Sunteți pe pagina 1din 126

Otimizacao Estatica

Versao Preliminar. Sujeita a alteracoes.

Fabio Augusto Reis Gomes


fabio@cepe.ecn.br

March 28, 2005


Abstract

Nestas notas apresentamos metodos de otimizacao estatica, considerando prob-


lemas irrestritos e restritos. Primeiramente, apresentamos uma breve revisao de
calculo e algebra linear. Em seguida discutimos problemas de otimizacao sem
restricao e com restricoes de igualdade e de desigualdade.
Contents

I Revisao 5

1 Calculo de uma variavel 6


1.1 Algumas Definicoes . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.2 Regras de Derivacao . . . . . . . . . . . . . . . . . . . . . . . . 8
1.2.1 Regras Basicas . . . . . . . . . . . . . . . . . . . . . . . 8
1.2.2 Regra da Cadeia . . . . . . . . . . . . . . . . . . . . . . 8
1.2.3 Outras Regras . . . . . . . . . . . . . . . . . . . . . . . . 9
1.3 Derivada Primeira . . . . . . . . . . . . . . . . . . . . . . . . . . 11
1.4 Derivada Segunda . . . . . . . . . . . . . . . . . . . . . . . . . . 14
1.5 Maximos e Mnimos . . . . . . . . . . . . . . . . . . . . . . . . 18
1.5.1 Identificacao de Maximos e Mnimos . . . . . . . . . . . 18
1.5.2 Funcoes com Apenas um Ponto Crtico . . . . . . . . . . 20
1.5.3 Funcoes com Derivada Segunda Sempre Distinta de Zero . 20
1.5.4 Funcoes cujo Domnio e um Intervalo Fechado Finito . . . 20
1.6 Funcao Inversa . . . . . . . . . . . . . . . . . . . . . . . . . . . 24

2 Algebra Linear 29
2.1 Norma e Produto Interno . . . . . . . . . . . . . . . . . . . . . . 29
2.1.1 Norma . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
2.1.2 Produto Interno . . . . . . . . . . . . . . . . . . . . . . . 31

1
3 Calculo de Varias Variaveis 34
3.1 Conjuntos Abertos, Fechados e Compactos . . . . . . . . . . . . 34
3.2 Funcoes de Varias Variaveis . . . . . . . . . . . . . . . . . . . . 36
3.2.1 Definicao . . . . . . . . . . . . . . . . . . . . . . . . . . 36
3.2.2 Representacao Geometrica das Funcoes . . . . . . . . . . 36
3.3 Calculo de Varias Variaveis . . . . . . . . . . . . . . . . . . . . . 38
3.3.1 Definicoes . . . . . . . . . . . . . . . . . . . . . . . . . 38
3.3.2 Regra da Cadeia . . . . . . . . . . . . . . . . . . . . . . 39
3.3.3 Derivadas Direcionais e Gradientes . . . . . . . . . . . . 40
3.3.4 Derivadas de Segunda Ordem e a Matriz Hessiana . . . . 43
3.4 Funcao Implicita . . . . . . . . . . . . . . . . . . . . . . . . . . 44
3.5 Curvas de Nvel . . . . . . . . . . . . . . . . . . . . . . . . . . . 48

II Otimizacao Estatica 49

4 Formas Quadraticas e Matrizes Definidas 50


4.1 Formas Quadraticas . . . . . . . . . . . . . . . . . . . . . . . . . 50
4.2 Formas Quadraticas Definidas . . . . . . . . . . . . . . . . . . . 52
4.3 Matrizes Simetricas . . . . . . . . . . . . . . . . . . . . . . . . . 52
4.4 Teste para Classificar uma Matriz Simetrica . . . . . . . . . . . . 53
4.5 Restricoes Lineares e Matrizes Orladas . . . . . . . . . . . . . . . 55

5 Otimizacao Irrestrita 58
5.1 Definicoes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 58
5.2 Condicoes de Primeira Ordem . . . . . . . . . . . . . . . . . . . 59
5.3 Condicao de Segunda Ordem . . . . . . . . . . . . . . . . . . . . 60
5.3.1 Condicoes Suficientes . . . . . . . . . . . . . . . . . . . 61
5.3.2 Condicoes Necessarias . . . . . . . . . . . . . . . . . . . 62

2
5.4 Maximo Global e Mnimo Global . . . . . . . . . . . . . . . . . 64
5.5 Aplicacoes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 65
5.5.1 Maximizacao do Lucro . . . . . . . . . . . . . . . . . . . 65
5.5.2 Monopolista Astuto . . . . . . . . . . . . . . . . . . . . . 67
5.5.3 Monopolista que produz dois bens distintos . . . . . . . . 68
5.5.4 Concorrencia Perfeita: Producao de dois Bens . . . . . . . 70
5.5.5 Monopolista que Produz dois Bens Substitutos . . . . . . 71
5.6 Exerccios de Fixacao . . . . . . . . . . . . . . . . . . . . . . . . 73

6 Otimizacao Restrita I 84
6.1 Restricoes com igualdade . . . . . . . . . . . . . . . . . . . . . . 84
6.1.1 Duas Variaveis e uma Restricao de Igualdade . . . . . . . 84
6.1.2 Varias Restricoes de Igualdade . . . . . . . . . . . . . . . 87
6.1.3 Aplicacoes . . . . . . . . . . . . . . . . . . . . . . . . . 90
6.1.4 Exerccios de Fixacao . . . . . . . . . . . . . . . . . . . 98
6.2 Restricoes de desigualdade . . . . . . . . . . . . . . . . . . . . . 101
6.2.1 Uma Restricao de Desigualdade . . . . . . . . . . . . . . 102
6.2.2 Caso com varias restricoes . . . . . . . . . . . . . . . . . 103
6.2.3 Aplicacao . . . . . . . . . . . . . . . . . . . . . . . . . . 106
6.2.4 Exerccios de Fixacao . . . . . . . . . . . . . . . . . . . 108
6.3 Restricoes de Igualdade e Desigualdade . . . . . . . . . . . . . . 114

7 Otimizacao Restrita II 116


7.1 O Multiplicador . . . . . . . . . . . . . . . . . . . . . . . . . . . 116
7.1.1 Uma Restricao de Igualdade . . . . . . . . . . . . . . . . 116
7.1.2 Varias Restricoes de Igualdade . . . . . . . . . . . . . . . 118
7.1.3 Restricoes de Desigualdade . . . . . . . . . . . . . . . . 118
7.1.4 Interpretando o Multiplicador . . . . . . . . . . . . . . . 118

3
7.2 Teorema do Envelope . . . . . . . . . . . . . . . . . . . . . . . . 118
7.2.1 Problemas sem restricao . . . . . . . . . . . . . . . . . . 119
7.2.2 Problemas com restricao . . . . . . . . . . . . . . . . . . 121
7.3 Condicao de Segunda Ordem . . . . . . . . . . . . . . . . . . . . 122

4
Part I

Revisao

5
Chapter 1

Calculo de uma variavel

1.1 Algumas Definicoes


Definition 1 Uma funcao e estritamente crescente se

Example 1 Examine se a funcao e estritamente crescente. Tome


e tais que . Entao queremos verificar se

Obviamente, tal funcao e estritamente crescente.

Definition 2 Uma funcao e estritamente decrescente se

6
Example 2 Examine se a funcao e estritamente decrescente. Tome
e tais que . Entao queremos verificar se

Obviamente, tal funcao e estritamente decrescente.

Observe que se uma funcao passa de decrescente para crescente em , isto


implica que e um mnimo local desta funcao, isto e,
para todo na vizinhanca de . Por outro lado, se uma funcao passa de crescente
para decrescente em , isto implica que e um maximo local desta
funcao, isto e, para todo na vizinhanca de .

Definition 3 Se uma funcao e derivavel em cada ponto de seu domnio ,


dizemos que tal funcao e derivavel ou diferenciavel.

Definition 4 Se a funcao possui derivadas de ordem e se a


derivada de

e uma funcao contnua, nos dizemos que e vezes continuamente diferenciavel


ou para abreviar.

Remark 1 Para ao inves de vez continuamente diferenciavel dizemos


apenas continuamente diferenciavel.

7
1.2 Regras de Derivacao

1.2.1 Regras Basicas

Seja , e uma constante.

1. Constante

2. Multiplicacao por uma constante

3. Soma (subtracao)

4. Multiplicacao

5. Divisao

1.2.2 Regra da Cadeia

A regra da cadeia e usada para derivar funcoes formadas pela composicao de


outras funcoes. Se e sao funcoes no , a funcao obtida pela aplicacao da
funcao ao resultado de e chamada funcao composta das funcoes e , de
modo que
ou

A regra da cadeia e usada para derivar funcoes compostas e estabelece que

8
1.2.3 Outras Regras

1. Potencia

2. Exponencial

3. Logaritmo

4. Trigonometricas

9
Example 3

Example 4

Example 5

Example 6

Example 7

Example 8

Example 9

Example 10

Example 11

10
Example 12

Example 13

Example 14

Example 15

Example 16

1.3 Derivada Primeira


Usando a derivada primeira podemos examinar se uma funcao e crescente ou de-
crescente. Esta informacao esta contida no sinal da derivada primeira.

Theorem 1 Seja uma funcao continuamente diferenciavel em . Entao:

1) se , existe um intervalo aberto contendo no qual e crescente


2) se , existe um intervalo aberto contendo no qual e decrescente.

Proof. Faremos a prova para o primeiro caso (o segundo e analogo). Como e


diferenciavel

11
Logo se e pequeno e positivo . Seja , entao
para pequeno e positivo

E, portanto, e crescente na vizinhanca de .


O teorema anterior pode ser estendido do seguinte modo.

Theorem 2 Seja f uma funcao continuamente diferenciavel no domnio .


Com isso,

1) se no intervalo , entao e crescente em


2) se no intervalo , entao e decrescente em
3) se f e crescente em , entao em
4) se f e decrescente em , entao em

A derivada primeira e usada tambem para encontrar pontos crticos de uma


funcao .

