuasicncava sobre C es:

V (x, y) E C 2, f(y) 2: f(x) => df(x)(y - x) 2: 0.

Debemos observar que las funciones cuasicncavas diferenciables no

verifican la propiedad de admitir un mximo global en 1lll punto donde
se anulen las derivadas parciales, propiedad que s verifican las funciones
cnc.avas (cf. corolario de la proposicin 19, p. 35). Por ejemplo, la fun-
cin f(x) = x 3 es cuasicncava sobre el intervalo abierto IR (por sermon-
tona, cf. ejemplo 16), y es diferenciable en cada ptmto de JR, pero en el
punto x = O, donde se anula su derivada, no admite ningn tipo de mxi-
mo.

3.2. Ms sobre formas cuadrticas. Aplicacin a la cuasiconcavi-

dad de funciones de clase C2
Sea q una forma cuadrtica sobre lRn (cf. apartado 2.}\. y sea F un subes-
paca vectorial de lRn. Que la forma cuadrtica q es definida negativa
restringida al subespacio vectorial F (o, simplemente, definida negativa
sobre F) significa:

Vx E F- {0}, q(x) < 0;

y que q es semidefinida negativa restringida a F (o sobre F) significa:

Vx E F, q(x) <;O.
Anlogamente se consideran definida positiva restringida a F y semi-
definida positiva restringida a F.
A continuacin, mostramos una condicin necesaria y suficiente para
que una forma cuadrtica sea definida negativa sobre un subespacio vec-
torial determinado por una ecuacin. La enunciamos y demostramos para
formas cuadrticas de dos variables. En ella se hace lL<lO de determinantes5

Proposicin 28. Sea. q una forma cuadrtica sobre JR2 , asociada a la. matriz
simtrica:

(~ :) '
5
Cf. lgebra Lineal, apndice A.
46 _ _ _ _ __ CONVEXIDAD

es decir: q(x, y) = ax 2 + 2bxy + cy 2, y sea F el subespacio vectorial de JR. 2

siguiente:

F~ {(x,y) E & 2 lpx+qy~ O),

donde p y q no son simultneamente nulos. Una condicin necesaria y

suficiente para que la forma cuadrtica q sea definida negativa restringida
al subespacio vectorial F es:

o p q
p a b >O.
q b e

Demostracin. Designemos por d el determinante del enunciado:

o p q
d= p a b =-aq2 +21rpq-cp2 ,
q b e

y supongamos que q =f O. Si (x,y) es un vector de F, es decir: y= -pxjq, entonces:

De esta forma, el signo del nmero q(x, y) y el signo de d son opuestos cualquiera
que sea el vector (x, y) no nulo de F. En consecuencia, el que la forma cuadrtica q
sea definida. negativa. sobre F, es decir: q(x,y) <O para todo (x, y) E F- {(0,0)},
es equivalente a que d >O. C.Q.D.

Condicin necesaria y suficiente de definida positiva restringida. Con las

notaciones de la proposicin anterior, se tiene: la forma cuadrtica q es
definida positiva sobre el subespacio vectorial F precisamente si:

o p q
p a b <0.
q b e

EJEMPLO 18. La forma cuadrtica q(x, y) = -x 2 - y'l +2xy sobre R. 2 es definida

negativa restringida al subespacio vectorial { (x,y) E lR. 2 x +y= O}.
1

En efecto, la forma cuadrtica q es la asociada a la matriz simtrica:

(
-!
1
)
-1 '
 GENERALIZACIN DE FUl\ClONES CNCAVAS Y CONVEXAS
--.-~
47

y se tiene:

o 1 1
l -l 1 =4>0.
1 1 -1

Con la proposicin 28 (cf. p. 45) se mncluye que la forma cuadrtica q es efecti-

vamente definida negativa sobre elsubespacio vectorial {(x,y) E Jlfll x +y= 0}.

Generalizacin. Para formas cuadrticas sobre !Rn se tiene la caracteri-

zacin que enunciamos a continuacin6 , la cual generaliza la de la propo--
sicin 28 (cf. p. 45) para formas cuadrticas sobre R. 2 Sea q una forma
cuadrtica sobre R.n, asociada a la matriz simtrica (bij), y sea F el subes-
~ pacio vectorial:

donde a, a2, ... , a,.. no son simultneamente nulos. Se consideran los n -1

determinantes:

o a, o a,
o a, a,l
a, bu bt2 '
a, bu
a, a,
b, bu a, bu ""1
bln:
... '
a, &,, ,, a, b,
a, b,
&,, b231'
b,,
"'' an bn>

La forma cuadrtica q es definida negativa restringida al subespacio vec-

bnnj

torial F precisamente si los determinantes anteriores alternan en signo,

siendo el primero de ellos positivo; y es definida positiva restringida a F
precisamente si son todos negativos.
Lo visto hasta ahora sobre formas cuadrticas restringidas a subespacios
vectoriales puede aplicarse al estudio de la cuasiconcavidad de funciones de
clase C2 . Como oclll'rc con la concavidad, juega un papel central en este
estudio la forma cuadrtica asociada a la matriz hessiana. Pero ahora
vamos a estar p.teresados en si tal forma cuadrtica es definida negativa,
positiva, etc, restringida a cierto subespacio vectorial.
Se tiene el siguiente resultado 7 :
6Cf. el texto del Prof. A. MAs-COLELL et al., seccin M. D.
7
Para ver una demostracin se puede acudir a las referencias citadas en el texto de las
profesoras R. BARBOLLA y P _ SANZ: La Concavidad en un Modelo Econmico, pp. 48
y SS ..
48 CONVEXIDAD

Proposicin 29. Sea C ~ IR.n un conjunto no vacfo, convexo y abierto, y

sea f una fWicin numrica de clase C2 sobre C. Si, para cada m E C, la
forma cuadrtica sobre IR.n asociada a la matriz hessiana D 2 f(x) es defi-
nida negativa restringida al subespacio vectorial {vE IRn df(x)(v) = 0}, 1

entonces la funcin f es cuasicncava sobre e.

Corolario. Sea f una funcin numrica de dos variables de clase C2 sobre un

conjunto C no vaeio, convexo y abierto. Si para todo (x, y) E C se verifica:

entonces f es cuasicncava sobre C.

Demostracin. Ntese que, para cada (x,y) E C, los conjuntos

{ (u,v) E IR2 1 <1/(x, y)(u, v) ~O} y { (u,v) E IR 2 1 J;(x,y)u + t;(x,y)v ~O}

son el mismo subespacio vectorial de R 2 , y que podemos suponer que el gra,..

diente V f(x, y) es no nulo (pues, en caso contrario, no se verificara la desigual-
dad del enunciado). Teniendo en cuenta la proposicin 28 (cf. p. 45}, la forma
cuadrtica asociada a la matriz D 2 l(x, y) es definida negativa sobre el subespacio
vectorial anterior precisamente s:

o l~(x,y) f~(x, Y)
l~(x, y) f:2(x,y) f~~(x,y) >O,
t;(x,y) l/:11 (x,y) ~~~(x,y)

lo que es equivalente a la desigualdad del enunciado. De acuerdo con la propo-

sicin 29, el que esta desigualdad se verifique para todo punto de Ces entonces
condicin suficiente para que 1 sea cuascncava sobre C. C.Q.D.

Nota. La matriz cuyo determinante se alcula en la demostracin de la

proposicin anterior o, ms en general, la matriz:

" (x")
! .,,..,,
que est definida para una funcin numrica 1 de n variables que admite
las n 2 derivadas segundas en un punto :r:, es la matriz bessana de la fun-
cin 1 en el punto a: orlada con loa trminos del gradiente de f en a:. t::.
 GENERALIZACIN LJE FUNCTONES C;>.;CAVAS Y COI\VEXAS 49

EJEMPLO 19. Dados dos nmeros positivos c:t y /3, la funcin f(x,y) = ;;C'yf3 es
1
cuasicncava sobre R+ x JR:..
En un punto (x,y) E R.~~ xlR~, la matriz hessiana de f orlada por las derivadas
k--
parciales es:
1'
o:x<>-iyt3
a( a- 1)x"'- 2yJ'
o.{Jx"'-1/-l

y el determinante de esta matriz es igual a:

Como, por hiptesis, o: y {3 son positivoo, el nmero anterior es positivo cualquiera

que sea (x,y) E R X R+. La funcin fes, pues, cuasicncava sobre lR'f- X R:+.

3.3. Funciones cuasiconvexas

Ntese que una funcin f es cuasiconvexa sobre un mnjunto convexo

precisamente si la funcin (- f) es cuasicncava sobre el mismo conjunto.

EJEMPLO 20. Si f es una funcin numrica de una variable montona sobre un

intervalo (no vaco) I, entonces fes cuasiconvexa sobre l.
En efecto, al ser f montona sobre J, tambin lo es la funcin (- j) (si una
es creciente, la otra es decreciente); de acuerdo con el ejemplo 16 (cf. p. 43), la
funcin(- f) es entonces cuasicncava sobre I, lo que equivale a afirmar que fes
cuasiconvexa sobre J.
En una variable, una funcin montona es, pues, tanto cuasicncava como
cuasiconvexa.

EJEMPLO 21. Una funcin numrica de una variable, definida sobre un intervalo
cerrado [a,b] (con a< b), para la cual existe e E (a,b) de forma que la funcin
50 CONVEXIDAD

es decreciente sobre [a, e] y creciente sobre [c,b) (admitiendo, pue~;~, un mnimo

global sobre [a,b] en el punto e) es cuasiconvexa sobre [a,b), como se deduce del
ejemplo 17 (cf. p. 43). Una funcin que verifique esta propiedad sobre un intervalo
de interior no vaco (no necesariamente un intervalo de la forma [a,b]) tambin es
cussiconvexa. sobre tal intervalo.

De la proposicin 26 (cf. p. 44), se deduce la siguiente

Proposicin 30. Sea C un subconjunto convexo no vaco de Rn, y sea f

una funcin numrica definida sobre C. Una condicin necesaria y suficiente
para que f sea cuasiconvexa sobre C es que, para cualquier nmero real a:,
sea convexo el conjunto {:z: E C 1 f(x) :5o:}.

Como consecuencia de la proposicin anterior, una funcin que es con~

vexa sobre un conjunto tambin es cuasiconvexa sobre el mismo conjunto.
De la proposicin 27 (cf. p. 45) se infiere la siguiente caracterizacin de
la cuasiconvexida.d para funciones diferenciables:

Proposicin 31. Sea C ~ IR.n un conjunto no vaco, convexo y abierto,

y sea f una funcin nwnrca dferenciable en cada punto de C, Una
condicin necesaria y suficiente para que f sea cuasiconvexa sobre C es:

V(z,y) E C2, f(y) S /(z) => df(z)(y- z) sO.

Finalmente, para funciones de clase C2 se tiene la siguiente condicin
suficiente de cuasiconvexidad:

Proposicin 32. Sea C ~ 1Rn un conjunto no vaco, convexo y abierto, y

sea f lUla fWicin numrica de clase C2 sobre C. Si, para cada :z: E C,
la forma cuadrdca sobre 1Rn asociada a la matriz hessiana D 2f(:z:) es de-
finida positiva restringida al subespacio vectorial {vE 1Rn] df(:z:)(v) = 0},
entonces la funcin f es cuasiconvexa sobre C.
En particular, si la funcin f es de dos variables (es decir: n = 2),
una condicin suficiente para que f sea cuasiconvexa sobre C es que, para
cada (x,y) E C, se verifique:

2/~(x, y)f~(x, y)f~u(x, y) - f~(x, y) 2t;2(x, y) - ;(x, y) 2J;2(x, y) < O.

3.,4. Punciones pseudocncavas

Sea C ~ 1Rn un conjunto no vaco, convexo y abierto, y sea f una funcin
numrica diferenciable en cada punto de C. De la funcin f diremos es
APND.c!C':'.C.c_ _ 51

pseudocncava sobre e si verifica:

'(x, y) E e 2, df(x)(y- x) <; 0 => f(y) <; f(x).
Como una consecuencia de la condicin necesaria y suficiente de con-
cavidad vista en la proposicin 19 (cf. p. 34), se tiene que, para funciones
diferenciables, la concavidad implica la pscudoconcavidad; en concreto: si
una funcin f, diferenciable en cada punto de un conjunto C no vaco,
abierto y cDnvexo, es cncava sobre C, entonces f tarnbin es pseudocn-
cava sobre C.
Por otra parte, la pseudoconcavidad implica la cnasiconcavidad8 : si una
funcin f (diferenciable) es pseudocncava sobre un conjunto C, entonces f
es cuasicncava sobre C.
Las funciones psendocncavas s verifican la propiedad de admitir un
mximo global en un punto donde se anulen la:; derivci.das parciales: si fes
una flmcin pseudocncavH. sobre un conjunto abierto C ~ R", y x* es un
punto de e tal que se anulan las n derivadas parciales f!r, (x*) \ entonces se
tiene: dj ( x) (y - x) = O para cHda y E C, de lo que se deduce (de acuerdo
con la definicin de funcin pseudocncav"):

Vy E e, f(y) <; f(x'),

es decir, la ilmcin f admite en el punto x un mximo global sobre C.
Queremos tambin aiiadir que la condicin suficiente de cua.<;iconcavidad
de una funcin de clase C2 vista en la proposicin 29 (cf. p. 1R), y en su
corolario, tambin es condicin suficiente de pseudoconcavidad9 .
Punciones pseudoconvexas. Diremos que unH funcin es pseudoconvexa
sobre un eonjunto si su opuesta es pseudocncava sobre el mismo conjunto.
Ms en concreto: de una funcin f, diferenciable en cada Inmto de 1m
e
conjunto no vaco, abierto y convexo, diremos es pseucloconvexa sobre e
si verifica: \i(x,y) E C 2, df(x)(y- x) 2:: O=? f(y) 2:: f(x).

4. APNDICE
4.1. Subespacios afines de R.n. Aplicaciones afines
En este apartado se recogen c.onceptos relacionados con subespacios afines
y con aplicaciones afines. Para ms detalles puede consultarse: Algebra
Lineal, captulos VI y VIII.
8Cf. e) texto de los profesores S!MON y BLU).n:, teorema. 21.17, p. 521'!.
9
Cf. d texto citado de las profesoras H. BARBOLLA y P. SANZ, p. 48.
52 _ _ _ _ __'C:~-~!_I_D_A_D

Subespacios afines de IR". De un subconjunto no vaco de IR" se dice es

subespacio afln de lR" si puede obtenerse como suma de un vector de IR"
y un subespa.cio vectorial de IR".
En smbolos: el subconjunto no vaco A ~ lR" es subespacio affn de IR"
si existen un vector v E lR" y un subespacio vectorial F de JR.'1 de forma
que:

Se tienen las siguientes propiedades:

Un subconjunto de lR" formado por un nico punto es un subespacio
afn de lR".
Todo subespocio vectorial de IR" es subespacio afn de lR".
Si v y w son dos vectores de IR", el conjunto
v+IRw~ {v +Aw j A E IR}
es subespacio a.!m de IR".
Si w =O, el subespacio afn anterior se reduce a {v }; si w =f O, de v+R.w
se dice es una recta de lR".
La interseccin de subespacios afines, si no es vaca, es un subespacio
afn.
Del conjunto

H~ {(xt,x2,-. ,x.,) E IR" J ta.xi =d},

=1
con at, a2, ... , lln y d nmeros reales, no siendo a 1, a2, ... , a, simultnea-
mente nulos, se dice es un hiperplano de R.n.
Todo hiperplano de Rn es subespacio afn de R.n.
Combinaciones afines. Si v 1 , v2, ... , Vp son vectores de R.n, y si a 1 ,
a2, ... , ap son nmeros reales tales que a + a2 + + ap = 1, entonces
del vector:

O V+ 0'2V2 + + O'pVp

diremos es una combinacin afn de V, v2, ... , Vp.

Aplicaciones afines. De la aplicacin cf> de Rn en JRm diremos es una apli-
cacin affn si existen un vector W E R.m y una aplicacin lineal f de JRn
en R.m tales que:
APNDICE 53

Sea 4> una aplicacin afn de IR11 en lRm. Se verifica:

La imagen por 4> de una combinacin afn es igual a la combinacin
ai.IJ. de las imgenes.
La imagen por 4> de un subespa.cio afn de lRn es un subespacio afn
de lRm.
La imagen inversa por <P de un subespado afn de IR m, si no es vaca,
es un subespacio afn de lR11

4,.2. Envoltura convexa de un conjunto

Sea A un subconjunto de lR11 Se llama envoltura convexa de A, y se de-
nota: Co(A), a la interseccin de todos los conjuntos convexos que contienen
el conjunto A.
La envolttll'a convexa de un conjunto es, por tanto, el menor conjunto
convexo en el que est contenido.
Consecuencias de la definicin de envoltura convexa. Se prueban sin difi-
cultad las siguientes propiedades:
o As; Co(A);
o As; B = Co(A) s; Co(B);
o Co( Co(A)) ~ Co(A);
si A es convexo, entonces Co(A) =A.

Proposicin 33. Sea A <; 1Rn. La envoltura convexa de A: Co(A), es el

conjunto de las combinaciones convex.as den+ 1 puntos de A.
Demostracin. Para cada r E N =N- {0}, sea Hr el conjunto de las combina-
ciones convexas de r puntos de A:

Hr = {t>.;a;
J=l
1 (>.IJ>.2, ,>.,.) Eli+, t>.j = 1
J=l
y (al,a2, ,a,.) EAr }

B! obvio que H 1 =A, y que H 8 s;; Ht si s <t.

Sea: H =U H., = H1 U H2 U U Hr U. El conjunto Hes convexo, pues
rE N'
si :z: y 1J son puntos de H, con :z: E H. y y E Ht, entonces:

'0. E [0, 1], >.:z: + (1- >.)y E Ha+t ~H.

En consecuencia: H 2 Co(A). Por otro lado, de la proposicin 3 (cf. p. 19) se

deduce: Vr E N-, Hr s;; Co(A), y por tanto; H s;; Co(A). En conclUBin:
H ~ Co(A). (23)
54 CONVEXIDAD

Probemos que H = Hn+l Para demostrarlo, comprobaremos que sir> n+l,

entonces Hr = Hr-1
Fijemos, pues, r tal que: r > n + 1, y sea y E Hr (para evitar trivialidades,
podemos suponer que A# 0, de donde: H .. "/; 0):

v=L:>.;a;, con(>.~,>.2, ,J... ) E IR~, L::.~;=l y (al!a2, ,a.. ) EA...

j=l j=l

Existen r nmeros{}, /32, .. , flr, no todw nulos, tales que:

" "
I); ~O y I:P;a; ~O. (24)
j=l j=l

En efecto. Si tomamos los r - 1 vectores

que son linealmente dependientes (pues r-1 > n), entonces existen r-1 nmeros
reales {h, {k, ... , {J.., no todos nulos, tales que:

" "
y tomando Pt de suerte que p, =O, se tiene que LP;a; =O; es decir, lm
j=l j=l
nmeros {3, /32, .. , /3.. son no todos nulos y verifican (24).
Si definimos ahora: Aj = >.; +E{);, 1 :5 j :5 r, donde:

E=mrn{-~ ll$.j$.r y .B1<o},

entonces:
"
L)i = 1, Vj E {1,2, ... ,r}, >.j 2:: O,
3j E {1,2, ... ,r}, >.j =O,

y como:

" "
Y= L>.iaJ = L>.ja;,
j=l 1=1
concluimOB que y es una combinacin convexa de menos de r puntos. Es decir:
=
Y E Hr-1 y por tanto: Hr Hr-1 En consecuencia:

=H,.+2 = H,.+a =... .

H,.+t (25)

De (23) y {25) concluimos que Co{A) = Hn+l C.Q.D.

AP-"WICE _ __ 55

4.3. Separacin de conjuntos convexos

En este apartado utilizaremos la siguiente nomenclatura: si f es una forma
lineal10 no nula sobre lRn (es decir, una aplicacin lineal no nula de lRn en IR),
y d E lR, llamaremos hipcrplano d-e ecuacin J(x) = d al hiperplano
de IRn:

H ~ {x E 11!." 1 f(x) ~ d},

y los semicspacios cerrados determinados por JI sern los semiespa-

ClOS:

{xElR"If(x)Sd} y {xElR"If(x):>d}.
Estos tres subconjuntos de IRn son efectivamente un hiperplano y dos semi-
espacios cerrados, respectivamente, pues toda forma lineal no nula sobre R.n
es de la forma:

donde a1o a2, ... , an son nmeros reales no torios nulosll.

Si A y B son dos subconjuntos convexos de lR'\ y H es el hiperplano
de ecuacin J(x) = d, diremos que H separa A y B si A est contenido
en 1mo de los semiespacios cerrados determinado por H y B est c.ontenido
en el otro:

VxEA,f(x)2d y VxEB,f(x)<:,d.

(Si se verifica: (Vx E A, J(a:) > d) y (lix E B, f(x) < d), se dice que H
separa estrictamente A y B.)
Se tiene el siguiente teorema12:

Teorema l. SiC el:l un subconjunto convexo de R." al que no pertenece el

vector O, entonces existe un vector v E lRn no nulo tal que:

v x E e, v. a: ?. o.
(Recurdese que V a: designa el producto cscalm.l 3 de los vectorel:l v y x.)
JGCf. lgeb.ra Lineal, seccin 6 del captulo VIII.
11 Cf. lgeb.ra Lineal, p. 260.
12 Para ver una demostracin puede consultarse el manual del Prof. MICHP.L, sec

cin 23.3.
13 Cf. Reco.rdato.rio, p. 62.
56 CONVEXIDAD

Teorema 2 (teorema de separacin). Si C1 y Cz son dos subconjuntos

convexos disjuntos de !Rn, entonces existen un nmero real d y una forma
lineal no nula f sobre IRn tales que:

Y(x,x,) E G x C,, f(x) :S d :S f(x,),

o en otras palabras: el hiperplano de ecuacin f(x) = d separa los conjuntos

convexos Ct y C2.

Demostracin. El conjunto:

es convexo (obsrvese que Cz- C1 = Cz + (-1)011 y cf. consecuencia de la propo-

sicin 8, p. 23), y O rt. C2 -C1 (pues en caso contrario existiran x 1 E C 1 y Xz E C2
tales que Xz- X =O, y Ct y Cz no seran disjuntos). Podemos, pues, afirmar
(cf. teorema l) que existe un vector v E !Rn no nulo tal que:

VxECz-C1 , vx;?:O. (26)

La aplicacin:

es una forma lineal no nula sobre !Rn; y, fijado :~: 1 E C 1 , podemos escribir:

pues si xz E C:~, entonces xz- X E Cz- C, y v (:cz- x 1 ) ;?: O (cf. (26)), es

decir: f(xz- x1) ;::-:O, o bien (por ser f lineal): /(z2) ;::-: f(zt).
De (27) se infiere que el conjunto {f(z2) z2 E C2} est acotado inferiormente.
1

Por tanto, denotando por d su nfimo, se tiene:

(28)

Pero (28) se cumple cualquiera que sea ;r; 1 E C 1 , luego podemos escribir:

C.Q.D.
r
1~'
57

4-4 Teorf!ma del punto fijo de BROUWER

Del siguiente resultado no incluimos una demo::;tracin 11 :

Teorema 3 (teorema del punto fijo de 8ROUWER). Si C ~ iR" es llll

conjunto no vaco, convexo y compacto, y fes una funcin coJJtinua definida
sobre C y con valores en C, entonces existe XQ E C tal que: j(xo) = XQ.

Aplicacin econmim15
Sea (w, w2, ... , wn) E (iR~)n (es decir: W > O para cada l ::; i ::; n) el
vector de los recursos disponibles de una economa, y sea d 1 , 1 ::; i :S: n,
la funcin de demanda agregada del bien i, esto es, si p = (p 1 ,p2, .. ,p.,)
es un vector de precios, d;(p) es la cantidad del bien i demandada por
la economa. Supondremos que las ftmciones d son continuas, y tambin
haremos la hiptesis de que :;e verifica la ley de WALRAS, y de que no hay
saturacin. Ms en concreto:
hl} para cada 1 :::; i :::; n, la funcin d, est dcfmida y es continua so-
bre (JR.+)n y toma valores en lR ;
n

h2} si p = (p,p2,. , p") es un vector de precios, se tiene: DJ;d;.(p) = 1

' -1
(donde la renta total se ha normalizado a 1);
hS} para cada bien i existe un precio Ti > O tal que si p = (p , P2, . . , Pn)
es un vector de precjos con p, :::; ;r, entonces la demanda agregada del
bien i supera wt: d(p) > Wi
Vamos a comprobar que con las hiptesis anteriores existe un vector de
precios p* = (pt,p;, ... ,p~) E (JR+)n con el que se asegura la i;ualdad
entre la.'l demandas y los recursos: d;(p*) = w, 1 :::; i:::; n.
Sea el conjw.lto nu vaco:

C~ {v~ (p,pz, ... cPn) E (IR~)" 1 rr; :S,p; :5

1
W
para 1 :::; i :$_ n}
= [7rt, 1/wl] x [-;rr2, 1/w2] X x [-;rr," 1/wn).

Para cada l s;_ i :::; n, definimos sobre C la funcin:

g;(p) ~ p + d,(p)- w" (29)

14
Puede consultarse, por ejemplo, el t"xto: Convex Structures and F.,conomic Theory,
de H. N!KAlDO (Academic Press, Kueva York, 1964).
15
Cf. el texto dell'rof. MICHEL, p. 481.
58 CONVEXIDAD

que es continua., pues es la suma. de una proyeccin, )a funcin~ ---continua

por l.a. hip6tesis {hl)-, y una constante; y definirl'K'I!!Ila funcin:

"" , g,(p) < "'

j(p) = g;(p), si 1<; S g;(p) S 1/w;, (30)
{
1/w, , g,(p) > 1/w,,
que tambin ea continua. De (30) se deduce que, para cada. 1 ::5 i :5 n,
/i[C] ~ [7t 1 l/wt) 1 y por consiguiente la. funci6n:
J(p) = (ft(p), h(p), ... 'J.(p)),
definida sobre C, ea continua y toma. valores en C. Por otro lado, el con-
e
jtmto ee convexo y compacto, pues ea el producto cartesiano den interva-
los cerrados y acotados. Aplicando el teorema de BROUWER (cf. teorema 3) 1
existe p* =
{p,~, ... ,p~) E C tal que: J(Y') =
p*, o equivalentemente:
{31)
Para cada. 1 ::5 i ::5 n se verifica:
1ri :5g:(p*):
Se prueba por reduccin al ab8UI'do: supongamos que 91.(p"') < 1ri
Entonces de {30) y de (31) se deduce que 7r = f(Y') = pj 1 y llegamos
a que d;(p') > w,
{hlpte.ns (h3)); pero entoncee de (29) ee inJiere,

gt(p*) = pj + ~(p*)- Wi >Pi = 11'i,

lo que oontradioe la hiptesis de que g,(p"') es menor que 7rfi
g;(p') S 1fw,,
Tambin se prueba por reduccin al absurdo. Hagamos la hiptesis
de que g;(p') > 1fw,. Entonces de (30) y de (31) ee deduce'

2.
w, = f(p') = p.
Ahora bien, con la hiptesis (h2) llegamos a:

pld;(p') S Did;(p') = 1
j=l
(pues todos los suman.cloe oon positivos o nulos), de donde:

d;(p') S ~ = w;.
 APEN'DICE 59

ED CODSeCilellcia, de (29) se iD!Iere:

g(p) =Pi + d(p) - W S Pi+ Wi- Wi = P: = 1/UJi,

y hay contradiccin con la suposicin original de que 9iW) es mayor
que 1/w;.
En con8eCUencia, par& cada 1 S: i S: n se tiene:

"", _
< g(p')
1 < ..!.
_Wj,

luego: f<IJ>') -~~ti:P'), y con (31) y (29) se ooncluye:

P - /;(p') - g;l;p')- P + d;(p')- w;,

es decir: c4(p) = W& Hemos encontrada, pues, un vector de precios con el
que se asegura. la igualdad entre las demandas y los recursos.

4.6. Ott-us propiedatks de lGs funcionu cncaua.s

Proposicin 34. Si f es Wl& funcin cncava sobre Wl conjunto convexo y
abicxto C, y fes continua sobre C (adherencia de C), entonces fes cncava
sobre C.

Demostracin. Sean "' y y doe puntos de C, y sea ..\ E [0, 1]. Probemo9 se verifica:

/(l~ + (1-l)y) ;, l/(z) + (1-l)y. (32)

Dado que z E lJ y 11 E lJ, existen dos sucesiones convergentes (%,) y {vi')
cuyos trminos son puntos de e y tales que:

lfm (~o)=% y lim (v,) = 11 (33)

Para cada pE N, como fes cnca'\!8 sobre C y (:z:,,yp) e (jJ, se tiene:

/(l~, + (1 -l)y,) ;, l/(z,) + (1 -l)/(v,). (34)

Ahora bien:

lfm ("';. + (1 -l)v,) - ~ + (1- l)y, (35)

y con la continuidad de 1 sobre e, de (35) y (33) ee deduce:
i Hm (/(l~, + (1-l)v,)) - /(lz + (1 -l)g),
! lm (/(~))- /(~) y lfm (/(v,)) = /(g).
En consecuencia., pasando al lmite en (34) s.c obtiene (32). o.q.o.
 60 CONVEXIDAD

Para funciones convexas tambin se satisface la misma propiedad:

Proposicin 35. Si f es una funcin convexa sobre un conjunto convexo y

abierto e, y es continua sobre C, entonces es convexa sobre C.

Teorema 4. Sea C ~ 1Rn un conjunto convexo. Si f es una funcin cncava

sobre C, y Xo es un punto interior de C, entonces existe una aplicacin
lineal f. de IR" en IR tal que:

V X E e, f(x)- f(xo) <: f(x- xo). (36)

Demostracin. Bl conjunto

HJ ~ {(x,y) E e X i!<l Y< f(x)}

es convexo en JR"+l (cf. proposicin 14, p. 29), y (xo,f(xo)) f/:_Jt}, luego tambin
es convexo (en R"+ 1 ) el conjunto:

HJ + (-l){(xo,J(xo)} ~ {(x- xo,Y- f(xo)) 1 x E e, y E IR, y< f(x)},

y adems el vector O E Rn+l no pertenece a l (en caso contrario, se tendra

que (xo,f(xo)) E HJ). Del teorema 1 (cf. p. 55) se deduce existe un vector no
nulo (vi, v2, ... , v,., w) E Rn+l tal que:

V(x,X2, ,x .. ,y) E lf},

(v., Vz, ... , Vn, w) (x - X01,X2 - Xoz, ... , Xn- Xon, y- f(xo)) ::::-_O,

es decir:

ii(x,Xz, . .. ,xn,y) E E}, Lv;(x, -xo;) -,-w(y- f(xo)) ::::-_O. (37)

i=l

Fijemos a> 0. Si x = (x,xz, ... ,xn) E C, entonces (x,j(x)- o:) E HJ

(pues f(x)- o:< j(x)), y de (37) se deduce:

"
v,(x,- xo.) +w ((!(x)- a)- f(xo)) ~O,
l=l

esto es:

"
v,(x,- xo.) T w (f(x) - f(xo)) ~ wa, (38)
i=l

de lo que se infiere que w ::::; O (si w > O, el conjunto { wo: 1 o:> O} no estara
acotado superiormente, en contradiccin con (38)).
 RECORDATORIO: FUNCIONES DE VARIAS VARIABLES 61

Se verifica que w < O. En efecto: supongamos que w = O y lleguemos a un

absurdo. El vector de IR."+l:

es no nulo, y por tanto V k #- 0 para algn k, 1 $ k ~ n. Por otro lado, xo E , y por

tanto existe r >O tal que B(xo,r) ~C. Tomando E> O de modo que f < rflv~o:l,
el vector (xt,X2 1 ,xn) tal que:

x;=Xa; sii#-k, y x~o:=Xo~o:-W~o:,

pertenece a B(xo, r), y por tanto a C (pues llx- xoll = f lv~o:l < r), Y en consc~
cuencia de (38) se deduce:
n
O o:$ v;(x;- xo;) +0 (f(x)- f(xo)) = -wZ,
i=l

y la desigualdad: -rui ;::: O es absurda. Por tanto, necesariamente w >O.

Finalmente, la aplicacin:

es lineal, y dado (xt,Xz, ... ,Xn) E lRn se verifica:

(39)

'~ (sin ms que dividir en (38) por -w, que es un nmero positivo); pero ya que (39)
se tiene cualquiera que sea o:> O, se deduce:
l(x- xo)- (f(x)- f(xo)} O> O,

y se cumple (36). C.Q.D.

Si f es diferenciable en xo, la propiedad enunciada en el teorema anterior

es verificada por la aplicacin lineal df(xo), como se deduce de (9) (cf. pro-
posicin 19, p. 34).

5. RECORDATORIO FUNCIONES DE VARIAS VARIA-

BLES
5.1. Topologa usual de Rn
5.1.1. El conjunto 1Rn. Producto escalar. Norma. Distancia

1Rn: conjunto de las n-upla.s de nmeros reales.

62 _ _ _ _ _ CONVEXIDAD

Es un espacio vectorial sobre IR. Sus elementos se denominan: puntos

o vectores (indistintamente).
Si lll = (x, x2, ... , Xn) E IR.n: para cada 1 :5 i :5 n, Xi es la i~sima
componente de a:.
Producto escalar de :z: = {x,x2, ,x,.) y y= (Y,Y2, ,yn)
(vectores de IRn):

n
X Y= XJY + X2Y2 + + XnYn = LXiYi
i=l

Propiedades:
<> simtrico: x y = y x;
(ox + Jx') oy~ o(xoy) + !l(x' y)
<> bilineal: y
{ x (ay+ {3y1 ) =a:( a:: y)+ f3(x y')
(o: y {3 nmeros reales);
o desigualdad de SCHWARZ: (:~: y) 2 ::; (x x)(y y).

Norma (eucldea) del vector x = (x, x2, ... , Xn) de IR":

Vectores unitarios: los que tienen norma igual a l. Los vectores de

la base cannica de JRn son unitarios.
Propiedades de la norma:
o llxll ~O Y ( llxll ~O <> "'~O);
o 11>"'11 ~ I.XIIIxll (.\E IR);
o llx + Yll <: llxll + IIYII
Distancia (euclidea) entre a:= (x, x2, ... , xn) y y= (Yt, Y2, ... , y,..)
de IR.n (o de :z: a y):

n ) 1/2
d(x,y) ~ llx- Yll ~ (
~(x,- y,) 2
RECORDATORIO: FL"NCIONES DE VARIAS VARIABLES 63

Propiedades:
od(x,y)2:0 y (d(x,y)~o .. x~y);
o d(x, y)~ d(y, x);
o desigualdad triangular: d(x,y) S: d(x,z) +d(z,y).
Bola cerrada de centro xo E IR" y radio r 2': 0:

ll(xo, r) ~ {x E lR" 1 d(x, xu) o' r},

Se tiene: R(xo,O) = {xo}.

Bola abierta de centro xo E IR" y radio r > 0:
B(xo,r) ~ {x E R" 1 d(x,xo) < r).

5.1.2. Sucesiones en IR"

Sucesin de puntos de IR": aplicacin de N (nmeros naturales)

en lR".
Se denota: (xp;P E N), o tambin: (xp)
Trmino de orden k de la sucet~in (xp): el pnnto Xk.
La sucesin (x,) de p1.mtos de R" converge al punto vE lR", oves
lmite de la sucesin (x,), si:

'<lE> 0, ::lk E N, Vp 2': k, Xp E H(v,t).

Sucesin convergente: la que tiene algn lrnit.e.

El limite de nna sucesin convergente es nico.
Si la sucesin (x,) converge al lmite v, se escribe: lm (x,) = v.
Condiciones necesarias y suficientes:

lm (xp) =v ~ lm (d(v, xp)) =O

~ (ViE{1,2,. ,n}, lm(x,p)=vi)

Linealidad: si las sucesiones (xp) y (y,) convergen, respectivament;.,

a v y a w: lm ( ax, + (3yP) = av + (3w.
Subsucesin de nna sucesin (xp): una suc.esin (xq(p)), donde q es
nna aplicacin de N en N estrictamente creciente (es decir, tal que:
Vp E N, q(p) < q(p+ 1)).
,
'
64 ---------
CONVEXIDAD
- ----- -------'==<>"'

El trmino de orden k de la sucesin {xq(p)) es: Xq(k) (coincide con el

trmino de orden q(k) de la sucesin (::cp)).
La sucesin: (xp+k) tambin se denota: (xp;p;::: k).
Propiedades:
o toda subsucesin de una sucesin convergente es una sucesin
convergente que tiene el mismo lmite;
o si la subsucesin (xp;p :2:: k) de una sucesin (xp) es convergente,
entonces la sucesin ( Xp) es convergente y tiene el mismo lmi
te: lm (xp) = lm (xp;p ~k).

5.1.3. Subconjuntos abiertos y subconjuntos cerradoB de IRn

Conjunto abierto: A ~ Rn es abierto si: para todo punto de A existe

una bola abierta centrada en el punto que est contenida en A.
En smbolos: VxEIRn, xEA ~ (3r>O, B(x,r)~A).
Conjunto cerrado: B e;;; IRn es cerrado si: para cada sucesin con
ver gente cuyos trminos son puntos de R, el lmite de la sucesin
pertenece a B.
Propiedades y ejemplos:
o El conjunto vaco: 0, y IRn son conjuntos abiertos y cerrados.
o Una bola abierta es un conj1mto abierto.
o Una. bola cerrada es un conjunto cerrado.
o El complementario de un conjunto abierto es un conjunto ce-
rrado.
o El complementario de un conjunto cerrado es un conjnnto abier-
to.
o La unin arbitraria, y la interseccin finita, de conjlllltos abiertos
es un conjunto abierto.
o La interseccin arbitraria, y la unin finita, de conjuntos cerrados
es un conjnnto cerrado.
o Si, para cada 1 ::;: i ::;: n, Ai ~ IR es abierto, entonces el produc-
to A1 X A2 X X An es un subconjunto abierto de IRn.
o Si, para cada 1 S i S n, Bi ~ 1R es cerrado, entonces el produc-
to B1 X B2 X X Bn es un subconjunto cerrado de IRn.
o Un hiperplano de JR.n es un conjunto cerrado.
RECORDATORIO: FUNCIONES DE VARIAS VARIABLES 65

<> Un semiespacio cerrado de R.n:

(a, a2, ... , an no simultneamente nulos) es un conjunto ce

rrado.
<> Un subconjunto finito de Rn es un conjunto cerrado.

5.1.4. SubconjuntmJ acotados de R.n. Sucesiones acotadas. Subconjuntos

compactos de R.n

Conjunto acotado: A ~ lRn est acotado si: existe bE IR tal que todo
vector de A es de norma menor o igual que b: 'V x E A, llxll :5 b.
Propiedades:
o todo subconjunto de un conjrmto acotado est tambin acotado;
o la unin finita de conjuntos acotados es un conjunto acotado;
o las bolas (abiertas o cerradas} y los conjnntos finitos estn aco-
tados.
Condicin necesaria y suficiente: A ~ lRn est acotado precisamente
si, para cada 1 ::; i ::; n, el conjnnto de las i-simas componentes de
los vectores de A est acotado en R.
Una sucesin (xp) est acotada si: la sucesin (llxpll) est. acotada
(en IR).
Condicin necesaria y suficiente: la sucesin (xp) est acotada pro.
cisamente si, para cada 1 :5 i :5 n, la sucesin (xip) est acotada
en Jlt
Propiedades:
o toda subsucesin de nna sucesin acotada est a su vez acotada;
o toda sucesin convergente est acotada.
Teorema de BOLZANO-WEIERSTRASS: toda sucesin acotada de
puntos de Rn admite una subsucesin convergente.
Conjunto compacto: A ~ IRn es compacto si: A es un conjunto
cerrado y acotado.
Condicin necesaria y suficiente: A es compacto precisamente si toda
sucesin cuyos trminos pertenezcan a A admite tma subsucesin con-
vergente con lmite nn pnnto de A.
66 CONVEXIDAD

5.1.5. Punto interior. Entorno. Punto adherente

Consideramos un subconjnnto A no vaco de lR.n:
Punto interior de A: punto a:: E A tal que existe una bola abier-
ta B(x,r) contenida en A: 3r >O, B(x,r) ~A.
Interior de A: conjunto de sus puntos interiores.
Se denota: A.
En smbolos: A= {a:: E A l3r >O, B(x,r) ~A}.
Propiedades:
o A~ A;
o el conjunto A es abierto precisamente si: A= A;
o Aes un conjunto abierto;
-
o sir> 0: B(a::,r)
o

= B(x,r}.
Entorno de un punto a: E lRn: A es entorno de a: si: a:: es interior
a A, es decir: a:: E Ji.
El conjunto A es abierto precisamente si es entorno de cada uno de
sus puntos.
SI A es entorno de x y (:z:p) es una sucesin que converge a a::, entonces
existe k E N tal que todos los trminos de la sucesin (:z:p) de orden
mayor o igual que k pertenecen a A.
Punto adherente de A: punto a:: E JRn para el que existe una suce-
sin convergente cuyos trminos pertenecen a A y cuyo lmite es igual
a "
Adherencia de A: conjunto de sus puntos adherentes. Se denota: A.
Propiedades:
o A~ A;
o si A ~ B: A ~ B;
o el conjunto A es cerrado precisamente si: A = A;
o "EA=> (Vr>O, B(,,r)nAt0);
o A es un conjunto cerrado;
o si A ~ B y B es cerrado: A~ B (A es el menor cerrado que
contiene el conjunto A);
o B(.,,r) ~ .iJ(,,r).
 RECORDATORIO: FUNCIONES DE VARIAS VARIABLES 67

5.2. Limites, continuidad y derivabilidad de funciones de varias

variables
5.2.1. Punciones numricas den variables

Funcin numrica (o funcin real) de n variables: aplicacin f

de un subconjunto D de lR.n en IR: x E D..........-+ f(x) E IR..
Conjunto de definicin de la funcin f: conjunto D (conjunto de
partida de la aplicacin /).
La funcin f est definida sobre un entorno del punto xo si: :z:o

es interior a D: :z:o E D.
La funcin f est definida sobre el conjunto A si: A ~ D.
Representacin de una funcin numrica de dos variables: se con-
sidera una funcin numrica f de dos variables, con conjunto defini-
cin D:
Grafo de , { (x, y, z) E JR3 1 (x, y) E D y z ~ f(x, y)).
'< Superficie de ecuacin z = f(x,y): representacin del grafo de f
!
en el espacio de dimensin 3 (dotado de un origen y de una referencia
ortonormal).
Curva de nivel de altura h de la superficie de ecuacin z = f(x, y):
interseccin de la superficie con el plano horizontal de ecuacin z = h.
O tambin: curva de ecuacin f(x, y)= h (en el plano xOy). 1

5.2.2. Lmite de funciones numricas de n variables 1

Consideramos una funcin mnnrica f de n variables, su conjunto de defini-

cin D, un conjunto A~ D y un punto xo E .A:
Que el nmero reall es lmite de f(z) cuando x tiende a zo, per-
maneciendo :;r:: en A, o que f(x) tiende a l cuando :;r:: tiende a :;r::o,
permaneciendo x en A, significa:

'rle>O, 3>O, 'r/xER'\ !

1 '

(x E A y d(x, X<J) < ) => { lf(x) -ll < ').

Se denota: lm f(x) =l.
lll-HIIO
EA
Notacin particular: si A= D y :r=o E se omite el p~ecisar que x
b,
permanece en D, y se denota: lm f(x) =l.
lll-+lllo
68 -------
CONVEXIDAD

Condicin necesaria y suficiente: para cada sucesin (Yp) de pnntos

de A que converja a xo se verifica: lm (f(Yp)) =l.
Propiedades:
o Se tiene unicidad del limite: si f(x) admite lmite cuando x
tiende a xo, permaneciendo x en A, entonces este lmite es nico.
o Si: lm f(x)
:z:-Htlo
= l, A'~ A y xo E A', entonces: !m f(x) =l.
:z:-+a:o
:z:EA :z:EA'
o Si: lm f(x) =l y E es un entorno de xo: lm f(x) =l.
<e-+:z:o :zl-+:Z:o
;>JEA "'EAnE
o Si xo E A, y f(x) admite limite cuando x tiende a Xo, perma-
neciendo X en A, entonces este lmite es igual a f(xo)-
o Si: lm f(x) =l y lm g(x) = l', entonces admiten lmite:
111-+ICO :1:4"'0
:z:EA :z:EA

lf(x)l, af(x) + f3g(x), f(x)g(x), f(x)fg(x) (ffi !' f 0),

y sus valores son: ]ll, al + {Jl', l l 1
, l/l', respectivamente.
o Si: lm f(x) = l, y: Vx E A, f(x) E C, con C ~ lR cerrado,
:ll-4:JlO

""
entonces: l E C.
Consecuencia: si: lm f(x) = l, y: Vx E A, f(x) =:::;a, enton~
;1!:---J.<eo
EA
ces: l =:: ; a.
Que f(x) tiende a ms infinito (+oo) cuando x tiende a xo, perma-
neciendo x en A, significa:
Va E IR, 36>0, VxEIRn,
(x E A y d(x,xo) <o) => (f(x) >a).
Se denota: lm f(x) = +oo.
;l)---J.::I!o
EA
Que f(x) tiende a menos infinito ( -oo) cuando x tiende a xo, per-
maneciendo X en A, significa:
VaElR, 36>0, 'VxElR.n,
(x E A y d(x,x 0) < 6) => (f(x) <a).
Se denota: lm f(x) = -oo.
<1!---J.<eo
meA
 RECORDATORIO: FUNCIONES DE VARIAS VARIABLES ~~~~~~~~~--'69

Condicin necesaria y suficiente para lmites infinitos: f(z) tiende

a w (+oo o -oo) cuando z tiende a x 0 , permaneciendo x en A, si y
slo si: para cada sucesin (Yv) de puntos de A que converja a X() se
verifica: lm (/(yp)) = w.

5.2.3. Continuidad de funciones numricas den variables

Consideramos una funcin numrica J den variables con conjunto de defini-
cin D:
La funcin f es continua sobre el conjunto A ~ D si:

Vzo E A, lfm f(z) ~ f(zo).

~ al--HilO

''
EA

La funcin f es continua si: es continua sobre su conjunto de defini-

cin D.
La funcin J e_s continua en el punto xo E Dsi: "'-+"'o
lm J(x) = f(zo).
Propiedades:
o Una funcin es continua sobre un conjunto abierto precisamente
si es continua en cada uno de los puntos del conjunto abierto.
o Si f es continua sobre A: J es continua sobre cualquier subcon-
jlmto de A.
o Si f y g son continuas sobre A: son continuas sobre A las fun-
ciones:

f(z)
lf(z)l, af(z) + /3g(z), f(z)g(z),
g(z)

(la ltima si: Va: E A, g(z) f. 0).

o Si f y g son continuas en xo: son continuas en Xo las funciones:
f(z) . '
lf(z)l, af(z) + f3g(z), f(z)g(z), g(z) (" g(zo) #O). '

o Las n proyecciones: pri(x 1,x2, ... ,xn) = x,, 1 :5 i S n, son

continuas sobre R.n.
o Una funcin compuesta de funciones continuas de las compo-
nentes de X= (xl,X2, ,xn) es continua.
70 CONVEXIDAD

o Un polinomio de n variables es una funcin continua sobre lR".

Una funcin racional P/Q {cociente de dos polinomios den va-
riables) es continua sobre {x E IRn Q(z) #- 0}. 1

o La funcin d(x, a) de la variable a: (a E IRn fijado) es continua

sobre IRn.
La funcin [[a:[[ de X es continua sobre lRn.
o Si fes continua sobre un conjunto compacto A: el conjunto f[A)
est acotado (en lR) y admite mximo y mnimo.
o Si f
es continua sobre A y S ~ IR, se puede afirmar sobre el
conjunto {a: E A 1 !(a:) E S}: es cerrado si lo son A y S, y es
abierto si lo son A y S.
Consecuencia: si A es cerrado, entonces tambin los conjun-
tos {x E A 1 f(x) ~O} y {x E A 1 f(x);, O} wn cmados; ei A
es abierto, entonces tambin el conjunto {a: E A [ f(a:) >O} es
abierto.

5.2.4. Dervabilidad de funciones numricas de n variables

Consideramos una funcin numrica f den variables con conjunto de defini-
cin D:
Derivada parcial de f con respecto a xi (1 ::; i ::; n) en el pun-
to a= (al, a2, ... , an) E D: la derivada en a,; de la funcin numrica
de 1.U'l.a variable real x: j(a1, ... , ai-ll x, ai+It ... , a,..).
Se denota: aa (a), o tambin: f~.(a).
X
Operaciones: si f y g admiten derivada parcial con respecto a Xi en a,
lo mismo acontece con: af + f3g, jg, f fg (si g(a) =!:. 0), y se tiene:
& a a
o ax, (af + fJg)(a) ~a ax/a) + fJ ax,9 (a);
a a ag
o ax, (fg)(a) ~ ax, (a) g(a) + f(a) ax, (a);

a 1 (a a9 )
o &x,(fjg)(a) ~ g(a)' ax/a)g(a) -f(a)&x/a) .

Propiedad: si f admite derivada parcial con respecto a xi en a, y h

es una funcin numrica de una variable derivable en j(a): la funcin
RECORDATORIO: FUNCIONES DE VARIAS VAR=IAB=L=E=S~--- 71

compuesta h o f admite derivada parcial con respecto a x 1 en a, y se

tiene:

a~, (ho /)(a)~ h'(f(a)) ~t. (a).

(Consideramos nn conjunto abierto A ~ D.) La funcin f es deri-
vable con respecto a X. sobre A si: J admite derivada parcial con
respecto a Xi en todo punto de A.
Funcin derivada parcial de J con respecto a X;: la funcin
X E A 1-------+ f~,(x) E lR.
La funcin f es derivable sobre A si: f es derivable con respecto a
cada una de las n variables x1 sobre A (1 ~ i ~ n).
Derivada segunda de f con respecto a Xi y Xj en el pun-
to a E D: derivada parcial con respecto a Xj en el punto a de la
.
fun C!On !'X;.
Se d enota: s1..
J r_.z: 8'! (a ), o tamb''
1en: !"
x;xi (a );
8 X, 8 Xj
y s1 J a'-f< a l , o ' arob..1en: !"x, (a l .
. .= z:. -8x 2 2
1
Por recurrencia, la derivada p-sima de f con respecto a xi 1 ,
x 12 , . , xi, es: la derivada parcial con respecto a Xi" de la derivada
(p- 1)-sima de f con respecto a Xi, Xi 2 , ... , x;"_ 1 .
La funcin f es p veces derivable sobre un conjunto abierto A si:
las nP derivadas p-simas de f estn definidas en todo punto de A.
Teorema de SCHWARZ: si f es una funcin numrica de dos va-
riables tal que las funciones :.11 y f~x estn definidas sobre un en-
torno de (x 0 , Yo), y son continuas en (xo, Yo), entonces coinciden las
derivadas cruzadas en (xo, Yo), es decir: :y(xo, YO) = f~~(xo, Yo).
Consecuencia: se puede invertir el orden de derivacin en las derivadas
p-simas de una funcin numrica de n variables en aquellos puntos
en los que dichas derivadas p-simas sean continuas.

5.2.5. Punciones den variables con valores en lRm

Funcin de n variables con valores en IR m: aplicacin f de nn

subconjunto D de lRn en lRm: x E D 1-------+ f(x) E lRm.
Conjunto de definicin de la funcin/: conjnnto D {conjunto de
partida de la aplicacin /).
 _ __,CONVEXIDAD
72'-------------

La funcin f est determinada por las m funciones numricas de n

variables: x E D 1---} fi(x) = pr; f(x) E IR (donde pr1 f(x) denota la
i-sima componente del vector f(x) de IRm).
Se escribe: /=(ft,f2, ... ,/m)-
Consideramos una funcin J = (!1, /2, ... , fm) de n variables con valores
en IRm, con conjnnto de definicin D:
(Consideramos nn conjunto A~ D y un punto xo E .A.) Que el vec-
tor vE Rm es lmite de f(x) cuando x tiende a xo, permaneciendo x
en A, o que J(x) tiende a v cuando x tiende a :r:o, permaneciendo x
en A, significa:
'i>0, 36>0, VxERn,
(xEA y d(x,xo) <) => (d(f(x),v) <E).
Se denota: lm f(x) = v.
Q:-->:z:o
.cA
' se omite el precisar que x
Notacin particular: si A = D y xo E D,
permanece en D, y se denota: lm f(x) = v.
:z:-+:r:o
Son enunciados equivalentes los siguientes:
o Jm f(x) = v;
W-4Q:Q
o EA
o si (Yp) es una sucesin convergente con sus trminos en A y con
lmite xo, la sucesin (/(Yp)) converge a v;
o Vi E {1,2, ... ,m}, lm fi(x) =vi;
:z:->:z:o
o EA
o lfm d(f(x),v) ~o.
:z:......:z:o
EA
Consecuencia: unicidad, y tambin linealidad: si lm J(x) = v
.., .... ,.,0
o EA
y lm g(x) = w, entonces: lm (n/ + (3g)(x) = o:v + {3w.
:r:......:z:o :o->:z:o
:cEA :r:EA
La funcin f es continua sobre el conjunto A ~ D si:
Vxo E A, lfm f(x) ~ f(xo).
:r:->::r:o
o EA

La funcin f es continua si: es continua sobre su conjunto de defini-

cin D.
RECORDATORIO: FUNCIONES DE VARIAS VARIABLES 73

La funcin f es continua en el punto Xo E b si:

lfm f(x) ~ f(xo).
a:->:.:o

Propiedades:
o f es continua sobre A si y slo si cada fi es continua sobre A
(para 1 Si:::::_ m);
o f es continua en xo si y slo si cada Ji es continua en xo (para
1 : : :_ i : : :_ m);
o continuidad de la funcin compuesta: si f es continua so-
breA~ R.n, y g es continua sobre B ~ Rm, y f!AJ ~ B,
entonces g o fes continua sobre A.
(Consideramos un conjunto abierto A ~ D.) La funcin f es deri-
vable sobre A si: cada una de las funciones f~ es derivable sobre A,
1 :::::_ i : : :_ m.
Matriz jacobiana de f en x E A: matriz de orden (m, n) cuyo
trmino de posicin (i,j) es la derivada parcial de la funcin f con
respecto a Xj en el punto x. Se denota: Df(x). Se tiene:

a, (x) a, (x) fih (x)

ax ax, axn
a, (x) a, (x) a,(x)
Df(x) ~
ax ax, axn

8fm(x) am(x) 8fm(x)

8x 1 ax, axn
Toda aplicacin lineal de R.n en Rm es una funcin de n variables
con valores en Rm continua, derivable sobre Rn y tal que su matriz
jacobiana en todo punto de Rn coincide con su matriz asociada en las
bases cannicas.

5.3. Diferenciabilidad de funciones de varias variables

5.3.1. Diferencial de una funci6n
CoDBideramos una funcin munrica f de n variables definida sobre un
entorno de un pnnto xo = (xo1, xo2, ... , xon):
74 COI\V'EX!f)AD

La funcin f es diferenciahle en el punto x 0 , y la diferencial de f

en x 0 es la aplicacin lineal df(xo), si:

f(x) ~ f(xo) + df(xo)(x - xo) + e(x, xo) llx - xoll ,

{ lm e(x, xo) =O.
"'-+>!o

La diferencial de f en :z:o es nica, y se tiene:

n
V(Yt,Y2 ,yn) ElR'\ df(xo)(YI,Y2, ... ,Yn)= L)~,(a:o)y,.
i=l

Propiedades:
o si f es cliferenciable en :z:o: f es continua en :z:o, y es derivable
en :z:o (existen las n derivadas parciales fiJxo));
o si f es diferenciable en Xo: la aplicacin afn de la variable x:
f(xo) + df(xo)(x ~ xo) es una aproximacin afn de f en xo;
o operaciones: si f y g son diferenciables en xo, lo mismo acontece
con las funciones: o.f + j3g, Jg, f / g (si: g(xo) # O), y se tiene:

d(af + 6g)(xo) ~ adf(xo) + f3dg(xo),

diJg)(xo) ~ f(xo)dg(xo) +g(Xo)df(Xo),
1
d(f/g)(xo) ~ ( )' (g(xo)df(xo)- f(xo)dg(xo));
g xo

o si f es diferenciable en xo + tov (con v i= O), entonces la funcin:

t 1-----+ g(t) = f(xo + tv) es derivable en to, de derivada:
n
g'(to) ~ df(xo + tov)(v) ~ ;,(xo + tov)v;.
i=l

Condicin necesaria y suficiente: f es diferenciable en xo si y

slo si: f es derivable en :r:o y se tiene:
n
f(xo +y)- f(xo)- ;, (xo)y;
lm --------,,--,.-~'=-~1 ---- = O.
y~O IIYII
y#O

Condicin suficiente: J es cliferenciable en :r:o si: las n derivadas

parciales f~-, 1..::; i..::; n, estn definidas sobre nn entorno de xo y son

continuas en :z:o.
RECORDATORIO: FUNCIONES DE VARIAS VARIABLES 75

(Se considera f derivable en zu.) Gradiente de f en oto: vector de lR"

cuyas componentes son las n derivadas parciales /~,(zo).
Se denota: V/(~), o tambin: gradf(~).
.
Se t>ene' V !("'<1) = (M M (zo), ... , ax.
ax, (zo), 8x, M ("o) ) .
Si fes diferenciable en zo: Vv E IR'\ df(a:o)(v) =V f(zo) v.

5.3.2. Teof'I'Oma de los inc~mentos finitos

Consideramos una funcin numrica f de n variables:
Si f es continua sobre el segmento que une dos puntos :vo y :e, y
diferenciable en cada punto del interior de este segmento, entonces existe
un nmero fJ, con O<(}< 1, tal que:

5.3.8. Punciones de clase C1 , funciones r.k clase C2. Frmula de TAYLOR.

Desarrollo limitado
Consideramos una funci6n numrica f de n variables, y un subconjunto
abierto A de su conjunto de definicin:
La funcin f es continmunente diferenciable, o de clase C1, so--
bre A si: las n derivadas parciales de f son funciones conliinuas so-
breA.
Propiedad: si J es continuamente difcrencia.ble sobre A, es diferencia-
ble en cada punto de A.
(Se considera que f admite las n 2 derivadas segundas en un punto a::a.)
Matriz h~ssiana de f en zo: la matriz cuadrada de orden n de las
derivadas segundas J:.zj(mo).
Se denota: D 2 f (mo).
Se tiene:
if'J Ei'J
aX'("'<1) Ox 1 1Jx2 (zo)

Ei'J Ei'
2 aX2 a ("'o) 8x~ (zo)
D f(.,o) = X:}

a' Ei'J
a ax ("o)
Xn 8xn8x,("'<<)
76 CONVEXIDAD

La funcin f es de clase C2 sobre A si: las n 2 derivadas segundas

de f son funciones continuas sobre A.
Si j es de clase C2 sobre A, la matriz hessiana. D 2f( z) es simtrica en
todo punto a: de A.
Si fes de clase C2 sobre un entorno de zo+tov (con v -::f O), entonces
la funcin: t ~ g(t) = f(zo +tv) es dos veces derivable en to, de
derivada segunda:

g''(to) = :E:Et:~j(zo +tov)vv;.
i=lj=l
Frmula de TAYLOR de orden 2: si f es de clase C2 sobre una
bola B(zo, r), para cada. y de norma menor que r existe un nmero O,
con O < 8 < 1, tal que:
" 1""'
f(xo + ) = /(zo) + L);,(o:o}!l; + :L;L;f:,.1(o:o + Oy)y;y;
i=l i=l;=l
1
= /(zo) + D/(o:o)Y +:Y'D 2 /(o:o + Oy)Y
(donde: Y ea 1a matriz columna cuyos trminos son: y, ... , Ymi
yt es su traspuesta y D f (zo) es la matriz fila. cuyos trminos son:
/~,(zo), ... , /~.(zo)).
Desarrollo limitado de orden 2: si f es de clase C2 sobre un
entorno de zo, se tiene:

/(zo + ) = /(zo) + D/(o:o)Y + ~Y'D'J(o:o)Y + <(o:o,y) 111111 2 ,

{

-
lfm e(o:o, ) =O.

Aproximacin cuadrtica de f en zo:

1
/(o:o) + D/(zo)Y + Y' D' f(zo)Y,
2
donde J es de clase sobre un entorno de :ro, y Y denota la ma-
C2
triz col11IOll8 cuyos trminos son las componentes del vector diferen-
=
cia: y a: - a:o.
(Se considera 1.Ul nmero natural p > 2.) La funcin f es de clase cP
sobre A si: las n" derivadas p-simas de f son funciones continuas
sobre A.
La funcin fes de clase C00 sobre A si: todas las derivadas sucesivas
de f son funciones antinuss sobre A.
 RECORDATORIO: FUNCIONES DE VARIAS VARIABLBS 77

5.9.4. FUncione~ lwmogneas

Consideramos una funcin numrica J definida sobre (~ )n (por tanto,
de n VBXiables), y un nmero real a:

1 La funcin fes homognea de grado o sobre (JR.+)n si:

'lt >O, 'lo; E (K+J", /(t:r:) = 1"/(o;),

Propiedad: si fes homognea de grado a sobre (R+)" y es derivable

ron respecto a :Ei sobre (R+)", entonces la funcin J~ 0 es homognea.
de grado a -1 sobre ~) 0 ,
Teorema de EliLER: si fes diferenciable en todo punto de (JR+)",
una condicin necesaria y BUficiente para que f sea. homognea de
grado a sobre (Ri-)" es:
n
\f"' E (11!+)", Ef.,(m) = a/(z) .
....,
5.3.5. DiferencialJilidad de funciones con valores en Rm
=
Consideramos una funcin J (11, /2, ... , /m) de n variables oon valores
en lit'"' definida BObre un emorno de un punto zo:
La funcin 1 es dlrerenclable en el punto a:o si: las m funciones
numricas k 1 :5 i .$ m, son dlfierencla.bles en :r:o.
Diferencial de f en :!lo: la aplicacin lineal d/(~o) de R" en lltm:

11 E IR">-+ d/(.,)(!1)
= (dh(o:o)(y),<if(.,)(ll), ... , d/m(zo)(y)) E Km.
_ Condicin necesaria y suficiente:

{
/(o;~ = /(.,) + df(.,)(o;- "'') + llo;- "'11 e(o:,o;o),

Propiedades:
-hm e(z, zo) =O.

<> la matriz asociada a la aplicacin lineal d/{zo) eu las bases

cannicas es la matriz jacobiana Df(a:o);
o si f es diferenciable en, zo: la aplicaci.6n afn de la variable z:
f(o;o) +d/(zo)(z-"'0) una aproximaci6n aft'n de 1 en zo;
78 __________________________________________~C~O~NVEG~~D~AD~

<> difcrcnciabilidad de una funci6n compuesta: si J es difc-

renciablc en xo y g es diferenciable en J(:.co), entonces 9 o! es
d.iferenciable en zo y se tiene: d(gof)(xo) = dg(f(xo)) cdf(xo),
y para las matrices ja.cobian.as!

D(go /)("<l) = Dg(f(m)) D/(mo).

5.3.6. FUnciones impl{citas

El resultado central es el teorema de la funcin implcita:

Si f es Wla funcin numrica de dos variables continuamente di-
ferenciable sobre un entorno de (xo,yo), donde: f(xo,YO) = O, y
si J~(x0 , Yu) ... O, entonces existe una. funcin g definida. sobre un
intervalo abierto I, entorno de x 0 , y con valores en un intervalo
abierto J, entorno de Yo, tal que, para cada x E I, la ecuacin:
f(x, y) = O tiene a y = g(x) oomo nica solucin en J. Adems:
g'(xo) = - J;(xo, 110)/ J;(xo, 1JO).
Si x vara de xo a un punto prximo xo+dx, entonces se puede obtener
una aproximacin lineal dy de la variacin correspondiente de y res-
pecto de Yo resolviendo la ecuacin: t;(xo, 1AJ)dx + f~(xo, Yo)dy =O.
Caso general; t~i f es l.W.a fun-cin de m + n variables con valores
en IRm, continuamente diferenciable sobre un entorno de (y*, a:),
punto de !Rm x IR.11 solucin del sistema de ecuaciones: /(y, :r:) = O,
y si la funcin p(y) = J(y,:z:") de la variable y verifica que su dife-
rencial en y es nna aplicacin lineal biyectiva, entonces existen dos
bolas B(:z:",r) y B(y",s), y una funcin g definida sobre B(x*,r),
y con valores en B(y*,s), tal que: para cada x de B(z\r), el sis-
tema de ecuadones: J(y, a:) = O tiene una nica solucin en B(y", s):
y= y(x). Adems, g es diferenciable en x, y se tiene:

d,q(o:') = -dp(y')-I o dq(<U'),

donde q es la funcin q(z) = !(y~, z) de la variable z.

Si la variable X vara respecto de z* en (dx1 1 dx2, ,dx11 ) {vector
que se considera de norma pequea), entonces se obtiene una aproxi-
macin lineal (dy1, dm, ... , dym) de la variacin correspondiente de la
variable y respecto de y resolviendo el siguiente sistema de ecuaciones
RECORDATORIO: FUNCIONES DE VARIAS VARIABLES 79

en las incgnitas dy, dY2, .. , dym:

8 f 1 dyi++ llfdYm+ BfdxJ++ BJdx.~O,
8y 8vm 8x 8z:n
a~
{ -dl/1 a~
+ .. + -dYm + a~ w=
-dXl + .. + -dXn = 0,
8y {)Ym {)xl tJxn

donde las derivadas parciales se suponen evaluadas en (y*, a:*).

Aplicaci6n: funcin inversa de una funci6n f de n variables con
valores en lit~'~: si J es oontinuamente diferenciable sobre un entorno
de J/", y df(y") es biyectiva, entonces f admite una inversa -I
en un entorno de m = f(y*), que es diferenciable en m* y cuya
diferencial en este punto es la aplicacin lineal inversa de df(y*);
dr<.,> ~ df(y-.

1
80 CONVEXIDAD

RESUMEN
Conjunto convezoa
Segmento que une dos puntos z y 11 de lRn: el conjunto:

Conjunto convexo: un subconjunto de R." es convexo si contiene todo

segmento que una dos de sus puntos.
En smbolos: C ~ R" es convexo si:

V(z,y) E02, VAE [0,1[, >.z+(!->.)yEO.

Combinacin convexa de p puntos 11 1 u2, , 'llp de lR": todo

punto de la. forma: a 1v + a2112 + + O:p1Jp, donde n, a2, ... , ap
son nmeros reales positivos o nulos y de suma igual a l.
Propiedades y ejemplos:
o el conjunto vaco es convexo;
o en nt, los nicos conjuntoe convexos son los intervalos;
o toda. combinacin convexa de puntos de un conjunto convexo
pertenece al oonjlUlto;
<> un subespa.cio af;t. de llln. es un ronjunto convexo;
o la imagen por una aplicacin a.fi'n de un conjunto convexo es un
COIJjunto oonvexo;
<> la imagen inversa por una aplicacin afin de un conjunto convexo
es un conjunto convexo;
o wn convexos los smniespacios cerrados:

{ (x, x2, ... , xn) ER" 1 tax; ,<; b}

~1

(donde a 1 , a2, , .. , Cln no 80Jl simultneamente nulos), y los semi-

espacios abiertos (como loe cerrados, pero con desigualdad
estrcta);
o la interseccin, el producto y la suma de conjuntos coiMlXOS es
un c:oojunto ~vexo;
o la adherencia de un conjunto convexo es un conjun~ convexo
\
RESUMEN 81

o las bolas, tanto las abiertas como las cerradas, son conjUntos
convexos;
o fijada una cantidad finita de puntos de IR", el conjunto de los
puntos que son combinacin convexa de ellos es convexo y com-
pacto.

FUnciones cncavas y fu,ncone8 convemas

Consideramos una funcin numrica f definida sobre un conjl.Ulto con-
e
vexo no vaclo t::;;_ Rn:
Funcin cncava sobre el conjunto convexo G: J es cncava sobre C
si:

V(m1, m2) E e', V> E [0, 1),

f(>m, + (1- >)m2) :2: Af(m) + (1- >)f(m,).

Funcin convexa sobre el conjunto convexo e: J es convexa sobre e

e
si: - J es cncava sobre 1 es decir:

V(m,,z,) E e2 , lf>E [0,1),

f(>.m, +(!->)m,) o >f(z,) + (1- >.)f(z,).

Propiedades y ejemplos:
o una aplicacin afin de IRn en 1R es una funcin tanto cncava
como convexa sobre lR"";
o una funcin constante sobre un conjunto convexo es a la vez
cncava y convexa sobre el conjunto;
o si h, h, ... , fp son cncavas sobre e, tambin lo es la funcin:
"'E e>--+ mfo{fl(m), ,(m), ... , {,(z)} E IR;
o s h, /2, ... , / 11 son convexas sobre C, tambin lo es la funcin:
m E e>--+ mx{fl(m), f2(z), ... , f.( m)} E IR;
o la funcin a1!l + a2!2 + + C~p/p, donde a 1, a:2, ... , 0p son
nmeros reales mayores o iguales que O y 11, h, ... , f p son
e
funciones, es cncava o convexa sobre segn sean, respectiva-
mente, cncavas o convexas sobre C las funciones 11, h, ... , f P;
o si f es cncava sobre C, y a: E R, entonces { z E e 1 J(z) > a}
y {z E e 1 f(z) ;"?:a} sn conjun)o~nvexos;
82 CONVEXIDAD

o si J es convexa sobre C y a E R, entonces {::e E C 1 /(z) <a:}

y {z E C 1 / ( z) $ o:} son conjuntos convexos.

Caracterizacin de una funcin cncava: los siguientes enunciados son

equivalentes:
o fes cncava sobre C;
o cualesquiera que sean z E C y w E R", la funci6n numrica de
una variable real: A 1----1- f(z + >.w) es cncava sobre el intervalo
Jc(o:, w) ={A E R 1 o:+ Aw E C};
o el conjunto {(z, y) E C x lR j y< f(z)} es convexo en JRn+l;
o eloonjunto {(:e, y) E Cx lltJ y$. f(z)}es convexo en R"+ 1 .
Caracterizacin de una funcin convexa: los siguienteR enunciados son
equivalentes:
o J es convexa sobre C;
o cualesquiera que sean a: E C y 'W E R."', la funcin numrica de
una variable real: A t---t f(x + >.w) es convexa sobre Io(:c, w);
o el conjunto {(z,y) E C x R.j y> f(x)} es convexo en R"'+ 1 ;
o el conjunto {(a:, y) E C x 1R 1 y f(a:)} es convexo en ][t"-+1.

Se considera C abiexto (adems de convexo) y f diferenciable en cada

punto de C:
() J es cncava sobre e si y slo si:
'o'(,,y) E C', /(:r.)- f(y) 2: df(o:)(o: -y);
o e
1 es ronvexa sobre si y slo si:
V(o;, y) E C 2, f(o;)- /() :5 d/(.,)(o:- y);
o si z"' es un punto de e donde se anulan las n derivadas par-
ciales f~,(x), entonces f admite en x un mximo global SO-
bree si 1 es cncava sobre e, y un mnimo global si es convexa.
o (Se considera1 adems1 que 1 es de clase C2 sobre C.) Una
condicin necesaria y suficiente para que J sea cncava sobre e
es que 1 para cada X E Cl sea aemidefinida negativa la forma
cuadrtica asociada a la matriz hessiana D 2 J(x) 1 es decir, la
forma cuadrtica:
RESUMEN 83

Una condicin necesaria y suficiente para que f sea. convexa so-

bre 0 es que, para cada. X E e) sea semidefinida positiva la
forma cuadrtica asociada a ]a ma.triz hessiana D 2 /(~).
F\mcin estrictanlente cncava sobre C: f es estrictamente cn-
cava sobre e si:

Y(.,,,.,,)EC2 , Y>.E(0,1),
(.,, i .,, ~ f(>,.,, + (1- >.).,,) > >.f(x,) + (1- >.)f(x,).
F\mcin estrictamente convexa sobre C: fes estrictamente con-
e
vexa sobre si:

Y(.,,,.,,)EC2, VJ.E(0,1),
(.,, i .,, ~ f(J..,, + (1- >,).,,) < >./(.,,) + (1- J.)f(.,,).
Propiedades:
o si f es estrictamente cncava sobre e, tambin es cncava so-
bre C; si es estrictamente convexa, tambin es convexa;
e
o (se considera abierto y f diferenciable en cada punto de C) la
funcin f es estrictamente cncava sobre e
si y slo si:

Y(z,y)EC2, (zfy) ~ f(.,)-J(y) >df(z)(ro-y);

y fes estrictamente convexa sobre e si y slo si:
Y(z,y)Ecf', ("'iY)""" f(.,)-J(y) <<lf(.,)(.,-y);
si z* E C y ;,(~) = 01 1 ::5 i :5 n, entonces f admite en z~
un mximo global nico sobre e si f es estrictamente cncava
sobre e' y un mnimo global nico si es estrictamente convexa;
<> (se considera e abierto y f de clase c"l sobre C) la funcin f
es estrictamente cncava sobre G si, para cada z E e, es de-
finida negativa la forma cuadrtica asociada a la matriz heB-
siana D 2 j(z); y es estrictamente convexa si en cada punto tal
forma cuadrtica es d.eflnida positiva.

Generalizaciones /
/
Consideramos una funcin numrica J definida sobre un conjunto con-
vexo no va.clo e~ JR:n:
84 CONVEXIDAD

Funcin cuasicncava sobre el conjunto oonvexo C: f es cuasic6n~

cava sobre C si:

'f (z,y) E e', 'f ~E [0,1], f(~z + (1 -~)y) ;o mrn{f(z), J(y)).

F\wcin cuasiconvexa sobre el conjunto convexo C: f es CUBSicon-
e
vexa sobre si: -1 es cuasicncava sobre o, es decir:

V(o:,y) E e', 'f ~E [0,1), /(~a:+ (1- ~)11) $ mx{f(a:), /(y)}.

Pl'opieda.dea y ejemplos:
o una funcin de una variable montona. sobre un intervalo es tanto
cuasicncava como cuasicon:vexa sobre el intervalo
o si f es cncava sobre C, tambin es cuasicncava sobre C; si es
convexa, tambin es cu.asiconvexa;
o f es cuasic6ncava sobre C si y slo si: para. cada a: E IR es
convexo el conjunto {a: E e 1 f(a:) ;o o};
y es cuasiconvexa sobre C si y slo si: para cada o: E R es
convexo el conjunto {z E C 1 /{z) :5 a};
o (se considera G abierto y f diferencia.ble en cada punto de G) la
funcin J es cuasicncava sobre e si y slo si:

V(a:,y) Ee', /(y) ;o f(z) => df(o:)(y- z) ;o O;

y f es cuasiconvexa sobre e si y slo si:

V (z,y) E e', f(y) $ j(o:) => <if(o:)(y- o:)$ O;

o (se ronsidera C abierto y f de clase C2 sobre C) la funcin j es

cuas.iaSncava sobre 0 si, para. cada ID E 0, la forma. cuadrtica
&SOciada a la matriz hessiana D 2 f( :1:') es definida negativa res-
tringida al rube'Pacio vectorial {vE IR" 1 <if(z)(v) =O}; y es
cuasiconvex:a si tal forma. cuadrtica es definida positiva restrin-
gida. al mismo subespa.cio vectoxial;
si f es de dos variables, es cuasicncava sobre C si, para. ca-
da (x, y) E e, se tiene: \

2/(x, y)f;(x, y)J::,(x, y)

- J~(x,y) 2 f.;z(x, y) - J;(x, y) 2 t:z(:c,y) > O;
ACTIVIDADES RECOMENDADAS 85

y e~:o cuasiconvexa sobre C si pa.rH. cada (x,y) E C se tiene la

desigualdad anterior en el otro sentido.
(Se considera e abierto y f
diferenciable en cada punto de C.) Fun-
cin pseudocneava sobre G: f es pseudocncava sobre C si:

Propiedades:
o si f es c6ncava sobre C, entonces f ea pseudocncava sobre e;
o si j es pseudocncava sobre C, entonces f es cua.sicncava so-
bree;
(> si f es pseudo cncava sobre e,
y ::e~ es un punto de donde e
se anulan las n derivadas parciales f~ 0 (x*), entonces f admite
en ::e un mximo global sobre C
o la condicin suficiente de cuasiconcavida.d de una funcin de
clase C2 antes ennnciada tambin es condicin suficiente de pseu-
doooncavidad.

ACTIVIDADES RECOMENDADAS

1. Probar que el conjunto:

D= {(o:,o:2, ,o:m) ElRm 1 o:i ~O para 1 :5i$ m, y ~o: = 1}

es convexo y compacto.
Solucin. El conjunto D es la interseccin de los m semiespa.cios
cerrados

{(o:,o:2, ... ,o:m) ElRm 1 0:;;:: 0},

y el hipe:rplano

{ (a,, o,, ... ,nm) ElRm 1 fa;= 1},

1=1
que son conjuntos cerrados y convexos, y por tanto D es cerrado
(cf. Recordatorio, p. 64) y ~exo (cf. proposicin 6, p. 21).
86 CONVEXIDAD

El conjunto D tambin es acotado, pues si (a 1C% ,a,n) E D,

entonces:

Jl(a,,a,, ... ,cx,.)JI =V~"~:>~= l.

(Ntese que, como cada a. verifica: O :s; o ::; 1, se tieJle: a'f :5: a.)
En consecuencia, D es compacto, pues es cerrado y acotado.

2. Demostrar que 1.Ul& condicin neceB81'ia y suficiente para que la funcin:

aea cncava sobre (IR+)" es: <>; E [0, 1) p"'a 1 :> J :> n.
Solucin. La condicin e.s necesaria. Si ~ = (xo1, xo2 1 1xon) es
un punto de (R'f-)'', y e el!!l el i-sim.o vector de la base cannica de R"
(1 Si :S n): e= (O, ... 1 1, ... ,O) (todas las componentes nulas aslvo
la i..si.ma, que es igual a 1), entonces de la proposicin 14 (cf. p. 29)
se deduce que la funcin:

g(.>.) = !(Xo + e;) = (xo.)" 1 + + (x0(;- 1)"'-

+ (:cg + A)Cli + (zO(i-tl)y:~<+l + + (ZOn)ct.o
es cncava sobre el intervalo J = l(R.f.)"(:QJ,es), que es uu coojunto
abierto por serlo (le.}". Adems, g es doo veces derivable sobre J, con
derivada segunda:

g"(-') = <>;(<>;- 1){xo; + .>.)-2

Ahora bien, para cada>. E J la concavidad de g implica que g"(>.) <_o,

y como (xo + A)a.- 2 > O, se tiene que a:(o - 1) ::; O, de ~se
concluye que O::; a: S l.
La condicin es suficiente. Para cada 1 ::; i :s; n la funcin:

es cncava sobre (Rf-)". En efecto. Si

ACfiVIDADES RECOMENDADA..<; 87

entonces la funcin: h(A) = f.(w + Au) = (xi + ..\v)"' es dos veces

derivable sobre el intervalo abierto J' = l(:.t~_) .. (a::, v) {cf. p. 29), y de
derivada segunda:

h 11 (>.) =vfa.;(o.,- l)(xi + >.v.)'">- 2.

Pero para. cada,\ E J' se tiene que h11{..\)::; O, pues (xi + Av1 )a- 2 >O
y de ser O ::; a.t ::; 1 se deduce que Cti(a- 1) ::::; O. Por tanto, hes
cncava sobre J', y en consecuencia (cf. proposicin 14, p. 29) fi es
cncava sobre (R.+)n.
De la proposicin 12 (cf. p. 27) se concluye que la funcin

es cncava sobre (R+) ....

3. Demostrar que una condicin necesaria y suficiente para que la funcin:

sea convexa sobre (lR~)n es: ai ~ (0, 1) para 1::; ::; n.

Solucin. La resolucin es, mutats mutandis, como la de la m:tivi-
dad 2. Obsrvese que la desigualdad: O:i(a- 1) ~O es equivalente a:

es decir: o: f/. (0,1).

4. Justificar que es mnvexo el conjunto:

Solucin. Que el conjunto del enunciado es oonvexo se obtiene al

aplicar la proposicin 17 (cf. p. 33) a la funcin: :z1 + 213 + :z:3, x;
la cual es convexa sobre (IR+ )3 en virtud del resultado probado en la
actividad 3.

5. Sean f y g dos funciones numP.ricas definidas sobre lR.n, siendo g una

aplicacin &fin, y sea:

F = f + Ag, donde >. E lR.

88 CONVEXIDAD

Demostrar que si j es convexa sobre Rn, entonces F' es convexa so-

bre lR"; y que si f es cncava sobre lRn, entonces F es cncava sobre lRn.
Soluci6n. Notemos que (Ag) es una aplicacin afn, y por tanto es a la
vez cncava y convexa sobre 1Rn. Como consecuencia, si f es convexa,
entonces F =f + (Ag) es convexa (cf. proposicin 16, p. 33); si fes
cncava, F =
f -i- (>.g) es cncava (d. proposicin 12, p. 27).
Nota bene. Es indiferente el signo del nmero real A. D.

6. Probar que la forma cuadrtica sobre JR 2:

q(x, y) = ax 2 + 2bxy + cy2

verifica:
es semidenida negativa si y slo si: a :::; O, e:::; O y b2 - ac ::;: O;
es definida negativa si y slo si: a < O, e< O y b2 - ac <O;
es semideflnida. positiva si y slo Ri: a .? O, e .? O y l? - ac:::; O;
es definida positiva si y a6lo si: a >O, e > O y b2 - ac < O.
Solucin. Supongamos en primer lugar que q es semidcfinida nega-
tiva, y probemos que a S: O, e :::;: O y b2 - ac ::;; O.
Se tiene: q(l, O) :::; O, pero q(l, O)= a, y por tanto a ::; O. Anloga-
mente, e$. O, pues q{O,l) $.O.
Por otro lado: 'r/t E R., q(t, 1)::::; O, es decir,

de lo que se deduce que la ecuadn de segundo gradoat 2 +2bt+c =O no

puede tener dos soluciones distintas (pues, en tal caso, at 2 +2bt+c ser_!)/
positivo para algn valor de t), y por tanto el discriminante: 4b 2 - 4ac,
es menor o igual ql.lt: O, esto es:

Recfprocam.enLe, supongamos que a :; O, e $. O y b2 - ac $ O, y

probemos que q es semidefinida negativa. En las condiciones dadas, ae
comprueba. sin dificultad que se verifica:

Vt E R., at 2 +2bt +e$ O. {40)

ACTIVIDADES RECOMENDADAS 89

Si y = O,entonces q(z,y) = q{z, O) = ax2, y oomo a ~ O, se tiene

que q{a:,O) <O. Si y f.O, entonces

y de (40) se deduce que q(a:,y) ~O. En conclusin, q M semidefinida

negativa.
La caracterizacin de forma cuadrtica definida negativa es de de-
mostracin 8Jl.loga.
Las caracterizaciones de forma cuadrtica seroidefinida poeitiva. y
definida positiva se deducen inmediatamente de las anteriores.

7. Demostrar que toda forma cuadrtica sobre 1R" semidefinida. negativa

es tma funcin cncava sobre lR".

Solucidn.. Consideremos la siguiente forma cuadrtica sobre R":

n n
f(x,X2, ... ,:m)= Ll:a;x.x, (41)
t=lj=l

y supongamos es semidefinida negativa:

n n
V (.x 1 a:2 1 1 a:n} E Rn 1 E}:BtjXta:'J ~O. (42)
i=lj=l

La funcin 1 es obviamente de claee C2 sobre li" J que es un conjunto

oonvexo y abierto. En consecuencia (cf. proposicin 201 p. 38}, la fun-
cin f es cncava sobre R" si y slo si para cada a: E Rn y para
cada (v 1 tt2, ... 1ttn) E RR se verifica:

(43)

Ahora bien, de (41) se deduce:

90 CONVEXIDAD

y por tanto:
n n &j n n
o .("')v;v; =(a;; +a;;)v;v;
t=:l;:=t 8 x~ x, i=IJ=l
n n n n
= a;;v;v; + a;;V<V;
i=lj=l i=1i=1
n n n n
= L:La;;viv; + LL:a;;v;v
i=l j=l i=l i=l
n n
= 2LLili;vv;:::; o
i=lj=l
(la ltima desigualdad es una consecuencia de (42)), con lo que se
verifica (43). En conclusi6n, fes cncava sobre l!t".

BIBLIOGRAFA

A. LVAREZ. Clculo II para Economa y Empresa. Funciones de

varias variables. San Julin (l~ones de Matemticas para Economa
y Empresa, 3), Madrid, 1998.
R. BARBOLLA, E. CERD, P. SANZ. OptWJizacn. Cuestiones, Ejer-
cicios y Aplicaciones a la Econom.la. Prentiee Hall, Madrid, 2001.
R. BARBOLLA, -P. SANZ. La Concavidad en un Modelo Econ6mico.
.Amciones de De.ma.t~da. Pirmide, Madrid, 1995.
A. MAS-COLELL et al .. Microeconomic Theory. Oxford University
Presa, Nueva York, 1995.
P. M!CHEL. Cours de Ma.th.matiqueB pour conomistes. conomica,
Pars, 1989, segunda edicin.
E. PRIETO, A. LVAREZ, M. ARNDIGA .lgebraLilleal. Problemas
Resueltoa y Cuestiones Comentadas. C.E.R.A., Madrid, 2000.
E. PRIETO. Lecciones ElemeiJtales de AJgebra Lineal para Eoonom:fa
y Empresa. C.E.R.A., Madrid, 1999.
E. PRIETO. Clculo 1 para Ecoo.omfa. y Empxesa. Funciones de una
variable. San Julin (lecciones de Matemticas para Economa y Em-
presa, 2), Madrid, 1997.
C. P. SrMON, L. BLUME. Mathematics for Economists. Nort.on, Nue-
va York, 1994.
Captulo 11

Complementos de
optimizacin
Alberto A. lvarez:. Lpe.z

INTRODUCCIN

En este captulo se ampla lo ya visLo ea asignaturas anteriores sobre opti-

mizacin de wciones de variaB variables con restricciones.
En la. primera seccin se establecen los conceptos baicos: mximo y
mnmCJ, tanto globales como locales, sobre un conjunto; y se detallan las
notaciones y la nomenclatura sobre problemas de optimizacin que se van
a emplear en el resto del captulo. En particular, se introduce la forma
general de un problema de optimiucin con restricciones de igudldad y de
desigualdad, que es el tipo de problema en el que nos centramos. Nos
b.a. parecido oportuno incluir tambin las definiciones de mximo local y
de mnimo local, con la intencin de compararlas con las de mximo y
mnimo sobre un conjunto. El clculo de los mximos y los mnimos locales
de una funcin (lo que podemos denominar optimi~.a6n sin restricciones)
no se desarrolla en este captulo por ser materia suficientemente vista en
asignatuxas anteriores; quien quiera, o necesite, repasarlo puede consultar
el texto Clculo II, seccin V .2.
,' En las secciones segunda y tercera se estudian condiciones necesarias de
S:lucin de un problema de optimizacin con restricciones, Estas condicio-
nes necesarias nos permitirn, para lUla problema dado, enoontrar plUltos
candidatos a ser solucin. En la segunda. seccin, se estudian las condi-
ciones necesarias de KUHN-TUCKER en la tercera., las condiciones necesarias
de FRITZ-JOHN 1 de aplicabilidad nls amplia que las primeras. El lector
92 COMPLEMENTOS DE OPTIMIZACION

ha trabajado ya con l8B condiciones de KUHN-TuCKER1 aunque quiz B6lo

con problemas que presentaban una nica restriccin (o varias, pero s-
tas slo de igualdad); la teora aqu vista permite trabajar con problemas
que incluyan restricciones de ambos tipos. Por otro lado, las condiciones
de FRJTZ~JOHN son probablemente nuevas para el alwnno de esta asig-
natura. La demostracin de los resultados enunciados en estas secciones
puede consultaree en cualquier manual sobre optimizacin de los citados en
la bibliografa.
En l.wl dos ltimas secciones se establecen condiciones suficientes de
solucin de un problema de optimizacin con restricciones, Estas condi-
ciones suficientes nos permitirn, en algunos casos, eBtablecer que los can-
didatos a solucin obtenidos con la. ayuda de las condiciones necesarias son
efectiVRID.ente soluciones. La ltima seccin introdure al alumno en la pro-
gra.m.acin convexa, donde se estudian problemas de optimizacin en los
que las funciones involucradas verifican alguna propiedad de convexidad;
se estudia, en concreto, una condicin suficiente de solucin global.
Finalmente, se incluye un resumen, as como una lista de manuales en
los que el lector puede ampliar infonn.acin sobre algunos aspectos de la
optimizacin no desarrollados en este captulo.

\
DEFINICIONES, NOTACIONES Y EJEMPLOS 93

l. DEFINICIONES, NOTACIONES Y EJEMPLOS

1.1. Ec:ctremo&, globole g locales, de uno funci6n sobre un con-
junto
P8l11. 188 dos definiciones siguientes, COII8ideramos una funcin llUIIlrica f
de n variables, un subconjunto A del oonjunto de definicin de J, y un
punto z de A.

Tambin diremos que f admite extremo, global o local, sobre A en z*

si admite un mximo o un mfnimo, global o local, sobre A en este punto.
. Ntese que la funcin f admite en el punto a: un mnimo (global o
lo~) sobre el conjunto A precisamente si la funcin - / admite en este
p~ z un mximo (global o local) sobre el mismo conjunto A.
Ntese tambin que un mximo global sobre un conjunto A es un m-
ximo loc:al.sobre el mismo coajunto A; y, de la. mism& manera., un mnimo
global sobre A es un mnimo loc:al sobre A.
94 COMPLEMENTOS DE OPTIMIZACIN

EJEMPLO t. Consideremos la funci6n

0, ,; = -3,
f(x)= 11, oiE(-3,11-{0},
{
2, oioE{O}U(1,+oo),
cuyo oonjunto de definicin es [-3,+oo), y sea A= [-3, 1], que es un subcol\iunto
de [-3, +oo). Se tiene:
f admite un mnimo global sobre A en -3, pues cualquiera que sea .:e E A
oevedfica; /();:: /(-3) =O;
f admite un mnimo local sobre A en -3, pues en este punto admite un
mfnimo global sobre A;
J admite un mximo local sobre A en 0: si, por ejemplo, tomamos r = 1/2,
entona.

A n B(O,r) = [-3, 1] n (-1/2, 1}2) = (-1}2, 1/2),

y"""' ooda e (-1/2, 1/2) "=ffi= f() $ f(O) = 2;
J admite un mximo local sobre A en 1, pues tomando, por ejemplo, r = 1/2,
~cumple;

A n B(1,r) = [--3, 1] n (1/2,3/2) = {1/2, 1],

y para cada m e (1/2, l]~~e wrifica: /(r&)::;: f(l) = 1;
f no admite mximo globa.( sobre A en ningn punto de A.

1.2. &tremas locales de una funcidn

Consideremos una f\mcin numrica j definida sobre un entorno de un

punto z* de JRR. Diremos que f admite un mximo local en z* si
existe una bola abierta B(z, r), sobre la que f est deflnda, tal que f
admite un mximo global sobre B(z*, r) en z* 1 es decir:

3r >O, Vz E B(:o,r), f(z) $/(:o");

y diremos que f admite un ~imo local en z si existe Ull8. bola
abierta B(~, r), sobre la que f fot
definida, tal que j admite un mnimo
global sobre B(m*,r) en :z:, esto es:

3r >O, Vz E B(.,,r), f(z);:: /(z").

Diremos que f admite extremo local en r si admite un mximo local
o un mfnjrno local en este punto.
DEFJNICIONES, NOTACIONES Y EJEMPWS 95

Nota bene. Al definir extremo local se exige que la funcin est definida
sobre un entorno del punto, es decir, se exige que el punto sea interior al
conjunto de definicin de la funcin. En consecuencia, si un punto no m
interior al conjunto de definicin de una funci6n, no tiene sentido preguntanJe
si &Ita admite en dicho punto un extremo local.
Los extremos locales de una funcin tienen que buscarse entre los puntos
interiores de su conjunto de definicin. 8

EJEMPLO 2. La funcin f del ejemplo 1 admite un mximo local en O. En

efecto. En primer lugar, el punto O es interior al conjunto de definicin de /;
y, en segu.ndo lugar, para r = 1/2, por ejemplo, se tiene que f est definida so-
bre B(O, r) = (-1/2, 1/2) y admite un mximo global sobre este conjunto en O,
puet~ para cada a: E (-1/2, 1/2) se verifica:

f(o) $ f(O) ~ 2.

La funcin f no admite extremo locel en -3, pues -3 no el!! un punto interior

del conjunto de definicin de/: -3 no es interior a [-3,+oo).
Tampoco f admite extremo local en 1 (que s es punto interior del conjunto
de definicin), pues para cada bola B(1, r) = (1 -r, 1 + r) sobre la que f est
definida se verifica: hay puntee :11 de la bola tales que f(:r:) > /(1), y tambin hay
puntos z de la bola toles que /(:e) < /(1). Sin embtu-go, ntese que f admite en
el punto 1 un mximo local sobre [-3, 1], como se comprob en el ejemplo l.

Obsrvese que, como acontece con los extremos sobre un conjunto, una
funcin f admite en un punto un mnimo local preciBamente si la. funcin -/
admite en el mismo punto un mximo local.

1.9. Planteamiento de un problema de optimizacin

Utilizaremos la notacin y la nomenclatura BiguienteB. Dada una. funcin
numrica f den variables, ;~un subconjunto A del conjunto de defini
cin de f, de un punto m &-A-diremos
es una solucin local del pro-
blema de optimizacin:

maximil:ar j(&r.)
(P) { .. eA
si la funcin f admite en ~ un mximo local sobre A; y diremos es una
solucin global del problema de optim.izacin (P) Bi la. funcin admite
en ~ un mximo global sobre A.
9,~6'__ _ _ _ _ _ _ _ _ _ _ _ _ __'C~O~MP
.. LEMENTOS DE OPTIMIZACIN

Anlogamente, de un punto z diremoo es una solucin local (o global)

del problema de optimizacin:

si la funcin f admite en ~" un mnimo local (o global) sobre A

En ambos problemas de optimizacin, de la. ftmcin f diremos es la
funcin objetivo; y del conjunto A diremos es el conjunto de los puntos
factibles, o simplemente; el conjunto factible.

EJEMPLO 3. Con IOR datos del f!jP.mplo 1 (p. 94), es decir, la funcin:

o, ," = -3,
f(x) = lxl, ,X E ( -3, 1]- {0},
{2, si z E {O} U (1, ...:...oo),

y el conjunto A =
[-3,+oo), y de acuerdo con lo dieho en este ejemplo citado,
podemos afirmar lo siguiente:
el punto -3 es tanto una solucin local como una solucin global del pro-
blema de optimizacin:

minimizar f(x)
{ z E A;

}(1':) puntoa Oy 1 son soluciones locale!:! del problema de optimizacin:

maximizar f(x)
(P)
{ x E A;

el problema (P)_ no admite soluciones globales. '

1

1
'
1.4. Problemas de optimizaci6n con restriccione.s de igualdad y
de de8igualdad
EstudiaremOB problemas de optimi.zaci6n de un tipo particular que surge
con profusin en Economa. Sea f una funcin numrica de n variables, con
conjunto de definicin 1m oonjnnto abierto O ~ IRn, y sean 9t, 92, ... , gp,
ht, hz, ... , hq funciones numricas de n variables, todas con conjunto de
 DEFINICIONES, NOTACIONES Y EJEMPLOS 97

definicin lR.n. Considetemos el conjunto A formado por los puntos z de O

que verifican simultneamente las p + q siguientes oondiciones:

g,(.,),; O, g,(.,),; O, .. , g,(.,) ,; O,

ht(o:) =O, h,(.,) =O, ... , h,(.,) =O,
esto es:
A= {z E O 1 g(lll) $.O para 1 $. i ~ p, hi(z) =O para 1 S j $. q}.
Vamos a buscar soluciones, tanto locales como globales, de los problemas
de optimizacin:
maximizar f(a;) y {minimizar !{~)
{ zEA zEA,
los cuales, a partir de ahora, sern respectivamente denotados:
maximizar !("')
(P) con las restricciones: g.(~) ~O para1 ~ i ~ p,
{
h;(m) =O para 1 $. j '5: q,
y

1 minimizar f(z)
l (Q) con [as restricciones: g.;(lll) $.O para 1 $. i '5: p,
{
h(z) =0 para 1 ~ j $. q.
Que un punto z"' es solucin local del problema (P), o lo que es lo
mismo: que la funcin f admite en z"' un mximo local sobre el conjunto A,
en concreto significa:
a) z' es un punto factible: .:z:' E A es decir, el punto z pert)mece al
conjtmto O (conjunto de definicin de /) y verifica las condit:iones:

9i(z') :5O para 1 :5 i ~ p, hi(a;') =O para 1 ~ j :5 q;

b} existe r > O ta.l que:
V a: E A n B(.,, r ), f( a:) ,; {(:;).

En este caso1 tambiro diremos que el punto z es un mximo local de f(z)

oon las p restricciones de desigualdad: g;. (x) $. Opara 1 ~ i $. p, y las q
restricciones de igualdad: h;(:z:) =O para 1 .$ j:::;; q.
98 COMPLEMENTOS DE OPTIMIZACIN

Que= p=to a:' es soluci<!n global del problema (P) mgnilica'

a) a: es un punto factible: a: E A;
b} '1"' E A, f(z) " f(z).
Y, en este caso, tambin diremos que el pt.mto a: es un mximo global
de f(a:) con las p restricciones de desigualdad: g(z) ~O para 1 :Si :S p, y
las q restricciones de igualdad: h,(z) =O para 1 :S j :S q.
Finalmente, mutatis mutandis., podemos escribir lo que significa que
un pu.ri.to z sea solucin, local o global, del problema (Q) (tan a6lo hay
que escribir loa apartados (a) y (b) anteriores cambiando el sentido de la
desigualdad delaparlado (b)}.
Nota. El hecho de que las funciones que definen las restricciones: {Jl,
fh, ... , Opo h1, ~ ... , h.q, tengan como conjunto de definicin lit" no es
esencial, pero permite agilizar Jos enunciados de los resultados sin que se
pierda su sustancia. ll

2. CONDICIONES NECESARIAS DE KUHN-TUCKER

B. l. Introduc:ein
Enunciaremos, bajo ciertas hiptesis, condicionea necesarias de solucin
local de un problema de optimizacin con restricciones de igualdad y de
desigualdad, es decir, enunciaremos propiedades que deben necesariamente
sex verificadas por toda soluci6n local de un problema de optimizaci6n
oon restricciones. Conocida. una tal oondici6n necesaria, los puntos que la
verifiquen sern candidatos a ser soluciones locales del problema, y de un
punto que no la verifique podremos afirmar que no es solucin.
Sin embargo, debemos enfatizar que la validez de las condiciones nece-
sarias que veremos slo estar asegurada bajo ciertas hiptesis, de fol'IIU}
que slo podremos enoontra.r candidatos a solucin entre los puntos que sa--\
tisfa.gan tales hiptesis: si un punto no la8 satsface, nada podemos afirmar,\
sin tiD anliSB adicional, sobre si es o no ea solucin.