Example 17 Examine em quais regioes a funcao e crescente

Derivada primeira

Portanto, em todo domnio. Ou seja, a funcao e crescente em todo


domnio.

Example 18 Examine em quais regioes a funcao e crescente

Derivada primeira

12
Portanto, quando

Ou seja, a funcao e crescente quando ou .

Example 19 Examine em quais regioes a funcao e crescente

em que . Derivada primeira

Portanto, quando

Ou seja, a funcao e crescente quando .

Example 20 Examine em quais regioes a funcao e crescente

em que . Derivada primeira

Portanto, quando

Ou seja, a funcao e crescente quando .

13
Definition 5 Os pontos nos quais ou nao e definido sao chama-
dos pontos crticos.

Example 21 Encontre os pontos crticos

Example 22 Encontre os pontos crticos considerando que .

Note nao esta definido para . Porem este ponto foi excludo inicial-
mente.

Example 23 Encontre os pontos crticos considerando que

Note nao esta definido para . Porem estes pontos foram excludos
inicialmente.

1.4 Derivada Segunda


Em muitas situacoes gostaramos de saber mais do que se uma funcao e crescente
ou decrescente. Gostariamos de saber por exemplo se e crescente ou decres-
cente. Para tanto e preciso computar a derivada segunda, . Caso
a derivada primeira e crescente na vizinhanca de . Se a derivada
segunda e decrescente na vizinhanca de .

Definition 6 Seja . Se no intervalo , entao e denominada


concava (concava para baixo) em . Se no intervalo , entao e
denominada convexa (concava para cima) em .

14
Existe tambem uma definicao para funcoes concavas e convexas baseada no
seguinte argumento. Observando o grafico de uma funcao concava, notamos que
a reta secante ligando dois pontos quaisquer do grafico da funcao fica acima deste
grafico. Para uma funcao convexa, a reta secante fica a baixo do grafico. Para
chegarmos a esta definicao alternativa e preciso aprsentar alguns conceitos.
Para dois pontos e , , o conjunto de pontos entre e e dado pelo
conjunto de todas as combinacoes convexas de e :

Assim, o grafico de em e o conjunto de pontos

Por outro lado, a reta secante ligando os pontos e no grafico


de e dada por

para .

Definition 7 Uma funcao e concava (concava para baixo) no intervalo se e


somente se
(1.1)

para todo , e para todo . Uma funcao e convexa (concava para


cima) no intervalo se e somente se

(1.2)

para todo , e para todo

Esta definicao e mais geral porque se aplica a funcoes nao diferenciaveis. No


entanto a condicao (1.1) e equivalente a no inter-
valo para funcoes .

15
Example 24 Verifique se a funcao e convexa, no intervalo .
Pela definicao, tal funcao e convexa se

Portanto, fica claro que tal funcao e convexa no intervalo . Usando a nocao de
derivada teramos

Fica claro que a funcao e convexa em todo seu domnio.

Example 25 Verifique se a funcao e concava, no intervalo .


Pela definicao, tal funcao e concava se

Como vimos no exemplo acima, esta ultima desigualdade e satisfeita. Usando a


nocao de derivada teramos

Fica claro que a funcao e concava em todo seu domnio.

16
Example 26 Analise a concavidade da funcao

Derivada primeira e segunda

Portanto,

quando

quando

E, quando a funcao e convexa e quando a funcao e concava.

Example 27 Verifique a concavidade da funcao densidade da distribuicao nor-


mal padrao

Derivada primeira

Derivada segunda

17
Como ,

Portanto,

convexa

concava

convexa

A derivada segunda e usada tambem para encontrarmos pontos crticos de


segunda ordem e pontos de in exao.

Definition 8 Os pontos nos quais sao chamados pontos crticos de


segunda ordem. Caso a derivada segunda mude de sinal nestes pontos, eles sao
chamados pontos de in exao.

1.5 Maximos e Mnimos

1.5.1 Identificacao de Maximos e Mnimos

Os resultados acima sao utilizados para encontrarmos pontos de maximo ou mnimo


de uma funcao no .

1. A funcao apresenta um maximo local em se para cada


em algum intervalo aberto contendo .

2. A funcao apresenta um maximo global em se para cada


no domnio de .

3. A funcao apresenta um mnimo local em se para cada


em algum intervalo aberto contendo .

18
4. A funcao apresenta um mnimo global em se para cada
no domnio de .

Seja uma funcao cujo domnio e . Entao um maximo ou mnimo podem


ocorrer na borda (fronteira) do intervalo , isto e, em ou , ou no interior
do intervalo. No primeiro caso, temos um maximo ou mnimo de fronteira. No
segundo caso temos um maximo ou mnimo interiores. Para o caso interior o
seguinte teorema se mostra bastante util.

Theorem 3 Se e um maximo ou mnimo interior de , entao e um ponto


crtico de .

Proof. fazer grafico


Caso seja um ponto crtico de como saberemos se e um maximo ou
mnimo, ou nenhum dos dois? Usamos a segunda derivada de em , como
segue.

Theorem 4

1) se e , entao e um maximo de
2) se e , entao e um mnimo de
3) se e , entao pode ser um maximo, um mnimo ou nenhum dos dois

Proof. fazer grafico


Em muitas situacoes gostaramos de saber se um maximo local e um maximo
global, ou se um mnimo local e um mnimo global. Em tres casos, tal investigacao
se torna bastante simples:

1. Quando tem apenas um ponto crtico em seu domnio

2. Quando ou em todo o domnio de

3. Quando o domnio de e um intervalo fechado e limitado.

19
1.5.2 Funcoes com Apenas um Ponto Crtico

Theorem 5 Suponha que

1) o domnio de e um intervalo
2) e uma maximo local de ,
3) e o unico ponto crtico de em

Entao, e um maximo global de em .

Proof. ....

1.5.3 Funcoes com Derivada Segunda Sempre Distinta de Zero

Theorem 6 Se e uma funcao cujo domnio e e se nunca e zero em ,


entao tem no maximo um ponto crtico em . Este ponto crtico e um mnimo
global se e uma maximo global se .

Proof. ....

1.5.4 Funcoes cujo Domnio e um Intervalo Fechado Finito

O teorema de Weierstrass estabelece que uma funcao contnua cujo domnio e um


intervalo fechado e limitado possui um maximo global e um mnimo global
em seu domnio.
Pelos teoremas apresentados, sabemos que um ponto de maximo ou mnimo
interior de e um ponto crtico desta funcao. Os outros candidatos para maximo
oum mnimo sao os limites do intervalo: e . Portanto, se estamos
procurando por um maximo (mnimo) global de uma funcao de domnio
nos precisamos somente de:

1. encontrar os pontos crticos de , resolvendo para

20
2. calcular nesses pontos crticos e nos pontos e

3. escolher dentre esses pontos aquele que da o maior (menor) valor de

Example 28 Considere a funcao

Encontre o valor de que maximiza esta funcao no intervalo . Primeira-


mente obtemos os valores crticos.

Entao calculamos nos pontos crticos, e e nas fronteiras, e .

, , e

Assim, o maximo global ocorre quando e o mnimo global ocorre quando


.

Example 29 Ache os pontos crticos da funcao

E examine se os mesmos correspondem a pontos de maximo ou mnimo. Primeiro


obtemos a sua derivada

Igualando a zero

21
Cuja solucao e dada por

Como nao existe tal que nao esta definido, os pontos crticos sao e .
Note que e , o que sugere que e um ponto de maximo e e
um ponto de mnimo. Vamos analisar a derivada segunda nestes pontos.

concavo maximo local

convexo mnimo local

Example 30 Ache os pontos crticos da funcao custo medio

E examine se os mesmos correspondem a pontos de maximo ou mnimo. Derivando

Igualando a zero

Como nao existe tal que nao esta definido, o unico ponto crtico e .
Calculamos a derivada segunda.

convexo mnimo local

22
E facil notar que este mnimo local e um mnimo global. Uma razao simples e
que a funcao apresenta apenas um ponto crtico. Outra razao e que a funcao e
convexa em todo domnio ( , independente de )

Example 31 Ache os pontos crticos da funcao

E examine se os mesmos correspondem a pontos de maximo ou mnimo. Derivando

Igualando a zero

Como nao existe tal que nao esta definido, o unico ponto crtico e .
Calculando a derivada segunda

convexo mnimo local

Novamente, observe que temos apenas um ponto crtico e que a funcao e convexa
em todo domnio.

Example 32 Ache os pontos crticos da funcao

E examine se os mesmos correspondem a pontos de maximo ou mnimo. Derivando

Igualando a zero

23
Logo, e sao os pontos crticos. Como nao existe tal que nao
esta definido, o unicos pontos crticos sao e . Note que enquanto
. Calculando a derivada segunda

concavo maximo local

convexo mnimo local

1.6 Funcao Inversa


Para qualquer funcao , em que o domnio de e um subconjunto
do , nos dizemos que a funcao e uma inversa de se:

1) para todo no domnio de e


2) ! ! para todo ! no domnio de .

Example 33 Considere a funcao de demanda pelo bem

" " (1.3)

em que " e o preco. Isolando o preco

" (1.4)

Para verificar se (1.4) e a inversa de (1.3) procedemos como indicado acima.

"

" " " " "

24
Suponha que seja uma inversa de uma funcao qualquer, de modo que,

Suponha agora que ! , em que ! . Entao precisa ser tal que


! . Ou seja, ao mesmo tempo temos e ! , o que
e impossvel. Portanto, observamos que, para possuir uma inversa e necessario
que nao associe o mesmo ponto na imagem a diferentes pontos de seu domnio,
isto e,
(1.5)

Ou equivalentemente,
(1.6)

Definition 9 Uma funcao que satisfaz (1.5) ou (1.6) em um conjunto e de-


nominada injetora, neste intervalo .

Example 34 Considere a funcao . Como uma funcao definida em


todo , nao e injetora pois e geram . Logo, nao
existe uma fincao inversa. Contudo, se restringirmos o domnio a entao a
funcao passa a ser injetora e sua inversa e com domnio .

Theorem 7 Uma funcao definida no intervalo do possui uma inversa


bem definida no intervalo se e somente se e monotonamente crescente ou
monotonamente decrescente em todo intervalo .

Note que, se e monotonamente crescente ou descrescente automaticamente


. Para funcoes diferenciaveis este teorema pode ser
reescrito, nos fornecendo uma maneira simples de verificar se uma funcao possui
inversa.

25
Theorem 8 Uma funcao definida no intervalo do e injetora e,
portanto, invertvel em se para todo ou para todo
.

O seguinte teorema sumariza alguns resultados importantes.

Theorem 9 (Teorema da Funcao Inversa) Seja uma funcao definida no


intervalo do . Se para cada entao:

1) e invertvel em ,
2) sua inversa e uma funcao no intervalo e
3) para todo ! no domnio da funcao inversa , vale

!
!

Note que ! !, logo aplicando a regra da cadeia ! !


e com isso ! ! .

Example 35 A inversa de e . Observe que

Pelo Teorema da Funcao Inversa,

Example 36 Problema do Monopolista. Escolher a quantidade de modo a max-


imizar a receita, levando em conta a funcao de demanda " .

"

"

Assuma que e que a funcao de demanda e linear " ", em que


. O domnio de " e dado pelo intervalo . Como " e

26
monotonamente decrescente, neste intervalo, sabemos que a funcao inversa existe.
No caso,
" "

Substituindo no problema do consumidor, temos

"

"

Equivalendo a

Pontos crticos:

Concavidade (derivada segunda):

Pois . Portanto a funcao e concava em todo domnio e e um ponto de


maximo global.

Example 37 No exemplo anterior assuma que e " " , em


que # . O domnio de " e dado pelo intervalo . Como "

27
e monotonicamente decrescente, neste intervalo, sabemos que a funcao inversa
existe. No caso,
" "

Deste modo podemos proceder como no exemplo anterior.

28
Chapter 2

Algebra Linear

2.1 Norma e Produto Interno

2.1.1 Norma

Definition 10 Seja . O numero nao negativo


e chamado norma ou comprimento do vetor .

Definition 11 Se e sao as coordenadas de e , respecti-


vamente, no espaco euclidiano n-dimensional, entao a distancia entre e e

Definition 12 Um vetor tal que , e chamado de vetor unitario.

Example 38 O comprimento do vetor e dado por

29
Portanto, o vetor e unitario. Pois,

Example 39 Seja e . Entao

Logo, o comprimento de e enquando o comprimento de e . A


distancia entre e e

Theorem 10 # # para todo # e .

Proof.

# #

# #

# #

30
2.1.2 Produto Interno

Definition 13 Seja . Entao o produto interno euclidiano de e , de


modo que e o numero

Example 40 Seja e entao

Example 41 Seja a quantidade demandada do bem , entao


constitui uma cesta de mercadorias. Como a quantidade de cada mercadoria e
nao-negativa, o conjunto de todas as cetas de mercadorias e dada por

que denominamos espaco de mercadorias. Seja " o preco da mercadoria . Entao


o custo de uma cesta e

" " "

Dada uma renda o conjunto orcamentario e formado por todas as cestas tais
que
"

Example 42 Considere uma firma que utiliza insumos. A quantidade utilizada


de cada insumo e $ . O custo unitario de cada insumo e dado por
% . Entao o custo total torna-se

$ % $ $ % %

$% $ %

31
Example 43 Considere um portfolio de um investidor qualquer,
em que representa a fracao da riqueza investida no ativo . Obviamente estas
fracoes devem somar . De modo que a restricao orcamentaria e

Seja # o retorno do ativo no estado da natureza . Entao, o vetor de retornos


no estado da natureza e
# # #

Um portfolio e livre de risco se o seu retorno e o mesmo em todos os estados &


da natureza, isto e,
# # #

O seguinte teorema resume as propriedades do produto interno.

Theorem 11 Seja % e# . Entao

1)
2) % %
3) # # #
4)
5) implica que
6)

Remark 2 Note que

32
Logo,

O produto interno relaciona o comprimento de dois vetores eo


angulo ' entre eles, sendo util na discussao de problemas geometricos.

Theorem 12 Seja e ' o angulo entre eles. Entao,

'

Example 44 Seja e , entao

'

Example 45 Seja e , entao

'

Portanto, ' .

33
Chapter 3

Calculo de Varias Variaveis

3.1 Conjuntos Abertos, Fechados e Compactos


Em muitos casos queremos analisar a vizinhanca de um ponto do . Nestes
casos, as seguintes definicoes mostram-se uteis.

Definition 14 Seja ! e ( um numero positivo. A bola aberta de raio ( em


torno de e o conjunto

) ! ! (

Definition 15 Um conjunto & e aberto se para cada & existe uma


bola aberta de raio ( em torno de completamente contida em &:

& existe um ( tal que ) &

Um conjunto aberto contendo o ponto e chamado uma vizinhanca aberta


de . O termo aberto tem conotacao de sem fronteira: de qualquer ponto pode-
mos nos movimentar um pouco em qualquer direcao que ainda permanecemos no
conjunto.

34
Example 46 O intervalo

e um conjunto aberto. Se e um ponto neste intervalo, entao e . O


numero esta mais proximo de do que , e ainda pertence a . Enquanto
esta mais proximo de do que , e ainda pertence a . Se
( , entao o intervalo ( ( e um intervalo aberto
em torno de contido .

Definition 16 Um conjunto & e fechado se, sempre que e uma


sequencia convergente completamente contida em &, seu limite tambem esta em
&.

Com isso, um conjunto fechado deve conter todos os seus pontos de fronteira,
que e exatamente oposto do que ocorre em conjuntos abertos.

Theorem 13 Um conjunto & e fechado se, e somente se, seu complementar


& & e aberto.

Lembre-se que um conjunto & e limitado se existe um numero ) tal


que ) para cada &, ou seja, & esta contido em alguma bola de .
Exemplos de conjuntos limitados incluem qulaquer intervalo ou uniao finita de
intervalos de , exceto aqueles que tem ou como extremidades.

Definition 17 Um conjunto & e compacto se, e somente se, e fechado e


limitado simultaneamente.

35
3.2 Funcoes de Varias Variaveis

3.2.1 Definicao

Definition 18 Uma funcao de um conjunto * em um conjunto ) e uma regra


que associa, a cada objeto de *, um e somente um objeto de ). Neste caso,
escrevemos * ).

O domnido de uma * ) e o conjunto * dos elementos nos quais


esta definida o conjunto ) no qual assume seus valores e denominado con-
tradomnio, ou espaco-alvo. Seja *, entao dizemos que e a
imagem de por . O conjunto de todos os , com no domnio de , e
denominado imagem de .

Example 47 Considere a funcao

O domnio de e todo , o contradomnio de e o e a imagem de e o


conjunto de todos os numeros reais nao-negativos.

3.2.2 Representacao Geometrica das Funcoes

Para construir o grafico de uma funcao do em precisamos de tres di-


mensoes. Seja ! . Para cada valor no domnio calculamos
em e marcamos o ponto .

Example 48 Pagina 289 - Figura 13.1

Example 49 Pagina 289 - Figura 13.2

36
Existe uma outra maneira de visualizar-se uma funcao de em , que so
requer esbocos bidimensionais - o estudo de curvas de nvel no plano. Para cada
novamente calculamos para obter, digamos, ! . Agora, esbocamos
no plano , o lugar geometrico de todos os outros pares nos quais toma
o mesmo valor ! . Este conjuno, que e em geral uma curva, e denominado curva
de nvel de .

Example 50 Pagina 292 - Figura 13.7. Considere novamente a funcao

Comece com o ponto , no qual vale . Agora encontre todos os demais


pontos nos quais vale . Isto e o conjunto , um crculo de
raio em torno da origem. Tambem denotamos esta curva de nvel por .
No caso de temos

um crculo de raio em torno da origem.

Uma vez feita as curvas de nvel, fica mais facil visualizar o grafico no espaco
tridimensional. Temos no espaco bidimensional as curvas de nvel de
no plano , visualize os eixos coordenados de , de tal modo que os eixos
e estejam no plano da pagina e o eixo ! parta da pagina em sua direcao.
Considerando o exemplo anterior, pegamos a curva de nvel e puxamos
para cima ate o plano ! . Portanto, para cada , puxe e ate
o plano ! . Com este procedimento passaramos do grafico 13.7 para o
grafico 13.1.

Example 51 Considere a funcao de producao

37
em que e sao insumos, digamos capital e trabalho, respectivamente. Os con-
juntos de nveis de uma funcao de producao sao chamados isoquantas. A iso-
quanta para e

Ou seja, temos uma funcao de uma variavel, cujo grafico foi rotulado
[pagina 295, grafico 13.10]. Para o consumidor o analogo seria as curvas de
indiferenca.

3.3 Calculo de Varias Variaveis

3.3.1 Definicoes

Definition 19 Seja . Entao, para cada variavel em cada ponto


do dominio de , a derivada parcial de em relacao a e
dada por

+
+

se este limite existir. Somente a i-esima variavel muda, as outras sao tratadas
como constantes.

A derivada parcial mostra como uma funcao varia em direcoes paralelas aos
eixos coordenados.

Example 52 Considere a funcao

Entao,
+
+

38
Observe que tratamos como uma constante. E ainda,

+
+

Observe que tratamos como uma constante.

Outra nocao importante e a de diferencial total. Considere a funcao ,


de variaveis na vizinhanca de algum ponto selecionado , entao
a diferencial total de , em e dada por

+, +,
,
+ +

3.3.2 Regra da Cadeia

Definition 20 Uma funcao e continuamente diferenciavel (ou )


em um conjunto aberto - se, e somente se, para cada , a derivada parcial
+ + existe em cada de - e e contnua em .