S.S. Enunciado generol de las condeione neceariaa de KUHN-

TUGKBR

Consideremos una funcin numrica f con conjunto de definici6n un con-

junto abierto O !:; IR", p + q funciones numricas 91, !J2 1 1 [Jp, h1 ,
~~ 1 hq con conjunto de definicl6n JR.n, y el conjunto:

A= {z E O 1 g;(.,) S O para 1 Si 5 p, h;(:o) =O para 1 5 j 5 q};

CONDJCIONES NECESARIAS DE KUHN-TUCKER 99

y consideremos el problema de optimizacin:

maximizar f(w)
(P) con las restricciones: g(x)::; O para 1 :$ :$ p,
{
h("') ~o para 1 :$ j ~ q.
(Debemos observar que permitimos que pueda ser p = O o bien q = O,
pero no ambos; contemplamoo, pues, la posibilidad de que el problema slo
tenga restricciones de un tipo.)
Ntese que, sin exigir hiptesis adicional alguna, una condicin necesa-
ria inmediata para que un punto z eea solucin local de (P) es la de ser un
punto factible: un elemento del conjunto A; esto es: :z:* es un elemento de O
(conjunto de definicin de !) que verifica las p restricciones de desigualdad:
91 (~'") :5. O, Y2(z'") $_O, ... , gp(:z:) ~O,

y las q restriccionet'! de igualdad:

h1(z'") =O, h2(z'") =O, ... , hq(z'") =O.
Veremos a continuacin otra condicin necesaria, cuya va.ldez slo est
asegurada si tanto la funcin objetivo: f, como las funciones que definen
las restricciones: g, !1J. 1 1 gp, hlt h2, ... , h 11 , son de clase C1 sobre su
conjunto de definicin (el coiJjunto O para f y R.n para las dems), y si
las funciones que definen las restricciones verifican una condicin adicional
llamada condicin de cualificacin. Para detallar sta, utilizaremos la. si-
guiente nomenclatura: dado un punto factible :r:, esto es, un punto z'" E O
que verifica la.s restricciones del problema (P), y dado 1 :::; i :::; p, diremos
que la. restriccin de desigualdad g(z) ~O est. saturada en el punto z
si: Yi(;:c'") =O; y diremos que est no saturada en z si: g(z) <O.
Condicin de cualificacin. Diremos que las restricciones del problema (P)
satisfacen la condicin de cualificacin en un punto fa.ctibYe a:'" (o que
estn cualificadas en x) si Ia.s restricciones que se verificaft en z con
igualdad son independientes, en el sentido siguiente: los gradientes de las
funciones g que definen las restricciones de desigualdad saturadas en x
y los gradientes de las funciones hj, que definen las restricciones de igual-
dad, son vectores linealmente independientes. Es decir, son linealmente
-independientes los vectores:
V' m(z'") para i E r y V hJ(;c) para 1 S j $_ q,
donde' r ~ {i E {1,2, ... ,p} J g;(.,') ~ 0}.
100 COMPLEMENTOS DE OPTIMlZACIN

Teorema 1 (condiciones ne~:esarias di! KUHN-TUCKER). Si z E IR" es

una solucin local del problema (P), y se veriilca;
hi} fes de claseC 1 sobre O, y 91, 92, ... , !Jp, h 1, hz, ... , hq son de clBSeC1
sobre Rn,
h2} las restricciones vediica.n !a condidn de eualificacrr en z*,
entcmces:

9t(z*) $O para 1 :$ i :$ p, h;(z'") =O para 1 :$ j :$ q,

. t en p + q numeras
y eXl8 ' JJ...1, p ..2 , , P.p
.. "'1>
,. ..,\..2 , . , "'q
, .. t'
wes que:
Ki) para 1 :$ i $ p, se tiene: p. 2: O y Lj'gi(z) =O;
K2} el punto :z:* a punto critico de la funci6n:

L:(z)

= f(z)- L;!'ig;(o:)- L;>.jh;(z),

i=l j=l

esto es: V L:(,) =O.

En las condiciones del teorema. anterior, los nmeros pj, p.2, ... 1 .;,
Aj, A2, ... , A: se llaman multiplicadores de KUHN-TUCKER. Fijada
la. sol~ci6n local z*, y bajo las hiptesis del teorema, estos multiplicadores
son nicos.
Las condiciones (Kl} y (K2) se denominan condiciones necesarias de
KUHN-TUCKER. La condicin (Kl) slo tiene sentido si el problema (P)
tiene restricciones de desigualdad (es decir: p ~ 1); obsrvese que esta
condicin establece, en particular~' que f'i = 0 para i E {1 1 2 1 , ,p}- 1*
(pues si i ~ r' entonces g; (,. ) < o). .

Nota bene. De acuerdo con el teorema 1, slo para punt<.:6 factiblL

los que estn cualificadas las restricciones podemos asegurar que las condic~
nes de KUHN-TUCKER son efectivamente condiciones nece5ariaa de solucin

-~ 6
De la. funcin de la variable z:
p q
L:(,) = f(z)- V.g;(o:)- L;>.;h;(.,),
i=l ;=1

que depende de los parmetros p.1, P.2 1 , ..p, >.1, A:?, .. , >.q, diremos es
ellagrangiano del problema de optimizacin (P).
CONDTCTONES NECESARIAS DE KUHNTUCKER 101

2.3. Ejemplolf de aplicacin de ltu eondiciofles de KUHN-TUCKER

En este apartado vemos cmo utilizar las condiciones necesarias de KUHN-
TUCKER en distintos tipos de problemBS de optimizacin con restricciones.
El esquema de trabajo es el siguiente. En primer lugar, se comprueba la
hiptesis (hl) del teorema 1, de regularidad de la funcin objetivo y de las
funciones que dencn las restricciones. En segundo lugar, se determina.u
los puntos factibles en los que se satisface la condicin de cualificacin
(hiptesis (h2)). Finalmente, entre estos puntos factibles que satisfacen
la condicin de cualificacin se buscan los que verifican efectivamente las
condiciones de KUHN-TUCKBR, es decir, se buscan aquellos para los cuales
existe una coleccin de multiplir.a.dores que cumple (Kl) y (K2). Los puntos
asf obtenidos, junto con lOA puntos factibles en los qne la condicin de
cualificacin no se satisface, si los hay, sern C'.&.ndid.atos a ser solucin local
del problema de optimizacin; de cualquier otro punto, sea factible o no,
podremos asegurar que no es solucin.
Queremos insistir en un detalle importante: un pwlto factible en el
que no se satisface la condicin de cualificacin no puede ser dt::.Scartado
como posible solucin del problema, cwnpla o no las oond.icioues de KUHN-
TUCKER. Por elloj un punto as debe ser considerado tambin nn candidaOO
a ser solucin.
Empecemos con problemas que slo tienen restricciones de igualdad, y
f'Jltre stos t>mpecemos C'-OD. los que slo tienen una restriccin. Considere-
mos~ put>.s, el problema de optimizacin:

maximizar {(;;)
(P)
{ con la restriccin: h(;;) ~o,

que slo tiene una. restriccin, y sta de igualdad.

t<::n este caso, la condicin de cualificacin se formula de la siguiente
manera: la l'nica restric.cin del problema (P) (es decir: h(x"') = O) est
cualificada en un punto factible ~ precisamente si el gradiente de la fun-
cin h en :v es no nulo: \1 h(z*) :f:. ()_
Las condiciooes (Kl) y (K2) se reducen a: existe un nmero A* tal que
el punto z es punto crtico de la funcin:

C(") ~ f(z)- >.'h(z).

Ellagrangiano del problema (P) es la funcino J:(;;) ~ f(;;)- >.h(:r), q""

depende del parmetro ..\..
!OZ COMPLEMENTOS DE OPTIMIZACIN

Para un problema de optimizacin' como el ( P) (que slo tiene una

restriccin, y sta de igualdad), podem~ pue51 enunciar el teorema 1 de la
siguiente manera: si z es solucin local del problema (P), y se verifica:
h1) las funciones 1 y h son de clase C1 sobre su conjunto de definicin,
h9) el gradiente de h en z es un vector no nulo,
entonces h(z'") = Oy existe un multiplicador >. tal que :;r; es punto cn't.ico
de la funci6n, .C("') = /(z)- )l'h(z).

EJEMPLO 4. Busquemos puntos candidatos a ser soluciones locales del problema

de opt;m;z.cl6n,

maximizar
(P) { con la restricci6n:

La funcin objetivo:

f(:r:, Ji) = z3 + Uy,

tiene por conjunto de definicin: O = R2 , y la funcin que define la restriccin:

h(x,y)=x+y-1,

tambin tiene por conjunto de definicin llt2 ; como ambas funciones ron de clase C1
sobre Rz (de hecho, son de'"' clase C"'), se verifica le hiptesis (hl). Por otro lado,
se tiene:

V h(z, y) = ("!,(z, y), h;_(x, y)) = (1, 1) ! (0, 0),

lo que pernte afirmar que la restriccin verifica la condicin de cualificacin en /

cualquier punto factible (hiptesis (h2)). /
Ellagrangiano del problema (P) ee la funcin de la variable (:z::,y):

C(x,y) = f(x,y)- Ah(x,y) =x' + 4zy- <( +y- 1),

que depende del parmetro .>.. De acuerdo con el teorema, todo punto (x, y) que
sea solucin loctJ del problema (P) debe necesariamente ser un punto factible, es
decir: h(:t, y) = O, y debe ser un punto crtico dell&gr8Dgiano para un cierto valor
de >.. (el multiplicador 850ciado a la restricci6n h(a:,J,I) = O en el punto (:z:,y)).
Fs decir, todos lm puntos (z,g) que verifican la condicin necesaria son loe que
simultneamente verifican:

h(x,y) =0
CONDICIONES NECESARIAS DE KUHN-TUCKER 103

y, para algn vulor de A,

..C~(~,:y) =O y .C~(x,y) =O.

Resolvam<lS, pues, el siguiente sistema de tres ecuaciones en las incgnitas x,

y, A:

c:(x,y) =0
~(x,y) =0
{
h(x,y) =0,

es decir:

{
&c 2 +4y-~=O
4%-.\=0 (1)
x+y-1=0.

De las ecuaciones segunda y tercera se deduce: ). = 4x y y = 1-z, respectivamente,

y sustituyendo en la primera ecuaci6n se obtiene:

33:2 -8z+4=0,

=
ecuacin que tiene dos soluciones: .::1 2 y x 2 = 2/3. En consecuencia, todas las
ternas (x,y, A) que verifican el sistema (1) son:

(x,, y,,>,) = (2, -l, 8) y (x,, y,,>,) = (2/3, 1/3, 8/3),

y los puntos que verifican las condiciones necesarias de KUHN-TUCKER. son:

(x,y,) = (2, -l) y (x,,y,) = (2/3, l/3).

Loe puntos (2,-1) y (2/3, 1/3) son, pUE!EI, candidatos a ser soluciones localE!s del
problema (P).

Nota bene. En este ejemplo, la condiciones de KUHN- TUCKER pueden

aplicarse en todo punto factible, luego de cualquier punto de Jt2 dis.tmto
de (2,-1) y (2/3, 1/3) podemos asegurar que no es solucin local de (P). 6.

EJEMPLO 5. Consideremos el problema de optimizacin:

(P)
m:aximizar
{ con la restriccin:
'
2m 2 +y 2 -3=0.
\
104 COMPLEMENTOS DE OPTIMIZACIN

La funci6n objetivo: /(x,y) = x 3 y, y la funcin que define la restricci6n de

=
igualdad: h(x,y) 2a::: 3 + 1f- 3, son de clase C1 sobre R.2 (de hecho, de clMe CO"),
luego se verifica la bip6tesis (hl). Por otro lado, se tiene:

V h(x,y) = (4x, 2y),

luego la funcin h admite un punto critico: {0, O); pero este punto no verifica lo.
restriccin del problema (P) (pues: h(O,O) = -3 y!:. 0), ea decir, no Cl!l un punto
factible. En coru;ecuencia, en todo punto factible la restriccin est cualificada.
Ella.grangiano del problema {P) es:

L:(x,y) = f(x,y)- >.h(x,y) = x 2 y- >.(22 +Y'- 3),

y resolviendo el sistema de ecuaciones:

{
~(x,y)= 2cy-u>=O
C~(x,:u)=
h(x,y)=2x 2 +.?-3=0,
x~-2y.\=0

se obtiene que todas las ternas (x, y,>.) que lo verifican son las seis siguientes:

(o,,,3,o), (o,-V3,o), (1,1,1/2), (1,-1,-1/2), (-1,1,1/2), (-1,-1,-1/2).

=
{De le primera ecuacin se deduce que :t(2y-4>.) O; distinguiendo loa casos x O =
y :t =j:. O, se obtienen las ses solucione~~: las dos prirl.erM en el primer ca&O, y las
restantes en el segundo.) En consecuencia, loo seis puntos:

(0, V3), (0, -V3), (1, 1), (1, -1), (-1, 1), (-1, -1)

SOilcandidatos a ser solucin local del problema (P). De hecho, son los nicos pun-
tos de R 2 que es posible sean soluciones locales. (Sobre el punto (O, 0), recurdese
que no es factible, h.!ego no puede ser solucin.)

A continuacin, trabajamos con problemas con varias restricciones de

igualdad, pero todava ninguna. de desigualdad. Consideremos, puee, el
problema de optimizacin:

maximizar f(a:)
(P') {
con las restricciones: h(z) =O

que slo tiene restricciones de igualdad.

\
Las restricciones de este problema satisfacen la condicin de Cllllli-
caci6n en un punto factible z' precisamente si los q gradientes V hJ(a:*),
CONDICIONES NECESARIAS DE KUHN-TUCKER lOS

1 S j S q, son vectores de R.n linealmente ind.epedientes; o lo que es equi-

valente, la siguiente matriz de orden (q, n):

8h, ("'") 8h, {:ll') 8h, (:o')

&, 8x2 {h;.
ah, (:ll') ah, (:ll') 8h2 (o:')
lh;, 8x2 {h;n

::(.,) 8h'(:o')
8x, ::(:o')
es de rango igual a q. En particular, debe ser q :S n, pues en caso contrario
la condicin de cualifi.cacl6n no se verificara (ms de n vectores de R'l no
pueden ser linealmente independientes).
Las condiciOllell de KUHN-TUCKER: {K!) y {K2), se pueden fonnlliar
de la. siguiente manera: existen q multiplicadores A, A2, ... , >.;tales que
el punto :e es punto ctico de la funcin:

C(a:)

= !("')- E~Jh;{o:).
i=l
Ellagrangiazw del problema (P') es la funcin:_

C(z) '
= f(z)- E~;h;(z),
j=l
que depende, ahora., de los q parmetros>., A2, ... , >.q.
EJEMPLO 6. Consideremos el problema de optimizacin:
maximizar z2 +11 +z2- 3
(P) con las restricciones: z:l + 2y +'~- 6 =O,
{
x+y-z=O,
que tiene dos res,ricciones de igualdad. Busquemos puntos candidatos a ser solu-
cin local del problema (P).
En primer lugar, observamos que la func6n objetivo y 1M dos funcione5 que
definen las restricciones: ~

f(rr:,y, .;) = rr:2 +,; + z2- 3,

ht(:z:,u,z)=:z: 2 +2tl+z2 -6 y h?.(x,u,z)=:z+:~-z,
106 COMPLEMENTOS DE OPTIMIZACIN

80il de clase C1 sobre R.3 (de hecho, de clase C'"").

En segundo lugar, estudiamos la condicin de cualificacin. Si (::e, y,z) E R.3,
se tiene:
Vhl(x,y,z)=(2x,2,2z) y Vh2(z,y,z)=(l,l,-1),
y la matriz de orden (2, 3) cuyos dos vectores fila. son los gradientes anteriores es:
2m
( 1
21 -12z) '
matriz de rango igual a 2 salvo que (x,l/, z) !!Ca un punto de la forma:
{l,y,-1) con y E R.
Ahora bien, ningn punto de este tipo verifica simultneamente ambas restric-
ciones (si verificara la primera, necesariamente seda y = 2; si verificara la se-
g1mda: y =-
2) 1 es dedr, ningn punto de e5te tipo es factible; las restricciones
de (P) satisfacen, pues, la condicin de cualificaci6n en todo punto factible.
Por otro lado, el lagrangiano de (P) es la funcin:
C(z, y, z) = !(::,y, z) - .\lht(:t,y, z) - .\2~{z, y, z)
=3? +JI +z2 -3- ..\ 1 (x2 +2y+z'l -6)- A2(x+y- .t),
que depende de los parmetros At y -"2 La condici6n neceBW"ia viene dada por el
si!ltema de ecuacionet~:
.C~(:z:,y,z) =O
.t;(z,y, z) =O
.C~(x,y,z) =O
h 1 (x,y,z) =O
h,(x,y,z) =O,
esto es:
2x- 2:!:>.1- .\2 =O
2- 2~,- .1, =o
2z- 2z>., +>.z =O
:t2+2y+.z2-6=0 \
:t+y-z=O.
Todas las quntuplas (x, y, z, >..1 , >.:a) que verifican el sistema anterior son:

l+v'l -l+v'l ) (1-v'l -1-v'l )

( 2 ,1, 2 ,1,0 ' -2-,1, 2 ,1,0 '

(3, -6, -3, 9/2, -21), (-1, 2, 1, 3/2, 1).

CONDICIONES NECESARlAS DE KUHN-TIJCKER 107

(De las ecu&eones primera y tercera se deduce la igualdad: 2(1- A1 )(x + z) =O;
si 1 - At = O, se obtienen las dos primeras quntuplas; si .z + z = O, 1M dos
restantes.)
En conclusin, los nicos puntos de R 3 candidatos a ser una solucin local del
problema (P) son:

(l+v'l -l+v'\') (1-v'\' -1-v'\')

-2-,1, 2 ' -2-,1, 2 ' '(3,-6,-3), (-1,2,1);

y cualquier otro punto de R 3 no es mximo local de la funcin x 2 + fl~ + z~ - 3

con las restricciones: x 2 + 2y + z~ - 6 =O y :e +y- z = O.

Consideremos ahora el problema de optimizacin:

maximizar /(:e)
{ con la restriccin: g(z) ~O,

con una restriccin de desigualdad y ningtma de igualdad.

La restriccin de deeigusldad de este problema satisface la oondici6n de
cualificacin en un punto factible :e ei se tiene una. de las dOB siguientes
situaciones: o bien la restriccin est no saturada en z"'t es decir: g(z) < O
o bien est saturada: g(z*) =O, pero el gradiente V g(z"') es un vector no
nulo.
Al haber restriCciones de desigualdad, la primera de las dos oondiciones
necesarias de KUHN-TUCKER: (Kl), cobra sentido. Para este problema
de optimizacin, estas condiciones necesarias se pueden enunciar de la si-
guiente manera: existe un nllmero p, positivo o nulo, tal que pg(z) =O
y z es punto critico de la funcin:

C(z) = f(:r:) -l'g(.,).

Ntese que si la restriccin est no saturada en rrl, entonces p. debe ser
nulo (se deduoe de la igualdad: pg(a:*) =O). Ellagr~~ano del problema
es la funcin: C(z) = /(:>:) -l'g(:r:), que depende del 'imetro 1'
EJEMPLO 7. Consideremos el problema de optimizacin: '
maximizar
(P) { con la restriccin:

En primer lugar, la funcin objetivo y la funcin que define )a restriccin

= =
(rmpcctiwmente: !(x,y) zy y g(.z,y) :r? +Y -1) son, ambas, de clase c1
sobre Jll2 (de hecho, de clase CelO).
108 COMPLEMENTOS DE OffiMIZACIN

En segundo lugar, para cada (:r,y) E R. 2 se tiene: V g(x,y) = (2.x, 2y), que slo
se anula en el punto (0, 0). Ahora bien, Mte punto verifica la restriccin del pro-
blema: g(O,O) = -1 $O, pero no a:m igualdad: g(O,O) <O; es decir, la restriccin
est no saturada en (0,0). Podemos afirmar que la restriccin del problema. (P)
satisface la condicin de <::ualificacin en cualquier punto factible, pues en el punto
factible (0,0) est no saturada, y sobre cualquier otro punto factible (x,y) en el
cnal pueda estar saturada podemos asegurar que el gradiente V g(x, y) es no nulo.
l!lllagrangiano del problema (P) es la. funcin de la. variable (x, y):

.C(z,y) ~ f(x,y)- pg(x,y) ~ xy- p(x 2 +Y'- 1),

que depende del parmetro p. Todo punto (x,y) de R.2 que sea solucin local del
problelllllo (P) debe necesariamente sat!icer la restriccin: g(a:,y) $O, y tiene
que ser punto crtico dellagrangiano para algn .t;::: O tal que: g(x, y) p. = O.
Busquemos, pues, las ternas (x,y,..r.) que verifican:

C~(x,y) =O
.C~(a:,y)
=o
g($,y)"' o
p~O

g{x,y) JJ =O,

e5 decir:

v-2:tp=O
x-'l.YJL=D
:c11 +11-1:::;; o (2)
~~~o

<'+li'-l)p~o.

De la ltima ecuaci6n se deduce: JI= O o .r2 +~=l. En el primer CBB~, de las

= =
dos primeras ecuaciones se obtiene: z '!} O, y la terna (0, O, O) verifica' ('J.). En
el segundo caso, todas las ternas que verifican simultneamente las ecuaciones:

'!}-2Zj1=0, :t-2yp=0, :t
2
+y3 =1,

son:
r
CONDICIONES NECESARIAS DE KUHN-TUCKER 109

y de entre estas cuatro ternas se desechan las dos ltimas, pues su tercera compo-
nente --el multiplicador- es negativa, y se vulnera la cuarta desigualdad de (2).
En consecuencia, los puntos:

(0,0), (~~). (-v'22, -v'22) 1

son ks nicos~ R2 que es posible sean soluciones locales del problema {P)j estos
treJ puntos son candidat011 a ser mximos Jocales de la. func16n :cy con la re5tricci6n
de desigualdad: x2 + y 2 - 1 ~ O.

Finalmente, trabajamos en el siguiente ejemplo con un problema de

optimizacin que presenta restricciones tanto de igualdad como de desi-
gualdad.

EJEMPLO 8. Busquemos candidatos a IIBl' solucin local del problema de opti-

mizacin:
ma~m;,., u-i'
(P)
con las restricciones: ::a: o,
{ 11;:.::; o,
i'+u'-.
es decir:

m..Om;,,. y - '
con las restricdones: -x ::::; O,
(P)
{ -y.:::; o,
i'+u'-4-0.
En primer lugar 1 obaervamas que las funciones que intervienen en el problema:

son de clase C"" !IOI:ne lll".

En segundo lugar, estudiemos la condicin de cualiBcaci6n en un punto facti-
ble (x,y)'
Qo Si x > O y y > O, ninguna de las dos restricciones de desigualdad est
saturada en (z,y), y tan s6lo debemos comprobar que el gradiente en (z,y)
de la funci6n que define la restriccin de igua1dad es DO nulo se tiene:

V h(x,y)- (2x, 2u),

110 COMPLEMENTOS DE OPTIMIZACIN

y este ltimo vector slo se anula en el punto (0,0). Las restricciones estn,
pue!! 1 cualificada.s en todo punto factible (:c,y) con x y y positiva!.
<> Si x = O, entonces: '1f =
4 y y ~ O, de donde: y = 2, y el punto (0, 2) es el
nico factible en el que est saturada la primera restriccin de desigualdad.
Las restricciones del problema estn c1mlificad&S en el punto (0,2), pues
en este punto la segunda restriccin de desigualdad no est saturada y los
gradientes de las funciones h y fJt son vectores linealmente independientes:

V h(0,2) ~ (0,4) y V g,(0,2) ~ (-1,0).

<> Anlogamente, el punto (2, O) es el llnioo en el que est saturada la segunda

restriccin de desigualdad; en este punto tambin estn cualificadas las res-
tricciones del problema (P).
<> Finalmente, el nico punto en el que ambas restricciones de desigualdad se
satisfacen simultneamente con igualdad es {O, O), pero este no es un punto
factible.
En conclusin, las restricciones del problema {P) satisfacen la condici6n de cuali-
fi.caci6n en todo punto factible.
Ellagrangiano del problema (P) es la funcin:

l:(x,y) ~f(x,y)- ~,g,(x, y)- ~,g,(x,y)- Ah(x, y)

=y- x + J-'1Z + .t 2y- A(z 2 +ri- 4),
2

que depende de 105 parmetros P.ll J.':J y ). (los dos primeros por las restric-
cionet~ de desigualdecl.; el terrero, por la de igualdad). Busquem05 las quntu-
plas (x, y, JLI, JL2, ).) para las que se verifica:

.C~(x,y)=O, ~(x,y)=O,
g,(x,y) :s;o, g,(x,y) :s; o, h(z,y) ~o.

P1:?!0, JJ2:?!0, 91(J:1 fi)J1=0, 92(x,y)J.t2=0,

es decir:

-2x +J.!- 2:J::.\ =o, 1 + l'-2- 2y). =o,

""'0, ""'0, .. +11'~.

l-'1 2:: O, J.l2 2:: O, XJLl =o, TIJ.I-2 = o.

Distingamos (;M()tl;
~ S x "#-O y y"#- O, de las dos ltimas ecuaciones se deduce: /.'1 1'2 =O, y =
=
oon las d011 primeras se obtiene: 11 -1/2, en contradiccin con que 11 debe
CONDICIONES NECESARIAS DE KUHN-TUCKER 111

ser positivo o nulo. No hay, puCB1 puntos (a:,y) con ambas componentes no
nulas que satisfagan las condiciones necesarias.
<> Si :1: =O, entonces V= 2 (como se deduce de: x 2 + 72 = 4 y V~ 0), y
t1t:1 obtiene: P1 = P2 = O y = 1/4. El punto (0,2} satisface, pues, las
condiciones necesarias, can los multiplicadores: Pi= Pi= O y x = 1/4.
~ Si y= O, entonces x = 2 pero de la segunda ecuacin e dednce: IL2 = -1 1
en ccmtradcci6n con que Jl'J debe ser positivo o nulo.
En conclusin, el punto (0, 2) C8 el nico de ll2 que es posible sea soluci6n local
del problema ( P).

2.4. Pmblema.s de mintmizacidn

El teorema 1 (cf. p. 100) establece las condiciones necesarias de KuHN-
TUCKER de solucin local de un problema. de maximzaci6n (con restriccio-
nes de igualdad y de desgualdad), y en losejemploB que hasta ahora. hemos
visto tan slo hemce buscado mximoe locales de funciones con restriccio-
nes. Nada hemos dicho de 108 probleiilli.B de minimizacin.
Dado que una. funciOO f ~te en un puntQ un mnimo precisamente
si su funcin opuesta: ( -1) 1 admite, en el mismo punto, un mximo, son
equivalentes los problemas de optimizacin:

minimizar /(m) y {maximizar [-f](z)

{ zEA ZE A.

Para determinar los rofnimos locales con restricciones de una. funcin, po-
dramos, pues, trabajar con el problema equivalente de determinar los m-
ximos locales, con las mismas restrieclones, de la funcin opuesta.
No obstante, podemos actuar de otra manera, sin variar la funcin
objetivo del problema, ni tampooo sus restricciones. ~ mismos a.rgu~
mentos que permiten probar el teorema 1, se pueden enun.cia.r condiciones
n.eoesa.ria.s de mnimo local con restricciones anlogas a. las ya. vistas de
mximo local En concreto:
si las restricciones son iOdas de igualdad, las condiciones necesarias
de mnimo local son las mismas que las de mximo local;
y si hay restricciones de desigualdad, las condiciones necesarias de
mnimo difieren de las de mximo solamente en que se exige que
los multiplicadores asociados a tales restricciones de desigualdad sean
negativos o nulos.
112 COMPLEMENTOS DE OPTIMIZACIN

En particular, la condicin de cualificacin y el lagrangiano se formulan

como hasta ahora.
La notacin:

extremos f (:z)
{ "'EA
resulta obvia: un punto o:r::.. es solucin, local o global, de este problema de
optimizacin si la funcin J admite en ;e un extremo, local o global, sobre
el conjunto A.

EJEMPLO 9. Consideremos el problema de optimizacin:

minimizar zs + 4xy
(Q) { con la restriccin: ::e +y- 1 = O,

que ea un problema de minimizacin.

En el ejemplo 4 (cf. p. 102) trabajamos con el problema de maximizacin:

maximizar :r3 + 4xy

(P)
{ con la re5trio:;;i6n: :ll +y- 1 = O,
y vimos, va las condiciones necesarias de KUHN-TUCKER, que haba dos puntos
candidatoa a ser solucin loca.l de (P): el punto (2,-1) y el (2/3, 1/3) {y de
cualquier otro punto de R 2 distinto de &!tos podamos afirmar que no era solucin}.
Ahom bien, las condiciones de KUHN-TUCKER, que tal cual las hemos for-
mulado son condiciones necesarias de mximo local con restricciones, son tambin
condiciones neazmial! de mnimo local con mstriccb:meiuando estas restricciones
eon de iguW.dad. En consecuencia, los puntos (2, -1) y (2/3,1/3) trunbin son can-
didatos a ser eoluc6n local del problema de minimizaci6n (Q), y podemos afirmar
de cua.lquier otro punto de R 2 distinto de ellos que no es solucin de (Q).
Obsrvese que podemos:resumir lo dicho sobre los problemas (P) y (Q) de
la siguiente manera; los puntO!! (2,-1) y (2/3, L/3) son los nicos de JR2 que es
posible sean aoluciones locales del problema de optimizacin:

ex.tremos
{ con la restriccin: "'+""'
a::+y-1=0.

EJEMPLO 10. Consideremot~ el problema de optimizacin;

s.tremos :z:'-l;
{ con la restriccin: 2x2 + 'lf - 3 = O,
CONDICIONES NECESARIAS DE KUHN-TUCKER 113

que no tiene mM que una reatri.cci6n de igualdad. De acuerdo con lo dicho sobre
problemae de minimizo.ci6n, y teniendo en cuenta los clcul08 llevados a cabo en
el ejemplo 5 (cf. p. 103), podemos asegur~ que los seis puntos

(O,v'3), (0,-v'!i), (1,1), (1,-1), (-1,1) y (-1,-1)

son candidatos a ser solucin local de este problema, y cualquier punto de IR?
distinto de estos seis no es soluc6n.

EJEMPLO 11. Teniendo en cuenta kM, clculos del ejemplo 6 (cf. p. 105), para el
problema de optimizacin:

extremos :x:~ +y~ + z2 - 3

con las restricciones: w2 + 2y + za - 6 = O,
{
. z+y-z=O,
se verifica que los nicos puntos de JR3 candidatos a ser solucin local del problema

'"'"
1+0
2 ,1, -1+0)
2 ' (1-VJ
2 ,1, -1-VJ)
2 ' '(3,-6,-3), (-1,2,1).
(

Cualquier otro punto de R.3 no es extremo local de la funci6n z2 + y2 + r.2 - 3 con

las restricciones: z2 + 2y + z2- 6 =O y :z: +y- z =O.

EJEMPLO 12. Consideremos el problema de ~6n:

millimizar X!J
(Q) { con la restricci6n: x' +Y' -1 :>O,

que presenta una rCBtricci6n de desigualdftd. Si lmy restricciones de desigualdad,

son ~diciones necesarias de mnimo local las mismas condiciones de KuHN-
TuCKER de mximo, pero con la exigencia de que los multiplicadores asociados a
las restricciones de desigualdad sean negativos o nulos.
En el ejemplo 7 (cf. p. 107) trabaj~mos con el problema:

maximizar X!J
(P)
{ con la restriccin: "'+Y'-1 :>o.
Ellagrangiano de este problema, y tambin el del problem& (Q), es:

r.(,y) = /(.) -pg(,y) = .. -p(x' +Y'- 1).

114 COMPLEMEhiOS DI:: OPTIMIZACIN

De acuerdo con ]013 clculos llevados a cabo en el ejemplo citado, todas las ter-
nas (x, , f.J.) tales que:

C~(x,y) ~O
y)= o
L:~(.:t,
g(x,y):::; O
{
g(x,y)~J.=O

(ntese que no hay escrita ninguna restriccin sobre el signo de\ multiplicador) son
la terna (0,0,0) y las cuatro ternM:

1.3 Lercem componente de est&~ ternas corresponderla al multiplicador. Si esta

componente es positiva o nula1 el punto correspondiente ea candidato a ser solucin
local del problema de maximi:rocin (P); en consecuencia, los puntos:

(0,0),
( J2
2 ' "'")
2
y
( - J2-
2 ' "'")
2

son los nicos de R 2 que es pooiblc sean soluciones locales del problemD. (P) (como
ya sabamos del ejemplo 7). Y si la tercera componente de la terna es negativs o
nula, el punto correspondiente es candidato a ser solucin local del problema de
minimizacin (Q); lotl puntw: ---.___

(0,0),
( J2-
2 '
"'")
2
y
( - J2 "'")
2 ' 2

son, pues, los nieo5 de R 2 que es posible sean soluciones locales del problema (Q).
Ntese que el punto (../2/2,../2/2), por ejemplo, no es solucin local del pro-
blema de minimizad6n, pues su multiplicador correspondiente: 1/2, es positivo.
Como tampoco es solucin local del de maximizaci6n el punto (-./2/2, --./2/2), poT
ejemplo, pues su multiplicador es negativo.

EJEMPLO 13. Consideremos el problema de optimizacin:

y-;;2

%;:::.: O,
(Q)
y;;?: o,
z2+y2=4.
CONDICIONES NECESARIAS DE KUHN-TUCKER 115

En el ejemplo 8 (el p. 100) trabajamos con el problema de maximizacin corres-

pondiente, y obtuvimos que el punto (0, 2) es el nico candidato a ser solucin
= =
local de tal problelll8, CQD loe multiplicadores: .ui .u2 O y N = 1/4 (los dos
prlmeroo, asociadCIS a las restricciones de de5igualde.d el tercero, a. la de igual-
dad). Como los multiplicadores aaociados a le.a restricciones de desigualdad son
negativos o nulos, tambin podemos decir de este punto (0, 2) que es candidato a
ser solucin local del problema de minimizaci6n (Q).
Ahora bien, en el citado ejemplo 8 desechamoe el punto (2, O) como posible
solucin del problema de maximizaci6n porque 9e obtena: .2 = -l. Si efec-
turamos todos los clculns, comprobaramos que el punto (2,0), con los multi-
plicadores: .tj =O, Jl2 = -1 y >. = -1, satjsface las condiciones necesarias de
solucin local del problema (Q). &te punto ea, pues, otro candidato a. ser solucin
local de (Q).
Cualquier punt<J de Ji2 distinto de {2, O) y de (0, 2) no es soluci6n local del
problemft de minmizsci6n (Q).

!l.5. Interpretacin de los multiplicadores

Para facilitar la presentacin, nos centraremos en problemas con una res-
triccin de igualdad.
Consideremos el problema. de optimizacin:

ext ..mos ~x,y)

(P) { con la restriccin: h(x, y) =O,
y sea (x, 'lf) una solucin local de ( P) para. la. que se verifican las hiptesis
del teorema. 1 (cf. p. 100), y sea. >. el multiplicador asociado a la restriccin
en el punto (x'", y"').
Sea I un intervalo abierto tal que: O E I. Para cada a E I, coDSi.deremos
el problema de optimizacin:

ext"'mos f(x, y)
(P.) { con la restriccin: h(x, y)= a.

{Ntese que para a.= O el problema (Pa) coincide con el problema. {P).)
Supongamos exiten dos funciones: </>(a) ~ (,l,(a),,l 2 (a)) y A(a) de la
variable real a, definidas sobre 1, que verifican:
</>(0) ~ (x', y') y A( O)~ A';
para cada a E I, el punto </>(a)~ (,l,(a),4> 2(a)) es solucin local del
problema de optimizacin (Pa), se verifican las hiptesis del toorema. 1,
116 COMPLEMENTOS DE OPTIMIZACIN

y A(a) es el multiplicador asociado a la restriccin h(x, y) - a = O

en ,P(a);
las funciones ,P y A son diferenciabies en todo punto de I (en particu-
lar, son continuas en a =O, y por tanto, si a es un nmero suficien-
temente prximo a O, entonces el punto (tP1 (a), 1/12(a) ), solucin local
de (Pa), est prximo al punto (x* 1 tf)).
Definamos la. funci6n numrica. .P de la variable a, sobre el intervalo I,
de la forma:
<!>(a) = I/ o .PI() = /(.P(a)).
De las hiptesis dadas en el prrafo anterior se deduce que la funcin .P es
derivable en todo punto a de 1, de derivada:
<!>'(o)= f~(,P(a)) ~;(a)+ J;(.P(a)) #,(o). (3)
Por otra parte, como el punto ,P(a) es soludn local del problema (Pa),
dicho plWto verifica la restriccin de (P11 ), esto es:
h(,P(a)) = h(~(a),Ma)) =a; (4)
y como >.(a) es el multiplicador corresxmdiente y ellagra.ngia.no del p~
blema (P.) es:
L:(x, y) = f(x, y) -A (h(x, y)- a),
tambin se tiene que .P(a) es punto crtico de la funcin:
(x,y) r-+ f(x,y)- A(a) (h(x,y)- a),
es decir, se verifica:
;(.p(a)) -A(a)!{,(,P(a)) =O y J;(<P(o))- A(a)h~(.P(a)) =O. (5)
De la igualdad (4) se deduce (derivando con respecto a a):
h~(,P(a)) of1(a) +~(,P(a)) ~\(a)= l. (6)
De (3), (5) y (6) se ooncluye:
<!>'(o)= A(o).
Podemos, pues, interpretar el multiplicador >.(a) como la derivada con
respecto a a del valor que la funcin objetivo f toma en el punto tfo(a),
solucin local del problema (P(l). En consecuencia, si a es un punto del
intervalo I prximo a O, entonces una. aproximacin del valor que toma f
en el punto ,P(a), ea decir, una aproximacin de f(.P(a)), viene dada por:
/(,P(O)) + aA(O) = f(x', y')+ a,~.
CO:-.IDICO:.ICS NbCl!SAIUAS DE FRITZ-JOHN 117

3. CONDICIONES NECESARIAS DE FRITz--JOHN

3.1. Introduccin
G'uando buscamos candidatos a ser solucin local de un problema de op-
timizacin (con restticciones de igualdad y de desigualdad) va las condi-
ciones necesarias de KUHN-TUCKER, Il06 podemos encontrar con puntos
en los que no se satisface la condicin de cualifica.cin, es decir, puntos
factibles en los que falla la exigeucia. de independencia lineal de los vectores
gradientes. Sin un anlisis adicional, lo ms que podemos hncet con un
punto de esl;as caractersticas es illcluirlo en la lista de candidatos a ser
solucin local del problema, junto con los puntos que han sido obtenidos
oomo solucl6n de las condiciones necesarias de KUHN-TUCKFJR.
Por otra parte, en algunas aplicaciones econmicas, o al estudiar teora
ccon6mica, a menudo surgen problemas de optirob:.acin, de los tipos vistos
hasta ahora, en los que no se conoce la forma ftmcional concreta de las
funciones que definen 1M restricciones, lo que puede complicar el verificar
la condicin de cualificacin.
Sera, pues, til tener alguna generalizacin del teorema l ( cf. p. 100) en
la que no se imponga a las restricciones ninguna hiptesis adicional -oomo
la condicin de cualificacin. ,,_

EJEMPLO 14. CoMidrese el problema rle optimizacin:

maximizat
(P)
{ con la restrk::ci:n:

Busquemos, con la ayurla de las condiciones necesarias de KuHN-TUCKER (teore-

ma 1), puntm candidatos ts ser rolucin local del problewa (P).
En primer lllgllr, tanto la fuuci6n objetivo: f(x,y) =y, como la funcin que
define la restriccin:: h(x, y) = ZJ + l/', son de clase C1 sobre R. 2 (de hecho, de
,,., C"').
En segundo lugar, se tiene: Vh(x,y) = (2z,3y2 ); por tanto, la funcin h
presenta un nico punto crtico: (0,0). Como este puuto es factible: h(O,O) =O,
Ir. re3tricdn slo est cualificada en los puntos del conjunto R 2 - {(0,0)}. En
consecuencia, va las condiciones necesarias de KllH~-TUCKER, slo podremoo
encontrar puntos candidatos a ser solucin local del problema (P) entre los puntos
factibles del conjunto R.2- {(0, 0)}- El punto {O, O) debe ser estudiado aparte.
Ellagrangiano de (P) e5 la fuuciu::

.C(x,y) ~ f(x,y) -~h(x,y) ~y- ~(x' +y 3 ),

118 COMPLEMENTOS DE OPTIMIZACIN

y el sistema de ecuaciones:

C,:,(z,y) ~ -2A. ~O
L:~(z,y) ~ 1- :Uy' ~O (7)
{
h(x,y)= x 2
+Jil =0
no tiene solucin (como puede comprobar el lector sin dificultad). Podemos, pues,
afirmar que ningdn punto del conjunto R2 - {(0, O)} es solucin local del pro-
blema (P).

0 X

FIGURA 1. Representacin grfica del conjunto fe.ctible del probltt_

ma (P) (ejemplo 14)' {(z,y) E IR' 1 x' +y'~ 0). ""

Por otra parte, el punto (0, O) es efectivamente solucin local de (P), pues
(cf. figura 1) e5 el punto de mayor ordenada entre los del conjunto;

{(x,v) E IR2 1 x' +V' ~o}.

El punto (0,0), aun siendo BOlucin local de (P), no ha sido encontrudo como
candidato a ser soluci6n local utilizando las condiciones necesarias de KUI-IN-
TUCKER.

3.2. Enunciado geneml de l4s condiciones nece.sarias ele FRITZ-
JOHN

Consideremos una. funcin numrica f con conjunto de definicin un con-

junto abierto O!;;" :an, p+q funciones numricas f/1, f}2, ... , !Jp, h1,
h2, ... ' hq con conjunto de definicin an. y el problema de optimizacin:

maximizar f(z)
(P) con las restricciones: !h(~):::; O para 1:5 i Sp,
{
h;(o:) =o !"" 1,; j,; q.
CONDICIONES NECESARIAS DE FRJTZ-JOHN 119

Vemos a continuacin un& oondicin necesaria de solucin local de (P) cuya

validez est asegurada sin exigir hiptesis adicional a.l.gwla. a las restriccio-
nes del problema.

Teorema 2 (condiciones necesarias de FRITZ-JOHN). Si~ E lR" es una

solucin local del problema (P), y f es de clBse C'1 sobre O, y !Jl, !}2, ... , g,,
h 1 , h2, ... , hq son de clase C1 sobre lRn, entonces;

y existen p + q + lnillleros Jl, t>], J.tj, . , p;, Aj, >.;, ... , A; tales que:
F1} para 1.:::::; i ::;p, se tiene: 1-'t ~O y p.gi(~*) =O;
F2} !'/E {0, 1};
F3} las p + q + 1 nmero9 p., J.Li, p2, ... 1 ..t;, >.., A2, ... , >.; no son
simultne8J7Jente nulas;

.
F4) el punto :~: es punto critico de la funcin:

., = I'f(")- L::~t!li(")- L:~Jh;(.,).

'=l
'
i=l

.
En las condiciones del teorema anterior, de la funcin de la variable ;:e:;

'
9(z) = pof(a:)- L:~'<!li(")- L:~;h;(a:),
j=l

que depende de los parmetros 14J, p, 11-2, . , Pp, J, A2, ... , q, diremos
es ellagrangiano generalizado del problema de optimizacin (P). Ob-
srvese que difiere del lagrangiano .C en que incluye un multiplicador para
la. funcin objetivo.

EJEMPLO 15. Consideremos de nuevo El problema dE optimizacin del ejemplo 14

1cf. p. ll7)'
maximizar
(P)
{ con la r=:;triccin;

y utilicemos el teorema 2 para bUBC8l' puntos candidatos a ser solucin local de (P).
Como las funciones f(:c,y) =y y h(.::z:, y) =
x 2 +rl son de clase C 1 sobre R 2
{de hecho, de claae C ), se satisface la hiptesis de regularid&l del teorema 2.
00
 '
120 COMPLEMENTOS DE OPTIMIZACIN

Dada. la funcin de la variable (z,y);

O(,u) =P<>f(,Y) - ~,h(,u) = I'OY- ~,(x' +y'),
que depende de 1m parmetra; po y ..\11 bll&l.ueillCI;I las cuaternas (x,y,po,.>.),
con Po y >..1 no simultneamente nulos y p.o E {O, 1h que verifican el sistema de
ecuaciones:

es decir:
-2x~, =0
""- 3y'~, =o
{
x2+va=D.
Si p.o =1, este sistema se reduce al (7) (cf. ejemplo 14), que no tiene solucin
si p.o = O, como ..\1 ha de ser no nulo, 88 deduce: a: = 11 = O. En definitiva.,
obtenem011 que slo es solucin del sistema una cuaterna de la forma: {0, 0,0, >.1)
con A1 :f.O. -~
Aplicando el teorema 2 concluinto8, pues, que el punto (0, O) ee el nico de R.~
que es posible 8e8. solucin local de (P).
Recurdese (cf. ejemplo 14) que el punto (0, O) es efectivamente aoluci6n local
<~ .
4. CONDICIONES SUFICIENTES
En esta secci6n estudiamos condiciones suficientes de solucin local de un
problema de optimizacin oon restricciones como los vistos hasta ahora.
Estas condiciones suficientes requerirn que las funciones involucradas sea.n
de clase C'.
Consderelnos una funcin numrica f oon conjunto de definicin un
COlljunto abierto O ~ R'\ p + q funciones numricas 91, 92, ... , g,, h,
h2, ... , hq ron oonjunto de definicin llt", y el problema de optiiWzs.ci6n:
maximizar /(z)
(P) con las restricciones: g(z) :S O para 1 :S i :S p,
{
h;("') =o
para 1 :$ j :$ q.
La siguiente propoeicin establece una primera oondicin suficiente de
solucin local del problema (P). Jut3ga una papel importante en esta condi-
cin suficiente la. forma cuadrti<:a asociada a. la matriz beasiaria del la-
grangiano.
CONDICJONES SUFICIENTES !21

Proposicin l. Supongamos que la [uncin f es de clase C2 sobre O, y que

las funciones g1, 92, , , . , gp, h, h 21 , 1 hq son de clase C2 sobre R". Un
punto z de lR"' es solucin local del problema (P) si se verifica:
a} z es lactiblt;, es decir, es tw punto de O que satisface las restricciones
de (P);
b) m* satisface las condiciones de KUHN-TUCKER, esto es; existen p +q
Il meros p...1 , Jz,
"' .. , P.p
.. "'l
,. ....,.. , .. , "'q
2 voe:w.es que..
\~ ~-

Kt) pa.ral ~ i::::; p, se tiene: p, 2:: O y Jti9i(x) =O,

K2} la funcin:

' '
.C(z) =/(a:)- :~::>;g,(z)- LAjh,(z)
i=l j:=]

presenta un punto cr{tico en x'"; \

e} la forma cuadrtica. asociada a la matriz hessiana D 2C(z) es Jefinida
.negativa

DemDStraci6n. Designemos por A el conjunto factible del problema (P), es decir,

el conjunto de los puntos de O que satisfacen las restricciones. De ser
2l" un punto

de A y de (Kl} se deduce:

(8)

Por otre. parte, y de ncuerdo con (K2), se tiene: V .C(z) = O; al ser definida
negativa la forma cuadrtice. asociada a la matriz hessiana D 2 C(z'), la funcin C
admite, entonces, un mximo local1 en z'. Es decir, existe o > O tal que:

B(", o), L:(),;; L:(")- (9)

Teniendo en cuenta (8) y (9), para cada ~ E An B(.:e*, 01) podemos escribir:

/(),;; L:(),;; L:(") = /(")-

&toes, el punto :t: es ~:~oluci6n local de (P). C.Q.D.

EJEMPLO 16, Consideremos el problema. de opt.imi.zaci6n:

maximilar -:;~ - - ;
(P)
{ con lil restriccin: x-y-1=0.
1
Es la condicin suficieute de segundo orden de mximo loca.l (sin restricciones).
Cf. Clculo II, proposici6n V.8, p. 223.
122 COMPLEMENTOS DE OPTIMIZACIN

La funcin objetivo y la que define la n:stricci6n son de clase C2 sobre R:l (de
hecho de clase COO), y la restriccin verifica la condicin de cualificacin en todo
punto factible. El lagra.ngiano del problema es la funcin:

J:(z,y) ~-m'- Y'- >(- y -1),

y el sistema de ecuaciones:

{
J:~(z,y) ~ -2z- ~ O
~<>~ -2y+J.~o
:c-y-1=0

es verificado a6lo por la terna (:e, y,>.)= {1/2,-1/2,-1). El punto (1/2,-1/2) es

candidato a ser solucin local de (P), y cualquier otro punto de R2 no es so~ n.
El punto (1/2,-1/2) verifica, pueo, loo apartadoo (a) y (b) de la mnd' '
suficiente de la proposicin l. Por otra parte, el multiplicador correepondie
es>..* = -1, y ellagrangiano toma la forma:

La matriz hessiana de esta funcin en el punto (1/2 1 -1/2) es:

(
-2
o
o)
-2 '
de forma cuadrtica aeociada definida negativa. El punto {1/2,-1/2) satisface
tambin la condicin del apartado (e) de la condicin suficiente.
En conclusi6n, el punto (1/2, -1/2) ea una soluci6n local del problema (P).
De hecho, es la nica solucin.

A continuacin enunciamos y demostramos, para el problema de opti-

mizacin: '

..,..;miza /(.,)
(P) con las restricciones: g(:c) S O para1S:$p,
{
h;("') ~o para 1 Sj S.q,
una condicin suficiente de solucin local ms general que la de la pro-
posicin 1 (cf. p. 121), pues se sustituye la condicin {e) por otra. menos
restrictiva: en vez de exigir que la forma cuadrtica asociada a. la matriz
hese.iana dellagrangiano sea definida negativa, pediremos que sea. definid&
negativa restringida a cierto coDjUllto.
CONDICIONES SUFICIEKTES 123

Teorem11 3. Supongamos que la funcin f es de clase C2 sobre O, y que

las funciones 91 1 92, . , . , gp, h 1 , h2, .. , hq son de clase C2 sobre IR'"'. Un
punto :~;: de lit" es solucin local del problema. (P) si se veritica:
a) ::~ es factible, es decir, es un punto de O que satisface las restricciones
de (P);
b) ar" satisface las condiciones de KUHN-TUOKER, esto es: existen p + q
. . . . , . , .. ,.,_,.
n merOB P.1 JJ2, , .. , P.p A, "'2 .. , 1\q wes que.
K1) para 1 $ i ~ p, se tiene: JL ?: O y JLiYo(z~) =O,
K!J) la funcin:
p '
.e(.,)=!("')- >jg;("')- I;>.Jh("') \
t=l J=l
\
presenta. un punto crtico en x;
e) la. forma cuadrtica asociada. a. la matriz bessana D 2.C(x") es definida
negativa restringida al conjunto F* de los vectores y de :an tales que:

Vi E r, .;dg;(.,)(y) = 0, .Y Vj E {1, 2, ... , q), dh(.,)(y) = 0,

donde r = {i E {1, 2, ... ,p) 1 g;(r) = 0}.

Demostracin. Designemos de nuevo por A el conjunto fact.ible del probleln8 (P).

Hagmna; la bip6tesia de que oc no es aoluci6D local de (P), esto ea; f no
admite un mximo local sobre A en z*. Existe, entonces, una sucesi6n (zm) de
puntos de A que converge a ::.:", y tal que!

(10)

(en particular, cada Zm es distinto de oc), Para la sucesin (a::m) se verifica;

(ll)

pues de (8) (que se dedujo en la demostracin de la proposicin 1) podemos inferir

que C(zm)?: J(m) > /() ~ C().
Ls funcin 1:. ee. de clase & sobre O, luego admite desarrollo limitado de orden 2
en el punto a: E O. Designando por q la forma cuadrtce. sobre !Rn asociada a la
matriz hessiana .D2L.(z*), y teniendo en cuenta que -por hip6tesis--- V .L(or:*) =O,
podemos escribir:

con . ..
_. e:(a:) =O .
lm
 '

124 COMPLEMENTOS DE OPTIMIZACIN

En particular, para cada illm (que es distinto de :e), se tiene:

de donde (teniendo en cuenta (11)):

q(illm- :z:) + e-(..,.m) >O. (12)

2ll:tm- :t:"JI2
=
La sucesin (Ym.), con v ... (z,.. -z")/ ll:z:m - z*ll, es de puntos del conjunto com~
=
pacto { v E R" ]llvll 1}, luego admite una subsucesin convergente con lmite un
elemento de este conjunto; oo decir, existe UlW subsucwin {tlq(m)) que converge
a un punto y de norma igual a l. De acuerdo con (12), se tiene: ,"

1
2q(!l~(mJ) + e(Zq(m.J) >O,
y tomando lmites: q(y)/2;::: O, teniendo en cuenta que q es una funcin continua
y el hecho de que la 5U<;.'etlion (~q(m)) converge al punto a: (lo que implica. que
l(m (e(zqm)) = 0). En definitiva, para el vector y se verifico.: q(y);?: O, es decir:

(13)

Por otro lado, prua cada 1 :5 j :::; q, la funcin hi O> -por hip6te~:~i.s- diferen-
ciable en z 1 es decir:

k;(z) = k;(z') + dh;(z')(z- z') HJ() IJz- z'll, .........

con lfm e,(z) =O .

Sustituyendo z por Z(m) y teniendo en cuenta que Zq(m) y z" son puntos de A (y
por tanto: h;{~q(m)) = h;(x~) = 0), y dividiendo por !l:l:q(m)- x11,
se obtiene:

de donde, tomando lmites, resulta: dh;(a:")(V) = O. En consecuencia, podemos

escribir:

(14)

Con razonamiento anlogo al del prrafo precedente, partiendo del hecho de

que g,(zq(m)) $0 y g,(z*) =Opa.rai E r, se obtendra:
dg,(z*)(v) ::50 para i E r; (15)
CONDICIONF.S SU Flt:TE"'TES 125

y anlogamente tambin, teniendo en cuenta (lO), se probara:

<lf(x')(y);, O. (16}
De (Kl) se deduce que p =O para ir$. I*, luego podemos eocribir:

C(x) ~ f(x)- '

I>;;(x)- I:.l;h,(x),
;: t j=l

dtldonde (teniendo en cuenta que d.C(:e') = 0):

<lf(x') ~ L '
pdg,(x') + I:>jdh1(x').
IEI' J=l

Evaluando en 3l vector y esta igualdad de aplicaciones lineales:

'
<lf(x')(Y) ~ I: pdg,(x')(y) + L'idh(x')(y),
u;,. j=l

con (lti) y (14} se obtil".ne~ O~ L:pjdg(al')(y), de donde:

i<:l

L "'dg,(x')(y) ~O,
E]'
(17}

pues de (Kl) y (15) se deduce que t-tidg(:z:")(y) ~O para i E r. Ahora, como

la sunlB de (17), que el:' nula, es de nmeros negt\tivotS o nulos, cada sumando es
necesariamente nulo:

(18)

Finahneute, hemos encontrado un vector y que verifica;

y E F"- {0}, como se deduce de (18) y (14) y de que IIYil = 1;
" " 82.C -
& f}x (al*)Yr.YI :2: O, como se afirma en (13).
k=ll=l Jo l
Se contradice, pues, el hecho de que la forUI<~. cu&!rtica asociada a la matriz
he.ssiana D 2.C.(:c) es definida negativa restringida al conjunto F*.
En conclusi6n, el punto x es solucin loco.! del problema (P). C.Q.D.

Problemas de minimizacin. Para el problema. de optimizacin:

m1mm1zar !()
(Q) con las restricciones: 9(z) ~O para 1-::=; i ~ p,
{
hi(x) =O para 1 $ j -5. q,
126 COMPLEMENTOS DE OPTIMIZACIN

se puede demostrar una condicin suficiente de aolucin local anloga a la

vista en el teorema 3. Para tener esta. condicin suficiente de solucin local
del problema de minimizacin (Q), solamente hay que cambiar en (Kl) el
sentido de la desigualdad Jl.i ~ O (ahora quedar: JJi :::; 0), y cambiar en el
apartado (e) "definida negativa"' por "definda positiva" (en particular, el
conjunto F se define de la misma. manera).

Nota. La condicin suficiente de mximo local con restricciones dada

por el teorema 3 (y por ende la correspondiente de mnimo local) no es en
general necesaria. t:.

EJEMPLO 17. Consideremoe el problema de optimizacin:

\
extl't!!mos
(R) { con la restricd6n:

En el ejemplo 9 (cf. p. 112) vimos que los puntos {2,-1) y (2/3, 1/3) son los
nicos de R 2 que e:s posble sean soluciones locales de este problema. EBtudiemotJ si
podemos util~ la condicin suficiente del teorema 3, o su anloga para problemas
d roinimiz8cin, para saber si son efeclivrunen.te !IOluciones l~ales.
Loo puntoo (2, -1) y (2/3, 1/3) ,.tWw:n lao partes (a) y (b) de la oondicin
suficiente, con los multiplicadores 8 y 8/3, respectivamente. Para examinar la
parte (e), debemoo estudiar la forma cuadrtica asociadllt a !G matriz hesaiana
en cada uno de estos puntos de la funcin r. conespondiente. Recordemos el
la.gr8Ilgiano del problema (R):

-C(x,y) = m3 + 4xy- >.(:r +y- 1).

En el punto (2, -1), de multiplicador igual a 8, la matriz hessiana de la fun-

cin .C. correspondiente es:

12 ) (19)
(4 o '

y querem()S averiguar si su forma cuadrtica asociada e~:~ definida negativa (o defi-

nida positiva) restringida al conjunto F de los vectoreB (u, v) de JR2 que verifican:

dh(2,-l)(u,o)~O, ob;.., Vh(2,-l){u,o)~o,

donde hes la funcin que define la restriccin: h(x, 11) = x+y-1. El conjunto F*
es el subespacio vectorial:

F" ~ {(u,o) E R' 1(1,1) (u, o)~ O}~ {(u,o) E R' l+v ~O};
CONDlCIONES SUACIENTES 127

recordando lo visto sobre formas cuadrticas restringidas en el captulo I, y en

concreto la. proposicin 28 (cf. p. 45.), se obtiene que la forma cuadrtica asociada
a la matri2l de (19) el!! definida positiva. re&tringida a p pues:

o 1 1
1 12 4 =-4<0.
1 4 o
El punto (2, -1) es efectivamente una solucin local del problema (R); de hecho,
e11 un mnimo local de la funcin z3 + 4xy con ).a restriccin a; +y - 1 =O.

Por otra parte, en el punto (2/3,1/3), de multiplicador 8/3, la matriz hessi.ana

correspondiente es:

y el conjunto F* es ahora. el de b vectores (u,v) de R 2 que verifican:

dh(2/3, l/3)(u, v) = O, o lo que ez; lo ullsmo: u +v = 1,

con lo que coincide con el ~rubespacio F' que se obtuvo para el punto (2, -1).
La forma. cuadrtica aSociada a la matriz anterior restringida a F" es definid&
negativa, pues:
o 1 1
1 4 4 = 4 >0.
1 4 o
El punto (2/3, 1/3) es e!octivamente una. solucin local del problema (R); en con-
creto, un mximo local. '

Nota bene. El conjunto p- de la parte (e) de la condicin suficiente

del teorema. 3 depende en general del punto z candidato a ser solucin. En
el ejemplo anterior, este conjunto ha coincidido ser el mismo mra b dos
candidatos. t!.

EJEMI'LO 18. ConBideJ:emos el problema de optimizaci6n:

maximizar
(P)
{ con la restriccin:
En el ejemplo 7 (cf. p. 107) se obtuvo que los nicos puntos de lit' que es posible
sean soluciones IOC8l.es de wte problellll\ son:

(0,0),
(-v'22 , -v'22)
128 COMPLEMENTOS DE OPTIMIZACIN

Estos tres puntos verifican los apartados (a) y (b) de la condicin suficiente dada
por el teorema 3, con Jos multiplicadores O, 1/2 y 1/2, respectivamente; examine-
mos la parte (e). Recordamos ellagrangiano del problema (P):

L(x,y) = xy- p(z2 +tl-1).

En el punto (v'2/2, ../2/2), de multiplicador p. = 1/2, la matriz hatsiana de

la funcin .C. correspondiente es:

(-1 1)1 -1 .

Como la restricci6n de desigualdad del problema est saturada en (../2/2, .,/2j2),

el conjunto F' es el de los vectores (u, v) de JR2 que verifican:

p'dg(l2j2,12/2)(u,v) ~o,

donde: g(x,y) =x 2 + y2 - 1; es decir:

F' ~ { (u,v) E JR 2 1 (1/2)(12,12) (u,v) ~O}~ {(u,v) E i!.2 lu+v ~O}.

La forma cuadrtica asociada a la matriz anterior es definida negativa restringida

a F*, pues:

o 1 1
1 -1 1 >o.
l 1 -1

El punto (-./2/2, -/2/2) es, pues, una solucin local del problema (P).
Con clculos similares se comprueba que el punto ( -.,/2/2, -..;2/2) tambin
es una solucin local del problema (P).
Finalmente, en el punto (D,O), de multiplicador J. =O, la matriz hessiana de
la funcin ; correspondiente es:

Ahora bien, la restricci6n est no 5aturada en (0,0) (pues; g(O,O) = -1 <O); el

conjunto F del teorema m ahora R 2. La forma cuadrtica asociada a la matriz
anterior es indefinida, luego no se verifica la condici6n (e) del teorema. Nada
podemos decir, pues, del punto (0,0) sin un anlisis adicional.

Nota. Como g(O,O) <O, si el punto (0,0) fuera solucin local de (P),
la funcin xy admitira en (0,0) un mximo local (sin restricciones), y la
INTRODUCCIN A LA PROGRAMACIN CONVEXA IZ9

forma cuadrtica 860ciada a la matriz hessiana de esta funcin en (O, O) sera

semidefinida negativa:l. Pero tal matriz hessiana es:

(~ ~)'
y la forma. cuadrtica asociada a esta matriz es indefinida. El punto (0, O)
no puede ser, pues, solucin local de (P). ~

Por otro lado, y de acuerdo con lo obtenido en el ejemplo 12 (cf. p. 113), los
puntos

{0,0), ('7.-'7) y (-v'2 v'2)

2 ' 2

son h. nicos de R 2 que es posible aean mnimos locales de la funcin rey con
la restriccin x 2 + y 2 - 1 =O (recurdense tambin los multiplicadores: O, -1/2
y -1/2, respectivamente). Con clculos anlogos a los llevados a cabo en los p-
rrafos precedentes, se comprueba que los puntos ( ../2/2, -;,/2/2) y ( -./2/2, ./2/2)
son efectivamente mnimce lOClllez!. Y d punto (0,0), que no es mximo lOC3l
(como se comprob6 en la nota anterior), tampoco resulta ser mnimo locaL

5. INTRODUCCIN A LA PROGRAMACIN CONVEXA

En esta. seccin estudiamos condiciones su:fi.cientes de solucin glob111 de un
problema de optimizacin con restricciones de igualdad y de deai.gualdad.
Exigiremos a las funciones involucradas ciertas hiptesis de convexidad,
Consideremos una funcin numrica 1 con conjunto de definicin un
conjunto abierto O~ ntn, p +q funciones numricas 91, 92, ... , gp, h1,
h'l, ... , hq con conjunto de definicin lRn, y el problema de optimizacin=
maximizar /(%)
(P) con las ~stricciones; g.(z) :5O para 1 :5 i :5 p,
{
h;{"') =0 para 1 :5 j :5 q.
Diremos que el problema. (P) es convexo si el conjunto O es convexo, la.
funcin objetivo 1 es cncava sobre O, las funciones 91, {12, , {Jp 8011
convexas sobre O, y las funciones h 1 , h 2 , , , , hq son afines.
Para problemas convexos, y bajo ciertas hiptesis, las condiciones ne-
cesarias de KUHN- TUCKER son condiciones suficientes de solucin global.
Lo cual se concreta en el siguiente
~Condici6n necesaria de segundo orden de mximo local (sin restricciones). Cf. Cl-
culo Il, proposici6n V.6, p. 21Q.
 130 COMPLEMENTOS DE OPTIM1ZACIN

Teorema 4. Supongamos que el problema (P) es convexo y que la.s fun~

clones[, g, 92, .. , gp, h 1 , ~ , hq son cllferenciableB en todo punto
de O. Si z es un punto factible del problema (P) que veriflca las con
diciones necesarias de KUHN-TVCKER, esto es: existen p + q nmeros JLi,
. ,
JL2, \"'1
JlP \"'2
... , "'~
\ wes
t -que.
'.
Kt) paral $ i $ p, Be tiene: Jlt ~O y t-tig,;(x:*) =O,
K2) la funcin:

p '
.C(z) ~ f(z)- L~jg;(z)- L~)h1 (z)
i=l J=l

presenta un punto crtico en :z:,

entonces e* es una soluci6n global del proble11l8. (P).

Demostracin. Al ser convexo el problema (P) y positivos o nulos los multipli-

p., 1 ~ i $ p, las funciones:
cadores

son cncavas 5obre O, y por tanto ta.mbin la funcin L.; y al ser las funciones j,
9t, 92, .. 1 9p 1 h, h2, . . , hq diferenciables en todo punto del conjunto abierto O,
lo mismo acontece con la funcin L.. En conrecuencia, y dado que V .C(2:) =O,
la funci6n L admite un mximo global sobre O en :z: (c. corolario de la proposi-
cin 19 del captulo I, p. 34).
Por ser a:: un punto que satisface la:o restricciones de (P) y la condicin (Kl)
se tiene:

(20)

siendo A el conjunto factible del problema (P). Si a:: es un punto factible cualquiera
(en partiClllar: z E 0), como J:. admite en a:: un mximo global sobre O, se tie-
ne, L:(~) ,; L:(~'), y de (20) "d.duce' /(~) ,; L:(o) ,; L:(z') = /(<'). En
conclusin, f admite un mximo global sobre A eu a::, esto es: ;z: es solucin
global del problema (P). C.Q.D.

EJEMPLO 19. Consideremos el problema de optimizacin:

maximizar
(P) { con la restricci6n:

El problema (P) es convexo, puea el conjunto de definici6n de la funcin objetivo

es R 2, que es convexo, la funcin objetivo: -x~- !", es c6ncavn sobre R.2 (la forma
INTRODUCCIN A LA PROGRAMACIN CONVEXA 131

cu8Clrtica wociada.a la IIllltriz het~::~iana de esta funcin en cada punto de R 2 es

semidefinida negativa), y la funcin que define la restricci6n (de igualdad) es afn.
De acuerdo con el teorema 4, todo punto factible que verifique las condiciones de
KUHN-TUCJ<ER es solucin global del problema (P).
En el ejemplo 16 (cf. p. 121) se obtuvo que el punto (1/2, -1/2) es factible y
wrifica las condicioneB de KUHN-TUCKER (se obtuvo l.t\mbin que es una solu- \
cin local de (P)). Este punto {1/2, -1/2) es, pues, una solucin _global del pro-
blema (P).
132 COMPLEMEI\TOS DE OYTIMIZACII'\

RESUMEN
Definiciones 1J notaciones
ConsideilJ.lDOS una. funcin D'l.Ullrica f Ue n variables, un subconjunto A
del conjunto de definicin de J, y un punto z* de A;
Mximo global sobre el conjunto A: f admite un mximo global
sobre A en z* si se verifica: Vw E A, f(w):::; /(~*).
Mnimo global sobre el conjunto A; f admite un mnimo global
sobre A en w si 11e verifica: Voo E A, f(x) 2: /(z).
Mximo local sobre el coQjunto A; f admite un mximo local
sobre A en ;:: si existe r > O tal que:

Mnimo local sobre el conjunto A: f admite un rn.niwo local

sobre A en a:: si exiRte r > O tal que:

'</"'E AnB(.,,r), !("') ;> !(.,).

Consecuencias de las definiciones:
o f admite en .:t:" un mnimo (global o local) sobre A precisamente
si (- f) admite en w un mximo (global o local) sobre A;
un mximo global sobre A es un mximo local sobre A, y un
mnimo global sobre A es un nnimo local sobre A.
Extremo: f admite extremo, global o loC'AI, sobre A en x si admite
un mximo o tm mnimo, global o local, sobre A en este punto.
Problema de optimizacin:

(P)
{maximizar !("')
xEA.

El punto x es una solucin local de (P) si f admite en z" un

mximo local sobre A;
y x" ffi una solucin global de (P) si f admite en x" 1m mximo
global sobre A.
Anlogamente se definen solucin local y solucin global de los ;ro-
bleii18.S de optimizacin:

{minimizar
y
RESUME~ 133

En los tres problemas de optimizacin anteriores, la funcin f es la

funcin objetivo; el conjWl.to A, el conjnnto de los puntO!! facti-
bles, o conjunto factible.
Problemas de optimizacin con restricciones de igualdad y de
desigualdad: si O es el conjunto de definicin de j, y es abierto,
y g, gz, . , , , g1, ht, k?,, .. , hq eon funciones numricas con conjunto
de definicin IR", }OI:l problemas de optimizacin con funcin objetivo f
y conjunto factible:

{"'E O 1 g;(m) <;O para 1::; i :S p, hi(%) =O para 1::; j .:S q},

se escriben:

{ max.m""' !("')
(P) con las restricciones: g;(x) <;O paral;:=;i;::;p,
h;("') ~o para 1 ::; j .:S q,
y

{ mioimizar /(x)
(Q) con las restricciones: g,(.,) <; o pare. 1 ::; . ::; p,
h,(x) ~O para 1 ;:=; j $ q.

Condiciones necesara8
Consideramos el problema. de optimizacin (P) de los prrafos anterio-.

Condicin de cualificacin; las restricciones de {P) satisfacen la

condicin de cua.lificacin en un punto factible a: (o estn cualificadas
en z*) si son linealmente independientes los vectores;

V g.(z*) para i E r y V hi(z*) para 1 :S j::; q,

donde' I' ~ {i E {1,2, ... ,p} 1 g,(,') ~ 0).

Condiciones ncccsarins de KUHN-TUCKER: si ro es una. solucin
local de (P), si f y g, 92, .. , [ip, h1, h2, ... 1 hq son de clase C1 sobre
su conjunto de definicin y si las r~tricciones verifican la condicin
de cualificacin en :ll-, entonces :ll* es un punto factible y existen p +q
nmeros pi, .u2, ... , p;, ;
Ai, .>..;, ... , tales que:
K1} para 1 $ i ~ p, se tiene: .,j 2. O y p,ig(a:*) =O;
134 COMPLEMENTOS DE OPTIMIZACIN

K!J) el punto m es punto crtico de la ftmcin:

, .
L:(z) ~ /(z)- Li'tY<(")- Liljh(.,).
i=l i=l

Multipltcadores de KUBN-TuCKER: los nmeros reales p,

.u;, ... , p;, >-i, "'2 ... , >.;. Fija.da la BOI.ucin local z", son nicos.
Lagrangiano de (P): la funcin de la variable m:
p
<:(a:)~ t(a:)- D<~ll<"'l- :il;h;("'),
i=l j=l

que depende de los parmetros #1-t. IJ2, ... , ,tp, >., >..2, .. , Aq.
Para el problema (Q) de minimizacin: si slo hay restricciones
de desigualdad, se tienen las mismas condiciones necesa.riM si hay
restricciones de desigualdad, 1M condiciones de mnimo difieren de las
de :mximo 80lamen'te en que se exige que l.oti multiplicadores asociados
a tales n:strcciones de desigualdad sean negativos o nulos.
Condiciones necesarias de FHITz....J OHN: Si z"' es una solucin
local de (P), y / y g, 92, ... , gp, ht, 1&2, , h11. son de clase C1
sobre su conjunto de definicin, entonces z" es un punto factible y
existen p + q + 1 nIIlero!3 JJO, 14, f'2, ... , ~. >..i, >..;, ... , );; tales
que:
F1) par& 1 :5 i S p, se tiene: JJi 2: O y f-4fli(m) =O;
n) f'O E {0,1};
F9}losp+q+l nmerosf!O, p, p~, ... ,I'P, Aj, A;, ... , >.qnoson
simultneamente nulas
F4} el punto,. es punto crftico de la funcin:
. ,
g(a:) ~ 1'0/(")- LPiY(")- Liljh(z).
i-1
.
i=l

Condiciones .uficienteB
Consideramos de nuevo el problema de optimizacin (P):
Si f YU1 , !12 , , f}p, h1, ha, .. , h, son de clase C2 sobre su conjWlto de
definicin, un punto z: es sohlci6n local de (P) si es factible, satisfa.oe
las condiciones de KUHN-TucK~ y la fornm. cuadrtica asociada ala
BTBIJOGRAF!A 135

matriz hessia.na. D 2 .C(::~:"') es definida negativa restringida al conjunto

de los vectores y de Rn tales que:

~i E r, pdg;(o:')(y) ~ 0, y ~j E {1, 2, ... , q), dh;(z')(y) ~O,

donde 1' ~ {i E {1,2, ... ,p) J g,(z') ~ 0).

Problema eonvexo: (P) es convexo si: O es oonvexo, fes cncava
sobre O, 91, 92, , , . , gp son convexas sobre O, y h, h2, ... , hq son
afin.,.
Si (P) es convexo y{, YI, 92, ... , _gp, ht, h2, .. , hq son diferenciables
en todo punto de O, un punto factible que verifique las condiciones
necesa.ria.s de KU!lN-TUCKER etl una. solucin global de (P).

BmLIOGRAFA

A. LVAR.EZ. Clculo II para Econamfa y Emprf'..sa. Funciones de

varias variables. San Julin (lecciones de Matemticas para Economa
y Empresa., 3), Madrid, 1998.
R. BARBOLLA, E. CERD, P. SANZ. Optimizacin. Cuestiones, EJer-
cicios y Aplicaciones ala Economa. PI'f'ntice Hall, Madrid, 2001.
R. BARBOLLA, P. SANZ. La. Concavidad en un Modelo Econmico.
FUnciones de Demanda. Pirmide, Madrid, 1995.
A. MAS-CoLELL et al .. Microeconomic Theory. Oxford University
Press, Nueva York, 1995.
P. M!CHEL. CoiUS de Mathmatiques pour conomistes. .f;conomic..a,
Pars, 1989, segllllda edicin.
E. PRIETO. Lecciones Elementales de lgebra Lineal para Economa
y Empresa. C.E.R.A., Madrid, 1999.
.K PRIETO. Clcu]o I para Eco.nomfa y Empresa. Funciones de una
variable. Sa.n Julin (lecciones de Matemticas para Economa y Em-
presa, 2), Madrid, 1997.
C.P. SIMON, L. BLUME. Ma.thematics for Economitlts. Norton, Nue-
va York, 1994.
Captulo 111

Matrices positivas
Mara ngeles A rndiga Bez

INTRODUCCIN
En Econom!a. 1 las matrices de coeficientes tcnicos (definido el consumo in-
termedio en un modelo de produccin) son matrices con trminos positivos
o nulos.
En este captulo, estudiaremos las nociones clsicas y sus propieda-
des (matrices productivas, conjnntos autnomos, productos fundamentales,
matrices indescomponibles). Estudiaremos tambin el teorema de FROBE-
NIUS.
Quienes necesiten repasar algn concepto o resultado pueden consultar
el manual lgebra IJneaJ..
Sobre este captulo, observamos lo siguiente:
Su contenido est dividido en siete secciones ms un apndice.
Como complemento necesario a los conocimientos tericos, ae incluye
un gran nmero de ejemplos en los que tales COllocimientos encuentran
aplicacin prctica.
Tambin se incluyen ejercicios que sirven de a.utocomproba.cin para
el alumno.
138 MATRICES POSTI1VAS

l. MATRICES POSITIVAS
Notacl6n. En este captulo, y siempre que no d lugar a confusin, escri.OOre.
moe: P = (p} para designar una matriz columna P, y 1 para designa:r la
matriz identidad, sin especificar el orden. 6

1.1. Matrices po.ritivru

Una consecuencia imnedia.ta de la definicln es que una matriz nula (o

matriz cero): O, es positiva.
Propiedades. Se verifica:
J) Si A = ("'') y B = (b;1) 80.11 doB matrices positivas del mismo cmlen,
entonces A + B es poeitiva.
Los trminos de A+B son de la forma: a..1+bt;, que son positivos o nulos
por serlo los trminos ai y htJ.
B} Si A= (a;1) y B = (b;;) S011 doB matrices positivas tales que AB est
denido, entonces AB es positiva.
Sil es el ntimero de columnas de A (o el nmero de fllas de B), entonces
los trminos de AB son de la forma:

:E'
,.., ... ~.,.
que son positivos o nulos por serlo todos los trminos IJ y bi<J.
Nataci6n. En lo sucesivo eecribirelllCJE
1
ECifkb.t;. en vez de: Ea,tb~;;,
le 11=1
si no hay lugar a confusin.
 '
MATRICES POSITIVAS 139 \

Propoolcl6n l. Considerem0<1 una matriz A= (a;;) de orden (n,m), y

las m matrices coll.l.DlDa de orden (m, 1) sigujentes:

1 o o
o 1 o
E= o ,Bl= o , ... ,.E,n=
o
o o 1

Una condicin necesaria y suiiciente para que la matriz A sea posltim es

que, para cada 1 :S -f :S m, la matriz AE; sea positiva:

A&~O paral:$i:$m.
DatKtSb'ac:iGn. La coodicia ea necesaria. Si supcwemos que A es positiva, en
tonces, como para cada 1 S i :S m la matriz & es positiva, AE4 resulta ser el
producto de doa matrices positivas, y por tanto poaitlva (cf. propiedad 2).
1m oondici6n u lmficillnt& Si suponei1108 que para cada 1 :::;; i :S m la JD&o
trlz A& es poei.tiva, entonceB A es positiva, pues:

A= (AE,j AE, 11 M;.).

C.Q.D.

1.B. Motn:ce. eatrictamente po.rinva.a

Nota bene. Si z es un nmero real, afirmar:

140 MATRICES POSIDVAS

es lo mismo que afirmm-;

a;>O.
No ocurre lo mismo con las matrices; esto es, si A es una matriz que verifica;

A;?:O y A;i=O,

entonces no necesariamente se deduce que A sea estrictamente positiva. Por

ejemplo, la matriz:

A= G n
es positiva, no ea nula, y no es estrictamente pooitiva. A

Propiedades. Se verifica.:
1) Si A, By C son tres matrices reales del mismo Drden y o: es un nmero
real positivo, entonces:

(A< B) ==> (A+C < B +C),

(A < B) ==> (aA < aB),
(A$B y B<C) => (A<C),
(A < B y B 5, C) ==> (A < C).

Resulta inmediatamente de las definiciones.

2} Si A= (a;) y B = (bti) son dos matrices reaJes estrictamente poaiti-
vas tales que AB est defiiJido, entonces AB es estrictamente positiva.
Los trminos de AB son de la forma.:

y son positivos, por serlo todos los trminos 6;1c y blej.

Proposicin 2. El producto de dos matrices reales, una estrictamente po-

sitiva y la otra positiva e invertible, es una matriz" e!ltrictamente positiva.

Demcstracin. Sean A= (a) y B = (b;j) doo. matrices tales que su producto AB

est definido, la primera estrictamente poo.itiva, y la segunda cuadrada, positiva e
invertible.
Sea C = AB. Los trminM de C son de la forma:
MATRICES POSITIVAS Y MODELOS LINEALES DE PRODUCCJON 141

donde todos 1015 trminO!! llik son positivos y todos los trminm ~j 110n poeitivos
o nulos. AseguramM que c01 es positivo si al menO& uno de los tkminoe biJj es no
nulo.
Ahora bien,Ia matriz Bes invertible, con lo que ninguna de sus columnas est
_formad.a enteramente por ceros es decir, en cada columna de B hay al menos un
trmino pO&itivo. En conclusi6n; ~J es positivo y le. matriz C = AB es estricta.-
mente positiva.
Si, en vez del producto AB, est definido el producto BA, el razonamiento es
completamente anlogo. C.Q.D.

2. MATRICES POSITIVAS Y MODELOS LINEALES DE

PRODUCCIN

Consideremos una. estructura productiva que est constituida por n indus-

trias que producen n bienes. Cada industria produce un solo bien, y cada.
bien es producido por una sola. industria. En lo sucesivo, representaremos
con un nrnero natural de 1 a n tanto la industria como el bien que sta
produce, y pondremos:
8={1,2, ... ,n}.
Representemos con at; (con y j pertenecientes a S) la cantidad (po-
sitiva o nula) del bien necesaria para produdr una unidad del bien j. O
bien: para producir una unidad del bien j son necesarias rlij unidades del
bien i.
Supondremos se verifican las siguientes hiptesis:
Hptess de rendmientos consntes a escala: para pxoducir x unida-
des del bien j son necesarias a.; :e; unidades del bien i.
Hptesis de adtividl. Si ee producen: x 1 , Xj, , Xn unidades 1
respectivamente, de los bienes: 11 1 j, ... , n, de la hiptesis ante-
rior se deduce:

a1z 1 es la ~tidad. del bien i necesaria

para producir las x 1 unidades del bien 1,

atjXJ esla cantidad del bien i necesaria

para producir las x; unidades del bien j,

atnXn es la cantidad del bien necesaria

paxa producir las x 71 unidades del bien n.
142 MATRICES POSITIVAS

La hiptesis de a.ditividad afirma que la cantidad:

n
llXl +. '. + a.;x; + ... + amxn = L GijXj
j=l

es la cantidad del bien i que es utilizada. por la estructura productiva..

De:
z=
j=l
rlijXj

diremos es el consumo intermedio del bien i.

Tambin supondremos que la cantidad disponible del bien i: x,, se utiliza
de dos formas diferentes:
n
consumo intermedio del bien i: a;x;;
i=l
demanda final del bien i, que denotaremos: Yi (y ~O}.
Es decir:

Xi = ax; +y, 1 ~i :5 n,
i=l

o bien:
anx1 + +aXj + + GlnXn + Yt =X
llil:t'l + + at;X:J + + amxn + Yi = Xi
C&n1X1 ++a,...; :e; + + llnnXn + Yn = Xn,
y eacrito en forma matricial:

donde A, X e Y son las matrioea positivas siguientes:

~:) (~).
au a, .. .
A=
(
1121
:
a..1
an .. .

Gn2
: ...

:
.
tlnn
,X-
- (::):
.
Xn
yY-
- ;
'Yn
.

En las hiptesis anteriores se dice que el sistema de produccin es lineal,

y que el IllOdelo que lo representa es un modelo lineal.
MATRICES POSITIVAS Y MODELOS UNEALES DE PRODUCCIN 143

Dado un bien j E S, la industria j, que es la nica que lo produce,

necesita como inputs para su produccin aquellos bienes i que verifican:
a,; ::f. O.

El conjunto de los bienes que la industria j precisa como inputs ser. deno-
tado: D(j) es decir, el conjunto:
D(j) ={iES 1 a;; ;o' O}
es el conjunto de loe bienes que son directamente necesarios para la. produc-
cin del bien j.

EJEMPLO 1. Conaideremos una estructura productiva ---con sistema de pro-

ducci6n lineal- con tres industrias que produce tres bienes: cada bien es producido
por una sola industria, y cado. industria produce un solo bien. Representemos las
industrias y los bienes que producen por los mislll06 DDlel'()8: 1, 2 y 3. Sea.:

1/2 o 1/16)
A=(;)= ( 1 1/2 O
o 1 1/2
la matriz de coeficientes tcncos de la estructura productiva.
Entonces, para producir una unidad del bien 1, la indUBtria. 1 utiliza au = 1/2
unidades del bien 1, a:u = 1 unidades del bien 2 y as1 = O unidades del bien 3;
por tanto, los inputs que la industria 1 necesita son el bien 1 y el bien 2:

D(1) = {1,2).
La industria 2 utiliza 1/2 unidades del bien 2 y 1 unidad del bien 3 para producir
una unid8d del bien 2, y por tanto:

D(2) = {2, 3).

144 MATRICES POSITIVAS

Por ltimo, la industria a utiliza 1/16 unidades del bien 1 y 1/2 unidades del bien 3
para producir una unidad del bien 3:

D(3) ~ {1,3}.

Nota. En este contexto entendernos por unitUd una cantidad qu(l so

toma como medida. Por ejemplo, si uno de los bienes producidos es acero,
entonces la unidad podra ser la tonelada mtri<'A. .

Si, por ejemplo, esta estructura productiva produce 1 unidad del bien l, 3
unidades del bien 2 y 7 unidades del bien 3, entonces la matriz de produccin es:

y el consumo intermedio del bien 1 en la produccin es:

el consumo intermedio del bien 2 es:

por ltimo, el consumo intermedio del bien 3 es:

13
2'
Luego la matriz cuyos trminoti 500 los coISumos intermedilti es:

( 1~W) ~ (1i'o 1~, 1/16)

o (1) 3 ~Ax.
13/2 1 1/2 7

Nos planteamos el ,jgujente problema: dada la matriz positiva A de
coeficientes tcuico~, y la. matriz positiva. Y de demanda final, en qu con~
diciones podemos encontrar una matriz de produccin X que satisfaga:

X=AX+Y1 conX~O,

o bien:

(I- A)X ~Y, ron X 2: O. {1)

MATRICES POSITIVAS Y MODELOS LINEALES DE PRODUCCIN

EJEMPLO 2. Considerando la estructura productiva del ejemplo 1, que t

. ,,~'
.~ ~-
'
como matriz de ooe:ficienteucnicos:
o 1/16)
1/2o '
1 1/2
ae puede satisiBCfl' la demanda final:

Y.=
("')
112 =.(1/16)
Ya
1/2 ,
1/2
pues con la produccin:

se verifica:

En efecto:
o
1/20
1/16) (1) (1/16)
3+1/2.
1 1/2 7 1/2
En palabraB: si la estructura productiva produce 1 unidarl del bien 1, 3 del
bien 2 y 7 del bien 3, entonces consumir en el proceso de produccin 15/16
unidades del bien 1, 5/2 unidades del bien 2 y 13/2 unidades del bien 3, pudiendo
as atender la. demanda. de 1/16 unidades del bien 11 1/2 unidades del bien 2 y 1/2
unidades del bien 3.

Si la m&triz 1- A es invertible, entonces de (1) deducimos:

(2)
Pero de (2) no podemos concluir que X 2:: O; sin embargo, si (1- A)- 1 es
una matriz positiva., como Y es positiva, el producto:

es una matriz positiva (cf. propiedad 2 de las matrices positivas).

En conclusin: es suficiente que la matriz 1- A sea invertible y que su
inversa: (!- A)- 1 , sea positiva para asegurar que (1) admite solucin.
Estudiemos a continuacin qu propiedades tienen la.a matrices positi-
vas A tales que 1- A es invertible y (I- A)- 1 es positiva.
146 MATRICES POSITIVAS

3. MATRICES PRODUCTIVAS
3.1. Definicin de matriz productiva. Ejemplos

EJEMPLO 3. La matriz I'f'.al:

A~ (0.5o 0.1D)
es productiva, pues, por cjcm}Jlo, la mat.riz columna:

verifica.:

EJEMPLO 4. La. matriz real:
1 D)
( 0 1/2

no es productiva.
En efecto: para qufl !'!P.;~, productiva debP-n existir dos nmeros reales x 1 > O
y :v2 > O tales que:

pero:

con lo que obtenelllOS una matriz columna que no puede ser estrictamente positiva.
En consecuencia, no es productiva la matriz:

(01 1/2D) .
MATRICES PRODUCTIVAS 147

EJEMPLO 5. Para cualquier nmero real a ;?: O, la matriz real:

es productiva.
En efecto, si tomamos d011 nmeros rea.Jes :z:-1 > O y :z:-z > O de forma que;

Xt > ax2,

entonces:

lo que muestra que, para cualquier nmero real a ~ O, 1a matriz:

es productiva.
Un caso concreto: a= 2. Tomemos, por ejemplo,

X2=l y :&'=21+1=3>:~;2

se tiene:

lo que confirma que es productiva la matriz:

(~ ~).
Obsrvese que en el caso particular de a= O obtenemos una matriz cero: O,
que es, por tanto, productivn.

Una interpretacin econ6mica de las matrices productivas es la siguien-

te: si la matriz de coeficiente tcnicos de una estructura productiva (con
sistema de produccin lineal) es una matriz productiva, podemos asegurar
existe una matriz de produccin con la cual se consiguen excedentes en
todos los bienes que produce la estructura productiva: hay un nivel de
produccin con el cual se produce estrictamente ms de lo que se consume.
 148 MATRICES POSITIVAS

EJEMPLO 6. La matriz de coeficientes tcnicoa del ejemplo 1 (cf. p. 143):

1/2 o 1/16)
A= 1
( o
1/2 1/2o '
1

es productiva, pues para la produccin:

se produce ms de lo que se consume; concretamente, el excedente es;

X- AX =
(31) - (1/20
7
1 11/2o 11/16)
O (1)3 (1/16)
/271/2
1/2 .
=

3.!. Canu:terizaci6n de la8 matrices productivas
El siguiente teorema, cuya demostracin puede encontrar el lector en el
apndice (cf. p. 174), caracteriza las matrices productivas.

Teorema 1 . Una condicin necesaria y suficiente para que una matriz

real A (cuadrada y positiva) sea productiva es que 1 - A sea in vertible y
que su inversa: (1- A)- 1 , sea positiva.

EJEMPLO 7. Con la ayuda del teorema 1 es fcil comprobar que la matriz real
del ejemplo 4 (cf. p. 146):

no es productiva, En efecto:

y esta ltima matriz no es invertible.

EJEMPLO B. Utilizando el teorema 1, estudiemos si la matriz real:

A= (1/2 O)
1 1/2

es productiva.
MATRICES PRODUCITVAS 149

Se verifica:

y ~ta ltima. matriz ea invertible; su inversa. es:

matriz que es positiva, luego es productiva la.' uw.triz:

A=
1/2
( 1 1/2 '
o)

EJEMPLO 9. La matriz de coeficientes tcnicos (cf. ejemp]o 6, p. 148):

1/2 o 1/16)
A=
( 1 1/2 O
o 1 1/2

es productiva. Vamos a verificar que I- A es invertible y que (I- A)- 1 es positiva.

La ll18triz I -A es:

1/2 o -1/16)
I-A= -1 1/2 O ,
( o -1 1/2

y su rango es igua] a 3 (como se comprueba con facilidad), y por tanto es invertible.

Calculamos (1- A)- 1 Se tiene:

o -1/1D
I-A=(~~
p,_-~F,

F3+-F1+F, o -1/8)
1/2 1/2 -1/8
-1 1/2 G -1 1/2
F~.._2F)
o -1/8)
(~ o1 -1/41/4
F5+-Pa+Fo

Fs.... 4F3
F~+-F+(l/4)F~
o
(g o ~) =l,
F 1 - F1 +(1/8)F3
1
ISO MATRJCES POSrTIVAS

y aplicando las Dl8malil transformaciones elementales a la matriz identidad I:

I- e
O o
1 o)
O
o o 1
F,+-:IF,
l"a+-~+Ft

n
(~
o
1
o

Gn
lio+-U't.
F.s+-Fa+Fi
o
2
2

F,+-4F"
Fs+-F~+(l/4)Fa
4 1 1/2)
( : - (I -A)-',
Ft+-F+(l/II)Fs
:a
y se veri.Sca que (J- A)-l;;:: O.
EJEMPLO 10. Veamor~ ai es productiva la matriz real:

A-e ~)-
Cakulamcs /-A:

l-A=(~ ~)-e n=(=: -~)

Resulta ser invertible; su nversa es:

(I -A)-'=(;:~ -~/2),
que no es positiva. Por el teorema 1 (cf. p. 148), A no es productiva.

En efecto, si la matriz de coefici.ent.es tcnicos A es productiva y Y es la

matriz de demanda final, entonces para la matriz de produccin~1 definida
por:

se verifica.:
X ~ O y X = AX1 +Y.
CONJUNTOS AUTNOMOS 151

3.3. 7hupuesta de una matJV productiva

Propoalc.l6n 3. La traspuesta de una matriz productiva es Wl& matriz ~
ductiva.
Dernastntcin. Sea A una. matriz productiva. Entonces: (a) I- A es imrertible,
y (b) (I- A)- 1 es positiva.
Se verifica que I - A' es invertt*ble, pues: I- A'= (I- A)t, y oomo I- A es
mrert!blo (cf. (a)), tambin Jo es (1- A)'.
Y tambin se tiene qne (I- At) - 1 es po!dtiva, puea:

(1- AT' =((1- AJT' =((1- A)-')''

y oomo (1- A)-' pooitW. (cf. (b)), tambin los ((1- A)-')'.
Con el teorema 1 (cf. p. 14.8), concluimos quf: Ates productiva. C.Q.D.

4. CONJUNTOS AUTNOMOS
4.1. Dejin.icidn de conjunto autnomo. Propiedad<~

Sea A = (aq) Uil8 matriz real cuadrada, de orden n y positiva, y sea:

S= {1,2, ... ,n}.

EJEMPLO 11. Consideremos la matriz real:

1/2 1/3
Aa= o 1/2
1/4)
o .
( 1/2 1/4 1/4
El conjunto T ={1, 3} es aul6omo. En efecto, se verifica:
S-T={2), T={l,3}, y {.., lieS-T,;eT}={..,,.,;
=
y QOmo 021 a.:za = O, T es autnomo. ,
=
Por el contrario, el conjunto V {1,2} no es autnomo, pues por ejemplo:
3eS-V, 2eV y o32#=0.
El conjuqto 8 = {1,2,3} es aut6nomo por defioici6n.
152 MATRICES POSITIVAS

EJEMPLO 12. Consideremos la matriz real:

1/2 1/2 o
o 1/2 o
A,~ O 1/2 1/2 o
(
1~2) .
1/2 o o 1/2
El conjunto T = {3} es autnomo, pues:

S-T={l,2,4} y {aJiiES-T,jET}={at3,a2a,a.l3},

y a1a = a23 = a43 =0.

El conjunto V= {2} no es autnomo por ejemplo: 1 E S- V y a12 =f O.

EJEMPLO 13. Par<~. !ti. malriz; real:

los conjuntos:
{1}, {2}, {1,2} y {1,2,3}
son autnomas:
S-{1}={2,3}yaz=a~t=0,
S-{2}={1,3}yal2=a32=0,
8-{1,2}={3} ya3t=a:n=O,
S= {1,2, 3} u autnomo por definicin.

Nota bene. En los ejemplos anteriores el conjunto S es el conjunto:

{1,2, ... ,n},

donde n eR el orden de la matriz clladrada considerada.

Veamos a continuacin algunas propiedade; de los conjuntos autnomos.

Proposicin 4. Sea A una matriz real cuadrada, de orden n y positiva. Si T

y V son dos conjuntos at1t6nomos para lB. matriz A, entonces se verifica:
1} T n V, si es no vaco, es autnomo
2} TU V es autnomo.
CONJUNTOS AUTNOMOS !53

Demostracin. Sea A = {lli;) , y se& S = { 1 1 2, .. , n}. Como T es autnomo, se

tiene:

\il E 8-T, 'ij E T, Gi =O; (3)

y como V es autnomo, se tiene:

'r/i E S- V, Vj E V, lli; =O. (4)

Ahora:
1} De (3) y (4) se deduce que paro. cada. j E Tn V (hay alguno por tratarse de
un conjunto no vaco) basta que i E S-To que i E S- V pare asegurar
=
que av O. En smbolos:

Yi E (S -T) U(S- V), Vi ETnV, <1< =0,

o bien (teniendo en cuenta que (S- T) U (S- V)= S- (Tn V)):

Vi E S- (Tn V), Vj E TnV, U..; =0,

y por tanto T n V es autnomo.

11) Por otro lado, de {3) y ( 4) tambin se deduce que si j E TU V 1 hace fu.Ju,.
que i E S - T y que i E S- V pw-11. asegurar que av = O. En smbolos:

Yi E (S -T)n (S- V), Vj E TU V, a;= O,

o bien (obs"""ndo que (S- T) n (S- V) =S- (TU V))

YiES-(TUV), ViETUV, a;1 =0,

y en CODBecuencin. TU V es a.ut6nomo. C.Q.D.

EJEMPLO 14. Consideremos Ja matri2 real positiva:

1 o o o 1 o
1 1 o 1 o o
A.=
o o 1 o 1 o
o 1 o 1 o 1
o oo o 1 o
1 o o o o 1

El conjunto T {2, 3, 4} es autnomo para A; en 'erecto, se tene que a;; = O

=
para cada i es- T= {1,5,6} y cadaj ET= {2,3,4}. Tambin V= {1,2,4,6}
es autnomo:
Vi E {3,5}, Vj E {1,2,4,6}, a,;= O.
!54 MATRICES POSITIVAS

Entonces, descuerdo con la propagidn anterior, los conjuntos:

TnV={2,4}(queesnovacfo) y TUV={l,2,3,4,6}

son a.ut6nomos. Se puede comprobar directamente:

Vi E {1,3, 5,6}, Vj E {2,4}, Oi; = 0, y Vi E {5}, 'rfj E {1,2, 3,4,6}, ai =O .

4.2. Determnacin prctica
Si la matriz real cuadrada A, de orden n y positiva, se interpreta como
la matriz de coeficientes tcnicos de una estructura productiva, y el con
junto S:
S= {1,2, ... ,n},
se interpreta como el conjunto de los bienes (o productos) que produce la
estructura productiva, entonces el que un conjunto de bienes T ~ S sea
autnomo para la matriz A puede interpretarse romo que no se necesitan
los bienes de S- T para producir los bienes de T.
Estamos ahora interesados en saber qu bienes son necesariOB, directa
o indirectamente, en la produccin de un bien dado.
Dado un bien j E S, ya sa.bemoa que el conjunto:

D(j) = {i E S 1 a;# O)

es el de los bienes que son directamente necesarios para produclr el bien j.

Pexo para producir los bienes del conjunto D(j) tambin sern directamente
neresarios otros bienes, de los cuales podemOB decir que son indirectamente
necesarios para producir el bien j.
Por ejemplo, en una empresa que fabrique automviles, los neumticos
intervienen directamente en el proceso de fabricacin, y en una empresa
que fabrique neumticos el caucho interviene directamente en el proceso de
fabricacin. El cauchO no es un input de la empresa que fabrica autom6viles1
pero s es un input de una empresa que fab:dca un input para aqulla. De
esta forma, podemos decir que el caucho interviene indirectamente en la
fabricacin de &utomviles.
Asimismo, continuando con el ejemplo, la empresa que elabora el caucho
tendr ciertos inputs: stos tambin sern bienes indirectamente necesarios
para fabricar automviles.
CONJUNTOS AUTNOMOS 155

Dado el bien j, denotaremos por M(j) el conjunto fonnad.o por el bien j

y los bienes que participan directa o indirectamente en la produccin del
bien j. En smbolos:

M(j) ~{j}U{i E8]3k EM(i), i ED(k)}.

Daremos a continuacin un algoritmo que nos permitir escribir los

elementos de M(j).
Sea. A = (Oij) lll.la matriz; de coeficientes tcnicos, y sea:

8={1,:2, ... ,n}

el conjunto de los bienes. ConsideratnOB un bien j E S.

Primer paso. Observamos que, por definicin, al conjunto M(j) per-
tenecen -entre otros- el bien j y aquellos bienes q_ue son directamente
neoeRarios en la produccin del bien j. EB decir, el bien:

es un elemento de M(j), y el conjunto:

D(j) ~ {i E S] a;;;' O}

est contenido en M(j).

Este primer paso consiste en escribir el bien j:

j,

y "enlazarlo" oon todos los bienes i, distintos del propio bien j, del con-
junto D(j). Si fuera. D(j) = {j}. o D(j) = 0, no existira. ningn bien i con
estas caractersticas; el algoritmo terminara., y

. M(j) ~ {j}.

Que el bien j est enlazado con el bien i lo representamos de la forma:

j-i.

Tras llevar a cabo este paso, hemos escrito el bien j y todos los bienes
del OODjunto D(j).
156 MATRICES POSITIVAS

EJEMPLO 15. Llevemos a cabo este primer paso en el clculo de M(3) para la
matriz del ejemplo 12 (cf. p. 152):

1/2 1/2
A.- o 1/2 o 1/2 o o)
- ( o 1/2 1/2 o .
1/2 o o 1/2
El conjunto de loo bienes directamente necesarios en la produccin del bien 3

D(3) = {i E S 1 a,;! O}= {3}.

Escribimos:
3,
y como D(3) = {3}, el algoritmo termina, y
M(3) ={3}.
Deducimos que slo el bien 3 es necesario, directa o indirectamente, en la pro-
duccin del bien 3.

EJEMPI.O 16. &gamos el primer Jl8(JQ ron el bien j = 1 pa.ra la m~riz del
ejemplo 11 (cC. p. 151):
1/2 1/3 1/4)
As=01/20.
( 1/2 1/4 1/4
El conjunto de loa bienes directamente necesw-05 en la. produccin del bien 1

D(1) = {i E S 1 au;! O}= {1,3).

Escribimos:
1,
y como D(l) = {1, 3}, lo enlazamos con el bien i = 3, que es el nico elemento
de D(l) distinto de 1:
1-+3,

EJEMPLO 17. Efectue_mos el primer paso en el clculo de M(I) para la matriz
del ejemplo 14 (cf. p. 153):

o o
1 o 1 o
o
1 1 1 o o
o o 1 o 1 o
Ae = o 1
o 1 o 1
o o o o 1 o
1 o o o o 1
CONJUNTOS AUTNOMOS 157

Observamos que D(l) = {1 1 2, 6}, luego debemos enlazar el bien 1 con el bien 2
y con el bien 6 1 que son los bienes de D(l) distintos del bien 1; lo representalll06
as

1( 6,
y el primer paso del algoritmo ha concluido.
Segundo paso. Para cada tlllO de los bienes k escritos en el paso anterior
(salvo para. el bien j), llevamos a cabo lo siguiente: enlazamos k con todos
loe bienes que verifiquen:
a} i E D(k),
b} el bien i no ha. sido escrito todava en el desa.rrollo del algoritmo,
y continU&Ill08 de manera anloga con los nuevos bienes que se vayan escri-
biendo. El algoritmo termina cuando las restricciones anteriores: (a) y (b),
impidan continuar el proceso; entonces M(i) es el conjunto de todos los
bienes que han sido escritos.
Obsrvese que en este segundo paso escribimos los bienes que son indi-
rectamente necesarios en la produccin del bien j.
EJEMPLO 18. En el clculo de M(1) para la matriz~

1/2 1/3 1/4)

As= o 1/2
( 1/2 1/4
o '
1/4
tenamos (ef. ejemplo 18, p. 156):

1-3. (5)

Par&. continuar con el segundo paso del algoritmo, observamos que para el
bien k= 3 se verifica:
D(k) = D(3) = {1,3),
'
pero tanto el bien 1 como el bien 3 ya han sido escritos en (5), y por tanto no
podemoo encontrar ningn bien i que verifique Simultneamente las condiciones (a)
y (b).
El algoritmo termina, y el conjunto M(3) es el formado por los bienes escritos:

M(3) ~ {1,3).

158 MATRICES POSITIVAS

EJEMPLO 19. Para la matriz

l l o
o o o
1 1 o oo 1
As=
o o 1 o 1 o
o l o 1 o 1
o o o o 1 o
1 o o o o 1

el clculo de M(l) noa haba llevado {d. ejemplo 17, p. 156) a.:

(6)

Debemos, puea, an.W.izar el bien 2 y el bieu 6.

Paro el bien 2, se tiene:
D(2) ~ {2, 4).
Slo el bien 4 no ha sido 8Crito todava en (6); por tanto, enl8.7.amos el bien 2 con
el bien 4:

(7)

Para el bien 6, se tiene;

D(6) ~ {4,6},
y como tanto el bien 4 como el bien 6 ya han aido escritos (en (7)), no enlazamoo
el bien 6 con ningn otro.
Debemoo proseguir wn el bien que acabamos d.e escribir: el bien 4. Se tiene:

D(4) ~ {2,4),

y como el bien 2 y el bien 1 ya han sido escritos, no podemos enlazar el bien 6 con
ningn otro.
Al no poder continuar el proceso, el algoritmo termina. El conjunto formado
el bien 1 y los bienes qut: son, direc~ o indirectamente, rtecesarios para producir
el bien 1 es:
M(!)~ {1, 2, 4, 6),
ya que los bienes l, 2, 4 y 6 son !08 bienes que liemos escrito:
.
CONJUNTOS AUTNOMOS 159

Calculemos en este mismo ejemplo loo conjuntos de bienes;

M(2), M(3), M(4), M(5) y M(6).

Por comodidad, escribamos todos loo conjuntos D(j) {1::::; j :::; 6):

D(1) = {1,2, 6}, D(2) = {2, 4}, D(3) = {3},

(8)
D(4) = {2,4}, D(5) = {1,3,5}, D(6) = {4.6}.
Se tiene:
M(2)o Como D(2) = {2,4}, enl=unM 2 oon 4o
2-4,

y este es el resultado del primer paso. En el segundo paso, como:

D(4) = {2,4},
y como el bien 2 ya. est escrito, concluimos:

M(2) = {2,4).

M(3) Como D(3) = {3},"' tien" M(3) = {3}.

M(4): Por ser D(4) = {2,4}, escribimos:

4-2,

y por ser D(2) = {2,4} el algoritmo termina, y M(4) = {2,4}.

M(5): La aplicacin del algoritmo nOB hace escribir (cf. (8)):

<<:- 3,
y por tanto: M(5) = {1, 2, 3,4, 5,6}.
M(6): Se escribe:

y en consecuencia: M(6) = {2, 4, 6}.

Nota bene. El algoritmO termina despus de un nmero finito d~
"enlaces" (a lo ma, n- 1), y proporciona como re>ultado un nico conjun-
ro. h
160 MATRICES POSITIVAS

A continuacin, estudiamos algunas propiedades del conjunto M(j)

(i E s,
Proposicin 5. Consideremos una matriz A= (a;) de coeficientes tcnicos,
y sea S = {1, 2, , , . , n} el conjunto de todos los bienes. Se verifica:
1} Vj E S, M(j) es un conjunto autnomo para la matriz A;
2) si T es un coQiunto autnomo pa.ra la. matriz A aJ que pertenece el
bien j, entonces T 2 M(j).

Demostracin. Consideremos un bien j de S:

1) Debemos demostrar:
VI E S-M(j), Vs E M(j), a1s =O.
Sean:
IES-M(j) y .oM(j).
Si at8 ;!;O, entonces: lE D(s) (el bien f sera directamente necesario en la
produccin del bien s); pero sil E D(s), deber3Iri.O!! haber enlazllodo el bien s
con el bien l:
s-1,
y se tendra que l E M(j), en contra de lo supuesto. Por tanto, se verifica
que tlf 8 =O.
En consecuencia, el conjunto M(j) es autnomo.
2} Observemos que sises un bien cualquiera del conjunto aut6nomo T, entonces
se tiene:
D(s) ;T. (9)
En efecto: si l es un bien del conjunto S- T, entonces a 8 = O (por ser T
aut6nomo), y por tanto: l ~ D(s); en consecuencia.: S- T ~S- D(s), que
es equivalente a (9).
De la hiptesis: jET, y de (9), deducimos:

D(j) ; T, (10)
es decir, los bienes que se escriben en el primer paso del algoritmo son ele-
mentos de T.
En el desarrollo del algoritmo, como partimos de un elemento: j, que por
hiptesis pertenece a T, todos los bienes que son enlazada!! con j -elementos
de DU)- son de T (cC. (10)). Con un razonamiento anlogo, y teniendo en
cuenta (9), comprobamos que todos loe bienes que se escriben en el desarrollo
del algoritmo para construir M(j) pertenecen a T.
En conclusin: M(J') ~ T. c.Q.D.
CONJU~~OSAUTN~O~M~O~S~----------------------------------~~~61

Corolario. Sj } E S, entonces M(}) es igual a la jnterseccin de todos los

conjuntos autnomos a los que el bien j pertenece.

DeiT106b"adn. Sea r la interseccin de todos las conjuntos autnomos a los que

el bien j pertenece. Como j E M(j) y M(j) es autnomo (cf. apartado (1) de la
proposicin 5, p. 160), se tient1:

r : M()J. (ll)

Por otro lado, res un conjunto autnomo (cf. apartado (1) de la proposicin 4,
p. 152) al cual pertenece el bien j. Del apartado (2) de la propasici6n 5 obtenemos:

r 2M()). (12)

De (11) y (12} se concluye: r = M(j). c.q.o.

Podemos, pues, afirmar:

4.8. Productos fundamentales

Sea A una matriz de coefi.entes tcnicos, y sea S= {1, 2, ... , n} el conjunto
de los bienes.

Una. caracterizacin de los productos fundamentales es la siguiente:

Proposicin 6. Una condicin .IJecesar.ia: y su:B.ciente para que f sea un

producto fundamentnl para A es que f pertenezca a todos los cnnjuntos
autnomos para la matriz A.
 162 MATRlCES POSITIVAS

Demo&tradn. La condicin ea necesaria. Sea T un conjunto autnomo para A

(por tanto, Tes no vac:o), y sea f un producto fi.mdamental. Sea. i
E; T. De (13)
y de la proposicin 5 (cf. p. 160) deducimos:

fE M(i) <;; T,
y en conclusin: f E T.
L8. condicin es guficiente. Si f pertenece a todos los conjuntos autnomos
para A, entonces verifica (13), pues para cada i E S el conjunto M(i) es autnomo
pma A (cf. propo5icin 5 1 p. 160), y en consecuencia f es producto fundamental.
C.Q.D.

Coralario. El conjunto F ~ S de los productos fundamentaJes, si no es

vacio, es autnaaw y est. contenido en cualquier conjunto autnomo.

DemostraciOn. Supongamos que Fes no vaco, y sean;

lES-F y kEF.

Ik: ~ ~ F, se deduce (cf. definicin de producto fundamental):

3i E S, 1 ~ M(i),

. pero k E M(i) (por ser producto fundamental), y como M() es un conjunto

autnomo, se tiene:
av. =O,
y por tanto F es autnomo para A.
Si T ee un conjunto autnomo, entonces cada producto fundamental de F es
un elemento de T (cf. proposicin 6, p. 161), y por tanto~ 1<' <;;; '1'. C.Q.D.

EJEMPLO 20. Para la matriz del ejemplo 11 (cf. p. 151):

1/2 1/3 1/4)

A,=Ol/20,
( 1/2 1/4 1/4

ae verifica;
M(!)= {1,3}. M(2) = {1, 2, 3} y M(3) = {1, 3},
luego los nicos conjuntos autnomos son:

{1,3} y {1,2,3},

y los productos fundamentales aon el bien 1 y el bien 3, pues pertenecen a todos

los conjunkls autnomos.

MATJUCES INDESCOMPONIBLES 163

EJEMPLO 21. Para la matdz del ejornplo 13 (cf. p. 152):

1)
~
1 o
o 1 1 '
o o 1
se tiene:
M(1)={1}, M(2)={2} y M(3)={1,2,3}.
No existe, pues, ningn bienquepertenezcastmultneameote e. los COIIjuntoe M(l),
M(2) y M(3) 1 y en consecuencia el conjunto de los productos fundamentales es
vodo.
EJEMPLO 22. Para la matriz:

( o~ o~).
1
el dnico ooJnnto autnomo, como se comprueba fcilmente, es {1,2,3}, Y todos
los bienes son produetoa fundamentales.

5. MATRICES INDESCOMPONIBLES

Como COD.ReCllell.Cia de esta definicin, si la. matriz A es estrictamente

positiva, entonces es indescomponible. En efecto, si T ~ S es un oonjunto
autnomo para A, entou.ces T;;;;: S, pues si ocurriese que T e S, tendramos
que a.; =
O CU8.1ldo i e S - T y j E T, en contradiccin con que A es
estrictamente positM..
Si una matriz A se considera como una matriz de ooeficientes tc:oioos,
entonces, como consecuencia de la definicin anterior y de la. propo6ici6n 6
(. p. 161), para la matriz Indescomponible A todos los bienes son produc-
to& fundamentales.
EJEMPLO 23. La matriz del ejemplo 20 (cl'. p. 162) no es indescom.ponible, pues
adem4a del conjunto S= {1,21 3}1 tambin~ autnomo el conjunto {1,3}.
La matriz del ejemplo 21 (cf, p. 163) tampoco es indescomponible, puea hay
~ COIIjuntos autllODlOS ac:lem de S= {1,2,3}.
La matriz del ejemplo 22 (d. p. 163) es indescompomble, pues S= {1,2,3} es
el nico oonjunto autnomo. Todm los bienes son productas fundamentalea.
164 MATRICES POSITIVAS

Proposicin 7. Sea A = ( llii) una matriz reaJ cuadrada de orden n y po-

si ti~ y sea S= {1,2, ... , n}. Si el conjunto T-:::. S es a.ut6nomo para la.
matriz A, entonces el conjunto S-Tes aufi6nomo para la matriz A t.

Demostracin. Al ser T -:/: S, se tiene que S- T no es el conjunto vaco, y se

verifican las siguientes equivalencias:

(T es aut6nomo para. A) ~ Vi <;;; S- T, V j E T, ett.J =O

<--> Vj e S- (S-T), VieS-T, a} =0
<==> S- T es autnomo para At

(pera la segunda equivalencia recurdese que los trminOiil de la matriz traspues-

ta~ a~,, =
verifican por definicin que aj, l'li.j) C.Q.D.

Corolario. Si A es una. matriz indescomponible, entonces tambin la. ma--

triz At es indescOlilpoilible.

Of!mostracin. Si L fuera un conjunto distinto de S autnomo para At, enton-

ces S- L sera un conjunto, tambin distinto de S, autnomo para la matriz:

lo cual es absurdo, pues A es indescomponible.

Por tanto, At no admite ningn conjunto aut6nomo distinto de S, esto es, el
nico conjunto autnomo que admite 16. matriz Ate;, S. En otrM palabras: Ates
indescomponible. C.Q.D.

Para las matrices indescomponibles tambin se verifica:

Proposicin 8. Sea B =(U;) una matriz indescomponible, y~ nmero

real positivo. Si P es una matriz colUilllla pOBltiva, no nula, que verifica:

P= 'YBP, {14)

entonces P es estrictamente positiva..

Demostracin. Sea:
MATRICES INDESCOMPONIDLES 165

De (14) se deduce;
n

p = L-rb,,.p" ;:::>-O, 1 Si :S n. (15)

1<=1

Pero como cada sumando de {15) e.9 no negativo, se tiene;

n
~= L bacPk 2: )'boJPJ 2:: O, 1 :5 i :5 n, 1 ~ j :S n. (16)
1<=1

Sf>A S= {1, 2, ... , n}, y definamos:

Entonces T eJ llO vaco, pues P c; positiva y no nula, y Tes un conjunto autnomo

para la matriz B. En efecto, si i rt T y j E T, entonces:

p;=O y P;>O,

y dA (16) deducimos:

es decir;
-yb,;p1 =o,
y como 'Y y P; son pMitivos; b,3 =O. El conjnnt.o '/'es, pues, autnomo.
Pero B es una matriz indescomponible, y el nico conjunto autnomo que
admite es S, es decir, T =S, o equivalentemente:

P<>O, I$i$n,

y P ~ (P<) > 0. C.Q.D.

Proposicin 9. Sea. B = (b..;) una matriz indescomponiblc, y 'Y un nmero

real positivo. Si P = (Pi) y P' = (PD son dos matrices colwnna estrict~Jr
mente positivB.S tales que~

(17)

entonces existe un nmero real positivo O tal que P = 8P 1

Demostracin. Sea 6 el menor de los nmeros siguientes:

v:,~
P P~
.... ,P;;
Pn
166 MAl'RICES POSITIVAS

por tanto, existe k, 1 s; k s; n, tal que:

~- p,
o- 1 (18)

Definamos la matriz columna V = (v;;) de la forma:
V=P-P'. (19)

Entoncm Z~e verifica:

a) V es positiva..
E!! una consecuencia. inmediata de (18) y (19).
b}v~o=O.
Tambin es una consecuencia de (18) y (19}:

v. =Plo - J0-.1
"E'If
p,,
= Plll - 1tc P~: =o
e) V verifica. que V= 'YBV,
En ofecto (cf. (17) y (19))'

~BV =~B(P- P') = ,BP- ')6BP' =P- P' =V.

Si V no fuese nula, de (a) y (e), y de la proposicin 8 (c p. 164), deduciramce
que V> O, en contradiccin con (b).
En COilCIUIIin: V es nula, y P= 6P1 C.Q.D.

6. ESTRUCTURAS PRODUCTIVAS DE SUBSISTENCIA

Sea A= (ai) una matriz de coeficientes tcnicos. Si existe una matriz de
produccin X tal que:

AX =X, X ~ O y X;/; O, (20)

de la estructura productiva representada JlOI" la matriz A diremos es una

estructura productiva de subsistencia

Nota. Algunos aut.ore8 denominan eoonomfa de subsistenci11, o fiCOnom~

cerradil, a lo que aqu llamamos estructura productiva de subsistencia. 6.

La. interpretacin de (20) es que el total de la produccin se dedica

excluai.vamente al consumo intetmedio.
ESTRUCTURAS PRODUCTIVAS DE SUBSISTENCIA 167

EJEMPLO 24. La siguiente matriz de COEficientes tcnicos:

A~ ( 1/3 1
1/2 o)
representa una estructura productiva de subsistencia, pues para la matriz de pro-
duccin;

se verifica:

Si la matriz A no es productiva, entonces no necesariamente representa
una producci6n de subsistencia.

EJEMPLO 25. La matriz:

A~
(21 1)
1 2 2
l l 1
no es productiva, puoo (cf. teorema l, p. l48):

I-A=
-1
-1
( -1
-1
-1
-1
-1)o
-2 '

y esta matriz es de rango 2, y por tanto no invertihle.

Si resolvemw el sistema homogneo de tres ecuaciones con tres incgnitas:

(I -A)X=O,

es decir, buscamos X tal que AX = X, la soluci6n son las matrices columna de la

forma:

que no pueden ser positivas y no nulas.

En conclusin, A no es productiva, ni representa una producci6n de susbsis-
tencia.
Fijaremos nuestro inters en matrices de coeficientes tcnicos, repre-
sentantes de estructuras productivas de subsistencia, que sean indesoom-
ponibles, y supondremos en el resto de esta seccin que la matriz A es
indescomponible.
168 MATRICES POSITIVAS

En este caso, de (20) se deduce que X > O (como una consecuencia

inmediata de la proposlcin 8 {cf. p. 164), cuando haceruot1 '1 = 1), y
escribirt>..mos:

AX=X, X>O. (21)

EJEMPLO 26. La matriz:
1/2 1/2)
A~ ( 1/3 2/3
representa una produccin de sub5istencia, pues para la matriz de produccin:

se verifica: AX = X.
La matrh A ES tambin indcscomponihlc, al ser estrictamente positiva, y por
tanto cualquier matriz que verifique:

AX =X, con X;?: O y Xi-O,

debe ser estrictamente positiva.
En efecto, se comprueba que las matrices X tales que: AX =
X (es decir,
las soluciones del sistema. homogneo: (I- A)X = O), y que a ::~u vez verifican
que X~ O y X =j:. O, son~ matrices columna de la forma;

(;). conA>O,

que 90D estrictamente positivas.

El teorema de DEBRElJ-HERBTEJN (que no demostraremos) afirma que

si se verifica (21), siendo A una matriz indescomponible, entonces existe
una matriz columna P tal que:

P= AtP y P >O.

Podemos interpretar la matriz columna estrictamente positiva P mmo

aquella cuyos trminos son los precios unitarios de los biene!'l.

EJEMPLO 27. Sea:

A~ ("" a21 "")
azz
une. matriz de coeliciente~:~ tcnicos indescomponiblc, y:
ESTRUCTURAS PRODUCTIVAS DE SUBSISTENCIA 169

una matriz columna ez~trictamente positiva tal que: P = AtP, es decir:

"") ("') '

a:~2 P2

o bien:

=
Pt auPt +02tP2. ( )
22
{ P2 = a12Pt + ll22P2

Ento~s, interpretando p 1 y P2 como los precios unitarios del bien 1 y del

bien 2, respectivamente, se tiene que la cantidad:

es el coste de producir una unidad del bien 1, y la cantidad:

es el coste de producir una unidad del bien 2.

De (22) deducimos que el coste de produccin de una unidad de cada uno de
los bienes es gual al valor bruto de dicha unidad.
AdemB, si existe otra matriz columna estrictamente positiva P':

tal que:
P' =Atpt,
como Ates indescomponible (cr. corolario de la proposicin 7, p. 164), entonces
(cf. proposicin 9, p. 165) existe >O tal que P= P'. De esta forma, si fijamos
el precio de un bien (numerario), quedan unvocamente determinados b precios
de los dems bienes.

EJEMPLO 28. Consideremos la matriz de coeficientes tcniCOB indescomponible

siguiente:
L/3 2/3 2/3)
A~ 1/3 1/3 O .
( 0 L/2 1/2
Para probar que A es una matriz representante de una producci6n de subsis-
tencia debemos encontrar una matriz columna X, X> O, tal que AX =X, es
decir, debemos resolver el sistema:

(I-A)x~o,
170 MATRICES POSITNAS

siendo X estrictamente positiva. Sus soluciones son las matrices columna de la

forma:

>..>o.

Por tanto, la producci6n es de subsistencia.. Por ejemplo, haciendo A = 2, una

matriz de produccin es~

SabeliLCIS que existe una matriz de precios P, estrictamente positiva, para esta
estructura productiva, es decir, teJ que:
P=A'P.
Para encontrarla debemos resolver el sistema:
(I- A')P= O,
siendo P estrictamente positiva. Sus soluciones son las matrices columna de la
forma:

Fijado el precio del primer bien igual a 1, es decir, haciendo~= 1/3, obtenemos
la siguiente matriz de precios:

7. EL TEOREMA DE FROBENIUS
Vemos ahora el importante teorema de FROB~IUS. Dejamos su demostra-
cin para el apndice (cf. p. 178).
Teorema 2 (teorema de FROBENIUS). Sea B una matriz real positiva tal
que para algn nmero real f3 > Ola .matriz {3B no es productiva. Entonces
se verffica:
1) existe un nmero real & > O tal que o.B es productiva precisamente
si: O~ a<&;
2) existe una matriz columna P tal que:
P? O, Pf. O y P=&BP. (23)
EL TEOREMA DE FROBENIUS 171

Del nmero real & diremos es el nmero de FROBENIUS de la ma-

triz B.
Si la matriz B es inc:leBcomponible, como consecuencia de la proposi-
cin 8 (cf. p. 164), el apartado (2) del teorema es en este caso:
2') existe una ma.triz columna P tal que:
P>O y P=iBP.

Por otra parte, si P' es una matriz que verifica (2'), entonces (cf. proposi-
cin 9, p. 165} existe un nmero real positivo 6 tal que: P = P'.
Sea A = {Gii) una matriz productiva. e indescomponible, y por tanto At
es productiva e indesoomponible. En consecuencia., el nmero de FRDBE-
Nrus1 para At: &, es estrictamente m&yor que 1, y existe (cf. (2')) una
matriz oolumna P ~ {>.) tal que P > O Y'

(24)

Si ponemos:
= 1 +t,
la igualdad (24) ""escribe'

(l+f)A'P~P, (26)
o bien:
(1 + f)(au.Pt + a21p2 + + an.tPn) = PI!

{1 + f)(a1nP1 + 021VJ2 + + lln.nPn) = Pn

Si int_erpretamos p como el precio unitario del bien i, entonces la expresin:

a:p + B2iP3 + + llndln

es el coste de la produccin de 1lD8. unidad del bien i (1 S i S n), y como
el valor bruto de una. uuidad del bien i es Pi, podemos considerar f como
una tasa de ganancia uniforme, que es alCfLil.Zada. para loa precios P = (pi)
en (25).
Para una matriz indesoomponible D ~te, y no lo probiU'eiDOII, un nmero real
1

positi:vo /3 tal que 3D no es productiw. Poz tanto, ee puede aplicar el teorema de

PROBBNIUS a laa matrices indeeeomponiblea.
172 MATRICES POSITIVAS

Ahora bien, si O $ .. < f, entonces;

0< l+p < l+f =&,
y (1 + :)At es una matriz productiva (cf. teorema de FROBENIUS). En
consecuencia, existir pi= (74) tal que P' > O y (1 + .t)At P' < P', o bien;

(1 + p)( aup~ + a2.J4 + + ClniPn) < p~,

y la tasa de ganancia de cada bien es superior a p.. Por tanto, f es una tasa
de ganancia mxima.

EJEMPLO 29. Consideremos la matriz de coeficientes tcnicos:

1/6 2/3)
A; ( 1/2 1/3

La matriz A es estrictamente positiva, y como la matriz:

es positiva, A es tambin productiva (cf_ teorema 1, p. 148). En consecuencia, A

y At son productivas e irreducibles. Podemos, pues, aplicar a la matriz At el
teorema de FROBENIUS.
Entonces existen : > O (nmero de FROBENIUS) y P = (P>) una matriz
columna estrictamente positiva tal que:

o bien (ya que d: #- 0):

(26)

De (26) se deduce:

(1/d)p, ~ (1/6)p, + (1/2)p,,

{ (1/d)p, ~ (2/3)p, + (1/3),,
EL TEOREMA DE FROBENIUS 173

es decir:

Hacend<l numerario el bien 1, esto es: p1 = 1, obtenemos;

o bien:
pz=~-~
{
(~-~)PJ=-~
Sustituyen pz en la segunda ecuacin por su vaWr obtenido en la primera, lle-
gamOB a:

es decir:
(+ 3)(5- 6) ~o
9&2 '
=
de 1o que se deduce que = 6/5 o _ -3, y por tanto (pue;; : > O) el nmero
de FROBENIUS de la UUI.I:.riz A' es = 6/5.
El precio del segundo bieu es:

y por tauro se obtiene la matriz de precios:

La tMa de gtilllloncia uniforme mxima: r' es tal que:

1
+r=a= 5,
~ A 6

luego: r = 1/5, y la ta.aa. de ganancia uniforme mxima ea del 20%.

174 MATRICES POSITIVAS

8. APNDICE
8.1. Demo8tmci6n del teorema sobre matrices productivas
En este apartado demostramos la siguiente caracterizacin de las matrices
productivas:
Una. condicin necesaria y suficiente para que la. matriz: real A (cu
drada de orden n y positiva) sea productiva es que I- A sea fuvertible
y (1- A)- 1 positiva.
Demostracin de la condicin suficiente. Demostremos que si I - A es
invertible y (I- A)- 1 es positiva., entonces A es productiva.
Si U es la matriz columna de orden (n, 1) cuyos trminos son todos
iguales a 1, entonces la. matriz columna:

P= (I-At 1U (27)

es estrictamente positiva (proposicin 2, p. 140, a. la matriz estrictamente

positiva U y e la matriz positiva e invertible (I- A)- 1). Por otro lado,
multiplicando por la izquierda. en (27) por la matriz 1 - A, resulta:

(1- A)P = (I- A)(I- A)- 1 U =U> O;

en consecuencia: (I- A)P > O, o bien:

P-AP>O,
con lo que A es productiva.
Demostracin de la condicin necesaria. Supongamos que A es productiva,
y demostremos que 1- A es invertible y (I- A)-1 es positiva.
En primer lugar, probemos que I- A ea invertible.
Por ser A productiva, existe una matriz columna P >O, P =(p.), tsl
que:

P>AP. (28)

Hagamos la siguiente hiptesis:

existe una matriz colUllllla X = (x1), de orden (n, 1), tal
que:
(H) a)X=AX,
{
b) X tiene sl menos un trmino positivo.
APNDICE 175

Elal""tado (b) de (H) asegura que el conjunto:

{:~ ll~j~n, x;>O}

es no vaco. Sea Pie el menor de sus elementos. Obviamente:

-P> > O y v
vJ E {12
, , .. , , n } , ;e; > 0 => P>
- P;.
:S: - (29)
~ ~ ~

Definimos la matriz columna Z = ( zs) de la forma:

Se verifica:
1)Z -AZ.
En efecto: multiplicando la ecuaci6n de (a) por 'Pfl/Xr_, resulta:

P1c X= Pk AX =A(P
Zlc Zk Xk
x),
es decir: Z = AZ.
2) p- z "o.
Sea j e {1, 2, ... ,n}. Si zj ::5: O, entonces; z3 ::5: O< Pj Por el contrario,
si Zj > O, entonces:
- p, Pj
z;- -re;:$ -:r:; = Pi
:l:k Xj

donde la primera igualdad fS la definicin de Z y la desigualdad del centro

se obtiene de (29). En definitiva:

Vj E {1,2, ... ,n}, P; ~ z;;

fS decir, P?; Z, o bien: P-Z?. O.

9} P- Z tiene al menos un trmino nulo.
En efecto:
p, -z., =P~o-
-x,. =0.

De (28) y del apartado 1, se deduce: P- Z > AP- AZ, o bien:
P- Z > A(P- Z).
176 MATRICES POSITIVAS

Se tiene' A 2: O y P- Z 2: O (apartado 2), as que A(P- Z) ~ O;

entonces:
P-Z> A(P-Z) 2: O,
de donde: P- Z > O, que contradice el hecho de que P- Z tiene al menos
un trmino nulo (apartado 3).
Como consecuencia. del razonamiento anterior, la hiptesis (H) es falsa.
As, la ecuacin X= AX, o bien: (I- A)X =O, no tiene como solucin
ninguna matriz columna X con algn trnrino positivo; podemos escribir:

(I- A)X =O ==> X no tiene trminos positivos.

Pero si (I- A)X = O, tambin' (I- A)( -X) = O, luego -X no tiene

trminos poBitivos. En definitiva;

(I-A)X=O- X=O, (30)

lo cual establece que I- A es invertible (de (30) se deduce que la aplicacin
lineal cannicamente asociada a la matriz I - A es una aplicacin lineal
inyectiva de lR.n en lR11 , y por tanto un automorfismo de JRil, y la matriz I- A
es invertible).
Finalmente, demostremos que si A es productiva, entonces (I- A)- 1 es
positiva.
De nuevo, por ser A productiva, existe UD.3 matriz columna P > O,
P = (;), tal que'

P > AP. (31)

Hacemos la siguiente hiptesis: (H') (J- A)- 1 no es positiva.

Sean'
l o o
o l o
E,= o E,.= o ... ' E.=
o
o o 1

De acuerdo con (H') 1 alguna de las matrices:

... '
no es positiva (cf. proposici6n 1, p. 139).
APNDlCE 177

SupongamOBque Y=(! -A)- 1X:, oonl E {1,2, .. , ,n}, no es positiva,

y notemOB a partir de ahora:

Y=Yi=(;) y X=Xt=(x;).
Entonces se verifica.:

X2:0 y Y=(I-A)- 1 X, obienX=(I-A)Y. (32)