Example 53 (Regra da Cadeia) Considere a funcao de producao:

. /

Suponha que . e / dependem do tempo e da taxa de juros,

. # e / # #
#

Dai,

+ + +. + +/
+ +. + +/ +
. / . /
#
/ .
# . /

39
3.3.3 Derivadas Direcionais e Gradientes

Definition 21 Considere a funcao , de variaveis na vizinhanca de


algum ponto selecionado . Entao a derivada de , em na
direcao de (derivada direcional) e dada por

..
, .

+, +,
+ +

A derivada direcional mede a taxa a qual , aumenta ou diminui quando samos


de na direcao de .

Example 54 Seja , entao

, ..
.

+,
+

Ou seja, obtemos a derivada , na direcao de , que e a derivada parcial com


respeito a . Obtemos este resultado porque nos movemos apenas no eixo .

Example 55 Considere a funcao de producao

, . / . /

40
em que . / . Entao,

+, /
+. .

+, .
+/ /

A derivada de , em na direcao e, simplesmente


+, +,
+. +/

Example 56 Considerando o exemplo anterior, perguntamos a que taxa creseria


a producao se aumentassemos . e / a mesma taxa? Como nao sabemos a mag-
nitude da variacao e so a sua direcao, usamos o vetor unitario na
direcao . A taxa de variacao de , na direcao de e

Definition 22 Seja , e considere o seguinte vetor de derivadas


no ponto :

..
, .

Tal vetor e denominado vetor gradiente de , em .

41
Note que, podemos usar o gradiente para calcular a derivada direcional de ,
na direcao de , pois

.. ..
, . .

+,
+
As caractersticas importantes de um vetor sao:

1. Comprimento

2. Direcao

3. Sentido

Vamos nos concentrar primeiro na direcao e sentido, de modo que fazemos


. Por se equivalente a derivada direcional, , mede a taxa a qual
, aumenta ou diminui quando samos de na direcao de . Pela propriedade
conhecida do produto interno, a derivada de , na direcao de e

, , '

, '

pois e ' e o angulo entre os vetores , e no ponto base (Pagina


333 - Figura 14.9).
E natural perguntar: em qual direcao a funcao , cresce mais rapidamente?
Como ' , , e maior quando ' , ou seja, quando
' , ou seja, quando aponta na mesma direcao e sentido de , .

Theorem 14 Seja , uma funcao . Em cada ponto do domnio


de , em que , , o vetor gradiente aponta na direcao em que , cresce
mais rapidamente.

42
Example 57 Considere mais uma vez a funcao de producao

, . / . /

em que . / . Se quisermos saber em quais proporcoes devemos


acrescentar . e / a para aumentar a producao mais rapidamente,
calculamos o vetor gradiente

e deduzimos que devemos acrescentar . e / em uma proporcao de para .


(pagina 334, Figura 14.10)

3.3.4 Derivadas de Segunda Ordem e a Matriz Hessiana

Seja . Entao a matriz hessiana de e denotada por ou


:

.. .. ... ..
. . .

Se todas estas derivadas de segunda ordem existem e sao funcoes contnuas


de , dizemos que e duas vezes continuamente diferenciavel (ou ).

Remark 3 Notacao
+
+ +
Theorem 15 (Teorema de Young)Suponha que numa
regiao aberta 0 de . Entao, para cada de 0 e para cada par de ndices e 1,
+ +
+ + + +
Portanto, para funcoes a matriz e simetrica.

43
3.4 Funcao Implicita
Em geral trabalhamos com funcoes do seguinte modo

em que a variavel endogena e uma funcao explcita das variaveis exogenas. No


entanto, em problemas de maximizacao, as vezes, as condicoes de primeira ordem
tem variaveis exogenas misturadas com variaveis endogenas, como em

Se para cada , a equacao acima determinar um valor correspon-


dente, diremos que tal equacao define a variavel como uma funcao implcita das
variaveis exogenas . Muitas vezes nao e possvel tornar uma funcao
explcita de , no entanto, ainda assim gostaramos de saber como uma
pequena variacao em uma das variaveis exogenas afeta a variavel endogena.

Example 58 Considere a funcao demanda:

" "

Facilmente, obtemos a derivada de em relacao a ":

# " # "
"
Porem, nao e possvel escrever " como funcao de . Nesta secao vamos desen-
volver uma forma simples para calcular " .

Example 59 Considere uma firma que maximiza o lucro. A funcao de producao


depende de um unico insumo , o custo de cada unidade de insumo e %, e seja
o preco " o preco de venda do produto produzido pela firma. Para " e % fixos o
lucro e o problema da firma e

" %

44
Tomando a derivada primeira e igualando a zero, obtemos:

" %

Para cada valor das variaveis exogenas " e % a firma escolhera um valor otimo
de que satisfaca a condicao de primeira ordem. Dependendo do formato de ,
nao e possvel escrever como uma funcao explcita de " e %, mas ainda assim
queremos computar "e %. Alem disso, queremos saber se ha multiplas
solucoes para a condicao de primeira ordem e se existe um maximo global.

Uma nota de cautela e necessaria. O simples fato de podermos escrever uma


funcao implcita 2 nao significa que esta equacao define como uma
funcao de . Por exemplo,
(3.1)

Quando nao existe que satisfaca (3.1). No entanto, em geral comecamos


com uma solucao especfica da equacao implcita 2 e pergun-
tamos se e possvel encontrar proximo de que satisfaca a equacao quando
esta proximo de . Considere e , note que tais pontos satis-
fazem a equacao implcita. Variando um pouco podemos encontrar um unico
perto de que corresponde ao novo . (Figura 15.1 - Pagina
347)
Contudo, iniciando em e , nao existe tal relacao funcional. Se
aumentarmos um pouco, digamos (, entao nao existe correspondente
tal que ( resolva (3.1). (Figura 15.2 - Pagina 348) Para ficar claro, como
( , nao existe resolva

( (

( (

45
O seguinte teorema responde a duas questoes basicas, a saber:

1. A equacao 2 determina como uma funcao contnua de para


perto de e para perto de ?

2. Neste caso, como sao os correspondentes afetados por variacoes em ?

Theorem 16 (Teorema da funcao implcita) Seja 2 uma funcao numa


bola em torno de em . Suponha que 2 e considere a
expressao
2

Se +2 + , entao existe uma funcao definida num inter-


valo em torno do ponto que e e tal que:

a) 2 para qualquer em
b)
c)

Remark 4 Considere uma funcao implcita 2 em torno de .


Supondo que exista uma funcao que e solucao da equacao
2 , ou seja,
2

Pela Regra da Cadeia podemos derivar esta equacao com respeito a em :

+2 +2
+ +
+2 +2
+ +

Portanto,

46
Example 60 Vamos retomar a discussao de

Note que,

No primeiro caso consideramos , neste caso


+2
e
+
Porem, no caso
+2
+
e as condicoes necessarias para se aplicar o teorema da funcao implcita nao se
aplicam

Example 61 Considere

Queremos calcular em e . Primeiramente vamos verificar se


+2
+
Calculando esta derivada e avaliando em ,
+2
+
Aplicando o Teorema da Funcao Implcita:

47
Theorem 17 (Teorema da funcao implcita) Seja 2 uma funcao
numa bola em torno de . Suponha tambem que sat-
isfaz ambos

2
+2
+

Entao, existe uma funcao , definida numa bola aberta ) em


torno de tal que:

a) 2 para qualquer )
b)
c)Para cada ndice i:

3.5 Curvas de Nvel


p342

48
Part II

Otimizacao Estatica

49
Chapter 4

Formas Quadraticas e Matrizes


Definidas

Seja , . Se e um ponto crtico de , entao a segunda


derivada da uma condicao necessaria e suficiente para determinar se
e um maximo ou mnimo (ou nenhum dos dois). A generalizacao do teste da se-
gunda derivada para , envolve avaliar se a matriz de derivadas
segunda de (Hessiano) e definida positiva, definida negativa ou indefinida
num ponto crtico de . Por exemplo, , e concava (convexa)
em uma dada regiao se a sua matriz de derivadas segunda e semidefinida negativa
(positiva) para todo nesta regiao.

4.1 Formas Quadraticas


Um funcao quadratica bastante simples e a seguinte .

Definition 23 Uma forma quadratica em e uma funcao real da forma

50
na qual cada termo e um monomio de grau dois.

A forma quadratica pode ser representada por uma matriz simetrica * como
segue
*

Example 62 Caso bidimensional:

Que pode ser reescrita como

Example 63 Caso tridimensional:

Que pode ser reescrita como

Theorem 18 A forma quadratica geral

pode ser escrita na forma matricial como

.. .. ... .. ..
. . . .

isto e * em que * e uma matriz simetrica (unica).

51
4.2 Formas Quadraticas Definidas
A forma quadratica geral de uma variavel e . Se , entao
para todo , sendo nula apenas quando . Logo, tal forma e chamada de
definida positiva e seu mnimo global. Se , entao para
todo , sendo nula apenas quando . Neste caso, temos uma forma definida
negativa e seu maximo global. Note que, determinar a classificacao de
e equivalente a determinar se e um maximo ( ) ou um um mnimo
( ).
De forma geral, se para todo , entao e definida
positiva. Se para todo mas existe tal que ,.
entao e semidefinida positiva (nao-negativa). De forma analoga, se
para todo , entao e definida negativa. Se para todo
e mas existe . tal que , entao e semidefinida negativa
(nao-positiva).
Portanto, determinar a classificacao de uma forma quadratica e equivalente
a determinar se e um maximo, um mnimo ou nenhum dos dois para a
funcao real . Assim, e o unico mnimo global da forma quadratica se, e
somente se, e positiva definida. Similarmente, e o unico maximo global
da forma quadratica se, e somente se, e negativa definida.

4.3 Matrizes Simetricas


Uma matriz simetrica e chamada definida positiva, semidefinida positiva, definida
negativa ou semidefinida negativa, etc., se a forma quadratica a ela associada,
* , e definida positiva, semidefinida positiva, definida negativa ou
semidefinida negativa, etc.

52
Definition 24 Seja uma matriz simetrica e . Entao e

1) definida positiva se * para qualquer


2) semidefinida positiva se * para qualquer
3) definida negativa se * para qualquer
4) definida positiva se * para qualquer
5) indefinida se * para alguns e * para outros

Remark 5 Uma matriz definida positiva (negativa) e automaticamente semidefinida


positiva (negativa)

4.4 Teste para Classificar uma Matriz Simetrica


Nesta secao apresentamos um simples teste para determinar a classificacao de uma
forma quadratica ou de uma matriz simetrica. Primeiramente vamos introduzir
algumas definicoes.

Definition 25 Seja * uma matriz . Uma submatriz principal de ordem


de * e uma submatriz de tamanho formada a partir de * suprimindo
colunas, digamos, as colunas e as mesmas linhas, ou
seja, as linhas O determinante de uma submatriz principal e
denominado um menor principal de ordem de *.

Definition 26 Seja * uma matriz . A submatriz principal de ordem de *


obtida ao se eliminar as ultimas colunas e linhas de *, * , e denominada a
submatriz principal lder de ordem de *. Seu determinante, * , e denominado
menor principal lder de ordem de *.

53
Example 64 Considere a matriz

Entao

* , * e *

O proximo teorema fornece um algortimo direto que utiliza os menores prin-


cipais lderes para determinar a classificacao de uma matriz dada.

Theorem 19 Seja * uma matriz simetrica . Entao,

1. * e definida positiva se, e somente se, todos os seus menores principais


lderes sao (estritamente) positivos.

* , * , * , ...

2. * e definida negativa se, e somente se, os seus menores principais lderes


alternam de sinal do seguinte modo:

* , * , * , ...

Ou seja, * deve ter o mesmo sinal de .

3. Se algum * e nao-nulo mas nao encaixa em nenhum dos dois casos


padroes de sinal acima, entao * e indefinida.

Se uma matriz nao e definida, ela pode ser ou nao semidefinida. Para conferir
se uma matriz e semidefinida precisamos conferir o sinal de cada menor principal
de *, como descrito no teorema abaixo.

54
Theorem 20 Seja * uma matriz simetrica. Entao * e semidefinida positiva
se, e somente se, todos os seus menores principais sao * e semidefinida
negativa se, e somente se, os seus menores principais de ordem mpar sao e
os seus menores principais de ordem par sao .

Example 65 Seja * uma matriz simetrica , entao:

1. * , * , * , * * e definida positiva.

2. * , * , * , * * e definida negativa.

3. * , * , * , * * e indefinida.

4. * , * , * , * * e indefinida.

Example 66 Considere

* e)

Entao, * e * e * e definida positiva. Alem disso, )


e ) e ) e indefinida.

4.5 Restricoes Lineares e Matrizes Orladas


Como foi dito, determinar a classificacao de uma forma quadratica e equiva-
lente a determinar se e um maximo, mnimo, ou nenhum dos dois para a
funcao real . Por exemplo, e o unico mnimo (maximo) global da forma
quadratica se, e somente se, e definida positiva (negativa). Nesta secao vamos
incluir nesta discussao restricoes lineares, ja que em muitas aplicacoes e comum
haver tal tipo de restricao.

55
Theorem 21 Para determinar a classificacao da forma quadratica * ,
, sujeita a equacoes lineares ) , ) e , contrua a matriz
simetrica orlada
)
3
) *
Confira os sinais dos ultimos menores principais lderes de 3, comecando
com o determinante de 3 mesmo.

1. Se 3 tem o mesmo sinal de e se estes ultimos menores prin-


cipais lderes alternam de sinal, entao e definida negativa no conjunto-
restricao ) e e um maximo global estrito de neste conjunto-
restricao.

2. Se 3 e estes ultimos menores principais lderes tem todos o mesmo


sinal de , entao e definida positiva no conjunto-restricao )
e e um mnimo global estrito de neste conjunto restricao.

3. Se ambas as condicoes e sao violadas por menores principais lderes


nao-nulos, entao e indefinida no conjunto-restricao ) e nao
e nem um maximo nem um mnimo de neste conjunto-restricao.

Example 67 Para conferir a classificacao de

no conjunto-restricao

56
construa a matriz orlada

Como este problema tem variaveis e restricoes, precisamos conferir


as ultimas submatrizes principais lderes de 3 : a propria 3 e

Como e , precisamos de 3 e 3 para verificar se


e definida positiva. Por outro lado, como e , precisamos de
3 e 3 para verificar se e definida negativa. Como 3 e
3 , conclumos que e definida positiva no conjunto-restricao e e
um mnimo de restrita ao conjunto-restricao.

57
Chapter 5

Otimizacao Irrestrita

Adiantamos que os principais resultados para funcoes multivariadas sao analogos


aos resultados unidimensionais, isto e:

1. Uma condicao necessaria para ser um maximo interior de ! , e


que as derivadas primeiras de , avaliadas em sejam zero

2. Se incluirmos uma condicao apropriada sobre a derivada segunda de , ,


entao esta condicao necessaria torna-se tambem suficiente.

5.1 Definicoes
Seja , - uma funcao real de variaveis, cujo domnio e um subconjunto
de . Entao,

1. - e um maximo global de , em - se , , , para cada


-

2. - e um maximo global estrito se e um maximo e , ,


para cada -,

58
3. - e um maximo local de , se existe uma bola ) em torno de
tal que , , para cada ) -

4. - e um maximo local estrito de , se existe uma bola ) em


torno de tal que , , para cada ) -,

Invertendo as desigualdades nas quatro definicoes acima, obtemos as definicoes


de mnimo global, mnimo global estrito, mnimo local e mnimo local estrito, re-
spectivamente.

5.2 Condicoes de Primeira Ordem


A condicao de primeira ordem para um ponto ser um maximo ou mnimo de
uma funcao de uma variavel e que , ou seja, seja um ponto crtico
de . Esta condicao requer que esteja no interior do domnio de . A mesma
condicao vale para uma funcao , de variaveis, considerando as derivadas
parciais +, + em , para . Neste caso, e um ponto interior do
domnio de , se existir uma bola ) em torno de contida no domnio de
,.

Theorem 22 Seja , - uma funcao definida no subconjunto - de .


Se e um maximo local ou mnimo local de , em - e se e um ponto interior
de - , entao
+,
para
+

Proof. ....

Example 68 Seja , .

+,
+

59
+,
+
Logo,

As solucoes sao e . Substituindo em , obtemos e


. Logo, e sao candidatos a maximo local ou mnimo local
de .

5.3 Condicao de Segunda Ordem


Definition 27 Um ponto n-dimensional e um ponto crtico de uma funcao
, se satisfaz

+,
para
+

Assim, no exemplo anterior, os pontos crticos de , sao


e . Para determinar se algum destes pontos crticos e um maximo ou
um mnimo, precisamos usar as derivadas segunda de , , supondo que , .
Construmos entao a matriz de derivadas parciais de segunda ordem de ,
denominada Hessiana:

.. ... ..
, . .

Como derivadas parciais cruzadas de funcoes sao iguais, , e uma


matriz simetrica.

60
5.3.1 Condicoes Suficientes

Theorem 23 Seja , - uma funcao cujo domnio e um conjunto


aberto - . Suponha que e um ponto crtico de , , isto e,
para .

1. Se , e uma matriz simetrica definida negativa, entao e um maximo


local estrito de ,

2. Se , e uma matriz simetrica definida positiva, entao e um mnimo


local estrito de ,

3. Se , e indefinida, entao nao e nem um maximo local nem um


mnimo local de ,

Definition 28 Um ponto crtico de , para o qual , e indefinida e


chamado ponto de sela.

Theorem 24 Seja , - uma funcao cujo domnio e um conjunto


aberto - . Suponha que

+,
para
+

e que os menores principais lderes de , alternam de sinal em do


seguinte modo

, , ,
, ,
, , , , , , ,
, ,
, , ,

Entao, e uma maximo local estrito de , .

61
Theorem 25 Seja , - uma funcao cujo domnio e um conjunto
aberto - . Suponha que
+,
para
+
e que os menores principais lderes de , sao todos positivos em :

, , ,
, ,
, , , , , , ,
, ,
, , ,
Entao, e uma mnimo local estrito de , .

Theorem 26 Seja , - uma funcao cujo domnio e um conjunto


aberto - . Suponha que
+,
para
+
e que alguns dos menores principais lderes nao-nulos de , violam o
padrao de sinais dos dois teoremas anteriores. Entao, e um ponto de sela
de , nao e um maximo local nem um mnimo local de , .

5.3.2 Condicoes Necessarias

(melhorar o texto, pagina 412) As condicoes de segunda ordem necessarias para


um maximo ou um mnimo de uma funcao sao mais fracas do que as condicoes su-
ficientes. De fato, ao inves de avaliarmos se a matriz Hessiana e definida positiva
ou definida negativa, nos avaliamos se tal matriz e semidefinida negativa (maximo
local) ou semidefinida positiva (mnimo local).

Theorem 27 Seja , - uma funcao cujo domnio e um conjunto


aberto - . Suponha que e um ponto interior de - e que e um maximo
(mnimo) local de , . Entao, , e , e semidefinida negativa
(positiva).

62
Theorem 28 Seja , - uma funcao de variaveis. Suponha que e
um ponto interior de - .

1. Se e um mnimo local de , , entao para e


todos os menores principais da Hessiana , sao .

2. Se e um maximo local de , , entao para


e todos os menores principais de ordem impar da Hessiana , sao
e todos os menores principais de ordem par da Hessiana , sao
.

Example 69 Seja , .

+,
+
+,
+
Logo,

As solucoes sao e . Finalmente, substituindo em obtemos


e .

+ , + , + , + ,
, , e
+ + + + + +

Os menores principais sao,

63
Em obtemos e respectivamente, sendo um ponto de sela. Em
obtemos e , entao , e definida positiva e e um
mnimo local estrito.

5.4 Maximo Global e Mnimo Global


Na secao anterior discutimos as condicoes suficientes de primeira e segunda or-
dem para encontrarmos todos os maximos e mnimos locais de uma funcao difer-
enciavel cujo domnio seja um conjunto aberto em . Nesta secao discutimos
condicoes suficientes para um extremo local ser um maximo global ou um mnimo
global de uma funcao real em .