Como la matriz columna Y no es positiva, tendr algn trmino nega-

tivo, as que el conjunto:

es no vaco. Sea Pll el mayor de sus elementos. Claramente:

.
Y>
Pk O
-<
~
y VJE {1, 2 , ... ,n,
} lli< O => Pk p;
-~-.
~
(33)

DeflnhnO!! la matriz columna V= (v) de la forma.!

Se verifica:
1}P- V 2: O.
Seaj E {1,2, ... ,n}. Si y <0, entonces:
Pie p
Vj = -JJ:J :5 ....l.yJ = PJ,
11> y

donde la primera igualdad es la definicin de V y, para la desigualdad del

centro, se utiliza (33) y que 7/j < O (cambio del sentido de la desigualdad).
Por el contrario, si YJ ~ O, entonces:

Vj
.
=
-Yi :50<P:J

(p,/'IJk es negativo). En definitiva: P 2: V, o biell! P- V~ O.

2) P- V tiene al mena; un trmino nulo.
En efecto;
178 MATRICES POSITNAS

3} (I- A)(-V) 2: O.
En efecto, de (32) y de la definici6n de V se obtiene:

(1-A)(-V)~(I-A )(--Y
")
Yk
"'r
~--1-A)Y~--X"O,
Yk
Ylo
ra.que:

-->0 y x;::o .

De (31) y do! apartado 3, se W.duce: (I- A)(P- V)> O, o bien:
P-V> A(P-V).
De ser A 2: O y P- V 2: O (apadado 1) re tiene: P- V> A(P- V)" O,
de donde: P- V> O, en contradiccin con que P- V tiene al menos un
trmino nu1o (apartado 2).
En conclusin: (H') ee falsa; y (I- A)-1 2: O.

8.2. Demostroci6n del teorema de FROBENIUS

En este apart&do demostramos el siguente teorema:

Sea A una matriz real positiva, cuadrada de orden n, tal que para algn
nmero real {J > O la matriz f)A no es productiva. Entonces se verifica;
1) existe un nmero real > O tal que aA es productiva precisamente
sO::;:a<i
2} existe una matriz columna P tal que:
P2: 0, P'f O y P~ AP.
Para la demostracin de este teorema necesitamos algunos conceptos y
resultados sobre la topologfa usual en la recta real; en concreto, se trata. de
loa siguientes2 :
concepto de intervalo de nmeros reales;
concepto de sucesin de nmeros reales y de subsucesin de una sure-
sin;
concepto de limite de una. sucesin de nmeroa reales, de sucesin
convergente, y las propiedades fundamentales de los lmites;
concepto de sucesin de nmeros reales acotada, y la propiedad de
que de toda sucesin de nmeros reales acotada se puede extraer una
subsucesin convergente.
Tambin necesitarelllDB dos resultados Previos;
~Puede eonsultarse el texto Clculo 1, captuloo I y II.
APNDICE 179

Proposicin 10. Si A= (aij) y B = (b, 1 ) son dos matrices del mismo

orden tales que A ~ O y B > O, entonces, para algn nmero real a > O,
se verifica:
a:A <B.

Demostracin. Si A= O, entonces cualquier nmero real a> O verifica el enun-

ciado, pues: nO = O < B.
Si A f:- O, sea del mayor de los trminos de A, que obviamente es estrictamente
mayor que cero. Por otro lado, si denotamos por e el menor de los trminos de B,
entonces ste tambin ser estrictamente mayor que cero, por ser B > O. Si
tomamos o: de forma que:

entonces:

y, en conclusin,

eB decir: a A < B. C.Q O.

Proposicin 11. Si A y B son dos matrices positivas del mismo orden tales
que para algn nmero real o: > O se tiene que o:A < B, entonces existe
algn nmero rea1 d > o: tal que:

a' A< B.

Demostracin. Como o:A < E, entonces:

B- o:A >O.

Aplicando la proposicin anterior a las matrices A ;?: O y B - o:A > O, se obtiene

que existe un nmero real j3 >O tal que:

/3A < B- aA,

o bien:
(a+j3)A <B.
Si llamamos o:' = o: ..;.. /3, entonces o:' > a y a 1A < B. C.Q.D.

En la demostracin que mostrarnos a continuacin, el nico ndice con-

siderado es i, y en todos los casos recorre el conjunto {1,2, ... ,n}. Es---
cribiremos: Vi, en lugar de: Vi E {1,2, ... ,n}.
180 ----~M'"'<TcRl=CES POSITIVAS

Demostracin de la primera parte. Sea: J ={o E JR+ 1 aA es productiva}.

Se verifica:
1) 0 E J.
En efecto: OA =O, y la matriz O, como ya sabemos, es productiva.
2} Existe algn nmero real a> O tal que a E J.
Si Pes una matriz columna (de orden (n, 1)) estrictamente positiva, apli-
cando la proposicin 1[) (cf. p. 179) a las matrices AP :=:::: O y P > O, se
obtiene existe un nmero real a > O tal que: o:AP < P; es decir: existe
algn nmero real a: > O tal que aA es productiva.
3) Si a E J yO:::; el:::; a, entonces e/ E J.
Si a E J, existe una matriz columna P > O tal que: P > aAP, ya que a A
es productiva; pero: aAP?: a'AP, al ser AP?: O (cf. ejercicio 3, p. 189).
En consecuencia: P > a' AP, con lo que e/ A es productiva, y as: e/ E J.
Una consecuencia de estos apartados 1, 2 y 3 es que J es un intervalo
de Tit ~ que contiene el nmero O y algn nmero positivo. Por tanto, J
verifica una y slo una de las siguientes condiciones:
J=lR.+,
existe un nmero real & >O tal que J [0, &),
=

existe un nmero real & > Otal que J = [O,&].

Una hiptesis del enunciado del teorema es que existe un nmero real {3 > O
tal que {3A no es productiva, esto es, {3 r. J. Por tanto, J no puede ser lR.+;
en consecuencia, es de la forma [O,&), o de la forma [O,&], para algn
nmero real & > O.
Finalmente, veamos que la matriz &A no es productiva. Bn otras pala-
bras, veamos que J no puede ser de la forma [0, &] .
Procedemos por reduccin al absurdo. Si &A fuera productiva, entonces
existira una matriz columna P > O tal que:

P>AP. (34)
Aplicando la proposicin 11 (cf. p. 179) a las matrices positivas P y AP,
y al nmero real > O, de (34) se obtendra la existencia de un nmero
real 1 tal que 1 > y 1 AP < P, y la matriz &1 A sera productiva. Es
decir; ' > y 1 E J, en contradlccin con la suposicin de que J es de
la forma [O, ].
F.:n c.onclusin: J es de la forma [O, ).
As, existe un nmero real > O tal que aA es productiva precisamente
si O ::::: a < .
APNDICE 181

Demostraci6n de la segunda parte. Supongamos: > 1, y sea a = - l.

Resulta: O < a 1 < :, oon lo que a 1 E J; es decir, la matriz a 1 A es
productiva. De acuerdo con el teorema 1 {cf. p. 148), I -aA es invertible
y su inversa es positiva:

Sea U la matriz columna de orden (n, 1) cuyos trnnos son todos

iguales a 1:

Se define: P1 = (I- aA)- 1 U. La matriz Pt - (J4) es entonces nna

matriz columna3 Se verifica:
1} P1 >O y, de ello, AP1 ;?: O.
Para verlo basta aplicar la proposicin 2 (cf. p. 140) a la matriz estricta-
mente positiva U y a la matriz positiva e invertible (I- a:1 A)- 1 .
2} U :5 P, es decir: Vi, p; ;?: l.
En efecto: de la definicin de ll se obtiene:

U= (1 -a 1 A)P1 = Pt- ettAPt,

o bien: U+ a:1 APt = Pt; como o: 1 AP1 es una matriz pOBitiva {apartado
anterior), resulta: U :5 P
n

3J EPi~ n.
i=l
En virtud del apartado anterior, cada sumando es mayor o igual que 1,
con lo que:
n

LPi =pf+p~++p'i :?:~=n.

=l n. oumandos

Definimos ahora:
1
"'1 -- Pl+Pi+
--,--,---.,..:'---,-;:
.. +pf
A partir del apartado 3 anterior, es obvio que O < )q :5 lfn.
30bsJ:vese que denotamos los trminos de P con superndices.
1
182 MAJRICES POSITIVAS

Finalmente, se define: X = )qP1 . Al ser P1 una matriz columna,

tambin lo es X 1; y sus trminos tambin se denotarn con superfndices,
de la forma: X 1 = (x1). Se verifica:
1}Vi, 0<xi::51.
Sea un ndice i cualquiera; por definicin de X 1 resulta:

1 p;
x'-Ap'- p'-
I .
~- ~-p:+pj++pr ~-pf+p~++pr'
1

como todos los trminos de H son, en particular, estrictamente positivos,

queda que O < xl ::5 1 {el caso xi = 1 se obtiene precisamente sin= 1).
n
2) L:x\ ~l.
i=l
En efecto:

3) Xt- etAXt =A U.
De acuerdo con la definicin de X 1 y de .P, resulta:

Del desarrollo anterior nos interesa recalcar lo siguiente: hemos partido

de:
O:= - 1,
y hemos definido, sucesivamente, nn nmero real >. 1 y una matriz colum-
na X 1 ; adems, se verifican las siguientes propiedades:
1} O< ~1 :;; 1/n,
2} Vi, O< xj::; 1,
n
3} L:x\ ~ 1,
'=l
4) X- o:AX1 =A U.
Anlogamente, partiendo de:

1
0:2=0-2
APND~I~C~Ec______________________ 183

(que tambin es un elemento de J) definimos un nmero real .\2 y una

matriz columna X2) que verifican tambin las cuatro propiedades anteriores.
En general) partiendo de:

1
Ctm = & ~ -) con m E N, m 2: 1)
m
(sigue siendo un elemento de J) definimos un nmero real .\m y una matriz
columna Xm = x!n, que verifican:
1} O< Am ,S 1/n,
2)Vi,O<x!.,:s;I,
n

i=l
4) Xm- amAXm = AmU.
Tenemos, de esta forma, varias sucesiones de nmeros reales:
la sucesin (a:m)m?:l que converge a&;
la sucesin (Am.)m;::l la cual, por la propiedad 1 anterior, es acotada;
las sucesiones de las coordenadas:

las cuales, por la propiedad 2 anterior, tambin son acotadas.

De toda sucesin acotada de nmeros reales se puede extraer una sub-
sucesin convergente; si llamamos .\ al lmite de la subsucesin obtenida
de {Am)m>l y x 1, x2, ... , x,. a los limites de las subsucesiones obtenidas
de (x;.)m->l' (x!.)m>l' ... , (x~Jm?:l' respectivamente, y definimos X
como la m;,triz col~ X= (xi), se verifica:
1} O ,S>. ,S 1/n,
2) Vi, o::; X::; 1,
n
9} I;x; ~ 1,
i=l
4) X -&AX ~>.U.
Obsrvese que la propiedad 2 nos dice, en particular, que X 2: O, y la
propiedad 3 que X i- O. De acuerdo con esto, si fuera .\ no nulo, la
propiedad 4 establecera que &A es una matriz productiva, lo cual no es el
caso, segn vimos en la primera parte. Debe ser, entonces, ), =O.
IR4 _ __ MATRICES POSn 1\'AS

En conclusin: existe una matriz colwnna X tal que:

X :0: O, X,, O y X~ AX.

Para acabar, debernos observar que hemos supuesto que Q > l. Real-
mente, esto no supone prdida de generalidad. En efecto, como > O,
existir un nmero natural m 1 tal que:

o< Htj
< 6.

En este caso, definimos:

l
0:=&--,
rn
y, si mE N con m;::: 1,

. l
n,.., =o:-
m1 +m - l
cada O:m resulta as ser rm elemento de J. El resto de la demostracin sera
exactamente iguaL
RESCMF.N 185

RESUMEN
Matrices positivas
Consideramos matrices reales:
Matrices positivdS: todos sus tnnino::; .~on mayores o iguales que O.
Que la malriz A es positiva se denota: A;:::- O, o bien: O.::; A.
Dadas do..'l matrices A y B, A::; B significa: B- A 2 O.
Propiedades:
o la suma de dos matrices positivas es una matriz posi tiv;
o el producto de dos matrices positivas es rma matriz positiva;
o si A E Mnm(IR) y E1, Ez, .. , , F.im son las m matrices columna
de la matriz identidad Im, una rxmdicin necesaria y suficiente
para que A sea positiva es que AEi sr:a positiva para 1 .::; i .::; m.
Matrices estrictamente positivas: todos sus trminos son positi-
vos.
Que la matri,.; A es estrictamente positiva se denota: A> O,
o bien: O< A.
Dadas dos matrices A y B, A< B significa: B- A> O.
Propiedades:
o dado a> O, y dadas tres matrices A, By C:

(A< R) = (A+C < B+C),

(A< B) = (aA < aB),
(A 5 B y B <C) = (A< C),
(A< B y B <;C) = (A< C);

o el producto de dos matrices estrictamente positivas es una matriz

estrictamente positiva;
o el producto de dos matrices reales, una estrictamente positiva y
la otra positiva e invcrtible, es una matriz estrictamente positiva.

Matrices positivas y estructuras productivas

Consideramos una estructura productiva, con n bienes y n industrias,
donde cada bien es producido por una sola industria, y cada industria
produce rm solo bien:
Coeficiente tcnico: cantidad, rl;f 2: O, del bien i necesaria para
producir una unidad del bien j.
186
.---------
MATRICES POSITIVAS

Matriz de coeficientes tcnicos: A= (a.: 1 ) (matriz cuadrada de

orden n y positiva).
Matriz de produccin: matriz columna positiva X= (x,) de or-
den (n, 1), donde cada Xi;::: O es la cantidad del bien i producida.
n
Consumo intermedio del bien : LaijXj.
j=l

Matriz de demanda final: matriz columna positiva Y= (Yi) de

orden (n, 1), donde cada Yi 2:: O es la demanda final del bien i.
Se verifica: AX +Y = X (las cantidades producidas se utilizan de dos
formas diferentes: c-Onsmno intermedio y demanda fmal).

Matrices productivas
Consideramos una matriz A cuadrada y positiva:
Que la matriz A es productiva significa: existe una matriz X colum-
na tal que X> O y X- AX >O.
Condicin necesaria y suficiente: A es productiva si y slo s ( I - A)
es invertible y (I- A)- 1 es positiva.
Propiedad: la traspuesta de una matriz productiva es tambin una
matri:.~ productiva.

Interpretacin: si la matriz de coeficientes tcnicos de una estructura

productiva es una matri:.~ productiva, entonces puede ser atendida
cualquier demanda final.

Conjuntos aut6nomos
Consideramos nna matriz A cuadrada de orden n y positiva, y el con-
juntoS={1,2, ... ,n}:
Conjunto autnomo para la matriz A: T ~ S tal que: T = S, o
bien T e S y Vi E S- T, V j E T, aii = O.
Propiedad: la unin de conjuntos autnomos, y la interseccin si no
es vaca, es un conjunto autnomo.
Consideramos que A es la matriz de coeficientes tcnicos de una estructura
productiva:
Que Tes autnomo para A significa: no se necesitan los bienes de S-T
para producir los bienes de T.
RESUMEN 187

Dado un bien j E S, M(j) es el conjunto formado por el bien j y

aquellos bienes que son directa o indirectamente necesarios para la
produccin del bien j.
Para el clculo de M(j): se escribe el bien j, y se enlaza con los bienes
que son directamente necesarios para producirlo, y stos con los que
son directamente necesarios para producirlos, y as sucesivamente.
Propiedades: M(j) es autnomo, y es el menor conjunto autnomo al
que el bien j pertenece.
Producto fundamental: aquel bien que es utilizado, directa o indi-
rectamente, en la produccin de cada bien.
Condicin necesaria y suficiente: un bien es producto fundamental si
y slo si pertenece a todos los conjuntos autnomos.
Propiedad: el conjunto de los productos fundamentales, si no es vaco,
es autnomo y est contenido en cualquier conjunto autnomo.

Matrices indescomponibles
Consideramos una matriz cuadrada de orden n y positiva:
Matriz indescomponible (o irreducible): si el nico conjunto au-
tnomo que admite es S= {1,2, ... ,n}.
Propiedades:
<> la traspuesta de una matriz indescomponible es indescomponible;
<> si Bes indescomponible y 'Y> O, de (P 2: O, P #-O y P = 7HP)
se deduce: P > O;
y de (P > 0 y P = "{BP) y (P 1 > 0 y P' = 'YBP') se deduce
que existe 8 > O tal que P = 8P1

Estructuras productivas de subsistencia

Consideramos una matriz A de coeficientes tcnicos:
La estructura productiva representada por A es de subsistencia
significa: existe una matriz columna X tal que X 2: O, X #- O
y AX =X.
El total de la produccin se dedica exclusivamente al consumo inter-
medio.
Propiedades de una matriz A, representante de una produccin de
subsistencia, que suponemos indescomponible:
o X> O;
o existe una matriz columna P tal que P >O y P = AtP.
188 MATRlCES POSITIVAS

Se pueden interpretar los trminos de P como los precios unitarios de

los bienes.
Bien numerario: bien cuyo precio unitario se fija, y que determina
el de los dems bienes.

El teorema de FROBENIUS
Dada una matriz B de coeficientes tcnicos, si existe fJ > O tal que fJB
no es productiva, entonces:
1) existe un nmero real > O tal que a:B es productiva precisa-
mente si O S cr < 6:;
2) existe una matriz columna P tal que:

P ?_ O, P # O y P ~ .BP.

Del nmero real & se dice es el nmero de FROBENIUS de la ma-

triz B.
Si B es indescomponible: P > O y nica salvo producto por un
nmero real positivo.
Si A es una matriz de coeficientes tcnicos productiva e indescom-
ponible, se puede aplicar el teorema de FROBENIUS a A t 1 y & > l.
El nmero f = : - 1 > O se interpreta como una tasa de ganancia
uniforme mxima, alcanzable con el sistema de precios P.

EJERCICIOS Y ACTIVIDADES RECOMENDADAS

Matrices positivas

l. Estudiar si las siguientes matrices son positivas o estrictamente positi-

vas:

A-
- (o -1)o '
1 e~
2/3 -1/2)
-1/3 3/2 ,
( 3/2 1/3

23 25 72)
D ~
(2 1 1
Solucin. Las matrices A y C no son positivas, pues alguno de sus
trminos es negativo; a fortiori tampoco son estrictamente positivas.
EJERCICIOS Y ACTIVIDADES RECOMENDADA,S~---- 189

Las matrices B 1 D y E son positivas, pues todos sus trminos son po-
sitivos o nulos; las matrices D y E son adems estrictamente positivas,
pues todos sus trminos son positivos (ninguno es nulo).

2. Estudiar para qu valores del parmetro real x es p08itiva la matriz:

A~(", x-1)
x2 + 1 ;
estudiar tambin para qu valores es estrictamente positiva.
Solucin. Por delinicin, la matriz A es positiva si todos sus tr-
minos son mayores o iguales que O. La matriz A es, pues, positiva
precisamente si se verifican simultneamente:
X ;::: , X ~ 1 :;::: y x2 + 1 ;:::
(ntese que el trmino de posicin (2, 1) es positivo). La tercera desi-
gualdad se verifica cualquiera que sea el valor del parmetro real x; las
otras dos se verifican simultneamente si y slo si x es mayor o igual
que l. En consecuencia, la matriz A es positiva si y slo si x :;:=:: l.
Por otra parte, de acuerdo con la definicin, la matriz A es estric-
tamente positiva si todos sus trminos son mayores que O. La matriz A
es, pues, estrictamente positiva precisamente si se verifican simultnea-
mente: x > O, x~ 1 > Oy x 2 +1 > O, o, equivalentemente, precisamente
si x > L
3. Si A es una matriz positiva, y a y /3 son dos nmeros reales tales
que o: :::; /3, demostrar que o: A S /3A.
Solucin. Sea A = (a.;j). Por ser A positiva, cada trmino aij es
positivo o nulo, y como o: S (3, se verifica: (/3 ~ o:)aij :;::: O. Como los
trminos de la matriz {3A- o:A = ({3- a:)A son de la forma: (/3- o:)aij,
acabamos de demostrar que la matriz f3A- o: A es positiva, o lo que es
equivalente: o:A S /3A.
4. Sea A una matriz cuadrada de orden n ;:=:: 2, estrictamente positiva e
invertiblc. Demostrar que su inversa: A - 1 , no es una matriz positiva.
Solucin. Si A- 1 fuera positiva, entonces AA- 1 sera el producto
de una matriz estrictamente positiva: la A, y una matriz positiva e
invertible: la A- 1 ; y de la proposicin 2 {cf. p. 140) se deducira que la
matriz AA- 1 es estrictamente positiva. Pero AA- 1 =In, y la matriz
identidad In no es estrictamente positiva si n :;:=:: 2.
En conclusin, la matriz A- 1 no es positiva.
190 MATRICES POSITIVAS

Matrices positivas y modelos lineales de produccin

5. Consideremos una estructura productiva, con sistema de produccin
lineal, formada por tres industrias que producen tres bienes: b 1 , b2
y b3, de forma que cada bien es producido por una sola industria y
cada industria produce un solo bien.
Una produccin se lleva a cabo segn las relaciones siguientes: se
producen 450 unidades de b, y para ello se utilizan 240 nnidades
de b1, 12 unidades de b2 y 18 unidades de b3; se producen 21 unidades
de ~. y para ello se utilizan 90 unidades de b, 6 unidades de ~ y 12
unidades de b3; y, por ltimo, se producen 60 nnidades de b3 1 con 120
de bt, 3 de b2 y 30 de ba. Escribir:
a} la matriz A = (rL;j) de coeficientes tcnicos,
b) la matriz de produccin,
e) el consumo intermedio del bien ~.

d) la matriz de demanda final.

Solucin.
a) Un coeficiente tcnico aij seala la cantidad del bien bi necesaria
para producir una unidad del bien bj; por ejemplo, el coeficiente
tcnico a13 se interpreta como la cantidad del bien b1 necesaria
para producir una unidad del bien b3. Dado que 60 rmidades del
bien b:J se producen con 120 unidades del bien b 1 , 3 unidades del
bien b2 y 30 del bien b3, al ser la produccin lineal podemos afir-
mar que una unidad del bien b:J se produce con 120/60 unidades
de bl> 3/60 unidades de ~ y 30/60 unidades de b3, y en conse-
cuencia:

a13 = 2, a23 = 1/20 y a33 = 1/2.

De forma anloga, calculamos:

au = 240/450, a21 = 12/450 y a31 = 18/450,

Ul2 = 90/21, a22 = 6/21 Y a32 = 12/21.
En conclusin, la matriz de coeficientes tcnicos es:

1/~0) .
8/15 30/7
A= 2/75 2/7
(
1/25 4/7 1/2
EJFRCICIOS Y ACTIV1DADES RECOME~DADAS 191

b) La matriz de produccin es la matriz columna cuyos trminos son

las cantidades producidas:

X=
450)
( 6021
e) La matriz AX, producto de la matriz de coeficientes tcnicos y la
matriz de produccin, es nna rnatriz colunma cuyos trminos son
los cons1unos intermedios de los bienes:

8/15 30/7
AX ~ 2/75 2/7 2 ) (450)
1/20 21 (450)
21 ~
( 1/2 60 60
1/25 4/7

El consumo intermedio del bien b2 es, pues, igual a 21 unidades.

d) La matriz de demanda fmal Y verifica: AX -+-Y = X, luego:

Y = X - AX =
450) (450)
( ~~ -
(o)
~~ = ~

Matrices productivas

6. Si a y b son dos nmeros reales positivos o nulos, demostrar que una

condicin necesaria y suficiente para que la matriz real:

sea productiva es: a <1y b< l.

Soluci6n. De acuerdo con la definicin, la matri7.:

es productiva si existen dos nmeros reales x 1 > O y x2 > O tales que:

192 ~~-----~ -----------'~=~"-=
MATRICES POSITIVAS

es decir:

Ahora bien, se tiene:

x, - ax, >O, {" < 1,

(
abx') > O
x -
xz- xz
{'=? y <====>- y
{
xz-bxz>D, b<l,

(para la segunda equivalencia se tiene en cuenta que x1 y xz son no

nulos). En consecuencia, una condicin necesaria y suficiente para que
la matriz positiva:

sea productiva es: a < 1 y b < l.

7. Dada una matriz real A positiva:

A~("
'
b)
d '
demostrar que una condicin necesana y suficiente para que A sea
productiva es que se verifique:

(1-a)(1-d)-bc>O, 1-d>O y 1-a>O~

Solucin. La matriz I - A es:

-b )
1- d .

Sea C.~ (1- a)(1- d)- be~

En primer lugar, supongamos se verifica:

a< 1, d <1 y .. >O.

Como .. > O, I - A es invertible, y su inversa, como fcihnente se

calcula, es:

(1- A)-'~ ((1-d)/C. b/ c. )

e/ C. (1-a)/C.
EJERCICIOS Y ACTIVIDADES RECOMENDADAS 193

Por otro lado) como se tiene: a < 1 y d < 1, los cuatro trminos
de (I- A)- 1 son no negativos (al ser A ;;:::: O); es decir, (I ~ At 1 es
positiva.
En segundo lugar, supongamos que la matriz:

(I-A)-'~((1-d)/.:l bj.:l )
c/A (1-a)/.:l
existe y es positiva. No puede ser a negativo. En efecto, se tiene:

{
b~O
A< O= y = A~(!- a)(!- d) <O
e= O

~ signo(!- a)# signo(l- d)

(1-a)/.:l <O
= {
a
(!- d)/.:l <o
(la primera implicacin se justifica de la siguiente manera: si b, o e,
fuese distinto de O) entonces (I- A)- 1 no sera positiva), y si fuera a
1
negativo, podramos deducir que la matriz (I- A)- no es positiva.
Por otro lado, no puede ser a nulo (de ser as, I - A no sera
invertible}.
En conclusin: 6 > O.
De ser 6 > O, se deduce que a # 1 y d # 1, ya que, en caso
contrario) tendramos que .. sera igual a -be, que es negativo.
Para finalizar, de:

se deduce:
1-a>O y 1-d>O.
Hemos probado, entonces, que una condicin necesaria y suficiente
para que I - A sea invertible y (I- A)- 1 sea positiva es:

a < 1, d <1 y A > O.

Por el teorema 1 (cf. p. 148), tambin es condicin necesaria y suficiente

para que A sea productiva.
194 MATRICES POSITIVAS

8. Demostrar que no es productiva la matriz A de coeficientes tcnicos

que se obtena en el ejercicio 5 (cf. p. 190):

8/15 30/7 2 )
A~ 2/75 2/7 1/20 .
( 1/25 4/7 1/2

Solucin. Una condicin necesaria y suficiente para que la matriz A

sea productiva es que la matriz 1 - A sea invertible y que la inversa de
sta: (I- A)- 1 , sea positiva (cf. teorema 1, p. 148).
Se tiene:

7/15 -30/7 -2 )
I- A~ -2/75 5/7 -1/20 .
( -1/25 -4/7 1/2
Si en esta matriz efectuamos sucesivamente las transformaciones ele--
mentales4 siguientes:

obtenemos la matriz:

-30/7 -2 )
5/7 -1/20 '
o o
que es de rango igual a 2 y por tanto no es invertible. En conclusin,
la matriz A no es productiva.

9. Dada la matriz de coeficientes tcnicos:

1/2 1/8 1/2)

A~ 1/4 o 1/2 '
( 1/2 1/8 1/4

y la matriz de demanda final:

4Sobre transformaciones elementales de matrices, puede consultarse el texto lgebra.

Lineal, seccin 7 del captulo IX.
EJERCICIOS Y ACTMDADES RECOMENDADAS 195

encontrar una matriz de produccin X con la cual se alcance la de-

manda final Y; es decir, encontrar una matriz columna X positiva tal
que:

X~AX+Y.

Soluci6n. Si probamos que la matriz de coeficientea tcnicos A es

productiva, entonces puede ser atendida cualquier demanda final.
En efecto. Una matriz de produccin que satisfaga una demanda
final Y dada es una matriz X que verifica:

X = AX +Y con X 2: O,

o bien:

(I- A)X ~Y oon X ::>: O. (35)

Si la matriz A es productiva, entonces la matriz 1 - A es invertible y

su inversa. es positiva, y la condicin (35) se satisface para la matriz X
dada por: X = (1- A)- 1 Y (ntese que X a.s obtenida es efectiva-
mente positiva, pues es igual al producto de dos matrices positivas,
(d. propiedad 2, p. 138)).

Nota. Se verifica lo siguiente: que una matriz de coeficientes tcni-

cos sea productiva es condicin suficiente para que pueda ser atendida
cualquier demanda final en la estructura productiva. l::.

Se comprueba fcilmente que la matriz 1 - A es invertible, y de

inversa:

1/2 -1/8 -1/2)-l 88/3 20/3 24)

(I- A)- 1 ~ -1/4 1 -1/2 - 56/3 16/3 16 '
( -1/2 -1/8 3/4 ( 68/3 16/3 20

que es una matriz positiva. La matriz A ea, pues, productiva, y puede

ser atendida la demanda final Y dada en el enunciado; se consigue con
la matriz de produccin:

88/3 20/3
X~(!- A)-' Y~ 56/3 16/3 24) (3)
( 68/3 16/3 ~~ i (132)
~ ~~
196 MATRICES POSITIVAS

Conjuntos autnomos

10. Cul es el nmero mximo de conjuntos autnomos que puede haber

para una matriz cuadrada de orden n y positiva?
Sol'IJC.in. Pongamos S= {1,2, ... ,n} y

Es obvio que, para cada i E S, el conjunto {i} es autnomo para A.

Teniendo en cuenta el apartado (1) de la proposicin 4 (cf. p. 152),
llegamos a la conclusin de que todo subconjunto no vaco de S es
autnomo.
Por otro lado, todo conjunto autnomo para A es un subconjunto
no vaco de S.
En conclusin, hemos probado que el nmero mximo de conjuntos
autnomos para tu1a matriz cuadrada de orden n y positiva es:

Card( P(S)- {0}) ~ 2"-!.

11. Demostrar que si T es un conjnnto autnomo para una matriz A, en-

tonces Tes igual a la unin de los conjuntos M(j) cuando j recorre T.
Solucin. Una forma de simbolizar "la unin cuando j recorre T' es:

u
jET

Teniendo en cuenta esta notacin, se verifica:

T~ U(j} <:; UM(j) <:; T.

iET iET

La primera igualdad es clara. El primer contenido se deduce del hecho

de que j E M(j). Para el ltimo contenido hay que observar que T
es autnomo y que a T pertenece cada bien j, con lo cual T contiene
cada conjnnto M(j) (cf. proposicin 5, p. 160, apartado (2)).
En conclusin:
T~ U M(j).
jET
EJERCICIOS Y ACTIVIDADES RECOMENDADAS 197

12. Para la matriz de coeficientes tcnicos:

o
1~2)
1/2 1/2
A~ O 1/2 o
o 1/2 1/2 o '
( 1/2 o o 1/2

se pide:
a) escribir por extensin los conjuntos D(l), D(2), D(3) y D(4);
b} escribir por extensin los conjuntos M(l), M(2), M(3) y M(4);
e) escribir por extensin todos los conjuntos autnomos;
d) determinar qu bienes son productos fundamentales.
Solucin.
a) El conjunto D(l) es el de los bienes directamente necesarios para
la produccin del bien 1:

D(1) ~ {i E S 1 a; i' O}~ {1,4}.

De forma.imil"'' D(2) ~ (1,2,3}, D(3) ~ (3} y D(4) ~ {2, 4}.

b) Al aplicar el algoritmo para construir el conjunto M(l), em-
pezamos escribiendo el bien 1, y lo enlazamos con los bienes del
conjunto D(1):

(el propio bien 1 tambin pertenece a D(1); en la prctica no

escribimos los bienes ms que una vez). Ahora enlazamos el bien 4
con los elementos de D(4):

(de nuevo, no escribimos el bien 4, elemento tambin de D(4),

porque ya ha sido escrito en el desarrollo del algoritmo). Con-
tinuamos con los bienes de D(2), es decir, con: 1, 2 y 3; como
los bienes 1 y 2 ya han sido escritos, solamente enlazamos con el
bien 3:

1-4-2-3.
198 MATRICES POSITIVAS

Finalmente, como D(3) = {3}, no hay nuevos bienes que enlazar

con el bien 3 {de hecho, ya hemos escrito todos). El conjunto M{l)
es el formado por todos los bienes escritos:
M(1) = {1,2,3,4).
Aplicando de la misma manera el algoritmo para construir el
oonjunto M(2), obtenemos la. figura:

2<-4

(como D(2) = {1, 2, 3}, debemos enlazar el bien 2 con dos bienes:
ell y el 3; el propio 2 no se repite). Por tanto:
M(2) = {1,2,3,4).
Como D(3) = {3}, se tiene di'eclamenk M(3) = {3).
Por ltimo, aplicando el algoritmo para construir M(4) llega-
mos a la figura:

y M(4) = {1,2,3,4}.
e) De acuerdo con el ejercicio 11 (cf. p. 196), todo conjunto conjunto
autnomo para A es igual a alguna de las posibles uniones de los
conjuntos M(1), M(2), M(3) y M(4); eetas posibles uniones se
reducen a los conjuntos {3} y {1, 2, 3, 4}; estos dos conjuntos son,
pues, los nicos conjuntos autnomos para la matriz A.
d} De acuerdo con la definicin, un bien es producto fundamental
para A si pertenece a todos los conjuntos M{l), M(2), M(3)
y M(4); como la interseccin de estos cuatro conjuntos es igual
"'{3} n {1,2,3,4} = {3), el b;en 3 es el furico producto funda-
mental.

13. Considrese la siguiente matriz de coeficientes tcnioos:

1/2 o a 5/9 3/8
1/2 1/3 o o 1/5
A= o o 1/6 o 1/3 con a?: O.
o o o 1/4 1/2
o o o o 1/9
EJERCICIOS Y ACTIVIDADES RECOMENDADAS 199

Distinguiendo loe casos: a = O y a > O, escribir por extensin todos loe

conjuntos autnomos para A y determinar qu bienes son productos
fundamentales.
Soluci6n. Supongamos en primer lugar que a = O. Se tiene:

D(1) ~ {1, 2}, D(2) ~ {2}, D(3) ~ {3},

D(4) ~ {1,4} y D(5) ~ {1, 2, 3,4, 5},

y fcilmente se obtiene:

M(1) ~ {1,2}, M(2) ~ {2}, M(3) ~ {3},

M(4) ~ {1, 2, 4} y M(5) ~ (1, 2, 3, 4, 5}.

Todos los conjuntos autnomos para A, adems de los propios conjun-

tos M(1), M(2), M(3), M(4) y M(5), son todas las uniones posibles
que podamos hacer con estos cinco conjuntos y que sean distintas de
ellos; las uniones que proporcionan conjuntos nuevos son:

M(1) U M(3) ~ {1,2,3}, M(2) U M(3) ~ {2,3},

M(3)UM(4) ~{1,2,3,4}.

En este caso: a= O, hay, pues, ocho conjuntos autnomos para A; y no

hay ningn producto fundamental: ningn bien pertenece simultnea-
mente a los conjuntos M(1), M(2), M(3), M(4) y M(5).
Supongamos ahora que a> O. Cambia el conjunto D(3), que ahora
es igual a {1,3}, y tambin M(3), que resulta igual a {1,2,3}; los
restantes conjuntos D(j) y M(j) siguen siendo los mismos. Los con-
juntos autnomos posibles son seis: los mismos que antes menos el {3}
y el {2, 3}. que no son ahora autnomos. Finalmente, hay un producto
fundamental: el bien 2.

14. Probar que para una matriz de coeficientes tcnicos con al menos dos
conjuntos autnomos existe algn bien que no es producto fundamen-
tal.
Soluci6n. Si S es el conjunto de todos los bienes (que por definicin
es autnomo para cualquier matriz) y T es otro conjunto autnomo
(en particular: T C S), los bienes de S - T no pertenecen a todos los
conjuntos autnomos, luego no son productos fundamentales (d. pro-
posicin 6, p. 161).
200 MATRICES POSITIVAS

Matrices indescomponibles

15. Estudiar si son indescompouibles las siguientes matrices de coeficientes

e
tcnicos:

e
a} A,~ O 1/2)
1/4 ' b} Az ~ 1/3
1/2
1/5
o
o +).
1 1/6 1/6 1/4 1/2)
(1/2
1/3 o 1/7 1/2)
o (1/2
1/2 1/3 1/7 3/4
o} A,~ 1/2 o o 3/4 ' d} A,~ 1/3 1/7 2/5 1/5 .
3/5 o 1/3 1/2 3/5 1/3 1/8 1/2
Solucin.
a) El conjunto formado por el bien 1: {1}, es autnomo para la
matriz A 1 , pues es nulo el trmino de posicin (2,1) (de he-
cho: M(l) = {1}). El conjunto de todos los bienes: {1,2}, no
es, pues, el nico conjunto autnomo para la matriz A1: sta no
es indescomponible.
b) Para la matriz A2, la aplicacin del algoritmo para determinar
los elementos de los conjuntos M(i), con i E {1, 2, 3}, permite
escribir:

2-1-3, 3-2--1,

y po' tanto> M(1) ~ M(2) ~ M(3) ~ {1, 2, 3}.

En consecuencia, el conjunto de todos los bienes: {1, 2, 3}, es
el nico autnomo para la matriz A 2, y sta es indescomponible.
e) Para la matriz A 3 podemos escribir:

3~~4,
de donde> M(1) ~ M(2) ~ M(3) ~ M(4) ~ {1, 2, 3, 1}, y el
nico conjunto autnomo es el de todos los bienes: {1, 2, 3, 4}. La
matriz A3 es, pues, indescomponible.
d} La matriz A4 es indescomponible por ser estrictamente positiva.
EJERCICIOS Y ACTIVIDADES RECOMENDA~D~A~S'__ _ __ 201

16. Estudiar, en funcin de que el parmetro real a sea positivo o nulo, si

son indescomponibles las siguientes matrices de coeficientes tcnicos:

oo)
1 1 , b) Bz =
(313)
a 2 a .
2 3 2 1 1

Solucin.
a) Para ct,talquier a 2::: O, el conjunto {2, 3} es autnomo para lama-
triz Bt (adems del conjunto de todos los bienes). La matriz Bt
no es indescomponible, independientemente de que el parmetro
real a sea positivo o nulo.
b} Si a= O, se tiene:

M(!)~ {1,3}, M(2) ~ {1,2,3} y M(3) ~ {!,3},

y el conjunto de todos los bienes: {1, 2, 3}, no es el nico conjunto

autnomo para la matriz B2. En el caso a= O, la matriz B2 no
es indescomponible.
Por otra parte, si a > O, la matriz Bz resulta ser estrictamente
positiva, y por tanto indescomponible.

Estructuras productivas de subsistencia

17. Comprobar que si A es la matriz de coeficientes tcnicos de una estruc-

tura productiva de subsistencia, entonces A no es productiva.
Solucin. Si la matriz A representa una estructura productiva de
subsistencia, existe una matriz de produccin X, X 2::: O y X ::/= O, tal
que: AX = X, o bien:

(I- A)X ~O. (36)

Si A fuese productiva, entonces (cf. teorema 1, p. 148) sera invertible

la matriz I - A; multiplicando por la izquierda por su inversa en la
igualdad (36), se tendra:

de donde: X= O, que contradice la hiptesis de que X =f:. O.

Por tanto, A no es productiva.
202 MATRICES POSITIVAS

18. Comprobar que es de subsistencia la estructura productiva del ejerci-

cio 5 (ci. p. 190).
Solucin. En el citado ejercicio 5 se obtuvo la matriz de coeficientes
tcnicos siguiente:

8/15 30/7 2 )
A~ 2/75 2/7 1/20 .
( 1/25 4/7 1/2

Tambin se encontr que para la matriz de produccin:

450)
x~ ( ~

se verifica: X - AX = O (la matriz de demanda final resultaba ser

la matriz nula), es decir: AX = X; esto prueba que la estructura
productiva es de subsistencia.
Por otra parte, la matriz A es indescomponible por ser estricta-
mante positiva. Por lo tanto (cf. p. 168), existe una matriz columna. P
estrictamente positiva tal que

Esta igualdad es equivalente al sistema de ecuaciones homogneo:

(!- A')P ~O,

tomando la matriz P como la de las incgnitas. Si P - (Pi), este
sistema se concreta en:

1/15 -2/75 -1/25)

-30/7 5/7
( -2
-4/7
G') (o)
P2 ~ O ,
-1/20 1/2 3 o
cuyas soluciones son las matrices columna. de la forma:

(1~) conAER
Si fijamos el precio de uno de los tres bienes (numerario), quedan
automticamente fijados los restantes precios; por ejemplo, toman-
do: PI = 11 los otros precios son: P2 = 10 y P3 = 5.
EJERCICIOS Y ACTMDADES RECOMENDADAS 203

El teorema de FROBENIUS

19. Se considera el modelo de produccin lineal con dos bienes, b y b2,

siguiente: con 280 unidades del bien b y 12 unidades del bien bz se
obtienen 575 unidades del bien bt, y con 240 unidades del bien bt y 16
unidades del bien bz se obtienen 40 unidades del bien ~. Se pide:
a) hallar la matriz A de coeficientes tcnicos;
b) estudiar si la matriz A es productiva;
e) estudiar si las matrices A y At son indescomponibles;
d) calcular la tasa de ganancia uniforme mxima.
Solucin.
a) La matriz de coeficientes tcnicos es:

A~ (280/575 240/40) _
12/575 16/40

b) Se tiene:

295/575 -6)
I- A~ ( -12/575 3/5 '
y esta ltima matriz es invertible; su inversa es:

( _ A)_ 1 ~ (23/4 230/7)

I 4/35 59/21 '

que es positiva. Las matrices A y At son, pues, productivas.

e) Las matrices A y At son indescomponibles por ser estrictamente
positivas.
d} De lo probado en los apartadDS anteriores se deduce que podemos
aplicar a la matriz At el teorema de FROBENIUS. Existe, pues, un
nmero & positivo (nmero de FROBENIVS), y existe una matriz
columna P, estrictamente positiva, tal que: P = &AtP. Esta
igualdad es equivalente a: (1/&)P = AtP, o bien (con la nota-
cin' P~ (p,))'

(1/)p ~ + (12/575)p,,
(280/575)p
{ (1/)p, ~ (240/40)p + (16/40)p,.
204 MATRICES POSITIVAS

Haciendo: PI = 1 (fijando, pues, el bien b 1 como numerario),

resulta:
(1/&) ~ (280/575) + (12/575)p,,
(37)
{ (1/&)p, ~ (240/40) + (16/40)p,.
Multiplicando la primera ecuacin por P2 e igualando con la se-
gunda, tras operar se obtiene la ecuacin de segundo grado:
12 2 2
P2 + P2 - 6 = O,
575 23
cuyas soluciones son: 15 y -115/16; como la ltima es negativa,
debe descartarse. En conclusin, la matriz de precios es:

Finalmente, de la segunda ecuacin de (37) se deduce:

& = 15/12.
La tasa de ganancia uniforme mxima: f, es tal que: 1 + f = &, y
por tanto:
15
f = - 1 = 0.25.
12
Podemos afirmar que la tasa de ganancia uniforme mxima es de
un 25%.

EJERCICIOS DE AUTOEVALUACIN
En las siguientes cuestiones, slo una de las cuatro opciones es correcta.

l. La matriz:

1/2 a )
( 1 1/3

es productiva para:

a) a~ 1/4, b) a~ 1/3, e) a~ 1/2, d) a~ l.

EJERCICIOS DE AUTOEVALCACIN 205

2. Cul de las siguientes matrices NO es productiva?

o)1 ' e) (1/2 1/4)

1/4 1/2 '
d) (1/2
o
3. La matriz positiva:

2/3 3 )
( o 1/4

NO es productiva para:

a) o~ 1/15, b) o~ 2/25, e) o~ 1/12, d) o~ 1/14.

4. Determinar para qu valores del parmetro o: es productiva la matriz

c~ 1~2):
4
real positiva

a) para ningn valor de o:, b) para cualquier o:~ O,

e) solamente para o:= O, d) solamente para o:= 2.

5. Dada la matriz real:

se verifica:
a) {3} es autnomo para A, b) {2,3} es autnomo para A,
la matriz A es
e ) indescomponible,
d) {1, 3} es autnomo para A.

6. Dada la matriz real positiva:

1- a
A~ ( O

cualesquiera que sean los nmeros a < 1 y b > O se verifica:

a) {1,2} no es autnomo para A, b) {1} es autnomo para A,
e) A es indescomponible, d) {2} es autnomo para A.
206 MATRICES POSITIVAS

7, Determinar para cul de las siguientes matrices positivas es autnomo

el conjunto {5}:

o o 3/4 2/3 o o o 3/4 2/3 1/4

1 o 1/4 1/3 o 1 o 1/4 1/3 1/2
a) o o 1/3 o o b) o o 1/3 o 1
3/4 o o o o ' 3/4 o o o o
2/3 o o o 3/4 2/3 o o o 3/4
o o 3/4 2/3 1/4 o o 3/4 2/3 1/4
1 o 1/4 1/3 2/3 1 o 1/4 1/3 1/2
e) o o 1/3 o 1 , d) o o 1/3 o 1/3
3/4 o o o o 3/4 o o o o
2/3 o o o 3/4 2/3 o o o 3/4

8. Consideremos la matriz real:

1/2 o a 5/9 3/8

1/2 1/3 o o 1/5
A~ o o 1/6 o 1/3 con a :2: O,
o o o 1/4 1/2
o o o o 1/9
e interpretemos A como la matriz de coeficientes tcnicos de una es-
tructma productiva, siendo {1, 2, 3, 4, 5} el conjunto de los bienes.
Si denotamos por M(i) el menor conjnnto autnomo para A al que
pertenece el bien i (1 ::::; i :$; 5), entonces:
a) M(2) = 0 (conjunto va.cio) para todo a;::: O,
b) ai a~ O, entonces M(3) ~ {3}, y
si a;;/; O, entonces M(3) = {1, 3},
e) M(3) ~ {3} pruca todo a 2 O,
d) M(4) ~ {1,2,4} para todo a 2 O.

9. Para la matriz A del ejercicio 8 tambin se verifica:

a) A es indcscomponible para todo a 2:: O,
b) si a# O, entonces ningn bien es producto fundamental para A,
e) si a#- O, el bien 2 es el nico producto fundamental para A,
d) si a= O, el bien 1 es producto fundamental para A.
BIBLIOGRAFA 207

10. Considrese la siguiente matriz de coeficientes tcnicos:

1/2 1/3 1/4)

A~ O 1/2 O .
( 1/2 1/4 1/4

El conjunto de los productos fundamentales para la matriz A es:

a) todos los bienes son productos fundamentales, y por tanto la ma-
triz A es indescomponible,
b) {1,3},
e) no hay productos fundamentales,
d) {3}

Respuestas correctas: la, 2b, 3c, 4b, 5c, 6b, 7a, 8d, 9c, lOb.

BIBLIOGRAFA

P. MICHEL. Cours de Ma.thma.tiques pour conomistes. conomica,

Pars, 1989, segunda edicin.
E. PRIETO. Lecciones Elementales de Algebra. Lineal para Economfa.
y Empresa.. C.E.R.A., Madrid, 1999.
E. PRIETO, A. LVAREZ, M. ARNDIGA. Algebra Lineal. Problemas
Resueltos y Cuestiones Comentadas. C.E.R.A., Madrid, 2000.
Sistemas de ecuaciones
recurrentes de primer orden
Fernando Javier Nieto Jo ver

INTRODUCCIN
En el presente captulo se abordan algunos mtodos de resolucin de sis-
temas de ecuaciones recurrentes, as como nna serie de oondiciones de es-_
tabilidad que deben cl.Ullplir sus soluciones. Es importante resaltar que
estas condiciones son de aplicacin en los modelos econmicos en su triple
vertiente: como necesarias y suficientes, solamente como necesarias o sola-.
mente como suficientes.
Es conveniente destacar que, generalmente, estas ecuaciones denomi-
nadas recurrentes son la plasmacin matemtica de fenmenos dinmicos
que pueden explicarse, en su caso, por el comportamiento de alguno o al-
gunos estados anteriores en el tiempo.
Para una mejor comprensin del tema, y para no entrar en un mero
formulismo ms o menos mecnico, es importante el recordatorio previo de
alguno de los conceptos ya estudiados en otros cursos de la carrera y que
hacen referencia, fundamentalmente, a los siguientes:
1) Ecuaciones recurrentes de orden uno, y dentro de ellas las lineales,
que son de las pocas ecuaciones que pueden resolverse explcitamente
y cuya forma. general es del tipo:

Un+I = au.n + g(n), n E N, con a E IR

y g una aplicacin definida sobre los nmeros naturales y con valores

reales.
210 SISTEMAS DE ECUACIONES RECURRENTES DE PRIMER ORDEN

2) Ecuaciones recurrentes de orden dos, y dentro de ellas las lineales, que

tienen una gran variedad de aplicaciones y no ofrecen una excesiva
complejidad y cuya forma general es del tipo:

Un+2 = aUn-t 1 + bun + g(n), n E N,

donde a, b E IR, b '1- O (para no ser de orden rmo) y g es una funcin

definida sobre N.
3) Tanto para los apartados (1) y (2) anteriores las materias a repasar
hacen referencia a:
a) Soluciones generales de las ecuaciones (de la homognea y solu
dones particulares).
b) Puntos de equilibrio. Estabilidad de las soluciones.
4) Transformaciones matriciales. Reduccin de matrices:
a) Ecuacin caracterstica.
b} Vectores y valores propios de una matriz cuadrada.
e} Condiciones necesarias y suficientes para que una matriz sea dia
gonalizable.
SISTEMAS DE DOS ECUACIONES RECURRENTES 211

l. SISTEMAS DE DOS ECUACIONES RECURRENTES

Sea el sistema no homogneo:

Yt+t = anYt + at2Zt + g(t),

(!)
Zt+t = a2111t + ll22zt + 92(t),
donde~; E 1R son constantes conocidas y 91 (t), 92(t) son funciones definidas
sobre los nmeros naturales y con valores reales.
Cuando g(t) y 92(t) son iguales a cero el sistema (37) se denomina sis-
tema homogneo.
La solucin general de un sistema no homogneo estar formada por la
suma de la solucin particular del sistema homogneo correspondiente ms
una solucin particular del sistema no homogneo.
Pasamo6 a ver las soluciones generales de los sistemas homogneos. Ex-
pondremos dos mtodos de resolucin.

1.1. Reaolucin del si8tema homogneo

1.1.1. Mtodo de reducci6n
Sea el sistema homogneo:

Yt+l = auYt + a2Zt,

(2)
Zt+l = a211/t + a22zt,
donde llij E 1R son constantes conocidas.
El mtodo consiste en despejar de una de las ecuaciones del sistema una
variable en el periodo t, por ejemplo zt, siempre que a12 :f. O; iterar zt al
momento t + 1, Zt+l> y sustituir estos valores obtenidos en la otra ecuacin.
En el supuesto de que a12 = O, se despeja Zt de la segunda ecuacin del
sistema. Si a12 = a21 = O el sistema no se puede resolver, aunque s cada
ecuacin por separado, sin correlacin entre las variables.
Es decir:
1 a11
Zt = -Yt+l - -y,, (3)
a12 a12

para a12 #O

1 au
Zt+1 = -!1<+2- -Yt+l (4)
a12 a12
212 SISTEMAS DE ECUACIONES RECURRENTES DE PRIMER ORDEN

Sustituyendo los valores de Zt y Zt+l en la segunda ecuacin del sistema {38),

tenemos:

y operando, obtenemos la siguiente ecuacin recUJTente lineal de orden dos

homognea:

(5)
Para encontrar la solucin general de la ecuacin (5) buscamos solu-
ciones del tipo Yt = >._t, A i- O y tE N.
Sustituyendo en (5) este valor de Yt, y sus correspondientes iteraciones,
obtenemos:

equivalente a:

(6)

Si llamamos

obtenemos la ecuacin:

(7)
denominada ecuacin caracterstica de la ecuacin recurrente lineal (5),
cuyas soluciones son:

\ _a-v'a 2 +4b
'"'2- 2 .

Segn que el valor del discriminante !:l. = a 2 + 4b, sea mayor, igual o
menor que cero, los valores de >.i sern reales y distintos, iguales y reales o
complejos (conjugados}, respectivamente.
Veamos la solucin del sistema para cada uno de los casos citados.
1} Si a 2 + 4b >O, existen dos races reales, >.. 1 y >.2, distintas de cero y
la solucin general ser del tipo:

Yt =a>.~ +.B>.~, (8)

SISTEMAS DE DOS ECCACIO:-.IES RECURRE:-.ITES 213

donde a: y f3 son constantes pertenecient.es a R..

El clculo de zt se obtiene sustituyendo el valor de Yt de la ecua-
cin (8) en la ecuacin (39}. Es decir:

1 an a:>.~+l +,B>.~+l au(a:>.i +,B>.t)

Zt = -Yt+ 1 - -Yt = ~"'-~-'---'--
a2 a12 a12 a12
(9)

siendo:

1 _ >.2 - an f3
y {3 - . (10)
a12

En el supuesto de que a12 = O, la Zt se hubiese despejado de la otra

ecuacin.
2} Si a 2 +4b =O, existen dos races reales e iguales >.1 = >.2 = >.* = i' y
la solucin general ser del tipo:

y,~ (a+ f3t)>.' ~(a+ f3t) (;)' (11)

t E N y a:, ,BE IR.

El clculo de Zt se obtiene sustituyendo el valor de Yt de la ecua-
cin (11) en la ecuacin (39). Es decir:

1
Zt = -Yt+1-
a12
a uY t = 1- (0:
-
a12 a12
+ f3 (t + 1)) ), (<+1) -an
a-
u ( 0: + ,Bt ) ),.,

~ ((>."- an)o: + ,6>.* + x- an ,Bt) >.'

a12 a12

=(o:1 +{31t)>.t, tEN y a',{3'ElR

(12)
siendo

1 (>.*- au)o: + {JA*

a= ' (13)
a12
214 SISTEMAS DE ECUACIONES RECURRENTES DE PRIMER ORDEN