Theorem 29 Seja , - uma funcao cujo domnio e um conjunto


convexo aberto - .

1. As tres condicoes a seguir sao equivalentes

, e uma funcao concava em -

, , , para quaisquer -

, e semidefinida negativa para qualquer -.

2. As tres condicoes a seguir sao equivalentes

, e uma funcao convexa em -

, , , para quaisquer -

, e semidefinida positiva para qualquer -.

64
3. Se , e uma funcao concava em - e , para algum -,
entao e um maximo global de , em -.

4. Se , e uma funcao convexa em - e , para algum - , entao


e um mnimo global de , em -.

(O esboco da prova e interessante, pagina 414-415)

5.5 Aplicacoes

5.5.1 Maximizacao do Lucro

Suponha que uma firma usa insumos, , para gerar um unico produto,
2 . O preco de venda e ". A receita e dada por "2 ,eo
custo e representado por uma funcao . A firma maximiza o lucro

, "2

Assumindo que a firma usa quantidades positivas de todos os insumos ( pertence


ao interior do ), entao no ponto de lucro maximo, , temos
+, +2 +
" para
+ + +
Ou seja, a receita marginal e igual ao custo marginal para cada insumo . Suponha
que
%

Entao, a condicao de receita marginal igual a custo marginal torna-se


+2 +2 %
" % para
+ + "
A condicao necessaria de segunda ordem para que seja um maximo local e
que , seja semidefinida negativa. No caso de custo marginal constante, e
necessario entao que 2 seja semidefinida negativa.

65
Example 70 Considere uma firma que produz o bem ! usando dois insumos, e
. Os precos sao dados. O preco de venda e , enquanto o preco do insumo e
e o do insumo e . A funcao de producao da firma e dada por:

Assim a funcao lucro tem a seguinte expressao:

CPO:

CSO:
, ,

3 , 3

Portanto, a estrategia de producao maximiza o lucro.

66
5.5.2 Monopolista Astuto

Suponha que um monopolista produz um unico bem e atua em dois mercados


distintos e separados (um mercado domestico e outro externo, por exemplo). Seja
a quantidade demandada no mercado , 4 2 a funcao de demanda
inversa no mercado , de modo que a receita neste mercado e dada por

4 2

Suponha que o custo de producao dependa da soma , isto e,


. Entao o lucro torna-se

2 2

Se soubermos que a firma ira produzir quantidades positivas em cada mer-


cado, e que a funcao lucro seja concava, o nosso problema e calcular os pontos
de maximo da funcao lucro no interior do quadrante positivo. Esses maximos
satisfazem:

+ + 2
+ +
+ + 2
+ +

A receita marginal em cada mercado deve igualar-se ao custo marginal de producao.

Example 71 No modelo acima considere as seguintes especificacoes:

67
em que . Com isso, a funcao lucro torna-se

Condicao de primeira ordem:

+
+
+
+

Condicao de segunda ordem:

+ + + +
, ,
+ + + +

Portanto, 3 e 3 , o que implica que e uma funcao


concava e a estrategia de demanda maximiza o lucro.

5.5.3 Monopolista que produz dois bens distintos

Considere um monopolista que produz dois bens distintos, e e quer maximizar


seu lucro A funcao demanda de cada bem e tal que

"

"

A funcao custo do monopolista e a seguinte:

68
Observe que a producao dos bens e interligada, pois o custo possui o temo .A
funcao lucro e dada por

" "

CPO:

Resolvendo o sistema:

CSO:
, ,

3 , 3

Portanto, a estrategia de producao maximiza o lucro.

69
5.5.4 Concorrencia Perfeita: Producao de dois Bens

Considere uma firma que produz dois bens sob concorrencia perfeita, de modo
que os precos sao dados. A funcao receita e dada por

4 4

Supomos que a funcao custo tem o seguinte formato

A funcao lucro pode ser escrita como

4 4

Queremos encontrar e que maximizam o lucro. Se soubermos que a


firma ira produzir quantidades positivas em cada mercado, e que a funcao lucro
seja concava, o nosso problema e calcular os pontos de maximo da funcao lucro
no interior do quadrante positivo. As condicoes necessarias de primeira ordem
sao:

+
4
+
+
4
+
Temos um sistema.

4 4 4 4 4
e
4 !

Portanto, se 4 e4 , e .
Condicao de segunda ordem:
+ + + +
, ,
+ + + +

70
3

Portanto, 3 e 3 , o que implica que e


uma funcao concava e a estrategia de demanda maximiza o lucro quando
4 e4 .

5.5.5 Monopolista que Produz dois Bens Substitutos

Considere um monopolista que produz dois bens substitutos, com as seguintes


funcoes de demanda:

4 4 (5.1)

4 4 (5.2)

Observe que o aumento no preco de uma mercadoria aumenta a demanda da outra.


Queremos expressar 4 e 4 como funcao das quantidades para construir a funcao
lucro que dependa somente das quantidades. Note que (5.1) implica

4 4 (5.3)

Substituindo em (5.2) obtemos:

4 4

Substituindo em (5.3) obtemos:

71
A receita da firma pode ser escrita como:

4 4

A funcao custo total e dada por

Como o custo marginal de depende de e, vice-versa, as duas mercadorias


sao tecnicamente relacionadas na producao.
A funcao lucro torna-se:

Queremos encontrar e que maximizam o lucro. Se soubermos que


a firma ira produzir quantidades positivas em cada mercado, o nosso problema
torna-se calcular os pontos de maximo da funcao lucro no interior do quadrante
positivo. As condicoes necessarias de primeira ordem sao:

+
+
+
+

Temos um sistema.

e
!

72
Condicao de segunda ordem:

+ + + +
, ,
+ + + +

Portanto, 3 e 3 , o que implica que e uma


funcao concava e a estrategia de demanda maximiza o lucro.

5.6 Exerccios de Fixacao


Questao 1) Analise se as funcoes abaixo possuem pontos de maximo local e/ou
mnimo local.
a)
CPO:

CSO:

3 3

Assim e um ponto de sela.

73
b)
CPO:

CSO:

3 3

Assim, e um ponto de maximo.

c) , em que .
CPO

Resolvendo o sistema:

74
CSO

3 3

Assim, e um ponto de maximo se:

Note que, como e negativo, , se e somente se . Por outro lado,


e um ponto de mnimo se:

Note que, como e positivo, , se e somente se .

d) ! ! !
CPO

! !

75
Logo,
!

Substituindo,

Obtemos .
CSO

Logo, e um ponto de maximo.

e) . / . / . /
CPO

. /

/ /
/ .
. .

76
. / /

. .
/ / . /
/ /

Portanto,

. .

. .

. .

. /

CSO

. /

. /

. /

3 3

Portanto, e um ponto de maximo.

f) ! 5 6 7 ! !, em que 5 6 7 .

77
CPO

5
5
6
6
7
! 7
!

Encontramos 5 6 7 .
CSO

7
!

As demais derivadas de segunda ordem sao nulas. Entao,

3 5 6 7

3
5
3
56
3
567

E, 5 6 7 e um maximo local.

g)

78
CPO:

Logo, ,e

O que implica que .


CSO:
, ,

3 , 3

Assim, e um ponto de mnimo.

h)
CPO:

Dai,

79
Portanto, se sabemos que . Substituindo nas condicoes de
primeira ordem:

Mas, , entao ou . Portanto, obtemos


e .
CSO:

3 3

3 , 3

Portanto, e sao pontos de sela.

80
i)
CPO:

CSO:
, ,

3 , 3

Portanto, e um ponto de sela.

j) !
CPO:

Logo,

81
CSO:

Portanto, e um ponto de mnimo.

k) !
CPO:

Logo,

Portanto, obtemos os pontos e

82
CSO:

Considerando, , temos 3 , 3 e 3 , nao


sendo possvel concluir se este ponto e um ponto de maximo local, mnimo local
ou sela. Considerando, , temos 3 , 3 e
3 , e trata-se de um ponto de maximo.

83
Chapter 6

Otimizacao Restrita I

O problema tpico estudado neste captulo e a maximizacao de uma funcao obje-


tivo sujeita a algumas restricoes.

sujeito a

A funcao e denominada funcao objetivo, enquanto as funcoes e


sao denomiadas funcoes restricao. As funcoes sao restricoes
de desigualdade e as funcoes sao restricoes de igualdade.

6.1 Restricoes com igualdade

6.1.1 Duas Variaveis e uma Restricao de Igualdade

(Motivacao: p423 (teoria do consumidor) e p 426 (gradiente))

Theorem 30 Seja e funcoes de duas variaveis. Suponha que


e a solucao do problema

84
sujeito a

Suponha tambem que nao e um ponto crtico de (qualificacao de restricao).


Entao, existe um numero real 8 tal que 8 e um ponto crtico da funcao
lagrangeana
/ 8 8

Ou seja, em 8

+/ +/ +/
, ,
+ + +8

Remark 6 A conclusao do teorema anterios vale tanto para maximizacao quanto


para minimizacao no conjunto-restricao.

Example 72
(6.1)

sujeito a

Portanto,
/ 8 8
+/
8 8 (6.2)
+
+/
8 8 (6.3)
+
+/
(6.4)
+8
Temos tres equacoes e tres variaveis. Igualando (6.2) e (6.3) obtemos

(6.5)

Substituindo em (6.4):

(6.6)

85
As equacoes (6.2), (6.5) e (6.6) implicam que 8 . Note que
nao e um ponto crtico de , sendo atendida a qualificacao de restricao.
Portanto, teorema anterior afirma que o unico candidato a solucao do problema
(6.1) e .

Example 73
(6.7)

sujeito a

Para verificar a qualificacao de restricao calculamos os pontos crticos de


.

+
+
+
+

Portanto, e o unico ponto crtico de e, claramente, nao


pertence ao conjunto-restricao. Podemos, entao, formar o lagrangeano

/ 8 8

Condicoes de primeira ordem:

+/
8 8 (6.8)
+
+/
8 (6.9)
+
+/
(6.10)
+8
A equacao (6.8) fornece ou 8. Se , entao a equacao (6.10)
implica que , usando a equacao (6.9) obtemos 8 . Portanto,

86
sao duas solucoes do sitema formado pelas equacoes (6.8), (6.9) e (6.10). Se
em (6.8), entao 8. Substituindo em (6.9) obtemos ,e
usando (6.10) temos ou seja, . Se ,8 e .
Por outro lado, se ,8 e , assim

e e e

6.1.2 Varias Restricoes de Igualdade

Considere o problema:

sujeito a

A qualificacao de restricao significa que (para o caso de 1 restricao):

+ +
+ +
Para generalizar a qualificacao de restricao para o caso de restricoes
usamos a derivada Jacobiana das funcoes restricao:

.. ... ..
. .

Em geral, um ponto e chamado um ponto crtico de se o posto


da matriz e menor do que . Assim, a generalizacao da qualificacao
de restricao e que o posto da matriz seja , o maior possvel. Mais
formalmente, nos dizemos que satisfaz a qualificacao de restricao
nao-degenerada (QRND) em se o posto da matriz jacobiana em e
.

87
Theorem 31 Sejam funcoes de variaveis. Considere o prob-
lema de maximizar (ou minimizar) no conjunto-restricao

Suponha que e que e uma maximo (local) ou mnimo (local) de


em . Suponha ainda que satisfaz a condicao QRND acima. Entao, existem
8 8 tais que 8 8 8 e um ponto crtico do
lagrangeano

/ 8 8 8

Ou seja,
+/ +/
8 8
+ +
+/ +/
8 8
+8 +8
Example 74
!

sujeito a ! !

Matriz Jacobiana

Seu posto e menor do que se, e somente se, . Como qualquer


ponto com violaria a primeira restricao, todos os pontos no conjunto-
restricao satisfazem a QRND. Formamos o lagrangeano,

/ ! 8 8 ! 8 8 !

88
Condicoes de primeira ordem:

+/
! 8 8
+
+/ !
! 8 8
+
+/
8 8
+!
+/
+8
+/
! !
+8
Substituindo a segunda e a terceira equacoes na primeira,

!
!

! ! (6.11)

Substituindo as duas ultimas equacoes em (6.11) obtemos:

Uma solucao e , que implica ! . Para obter solucoes diferentes,


podemos dividir esta expressao por ,

Logo,

89
Com isso obtemos

" $ %&
# '

E,

" $ %&
# '

6.1.3 Aplicacoes

Maximizacao da Receita

Considere uma firma cujo preco de venda e unitario, e sua funcao de producao e
a seguinte:
. /

Suponha que o objetivo desta firma e maximizar a receita, sujeita a ter um custo
, isto e,
. /

#. %/

Como . / #. %/ tal funcao nao possui ponto crtico e a qualificacao


de restricao e claramente atendida. Podemos, entao, formar o lagrangeano

. / 8 #. %/

90
+ /
. / 8# 8
+. # .
+ .
. / 8% 8
+/ % /
+
#. %/ #. %/
+8
Portanto,
/ .
# . % /
#
/ .
%

#
#. % .
%
#.

.
#
#
/
% # %

Minimizacao do Custo

Considere uma firma cujo preco de venda e unitario, e sua funcao de producao e
a seguinte:
. /

Suponha que o objetivo desta firma e minimizar o custo, sujeita a produzir , isto
e,
#. %/

. /

Como . / . / , esta funcao e sempre crescente em . e / nao


possuindo pontos crticos. Podemos, entao, formar o lagrangeano

#. %/ 8 . /

91
+ #
# 8. / 8
+. . /
+ %
% 8. / 8
+/ . /
+
. / . /
+8

Portanto,

# %
. / . /
. /
# %
/ .
#
/ .
%

. /
#
. .
%
#
.
%
%
.
#

#
/ .
%
# %
/
% #
# #
/
% %
#
/
%

Geracoes Sobrepostas

9
9

92
Formando a matriz jacobiana, obtemos

Tal matriz possui posto igual a , sendo atendida a QRND.

/ 6 8 9 8 9

+/
8 8
+
+/ 6 6
8 8
+
+/
8 8 8 8
+

Portanto,

Atuacao do Governo

- -
!"
#
- -

Assim, - -, nao possuindo ponto crtico. Logo, passando ao


lagrangeano

#
/ - - 8 - -

93
+/
8 8
+
+/
- - 8 8 - -
+-
+/ # #
- - - -
+8
Logo,

- -

- -

Assim,

#
- -

Observacao: se #
, entao o governo alcanca as metas.

- -

- -

Intuicao: se #
a restricao se torna

#
- -

- -

- -

94
Substituindo na funcao objetivo:

- -
!"

- - - -
!"

- - - -
"

- -
"

Fica claro que o governo escolhe - - , para minimizar sua perda. Voltando
na restricao, - - implica .

Maximizacao da utilidade sujeita a restricao orcamentaria

Suponha que a funcao utilidade seja - e que " ," e renda igual
a .

Note que , nao possuindo pontos crsticos. Formando o


lagrangeano
/ 8
+/
8 8
+
+/
8 8
+
+/
+8
Logo,

95
Vamos considerar agora outra funcao utilidade, precos e renda, de modo que
o problema do consumidor torna-se

Note que , nao possuindo pontos crticos. Formando o


lagrangeano
/ 8
+/
8 8
+
+/
8 8
+
+/
+8
Logo,

96
Portanto,

Producao de dois bens com funcao custo-conjunta

A fabrica produzd dois tipos de maquinas - e - com funcao custo-conjunta

A firma quer minimizar o custo sujeita a produzir pelo menos maquinas.

Note que , nao possuindo pontos crticos. Formando o la-


grangeano
/ 8

+/
8 8
+
+/
8 8
+
+/
+8

97
Assim,

6.1.4 Exerccios de Fixacao

Questao 1) Ache candidatos a maximo e mnimo.


a) , a restricao e .
Assim, , nao possuindo pontos crticos. Contruindo o la-
grangeano
/ 8

+/
8 8
+
+/
8 8
+
+/
+8
Logo,

98
b) , a restricao e .
Assim, , nao possuindo pontos crticos. Contruindo o la-
grangeano
/ 8

+/
8 8
+
+/
8 8
+
+/
+8
Logo,

Questao 2) Ache candidatos a maximo e mnimo de ! !


sujeito a ! e .

99
Ora, mas , a funcao objetivo torna-se ! ! e a restricao
! . Formando a matriz jacobiana, obtemos

Seu posto e menor do que se, e somente se, ! . Como o ponto com
! violaria a restricao ! , todos os pontos no conjunto-restricao
satisfazem a QRND. Formamos o lagrangeano,

/ ! 8 ! 8 !

Condicoes de primeira ordem:

+/
8
+ 8
+/
! 8! ! 8
+!
+/
! !
+8
Portanto, se 8 , e! . Se 8 , entao ! , e pela ultima
derivada parcial . Obtemos, considerando ,
$ % $ %

Questao 3) Ache candidatos a maximo e mnimo de ! ! !


sujeito a ! e ! .
Ora, mas se ! , a funcao objetivo torna-se ! ! . Formando a
matriz jacobiana, obtemos

100
Sabemos que no conjunto restricao ou ! , o que ja garante que o
posto e igual e todos os pontos no conjunto-restricao satisfazem a QRND.
Formamos o lagrangeano,

/ ! 8 ! 8 !

Condicoes de primeira ordem:


+/ !
! 8 8
+
+/
8! 8
+! !
+/
!
+8
Logo,
!
!
!
Na restricao

Usando a restricao ! , obtemos

Por fim, obtemos

6.2 Restricoes de desigualdade


A maioria dos problemas em economia tem suas restricoes definidas por desigual-
dades:

101
6.2.1 Uma Restricao de Desigualdade

[Motivacao p436 (restricao ativa e inativa)]

Theorem 32 Suponha que e sao funcoes em e que maximiza


no conjunto-estricao . Se , suponha que

+ +
ou
+ +

Em qualquer caso, construa o lagrangeano:

/ : :

Entao, existe um multiplicador : tal que:

1) :
2) :
3) :
4) :
5)

Example 75 Ache candidatos a maximo e mnimo de sujeito a


. O unico ponto crtico de ocorre em , ou seja, fora do
conjunto-restricao. Assim a qualificacao de restricao esta satisfeita em qualquer
candidato a solucao. Forme o lagrangeano

/ : :

Condicoes de primeira ordem

+/
: : , para
+
+/
: : , para
+

102
:

Logo,
:

Primeiro observe que se : , das duas primeiras condicoes implicam que


. Observe que satisfaz todas as restricoes. Se : , entao pela
terceira equacao sabemos que e usando ,

Assim, combinando os casos de e obtemos :, pois : .

Como os dois ultimos candidatos envolvem um multiplicador negativo, eles sao


descartados. Portanto, temos tres candidatos

6.2.2 Caso com varias restricoes

Theorem 33 Suponha que sao funcoes de variaveis. Suponha


que e um maximo de no conjunto-restricao definido pelas desigual-
dades

Para facilitar a notacao, assuma que as primeiras restricoes sao ativas e que
as ultimas sao inativas. Suponha que a seguinte qualificacao de restricao

103
nao-degenerada seja satisfeita em . O posto em da matriz jacobiana

$ $

$ $

.. ... ..
. .
$ $

das restricoes ativas e . Entao, forme o Lagrangeano:

/ : : : :

Entao, existem multiplicadores : : tais que:

1) : para
2) : para 1
3) : para 1
4) para 1

Example 76 Considere o problema de maximizar a utilidade - ! !


no conjunto restricao dado pelas desigualdades

! , , , !

O preco de cada bem e e a renda e . A primeira coisa a fazer e escrever todas


as restricoes como no teorema acima

! , , , !

A matriz jacobiana das funcoes restricao e

104
Como as colunas sao linearmente independentes, seu posto e tres. Como no
maximo tres das quatro das quatro restricoes podem ser ativas em qualquer ponto,
a QRND vale em qualqer candidato a solucao. Forme o lagrangeano

/ ! : ! : : : !