Teniendo en cuenta que A =~a= ~(an + a22)

a1 -
(a22- au)a + (an + a22)f3
- 2a12 '
(14)
fJ' = a22- an {3.
2at2
3) Si a 2 + 4b <O, las races de la. ecuacin caracterstica son complejas
y conjugadas. Sea >.. 1 =a+ i{J y >.2 =a- i/3.
La solucin general de la ecuacin adoptar la forma:
Yt ~ A~l +A,~~ ~ A (a+ ifl)' +A,( a- ifl)' (15)
donde At y A2 son constantes complejas.
El clculo de zt se obtendr sustituyendo el valor de Yt de la ecua-.
cin {15) en la ecuacin {39). Obteniendo:
At (a+ i,B)t+ 1 + A2{o:- if3Y+l
zt~
12
(16)
011 (A(a + ifl)' + A,(a- ifl)')
0!2
Para evitar el clculo con nmeros complejos en forma binmica, en
general bastante laborioso, se suele adoptar la forma trigonomtrica.
mediante las siguientes transformaciones:
.\ 1=r{oos8+isen0),
>.2 = r(cosO- isen 8).
La solucin general del sistema de ecuaciones adotar la siguiente
forma 1 :
(17)
El valor de Zt se obtendr sustituyendo el valor de Yt obtenido en la
ecuacin (17) en la ecuacin (39). Es decir:
1 an
zt ~ -Yt+l - -Yt
a12 a12

r'+ 1(k1cosB(t+ 1) +k, sen O(t + 1))

a,

.,
- a11 rt(k 1 cos0t+k 2 sen8t) .

1Aplicando la frmula de DE MOIYRE: z' = r'(cos 9t+isen 9t), si z = r(cos 9+i sen 9).
SISTEMAS DE DOS ECUACIONES RECURRENTES 215

Recordando que:

cosO(t + 1) = cos(Ot +O) = cosOtcosO- sen Otsen O,

sen O(t + 1) = sen(Ot +O) = senOtcosO + cosOtsen O,
obtenemos que
, (k1rcosO+k2rsenO-auk
zt=r cost
8
"" (18)
+
~reos O- k 1rsen0- auk2
sen
ot) .
""
Solucin anloga se hubiera obtenido de la. ecuacin (16) al igualar los
valores de Yt de las ecuaciones (15) y (17).

1.1.2. Mtodo directo

Este mtodo, alternativo al anterior, consiste en considerar directamente
como soluciones del sistema homogneo las funciones Yt = a 1 At, zt = a2At,
donde a 1 y a2 son constantes no simultneamente iguales a cero y A#- O.
Sea el sistema homogneo ya descrito en las ecuaciones (38):

Yt+l = anYt + aazt,

zt+l = aa1Yt + a22zt
Sustituyendo los valores de Yt y Zt en el sistema., obtenemos:

aAt+ 1 = ana:tAt + a12aaAt,

a:aAt+ 1 = aaaA.t + a220:2At,

Dividiendo ambas ecuaciones por A_t y operando obtenemos las siguientes

ecuaciones:
(a u - A)a + a120:2 =O,
(19)
a21a:1 + (a22- A)a:a =O.
Excluyendo la solucin trivial a: = a:a = O, de acuerdo con la hiptesis de
partida, y teniendo en cuenta que la condicin necesaria y suficiente pa.ra.
que un sistema homogneo no tenga la solucin trivial es que:

au I=O,
l
au-A-
aat aa2- A
(20)
216 SISTEMAS DE ECUACIONES RECURRENTES DE PRIMER ORDEN

obtenemos la siguiente ecuacin:

(an ~ >.)(a22- >.)- a12a21

(21)
= >..2 - (an + a22)>. + (aua22- a12a21) =O
igual a la obtenida por el mtodo anterior como ecuacin (6). Por con
siguiente, a partir de esta ecuacin la operativa es la misma, y la solucin
general del sistema homogneo estar en funcin de los valores de >., ya
analizados en el apartado anterior.
As:
1) Si los valores de >. son reales y distintos obtenemos dos soluciones
del sistema. Sea (o:Pl,o:~ )) la solucin obtenida para>.= >. 1 y sea
1

(ai 2), o:~ )) la solucin obtenida para).= >.2. Es decir, para>..= >.1
2

obtenemos como solucin del sistema:

(l}.t (l).t
Ytt = o: 1 ...-. 1 , ztt = a:z "t

y para >. = >.2 la siguiente solucin:

(2),t (2),t
Y2t = 0:1 "2 Z2t = 0:2 112.

Combinando linealmente estas soluciones con constantes arbitrarias,

no simultneamente iguales a cero en cada ecuacin, podemos consid-
erar como solucin general del sistema:

Yt = aaP) >.i + ,Ba~ 2 ) >.~, (22}

Zt = a' a~l) >.i + /3' a~2 ) >.~. (23)

Para el clculo de (ai1), a~1 )) y (a~ 2 ), a~2 )) basta sustituir en al ecua-

cin (19) estos valores como soluciones de a 1 y a2.
As, para >. = >., obtenemos:

(24)

Eligiendo, por ejemplo ai 1

) = 1, obtenemos de la primera ecuacin

an - .\ + a12o: 2(1) =O,

SISTEMAS DE DOS ECUACIONES RECURRENTES 217

DI
de donde o: 2 = ~-a,, DI
y de la segunda ecuac16n: o: 2 - ' " " : -
a
a12 >.1 a22
Es decir,

Anlogamente,
a,(1) -_ -
..,au
- -.
~.=-,-, (25)

0:~2) = >.2 - au = a21 (Z 6)

a12 >.2 - a22
Las ecuaciones (22) y (23), bajo determinadas simplificaciones, pue-
den expresarse de la siguiente forma, si o:~ ) = o:~2 ) = 1, entonces:
1

Yt = o:>.i + 3>.~, (27)

>.r-an,t (!>.2-au,t
Y Zt = 0: A + "'2 (28)
a12 a12
frmulas que coinciden con las obtenidas por el mtodo anterior como
ecuaciones (8} y (9).
2) Si los valores de >. son reales e iguales, >.1 = .\2 = >., la solucin del
sistema ser del tipo
Yt ~(a+ f!t)>.'',
Zt = (o:1 + {j't)).t,
donde o: y 3 son constantes no simultneamente iguales a cero, al igual
que d y 3', anlogas a las expresadas en las frmulas (11) y (12).
3} Si los valores de >., races de la ecuacin caracterstica, son complejas
y conjugadas, se obtienen frmulas similares a las expresadas en (17)
y (18).
La operativa para el clculo de Zt en los apartados 2} y 3) es anloga a
la utilizada en el apartado 1).
Como puede observarse tanto el mtodo de reduccin como el mtodo
directo nos llevan a la ecuacin caracterstica (6) y (21}:
>.2 - (a u+ a22)>. + (aua22- a12a21) =O
cuyas races determinan la solucin general del sistema homogneo.
La determinacin de las constantes requiere un nmero de condicio-
nes adicionales que verifique el sistema igual al nmero de constantes a
determinar. Estas condiciones vienen en general expresadas por los distin-
tos valores dados a t, como por ejemplo para t = O, condiciones iniciales,
obtenemos (w,zo).
218 SISTEMAS DE ECUACIONES RECCRRE\.!TES DE PRIMER ORDEN

1.1.3. Ejemplos

EJEMPLO l. Resolver el sistema homogneo:

Yt+t = 2yt - zt,

Zt+l = 3zt,

siendo Yo= 1, Z{l = 4.

Las races de la ecuacin se obtienen de las ecuaciones (6) o (21)

>.2 - (a11 + an)A- (a12a21- ana22) =O

,, -(2+3)'- (0-6) ~o
A2 -5A+6=0

..\=5v'24
2
La solucin general ser del tipo:

A.-au 3-2
donde a'= a= --a:= -a:,
a12 -1

/3'= >.2-au/3= 2-2B=O.

U2 -1

P~a

Yo= 1, l=o:+f3,
Zo = 4, 4=a'=-a y /3=5,
por consiguiente la solucin ser:

Por el mtodo directo se resolvera de la siguiente forma:

sustituyendo, en el sistema homogneo, obtenemos:

a>.Hl = 2o:t).t- D:2At,

a2>.t+1 = 3ar>.t.
SISTEMAS DE DOS ECUACIONES RECURRENTES 219

Dividiendo por >..1 , obtenemos:

o: 1>.. = 2o: 1 -a:;, ot(2->..)-a:;=O,
O::;>..= 3o2, a:;(3->..)=0.
La ecuacin caracterstica ser:

cuyas races son, obviamente, >..1 = 3 y >..2 = 2.

El resto del ejercicio se resuelve igual que por el mtodo anterior.
EJEMPLO 2. Resolver el sistema. homogneo

Yt-"-t= 3yt+Zt:,
Zt:+l = -2yt- Zt:,

siendo Y2 = 4 y z2 =-l.
Teniendo en cuenta las ecuac.:i.ones (6) o (21)

>.. 2 - (au + a22)A- (a12a21- ana22) =O

>.. 2 - 2>..+ 1 =o

>.= 2~ = {1 =A 1 ,
2 1 = >..2,
la solucin general ser del tipo

Yt =(o+ #t)le =a +(Jt,

1
Zt = (o'+ #'t)1 = ci + (J't.

De las ecuaciones (14) obtenemos:

a' = ( -1- 3)o + (3- 1)# = -4a + 2# = _ 20 + #,

2 2
P'~ -1-3P~-2P,
2
con lo cual Zt = -2o: + P- 2#t.
Para1J2=4 4=a+2/3 o=-10
Para.z:z=-1 -1=-2a+f3-4{3
y la solucin general, con las condiciones establecidas es

Yt=-10+7t,
Zt = 27-14t.

220 SISTEMAS DE ECUACIONES RECURRENTES DE PRIMER ORDEN

EJEMPLO 3. Resolver el sistema homogneo

Yt+ 1 = y'2yt + 2Zt.

Zt+I = 3yt + v'2zt

Teniendo en cuenta las ecuacioneo (6) o (21)

>. 2 -2-/2>.+4 =o

-
-
2/2 v'8=T6 - 2/2 2/2i -
2 - 2 -
{12 + /2i,
v'2-/2i.
Bs decir:

>. 1 = v'2+v'2i= 2ei"=2 ( cos~ +isen~),

Az = J2- v'2i = 2e-~' = 2( cos -isen).

La solucin general del sistema adoptar la siguiente forma:

Por (17)

Y Zt se obtendr sustituyendo los valores r = 2 y B = en la frmula (18).

1.2. Solucin particular. Determinacin de constantes

Sea el sistema homogneo:

Yt+I = auyt + a12Zt + b1, (29)

Zt+J = a12Yt + anzt + ~'
anlogo al expresado en el sistema (37), en donde g(t) = b1 y g2(t) = b2,
siendo b1 y ~ constantes pertenecientes a lR. Se trata, por consiguiente, de
un caso particular de {37).
Una vez establecidos algimos mtodos para hallar la solucin del sis-
tema homogneo, veamos como se calcula una solucin particular del sis-
tema (29).
Supongamos que una solucin particular sea la siguiente:

yt = /-li Y zt = ;,2,
SISTEMAS DE DOS ECUACIONES RECURRENTES 221

donde JLt y J1.2 son constantes pertenecientes a lR, que hay que determinar.
Si JLt y JL2 son solucin particular del sistema, tendrn que verificar:

1-Lt = auYt + a.12zt + b, (30)

Ji-2 = Ut2Yt + a22Zt + b-J.

=
Recurdese que f.it ilt+t = Ji-t y it = Zi+t = Ji-2
Operando, obtenemos el siguiente sistema

(an - 1)JI-t + a12JI-2 = -bt,

(31)
a21J1-1 + (a22 -1).t.2 = -b2,

cuya solucin es:

-b(a22 -1) +b2a12

Jl-t = .,--'-'-;S''--"'',-;--'-'='-~
(a u 1 )( a22 1) a12a21 '
(32)
1) + ba21
-~(au-
~2 - ~-=~~-:.L-:-=="----
- (a u -1)(a22- 1)- a12a21
El sistema (31) ser compatible y determinado cuando se verifique:

( )(
an - 1 a22- 1 - a12a21 ) =
lan-1
a21
""1
a22- 1
< O.

Esta condicin implica que no puede existir nna solucin de la ecuacin

caracterstica del sistema homogneo asociado al sistema (29) con A = 1,
ya que si esto ocuxriese, sustituyendo este valor en las ecuaciones (6) o (21)
se obtendra:

que es precisamente el desarrollo del denominador de f.Ll y J-1.2 Cuando esto

ocurre el mtodo falla, adaptndose como soluciones del sistema expresiones
del tipo:

ilt =.tu + 1-Lt2t,

(33)
it = J-1.21 + J.l.22t,
donde las JLii E 1R son constantes indeterminadas.
La determinacin de estas constantes, as como las que figuran en la
solucin del sistema homogneo, requiere de un nmero de condiciones
adicionales igual al nmero de constantes a determinar.
222 SISTEMAS DE ECUACIONES RECURRENTES DE PRIMER ORDEN

2. SISTEMAS DE N ECUACIONES RECURRENTES DE

PRIMER GRADO CON N INCGNITAS

En general, un sitema de n ecuaciones de primer orden con n incgnitas

tiene la siguiente forma matricial:

(34)

donde Yt = (ylt, Y2t ... , Ynt) es el vector columna de una funcin desamo-
cicla de tiempo.
Las Yt+l estn definidas de la siguiente forma:

Yt+I = Ylt,
Ylt+l = Y'lt,

Y(n-2)t+1 = Y(n-l)t
Y(n-l)t+l = Ynt
La matriz cuadrada de los coeficientes, A, est. definida por:

au a2
A= an a:n a")
(~~ ~2 ""'"
y g(t) = (g(t),g2(t), ...
"
,9n(t)) es un vector columna de una funcin des-
conocida de tiempo.

2.1. Resoluci6n del sistema homogneo

2.1.1. Mtodo directo
Para resolver el sistema (34) estudiemos inicialmente el sistema homogneo:

(35)

cuya posible solucin, de acuerdo con el mtodo directo, visto en la seccin

anterior, es del tipo Yt = a>..t, donde a= (a1,a2 1 . . . ,o:11 ) es un vector de
constantes no todas iguales a cero.
SISTEMAS DE N ECUACIONES RECURRENTES 223

Sustituyendo el citado valor en el sistema (35), obtenemos:

(36)

al ser >. -=1 O, implica que:

(37)

El sistema (37) tiene una solucin no trivial (o: i- O) si:

(38)

que como se observa, es la ecuacin caracterstica de la matriz A cuyo

desarrollo es el siguiente:

IA-UI
=>.n-c1),n-1++Cr(-l)n+r>.r+ (39)
+ Cn-1( -lt+I >. + (-l)nCn =O,
donde
n
Ct = Laiii
i=l
c2 = suma de todos los menores complementarios de segundo orden de
la matriz A;

e,.. = suma de todas las oombinaciones de los menores oomplementarios

de orden r de la matriz A;
es decir, la suma de los e;;.= l( n! )! menores complementarios
r. n-r.
de la matriz A;

La solucin de la ecuacin (39) nos facilita las n races >., >.2, ... , >.n
de la ecuacin caracterstica de la matriz A.
A cada autovalor Aj le oorresponde un o:~j), donde i y j toman valores
de 1 a n, asociado a la ecuacin (38), de forma anloga a oomo se expres
en el caso de un sistema de dos ecuaciones oon dos incgnitas.
224 SIS"IEMAS DE ECUACIO\.IES RECURREI\TES DE PRIMER ORDE:-.1

Es decir:
A (2J,t A (n)
Ylt = A tO(t),t
"1 + 20 "'2 + + na >.,
A (2),t A (n) t
Y2t = A 10:2(1)-t
"'-I + 20:2 "'2 + + nO:z A ,
(40)

Ynt = Aa~I) Al + Aza~2 ) >.~ + + Ana~n) .V.

Para la determinacin de las constantes (A 1 , Az, ... , An) se precisa aadir
condiciones adicionales.

2.1.2. Mtodo de la matriz directa

Hemos visto que la solucin de una ecuacin de la forma Yt+I = ay 1 es del
tipo Yt = a 1c, donde e es una constante arbitraria. Anlogamente, podemos
considerar que la solucin de la ecuacin (:l5) Yt+ 1 = Ay 1 es del tipo

(41)

donde e es un vector (n X 1) de com;tantcs arbitrarias.

Si denominamos A a la matriz cliagonalizada de A, tenemos:

A=P- 1 AP o A=PAP- 1
donde

es la matriz diagonal de las races de A.

Asimismo,
A 2 ~ (PAr')(PAP-') ~ PA(P-'P)Ap-'
=PAAP- 1 =PA 2 P- 1 ,
siendo p-l P = I. Iterando el procedimiento, podemos expresar que:
At = PAtp-1 ( 42)
por lo que la ecuacin (41) puede escribirse de la forma:
Yt =Ate= PAtP- 1c= PAt(P- 1 c) =PAta, (13)
siendo a= p-lc nn vector de constantes arbitrarias.
SISTEMAS DE N ECUACIONES RECURRENTES 225

2.1.9. Ejemplo
Resolver el sistema:

Ylt = -Zt + 3wt,

Y2t = -3yt + 2zt + 3wt,
Ylt = Yt- Zt + 2Wt.
Sea

A~ H!: D
Para d.iagonalizar la matriz A recordemos los siguientes pasos:
a) Clculo de la ecuacin caracterstica y de los valores propios. Es decir:
->. -1 3
IA->.Ij~ -3 2->. 3
1 -1 2->.
=->.3 +4>. 2 -A-6=0.
Los valores propios son >.1 = -1, >.2 = 2, >.3 = 3, y la matriz A adopta
la forma:

A~
-1 oo)
O 2 O .
( o o 3
Dado que los tres valores propios son todos reales y distintos la :ma--
triz A es d.iagonalizable 2.
b) Clculo de los vectores propios asociados a cada valor propio.
As: para.\ = -1

IA->.,Ij'<!~(A+I)'<!~ (-~ =~ D(:D m.

u- u2+3u3 =0,
-3Ut + 3U2 + 3U3 = ,
U- U2 + 3ua = .
~V~mse condiciones necesarias y suficientes para que una matriz sea diagonalizable en
el texto del Prof. PRIETO et al.: Matemticas l. Econonay Empresa (Teora.). Pp. 223
y $5 ..
226 SISTEMAS DE ECUACIONES RECURRENTES DE PRIMER ORDEN

Cn vector propio asociado a >. 1 = -1 ser del tipo (1, 1,0).

Anlogamente, se obtendran para >.2 y >.3 vectores propios asocia-
dos del tipo (1, 1, 1) y (1, O, 1), respectivamente. Por consiguiente, la
matriz P sera de la forma:

La solucin Yt adoptar la siguiente expresin:

por lo que:

Operando obtenemos la solucin Yt, que adoptar la forma:

Yt =
("")
Y'lt
Y3t
= (~!
-1 8 27) ("!)
8
O 8 27
O a2
a3
.

2.2. Solucin particular

Con carcter general, la resolucin de un sistema como el expresado en (35)

entraa numerosas dificultades de clculo, con soluciones no siempre fac-
tibles. Es por lo que, al igual que en el caso de dos variables, se va a
considerar que g(t) = b, donde bes nn vector de constantes.
Sea iJ, un vector de constantes indeterminadas, una solucin particular
del sistema

(45)
CONCEPTOSPcReEcVI"'O"Sc_________________ 227
-----"--

Al ser i!t = Yt+l =Y. Sustituyendo en las ecuaciones (45), obtenemos:

fj = Af} + b, de donde

En el supuesto que (I- A) = O se adoptarn como soluciones del sis-

tema (45) valores dependientes de t, de la forma:

donde p. y /-1.2 son vectores de constant-es indetenninadas.

3" CONCEPTOS PREVIOS

Antes de exponer las condiciones de estabilidad de los sistemas recurrentes
se ha considerado oportuno recordar algunos conceptos previos para la
mejor comprensin de las mismas.

3 .1. Puntos de equilibrio

Un vector X es un punto de equilibrio en un sistema dim.mic..o si tiene la
propiedad de permanecer inalterable en el tiempo.
Recurdese que en una ecuacin recurrente de orden nno del tipo

Un+l = f(un), n E N
donde f es una funcin que toma valores reales en el dorn.inio D ~ lR.,
se dice que u E D es Wl punto de equilibrio, de la citada ecuacin
recurrente, si la situacin constantemente igual a u*, (1l*)nEN es solucin
de la misma.
En los sistemas dinmicos discretos, objeto del terna, consideraremos
lo..'l siguientes casos:
a) Sistemas homogneos, del tipo

x(k + 1) ~ Ax(k)"

gn donde el punto de equilibrio es, generalmente, el origen aunque en

algmo..'l ca..<;Os hay otros (si la unidad es un autovalor de A).
Recurdese que un punto de equilibrio debe satisfacer la condicin:

X=AX.
02~2~8_ _ _ _ _ _~S=ISTEMAS DE ECUACIONES RECURRENTES DE PRIMER ORDEN

b} SistemaB no homogneos, del tipo

x(k + 1) ~ Ax(k) + b.
Un punto de equilibrio, X, de este sistema debe satisfacer:
X=AX+b.
Si la unidad no es un autovalor de A, la matriz (I- A) es no singular,
entonces la nica solucin es:

Si la unidad es nn autovalor de A puede no existir ningn punto de

equilibrio o, en su caso, un nmero infinito.

3.2. Estabidad
El concepto de estabilidad en los sistemas dinmicos est definido en rela-
cin al punto de equilibrio. Un punto de equilibrio X de un sistema lineal de
ecuaciones recurrentes es estable o asintticamente estable si para un
incremento de las condiciones iniciales la solucin correspondiente tiende
a X. En el caso de inestabilidad, el vector tiende a infinito.
As, si X es un pnnto de equilibrio de la ecuacin x(k + 1) = Ax(k) + b,
tenemos que x(k + 1)- X= Ax(k)- AX + b- b = A(x(k)- X).
La condicin de que x(k) tienda a X es similar a la que z(k) tienda a
cero, en el sistema z(k + 1) = Az(k).
Recurdese que en una ecuacin recurrente de orden uno del tipo
lln+l = f(u,.), n E N,
siendo f una funcin real con dominio D ~ JR, se llama conjunto de es-
tabilidad del punto de equilibrio u, al conjunto formado por los valores
iniciales de las sucesiones (u,.)nEN que son solucin de la ecuacin citada y
convergen a u.
En los sistemas dinmicos discretos, la condicin inicial de estabilidad
es que la matriz A, del sistema x(k + 1) = Ax(k), sea diagonalizable, es
decir:

A= MAM- 1 donde A=
'
An
donde ..\ son las races de la ecuacin caracterstica. Anloga conchu;in se
obtiene de los sistemas no. homogneos.
CONDICIONES DE ESTABIUDAD 229

4. CONDICIONES DE ESTABILIDAD
La estabilidad o inestabilidad en el tiempo de las soluciones del sistema {34)
depende, como se ha visto oon anterioridad, exclusivamente de los valores
de las races}, )2, ... , .\,obtenidas al resolver la ecuacin caracterstica,
sin necesidad de calcular los a.utovalores aY>. Sin embargo, el desarrollo
del determinante ea bastante laborioso si el nmero de variables es elevado,
por lo que se va. a exponer un mtodo para estudiar las condiciones de
estabilidad a partir de los coeficientes a; del sistema.
Recurdese que el estudio de la estabilidad de laa soluciones de un sis-
tema se centra en el anlisis de las condiciones que tienen que tener las
races de la ecuacin caracterstica., ya. sean reales o, complejas, para que
sean menores que la unidad en valor absoluto.
A continuacin enumeraremoa algunas de las condiciones de estabilidad:
1} Sea a;;:::: O (con al menos un coeficiente estrictamente positivo). En-
tonces las condicin necesaria. y suficiente de estabilidad es que los
menores complementarios de la matriz ji- Aj sean todos positivos,
es decir:

1- au
1- a11 >O,
1
-a21 -al2'
1-a22 >O '

1- au -a12 -a13
-a21 1- a22 -a2a >O, ... ,
-aa -a32 1- a33

1- au -al2 -aIn
-au 1-a22 -a:m
>0.
-a, -<>n> 1 -Bnn

2) Sea a; 2:: O.
La condicin necesaria y suficiente de estabilidad es que la ma-
triz ji- Aj tenga una diagonal dominante, es decir, que todos los coe-
ficientes de la diagonal principal sean positivos y existan n nmeros k,
i = 1, ... , n positivos tales que:
n
h;(l- a;;)> Eh;a;; (fila dominante)
,..
J=l
2, 3,0~_ _ _ _ _ _SISTEMAS DE E_C_V_A_C_IC?l\E_S_R_E_C_URRENTES DE PRIMER ORDEN
0
o
n
hi(l- ai) > Lhjaji (columna dominante)
j=l
;;ti

lo que es equivalente a que:

n
oh> Lhjaii
j=l

Las condiciones de estabilidad expuestas en estos apartados (1)

y (2) son equivalentes.
,3) Sea a,1 >O.
Formemos las n swnas:
n
8i=La,1 , j=1,2, ... ,n.
i--'1

Un conjnnto de condiciones estabilidad suficiente es que Sj no sea

mayor que la unidad y al menos una de ellas sea menor que la unidad.
4} Sea a;j ~ O.
Un conjunto de condiciones de estabilidad suficientes es que todas
las Sj definidas en el apartado anterior, sean menores que la unidad.
5} Sea aij O.
;:::
Una condicin suficiente de estabilidad es que la matriz A = ( a;j)
sea indescomponible (o irreducible).
6} Sean a;1 constantes arbitrarias. Formamos n sumas de valores abso-
lutos:
n
is;l = Lia~1 1, j = 1,2, ... ,n.
i~l

Entonces, un conjunto de condiciones de estabilidad suficientes es

que todru las ls1l sean menoreb que la unidad.
Esta condicin es anloga. a la expresada en el punto (4), donde
n n

cuando a,j 2 O.
CONDICIONES DE ESTABILIDAD 231

7) Sean a;; constantes arbitrarias y A irreducible. Entonces, un conjunto

de condiciones suficientes es que Js;J, definida anteriormente, no sea
mayor que la. unidad y a.l menos una de ellas sea menor que la unidad.
Esta condici6n es anloga a la expresada en el punto (5), pero se
enuncia para una mayor claridad.
8) Una condicin necesaria de estabilidad es que:
n

L~i <n.
i=l

9) Una condicin necesaria de estabilidad es que el determinante de A

sea menor que la unidad en valor absoluto.
10} Una condicin suficiente de inestabilidad es que todas las s;, defini-
das con anterioridad, sean mayores que la unidad.
En resumen, los epgrafes 1, 2 se refieren a oondiciones necesarias y
suficientes de estabilidad, los numerados del 3 a.l 7 a condiciones suficientes
y el 8 y 9 a condiciones necesarias. El epgrafe 10 se refiere a nna condicin
suficiente de inestabilidad.

4.1. Ejemplo
Sea el sistema homogneo:

1
zt+l = 2Yt + Zt.
Veamos si cumple algunas de las condiciones de estabilidad:
Condicin 1:
Condicin necesaria y suficiente de estabilidad es que:

1-au>O y ~1-an
-a21
-a,
1- a22
1 >o.

En nuestro caso:
3
3 1
1-- -1 1
2
1-- = --2 <0 y = - - <0
2 1 2
1-1
2
232 SISTEMAS DE ECUACIONES RECURRENTES DE PRJMER ORDEN

luego, no se cumplen las condiciones de estabilidad.

Condicin 8:
Condicin necesaria de estabilidad:
n
a.i <n .
.,}

En nuestro caso:
3 5
an + a22 = 2 + 1 = 2 > 2,
luego no se cumple la condicin de estabilidad.
Es conveniente que el alumno desarrolle, como ejemplo, el resto de las
condiciones.

5. SISTEMAS NO TOTALMENTE ESTABLES

5.1. Definicin y metodologa
Este tipo de sistemas, denominados tambin condicionalmente estables,
se caracterizan porque al menos una de las rafees de la ecuacin caracters-
tica es mayor que la unidad en valor absoluto, lo que implica que el sistema
pueda ser considerado como inestable.
Para obviar la citada situacin se arbitra un procedimiento basado en las
condiciones iniciales del sistema si, en su caso, han podido ser seleccionadas.
De esta fonna se puede pasar a un sistema estable condicionado a la posicin
inicial.
El procedimiento consiste en elegir entre los valores de las condiciones
iniciales aquellos en los que haya un modo de asociar una o varias constantes
arbitrarias a la raz o races inestables, hacindolas tender a cero.

5.2. Sistema homogneo de dos ecuaciones recurrentes con dos

incgnitas
Aunque el procedimiento es de utilizacin para sistemas homogneos de n
ecuaciones con n incgnitas en este apartado nos limitaremos, como ejem-
plo, al casO de sistemas homogneos de 2 ecuaciones con dos incgnitas.
Sea el sistema homogneo definido en (38):
Yt+l = anYt + a2Zt,
Zt+t = a21Yt + a22Zt,
CONDICIONES DE ESTABILIDAD 233

cuya solucin, cuando el discriminante de la ecuacin caracterstica. es

mayor que cero, es del tipo expresado en las frmulas (9)

Yt = o:A~ + ,BA~,
zt = aa' A~ + f.Jff A~,
donde
A2- a u
y (3' = .
""
Supongamos que IA1I < 1 y IA2I >l.
El procedimiento consiste en conocer las relaciones que los valores ini-
ciales deben satisfacer para que f3 = O.
Considerando en las frmulas (9) el valor de la posicin inicial, t = O,
obtenemos:

Yo= + (3,
Q
(47)
zo = O:Ct + (3(3'
1

f3'Yo- ZfJ zo-<>'Yo (48)

o:= {1'-o! yf.J={J, -a,.

Una condicin necesaria y suficiente para que f3 = O, es que:

zo- elYo= O, de donde a1 = ZO. (49)
Yo
Alternativamente, si suponemos que f3 = O de la primera ecuacin del
sistema (47) podemos determinar o: dado Yo- De la segunda ecuacin se
puede obtener, asmismo, que zo = YQ0: 1

5.3. Ejemplo
Sea el sistema homogneo expuesto en el apartado 4.1:

3
Yt+l = 2Yt + Zt,
1
Zt+l = 2Yt + zt,
234 SISTEMAS DE ECUACIONES RECURRENTES DE PRIMER ORDEN

cuya ecuacin caracterstica es:

1
que tiene por races >.1 = 2 y >.2 = 2.
La solucin del sistema ser de la forma:

Zt
(1)'
= aa:' 2 + f3{3'2t = -a: ; (1)' + 1 ;f32t,

siendo
,
a=
-a
=-
1 Y {3' = >..2- a u = ~.
a12 2
""
Considerando la posicin inicial del sistema obtenemos:

1AJ =a +{3,

de donde

" = "'Yo'---;;2=zoo: Y fl- 2(!10 + zo)

- 3 .
3
Una condicin necesaria y suficiente para que {3 = O, es que
Yo+.to=O.

Condicin que indirectamente se haba ya calculado al obtener e/ = -1,

sabiendo que a' = zo/Yo
Bajo esta relacin el sistema dado ser. estable condicionado a que:

yo+zo=O.
RESUMEN 235

RESUMEN

El contenido de este captulo hace referencia a la resolucin de algunos tipos

de sistemas lineales de ecuaciones recurrentes.
Para la resolucin de estos sistemas se han utilizado diversos mtodos
encaminados a encontrar sistemas equivalentes ms sencillos. En este sen~
tido, se han utilizado transformaciones matriciales, fundamentalmente, las
que hacen referencia a la reduccin de matrices, as como otras propiedades
de los espacios vectoriales.
Se han utilizado diversas definiciones y propiedades, algunas definidas
en este captulo sobre las ecuaciones recurrentes, como son los casos de
puntos de equilibrio y de estabilidad.
La metodologa ha sido la de inicialmente resolver sistemas de ecua-
ciones recurrentes de primer orden de doe ecuaciones con dos incgnitas
para pasar a continuacin a sistemas ms complicados. La resolucin, me-
diante ejemploe, del sistema homogneo y de las soluciones particulares,
debe aclarar la teora expuesta sobre estos temas.
Tambin, se han desarrollado mtodos de resolucin de sistemaB de n
ecuaciones recurrentes de primer grado con n incgnitas, tanto para el
sistema homogneo como de las soluciones particulares.
En el captulo se enumeran diversos criterios para determinar las con-
diciones de estabilidad de las soluciones de los sistemas de ecuaciones recu-
rrentes, sin necesidad de calcular los autovalores obtenido~! a partir de las
races de la ecuacin caracterstica.
Asimismo, se ha abordado el tema de loe sistemas homogneos no t~
talmente estables, para el caso de dos ecuaciones con dos incgnitas, eX-
poniendo un procedimiento de resolucin de las m.iSII1.8S.

BIBLIOGRAFA

G. GANDOLFO. Mathe.matica1 Methods in Eco.nomic Dynamics. North

Holland, 1996, ~da edicin.
D. G. LUENBERGER. Introduction to Dynamic Systems. 1979.
P. MICHEL. Cours de Mathmat.iques pour conomistes. conomica,
Pars, 1989, segunda edicin.
E. PRIETO. Lecciones Elementales de lgebra Lineal para Economfa
y Empresa. C.E.R.A., Madrid, 1999.
236 SISTEMAS DE ECUACIONES RECURRENTES DE PRIMER ORDEN

E. PRIETO et al.. Matemticas l. Economfa. y Empresa. (Teorfa.).

C.E.R.A., Madrid, 1988.
Sistemas de ecuaciones
diferenciales lineales de
primer orden
Javier Sanz Prez

INTRODUCCIN

En la modelizacin de problemas econmicos, la formulacin matemtica

utiliza frecuentemente ecuaciones que involucran a variables econmicas y
sus derivadas, es decir ecuaciones diferenciales. Adems, diferentes varia-
bles econmicas y sus derivadas se suelen relacionar entre s, por lo que los
modelos matemticos necesitan de la resolucin de sistemas de ecuaciones
diferenciales.

Cuando las funciones g1, . .. ,gn de (1) son iguales a cero el sistema
238 SISTEMAS DE ECUACIONES DIFERENCIALES Ll~EALES DE PRIMCR ORDEN

recibe el nombre de homogneo, en cualquier otro caso se habla de sistema

no homogneo.

Nota bene. El sistema (1) es de 'primer orden' pues slo aparecen en

l derivadas primeras y es 'lineal' pues cada ecuacin diferencial del sistema
es lineal en Yl 1 Yn 6.

En este captulo nos centraremos en la resolucin de sistemas de ecua-

ciones diferenciales donde las funciones an, ... , Unn sean constantes reales;
los llamados sistemas de ecuaciones diferenciales lineales de primer orden
con coeficientes constantes:

/,(t) ~ any(t) + a,y,(t) + +alnYn(t) + g(t),

J,(t) ~ a21 y 1(t) + any2(t) + + a2,y,(t) + g 2 (t),

Yn(t) ~ a,,y,(t) + ""'"'(t) + ... + OnnYn(t) + Yn(t).

EJEMPLO l. A continuacin recogemos varios sistemas de ecuaciones diff'.ren-
cial~ lineales de primer orden, todos ellos con coeficientes constantes:

y~ (t) =
y~(t) = -3y1(t) + 2y2(t) +3y3(t)- sen t,
y~(t)= YI(t)-6y:(t)+2y3(t)+6,

el siguiente e~~ un sistema homogneo:

y;(t) = y(t) + y,(t),

y;(t) = 3y,(t)- y,(t).
SISTEMAS DE ECUACIONES DIFERENCIALES 2X2 239

l. SISTEMAS DE ECUACIONES DIFERENCIALES 2x2

Un sistema de ecuaciones diferenciales lineal de primer orden 2x2 viene

dado por:

y'(t) = auy(t) + azz(t) + g 1 (t),

(2)
z'(t) ~ ay(t) + a,z(t) + g(t),
donde los coeficientes a11, ... , a22 son constantes reales y g, 92 funciones
reales de variable real.

Proposicin l. La solucin general del sistema de ecuaciones diferen-

ciales (2) se obtiene swnando a lUla solucin particular la solucin general
del sistema homogneo (el que resulta de hacer g 1 y 92 igual a cero).

De M:uerdo con el resultado de la proposicin anterior, para la resolu-

cin del sistema (2) debemos calcular previamente dos cosas: una solucin
particular y la solucin general del sistema homogneo. Comenc.emos ex-
plicando la resolucin del sistema homogneo.

1.1. &soluci6n del sistema homogneo

Consideremos el sistema homogneo:

y'(t) ~ ay(t) + a12z(t),

(3)
z 1(t) = azty(t) + az2z(t),

donde los coeficientes au, ... ,a22 son constantes reales.

A continuacin pasamos a comentar los mtodos de resolucin ms
usuales para este tipo de sistemas.

1.1.1. Mtodo de reduccin

Un primer mtodo para resolver el sistema (3) consiste en reducirlo a una

nica ecuacin en la que aparezca aolamente una funcin desconocida. Esta
reduccin es siempre posible mediante las siguientes transfonnaeionn; por
ejemplo, si la constante an es cJ.it.ltinta de cero, despejamos z en la primera
ccuacn:
1 1 an
z(t) ~-y (t)- -y(t), (4)
a12 a12
240 SISTEMAS DE ECUACIONES DIFERENCIALES LINEALES DE PRIMER ORDEK

y derivando, obtenemos:

1
z'(t) = - y''(t)- " 11 /(t), (5)
llt2 llt2

de manera que sustituyendo (4) y (5) en la segunda ecuacin del sistema

homogneo (3), se tiene:

auy'( t )
-1y"( t ) - - = a2rY (t ) + -
a22y'(t ) - ana22
- - y ()
t ,
a12 a12 a12 a12
o lo que es lo mismo:

y"(t)- (a u+ a22)y'(t)- (ar2a21- ana22)y(t) =O. (6)

De este modo, conseguimos una ecuacin diferencial lineal de segundo or-

den, que ya sabemos resolver, con lo que obtendramos y; para obtener z
solamente habra que sustituir el valor de y junto al de y' en la ecuacin (4).
En el supuesto de que a 12 sea igual a cero, entonces a2 1 debe ser distinto
de cero y se seguiran los mismos pasos despejaudo en este caso y en la
segunda ecuacin del sistema.

Nota bene. Si a 12 es igual a cero, entonces a2 1 debe ser distinto de

cero, en caso contrario no habrfa relacin entre las funciones que aparecen
en el sistema y se podra resolver cada ecuacin por separado. D.

El clculo de la solucin general de la ecuacin diferencial (6) se realiza

a partir de su ecuacin caracterstica:

(7)

Denotemos por A1 y >.2 las races de la ecuacin anterior; estas races podrn
ser reales y distintas, iguales y reales o complejas (conjugadas). Pasemos a
calcular la solucin general del sistema (3) en funcin de los valores de las
races A y A2.

i) Races reales distintas

En este caso, la solucin general de la ecuacin diferencial (6) es:

(8)

donde q y c2 son constantes reales arbitrarias.

SISTEMAS DE ECUACIONES DIFERENCIALES 2X2 241

Derivando la expresin anterior, obtenemos:

(9)

con lo que sustituyendo (8) y (9) en (4), se tiene:

z(t) = tCt e>. 1t + A2c2 e>.2t _ auct e>. 1 t _ anc2 e>.2t,

a12 a12 a12 a12

y agrupando trminos:

z (') = t- au >. t
cte 1
+ 2- au e2e >. 2 t (10)
a12 a12
De este modo, hemos obtenido con (8) y (10) la solucin general del
sistema homogneo (3).

ii) Races reales iguales

Si las races son reales e iguales: >.1 = >.2 = >., la solucin para y es:

y(t) ~ (c1 + c,t)e''', (11)

y derivando obtenemos:

y'(t) = e2e>.'t +>.(ct +c2t)e>.'t. (12)

Sustituyendo ahora (11) y (12) en (4) 1 se tiene:

z(t) = - 1- [c2 + >.(el + &.~t)]e>.'t- au (e 1 + e2t)e>.'t

a12 a12
>'t [c2 + ).. (ct + c2t)
=e - - e1 + e2t)] ,
a11 (
a12 a12

es decir:

Ahora bien, >. = !(an + a22), luego la igualdad anterior queda:

t
z () = [
(a22-an)c1+2c2
2a12
+ a22-a11
2
e2t
a12
l ,.,
e . (13)

De este modo, hemos obtenido con (11) y (13) la solucin general del
sistema homogneo (3).
242 SISTEMAS DE ECUACIONES DIFERENCIALES LINEALES DE PRIMER ORDEN

i) Races complejas
Si las races son complejas, es decir: >.1 = a+ iO y >.2 = a - i8,
entonces:

(14)

de donde
1/(t) = ae'10t(c1 cos8t +e sen Ot) + eo:t( -8c1 sen 8t + 8c2 cos8t)
(15)
= eat[( oc + Ocz) cos Ot + (acz - Oct) sen Ot].
Sustituyendo (14) y (15) en {4), obtenemos:

""
-a u eo:t(c cos(}t + c2 sen Ot)
+ 012 '
y reordenando trminos:

z (t ) =e"'[(o- a11 )c
a12
+ Oc2 cosvt+
n (a- an)cz- Oc senut
a12
11 l .
(16)
De este modo, hemos obtenido con (14) y (16) la solucin general del
sistema homogneo (3).

1.1.2. Ejemplos
A continuacin se recogen varios ejemplos de resolucin de sistemas de
ecuaciones diferenciales homogneos mediante el mtodo de reduccin.

EJEMPLO 2. Resolver el sistema homogneo:

y'(t) ~ 2y(t)- z(t),

(17)
z'(t) ~ 3z(t).
Deepejando z en la primera ecuacin, tenem01>:

z(t) ~ -y'(t) + 2y(t), (18)

y derivando, resulta:

z'(t) = -/'(t) +2y'(t). (19)

SISTEMAS DE ECCACIONES DIFERENCIALES 2X2 243

Sustituyendo ahora (18) y (19) en la segunda ecuacin del sistema (17), se tiene:

-y"(t) + 2y'(t) ~ 3(-y'(t) + 2y(t)),

con lo que obtenemos la ecuacin diferencial:

y"(t)- 5y'(t) + 6y(t) ~o,

que ya sabemos resolver, su ecuacin caracterstica es:

>.. 2 - 5A+ 6 =O,

y sus races:
A1 = 3, >.2 = 2,
con lo que la solucin del sistema homogneo (17), de acuerdo con (8) y (10), es:

y(t)=c1e 3t+c2e 21 ,
3-2 3t 2-2
z(t) = ----=-lc1e 2t 3t
+ ---=-c2e =-e e ,
siendo c1 y c2 constantes reales arbitrarias.
EJEMPlO 3. Resolver el sistema homogneo:

y'(t) ~ 3y(t) + '(t),

(20)
''(t) ~ -4y(t)- z(t).
Despejando z en la primera ecuacin, tenemos:

,1) ~ y'(t)- 3y(t), (21)

y derivando, resulta:

z'(t) = y"(t)- 3y'(t). (22)

Sustituyendo ahora (21) y {22) en la segunda ecuacin del sistema (20), se tiene:

y"(t)- 3y'(t) ~ -4y(t)- (y'(t)- 3y(t)), (23)

con lo que obteneiil06 la ecuacin diferencial:

y"(t) - 2y' (t) + y(t) = O,

que ya _sa"?elll08 resolver, su ecuacin caracterstica es:

>.. 2 - 2A+ 1 =0,

244 SISTEMAS DE ECUACIONES DIFERENCIALES LI:-.IEALES DE PRIMER ORDEN

y sus races:
>..t = >..2 = 1,
con lo que la solucin del sistema homogneo (20), de acuerdo con (11) y (13), es:

siendo Ct y c2 constantes reales arbitrarias.

EJEMPLO 4. Resolver el sistema homogneo:

y'(t) ~ y(t)- 2z(t),

(24)
z'(t) ~ 5y(t)- *l
Despejando z en la primera ecuacin, tenemos:

z(t) ~ -~y'(t) + ~y(t), (25)

y derivando, resulta:

z'(t) = -~y 11 (t) + ~y 1 (t). (26)

Sustituyendo ahora (25) y (26) en la segunda ecuacin del sistema (24), se tiene:

-~y"(t) + ~y'(t) ~ 5y(t)- (- ~y'(t) + ~y(t)),

con lo que obtenemos la ecuacin diferencial:

que ya sabemos resolver, su ecuacin caracterstica es:

>.. 2 +9=0,
y sus races:
At = 3i, A2 = -3i,
con lo que la solucin del sistema homogneo (24), de acuerdo con (14) y (16), es:

y(t) = c1 cos3t + c2 sen 3t,

-el + 3c2 -c2 - 3ct
z(t) = cos3t+ sen3t,
2 2
siendo c 1 y c2 constantes reale..s arbitrarias.
SISTEMAS DE ECUACIONES DIFERENCIALES 2X1 245

1.1.9. Mtodo directo

Consideremos de nuevo el sistema homogneo:

/(t) ~ auy(t) + a12z(t),

(27)
z'(t) ~ a 21 y(t) + a22z(t),
donde los coeficientes a u> ... 1 a22 son constantes reales.
Otro mtodo de resolucin es el 'mtodo directo> que consiste en intentar
directamente como soluciones del sistema las funciones:
y(t) = v 1 t>
(28)
z(t) = v2e>.t,
donde Vt y t12 son constantes reales no idnticamente nulas.
Sustituyendo (28) en {27)> se tiene:

Vt>.e>.t = auve>.t + a12v2e>.t,

v2>.e>.t = a21 Vt e>.t + a22v2e>.t,

de donde
eAt[(au- >.)vi+ a12v2] = 0>
(29)
e>.t[a21v1 + (a22- >.)v2] =O.
De este modo> las funciones que hemos considerado sern soluciones del
sistema homogneo (27) si y slo si:

{a u - ).)v + a2V2 = 0>

(30)
a21v1 + (a22- >.)v2 =O.
El sistema anterior tiene como solucin trivial:

V}= > V2 = 0,
que debemos excluir de acuerdo con las condiciones de partida. Como sabe-
mos, para encontrar las soluciones no triviales de un sistema homogneo
debe verificarse que su determinante asociad> sea igual a cero:

au->.
a21
a12
a22 - >.
I=O.
1

o lo que es lo mismo:
246 SISTEMAS DE ECUACIONES DIFERENCIALES LINEALES DE PRIMER ORDEN

es decir:

(31)

La. ecuacin anterior recibe el nombre de ecuaci6n caracterstica del

sistema de ecuaciones diferenciales homogneo (27).

Nota bene. La ecuacin es la misma que la obtenida en {7), lgico pues

el valor de >. debe ser el mismo independientemente del mtodo elegido para
resolver el sistema de ecuaciones diferenciales. l::.

Igual que en el primer mtodo, pasamos a calcular la solucin general

del sistema homogneo (27) en funcin de los valores de las races >.1 y >.2
de (31).

i) Races reales distintas

Supongamos que las races >.1 y >.2 de (31) son reales y distintas,
entonces tendremos dos soluciones para el sistema (30), una para cada
valor de>.. Denotemos por (v~l),v~ )) la solucin obtenida para >. 1
1

y por (v~ 2 ), v~2 )) la obtenida para >.2.

Para la raz >. = >. 1 , tenemos:

(32)

Si tomamos v~ 1 ) = 1, a partir de la p:rimera ecuacin del sistema se

tiene:
(1) _ >.1 - au
v, - (33)
""
Nota bene. De acuerdo con la segunda ecuacin del siet.ema:

v~l) = 21/(A- 2:;~),

ahora bien este valor coincide con (33) pues >.1 es raz de la ecuacin
caracterstica, ea decir:

con lo que
SISTEMAS DE ECUACIONES DlFERENCIALE.,Sc2cXc2~------ 247

De manera similar para>.= >.2, fijando v~ 2 ) = 1, obtenemos:

En resumen, la solucin obtenida para el sistema (27) con >. 1 es:

y la obtenida con >.z:

donde los valores v~l), ... , v~ ) son los calculados anteriormente.

2

Combinando linealmente estas soluciones con constantes arbitrarias

obtenemos la soluci6n general del sistema (27):

y(t) = CV~l)eAt + 0,1V~Z)eA2t,

z(t) = CV~l)e), 1 t + C2V~ )e.\ 2 t,
2

donde los valores e y cz son constantes reales arbitrarias.

Sustituyendo ahora el valor obtenido para cada v~j), tenemos:

eoluciones similares como es lgico a (8) y (10), las obtenidas con el

primer mtodo de resolucin.

Nota. En el caso de races reales distintas, la solucin del sistema

tambin suele escribirse en la forma equivalente:

y(t) = c 1 e;" t + c 2 e>.~t,

z( t) = eJ. e.l.' t + c2e.l.2t,

dond4"1 las constantes arbitrarias c1 , cz, e~, c2 vienen dadas por las rela-
ciooes:
,, ).1 - O.n
,,
_!
,, ~

>., ''"a, ' ,,-' (34)

""
248 SISTEMAS DE ECUACIONES DIFERENCIALES LIKEALES DE PRIMER ORDEN

ii) Races reales iguales

Si las races de la ecuacin caracterfltica son reales e iguales:
A= A2 =A*, entonces intentarnos corno soluciones:

y(t) =(el+ c2t)el,'t,

(35)
z(t) =(e'+ ~t)e>.'t,

donde los valores C1, c2, e; y~ son constantes reales arbitrarias.

Derivando (35), obtenernos:

y'(t) =(A* e+ c2 + A*c2t)e>.'t,

(36)
z'(t) = (A*c~ + d2 + A*ct)e>.'t,

y sustituyendo (35) y (36) en (27), resulta:

(A*r.t + r.2 + >.*c2t)e>.'t = an(ct + c2t)e>.'t + a 1 2(c~ + d:zt)'t,

(>.*d1 + 2 + ..\*ct)e>.'t = a:;n(ci + c2t)e>.'t + a22(c; + ct)e>.'t.

Dividiendo ahora por e>.'t, que siempre es distinto de cero, y orde

nando la expresin resultante, se tiene:

[(>.*- an)2- a12c]t + [(>.*- au)ct + c2- a12c;] =O,

[(>.*- a22)~- a21c2]t + [(>.*- a22)c; + c- a21ct] =O.
Ahora bien, las ecuaciones anteriores se verifican para cualquier t
si y slo si:
ex-
an)c2- at2C =o,
(>.* -an)c +c2 -a12d1 =O,
(>.*- a22)c2- a21c2 =O,
(>.*- an)c~ + c- a21c1 =O.
En consecuencia:
...1 ..\*-a11
<--:2 = 82, (37)
a,
_1 _ (..\*- a11)c + c2
el- ' (38)
a2

(39)

(40)
SISTEMAS DE ECUACIONJ::S DIFERENCIALES 2X2 249

Pero ). es raz de la ecuacin caracterstica, con lo que:

(41)

y por tanto (37) coincide con (39). Por otro lado, de las igual-
dades (41) y (37), se infiere:

y como ). es raz doble de la ecuacin caracterstica, es decir se

cumple..\* = (a 11 + an)/2, resulta: -(A*- a 11 ) = x- a22, con lo
que (38) coincide con (10).
En resumen, utilizando (37) y (38) para expresar c y e~ en ftmcin
de Ct y c2, y sustituyendo en (35), obtenemos:

soluciones similares como es lgico a (11) y (13), las obtenidas con el

primer mtodo de resolucin.

iii) Races complejas

Si las races de la ecuacin earacterstica son complejas, es decir:
.\1 =a+ iO y ..\2 =a- i(), entonces obtenemos como soluciones:

donde b1 y b2 son constantes arbitrarias.

Si denotamos (bt + ~)::: c1 y (bt- b2)i = c2, se tiene:
y(t) = eat [b1 cos()t + btisen Ot + ~ cos ()t- ~i sen ()tj
~ e"' [(b, + b,) co,et + (b, - b,)i "'" et] (42)
= eat(c1 cos ()t + c:2 sen Ot),
250 SISTEMAS DE ECUACIONES DIFERENCIALES LINEALES DE PRIMER ORDEN

y por otro lado:

z( t) = "t [ (a-:~~)+il1 (bt cos Ot + ib1 sen Ot)+

+ (a-:~~}-W (b2 cos Ot ~ ib2 sen (Jt)]
= e ca [ (a-aH)(bt ~~!)+iO{b -6:!) cos Ot+

+ (a-au)(b ~~~)+il1(bt +lr.!)i sen Ot] (43)

= ec.t [<a-an}(b+bz)+l1(b-b2)i cos()t+

"" )(b-b2)i+i2l1(b H2) sen (}t]
+ (c.-all
""

De este modo, hemos obtenido con ( 42) y ( 43) la solucin general del
sistema homogneo (27), soluciones similares como es lgico a (14)
y (16), las obtenidas con el primer mtodo de resolucin.

1.1.4. Ejemplos
A continuacin se recogen varios ejemplos de resolucin de sistemas de
ecuaciones diferenciales homogneos- mediante el mtodo directo.

EJEMPLO 5. Resolver el sistema homogneo:

y'(t) ~ y(t) +3,(t),
(44)
,'(t) ~ 5y(t) + 3'(t).

La ecuacin caracterstica del sistema, de acuerdo con (31), es igual a:

>. 2 -4>.-12=0,
y sus races:
).1 = -2, ).2 = 6.
Al ser distintas, la solucin general del sistema (44) viene dada por:

y(t) = c1 e- 2 t +c2t,
z(t) = cie- 2
t + c~ 1
,

donde los valores e~ y e~ vienen dados, de acuerdo con (34), por:

1 -2- 1
e1 = - - c l = -e1,
3
SISTEMAS DE ECUACIONES DIFERENCIALES 2Xl 251

En conclusin, la solucin general es:

y(t) = Cte-2t +c2e6t,
z(t) = -ce-2t + ic2e6t,
donde los valores c1 y c2 son constantes reales arbitrarias.

EJEMPLO 6. Resolver el sistema homogneo:
y'(t) ~ 3y(t)- *),
(45)
''(t) ~ y(t) +z(t).
La ecuacin caracterstica del sistema, de acuerdo con (31), es igual a:
2
,\ -4,\+4=0,
y sus races:
,\ = ,\2 = 2.
Al ser iguales, la solucin general del sistema (45) viene dada por:
y(t) = (c 1 + c2 t)e 21 ,
z(t) =(e~ ..... c!Jt)e 2 t,
donde los valores e; y c2 vienen dados, de acuerdo con {37) y (38), por:
, 2-3 , (2-3)ct+c 2
c2 = -:::--c2 = C, c1 =
1
= Ct- c2.
En conclusin, la solucin general es:
y(t)=(c 1 +c2t)e 2t,
z(t) = [c 2 - (c 1 - c2 )t]e2 t,
donde l01> valores Ct y c2 son constantes reales arbitrarias.

EJEMPLO 7. Resolver el sistema homogneo:
y'(t) ~ _,(t),
(46)
z'(t) ~ y(t).
La ecuacin caracterstica del sistema, de acuerdo con (31), es igual a:
2
,\ +1=0,
y sus races:
), = i, ,\2 = -i,
con lo que la solucin general del sistema homogneo (46), de acuerdo con (42)
y (43), es:
y(t) = c1 cost + c2 sen t,
z(t) = -c2cost+c1sent,
donde los valores c1 y c2 son constantes reales arbitrarias.
252 SISTEMAS DE ECUACIONES DIFERENCIALES LINEALES DE PRIMER ORDEN

1.2. Soluc6n particular

Consideremos el sistema de ecuaciones diferenciales lineal de primer or-
den 2x2:
y'(t) ~ any(t) + auz(t) + g1 (t),
(47)
z'(t) ~ a, 1 y(t) + a22 z(t) + gz(t).
De acuerdo con la proposicin 1 (cf. pg. 239), la solucin general del
sistema de ecuaciones diferenciales (47) se obtiene sumando a nna solu-
cin particular la solucin general del sistema homogneo correspondiente
(el que resulta de hacer 91 y fJ2 igual a cero).
En las secciones anteriores hemos estudiado el clculo de la solucin
general del sistema homogneo, ahora debemos encontrar una solucin par-
ticular del sistema no homogneo (47); para ello utilizaremos el mtodo de
coeficientes indeterminados.
Para simplificar, ilustraremos el mtodo en llll sistema donde las fun-
ciones 9 1 y 92 sean constantes, es decir:

y'(t) ~ + a1 ,z(t) + b,
any(t)
(48)
z (t) = a21y(t) + a;nz(t) + b2,
1

siendo b1 y b:J constantes reales.

Denotemos la solucin particular del sistema anterior mediante barras:

y, z.
Como solucin particular intentamos:

f}(t) = Wt 1 i(t) = W2,

donde w y w2 son constantes reales a determinar; sustituyendo en el sis-
tema (48) y reordenando las ecuaciones, se tiene:

anw + a12w2 = -b,

(49)
a21w1 + a22w2 = -~,

con lo que:

(50)
SISTEMAS DE ECUACIONES DIFERENCIALES 2X2 253

Nota bene. S el sistema (49) no es compatible determinado, entonces:

aua121 = aua22- a12a21 = 0,

l a21 a22

e intentaramos como solucin partcul8I':

donde w11 , ,w22 son constantes reales a determn8I'.

EJEMPLO 8. Resolver el sistema:

y'(t) ~ 2y(t)- ,t) + 1,

(51)
'(t) ~ y(t) -l.

Para su resolucin calculamos la solucin genera.! del sistema homogneo y una

solucin p8Xtcular del sistema no homogneo; la solucin general del sistema (51)
ser la suma de ambas.

) Resolucin del sistema homogneo

El sistema homogneo es:

y'(t) ~ 2y(t)- (t),

(52)
'(t) ~ y(t),
cuya ecuacin caracterstica,

A2 - 2>.. + 1 =0,

tiene como races:

>..1 = A2 = 1,
luego la solucin general del sistema homogneo (52) viene dada por:

y(t) = (c1 + c2t),

(53)
- c2) + c2t]e ,
1
z(t) = [(c1

donde los valores c1 y c2 son constantes reales 8I'btrarias.

ii) Solucin partcul8I'

Para calcular una solucin particular del sistema. no homogneo (51) usamos
el mtodo de coeficientes indetermnadoo, es decir ensa.yamoo como solucin
del sistema:
jj(t) = W, Z(t) = w 2 ,
254 SISTEMAS DE ECUACIONES DIFERENCIALES LINEALES DE PRIMER ORDEN

donde w1 y w2 son constantes reales a determinar. Sustituyendo en el sis-

tema (51), se tiene:
2w1-Wz = -1,
W1 = 1,
y por tanto:

y(t) ~ 1, '(') ~ 3. (54)

iii) Solucin general del sistema

La solucin general del sistema (51) ser la suma de (53) y (54), es decir:

y(t) =(el+ czt)et + 1,

z(t) = [(el - Cz) + Czt]e 1+ 3,

donde los valores e1 y ez son constantes reales arbitrarias.

Finalmente) la determinacin de las constantes c1 y c2 que aparecen
en la solucin general del sistema de ecuaciones .diferenciales requiere del
conocimiento de una serie de condiciones adicionales, las denominadas conr
diciones iniciales, que indican el valor de las funciones y) z del sistema
en un determinado momento, normahnente t = O (de ah el nombre de
condiciones iniciales).

Nota. El problema de valor inicial admite una nica solucin: para

cada YrJ, zo existe una nica solucin con y(to) = 1J0 1 z(to) = zo. 1::.
SISTEMA DE ECUACIONES DIFERENCIALE S~N~X~N,__ __
0 255

EJEMPLO 9. Resolver el problema de valor inicial:

y'(t) ~ 2y(t)- '(') + 1,

''(t) ~ y(t) -1, (55)
y(O) ~ 2, ,(0) ~O.

Este sistema de ecuaciones diferenciales coindice con el resuelto en el ejemplo 8,

con lo que su solucin general es:

y(t) = (e + c2t)ee + 1,
z(t) =[(e - c2) + c2t] + 3,
con c 1 y c2 constantes reales arbitrarias.
Sustituyendo las condiciones iniciales en la solucin obtenida, resulta:

y(O) = 2, luego 2= Ct + 1 => Ct = 1,

z(O)=O, luego 0=c 1 -c2+3~c2=4.

En conclusin, la solucin general del problema de valor inicial (55) es:

y(t) = (1 + 4t)et + 1,
z(t) = !-3 + 4tj + 3.

2. SISTEMA DE ECUACIONES DIFERENCIALES nxn

Un sistema de ecuaciones diferenciales lineal de primer orden nxn viene

dado por:

/(t) ~ au(t)y,(t) +a,(t)112(t) + + a,n(t)yn(t) + g,(t),

/,(t) ~ a,.(t)y(t) + a22(t)112(t) + + 02n(t)yn(t) + g,(t),
(56)
/n(t) ~ an,(t)y,(t) + D.n2(!)1J2(!) + + D.nn(t)yn(t) + 9n(t),
donde a11, ... , ann y 91, ... , 9n son funciones reales de variable real. Cuan-
do las funciones 91, ... , 9n son iguales a cero el sistema recibe el nombre
de homogneo, en cualquier otro caso se habla de sistema no homogneo.

Nota bene. El sistema (56) es de 'primer orden' pues slo aparecen en

l derivadas primeras y es 'lineal' pues cada ecuacin diferencial del sistema
es lineal en y, ... ,Yn 6.
256 SISTEMAS DE ECL'ACIOJ\ES DIFERENCIALES LINEALES DE PRIMER ORDEN

Recuerde que en este captulo nos centramos en la resolucin de sistemas

de ecuaciones diferenciales donde an, ... , ann son constantes reales; los lla-
mados sistemas de ecuacione.i diferenciales de primer orden con
coeficentes constantes:

Jh(t) = anYI(t) + a12Y2(t) + .. +alnYn(t) + g(t),

Y(t) = a21Y1(t) + a22Y2(t) + + U2nYn(t) + 92(l), (57)

y~(t) ~ an,y,(t) + a,.m(t) + + annYn(t) + Yn(t).

Antes de analizar los mtodos de resolucin de este tipo de sistemas es

conveniente su representacin en notacin matricial, si denotamos:

y, (t) a, g, (t)
Y2(t) au a, a,.)
a,. g,(t)
Y(t) ~

Yn(t)
A~

C' .

a., a.,
.
ann
, G(t) ~

g.(t)

entonces el sistema (57) puede expresarse de la forma:

Y'(t) ~ AY(t) + G(t). (58)

EJEMPLO 10. A continuacin recogemos varios sistema.'! de ecuaciones diferen-

ciales 3x3:

el siguiente es un sistema homogneo:

SISTEMA OE ECUACIONES DIFERENCIALES NXN _ _ _ _ __.257

EJEMPlO 11. Consideremos el sistema de ecuaciones diferenciales:

YW) = -Y1 (t) + Y2(t),
y2{t) = Y1 (t) + 2y2( t) + YJ( t),
y3(t) = Jy2(t)- y3(t),

es decir, en notacin matricial:

~
-1
Y'(t) ~ : :) Y(t). (59)
( 3 -1
Comprobemoo que las siguientes matrices columna:

son soluciones del sistema (59).

Se verifica:

(60)

y por otro lado:

258 SISTEMAS DE ECUACIONES DIFERENCIALES LINEALES DE PRIMER ORDEN

En consecuencia, de (60) y (61), se tiene:

y en conclusin: Z1 (t) es solucin de (59).

Razonando de manera anloga, se comprueba que Z2(t) y Z3(t) son tambin
soluciones del sistema (59).

Proposicin 2. Thda ecuacin dikrencial lineal de orden n:

aov'"(t) + a,y<-'(t) + a,y<-'(t) + + .__,y'(t) + a.y(t) ~ g(t), (62)

donde ao, a 11 ... ,a.. son constantes reales y g una funcin real de variable real,
puede ser reducida a la forma (58).

Demostracin. Si definimos un conjunto de nuevliS variables Yt, ... ,1Jn-I de ma-

nera que:
y'= Yt,
Yt =712,

M.-2 =Yn.-1>

entonces 71~-l =y(", y por tanto la ecuacin (62) puede escribirse de la forma:

a..
!1. _,(t) ~ --y(t)- a...-1 a2 a1
-y,(t)- ... - - .. _,(t)- -y,_,(t)
g(t)
+- ,
" ao ao ao ao ao
con lo que obtenemos el sistema:

Y'(t) ~ AY(t) + G(t), (63)

donde:

y o 1 o o o
o o 1 o o
Y(t) ~
"' A~ G(t) ~

Yn.-2 o o o 1 o
=<!& ~
-<>ft-2 .._
1/n.-1
""'"
~ ~

c.Q.D.
SISTEMA DJ:: ECUACIONES DIFERE:-.J:CIALES NXN 259

Nota bene. La importancia de este resultado radica en el hecho de

que las soluciones se transmiten de (62) a (63), y viceversa. As, si y es la
solucin general de (62), entonces:

:, ) ser la solucin general de (63).

(
y(~->
Y recprocamente, si la solucin general que conocemos es la del sistema (63):

entonces su primer trmino: Yt, ser la solucin general de (62).

EJEMPLO 12. ConBideremos la ecuacin diferencial lineal de orden 3:

y 11'(t)- 4y 11 (t)- 5y'(t) =o. (64)

Su ecuacin caracterstica es:

>.3- 4>.2- 5>. =o,

y sus races:

con lo que la solucin general de (64) es igual a:

y(t) = c1 + Cze-c + c3 1, con c1 , c 2 , c3 constantes reales arbitrarias.

Apliquemos el resultado de la proposicin anterior en la ecuacin diferen-

cial (64). Si definimos un <:onjunto de nuevas variables y 1 , Y2, de manera que:

1
Y =Y1,
Yi = Y2,

entonces Y2 =y"', y por tanto la ecuacin (64) puede escribirse de la forma:

260 SISTEMAS DE ECUACIONES DIFERENCIALES LINEALES DE PRIMER ORDEN

con lo que obtenemos el sistema:

Y'(t) = AY(t) + G(t), (65)
donde:
o o)
Y(t) = ( : ) , A=
(o
1
O O 1
5 4
,
G(t) =m
Puesto que la solucin general de la ecuacin diferencial (64) "es:
y(t) = c1 + c2e-t + cae5 t, con c 1 ,c2, ca constantes reales arbitrarias,
la solucin general del sistema (65) ser, de acuerdo con la proposicin 2:

Y(t) =o, m+o, (-:) ,- +o,(;,) '.

siendo c1 , c2, ca constantes reales arbitrarias.

Nota bene. El primer trmino de la solucin general del sistema (65)
es la solucin general de la ecuacin diferencial inicial (64). 6.

Consideremos el sistema de ecuaciones diferenciales

Y'(t) = AY(t) +G(t), (66)
donde se sigue la notacin reseada al inicio de la seccin (cf. pg. 256).

Proposicin 3. La solucin general del sistema de ecuaciones diferenciales (66) se

obtiene sumando a una solucin particular la. solucin general del sistema homo-
gneo (el que resulta de hacer G igual a cero: G = 0).
Demostracin. Sea Z una solucin arbitraria de (66). Se verifica: Z - Yp es
una solucin del sistema homogneo, donde Yp es una solucin particular de (66).
En efecto:
(Z- Y,)'= Z'- Y;= (AZ + G) -(AY,+ G) = A(Z- Y,).
En consecuencia: Y = Z- Yp es una solucin del sistema homogneo y Z = Y+ Yp.
Recprocamente, sea Y una solucin arbitraria del sistema homogneo.
Se verifica: Y+ Yp es una solucin de (66). As es:
(Y+ Yp)' =Y'+ v; =AY+ (AYP + G) = A(Y + YP) + G. C.Q.D.

De acuerdo con el resultado de la proposicin anterior, para la resolucin del

sistema (66) debemos calcular previamente d06 cosas: una solucin particular y
la solucin general del sistema homogneo. Comencemos explicando la resolucin
del sistema homogneo.
SISTEMA DE ECUACIONES DIFERENCIALES NXN 261

2.1. Resolucin del si.Btema homogneo

Con~ideremos el sistema homogneo:

Y'(t) ~ AY(t), (67)

donde A es una matriz real de orden (n, n).

Proposicin 4. S'i Z 1 ( t), . .. , Zn ( t) son soluciones arbitrarias del sistema anterior,

eiJionces:

c 1 Z(t) + + CnZn(t) es tambin una solucin del sistema,

para c 11 , Cn constantes reales arbitrarias.

Demostr<Jcin. Si Z 1 (t), ... ,Zn(t) son soluciones de (67):

z;(t) = AZi, para i E {1, ... ,n},

y por tanto, Re verifica la siguiente cadena de ignaldades:

(c 1 Z 1 (t) + ... + c,.Z,.(t))' = c 1 Z; (t) + ... + c,.Z~(t)

= CAZ (t)+ '' + CnAZn(t)
= A(cZt(t) + ... -,-cnZn(t)).

En conclusin: CtZt(t) + + cnZ,.(t) es solucin del sistema (67). C.Q.D.

EJEMPLO 13. Consideremos el si~tema de ecuaciones diferenciales del ejemplo 11

(cf. pg. 257):

-1
~) Y(t).
1
Y'(t) ~ ~ 2 (68)
( 3 -l

Comprobemos qne es solucin del sistema anterior la matriz columna:

donde

z,(t) ~ l:11) ',

262 SISTEMAS DE ECUACIONES DIFERENCIALBS LINEALES DE PRIMER ORDEN

Se verifica:

(Z,(t)- Z,(t) + Z3(t))' ~ Zi(t)- Z2(t) + Zj(t)

~ U),-- m,,+ C~) -". (69)

y por otro lado:

{70)

En consecuencia, de (69) y (70), se tiene:

(Z,(t)- z,(t) +Zs(t))' ~ A(Z,(t)- Z,(t) +Zs(t)),

y en conclusin: (Z1 (t)- Z 2 (t) + Z3(t)) es solucin de (68).

De acuerdo con la propooicin 4, el conjunto de soluciones de un sistema de
ecuaciones diferenciales homogneo es un espacio vectorial, nuestro objetivo ahora
ser determinar una base del mismo.

Nota bene. El nmero n de soluciones en un conjunto fundamental

debe ser exactamente igual al orden de la matriz A del sistema. 6.
SISTEMA DE ECUACIONES DIFERENCIALES NXN 263

EJEMPLO 14. Calculemos un conjunto fundamental del sistema de ecuaciones

diferenciales:
-1

~
1
Y (t) = 21 1 Y(t),
")
( 3 -1

en notacin matricial:

Y'(t) ~ AY(t). (71)

En primer lugar, como la. matriz A del sistema es cuadrada de orden 3, debemos
buscar exactamente 3 soluciones linealmente independientes.
Consideremos las matrices columna:

De acuerdo con el ejemplo 11 (cf. pg. 257}, tenemos que Z 1, Z 2 y Za son

soluciones de (71).

Nota. Las soluciones Z 1 (t), ... , Z~o(t) de un sistema de ecuaciones

diferenciales lineal homogneo son linealmente independientes si y slo si
existe un momento t* de manera que:

''""' (Z,(t) 1 . 1 z,(t)) ~k.

En nuestro caso, como en t = O se verifica:

-1 1
rango(Z1 (0) 1 Z2(0) 1 Za(O)) =rango ~ 4
(
3

entonces:
Zt (t), Z2(t), Za(t) son linealmente independientes,

y en consecuencia:

{Z1(t), Z2(t), Za(t)} es un conjunto fundamental de soluciones del sistema (71) .

264 SISTEMAS DE ECUACIONES DIFERENCIALES LINEALES DE PRIMER ORDEN

Nota bene. De acuerdo con los comentarios anteriores:

w(t) ~ (-~- es una matriz fundamentaL

,-
Adems, existen una infinidad de matrices fundamentales, tantas como con-
juntos fundamentales podamos encontrar. Por ejemplo:

zz, (t), z,( t), z,(t)}

tambin es un conjunto fundamental de soluciones, y por tanto otra matriz
fundamental del sistema ser:

(2Z,(t) 1 z,(t) z,(t)).

Proposicin 5. Si {Z1 (t), ... , Zn(t)} es un conjunto fundamental de soluciones del

sistema (67), entonces se verifica:

ctZt (t) + + c..Zn(t) es la solucin general de (67),

siendo c 1 , . , Cn constantes reales arbitrarias.

Demostracin. El conjunto de soluciones del sistema homogneo (67) es un espa-

cio vectorial de dimensin n y {Z1 (t), ... , Zn{t)} un conjunto de exactamente n
soluciones linealmente independientes del sistema, en consecuencia:

Z 1 (t), ... ,Zn{t) forman una base.

C.Q.D.

Nota bene. La solucin general del sistema (67) puede ser escrita en
trminos de una matriz fundamental llr{t), de la forma:

Y(t) ~ w(t)C,

donde Ces una matriz columna de orden (n, 1) cuyos trminos son constantes
reales arbitrarias:

e ~ (~.:)'
~ con e, ... ,o,. oon3tant" <eah
SISTEMA OC ECllACIONES DIFFREl\CJAl.ES NX,.V 265

EJEMPLO 15. Calcular la solucin general del sistema de ecuaciones diferenciales:

~) Y(t).
-1 1
Y'(t) ~ : 2 (72)
( 3 -1

De acuerdo con el ejemplo 14 (d. pcg. 263), un conjunto fundamental de

soluciones del sistema es el siguiente:

En com;ccucncia, la solucin general de (72) es igual a:

con C, (;2, C3 constantes reales arbitrarias.

A continuacin, pa.<iamos a comenlar los mtodos de resolucin m.s usuales
para sistemas homogneos.

2.1.1.Mtodo de reducci6n
Consideremos el sistema homogneo:

Y'(t) ~ AY(t), (73)

donde A es una matriz real de orden (n,n).
La generalizacin del mlodo de reduccin visto tm sistemas homogneos 2x2 a
sistemas homogneos nxn consiste en reducir (73) a una nica ecuacin diferencial
de orden n en la que aparezca solamente una funcin desconocida.

EJEMPLO 16. Resolver el siguiente sistema homogneo ut.ili;r.ando el mtodo de

reduccin:

Y'(t)~ (
2
: -1 :) Y(t). (74)
-1 -2 -1
En primer lugar, el sistema (71) se puede escribir de la forma:

y;(t) = y(t) -r Zy2(t) -1-yJ(t),

y~(t) = 6y(t)- y2(t), (75)
y3.(t) = -Yt(t)- 2Y:;J(t)- y3(t).
266 SISTEMAS DE ECUACIONES DIFERENCIALES LINEALES DE PRIMER ORDEN

El mtodo de reduccin consiste en reducir el sistema anterior a una nica

ecuacin diferencial de orden 3 en la que aparezca solamente una funcin descono-
cida (en nuestro caso intentaremos que sea Y2)
Despejando y 1 en la segunda ecuacin, tenemos:

t)- y2(t) +y,(t)

Yt ( - , (76)
6
y derivando, resulta:

y;(t) = y({(t) +v2(t). (77)

6

Sustituyendo (76) y (77) en la primera ecuacin del sistema (75), se tiene:

y~(t)+y~(t) = Y2(t)+Y2(t) +2 (t)+ (t)

6 6 2 Y3

con lo que:

y~(t)- 13y,(t)
()
y3t= , (78)
6

y derivando:

'(t)- YU'(t)- 13y2(t) (79)

Y3 - 6

Sustituyendo ahora (76), (78) y (79) en la tercera ecuacin del sistema (75) obte-
nemos la ecuacin diferencial:

y~'(t) +y~(t) -12y~(t) =o, (80)

que ya sabemos resolver, su ecuacin caracterstica es:

>. 3 +>. 2 -12..\.=0,

y sus races:
At =0, ..\.2 = 3, ..\a= -4,
con lo que la solucin general de la ecuacin diferencial (80) es:

siendo c 1 , c2, c3 constantes reales arbitrarias.

SISTEMA DE ECUACIONES DIFERENCIALES NXN 267

Sustituyendo el valor de 112 en (76) y (78) obtenemos el valor de y1 y 113,

respectivamente. En concreto:

(81)

En conclusin, la solucin general del sistema homogneo {74) es:

siendo Ct, c:a, ca constantes reales arbitrarias.

Nota bene. Se verifica: {Z1 (t),Z2(t),Z3(t)} es un conjunto fundamen-
tal de soluciones del sistema (74), donde:

La aplicacin del mtodo de reduccin en sistem&l homogneos nxn es una

tarea laboriosa conforme se incrementa el nmero de ecuaciones. Dado que las
soluciones del sistema homogneo vienen determinadas unvocamente por las rafees
de la ecuacin caracterstica, es preferible en general aplicar otro mtodo de reso-
lucin.

2.1.2.Mtodo directo
ConsideremOB el sistema homogneo:

Y'(t) = AY(t), (82)

donde A es una matriz real de orden (n, n).
La generalizacin del mtodo directo visto en sistemas homogneos 2x2 a sis-
temas homogneos nxn consiste en intentar como posible solucin de {82) la si-
guiente:
268 SISTEMAS DE ECUACIONES DIFERENCIALES LINEALES DE PRIMER ORDEN

siendo v 1 , , v,. constantes reales.

Sustituyendo este tipo de solucin en (82), se tiene:

>.Ve'-t=AVe"',

es decir

igualdad que se verifica para cualquier t si y slo si:

(A- >.l)V ~O,

y este sistema homogneo tiene soluciones no triviales (V =F O) si verifica:

(83)

Expandiendo el determinante anterior obtenemos un polinomio en >. de orden n,

y la ecuacin resultante es la ecuacin camcterstica de la matriz A:

>."- d1 >."- 1 + + (-l)"+rd,.K +. + (-l)"+ld,._). + (-l)"d,. =O, (84)

donde

dt = 2:~= 1 au,
d2 =
suma de todos los menores complementarlos de segundo orden de la
matriz A,

d,. = suma de todos los menores complementarios de orden r de la

matriz A.
Es decir, la suma de los r!(nn! r)! menores complementarios de A,
d,~jAj.

Nota. Cada raz >. de {84) es un valor propio de la matriz A, y las

matrices no nulas del subespacio vectorial:

L~ {V 1 AV ~>.v),

los vectores propios de la matriz A asociados al valor propio >..

El siguiente resultado nos indica c6mo obtener la solucin general del sistema
homogneo (82) a partir de las n rafees >.1 , >.2, ... , >.,. de la ecuacin (84). Re-
cuerde que nuestro objetivo es encontrar un conjunto fundamental de soluciones.
SISTEMA DE ECUACIONES DIFERENCIALES NXN 269

Proposicin 6. Si la matriz A tiene n valores propios distintos Al> ... , An,

con Vt, ... , Vn vectores propios asociados, entonces:

es un conjunto fundamental de soluciones del sistema homogneo (82),

y por tlillto su solucin general os:
Y(t) = C Ve>.,t + + Cn Vne>.nt 1
donde c1 , . , c., son constlilltes reales arbitrarias.

Nota bene. La proposicin no nos indica el conjunto fundamental de

solucione::~ cuando existen races repetidas en la ecuacin caracterstica. t::;.

EJEMPLO 17. Resolver el sistema homogneo:

~( ~) Y(t).
2
Y'(t) : -1 (85)
-1 -2 -1

La ecuacin caracterstica, de acuerdo con (83), es igual a:

1->. 2 1
6 -1-A o ~o

-1 -2 -1- A
y desarrol!ando el determinante, obtenemos:

-A 3 - A2 + 12A =O,
con lo que sus races son:

Al ser distintas, la solucin general del sistema (85) viene dada por:

Y(t) =e Vt...:.. c2V2e 3t + C3 Vae- 41

donde c1 , c2, c3 son constantes reales arbitrarias y V1 , V2, V3 soluciones no nulas
del sistema:

(A- A,;l)V; = 0, donde i E {1, 2, 3}. (86)

Nota. De acuerdo con nuestros datos, el sistema (86) e.'l:

2
-1- A, 1 )
O l'i=O, (o) con i E {1, 2, 3}. (87)
-2 -1- A, O
270 SISTEMAS DE ECUACIOI\ES DIFERENCIALES LII\EALES DE PRIMER ORDEN

Para la raz >. 1 =O el sistema (87) se transforma en:

~ ~~ ~) v, ~ (~)o '
( -1 -2 -1

y su solucin es:

En consecuencia: V1 es cualquier matriz no nula del conjunto anterior.

Tomando por ejemplo k 1 = 1, se tie~;te:

v,~(~)~13
(88)

Para la raz >.2 = 3, el sistema (87) se transforma en:

( ~~
-1
~: ~) VF (~) ,
-2 -4 o
y su solucin es:

En consecuencia: V2 es cualquier matriz no nula del conjunto anterior.

Tomando por ejemplo k2 = 1, se tiene:

(89)

Para la raz >. 3 = -4, el sistema (87) se transforma en:

SISTEMA DE ECUACIONES DIFERENCIALES NXN 271

y su solucin es:

En consecuencia: V3 es cualquier matriz no nula del conjunto anterior.

Tomando por ejemplo ks = 1, se tiene:

(90)

De (88), (89) y (90), obtenemos un conjunto fundamental de soluciones:

En conclusin, la solucin general del sistema homogneo (8)5) es:

donde c1 , c2, c3 son constantes reales arbitrarias.

Nota bene. La solucin coincide con la que se obtuvo con el mtoclo de
reduccin en el ejemplo 16 (cf. pg. 265); basta tomar: k1 = 1/6, k2 = 2/3
yk3=-1/2. A

EJEMPLO 18. Resolver el sistema homogneo:

Y'(t)~ ( ~
1
o :) Y(t). (91)
-1 -1 -3

La ecuacin caracterstica es igual a:

con lo que sus races son:

At=-1, .>.2=-l+i, .>.3=-l-i.

272 SISTE~tAS Db: ECUACIONES DIFERENCIALES LINEAl .ES DE PRI'VIER ORDEN

Al ser distintas, la solucin general del sistema (91) viene dada por:

Y( t) = c 1 V1 C 1 + c2 V2 e( -l+,)t .--,--- c V e( -l-i)t.

3 3

donde e, c2 , CJ ~on constante." realeH arbitrarias y V1 , V2 , V3 ~o luciones no nulas

del sistema:

(A-A;l)V,=O, dondeiE{1,2,3}. (92)

Nota. De acuerdo con nueRtros datos, el sistema (92) es:

( -~,
-1
-A,
-1
:
-3-A,
) V,~ (~),
O
coo i E {1,2,3}. (93)

Para la raz A1 = -1 el sistema (93) ~e transforma en:

y su solucin es:

En consecuencia: V es cualquier matriz no nula del conjnnto anterior.

Tomando por ejemplo k 1 = -1, se tiene:

(94)

Para la raz ..\2 = -1 + i, el sistema (93) se transforma en:

v,~ (~),
1
1- i :)
-1 -2-1 o
y su solucin es:
SISTEMA DE Ell.'AC!ONES DTFFRFJXCTALFS VX.\' 273

En consecuencia: V2 es cualquier matriz no nula del conjunto anterior.

Tomando por ejemplo k2 = -1, se tiene:

(95)

Para la raz ..\3 = -1 - i, el sistema (93) se transforma e u:

1
1-i
-1

y su solucin es:

En consecuencia: V3 es cualquier matriz no nula del conjunto anterior.

Tomando por ejemplo k3 = -1, se tiene:

(96)

En conclusin, de (94), (95) y (96), la solucin general del si..o;t.ema homog~

neo (91) es:

donde c 1 , c2, C3 son constantes reales arbitraria..<;.

Como hemos visto en el ejemplo anterior, en el caso de races complejas
conjugadas, si ..\ = a + iO y ). = o: - i!J son valores propios de la matriz A,
las soluciones linealmente independientes a escoger son:

(97)

donde V y V son los vectores propios asociados, es decir: AV ..\V

y AV = >.V. Ahora. bien, las matrices (97) son complejas, por lo que es con-
veniente elegir otms soluciones que sean reales.
274 SISTEMAS DE ECUACIONES DIFEREJ\CIALES LINEALES DE PRIMER ORDEN

Si VeM = W 1 +iW2 , entonces se verifica;

W1 y W 2 son soluciones linealmente independientes (reales).

EJEMPLO 19. Resolver el sistema homogneo:

~( ~
1
Y'(t) o :) Y(t). (98)
-1 -1 -3

De acuerdo con los resultados del ejemplo 18 (cf. pg. 271), tenamos como
races:

y como conjunto de soluciones linealmente independientes;

Ahora bien:

-oot ) ( _,.,, )
= -cost+sent e-'+i -cost-sent e-'.
( cost sen t

En consecuencia, la solucin general del sistema homogneo (98) es:

Y(t)=c1
(-1)
1
( -=t )
e-t+c 2 -cost+sent -~ot ) e-t,
e-'+cs ( -cost-sent
O cost sent

donde c1 , c2, es son constantes reales arbitrarias.

Hasta ahora no hemos considerando el caso en que alguno de los valores propios
de la matriz del sistema se repita en la ecuacin caracterstica.
SISTEMA DE ECt:ACIONES DIFERENCIALES NXN 275

Consideremos el sistema homogneo:

Y'(t) ~ AY(t), (99)

donde A es una matriz real de orden (n, n).

Nota. La multiplicidad geomtrica de un valor propio >. es siempre

menor o igual que su multiplicidad algebrica: di m L $m. D.

Proposicin 7. Si para cada valor propio de la matriz A coinciden multiplicidad

geomtrica y algebrica, es decir:

di m L =m, en cada valor propio >. de A,

entonces existen V1, . .. , Vn vectores propios linealmente independientes, con lo

que;
.l.t , , ~"~t
{V1 ,v2r. ,.
'
es un conjunto fundamental de soluciones del sistema homogneo (99),
y su solucin general:

donde c1 , , e;. son conBtantes reales arbitrarias.

EJEMPLO 20. Resolver el sistema homogneo:

Y'(t) ~ H -2

-2
1 (lOO)

La ecuacin caracterstica es igual a:

1- -2 2
-2 l- >. -2 =O,
2 -2 1- >.
276 SISTEMAS DE ECUACIONES DIFEREI\CIALES LINJ::ALES DE PRIMER ORDEN

y desarrollando el determinante, obtenemos:

con lo que sus ra.kes o valores propios son:

Observe que la multiplicidad algebrica del valor propio -1 es igual a 2 y la del

valor propio 5 ea igual a l.
Calculemos ahora los vectores propios de la matriz A. De acuerdo con nuestros
datos, el sistema a resolver es:

-~ ) V~ (:)o
1-' -2
-2 1- ..\ (101)
(
2 -2 1- ..\

Para la raz..\= -1 el sistema (101) se transforma en:

( -~
2 -Z
-~ -~) V~ (:) '
2 O
y su solucin es:

(k,,k,) E 1<'}.
Bn consecuencia: di m/, = Z. Al coincidir multiplicidad geomtrica y algc-
brica y ser iguales a 2, es posible encontrar dos vectores propios Vt y V2
asociados con el valor propio -1 linealmente independientes.
Tornando por ejemplo (k 1 , k 2 ) = ( 1,0) obtenemos V1 , y para (k, k 2 ) = (0, 1)
obtenemos V2, es decir:

(102)

Para la raz..\= 5 el sistema (101) se transforma en:

SISTEMA DE ECUACIO:'-IES D-.IF,EeRcEoN':"'C'IA"L"EcSCN'c"XC'c'_ _ _ _ _ _ _ _ _ _ _ _ _ _2_7_7

y su solucin es:

En consecuencia: V3 es cualquier matriz no nula del conjunto anterior,

tomando por ejemplo k= 1, se tiene:

De (102) y (103), obtenemos un conjunto fundamental de soluciones:

Bn conclusin, la solucin general del sistema homogneo {lOO) es:

donde c1 , c2, c3 son constantes reales arbitrarias.

Solamente nos queda considerar el caso en E:l que no coincidan multiplicidad
algebrica y geomtrica en alguno de los valores propios ). de la matriz del sistema
(di m L <m).
En este caso, no es posible encontrar Vt, ... , Vm vectores propios asociados
al valor propio ). qne sean linealmente independientes, y por tanto no es posible
encontrar soluciones de la forma:

que sean linealmente independientes.

278 SISTEMAS DE ECUACIONES DIFERENCIALES LINEALES DE PRIMER ORDEN

Nota. Se verifica: la serie (104) es convergente a una matriz real de

orden (n,n) para cualquier valor de t. e:,

Consideremos el sistelll8 homogneo:

Y'(t) ~ AY(t), (105)

donde A es una lll8triz real de orden (n, n).

Proposicin 8. Se verifica:

Y(t) = eAtc es solucin de (105),

para cualquier matriz C de ConBtantes reales de orden (n, 1).

Demostracin. Se tiene la siguiente cadena de igualdades:

d
-eAt=-
dtdt
A t
23!
A t
n!
2 2
d [l+At+--+--++--+
A"t"
3 3
l
A3t2 A"t"-1
=A+A2 t+--+ .. +
2 (n 1)!
+ ...
At At
=A [l+At+--+--+
2 3!
2 2
A"t"
.. +--+
n!
..
3 3
l (106)

En consecuencia: si Y(t) = eAtC, con C matriz columna de constantes reales,

entonces:
Y'(t) ~! ('"G) ~ A,Ac ~ AY(t).
En conclusi6n: eAtC es soluci6n de (105). C.Q.D.

Nota bene. La matriz exponencial eAt es una lll8triz fundamental del

sistema homogneo (105), precisamente aquella que verifica: W(O) = ]. e:,

Proposicin 9. Si >. es un autovalor de la matriz A y V su vector propio asociado,

se verifica: e.\tv es solucin del .sistema homogneo (105).

Demostracin. En primer lugar:

eAty = 'e(A-.\J)ty

= ' [V +t(A- M) V+ 2,, (A- >.1) 2 V + t'31 (A- >J) 3 V + l .

SISTEMA DE ECUACIONES DIFERENCIALES NXN 279

Si A es un autovalor de la matriz A y V su vector propio asociado, entonces:

(A- .>.!)V ~O, (!08)

y por tanto, de (107) y (108), se tiene:
eAty = 'V.
En consecuencia, aplicando la proposicin 8: 'V es solucin del sistema
homogneo (105). C.Q.D.

Proposicin 10. Si>. es un valor propio de la matriz A con di m L <m, entonces

se verifica;

Z,(t), Z,(t), ... , Z-(t)

son m soluciones linealmente independientes del sistema homogneo (105) BSOcia-
das al valor propio >..
En concreto:
Z 1 (t) = 'Wt, (A- >.I)W, ~O,

Z2(t) = '[W2 + tW1], (A- >.I)W, ~ W,,

Za(t) = eM [wa + tW2 + ~wt], (A- >.I)Wa = W2,

(A- >.I)Wm = Wm.-t.

(!09)
donde W 11 , W m son linealmente independientes.

Demostracin. Segn la definicin de matriz exponencial, para cualquier matriz

columna W de constantes reales (n, 1), se verifica:

eA'W = t [w +t(A->.I)W +; (A->.I) 2W + ~:(A-..\I) 3 W + J,

y por tanto:
(A- AI)Wt =0 ~ eAtWt = tWit
(A- >J)W2 = W1 ===> eAtW2 = t(W2 + tW],
(A->.I)W3 =W2 ===>eA'Wa=' [wa+tW2+~W1 ],

(A- >.I)Wm = Wm-1 => eAtWm = e>.t [wm + tWm-I + + ,:;;-~;)! W] .

(110)
280 SISTEMAS DE ECUACIO!\ES PlfERE:-ICIALES LINEALES DE PRIMER ORDEN

Ahora bien, eA 1W es solucin de (105) para cualquier matriz columna W de cons-

tantes reales (n, 1), y en consecuencia de (109) y (110) se infiere:

Zt(t),Zz(t), ... ,Zm(t} son soluciones de (105).

En conclusin: de W 1 , W2, ... , Wm linealmente independientes se s1gue
Z 1(t), Z2( t), ... , Zm (t) son soluciones linealmente independientes. C.Q.D.

EJEMPLO 2L Resolver el sistema homogneo:

~) Y(t).
1 1
Y'(t) ~ O 1 (111)
(
o o 2
La ecuacin caracterstica es igual a:
1->. 1 o
o 1->. o =0,
o o 2->.
y desarrollando el determinante, obtenernm;:

con lo que sus races o valores propios son:

Observe que la multiplicidad algebrica del valor propio 1 es igual a 2 y la del

valor propio 2 es l.
Calculemos ahora los vectores propios de la matriz A. De acuerdo con nuestros
datos, el sistema a resolver ser:

~)v~(~)
1
1->. (112)
o 2- ..\ o
Para la raz..\= 1 el sistema (112) se transforma en:

y sn solucin es:

En consecuencia: di m L =l.
.SISTEMA DE ECUACIONES DIFERENCIALES /1/X,\' 281

Nota bene. Solamente es posible elegir un nico vector propio V1

linealmente independiente asociado al valor propio 1, precisamente:

Al no coincidir multiplicidad algcbrica (m= 2) y geomtrica (di m L = 1),

nos guiamos de la proposicin 10 para encontrar l<!S soluciones linealmente
independientes del sistema homogneo (lll) asocia.daE con el valor pro-
pio ).. = 1:
z,(t), z 2 (t).

En concreto:

Z 1 (t) = etWt, (A- I)W1 =O,

1
Z 2 (t) = e :W2 +tW1 ], (A- I)W2 = W,

obteniendo:

w, m ~" m'
~ = z,(t)

w,~ m=Z,(t)~e' m.
(113)

Para la raz >.. = 2, el sistema (112) se transforma en:

y su solucin es:

Bn consecuencia: dim [, = l.
282 SISTEMAS DE ECUACIONES DIFERENCIALES LINEALES DE PRJMER ORDEN

Tomando por ejemplo k = 1 conseguimoo el vector propio:

(114)

De (113) y (114), obtenemos un conjunto fundamental de soluciones:

En conclusin, la solucin general del sistema homogneo (111) es:

donde c1 , c2, c3 son constantes reales arbitrarias.

2. 2. Soluci6n particular
Consideremos el sistema de ecuaciones diferenciales lineal de primer arden nxn:

Y'(t) ~ AY(t) + G(t). (115)

De acuerdo con la proposicin 3 (cf. pg. 260), la solucin general del sistema
de ecuaciones diferenciales (115) se obtiene sumando a una solucin particular
la solucin general del sistema homogneo (el que resulta de hacer G igual a
cero: G = 0).
En las secciones anteriores hemos estudiado el clculo de la solucin general del
sistema homogneo, ahora debemos encontrar una solucin particular del sistema
no horrwgneo (115); para ello utilizaremos el mtodo de coeficientes indetennina-
dos.
Para simplificar, ilustraremos el mtodo en un sistema donde G sea una matriz
columna cuyos trmina> sean constantes:

G(t) ~ ~
B (:J, iendo b,, ... ,b. co~tantffi c~le.. (116)

Sustituyendo (ll6) en (115), se tiene el sistema:

Y'(t) ~ AY(t) +B. (117)

SISTEMA DE ECUACIONES DIFERENCIALES NXN 283

Denotemos la solucin particular del sistema anterior mediante barras:

Y.
Como solucin particular intentamos:

Y = fl = (~J ,oon w,, ... , Wn OOMtant"' 8 d<temin~. (118}

Sustituyendo (118) en el sistema (117), obtenemos:

AY::::-B, (119}

con lo que:

Nota bene. Si el sistema (119) no es compatible determinado, entonces:

IAI =O, es decir>.= O es un valor propio de A,

e intentaramos como solucin particular:

donde nl, ... 'nm son matrices columna cuyos trminos son constantes 8
determinar y m la multiplicidad algebrica del valor propio >. = O. !':.

EJEMPLO 22. Encontrar una solucin particular del sistema:

Y'(t) = -1 ) Y(t)
( 5 2
+ (-8)
3
. (120)

1
Para calcular una solucin particular del sistema anterior usamos el mtodo
de coeficientes indeterminados, es decir eilS8yamos como solucin:

Y---(~:)'
_"' con w1,w2 constantes a determinar. (121)

Sustituyendo {121) en el sistema (120), obtenelllOB:

284 SISTEMAS DE ECUACIONES DIFERENCIALES LINEALES DE PRJMER ORDEN

EJEMPLO 23. Resolver el sil;!tema:

(122)

Para su resolucin calculamos la solucin general del sistema homogneo y una

solutin particular del sil;!tema no homogneo; la solucin general del sistema (122)
ser la suma de ambas.

i) Resolucin del sistema homogneo

El sistema homogneo es:

(123)

cuya ecuacin caracterstica,

>. 2 - 2A =O, (124)

tiene como races:

luego la solucin general del sistema homogneo (123) viene dada por:

(125)

donde los valores c 1 y c2 son constantes reales arbitrarias.

ii) Solucin particular

Para calcular y.na solucin particular del sistema no homogneo (122)
usamos el mtodo de coeficientes indeterminados, es decir ensayamos como
solucin del sistema:

Y(t) ~ (~:) + (~:) t, (126)

donde w1 , ... ,w4 son constantes reales a determinar.

Nota bene. Se cumple: A = O es raz de multiplicidad 1 de la

ecuacin caracterstica (124). 6
SISTEMA DE ECUACIONES DIFERENCIALES N.XC"N_ _ _ _ _ _ _ _ _ _ _ ___208'C5

Sustituyendo {126) en el sistema (122), se tiene:

de donde:
7
W E R, W2=W+2,

y por tanto, eligiendo w = - ~, obtenemos:

(127)

iii) Solucin general del sistema

La solucin general del sistema (122) ser la suma de (125) y (127), es decir:

Y(t)~c,( 11 )+c,( -11

)c"+(O7/2 )+(-'i')t,
-3/2

donde los valores c 1 y e: son constantes reales arbitrarias.

Finalmente, la determinacin de las constantes c 1 ,. , Cn que aparecen en la
solucin general del sistema de ecuaciones diferenciales requiere del conocimiento
de una !:erie de condiciones adicionales, las denominadas condiciones iniciales,
que indican el valor de la funcin Y del sistema en un determinado momento,
normalmente t =O (de ah el nombre de condiciones iniciales).

Nota. El problema de valor inicial admite una nica solucin: para

cada Yo existe una nica solucin coJL Y(to) =Yo.
286 SISTEMAS DE ECUACIONES DIFERENCIALES LINEALES DE PRIMER ORDEN

EJEMPLO 24. Resolver el problema de valor inicial:

Y'(t) ~
1 o o)
-4 1 O Y(t), Y(O) ~ (-~ ) . (128)
(
3 6 2 -30

La ecuacin caracterstica es igual a:

(>.- 1)'(>.- 2) ~O,

con lo que sus races o valores propios son:

Observe que la multiplicidad algebrica del valor propio 1 es igual a 2 y la del

valor propio 2 es l.
Calculemos ahora los vectores propios de la matriz A. De acuerdo con nuestros
datos, el sistema a resolver ser:

1->.
-4 1->.
o oo ) (o)o . v~ (129)
( 3 6 2-..\ o
Para la raz ..\ = 1 el sistema {129) se transforma en:

y su solucin es:

En consecuencia: di m L = l.
Nota bene. Solamente es posible elegir un nico vector propio V
linealmente independiente asociado al valor propio 1, precisamente:

V, ~( ~) , oon k E IR- {O).

-6k
SISTEMA DE ECUACIONES DIFERENCIALES NXN 287

=
Al no coincidir multiplicidad algebrica (m== 2) y geomtrica (di m L 1),
nos guiamos de la proposici6n 10 (cf. pg. 279) para encontrar las soluciones

linealmente independientes del sistema homogneo (128) asociadas con el

valor propio A= 1, obteniendo:

(130)

Para la raz A== 2, el sistema (129) se transforma en:

y su solucin es:

En consecuencia: di m L == l.
Tomando por ejemplo k= 1, conseguimos el vector propio:

(131)

De (130) y (131), obtenemos un conjunto fundamental de soluciones:

{,. cD c;~;J U) m.~}+ ,,.

En conclusin, la solucin general del sistema homogneo (128) es:
288 SISTEMAS DE ECUACIO!\ES DJFERE"'CJALES LINEALES DE PRIMER ORDEN

donde c 1 , c2, c3 son constantes reales arbitrarias.

Sustituyendo las condiciones iniciales en la solucin obtenida, resulta el sis-
tema:

(
-: ) ~ ,, ( ~) +e, (-:;~ ++o,(~) '
)
-30 -6 -33/4 1
de donde:

En conclusin, la solucin del problema de valor inicial (128) es:

Yt) ~o' (-: )

-33
+4te' (
-6
~) + (~)e".
1
3

3. PROBLEMAS PROPUESTOS
l. Encuentre la solucin general de los siguientes sistemas de ecuaciones dife-
renciales homogneos 2x2:

y'(t) ~ 3y(t)- 2z(t), y'(t) ~ 2y(t)- z(t),

) z'(t) ~ 2y(t)- 2z(t).
b)
z'(t) ~ y(t).
y'(t) ~ 3y(t)- 2z(t), y'(t) ~ y(t) + z(t),
e) d)
z'(t) ~ 4y(t)- z(t). z'(t) ~ 4y(t) + z(t).

2. Encuentre la solucin general de los siguientes sistemas de ecuaciones dife-

renciales homogneos 3x3:

) Y'(t) ~ (:
-1 4)
2 -1 Y(t).
1 -1
b) Y'(t) ~ (12 o
1 -2") Y(t).
3 2 1

~
2
e) Y'(t) ~ ("1 O
1 )1) Y(t). d) Y'(t) (: 1 _:) Y(t).
1 1 o o
SOLUCIN DE LOS PROBLEMAS PROPUESTOS 289

3. Encuentre una solucin particular de los siguientes sistemas de ecuaciones

diferenciales:

y 1(t) = 2y(t) + z(t)- 5, y'(t) ~ 2y(t) + 3,1)- 7,

a) b)
z'(t) ~ y(t)- z(t) + 2. z'(t) ~ -y(t)- 2z(t) + 5.
y'(t) ~ y(t)- z(t) + 2, y'(t) ~ 3y(t)- 3z(t) + 1,
e) d)
z'(t) ~ -y(t) + z(t)- 5. z'(t) ~ 2y(t)- 2z(t)- l.

4. Resuelva los siguientes problemas de valor inicial:

y'(t)
a) z'(t)
~

~
-2y(t) +z(t),
-5y(t) +4z(t),
Y'(t) ~ ( ~ ~ -~) Y(t),
b) -1 2 4
y(O) ~ 1, z(O) ~ 3.
y,(O) ~ 7,y,(O) ~ 5,y,(O) ~ 5.

4. SOLUCIN DE LOS PROBLEMAS PROPUESTOS

l. En todos los casos c 1 y c2 son constantes reales arbitrarias.

y(t) = c,e-t + 2c 2 e21 ,

a)
z(t) = 2c1 e-t + c2 e 21 .
y(t)=c1e1 +c2te1,
b)
z(t) = (c 1 - c2 ) + c2 te1
y(t) = c1 e1 cos2t + c2 sen 2t,
e)
z(t) = c1 el( cos 2t +sen 2t) + c2 e1 (sen 2t - cos 2t).
y(t) = e, e31 + c2e-t,
d)
=
z(t) 2cte3t- 2c2C 1
290 SISTEMAS DE ECUACIONES Dll'ERENCIALES LINEALES DE PRIMER ORDE!\

2. En todos los casos Ct,C2,c3 son constantes reales arbitrarias.

3. Denotaremos por y, Z la solucin particular del sistema.

a) y(t) ~ 1, i(t)~3. b) y(t) ~ -1, z(t) ~ 3.

e)
Y(t) = -!t- ~. d)
y(t) = -llt- 15,
z(t) =-~t. z(t) = -11!- 10.

1. Resolucin de problemas de valor inicial.

y(t) = ~e-t + ~t,

a) z(t) = ~e-t + ~e3t.
APNDICE: ESTABILIDAD 29!

5. APNDICE: ESTABILIDAD

Consideremos el sistema de ecuaciones diferenciales homogneo:

Y'(t) ~ AY(t), (132)

donde A es una matriz real de orden (n, n) no singular.

Nota bene. Un sistema homogneo tiene siempre una solucin de equi-

librio, precisamente: Y~ = O. Adems, si la matriz A del sist.ema es no
singular, su determinante es distinto de cero, esta ser la nica solucin de
equilibrio del sistema.

La nocin de estabilidad de Ye est relacionada con el comportamiento de las

soluciones del sistema. As, diremos que una solucin de equilibrio Y~ es estable
cuando cualquier solucin del sistema (132) que se encuentre lo snficientemente
cerca de Ye en el momento inicial to sigue permaneciendo cerca de Y, a lo largo de
su trayectoria. A continuacin, definimos formalmente el concepto de estabilidad:

Nota bene. Esto no significa que la trayectoria tenga que aproximarse

a Ye cuando t tienda hacia infinito. 6.

En particular, estamos interesados en si las soluciones del sistema (132) con-

vergen o no a la solucin de equilibrio cerca de la cual han inieado su trayectoria.
292 SISTEMAS DE ECUACIONES DIFERENCIALES LINEALES DE PRIMER ORDEN

Por la naturaleza de las soluciones de los sistemas de ecuaciones diferenciales,

el comportamiento estable o inestable depende exclusivamente de las races de la
ecuacin caracterstica, es decir para analizar la estabilidad debell106 examinar
solamente lH naturaleza de estas races.

Proposicin 11. CoilBideremos el sistema de ecuaciones diferenciales homog-

neo (132). Se verilica:

Si todos los valores propios de la matriz A son imaginarios puros, entonces:

Y~ es estable.

Si Ia parte real de todos los valores propios de la. matriz A es negativa,

entonce.s: Ye es asintticamente estable.

Si la parte real de algn valor propio de la matriz A es positiva, entonces:

Ye es inestable.

EJEMPLO 25. Consideremos el sistema homogneo:

y ' (t) ~ (1/10

1 -1
1/10 ) Y(t). (133)

Como la matriz A del sistema es no singular:

1/110
~/10
1 1
i" o,
1

se tiene que la nica solucin de equilibrio del sistema es:

Para analizar su estabilidad debemos calcular los valores propios de la ma-

triz A. La matriz del sistema tiene como valores propios 1/10 -1- i y 1/10 - i.
Puesto que la parte real de los valores propios es positiva, de acuerdo con la
propooicin 11 se concluye que la solucin equilibrio Ye = O es inestable.
APNDICE: ESTABILIDAD 293

y2

J
2
1

-2 -1 -1 1

_,
FIGURA 1. La solucin equilibrio del sistema (133) es inestable.

EJEMPLO 26. Consideremos el sistema homogneo:

-2
Y'(t) = l (134)
(

La matriz A del sistema es no singular:

-2 11
1 -2 #O,
1
y por tanto, la nica solucin de equilibrio del sistema es:

Calculemos los valores propios de la matriz A para analizar su estabilidad. La

matriz del sistema tiene como valores propios -1 y -3. Puesto que la parte real
de los valores propios es negativa, de acuerdo con la proposicin 11 se concluye
que la solucin equilibrio Y.. = O es asintticamente estable.
294 SISTEMAS DE ECUACIONES DIFERENCIALES LINEALES DE PRlMER ORDEN

RESUMEN
En este captulo nos hemos centrado en la resolucin de sistemas de ecua-
ciones diferenciales lineales de primer orden con coeficientes constantes:

Yi(t) = GnYI(t) + a12Y2(t) + +atnYn(t)...,... g{t),

Y(t) = G:.y{t) + G22Y2(t) + + a2nYn(t) __ g:.(t),
(135)

y~(t) = Gni!Il(t) + Gn2Y2(t) + +annYn(t) + Yn{t),

donde a1, ... ,ann son constantes reales y Yl, ... , Yn funciones reales de
variable real

Notacin: antes de analizar los mtodos de resolucin de este tipo de sis-

temas es conveniente su representacin en notacin matriciaL
Si denotamos:
y,(t)) a,.)
~
an ,(t))
,(t) a, a,, g,(t)
Y(t)~,, A= . . ' G(t) ~ : ,
(y.(t) (
a., a.. .(t)

entonces el sistema (135) puede expresarse de la forma:

Y'(t) ~ AY(t) +G(t). (136)

SisteDl& homogneo: si las funciones g1 , . , 9n son iguales a cero, en

notacin G =O, el sistema de ecuaciones diferenciales {136) recibe el nombre
de homogneo, en cualquier otro caso se habla de sistema no homogneo.

Soluci6n general del siBtema no homogneo

Solucin particular: de una matriz columna de orden {n, 1):

',('))
(
Z2(t)
Z(t) ~ . ,

,,(t)

diremos es solucin del sistema (136), si verifica:

Z'(t) ~ AZ(t) + G(t).

RESUMEN 295

Solucin general: la solucin general del sistema de ecuaciones diferen-

ciales (136) se obtiene sumando a una solucin particular la solucin general
del sistema homogneo (el que resulta de hacer G igual a cero: G =O).

Solucin general del sistema homogneo

Considerelll09 el sistema homogneo:

Y 1(t) = AY(t), donde A es una matriz real de orden (n,n). (137)

Conjunto fundamental de soluciones: si {Zt(t), ... ,Z.. (t)} es un con-

junto arbitrario de n soluciones linealmente independientes del sistema ho-
mogneo (137), entonces diremos:

{Z1 (t), ... , z.. (t)} es un conjunto fundamental de solucione8,

y la matriz de orden (n,n):

(Z,(t) 1... IZ.(t))'

se dir matriz fundamental del sistema.

Solucin general: si {Zt(t), ... ,Z.. (t)} es un conjunto fundamental de

soluciones del sistema (137), entonces se verifica:

c1Z1 (t) + + c,.Z.. (t) es la solucin general de (137),

siendo c1,, . , c.. constantes reales arbitrarias.

Ecuacin caracterstica: consideremos la igualdad:

(138)
expandiendo el determinante anterior obtenemos un polinomio en ) de or-
den n, y la ecuacin resultante se denomina: ecuacin carocteristica de la
matriz A.

Valores y vectores propios: cada raz) de la ecuacin caracterstica (138)

se dice es un valor propW de la matriz A, y las matrices no nulas del subes-
pacio vectorial:

vectores propios de la matriz A asociados al valor propio },

A continuaci.o., indicaremos cmo obtener la solucin general del sistema
homogneo (137) a partir de las nraces A11 ,> 2 , ... , A.. de la ecuacin (138).
Nuestro objetivo es encontrar un conjunto fundamental de soluciones.
296 SISTEMAS DE ECCACTONES DIFERENCIALES LINEALES DF. PRIMER ORDEN

Valores propios distintos (reales o complejos)

Si la matriz A tiene n valores propios distintos >.,>.2, ,>.11 ,
con V11 V2, ... , Vn vectores propios asociados, entonces:

es un conjunto fundamental de soluciones del sistema homogneo (137),

y por tanto su solucin general es:

donde c 1 , , c.. son constantes reales arbitrarias.

Valores propios repetidos

Conceptos previos:

Multiplicidad geomtrica de un valor propio>.: dimensin del su hespa-

co vectorial L ={V AV= >.V}. En notacin: di m L.
1

Multiplicidad algebrica de un valor propio >.: su multiplicidad como

raz de la ecuacin caracterstica y la denotaremos por m.

Supongamos que la matriz A tiene n valores propios A, ... , An

no necesariamente distintos, con V, ... , Vn vectores propios asociados:

Si para cada valor propio >. de la matriz A ~e verifica di m L = m,

entonces podemos encontrar V1 , , Vn vectores propios linealmente
independientes, es decir:

1 '' ' V<'''

{V' 2 ' ' V.<'"')
n

es un conjunto fundamental de soluciones del sistema homogneo (137),

y por tanto su solucin general es:

donde Ct, ... , c11 son constantes reales arbitrarias.

Si existe >. valor propio de la matriz A con di m L < m, entonces no
podemos encontrar V1 , , Vn vectores propios linealmente indepen-
dientes y debemos acudir a otro tipo de soluciones:

Z,(t),Z,(t), ... ,Zm(t),

que son m soluciones linealmente independientes del sistema homog-

neo (137) ll..'iOCiadas al valor propio>..
BIBLIOGRAFA 297

En concreto:
Z 1 (t} = eAtW, (A- M)W, ~ 0,
Z 2 (t) = eM(W2 + tW1], (A- >.I)W2 = Wt,

(A- AI)W3 = W2,

donde W 1 , .. , W m son linealmente independientes.

Solucin particular del sistema no homogneo

Consideremos el sistema no homogneo:

Y'(t) ~ AY(t) +B, (139)

donde A es una matriz real de orden (n,n) y B es una matriz real de

orden (n, 1).

Solucin particular: se denota Y.

Si ). = O no es un valor propio de la matriz A:

Si ). = O es un valor propio de la matriz A:

donde S1 1 ,, . , .11m son matrices columna cuyos trminos son constantes

a determinar y m es la multiplicidad algebr.ica del valor propio ). = O.

BIBLIOGRAFA

G. GANDOLFO. Mathematical Metbods in Economic Dynamics. North Hol-

land, 1996, segunda edicin.
P. MJCHEL. Cours de Mathmatiques pour conomistes. conomica, Pars,
1989, segunda edicin.
E. PRJETO et ah,- Matemticas l. Economa y Empresa (Teocia). C.E.R.A.,
Madrid, 1988.