Condicoes de primeira ordem

+/
! : : : ! :
+
+/
! : : : ! :
+
+/
: : : :
+!

: ! : : :!

: : : :

! , , , !

Logo,
: ! : ! : :

Vamos examinar dois casos: : e: . Se : temos

! :

! :

Porem, como os multiplicadores nao-negativos, : : : ,e

! !

As equacoes levam a um conjunto de candidatos a solucao nos quais duas variaveis


sao nulas e a terceira e qualquer numero no intervalo . Por exemplo, se

105
! , garantimos que ! ! e usando ! e ,
obtemos . Isto e, . Vejamos o caso com : . Como

: ! !

Pelo menos uma dessas variaveis e nao-nula. Suponha que . Entao

: ! : ! : :

: ! : : :

: : :

Porem, : : implicam que ! . Ou seja, ! , con-


tradizendo a restricao ! . Como a hipotese leva a contradicao,
conclumos que . Analogamente, ! . Com isso, : : : ,e

! : ! : :

! !
(
( !
( !
! !
(
(
(
!

Usando a retricao
!

6.2.3 Aplicacao

Maximizacao da utilidade

" "
,

106
Por ora vamos ignorar as restricoes de nao-negatividade. Hipoteses:

-
+-
-
+
+-
-
+
Supomos que exista nao-saciedade. O lagrangeano torna-se

/ - : " "

Condicoes de primeira ordem


+/ -
- :" :
+ "
+/ -
- :" :
+ "
: " "

" "

Ja observe que no maximo : nao pode ser zero pois isto implicaria - - .
Logo, : , e a terceira equacao implica que

" "

Portanto, o consumidor gasta toda sua renda. Note ainda que


- - - "
:
" " - "
Example 77 FAZER WEBER, pagina 367, exerccios 15 e 17

107
6.2.4 Exerccios de Fixacao

a)

Note que

+ +
+ +
Logo, podemos contruir o lagrangeano.

/ :

+/
: :
+
+/
: :
+
:

Se : , entao

E temos, : .
Se : , entao

108
E ainda,

Logo,

Note que

b)

Note que

+ +
+ +
Logo, podemos contruir o lagrangeano.

/ :

109
+/
: :
+
+/
: :
+
:

Se : , entao

Note que , sendo atendidas todas as restricoes.


Se : , entao

Entao,

Portanto, para : , obtemos e para : obtemos .

110
c)

Note que

+ +
+ +
Logo, podemos contruir o lagrangeano.

/ :
+/
: :
+
+/
: :
+
:

Se : , entao

111
Logo,

Note que , nao sendo atendida a restricao do problema.


Se : , entao

E ainda,

Entao,

Portanto, para : , obtemos :

112
d)

Note que

+ +
+ +
Logo, podemos contruir o lagrangeano.

/ :
+/
: :
+
+/
: :
+
:

Se : , entao

Note que , sendo atendida a restricao do problema.


Se : , entao

113
E ainda,
:

Entao,

Portanto, para : obtemos e para : , obtemos :

6.3 Restricoes de Igualdade e Desigualdade


Theorem 34 Suponha que sao funcoes de variaveis.
Suponha que e uma maximo local de no conjunto-restricao definido
pelas desigualdades e igualdades:

114
Sem perda de generalidade, assuma que as primeiras restricoes de desigual-
dade sao ativas e que as demais restricoes de desigualdade sao inativas
em . Suponha que a seguinte qualificacao de restricao nao-degenerada esta
satisfeita em . O posto em da matriz jacobiana

$ $

$ $

.. ... ..
. .
$ $

.. ... ..
. .

de derivadas das restricoes de desigualdades ativas e das restricoes de igualdade


e . Entao, forme o lagrangeano:

(
(
(
/ : : 8 8 : :
(
(
(
8 8

Entao, existem multiplicadores : : 8 8 tais que:

1) : 8 para
2) : para 1
3) para
4) : para 1
5) para 1

Example 78 18.10 (exerccio)

115
Chapter 7

Otimizacao Restrita II

7.1 O Multiplicador
Veremos nesta secao que os multiplicadores desempenham um papel muito im-
portante na analise economica, pois eles medem a sensibilidade do valor otimo da
funcao objetivo a variacoes nos recursos escassos em problemas de maximizacao
economica.

7.1.1 Uma Restricao de Igualdade

Considere o problema:

Vaos considerar como um parametro que muda de problema a problema.


Para cada valor fixo de , , e8 denotam asolucao deste prob-
lema. Assim, e o valor otimo da funcao objetivo. Vamos mostrar
que, sob certas condicoes, 8 mede a taxa de variacao do valor otimo de em
relacao ao parametro .

116
Theorem 35 Sejam e funcoes de duas variaveis. Para qualquer valor fixo
do parametro , seja a solucao do problema

com multiplicador correspondente 8 . Suponha que , e 8 sao funcoes


de e que a ; vale em 8 . Entao,

Proof. O lagrangeano do problema e

/ 8 8

Para cada a condicoes de primeira ordem implica que


+/
8
+
+ +
8 8 8
+ +
+/
8
+
+ +
8 8 8
+ +
Alem disso, como , temos
+ +
+ +
Portanto, usando a Regra da Cadeia e os resultados acima,
+ +
+ +
+ +
8 8
+ +
+ +
8
+ +
8

117
7.1.2 Varias Restricoes de Igualdade

.....

7.1.3 Restricoes de Desigualdade

......

7.1.4 Interpretando o Multiplicador

Considere o problema do consumidor

" "

Em que e a renda do consumidor. Entao,

- 8

mede o quanto o valor otimo se altera quando a renda se altera. Ou seja, o multi-
plicador representa a variacao na utilidade otima resultante da disponibilidade de
uma unidade a mais da renda. As vezes, o multiplicador e chamado preco-sombra,
no caso da renda.

7.2 Teorema do Envelope


Os teoremas da envoltoria nos dizem como o valor otimo da funcao objetivo num
problema de otimizacao parametrizado se altera quando um dos parametros se
modifica.

118
7.2.1 Problemas sem restricao

Theorem 36 Seja uma funcao de e do escalar . Para cada


escolha do parametro , considere o problema sem restricoes

Seja uma solucao do problema. SUponha que e uma funcao de . Entao

+
+

Proof. Pela regra da cadeia

+ +
+ +
+
+

Pois, para pelas condicoes de primeira ordem.


Este teorema e bastante util porque a derivada parcial no lado direito e bem
mais facil de calcular do que a derivada total no lado esquerdo.

Example 79 Considere o problema de maximizar

em torno de . Como e um polinomio com coeficiente lder negativo quando


, temos quando . Lofo, possui um maximo global
finito para cada valor de perto de . Pelo teorema,

+
+
+
+

119
que e negativo em e cada . Assim, mesmo sem resolver o problema
para otimo, podemos dizer que e uma funcao decrescente de
quando cresce para alem de .

Example 80 Qual sera o efeito o aumento de uma unidade de sobre o valor


maximo de , qaundo maximizamos em relacao a
para cada ? Inicialemte calculamos a resposta diretamente. A condicao de
primeira ordem implica que

Logo, colocando este valor em obtemos

que aumenta a uma taxa de quando cresce. Se, ao inves disso, tivessemos
aplicado o Teorema do Envelope, poderamos obter rapidamente
+
+
+
+

pois .

Example 81 Considere uma firma que produz o bem , em um mercado com-


petitivo, com custo , e . Suponha que 5 ! da
producao esta com esta com defeito. O lucro da firma depende de

" 5 "5

120
Como 5 afeta o lucro otimo?

+
"5
5 +5
"

Como esperavamos, quanto maior 5 (proporcao da producao nao defeituosa)


maior e o lucro. Observe que nao precisamos calcular para chegar a esta
conclusao.

7.2.2 Problemas com restricao

Theorem 37 Sejam funcoes . Seja


a solucao do problema de maximizar no conjunto-
restricao

para qualquer escolha do parametro . Suponha que e os multiplicadores


de Lagrange 8 8 sao funcoes de e que vale a ; . Entao,

+/
8
+

em que / e o lagrangeano natural deste problema.

Example 82 Considere o problema

Logo, o lagrangeano fica

/ : :

121
Aplicando o Teorema do Envelope,
+/
8
+
+
:
+
:

Como e: , podemos concluir que o valor otimo decresce quando


aumenta.

7.3 Condicao de Segunda Ordem


Vamos analisar o caos duas variaveis e uma restricao de igualdade. Como estu-
damos anteriormente, se o problema tem variaveis e restricoes, logo
basta conferir o sinal de ultimo menor principal, isto e, o determinante
da propria hessiana orlada. Entao, se " 3 tem o mesmo sinal de ,
entao se trata de um maximo local. Como veremos no teorema a seguir, se " 3
tem o mesmo sinal de , entao se trata de um mnimo local.

Theorem 38 Sejam e funcoes em . Considere o problema de maximizar


no conjunto-restricao . Forme o lagrangeano

/ 8 8

Suponha que 8 satisfaz:


+/ +/ +/
em 8 ,e
+ + +8

" em 8

Entao, e um maximo local de em .

122
Theorem 39 Sejam e funcoes em . Considere o problema de maximizar
no conjunto-restricao . Forme o lagrangeano

/ 8 8

Suponha que 8 satisfaz:

+/ +/ +/
em 8 ,e
+ + +8

" em 8

Entao, e um mnimo local de em .

Example 83 No problema de maximizar no conjunto-restricao


encontramos seis solucaoes das condicoes de primeira
ordem:

Vamos usar a condicao de segunda ordem para avaliar quais destes pontos sao
maximos e quais sao mnimos locais. A matriz hessiana orlada e:

3 / / 8
/ / 8

Nos pontos

123
eo" 3 , de modo que os dois pontos sao mnimos locais. Nos
pontos

eo" 3 , de modo que os dois pontos sao maximos locais. Nos


pontos

Para , temos " 3 de modo que este e um


mnimo local. Para , temos " 3 de modo
que este e um maximo local.

124